LÀM THẾ NÀO ĐỂ AI TẠO RA KẾT QUẢ KINH DOANH - CHƯƠNG 1 : AI KHÁC GÌ DỰ ÁN CNTT?
LÀM THẾ NÀO ĐỂ AI TẠO RA KẾT QUẢ KINH
DOANH
CHƯƠNG 1
AI KHÁC GÌ DỰ
ÁN CNTT?
1.1 Tại sao nhiều dự án AI thất bại?
Nhiều doanh nghiệp có suy nghĩ:
Chúng ta đã triển khai ERP thành công.
CRM cũng thành công.
Phần mềm nhân sự cũng thành công.
Vậy AI chắc cũng giống vậy.
Đây là nguyên nhân đầu tiên dẫn đến thất bại.
Dự án AI không phải là một dự án CNTT mở rộng.
Đó là một dự án Business Transformation có sử dụng
AI.
Nếu ERP thay đổi quy trình thì AI thay đổi cách doanh nghiệp
ra quyết định.
1.2 So sánh tổng quan
|
Tiêu chí |
Dự án CNTT |
Dự án AI |
|
Mục tiêu |
Số hóa quy trình |
Tăng năng lực ra quyết định và tự động hóa thông minh |
|
Kết quả |
Hệ thống chạy đúng yêu cầu |
Giá trị kinh doanh được cải thiện |
|
Đầu vào |
Yêu cầu nghiệp vụ (Requirements) |
Dữ liệu + bài toán kinh doanh |
|
Đầu ra |
Phần mềm |
Mô hình AI + quy trình vận hành |
|
Tiêu chí thành công |
Đúng chức năng |
Đúng KPI kinh doanh |
|
Vai trò dữ liệu |
Ít quan trọng |
Quan trọng nhất |
|
Khả năng thay đổi |
Ít thay đổi sau Go-live |
Liên tục học và cập nhật |
|
Kiểm thử |
Pass/Fail |
Đánh giá xác suất, độ chính xác, độ ổn định |
|
Bảo trì |
Fix lỗi, nâng cấp phiên bản |
Theo dõi drift, tái huấn luyện, cải tiến mô hình |
|
Người quyết định |
PM và Business Owner |
Business Owner, Data Team, AI Team, Executive Sponsor cùng
phối hợp |
Ví dụ
ERP
Mục tiêu
Tạo đơn hàng.
Có 20 trường dữ liệu.
Nếu nhập đúng
↓
Lưu thành công.
Nếu sai
↓
Báo lỗi.
Đây là hệ thống xác định (deterministic).
AI
Ví dụ:
Dự đoán khách hàng sẽ rời bỏ.
AI trả lời:
Khả năng rời bỏ
92%
Không ai biết chắc.
AI luôn làm việc với xác suất.
Do đó
AI cần
- dữ
liệu mới
- kiểm
tra
- hiệu
chỉnh
- học
lại
Khác biệt lớn
nhất
CNTT
Business – Các tác vụ kinh doanh
↓
Viết Requirement – Viết các yêu cầu
↓
Lập trình – Viết code để xây dựng chương trình phần mềm
↓
Kiểm thử - Kiểm tra chạy thử phần mềm
↓
Go-live – Triển khai thực tế
↓
Hoàn thành – Quá trình nghiệm thu, bàn giao và đào tạo
AI
Business – Các tác vụ kinh doanh
↓
Data – Thu thập dữ liệu bao gồm các loại bên trong, ngoài.
↓
Khảo sát dữ liệu – Đưa ra các tiêu chí khảo sát của doanh
nghiệp
↓
Làm sạch dữ liệu – Chọn loc tinh chỉnh những dữ liệu cần
↓
Huấn luyện – Bắt đầu cho AI làm việc với dữ liệu “sạch”
↓
Đánh giá – Đánh giá kết quả thu được trong quá trình huấn
luyện
↓
Triển khai – Triển khai thực tế
↓
Theo dõi – Theo dõi kết quả thu được
↓
Học lại – Quá trình học tập từ những dữ liệu mới sinh ra hoặc
kết hợp với các hệ thống AI khác.
↓
Triển khai tiếp – Tiếp tục update
↓
Lặp lại liên tục – Vòng lặp liên tục
Đây chính là lý do AI cần một vòng đời (Lifecycle) riêng.
1.3 AI Project Lifecycle
Một dự án AI nên được chia thành 9 giai đoạn.
