SongAI

- Infosys đã triển khai GitHub Copilot cho khoảng 20.000 lập trình viên, tạo ra gần 1 triệu dòng mã mỗi vài tuần

- Puneet Chandok, chủ tịch Microsoft Ấn Độ và Nam Á xác nhận 18.000 lập trình viên Infosys đã viết 7 triệu dòng mã sử dụng GitHub Copilot

- Từ năm 2022, Infosys bắt đầu hành trình trở thành công ty AI-first, tích hợp AI vào mọi khía cạnh kinh doanh

- Công ty phát triển InfyMe - trợ lý cá nhân được hỗ trợ bởi Microsoft Copilot giúp nhân viên truy cập thông tin nhanh chóng

- Nền tảng học tập cá nhân hóa Springboard được triển khai cho 370.000 nhân viên để nâng cao kỹ năng kỹ thuật

- Infosys đã phát triển các vai trò "AI builders" và "AI masters", tạo ra 15 mô hình chuyên biệt bao gồm Infosys Topaz BankingSLM với 2,5 tỷ tham số

- Công ty đã xây dựng nền tảng hạ tầng AI sử dụng Azure và Infosys Topaz, cho phép phát triển ứng dụng trong vài tuần thay vì nhiều tháng

- Hợp tác với Meta để tích hợp Llama 3.1 và 3.2 vào nền tảng Infosys Topaz, tạo ra các công cụ như trợ lý tài liệu

- Infosys cũng hợp tác với NVIDIA để tích hợp NVIDIA AI Enterprise vào bộ Infosys Topaz

- So sánh với đối thủ: TCS đang tạo giải pháp AI với NVIDIA, Wipro đã đào tạo 44.000 nhân viên về AI nâng cao, Tech Mahindra ra mắt mô hình AI tiếng Hindi Indus 2

📌 Infosys đã thành công chuyển đổi thành công ty AI từ cốt lõi với 20.000 lập trình viên sử dụng Copilot, tạo 7 triệu dòng mã, đào tạo 370.000 nhân viên về AI và phát triển 15 mô hình AI chuyên biệt. Công ty tích hợp Microsoft Copilot, Meta Llama và NVIDIA AI để xây dựng hệ sinh thái AI toàn diện.

https://analyticsindiamag.com/ai-origins-evolution/how-microsofts-copilot-and-metas-llama-turned-infosys-into-an-ai-first-company/

- Chet Kapoor, chủ tịch kiêm CEO của Datastax khẳng định: không thể có AI mà không có dữ liệu phi cấu trúc ở quy mô lớn

- Tại sự kiện Techcrunch Disrupt 2024, các chuyên gia thảo luận về tầm quan trọng của:
  + Chất lượng dữ liệu
  + Vai trò của dữ liệu thời gian thực trong AI tạo sinh
  + Ưu tiên product-market fit hơn là quy mô trong giai đoạn đầu của AI

- Các đội ngũ SWAT đang viết hướng dẫn về cách xây dựng ứng dụng AI tạo sinh, thay vì đọc sách hướng dẫn có sẵn

- Vanessa Larco từ quỹ đầu tư NEA đề xuất cách tiếp cận thực tế:
  + Xác định rõ mục tiêu cần đạt được
  + Tìm kiếm dữ liệu phù hợp với mục tiêu
  + Không nên áp dụng AI tạo sinh cho toàn bộ công ty ngay từ đầu
  + Tập trung vào các ứng dụng nội bộ với mục tiêu cụ thể

- George Fraser, CEO của Fivetran nhấn mạnh:
  + Chỉ giải quyết các vấn đề hiện tại
  + 99% chi phí đổi mới thường đến từ những thứ không hiệu quả
  + Fivetran có khách hàng lớn như OpenAI và Salesforce

- Chet Kapoor ví von giai đoạn hiện tại là "kỷ nguyên Angry Birds của AI tạo sinh":
  + Năm 2024: các doanh nghiệp đưa các ứng dụng nhỏ, nội bộ vào sản xuất
  + Năm 2025: dự đoán là năm của sự chuyển đổi, với các ứng dụng thực sự thay đổi quỹ đạo phát triển của doanh nghiệp

📌 AI tạo sinh đang trong giai đoạn sơ khai giống như thời kỳ đầu của web và smartphone. Các chuyên gia khuyến nghị doanh nghiệp nên bắt đầu từ các dự án nhỏ, nội bộ với 99% chi phí đổi mới đến từ những thử nghiệm không thành công.

https://techcrunch.com/2024/11/03/genai-suffers-from-data-overload-so-companies-should-focus-on-smaller-specific-goals/

- Theo khảo sát của Boston Consulting Group (BCG) với 1.000 giám đốc điều hành từ 20 lĩnh vực, 10 ngành công nghiệp và 59 quốc gia, 98% công ty đang thử nghiệm AI

- Chỉ 26% doanh nghiệp đã tạo được giá trị thực từ AI, trong đó 4% được coi là đi đầu về đổi mới AI

- Nhóm dẫn đầu đạt kết quả vượt trội:
  + Giá trị cổ đông cao hơn 60%
  + Doanh thu cao hơn 50% so với mức trung bình
  + Lợi nhuận đầu tư cao hơn 40%

- 6 đặc điểm của doanh nghiệp dẫn đầu về AI:
  + Tập trung vào quy trình kinh doanh cốt lõi
  + Đặt mục tiêu tham vọng
  + Đầu tư có chiến lược vào các cơ hội ưu tiên
  + Tích hợp AI để giảm chi phí và tăng doanh thu
  + Chú trọng con người và quy trình hơn công nghệ
  + Nhanh chóng áp dụng AI tạo sinh

- OpenAI ra mắt ChatGPT Search:
  + Cung cấp thông tin thời gian thực về thể thao, chứng khoán, tin tức, thời tiết
  + Hợp tác với nhiều tổ chức tin tức lớn
  + Sử dụng ngôn ngữ tự nhiên thay vì từ khóa
  + Đe dọa vị thế thống trị của Google (92% thị phần tìm kiếm)

- Xu hướng định giá dịch vụ AI đa dạng:
  + Tính phí theo số lượng tác vụ tự động hóa
  + Tính theo giờ
  + Tính theo số lượng cuộc hội thoại
  + Tính theo số token đầu vào/đầu ra
  + Tính theo số lần giải quyết thành công

📌 BCG chỉ ra 26% doanh nghiệp đã tạo giá trị thực từ AI với 6 đặc điểm nổi bật, trong đó quan trọng nhất là tập trung 70% nguồn lực vào con người và quy trình. OpenAI tham gia thị trường tìm kiếm với ChatGPT Search, thách thức vị thế của Google với 92% thị phần.

https://thelettertwo.com/2024/11/01/ai-economy-how-companies-unlock-ai-value-beyond-hype/

- Theo khảo sát của Resume Builder, hơn 50% công ty hiện đang sử dụng công nghệ AI trong quy trình tuyển dụng và con số này sẽ tăng lên 70% vào cuối năm 2025

- Hiện tại, 82% công ty sử dụng AI để sàng lọc hồ sơ ứng viên

- 40% doanh nghiệp áp dụng AI để giao tiếp với ứng viên

- 64% sử dụng AI để đánh giá các bài kiểm tra và bài tập của ứng viên trong quá trình phỏng vấn

- 23% công ty đã sử dụng AI để tiến hành phỏng vấn, với các chức năng:
  + Đặt câu hỏi phỏng vấn
  + Phân tích ngôn ngữ cơ thể
  + Ghi chép nội dung phỏng vấn

- 24% doanh nghiệp hiện đang sử dụng AI cho toàn bộ quy trình phỏng vấn, dự kiến tăng lên 29% vào cuối năm 2025

- 21% công ty loại ứng viên ở bất kỳ giai đoạn nào của quá trình tuyển dụng mà không cần con người xem xét

- 67% công ty thừa nhận công cụ AI có thể tạo ra thiên vị trong quá trình tuyển dụng

- Các chuyên gia cảnh báo nên hạn chế sử dụng AI cho:
  + Tuyển dụng vị trí cấp cao
  + Đánh giá phong cách lãnh đạo
  + Đánh giá trí tuệ cảm xúc
  + Xem xét nguyện vọng nghề nghiệp
  + Đánh giá sự phù hợp với tổ chức

📌 AI đang nhanh chóng thâm nhập vào quy trình tuyển dụng với 70% công ty dự kiến áp dụng vào năm 2025. Mặc dù mang lại hiệu quả trong sàng lọc hồ sơ (82% công ty), 67% doanh nghiệp lo ngại về vấn đề thiên vị và đề xuất hạn chế sử dụng AI trong các vị trí quan trọng.

https://www.fastcompany.com/91220282/70-of-companies-will-use-ai-for-hiring-in-2025-says-new-study

- Tại sự kiện thường niên của Gartner, các nhà phân tích nhấn mạnh rằng AI không chỉ xoay quanh AI tạo sinh mà còn có nhiều loại AI khác đã và đang hỗ trợ doanh nghiệp trong nhiều lĩnh vực như chuỗi cung ứng, dự báo doanh số và phát hiện gian lận.
  
- Rita Sallam của Gartner cho rằng các tổ chức chỉ tập trung vào AI tạo sinh dễ thất bại trong dự án AI do tính chất xác suất, khó đạt độ tin cậy và có xu hướng "ảo giác". AI tạo sinh phù hợp với các trường hợp tạo nội dung, khám phá tri thức, nhưng không thích hợp cho tối ưu hóa, dự báo, trí tuệ quyết định hoặc hệ thống tự động.

- Arun Chandrasekaran của Gartner chia sẻ rằng đến 60-70% dự án AI tạo sinh không được đưa vào sản xuất do chất lượng dữ liệu thấp, kiểm soát rủi ro chưa đủ, chi phí tăng cao và giá trị kinh doanh không rõ ràng. Các ứng dụng phổ biến nhất của AI tạo sinh là tạo mã, tài liệu và bảo mật IT, nhưng phần lớn dự án thất bại do thiếu tính khả thi hoặc không mang lại giá trị cụ thể.

- Khi triển khai AI, các công ty nên bắt đầu từ việc xác định các trường hợp sử dụng có giá trị kinh doanh cao nhất, sau đó ưu tiên các trường hợp dễ triển khai. Chandrasekaran khuyến nghị chọn giải pháp có AI tạo sinh tích hợp hoặc API mở rộng và tiến hành thử nghiệm trong môi trường sandbox.

- Để phát triển và mở rộng AI, các công ty cần xây dựng kiến trúc nền tảng linh hoạt, đảm bảo tính an toàn dữ liệu, công bằng và dễ giải thích cho người dùng. Đầu tư vào việc hiểu biết AI cũng quan trọng vì nhiều nhân viên sẽ làm việc với công nghệ AI trong thời gian tới.

- Svetlana Sicular cho rằng chiến lược AI cần dựa trên 4 trụ cột: tầm nhìn, rủi ro, giá trị và sự chấp nhận. Cô nhấn mạnh chỉ nên chọn một số ít trường hợp sử dụng cụ thể để thử nghiệm trước khi triển khai rộng rãi, thay vì tập trung vào việc so sánh các nhà cung cấp.

- Frances Karamouzis nói về khó khăn trong quản trị AI và cách chia nhỏ quyền hạn quản trị trong các tổ chức. Mô hình gồm 6 trụ cột quản trị giúp định hướng chính sách, cơ cấu vai trò và trách nhiệm nhằm đảm bảo sự phù hợp và hiệu quả trong việc triển khai AI.

- Erick Brethenoux của Gartner nhấn mạnh rằng tương lai của AI nên là "nhân văn", giúp đơn giản hóa công việc cho con người. Ông cũng đề cập rằng các yếu tố nền tảng cho AI trong tương lai sẽ bao gồm các AI agent, composite AI và AI engineering, và rằng AI cần giảm thiểu các phiền toái để tăng năng suất cho người dùng.

- Cuối cùng, Philip Walsh khẳng định rằng AI không thể thay thế kỹ sư phần mềm vì những kỹ năng phức tạp của họ như giải quyết vấn đề sáng tạo và tư duy phản biện. Thay vào đó, AI có thể trở thành công cụ hỗ trợ, giúp họ tập trung vào các nhiệm vụ cấp cao. Các công cụ AI sẽ đóng vai trò như "trợ lý" hoặc "nhạc trưởng" hơn là thay thế hoàn toàn kỹ sư phần mềm.

📌 Sự kiện của Gartner nhấn mạnh rằng AI, đặc biệt là AI tạo sinh, không thể thay thế vai trò của kỹ sư phần mềm, thay vào đó nó là công cụ bổ trợ mạnh mẽ. Các tổ chức nên tập trung vào các trường hợp sử dụng AI phù hợp, xây dựng chiến lược linh hoạt, và đầu tư vào kiến thức AI cho nhân viên để tối ưu hóa giá trị kinh doanh trong dài hạn.

https://www.pcmag.com/articles/how-to-make-ai-work-for-you-and-why-it-wont-replace-software-engineering

- AI tạo sinh có tiềm năng đóng góp 4,4 nghìn tỷ USD cho nền kinh tế toàn cầu mỗi năm theo nghiên cứu của McKinsey & Company

- 44% công ty được khảo sát báo cáo có tăng trưởng doanh thu nhờ ứng dụng AI

- Các lĩnh vực có tỷ lệ tăng trưởng doanh thu cao nhất:
  * Rủi ro, pháp lý và tuân thủ: 62% 
  * Công nghệ thông tin: 56%
  * Marketing và bán hàng: 53%
  * Chuỗi cung ứng: 53%

- Phân bổ tăng trưởng doanh thu trung bình theo mức độ:
  * 32% doanh nghiệp tăng ≤5%
  * 11% doanh nghiệp tăng 6-10%
  * 11% doanh nghiệp tăng >10%

- Vai trò của trung tâm dữ liệu trong việc áp dụng AI:
  * Xử lý toàn bộ yêu cầu AI
  * Đào tạo mô hình AI cần lượng dữ liệu gấp 10 lần tham số
  * Nhiều mô hình có hàng nghìn tỷ tham số
  * Năng lực tính toán tăng gấp 6 lần trong giai đoạn 2019-2022

📌 AI đang tạo ra làn sóng tăng trưởng mạnh mẽ với 44% doanh nghiệp ghi nhận tăng doanh thu. Lĩnh vực pháp lý và tuân thủ dẫn đầu với 62% tăng trưởng. Trung tâm dữ liệu đóng vai trò then chốt khi tăng năng lực tính toán gấp 6 lần trong 3 năm.

https://www.visualcapitalist.com/sp/gx03-ai-adoption-revenue/

• Nghiên cứu được thực hiện bởi AI at Wharton (thuộc Đại học Pennsylvania) và GBK Collective, khảo sát hơn 800 người ra quyết định doanh nghiệp tại Mỹ

• Tỷ lệ lãnh đạo sử dụng AI hàng tuần tăng mạnh từ 37% lên 72%

• Mức chi tiêu cho AI của doanh nghiệp tăng 130% so với năm 2023

• 72% công ty lên kế hoạch đầu tư thêm cho AI trong năm 2025

• 90% lãnh đạo tin rằng AI giúp nâng cao kỹ năng nhân viên (tăng từ 80%)

• Lo ngại về việc mất việc do AI giảm nhẹ từ 75% xuống 72%

• 58% tổ chức đánh giá hiệu suất AI ở mức "tuyệt vời"

• Hơn 40% công ty đầu tư trên 10 triệu USD cho công nghệ AI, tăng đáng kể so với mức 1-5 triệu USD năm trước

• Chỉ 1/3 ngân sách được chi cho công nghệ, phần còn lại dành cho đào tạo, tuyển dụng và tư vấn

• Doanh nghiệp nhỏ (doanh thu 50-250 triệu USD) và vừa (250 triệu - 2 tỷ USD) đang dẫn đầu về áp dụng AI

• Các thách thức chính bao gồm quản trị dữ liệu và bảo mật, lo ngại về rò rỉ dữ liệu ngay cả khi sử dụng công cụ AI cấp doanh nghiệp

• Giáo sư Stefano Puntoni nhận định ngành tư vấn sẽ hưởng lợi lớn từ làn sóng AI, do công nghệ AI đang dần trở thành hàng hóa phổ thông

📌 Năm 2024 chứng kiến bước chuyển mình mạnh mẽ của AI trong doanh nghiệp với mức chi tiêu tăng 130%. Đặc biệt, doanh nghiệp nhỏ và vừa đang dẫn đầu xu hướng với 72% lãnh đạo sử dụng AI hàng tuần. Ngành tư vấn được dự đoán sẽ hưởng lợi lớn khi các công ty tập trung vào tích hợp AI vào quy trình kinh doanh.

https://venturebeat.com/ai/enterprise-ai-adoption-surges-as-organizations-shift-from-experimentation-to-implementation/

• Mặc dù có nhiều hoài nghi về khả năng sinh lời (ROI) của AI tạo sinh, 97% doanh nghiệp tiên phong áp dụng công nghệ này báo cáo đạt được lợi ích cụ thể

• Khảo sát mới từ ETR với gần 1.800 người ra quyết định công nghệ cho thấy 84% đang tích cực triển khai AI tạo sinh, chỉ còn 13% chưa đánh giá (giảm mạnh so với 1/3 vào năm ngoái)

• Các trường hợp sử dụng phổ biến nhất:
- Tóm tắt văn bản và dữ liệu: 31%
- Hợp tác: 28% 
- Phát triển nội dung marketing và bán hàng
- Tạo mã code

• 56% doanh nghiệp kỳ vọng đạt điểm hòa vốn trong vòng 12 tháng

• Lợi ích chính từ triển khai AI tạo sinh:
- 77% báo cáo tăng năng suất và hiệu quả
- 39% cải thiện hỗ trợ khách hàng
- 33% tiết kiệm chi phí nhân sự

• Ngành tài chính dẫn đầu với:
- 84% đạt cải thiện năng suất
- 50% cải thiện hỗ trợ khách hàng
- Chỉ 1% không thấy lợi ích

• Chi tiêu cho AI tạo sinh:
- Đa số dưới 100.000 USD/năm
- 30% chi trên 500.000 USD/năm
- 23% chi trên 1 triệu USD/năm
- 10% chi trên 10 triệu USD/năm

📌 AI tạo sinh đang được áp dụng rộng rãi với 84% doanh nghiệp tích cực triển khai. 77% ghi nhận tăng năng suất, 56% kỳ vọng hoà vốn trong 12 tháng. Ngành tài chính dẫn đầu với 84% báo cáo cải thiện hiệu quả. Chi tiêu đang tăng mạnh với 23% doanh nghiệp đầu tư trên 1 triệu USD mỗi năm.

https://siliconangle.com/2024/10/26/generative-ai-adoption-sets-table-ai-roi/

• Onboarding nhân viên mới là trách nhiệm cốt lõi của bộ phận nhân sự, và cách thực hiện ảnh hưởng lớn đến cảm giác hòa nhập vào văn hóa doanh nghiệp của người lao động. Ngày càng nhiều doanh nghiệp đang tận dụng AI và các công cụ kỹ thuật số để tạo ra quy trình onboarding cá nhân hóa, hiệu quả hơn và tiết kiệm thời gian.

• Tại Hội nghị Hội đồng Nhân sự CNBC, Taylor Bradley, Giám đốc nhân sự của công ty AI Turing, đã trình bày cách AI đang cải thiện quy trình onboarding. Trong một tình huống cụ thể, Turing cần onboard 300 nhân viên trong một tuần, và AI đã giúp hoàn thành nhiệm vụ này chỉ trong dưới 6 giờ, thay vì mất từ 2 đến 5 tuần như cách truyền thống.

• LLM A.L.A.N. (Always Learning, Always Nimble) là công cụ mà nhóm của Bradley đã sử dụng. Công cụ này không chỉ giúp tiết kiệm thời gian mà còn tự động tạo ra các module e-learning từ các video hướng dẫn 30-60 phút của các lãnh đạo kỹ thuật. Các video này được AI phân tích và chuyển thành nội dung cần thiết cho các module đào tạo.

• Giải pháp AI cũng tạo voiceover tự động từ các bản transcript, giảm bớt gánh nặng cho các lãnh đạo kỹ thuật trong việc hướng dẫn nhân viên mới. Điều này giúp bộ phận nhân sự dễ dàng cập nhật nội dung đào tạo mà không cần kỹ năng lập trình.

• Siddharth, CEO của Turing, nhấn mạnh rằng AI cần sự tham gia của con người trong quy trình để đảm bảo độ chính xác. Mặc dù hiện tượng "hallucination" từ AI không thể loại bỏ hoàn toàn, nhưng có thể giảm thiểu bằng cách giới hạn AI trong phạm vi các tài liệu chính thức của công ty như sổ tay nhân viên.

• Chiến lược tiếp cận của Turing là thử nghiệm các giải pháp nhỏ (beta testing) và mở rộng những gì hiệu quả thay vì chờ đợi kết quả lớn trong nhiều năm. Điều này giúp doanh nghiệp nhanh chóng nhận được sự ủng hộ từ nhân viên và tối ưu hóa quy trình. Bradley khẳng định rằng AI là công cụ hỗ trợ, không thay thế tiếng nói của con người.

📌 

AI đang đóng vai trò quan trọng trong việc nâng cao hiệu quả của quy trình onboarding, giúp các công ty tích hợp nhanh hàng trăm nhân viên mới trong thời gian ngắn. Với cách tiếp cận kết hợp giữa công nghệ và sự kiểm soát của con người, các doanh nghiệp như Turing đang đặt ra tiêu chuẩn mới cho nhân sự hiện đại, tận dụng sức mạnh của AI mà không đánh mất yếu tố con người.

https://www.cnbc.com/2024/10/24/generative-ai-is-taking-over-the-onboarding-of-new-employees.html

• Cohere giới thiệu Multimodal Embed 3, một bước tiến mới trong AI đa phương thức, tích hợp văn bản và hình ảnh vào cùng không gian vector, giúp cải thiện đáng kể các ứng dụng AI như tìm kiếm và khuyến nghị nội dung.
• Mô hình được huấn luyện dựa trên hàng tỷ cặp dữ liệu văn bản và hình ảnh, cho phép nhận diện chính xác mối quan hệ giữa ngôn ngữ và hình ảnh. Điều này giúp việc tìm kiếm dựa trên mô tả văn bản hoặc hình ảnh trở nên nhanh chóng và hiệu quả.
• Multimodal Embed 3 được xây dựng trên cơ sở contrastive learning quy mô lớn, giúp tạo ra biểu diễn dữ liệu dày đặc và chính xác ngay cả với nội dung phức tạp.
• Các ứng dụng nổi bật bao gồm tìm kiếm liên kết đa phương thức, hệ thống khuyến nghị, gắn nhãn hình ảnh, và trả lời câu hỏi dựa trên hình ảnh.
• Mô hình tối ưu hóa cho khả năng mở rộng, cho phép xử lý hiệu quả các bộ dữ liệu lớn, đồng thời giảm chi phí vận hành nhờ tăng cường hiệu suất tính toán.
• Lợi ích thực tiễn: Các doanh nghiệp sử dụng Multimodal Embed 3 có thể cải thiện độ chính xác trong khuyến nghị nội dung, nâng cao sự hài lòng của người dùng, và tăng cường tương tác.
• So với các mô hình trước đây, Multimodal Embed 3 giúp giảm thiểu các sai sót trong khuyến nghị và cải thiện khả năng xử lý ngữ cảnh của AI, làm tăng hiệu quả của các công cụ quản lý nội dung và quảng cáo.

📌 Multimodal Embed 3 của Cohere là bước đột phá trong tích hợp dữ liệu văn bản và hình ảnh, mở ra cơ hội mới cho AI trong các lĩnh vực như tìm kiếm, khuyến nghị, và quản lý nội dung, giúp tạo ra những trải nghiệm AI gần gũi và thông minh hơn.

https://www.marktechpost.com/2024/10/23/cohere-releases-multimodal-embed-3-a-state-of-the-art-multimodal-ai-search-model-unlocking-real-business-value-for-image-data/

• USAA, công ty dịch vụ tài chính tập trung vào khách hàng quân nhân, đang triển khai Generative AI (GenAI) để nâng cao chất lượng dịch vụ và cải thiện trải nghiệm khách hàng.
• Công ty tập trung vào các công cụ nội bộ trước khi mở rộng AI cho khách hàng, bao gồm MSR Co-Pilot hỗ trợ đại diện dịch vụ khách hàng tìm thông tin nhanh và tự động hóa tóm tắt tương tác.
• Một trong những ứng dụng đầu tiên là hệ thống phân tích phản hồi nội bộ từ Slack, hoàn thành trong 8 tuần và cải thiện năng lực giải quyết phản hồi nhân viên.
• USAA đã triển khai GenAI pair-programmer, công cụ hỗ trợ phát triển mã song song với lập trình viên, giúp tạo mã, tài liệu, và dữ liệu kiểm tra hiệu quả hơn.
• Công ty đã xây dựng AI pods gồm các nhà khoa học dữ liệu, kỹ sư và quản lý sản phẩm, để nhanh chóng thử nghiệm và triển khai các dự án AI mới.
• Các lĩnh vực ứng dụng AI bao gồm xử lý yêu cầu bảo hiểm, đánh giá thiệt hại tài sản và bảo hiểm, sử dụng AI để xử lý dữ liệu không có cấu trúc từ văn bản, hình ảnh và video.
• CIO Amala Duggirala nhấn mạnh đào tạo lại nhân viên để họ sẵn sàng làm việc cùng AI và tận dụng công nghệ để tăng năng suất mà không cần mở rộng lực lượng lao động IT.
• Thách thức triển khai GenAI tại USAA bao gồm: đảm bảo độ chính xác, giám sát hiệu năng, quản lý dữ liệu không cấu trúc, giảm độ trễ, và thiết lập khung quản trị dữ liệu.
• Ramnik Bajaj, Giám đốc dữ liệu của USAA, cho biết AI sẽ trở thành công cụ cốt lõi và mang lại lợi ích kinh tế đáng kể trong tương lai gần, vượt xa chi phí đầu tư hiện tại.

📌 USAA đang từng bước tích hợp GenAI vào quy trình hoạt động, với kỳ vọng tăng cường hiệu quả và cải thiện dịch vụ khách hàng. Các nỗ lực hiện tại là khởi đầu cho hành trình ứng dụng AI lâu dài và bền vững.

https://sloanreview.mit.edu/article/how-genai-helps-usaa-innovate/

#MIT

- Chipotle đã giới thiệu Ava Cado, một hệ thống AI tuyển dụng mới, giúp giảm thời gian thuê nhân viên nhà hàng xuống 75%.  
- Ava Cado sẽ hỗ trợ quy trình tuyển dụng bằng cách trò chuyện với ứng viên, thu thập thông tin, sắp xếp lịch phỏng vấn và gửi thư mời làm việc.  
- Công nghệ này sẽ được triển khai theo từng giai đoạn tại 3.500 nhà hàng vào cuối tháng 10/2024, với mục tiêu mở rộng đến 7.000 nhà hàng ở Bắc Mỹ.  
- Chipotle không phải là công ty duy nhất áp dụng AI tuyển dụng; McDonald’s, Wendy’s và Pfizer đã sử dụng công nghệ tương tự, giúp giảm thời gian lên lịch phỏng vấn từ 7 ngày xuống còn dưới 5 phút.  
- Dù AI mang lại hiệu quả cao, nó cũng đặt ra thách thức như nguy cơ tự động hóa thành kiến (bias) nếu được huấn luyện trên bộ dữ liệu thiên lệch.  
- Một rủi ro khác là AI có thể làm ứng viên cảm thấy xa lánh nếu họ bị phạt vì sử dụng AI để chuẩn bị tài liệu tuyển dụng. Ứng viên vẫn có xu hướng phản hồi tốt hơn với các nhà tuyển dụng con người.  
- Ava Cado được kỳ vọng sẽ giải phóng thời gian cho các nhà quản lý, giúp họ tập trung hỗ trợ nhân viên nhiều hơn thay vì dành thời gian vào quy trình tuyển dụng.  
- Ilene Eskenazi, Giám đốc Nhân sự của Chipotle, cho biết: “Chúng tôi rất hài lòng với những cải thiện ban đầu mà hệ thống này mang lại.”  

📌 Chipotle ra mắt Ava Cado, hệ thống AI tuyển dụng giúp giảm 75% thời gian tuyển dụng. Dù mang lại hiệu quả cao, AI cũng gặp thách thức về bias và tương tác với ứng viên, nhưng công nghệ này đang được kỳ vọng sẽ cải thiện năng suất quản lý.

https://www.entrepreneur.com/business-news/open-to-work-chipotle-has-a-new-ai-recruiter-named-ava-cado/481776

• Differentiable Adaptive Merging (DAM) là phương pháp mới trong hợp nhất mô hình AI, giúp doanh nghiệp tận dụng các mô hình đã huấn luyện để đạt mục tiêu cụ thể mà không cần tái huấn luyện toàn bộ.
• Arcee, công ty chuyên về mô hình ngôn ngữ nhỏ, đang dẫn đầu nghiên cứu DAM, cung cấp cả giải pháp mã nguồn mở và thương mại cho doanh nghiệp.
• So với các phương pháp truyền thống như evolutionary merging, DAM hoạt động hiệu quả hơn nhờ sử dụng các kỹ thuật tối ưu hóa trong học máy, tự động điều chỉnh hệ số đóng góp của từng mô hình.
• Điểm khác biệt giữa DAM và phương pháp Mixture of Experts (MoE) là DAM tập trung vào việc hợp nhất các mô hình đã huấn luyện, trong khi MoE được dùng để thiết kế kiến trúc mô hình từ đầu.
• Ví dụ, DAM có thể kết hợp mô hình ngôn ngữ Nhật với mô hình toán học, tạo ra một mô hình xử lý toán bằng tiếng Nhật mà không cần tái huấn luyện từ đầu.
• DAM đặc biệt hữu ích trong AI tạo sinh cho doanh nghiệp, nơi tính hiệu quả và chi phí là yếu tố then chốt. Phương pháp này giúp doanh nghiệp vận hành hiệu quả hơn với chi phí thấp hơn.
• Arcee khẳng định rằng việc ứng dụng DAM giúp tăng khả năng tiếp cận, tối ưu hóa quy mô và tiết kiệm chi phí, là chìa khóa cho quá trình doanh nghiệp tiếp nhận AI.

📌 Differentiable Adaptive Merging (DAM) đang định hình tương lai hợp nhất mô hình AI, giúp doanh nghiệp tận dụng mô hình đã huấn luyện mà không cần tái đầu tư lớn. Với hiệu quả vượt trội và khả năng giảm chi phí, DAM hứa hẹn thúc đẩy AI tạo sinh trở nên phổ biến hơn trong doanh nghiệp.

https://venturebeat.com/ai/differentiable-adaptive-merging-is-accelerating-slms-for-enterprises/

- Microsoft vừa công bố bộ agent AI tự động mới cho nền tảng Dynamics 365, nhằm tăng cường tự động hóa trong các bộ phận bán hàng, tài chính, dịch vụ và chuỗi cung ứng.  
- Các agent AI này sẽ được ra mắt dưới dạng thử nghiệm công khai vào tháng tới, với khả năng xử lý ngữ cảnh và ý định để đưa ra quyết định phức tạp, vượt trội so với các chatbot thông thường.  
- Microsoft khẳng định các agent này không thay thế con người mà hỗ trợ mở rộng năng lực của nhân viên. “Agent giúp con người làm được những điều mà trước đây không thể làm,” Bryan Goode, Phó Chủ tịch Microsoft, nhấn mạnh.  
- Động thái này diễn ra sau khi Salesforce ra mắt Agentforce – nền tảng AI của riêng họ, được CEO Marc Benioff quảng bá mạnh mẽ và chỉ trích Microsoft Copilot là "Clippy 2.0" vì kém hiệu quả.  
- Microsoft tận dụng sức mạnh từ các công cụ quen thuộc như Microsoft 365 và Azure, trong khi Salesforce dựa vào chuyên môn CRM và Data Cloud để phát triển các agent AI tối ưu hóa mối quan hệ khách hàng.  
- Cuộc cạnh tranh này đánh dấu bước ngoặt lớn khi các agent AI đang trở thành công cụ cốt lõi trong phần mềm doanh nghiệp, hứa hẹn định hình lại tương lai của công việc và cấu trúc tổ chức.  
- Tuy nhiên, cả hai công ty phải đối mặt với thách thức về quyền riêng tư dữ liệu, minh bạch trong quyết định của AI, và lo ngại về việc mất việc làm do tự động hóa. Thành công của các nền tảng này phụ thuộc vào khả năng cân bằng giữa giá trị kinh doanh và sự minh bạch trong triển khai.  

📌 Microsoft và Salesforce đang dẫn đầu trong cuộc cách mạng AI doanh nghiệp, mỗi bên với chiến lược riêng. Cuộc chiến này không chỉ định hình lại phần mềm doanh nghiệp mà còn mở ra những thay đổi lớn trong cách tổ chức và vận hành công việc.

https://venturebeat.com/ai/microsofts-new-ai-agents-set-to-shake-up-enterprise-software-sparking-new-battle-with-salesforce/

- 87% doanh nghiệp và lãnh đạo công nghệ dự định tăng đầu tư vào AI tạo sinh (gen AI) và an ninh mạng vào năm 2025, với ngân sách trung bình tăng 37% cho gen AI và 31% cho công nghệ an ninh.  
- Chỉ 48% các sáng kiến số đạt hoặc vượt mục tiêu kinh doanh, cho thấy nhiều tổ chức vẫn gặp khó khăn trong việc tạo ra lợi nhuận từ công nghệ số.  
- Đầu tư vào AI vận hành dự kiến tăng 30%, với 84% doanh nghiệp tăng chi tiêu trung bình 32%. Các lĩnh vực khác được tăng đầu tư gồm: phân tích dữ liệu (82%), điện toán đám mây (79%), và hiện đại hóa ứng dụng (74%).  
- Những doanh nghiệp thành công thường tập trung giải quyết vấn đề cụ thể bằng cách ứng dụng công nghệ vào các trường hợp sử dụng thực tế. Julian LaNeve từ Astronomer nhấn mạnh rằng việc đo lường ROI dễ dàng hơn khi có mục tiêu rõ ràng.  
- Sự hợp tác chặt chẽ giữa lãnh đạo kinh doanh và công nghệ là yếu tố then chốt. Các tổ chức có sự phối hợp cao báo cáo rằng 71% sáng kiến số của họ mang lại lợi ích kinh doanh rõ rệt.  
- 26% nhân viên khối kinh doanh tham gia trực tiếp vào việc triển khai công nghệ. Doanh nghiệp có sự hợp tác tốt cũng dành 35% nguồn lực nhân sự kinh doanh cho công việc công nghệ, cao hơn so với mức 21% ở các tổ chức ít hợp tác hơn.  
- 43% CIO cho biết họ sẽ giảm đầu tư vào cơ sở hạ tầng cũ, trong khi 33% dự kiến tăng đầu tư vào hạ tầng tại chỗ để phát triển các giải pháp AI tạo sinh an toàn.  

📌 Sáng kiến số thành công khi các công ty ưu tiên hợp tác giữa bộ phận kinh doanh và công nghệ, tập trung vào AI tạo sinh. Với mức đầu tư vào gen AI dự kiến tăng 37%, doanh nghiệp cần giải quyết các vấn đề thực tế để đạt ROI mong muốn.

https://www.zdnet.com/article/the-secret-to-successful-digital-initiatives-is-pretty-simple-according-to-gartner/#ftag=RSSbaffb68

• Tại triển lãm CES Unveiled ở Amsterdam tháng 10/2024, các start-up công nghệ châu Âu thảo luận về thách thức cân bằng giữa đổi mới và tuân thủ quy định AI.

• Máy tính lượng tử, robot và công nghệ chuyển đổi xanh là những xu hướng hàng đầu ở châu Âu. Tuy nhiên, khó khăn về tài trợ và quy định cản trở sự phát triển của các start-up.

• Ủy ban châu Âu đã đặt hàng công nghệ từ start-up lượng tử Quandela để hỗ trợ nghiên cứu. Tuy nhiên, Quandela gặp khó khăn trong tiếp cận tài trợ so với các start-up Mỹ.

• Báo cáo của Mario Draghi cảnh báo châu Âu cần thúc đẩy môi trường thuận lợi cho đổi mới để cạnh tranh toàn cầu. Cần 750-800 tỷ euro đầu tư bổ sung hàng năm.

• Quy định AI của EU gây tranh cãi. Một số cho rằng nó cản trở đổi mới, đặc biệt với các công ty nhỏ. Tuy nhiên, một số start-up ủng hộ quy định để kiểm soát AI.

• Chuyên gia kêu gọi Mỹ và châu Âu hợp tác chặt chẽ hơn về quy định để cạnh tranh với Trung Quốc trong cuộc đua công nghệ toàn cầu.

• Quy định bảo vệ dữ liệu của EU gây khó khăn cho các công ty AI cần dữ liệu lớn. Tuy nhiên, một số đã thích nghi bằng cách phát triển hệ thống ít phụ thuộc vào dữ liệu.

• Một số start-up đánh giá cao các giá trị và quy định của châu Âu, cho rằng cần thiết để kiểm soát AI.

• Thị trường thống nhất và tăng cường nhân tài công nghệ sẽ là chìa khóa để Ủy ban châu Âu mới thành công, nhưng vẫn còn nhiều thách thức.

📌 Các start-up châu Âu đối mặt với thách thức cân bằng giữa đổi mới và tuân thủ quy định AI nghiêm ngặt. Mặc dù gặp khó khăn về tài trợ và dữ liệu, một số công ty vẫn ủng hộ quy định để kiểm soát AI. Hợp tác Mỹ-EU về quy định được xem là cần thiết để cạnh tranh với Trung Quốc trong cuộc đua công nghệ toàn cầu.

https://www.euronews.com/next/2024/10/19/why-balancing-europes-ai-regulations-is-a-difficult-juggling-act-for-start-ups

• Walmart đang đẩy nhanh chiến lược bán lẻ thích ứng, kết hợp AI tạo sinh, thực tế ảo tăng cường và cá nhân hóa để tạo trải nghiệm đa kênh tại cửa hàng, ứng dụng và website.

• Công ty phát triển loạt mô hình ngôn ngữ lớn có tên Wallaby, được huấn luyện trên dữ liệu nội bộ hàng thập kỷ để hỗ trợ trợ lý và trải nghiệm khách hàng.

• Walmart tạo nền tảng quyết định nội dung sử dụng AI để dự đoán nhu cầu khách hàng, tạo trang chủ riêng biệt cho từng người dùng dựa trên sở thích. Dự kiến ra mắt tại Mỹ cuối năm 2025.

• Công ty triển khai nhiều công cụ AI tạo sinh trong năm, tập trung cải thiện tìm kiếm và khám phá sản phẩm. Tính năng tìm kiếm nâng cao được thêm vào ứng dụng từ tháng 1/2024.

• Walmart thử nghiệm trợ lý mua sắm AI với một số khách hàng từ tháng 6/2024.

• Mục tiêu là giảm thời gian tìm kiếm và duyệt web của khách hàng, hiện trung bình 6 giờ/tuần.

• Công ty sử dụng AI tạo sinh để tạo hoặc cải thiện chất lượng hơn 850 triệu dữ liệu trong danh mục sản phẩm.

• Thông tin kết nối với thiết bị di động của nhân viên cửa hàng và kho, giúp tìm sản phẩm và chuẩn bị đơn hàng nhanh hơn.

• Walmart phát triển nền tảng thực tế ảo tăng cường Retina, cho phép khách hàng mua sắm trong môi trường xã hội ảo.

• Google cũng cập nhật tìm kiếm bằng AI, cải thiện tính năng Lens và kết quả tìm kiếm công thức nấu ăn.

• Walmart nhấn mạnh việc sử dụng công nghệ để thích ứng với nhu cầu cá nhân thay vì thanh tìm kiếm tiêu chuẩn.

📌 Walmart đang dẫn đầu ứng dụng AI trong bán lẻ với mô hình ngôn ngữ lớn riêng Wallaby và trang chủ cá nhân hóa. Công ty tập trung vào trải nghiệm đa kênh, cải thiện tìm kiếm và hiệu quả vận hành, dự kiến ra mắt nhiều tính năng mới đến cuối 2025.

https://www.customerexperiencedive.com/news/walmart-ai-large-language-model-internal-data-personalization/729412/

• Google Cloud giới thiệu Gemini Code Assist Enterprise, trước đây gọi là Duet AI, nhằm cạnh tranh với nền tảng lập trình doanh nghiệp của GitHub.

• Tính năng mới giúp lập trình viên code nhanh hơn bằng cách hiểu codebase của tổ chức, có cửa sổ ngữ cảnh lớn và cho phép tùy chỉnh.

• Giá sử dụng: 45 USD/tháng/người dùng hoặc 19 USD/tháng với đăng ký hàng năm.

• Nền tảng đưa ra gợi ý code dựa trên codebase cục bộ, giúp tạo hoặc chuyển đổi code phù hợp hơn với ứng dụng.

• Kết nối trực tiếp với các dịch vụ Google Cloud khác như Firebase, Databases, BigQuery, Colab Enterprise, Apigee và Application Integration.

• Tính năng tùy chỉnh code dựa trên thư viện nội bộ, hỗ trợ đánh chỉ mục thư viện GitHub và GitLab.

• Nhấn mạnh vào bảo mật cấp doanh nghiệp: không sử dụng dữ liệu khách hàng để huấn luyện mô hình Gemini, cho phép kiểm soát hoàn toàn các kho lưu trữ được đánh chỉ mục.

• Google cung cấp bồi thường pháp lý cho bất kỳ code nào được tạo bởi Gemini Code Assist Enterprise.

• Xu hướng trợ lý lập trình tập trung vào doanh nghiệp đang phát triển: GitHub Copilot Enterprise, Oracle's coding assistant, Harness.

• Việc Google tham gia thị trường nhấn mạnh sự cạnh tranh ngày càng tăng trong lĩnh vực trợ lý lập trình và nhu cầu về giải pháp dành riêng cho doanh nghiệp.

• Tích hợp trợ lý lập trình vào môi trường phát triển mang lại tính linh hoạt cho các công ty muốn cải thiện năng suất.

• Khả năng kiểm tra code nhanh chóng và sửa lỗi trên codebase cục bộ giúp công ty triển khai ứng dụng nhanh hơn.

📌 Google ra mắt Gemini Code Assist Enterprise, cạnh tranh trực tiếp với GitHub trong lĩnh vực trợ lý lập trình doanh nghiệp. Tính năng mới giúp lập trình viên code nhanh hơn, hiểu codebase tổ chức và tăng cường bảo mật với giá 45 USD/tháng/người dùng.

https://venturebeat.com/ai/googles-gemini-enterprise-coding-assistant-shows-enterprise-focused-coding-is-growing/

• NVIDIA giới thiệu khung FACTS để phát triển chatbot doanh nghiệp hiệu quả dựa trên Tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG).

• Khung FACTS tập trung vào 5 yếu tố chính:
- Độ mới (Freshness): Đảm bảo phản hồi của chatbot phản ánh dữ liệu doanh nghiệp mới nhất thông qua tích hợp cơ sở dữ liệu vector hỗ trợ truy xuất nội dung thời gian thực.
- Kiến trúc (Architecture): Xây dựng nền tảng chatbot linh hoạt, mô-đun để đáp ứng nhu cầu đa dạng của doanh nghiệp. Hỗ trợ tích hợp nhiều mô hình ngôn ngữ lớn, cơ sở dữ liệu vector và các thành phần khác.
- Chi phí (Cost): Cân bằng sử dụng mô hình ngôn ngữ lớn và nhỏ để tối ưu hiệu quả kinh tế mà không ảnh hưởng hiệu suất.
- Kiểm thử (Testing): Thực hiện kiểm thử nghiêm ngặt bao gồm đánh giá tự động và xác thực có sự tham gia của con người.
- Bảo mật (Security): Bảo vệ dữ liệu nhạy cảm của doanh nghiệp, tuân thủ chính sách kiểm soát truy cập và triển khai các biện pháp bảo vệ.

• NVIDIA đã phát triển 3 chatbot doanh nghiệp sử dụng khung FACTS:
- NVInfo Bot: Quản lý khoảng 500 triệu tài liệu doanh nghiệp, đảm bảo khả năng truy cập và thực thi kiểm soát truy cập tài liệu.
- NVHelp Bot: Tập trung vào hỗ trợ IT và phúc lợi nhân sự, sử dụng nguồn dữ liệu đa phương thức để trả lời câu hỏi của nhân viên.
- Scout Bot: Cung cấp thông tin tài chính công ty bằng cách quản lý dữ liệu có cấu trúc và phi cấu trúc từ nguồn công khai.

• Kết quả cho thấy tuân thủ các nguyên tắc FACTS cải thiện đáng kể độ tin cậy và trải nghiệm người dùng của chatbot dựa trên RAG.

