Trường Sơn
Writer
Nếu bạn đã tham dự bất kỳ hội nghị nào trong ngành trí tuệ nhân tạo (AI) trong năm nay, bạn sẽ biết rằng ChatGPT và Generative AI - và trí tuệ nhân tạo nói chung - thống trị các chương trình nghị sự.
Tuy nhiên, có quá nhiều nội dung mang tính thuyết giáo và trống rỗng—ví dụ: "AI sẽ mang tính đột phá" hoặc "AI là kẻ thay đổi cuộc chơi". Các CEO (và các giám đốc điều hành cấp cao khác) cần - và muốn - những quan điểm cụ thể hơn về tác động của những công nghệ mới này và cách phát triển chúng.
Vì vậy, đây là năm điều mà các CEO cần biết về ChatGPT và Generative AI, theo tổng hợp của tạp chí Forbes:
Sam Altman - Chủ tịch kiêm CEO OpenAI
Ước tính về việc cắt giảm nhân sự khác nhau tùy theo loại vai trò và vị trí, dao động từ 20% đến thậm chí 80%. Mặc dù có những ví dụ riêng biệt về việc các công ty thay thế hoàn toàn (hoặc gần như hoàn toàn) nhân viên bằng Generative AI, nhưng số lượng các công ty đó rất ít và kết quả không mấy ngoạn mục.
Tác động của Generative AI đối với hoạt động kinh doanh không phải là việc thay thế nhân viên mà là sự tăng tốc năng suất và khả năng sáng tạo của con người. Theo Charles Morris, nhà khoa học dữ liệu trưởng về dịch vụ tài chính của Microsoft: “Đừng nghĩ Gen AI như một công cụ tự động hóa mà là một người điều khiển phụ - con người làm việc đó và người điều khiển phụ giúp họ làm điều đó nhanh hơn”.
Từ việc thực hiện các chiến dịch tiếp thị đến phát triển trang web đến phát triển mã để tạo mô hình dữ liệu mới, lợi ích của các trường hợp sử dụng này khi sử dụng Generative AI không phải là giảm chi phí mà là giảm thời gian đưa ra thị trường.
Vào cuối thập kỷ này, bạn sẽ phải dựa vào từ 10 đến 100 LLM tùy thuộc vào ngành và quy mô doanh nghiệp của bạn. Có hai điều bạn có thể đặt cược vào:
1) Các nhà cung cấp công nghệ sẽ tuyên bố sẽ kết hợp công nghệ Generative AI vào các sản phẩm của họ khi họ thực sự không làm như vậy và
2) Các nhà cung cấp công nghệ sẽ không cho bạn biết điểm yếu và hạn chế của LLM của họ ( nếu họ thực sự có).
Do đó, các công ty sẽ cần phải tự đánh giá điểm mạnh, điểm yếu và rủi ro của từng mô hình. Theo Chris Nichols, Giám đốc Thị trường Vốn tại Ngân hàng South State:
“Có những tiêu chuẩn nhất định mà các công ty nên áp dụng cho từng mô hình. Các nhóm rủi ro cần theo dõi các mô hình này và đánh giá chúng về độ chính xác, khả năng sai lệch, bảo mật, tính minh bạch, quyền riêng tư dữ liệu, phương pháp/tần suất kiểm toán và các cân nhắc về đạo đức (ví dụ: vi phạm sở hữu trí tuệ, tạo giả mạo sâu, v.v.).
Lotus 1-2-3 cũng tạo ra sự bùng nổ về năng suất của nhân viên. Nó cho phép mọi người theo dõi, tính toán và quản lý dữ liệu số theo cách chưa từng có trước đó. Ngày nay, rất ít người trong hàng ngũ lao động còn nhớ rằng chúng ta (ôi, ý tôi là “họ”) phải dựa vào máy tính HP để tính toán và sau đó viết ra giấy.
Mặc dù năng suất tăng rất nhiều nhưng vẫn có một số vấn đề:
1) Người dùng mã hóa cứng các lỗi trong tính toán gây ra vấn đề lớn cho một số công ty;
2) Tài liệu về các giả định được đưa vào bảng tính còn yếu (giống như không tồn tại), tạo ra sự thiếu minh bạch; và
3) Thiếu tính nhất quán và tiêu chuẩn hóa trong thiết kế và sử dụng bảng tính.
Những vấn đề tương tự mà các công ty đã phải vật lộn với 40 năm trước với Lotus 1-2-3 ngày nay vẫn hiện diện khi sử dụng ChatGPT và các công cụ Generative AI khác: Phụ thuộc vào kết quả đầu ra thường không chính xác của ChatGPT, không có tài liệu (hoặc “dấu vết giấy”) nào về việc sử dụng công cụ và không có sự nhất quán trong việc sử dụng công cụ giữa các nhân viên trong cùng một bộ phận, chứ đừng nói đến cùng một công ty.
