• Theo nghiên cứu của Capgemini, đa số các ngành đều gặp khó khăn lớn trong việc chuyển đổi các dự án thử nghiệm AI thành giải pháp sản xuất.
• Nguyên nhân chính là do ranh giới số, nhân viên số và dữ liệu kém chất lượng.
• Steve Jones, EVP tại Capgemini, cho rằng các tổ chức đã quá quen với việc sử dụng dữ liệu kém chất lượng và hy vọng sẽ sửa chữa ở hệ thống nguồn.
• Dự đoán đến năm 2030, 50% quyết định kinh doanh sẽ được đưa ra bởi AI, chủ yếu trong các ứng dụng chuỗi cung ứng tự động.
• Nhân viên số cần có khả năng đưa ra quyết định dựa trên dữ liệu thời gian thực, không thể chờ đợi dữ liệu được làm sạch.
• Các mô hình ngôn ngữ lớn (LLM) cần tiếp cận thông tin phản ánh thực tế hoạt động của doanh nghiệp để tránh đưa ra quyết định sai lầm.
• Doanh nghiệp cần xây dựng mô hình vận hành số, mô tả rõ ràng vấn đề cần giải quyết và ranh giới của AI.
• Cần xác định rõ dữ liệu nào nên và không nên được sử dụng để đưa ra quyết định, AI được phép ảnh hưởng đến những gì.
• Mỗi giải pháp AI trong công ty sẽ bị ràng buộc bởi chức năng cụ thể của nó, tuân theo các quy tắc và động lực khác nhau.
• Cần xem xét AI dưới góc độ quản lý và áp dụng kinh doanh, thay vì chỉ tập trung vào công nghệ.
• Các nhân viên số cần có khả năng hợp tác với con người và với nhau, đặt ra câu hỏi trong phạm vi ranh giới rõ ràng.
• Thiết kế ứng dụng cần thay đổi, đưa dữ liệu lên phía trước để nhân viên số có thể sử dụng ngay lập tức.
• Tổ chức cần kiểm soát mô hình vận hành số của mình để triển khai nhân viên số thành công.
• Thách thức lớn là giúp nhân viên kinh doanh không am hiểu công nghệ có thể phát triển sự nghiệp thông qua tương tác với AI.
📌 Capgemini chỉ ra rằng để triển khai AI thành công, doanh nghiệp cần thay đổi mô hình vận hành số, xác định rõ ranh giới cho AI, và cải thiện chất lượng dữ liệu. Dự kiến đến năm 2030, 50% quyết định kinh doanh sẽ do AI đưa ra, đòi hỏi sự thay đổi lớn về tổ chức và cách tiếp cận dữ liệu.
https://venturebeat.com/ai/capgemini-digs-into-the-real-reasons-that-gen-ai-proof-of-concepts-never-take-off/