AI trong doanh nghiệp: 7 bài học từ các công ty tiên phong

OpenAI vừa ra phát hành bộ tài liệu AI trong doanh nghiệp – Bài học từ bảy công ty tiên phong dài 25 trang. Bài viết được dịch và tổng hợp từ nội dung gốc, giành cho AE nào không có nhiều thời gian để nghiên cứu kỹ tài liệu.

Trí tuệ nhân tạo (AI) đang định hình lại cách chúng ta làm việc, mang đến những cải tiến đáng kể về hiệu suất lao động, tự động hóa quy trình và nâng cao trải nghiệm khách hàng. Tuy nhiên, việc ứng dụng AI không chỉ đơn giản là triển khai một phần mềm mới. Các công ty thành công nhất xem AI như một mô hình hoạt động mới, đòi hỏi tư duy thử nghiệm và cách tiếp cận lặp đi lặp lại để đạt được giá trị nhanh chóng.

Dựa trên kinh nghiệm hợp tác với các công ty hàng đầu thế giới, OpenAI đã đúc kết 7 bài học quan trọng cho việc áp dụng AI trong doanh nghiệp:

1. Bắt đầu với đánh giá (Evals)

Trước khi triển khai rộng rãi, hãy sử dụng một quy trình đánh giá có hệ thống (evals) để đo lường hiệu suất của các mô hình AI đối với các trường hợp sử dụng cụ thể của bạn. Evals là cách để kiểm tra và xác nhận chất lượng đầu ra của mô hình dựa trên các tiêu chuẩn đặt trước (như độ chính xác, tính tuân thủ, độ an toàn).

• Ví dụ: Morgan Stanley đã tiến hành các đánh giá chuyên sâu về dịch thuật, tóm tắt văn bản và so sánh kết quả AI với chuyên gia con người trước khi triển khai AI hỗ trợ chuyên viên tài chính. Kết quả là 98% chuyên viên sử dụng AI hàng ngày, thời gian tìm kiếm tài liệu giảm đáng kể, giúp họ dành nhiều thời gian hơn cho khách hàng.

2. Nhúng AI vào sản phẩm của bạn

AI có thể tạo ra những trải nghiệm khách hàng mới mẻ, cá nhân hóa và phù hợp hơn bằng cách xử lý lượng lớn dữ liệu từ nhiều nguồn.

• Ví dụ: Indeed, trang web việc làm hàng đầu, sử dụng GPT-4o mini để không chỉ gợi ý việc làm mà còn giải thích “tại sao” công việc đó phù hợp với ứng viên, dựa trên kinh nghiệm và nền tảng của họ. Điều này giúp tăng 20% lượt bắt đầu ứng tuyển và 13% tỷ lệ thành công sau đó.

3. Bắt đầu ngay và đầu tư sớm

AI không phải là giải pháp “cắm là chạy”. Giá trị của nó tăng lên theo cấp số nhân thông qua quá trình lặp lại và cải tiến liên tục. Tổ chức càng bắt đầu sớm, càng hưởng lợi nhiều từ sự tích lũy kiến thức và kinh nghiệm này.

• Ví dụ: Klarna, nền tảng thanh toán và mua sắm, đã sớm giới thiệu trợ lý AI cho dịch vụ khách hàng. Sau vài tháng thử nghiệm và tinh chỉnh liên tục, trợ lý này đã xử lý 2/3 số lượt chat, tương đương công việc của hàng trăm nhân viên, giảm thời gian giải quyết từ 11 phút xuống 2 phút và dự kiến cải thiện lợi nhuận 40 triệu đô la. Việc 90% nhân viên Klarna sử dụng AI hàng ngày cũng giúp công ty triển khai các sáng kiến nhanh hơn.

4. Tùy chỉnh và tinh chỉnh (Fine-tune) mô hình của bạn

Việc điều chỉnh AI theo dữ liệu và nhu cầu cụ thể của doanh nghiệp có thể làm tăng đáng kể giá trị mang lại. Fine-tuning giúp mô hình hiểu rõ hơn thuật ngữ, phong cách và bối cảnh đặc thù của ngành, mang lại kết quả chính xác và phù hợp hơn.