Trước đây, Lotus 1-2-3 đã tạo ra một số plugin giúp nâng cao chức năng của bảng tính. Tương tự, hàng trăm plugin đã tồn tại cho ChatGPT. Trên thực tế, phần lớn khả năng tạo đầu ra như âm thanh, video, mã lập trình và các dạng đầu ra không phải văn bản khác đến từ các plugin này chứ không phải từ chính ChatGPT.
Đối với các LLM nguồn mở sử dụng dữ liệu Internet công cộng, bạn phải hết sức thận trọng với chất lượng dữ liệu. Mặc dù Internet là một mỏ vàng dữ liệu nhưng nó lại là một mỏ vàng nằm giữa bãi rác dữ liệu. Hãy thử tìm kiếm một số dữ liệu và bạn sẽ không chắc mình có một cục vàng hay một nắm rác.
Các công ty đã phải vật lộn - trong nhiều thập kỷ - trong việc cấp cho nhân viên quyền truy cập vào dữ liệu họ cần để đưa ra quyết định và thực hiện công việc của mình. Một phần của thách thức là có các công cụ truy cập dữ liệu và đào tạo nhân viên cũng như tăng tốc độ sử dụng chúng.
Các công cụ AI sáng tạo giúp loại bỏ một số vấn đề khi sử dụng các ứng dụng phần mềm báo cáo và truy cập dữ liệu. Đó là một lợi ích lớn (và một lý do tại sao những công cụ mới này giúp tăng tốc hiệu suất của con người).
Tuy nhiên, điều còn lại là chất lượng của dữ liệu.
Tuy nhiên, điều nghịch lý là bạn cần ngừng nói về “dữ liệu” - nói chung là như vậy. Thay vào đó, hãy đánh giá chất lượng, tính sẵn có và khả năng tiếp cận của các loại dữ liệu cụ thể, ví dụ: dữ liệu khách hàng, dữ liệu tương tác khách hàng, dữ liệu giao dịch, dữ liệu hiệu suất tài chính, dữ liệu hiệu suất hoạt động, v.v.
Mỗi loại dữ liệu này đều là nguồn cung cấp dữ liệu cho các công cụ Generative AI.
1) Ghi lại những lời nhắc họ sử dụng để tạo ra kết quả;
2) Hiệu đính đầu ra AI sáng tạo (và chứng minh rằng họ đã làm như vậy); và
3) Tuân thủ các nguyên tắc tài liệu nội bộ bao gồm việc sử dụng từ khóa, tiêu đề rõ ràng, đồ họa có thẻ alt, câu ngắn và yêu cầu về định dạng.
Đó là một yêu cầu cao, nhưng theo Nichols của South State Bank, “các tài liệu có cấu trúc kém gây ra phần lớn sự thiếu chính xác của Generative AI”.
Trọng tâm của ban quản lý cũng sẽ thay đổi trong phần còn lại của thập kỷ này.
Các doanh nghiệp đã dành 10 năm qua cho hành trình “chuyển đổi kỹ thuật số”, trong đó trọng tâm là số hóa các quy trình giao dịch khối lượng lớn như mở tài khoản và hỗ trợ khách hàng.
Trọng tâm đó đang thay đổi – nói đúng hơn là mở rộng – để nâng cao năng suất của những người lao động tri thức trong tổ chức – CNTT, pháp lý, tiếp thị, v.v.
Trước mắt, bạn sẽ thật điên rồ khi tin tưởng vào các công cụ Generative AI để điều hành công ty mà không cần sự can thiệp và giám sát của con người. Có quá nhiều dữ liệu xấu dẫn đến quá nhiều “ảo giác”.
Về lâu dài, Generative AI sẽ “đột phá” và “người thay đổi cuộc chơi”. Các CEO cần phải chủ động và thực hiện những bước đi lớn để đảm bảo những gián đoạn và thay đổi này là tích cực cho tổ chức của họ.
>> Các mô hình ngôn ngữ tí hon đã trưởng thành
Tuy nhiên, có quá nhiều nội dung mang tính thuyết giáo và trống rỗng—ví dụ: "AI sẽ mang tính đột phá" hoặc "AI là kẻ thay đổi cuộc chơi". Các CEO (và các giám đốc điều hành cấp cao khác) cần - và muốn - những quan điểm cụ thể hơn về tác động của những công nghệ mới này và cách phát triển chúng.