1.
Business Strategy
↓
2.
AI Opportunity
↓
3.
Readiness Assessment
↓
4.
Design
↓
5.
Develop
↓
6.
Deploy
↓
7.
Operate
↓
8.
Optimize
↓
9.
Scale
Giai đoạn 1
Business Strategy
Mục tiêu
AI giải quyết vấn đề gì?
Ví dụ
Doanh nghiệp muốn
- giảm
nghỉ việc
- tăng
doanh số
- giảm
tồn kho
- giảm
lỗi sản xuất
AI chỉ phục vụ những mục tiêu này.
Công cụ
- Strategy
Map
- BSC
- SWOT
- OKR
- Business
Capability Map
Giai đoạn 2
AI Opportunity
Tìm cơ hội AI.
Ví dụ
Marketing
↓
AI tạo nội dung.
HR
↓
AI sàng lọc CV.
Sales
↓
AI dự báo doanh số.
Factory
↓
Computer Vision.
Công cụ
- AI
Opportunity Canvas
- Value-Effort
Matrix
- Use
Case Backlog
Giai đoạn 3
AI Readiness Assessment
Đánh giá doanh nghiệp đã sẵn sàng chưa.
Đánh giá
- dữ
liệu
- nhân
sự
- quy
trình
- CNTT
- bảo
mật
- ngân
sách
Công cụ
- AI
Readiness Checklist
- Data
Maturity Model
- Digital
Maturity Assessment
Giai đoạn 4
Solution Design
Thiết kế giải pháp.
Bao gồm
- kiến
trúc
- dữ
liệu
- API
- LLM
- Agent
- Dashboard
Công cụ
- Solution
Architecture Diagram
- BPMN
- UML
- Data
Flow Diagram
Giai đoạn 5
Development
Xây dựng AI.
Bao gồm
- ETL
- Data
Pipeline
- Prompt
Engineering
- Training
- Testing
Công cụ
- Git
- MLflow
- Docker
- LangChain
(nếu dùng LLM)
- Vector
Database
Giai đoạn 6
Deployment
Đưa AI vào sử dụng.
Có thể
POC
↓
Pilot
↓
Production
Công cụ
- CI/CD
- Kubernetes
- Azure
AI
- AWS
SageMaker
- Vertex
AI
Giai đoạn 7
Operation
Theo dõi.
Ví dụ
Chatbot
- bao
nhiêu người dùng
- phản
hồi
- thời
gian trả lời
- chi
phí Token
Công cụ
- Monitoring
Dashboard
- Grafana
- Prometheus
- Power
BI
Giai đoạn 8
Optimization
Theo dõi
- Accuracy
- Drift
- Bias
- Hallucination
- Cost
Nếu giảm
↓
Retrain
↓
Fine-tune
↓
Prompt Update
Giai đoạn 9
Scale
Nhân rộng.
Ví dụ
Ban đầu
AI cho HR.
Sau đó
Sales
Marketing
Finance
Legal
Factory
1.4 AI Governance
AI Governance là gì?
Nếu Project Management trả lời câu hỏi "Làm
thế nào để hoàn thành dự án?" thì AI Governance trả lời câu hỏi
"Làm thế nào để AI luôn an toàn, đáng tin cậy, tuân thủ và tạo giá trị?"
AI Governance là hệ thống chính sách, quy
trình, vai trò và cơ chế kiểm soát nhằm đảm bảo AI được phát triển và sử dụng
đúng mục tiêu kinh doanh, đúng pháp luật và có thể giải trình.
8 thành phần
chính
|
Thành phần |
Nội dung |
|
Chiến lược AI |
Liên kết AI với mục tiêu doanh nghiệp |
|
Quản trị dữ liệu |
Quyền sở hữu, chất lượng, bảo mật dữ liệu |
|
Quản trị mô hình |
Phê duyệt, phiên bản, tái huấn luyện |
|
Quản trị rủi ro |
Bias, hallucination, model drift, an ninh |
|
Đạo đức AI |
Công bằng, minh bạch, khả năng giải thích |
|
Tuân thủ |
Quy định pháp lý, bảo vệ dữ liệu cá nhân |
|
Đo lường giá trị |
ROI, KPI kinh doanh, mức độ chấp nhận |
|
Giám sát liên tục |
Theo dõi hiệu năng và cải tiến |
Ví dụ
AI xét duyệt hồ sơ vay vốn cần có:
1. Quy định
dữ liệu nào được phép sử dụng.