• Tích hợp cơ chế tìm kiếm kết hợp (vector và từ vựng) nâng cao độ liên quan khi truy xuất, trong khi kiến trúc đa agent cho phép xử lý các truy vấn phức tạp hơn.

📌 Khung FACTS của NVIDIA cung cấp giải pháp toàn diện để xây dựng chatbot doanh nghiệp hiệu quả và an toàn. Tập trung vào 5 yếu tố chính, khung này giải quyết các thách thức cốt lõi khi triển khai AI hội thoại trong doanh nghiệp, nâng cao hiệu suất và sự hài lòng của người dùng.

https://www.marktechpost.com/2024/10/07/nvidia-ai-introduces-facts-a-comprehensive-framework-for-enterprise-rag-based-chatbots/

• Matt Garman trở thành CEO mới của Amazon Web Services (AWS) sau khi Adam Selipsky từ chức.

• Garman gia nhập Amazon từ năm 2005 với vai trò thực tập sinh và trở thành nhân viên chính thức vào năm 2006.

• Ông nhấn mạnh việc tập trung vào các startup và phát triển nhanh, đồng thời duy trì tốc độ đổi mới cao.

• AWS đang đẩy mạnh phát triển trong lĩnh vực AI tạo sinh với nền tảng Bedrock.

• Bedrock cung cấp quyền truy cập vào nhiều mô hình mở và độc quyền, cho phép người dùng tùy chỉnh và kết hợp các mô hình khác nhau.

• Garman cho biết Bedrock đang "phát triển như cỏ dại" và công ty đang tập trung vào việc giảm chi phí sử dụng AI.

• AWS sẽ ra mắt thế hệ tiếp theo của chip Trainium tùy chỉnh vào cuối năm nay.

• Công ty cũng đang phát triển các mô hình ngôn ngữ lớn của riêng mình, nhưng vẫn tiếp tục hợp tác với các mô hình của bên thứ ba.

• AWS đã giới thiệu Q, một trợ lý AI tạo sinh với hai phiên bản: Q Developer và Q Business.

• Q Developer hỗ trợ các nhà phát triển trong suốt vòng đời phát triển, không chỉ tập trung vào việc viết mã.

• Q Business tập trung vào việc tổng hợp dữ liệu nội bộ của công ty từ nhiều nguồn khác nhau và cung cấp khả năng tìm kiếm thông qua giao diện hỏi đáp giống ChatGPT.

• AWS gần đây đã thông báo kế hoạch đóng cửa một số dịch vụ như Cloud9 IDE, CodeCommit và CloudSearch.

• Garman giải thích rằng việc đóng cửa các dịch vụ này là một phần của quá trình "dọn dẹp" và tập trung vào các giải pháp tốt hơn.

• AWS đang cải thiện mối quan hệ với cộng đồng nguồn mở, gần đây đã chuyển mã OpenSearch cho Linux Foundation.

• Garman khẳng định AWS yêu thích và ủng hộ nguồn mở, đồng thời cam kết đóng góp cho cộng đồng.

• Công ty đã đầu tư vào nhiều dự án nguồn mở và mở mã nguồn nhiều dự án của riêng mình.

• Garman cho rằng AWS đã phát triển và học cách trở thành một người quản lý tốt trong cộng đồng nguồn mở.

📌 Matt Garman, CEO mới của AWS, định hướng công ty tập trung vào startup, đổi mới nhanh và AI tạo sinh. AWS đang phát triển nền tảng Bedrock, ra mắt chip Trainium mới và cải thiện quan hệ với cộng đồng nguồn mở. Công ty cũng đang tối ưu hóa danh mục dịch vụ bằng cách đóng cửa một số sản phẩm kém hiệu quả.

https://techcrunch.com/2024/10/06/aws-ceo-matt-garman-on-generative-ai-open-source-and-closing-services/

• Theo khảo sát của McKinsey, 65% tổ chức đã sử dụng AI tạo sinh thường xuyên, tăng gần gấp đôi so với khảo sát trước đó chưa đầy 1 năm.

• Doanh nghiệp cần tránh áp dụng AI chỉ vì tính mới lạ. Thay vào đó, nên tập trung sử dụng AI để cải thiện căn bản hoạt động và trải nghiệm khách hàng.

• Khung ARC đề xuất 3 giai đoạn triển khai AI: tăng cường, thay thế và sáng tạo.

• Giai đoạn tăng cường: sử dụng AI để nâng cao năng lực hiện có, như tự động hóa giám sát mạng, phát hiện bất thường, khắc phục sự cố.

• Giai đoạn thay thế: AI thay thế hoàn toàn các tác vụ trước đây do con người thực hiện. Ví dụ: chatbot AI thay thế nhân viên xử lý các yêu cầu thông thường của khách hàng.

• Giai đoạn sáng tạo: AI trở thành chất xúc tác cho các mô hình kinh doanh và nguồn doanh thu hoàn toàn mới. Ví dụ: phân tích dữ liệu thời gian thực về hành vi người hâm mộ tại sân vận động để cá nhân hóa trải nghiệm.

• Các giai đoạn của khung ARC có thể diễn ra đồng thời, không nhất thiết tuần tự.

• Chiến lược AI hiệu quả cần độc lập với nhà cung cấp, tận dụng mọi công nghệ sẵn có mà không bị ràng buộc vào bất kỳ công nghệ đơn lẻ nào.

• Doanh nghiệp nên áp dụng AI vào mọi khía cạnh của hành trình và vòng đời người dùng, từ đào tạo đến vận hành hàng ngày.

• Thay vì chạy theo xu hướng, doanh nghiệp nên áp dụng chiến lược tập trung vào các trường hợp sử dụng cụ thể, dựa trên khung ARC để tối đa hóa ROI.

• AI không chỉ là nâng cấp công nghệ mà còn là lực lượng chuyển đổi có thể định nghĩa lại toàn bộ trải nghiệm kinh doanh.

• Tiềm năng thực sự nằm ở việc phát triển hệ sinh thái AI toàn diện tích hợp nhiều công nghệ với cơ sở hạ tầng hiện có, thúc đẩy năng suất và đổi mới.

📌 Khung ARC cung cấp lộ trình triển khai AI hiệu quả qua 3 giai đoạn: tăng cường, thay thế và sáng tạo. Chiến lược AI cần độc lập với nhà cung cấp, tích hợp toàn diện và tập trung vào các trường hợp sử dụng cụ thể để tối ưu hóa ROI và thúc đẩy đổi mới.

https://www.techradar.com/pro/from-efficiency-to-innovation-a-smart-roadmap-for-implementing-ai

• Lựa chọn mô hình AI phù hợp là bước đầu tiên để tối ưu chi phí. Cần xác định rõ yêu cầu về độ chính xác, thời gian phản hồi và loại đầu vào/đầu ra cần xử lý. Thử nghiệm các mô hình có kích thước và loại khác nhau, cân nhắc sử dụng nhiều mô hình cho các tác vụ phức tạp.

• Tùy chỉnh mô hình nền tảng (FM) bằng dữ liệu riêng của tổ chức để tạo lợi thế cạnh tranh. Có 3 phương pháp chính:
- Tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG): Truy xuất dữ liệu từ nguồn của tổ chức để làm giàu prompt, cải thiện độ chính xác mà không cần đào tạo lại mô hình.
- Tinh chỉnh: Đào tạo FM trên dữ liệu chuyên biệt, hiệu quả nhưng tốn kém hơn RAG.
- Kỹ thuật prompt: Tối ưu hóa câu lệnh đầu vào để có kết quả tốt nhất, giảm chi phí tương tác và cho phép sử dụng mô hình nhỏ hơn.

• Quản lý dữ liệu hiệu quả giúp giảm chi phí tùy chỉnh và duy trì mô hình AI. Tập trung vào chất lượng hơn là số lượng dữ liệu. Đầu tư vào quy trình làm sạch và quản trị dữ liệu chặt chẽ.

• Văn hóa tổ chức đóng vai trò quan trọng trong kiểm soát chi phí AI:
- Xây dựng văn hóa tiết kiệm và ý thức về chi phí
- Đào tạo nhân viên về kỹ thuật tối ưu hóa chi phí
- Khuyến khích học hỏi liên tục về công nghệ AI mới
- Áp dụng phương pháp FinOps để quản lý tài chính hiệu quả cho AI

• Sử dụng nền tảng AI tập trung kết hợp với các nhóm phân tán có trách nhiệm. Mỗi nhóm nên "sở hữu" chi phí AI của mình, đưa ra quyết định về lựa chọn mô hình và tối ưu hóa quy trình.

• Triển khai các công cụ FinOps như bảng điều khiển theo dõi chi phí thời gian thực, phát hiện bất thường và so sánh hiệu quả giữa các nhóm.

📌 Tối ưu hóa chi phí AI đòi hỏi cân bằng giữa thử nghiệm, hiệu suất và chi phí. Các tổ chức cần thiết lập chiến lược toàn diện từ lựa chọn mô hình đến quản lý dữ liệu và vận hành để mở rộng quy mô AI bền vững. Văn hóa tiết kiệm và FinOps đóng vai trò then chốt trong kiểm soát chi phí dài hạn.

https://analyticsindiamag.com/ai-highlights/generative-ai-cost-optimisation-strategies/

• Accenture thành lập nhóm kinh doanh Nvidia với 30.000 chuyên gia để đẩy mạnh việc áp dụng AI trong doanh nghiệp.

• Mục tiêu là đào tạo đội ngũ Accenture giúp khách hàng tái cấu trúc quy trình và mở rộng quy mô sử dụng AI doanh nghiệp với các agent AI.

• Accenture đang tận dụng lực lượng lao động hiện có, đồng thời đào tạo nhân viên và tuyển dụng mới để đạt mục tiêu 30.000 người cho nhóm mới.

• Nhu cầu về AI tạo sinh đang tăng mạnh. Accenture đã ghi nhận 3 tỷ USD doanh thu từ AI tạo sinh trong năm tài chính vừa qua.

• Nhóm mới sẽ giúp khách hàng xây dựng nền tảng cho chức năng AI agent sử dụng Accenture AI Refinery, tích hợp toàn bộ stack AI của Nvidia.

• Accenture AI Refinery sẽ có sẵn trên tất cả nền tảng đám mây công cộng và riêng tư, tích hợp liền mạch với các nhóm kinh doanh khác của Accenture.

• Hệ thống AI agent đại diện cho bước tiến mới của AI tạo sinh, có thể hành động dựa trên ý định của người dùng, tạo quy trình làm việc mới và thực hiện các hành động phù hợp.

• Accenture và Nvidia đang giúp khách hàng áp dụng và mở rộng quy mô hệ thống AI agent. Ví dụ, họ đang hợp tác với Indosat Group để xây dựng AI chủ quyền đầu tiên tại Indonesia.

• Accenture sẽ ra mắt Nvidia NIM Agent Blueprint mới để mô phỏng đội robot trong cơ sở ảo, tích hợp phần mềm Nvidia Omniverse, Isaac và Metropolis.

• Accenture đang giới thiệu mạng lưới các trung tâm với kỹ năng kỹ thuật chuyên sâu để sử dụng hệ thống AI agent chuyển đổi hoạt động quy mô lớn.

• Các trung tâm này sẽ tập trung vào việc lựa chọn, tinh chỉnh và suy luận quy mô lớn các mô hình nền tảng.

• Accenture đang thêm các Trung tâm Kỹ thuật AI Refinery ở Singapore, Tokyo, Malaga và London.

• Bộ phận marketing của Accenture đang tích hợp nền tảng AI Refinery với các agent tự chủ để tạo và chạy các chiến dịch thông minh hơn, nhanh hơn.

📌 Accenture thành lập nhóm 30.000 chuyên gia AI hợp tác với Nvidia, nhằm đẩy mạnh ứng dụng AI trong doanh nghiệp. Dự kiến giúp giảm 25-35% các bước thủ công, tiết kiệm 6% chi phí và tăng 25-55% tốc độ ra thị trường cho khách hàng. Đây là bước đi chiến lược để thống lĩnh thị trường AI doanh nghiệp đang bùng nổ.

https://venturebeat.com/ai/accenture-forms-nvidia-business-group-to-scale-enterprise-ai-adoption/

• Nhà mạng BT đã bật công tắc nền tảng network-as-a-service (NaaS) mới mang tên Global Fabric và đã thực hiện thử nghiệm trực tiếp trong 2 tháng qua. Dịch vụ đầu tiên của Global Fabric sẽ ra mắt vào đầu năm 2025.

• Global Fabric giúp doanh nghiệp dễ dàng và nhanh chóng kết nối an toàn nhân viên, khách hàng và thiết bị với các ứng dụng và dịch vụ số được lưu trữ trên nhiều đám mây.

• Nền tảng cung cấp kết nối có khả năng mở rộng, bảo mật, dung lượng cao và khả năng phục hồi, đáp ứng nhu cầu ngày càng tăng và phức tạp của các công nghệ AI đột phá.

• Tính linh hoạt của Global Fabric là chưa từng có. Với mạng truyền thống, việc thiết lập hoặc thay đổi dịch vụ kết nối có thể mất nhiều tuần. Với Global Fabric, nó xảy ra ngay lập tức, giúp doanh nghiệp quản lý các đợt tăng đột biến không thể đoán trước về lưu lượng dữ liệu do AI gây ra.

• BT đã lắp đặt các "điểm hiện diện" (PoP) của Global Fabric tại hơn 45 trung tâm dữ liệu đám mây lớn nhất thế giới, con số này sẽ tăng lên 140. Điều này mang lại cho khách hàng sự lựa chọn về vị trí để truy cập các dịch vụ Global Fabric phù hợp với nhu cầu hoạt động, thị trường và quy định của họ.

• Colin Bannon, Giám đốc Công nghệ của BT Business, cho biết Global Fabric của BT sẽ giúp khách hàng nhanh chóng tiếp cận đám mây. Nó sẽ cung cấp cho họ lựa chọn về các vị trí đám mây tốt nhất thế giới để kết nối với khách hàng, đối tác và nhà cung cấp, giúp họ dễ dàng kinh doanh hơn không chỉ hôm nay mà cả trong tương lai.

• Bannon cũng nhấn mạnh rằng với việc đạt được các cột mốc triển khai Global Fabric mới nhất, BT đang tiến thêm một bước gần hơn tới kỷ nguyên mới của khả năng kết nối số sẵn sàng cho AI.

📌 BT ra mắt nền tảng NaaS Global Fabric, dự kiến triển khai đầu 2025, cung cấp kết nối linh hoạt trên 45 trung tâm dữ liệu đám mây lớn, hỗ trợ doanh nghiệp đáp ứng nhu cầu AI đột phá với khả năng mở rộng và bảo mật cao.

https://www.thefastmode.com/technology-solutions/37515-bt-switches-on-ai-ready-naas-platform-global-fabric-to-launch-in-early-2025

• Sự phát triển nhanh chóng của công nghệ AI đang tạo ra những thay đổi chưa từng có trong cách làm việc của các nhà phát triển. Các công cụ như Copilot, ChatGPT và Cursor đã mang lại nhiều thay đổi cho cả nhà phát triển và doanh nghiệp.

• Những công cụ này giúp tự động hóa việc viết mã, kiểm thử và gỡ lỗi, cho phép các nhà phát triển lặp lại và phát hành sản phẩm nhanh hơn. Tuy nhiên, cũng xuất hiện những lo ngại về bảo mật và độ ổn định của các công cụ AI.

• Là lãnh đạo kỹ thuật, cần đảm bảo các nhóm có thể thích ứng với kỷ nguyên AI đồng thời duy trì năng suất và đổi mới. Một số chiến lược quan trọng bao gồm:

• Rà soát các tác vụ lặp đi lặp lại trong quy trình làm việc và sử dụng AI để thay thế chúng, giúp nhân viên tập trung vào công việc sáng tạo hơn.

• Tập trung vào dữ liệu và tinh chỉnh các mô hình nguồn mở bằng dữ liệu độc quyền để tạo lợi thế cạnh tranh.

• Xây dựng một vòng lặp phản hồi, thu thập dữ liệu được con người chỉnh sửa để liên tục tối ưu hóa mô hình.

• Tối ưu hóa quy trình làm việc bằng AI để cải thiện quản lý dự án, kiểm thử đơn vị và viết tài liệu.

• Chú trọng đào tạo nhân viên về bảo mật thông tin và sử dụng an toàn các công cụ AI.

Một số điểm cần lưu ý khi sử dụng AI:

• Đảm bảo sử dụng an toàn dữ liệu cốt lõi và bảo vệ quyền riêng tư.

• Sử dụng các nhà cung cấp dịch vụ đáng tin cậy.

• Sẵn sàng đánh đổi giữa độ chính xác, khả năng gợi nhớ và hiệu suất cho các tình huống kinh doanh khác nhau.

• Để thích ứng và dẫn đầu trong tương lai, các nhà phát triển cần liên tục cập nhật công nghệ AI mới nhất, thử nghiệm các mô hình và dịch vụ mới.

• Ưu tiên giao tiếp và hợp tác với khách hàng và đối tác để hiểu nhu cầu và tạo cơ hội thị trường mới thông qua quan hệ đối tác.

📌 Lãnh đạo công nghệ cần thúc đẩy chuyển đổi doanh nghiệp trong kỷ nguyên AI bằng cách tối ưu hóa quy trình, bảo vệ dữ liệu và đào tạo nhân viên. Chiến lược chính bao gồm tự động hóa tác vụ lặp lại, tập trung vào dữ liệu độc quyền và xây dựng vòng lặp phản hồi liên tục. Giao tiếp với khách hàng và đối tác cũng rất quan trọng để thích ứng với AI.

https://www.forbes.com/councils/forbestechcouncil/2024/09/30/how-tech-leaders-can-drive-company-transformation-in-the-age-of-ai/

• Redbird, công ty có trụ sở tại New York, đã công bố nền tảng chat mới sử dụng "agent chuyên biệt" để giúp doanh nghiệp xử lý phần lớn các tác vụ trong chuỗi giá trị phân tích, từ thu thập và xử lý dữ liệu đến khoa học dữ liệu và tạo ra các insights.

• Nền tảng này cho phép người dùng đưa ra yêu cầu bằng ngôn ngữ tự nhiên để nhận được phân tích từ dữ liệu gần như theo thời gian thực. Theo CEO Erin Tavgac, công nghệ này có thể đảm nhận hơn 90% công việc business intelligence của doanh nghiệp.

• Redbird đã hoạt động trong lĩnh vực phân tích từ năm 2018 dưới tên Cube Analytics, cung cấp bộ công cụ no-code để tự động hóa các tác vụ phân tích. Đầu năm nay, họ đã bổ sung giao diện hội thoại cho phép đặt câu hỏi bằng ngôn ngữ tự nhiên.

• Hệ thống agent mới hoạt động dựa trên bộ công cụ end-to-end của Redbird để điều phối và thực hiện các tác vụ phân tích phức tạp. Quản trị viên cần chọn một mô hình ngôn ngữ lớn làm nền tảng và tải lên dữ liệu, logic nghiệp vụ và mẫu báo cáo của tổ chức để tùy chỉnh hệ thống.

• Các agent có thể trích xuất dữ liệu từ hơn 100 nguồn khác nhau, thực hiện xử lý nâng cao, tạo báo cáo và thực hiện các hành động cần thiết dựa trên kết quả phân tích.

• Redbird vẫn duy trì giao diện kéo thả no-code ban đầu như một tùy chọn phụ, cho phép người dùng kiểm tra chi tiết quy trình làm việc nếu cần.

• Công ty đã thu hút được 8 trong số 50 thương hiệu Fortune và hơn 30 khách hàng doanh nghiệp vừa và lớn trong vài tháng qua, bao gồm Mondelez International, USA Today, Bobcat Company và Johnson & Johnson.

• Redbird đang cung cấp công nghệ theo mô hình SaaS với phí cấp phép dựa trên mức sử dụng và tạo ra doanh thu 7 chữ số.

• Trong tương lai, công ty sẽ tiếp tục phát triển các agent AI tiên tiến hơn và mở rộng sang mô hình "Large Action Model" cho phép thực hiện các hành động phức tạp hơn dựa trên kết quả phân tích.

📌 Redbird đã phát triển nền tảng chat AI mới có khả năng tự động hóa 90% công việc phân tích dữ liệu trong doanh nghiệp. Công nghệ này đã thu hút được nhiều khách hàng lớn và đang tạo ra doanh thu 7 chữ số. Redbird đang hướng tới việc phát triển các agent AI tiên tiến hơn trong tương lai.

https://venturebeat.com/data-infrastructure/redbird-supercharges-analytics-pipeline-with-ai-agents-handles-90-of-workload/

• Theo báo cáo "Tax Reimagined 2024" của KPMG, 88% lãnh đạo doanh nghiệp tin rằng AI tạo sinh là công cụ quan trọng để giải quyết các thách thức từ sáng kiến Trụ cột 2 của OECD.

• Khảo sát 500 CEO, CFO và giám đốc thuế cho thấy 98% dự định đầu tư vào AI hoặc AI tạo sinh trong 12 tháng tới. Một nửa trong số đó dự kiến đầu tư từ 500.000 đến 1 triệu USD.

• 86% đồng ý rằng tuân thủ Trụ cột 2 sẽ tốn kém cho tổ chức của họ. AI tạo sinh được xem là giải pháp chính: 46% tin AI có thể tự động hóa quy trình, 42% thấy giá trị trong việc hợp lý hóa hoạt động tuân thủ thuế, 40% kỳ vọng nó sẽ giúp tối ưu hóa chi phí.

• AI tạo sinh đang định hình lại cách các bộ phận thuế tiếp cận việc tuyển dụng và quản lý nhân tài. 53% ưu tiên thuê chuyên gia công nghệ có thể học về thuế, thay vì chuyên gia thuế phát triển kỹ năng công nghệ.

• 90% lãnh đạo cấp cao nhận thấy bộ phận thuế là yếu tố quan trọng trong việc xây dựng lòng tin của các bên liên quan. Bằng cách sử dụng công cụ AI, các bộ phận thuế được kỳ vọng sẽ cung cấp thông tin minh bạch và chiến lược hơn.

• 87% sẵn sàng áp dụng mô hình dịch vụ quản lý toàn diện, với hơn một nửa đã sử dụng outsourcing, co-sourcing hoặc dịch vụ quản lý để xử lý các gián đoạn quy định như Trụ cột 2.

• 79% lãnh đạo cho biết đầu tư của nhà cung cấp bên thứ ba vào AI tạo sinh sẽ ảnh hưởng đến quyết định sử dụng dịch vụ của họ.

• 51% dự đoán tích hợp AI sẽ dẫn đến những thay đổi mang tính chuyển đổi hoặc cách mạng trong tương lai gần.

• 86% đồng ý rằng công cụ AI sẽ giúp bổ sung nhu cầu nhân tài của bộ phận thuế.

• 95% đồng ý rằng tận dụng dữ liệu tốt hơn trong toàn tổ chức sẽ giúp bộ phận thuế dự đoán thách thức tương lai và đưa ra quyết định kinh doanh thông minh hơn.

• Báo cáo "Future of Risk" của KPMG cho thấy các tổ chức ngày càng áp dụng AI và công nghệ tiên tiến để chuyển đổi chiến lược quản lý rủi ro, với AI và AI tạo sinh là công cụ được áp dụng phổ biến nhất.

📌 AI tạo sinh đang trở thành công cụ thiết yếu cho 88% lãnh đạo doanh nghiệp trong việc giải quyết thách thức Trụ cột 2. 98% dự định đầu tư vào AI trong năm tới, với 50% dự kiến chi từ 500.000 đến 1 triệu USD. AI được kỳ vọng sẽ tự động hóa quy trình, hợp lý hóa tuân thủ thuế và tối ưu hóa chi phí.

https://www.techmonitor.ai/ai-and-automation/88-of-corporate-leaders-view-gen-ai-as-key-to-navigating-pillar-two-challenges-kpmg-report-finds/

Giải thích về Trụ cột Hai:

• Trụ cột Hai (Pillar Two) là một phần của sáng kiến thuế toàn cầu do Tổ chức Hợp tác và Phát triển Kinh tế (OECD) đề xuất nhằm giải quyết các thách thức thuế trong nền kinh tế kỹ thuật số.

• Mục tiêu chính của Trụ cột Hai là đảm bảo các công ty đa quốc gia lớn phải đóng mức thuế tối thiểu toàn cầu, bất kể họ hoạt động ở đâu.

• Trụ cột Hai đề xuất mức thuế tối thiểu toàn cầu là 15% đối với các công ty có doanh thu từ 750 triệu euro trở lên.

• Quy định này nhằm ngăn chặn việc các công ty chuyển lợi nhuận sang các quốc gia có thuế suất thấp để tránh thuế.

• Trụ cột Hai bao gồm hai quy tắc chính:
1. Quy tắc thu nhập toàn cầu (GloBE): Áp dụng thuế bổ sung nếu thuế thực tế của công ty thấp hơn mức tối thiểu.
2. Quy tắc thu nhập thấp thuế (STTR): Cho phép các quốc gia áp dụng thuế khấu trừ bổ sung đối với các khoản thanh toán xuyên biên giới.

• Việc thực hiện Trụ cột Hai đòi hỏi sự phối hợp quốc tế và có thể tác động đáng kể đến chiến lược thuế của các công ty đa quốc gia.

• Nhiều quốc gia đã bắt đầu áp dụng Trụ cột Hai từ đầu năm 2024, tạo ra thách thức lớn về tuân thủ và quản lý thuế cho các doanh nghiệp.

• Trụ cột Hai được kỳ vọng sẽ tạo ra một sân chơi bình đẳng hơn trong hệ thống thuế quốc tế và giúp các quốc gia thu được nhiều nguồn thu thuế hơn từ các công ty đa quốc gia lớn.

• Theo khảo sát mới của nền tảng tuyển dụng Indeed, khoảng 31% doanh nghiệp nhỏ tại Anh đang do dự trong việc triển khai AI, mặc dù công nghệ này có tiềm năng tác động tích cực đến năng suất và hiệu quả.

• Nhiều lãnh đạo doanh nghiệp nhỏ bày tỏ lo ngại về sự phản đối của nhân viên và khả năng xảy ra sai sót khi sử dụng AI.

• Khoảng 38% lo ngại AI có thể gây gián đoạn hoạt động kinh doanh, trong khi 39% cho rằng an toàn hơn khi gắn bó với các phương pháp quen thuộc thay vì áp dụng công nghệ mới chưa được chứng minh.

• Hậu quả của nỗi sợ hãi này có thể gây bất lợi cho nền kinh tế Anh, vì doanh nghiệp nhỏ chiếm tới 99,2% tổng số doanh nghiệp trong nước.

• 26% lãnh đạo lo ngại về sự phản đối từ nhân viên, trong khi 43% cho rằng việc sử dụng AI trái phép của nhân viên có thể gây hại cho hoạt động kinh doanh.

• Tuy nhiên, vẫn có 69% doanh nghiệp nhỏ sẵn sàng đầu tư vào các giải pháp AI. 49% đồng ý rằng AI có thể tăng hiệu quả, 44% cho rằng công nghệ này có thể giảm bớt khối lượng công việc lặp đi lặp lại, tốn thời gian và có giá trị thấp.

• 24% cho rằng AI có thể giúp công ty xem xét áp dụng tuần làm việc 4 ngày.

• 40% doanh nghiệp nhỏ yêu cầu các sản phẩm AI dễ sử dụng hơn, 29% muốn tích hợp các tính năng AI vào hệ thống hiện có thay vì phải học một nền tảng hoàn toàn mới.

• Caroline Barbour, Giám đốc Marketing Cấp cao phụ trách SMB tại Indeed, nhấn mạnh tầm quan trọng của việc hỗ trợ doanh nghiệp nhỏ trong quá trình áp dụng AI, cung cấp các công cụ dễ sử dụng hoặc tính năng tích hợp vào bộ sản phẩm hiện có.

📌 31% doanh nghiệp nhỏ tại Anh e ngại sử dụng AI do lo lắng về gián đoạn hoạt động và phản đối của nhân viên. Tuy nhiên, 69% sẵn sàng đầu tư vào AI, với 49% tin rằng nó sẽ tăng hiệu quả. Doanh nghiệp cần giải pháp AI đơn giản và dễ tích hợp hơn.

https://www.techradar.com/pro/many-small-businesses-say-they-re-too-scared-to-use-ai

• Theo khảo sát của Phòng Thương mại Hoa Kỳ, 98% doanh nghiệp nhỏ đang sử dụng ít nhất một nền tảng công nghệ được hỗ trợ bởi AI.

• 40% doanh nghiệp nhỏ đang sử dụng công cụ AI tạo sinh, tăng gần gấp đôi so với con số 23% của năm ngoái.

• Jordan Crenshaw, Phó Chủ tịch cấp cao của Trung tâm Công nghệ Phòng Thương mại Hoa Kỳ, cho biết AI cho phép các doanh nghiệp nhỏ "vượt tầm" so với đối thủ cạnh tranh.

• 91% doanh nghiệp đang sử dụng AI tin rằng nó sẽ giúp doanh nghiệp phát triển trong tương lai.

• 81% doanh nghiệp nhỏ có kế hoạch tăng cường sử dụng các nền tảng công nghệ.

• Khảo sát cho thấy việc sử dụng công nghệ gắn liền với sự tăng trưởng của các doanh nghiệp nhỏ.

• Các doanh nghiệp nhỏ triển khai nền tảng công nghệ (như công cụ năng suất, thanh toán kỹ thuật số, phần mềm kế toán) có khả năng tăng trưởng doanh số, lợi nhuận và lực lượng lao động cao hơn trong năm qua.

• Các doanh nghiệp sử dụng nhiều nền tảng công nghệ đang tăng trưởng nhanh hơn so với các doanh nghiệp ít sử dụng công nghệ.

• Amanda Reineke, CEO của Notice Ninja, cho rằng khi được triển khai một cách thận trọng, AI có thể thúc đẩy hiệu quả lớn. AI sẽ không thay thế công việc của con người mà sẽ bổ sung và nâng cao nó.

• Khảo sát được thực hiện trên toàn quốc đối với các doanh nghiệp nhỏ ở Hoa Kỳ, tập trung vào vai trò của các nền tảng công nghệ trong việc giúp doanh nghiệp nhỏ cạnh tranh trên thị trường.

• Cuộc khảo sát này được bắt đầu từ năm 2022, nhằm tìm hiểu các loại và ứng dụng công nghệ được doanh nghiệp nhỏ sử dụng, xác định những công nghệ có tác động lớn nhất theo thời gian.

• Phiên bản mới nhất của khảo sát tập trung vào sự xuất hiện nhanh chóng của AI và việc triển khai công nghệ này bởi các doanh nghiệp nhỏ.

📌 Khảo sát cho thấy 98% doanh nghiệp nhỏ sử dụng AI, với 40% áp dụng AI tạo sinh. 91% tin AI sẽ thúc đẩy tăng trưởng, 81% dự định tăng cường sử dụng công nghệ. Doanh nghiệp ứng dụng nhiều nền tảng công nghệ có xu hướng tăng trưởng nhanh hơn.

https://www.zdnet.com/article/98-of-small-firms-are-using-ai-tools-to-punch-above-their-weight/

• Một thí nghiệm quy mô lớn được thực hiện từ tháng 2 đến tháng 7 năm 2024, so sánh khả năng ra quyết định của AI tạo sinh GPT-4o với 344 người tham gia là sinh viên và lãnh đạo doanh nghiệp.

• Thí nghiệm sử dụng mô phỏng kỹ thuật số của ngành công nghiệp ô tô Mỹ, với hơn 500.000 khả năng kết hợp quyết định mỗi vòng. Mục tiêu là tối đa hóa vốn hóa thị trường và tránh bị sa thải.

• GPT-4o vượt trội hơn người tham gia ở hầu hết các chỉ số. AI thiết kế sản phẩm chính xác, tối ưu hóa sức hấp dẫn và kiểm soát chi phí, đáp ứng tốt tín hiệu thị trường.

• Tuy nhiên, GPT-4o bị sa thải nhanh hơn so với sinh viên giỏi nhất do gặp khó khăn với các sự kiện bất ngờ như sụp đổ thị trường trong đại dịch Covid-19.

• Sinh viên giỏi nhất áp dụng chiến lược dài hạn linh hoạt, trong khi GPT-4o và các lãnh đạo doanh nghiệp tập trung vào tối ưu hóa ngắn hạn.

• Thí nghiệm cho thấy AI tạo sinh là nguồn lực chiến lược quan trọng, có thể mang lại kết quả tốt khi được sử dụng đúng cách.

• Chất lượng dữ liệu là yếu tố then chốt để AI thành công trong chiến lược doanh nghiệp. Cần xây dựng cơ sở hạ tầng dữ liệu mạnh mẽ.

• AI có thể tạo ra hiệu quả đáng kể nhưng cũng tiềm ẩn rủi ro. Cần có sự giám sát để tránh hậu quả không mong muốn.

• Vấn đề trách nhiệm giải trình đối với AI khó xử lý hơn so với CEO con người. Cần thiết lập các rào cản minh bạch.

• Mô hình kỹ thuật số (digital twin) của hệ sinh thái doanh nghiệp có thể là môi trường thử nghiệm hữu ích cho AI trước khi áp dụng vào thực tế.

• AI có thể làm gián đoạn ngành tư vấn chiến lược truyền thống, thay thế một số dịch vụ của các công ty như McKinsey.

• AI không thể đảm nhận toàn bộ trách nhiệm của CEO, nhưng có thể cải thiện đáng kể quy trình lập kế hoạch chiến lược và giúp tránh sai lầm tốn kém.

• Điểm mạnh lớn nhất của AI tạo sinh là bổ sung cho quá trình ra quyết định của con người, không phải thay thế hoàn toàn CEO.

• Tương lai của lãnh đạo là sự kết hợp giữa AI và con người, trong đó AI hỗ trợ CEO tập trung vào tầm nhìn, giá trị và phát triển bền vững dài hạn.

📌 AI tạo sinh như GPT-4o có thể vượt trội hơn CEO con người trong nhiều khía cạnh như thiết kế sản phẩm và tối ưu hóa thị trường, nhưng vẫn còn hạn chế trong xử lý các sự kiện bất ngờ. Tương lai lãnh đạo doanh nghiệp sẽ là sự kết hợp giữa AI và con người, tận dụng điểm mạnh của cả hai để ra quyết định tốt hơn.

https://hbr.org/2024/09/ai-can-mostly-outperform-human-ceos

#HBR

- 83% các công ty truyền thông và viễn thông tại Ấn Độ đang sử dụng GenAI để thúc đẩy nghiên cứu và đổi mới.
- Theo báo cáo của PwC, GenAI đã mở ra những cơ hội mới cho sự đổi mới và hiệu quả, nâng cao năng suất làm việc.
- Khoảng 76% công ty xếp GenAI vào danh sách 5 ưu tiên chiến lược hàng đầu của họ.
- 42% trong số này cho biết việc áp dụng GenAI là một trong 3 chiến lược hàng đầu của họ.
- Các CEO trong lĩnh vực công nghệ dự đoán sự gián đoạn lớn hơn so với các đồng nghiệp trong lĩnh vực viễn thông và truyền thông.
- Trong số các công ty công nghệ, 68% người tham gia khảo sát coi GenAI là một lực lượng gián đoạn lâu dài.
- Ngành truyền thông và giải trí có 51% người tham gia khảo sát nhận thấy GenAI là yếu tố gián đoạn.
- Trong lĩnh vực viễn thông, tỷ lệ này là 40%.
- Khoảng 40% các nhà điều hành TMT cho biết họ đã thấy lợi ích từ các sáng kiến GenAI và đang trên đà đạt được RoI mong đợi.
- 32% nhà điều hành trong lĩnh vực công nghệ kỳ vọng sẽ đạt được RoI mong muốn trong vòng một năm tới.
- Tuy nhiên, 30% người tham gia khảo sát trong lĩnh vực viễn thông không chắc chắn về thời gian đạt được RoI.
- Sự sẵn có dễ dàng của các công cụ GenAI như Gemini, ChatGPT và GitHub Copilot là lý do chính thúc đẩy việc áp dụng GenAI.
- Các ứng dụng này cung cấp giao diện thân thiện với người dùng và mô hình đã được đào tạo trước, giúp cá nhân và tổ chức dễ dàng áp dụng GenAI vào dự án của họ.
- Các công ty công nghệ có mức độ nhận thức và sử dụng GenAI cao hơn so với các ngành truyền thông và viễn thông.
- Ngành công nghệ là những người tiên phong trong việc áp dụng GenAI, với hầu hết tổ chức đã có ít nhất một trường hợp sử dụng GenAI.
- Việc áp dụng GenAI được thúc đẩy bởi nhu cầu đáp ứng mong đợi của khách hàng, sự thay đổi trên thị trường lao động và duy trì tính cạnh tranh trong ngành.
- Trong ngành công nghệ, có 40% công ty đã chuẩn bị ứng dụng cho triển khai cùng với lộ trình chiến lược đầy đủ cho hơn hai lĩnh vực.
- Ngành truyền thông và giải trí hiển thị nhiều giai đoạn áp dụng khác nhau, với 35% đang ở giai đoạn đánh giá.
- Trong khi đó, 50% người tham gia khảo sát trong ngành viễn thông hiện đang ở giai đoạn đánh giá.
- Mặc dù có nhiều lợi ích, các công ty sử dụng GenAI nhận thức được vấn đề kiểm soát, an toàn và trách nhiệm.
- Khoảng 87% các công ty tiến hành đánh giá ở cấp hội đồng quản trị, trong khi 67% thừa nhận rằng khung chính sách của họ không đủ để giải quyết hiệu quả các mối lo ngại về an ninh.
- Báo cáo cũng chỉ ra rằng khoảng 62% các công ty đã tăng cường tài trợ cho các sáng kiến nhằm thúc đẩy việc áp dụng GenAI.

📌 83% công ty truyền thông và viễn thông tại Ấn Độ sử dụng GenAI cho nghiên cứu. Nhiều CEO dự đoán sự gián đoạn lớn từ GenAI. Khoảng 40% nhà điều hành TMT thấy lợi ích từ sáng kiến này.

https://m.economictimes.com/tech/artificial-intelligence/genai-is-used-by-83-of-media-telecom-companies-for-research-and-innovations-pwc/articleshow/113670500.cms

• Xu hướng nổi bật từ chương trình Dự án Capstone Thạc sĩ Phân tích Kinh doanh MIT Sloan 2024: Các công ty đang kết hợp AI tạo sinh với phân tích dữ liệu để thực thi dự án và giải pháp nhanh hơn.

• Jordan Levine, giảng viên MIT Sloan, nhận định: "Các phương pháp học máy truyền thống mang lại độ chính xác, trong khi AI tạo sinh mở ra tốc độ."

• Pfizer sử dụng AI tạo sinh để đẩy nhanh quá trình chuyển giao kiến thức từ R&D sang sản xuất, rút ngắn thời gian đưa thuốc mới ra thị trường từ 9 tháng xuống còn vài ngày.

• Takeda áp dụng AI tạo sinh để thiết kế thử nghiệm lâm sàng nhanh hơn, từ đó đẩy nhanh tiến độ phát triển thuốc quan trọng.

• CogniSure phát triển phương pháp đọc nhanh mọi tệp tin bằng AI tạo sinh, giúp cung cấp báo giá bảo hiểm nhanh hơn cho khách hàng.

• Comcast xây dựng khung phản hồi theo thời gian thực cho gần 6 triệu cuộc gọi mỗi tháng, giúp nhân viên nhanh chóng xác định khách hàng có nguy cơ cao và đề xuất cuộc gọi theo dõi.

• CMA CGM tạo ra hệ thống AI tạo sinh dựa trên hơn 70 triệu dòng dữ liệu giao dịch để đưa ra dự đoán và hướng dẫn về định giá động nhanh hơn, chính xác hơn.

• Dick's Sporting Goods sử dụng AI tạo sinh kết hợp với dữ liệu khách hàng để tạo mẫu email cá nhân hóa nhanh hơn, cải thiện tỷ lệ nhấp chuột.

• McKinsey & Co. áp dụng công cụ AI tạo sinh để gắn nhãn 26.000 tài liệu hàng năm, đảm bảo thông tin có sẵn đúng lúc, đúng chỗ.

• Accenture phát triển công cụ dự đoán tác động của AI tạo sinh đối với lực lượng lao động doanh nghiệp lớn, hỗ trợ triển khai chiến lược công nghệ và sáng kiến đào tạo lại kỹ năng.

• Các dự án đều đạt đến mức sản phẩm hoạt động, được thử nghiệm với dữ liệu thực tế. Khoảng một nửa đang hoạt động và được các công ty hỗ trợ tích cực.

📌 AI tạo sinh kết hợp phân tích dữ liệu đang giúp các công ty lớn như Pfizer, Comcast tăng tốc đáng kể trong việc đưa sản phẩm ra thị trường, giao tiếp khách hàng và chia sẻ thông tin nội bộ. Tuy nhiên, cần cân nhắc về độ chính xác và tác động đến người lao động khi áp dụng công nghệ này.

https://mitsloan.mit.edu/ideas-made-to-matter/how-companies-use-generative-ai-to-execute-speed

#MIT

- Sau giai đoạn đầu đầy hứng thú, các doanh nghiệp hiện đã chuyển sang giai đoạn quan trọng hơn: tận dụng AI tạo sinh để tạo ra giá trị thực tế. Theo khảo sát của McKinsey, 65% doanh nghiệp đã ứng dụng AI tạo sinh thường xuyên, tăng gấp đôi so với năm trước, phản ánh sự tăng trưởng nhanh chóng trong việc áp dụng công nghệ này.
- Việc triển khai AI tạo sinh không chỉ là vấn đề tích hợp công nghệ mà còn đòi hỏi mô hình hoạt động rõ ràng để đảm bảo các kết quả có thể đo lường được. Mô hình này kết hợp cả con người, quy trình, và công nghệ nhằm mang lại giá trị cho khách hàng và các bên liên quan.
- Một trong những thách thức phổ biến mà các doanh nghiệp gặp phải là tập trung quá nhiều vào công nghệ mà không có mục đích kinh doanh rõ ràng, dẫn đến việc lãng phí tài nguyên vào các giải pháp AI không mang lại giá trị thực tế. Thêm vào đó, việc thử nghiệm các dự án AI riêng lẻ mà thiếu sự kết nối chặt chẽ có thể dẫn đến kết quả không như mong đợi, đặc biệt trong các ngành như công nghệ, bán lẻ, và ngân hàng, nơi AI có thể nhanh chóng cải thiện năng suất.
- Mô hình hoạt động AI tạo sinh cần bao gồm tất cả các quyết định liên quan đến việc tổ chức đội ngũ, phát triển công nghệ và tuân thủ các biện pháp an ninh, rủi ro. Việc này đòi hỏi phải có kế hoạch dài hạn để triển khai AI theo các giai đoạn rõ ràng, bao gồm việc xác định các thành phần AI tạo sinh quan trọng để tích hợp vào hạ tầng công nghệ hiện có mà không cần thay đổi toàn bộ hệ thống.
- Một ví dụ điển hình là một ngân hàng lớn ở châu Âu đã triển khai thành công 14 thành phần AI tạo sinh trong kiến trúc doanh nghiệp của họ, từ đó đạt được 80% các trường hợp sử dụng AI cốt lõi chỉ trong vòng 3 tháng. Điều này cho thấy cách tiếp cận có hệ thống, tập trung vào các thành phần quan trọng, có thể đem lại kết quả nhanh chóng và rõ ràng.
- Để thành công trong việc triển khai AI tạo sinh, doanh nghiệp cần ưu tiên quản lý dữ liệu một cách hiệu quả, đảm bảo rằng AI có thể truy xuất và xử lý thông tin phù hợp. Hiện nay, hơn 80% dữ liệu của doanh nghiệp là dữ liệu phi cấu trúc, điều này tạo ra nhiều thách thức trong việc quản lý và sử dụng. Theo McKinsey, 60% các doanh nghiệp có hiệu suất cao về AI và 80% các công ty khác gặp khó khăn trong việc thiết lập chiến lược toàn diện cho dữ liệu phi cấu trúc.
- Để giải quyết vấn đề này, doanh nghiệp có thể bắt đầu với việc ưu tiên các miền dữ liệu quan trọng theo mục tiêu kinh doanh. Các chuyên gia dữ liệu, chẳng hạn như kỹ sư dữ liệu và chuyên gia xử lý ngôn ngữ tự nhiên, cần được triển khai để quản lý dữ liệu phi cấu trúc và đảm bảo rằng các quy trình quản trị dữ liệu và chất lượng được tuân thủ.
- Về phương thức tổ chức đội ngũ, doanh nghiệp có thể chọn giữa 2 mô hình: mở rộng các đội ngũ dữ liệu hiện có với các kỹ năng AI tạo sinh mới hoặc thành lập các đội ngũ AI tạo sinh riêng biệt. Cả 2 mô hình đều có những lợi ích và thách thức khác nhau, nhưng việc đảm bảo rằng đội ngũ AI hoạt động đồng bộ với các hệ thống IT và dữ liệu tổng thể là vô cùng quan trọng để tránh tạo ra các giải pháp rời rạc.
- Các doanh nghiệp có thể lựa chọn phát triển từ mô hình tập trung hóa AI tạo sinh sang mô hình phân quyền, cho phép các đội ngũ trong từng lĩnh vực tự chịu trách nhiệm về việc phát triển các ứng dụng AI. Tuy nhiên, quá trình này cần được quản lý kỹ lưỡng để tránh các vấn đề liên quan đến an ninh và tính đồng bộ của hệ thống.
- Cuối cùng, quản lý rủi ro và tuân thủ là yếu tố cốt lõi trong việc triển khai AI tạo sinh. Những rủi ro như thông tin sai lệch, sự cố kỹ thuật, và rò rỉ dữ liệu cần được theo dõi và kiểm soát chặt chẽ. Doanh nghiệp cần xây dựng một kế hoạch quản trị rủi ro rõ ràng, bao gồm việc đánh giá các rủi ro tiềm ẩn, xác định các công cụ AI quan trọng cần được giám sát kỹ lưỡng, và thực hiện các thử nghiệm định kỳ để đảm bảo tính an toàn và tuân thủ quy định.