• Ví dụ: Lowe’s, công ty cải thiện nhà cửa, đã hợp tác với OpenAI để fine-tune mô hình nhằm cải thiện việc tìm kiếm sản phẩm trên trang thương mại điện tử, vốn gặp khó khăn do dữ liệu sản phẩm không đầy đủ từ hàng ngàn nhà cung cấp. Kết quả là độ chính xác gắn thẻ sản phẩm cải thiện 20% và khả năng phát hiện lỗi tăng 60%.

5. Đưa AI đến tay các chuyên gia

Nhân viên, những người gần gũi nhất với quy trình và vấn đề, thường là người có vị trí tốt nhất để tìm ra các giải pháp dựa trên AI. Trao quyền cho họ sử dụng AI hiệu quả hơn nhiều so với việc cố gắng xây dựng các giải pháp chung chung.

• Ví dụ: BBVA, ngân hàng toàn cầu, đã triển khai ChatGPT Enterprise cho toàn bộ nhân viên (với sự giám sát chặt chẽ từ các bộ phận Pháp lý, Tuân thủ, An ninh CNTT) và để họ tự khám phá các trường hợp sử dụng. Chỉ trong 5 tháng, nhân viên đã tạo ra hơn 2.900 GPT tùy chỉnh, giúp giảm thời gian thực hiện dự án từ vài tuần xuống vài giờ trong nhiều lĩnh vực như Rủi ro Tín dụng, Pháp lý, Dịch vụ Khách hàng.

6. “Mở khóa” cho lập trình viên của bạn

Nguồn lực phát triển thường là nút thắt cổ chai kìm hãm sự tăng trưởng ở nhiều tổ chức. Việc trao quyền và cung cấp công cụ phù hợp cho đội ngũ kỹ sư có thể nhân lên lợi ích của AI.

• Ví dụ: Mercado Libre, công ty thương mại điện tử và fintech lớn nhất Mỹ Latinh, đã xây dựng nền tảng phát triển AI tên là Verdi (sử dụng GPT-4o và GPT-4o mini). Nền tảng này giúp 17.000 lập trình viên của họ xây dựng ứng dụng AI nhanh hơn, nhất quán hơn bằng cách tích hợp các mô hình ngôn ngữ, node Python, API và các biện pháp bảo mật có sẵn. Nhờ đó, họ đã đẩy nhanh việc phát triển các ứng dụng AI để cải thiện quản lý tồn kho, phát hiện gian lận, tùy chỉnh mô tả sản phẩm, và cá nhân hóa thông báo.

7. Đặt mục tiêu tự động hóa táo bạo

Hầu hết các quy trình đều chứa đựng nhiều công việc lặp đi lặp lại, nhàm chán, rất phù hợp để tự động hóa. Thay vì chấp nhận sự kém hiệu quả, hãy đặt ra những mục tiêu tự động hóa tham vọng.

• Ví dụ: Chính OpenAI đã xây dựng một nền tảng tự động hóa nội bộ để giải quyết tình trạng quá tải của đội ngũ hỗ trợ. Nền tảng này hoạt động trên các quy trình hiện có (ban đầu là trên Gmail) để tự động truy cập dữ liệu khách hàng, bài viết kiến thức liên quan, soạn thảo phản hồi và kích hoạt các hành động cần thiết (như cập nhật tài khoản, mở ticket hỗ trợ). Hệ thống này xử lý hàng trăm nghìn tác vụ mỗi tháng, giải phóng nhân viên cho các công việc có giá trị cao hơn.

Việc triển khai AI thành công đòi hỏi một tư duy cởi mở, thử nghiệm, được hỗ trợ bởi các quy trình đánh giá nghiêm ngặt và các biện pháp bảo vệ an toàn. Các công ty tiên phong không vội vàng đưa AI vào mọi quy trình mà tập trung vào các trường hợp sử dụng có lợi tức cao, nỗ lực thấp, học hỏi qua từng bước lặp và áp dụng kiến thức đó vào các lĩnh vực mới. Kết quả mang lại rất rõ ràng: quy trình nhanh hơn, chính xác hơn; trải nghiệm khách hàng cá nhân hóa hơn; và công việc ý nghĩa hơn cho nhân viên.

Hành trình ứng dụng AI chỉ mới bắt đầu, và việc học hỏi lẫn nhau sẽ giúp các doanh nghiệp khai thác tối đa sức mạnh của công nghệ đột phá này.