Khoảng cách giữa thử nghiệm và hiệu quả vận hành
AI doanh nghiệp là việc tích hợp trí tuệ nhân tạo vào dữ liệu, hệ thống và quy trình nội bộ để hỗ trợ hoặc thực hiện công việc trong phạm vi kiểm soát của tổ chức. Tại cuộc gặp báo chí ở Thành phố Hồ Chí Minh, Josh Abbott, Phó chủ tịch Teradata phụ trách khu vực châu Á – Thái Bình Dương và Nhật Bản, chia sẻ định hướng giúp doanh nghiệp Việt chuyển các dự án AI từ thử nghiệm sang vận hành thực tế.
Đây là mục tiêu đáng chú ý vì nhiều doanh nghiệp đã thử AI tạo sinh, nhưng một bản trình diễn chưa phải là năng lực vận hành. Teradata cho biết Autonomous Knowledge Platform 3.0 được thiết kế để đưa các tác nhân AI vào triển khai trên diện rộng thay vì để chúng tồn tại như những thử nghiệm riêng lẻ. Điểm cần nhìn thẳng là hiệu quả không đến từ việc thêm một mô hình vào hệ thống; nó phụ thuộc vào việc AI có hiểu đúng dữ liệu, quy tắc và hoàn cảnh công việc hay không.
Nền tảng phải kết nối được tri thức nội bộ
Teradata đặt trọng tâm vào việc kết nối AI với tri thức nội bộ đáng tin cậy. Tera Context Engine liên kết cơ sở dữ liệu, dữ liệu có cấu trúc lẫn phi cấu trúc, hệ thống xử lý dữ liệu, danh mục dữ liệu, mô hình và tác nhân AI. Theo hãng, công cụ có thể khai thác bối cảnh từ hạ tầng hiện hữu mà không yêu cầu di chuyển dữ liệu hoặc thay thế các công nghệ đang dùng. Cách tiếp cận này có sức thuyết phục nếu doanh nghiệp muốn tránh tạo thêm một kho dữ liệu biệt lập; tuy nhiên, kết nối kỹ thuật vẫn cần đi cùng dữ liệu được quản lý và cập nhật tốt.
Tera Harness bổ sung lớp tương tác và điều phối: người dùng được cấp quyền có thể dùng ngôn ngữ tự nhiên để phân tích dữ liệu, xây dựng ứng dụng AI, vận hành hạ tầng và tự động hóa quy trình. Các yêu cầu được chuyển đến công cụ, dữ liệu và mô hình phù hợp trong môi trường có kiểm soát. Đây là hướng giải quyết hữu ích cho tự động hóa doanh nghiệp, nhưng quyền truy cập, bước phê duyệt và trách nhiệm khi hệ thống xử lý sai vẫn phải được quy định rõ.
Chủ quyền dữ liệu và kiểm soát phải đi cùng tự động hóa
Đưa AI vào quy trình thật còn đặt ra câu hỏi dữ liệu được lưu ở đâu, ai được phép sử dụng và tổ chức có thể kiểm toán hoạt động hay không. Teradata nêu các lựa chọn AI lai và AI chủ quyền; Teradata Factory cho phép vận hành AI trên hạ tầng nội bộ hoặc nhiều môi trường đám mây, với khả năng bảo mật, kiểm toán và kiểm soát. Hướng triển khai này phù hợp với mối quan tâm về chủ quyền dữ liệu và bối cảnh dự thảo Luật An ninh dữ liệu đang được Quốc hội xem xét, trong đó đề cập việc bảo đảm an ninh dữ liệu trong nghiên cứu, phát triển và ứng dụng AI.
Nhưng lựa chọn hạ tầng không thể thay thế quản trị. Doanh nghiệp cần xác định dữ liệu nào được phép dùng, tác vụ nào AI có thể tự xử lý, trường hợp nào phải chuyển cho con người và cách khắc phục khi đầu ra sai. Teradata hướng tới mô hình trong đó tác nhân AI xử lý các quyết định thường lệ trong giới hạn do tổ chức đặt ra. Nếu thiết kế được ranh giới đó, nhân viên có thể dành thời gian cho đánh giá, chiến lược và quan hệ khách hàng thay vì một số công việc vận hành phức tạp.
Bước tiếp theo là chứng minh giá trị trong công việc
Teradata dự kiến mở rộng đầu tư tại khu vực, trước mắt xây dựng đội ngũ tại chỗ và thúc đẩy sáng kiến Launchpad, huy động chuyên gia địa phương, trong đó có nhân sự sử dụng tiếng Việt, để rút ngắn thời gian triển khai. Hãng cũng muốn hợp tác với doanh nghiệp Việt để xây dựng năng lực AI có thể vận hành thực tế, với các hướng ứng dụng như tối ưu chuỗi cung ứng, quản trị rủi ro, chăm sóc khách hàng và hoạt động tại hiện trường.
Đây là kế hoạch, chưa phải bằng chứng rằng mọi dự án sẽ tạo hiệu quả. Doanh nghiệp nên bắt đầu từ một quy trình có vấn đề cụ thể, đặt chỉ số đánh giá trước khi triển khai, rồi kiểm tra chất lượng dữ liệu, mức độ an toàn và khả năng duy trì kết quả. Teradata có thể cung cấp nền tảng kết nối và điều phối, nhưng việc biến AI thành năng lực vận hành vẫn đòi hỏi quy trình rõ, người chịu trách nhiệm và cơ chế giám sát. Thành công không nằm ở số lượng thử nghiệm, mà ở việc AI giải quyết được việc thật một cách kiểm soát được.