📌 Hướng dẫn này nhấn mạnh tầm quan trọng của việc xây dựng mô hình hoạt động AI tạo sinh hiệu quả, với trọng tâm là quản lý dữ liệu phi cấu trúc và quản lý rủi ro. Các doanh nghiệp cần có chiến lược linh hoạt và dài hạn để triển khai AI tạo sinh một cách hiệu quả, đồng thời đảm bảo tính tuân thủ và an toàn trong suốt quá trình.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/a-data-leaders-operating-guide-to-scaling-gen-ai

#McKinsey

• Các công ty phần mềm lớn như Microsoft, Salesforce và Workday đang chuyển trọng tâm từ copilot sang AI agent - thế hệ trợ lý AI tiếp theo có khả năng thực hiện nhiều tác vụ phức tạp hơn.

• AI agent được thiết kế để tiến xa hơn copilot, có thể thực hiện hành động thay người dùng thay vì chỉ trả lời câu hỏi. Chúng kết nối với các hệ thống khác qua API để thực hiện tác vụ.

• Công nghệ AI agent có bộ nhớ tốt hơn để hiểu ngữ cảnh và khả năng lập kế hoạch nâng cao. Ban đầu chúng tập trung vào các tác vụ đơn giản như điền báo cáo chi phí.

• Một số công ty đã quảng cáo khả năng xử lý các tác vụ phức tạp hơn của AI agent, thậm chí thay thế hoàn toàn một số công việc như hỗ trợ khách hàng.

• Các công ty phần mềm đang đặt cược rằng khách hàng sẽ thấy lợi ích năng suất trực tiếp từ AI agent có thể đảm nhận toàn bộ tác vụ.

• Tuy nhiên, xu hướng "ảo giác" của hệ thống AI tạo sinh khiến người dùng thận trọng khi cho phép chúng hoạt động không giám sát.

• Một số công ty như Klarna tuyên bố sẽ cắt giảm một nửa nhân lực nhờ AI và từ bỏ các phần mềm như Salesforce, Workday để tự phát triển phần mềm bằng AI.

• Các nhà đầu tư phần mềm đang đặt cược rằng những công ty lớn hiện tại sẽ là người chiến thắng, mặc dù chưa rõ khi nào công nghệ này sẽ mang lại lợi nhuận.

• Sự chuyển dịch sang hệ thống dựa trên agent có thể gây xáo trộn mô hình kinh doanh hiện tại. Các công ty đang thử nghiệm định giá dựa trên mức độ sử dụng thay vì phí bản quyền theo số lượng nhân viên.

• Salesforce cho biết sẽ tính phí 2 USD cho mỗi "cuộc hội thoại" với AI agent của họ. Nhiều công ty cũng đề cập đến việc chuyển sang định giá dựa trên kết quả.

• Sự thay đổi sang mô hình định giá mới cho AI có thể gây xáo trộn cho các công ty phần mềm đại chúng trong một thời gian.

📌 AI agent đang trở thành xu hướng mới trong ngành phần mềm doanh nghiệp, hứa hẹn tự động hóa nhiều tác vụ phức tạp. Tuy nhiên, việc áp dụng rộng rãi vẫn còn nhiều thách thức về độ tin cậy và mô hình kinh doanh. Các công ty lớn như Microsoft, Salesforce đang dẫn đầu cuộc đua này.

https://www.ft.com/content/372536b1-08dd-4161-b6e3-4d09ba235ae8

#FT

• Chỉ 15% lãnh đạo và quản lý hiện tại sử dụng AI tạo sinh thường xuyên trong công việc hàng ngày.

• Khảo sát với hơn 200 sinh viên MBA và Thạc sĩ Quản lý (23-30 tuổi) tại 5 trường đại học ở châu Âu và Bắc Mỹ cho thấy 40% sử dụng AI tạo sinh nhiều lần mỗi ngày.

• Sinh viên sử dụng AI tạo sinh theo 2 hình thức: như một người thực hiện (hỗ trợ viết, tóm tắt, lập trình, dịch thuật, truy xuất thông tin) và như một đối tác tư duy (brainstorming, giải quyết vấn đề, thách thức ý tưởng).

• Gần 40% tổ chức chỉ cho phép một số nhóm nhân viên được chọn (thường là các vai trò chuyên môn và kỹ thuật) sử dụng công cụ AI tạo sinh.

• 54% tổ chức yêu cầu nhân viên chỉ được sử dụng các công cụ AI tạo sinh được ủy quyền trong các rào chắn cụ thể.

• Các tổ chức cần 4 chiến lược để thu hút và giữ chân nhân viên thành thạo AI tạo sinh trong tương lai:

1. Thu hút nhân tài AI tạo sinh:
- Cung cấp bằng chứng cụ thể về việc tích hợp AI tạo sinh vào quy trình làm việc
- Hợp tác với các trường kinh doanh về các dự án và bài tập liên quan đến sinh viên

2. Onboarding và thu hút nhân tài AI tạo sinh:  
- Ưu tiên ứng dụng AI tạo sinh vào trải nghiệm nhân viên, bắt đầu từ quá trình onboarding
- Giải thích cách sử dụng AI tạo sinh trong môi trường doanh nghiệp, tập trung vào sử dụng có trách nhiệm

3. Tích hợp nhân tài AI tạo sinh vào quy trình làm việc:
- Bổ nhiệm nhân viên mới làm người đại diện cho các dự án liên quan đến AI tạo sinh
- Thực hiện chương trình cố vấn đôi chiều để tăng tốc chuyển giao kiến thức

4. Giữ chân và phát triển nhân tài AI tạo sinh:
- Cập nhật các kỹ năng công việc cần thiết, lộ trình sự nghiệp và tiêu chí thăng tiến
- Tạo cơ hội nghề nghiệp mới liên quan đến AI tạo sinh

• Các nhà lãnh đạo doanh nghiệp cần nhận ra điều này ngay bây giờ để ngăn chặn sự thất vọng của nhân viên mới, giảm tỷ lệ nghỉ việc và tạo điều kiện cho sự chuyển đổi suôn sẻ sang thế hệ quản lý mới thành thạo AI tạo sinh mà không có xung đột văn hóa.

📌 40% sinh viên MBA sử dụng AI tạo sinh hàng ngày, so với 15% quản lý hiện tại. Tổ chức cần 4 chiến lược: thu hút nhân tài, onboarding hiệu quả, tích hợp vào quy trình làm việc và phát triển sự nghiệp để thích ứng với thế hệ quản lý mới thành thạo AI tạo sinh.

https://hbr.org/2024/09/how-the-next-generation-of-managers-is-using-gen-ai

#HBR

• LLM chuyên biệt (domain-specific LLM) được thiết kế riêng cho một ngành hoặc thương hiệu cụ thể, được đào tạo trên bộ dữ liệu tùy chỉnh gồm thông tin chuyên ngành có liên quan cao. Điều này giúp chúng nắm bắt được từ vựng, ngữ cảnh và các chi tiết phức tạp đặc trưng cho lĩnh vực cụ thể.

• LLM chuyên biệt trở nên cần thiết khi độ chính xác của đầu ra AI là yếu tố quan trọng, đặc biệt trong các lĩnh vực như y tế, tài chính, pháp lý và công nghệ.

• Việc triển khai LLM chuyên biệt có thể mang lại nhiều lợi ích cho doanh nghiệp như: nâng cao độ chính xác của đầu ra AI, tăng cường bảo mật dữ liệu, đảm bảo đầu ra đáng tin cậy và cải thiện trải nghiệm khách hàng.

• Có 2 cách để có được LLM chuyên biệt: xây dựng từ đầu hoặc tinh chỉnh một mô hình hiện có. Xây dựng từ đầu phù hợp nhất cho các công ty yêu cầu mức độ tùy chỉnh và độ chính xác cao của mô hình.

• 

1. Meta descriptions (in Vietnamese)
Bài viết phân tích lợi ích và hạn chế của việc sử dụng mô hình ngôn ngữ lớn (LLM) chuyên biệt cho doanh nghiệp, so với các mô hình đa năng phổ biến. Tác giả đưa ra 5 tiêu chí quan trọng để cân nhắc khi lựa chọn LLM chuyên biệt.

2. Meta keywords (in Vietnamese)
LLM chuyên biệt, mô hình ngôn ngữ lớn, AI cho doanh nghiệp, ChatGPT, Gemini, Perplexity, dữ liệu chuyên ngành, bảo mật dữ liệu, trải nghiệm khách hàng, tuân thủ quy định, chi phí triển khai AI

3. Interesting and shocked SEO title (in Vietnamese)
5 lý do bất ngờ khiến doanh nghiệp nên chọn mô hình ai chuyên biệt thay vì chatgpt

• LLM chuyên biệt (domain-specific LLM) được thiết kế riêng cho một ngành hoặc thương hiệu cụ thể, được đào tạo trên bộ dữ liệu tùy chỉnh gồm thông tin chuyên ngành có liên quan cao. Điều này giúp chúng nắm bắt được từ vựng, ngữ cảnh và các chi tiết phức tạp đặc trưng cho lĩnh vực cụ thể.

• LLM chuyên biệt trở nên cần thiết khi độ chính xác của đầu ra AI là yếu tố quan trọng, đặc biệt trong các lĩnh vực như y tế, tài chính, pháp lý và công nghệ.

• Việc triển khai LLM chuyên biệt có thể mang lại nhiều lợi ích cho doanh nghiệp như: nâng cao độ chính xác của đầu ra AI, tăng cường bảo mật dữ liệu, đảm bảo đầu ra đáng tin cậy và cải thiện trải nghiệm khách hàng.

• Có 5 tiêu chí quan trọng cần cân nhắc khi lựa chọn LLM chuyên biệt:

1. Phương pháp phát triển: Xây dựng từ đầu hoặc tinh chỉnh mô hình hiện có. Xây dựng từ đầu phù hợp nhất cho các công ty yêu cầu mức độ tùy chỉnh và độ chính xác cao của mô hình.

2. Chất lượng và số lượng dữ liệu: Cần một lượng lớn dữ liệu chất lượng cao và chuyên biệt. Các chuyên gia AI thường khuyên khách hàng kết hợp dữ liệu doanh nghiệp hiện có với dữ liệu tổng hợp để duy trì độ chính xác cao trong khi khắc phục tình trạng thiếu dữ liệu.

3. Tuân thủ quy định: Việc tuân thủ các yêu cầu về bảo mật và quyền riêng tư dữ liệu là rất quan trọng. Ví dụ, nếu ngành của bạn yêu cầu lưu trữ an toàn tất cả dữ liệu trên máy chủ nội bộ, bạn sẽ không thể sử dụng API bên ngoài cho LLM tùy chỉnh.

4. Tác động về chi phí: Việc lựa chọn giữa LLM tự phát triển và thương mại có thể ảnh hưởng đáng kể đến tổng chi phí dự án. Cần đánh giá tổng chi phí sở hữu, bao gồm phát triển, triển khai và bảo trì, để xác định loại LLM nào sẽ hiệu quả về chi phí hơn trong dài hạn.

5. Đánh giá và chỉ số hiệu suất: Việc thiết lập các chỉ số đánh giá rõ ràng là rất quan trọng để đánh giá sự thành công của LLM chuyên biệt. Các chỉ số này nên phản ánh độ chính xác, độ tin cậy và mức độ phù hợp của mô hình với nhu cầu kinh doanh cụ thể.

• Mặc dù cung cấp phản hồi chính xác, nhất quán và đáng tin cậy cho các yêu cầu chuyên biệt, các mô hình chuyên biệt có thể kém chính xác hơn và thậm chí bịa đặt khi đối mặt với các yêu cầu chung.

📌 LLM chuyên biệt mang lại nhiều lợi ích cho doanh nghiệp như độ chính xác cao, bảo mật tốt và trải nghiệm khách hàng tốt hơn. Tuy nhiên, cần cân nhắc kỹ về chi phí, dữ liệu và quy định khi triển khai. Đánh giá toàn diện hạn chế và lợi ích là cần thiết để tận dụng tối đa công nghệ AI tạo sinh.

https://www.forbes.com/councils/forbestechcouncil/2024/09/18/why-choose-a-domain-specific-llm-for-your-business/

• Bài viết giới thiệu giải pháp tự động hóa cá nhân hóa trải nghiệm khách hàng bằng AI tạo sinh trên Amazon Bedrock, kết hợp khả năng của mô hình ngôn ngữ lớn (LLM) với hướng dẫn của con người.

• Giải pháp sử dụng phương pháp phân tách nhiệm vụ, sử dụng các LLM chuyên biệt cho từng công đoạn: cá nhân hóa nội dung (UX designer/personalizer), tạo hình ảnh (artist) và xây dựng website (builder/front end developer).

• Ví dụ minh họa là công ty tư vấn OneCompany Consulting tự động tạo trang đích cá nhân hóa cho khách hàng doanh nghiệp khi họ đăng ký.

• Quy trình bao gồm: chuyển đổi thông tin khách hàng từ JSON sang văn bản, sử dụng RAG để truy xuất thông tin ngành, sử dụng LLM để tạo mô tả website chi tiết và mô tả hình ảnh, tạo hình ảnh bằng Stable Diffusion, và cuối cùng là tạo mã HTML, CSS và JavaScript.

• Giải pháp sử dụng các mô hình Claude của Anthropic trên Amazon Bedrock. Claude Sonnet được dùng cho cá nhân hóa nội dung, Claude Haiku cho tạo mã.

• Các tài nguyên được sử dụng bao gồm: hồ sơ khách hàng, thông tin ngành, dịch vụ cung cấp, hướng dẫn thiết kế và đánh giá của khách hàng.

• Kết quả tạo ra các trang web cá nhân hóa cho các khách hàng trong ngành sản xuất xe điện, khai thác mỏ và xây dựng, với nội dung, hình ảnh và thiết kế phù hợp với từng ngành.

• Giải pháp có thể được cải tiến thêm bằng cách xử lý hàng loạt, phân cụm hồ sơ khách hàng tương tự, sử dụng mẫu website, và tìm kiếm hình ảnh ngữ nghĩa thay vì tạo mới.

📌 Giải pháp sử dụng AI tạo sinh trên Amazon Bedrock để tự động hóa cá nhân hóa trải nghiệm khách hàng, kết hợp LLM với hướng dẫn của con người. Phương pháp phân tách nhiệm vụ và sử dụng RAG giúp tạo ra nội dung website cá nhân hóa chính xác và nhất quán cho từng khách hàng doanh nghiệp.

https://aws.amazon.com/blogs/machine-learning/reinvent-personalization-with-generative-ai-on-amazon-bedrock-using-task-decomposition-for-agentic-workflows/

• Bill Gates, đồng sáng lập Microsoft, cho biết nếu có cơ hội, ông sẽ khởi động lại công ty như một doanh nghiệp tập trung vào AI để cạnh tranh với OpenAI, Google và các công ty khác.

• Gates nhận định rằng ngày nay, ai đó có thể huy động hàng tỷ đô la cho một công ty AI mới chỉ với "vài ý tưởng phác thảo".

• Ông thừa nhận khó thành công trong lĩnh vực AI hơn so với phần mềm, nên việc xác định thị trường ngách ít cạnh tranh là rất quan trọng.

• Gates chỉ trích cách hoạt động của các startup AI, gọi đó là "ngu ngốc".

• Ông cho rằng để nổi bật, một công ty nhỏ cần chọn làm điều gì đó độc đáo.

• Gates thừa nhận sẽ khó để một startup mới đạt được thành công như Microsoft trong lĩnh vực AI.

• Ông nhấn mạnh niềm tin vào AI không phải là điều độc đáo, mà cần phát triển quan điểm riêng về thiết kế hệ thống AI.

• Gates khuyến khích giới trẻ tiếp tục khám phá lĩnh vực AI, gọi đó là "vùng biên".

• Gần đây, NVIDIA CEO Jensen Huang cho rằng chúng ta đang bước vào giai đoạn tiếp theo của AI với robot và xe tự lái.

• Các nhà đầu tư đã chỉ trích Microsoft về việc chi tiêu quá mức cho các dự án AI mà chưa mang lại nhiều lợi nhuận.

• OpenAI được dự đoán sẽ lỗ 5 tỷ USD trong 12 tháng tới và có nguy cơ phá sản.

• Microsoft, NVIDIA và Apple được cho là sẽ tham gia vòng gọi vốn mới cho OpenAI, đưa giá trị công ty lên trên 150 tỷ USD.

• Có dự đoán rằng 30% dự án AI sẽ bị từ bỏ vào năm 2025 sau giai đoạn PoC

📌 Bill Gates nhấn mạnh tiềm năng của AI nhưng cũng chỉ ra thách thức trong việc xây dựng một công ty AI thành công. Ông khuyến khích tìm kiếm thị trường ngách và phát triển cách tiếp cận độc đáo, đồng thời cảnh báo về khó khăn trong việc cạnh tranh với các "ông lớn" hiện tại như OpenAI và Google.

https://www.windowscentral.com/microsoft/bill-gates-would-start-microsoft-again-as-an-ai-firm-to-rival-openai-and-google

• CEO DataStax Chet Kapoor dự đoán 2025 sẽ là năm AI thực sự chuyển đổi hoạt động kinh doanh, sau giai đoạn khó khăn trong triển khai hiện nay.

• Kapoor chia sẻ 3 giai đoạn áp dụng AI tạo sinh của doanh nghiệp:
- Ủy quyền: Tìm kiếm hiệu quả 30% thông qua các công cụ như GitHub Copilot
- Tăng tốc: Tập trung vào hiệu quả hơn 30% bằng cách xây dựng ứng dụng tăng năng suất  
- Sáng tạo: Doanh nghiệp bắt đầu tự đổi mới bằng công nghệ AI

• 2024 được dự đoán là năm của AI sản xuất, với hầu hết khách hàng sẽ triển khai một số dự án AI

• Kapoor xác định 3 lĩnh vực chính cần giải quyết để triển khai AI thành công:
- Công nghệ: Kiến trúc mới dựa trên nguồn mở
- Con người: Trao quyền cho các nhà phát triển 
- Quy trình: Quản trị và quy định ngày càng quan trọng

• Kapoor ủng hộ mạnh mẽ giải pháp nguồn mở trong hệ thống AI tạo sinh

• Chuyên gia dự đoán các cải tiến trong tương lai của mô hình ngôn ngữ lớn (LLM) sẽ đến từ:
- Tăng cửa sổ ngữ cảnh
- Phương pháp "kết hợp chuyên gia"  
- AI tác nhân và mô hình nền tảng cho từng ngành

• OpenAI vừa ra mắt mô hình GPT-01 với công nghệ "Chuỗi suy luận", giúp cải thiện khả năng giải quyết vấn đề phức tạp

• Nghiên cứu cho thấy AI tạo sinh có thể tăng năng suất 20-40% cho các chuyên gia

📌 CEO DataStax dự đoán 2025 là năm bước ngoặt của AI trong doanh nghiệp. Ông chia sẻ 3 giai đoạn áp dụng AI, 3 thách thức triển khai chính và nhấn mạnh tầm quan trọng của giải pháp nguồn mở. Các cải tiến LLM trong tương lai sẽ tập trung vào tăng ngữ cảnh và chuyên môn hóa.

https://venturebeat.com/ai/datastax-ceo-2025-will-be-the-year-we-see-true-ai-transformation/

- Salesforce đang đối mặt với thách thức lớn trong việc duy trì tăng trưởng doanh thu khi doanh thu dự kiến chỉ tăng dưới 9% trong năm tài chính hiện tại.
- Tại hội nghị Dreamforce sắp diễn ra, Salesforce sẽ giới thiệu Agentforce, một bộ công cụ AI cho phép khách hàng tự động hóa dịch vụ khách hàng, chiến dịch marketing và mua sắm.
- Cổ phiếu của Salesforce đã giảm khoảng 2% kể từ đầu năm 2024, phản ánh sự lo ngại của nhà đầu tư về sự chậm lại trong tăng trưởng.
- Nhiều công ty SaaS khác như Adobe và Workday cũng đang gặp khó khăn tương tự trong việc duy trì giá cổ phiếu do tốc độ tăng trưởng chậm lại.
- CEO Marc Benioff cho biết Salesforce sẽ tổ chức thêm 25 sự kiện trước cuối năm để quảng bá Agentforce đến khách hàng.
- Một số nhà phân tích cho rằng các công ty AI có thể thay thế phần mềm truyền thống, gây áp lực lên các nhà cung cấp SaaS như Salesforce.
- Mặc dù có sự cải thiện về biên lợi nhuận hoạt động điều chỉnh, nhưng tăng trưởng một chữ số vẫn là một thách thức lớn cho Salesforce.
- Các nhà đầu tư đang mong đợi xem Salesforce có thể tận dụng AI như thế nào để cải thiện tình hình tài chính của mình.
- Theo một báo cáo gần đây, rất ít sự lạc quan được định giá vào cổ phiếu của Salesforce liên quan đến cơ hội AI của công ty.
- Sự cạnh tranh từ các ông lớn như Microsoft và Oracle đang gia tăng áp lực lên Salesforce trong việc đổi mới và phát triển sản phẩm.

📌 Salesforce đang nỗ lực khôi phục tăng trưởng doanh thu với Agentforce tại Dreamforce. Doanh thu dự kiến chỉ tăng dưới 9%, và cổ phiếu đã giảm 2% từ đầu năm. Công ty sẽ tổ chức thêm 25 sự kiện để quảng bá công nghệ AI mới này.

https://www.wsj.com/tech/ai/salesforce-needs-to-sell-its-latest-ai-vision-f6c02350

#WSJ

• Hơn 50% người tiêu dùng toàn cầu đang theo dõi xu hướng AI tạo sinh và thử nghiệm các công cụ, thúc đẩy doanh nghiệp đẩy nhanh chiến lược và ứng dụng AI tạo sinh.

• 80% tổ chức đã tăng đầu tư vào AI tạo sinh kể từ năm 2023. Gần 1/4 đang tích hợp AI tạo sinh vào một số hoặc hầu hết các bộ phận, 54% cho phép nhân viên sử dụng có giới hạn.

• Doanh nghiệp nên bắt đầu lập kế hoạch khi công nghệ còn mới. Chậm 6 tháng có thể tụt hậu so với những người áp dụng sớm đã giảm thiểu rủi ro và tăng ROI.

• 4 hướng dẫn quan trọng cần xem xét khi lập chiến lược AI tạo sinh:

1. Quy định: Đánh giá bối cảnh pháp lý hiện tại và tiềm năng ở các khu vực hoạt động. Hợp tác với các bên liên quan để đảm bảo đáp ứng yêu cầu kiểm toán nội bộ, bên ngoài và pháp lý.

2. Nhân tài: 69% lãnh đạo cho rằng cần kỹ năng và vai trò mới. Cần đào tạo lại và nâng cao kỹ năng nhân viên, đặc biệt ở các nhóm hành chính, kinh doanh và thiết kế.

3. Mô hình: Xây dựng mô hình vận hành và báo cáo doanh nghiệp mới để mở rộng an toàn giải pháp AI tạo sinh, phù hợp với quy trình chung.

4. AI có đạo đức và có thể giải thích: Sử dụng khung và công cụ AI có đạo đức, có thể giải thích. Áp dụng thực hành tốt nhất về khả năng tiếp cận, kiểm tra, giám sát, xác thực mô hình.

• Sau khi đánh giá các hướng dẫn, doanh nghiệp có thể bắt đầu mở rộng triển khai bằng cách:
- Xác định nơi giải pháp AI tạo sinh phù hợp nhất
- Lập bản đồ các trường hợp sử dụng theo lợi thế cạnh tranh chính
- Xác định ROI để mở rộng các trường hợp sử dụng đã chọn
- Tích hợp quy định vào mô hình quản trị rủi ro

📌 AI tạo sinh không phải xu hướng tạm thời. 80% tổ chức tăng đầu tư từ 2023, 1/4 đang tích hợp vào nhiều bộ phận. Doanh nghiệp cần chủ động xây dựng chiến lược ngay từ giai đoạn đầu, sử dụng 4 hướng dẫn về quy định, nhân tài, mô hình và đạo đức AI để triển khai an toàn.

https://www.ciodive.com/news/generative-AI-guardrails-capgemini/726722/

• Model routing là công nghệ cho phép doanh nghiệp tự động chọn mô hình AI phù hợp nhất cho từng tác vụ, giúp tối ưu hiệu suất và chi phí.

• Công nghệ này cho phép lựa chọn mô hình AI động theo từng truy vấn, thay vì sử dụng một mô hình đa năng duy nhất.

• Startup Martian đã phát triển LLM router đang thu hút sự chú ý của các công ty công nghệ lớn. Accenture vừa công bố đầu tư vào Martian.

• Accenture sẽ tích hợp Martian vào dịch vụ switchboard của mình để hỗ trợ doanh nghiệp lựa chọn mô hình AI.

• Martian ra mắt từ tháng 11/2023 và đang phát triển công nghệ của mình. Công ty cũng vừa giới thiệu tính năng tuân thủ mô hình AI mới.

• Công nghệ của Martian cho phép chọn mô hình phù hợp nhất theo từng truy vấn, giúp giảm chi phí và tăng hiệu suất.

• Cốt lõi công nghệ của Martian tập trung vào dự đoán hành vi của mô hình, giúp chọn mô hình tối ưu về chi phí, chất lượng đầu ra và độ trễ.

• Martian sử dụng các kỹ thuật như nén mô hình, lượng tử hóa, chưng cất để dự đoán mà không cần chạy toàn bộ mô hình.

• Việc định nghĩa các tiêu chí thành công và tối ưu chi phí là rất quan trọng khi triển khai AI trong doanh nghiệp.

• Tính năng tuân thủ mới của Martian giúp doanh nghiệp kiểm tra và phê duyệt các mô hình AI để sử dụng.

• Model routing đặc biệt hữu ích cho AI tác nhân (agentic AI), giúp đảm bảo độ chính xác cao cho từng bước trong quy trình.

📌 Model routing đang trở thành công nghệ quan trọng giúp doanh nghiệp tối ưu hiệu quả AI. Startup Martian với LLM router đã thu hút đầu tư từ Accenture, cho phép chọn mô hình AI động theo từng truy vấn, giúp giảm chi phí và tăng hiệu suất đáng kể.

https://venturebeat.com/ai/why-accenture-and-martian-see-model-routing-as-key-to-enterprise-ai-success/

• Microsoft vừa công bố đợt nâng cấp lớn cho Copilot, gọi là Wave 2, nhằm cạnh tranh với ChatGPT của OpenAI.

• Copilot Pages: Tính năng mới cho phép người dùng tạo và chia sẻ trang tài liệu dựa trên thông tin do Copilot tổng hợp từ dữ liệu công việc. Nhấn mạnh xu hướng AI đa người chơi.

• Tích hợp sâu hơn vào các ứng dụng Microsoft 365:
- Excel: Hỗ trợ công thức, trực quan hóa dữ liệu, định dạng có điều kiện. Ra mắt Copilot in Excel with Python cho phép sử dụng Python bằng ngôn ngữ tự nhiên.
- PowerPoint: Narrative Builder tạo bản nháp đầu tiên cho bài thuyết trình chỉ từ chủ đề.
- Teams: Tổng hợp nội dung cuộc họp và tin nhắn chat để tạo bản tóm tắt.
- Outlook: Tính năng "Prioritize my inbox" phân tích và đánh dấu email quan trọng.
- Word: Cho phép tham khảo nhanh dữ liệu web và công việc, cộng tác với Copilot trực tiếp trong tài liệu.
- OneDrive: Tìm kiếm file nhanh chóng, tóm tắt và so sánh file.

• Copilot agents: Trợ lý AI có thể thực hiện các tác vụ cụ thể với mức độ can thiệp của con người khác nhau. Người dùng có thể tạo agent riêng bằng agent builder trong Copilot Studio.

• Xác nhận sử dụng mô hình GPT-4o, cải thiện tốc độ phản hồi gấp 2 lần. Microsoft cam kết tiếp tục cập nhật các mô hình mới nhất cho Copilot.

• Hầu hết các tính năng mới sẽ được triển khai từ cuối năm 2024 đến đầu năm 2025.

📌 Microsoft Copilot Wave 2 mang đến cuộc cách mạng trong cộng tác nhóm và tích hợp AI vào ứng dụng văn phòng. Với Copilot Pages, agents tùy chỉnh và tích hợp sâu vào Microsoft 365, Copilot đang thu hẹp khoảng cách với ChatGPT, hứa hẹn nâng cao hiệu suất làm việc đáng kể.

https://www.zdnet.com/article/microsoft-copilots-wave-2-is-here-everything-you-need-to-know/

• Microsoft giới thiệu các tính năng mới cho gói đăng ký Microsoft 365 Copilot trị giá 30 USD/người dùng/tháng, nhằm cải thiện tích hợp AI trong các ứng dụng Office.

• Excel kết hợp hỗ trợ Python với Copilot, cho phép người dùng thực hiện phân tích nâng cao như dự báo, phân tích rủi ro, học máy và trực quan hóa dữ liệu phức tạp bằng ngôn ngữ tự nhiên, không cần lập trình.

• Tính năng tích hợp Copilot và Python trong Excel bắt đầu giai đoạn xem trước công khai từ hôm nay. Microsoft cũng bổ sung hỗ trợ Copilot cho XLOOKUP, SUMIF, định dạng có điều kiện và khả năng tạo nhiều biểu đồ, PivotTable hơn.

• PowerPoint được cải thiện với công cụ xây dựng câu chuyện nâng cao, giúp tạo nhanh bản nháp đầu tiên của bài thuyết trình. Trong tương lai, AI sẽ sử dụng mẫu có thương hiệu của công ty để tạo bản nháp hoặc hình ảnh được phê duyệt từ thư viện SharePoint.

• Copilot trong Microsoft Teams sẽ tóm tắt các cuộc trò chuyện văn bản và cuộc họp nói vào cuối tháng này, giúp người tổ chức cuộc họp không bỏ lỡ các câu hỏi chưa được trả lời trong chat.

• Outlook sẽ có tính năng "ưu tiên hộp thư đến" cho phép Copilot tự động sắp xếp thứ tự ưu tiên email. Trong tương lai, người dùng có thể "dạy" Copilot về các chủ đề, từ khóa hoặc người quan trọng để đánh dấu email ưu tiên cao.

• Word sẽ cho phép tham chiếu dữ liệu từ email và cuộc họp, bên cạnh dữ liệu từ tài liệu, giúp dễ dàng đưa tệp đính kèm từ email hoặc các điểm thảo luận từ cuộc họp vào tài liệu.

• OneDrive sẽ có Copilot vào cuối tháng này, giúp tóm tắt và so sánh tối đa 5 tệp để phát hiện sự khác biệt giữa chúng.

• Microsoft cho biết 60% công ty trong Fortune 500 đang sử dụng Copilot và số người dùng Copilot hàng ngày tại nơi làm việc "gần như tăng gấp đôi so với quý trước". Tuy nhiên, các báo cáo gần đây cho thấy phản ứng không mấy tích cực với phiên bản Copilot trả phí dành cho doanh nghiệp do lỗi và sự miễn cưỡng trả 30 USD/người dùng.

• Vodafone là khách hàng lớn của Microsoft 365 Copilot, đăng ký 68.000 giấy phép cho 100.000 nhân viên sau khi thử nghiệm và thấy lợi ích ban đầu.

📌 Microsoft nâng cấp Copilot AI trong Office với các tính năng mới cho Excel, PowerPoint, Word và Outlook. 60% công ty Fortune 500 đang sử dụng Copilot, với số người dùng hàng ngày tăng gấp đôi. Vodafone đăng ký 68.000 giấy phép cho 100.000 nhân viên, cho thấy tiềm năng của AI trong môi trường văn phòng.

https://www.theverge.com/2024/9/16/24246014/microsoft-office-copilot-ai-features-excel-python-outlook-word-powerpoint

• Hơn 40% tổ chức marketing, bán hàng và dịch vụ khách hàng đã áp dụng AI tạo sinh, đứng thứ hai sau CNTT và an ninh mạng.

• AI hội thoại được dự đoán sẽ phát triển nhanh chóng trong các lĩnh vực này do khả năng thu hẹp khoảng cách giao tiếp giữa doanh nghiệp và khách hàng.

• Bài viết so sánh chi phí giữa hai mô hình ngôn ngữ lớn (LLM) hàng đầu: GPT-4o (nguồn đóng) của OpenAI và Llama 3 (nguồn mở) của Meta.

• Chi phí chính khi lựa chọn LLM bao gồm chi phí thiết lập và chi phí xử lý.

• Chi phí thiết lập GPT-4o thấp hơn do chỉ cần kết nối API, trong khi Llama 3 đòi hỏi chi phí lớn hơn cho việc lưu trữ và vận hành.

• Llama 3 có thể được lưu trữ trên máy chủ riêng hoặc dịch vụ đám mây như AWS. Amazon Bedrock là một lựa chọn tiềm năng với chi phí dựa trên số lượng token xử lý.

• Chi phí xử lý được tính bằng token. Một cuộc hội thoại trung bình gồm 16 tin nhắn, tương đương 30.390 token.

• Chi phí xử lý cho một cuộc hội thoại trên GPT-4o là khoảng 0,16 USD, trong khi Llama 3 trên AWS Bedrock là khoảng 0,08 USD.

• Llama 3 rẻ hơn gần 50% so với GPT-4o về chi phí xử lý, nhưng cần cộng thêm chi phí máy chủ.

• Việc lựa chọn LLM phụ thuộc vào nhu cầu cụ thể của doanh nghiệp như thời gian triển khai, mức độ sử dụng và yêu cầu kiểm soát.

• Doanh nghiệp cần cân nhắc giữa việc xây dựng AI hội thoại nội bộ hoặc sử dụng các sản phẩm có sẵn trên thị trường.

📌 AI hội thoại đang phát triển mạnh trong marketing và dịch vụ khách hàng. GPT-4o có chi phí thiết lập thấp hơn nhưng chi phí xử lý cao hơn, trong khi Llama 3 ngược lại. Doanh nghiệp cần cân nhắc kỹ lưỡng dựa trên nhu cầu cụ thể để lựa chọn giải pháp phù hợp nhất.

https://venturebeat.com/ai/what-does-it-cost-to-build-a-conversational-ai/

• Theo báo cáo mới nhất, 96% doanh nghiệp vừa và nhỏ Ấn Độ (có từ 250 đến 1.500 nhân viên) đang ưu tiên AI tạo sinh, cao hơn mức trung bình 91% của thế giới.

• Việc áp dụng AI tạo sinh (66%) chỉ đứng sau việc chuẩn bị cho các mối đe dọa an ninh mạng (67%) trong danh sách ưu tiên hàng đầu của các doanh nghiệp vừa và nhỏ Ấn Độ trong năm 2024, vượt qua cả việc làm cho hoạt động kinh doanh bền vững hơn về môi trường (65%).

• Các tổ chức ở Ấn Độ đặt ưu tiên cao hơn cho AI để chuyển đổi kinh doanh so với phần còn lại của thế giới.

• Hơn một nửa số doanh nghiệp vừa và nhỏ Ấn Độ được khảo sát đặt ưu tiên cao cho AI để chuyển đổi quyền riêng tư và bảo mật (55%) và cải thiện việc ra quyết định (52%), cao hơn so với các doanh nghiệp ở phần còn lại của thế giới (50% và 49%).

• Các doanh nghiệp vừa và nhỏ Ấn Độ cũng đặt ưu tiên cao cho AI để cải thiện đào tạo và phát triển kỹ năng, trải nghiệm khách hàng và tối ưu hóa chuỗi cung ứng và hậu cần.

• Rủi ro lớn nhất mà các doanh nghiệp vừa và nhỏ Ấn Độ nhận thấy khi sử dụng AI là tìm kiếm, thu hút và giữ chân nhân tài có kỹ năng AI.

• Dữ liệu là rủi ro lớn tiếp theo, với việc thiếu minh bạch đằng sau kết quả AI, hành động dựa trên thông tin không chính xác và kích thước và chất lượng dữ liệu không đủ cho các mô hình AI nằm trong số các rủi ro được xác định.

• Manish Prasad, Chủ tịch và Giám đốc điều hành của SAP Indian Subcontinent, nhấn mạnh rằng các doanh nghiệp vừa và nhỏ Ấn Độ là xương sống của nền kinh tế quốc gia và AI là một yếu tố thay đổi cuộc chơi, mang lại sự linh hoạt, thông tin chi tiết có thể hành động và giúp họ phát triển mạnh trong nền kinh tế kỹ thuật số.

• Rajeev Singh, Phó Chủ tịch và Trưởng bộ phận Thị trường trung bình, SAP Indian Subcontinent, cho biết AI có tiềm năng trao quyền cho các tổ chức với những hiểu biết thông minh, tự động hóa và các công cụ, cho phép họ cạnh tranh ở quy mô toàn cầu.

📌 96% doanh nghiệp vừa và nhỏ Ấn Độ ưu tiên AI tạo sinh, cao hơn mức 91% của thế giới. AI đứng thứ 2 sau an ninh mạng trong danh sách ưu tiên năm 2024. Các doanh nghiệp Ấn Độ đặt ưu tiên cao hơn cho AI trong chuyển đổi quyền riêng tư, bảo mật và ra quyết định so với phần còn lại của thế giới.

https://bhaskarlive.in/96-pc-of-indian-midmarket-firms-prioritising-gen-ai-faster-than-the-world/

• Anthropic, một công ty khởi nghiệp AI, vừa ra mắt tính năng mới 'Workspaces' nhằm mục tiêu trực tiếp vào thị trường doanh nghiệp. 

• Các mô hình ngôn ngữ lớn (LLM) như ChatGPT ngày càng được sử dụng phổ biến để hoàn thành các nhiệm vụ trong các tổ chức. Anthropic, nhà sản xuất chatbot Claude, hiện đang tích cực nhắm vào các doanh nghiệp để triển khai các sản phẩm AI tạo sinh của mình.

• Đối thủ của OpenAI này đã nhận được sự ủng hộ từ các ông lớn công nghệ như Amazon và Google. Vài tuần trước, họ đã giới thiệu 'Claude Enterprise' - trợ lý AI dành riêng cho doanh nghiệp.

• Việc công bố 'Workspaces' vào thứ Ba (10/9) đánh dấu một bước đi khác nhằm khẳng định vị thế của Anthropic trên thị trường AI doanh nghiệp. Trong một bài đăng trên blog, Anthropic mô tả công cụ này là "các môi trường độc đáo cho phép bạn tổ chức các tài nguyên, đơn giản hóa các kiểm soát truy cập và đặt giới hạn chi tiêu và tốc độ tùy chỉnh ở mức độ chi tiết hơn".

• Nhóm Anthropic đã liệt kê 5 trường hợp sử dụng khác nhau cho Workspaces. Họ nói rằng các giới hạn chi tiêu hàng tháng có thể được thực hiện thông qua Workspaces, cho phép các doanh nghiệp có "quyền kiểm soát chi tiết hơn" về chi phí sử dụng API.

• Việc quản lý các giới hạn tốc độ cũng được cho là có thể thực hiện được bây giờ, với các giới hạn tốc độ cho mỗi không gian làm việc có thể được điều chỉnh độc lập trong khi vẫn nằm trong giới hạn tổng thể. Điều này nhằm giúp quản lý tải trọng tốt hơn trên các triển khai và bộ phận khác nhau.

• Bảo mật tài khoản cũng đã được cải thiện, với các quyền người dùng có thể được gán ở cấp độ không gian làm việc. Mỗi không gian làm việc có thể được theo dõi để có được những thông tin về việc sử dụng API, với các chi phí cũng được phân tích chi tiết có thể giúp theo dõi và tối ưu hóa việc phân bổ tài nguyên.

• Khóa API, dữ liệu sử dụng và cài đặt có thể được tổ chức thành "các nhóm logic phù hợp với các dự án hoặc môi trường của bạn" với công cụ này.

• Tính năng này đã được triển khai và có sẵn cho tất cả người dùng API Anthropic trong Console.

📌 Anthropic ra mắt 'Workspaces' nhằm tăng cường kiểm soát triển khai AI cho doanh nghiệp với các tính năng như giới hạn chi tiêu hàng tháng, quản lý tốc độ, và phân quyền người dùng.

https://readwrite.com/anthropic-edge-further-into-business-ai-market-with-launch-of-workspaces/

- Gusto, một nền tảng phần mềm quản lý nhân sự và tiền lương, đã giới thiệu "Gus", một trợ lý AI nhằm đơn giản hóa quy trình tuân thủ và giảm thiểu rủi ro phạt cho các doanh nghiệp nhỏ.
- Gus có khả năng trả lời các câu hỏi liên quan đến tiền lương và quy định pháp lý, giúp người dùng dễ dàng tìm hiểu về nghĩa vụ của mình.
- Trước đây, nhiều doanh nghiệp nhỏ phải dựa vào các chuyên gia bên ngoài hoặc tự mình tìm hiểu các quy định phức tạp, dẫn đến chi phí cao và rủi ro phạt.
- CEO của Gusto, Josh Reeves, cho biết, vào năm 2012, khoảng 40% doanh nghiệp thực hiện quy trình tiền lương bằng tay và gần 30% bị phạt vì sai sót hàng năm.
- Kim, CTO của Gusto, chia sẻ về kinh nghiệm của mẹ mình trong việc tính toán thuế và các khoản phạt mà bà đã phải gánh chịu do không nắm rõ quy định.
- Darren Liddell, một người dùng thử Gus, cho biết công cụ này đã mang lại sự an tâm khi thực hiện quy trình tiền lương cho nhân viên của mình.
- Angela Shapiro, một luật sư, nhấn mạnh rằng việc có một chatbot tuân thủ là rất hữu ích cho các chủ doanh nghiệp nhỏ không có đủ tài chính để thuê ngoài.
- Gusto không phải là công ty duy nhất sử dụng AI để tối ưu hóa quy trình tuân thủ; EY và IBM cũng đã phát triển giải pháp HR AI có tên EY.ai Workforce.
- Theo một báo cáo, doanh nghiệp nhỏ phải chi khoảng 40 tỷ USD mỗi năm cho việc đảm bảo tuân thủ quy định liên bang, trung bình 11.700 USD mỗi nhân viên.
- Các chi phí này có thể gia tăng do "lạm phát tuân thủ", theo nhận định của Gusto.
- Một nghiên cứu cho thấy các doanh nghiệp Mỹ chi từ 1.3% đến 3.3% tổng quỹ lương cho việc tuân thủ quy định.
- Mặc dù AI đang thay đổi ngành công nghiệp tuân thủ, vai trò của con người vẫn rất quan trọng; các chuyên gia nhấn mạnh rằng cần có sự giám sát của con người trong quy trình này.
- Một số nghiên cứu đã chỉ ra rằng AI có thể tạo ra thông tin sai lệch, gọi là "hallucinations", điều này có thể gây ra rủi ro cho các doanh nghiệp nếu không được kiểm soát.

📌 AI đang trở thành công cụ quan trọng giúp doanh nghiệp nhỏ tiết kiệm chi phí tuân thủ pháp lý, với Gusto dẫn đầu trong việc phát triển các giải pháp AI. Tuy nhiên, sự giám sát của con người vẫn cần thiết để đảm bảo tính chính xác và tuân thủ.

https://www.fastcompany.com/91187921/can-ai-improve-one-of-the-most-expensive-and-boring-parts-of-work

- Sự phụ thuộc quá mức vào AI có thể gây ra rủi ro lớn khi các công cụ này thường xuyên gặp sự cố hoặc không hoạt động như mong đợi. Cần có kế hoạch dự phòng và đảm bảo nhân viên nắm rõ quy trình để có thể xử lý công việc khi AI gặp trục trặc.

- AI không thể thay thế hoàn toàn kỹ năng con người. Nó chỉ có thể hỗ trợ và tăng cường khả năng của con người, chứ không thể thay thế trực giác, khả năng hiểu ngữ cảnh và tính tương xứng của con người.