Vì vậy, đây là năm điều mà các CEO cần biết về ChatGPT và Generative AI, theo tổng hợp của tạp chí Forbes:
1) Giảm chi phí không phải là mục tiêu của AI sáng tạo
Trọng tâm ban đầu của việc triển khai công nghệ và công cụ Generative AI (Gen AI hay AI tổng quát) phải là cải thiện năng suất, đặc biệt là tăng tốc quy trình.Ước tính về việc cắt giảm nhân sự khác nhau tùy theo loại vai trò và vị trí, dao động từ 20% đến thậm chí 80%. Mặc dù có những ví dụ riêng biệt về việc các công ty thay thế hoàn toàn (hoặc gần như hoàn toàn) nhân viên bằng Generative AI, nhưng số lượng các công ty đó rất ít và kết quả không mấy ngoạn mục.
Tác động của Generative AI đối với hoạt động kinh doanh không phải là việc thay thế nhân viên mà là sự tăng tốc năng suất và khả năng sáng tạo của con người. Theo Charles Morris, nhà khoa học dữ liệu trưởng về dịch vụ tài chính của Microsoft: “Đừng nghĩ Gen AI như một công cụ tự động hóa mà là một người điều khiển phụ - con người làm việc đó và người điều khiển phụ giúp họ làm điều đó nhanh hơn”.
Từ việc thực hiện các chiến dịch tiếp thị đến phát triển trang web đến phát triển mã để tạo mô hình dữ liệu mới, lợi ích của các trường hợp sử dụng này khi sử dụng Generative AI không phải là giảm chi phí mà là giảm thời gian đưa ra thị trường.
2) Bạn phải đánh giá rủi ro của mô hình ngôn ngữ lớn
Mặc dù ChatGPT hiện có thể là mô hình ngôn ngữ lớn (LLM) nổi tiếng nhất hiện nay (Gurilla của Microsoft và Llama của Facebook đang phát triển mạnh mẽ), gần như mọi nhà cung cấp công nghệ lớn đều có LLM đang hoạt động hoặc gần đây đã ra mắt một LLM.Vào cuối thập kỷ này, bạn sẽ phải dựa vào từ 10 đến 100 LLM tùy thuộc vào ngành và quy mô doanh nghiệp của bạn. Có hai điều bạn có thể đặt cược vào:
1) Các nhà cung cấp công nghệ sẽ tuyên bố sẽ kết hợp công nghệ Generative AI vào các sản phẩm của họ khi họ thực sự không làm như vậy và
2) Các nhà cung cấp công nghệ sẽ không cho bạn biết điểm yếu và hạn chế của LLM của họ ( nếu họ thực sự có).
Do đó, các công ty sẽ cần phải tự đánh giá điểm mạnh, điểm yếu và rủi ro của từng mô hình. Theo Chris Nichols, Giám đốc Thị trường Vốn tại Ngân hàng South State:
“Có những tiêu chuẩn nhất định mà các công ty nên áp dụng cho từng mô hình. Các nhóm rủi ro cần theo dõi các mô hình này và đánh giá chúng về độ chính xác, khả năng sai lệch, bảo mật, tính minh bạch, quyền riêng tư dữ liệu, phương pháp/tần suất kiểm toán và các cân nhắc về đạo đức (ví dụ: vi phạm sở hữu trí tuệ, tạo giả mạo sâu, v.v.).
3) ChatGPT đến năm 2023 giống như Lotus 1-2-3 đến năm 1983
Bạn còn nhớ bảng tính Lotus 1-2-3 chứ? Mặc dù đây không phải là bảng tính dựa trên PC đầu tiên trên thị trường, nhưng khi được giới thiệu vào đầu năm 1983, nó đã gây ra sự bùng nổ trong việc sử dụng máy tính cá nhân và được coi là “ứng dụng sát thủ” cho PC.Lotus 1-2-3 cũng tạo ra sự bùng nổ về năng suất của nhân viên. Nó cho phép mọi người theo dõi, tính toán và quản lý dữ liệu số theo cách chưa từng có trước đó. Ngày nay, rất ít người trong hàng ngũ lao động còn nhớ rằng chúng ta (ôi, ý tôi là “họ”) phải dựa vào máy tính HP để tính toán và sau đó viết ra giấy.
Mặc dù năng suất tăng rất nhiều nhưng vẫn có một số vấn đề:
1) Người dùng mã hóa cứng các lỗi trong tính toán gây ra vấn đề lớn cho một số công ty;
2) Tài liệu về các giả định được đưa vào bảng tính còn yếu (giống như không tồn tại), tạo ra sự thiếu minh bạch; và
3) Thiếu tính nhất quán và tiêu chuẩn hóa trong thiết kế và sử dụng bảng tính.
Những vấn đề tương tự mà các công ty đã phải vật lộn với 40 năm trước với Lotus 1-2-3 ngày nay vẫn hiện diện khi sử dụng ChatGPT và các công cụ Generative AI khác: Phụ thuộc vào kết quả đầu ra thường không chính xác của ChatGPT, không có tài liệu (hoặc “dấu vết giấy”) nào về việc sử dụng công cụ và không có sự nhất quán trong việc sử dụng công cụ giữa các nhân viên trong cùng một bộ phận, chứ đừng nói đến cùng một công ty.