2. Ai được
phê duyệt mô hình.
3. Bao lâu
đánh giá lại mô hình.
4. Quy
trình xử lý khi mô hình hoạt động bất thường.
1.5 AI Value Chain
AI chỉ tạo giá trị khi toàn bộ chuỗi giá trị hoạt động đồng
bộ.
Business Problem
↓
Business Data
↓
Data Engineering
↓
AI Model
↓
Business Decision
↓
Business Action
↓
Business Value
Ví dụ
Bài toán: Giảm tỷ lệ khách hàng rời bỏ.
- Thu
thập dữ liệu CRM.
- Làm
sạch dữ liệu.
- Huấn
luyện mô hình dự đoán.
- Danh
sách khách hàng có nguy cơ rời bỏ.
- Bộ
phận Chăm sóc khách hàng gọi điện và đưa ưu đãi.
- Tỷ
lệ giữ chân tăng 12%.
Nếu dừng ở bước "AI dự đoán", doanh nghiệp chưa
tạo ra giá trị. Giá trị chỉ xuất hiện khi có hành động kinh doanh,
đúng với quan điểm cốt lõi của cuốn sách.
1.6 AI Operating Model
AI Operating Model mô tả AI được
vận hành trong doanh nghiệp như thế nào.
Một mô hình điển hình gồm 5 lớp:
Business Strategy
↓
Governance
↓
People & Organization
↓
Technology & Data
↓
AI Operations (MLOps / LLMOps)
Ví dụ phân vai
|
Nhóm |
Vai trò |
|
CEO |
Định hướng chiến lược AI, phê duyệt đầu tư |
|
Business Owner |
Định nghĩa bài toán và KPI |
|
Project Manager |
Quản lý tiến độ, phạm vi và rủi ro |
|
Data Team |
Quản trị dữ liệu, ETL, chất lượng dữ liệu |
|
AI Team |
Thiết kế, huấn luyện và triển khai mô hình |
|
IT |
Hạ tầng, tích hợp, bảo mật và vận hành |
|
HR |
Đào tạo, quản lý thay đổi, phát triển năng lực AI |
|
Legal & Compliance |
Đảm bảo tuân thủ và quản trị rủi ro pháp lý |
1.7 AI Center of Excellence (AI CoE)
AI CoE là đơn vị trung tâm thúc đẩy AI trong toàn doanh
nghiệp.
Nhiệm vụ
- Xây
dựng tiêu chuẩn AI.
- Chia
sẻ chuyên môn.
- Đào
tạo.
- Quản
trị danh mục dự án.
- Quản
lý nền tảng AI dùng chung.
- Đánh
giá ROI.
Ví dụ
Một tập đoàn có 12 công ty thành viên.
Nếu mỗi công ty tự mua LLM, tự xây chatbot, tự xây quy trình
sẽ dẫn đến:
- chi
phí cao,
- tiêu
chuẩn không thống nhất,
- khó
kiểm soát rủi ro.
AI CoE sẽ cung cấp nền tảng, tiêu chuẩn và đội ngũ chuyên
gia để các đơn vị triển khai nhanh hơn.
1.8 AI Transformation Roadmap
Đây là lộ trình phát triển AI theo mức độ trưởng thành.
|
Giai đoạn |
Mục tiêu |
|
1. Awareness |
Nâng cao nhận thức, đào tạo cơ bản |
|
2. Experiment |
Thử nghiệm POC và Pilot |
|
3. Adoption |
Triển khai các dự án tạo giá trị rõ ràng |
|
4. Integration |
Tích hợp AI vào quy trình cốt lõi |
|
5. Enterprise AI |
Mở rộng toàn doanh nghiệp với AI Governance và AI CoE |
Lộ trình 36 tháng
- 0–6
tháng: Đánh giá mức sẵn sàng, đào tạo lãnh đạo,
chọn 3–5 use case ưu tiên.
- 6–12
tháng: Thực hiện POC, triển khai Pilot, đo ROI.
- 12–24
tháng: Mở rộng sang nhiều phòng ban, xây dựng AI
Governance và MLOps.
- 24–36
tháng: Thành lập AI CoE, chuẩn hóa nền tảng, quản
trị danh mục AI toàn doanh nghiệp.
Nhận xét
Đăng nhận xét