- AI có thể phản ánh và khuếch đại những định kiến có trong dữ liệu huấn luyện, dẫn đến các thực hành không công bằng và phân biệt đối xử. Cần đầu tư vào đào tạo đạo đức AI toàn diện và sử dụng các kỹ thuật khử định kiến.

- Việc sử dụng dữ liệu để huấn luyện AI có thể vi phạm quyền riêng tư. Cần cân bằng giữa cá nhân hóa và bảo mật dữ liệu, đồng thời tuân thủ các quy định về quyền riêng tư như GDPR và CCPA.

- AI phát triển rất nhanh, dẫn đến các giải pháp AI ngày càng lỗi thời. Cần có chiến lược AI linh hoạt tập trung vào giải quyết vấn đề thay vì cam kết với các công cụ cụ thể, đồng thời xây dựng đội ngũ theo dõi xu hướng AI.

📌 Để tối đa hóa lợi ích của AI và giảm thiểu rủi ro, các doanh nghiệp cần phát triển văn hóa "trí tuệ AI" - hiểu biết sâu sắc về khi nào sử dụng AI, khi nào dựa vào trực giác con người và cách tích hợp cả hai một cách suôn sẻ. Lợi thế cạnh tranh trong kỷ nguyên AI không phải là có công cụ tiên tiến nhất mà là nuôi dưỡng những nhà lãnh đạo và đội ngũ có thể sử dụng các công cụ này với sự phân biệt, sáng tạo và trách nhiệm không ai sánh bằng.

https://www.forbes.com/councils/forbesbusinesscouncil/2024/09/11/the-dark-side-of-generative-ai-what-every-business-leader-should-know/

• Bài viết khám phá tiềm năng và giới hạn của AI tạo sinh trong việc hỗ trợ các công ty, đặc biệt là các doanh nghiệp vừa và nhỏ, lập kế hoạch chiến lược.

• Nghiên cứu điển hình 1: Keith, CEO của Trident - tổ chức nghiên cứu nông nghiệp thương mại với 120 nhân viên:
  - Keith muốn sử dụng AI tạo sinh để có góc nhìn mới ngoài lĩnh vực khoa học nông nghiệp.
  - AI tạo sinh đưa ra 9 vấn đề chiến lược, bổ sung 4 lĩnh vực quan trọng mà nhóm của Keith bỏ sót: tiến bộ công nghệ, thay đổi quy định, nhu cầu và kỳ vọng của khách hàng, tài trợ và đầu tư.
  - Tuy nhiên, AI tạo sinh không đề cập đến 2 vấn đề trong danh sách của Keith: số lượng và vị trí chi nhánh, lợi nhuận.
  - AI tạo sinh gặp khó khăn trong việc dự báo nhu cầu tương lai do được đào tạo trên dữ liệu lịch sử.

• Nghiên cứu điển hình 2: Angeline, CEO của Fitzroy Cemetery and Crematorium:
  - Angeline muốn sử dụng AI tạo sinh để xác định các xu hướng ngành và phát triển kịch bản tương lai.
  - AI tạo sinh đề xuất 4 xu hướng đáng chú ý: dân số già hóa và thay đổi nhân khẩu học, hỗ trợ sức khỏe tâm thần và đau buồn, nhạy cảm về giá và tính minh bạch, thay đổi quy định và tuân thủ.
  - AI tạo sinh cũng đưa ra một số giải pháp sáng tạo cho vấn đề thiếu đất chôn cất như sử dụng tòa nhà nhiều tầng hoặc tạo rừng tưởng niệm.

• AI tạo sinh có thể giúp vượt qua những điểm mù và thúc đẩy tư duy phân kỳ, nhưng vẫn có những hạn chế:
  - Không thể dự đoán tương lai chính xác do được đào tạo trên dữ liệu lịch sử.
  - Thiếu thông tin cụ thể về công ty.
  - Có thể bỏ sót một số vấn đề quan trọng.

• Để tận dụng tối đa AI tạo sinh trong lập kế hoạch chiến lược:
  - Sử dụng nó như một công cụ bổ sung, không thay thế hoàn toàn tư duy chiến lược của con người.
  - Kết hợp với kinh nghiệm và hiểu biết sâu sắc của đội ngũ quản lý.
  - Sử dụng các kỹ thuật nhắc nhở thông minh để có kết quả tốt hơn.
  - Xem xét sử dụng các công cụ AI tạo sinh có khả năng tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG) để có thông tin cập nhật và phù hợp hơn với doanh nghiệp.

📌 AI tạo sinh có thể hỗ trợ đáng kể trong lập kế hoạch chiến lược bằng cách cung cấp góc nhìn mới và ý tưởng sáng tạo. Tuy nhiên, nó vẫn có những hạn chế như không thể dự đoán chính xác tương lai và thiếu thông tin cụ thể về công ty. Để tận dụng tối đa, các nhà lãnh đạo nên sử dụng AI tạo sinh như một công cụ bổ sung, kết hợp với kinh nghiệm của đội ngũ quản lý.

https://hbr.org/2024/09/how-ceos-are-using-gen-ai-for-strategic-planning

#HBR

• Oracle vừa công bố hơn 50 trợ lý AI tích hợp trong Oracle Fusion Cloud Applications Suite, nhằm hỗ trợ tự động hóa các tác vụ lặp đi lặp lại và giúp nhân viên tập trung vào công việc chiến lược hơn.

• Các trợ lý AI mới được tích hợp vào quy trình làm việc, cung cấp thông tin chi tiết, nội dung và đề xuất được cá nhân hóa cho từng vai trò cụ thể.

• Trong Oracle Fusion Cloud Human Capital Management (HCM), có các trợ lý AI như:
- Trợ lý lập lịch ca làm: Tối ưu hóa lịch làm việc theo ca, đồng thời đáp ứng sở thích cá nhân và tuân thủ quy định.
- Cố vấn tuyển dụng: Hỗ trợ tìm kiếm ứng viên, tạo yêu cầu tuyển dụng và đề xuất, giúp rút ngắn thời gian tuyển dụng.
- Phân tích viên phúc lợi: Hỗ trợ nhân viên hiểu rõ và tối ưu hóa gói phúc lợi dựa trên nhu cầu cá nhân.

• Trong Oracle Fusion Cloud Supply Chain & Manufacturing (SCM), có các trợ lý AI như:
- Hướng dẫn đại diện bán hàng: Cung cấp thông tin chi tiết và đề xuất cá nhân hóa để xử lý các truy vấn đơn hàng.
- Cố vấn xử lý sự cố bảo trì: Đẩy nhanh quá trình bảo trì và sửa chữa bằng cách cung cấp thông tin chi tiết và đề xuất về bảo trì và sửa chữa tài sản.

• Trong Oracle Fusion Cloud Enterprise Resource Planning (ERP), có các trợ lý AI như:
- Trợ lý xử lý tài liệu: Tự động hóa và đơn giản hóa việc tích hợp phức tạp với các bên thứ ba.
- Trợ lý sổ cái: Xác định các ngoại lệ và bất thường trong dữ liệu giao dịch, phân tích số dư tài khoản.
- Trợ lý dự đoán nâng cao: Hỗ trợ các mô hình dự đoán AI đa biến, tận dụng các yếu tố tài chính, hoạt động và bên ngoài.

• Trong Oracle Fusion Cloud Customer Experience (CX), có các trợ lý AI như:
- Trợ lý nghiên cứu tài khoản khách hàng: Cung cấp thông tin chi tiết và tự động hóa các tác vụ lập kế hoạch và nghiên cứu.
- Trợ lý nghiên cứu hợp đồng: Tự động hóa quy trình và phê duyệt hợp đồng thông thường.
- Hướng dẫn kế hoạch thưởng khuyến khích: Giúp truyền đạt và thúc đẩy đại diện bán hàng phù hợp với ý định chiến lược.

• Oracle Fusion Applications Suite cho phép các tổ chức tận dụng đám mây và những tiến bộ mới nhất trong AI để phá vỡ các rào cản tổ chức, chuẩn hóa quy trình và quản lý dữ liệu tài chính, nhân sự, chuỗi cung ứng và trải nghiệm khách hàng trên một nền tảng đám mây tích hợp duy nhất.

📌 Oracle giới thiệu hơn 50 trợ lý AI tích hợp vào Oracle Fusion Cloud Applications Suite, hỗ trợ tự động hóa quy trình trong tài chính, chuỗi cung ứng, nhân sự, bán hàng, tiếp thị và dịch vụ. Các trợ lý AI mới này có tiềm năng thay đổi hoàn toàn cách làm việc, giúp doanh nghiệp đạt được mức năng suất mới và mở khóa tiềm năng tăng trưởng kinh doanh to lớn.

https://www.oracle.com/news/announcement/ocw24-oracle-ai-agents-help-organizations-achieve-new-levels-of-productivity-2024-09-11/

- Arcee AI đã công bố SuperNova, một mô hình ngôn ngữ với 70 tỷ tham số, được thiết kế đặc biệt cho việc triển khai trong các doanh nghiệp.
- SuperNova cung cấp khả năng tuân thủ hướng dẫn nâng cao và tùy chỉnh toàn diện, nhằm giải quyết các vấn đề về bảo mật dữ liệu và sự ổn định của mô hình.
- Mô hình này được xây dựng trên kiến trúc Llama-3.1-70B-Instruct của Meta, và sử dụng quy trình sau đào tạo độc quyền để cải thiện khả năng tuân thủ hướng dẫn.
- Quá trình phát triển SuperNova bao gồm việc đào tạo ba mô hình cùng lúc, với một mô hình được tinh chế từ Llama 405B, một mô hình sử dụng dữ liệu từ kho dữ liệu EvolKit, và một mô hình khác thực hiện DPO trên Llama 3.
- SuperNova được triển khai trong môi trường đám mây riêng của doanh nghiệp, bắt đầu từ AWS Marketplace, với kế hoạch mở rộng sang Google và Azure.
- Mô hình này cho phép doanh nghiệp kiểm soát hoàn toàn tài sản AI của mình, giúp bảo vệ dữ liệu nhạy cảm và tránh các thay đổi không mong muốn từ dịch vụ API.
- SuperNova có khả năng được tinh chỉnh và đào tạo lại trong môi trường doanh nghiệp, cho phép cải thiện liên tục dựa trên tương tác với người dùng.
- Arcee AI cũng cung cấp một API miễn phí cho việc thử nghiệm và đánh giá, cùng với phiên bản SuperNova-Lite với 8 tỷ tham số, hữu ích cho các nhà phát triển trong môi trường hạn chế tài nguyên.
- Arcee cam kết tính minh bạch và khuyến khích các bên thứ ba đánh giá hiệu suất của SuperNova, đặc biệt trong lĩnh vực lý thuyết toán học.
- Việc ra mắt SuperNova diễn ra trong bối cảnh các doanh nghiệp đang xem xét lại chiến lược AI của mình, với sự quan tâm ngày càng tăng đối với các mô hình có thể triển khai và tùy chỉnh.

📌 SuperNova của Arcee AI là mô hình ngôn ngữ 70 tỷ tham số, cung cấp khả năng tùy chỉnh cao và bảo mật dữ liệu cho doanh nghiệp. Mô hình này có thể được triển khai trong môi trường đám mây riêng, cho phép cải thiện liên tục và kiểm soát hoàn toàn tài sản AI.

https://venturebeat.com/ai/arcee-ai-unveils-supernova-a-customizable-instruction-adherent-model-for-enterprises/

- 100% tổ chức đang chịu tác động của AI và tự động hóa. Các tổ chức thành công sẽ là những tổ chức nhận ra giá trị của tiềm năng con người và đầu tư vào phát triển kỹ năng ngay từ bây giờ và trong tương lai.

- Chỉ 50% tổ chức đang truyền đạt rõ ràng tầm nhìn về tương lai công việc cho nhân viên. Thiếu giao tiếp cởi mở về tác động của AI khiến nhân viên gặp khó khăn trong việc hiểu rõ vai trò công việc của họ sẽ phát triển như thế nào.

- Đổi mới sản phẩm và dịch vụ là ưu tiên kinh doanh cao nhất của các tổ chức trong 3 năm tới. Tuy nhiên, nếu không có hướng dẫn rõ ràng và không gian an toàn được lãnh đạo chấp thuận, nhân viên không chắc chắn về mức độ chấp nhận rủi ro và đổi mới mà tổ chức cho phép.

- Các tổ chức cần hình dung AI tạo sinh không phải là công nghệ độc lập mà trong bối cảnh lực lượng lao động của họ. AI tạo sinh có thể giúp tổ chức tái định hình vai trò công việc để thúc đẩy kết quả tốt hơn và tăng giá trị kinh doanh.

- Chỉ 42% lãnh đạo cho biết tổ chức của họ đang tích hợp công nghệ trên nhiều lĩnh vực hoặc toàn diện. Đây là cơ hội bị bỏ lỡ: tích hợp công nghệ có thể hỗ trợ truy cập và sử dụng liền mạch thông tin chi tiết dữ liệu để mở rộng quy mô ra quyết định một cách thông minh và nhanh chóng.

- 74% lãnh đạo cho biết họ đã xác định, quản lý hoặc tối ưu hóa phương pháp đánh giá tiềm năng nhân viên. Nhóm tiên phong có tỷ lệ cao hơn với 87% đang thúc đẩy nỗ lực trong lĩnh vực này.

- Các khả năng quan trọng của lực lượng lao động dự kiến sẽ tăng đến năm 2026 bao gồm: trí tuệ cảm xúc (tăng 18%), tư duy phản biện (tăng 15%), nhận thức về an ninh mạng (tăng 15%), tinh thần kinh doanh (tăng 13%) và kiến thức về AI (tăng 30%).

- 72% nhóm tiên phong khuyến khích mạnh mẽ việc chấp nhận rủi ro để khám phá ý tưởng mới. Tuy nhiên, chỉ 54% tổ chức tiên phong báo cáo mức độ đổi mới và chấp nhận rủi ro đáng kể đến lớn.

- Các tổ chức có môi trường đổi mới cởi mở và không sợ hãi cho thấy tăng trưởng doanh thu cao hơn 10% so với các đối thủ.

- Thị trường AI tạo sinh dự kiến sẽ tăng trưởng 46% mỗi năm, đạt quy mô thị trường 356 tỷ USD vào năm 2030. Tuy nhiên, con người sẽ luôn là một phần thiết yếu của mô hình hoạt động.

📌 AI tạo sinh đang thay đổi cách làm việc và phát triển tiềm năng nhân viên. Các tổ chức cần tích hợp AI vào quy trình làm việc hàng ngày, tập trung vào tiềm năng hơn là kỹ năng hiện tại, và xây dựng văn hóa học tập liên tục. 78% lãnh đạo dự kiến sẽ trao quyền cho nhân viên làm việc cùng AI và tự động hóa ở mức độ đáng kể vào năm 2026.

https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/human-potential-genai

• Khảo sát mới của Deloitte cho thấy 48,6% công ty Đức chưa nghiêm túc chuẩn bị cho việc thực thi Đạo luật AI của Liên minh châu Âu (EU AI Act), có hiệu lực từ tháng 8/2024.

• Chỉ 26,2% công ty đã bắt đầu chuẩn bị tích cực cho các yêu cầu quy định mới, cho thấy khoảng cách lớn về mức độ sẵn sàng giữa các doanh nghiệp Đức.

• Trong số 500 nhà quản lý tham gia khảo sát, 35,7% cảm thấy đã chuẩn bị tốt để đáp ứng yêu cầu của Đạo luật AI, 30% chỉ chuẩn bị một phần, 19,4% chuẩn bị kém và 14,9% chưa quyết định.

• Đạo luật AI của EU nhằm đảm bảo an toàn và tiêu chuẩn đạo đức cho AI, phân loại hệ thống AI theo mức độ rủi ro với các yêu cầu tuân thủ cụ thể.

• Hệ thống AI rủi ro cao như trong tuyển dụng phải đáp ứng tiêu chuẩn nghiêm ngặt, trong khi hệ thống có rủi ro không chấp nhận được bị cấm. Mức phạt có thể lên tới 7% doanh thu hàng năm toàn cầu đối với vi phạm nghiêm trọng.

• 52,3% công ty cho rằng Đạo luật AI sẽ hạn chế khả năng đổi mới AI, chỉ 18,5% kỳ vọng tác động tích cực và 24,2% trung lập.

• 47,4% xem Đạo luật AI là rào cản phát triển ứng dụng AI, chỉ 24,1% tin rằng quy định mới sẽ hỗ trợ phát triển và triển khai.

• Chỉ một phần nhỏ công ty đã có biện pháp cụ thể để tuân thủ: 7,5% thành lập nhóm chuyên trách, 9,1% giao nhiệm vụ cho bộ phận cụ thể, 17,6% khởi động dự án tập trung vào yêu cầu mới. 53,8% chưa thực hiện biện pháp nào.

• Quan điểm về tác động của Đạo luật AI đối với an ninh pháp lý và niềm tin vào AI còn chia rẽ: khoảng 35-39% kỳ vọng tích cực, 30-35% không đồng ý, còn lại chưa quyết định.

• Nghiên cứu toàn cầu của Deloitte cho thấy tuân thủ quy định, quản lý rủi ro và thiếu mô hình quản trị là rào cản lớn nhất cho áp dụng AI. Chỉ 23% công ty cảm thấy đủ chuẩn bị để quản lý các vấn đề này.

• Mở rộng quy mô dự án AI vẫn là thách thức, ngay cả khi công ty tăng đầu tư vào quản lý dữ liệu. Chứng minh lợi nhuận đầu tư rõ ràng cho dự án AI tạo sinh là mối quan tâm phổ biến.

📌 Gần 50% công ty Đức chưa sẵn sàng cho Đạo luật AI EU, với 52,3% lo ngại sẽ cản trở đổi mới. Chỉ 26,2% đã chuẩn bị tích cực, trong khi 53,8% chưa có biện pháp cụ thể. Tuân thủ quy định, quản lý rủi ro và thiếu mô hình quản trị là thách thức chính.

https://www.techmonitor.ai/ai-and-automation/nearly-half-of-german-companies-not-prepared-for-eu-ai-act-deloitte-survey-reveals/

• Aisera, một startup ở Thung lũng Silicon, đang mở rộng Microsoft Copilot với trí tuệ chuyên biệt cho từng lĩnh vực để thúc đẩy việc áp dụng AI trong doanh nghiệp.

• Nền tảng GenAI của Aisera được xây dựng trên Azure AI, Microsoft 365 và Azure cloud, cung cấp các giải pháp AI Copilot và AI Search có khả năng mở rộng và bảo mật.

• Aisera tích hợp với nhiều hồ dữ liệu, ứng dụng và dịch vụ doanh nghiệp khác nhau, bao gồm cả kết nối sẵn với các ứng dụng SaaS.

• Microsoft cung cấp cơ sở hạ tầng điện toán Azure và các mô hình nền tảng Azure OpenAI, mà Aisera đã tinh chỉnh để phù hợp với từng lĩnh vực cụ thể.

• Nền tảng Aisera bao gồm hàng trăm tích hợp, hàng nghìn quy trình làm việc AI và các mô hình ngôn ngữ lớn (LLM) chuyên biệt cho các chức năng doanh nghiệp như bán hàng, tài chính, nhân sự, CNTT và dịch vụ khách hàng.

• LLM chuyên biệt được thiết kế để khắc phục hạn chế của LLM chung trong các lĩnh vực chuyên môn. Chúng thường bắt đầu là các mô hình ngôn ngữ nhỏ và sau đó được mở rộng và tinh chỉnh.

• Aisera cung cấp các bộ từ vựng và thư viện ý định của con người được xây dựng sẵn, giúp tạo ra các cuộc hội thoại giống con người hơn và kết quả chính xác hơn.

• Công ty sử dụng khung TRAPS (Đáng tin cậy, Có trách nhiệm, Có thể kiểm toán, Riêng tư và An toàn) để đảm bảo các nền tảng và ứng dụng AI tạo sinh đáp ứng các tiêu chuẩn cao.

• Tìm kiếm AI trên toàn doanh nghiệp của Aisera tạo ra một đồ thị kiến thức động cho nội dung, lập bản đồ mối quan hệ giữa con người, nội dung và tương tác.

• Aisera cung cấp Universal Bot với giao diện thống nhất để giải quyết yêu cầu của người dùng trên tất cả các lĩnh vực.

• Công nghệ của Aisera là đa tác tử. Công cụ lập luận của nó có thể thực hiện chuyển đổi dựa trên ý định và thực hiện hành động trên hàng nghìn điểm cuối doanh nghiệp.

• Các sản phẩm của Aisera bao gồm AiseraGPT, AI Copilot, AI Search và Agent Assist, tất cả đều được xây dựng trên Nền tảng AI tạo sinh của họ.

📌 Aisera mở rộng Microsoft Copilot với AI chuyên biệt cho doanh nghiệp, cung cấp LLM chuyên ngành và giải pháp AI cho nhiều chức năng. Nền tảng của họ tích hợp với hàng trăm hệ thống, có hàng nghìn quy trình AI, và sử dụng khung TRAPS để đảm bảo tiêu chuẩn cao về bảo mật và hiệu quả.

https://thenewstack.io/domain-specific-ai-aiseras-answer-to-enterprise-needs/

• Red Hat chính thức ra mắt Red Hat Enterprise Linux (RHEL) AI, một giải pháp AI thực sự hữu ích cho quản trị viên và lập trình viên RHEL.

• RHEL AI cung cấp image RHEL được tối ưu hóa hoàn toàn, có thể khởi động để triển khai máy chủ trên các môi trường đám mây lai.

• Nền tảng này kết hợp mô hình ngôn ngữ lớn Granite của IBM Research, công cụ căn chỉnh InstructLab dựa trên phương pháp LAB và cách tiếp cận hợp tác để phát triển mô hình.

• Phương pháp LAB sử dụng tạo dữ liệu tổng hợp và tinh chỉnh nhiều giai đoạn để căn chỉnh mô hình AI/ML mà không cần nỗ lực thủ công tốn kém.

• RHEL AI được tích hợp trong OpenShift AI, nền tảng MLOps của Red Hat, cho phép triển khai mô hình quy mô lớn trong các cụm Kubernetes phân tán.

• Giải pháp này sử dụng Tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG) để truy cập kiến thức bên ngoài được phê duyệt, giúp cải thiện độ chính xác của câu trả lời.

• RHEL AI cho phép các chuyên gia lĩnh vực, không chỉ các nhà khoa học dữ liệu, đóng góp vào mô hình AI tạo sinh được xây dựng cho mục đích cụ thể trên đám mây lai.

• Nền tảng này được thiết kế để chạy ở bất kỳ nơi nào dữ liệu của bạn tồn tại - tại chỗ, ở biên hoặc trên đám mây công cộng.

• RHEL AI hiện có sẵn trên Amazon Web Services (AWS) và IBM Cloud dưới dạng đăng ký "tự mang" (BYO). Trong vài tháng tới, nó sẽ có sẵn dưới dạng dịch vụ trên AWS, Google Cloud Platform (GCP), IBM Cloud và Microsoft Azure.

• Dell Technologies đã công bố hợp tác để đưa RHEL AI lên máy chủ Dell PowerEdge, nhằm đơn giản hóa việc triển khai AI bằng cách cung cấp các giải pháp phần cứng được xác thực, bao gồm điện toán tăng tốc NVIDIA, được tối ưu hóa cho RHEL AI.

📌 RHEL AI của Red Hat mang đến giải pháp AI nguồn mở cấp doanh nghiệp, kết hợp mô hình Granite, công cụ InstructLab và phương pháp LAB. Nền tảng này hứa hẹn đơn giản hóa việc áp dụng AI trong doanh nghiệp, với khả năng triển khai linh hoạt trên nhiều môi trường đám mây và hỗ trợ từ các đối tác như Dell.

https://www.zdnet.com/article/red-hat-unleashes-enterprise-linux-ai-and-its-truly-useful/

• Theo báo cáo quý tháng 8/2024 của Deloitte, 67% tổ chức được khảo sát cho biết đang tăng đầu tư vào AI tạo sinh.

• Tuy nhiên, 7/10 tổ chức thừa nhận chỉ đưa được 30% hoặc ít hơn các thử nghiệm AI tạo sinh vào sản xuất thực tế.

• Jim Rowan, Giám đốc AI của Deloitte, cho rằng dữ liệu là thách thức lớn nhất khi triển khai AI tạo sinh. Các vấn đề về nguồn dữ liệu, cách sử dụng, quyền sử dụng thông tin bên thứ ba cần được xem xét kỹ lưỡng.

• Để triển khai thành công, cần có chiến lược rõ ràng và đội ngũ liên ngành bao gồm IT, pháp lý, quản lý rủi ro, tuân thủ và chủ sở hữu kinh doanh chính.

• Quá trình thử nghiệm gặp nhiều thách thức như quản lý các phiên bản mô hình ngôn ngữ lớn, lựa chọn mô hình phù hợp cho từng trường hợp sử dụng.

• IT cần xem xét không chỉ nguồn dữ liệu mà còn quyền sử dụng dữ liệu, sự phù hợp của mô hình và tương tác giữa nhiều mô hình trong một quy trình.

• Việc triển khai AI tạo sinh đòi hỏi sự tham gia của nhiều bộ phận như pháp lý, làm tăng độ phức tạp của quy trình.

• Tuy nhiên, điều này cũng làm nổi bật tầm quan trọng của quản lý dữ liệu trong tổ chức. Các Giám đốc dữ liệu nhận thấy sự quan tâm và đầu tư vào quản lý dữ liệu đang tăng lên.

• Việc sử dụng AI tạo sinh mà không có quy trình thận trọng có thể làm giảm giá trị công ty và đặt thông tin bảo mật cá nhân vào rủi ro.

• Rowan nhấn mạnh tầm quan trọng của việc xây dựng nền tảng quản lý dữ liệu vững chắc để hỗ trợ triển khai AI tạo sinh hiệu quả.

📌 Báo cáo Deloitte cho thấy 67% tổ chức tăng đầu tư AI tạo sinh, nhưng 70% chỉ triển khai được 30% thử nghiệm. Thách thức chính là quản lý dữ liệu và quy trình phức tạp. Cần chiến lược rõ ràng, đội ngũ liên ngành và nền tảng quản lý dữ liệu vững chắc để triển khai thành công.

https://www.itbrew.com/stories/2024/09/05/deloitte-sees-big-investments-slow-rollouts-in-generative-ai

• Ada là nền tảng tự động hóa dịch vụ khách hàng AI từ cốt lõi, được thành lập năm 2016, hiện có giá trị 1,2 tỷ USD với tổng vốn đầu tư 200 triệu USD. Khách hàng bao gồm Verizon, YETI, Canva và Square.

• Ban đầu Ada sử dụng mô hình xử lý ngôn ngữ tự nhiên (NLP) tự phát triển. Năm 2022, họ quyết định xây dựng lại sản phẩm sử dụng khả năng suy luận của các mô hình ngôn ngữ lớn (LLM).

• Ada phát triển một chỉ số mới cho dịch vụ khách hàng: tỷ lệ giải quyết. Thay vì chỉ tập trung vào tỷ lệ ngăn chặn (số lượng yêu cầu được xử lý hoàn toàn bởi chatbot), Ada đánh giá chất lượng giải quyết vấn đề của khách hàng.

• Sử dụng GPT-4 kết hợp với dữ liệu lịch sử, Ada xây dựng khung đánh giá mới có thể đánh giá các cuộc hội thoại dựa trên mức độ giải quyết tốt. Hệ thống của Ada đạt được sự đồng thuận 80-90% với đánh giá của con người.

• Ada sử dụng API của OpenAI để đánh giá và xây dựng thế hệ mới của AI Agent. Họ chọn OpenAI vì chất lượng suy luận, độ trễ thấp và khả năng tinh chỉnh mô hình.

• AI Agent của Ada sử dụng cấu hình đa agent, với một agent lập kế hoạch trung tâm và một tập hợp các agent phụ, tất cả đều được cung cấp bởi API của OpenAI.

• Phiên bản trước của sản phẩm Ada có tỷ lệ ngăn chặn 70% nhưng tỷ lệ giải quyết chỉ 30%. Với hệ thống mới, tỷ lệ ngăn chặn tương tự nhưng tỷ lệ giải quyết tăng lên 60%, với một số khách hàng đạt trên 80%.

• Ada tự tin có thể đạt được tỷ lệ giải quyết 100% trong tương lai. Họ đặt mục tiêu trong 12 tháng tới là tăng đáng kể tính minh bạch của sản phẩm và các công cụ kiểm soát cho khách hàng.

• Thị trường đã thay đổi, các doanh nghiệp ngày càng thông minh hơn trong việc áp dụng chiến lược AI vào hoạt động của họ.

📌 Ada sử dụng GPT-4 để tăng tỷ lệ giải quyết vấn đề khách hàng từ 30% lên 60-80%. Họ hướng tới mục tiêu 100% giải quyết tự động, đặt ra tiêu chuẩn mới cho ngành dịch vụ khách hàng và dẫn đầu xu hướng chuyển đổi 100 tỷ USD trong chi tiêu.

https://openai.com/index/ada/

• Câu hỏi đặt ra cho các nhà lãnh đạo doanh nghiệp không còn là có nên áp dụng AI tạo sinh hay không, mà là làm thế nào để cấu trúc việc triển khai nó để tạo ra tác động tối đa và rủi ro tối thiểu.

• Tập trung hóa có thể mang lại quản trị toàn doanh nghiệp, tiết kiệm chi phí và quản lý dữ liệu thống nhất, trong khi phân tán hóa có thể thúc đẩy đổi mới nhanh hơn và phù hợp hơn với nhu cầu kinh doanh.

• Các tác giả đề xuất một cách tiếp cận tinh tế: mô hình kết hợp tận dụng điểm mạnh của cả hai chiến lược - tập trung hóa nền tảng trong khi phân tán hóa đổi mới.

• Thay vì tập trung vào các lớp kỹ thuật của AI tạo sinh, cần xác định các lĩnh vực có tác động cao nơi nó có thể tạo ra giá trị và lợi thế cạnh tranh như dịch vụ khách hàng, marketing, phát triển sản phẩm, dược phẩm, dịch vụ tài chính, phát triển phần mềm, chuỗi cung ứng và nhân sự.

• Tập trung hóa lớp nền tảng giúp quản lý hiệu quả các quy trình phức tạp, đòi hỏi nhiều tài nguyên của việc đào tạo, tinh chỉnh và phát triển các mô hình AI độc quyền đồng thời đạt được lợi thế kinh tế nhờ quy mô.

• Phân tán hóa đổi mới AI trên các lĩnh vực kinh doanh cho phép đáp ứng sự đa dạng của các trường hợp sử dụng AI trên các lĩnh vực kinh doanh - từ tóm tắt văn bản pháp lý đến phân tích dữ liệu tài chính, thiết kế trong R&D và tạo nội dung marketing.

• Các chiến lược chính để duy trì quản trị hiệu quả trong mô hình phân tán bao gồm: nền tảng và công cụ tập trung, mô hình trách nhiệm chung, hội đồng quản trị, giám sát và kiểm toán tập trung, chia sẻ kiến thức và hợp tác.

• Các nhóm lĩnh vực vẫn được hưởng lợi từ sự hỗ trợ khoa học dữ liệu tập trung cung cấp hướng dẫn, đào tạo, công cụ và quản trị. Điều này đảm bảo quyền truy cập vào các phương pháp và công nghệ mới nhất đồng thời duy trì các biện pháp kiểm soát và tiêu chuẩn.

📌 Mô hình kết hợp giữa tập trung hóa nền tảng và phân tán hóa đổi mới là chiến lược tối ưu để triển khai AI tạo sinh trong doanh nghiệp. Cách tiếp cận này cân bằng giữa quản trị mạnh mẽ và triển khai linh hoạt, giúp tối đa hóa tác động của AI tạo sinh.

https://aws.amazon.com/blogs/enterprise-strategy/centralizing-or-decentralizing-generative-ai-the-answer-both/

• Amazon Q, sản phẩm AI quan trọng của Amazon, ra mắt công khai vào cuối tháng 4/2024 nhưng đang gặp nhiều vấn đề trong giai đoạn đầu.

• Nhân viên AWS chia sẻ những lo ngại về Amazon Q trong một kênh Slack nội bộ vào tháng 8/2024.

• Các vấn đề chính của Amazon Q bao gồm: thiếu một số tính năng phổ biến so với sản phẩm cạnh tranh, chi phí đôi khi cao đối với người dùng cuối, khó tích hợp với phần mềm khác.

• Lo ngại lớn nhất là Amazon Q có thể đang mất khách hàng cho Microsoft Copilot.

• Một nhân viên AWS nhận xét Amazon Q hiện chỉ phù hợp cho demo và các trường hợp sử dụng đơn giản, được kiểm soát chặt chẽ.

• Amazon Q không thể xử lý hình ảnh nhúng trong file PDF, khiến câu trả lời "không ngang bằng" với Microsoft Copilot.

• Amazon Q thiếu khả năng xử lý đa phương thức (văn bản và hình ảnh), làm giảm sức hấp dẫn so với đối thủ.

• Chi phí tích hợp dữ liệu của Amazon Q khá cao. Ví dụ, ước tính chi phí ban đầu cho một khách hàng là khoảng 400 USD/người dùng/hộp thư để tích hợp với Microsoft Exchange.

• Một số nhân viên Amazon đã cảnh báo trước khi ra mắt rằng sản phẩm có vẻ "vội vã", ít được kiểm tra và phụ thuộc nhiều vào người đánh giá.

• Dữ liệu nội bộ cho thấy doanh số Amazon Q thấp hơn mục tiêu đề ra. Một bộ phận bán hàng của AWS với hơn 3.000 người đã không đạt mục tiêu bán hàng cho Q vào tháng 7/2024.

• CEO AWS Matt Garman yêu cầu khoảng 6.500 nhân viên bán hàng tham gia khóa đào tạo bắt buộc nửa ngày về Amazon Q.

• CEO Amazon Andy Jassy cho biết việc sử dụng nội bộ Q đã giúp công ty tiết kiệm được 4.500 năm công việc của nhà phát triển và ước tính 260 triệu USD hiệu quả hàng năm.

📌 Amazon Q, sản phẩm AI mới của Amazon, đang gặp nhiều thách thức về tính năng và chi phí sau 4 tháng ra mắt. Nhân viên AWS lo ngại mất khách hàng cho Microsoft Copilot. Dù vậy, lãnh đạo Amazon vẫn kỳ vọng cao, với ước tính tiết kiệm nội bộ 260 triệu USD/năm nhờ sử dụng Q.

https://www.businessinsider.com/amazon-q-ai-early-challenges-aws-chatbot-2024-9

• OpenAI đạt mốc 1 triệu người dùng doanh nghiệp trả phí cho các sản phẩm ChatGPT Enterprise, Team và Edu.

• Con số này tăng đáng kể từ mức 600.000 người dùng được công bố vào tháng 4/2024.

• ChatGPT Enterprise ra mắt ngày 28/8/2023, tiếp theo là ChatGPT Team vào tháng 1/2024 và ChatGPT Edu vào tháng 5/2024.

• Các sản phẩm này cung cấp quyền truy cập vào mô hình mới nhất (hiện là GPT 4o), cửa sổ ngữ cảnh dài hơn, phân tích dữ liệu và tùy chỉnh.

• Hơn 50% người dùng đến từ bên ngoài Mỹ, với Đức, Nhật Bản và Anh là 3 thị trường hàng đầu.

• Các tổ chức lớn sử dụng sản phẩm bao gồm Đại học Arizona State, Moderna, Rakuten và Morgan Stanley.

• Sử dụng API đã tăng gấp đôi kể từ khi ra mắt GPT 4o mini vào tháng 7/2024.

• Khảo sát 4.700 người dùng doanh nghiệp cho thấy:
  - 92% báo cáo tăng năng suất
  - 88% tiết kiệm được thời gian
  - 75% cải thiện sáng tạo và đổi mới

• Các trường hợp sử dụng hàng đầu: thu thập nghiên cứu, soạn thảo và chỉnh sửa nội dung, phát triển ý tưởng.

• Khảo sát của Google Cloud cũng cho thấy 74% công ty sử dụng ít nhất một ứng dụng AI tạo sinh đã thấy lợi nhuận đầu tư trong vòng 1 năm.

• OpenAI công bố những con số này một ngày sau khi đối thủ Anthropic ra mắt Claude Enterprise với cửa sổ ngữ cảnh 500.000 token.

• ChatGPT miễn phí đạt 200 triệu người dùng tính đến tháng 8/2024.

📌 OpenAI đạt 1 triệu người dùng doanh nghiệp trả phí trong vòng 1 năm, với hơn 50% đến từ ngoài Mỹ. Khảo sát cho thấy 92% báo cáo tăng năng suất, 88% tiết kiệm thời gian và 75% cải thiện sáng tạo khi sử dụng các sản phẩm ChatGPT doanh nghiệp.

https://venturebeat.com/ai/openai-says-it-reached-1-million-business-users/

• AWS TechFest: AI for Every Business diễn ra tại Hong Kong vào ngày 3/9/2024, thu hút hơn 1.000 người tham dự, đào tạo hơn 300 người và có 20 đối tác tham gia.

• Sự kiện kéo dài cả ngày, tập trung vào việc giúp các công ty cắt giảm công việc thủ công không cần thiết và tập trung vào tăng trưởng thông qua việc áp dụng AI.

• Theo khảo sát của McKinsey, 65% tổ chức đã tích hợp GenAI vào hoạt động thường xuyên, tăng gần gấp đôi so với khảo sát trước đó vào năm 2023.

• Sự kiện có 3 track khác nhau: track xây dựng giải pháp dành cho việc đào tạo trước mô hình ngôn ngữ lớn (LLM), track dành cho startup và ISV kết nối với nhà đầu tư, và track dành riêng cho marketer, developer, PR và HR.

• Người tham dự được trải nghiệm demo các ứng dụng như Amazon SageMaker, Agentic LLM và nhận tips cho các kỳ thi chứng chỉ AWS.

• etnet, một trang tin tài chính hàng đầu tại Hong Kong, đã đạt được mục tiêu chuyển đổi số đáng kể trong nghiên cứu và sản xuất tin tức nhờ triển khai Amazon Bedrock.

• Andrew Lai, Giám đốc sản phẩm của etnet cho biết năng suất đã tăng gần 70% nhờ khả năng trích xuất và tóm tắt thông tin dựa trên AI của Amazon Bedrock.

• Datax Limited, nhà cung cấp hơn 30 giải pháp tự động hóa, đã cắt giảm 10-20% chi phí cơ sở hạ tầng CNTT tổng thể nhờ hợp tác với AWS.

• Aric Fung, Đồng sáng lập Datax AI Solutions, đánh giá cao hệ sinh thái toàn diện của AWS cung cấp cơ sở hạ tầng an toàn, có khả năng mở rộng và đáng tin cậy.

• Butler Asia, nhà cung cấp giải pháp bất động sản sử dụng AI, coi AWS là yếu tố quan trọng cho sự phát triển của công ty, đặc biệt là trong việc mở rộng cơ sở hạ tầng và chuyển đổi số.

• Jonathan Lam, Đồng sáng lập Butler Asia, đánh giá cao tầm với toàn cầu, dịch vụ AI và học máy mở rộng, cũng như tính năng bảo mật hàng đầu của AWS.

📌 AWS TechFest 2024 tại Hong Kong thu hút hơn 1.000 người tham dự, đào tạo 300+ người về AI cho doanh nghiệp. Sự kiện giới thiệu các giải pháp GenAI tiên tiến như Amazon Bedrock, SageMaker, giúp doanh nghiệp tăng năng suất lên tới 70% và cắt giảm 10-20% chi phí CNTT.

https://www.scmp.com/presented/tech/article/3277168/deep-diving-ai-every-business-aws-techfest-2024

• Anthropic vừa công bố gói Claude Enterprise nhằm hỗ trợ các doanh nghiệp lớn tận dụng AI tạo sinh ở quy mô lớn.

• Tính năng nổi bật là cửa sổ ngữ cảnh 500.000 token, gấp đôi so với phiên bản tiêu dùng. Điều này cho phép AI xử lý lượng thông tin khổng lồ tương đương hàng trăm bản ghi âm bán hàng, hàng chục tài liệu trên 100 trang hoặc 200.000 dòng mã.

• Gói Enterprise tích hợp tính năng artifacts mới, hiển thị kết quả được định dạng đầy đủ theo thời gian thực bên cạnh cuộc hội thoại, giúp trực quan hóa nội dung như trang web, mã máy tính, sơ đồ...

• Tích hợp trực tiếp với GitHub, cho phép Claude truy cập và xem mã nguồn, dự án trên nền tảng này để hỗ trợ lập trình hiệu quả hơn.

• Nhiều tính năng bảo mật và quản trị như đăng nhập một lần (SSO), kiểm soát truy cập theo vai trò, nhật ký kiểm tra hoạt động hệ thống.

• Hệ thống quản lý danh tính liên miền (SCIM) tự động hóa quyền truy cập dữ liệu cho từng người dùng.

• Claude Enterprise có thể ứng dụng trong nhiều bộ phận của doanh nghiệp:
- Marketing: Phân tích dữ liệu thị trường, hành vi người tiêu dùng để tìm xu hướng mới
- Kỹ thuật: Chuyển đổi yêu cầu dự án thành thông số kỹ thuật
- Bán hàng: Phân tích cuộc gọi bán hàng để tìm mẫu thành công
- Quản lý sản phẩm: Xử lý phản hồi người dùng để định hướng phát triển
- Nhân sự: Tạo mô tả công việc, kế hoạch phát triển nhân viên
- Pháp lý: Tóm tắt tài liệu pháp lý phức tạp, nhận diện điều khoản và rủi ro quan trọng

• Các khách hàng thử nghiệm sớm đã sử dụng Claude Enterprise cho nhiều tác vụ từ brainstorming, tối ưu quy trình nội bộ đến tạo nội dung và viết mã.

• Để tìm hiểu thêm hoặc liên hệ với bộ phận bán hàng, người dùng có thể truy cập trang web Claude for Enterprise.

📌 Anthropic ra mắt Claude Enterprise với cửa sổ ngữ cảnh 500.000 token, tích hợp GitHub và nhiều tính năng bảo mật. Gói này nhắm đến doanh nghiệp lớn, hỗ trợ đa dạng bộ phận từ marketing đến pháp lý, giúp tối ưu hóa quy trình làm việc bằng AI tạo sinh.

https://www.zdnet.com/article/anthropics-new-claude-enterprise-plan-brings-ai-to-businesses/

• Theo khảo sát của Deloitte, 70% doanh nghiệp chỉ đưa được 30% hoặc ít hơn các thử nghiệm AI tạo sinh vào sản xuất thực tế.

• Khảo sát được thực hiện từ tháng 5 đến tháng 6/2024, với 2.770 người tham gia từ cấp giám đốc trở lên thuộc 6 ngành công nghiệp và 14 quốc gia.

• Mặc dù 2/3 tổ chức tăng đầu tư vào AI tạo sinh do thấy giá trị ban đầu, việc mở rộng quy mô vẫn gặp nhiều khó khăn.

• Dưới 50% doanh nghiệp cảm thấy chuẩn bị tốt cho các yêu cầu cơ bản nhất:
- 45% cho cơ sở hạ tầng công nghệ
- 41% cho quản lý dữ liệu
- 37% cho chiến lược
- Chỉ khoảng 20% cho quản trị rủi ro và nhân tài

• 55% tổ chức phải tránh một số ứng dụng AI tạo sinh do vấn đề về dữ liệu.

• Các thách thức chính bao gồm:
- Thiếu danh mục dữ liệu chính thức
- Thiếu siêu dữ liệu và gắn nhãn dữ liệu trong toàn doanh nghiệp
- Rủi ro mới từ công cụ AI như thiên vị, ảo giác, vấn đề quyền riêng tư
- Không chắc chắn về môi trường pháp lý trong tương lai

• Các chiến lược đối phó:
- Tắt quyền truy cập vào một số công cụ AI tạo sinh
- Đưa ra hướng dẫn ngăn nhân viên nhập dữ liệu tổ chức vào LLM công khai
- Xây dựng môi trường khép kín trên đám mây riêng để ngăn rò rỉ dữ liệu

• Mặc dù khảo sát của Bloomberg cho thấy tỷ lệ triển khai AI tạo sinh tăng gấp đôi lên 66%, báo cáo của Gartner dự đoán 1/3 dự án AI tạo sinh sẽ bị bỏ dở trước khi đi vào sản xuất.

