Cuối tuần qua tại Hà Nội, IBM phối hợp cùng Tech Data và BNH tổ chức Hội thảo chuyên đề “From Data in Motion to AI in Action”, tập trung vào hai vấn đề đang được doanh nghiệp quan tâm: xây dựng nền tảng dữ liệu thời gian thực và đưa AI tác nhân vào vận hành. Điểm gặp nhau của hai chủ đề này nằm ở một yêu cầu căn bản: AI chỉ có thể hành động hiệu quả khi được cung cấp dữ liệu đúng, đủ, đáng tin cậy và đủ cập nhật để phản ánh trạng thái thực tế của hoạt động kinh doanh.
Dữ liệu không thiếu, nhưng phải đến đúng lúc
Trong doanh nghiệp, dữ liệu được tạo ra ở khắp nơi: từ hệ thống giao dịch, thanh toán, chăm sóc khách hàng đến các ứng dụng và kho dữ liệu. Nhưng dữ liệu nằm ở nhiều hệ thống khác nhau cũng đồng nghĩa với việc không phải lúc nào một thông tin vừa phát sinh cũng có thể được hệ thống khác nhìn thấy ngay.
Một giao dịch vừa xảy ra nhưng hệ thống phát hiện gian lận phải chờ đến lượt cập nhật tiếp theo mới nhìn thấy. Một khách hàng vừa chuyển tiền nhưng số dư trên ứng dụng chưa được cập nhật. Với một báo cáo định kỳ, độ trễ đó có thể không đáng kể. Nhưng với những quyết định cần được đưa ra ngay, vài phút cũng có thể tạo ra khác biệt.
Đây là lý do dữ liệu thời gian thực trở thành một vấn đề không chỉ của bộ phận công nghệ mà của cả hoạt động kinh doanh. Theo ông Nguyễn Đình Nguyên, Giám đốc Trung tâm giải pháp Công nghệ Chiến lược thuộc Công ty Công nghệ BNH (Better and Higher) Việt Nam, mục tiêu không đơn thuần là làm cho dữ liệu được truyền đi nhanh hơn, mà là khi một sự kiện kinh doanh vừa xảy ra, các hệ thống liên quan có thể biết được và phản ứng gần như ngay lập tức.
 |
Ông Nguyễn Đình Nguyên, Giám đốc Trung tâm giải pháp Công nghệ Chiến lược thuộc Công ty Công nghệ BNH (Better and Higher) Việt Nam chia sẻ tại Hội thảo |
Có thể hiểu đơn giản, thay vì chờ dữ liệu được gom lại rồi mới xử lý, doanh nghiệp để các hệ thống “biết” ngay khi một sự kiện xảy ra. Một giao dịch phát sinh có thể đồng thời tạo ra thông tin cho hệ thống vận hành, phân tích, chăm sóc khách hàng hoặc những ứng dụng khác.
Với những hệ thống lớn, cách làm này còn giúp giảm áp lực lên hệ thống giao dịch. Tại Hội thảo, một tình huống tham chiếu cho thấy khi dữ liệu thay đổi từ hệ thống giao dịch được chuyển liên tục sang hệ thống phân tích, hai loại công việc có thể được tách ra. Thời gian xuất báo cáo trong dự án này giảm từ khoảng một giờ xuống còn 1-2 phút. Với dữ liệu từ hệ thống ngân hàng lõi T24, vấn đề còn nằm ở chỗ dữ liệu dù đã tồn tại nhưng chưa chắc đã sẵn sàng để những hệ thống khác sử dụng.
Ông Nguyên nhấn mạnh: “Có dữ liệu không đồng nghĩa với dữ liệu đã sẵn sàng để sử dụng”.
Đây là khác biệt quan trọng. Doanh nghiệp không chỉ cần dữ liệu; doanh nghiệp cần dữ liệu đến đúng nơi, đúng lúc và có thể tin cậy. Khi một nguồn dữ liệu được nhiều hệ thống cùng sử dụng, những câu hỏi tưởng như thuộc về kỹ thuật lại trở thành vấn đề quản trị: dữ liệu đó có ý nghĩa gì, chất lượng ra sao, ai chịu trách nhiệm, ai được quyền sử dụng và có thể kiểm tra lại khi cần hay không.
Bởi vậy, dữ liệu thời gian thực không chỉ nhằm làm cho hệ thống chạy nhanh hơn. Nó phải trở thành nguồn dữ liệu mà doanh nghiệp có thể tin cậy để ra quyết định. Và khi AI bắt đầu tham gia vào quyết định, yêu cầu ấy càng trở nên rõ ràng.
Khi AI không chỉ trả lời mà còn hành động
Trong giai đoạn đầu, nhiều ứng dụng AI chủ yếu giúp con người tìm kiếm thông tin, trả lời câu hỏi, tạo nội dung hoặc hỗ trợ phân tích. Nhưng AI tác nhân mở ra một cách sử dụng khác: AI có thể tham gia vào cả một quy trình, thực hiện nhiều nhiệm vụ và phối hợp với các tác nhân khác để hoàn thành công việc.