Trước đây, Lotus 1-2-3 đã tạo ra một số plugin giúp nâng cao chức năng của bảng tính. Tương tự, hàng trăm plugin đã tồn tại cho ChatGPT. Trên thực tế, phần lớn khả năng tạo đầu ra như âm thanh, video, mã lập trình và các dạng đầu ra không phải văn bản khác đến từ các plugin này chứ không phải từ chính ChatGPT.
4) Chất lượng dữ liệu tạo nên hoặc phá vỡ những nỗ lực sáng tạo của AI
Các nhà tư vấn đã thúc giục bạn sắp xếp kho dữ liệu nội bộ của mình trong nhiều năm và khi bắt đầu sử dụng các công cụ Generative AI, bạn sẽ thấy mình đã làm tốt như thế nào. Câu ngạn ngữ “rác vào, rác ra” được thiết kế riêng cho Generative AI.Đối với các LLM nguồn mở sử dụng dữ liệu Internet công cộng, bạn phải hết sức thận trọng với chất lượng dữ liệu. Mặc dù Internet là một mỏ vàng dữ liệu nhưng nó lại là một mỏ vàng nằm giữa bãi rác dữ liệu. Hãy thử tìm kiếm một số dữ liệu và bạn sẽ không chắc mình có một cục vàng hay một nắm rác.
Các công ty đã phải vật lộn - trong nhiều thập kỷ - trong việc cấp cho nhân viên quyền truy cập vào dữ liệu họ cần để đưa ra quyết định và thực hiện công việc của mình. Một phần của thách thức là có các công cụ truy cập dữ liệu và đào tạo nhân viên cũng như tăng tốc độ sử dụng chúng.
Các công cụ AI sáng tạo giúp loại bỏ một số vấn đề khi sử dụng các ứng dụng phần mềm báo cáo và truy cập dữ liệu. Đó là một lợi ích lớn (và một lý do tại sao những công cụ mới này giúp tăng tốc hiệu suất của con người).
Tuy nhiên, điều còn lại là chất lượng của dữ liệu.
Tuy nhiên, điều nghịch lý là bạn cần ngừng nói về “dữ liệu” - nói chung là như vậy. Thay vào đó, hãy đánh giá chất lượng, tính sẵn có và khả năng tiếp cận của các loại dữ liệu cụ thể, ví dụ: dữ liệu khách hàng, dữ liệu tương tác khách hàng, dữ liệu giao dịch, dữ liệu hiệu suất tài chính, dữ liệu hiệu suất hoạt động, v.v.
Mỗi loại dữ liệu này đều là nguồn cung cấp dữ liệu cho các công cụ Generative AI.
5) AI sáng tạo yêu cầu những hành vi mới
Bạn không thể cấm sử dụng các công cụ Generative AI. Điều bạn có thể—và nên—làm là thiết lập các hướng dẫn sử dụng chúng. Ví dụ: yêu cầu nhân viên:1) Ghi lại những lời nhắc họ sử dụng để tạo ra kết quả;
2) Hiệu đính đầu ra AI sáng tạo (và chứng minh rằng họ đã làm như vậy); và
3) Tuân thủ các nguyên tắc tài liệu nội bộ bao gồm việc sử dụng từ khóa, tiêu đề rõ ràng, đồ họa có thẻ alt, câu ngắn và yêu cầu về định dạng.
Đó là một yêu cầu cao, nhưng theo Nichols của South State Bank, “các tài liệu có cấu trúc kém gây ra phần lớn sự thiếu chính xác của Generative AI”.
Trọng tâm của ban quản lý cũng sẽ thay đổi trong phần còn lại của thập kỷ này.
Các doanh nghiệp đã dành 10 năm qua cho hành trình “chuyển đổi kỹ thuật số”, trong đó trọng tâm là số hóa các quy trình giao dịch khối lượng lớn như mở tài khoản và hỗ trợ khách hàng.
Trọng tâm đó đang thay đổi – nói đúng hơn là mở rộng – để nâng cao năng suất của những người lao động tri thức trong tổ chức – CNTT, pháp lý, tiếp thị, v.v.
Trước mắt, bạn sẽ thật điên rồ khi tin tưởng vào các công cụ Generative AI để điều hành công ty mà không cần sự can thiệp và giám sát của con người. Có quá nhiều dữ liệu xấu dẫn đến quá nhiều “ảo giác”.
Về lâu dài, Generative AI sẽ “đột phá” và “người thay đổi cuộc chơi”. Các CEO cần phải chủ động và thực hiện những bước đi lớn để đảm bảo những gián đoạn và thay đổi này là tích cực cho tổ chức của họ.
>> Các mô hình ngôn ngữ tí hon đã trưởng thành