📌 Khảo sát của Deloitte với 2.770 lãnh đạo cho thấy 70% doanh nghiệp chỉ đưa được 30% thử nghiệm AI tạo sinh vào sản xuất. Các thách thức chính là quản lý dữ liệu, chiến lược và quản trị rủi ro. Dù đầu tư tăng, việc mở rộng quy mô vẫn gặp nhiều trở ngại.

https://www.zdnet.com/article/there-are-many-reasons-why-companies-struggle-to-exploit-gen-ai-says-deloitte-survey/

https://www2.deloitte.com/content/dam/Deloitte/us/Documents/consulting/us-state-of-gen-ai-q3.pdf

• Eugene Cheah, chủ tịch Recursal.ai, đã phát triển mô hình AI mới có tên receptance weighted key value (RWKV) nhằm giúp AI trở nên dễ tiếp cận hơn ở Đông Nam Á.

• RWKV kết hợp công nghệ mạng nơ-ron hồi quy (RNN) với các yếu tố của mô hình transformer được huấn luyện trước (GPT) để tạo ra một mô hình AI có thể chạy dễ dàng trên các thiết bị cấu hình thấp.

• Mô hình này có thể chạy AI với 7 tỷ tham số chỉ trên 12GB RAM - tương đương GPU dùng để chơi game. Điều này giúp giảm chi phí chip AI xuống còn vài trăm đô la thay vì hàng nghìn đô la.

• RWKV giảm chi phí tính toán xuống 100 lần so với các mô hình GPT thông thường. Điều này giúp các startup không cần phải sử dụng điện toán đám mây đắt đỏ.

• Hiện tại, chi phí phát triển AI đang tăng cao do giá GPU và phần cứng liên quan tăng mạnh. Ví dụ: một máy chủ với 8 card Nvidia H100 SXM có giá 296.644 USD.

• Các mô hình AI lớn như ChatGPT4 với 1,8 nghìn tỷ tham số cần 3 tháng huấn luyện trên 8.000 GPU H100, tổng chi phí lên tới 32,7 triệu USD.

• Nhiều startup buộc phải sử dụng điện toán đám mây để phát triển AI, nhưng các máy chủ đám mây ở Đông Nam Á còn hạn chế và đắt đỏ.

• Cheah cho rằng hầu hết các doanh nghiệp không cần mô hình với hàng nghìn tỷ tham số. Mô hình 7 tỷ tham số đã đủ cho nhiều ứng dụng doanh nghiệp.

• RWKV đã được sử dụng thành công trong một số trường hợp như điện thoại an toàn cho trẻ em, hỗ trợ bác sĩ viết báo cáo xuất viện, hay hỗ trợ công việc pháp lý.

• Mặc dù có ưu điểm về chi phí, mô hình RWKV được tinh chỉnh cho một lĩnh vực cụ thể sẽ kém linh hoạt hơn so với các mô hình đa năng như ChatGPT.

📌 Mô hình RWKV giúp giảm chi phí phát triển AI xuống 100 lần, cho phép chạy mô hình 7 tỷ tham số trên GPU thông thường. Điều này mở ra cơ hội tiếp cận AI cho các startup và doanh nghiệp vừa và nhỏ ở Đông Nam Á, thay vì chỉ giới hạn trong nhóm các công ty công nghệ lớn.

https://www.techinasia.com/cant-afford-300k-ai-chips-new-model-sea-cuts-high-costs

#TechinAsia

Can’t afford $300k for AI chips? New model for SEA cuts high costs
There is a saying that goes, “During a gold rush, sell shovels.”

No one has learned that better than the semiconductor industry. The price of graphical processing units (GPUs) – the shovels of the AI age – has skyrocketed since the release of OpenAI’s ChatGPT in November 2022.

While the AI industry’s Magnificent Seven – which includes Google, Microsoft, and Meta – can afford to spend billions, many startups can no longer afford to dig.
Eugene Cheah says he doesn’t want to see that happen.

“I want to make sure that AI is accessible for everyone else in the rest of Southeast Asia,” he tells Tech in Asia. Cheah is the chairman of Recursal.ai, an open-source AI platform that has developed a new model called receptance weighted key value (RWKV).
He was previously the co-founder and chief technology officer of Uilicious, a low-code test automation tool.

RWKV combines recurrent neural network (RNN) technology with elements of generative pre-trained transformer (GPT) – a type of large language model (LLM) like ChatGPT – to provide an AI model that runs easily on low-end devices.

While most people associate AI with the likes of ChatGPT for individuals, enterprise AI is software integrated and built to support the functions of businesses. It can be used for data collection, analysis, and automation of tasks, among others.
In short, RWKV is an AI model that can run enterprise-level software without the costs associated with high-end computer chips. It can even run an AI model with 7 billion parameters on 12 GB of RAM – the same GPUs used for playing video games, Cheah says.

That reduces the cost that firms spend on AI chips to hundreds of dollars instead of thousands.

These more efficient AI models mean that startups no longer need to run to the cloud, Cheah says.

For businesses using GPT technology to develop AI, costs have soared due to high computation expenses and the escalating prices of AI chips and related hardware. As a result, AI development is becoming affordable only to deep-pocketed players.

So can the RWKV model compete with the LLMs from the AI industry’s Magnificent Seven?
Lower costs = AI accessibility
“The RWKV project’s primary goal is to make AI accessible to everyone, regardless of language or nation,” Cheah says.

It does this by reducing computational cost by a scale of 100x, he adds.

RWKV is owned by Recursal and the not-for-profit Linux Foundation. While Recursal, which is backed by Hack VC and Soma Capital, has not released how much it has raised to date, it plans to raise no more than US$250 million.

RNN technology, which the RWKV model uses, has largely been abandoned by the AI industry in place of GPT technology. RNN was designed to train one word (or token) at a time. And unlike other LLM models, it does not link the token to every other token in the system.
While this cuts down on the amount of processing needed, Cheah says it also leads to a design bottleneck where “even if you throw in high-end GPUs, you are still training one token at a time or one word at a time.” As such, it’s not possible to scale up training speed.

“That’s why previously we never had an RNN that has over a billion parameters,” he says. In AI, parameter refers to the internal variables that models use to make predictions or decisions.

By combining RNN technology with elements of GPT, RWKV has built several models that can provide industry-specific use cases.
We have a client that uses a 7B model to provide a safe phone for kids… These are very low-hanging fruits for AI models, and 7B is more than sufficient.
“We have already successfully scaled our RWKV architecture to 7 billion parameters (7B) and 14 billion parameter (14B). Now the question is, can we scale it even further? And that’s really a question more of funding and experimentation,” Cheah explains.
In the open-source space, the high-end standard is currently at 70 billion and 405 billion parameters.

But that’s nothing compared to what Magnificent Seven are building, which are using 1 trillion parameters models. This is possible due to technology introduced in a 2017 paper called “Attention Is All You Need.”

Transformer-based AI models use attention mechanisms, which can determine the relative importance of words or even just parts of words and how they relate to each other. It is incredibly data intensive, and training a 1-billion parameter model requires 80 GB of GPU memory, which is prohibitively expensive in the current AI boom.
Nvidia’s H100 SXM, which uses the top AI chip on the market – the H100 – has 80 GB of memory and sells for US$32,700. (Tech in Asia found one currently marked down to US$29,600. You’re welcome.)

A preloaded server with 8 SXM cards sells for US$296,644.

Using one of those often isn’t enough, either. Case in point: OpenAI’s ChatGPT4, which has 1.8 trillion parameters. It requires three months of training using 8,000 H100 GPUs, Nvidia CEO Jensen Huang said at a recent conference. That would cost US$32.7 million in total at current prices.
These of course are just the hardware prices. Electricity is extra. For instance, using 2,000 Nvidia cards could cost Texas-based firms over US$2 million a year, according to a report from US-based Liftr Insights.

To give an example of just how many of these chips are being used by the Magnificent Seven, Meta founder and CEO Mark Zuckerberg said the social media giant will have 350,000 H100 cards by the end of 2024.

Meta’s latest AI model, Llama 3, is designed to work across all its social media platforms and runs with both 7B and 70B parameters.
Running to the cloud
This level of pricing has forced many startups to use cloud computing to train and develop their AI applications, but that often presents its own issues. Startups tell Tech in Asia that cloud servers in Southeast Asia are limited and expensive, although prices have come down thanks to new data centers in Malaysia and Singapore.

Google has pledged US$2.2 billion to build data centers in Malaysia for the express purpose of using them for AI development.
Revenue from public cloud computing in Southeast Asia is expected to reach US$16.4 billion in 2024, according to Statista. It is expected to grow annually by 20%, meaning the market could reach US$40.8 billion by 2029.

Financing new data centers isn’t cheap. With high-end chips still in demand, owners will be charging a premium to recoup their costs.

More power than you need

Cheah believes, however, that most companies don’t need 1T parameters.

“We have a client that uses a 7B model to provide a safe phone for kids,” he says. Every message the phone receives is scanned for sexual content and expletives. “These are very low-hanging fruits for AI models, and 7B is more than sufficient.”

Most of the business enterprise models – including medical, banking, finance, and legal – do not require high-end computation. They just have a single area that can be focused on.
Cheah cites the process of discharging patients at a hospital as an example. The manual process requires a doctor to write a review of the case, a process that can take 30 minutes. In comparison, a 7B AI can write a review in three minutes.

“Multiply that by the amount of patients in the network and by the amount of doctors in the network, and then it starts adding up to tens of millions of dollars,” he estimates. “These are what sometimes I call ‘boring but big impact’ use cases.”
For instance, a fine-tuned RWKV model used in a law office actually performed better than the ChatGPT model – at least when it came to legal benchmarks, according to Cheah. But that fine-tuning has a price.

“The downside is if you ask the law model how to cook – or anything else – it will just utter garbage,” he says.

• Niềm tin vào khả năng tạo ra giá trị thực tế của AI đang suy giảm, đe dọa đưa chúng ta vào "mùa đông AI" lần thứ 4.

• Hiện tại, không có một ngành riêng biệt cho việc ứng dụng AI vào thực tế. Các tổ chức thường thuê các nhà khoa học dữ liệu để tạo ra giải pháp thực tế, dẫn đến 87% dự án AI thất bại.

• "Engineered intelligence" (kỹ thuật trí tuệ) là một ngành mới nổi tập trung vào ứng dụng thực tế của nghiên cứu AI, dựa trên nền tảng kỹ thuật.

• Ngành này tạo điều kiện cho các chuyên gia, nhà khoa học và kỹ sư tạo ra các giải pháp trí tuệ mà không cần trở thành nhà khoa học dữ liệu.

• Các tổ chức công nghiệp hàng đầu đang bắt đầu thiết lập lại quy trình từ nghiên cứu đến kỹ thuật, hình thành quan hệ đối tác mới với học viện và nhà cung cấp công nghệ.

• Kết quả là tạo ra các ứng dụng đột phá trong các trường hợp sử dụng cụ thể, tạo ra giá trị và đưa vào sản xuất.

• 5 bước để giới thiệu kỹ thuật trí tuệ vào tổ chức:
1. Tạo bản đồ nhiệt (heatmap) về chuyên môn trong các quy trình hiện có
2. Đánh giá chuyên môn nào có giá trị nhất và mức độ khan hiếm
3. Chọn 5 lĩnh vực chuyên môn có giá trị và khan hiếm nhất
4. Phân tích ROI, tính khả thi, chi phí và thời gian để tạo ra giải pháp thông minh
5. Chọn một số trường hợp giá trị và đầu tư thực hiện

• Cách tiếp cận này khác với cách truyền thống tập trung vào danh sách vấn đề hoặc dữ liệu sẵn có.

• Khi kỹ thuật trí tuệ được áp dụng, nó có thể mở rộng ra ngoài chuyên môn hiện có để tạo ra các cơ hội mới.

• Việc xây dựng các chương trình kỹ thuật trí tuệ sẽ mang lại lợi ích kinh tế và xã hội, tạo ra một lớp việc làm mới và làn sóng tạo giá trị mới.

📌 Engineered Intelligence đang nổi lên như một giải pháp để tăng tỷ lệ thành công của các dự án AI từ 13% lên cao hơn. Bằng cách tập trung vào chuyên môn và ứng dụng thực tế, phương pháp này hứa hẹn tạo ra giá trị đột phá và mở ra cơ hội việc làm mới trong lĩnh vực AI.

https://venturebeat.com/ai/introducing-ais-long-lost-twin-engineered-intelligence/

• AI cảm xúc (Emotion AI) đang nổi lên như một xu hướng mới trong phần mềm doanh nghiệp, nhằm giúp các chatbot và trợ lý ảo hiểu rõ hơn cảm xúc con người.

• Lý do đằng sau xu hướng này là sự gia tăng sử dụng AI trong các tương tác với khách hàng và nhân viên. Các doanh nghiệp muốn AI có thể phân biệt được sắc thái cảm xúc trong giao tiếp.

• AI cảm xúc được xem là phiên bản tiên tiến hơn của phân tích cảm xúc truyền thống. Nó sử dụng nhiều phương thức đầu vào như hình ảnh, âm thanh kết hợp với machine learning và tâm lý học.

• Các nhà cung cấp đám mây lớn như Microsoft Azure và Amazon Web Services đã cung cấp API và dịch vụ liên quan đến AI cảm xúc.

• Theo báo cáo của PitchBook, sự phổ biến của chatbot trong lực lượng lao động đang tạo ra tiềm năng lớn cho AI cảm xúc trong thế giới kinh doanh.

• Nhiều startup đang được thành lập để phát triển công nghệ này, như Uniphore (huy động được 610 triệu USD), MorphCast, Voicesense, Superceed, Siena AI, audEERING và Opsis.

• Tuy nhiên, AI cảm xúc cũng gặp phải nhiều thách thức và tranh cãi:

- Nghiên cứu năm 2019 kết luận rằng cảm xúc con người không thể được xác định chính xác chỉ qua biểu hiện khuôn mặt.

- Quy định như Đạo luật AI của EU cấm sử dụng hệ thống nhận diện cảm xúc bằng máy tính trong một số lĩnh vực như giáo dục.

- Một số luật tiểu bang Mỹ như BIPA của Illinois cấm thu thập dữ liệu sinh trắc học mà không có sự cho phép.

• Viễn cảnh tương lai văn phòng với sự hiện diện của AI vẫn còn nhiều bất định. Hoặc các chatbot AI sẽ cố gắng hiểu cảm xúc để thực hiện các công việc như chăm sóc khách hàng, bán hàng, nhân sự, hoặc chúng sẽ không đủ khả năng cho những nhiệm vụ đòi hỏi sự thấu hiểu cảm xúc.

📌 AI cảm xúc đang nổi lên như xu hướng mới trong phần mềm doanh nghiệp, với các startup huy động hàng trăm triệu USD. Tuy nhiên, công nghệ này vẫn gặp nhiều thách thức về mặt kỹ thuật và pháp lý, đặt ra câu hỏi về khả năng ứng dụng thực tế trong tương lai.

https://techcrunch.com/2024/09/01/emotion-ai-could-be-the-next-trend-for-business-software-and-that-could-be-problematic/

• Nghiên cứu của giáo sư MIT Daron Acemoglu cho thấy tổng lợi ích năng suất từ AI có thể chỉ đạt 0,53% trong 10 năm tới, thấp hơn nhiều so với ước tính 25 nghìn tỷ USD của McKinsey.

• Chỉ khoảng 20% công việc có thể được tự động hóa. Nhiều ước tính tiết kiệm dựa trên việc ngoại suy từ những công việc này ra toàn bộ nền kinh tế.

• AI tạo sinh hiện chủ yếu tự động hóa các tác vụ đơn giản hoặc lặp đi lặp lại. Với các tác vụ phức tạp hơn đòi hỏi hiểu ngữ cảnh, khả năng áp dụng AI giảm nhanh chóng.

• AI tạo sinh có giá trị trong việc tăng tốc lập trình và soạn thảo văn bản, cũng như cải thiện dịch vụ khách hàng cấp 1. Tuy nhiên, giá trị này không đạt mức 25 nghìn tỷ USD.

• Chi phí tính toán cho AI vẫn cao do Nvidia độc quyền công nghệ chip. Các trung tâm dữ liệu AI tiêu thụ nhiều điện năng, có thể tăng thêm 10% tải đỉnh của lưới điện Mỹ.

• Goldman Sachs ước tính cần thêm 47GW công suất để hỗ trợ tăng trưởng trung tâm dữ liệu đến 2030. Đây là gánh nặng lớn cho lưới điện già cỗi.

• Thời gian chờ kết nối dự án điện vào lưới tăng gần 30% năm ngoái, dao động từ 40-70 tháng. Thiếu hụt máy biến áp và thiết bị điện quan trọng.

• Không có lộ trình rõ ràng để AI mang lại giá trị mới. Khác với máy tính cá nhân (với ứng dụng xử lý văn bản) hay internet (với thương mại điện tử), AI chưa có ứng dụng chủ đạo thúc đẩy áp dụng.

• Nếu chỉ tập trung vào tăng năng suất, lợi ích từ AI có thể trở thành chuẩn mực ngành và bị cạnh tranh triệt tiêu.

• Cần tìm ra các vấn đề lớn, khó khăn mà AI có thể giải quyết để tạo ra kết quả đột phá. 

• Doanh nghiệp nên tiếp tục thử nghiệm AI để học hỏi, nhưng cẩn trọng không đầu tư quá mức khi chưa có bằng chứng về tính khả thi và mong muốn của đổi mới.

📌 AI tạo sinh có thể chỉ mang lại lợi ích năng suất khiêm tốn 0,53% trong 10 năm tới, thấp hơn nhiều so với ước tính trước đây. Chi phí điện năng cao và thiếu ứng dụng chủ đạo là những thách thức lớn. Doanh nghiệp cần thận trọng khi đầu tư và tìm kiếm các vấn đề giá trị cao để AI giải quyết.

https://www.forbes.com/sites/andrewbinns/2024/09/01/genai-benefits-may-be-slower-and-lower-than-anticipated/

• Để trở thành doanh nghiệp tiên phong về dữ liệu và AI, các công ty cần cam kết với tầm nhìn và chiến lược AI tạo sinh, đồng thời chia nhỏ tầm nhìn đó thành các bước có thể quản lý được.

• Việc thiết lập quy trình phù hợp là cách các công ty kết nối nhân lực và nền tảng công nghệ của họ, từ đó thúc đẩy kết quả hướng tới mục tiêu kinh doanh.

• Quản trị dữ liệu tốt là nền tảng quan trọng cho AI tạo sinh. Các công ty cần theo dõi cách dữ liệu di chuyển trong tổ chức, ai đang sử dụng và cho mục đích gì.

• Cần thiết lập quy trình để theo dõi chuyển động dữ liệu và bảo vệ tài sản nhạy cảm mà không cản trở đổi mới. Kiểm soát truy cập rộng và chi tiết đều quan trọng.

• Các mô hình ngôn ngữ lớn (LLM) cần được giám sát liên tục để xác minh độ chính xác của câu trả lời. Việc kết nối đúng bộ dữ liệu với hệ thống đầu cuối phù hợp là rất khó khăn.

• Khi chọn các trường hợp sử dụng AI đầu tiên, các công ty nên thực tế. Những dự án ban đầu có thể không phải là những dự án tạo ra giá trị lớn nhất cho doanh nghiệp.

• Các dự án nhỏ hơn nhằm hỗ trợ nhân viên với các tác vụ tốn thời gian nhưng đơn điệu thường là cách tốt để chứng minh nhanh chóng khả năng của AI.

• Khi đối mặt với việc "tự phát triển hay mua sẵn" công cụ AI, doanh nghiệp cần tự hỏi liệu nó có tạo ra sự khác biệt cạnh tranh hay không.

• Khả năng tăng cường các mô hình thương mại cho phép các công ty kết hợp mong muốn có phần mềm tùy chỉnh với sự dễ dàng của việc mua công cụ có sẵn.

• Việc theo dõi hiệu suất của các hệ thống AI trong thế giới thực rất quan trọng để đảm bảo chúng luôn tạo ra kết quả chính xác và kịp thời.

• Doanh nghiệp nên tích cực theo dõi tác động đến lực lượng lao động thông qua các cuộc khảo sát nhân viên và theo dõi việc sử dụng các công cụ AI.

• Thành công trong việc trở thành nhà lãnh đạo về dữ liệu và AI phụ thuộc vào cách doanh nghiệp quản lý con người, quy trình và công nghệ của họ.

📌 Để thành công với AI tạo sinh, doanh nghiệp cần xây dựng quy trình phù hợp kết nối con người và công nghệ. Quản trị dữ liệu tốt, lựa chọn dự án AI đầu tiên thận trọng và theo dõi hiệu suất AI trong thực tế là những yếu tố then chốt. Chiến lược toàn diện về con người, quy trình và công nghệ sẽ giúp doanh nghiệp trở thành nhà lãnh đạo về dữ liệu và AI.

https://www.databricks.com/blog/winning-genai-building-right-processes-data-intelligence-future

• Google đã thay đổi cách thức điều hành cuộc họp nhân viên hàng tháng "TGIF" bằng cách sử dụng hệ thống dựa trên AI mới có tên là Ask.

• Trước đây, nhân viên có thể đặt câu hỏi và bình chọn thông qua công cụ nội bộ Dory. Lãnh đạo Google, bao gồm CEO Sundar Pichai, thường trả lời các câu hỏi được bình chọn nhiều nhất.

• Từ tháng 4/2024, Google đã thay thế Dory bằng Ask - hệ thống tổng hợp và tóm tắt nhiều câu hỏi. Nhân viên chỉ có thể bình chọn cho các bản tóm tắt do AI tạo ra.

• Một số nhân viên ẩn danh cho biết hệ thống mới chỉ đưa ra các câu hỏi nhẹ nhàng, làm mất đi tính sắc sảo của các câu hỏi gốc.

• Họ cho rằng ban lãnh đạo đang cố tránh các câu hỏi và ngữ cảnh gây tổn hại, đồng thời né tránh việc phải trả lời cụ thể.

• Một nhân viên nói rằng các cuộc họp TGIF trở nên kém thú vị hơn với những câu hỏi được diễn đạt lại. Một số cho rằng các cuộc họp ngày càng vô nghĩa.

• Người phát ngôn của Google khẳng định Ask không làm mềm hóa câu hỏi mà chỉ tóm tắt để tránh lặp lại và nâng cao hiệu quả. Các lãnh đạo vẫn phải đối mặt với những câu hỏi trực tiếp về các vấn đề khó khăn.

• Các cuộc họp TGIF từng là biểu tượng của sự minh bạch tại Google, nơi ban lãnh đạo và nhân viên thảo luận thẳng thắn về định hướng công ty.

• Tần suất họp TGIF đã giảm từ hàng tuần xuống hai tuần một lần, và cuối cùng là mỗi tháng một lần từ năm 2019.

• Theo Google, hệ thống Ask được tạo ra một phần vì nhân viên muốn giải quyết nhiều câu hỏi hơn trên nhiều chủ đề một cách hiệu quả hơn.

• Năm 2023, chưa đến 1% nhân viên Google đặt câu hỏi trong các cuộc họp TGIF. Kể từ khi Ask được giới thiệu, số lượng nhân viên đặt câu hỏi và bình chọn đã tăng gấp đôi.

• Tuy nhiên, một nhân viên cho rằng cách diễn đạt câu hỏi không quan trọng, vì "các lãnh đạo đã né tránh câu hỏi hoặc đưa ra câu trả lời mơ hồ tại TGIF trong nhiều năm nay".

📌 Google đã thay đổi cách điều hành cuộc họp TGIF bằng AI, gây tranh cãi về tính minh bạch. Số lượng nhân viên tham gia đặt câu hỏi tăng gấp đôi, từ dưới 1% lên 2%, nhưng nhiều người cho rằng chất lượng câu hỏi và câu trả lời đã giảm sút.

https://fortune.com/2024/08/28/google-ai-tool-softball-questions-tgif-meetings/

• AI tạo sinh là một công cụ thay đổi cuộc chơi trong kinh doanh, nhưng cần được tiếp cận với bối cảnh và thông tin thực tế để thực sự hữu ích trong doanh nghiệp. Các mô hình AI tạo sinh không được đào tạo sẵn cho ngành của bạn và không biết về hoạt động nội bộ của doanh nghiệp.

• Để khai thác tiềm năng đầy đủ của AI tạo sinh, các tổ chức cần đặt nền tảng phản hồi của mô hình trên "sự thật doanh nghiệp" - dữ liệu thời gian thực và hệ thống doanh nghiệp mới nhất. Cách tiếp cận này cho phép mô hình truy xuất ngữ cảnh cần thiết từ các hệ thống bên ngoài.

• Grounding đã trở thành trọng tâm trong nhiều cuộc trò chuyện với khách hàng và đối tác, đặc biệt khi ngày càng nhiều người chuyển từ thử nghiệm AI tạo sinh sang đưa AI vào sản xuất. 

• Retrieval augmented generation (RAG) là phương pháp phổ biến để cung cấp thông tin bổ sung cho mô hình. Ví dụ, RAG có thể kết nối mô hình với các chính sách kế hoạch, tóm tắt quyền lợi chi tiết và hợp đồng nhà cung cấp để tạo ra một trợ lý AI hỗ trợ nhân viên chọn gói phúc lợi phù hợp.

• Xây dựng hệ thống RAG tùy chỉnh có thể khó khăn. Nó đòi hỏi chuyển đổi dữ liệu thành vector, lưu trữ vector trong kho vector chuyên dụng và truy xuất dựa trên mức độ liên quan với truy vấn của người dùng.

• Thách thức phổ biến nhất liên quan đến chất lượng và quản lý dữ liệu. Thành công của RAG phụ thuộc nhiều vào việc dữ liệu được tổ chức và duy trì tốt như thế nào.

• Google Cloud đang tập trung vào việc làm cho RAG trở thành hiện thực cho mọi người. Vertex AI đi kèm với các khả năng grounding cho nhiều nhu cầu và yêu cầu khác nhau, bao gồm xây dựng quy trình RAG tùy chỉnh.

• Google Cloud gần đây đã công bố khả năng đặt nền tảng cho các mô hình AI tạo sinh trong Google Search và đang làm việc với các nhà cung cấp chuyên biệt để kết hợp thêm các bộ dữ liệu bên ngoài đáng tin cậy.

📌 Grounding là nền tảng then chốt để AI doanh nghiệp thành công, giúp tăng độ chính xác và tin cậy. Google Cloud đang phát triển các giải pháp như Vertex AI và tích hợp với Google Search để giúp doanh nghiệp dễ dàng áp dụng grounding, mở rộng khả năng ứng dụng AI tạo sinh.

https://cloud.google.com/transform/why-grounding-matters-in-enterprise-ai-enterprise-truth-the-prompt

• AI đang mang lại sự chuyển đổi toàn diện cho doanh nghiệp, từ tự động hóa quy trình đến nâng cao trải nghiệm khách hàng và thúc đẩy đổi mới. Theo khảo sát của EY với 254 lãnh đạo công nghệ, 90% đang sử dụng các mô hình AI như ChatGPT và 80% có kế hoạch đầu tư nhiều hơn vào AI trong những năm tới.

• Các công nghệ AI chính bao gồm: Học máy, Học sâu, Xử lý ngôn ngữ tự nhiên, Thị giác máy tính và Tự động hóa quy trình robot. Mỗi công nghệ có chức năng và ứng dụng riêng trong kinh doanh.

• 10 ứng dụng hàng đầu của AI trong kinh doanh:
1. Chatbot hỗ trợ khách hàng: Thị trường chatbot toàn cầu dự kiến đạt 1,25 tỷ USD vào năm 2025.
2. Phân tích cảm xúc: Giúp hiểu cảm nhận của khách hàng về sản phẩm/dịch vụ.
3. Dự báo bán hàng: Phân tích dữ liệu CRM để dự đoán hiệu suất.
4. Tối ưu hóa giá: Uber sử dụng AI để quyết định giá cước, lộ trình và tài xế gần nhất.
5. An ninh mạng thông minh: Phát hiện gian lận và bảo vệ dữ liệu.
6. Phân tích cạnh tranh mạnh mẽ: Theo dõi đối thủ và xu hướng thị trường.
7. Đề xuất sản phẩm: Gợi ý sản phẩm phù hợp cho khách hàng.
8. Tự động hóa hoạt động: Giảm bớt công việc lặp đi lặp lại.
9. Ra quyết định thông minh: Phân tích dữ liệu lớn nhanh chóng.
10. Nâng cao trải nghiệm tại cửa hàng: IKEA sử dụng giải pháp ERP để cải thiện trải nghiệm mua sắm.

• Các thách thức khi áp dụng AI:
- Chất lượng dữ liệu kém
- Bảo mật và quyền riêng tư dữ liệu
- Thiếu nhân tài có kỹ năng
- Chi phí triển khai cao
- Thiếu hiểu biết về AI
- Tuân thủ quy định

• Chiến lược áp dụng AI trong kinh doanh:
1. Hiểu rõ tiềm năng của AI
2. Xác định mục tiêu cuối cùng
3. Đánh giá năng lực nội bộ
4. Xây dựng hoặc tích hợp giải pháp AI
5. Kiểm thử hệ thống AI
6. Đo lường và đánh giá hiệu suất
7. Cập nhật xu hướng AI

• Ví dụ thực tế về doanh nghiệp sử dụng AI: Alibaba, Amazon, Apple, Netflix và Tesla đang áp dụng AI vào nhiều khía cạnh hoạt động kinh doanh của họ.

📌 AI đang định hình lại cách doanh nghiệp vận hành, từ tự động hóa đến ra quyết định thông minh. Với 90% lãnh đạo công nghệ đang sử dụng AI và thị trường chatbot dự kiến đạt 1,25 tỷ USD vào năm 2025, việc áp dụng AI không còn là lựa chọn mà là điều cần thiết để doanh nghiệp phát triển bền vững trong kỷ nguyên số.

https://appinventiv.com/guide/artificial-intelligence-in-business/

• JPMorgan Chase đã ra mắt trợ lý AI nội bộ có tên LLM Suite cho 60.000 nhân viên, sử dụng công nghệ của OpenAI. Đây là bước chuyển đổi sau 18 tháng hạn chế nhân viên sử dụng các giải pháp AI tạo sinh như ChatGPT.

• Walmart cũng đã triển khai My Assistant cho 75.000 nhân viên tại 11 quốc gia. Công ty tập trung vào việc sử dụng AI tạo sinh để hỗ trợ nhân viên trong các tác vụ cụ thể như tóm tắt thông tin, điều hướng hệ thống ERP và tự động hóa một số công việc.

• Theo báo cáo của Cisco, 27% tổ chức đã tạm thời cấm các ứng dụng AI tạo sinh công cộng. Tuy nhiên, khảo sát của Extrahop cho thấy nhiều nhân viên vẫn sử dụng các ứng dụng bị hạn chế.

• Các rủi ro chính khi nhân viên sử dụng AI tạo sinh bao gồm rò rỉ thông tin nhạy cảm, ảo giác và tuân thủ quy định ngành.

• Ensono, một công ty cung cấp dịch vụ quản lý IT, đã chuyển từ hạn chế sang phát triển trợ lý AI nội bộ cho 3.500 nhân viên. Giải pháp này dựa trên GPT-4 nhưng có thể linh hoạt tích hợp các mô hình ngôn ngữ khác nhau.

• Varyence, một công ty phát triển phần mềm khởi nghiệp, đã triển khai hệ thống phân loại dữ liệu tự động và nền tảng AI tạo sinh nội bộ với các biện pháp bảo vệ tích hợp.

• Các công ty đang chuyển từ cấm sang đưa AI tạo sinh vào nội bộ, nhưng vẫn phải duy trì tính linh hoạt trong việc thực hiện các chính sách AI, đồng thời đảm bảo an toàn và bảo mật.

• Xu hướng này giúp giải quyết các lo ngại về quyền riêng tư và bảo mật dữ liệu khi sử dụng các nền tảng AI tạo sinh công cộng.

• Các công ty đang tìm cách cân bằng giữa việc tận dụng sức mạnh của AI tạo sinh và bảo vệ thông tin nhạy cảm của công ty và khách hàng.

• Việc phát triển các giải pháp nội bộ cho phép các công ty kiểm soát tốt hơn việc sử dụng AI tạo sinh và đảm bảo tuân thủ các quy định về bảo mật và quyền riêng tư.

📌 Các công ty lớn như JPMorgan và Walmart đang chuyển từ hạn chế sang phát triển trợ lý AI nội bộ, nhằm tận dụng sức mạnh của AI tạo sinh đồng thời bảo vệ dữ liệu nhạy cảm. Xu hướng này giúp giải quyết các lo ngại về quyền riêng tư và tuân thủ quy định, với 27% tổ chức đã từng cấm ứng dụng AI tạo sinh công cộng.

https://www.cnbc.com/2024/08/28/why-jpmorgan-and-walmart-are-opting-for-internal-gen-ai-assistants.html

• Tài liệu nội bộ của Amazon cung cấp hướng dẫn cho nhân viên bán hàng AWS về cách trả lời câu hỏi liên quan đến OpenAI và các đối thủ AI khác.

• Tài liệu nêu ra 9 yếu tố quan trọng nhất mà khách hàng cân nhắc khi mua mô hình và dịch vụ AI tạo sinh:

- Khả năng tùy chỉnh: có thể điều chỉnh mô hình AI cho các yêu cầu cụ thể
- Cá nhân hóa: sử dụng dữ liệu nội bộ của công ty để tạo ra kết quả AI phù hợp hơn
- Độ chính xác: mức độ phù hợp của kết quả tạo ra với mục tiêu mong muốn  
- Bảo mật: các biện pháp bảo vệ dữ liệu và quyền riêng tư
- Giám sát: khả năng phát hiện các vấn đề như độ lệch, thiên vị hoặc suy giảm chất lượng đầu ra
- Chi phí: tổng chi phí bao gồm đầu tư ban đầu và chi phí liên tục
- Dễ sử dụng: khả năng sử dụng, tích hợp và hỗ trợ của mô hình
- AI có trách nhiệm: tuân thủ các hướng dẫn đạo đức, giải quyết thiên vị, giải thích kết quả
- Đổi mới: vị thế của nhà cung cấp dịch vụ như một nhà đổi mới so với các đối thủ khác

• AWS tập trung vào việc bán các mô hình nền tảng và cơ sở hạ tầng đám mây cần thiết để xây dựng dịch vụ AI, thay vì tập trung vào chatbot AI phổ biến.

• Tài liệu nêu bật các "Đề xuất Giá trị" của AWS như dễ dàng xây dựng và tùy chỉnh AI, bảo mật mạnh mẽ, cơ sở hạ tầng hiệu quả về giá, chip AI riêng và các ứng dụng AI như Amazon Q.

• AWS khẳng định họ là nhà cung cấp đám mây hàng đầu với nhiều dịch vụ AI tạo sinh nhất, với doanh thu hàng tỷ đô la từ các dịch vụ AI.

• Công ty coi đây là giai đoạn đầu của AI tạo sinh và trang bị cho đội ngũ bán hàng thông tin để giúp khách hàng hiểu tại sao AWS là nơi tốt nhất để xây dựng ứng dụng AI tạo sinh.

📌 Amazon tiết lộ 9 yếu tố then chốt khách hàng cân nhắc khi mua AI, tập trung vào cơ sở hạ tầng đám mây và mô hình nền tảng thay vì chatbot. AWS khẳng định vị thế dẫn đầu với nhiều dịch vụ AI tạo sinh nhất, doanh thu hàng tỷ đô la từ AI.

https://www.businessinsider.com/amazon-l-9-factors-customers-consider-before-buying-ai-aws-2024-8

- Tech Mahindra và Google Cloud đã công bố một quan hệ đối tác chiến lược nhằm thúc đẩy việc áp dụng AI tạo sinh tại Ấn Độ.
- Mục tiêu chính của quan hệ đối tác là dẫn dắt quá trình chuyển đổi số cho Mahindra & Mahindra (M&M), một công ty con của tập đoàn Mahindra.
- Tech Mahindra sẽ sử dụng công nghệ AI và machine learning để cải thiện các lĩnh vực như kỹ thuật, chuỗi cung ứng, dịch vụ trước và sau bán hàng cho M&M.
- Quan hệ đối tác này sẽ giúp Tech Mahindra dẫn dắt quá trình chuyển đổi đám mây và số hóa không gian làm việc của M&M.
- M&M sẽ triển khai nền tảng dữ liệu của mình trên Google Cloud để tối ưu hóa quy trình sản xuất và nâng cao trải nghiệm khách hàng.
- Rucha Nanavati, CIO của Mahindra Group, nhấn mạnh cam kết của tập đoàn trong việc cải tiến trải nghiệm khách hàng thông qua việc sử dụng AI.
- Google Cloud sẽ hỗ trợ M&M trong việc phát hiện bất thường trong quy trình sản xuất, đảm bảo không có sự cố xảy ra và tối ưu hóa hiệu quả năng lượng.
- Bên cạnh đó, Google Cloud cũng sẽ nâng cao độ an toàn của xe và cải thiện độ tin cậy, từ đó nâng cao trải nghiệm tổng thể cho khách hàng.
- Bikram Singh Bedi, giám đốc quốc gia của Google Cloud, cho biết quan hệ đối tác này sẽ giúp M&M thực hiện một cuộc chuyển đổi lớn về đám mây và AI.
- Tech Mahindra cũng sẽ quản lý nhiều khối lượng công việc khác nhau, bao gồm các ứng dụng doanh nghiệp và khối lượng công việc cho các mô phỏng.
- Atul Soneja, COO của Tech Mahindra, nhấn mạnh tầm quan trọng của việc có các nền tảng dữ liệu tích hợp và giải pháp dựa trên đám mây trong việc thúc đẩy đổi mới.
- Năm 2023, Tech Mahindra đã thiết lập một trung tâm cung cấp dịch vụ tại Guadalajara, Mexico, chuyên cung cấp các giải pháp tập trung vào Google Cloud.

📌 Tech Mahindra và Google Cloud hợp tác để thúc đẩy AI tạo sinh tại Ấn Độ, cải thiện trải nghiệm khách hàng và tối ưu hóa quy trình sản xuất cho Mahindra & Mahindra. Sự hợp tác này hứa hẹn sẽ mang lại những đổi mới công nghệ quan trọng trong ngành công nghiệp ô tô và xe công nghiệp.

https://www.rcrwireless.com/20240827/ai-ml/tech-mahindra-google-cloud-partner-boost-gen-ai-adoption

- Tỷ lệ tổ chức sử dụng AI tạo sinh đã tăng gần gấp đôi trong vòng 10 tháng, từ 33% lên 65%. 75% dự đoán AI tạo sinh sẽ dẫn đến thay đổi đáng kể hoặc đột phá trong những năm tới.
- AI không phải là cơn sốt tạm thời mà đang hoàn toàn thay đổi cách thức hoạt động của công việc. Thị trường AI dự kiến sẽ đạt giá trị hơn 500 tỷ USD vào năm 2024.
- Áp dụng AI toàn diện trong công ty sẽ mất nhiều thời gian và nguồn lực. Cần cấu hình hệ thống AI để tạo giá trị, tích hợp vào tổ chức và đào tạo lại nhân viên.
- Triển khai AI vội vàng có thể gây tai họa, ví dụ như đường dây nóng rối loạn ăn uống phải đóng cửa vì chatbot đưa ra lời khuyên nghi vấn.
- Áp dụng AI từ từ sẽ giúp thấy được nó có thể thêm giá trị ở đâu. Đây chỉ là bước đầu để hiểu tác động của AI, cần xây dựng triết lý về vai trò của nó trong doanh nghiệp hiện tại và tương lai.

📌 Các nhà lãnh đạo nên bắt đầu áp dụng AI ngay lập tức để cạnh tranh hiệu quả trong hiện tại và chuẩn bị cho tương lai, khi AI đang thay đổi toàn diện cách thức hoạt động của doanh nghiệp.

https://www.forbes.com/sites/aytekintank/2024/08/27/why-leaders-shouldnt-wait-to-adopt-ai/

• Theo báo cáo của Bloomberg News, nhân viên tại Nvidia, công ty sản xuất chip AI, được kỳ vọng làm việc 7 ngày/tuần, thường xuyên đến 2 giờ sáng.

• 10 người đã và đang làm việc tại Nvidia mô tả môi trường làm việc như một nồi áp suất, với các cuộc họp thường xuyên biến thành những cuộc cãi vã.

• Một cựu nhân viên marketing cho biết cô thường tham dự tới 10 cuộc họp mỗi ngày, mỗi cuộc có hơn 30 người tham gia.

• Mặc dù môi trường làm việc căng thẳng, nhân viên vẫn chấp nhận vì "còng vàng" - đó là các khoản thưởng cổ phiếu hấp dẫn.

• Kể từ năm 2019, cổ phiếu Nvidia đã tăng 3.776%, khiến nhiều nhân viên làm việc 5 năm trở lên trở thành triệu phú.

• Tỷ lệ nghỉ việc tại Nvidia khá thấp: năm ngoái là 5,3%, và giảm xuống còn 2,7% sau khi vốn hóa thị trường vượt 1.000 tỷ USD. Con số này thấp hơn nhiều so với mức trung bình 17,7% trong ngành bán dẫn.

• Một cựu kỹ sư cho biết nhiều người đã đủ tiền để nghỉ hưu nhưng vẫn tiếp tục làm việc để chờ đợt cấp cổ phiếu tiếp theo.

• Nhân viên Nvidia thường xuyên khoe khoang về việc mua nhà nghỉ dưỡng mới, vé xem các sự kiện thể thao lớn như Super Bowl hay NBA Finals.

• Bãi đỗ xe của công ty đầy những chiếc xe hạng sang như Porsche, Corvette và Lamborghini.

• Một môi giới bất động sản ở Palo Alto cho biết nhiều nhân viên Nvidia trả trước 40-60% cho những căn nhà trị giá hàng triệu USD.

• CEO Jensen Huang nói rằng ông thúc ép nhân viên làm việc chăm chỉ vì "nếu bạn muốn làm những điều phi thường, nó không nên dễ dàng".

• Nvidia đã trở thành nhà sản xuất chip bán dẫn hàng đầu phục vụ công nghệ AI, với nhu cầu sản phẩm tăng mạnh song song với sự phát triển của trí tuệ nhân tạo.

📌 Nvidia tạo ra môi trường làm việc cường độ cao nhưng bù đắp bằng lương thưởng hấp dẫn. Cổ phiếu tăng 3.776% từ 2019 khiến nhiều nhân viên thành triệu phú. Tỷ lệ nghỉ việc chỉ 2,7%, thấp hơn nhiều so với mức 17,7% trong ngành bán dẫn.

https://nypost.com/2024/08/26/business/nvidia-employees-can-work-7-days-a-week-until-2-a-m-but-few-leave-because-of-ai-chip-giants-lavish-pay-report/

- Accenture và AWS đã ra mắt nền tảng AI có trách nhiệm để hỗ trợ các doanh nghiệp trong việc đánh giá khả năng sẵn sàng cho AI.
- Nền tảng này giúp các công ty thực hiện kiểm kê các ứng dụng AI hiện có và đánh giá mức độ trưởng thành của AI trong tổ chức.
- Accenture và AWS kết hợp khả năng của cả hai công ty để cung cấp công cụ linh hoạt cho khách hàng, không chỉ riêng lẻ mà còn trong hệ sinh thái rộng lớn hơn.
- Nền tảng cho phép người dùng tùy chỉnh các tiêu chí kiểm tra, tập trung vào các lĩnh vực cụ thể của AI có trách nhiệm hoặc rủi ro trong ngành nghề của họ.
- Nền tảng này hướng dẫn các công ty từ việc xác định rủi ro cụ thể đến việc phát triển các chương trình tuân thủ theo quy định đang thay đổi.
- AWS đã có các chương trình AI có trách nhiệm và an toàn, bao gồm ứng dụng Guardrails, một API độc lập mới được phát hành.
- Theo khảo sát từ PwC, chỉ 58% trong số 1.001 công ty đã bắt đầu giải quyết vấn đề AI có trách nhiệm.
- Nghiên cứu của Accenture cho thấy chỉ 2% công ty thực sự có trách nhiệm trong hoạt động AI của mình.
- Các rủi ro chính liên quan đến AI có trách nhiệm bao gồm ảo giác, thiên kiến và an toàn.
- Các công ty thường gặp khó khăn trong việc đồng thuận về định nghĩa AI có trách nhiệm và thiếu nguồn lực cũng như sự ưu tiên cho vấn đề này.
- Mặc dù có nền tảng kỹ thuật từ Accenture và AWS, vẫn cần thêm hướng dẫn cho các doanh nghiệp để hiểu rõ hơn về AI có trách nhiệm.

📌 Accenture và AWS đã phát triển nền tảng AI có trách nhiệm, giúp doanh nghiệp đánh giá khả năng AI của họ. Chỉ 58% công ty đã bắt đầu giải quyết vấn đề này, cho thấy sự cần thiết phải có thêm hướng dẫn và nguồn lực để phát triển AI một cách có trách nhiệm.

https://venturebeat.com/ai/accenture-and-aws-offer-a-way-for-companies-to-start-their-responsible-ai-journey/

• Theo báo cáo "The Future of Enterprise Data & AI" của WNS Analytics, 76% trong số 100 lãnh đạo cấp cao được khảo sát cho biết họ đang triển khai hoặc lên kế hoạch triển khai các giải pháp AI tạo sinh.