Từ góc nhìn của ông Thái Sơn Tùng, chuyên viên kinh doanh giải pháp dữ liệu và trí tuệ nhân tạo tại IBM Việt Nam cho biết, dữ liệu là nền tảng để AI có thể vận hành hiệu quả. Dữ liệu không chỉ cần được thu thập mà còn phải được chuẩn hóa và quản trị để có thể phục vụ các mô hình và ứng dụng AI.
 |
Ông Thái Sơn Tùng, chuyên viên kinh doanh giải pháp dữ liệu và trí tuệ nhân tạo tại IBM Việt Nam trao đổi tại sự kiện |
Điểm khác biệt của AI tác nhân nằm ở khả năng hành động. Thay vì chỉ trả lời một câu hỏi, AI có thể tham gia vào một quy trình: đọc hồ sơ, xác minh thông tin, đánh giá rủi ro, xử lý khoản vay hoặc phối hợp với những tác nhân khác để hoàn thành công việc. Trong các tình huống ngân hàng được trình bày, những nhiệm vụ như xác minh khách hàng, quản lý tài liệu, kiểm tra rủi ro, xử lý khoản vay hay xác minh giao dịch có thể được phân cho các tác nhân chuyên biệt.
Điều này làm thay đổi vị trí của AI trong doanh nghiệp. AI không còn chỉ đứng bên ngoài quy trình để hỗ trợ con người, mà có thể trở thành một thành phần bên trong quy trình. Và chính ở đây, dữ liệu thời gian thực trở nên quan trọng hơn.
Một AI xử lý hồ sơ cần biết hồ sơ đang ở trạng thái nào. Một AI xác minh khách hàng cần tiếp cận đúng thông tin. Một AI liên quan đến giao dịch cần nhìn thấy dữ liệu đủ mới để không đưa ra quyết định dựa trên một trạng thái đã thay đổi. Nếu AI chỉ trả lời, dữ liệu chậm có thể khiến câu trả lời kém hữu ích. Nhưng nếu AI được trao quyền hành động, dữ liệu chậm có thể dẫn tới hành động sai thời điểm.
Đây là điểm khiến yêu cầu về dữ liệu thay đổi. AI không chỉ cần dữ liệu đúng mà cần dữ liệu đúng lúc và đủ ngữ cảnh. Nhưng dữ liệu tốt vẫn chưa đủ. Khi AI bắt đầu có quyền hành động, doanh nghiệp phải biết AI đang làm gì, dựa trên dữ liệu nào, được phép làm đến đâu và ai chịu trách nhiệm nếu hành động không phù hợp.
Vì vậy, quản trị AI phải đi cùng toàn bộ vòng đời của hệ thống, từ xây dựng, thử nghiệm, triển khai đến theo dõi khi đưa vào sử dụng. Các vấn đề về hiệu năng, chi phí, độ chính xác, rủi ro, bảo mật và tuân thủ đều cần được theo dõi trong quá trình vận hành.
Với AI tác nhân, cũng theo ông Tùng, phạm vi rủi ro cũng thay đổi. Ngoài độ chính xác hay khả năng giải thích, doanh nghiệp phải tính đến những vấn đề như tác nhân hành động không phù hợp, trách nhiệm đối với hành động của tác nhân hay rủi ro phát sinh khi tác nhân sử dụng các công cụ khác.
Nói cách khác, khi AI chỉ đưa ra một gợi ý, con người vẫn là lớp quyết định cuối cùng. Nhưng khi AI có thể thực hiện một bước trong quy trình, ranh giới giữa “gợi ý” và “hành động” bắt đầu thay đổi. Khi đó, dữ liệu, quyền truy cập, khả năng giám sát và trách nhiệm không còn là những vấn đề phía sau AI, mà trở thành một phần của chính cách AI được vận hành.
Quy mô của bài toán quản trị cũng cho thấy điều này. Theo thông tin được chia sẻ tại Hội thảo, hệ thống quản trị AI của IBM hiện theo dõi hơn 5.500 ứng dụng và quy trình; một chương trình tuân thủ mới trên quy mô toàn doanh nghiệp gần đây mất khoảng 6 tuần.
Với doanh nghiệp, cách tiếp cận vì thế không nhất thiết phải bắt đầu bằng một chương trình AI quy mô lớn. Ông Nguyên khuyến nghị bắt đầu từ một bài toán có giá trị rõ ràng, xây dựng dòng dữ liệu đáng tin cậy, đưa các yêu cầu về chất lượng, bảo mật và trách nhiệm vào ngay từ đầu, sau đó mới mở rộng sang những ứng dụng khác.
Đó cũng là cách rút ngắn khoảng cách giữa một thử nghiệm công nghệ và một năng lực thực sự của doanh nghiệp. Bởi cuối cùng, câu chuyện không chỉ là AI có thông minh hơn hay không. Khi AI ngày càng được trao nhiều quyền để tham gia vào hoạt động kinh doanh, chất lượng của dữ liệu mà AI nhìn thấy sẽ quyết định rất nhiều đến chất lượng của hành động mà AI thực hiện.
Nếu dữ liệu vẫn “nằm yên”, AI có thể biết rất nhiều nhưng chưa chắc hành động đúng. Khi dữ liệu chuyển động, được quản trị và đủ ngữ cảnh, AI mới có cơ hội chuyển từ “biết” sang “làm”.