• Tuy nhiên, 67% lãnh đạo gặp khó khăn với việc di chuyển dữ liệu, một số khác gặp vấn đề về chất lượng dữ liệu, thiếu hụt nhân tài và dân chủ hóa dữ liệu.

• Các ứng dụng AI đa dạng trong nhiều ngành:
- Bán lẻ: Cá nhân hóa trải nghiệm mua sắm dựa trên hành vi khách hàng và mô hình học máy nâng cao.
- Bảo hiểm: Xác định cơ hội thu hồi bồi thường mà nhân viên có thể bỏ sót.
- Ngân hàng: Tăng cường thẩm định khách hàng và chống rửa tiền.
- Y tế: Nâng cao độ chính xác chẩn đoán qua nhận dạng hình ảnh và phân tích dự đoán.

• Yếu tố cốt lõi để triển khai AI thành công:
- Hiểu rõ giá trị kinh doanh của AI
- Xây dựng nền tảng dữ liệu vững chắc
- Phù hợp với mục tiêu chiến lược của tổ chức
- Bổ sung chuyên môn ở mọi cấp độ doanh nghiệp

• Cần xác định rõ AI có thể làm gì cho doanh nghiệp, không nên áp dụng đại trà chỉ vì AI đang phổ biến.

• Nền tảng dữ liệu vững chắc là yếu tố then chốt để áp dụng AI thành công. Cần phá vỡ các rào cản và tối đa hóa tác động của AI thông qua giao tiếp và hợp tác thường xuyên giữa các bộ phận.

• Đầu tư vào các chuyên gia am hiểu quy định, hoạt động và thông lệ ngành là cần thiết để triển khai thành công hệ thống AI.

• Xây dựng lòng tin khi triển khai AI tạo sinh cần có cơ chế trách nhiệm giải trình, bảo mật và tiêu chuẩn đạo đức. Minh bạch về cách sử dụng hệ thống AI, dữ liệu và quy trình ra quyết định là rất quan trọng.

• 55% tổ chức xác định "xây dựng lòng tin vào hệ thống AI giữa các bên liên quan" là thách thức lớn nhất khi mở rộng quy mô các sáng kiến AI.

• AI nên hỗ trợ chứ không thay thế hoàn toàn việc ra quyết định của con người. Cần có sự giám sát của con người đối với các quyết định có rủi ro và giá trị cao.

• Để tối đa hóa ROI, nên bắt đầu với các dự án thử nghiệm nhỏ, tạo các mốc đo lường được và áp dụng phương pháp linh hoạt khi triển khai AI.

• Trong lĩnh vực bảo hiểm, AI có tác động ROI đáng kể trong quản lý rủi ro và hiệu quả hoạt động. AI tạo sinh và mô hình ngôn ngữ lớn (LLM) đang cách mạng hóa việc giảm thiểu các quy trình thủ công.

• Cần cân bằng giữa đổi mới và sử dụng có đạo đức, đồng thời luôn cập nhật xu hướng trong tương lai để thành công trong kỷ nguyên AI.

📌 Doanh nghiệp cần chuẩn bị kỹ lưỡng để tận dụng tiềm năng của AI, với 76% lãnh đạo đang triển khai hoặc lên kế hoạch triển khai AI tạo sinh. Tuy nhiên, 67% gặp khó khăn về dữ liệu. Yếu tố then chốt là xác định rõ giá trị kinh doanh, xây dựng nền tảng dữ liệu vững chắc, đảm bảo minh bạch và đạo đức khi triển khai AI.

https://www.technologyreview.com/2024/08/26/1096349/readying-business-for-the-age-of-ai/

#MIT

• Chi phí xây dựng mô hình AI hiện nay có thể lên tới hàng trăm triệu USD và dự kiến sẽ đạt mức 1 tỷ USD trong vài năm tới. Phần lớn chi phí là cho sức mạnh tính toán từ các chip chuyên dụng, thường là GPU của Nvidia có giá lên tới 30.000 USD mỗi chiếc.

• Ngoài chi phí phần cứng, các công ty còn phải đối mặt với một chi phí ngày càng tăng khác: gán nhãn dữ liệu. Đây là quá trình gắn thẻ cho dữ liệu để mô hình AI có thể nhận dạng và diễn giải các mẫu.

• Gán nhãn dữ liệu đã được sử dụng từ lâu trong phát triển mô hình AI cho xe tự lái. Tuy nhiên, quy trình này cũng gây ra những lo ngại về đạo đức, như trường hợp OpenAI bị chỉ trích vì thuê ngoài công việc gán nhãn cho người Kenya với mức lương dưới 2 USD/giờ.

• Các mô hình ngôn ngữ lớn (LLM) hiện nay sử dụng phương pháp Học tăng cường từ phản hồi của con người, trong đó con người cung cấp đánh giá định tính về kết quả của mô hình. Đây là một nguồn chi phí đáng kể.

• Gán nhãn dữ liệu chuyên môn cao trong các lĩnh vực như pháp lý, tài chính và y tế đang đẩy chi phí lên cao. Một số công ty phải thuê bác sĩ, luật sư, tiến sĩ và nhà khoa học với chi phí cao để gán nhãn dữ liệu hoặc thuê ngoài công việc cho các công ty bên thứ ba như Scale AI.

• Theo Alex Ratner, CEO của Snorkel AI, khách hàng doanh nghiệp có thể chi hàng triệu USD cho gán nhãn dữ liệu, chiếm tới 80% thời gian và ngân sách AI của họ.

• Neal Shah, CEO của CareYaYa, cho biết chi phí gán nhãn dữ liệu đã tăng 40% trong năm qua do cần thông tin chuyên môn từ các chuyên gia về lão khoa và chăm sóc người mắc chứng sa sút trí tuệ.

• Một số công ty đang tìm cách giảm chi phí bằng cách sử dụng dữ liệu "tổng hợp" được tạo ra bởi chính AI để tự động hóa một phần quá trình thu thập và gán nhãn dữ liệu.

• Mặc dù tốn kém và mất thời gian, gán nhãn dữ liệu vẫn được coi là đáng giá vì tiềm năng to lớn mà nó mang lại cho việc phát triển AI.

📌 Chi phí AI tăng vọt không chỉ do chip đắt đỏ mà còn vì gán nhãn dữ liệu chuyên môn. Doanh nghiệp chi tới 80% ngân sách AI cho việc này, với mức tăng 40% trong năm qua. Tuy nhiên, đầu tư này được coi là xứng đáng vì tiềm năng to lớn của AI.

https://fortune.com/2024/08/23/data-labeling-ai-scaleai-snorkel-costs/

• Salesforce vừa giới thiệu 2 AI agent mới hỗ trợ đội ngũ bán hàng: Einstein SDR Agent và Einstein Sales Coach Agent.

• Einstein SDR Agent có khả năng tự động tương tác với khách hàng tiềm năng 24/7 để nuôi dưỡng pipeline bán hàng. Nó có thể trò chuyện với khách hàng, trả lời câu hỏi ban đầu và lên lịch cuộc họp với nhân viên bán hàng.

• Einstein Sales Coach Agent là một trợ lý ảo giúp nhân viên bán hàng luyện tập kỹ năng thuyết trình. Nó có thể đóng vai khách hàng để nhân viên tập dượt và đưa ra phản hồi về những điểm cần cải thiện.

• 2 agent này được Salesforce mô tả là "thành viên mới trong đội" chứ không phải để thay thế con người. Mục đích là giúp nhân viên hoàn thành công việc nhanh hơn.

• Giá cả chưa được công bố nhưng sẽ sớm được thông báo, có thể tại hội nghị Dreamforce sắp tới vào tháng 9.

• Các công ty công nghệ và doanh nghiệp vừa và nhỏ được cho là sẽ là những người sớm áp dụng công nghệ này.

• Einstein Sales Coach Agent đặc biệt thu hút sự chú ý của các Giám đốc doanh thu (CRO) vì có thể giúp đào tạo nhân viên mới nhanh chóng.

• Công nghệ nền tảng bao gồm Data Cloud của Salesforce cho phép sử dụng phương pháp tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG) tiên tiến hơn.

• Salesforce sử dụng mô hình hệ sinh thái mở, tích hợp công nghệ từ nhiều đối tác như OpenAI, Anthropic cũng như các mô hình AI nội bộ như XGen Sales.

• Để thiết lập SDR Agent, nhân viên bán hàng chỉ cần tạo một phiên bản mới trong giao diện phần mềm, gán quyền, cá nhân hóa với avatar và chọn các khách hàng tiềm năng để giao cho agent.

📌 Salesforce ra mắt 2 AI agent mới hỗ trợ bán hàng: Einstein SDR Agent tự động tương tác khách hàng 24/7, Einstein Sales Coach Agent huấn luyện nhân viên. Công nghệ dựa trên Data Cloud, RAG và hệ sinh thái mở. Dự kiến được áp dụng sớm bởi công ty công nghệ và SMB.

https://www.zdnet.com/article/salesforce-unveils-ai-agents-for-sales-teams-heres-how-they-help/#ftag=RSSbaffb68

- Năm 2024, AI doanh nghiệp sẽ tập trung vào việc tự động hóa quy trình làm việc và tối ưu hóa hiệu suất, với hơn 50% doanh nghiệp mới đã áp dụng công nghệ AI trong năm qua.
  
1. **Tự động hóa và tối ưu hóa quy trình làm việc bằng AI**: AI đang được sử dụng để tự động hóa các quy trình phức tạp, giảm thiểu công việc thủ công. Các công ty áp dụng RPA (Robotic Process Automation) kết hợp với AI để nâng cao năng suất và khả năng mở rộng.

2. **Giải pháp AI cung cấp trải nghiệm cá nhân hóa**: Công nghệ AI, đặc biệt là chatbot và Sentimental AI, đang giúp doanh nghiệp cung cấp dịch vụ khách hàng cá nhân hóa. Dự báo thị trường chatbot sẽ đạt 27,2 triệu USD vào năm 2030, nhấn mạnh sự phát triển của AI trong việc hiểu và đáp ứng nhu cầu của khách hàng.

3. **Tích hợp AI vào phần mềm doanh nghiệp**: AI sẽ được tích hợp vào các công cụ như Microsoft 365 và Google Workspace, giúp tự động hóa các tác vụ và đưa ra gợi ý thông minh. Theo khảo sát, 64% doanh nghiệp cho rằng AI là yếu tố quan trọng để xây dựng mối quan hệ khách hàng vững mạnh.

4. **Sử dụng AI cho việc trích xuất dữ liệu và ra quyết định tốt hơn**: AI sẽ hỗ trợ doanh nghiệp trong việc phân tích dữ liệu lớn, giúp đưa ra quyết định dựa trên dữ liệu. Các công cụ phân tích AI như JPMorgan’s DocLLM giúp đọc và phân tích tài liệu phức tạp, từ đó phát hiện xu hướng và mô hình mà con người khó nhận ra.

5. **AI có đạo đức và phát triển AI có trách nhiệm**: Các công ty đang chú trọng vào việc phát triển AI một cách có đạo đức, thiết lập các ủy ban đạo đức và hướng dẫn để đảm bảo rằng ứng dụng AI không gây hại cho xã hội và môi trường.

6. **AI trong bảo mật mạng**: AI đang trở thành công cụ quan trọng trong việc bảo vệ doanh nghiệp khỏi các mối đe dọa an ninh mạng. Các chương trình bảo mật nâng cao sử dụng AI để phân tích lưu lượng mạng và phát hiện các hành vi bất thường, giúp tăng cường khả năng phản ứng nhanh chóng.

7. **Retrieval-Augmented Generation (RAG)**: Kỹ thuật RAG giúp cải thiện độ chính xác và độ tin cậy của AI bằng cách tham chiếu đến các cơ sở dữ liệu bên ngoài. Điều này giúp giảm thiểu tình trạng "ảo giác AI", đồng thời cung cấp thông tin cụ thể và đáng tin cậy hơn cho người dùng.

📌 Năm 2024, AI doanh nghiệp sẽ tập trung vào tự động hóa, cá nhân hóa, tích hợp thông minh và bảo mật, với các xu hướng như RAG và phát triển AI có trách nhiệm, giúp doanh nghiệp duy trì tính cạnh tranh và hiệu quả.

https://www.datasciencecentral.com/enterprise-ai-tends-in-2024-what-businesses-need-to-know/

- Target đã hoàn thành việc triển khai một công cụ AI tạo sinh mới nhằm hỗ trợ nhân viên cửa hàng giải quyết nhanh chóng các thách thức trong công việc, theo CFO Michael Fiddelke.
- Công nghệ này đã được tích hợp vào các thiết bị cầm tay trong các cửa hàng của Target và đã được sử dụng hơn 50.000 lần từ khi triển khai.
- Công cụ này có khả năng cung cấp “các phản hồi đơn giản” trong vòng chưa đầy một phút khi nhân viên hỏi về các vấn đề như cách đăng ký thẻ Target Circle hoặc cách khởi động lại máy tính tiền sau khi mất điện.
- Fiddelke cho biết nhiều nhân viên đã phản hồi rằng công cụ này đã cải thiện trải nghiệm làm việc hàng ngày của họ, giúp họ hỗ trợ khách hàng dễ dàng và nhanh chóng hơn.
- Sáng kiến AI tạo sinh của Target là một phần trong nỗ lực rộng lớn hơn của công ty nhằm sử dụng công nghệ để nâng cao trải nghiệm của nhân viên và khách hàng, đồng thời hỗ trợ tăng trưởng lâu dài.
- Các lãnh đạo cửa hàng của Target kỳ vọng công cụ mới sẽ “cực kỳ hữu ích” khi công ty tiếp nhận thêm nhân viên mới trong mùa lễ hội năm nay, giúp họ trở nên năng suất hơn nhanh chóng.
- Theo báo cáo của IDC, chi tiêu toàn cầu cho AI sẽ đạt 632 tỷ USD vào năm 2028.
- Ritu Jyoti, phó chủ tịch nhóm và giám đốc nghiên cứu AI và dữ liệu tại IDC, cho biết các chuyển đổi do AI mang lại giá trị thực tế cho các tổ chức trên toàn cầu.
- Hơn 60% công ty xem AI tạo sinh là ưu tiên hàng đầu trong hai năm tới, nhưng chỉ khoảng 35% có tầm nhìn rõ ràng về cách tạo ra giá trị kinh doanh từ nó.

📌 Target đang sử dụng công cụ AI tạo sinh để nâng cao hiệu quả làm việc của nhân viên, với hơn 50.000 lần sử dụng. Công cụ này giúp nhân viên giải quyết vấn đề nhanh chóng, cải thiện trải nghiệm khách hàng và dự kiến sẽ hỗ trợ trong việc đào tạo nhân viên mới trong mùa lễ hội.

https://www.cfodive.com/news/target-cfo-genai-boosting-worker-efficiency/725046/

• Deloitte công bố báo cáo khảo sát mới về tình hình áp dụng AI tạo sinh trong doanh nghiệp, với sự tham gia của 2.770 lãnh đạo doanh nghiệp và công nghệ từ 14 quốc gia và 6 ngành công nghiệp.

• 67% tổ chức đang tăng đầu tư vào AI tạo sinh do nhận thấy giá trị ban đầu mạnh mẽ.

• Tuy nhiên, 68% tổ chức mới chỉ đưa 30% hoặc ít hơn các thử nghiệm AI tạo sinh vào sản xuất thực tế.

• 75% đã tăng đầu tư vào quản lý vòng đời dữ liệu cho AI tạo sinh.

• Chỉ 23% cảm thấy chuẩn bị tốt cho các thách thức về quản lý rủi ro và quản trị liên quan đến AI tạo sinh.

• 41% gặp khó khăn trong việc xác định và đo lường chính xác tác động của các nỗ lực AI tạo sinh.

• 55% đã tránh một số trường hợp sử dụng AI tạo sinh do các vấn đề liên quan đến dữ liệu.

• Kieran Norton, Giám đốc tại Deloitte, cho biết nhiều khách hàng đang thử nghiệm nhưng chưa đưa vào sản xuất do lo ngại về chất lượng dữ liệu và các tác động tiềm ẩn như sự thiên vị trong mô hình.

• Báo cáo nhấn mạnh các rủi ro chính bao gồm chất lượng dữ liệu, thiên vị, bảo mật, tin cậy, quyền riêng tư và tuân thủ quy định.

• Norton khuyến nghị các tổ chức tận dụng các chương trình quản lý rủi ro hiện có, đồng thời nâng cao một số thực hành như quản lý chất lượng dữ liệu.

• Một mối quan ngại cụ thể là rủi ro ảo giác, khi mô hình AI tạo sinh tạo ra kết quả không chính xác hoặc vô nghĩa. Norton gợi ý sử dụng các mô hình ngôn ngữ nhỏ hơn, có mục tiêu cụ thể và đào tạo chuyên biệt để giảm thiểu rủi ro này.

• Chỉ 16% tổ chức đã tạo báo cáo thường xuyên cho CFO về giá trị do AI tạo sinh mang lại.

• Norton khuyến nghị xác định các chỉ số KPI cụ thể cho từng trường hợp sử dụng, tập trung vào các vấn đề kinh doanh cần giải quyết.

📌 Khảo sát Deloitte cho thấy 67% doanh nghiệp tăng đầu tư AI tạo sinh, nhưng 68% chỉ triển khai được 30% thử nghiệm. Chỉ 23% sẵn sàng quản trị rủi ro AI. Các thách thức chính là chất lượng dữ liệu, đo lường giá trị và quản lý rủi ro.

https://venturebeat.com/ai/deloitte-survey-reveals-enterprise-generative-ai-production-deployment-challenges/

• Walmart đang sử dụng AI tạo sinh để cải thiện chất lượng dữ liệu trong danh mục sản phẩm, nhằm nâng cao trải nghiệm cho khách hàng và nhân viên.

• Công ty đã sử dụng các mô hình ngôn ngữ lớn để tạo mới hoặc cải thiện hơn 850 triệu điểm dữ liệu trong danh mục sản phẩm. Quá trình này sẽ cần gấp 100 lần nhân lực nếu không có AI tạo sinh.

• Dữ liệu sạch hơn giúp nhân viên dễ dàng tìm kiếm sản phẩm cụ thể bằng cách truy cập nhanh hình ảnh bao bì.

• Khách hàng sử dụng trợ lý AI của Walmart sẽ sớm nhận được các câu trả lời bổ sung cho các truy vấn, giúp họ tìm đúng sản phẩm cần thiết.

• Trong cửa hàng, nhân viên có thể sử dụng công nghệ như các công cụ di động để nhanh chóng định vị hàng tồn kho và đưa sản phẩm lên kệ hoặc đến khách hàng đang chờ đợi.

• Đối với thương mại điện tử, công cụ AI của Walmart có thể kết hợp dữ liệu ý định của khách hàng với dữ liệu sản phẩm được cải thiện để giới thiệu các mặt hàng phù hợp với nhu cầu của họ.

• AI cũng cải thiện chi tiết trên các trang hiển thị sản phẩm, giúp khách hàng xác định xem một sản phẩm cụ thể có phải là thứ họ cần hay không.

• Chức năng tìm kiếm tốt hơn sẽ tiếp tục hợp lý hóa trải nghiệm kỹ thuật số khi danh mục sản phẩm trực tuyến của Walmart ngày càng mở rộng.

• Walmart đang tập trung vào "đơn hàng hoàn hảo", đo lường khả năng khách hàng tìm thấy sản phẩm họ muốn trực tuyến, cũng như việc giao hàng đúng hạn và trong tình trạng tốt.

• "Đơn hàng hoàn hảo" là chìa khóa để loại bỏ ma sát và cải thiện điểm trải nghiệm khách hàng của thành viên Walmart Plus.

• Giao hàng miễn phí là một trong những ưu đãi cốt lõi của chương trình khách hàng thân thiết, và việc thực hiện đơn hàng tốt hơn đã thúc đẩy tăng trưởng hai con số về số lượng thành viên Walmart Plus trong quý.

📌 Walmart đã ứng dụng AI tạo sinh để xử lý 850 triệu điểm dữ liệu sản phẩm, cải thiện đáng kể trải nghiệm khách hàng và nhân viên. Công ty tập trung vào "đơn hàng hoàn hảo", thúc đẩy tăng trưởng hai con số về số lượng thành viên Walmart Plus trong quý.

https://www.customerexperiencedive.com/news/walmart-generative-ai-850-million-product-data-points-experience/724419/

- Các tổ chức dịch vụ sớm áp dụng AI tạo sinh đang tìm cách tối ưu hóa giá trị đầu tư của họ.
- Chỉ 11% công ty toàn cầu đang sử dụng AI tạo sinh ở quy mô lớn, trong khi chỉ 3% công ty lớn tại Bắc Mỹ và châu Âu đã triển khai thành công trong lĩnh vực hoạt động.
- Một khảo sát cho thấy 45% tổ chức trong lĩnh vực tài chính đang thử nghiệm AI tạo sinh, nhưng chỉ 6% đã đạt được quy mô.
- 2/3 lãnh đạo mong đợi sẽ mất từ 3 đến 5 năm để thu hồi giá trị từ các khoản đầu tư vào AI tạo sinh.
- Các công ty gặp khó khăn trong việc xác định các trường hợp sử dụng nào sẽ mang lại lợi thế cạnh tranh thực sự.
- Một số công ty đã ghi nhận hơn 10% lợi nhuận từ việc sử dụng AI tạo sinh, cho thấy tiềm năng lớn từ công nghệ này.
- 3 nhiệm vụ chính để mở rộng AI tạo sinh bao gồm: thiết kế chiến lược vận hành chặt chẽ, hỗ trợ con người và tích hợp AI với khả năng của con người.
- Một ngân hàng đã sử dụng AI tạo sinh để soạn thảo các bản ghi nhớ về rủi ro tín dụng, tăng doanh thu cho mỗi quản lý quan hệ lên 20%.
- Một công ty hàng tiêu dùng đã giảm chi phí vận hành từ 6 triệu đến 10 triệu USD nhờ sử dụng AI trong phân tích tài chính.
- Các công ty cần xây dựng một lộ trình rõ ràng, khắc phục tình trạng thiếu hụt nhân tài và quản lý chưa trưởng thành để mở rộng AI tạo sinh.
- Việc ưu tiên các trường hợp sử dụng dựa trên tác động kinh doanh và khả năng kỹ thuật là rất quan trọng để triển khai AI hiệu quả.
- Một nhà cung cấp viễn thông đã cải thiện trải nghiệm khách hàng bằng cách tối ưu hóa quy trình và giảm thời gian gọi điện trung bình.

- Cần có một cấu trúc quản trị rõ ràng để hỗ trợ việc triển khai AI tạo sinh, bao gồm quyền quyết định và quy trình đánh giá minh bạch.
- Đầu tư vào quản lý thay đổi và văn hóa đổi mới liên tục là yếu tố quan trọng để thành công trong việc triển khai AI tạo sinh.
- Các công ty nên thường xuyên đánh giá lại các ý tưởng AI chưa được triển khai để tìm ra cơ hội mới và loại bỏ những ý tưởng không khả thi.

📌 AI tạo sinh đang mở ra cơ hội lớn cho các tổ chức dịch vụ, nhưng việc triển khai thành công đòi hỏi một chiến lược rõ ràng, hỗ trợ con người và tích hợp hiệu quả giữa AI và con người. Các công ty cần phải thường xuyên đánh giá và điều chỉnh chiến lược của mình để tối ưu hóa giá trị từ công nghệ này.

https://www.mckinsey.com/capabilities/operations/our-insights/from-promising-to-productive-real-results-from-gen-ai-in-services

#McKinsey

• Chưa đầy 2 năm sau khi ChatGPT ra mắt và khởi động cơn sốt AI tạo sinh, công nghệ này vẫn chưa thực sự làm thay đổi hoạt động kinh doanh như kỳ vọng. Nhiều dự án ứng dụng AI tạo sinh đã bị hủy bỏ, như hệ thống tự động hóa đặt hàng drive-through của McDonald's.

• AI tạo sinh đang đi theo chu kỳ hype Gartner, bắt đầu bước vào giai đoạn "thất vọng" sau khi đạt đỉnh kỳ vọng thái quá. Báo cáo của Gartner cho rằng phải mất 2-5 năm nữa công nghệ này mới đạt được hiệu suất ổn định.

• Nghiên cứu của RAND cho thấy 80% dự án AI thất bại, gấp đôi tỷ lệ thất bại của các dự án không liên quan đến AI. Nguyên nhân chính là do bản chất đặc biệt của AI tạo sinh: có thể giải quyết các vấn đề phức tạp nhưng lại thất bại với những tác vụ đơn giản.

• Các mô hình ngôn ngữ lớn như GPT-4 thường tạo ra sự tự tin giả tạo ở người dùng, dẫn đến việc áp dụng sai mục đích. Nghiên cứu cho thấy các mô hình càng mạnh càng hoạt động kém trong các tình huống quan trọng.

• Tuy nhiên, công nghệ AI tạo sinh vẫn đang được cải thiện nhanh chóng nhờ tăng quy mô và kích thước. Các công ty công nghệ lớn vẫn đang đầu tư mạnh, với ước tính cần tạo ra doanh thu 600 tỷ USD/năm để biện minh cho các khoản đầu tư hiện tại.

• Xu hướng mới trong áp dụng AI tạo sinh: sử dụng AI hỗ trợ con người thay vì thay thế; phát triển các mô hình nhỏ hơn, rẻ hơn và chuyên biệt hơn; tập trung đào tạo kiến thức về AI cho lực lượng lao động.

• Cuộc cách mạng AI sẽ diễn ra từ từ như một quá trình tiến hóa, dần dần thay đổi và chuyển đổi các hoạt động của con người thay vì thay thế hoàn toàn.

📌 AI tạo sinh đang bước vào giai đoạn ứng dụng thực tế sau cơn sốt ban đầu. 80% dự án AI thất bại do kỳ vọng quá cao. Xu hướng mới là phát triển mô hình nhỏ hơn, chuyên biệt và hỗ trợ con người. AI sẽ dần thay đổi hoạt động của con người thay vì thay thế hoàn toàn.

https://theconversation.com/generative-ai-hype-is-ending-and-now-the-technology-might-actually-become-useful-236940

- Trí tuệ nhân tạo thế hệ mới (Gen AI) dự kiến sẽ thay đổi hơn 40% hoạt động công việc trong những năm tới, không chỉ dành riêng cho các chuyên gia công nghệ mà còn cho bất kỳ ai có thể sử dụng lệnh bằng ngôn ngữ hàng ngày. Sự chuyển mình này sẽ ảnh hưởng sâu sắc đến nhiều lĩnh vực, đặc biệt là pháp lý, ngân hàng, bảo hiểm, và thị trường vốn.

- Để thành công trong kỷ nguyên hợp tác giữa con người và máy móc, người lao động cần phát triển các "kỹ năng kết hợp" (fusion skills) như: Interrogation thông minh, tích hợp Judgment, và Apprenticing tương hỗ.

- Interrogation thông minh là khả năng hướng dẫn các mô hình ngôn ngữ lớn (LLMs) thực hiện các tác vụ một cách hiệu quả hơn, ví dụ như chia nhỏ quy trình thành các bước cụ thể hoặc hình dung nhiều hướng giải quyết khác nhau.

- Tích hợp Judgment là việc đưa vào các yếu tố đánh giá và đạo đức của con người để nâng cao độ tin cậy và chính xác của kết quả do AI tạo ra. Điều này bao gồm việc sử dụng các nguồn kiến thức uy tín để bổ sung cho mô hình khi cần thiết và kiểm tra các kết quả nghi ngờ.

- Apprenticing tương hỗ là việc điều chỉnh AI theo bối cảnh doanh nghiệp cụ thể bằng cách đưa dữ liệu và kiến thức tổ chức vào trong các lệnh nhắc. Khi người dùng trở nên thành thạo trong việc này, họ cũng học cách đào tạo AI để xử lý các thách thức phức tạp hơn.

- Nghiên cứu cho thấy, việc sử dụng các chỉ dẫn tình huống một cách ngẫu nhiên thường dẫn đến kết quả không đáng tin cậy, đặc biệt trong các nhiệm vụ phân tích phức tạp. Do đó, việc áp dụng các kỹ thuật như suy nghĩ từng bước, đào tạo AI theo từng giai đoạn và khám phá sáng tạo sẽ cải thiện đáng kể kết quả làm việc với Gen AI.

- Một nghiên cứu gần đây cho thấy rằng việc hướng dẫn AI suy nghĩ theo chuỗi từng bước có thể nâng cao độ chính xác của kết quả lên đến 3 lần. Ví dụ, nếu một nhân viên tài chính sử dụng AI để tính toán ngân sách, việc yêu cầu AI suy nghĩ từng bước sẽ giúp nó đưa ra kết quả chính xác hơn.

- Bên cạnh đó, việc bảo vệ quyền riêng tư và tránh định kiến khi sử dụng AI cũng rất quan trọng. Người dùng cần chú ý đến các dữ liệu nhạy cảm và đảm bảo rằng các mô hình AI không bị ảnh hưởng bởi các thông tin thiên lệch.

📌 Để tận dụng tối đa tiềm năng của Gen AI, người lao động cần phát triển các kỹ năng như Interrogation thông minh, tích hợp Judgment, và Apprenticing tương hỗ. Những kỹ năng này không chỉ giúp cải thiện độ chính xác và độ tin cậy của AI mà còn tạo ra cơ hội mới trong môi trường làm việc hiện đại. Sự chuẩn bị cho tương lai công việc sẽ phụ thuộc vào khả năng của chúng ta trong việc hợp tác hiệu quả với AI.

https://hbr.org/2024/09/embracing-gen-ai-at-work

#HBR

• Ấn Độ, quốc gia dẫn đầu thị trường gia công dịch vụ CNTT, được dự đoán sẽ hưởng lợi nhiều nhất từ ứng dụng AI tạo sinh do cơ hội mở rộng biên lợi nhuận.

• Ngành gia công phần mềm chiếm phần lớn trong nền kinh tế Ấn Độ, nhưng đã hoạt động với biên lợi nhuận rất thấp (khoảng 5%) trong nhiều năm qua.

• AI tạo sinh có tiềm năng tăng biên lợi nhuận lên gấp 4 lần, từ 5% lên tới 20%.

• ServiceNow, công ty dịch vụ công nghệ lớn, đã đạt được lợi ích hữu hình 10 triệu USD hàng năm nhờ tiết kiệm chi phí và tăng năng suất từ việc sử dụng AI tạo sinh.

• Sản phẩm Now Assist của ServiceNow, tích hợp AI, đã trở thành sản phẩm phát triển nhanh nhất của công ty với 11 thương vụ trị giá trên 1 triệu USD trong quý 2 năm 2024.

• Wipro đã tích hợp Virtual Agent với Microsoft Teams, giúp nhân viên giải quyết các yêu cầu nhanh hơn, dẫn đến giảm 40% số lượng yêu cầu dịch vụ và cắt giảm 25% cuộc gọi hỗ trợ.

• Virtual Agent của Wipro hiện xử lý 16.000 yêu cầu mỗi tháng, tăng trưởng 40% mỗi tháng.

• Tại Mindtree, chi phí vận hành CNTT đã giảm 50% nhờ ứng dụng AI.

• Mô hình StarCoder AI của ServiceNow đã tăng năng suất và tốc độ đổi mới của các nhà phát triển lên 52%.

• StarCoder là một mô hình ngôn ngữ lớn nguồn mở (LLM) cho việc tạo mã, được phát triển bởi ServiceNow Research và Hugging Face, với 15 tỷ tham số và được đào tạo trên hơn 80 ngôn ngữ lập trình.

• Nhân viên Ấn Độ chiếm hơn 20% lực lượng lao động toàn cầu của ServiceNow, với Hyderabad là địa điểm lớn nhất về số lượng nhân viên.

• Tại Ấn Độ, 85% nhân viên của ServiceNow là kỹ sư và nhà phát triển, và hơn 40% công việc kỹ thuật sản phẩm toàn cầu được thực hiện từ Ấn Độ.

• Về cơ sở hạ tầng xử lý AI tại Ấn Độ, ServiceNow chưa có kế hoạch cụ thể về GPU, nhưng sẽ xem xét nếu có nhu cầu thị trường.

📌 AI tạo sinh đang mang lại lợi ích đáng kể cho ngành gia công phần mềm Ấn Độ, với tiềm năng tăng biên lợi nhuận từ 5% lên 20%. Các công ty như ServiceNow, Wipro và Mindtree đã chứng kiến sự cải thiện đáng kể về năng suất và hiệu quả chi phí, với ServiceNow đạt được lợi ích 10 triệu USD hàng năm và Wipro giảm 40% yêu cầu dịch vụ.

https://telecom.economictimes.indiatimes.com/news/enterprise-services/the-gen-ai-boost-to-indias-outsourcing-business/112593759

• Huấn luyện mô hình AI đòi hỏi chi phí khổng lồ, chủ yếu do phần cứng đắt đỏ như GPU. Ví dụ, việc huấn luyện LLaMA 2 70B cần ít nhất 10^24 phép tính dấu phẩy động.

• Các công ty lớn như Microsoft, Meta, Nvidia đang phát triển chip AI tùy chỉnh để tối ưu hóa phần cứng. Tuy nhiên, cách tiếp cận này chỉ phù hợp với các "đại gia" có nguồn lực tài chính dồi dào.

• Đối với doanh nghiệp nhỏ và startup, các giải pháp phần mềm sáng tạo là lựa chọn khả thi hơn để tối ưu hóa quá trình huấn luyện và giảm chi phí.

• Mixed precision training kết hợp các phép toán độ chính xác thấp b/float16 với float32 tiêu chuẩn, giúp cải thiện tốc độ xử lý và sử dụng bộ nhớ. Kỹ thuật này có thể cải thiện thời gian chạy lên đến 6 lần trên GPU và 2-3 lần trên TPU.

• Activation checkpointing lưu trữ một tập con các giá trị thiết yếu và chỉ tính toán lại phần còn lại khi cần thiết. Phương pháp này có thể giảm sử dụng bộ nhớ tới 70%, mặc dù kéo dài thời gian huấn luyện 15-25%.

• Multi-GPU training phân phối quá trình huấn luyện trên nhiều GPU cùng lúc. Các công cụ như DeepSpeed, FSDP và YaFSDP có thể tăng tốc độ huấn luyện lên đến 10 lần so với phương pháp truyền thống.

• Các framework mã nguồn mở như Nvidia's APEX và PyTorch của Meta AI hỗ trợ nhiều kỹ thuật tối ưu hóa, giúp việc tích hợp vào quy trình huấn luyện trở nên dễ dàng hơn.

• Bằng cách áp dụng các chiến lược này, ngay cả các doanh nghiệp có nguồn lực hạn chế cũng có thể tham gia vào lĩnh vực AI mà không cần đầu tư lớn vào phần cứng đắt đỏ.

📌 Các kỹ thuật phần mềm như mixed precision training, activation checkpointing và multi-GPU training giúp doanh nghiệp nhỏ tiết kiệm chi phí huấn luyện AI đến 70%. Những công cụ này tăng hiệu quả tính toán, giảm thời gian chạy và cho phép huấn luyện mô hình lớn hơn trên phần cứng hiện có.

https://venturebeat.com/ai/the-economics-of-gpus-how-to-train-your-ai-model-without-going-broke/

• Theo báo cáo mới của McKinsey, 91% trong số gần 600 người được khảo sát cho biết họ sử dụng AI tạo sinh cho công việc, tăng mạnh so với con số 30% cách đây 6 tháng.

• McKinsey cho rằng đây là "điểm bước ngoặt" trong việc sử dụng AI của nhân viên, nhưng các công ty vẫn chưa theo kịp nhân viên của họ trong lĩnh vực này.

• Kết quả này phù hợp với báo cáo trước đó của Microsoft và LinkedIn, cho thấy 75% người lao động sử dụng AI tại nơi làm việc mà không có sự đồng ý của cấp trên.

• Đa số người lao động tin rằng AI sẽ giúp họ trong giao tiếp, tư duy phản biện và sáng tạo.

• Khoảng 70% người dùng AI tự nhận là "người dùng nhẹ", trong khi 21% tự nhận là "người dùng nặng".

• Ngược lại, chỉ có 13% công ty đã triển khai 6 trường hợp sử dụng AI trở lên tại văn phòng - nhóm mà McKinsey gọi là "người áp dụng sớm".

• 60% công ty vẫn đang trong giai đoạn thử nghiệm, được định nghĩa là những công ty đã thử nghiệm AI tạo sinh hoặc đưa vào sử dụng tối đa 5 ứng dụng AI tạo sinh.

• Theo Arun Chandrasekaran của Gartner, nhiều công ty đang gặp khó khăn trong việc chuyển từ thử nghiệm sang sản xuất các dự án AI, do các yếu tố như ảo giác và rủi ro khác, chi phí cao hoặc thiếu quản trị dữ liệu.

• Gartner dự đoán 30% các dự án AI sẽ bị từ bỏ vào năm tới.

• Hầu hết nhân viên đều lạc quan về khả năng cải thiện trải nghiệm làm việc của AI tạo sinh, khác với các cuộc khảo sát khác cho thấy sự lo ngại của người lao động.

• McKinsey khuyến nghị các công ty nên tận dụng tối đa việc sử dụng AI của nhân viên bằng cách triển khai cấu trúc quản trị, nâng cao kỹ năng và đào tạo lại lực lượng lao động một cách chính thức, đồng thời cung cấp các phương tiện hỗ trợ khác cho AI tại nơi làm việc.

📌 91% người lao động đã sử dụng AI tạo sinh tại nơi làm việc, tăng mạnh từ 30% cách đây 6 tháng. Tuy nhiên, chỉ 13% công ty đã triển khai AI một cách toàn diện. McKinsey khuyến nghị các công ty cần nhanh chóng bắt kịp xu hướng này bằng cách xây dựng cấu trúc quản trị và đào tạo nhân viên.

https://www.emergingtechbrew.com/stories/2024/08/16/mckinsey-report-ai-use-at-work

- AI tạo sinh (GenAI) đang thúc đẩy các giải pháp sáng tạo trên toàn cầu, với khả năng tiếp cận các mô hình ngôn ngữ lớn (LLMs) và thuật toán tiên tiến.
- ROI cho doanh nghiệp quy mô lớn rất đáng kể, vì vậy việc triển khai GenAI có thể giúp nâng cao hiệu suất và mang lại giá trị.
- Để đo lường ROI của GenAI, cần xem xét các chỉ số như tiết kiệm thời gian, tiết kiệm chi phí và tăng cường năng suất trong các quy trình khác nhau.
- Việc theo dõi sự cải thiện về hiệu quả, năng suất, doanh thu và thời gian là rất quan trọng trong giai đoạn triển khai đầu tiên.
- Các công nghệ tích hợp có thể giúp tiết kiệm thời gian trong thiết kế, giao tiếp với khách hàng và phân tích dữ liệu.
- GenAI có thể thúc đẩy doanh thu thông qua tối ưu hóa marketing và bán hàng, tăng cường trải nghiệm cá nhân hóa cho khách hàng.
- Doanh thu có thể được đo lường qua các chỉ số như doanh số hàng tháng hoặc doanh số theo kênh bán hàng trực tuyến và ngoại tuyến.
- GenAI cũng có thể cải thiện năng suất bằng cách theo dõi thời gian giao hàng, số giờ lao động và hiệu quả lao động.
- Doanh nghiệp có thể giảm chi phí triển khai GenAI bằng cách chuyển sang các mô hình ngôn ngữ cụ thể theo miền thay vì sử dụng GPU nặng.
- Kỹ thuật định lượng mô hình giúp giảm chi phí tính toán và bộ nhớ bằng cách sử dụng định dạng int8 thay vì float32.
- Doanh nghiệp cần chọn mô hình ngôn ngữ phù hợp, như Mistral AI cho các tác vụ lớn hoặc LLaMa để cải thiện sự đa dạng và chất lượng phản hồi.
- Các doanh nghiệp nên tập trung vào các dự án ngắn hạn có thể mang lại giá trị lớn trong vòng một năm.
- Bắt đầu với các trường hợp sử dụng nhỏ như chuẩn bị báo cáo và phân tích dữ liệu có thể tạo ra giá trị nhanh chóng.
- Mặc dù nên bắt đầu nhỏ, doanh nghiệp cũng cần tập trung vào tăng trưởng dài hạn thông qua các thuật toán GenAI có thể mở rộng.
- Việc tích hợp công nghệ phù hợp và sử dụng dữ liệu chất lượng cao là rất quan trọng để tối ưu hóa ROI từ GenAI.

📌 Việc triển khai AI tạo sinh có thể mang lại ROI đáng kể cho doanh nghiệp thông qua tiết kiệm thời gian và chi phí, tối ưu hóa quy trình và tăng trưởng doanh thu. Các mô hình ngôn ngữ phù hợp và dữ liệu chất lượng cao là yếu tố quyết định để đạt được thành công.

https://www.forbes.com/councils/forbestechcouncil/2024/08/14/quantifying-the-roi-of-generative-ai-with-a-focus-on-cost-efficiency/

- 65% tổ chức hiện đang sử dụng AI tạo sinh, gần gấp đôi so với khảo sát trước đó của McKinsey chỉ 10 tháng trước.
- Các tổ chức đang tìm kiếm lợi ích từ AI tạo sinh thông qua việc cải thiện quy trình hiện có và giảm chi phí.
- Nhiều tổ chức vẫn đang ở giai đoạn thử nghiệm, trong khi một số đã bắt đầu triển khai quy mô lớn.
- Rào cản lớn nhất đối với việc áp dụng AI tạo sinh là thiếu hụt nhân tài công nghệ; 33% tổ chức có chuyên môn cao cảm thấy áp lực để áp dụng công nghệ này.
- Chỉ 15% công ty có thể thấy cải thiện lợi nhuận từ các sáng kiến AI tạo sinh, cho thấy nhiều dự án chưa tạo ra giá trị thực sự.
- 48% tổ chức không kỳ vọng thấy sự chuyển mình từ AI tạo sinh trong vòng 1-3 năm tới.
- Các câu hỏi pháp lý và quy định đang làm chậm tiến độ triển khai AI tạo sinh, với 28% tổ chức cho rằng vấn đề tuân thủ là rào cản lớn.
- Chi phí triển khai AI tạo sinh rất cao, và các tổ chức cần quản lý chi phí trước khi chúng trở thành gánh nặng.
- Việc thu thập dữ liệu chất lượng cao là một thách thức lớn, vì các mô hình AI tạo sinh cần một lượng lớn dữ liệu chính xác để hoạt động hiệu quả.
- Mặc dù có nhiều khó khăn, các lãnh đạo công nghệ tin rằng AI tạo sinh sẽ không biến mất và sẽ tiếp tục phát triển trong những năm tới.

📌 AI tạo sinh đang ngày càng phổ biến trong doanh nghiệp, nhưng đối mặt với nhiều thách thức như thiếu nhân tài, chi phí cao và vấn đề pháp lý. 65% tổ chức đã áp dụng công nghệ này, nhưng chỉ 15% thấy lợi ích thực sự, cho thấy cần có chiến lược rõ ràng để khai thác tiềm năng của AI tạo sinh.

https://www.cio.com/article/3478772/6-hard-truths-of-generative-ai-in-the-enterprise.html?amp=1

- AI tạo sinh (gen AI) đang trở thành một công cụ quan trọng trong ngành bán lẻ, với tiềm năng tạo ra giá trị kinh tế từ 240 tỷ đến 390 tỷ USD.
- Các nhà bán lẻ đã nhận ra rằng việc áp dụng gen AI có thể tăng biên lợi nhuận từ 1.2 đến 1.9 điểm phần trăm.
- Một khảo sát với hơn 50 giám đốc điều hành trong ngành bán lẻ cho thấy 90% đã bắt đầu thử nghiệm các giải pháp gen AI.
- Chỉ có 2% giám đốc điều hành cho biết đã triển khai thành công gen AI trên quy mô lớn trong tổ chức của họ.
- Những thách thức lớn trong việc áp dụng gen AI bao gồm chất lượng dữ liệu, lo ngại về quyền riêng tư, và thiếu hụt nguồn lực và chuyên môn.
- Các công ty thành công trong việc áp dụng gen AI thường tập trung vào các lĩnh vực cụ thể và chuyển đổi từ thử nghiệm sang triển khai quy mô lớn.
- Gen AI có thể cải thiện hiệu suất trong chuỗi giá trị bán lẻ, bao gồm tiếp thị, phân phối, và hoạt động nội bộ.
- Ví dụ, Amazon đã phát triển công cụ tạo hình ảnh bằng AI, giúp tăng tỷ lệ nhấp chuột quảng cáo lên đến 40%.
- Mercado Libre sử dụng "Copilots" để tăng năng suất của nhân viên phát triển phần mềm, giảm thời gian thực hiện nhiệm vụ lên tới 60%.
- Gen AI cũng có thể cải thiện trải nghiệm khách hàng thông qua các chatbot thông minh, giúp cá nhân hóa và nâng cao sự hài lòng của khách hàng.
- Các nhà bán lẻ đang thử nghiệm chatbot để tương tác với khách hàng, nhưng vẫn chưa tận dụng tối đa khả năng cá nhân hóa.
- Để mở rộng quy mô gen AI, các nhà bán lẻ cần xác định các lĩnh vực cần cải cách, nâng cao kỹ năng cho nhân viên, và thiết lập một đội ngũ liên chức năng.
- Việc đảm bảo chất lượng dữ liệu là rất quan trọng để cung cấp thông tin chính xác cho các mô hình AI.
- Gen AI không còn là một công nghệ mới mẻ mà đã trở thành một yếu tố cạnh tranh quan trọng trong ngành bán lẻ.

📌 Gen AI có tiềm năng tạo ra giá trị lớn cho ngành bán lẻ, với 90% nhà lãnh đạo đã thử nghiệm công nghệ này. Tuy nhiên, chỉ 2% đã triển khai thành công. Để mở rộng quy mô, cần tập trung vào các lĩnh vực cụ thể và đảm bảo chất lượng dữ liệu.

https://www.mckinsey.com/industries/retail/our-insights/llm-to-roi-how-to-scale-gen-ai-in-retail

#McKinsey

• AutoRAG 2.0 của Got It AI đạt được tỷ lệ ảo giác gần như bằng 0 trong ứng dụng RAG, với mục tiêu đạt độ chính xác 99,99% - tương đương mức SLA của điện toán đám mây.

• Hệ thống sử dụng mô hình TruthChecker để phát hiện, giải thích và sửa chữa ảo giác trong câu trả lời của chatbot trước khi gửi cho người dùng.

• AutoRAG 2.0 đạt tỷ lệ ảo giác dưới 0,015% khi sử dụng GPT-4 Turbo và 0,79% khi sử dụng mô hình nguồn mở Llama3-70B, vượt trội so với GPT-4o (0,92%).

• TruthChecker được huấn luyện chỉ trên dữ liệu công khai, không vi phạm điều khoản sử dụng của các mô hình độc quyền như OpenAI.

• Hệ thống áp dụng được cho nhiều lĩnh vực khác nhau mà không cần tinh chỉnh lại mô hình cho từng bộ dữ liệu doanh nghiệp cụ thể.

• AutoRAG 2.0 sử dụng kỹ thuật RAG nâng cao và hệ thống tạo metadata tự động GEMS để cải thiện độ chính xác của truy xuất và tạo câu trả lời.

• Quá trình huấn luyện TruthChecker bao gồm tạo dữ liệu tổng hợp bằng Llama3-70B, ghi chú bởi con người và tự động, và tinh chỉnh mô hình nền tảng như Mixtral-8x7B.

• Hệ thống được đánh giá trên nhiều biến thể ứng dụng RAG khác nhau, sử dụng GPT-4o hoặc Llama3-70B làm mô hình tạo câu trả lời.

• AutoRAG 2.0 giải quyết các vấn đề của doanh nghiệp như chia sẻ dữ liệu với bên thứ ba, chi phí suy luận LLM cao và thiếu kiểm soát cơ sở hạ tầng ML.

• Công nghệ này cho phép doanh nghiệp xây dựng ứng dụng RAG chính xác cao mà không cần sử dụng các mô hình độc quyền đắt tiền.

📌 AutoRAG 2.0 của Got It AI đạt được độ chính xác gần như tuyệt đối trong ứng dụng RAG, với tỷ lệ ảo giác chỉ 0,015% khi sử dụng GPT-4 Turbo và 0,79% với mô hình nguồn mở Llama3-70B. Hệ thống TruthChecker giúp phát hiện và sửa chữa ảo giác, mang lại giải pháp chatbot doanh nghiệp an toàn và đáng tin cậy.

https://www.app.got-it.ai/post/hallucination-free-enterprise-rag-with-decision-transparency

• JPMorgan Chase đã triển khai trợ lý AI tạo sinh có tên LLM Suite cho hơn 60.000 nhân viên trong vài tuần qua.

• LLM Suite giúp nhân viên thực hiện các công việc như viết email và báo cáo. Dự kiến phần mềm này sẽ phổ biến trong ngân hàng như Zoom.

• JPMorgan thiết kế LLM Suite như một cổng thông tin cho phép người dùng truy cập các mô hình ngôn ngữ lớn bên ngoài, bắt đầu với mô hình của OpenAI - công ty tạo ra ChatGPT.

• Ngân hàng có kế hoạch sử dụng linh hoạt nhiều mô hình AI khác nhau tùy theo mục đích sử dụng, không phụ thuộc vào một nhà cung cấp duy nhất.

• JPMorgan cấm nhân viên sử dụng ChatGPT từ năm ngoái để bảo vệ dữ liệu, nay cung cấp phiên bản được phê duyệt của ChatGPT thông qua LLM Suite.

• Công nghệ này được triển khai rộng rãi trong các bộ phận như ngân hàng bán lẻ, ngân hàng đầu tư, quản lý tài sản.

• JPMorgan đang thử nghiệm nhiều ứng dụng cho cả AI truyền thống và AI tạo sinh, một số đã đưa vào sử dụng.

• AI tạo sinh được sử dụng để tạo nội dung marketing, lập lịch trình cho khách hàng du lịch, tóm tắt cuộc họp cho cố vấn tài chính.

• AI truyền thống giúp xác định vị trí chi nhánh mới, hỗ trợ nhân viên tổng đài, ngăn chặn gian lận trong thanh toán toàn cầu.

• JPMorgan thận trọng hơn với AI tạo sinh tiếp xúc trực tiếp với khách hàng do rủi ro chatbot cung cấp thông tin sai.

• Ngân hàng dự đoán thị trường AI tạo sinh sẽ phát triển thành 5-6 mô hình nền tảng lớn chiếm ưu thế.

• JPMorgan đang thử nghiệm các mô hình LLM từ các công ty công nghệ lớn của Mỹ và mô hình nguồn mở để tích hợp vào cổng thông tin.

• Quá trình phát triển AI tạo sinh tại JPMorgan gồm 3 giai đoạn: cung cấp mô hình cho nhân viên, bổ sung dữ liệu độc quyền để tăng năng suất, và cuối cùng là AI hoạt động như tác nhân tự chủ thực hiện các tác vụ phức tạp.

• Công nghệ này có thể trao quyền cho một số nhân viên nhưng cũng thay thế những người khác, thay đổi cơ cấu ngành theo cách khó dự đoán.

• Theo Accenture, ngành ngân hàng dễ bị tự động hóa nhất trong các ngành. Citigroup dự đoán AI có thể tăng lợi nhuận ngành lên 170 tỷ USD trong 4 năm.

📌 JPMorgan Chase triển khai trợ lý AI tạo sinh LLM Suite cho 60.000 nhân viên, mở đầu kế hoạch ứng dụng AI toàn diện. Công nghệ này dự kiến sẽ tăng năng suất, tự động hóa nhiều công việc và có thể thay đổi cơ cấu ngành ngân hàng, với tiềm năng tăng lợi nhuận lên 170 tỷ USD trong 4 năm tới.

https://www.cnbc.com/2024/08/09/jpmorgan-chase-ai-artificial-intelligence-assistant-chatgpt-openai.html

• Theo khảo sát mới của Google Cloud và National Research Group, 74% công ty sử dụng AI tạo sinh cho ít nhất một ứng dụng đã thấy lợi nhuận đầu tư trong vòng 1 năm. Trong số đó, 86% báo cáo doanh thu tăng 6% trở lên.

• Khảo sát được thực hiện với 2.508 lãnh đạo cấp cao của các doanh nghiệp toàn cầu có doanh thu từ 10 triệu USD trở lên, từ ngày 23/2 đến 5/4 năm nay. 61% số người được hỏi cho biết họ sử dụng AI tạo sinh cho ít nhất một ứng dụng.

• Năng suất được cải thiện 45%, với 70% số người được hỏi cho rằng lợi ích đến từ quy trình CNTT và năng suất nhân viên. Các cải thiện khác bao gồm thời gian ra quyết định nhanh hơn và độ chính xác cao hơn.

• 63% coi AI là động lực tăng trưởng kinh doanh. Trung bình, các công ty thấy cải thiện trong việc tìm kiếm và thu hút khách hàng nhờ công cụ AI.

• Tuy nhiên, một khảo sát khác từ Upwork cho thấy AI khiến nhân viên khó làm việc hiệu quả hơn do sếp kỳ vọng tăng năng suất.

• 81% lãnh đạo cấp cao kỳ vọng nhiều hơn từ nhân viên, với 37% cho rằng công cụ AI nên giúp tăng sản lượng.

• 65% nhân viên tin AI có thể tăng năng suất, nhưng 47% không biết cách sử dụng AI trong công việc do thiếu đào tạo.

• Google nhấn mạnh tầm quan trọng của chiến lược toàn diện để áp dụng AI, bắt đầu từ quy mô nhỏ và tập trung vào các lĩnh vực kinh doanh cốt lõi.

• 74% nhân viên tin rằng công ty cần thay đổi cách đánh giá năng suất, tập trung hơn vào sáng tạo, đổi mới và xây dựng quan hệ khách hàng.

• Các doanh nghiệp áp dụng sớm AI tạo sinh đang thấy lợi nhuận đầu tư, nhưng cần có sự tham gia của nhân viên trong quá trình này.

📌 Khảo sát cho thấy 86% doanh nghiệp tăng doanh thu 6% nhờ AI tạo sinh, với 74% thấy lợi nhuận đầu tư trong 1 năm. Tuy nhiên, 47% nhân viên thiếu đào tạo về AI và 74% muốn thay đổi cách đánh giá năng suất. Doanh nghiệp cần chiến lược toàn diện và sự tham gia của nhân viên để tối ưu hóa lợi ích từ AI.

https://venturebeat.com/ai/86-of-enterprises-see-6-revenue-growth-with-gen-ai-use-according-to-google-cloud-survey/

• Theo khảo sát toàn cầu của McKinsey, 91% nhân viên đã sử dụng Gen AI cho công việc và phần lớn đều nhiệt tình với công nghệ này. 90% tin rằng Gen AI có thể tác động tích cực đến trải nghiệm làm việc.

• Tuy nhiên, chỉ 13% công ty đã triển khai nhiều trường hợp sử dụng Gen AI. Nhóm này được gọi là "người áp dụng sớm" và có tỷ lệ người dùng thường xuyên cao hơn.

• Để khai thác tiềm năng của Gen AI, các công ty cần áp dụng cách tiếp cận toàn diện để chuyển đổi cách thức hoạt động của toàn tổ chức với Gen AI. Công nghệ đơn thuần không tạo ra giá trị.

• McKinsey đề xuất 3 bước để chuẩn bị cho bước ngoặt tiếp theo của Gen AI:

1. Tái cấu trúc mô hình vận hành bằng cách chuyển tầm nhìn thành giá trị, từng lĩnh vực một. Ví dụ:
- Phát triển phần mềm: Gen AI có thể rút ngắn thời gian từ ý tưởng đến tạo mẫu, tự động hóa viết mã và kiểm thử.
- Marketing: Cá nhân hóa quy mô lớn, tăng tương tác và lòng trung thành của khách hàng.
- Dịch vụ khách hàng: Chủ động giải quyết vấn đề và đề xuất sản phẩm mới với chi phí thấp hơn.

2. Tái định hình chiến lược nhân tài và kỹ năng:
- 50% hoạt động công việc hiện tại có thể được tự động hóa từ 2030-2060.
- Các công ty cần nhanh chóng hiểu nhu cầu nhân tài và kỹ năng, áp dụng chiến lược đào tạo và đầu tư nâng cao kỹ năng.
- Tập trung vào đào tạo lại và nâng cao kỹ năng thay vì chỉ tuyển dụng.

3. Củng cố thay đổi để tiếp tục chuyển đổi:
- Thiết lập quản trị phù hợp cho Gen AI, thường là cấu trúc tập trung.
- Xử lý các thay đổi như một cuộc chuyển đổi thực sự với cơ sở hạ tầng, vai trò và tiêu chí đo lường được xác định rõ ràng.
- Giải quyết tư duy và hành vi của nhân viên thông qua mô hình ảnh hưởng: làm gương, thúc đẩy hiểu biết và niềm tin, xây dựng năng lực, củng cố cách làm việc mới.

📌 Gen AI đang ở điểm bùng phát với 91% nhân viên sử dụng nhưng chỉ 13% công ty triển khai nhiều ứng dụng. Để tận dụng tiềm năng, doanh nghiệp cần chuyển đổi toàn diện về mô hình vận hành, chiến lược nhân tài và quản trị. Hành động ngay để không bị tụt hậu trong tương lai.

https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/gen-ais-next-inflection-point-from-employee-experimentation-to-organizational-transformation#/

• Theo nghiên cứu Trends in AI for CRM của Salesforce, IDC ước tính các công ty đã đầu tư 16 tỷ USD vào giải pháp AI tạo sinh năm 2023 và sẽ đầu tư 140 tỷ USD vào năm 2027, với tốc độ tăng trưởng kép hàng năm (CAGR) là 70%.

• 92% các nhóm bán hàng, dịch vụ, tiếp thị hoặc thương mại đang xem xét đầu tư vào AI. AI là ưu tiên hàng đầu của các CEO và thường xuyên được thảo luận trong phòng họp hội đồng quản trị, Ban GĐ

• 56% nhân viên văn phòng tin rằng AI tạo sinh sẽ biến đổi vai trò của họ, nhưng chỉ 21% nói rằng công ty họ đã đưa ra chính sách rõ ràng về việc sử dụng AI.

• Miriam Vogel, Chủ tịch và CEO của Equal AI, nhấn mạnh tầm quan trọng của tính toàn diện và công bằng trong phát triển và triển khai AI. Bà kêu gọi nâng cao kiến thức về AI và sự tham gia của các cộng đồng đa dạng trong phát triển AI.

• Teresa Carlson, nhà đầu tư mạo hiểm tại General Catalyst, nhấn mạnh cần có cách tiếp cận dựa trên rủi ro đối với AI, đồng thời công nhận tiềm năng về các mối đe dọa an ninh mạng. Bà nhấn mạnh tốc độ đổi mới công nghệ nhanh chóng và nhu cầu về các công nghệ có thể theo kịp các mối đe dọa đang phát triển.

• Tiến sĩ David Bray nhấn mạnh sự cần thiết của cách tiếp cận thực tế đối với AI, kêu gọi các công ty và chính phủ ưu tiên trường hợp kinh doanh trước khi triển khai công nghệ AI. Ông cảnh báo về những rủi ro mà các tổ chức phải đối mặt khi áp dụng AI mà không hiểu đầy đủ về tác động của nó.

• Các chuyên gia nhấn mạnh tầm quan trọng của sự hợp tác giữa ngành công nghiệp, chính phủ và các tổ chức phi lợi nhuận trong việc định hình tương lai của AI. Họ nhấn mạnh sự cần thiết của quan hệ đối tác công-tư, tài trợ của chính phủ và đầu tư vốn mạo hiểm để thúc đẩy đổi mới AI có trách nhiệm.

• Các diễn giả nhấn mạnh nhu cầu tiếp tục giáo dục và đào tạo để chuẩn bị lực lượng lao động cho một thế giới ngày càng bị định hình bởi AI. Họ nhấn mạnh tầm quan trọng của kiến thức về AI, đặc biệt là đối với thế hệ trẻ, để đảm bảo AI được sử dụng một cách có trách nhiệm và hiệu quả.

• Các chuyên gia đồng ý về sự cần thiết của cách tiếp cận thực tế, toàn diện và có trách nhiệm đối với AI, đảm bảo rằng lợi ích của nó được chia sẻ cho tất cả mọi người. Họ cũng nhất trí về tầm quan trọng của sự hợp tác, giáo dục và đầu tư trong việc định hình một tương lai nơi AI đóng vai trò là một lực lượng tích cực.

📌 Các chuyên gia AI hàng đầu nhấn mạnh tầm quan trọng của quản trị AI có trách nhiệm trong phòng họp hội đồng quản trị,  Họ kêu gọi cách tiếp cận thực tế, toàn diện và có trách nhiệm, với sự hợp tác giữa ngành công nghiệp, chính phủ và xã hội. Đầu tư vào AI dự kiến tăng từ 16 tỷ USD năm 2023 lên 140 tỷ USD vào năm 2027.

https://www.zdnet.com/article/your-board-needs-no-nonsense-ai-leadership-these-experts-explain-why/

• Dự đoán về tác động của AI đến tăng trưởng kinh tế và tự động hóa ngày càng phổ biến. PwC dự báo AI có thể thúc đẩy GDP toàn cầu tăng 14% vào năm 2030, tạo ra 15,7 nghìn tỷ USD.

• 40% công việc thường ngày có thể được tự động hóa vào năm 2030. Goldman Sachs dự đoán đầu tư vào AI sẽ đạt 200 tỷ USD vào năm 2025.

• Tuy nhiên, hiện tại các doanh nghiệp gặp nhiều trở ngại khi muốn triển khai AI trên toàn doanh nghiệp. Chỉ 5,4% doanh nghiệp Mỹ đang sử dụng AI để sản xuất sản phẩm hoặc dịch vụ trong năm 2024.

• Để mở rộng quy mô AI, doanh nghiệp cần chuyển đổi về chiến lược và tổ chức trong cơ sở hạ tầng, quản trị dữ liệu và hệ sinh thái nhà cung cấp.

• 95% công ty đã sử dụng AI và 99% dự kiến sẽ sử dụng trong tương lai. Tuy nhiên, 76% mới triển khai AI trong 1-3 trường hợp sử dụng.

• 50% công ty kỳ vọng triển khai AI đầy đủ trong tất cả chức năng kinh doanh trong vòng 2 năm tới.

• Chi tiêu cho sẵn sàng AI dự kiến tăng đáng kể trong năm 2024. 90% người được hỏi dự kiến tăng chi tiêu cho sẵn sàng dữ liệu và các lĩnh vực liên quan.

• 40% dự kiến tăng chi tiêu 10-24%, 33% dự kiến tăng 25-49%.

• Khả năng lưu chuyển dữ liệu là một trong những thuộc tính quan trọng nhất để triển khai AI.

• Chất lượng dữ liệu là hạn chế lớn nhất đối với việc triển khai AI, được 50% người trả lời đề cập.

• 98% tổ chức sẵn sàng không phải là người đầu tiên sử dụng AI nếu điều đó đảm bảo triển khai an toàn và bảo mật.

• Quản trị, bảo mật và quyền riêng tư là yếu tố cản trở lớn nhất đối với tốc độ triển khai AI, được 45% người trả lời đề cập.

📌 99% doanh nghiệp dự kiến sử dụng AI trong tương lai, nhưng hiện chỉ 5,4% đang áp dụng. Chất lượng dữ liệu và quản trị là thách thức lớn nhất. 90% công ty sẽ tăng đầu tư cho sẵn sàng AI trong năm 2024, với 33% tăng 25-49%.

https://www.technologyreview.com/2024/08/05/1095447/a-playbook-for-crafting-ai-strategy/

#MIT

• "AI-first" là mô hình kinh doanh lấy AI làm nền tảng cho mọi công việc. Trong cách tiếp cận này, mọi quy trình làm việc đều bắt đầu với giả định có thể áp dụng AI. AI là lựa chọn mặc định, chỉ phát triển quy trình không dùng AI khi rủi ro quá cao.

• 10 tình huống sử dụng AI trong bộ phận bán hàng và tiếp thị:
- AI xác định đối tượng khách hàng có khả năng mua hàng cao nhất
- AI hỗ trợ xây dựng bài chào hàng, tạo nhiều phiên bản cho các đối tượng khác nhau
- AI tạo thông điệp bằng cách phân tích ngữ cảnh và lựa chọn hình ảnh/văn bản để tăng tỷ lệ phản hồi
- AI xếp hạng khách hàng tiềm năng và tự động tương tác qua chat/email để hỗ trợ mua hàng
- AI phân tích tâm trạng khách hàng trong chat để nhân viên có thể tiếp quản khi cần
- AI tạo hồ sơ khách hàng toàn diện để nhân viên bán hàng nắm rõ thông tin và tạo mối quan hệ nhanh chóng
- AI tự động lên lịch họp, ghi chép và lưu trữ để cải thiện dự báo bán hàng
- AI tạo báo cáo, dự báo tài chính và phân tích bán hàng/tiếp thị khác
- AI theo dõi lộ trình sản phẩm mới và tạo bài thuyết trình về tính năng/khả năng mới
- AI giám sát đối thủ cạnh tranh, tóm tắt thông tin từ hội nghị, sản phẩm mới, quảng cáo và mạng xã hội

• Phân tích cho thấy AI có thể thay thế tới 50% thời gian con người dành cho các công việc tiếp thị. Doanh nghiệp có thể giảm chi phí bán hàng/tiếp thị đồng thời tăng lợi nhuận.

• Con người vẫn đóng vai trò quan trọng trong việc xây dựng chiến lược dài hạn và thiết lập các chính sách, ranh giới cho AI hoạt động. Điều này đảm bảo AI không bỏ qua bức tranh tổng thể hoặc thực hiện các hành động phi đạo đức/bất hợp pháp như tăng giá trong thiên tai.

• Mặc dù AI rất giỏi trong các trò chơi như cờ vua, con người vẫn cần xác định chiến lược kinh doanh dài hạn và chính sách cho AI hoạt động, sau đó để AI "di chuyển các quân cờ trên bàn cờ".

📌 Cách tiếp cận "AI-first" có thể giúp doanh nghiệp tiết kiệm tới 50% thời gian cho các công việc tiếp thị, giảm chi phí và tăng lợi nhuận đáng kể. Tuy nhiên, con người vẫn đóng vai trò chiến lược quan trọng trong việc định hướng và kiểm soát hoạt động của AI.

https://bigthink.com/business/why-an-ai-first-business-plan-will-produce-stratospheric-startups/

• Chi phí AI vẫn là một vấn đề lớn đối với các doanh nghiệp. Công cụ AI của Google tính thêm 20 USD/tháng cho mỗi nhân viên, trong khi Copilot của Microsoft tốn 30 USD/tháng/người. Việc triển khai AI trực tiếp vào hệ thống công ty có thể tốn từ 5-20 triệu USD.

• Tuy nhiên, chi phí AI đang có xu hướng giảm. Mô hình Gemini mới nhất của Google mạnh mẽ hơn nhưng giá chỉ bằng một nửa so với phiên bản trước. OpenAI cho biết chi phí truy cập các mô hình của họ đã giảm 99% kể từ năm 2022.

• Anthropic dự đoán chi phí mô hình của họ có thể giảm còn 25% trong 1-2 năm tới. Công ty này đã giảm một nửa chi phí xây dựng mô hình gần đây thông qua các phương pháp nghiên cứu mới.

• Tại Trung Quốc, cuộc chiến giá đã khiến chi phí sử dụng AI tạo sinh giảm mạnh. Startup DeepSeek chỉ tính 0,14 USD/triệu token cho người dùng doanh nghiệp, trong khi mô hình tương tự của OpenAI có giá 10 USD.

• Nhiều doanh nghiệp nhận ra họ không cần AI mạnh nhất để tăng năng suất nhân viên, nên đang thử nghiệm các mô hình mã nguồn mở hoặc nhỏ hơn với chi phí thấp hơn.

• Tuy nhiên, vẫn còn câu hỏi lớn về tính hữu dụng của AI đối với lợi nhuận doanh nghiệp. Gartner dự đoán 30% dự án AI sẽ bị bỏ dở vào cuối năm 2025, chủ yếu do vấn đề này.

• Nếu công nghệ AI chỉ dừng lại ở chatbot và tóm tắt văn bản, nó có thể không đáng giá ngay cả với mức giá thấp hơn. Đây là vấn đề mà các công ty công nghệ cần giải quyết, thậm chí còn quan trọng hơn cả vấn đề chi phí.

📌 Chi phí AI đang giảm nhưng vẫn còn thách thức về hiệu quả sử dụng. 30% dự án AI có thể bị bỏ dở vào cuối 2025 do chưa mang lại lợi ích rõ ràng cho doanh nghiệp. Các công ty cần tập trung vào tăng tính hữu dụng của AI hơn là chỉ giảm chi phí.

https://www.bloomberg.com/opinion/articles/2024-08-05/ai-is-getting-cheaper-that-won-t-fix-all-of-big-tech-s-problems

• Theo ước tính của Microsoft, gần 60% công ty trong danh sách Fortune 500 đang sử dụng trợ lý AI Copilot của họ. Tuy nhiên, các diễn giả tại hội nghị Fortune Brainstorm AI Singapore tuần trước cảnh báo rằng các công ty cần vượt qua 3 khoảng cách về giá trị, sự tự tin và chuyên môn để tận dụng lợi ích của AI tạo sinh.

• Debanjan Saha, CEO của DataRobot, chỉ ra "khoảng cách giá trị" - khó khăn trong việc chuyển đổi sự phấn khích về AI thành kết quả kinh doanh cụ thể. Ông cũng đề cập đến "khoảng cách tự tin" khi các doanh nghiệp chưa đủ tự tin để đưa các ứng dụng AI vào sản xuất do lo ngại về độ chính xác.

• Về "khoảng cách chuyên môn", Saha cho rằng công ty không cần nhân viên có kiến thức sâu về AI, mà cần người biết sử dụng các mô hình để giải quyết vấn đề kinh doanh. Một yếu tố quan trọng khác là tìm cách "tránh vi phạm pháp luật" khi sử dụng AI.

• Vivek Luthra từ Accenture nhận xét rằng ngược với dự đoán, các ngành được quản lý chặt chẽ hơn lại đang sử dụng AI nhiều hơn. Ông khuyến nghị các công ty nên tiếp cận vấn đề từ góc độ chuyển đổi lực lượng lao động, xác định công việc tương lai và đào tạo nhân viên phù hợp.

• Luthra dẫn ví dụ một công ty thực phẩm và đồ uống đã sử dụng AI để tạo ra nội dung marketing cho cả năm chỉ trong 8 ngày, cho thấy tiềm năng tăng năng suất đáng kể.

• Cả hai diễn giả đều cảnh báo rằng không phải mọi công ty đều có thể áp dụng AI với tốc độ như nhau. Các công ty công nghệ và ít tài sản có thể linh hoạt hơn, trong khi các doanh nghiệp sản xuất cần nhiều thời gian hơn để ứng dụng công nghệ mới.

• Saha nhắc nhở rằng mục đích của AI tạo sinh là mang lại giá trị cho doanh nghiệp, và "thời kỳ trăng mật" sẽ không kéo dài. Việc chứng minh giá trị ngắn hạn, lợi nhuận đầu tư và một số thành công ban đầu là rất quan trọng.

📌 Các công ty cần vượt qua 3 khoảng cách về giá trị, tự tin và chuyên môn để tận dụng AI hiệu quả. Ví dụ điển hình là một công ty F&B tăng năng suất đáng kể, tạo nội dung marketing cả năm chỉ trong 8 ngày nhờ AI. Tuy nhiên, tốc độ áp dụng AI sẽ khác nhau giữa các ngành.

https://fortune.com/asia/2024/08/05/unlocking-ai-close-three-gaps-confidence-expertise-confidence-brainstorm-ai-singapore/

• Kore.ai vừa ra mắt nền tảng Express cho XO (Experience Optimisation) nhằm giúp người dùng không chuyên ở các doanh nghiệp nhỏ dễ dàng tạo chatbot AI và triển khai khả năng Contact Center.

• Nền tảng này giúp các doanh nghiệp nhỏ tận dụng công nghệ AI hội thoại tiên tiến để cải thiện trải nghiệm số, hiệu quả chi phí và tăng trưởng mà không cần chuyên môn về AI tạo sinh.

• Chatbot AI có thể tự động hóa đến 80% tương tác kinh doanh thông thường. Gartner dự đoán đến năm 2026, 75% giải pháp AI hội thoại sẽ tích hợp AI tạo sinh.

• Theo khảo sát của TechAisle, khoảng 60% doanh nghiệp nhỏ và vừa và 84% doanh nghiệp cỡ trung đang sử dụng hoặc có kế hoạch sử dụng AI tạo sinh.

• XO Express AI Automation cho phép triển khai chatbot AI cho các chức năng khác nhau trong vòng đời khách hàng như tiếp thị, bán hàng và hỗ trợ.

• Nền tảng này hoạt động trên nhiều hệ thống ghi chép, tạo ra trải nghiệm thương hiệu nhất quán và tránh chi phí quản lý chatbot AI từ nhiều nhà cung cấp khác nhau.

• XO Contact Centre AI Express giúp xây dựng Contact Center để quản lý cuộc gọi đến và chat web tốt hơn. Nó cũng nâng cao trải nghiệm thoại thông qua cổng thoại độc quyền.

• Theo CEO Raj Koneru, XO Express biến việc xây dựng chatbot AI thành trải nghiệm trực quan và thú vị, không cần hiểu biết chuyên sâu về AI hội thoại.

• Giải pháp này cho phép doanh nghiệp nhỏ tự do khám phá, đổi mới và mở rộng quy mô một cách hiệu quả về chi phí trong bối cảnh công nghệ thay đổi và kỳ vọng của khách hàng ngày càng cao.

📌 Kore.ai ra mắt nền tảng XO Express giúp doanh nghiệp nhỏ dễ dàng triển khai chatbot AI và Contact Center. Giải pháp này có thể tự động hóa 80% tương tác thông thường, phù hợp với xu hướng 75% giải pháp AI hội thoại sẽ tích hợp AI tạo sinh vào năm 2026.

https://www.ndtvprofit.com/technology/koreai-launches-platform-for-small-businesses-to-deploy-ai-chatbots-build-contact-centre

• Mô hình ngôn ngữ nhỏ (SLM) đang được chú ý sau khi OpenAI ra mắt GPT-4o mini, nhưng chuyên gia cảnh báo rằng những mô hình nhẹ và tiết kiệm chi phí này sẽ không phải là giải pháp toàn diện cho các doanh nghiệp.

• GPT-4o mini có hiệu suất tốt, đặc biệt trong lĩnh vực suy luận toán học. Nó đạt 82% về hiểu ngôn ngữ đa nhiệm và 87% về toán học đa ngôn ngữ cấp tiểu học.

• Ưu điểm lớn nhất của GPT-4o mini là chi phí. Với giá 5 cent cho mỗi triệu token đầu vào và 60 cent cho mỗi triệu token đầu ra, GPT-4o rẻ hơn 60% so với GPT-3.5 Turbo.

• Microsoft cũng đã ra mắt Phi 3 - một dòng SLM được thiết kế để việc tinh chỉnh hoặc tùy chỉnh dễ dàng và rẻ hơn, với yêu cầu tính toán thấp hơn.

• Chi phí của các mô hình phụ thuộc vào số lượng GPU cần thiết để triển khai. Mô hình càng nhỏ thì càng cần ít GPU và do đó chi phí càng thấp.

• Tuy nhiên, có một "lỗi ẩn" trong cuộc thảo luận về SLM. Mặc dù khả năng của chúng "đủ tốt để bắt đầu" nhưng không "đủ tốt để thực sự đưa vào sản xuất".

• SLM thường được xây dựng để xuất sắc trong các lĩnh vực cụ thể, tạo ra rào cản khi công ty cố gắng làm việc với các mô hình ngoài phạm vi khả năng của chúng.

• Người dùng nên cẩn thận khi đánh giá mục đích sử dụng SLM. Nếu phù hợp với các tiêu chuẩn mà mô hình đạt được cao nhất, người dùng sẽ thấy kết quả tích cực. Tuy nhiên, không nên kỳ vọng hiệu suất tốt trên tất cả các chức năng của SLM.

• Tương lai có thể sẽ không yêu cầu doanh nghiệp lựa chọn hoàn toàn giữa SLM và mô hình ngôn ngữ lớn (LLM). Không một mô hình nào có thể phục vụ đầy đủ cho các trường hợp sử dụng ở cấp độ doanh nghiệp, chuyên gia.

• Nhiều mô hình cần phải kết hợp với nhau - làm việc cùng nhau một cách đồng bộ - theo cách gần như tự động để đạt được kết quả mong muốn.

• Giống như doanh nghiệp hiện đang áp dụng chiến lược đa đám mây khi xây dựng kiến trúc đám mây, các công ty cũng cần suy nghĩ về tương lai AI của họ theo cách tương tự.

📌 SLM như GPT-4o mini của OpenAI có ưu điểm về chi phí, rẻ hơn 60% so với GPT-3.5 Turbo. Tuy nhiên, chúng có hạn chế về khả năng và phạm vi ứng dụng. Chuyên gia khuyến nghị doanh nghiệp nên xây dựng hệ sinh thái AI đa dạng, kết hợp nhiều mô hình để đáp ứng nhu cầu sử dụng ở cấp độ doanh nghiệp.

https://www.itpro.com/technology/artificial-intelligence/small-language-models-are-growing-in-popularity-but-they-have-a-hidden-fallacy-that-enterprises-must-come-to-terms-with

• Meta công bố kết quả kinh doanh Q2/2024 với doanh thu đạt 39 tỷ USD, tăng 22% so với cùng kỳ năm trước. Lợi nhuận đạt 13,5 tỷ USD, tăng 73%.

• Hàng ngày có 3,27 tỷ người sử dụng ít nhất một ứng dụng của Meta.

• CFO Susan Li nhấn mạnh rằng lợi nhuận từ các khoản đầu tư AI gần đây sẽ "đến trong một khoảng thời gian dài hơn".

• Zuckerberg tự tin rằng trợ lý AI Meta sẽ trở thành trợ lý được sử dụng nhiều nhất thế giới trước cuối năm nay.

• Meta đang chuẩn bị huấn luyện Llama 4, dự kiến ra mắt vào năm sau và cần gấp 10 lần sức mạnh tính toán so với Llama 3.1.

• Zuckerberg bày tỏ sự phấn khích về việc phát triển "các thế hệ kính AI trong tương lai" sau thành công ban đầu của kính thông minh Meta Ray-Bans.

• Doanh số Quest 3 đang vượt kỳ vọng của công ty. Một phiên bản rẻ hơn dự kiến sẽ được công bố tại hội nghị Connect vào tháng 9.

• Threads sắp đạt 200 triệu người dùng hàng tháng, tăng từ 175 triệu đầu tháng 7.

• Facebook đang tăng trưởng trở lại ở nhóm người dùng trẻ, đặc biệt là tại Mỹ.

• Meta đang đầu tư mạnh vào cơ sở hạ tầng AI, bao gồm phần cứng Nvidia, để chuẩn bị cho tương lai.

• Zuckerberg tin rằng doanh thu thực sự từ AI sẽ đến từ các ứng dụng kinh doanh như tạo quảng cáo tự động và chatbot AI cho dịch vụ khách hàng trên WhatsApp.

• Mặc dù metaverse dường như đã lùi về sau AI trong các quý gần đây, Zuckerberg vẫn nhấn mạnh tiềm năng của lĩnh vực này.

📌 Meta đang đặt cược lớn vào AI với doanh thu Q2/2024 đạt 39 tỷ USD (+22%) và lợi nhuận 13,5 tỷ USD (+73%). Zuckerberg tự tin vào tương lai AI, dự kiến ra mắt Llama 4 năm sau, đồng thời phát triển trợ lý AI Meta và kính AI thông minh.

https://www.theverge.com/2024/7/31/24210786/meta-earnings-q2-2024-ai-llama-zuckerberg

• IBM công bố báo cáo mới "Hướng dẫn Tổng giám đốc về AI tạo sinh: Tối ưu hóa Mô hình AI" dựa trên khảo sát các lãnh đạo CNTT tại Mỹ.

https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/ceo-generative-ai

• Báo cáo nhằm cung cấp thông tin hữu ích để CEO đưa ra quyết định sáng suốt về việc triển khai và tối ưu hóa AI trong tổ chức.

• Kết quả chính:
- Không có mô hình ngôn ngữ lớn (LLM) nào phù hợp với mọi tác vụ, cần lựa chọn mô hình phù hợp cho từng nhiệm vụ cụ thể.
- Doanh nghiệp hiện đang sử dụng trung bình 11 mô hình AI khác nhau và dự kiến tăng 50% trong 3 năm tới.
- 63% lãnh đạo cho rằng chi phí là rào cản lớn nhất để áp dụng AI tạo sinh.
- 58% coi độ phức tạp của mô hình là mối quan ngại hàng đầu.

• Các kỹ thuật tối ưu hóa như tinh chỉnh và kỹ thuật prompt có thể cải thiện độ chính xác của mô hình lên 25%, nhưng chỉ 42% lãnh đạo áp dụng thường xuyên.

• Doanh nghiệp dự kiến tăng 63% việc sử dụng mô hình mở trong 3 năm tới, cao hơn các loại mô hình khác.

• Shobhit Varshney từ IBM Consulting cho biết các lãnh đạo công nghệ hiểu rõ về các loại mô hình hiện có, trong khi các lãnh đạo cấp cao khác vẫn đang tìm hiểu về khả năng của LLM.

• Để tối ưu chi phí, doanh nghiệp có thể lưu trữ mô hình nội bộ hoặc sử dụng dịch vụ đám mây, tính phí dựa trên số token đầu vào/đầu ra.

• Báo cáo khuyến nghị sử dụng mô hình lớn cho các tác vụ phức tạp, quan trọng và mô hình chuyên biệt cho các ứng dụng đặc thù.

• Mô hình mở được ưa chuộng hơn nhờ cộng đồng rộng lớn hỗ trợ đánh giá và củng cố hệ thống AI, cũng như khả năng tùy chỉnh cho từng lĩnh vực cụ thể.

• IBM Consulting giúp khách hàng xác định các quy trình và trường hợp sử dụng AI có tác động lớn nhất, sau đó chọn công nghệ phù hợp cho từng nhiệm vụ.

📌 IBM chỉ ra chi phí và độ phức tạp là rào cản chính cho AI doanh nghiệp. Doanh nghiệp đang sử dụng trung bình 11 mô hình AI, dự kiến tăng 50% trong 3 năm tới. 63% lãnh đạo coi chi phí là trở ngại lớn nhất. Mô hình mở được ưa chuộng hơn, dự kiến tăng 63% trong 3 năm.

https://venturebeat.com/ai/cost-and-model-complexity-remain-barriers-to-enterprise-ai-ibm-finds/

Báo cáo "Tái định hình chiến lược đám mây cho doanh nghiệp AI-first" của MIT Technology Review Insights và Infosys đánh giá mức độ sẵn sàng về đám mây và dữ liệu của doanh nghiệp khi triển khai AI.

- Khoảng 2/3 (67%) doanh nghiệp có cơ sở hạ tầng đám mây "phát triển" hoặc "tiên tiến", 1/3 còn lại ở mức "đang phát triển" hoặc "sơ khai". Chỉ 1/5 có hệ thống quản lý đám mây liền mạch.

- Gần một nửa (48%) đang thử nghiệm AI, nhưng chỉ 8% tích hợp toàn diện AI vào hoạt động. Các công ty đang thử nghiệm hoặc tích hợp AI kỳ vọng vào nhiều ứng dụng như tăng cường an ninh mạng, hợp lý hóa chia sẻ dữ liệu.

- Các chiến lược tối ưu hóa hệ thống đám mây để hỗ trợ AI khá đa dạng. 50% chỉ dùng dịch vụ đám mây để tích hợp dữ liệu cho AI. 30% dùng cơ sở hạ tầng đám mây cho năng lực tính toán. Chỉ 13% có "lộ trình chi tiết" về cách đầu tư đám mây thúc đẩy triển khai AI.

- Những rào cản với hệ thống AI sẵn sàng trên đám mây gồm: tính phức tạp, bảo mật, an toàn và thách thức về dữ liệu. 45% lo ngại về bảo mật dữ liệu, sử dụng dữ liệu có đạo đức, quyền riêng tư và an toàn tổng thể. 45% cho rằng các dự án AI phức tạp, 36% gặp thách thức về dữ liệu. 1/3 cho rằng cần cải thiện năng lực của đội ngũ IT.

- 71% kỳ vọng chi tiêu cho cơ sở hạ tầng đám mây phục vụ AI sẽ tăng ít nhất 25% trong 2 năm tới. 27% dự đoán tăng 50-100%. Chỉ 5% tin rằng đầu tư sẽ giữ nguyên và không ai kỳ vọng giảm chi tiêu.

📌 Hầu hết các công ty đang trong giai đoạn thử nghiệm và chuẩn bị cơ sở hạ tầng đám mây cho AI. Nhiều công ty đang lên kế hoạch đầu tư thêm để đẩy nhanh tiến độ. 71% doanh nghiệp dự kiến sẽ tăng chi tiêu cho cơ sở hạ tầng đám mây phục vụ AI ít nhất 25% trong 2 năm tới. Tuy nhiên, việc triển khai AI vẫn gặp nhiều rào cản như lo ngại về bảo mật, quyền riêng tư, đạo đức sử dụng dữ liệu và sự phức tạp của các dự án AI.

https://www.technologyreview.com/2024/07/31/1094228/reimagining-cloud-strategy-for-ai-first-enterprises/

#MIT

• Lịch sử công nghệ doanh nghiệp thường xoay quanh sự luân phiên giữa tập trung hóa và phân tán hóa.

• Tập trung hóa thúc đẩy phát triển ban đầu của các công nghệ đổi mới, với nguồn lực tập trung vào một số ít địa điểm.

• Phân tán hóa bắt đầu khi công nghệ đi vào thị trường, với các ứng dụng thực tế khác nhau trong các ngành và khu vực địa lý.

• AI đang trải qua quá trình chuyển đổi tương tự, chỉ trong vòng 20 tháng kể từ khi ChatGPT đưa AI vào tâm điểm chú ý.

• Có sự chuyển dịch từ cách tiếp cận tập trung sang phân tán hơn đối với AI, do sự phát triển từ AI tạo sinh sang AI suy luận.

• AI tạo sinh tạo ra nội dung mới như văn bản, hình ảnh, âm nhạc. AI suy luận đưa ra dự đoán dựa trên dữ liệu hiện có.

• AI tạo sinh ưu tiên tài nguyên tập trung, quy mô lớn về dữ liệu và xử lý. 

• AI suy luận ưu tiên cách tiếp cận phân tán hơn, đòi hỏi phải gần nguồn dữ liệu để phân tích thời gian thực.

• Tốc độ nhanh đòi hỏi độ trễ thấp, cần đặt AI suy luận gần nguồn dữ liệu, ưu tiên kiến trúc biên khu vực.

• Doanh nghiệp nhỏ và vừa kỳ vọng AI là một phần của các bản nâng cấp phần mềm họ đang sử dụng.

• Các đối tác cơ sở hạ tầng số cần cung cấp khả năng truyền tải dữ liệu nhanh chóng, an toàn đến các trung tâm xử lý tập trung và khả năng chuyên dụng khu vực.

• Sự phát triển của AI cho thấy nó sẽ đi theo con đường từ đổi mới tập trung đến sử dụng phân tán.

• Doanh nghiệp đang tìm kiếm các trường hợp sử dụng và ứng dụng AI có thể mang lại lợi thế cạnh tranh nhanh hơn.

📌 AI đang chuyển từ tập trung sang phân tán, với AI tạo sinh ưu tiên tài nguyên tập trung và AI suy luận hướng tới kiến trúc biên. Doanh nghiệp cần đối tác cơ sở hạ tầng số linh hoạt để tận dụng cả hai loại AI, tìm kiếm ứng dụng mang lại lợi thế cạnh tranh nhanh chóng.

https://www.datacenterdynamics.com/en/opinions/from-the-center-to-the-edge-and-back-again-the-path-of-ai/

• Microsoft đang chiếm ưu thế trong chi tiêu AI của doanh nghiệp, ước tính chiếm khoảng 70% chi tiêu phần mềm AI trong 12 tháng qua.

• Sự thống trị của Microsoft một phần nhờ vào công cụ Copilot có thể tích hợp với bộ sản phẩm hiện có và mối quan hệ với OpenAI, có mô hình GPT chạy trên cơ sở hạ tầng đám mây Azure của Microsoft.

• Doanh thu mảng đám mây Azure của Microsoft tăng 29% trong quý kết thúc ngày 30/6, thấp hơn một chút so với dự báo 30% của các nhà phân tích.

• Ngược lại, Alphabet (công ty mẹ của Google) báo cáo tăng trưởng doanh thu chậm lại trong quý 2 dù đã đầu tư mạnh vào AI.

• Các chuyên gia nhận định chi tiêu AI của doanh nghiệp đã bớt điên cuồng hơn so với một năm trước. Các công ty đang tập trung vào các ứng dụng AI đơn giản và hạn chế.

• IDC dự báo chi tiêu cho AI tạo sinh sẽ tăng từ 19,4 tỷ USD năm 2023 lên 38,8 tỷ USD năm 2024.

• Copilot for Microsoft 365 được coi là công cụ phổ biến nhất để các công ty thử nghiệm AI, một phần vì bộ Microsoft 365 được sử dụng rộng rãi.

• Nhiều CIO cho biết cũng đang sử dụng GitHub Copilot của Microsoft để hỗ trợ lập trình.

• City Furniture đang sử dụng GitHub Copilot cho khoảng 80 kỹ sư và nhân viên công nghệ, đồng thời thử nghiệm Copilot for Microsoft 365 với khoảng 5% lực lượng lao động.

• Tuy nhiên, CIO của City Furniture cho biết chưa hoàn toàn bị thuyết phục bởi Copilot for Microsoft 365, những người được cấp quyền truy cập không sử dụng nó hàng ngày hoặc tích hợp đầy đủ vào quy trình làm việc.

• Nhiều khoản chi tiêu cho AI tạo sinh hiện nay là để thử nghiệm, và vẫn còn nghi ngờ về giá trị mà Copilot for Microsoft 365 mang lại với mức giá 30 USD/người dùng.

• Ngân sách hoạt động CNTT của thương hiệu quần áo Carhartt cho năm tài chính hầu như không đổi, nhưng CIO đảm bảo một số quỹ dành cho AI tạo sinh, chiếm tỷ lệ phần trăm một con số trong tổng ngân sách CNTT.

• Tại Radisson Hotel Group, chi tiêu cho AI tạo sinh và công nghệ mới nổi xếp thứ 3 về ưu tiên, sau việc thúc đẩy tăng trưởng kinh doanh và an ninh mạng.

📌 Microsoft chiếm 70% chi tiêu phần mềm AI doanh nghiệp trong 12 tháng qua nhờ Copilot và hệ sinh thái sẵn có. Tuy nhiên, các công ty đang thận trọng hơn, tập trung vào ứng dụng AI đơn giản. Dự báo chi tiêu AI tạo sinh tăng từ 19,4 tỷ USD (2023) lên 38,8 tỷ USD (2024).

https://www.wsj.com/articles/for-many-companies-spending-on-ai-means-spending-on-microsoft-1f994a02

#WSJ

• JPMorgan đang triển khai công cụ AI tạo sinh nội bộ có tên LLM Suite cho khoảng 50.000 nhân viên (15% lực lượng lao động), hỗ trợ các tác vụ như viết lách, tạo ý tưởng và tóm tắt tài liệu.

• Ngân hàng phát triển nền tảng LLM riêng do nhân viên bị cấm sử dụng chatbot AI công cộng như ChatGPT hay Gemini cho công việc vì lý do bảo mật.

• CEO Jamie Dimon khẳng định AI đang là một thực thể sống động và sẽ được áp dụng vào mọi quy trình của ngân hàng, có thể thay thế một số công việc.

• JPMorgan đã tích hợp AI tạo sinh vào nhiều dịch vụ, chủ yếu để tạo ý tưởng và ghi chú. AI có thể cung cấp thông tin chi tiết bổ sung hoặc nhấn mạnh các điểm quan trọng.

• Quest IndexGPT là công cụ nổi bật của JPMorgan, sử dụng GPT-4 để phân tích tin tức và tạo ra các chủ đề đầu tư theo từ khóa.

• Năm 2023, JPMorgan phát triển công cụ AI phân tích các tuyên bố của Cục Dự trữ Liên bang Mỹ để phát hiện tín hiệu giao dịch.

• Ngân hàng hiện có hơn 2.000 chuyên gia AI và machine learning, sử dụng AI trong hơn 400 lĩnh vực như marketing, phát hiện gian lận và quản lý rủi ro.

• JPMorgan đang tích cực tuyển dụng trong lĩnh vực AI với hơn 75 vị trí đang mở, mức lương cạnh tranh từ 129.250 đến 195.000 USD/năm tùy vị trí và kinh nghiệm.

• Các công cụ AI mới của JPMorgan bao gồm DocGraphLM để phân tích tài liệu, DocLLM để hiểu tài liệu đa phương thức và FlowMind để tự động hóa tạo quy trình công việc.

• Các ngân hàng lớn khác cũng đang triển khai AI tạo sinh:
- Goldman Sachs đang triển khai công cụ AI tạo sinh cho hàng nghìn nhà phát triển
- Citigroup cung cấp quyền truy cập AI tạo sinh cho 40.000 lập trình viên
- Wells Fargo tích hợp AI vào trợ lý ảo Fargo
- Morgan Stanley ra mắt ứng dụng AI thứ hai cho cố vấn tài chính
- Bloomberg giới thiệu BloombergGPT được đào tạo với hơn 50 tỷ tham số

📌 JPMorgan dẫn đầu xu hướng AI trong ngành ngân hàng với LLM Suite, áp dụng cho 50.000 nhân viên. AI đang được tích hợp vào hơn 400 lĩnh vực, từ phân tích đến dịch vụ khách hàng. Các ngân hàng lớn khác cũng đang nhanh chóng triển khai các giải pháp AI tạo sinh riêng.

https://analyticsindiamag.com/ai-origins-evolution/jpmorgan-has-a-genai-problem/

• AI đang được các công ty công nghệ lớn quảng bá rầm rộ như một công cụ mạnh mẽ, nhưng thực tế ứng dụng và lợi ích của nó đối với doanh nghiệp nhỏ vẫn còn nhiều tranh cãi.

• Năm nay đã chứng kiến sự gia tăng đáng kể về sa thải so với năm ngoái, với khoảng 60.000 đến 200.000 việc làm bị cắt giảm. Tesla sa thải hơn 10% nhân viên nhưng bắt đầu tuyển 800 nhân viên mới tập trung vào AI và robot.

• Các gã khổng lồ công nghệ như Meta, Facebook, Google và Apple mô tả AI như một giải pháp kỳ diệu có thể tự động hóa quy trình, tăng năng suất và tạo ra nguồn doanh thu mới. Tuy nhiên, thực tế triển khai và lợi ích cụ thể lại kém rõ ràng hơn nhiều đối với các doanh nghiệp nhỏ không có nguồn lực dồi dào.

• Các doanh nghiệp nhỏ, đặc biệt là những doanh nghiệp có doanh thu từ 4 triệu đến 30 triệu USD, thường bị choáng ngợp bởi chiến dịch marketing ồ ạt về AI. Khoảng cách giữa lợi ích tiềm năng được quảng cáo và ứng dụng thực tế cho doanh nghiệp nhỏ vẫn còn rất lớn.

• Tỷ lệ áp dụng AI trong các doanh nghiệp nhỏ vẫn rất thấp. Nhiều chủ doanh nghiệp nhỏ xem AI là công cụ dành cho các tập đoàn lớn có nguồn lực kỹ thuật và chuyên môn dồi dào. Họ gặp khó khăn trong việc tích hợp AI vào hoạt động mà không cần đầu tư và gián đoạn đáng kể.

• Việc triển khai AI có thể gây lo ngại, đặc biệt khi kèm theo nỗi sợ lỗi thời. Chủ doanh nghiệp nhỏ lo lắng việc áp dụng AI có thể đòi hỏi nhiều thời gian, tiền bạc và kiến thức kỹ thuật hơn họ hiện có.

• Mặc dù có những ưu điểm như tạo nội dung - bài đăng mạng xã hội, bài viết blog và tài liệu marketing, vẫn có sự hoài nghi về khả năng tạo ra doanh thu đáng kể của AI cho doanh nghiệp nhỏ.

• Giá trị thực của AI nằm ở khả năng hỗ trợ nỗ lực của con người thay vì thay thế hoàn toàn, giúp doanh nghiệp nhỏ hoạt động hiệu quả hơn trong khuôn khổ hiện có.

• AI là một công cụ mạnh mẽ, nhưng thực tế đối với doanh nghiệp nhỏ phức tạp hơn. Đó không phải là giải pháp thần kỳ cho mọi chủ doanh nghiệp.

• Điểm mạnh chính của AI là khả năng hỗ trợ các tác vụ cụ thể như tự động hóa quy trình lặp đi lặp lại, phân tích bộ dữ liệu lớn và cung cấp thông tin chi tiết dựa trên các mẫu nó xác định. Tuy nhiên, vẫn cần sự giám sát và can thiệp đáng kể của con người.

📌 AI đang được quảng bá mạnh mẽ nhưng chưa thực sự hữu ích cho doanh nghiệp nhỏ. Tỷ lệ áp dụng thấp do thiếu nguồn lực và lo ngại về chi phí. AI chủ yếu hỗ trợ một số tác vụ cụ thể, chưa tạo ra doanh thu đáng kể. Vẫn cần sự giám sát của con người.

https://www.forbes.com/sites/louismosca/2024/07/29/ai-is-a-powerful-tool-but-not-for-small-businesses/

• HPE đang dẫn đầu cuộc cách mạng AI với các giải pháp nâng cao năng suất và tối ưu hóa hoạt động kinh doanh. Họ giúp doanh nghiệp phát triển bằng cách xây dựng lợi thế AI, tận dụng sức mạnh siêu máy tính và tối ưu hóa hiệu suất AI.

• HPE hợp tác với các công ty hàng đầu như NVIDIA và tích hợp với HPE GreenLake để tạo ra nền tảng AI mạnh mẽ, kết hợp tính linh hoạt của đám mây với khả năng kiểm soát tại chỗ.

• Nền tảng dữ liệu vững chắc là chìa khóa để triển khai AI thành công. HPE thống nhất dữ liệu trên các môi trường đám mây lai, đảm bảo quản lý và nhất quán dữ liệu tối ưu. Các thành phần chính bao gồm cơ sở hạ tầng dành riêng cho AI, hợp tác với các công ty hàng đầu và tích hợp HPE GreenLake.

• Giải pháp AI của HPE được thiết kế để tăng năng suất ngay từ ngày đầu tiên. HPE Private Cloud AI cung cấp giải pháp chìa khóa trao tay bao gồm tất cả các lớp công nghệ AI, mang lại năng suất tức thì và truy cập dữ liệu thống nhất.

• Doanh nghiệp có thể hưởng lợi từ việc phát triển ứng dụng AI liền mạch, tích hợp AI trên toàn tổ chức và sử dụng sức mạnh siêu máy tính của HPE để xử lý các tác vụ đòi hỏi tính toán phức tạp.

• HPE tập trung vào chuẩn bị dữ liệu, đẩy nhanh thời gian tạo giá trị và mở rộng quy mô giải pháp AI để đáp ứng nhu cầu kinh doanh ngày càng phát triển.

• Các ngành như bán lẻ, dịch vụ tài chính và chăm sóc sức khỏe đang được hưởng lợi từ việc áp dụng AI. Ví dụ, AI giúp cá nhân hóa trải nghiệm mua sắm trong bán lẻ, phát hiện gian lận trong dịch vụ tài chính và dự đoán chăm sóc bệnh nhân trong y tế.

• HPE GreenLake tạo ra một môi trường AI liền mạch cân bằng giữa tính linh hoạt của đám mây, khả năng kiểm soát và bảo mật của cơ sở hạ tầng tại chỗ. Điều này không chỉ hỗ trợ các ứng dụng AI đòi hỏi dữ liệu lớn mà còn đảm bảo tuân thủ các tiêu chuẩn quy định và chủ quyền dữ liệu.

• Các công ty dược phẩm có thể đẩy nhanh quá trình khám phá thuốc thông qua tính toán tốc độ cao với khả năng siêu máy tính của HPE.

📌 HPE đang dẫn đầu cuộc cách mạng AI với giải pháp toàn diện, từ cơ sở hạ tầng đến ứng dụng. Hợp tác với NVIDIA và tích hợp HPE GreenLake tạo nền tảng AI mạnh mẽ, giúp doanh nghiệp tăng năng suất 30% và tối ưu hóa quản lý dữ liệu trên nhiều lĩnh vực.

https://economictimes.indiatimes.com/tech/artificial-intelligence/unlock-the-future-with-ai-how-hewlett-packard-enterprise-ai-solutions-can-transform-your-business/articleshow/112113404.cms

- Gartner dự đoán ít nhất 30% dự án AI tạo sinh (GenAI) sẽ bị bỏ rơi sau giai đoạn chứng minh khái niệm (PoC) vào cuối năm 2025.
- Các lý do chính bao gồm chất lượng dữ liệu kém, kiểm soát rủi ro không đầy đủ, chi phí leo thang hoặc giá trị kinh doanh không rõ ràng.
- Các tổ chức đang gặp khó khăn trong việc chứng minh và thực hiện giá trị từ các khoản đầu tư vào GenAI.
- Chi phí phát triển và triển khai các mô hình GenAI dao động từ 5 triệu đến 20 triệu USD, tùy thuộc vào phương pháp triển khai.
- Không có giải pháp phù hợp cho tất cả với GenAI và chi phí không dễ dự đoán như các công nghệ khác.
- GenAI đòi hỏi mức độ chấp nhận cao hơn đối với các tiêu chí đầu tư tài chính gián tiếp, tương lai so với lợi nhuận đầu tư ngay lập tức (ROI).
- Theo khảo sát gần đây của Gartner, những người được hỏi báo cáo tăng doanh thu trung bình 15,8%, tiết kiệm chi phí 15,2% và cải thiện năng suất 22,6%.
- Dữ liệu này là điểm tham chiếu quý giá để đánh giá giá trị kinh doanh thu được từ đổi mới mô hình kinh doanh GenAI.
- Bằng cách phân tích giá trị kinh doanh và tổng chi phí của đổi mới mô hình kinh doanh GenAI, các tổ chức có thể thiết lập ROI trực tiếp và tác động giá trị trong tương lai.
- Nếu kết quả kinh doanh đáp ứng hoặc vượt quá kỳ vọng, đó là cơ hội để mở rộng đầu tư bằng cách mở rộng quy mô đổi mới và sử dụng GenAI.

📌 Gartner dự báo 30% dự án AI tạo sinh sẽ thất bại vào cuối 2025 do nhiều thách thức. Chi phí triển khai dao động từ 5-20 triệu USD. Khảo sát cho thấy GenAI giúp tăng doanh thu 15,8%, tiết kiệm chi phí 15,2% và cải thiện năng suất 22,6%. Phân tích giá trị và chi phí giúp ra quyết định đầu tư hiệu quả.

https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025

• Cổ phiếu của SAP đạt mức cao kỷ lục vào thứ Ba sau khi công bố kết quả kinh doanh quý 2, cho thấy vẫn còn nhiều cơ hội hỗ trợ doanh nghiệp chuyển dữ liệu và ứng dụng lên đám mây trong thời đại AI bùng nổ.

• SAP đã báo cáo tăng trưởng ổn định trong 3 quý gần đây, trong khi các đối thủ phần mềm đám mây như Salesforce và Workday đang phải chứng minh khả năng thu hút khách hàng trước sự cạnh tranh của các sản phẩm AI mới.

• Kết quả kinh doanh của SAP và IBM là điểm sáng khi thị trường chứng khoán giảm mạnh vào thứ Tư, xóa sổ hàng trăm tỷ USD giá trị của nhóm cổ phiếu công nghệ "Magnificent Seven".

• SAP nổi tiếng với hệ thống ERP giúp quản lý dữ liệu xuyên suốt các bộ phận như kế toán và nhân sự. Công ty đang chuyển đổi từ bán giấy phép tại trung tâm dữ liệu sang dịch vụ đám mây theo đăng ký.

• Hệ thống ERP đã là thiết yếu cho doanh nghiệp trong nhiều thập kỷ, khác với các chatbot AI mới nổi như ChatGPT. Các nhà đầu tư đặt cược vào công nghệ back-office "nhàm chán" nhưng có yếu tố AI đang là người chiến thắng tuần này.

• SAP mới chỉ chuyển khoảng 1/3 khách hàng lên đám mây nên vẫn còn nhiều dư địa phát triển. Khách hàng chuyển từ trung tâm dữ liệu lên đám mây sẽ chi tiêu gấp 2-3 lần.

• Hầu hết đổi mới AI đang diễn ra trên đám mây, tạo áp lực cho CIO phải triển khai AI và đẩy nhanh quá trình chuyển đổi lên đám mây.

• SAP đã công bố kế hoạch tái cơ cấu ảnh hưởng đến 9.000-10.000 việc làm để "tăng cường đầu tư vào các lĩnh vực tăng trưởng chiến lược, đặc biệt là AI kinh doanh".

• Công ty đã đầu tư vào 3 công ty AI tạo sinh là Aleph Alpha, Anthropic và Cohere. 20% các thương vụ trong quý 2 "bao gồm các trường hợp sử dụng AI cao cấp".

• Xu hướng ưu tiên hiện đại hóa hệ thống ERP cũng có lợi cho SAP. Ứng dụng ERP là loại thứ hai có khả năng chuyển lên đám mây trong 2 năm tới.

• Doanh thu đám mây của SAP chủ yếu đến từ việc tăng 33% doanh số ERP đám mây trong quý 2. Tổng doanh thu tăng 10% lên 8,29 tỷ euro, vượt kỳ vọng của các nhà phân tích.

📌 SAP đạt kỷ lục về giá cổ phiếu nhờ doanh số phần mềm đám mây tăng 33%, đặc biệt là ERP đám mây. Chiến lược chuyển đổi sang đám mây và đầu tư vào AI đang mang lại kết quả tích cực, giúp SAP vượt trội so với các đối thủ trong ngành công nghệ.

https://www.wsj.com/articles/sap-share-surge-shows-companies-cloud-strategies-are-alive-and-well-in-ai-boom-7ffff935

#WSJ

• Airtable, startup trị giá 11 tỷ USD trong lĩnh vực nền tảng không cần code, vừa công bố Cobuilder - công cụ AI có khả năng tạo ra các ứng dụng tùy chỉnh chỉ trong vài giây bằng cách sử dụng lệnh bằng ngôn ngữ tự nhiên.

• Kelly O'Shaughnessy, người đứng đầu sản phẩm cốt lõi và trưởng nhóm sản phẩm Airtable Cobuilder, nhấn mạnh Cobuilder là cách nhanh nhất để xây dựng ứng dụng không cần code, cho phép tạo ứng dụng tùy chỉnh bằng ngôn ngữ tự nhiên chỉ trong vài giây.

• Công nghệ đằng sau Cobuilder sử dụng các mô hình ngôn ngữ lớn (LLM) để diễn giải lệnh của người dùng và tạo ra cấu trúc ứng dụng phù hợp. Quá trình này có thể giảm đáng kể thời gian và nguồn lực cần thiết cho việc phát triển ứng dụng.

• Cobuilder phân tích lệnh bằng ngôn ngữ tự nhiên của người dùng và kết hợp yêu cầu với dữ liệu công khai có liên quan mà nhà cung cấp LLM có quyền truy cập.

• Airtable cam kết bảo vệ quyền riêng tư và bảo mật dữ liệu của khách hàng. Không có dữ liệu khách hàng nào được sử dụng để đào tạo các LLM hiện tại hoặc tương lai.

• Hiện tại, Cobuilder dựa vào dữ liệu công khai và thông tin do người dùng cung cấp để tạo ứng dụng. Airtable có kế hoạch nâng cao khả năng của Cobuilder, bao gồm khả năng kết hợp dữ liệu công ty hiện có từ Airtable và nhúng tự động hóa AI trong các ứng dụng được tạo ra.

• Việc ra mắt Cobuilder là một phần trong chiến lược rộng lớn hơn của Airtable nhằm tích hợp AI trên toàn bộ nền tảng. Trước đó, công ty đã giới thiệu Airtable AI, đã được các khách hàng lớn như AWS áp dụng.

• Kế hoạch trong tương lai bao gồm mở rộng khả năng trích xuất tài liệu và cho phép tích hợp tìm kiếm internet được hỗ trợ bởi AI.

• Đối với Airtable, động thái này thể hiện một canh bạc đáng kể về tương lai của phát triển phần mềm doanh nghiệp. Khi các doanh nghiệp ngày càng tìm cách trao quyền cho nhân viên phi kỹ thuật và giảm sự phụ thuộc vào quy trình phát triển truyền thống, các công cụ như Cobuilder có thể trở nên ngày càng hấp dẫn.

• O'Shaughnessy hình dung một tác động mang tính chuyển đổi, cho phép những người không phải chuyên gia và không phải nhà phát triển mô tả quy trình làm việc họ cần bằng ngôn ngữ đơn giản và sau đó Cobuilder giúp tạo ra một ứng dụng với thiết kế và cấu trúc hoạt động tốt nhất trong vài giây.

📌 Airtable ra mắt Cobuilder, công cụ AI tạo ứng dụng trong vài giây bằng ngôn ngữ tự nhiên. Tiềm năng cách mạng hóa phát triển phần mềm doanh nghiệp, giúp nhân viên phi kỹ thuật tạo ứng dụng phức tạp. Cam kết bảo mật dữ liệu khách hàng, kế hoạch mở rộng tính năng trong tương lai.

https://venturebeat.com/ai/forget-coding-bootcamps-airtables-ai-can-build-your-app-in-seconds/

• Gen AI đang thay đổi câu chuyện tự động hóa truyền thống. Trước đây, công nhân cổ xanh thường bị ảnh hưởng đầu tiên, trong khi lao động trí óc được hưởng lợi. Tuy nhiên, xu hướng này đang đảo ngược với sự xuất hiện của AI tạo sinh.

• Người lao động từ xa hiện dễ bị tự động hóa hơn do công việc của họ chủ yếu là kỹ thuật số. Nghiên cứu cho thấy 80% người lao động có công việc bị ảnh hưởng 10% bởi gen AI, trong khi 19% có công việc bị ảnh hưởng ít nhất 50%.

• Khảo sát của Microsoft cho thấy đến tháng 5/2024, 75% nhân viên đã sử dụng gen AI trong công việc hàng ngày - tăng gần gấp đôi so với tháng 1. 78% trong số đó tự áp dụng các công cụ này.

• Có 3 yếu tố chính thúc đẩy tự động hóa gen AI nhanh hơn dự kiến:
1. Dễ sử dụng: Gen AI đang được tích hợp vào các ứng dụng dễ dùng như Microsoft Copilot.
2. Doanh nghiệp đã sẵn sàng: Quá trình chuyển đổi số do Covid-19 đã tạo điều kiện thuận lợi cho việc áp dụng gen AI.
3. Gen AI ngày càng tự chủ: Các hệ thống như Devin có thể tự lập kế hoạch và thực hiện các nhiệm vụ phức tạp.

• Điều này có nghĩa là hàng triệu người lao động từ xa sẽ sớm phải đối mặt với những thay đổi lớn trong công việc, đòi hỏi phải nâng cao kỹ năng đáng kể.

• Các kỹ năng quản lý sẽ trở nên quan trọng hơn, bao gồm khả năng giám sát và phân công nhiệm vụ cho các phần mềm AI tự chủ.

• Các kỹ năng đặc thù về AI cũng sẽ cần thiết, như cách "thúc đẩy" các agent AI để đạt hiệu suất tốt nhất.

• Các công ty cần chú trọng đào tạo lại nhân viên để tận dụng tiềm năng của gen AI và duy trì lợi thế cạnh tranh.

• Theo dự báo của Upwork, 22% lực lượng lao động Mỹ sẽ làm việc từ xa hoàn toàn vào năm 2025.

• Nghiên cứu của Daniel Rock và đồng nghiệp tại OpenAI cho thấy nhân viên chăm sóc khách hàng có thể tăng năng suất 50% ở một nửa số nhiệm vụ nếu sử dụng gen AI.

• Khảo sát của Gartner vào tháng 10/2023 chỉ ra rằng 55% doanh nghiệp đang thử nghiệm hoặc triển khai các dự án sử dụng mô hình ngôn ngữ lớn (LLM).

📌 Gen AI đang thay đổi nhanh chóng cách làm việc của hàng triệu người lao động từ xa. Đến năm 2025, 22% lực lượng lao động Mỹ sẽ làm việc từ xa hoàn toàn. Các kỹ năng quản lý AI và đào tạo lại nhân viên sẽ là chìa khóa để doanh nghiệp tận dụng tiềm năng của công nghệ mới này.

https://hbr.org/2024/07/gen-ai-is-coming-for-remote-workers-first

#HBR

• Amazon Web Services (AWS) vừa công bố tính năng mới cho Connect Contact Lens, bộ công cụ AI dành cho công việc tổng đài, nhằm hỗ trợ nhân viên trong công việc sau cuộc gọi.

• Contact Lens cung cấp các công cụ sử dụng AI tạo sinh để tóm tắt các cuộc hội thoại giữa khách hàng và nhân viên tổng đài, giúp quản lý phân tích hiệu quả hơn.

• Tính năng này rất quan trọng vì người giám sát không thể dễ dàng nghe audio hoặc đọc bản ghi hàng trăm nghìn cuộc gọi để đảm bảo chất lượng và đánh giá hiệu suất.

• Michael Wallace, lãnh đạo kiến trúc giải pháp về trải nghiệm khách hàng tại AWS khu vực Mỹ, cho biết trước đây ngành tổng đài rất giỏi thu thập dữ liệu nhưng lại kém trong việc biến dữ liệu thành hành động cụ thể.

• AWS đã cung cấp tính năng tóm tắt AI tạo sinh sau cuộc gọi cho người giám sát, nhóm đảm bảo chất lượng và giám sát chất lượng vào tháng 3 như một phần của nâng cấp hệ thống báo cáo và phân tích.

• Với bản cập nhật mới, các bản tóm tắt tương tự sẽ được tạo ra trong vòng vài giây sau khi cuộc gọi kết thúc để nhân viên tổng đài có thể xem bản tóm tắt cuộc gọi cùng với các chi tiết liên quan khi làm báo cáo sau cuộc gọi.

• Nhân viên tổng đài thường phải làm rất nhiều "giấy tờ" kỹ thuật số sau mỗi cuộc gọi, bao gồm tóm tắt nội dung cuộc gọi, hành động đã thực hiện, giải pháp và thông tin cần thiết cho nhân viên tiếp theo.

• Với tính năng mới, một agent AI tạo sinh sẽ tạo ra bản tóm tắt chi tiết ghi lại các điểm thảo luận chính, vấn đề được nêu ra, hành động đã thực hiện và các bối cảnh quan trọng khác, đồng thời tạo ra ghi chú chi tiết cho nhân viên.

• Nhân viên có thể xem xét bản tóm tắt này, đưa vào ghi chú của mình và gửi đi trước khi chuyển sang cuộc gọi tiếp theo. Điều này sẽ giúp giảm thời gian dành cho công việc sau cuộc gọi và tối đa hóa thời gian làm việc với khách hàng.

• Connect Contact Lens có sẵn cho các bản tóm tắt chat và giọng nói thông qua API cũng như trên bảng điều khiển của nó. Điều này có nghĩa là nó có thể dễ dàng tích hợp với các ứng dụng tổng đài hoặc phần mềm phân tích khác như Amazon Connect Cases hoặc Salesforce.

📌 AWS ra mắt tính năng AI tạo sinh cho Connect Contact Lens, tự động tóm tắt cuộc gọi trong vài giây, giúp nhân viên tổng đài giảm thời gian làm việc sau cuộc gọi. Tính năng này có thể tích hợp với nhiều ứng dụng khác, hứa hẹn cải thiện đáng kể hiệu quả làm việc trong ngành tổng đài.

https://siliconangle.com/2024/07/22/aws-launches-generative-ai-powered-feature-connect-contact-lens-help-agents-call-centers/

- Báo cáo đánh giá cơ hội và thách thức khi triển khai AI tạo sinh trong doanh nghiệp. Cơ hội bao gồm cắt giảm chi phí, tự động hóa quy trình và tạo ra doanh thu mới thông qua các dịch vụ mới/tăng cường. Dự kiến AI tạo sinh sẽ mang lại giá trị hơn 400 tỷ USD cho các ngành dọc vào năm 2030.

- Tuy nhiên, việc triển khai AI tạo sinh trong doanh nghiệp gặp nhiều rào cản như thiếu nhân tài, chi phí cao, quản lý phức tạp, cấu trúc tổ chức chưa phù hợp, vấn đề sở hữu trí tuệ và dữ liệu, tiêu thụ năng lượng lớn.

- Các thách thức về công nghệ bao gồm tính minh bạch và khả năng giải thích của mô hình, độ tin cậy, tính sẵn có của dữ liệu huấn luyện, độ chính xác của mô hình.

- Các mô hình ngôn ngữ lớn (LLM) chưa sẵn sàng để triển khai ngay trong ứng dụng doanh nghiệp do các vấn đề về ảo giác, độ chính xác, hiệu suất, ngữ cảnh hóa và sử dụng tài nguyên tính toán.

- Các chiến lược triển khai AI tạo sinh trong doanh nghiệp bao gồm sử dụng dịch vụ API, dịch vụ quản lý của bên thứ ba, phát triển ứng dụng nội bộ, sử dụng nền tảng hoặc framework suy luận của bên thứ ba.

- Các mô hình ngôn ngữ nhỏ (SLM) đang nổi lên như một giải pháp thay thế phù hợp hơn cho các ứng dụng doanh nghiệp với chi phí thấp hơn, tính minh bạch cao hơn và khả năng triển khai linh hoạt hơn.

- Thị trường cung ứng AI rất rộng lớn và đang phát triển nhanh chóng với sự tham gia của nhiều bên như nhà sản xuất chip AI, nhà phát triển mô hình nền tảng, nhà cung cấp giải pháp MLOps, nhà phát triển ứng dụng, dịch vụ doanh nghiệp, dịch vụ đám mây.

- Các quy định về AI tạo sinh đang được phát triển ở các khu vực khác nhau trên thế giới với các cách tiếp cận khác nhau, từ tối thiểu đến hạn chế. Việc xây dựng một khuôn khổ quy định hiệu quả, cân bằng giữa đổi mới và rủi ro là một thách thức lớn.

📌 Mặc dù có nhiều cơ hội, việc triển khai AI tạo sinh trong doanh nghiệp vẫn đang ở giai đoạn đầu với giá trị tạo ra còn hạn chế, ước tính khoảng 36,7 tỷ USD vào năm 2024. Để đẩy nhanh quá trình này, cần có sự hợp tác giữa các bên liên quan nhằm giảm thiểu rủi ro, xây dựng khung quy định phù hợp và thúc đẩy đổi mới công nghệ.

Phân tích về các quy định AI tạo sinh đang được phát triển ở các khu vực trên thế giới như sau:

- Các quy định về AI tạo sinh đang được phát triển ở các khu vực khác nhau trên thế giới với các cách tiếp cận khác nhau, từ tối thiểu đến hạn chế. Việc xây dựng một khuôn khổ quy định hiệu quả, cân bằng giữa đổi mới và rủi ro là một thách thức lớn.

- Mỹ chủ trương tự quản lý, ít can thiệp trực tiếp vào quy định AI tạo sinh. Tuy nhiên, chính phủ Mỹ cũng đang quan tâm đến một số biện pháp kiểm soát như kiểm tra an toàn, tiêu chuẩn đáng tin cậy, giảm thiểu rủi ro, đổi mới công nghệ và giảm thiểu thiên vị kỹ thuật. Mỹ cũng đang hợp tác với Anh để phát triển các phương pháp đánh giá tính an toàn của các công cụ và hệ thống AI.

- EU xây dựng Đạo luật AI với khuôn khổ quy định dựa trên mức độ rủi ro, nhằm cung cấp cho nhà phát triển/triển khai các yêu cầu và nghĩa vụ rõ ràng liên quan đến việc sử dụng AI. Khuôn khổ này chia quy định thành rủi ro tối thiểu, hạn chế, cao và không thể chấp nhận được. Tuy nhiên, Đạo luật AI của EU đã bị chỉ trích rộng rãi vì được coi là "chống đổi mới".

- Trung Quốc duy trì sự kiểm soát của chính phủ, áp dụng các hướng dẫn bao gồm đánh giá an ninh, đăng ký, gắn nhãn nội dung được tạo ra, tiết lộ dữ liệu, minh bạch mô hình. Bất kỳ mô hình nào cũng phải được phê duyệt tập trung trước khi phát hành công khai. Điều này vừa hạn chế R&D mở, vừa cung cấp tài trợ để thúc đẩy đổi mới tiên tiến cho các công ty cụ thể.

- Anh đang xây dựng một khuôn khổ quy định dựa trên từng lĩnh vực cụ thể với sự quản lý trực tiếp hạn chế. Phụ thuộc vào tự quản lý của từng lĩnh vực để tạo ra một môi trường thúc đẩy đổi mới.

- Nhật Bản không áp đặt quy định trực tiếp, chỉ có các quy tắc mềm hạn chế nhằm tối đa hóa lợi ích xã hội và kinh tế từ AI.

📌Mỗi khu vực có cách tiếp cận riêng trong việc quản lý AI tạo sinh, từ nới lỏng đến kiểm soát chặt chẽ. Việc tìm ra một khuôn khổ quy định phù hợp, vừa khuyến khích đổi mới vừa hạn chế rủi ro là một thách thức lớn đối với các nhà hoạch định chính sách. Sự hợp tác quốc tế trong xây dựng các tiêu chuẩn và quy định chung là rất cần thiết để thúc đẩy sự phát triển lành mạnh và bền vững của công nghệ AI tạo sinh.

https://go.abiresearch.com/lp-assessing-enterprise-generative-ai-opportunities-and-challenges

• Mô hình ngôn ngữ nhỏ (SLM) đang trở thành xu hướng mới trong lĩnh vực AI, mang lại cơ hội cho các doanh nghiệp nhỏ và vừa tiếp cận công nghệ AI tiên tiến với chi phí thấp hơn.

• SLM là phiên bản thu nhỏ của các mô hình AI lớn, với số lượng tham số từ vài triệu đến vài tỷ, thay vì hàng trăm tỷ như GPT-3 hay GPT-4. 

• Ưu điểm lớn nhất của SLM là khả năng chạy trên các thiết bị có khả năng xử lý hạn chế như điện thoại thông minh hay thiết bị IoT, mang AI đến gần hơn với người dùng cuối.

• Chi phí phát triển và triển khai SLM thấp hơn nhiều so với các mô hình lớn, giúp các startup có nguồn lực hạn chế vẫn có thể cạnh tranh với các gã khổng lồ công nghệ.

• SLM tiêu thụ ít năng lượng hơn, giảm chi phí vận hành và có lợi cho môi trường, phù hợp với xu hướng phát triển bền vững.

• Ưu thế lớn nhất của SLM là khả năng ứng dụng chuyên biệt trong các lĩnh vực ngách. Dù không đa năng như mô hình lớn, SLM có thể được tối ưu hóa để hoạt động hiệu quả trong các tác vụ cụ thể.

• SLM dễ dàng kiểm tra và cải thiện hơn do kích thước nhỏ, giúp giảm thiểu các vấn đề về đạo đức AI như thiên kiến.

• Khả năng triển khai cục bộ của SLM giúp bảo vệ thông tin nhạy cảm, phù hợp với các ngành như tài chính, y tế.

• SLM tạo cơ hội cho doanh nghiệp nhỏ bằng cách giảm rào cản gia nhập, cải thiện hiệu suất, rút ngắn thời gian ra thị trường, tạo ra các ứng dụng AI cạnh tranh.

• Trong tương lai, SLM có thể bổ sung hoặc thay thế các mô hình lớn trong một số ứng dụng nhất định, mở ra cơ hội đổi mới và cạnh tranh cho các công ty nhỏ hơn.

• Bằng cách tập trung vào lợi thế độc đáo của SLM, các doanh nghiệp có thể tạo ra các giải pháp AI sáng tạo, hiệu quả và mục tiêu, có tiềm năng cách mạng hóa nhiều ngành công nghiệp.

📌 SLM đang mở ra cơ hội cho doanh nghiệp nhỏ tiếp cận AI với chi phí thấp. Với ưu điểm về triển khai cục bộ, tiết kiệm năng lượng và ứng dụng chuyên biệt, SLM có thể thay đổi cục diện ngành AI, tạo sân chơi bình đẳng hơn cho các startup đổi mới sáng tạo.

https://www.entrepreneur.com/science-technology/no-more-chatgpt-heres-why-small-language-models-are/476700

• OpenAI vừa công bố các tính năng kiểm soát mới cho khách hàng doanh nghiệp sử dụng ChatGPT Enterprise, tập trung vào tuân thủ, bảo mật dữ liệu và mở rộng quy mô truy cập an toàn.

• API Tuân thủ Doanh nghiệp mới cho phép người dùng ChatGPT Enterprise có được bản ghi các tương tác có dấu thời gian cho cuộc hội thoại, tệp tải lên, metadata, bộ nhớ ChatGPT và người dùng workspace. Điều này giúp doanh nghiệp kiểm tra dữ liệu họ chia sẻ trên nền tảng.

• OpenAI đã hợp tác với nhiều nhà cung cấp tuân thủ bên thứ ba như Forcepoint, Global Relay, Microsoft Purview, Netskope, Palo Alto Networks, Relativity, Smarsh và zScaler để tích hợp vào API.

• Các tích hợp mới hỗ trợ nhiều hoạt động liên quan đến tuân thủ như lưu trữ, kiểm tra, xóa và lưu giữ dữ liệu, thực thi chính sách.

• Tính năng này giúp tổ chức, kể cả trong các lĩnh vực được quản lý chặt chẽ, có thể đáp ứng các quy định như GDPR, HIPAA và FINRA.

• OpenAI sẽ triển khai hệ thống quản lý danh tính để cấp quyền dễ dàng hơn. Hệ thống Quản lý Danh tính Xuyên miền (SCIM) đồng bộ hóa thông tin truy cập người dùng và cập nhật ai có thể sử dụng nền tảng.

• Tính năng SCIM cho phép quản lý tài khoản nhanh chóng cấp hoặc thu hồi quyền truy cập vào ChatGPT Enterprise. Nó có thể kết nối với các thư mục trên Okta Workforce, Microsoft Entra ID, Google Workspace và Ping.

• Quản trị viên tài khoản có quyền kiểm soát rộng hơn đối với các GPT tùy chỉnh do nhân viên tạo ra. Họ có thể thiết lập các dịch vụ mà GPT có thể kết nối với danh sách các tên miền được phê duyệt.

• Quản trị viên cũng có thể tạo nhóm người dùng, quản lý quyền chia sẻ, xóa GPT, chuyển quyền sở hữu và phê duyệt GPT bên ngoài.

• ChatGPT Enterprise được ra mắt vào năm 2023 như là lựa chọn trả phí thứ hai của OpenAI cho ChatGPT phổ biến. Nó cung cấp "bảo mật cấp doanh nghiệp", cửa sổ ngữ cảnh lớn hơn và thời gian kết quả nhanh hơn so với các sản phẩm trả phí khác.

• COO của OpenAI Brad Lightcap cho biết năm 2024 là "năm của doanh nghiệp" đối với công ty khi họ thấy sự tăng trưởng trong lĩnh vực này.

• ChatGPT Enterprise được cung cấp bởi GPT-4o của OpenAI, mặc dù công ty gần đây đã phát hành GPT-4o mini, một phiên bản nhỏ hơn của mô hình AI mới nhất.

📌 OpenAI tăng cường kiểm soát cho ChatGPT Enterprise với API tuân thủ mới, quản lý danh tính SCIM và quyền kiểm soát GPT tùy chỉnh rộng hơn. Các tính năng này giúp doanh nghiệp đáp ứng quy định như GDPR, HIPAA và mở rộng quy mô sử dụng an toàn, đánh dấu sự tập trung của OpenAI vào thị trường doanh nghiệp trong năm 2024.

https://venturebeat.com/ai/openai-gives-more-control-over-chatgpt-enterprise/

- Mặc dù lãi suất tại Mỹ đã tăng lên mức cao nhất trong 2 thập kỷ và đà tăng trưởng kinh tế đang chậm lại, chỉ số S&P 500 vẫn đẩy cao hơn, một phần nhờ sự cuồng nhiệt với cổ phiếu liên quan đến AI. Tuy nhiên, có 5 lý do để nghi ngờ triển vọng lạc quan này.

- Thứ nhất, AI vẫn đang trong giai đoạn đầu, khi chi phí đầu tư ban đầu đang diễn ra trước khi có thể thu được bất kỳ lợi ích năng suất đáng kể nào. Điều này thể hiện qua hiệu suất cổ phiếu của các nhóm: nhóm cung cấp cơ sở hạ tầng có mức tăng giá trị nhiều nhất, sau đó đến các công ty phần mềm, dịch vụ đám mây. Trong khi đó, định giá của các doanh nghiệp trong các ngành có tiềm năng tăng năng suất vẫn khá thấp.

- Thứ hai, vẫn chưa có ứng dụng "killer" của AI. Các ngành mà AI đang gây xáo trộn không thực sự sinh lời. Theo Erik Hoel, một nhà thần kinh học, càng dễ đào tạo AI để làm điều gì đó thì giá trị kinh tế của điều đó càng ít, do AI có xu hướng tạo ra những thứ ít giá trị kinh tế. Ví dụ, các ứng dụng hiện tại của AI tạo sinh như viết lách, tạo ảnh, video, tiếp thị tự động, xử lý thông tin không mang lại giá trị cao.

- Thứ ba, kế hoạch chi tiêu cho AI dường như chưa thực tế. Ước tính thô sơ cho thấy cần 600 tỷ USD doanh thu AI để hoàn vốn đầu tư. Barclays ước tính chi tiêu đầu tư tăng thêm cho AI từ 2023-2026 là 167 tỷ USD, đủ để hỗ trợ hơn 12.000 sản phẩm AI quy mô ChatGPT, nhưng không chắc có đủ nhu cầu từ người tiêu dùng và doanh nghiệp.

- Thứ tư, tác động kinh tế vĩ mô của AI vẫn chưa rõ ràng. Các nghiên cứu cho kết quả khác nhau, từ tăng 15% GDP (Goldman Sachs) đến chỉ tăng 0,9% GDP trong 10 năm tới (Acemoglu). Sự khác biệt này xuất phát từ các giả định mô hình khác nhau về tỷ lệ công việc có thể tự động hóa, tác động của việc tái phân bổ lao động và tiết kiệm chi phí.

- Thứ năm, môi trường kinh tế, xã hội, pháp lý rộng lớn hơn cũng cần thay đổi để nền kinh tế có thể tận dụng lợi ích của công nghệ và giảm thiểu tác hại. Các yếu tố quyết định tốc độ và mức độ chuyển đổi AI bao gồm năng lượng sạch, quy định và quản trị, sự tương tác với xã hội và kỹ năng của lực lượng lao động. Ví dụ, ngành AI có thể tiêu thụ lượng điện tương đương một quốc gia như Hà Lan vào năm 2027. Các quy định về AI đang chạy chậm hơn nhiều so với tốc độ phát triển công nghệ. Xã hội vẫn muốn sự tương tác với con người trong một số ngành như sáng tạo nội dung. Kỹ năng về AI của lực lượng lao động cũng cần thời gian để đáp ứng nhu cầu.

📌 Mặc dù đầu tư vào AI đang bùng nổ với kỳ vọng lớn, song vẫn còn nhiều nghi ngờ xung quanh khả năng ứng dụng thực tế trên diện rộng, tác động kinh tế vĩ mô và sự sẵn sàng của môi trường pháp lý, xã hội. Tuy nhiên, sự cuồng nhiệt hiện tại có thể là phương tiện cần thiết để đầu tư vào một công nghệ tiềm năng nhưng chưa được chứng minh. Cần phải xem xét lại các giả định một cách cẩn thận, vì những câu chuyện hấp dẫn có thể trở nên vô nghĩa nếu không chịu được sự soi xét.

https://www.ft.com/content/42bad56f-02cc-4b32-b9ac-1af5dbc7bc83

#FT

• Đến năm 2028, 75% kỹ sư phần mềm doanh nghiệp sẽ sử dụng trợ lý mã AI, tăng từ dưới 10% vào đầu năm 2023.

• AI có thể nâng cao bảo mật bằng cách tự động hóa phát hiện và phản hồi mối đe dọa, giúp bảo vệ hệ thống và dữ liệu hiệu quả hơn.

• Nghiên cứu của GitLab cho thấy các developer dành ít hơn 25% thời gian để viết mã. Hơn 75% công việc hàng ngày có thể được hỗ trợ và nâng cao hiệu quả bằng AI thông qua giải thích lỗ hổng, tóm tắt thay đổi mã, tự động kiểm thử, v.v.

• AI có thể tạo ra các bài kiểm tra trong thời gian thực, đảm bảo độ bao phủ toàn diện và nâng cao chất lượng mã tổng thể.

• Việc triển khai AI đòi hỏi phân tích kỹ lưỡng vòng đời phát triển phần mềm hiện tại, bao gồm công cụ và quy trình, để xác định nơi AI sẽ tạo ra hiệu quả cao nhất.

• Cần tập trung vào việc tạo ra một khung AI mạnh mẽ để đảm bảo thành công lâu dài. Việc áp dụng AI đòi hỏi phải sửa đổi toàn bộ vòng đời phát triển phần mềm để tập trung hóa dữ liệu.

• Dữ liệu là yếu tố quan trọng cho nỗ lực AI của tổ chức. Việc đưa dữ liệu vào hệ thống AI sẽ giúp nâng cao chất lượng đầu ra cho cả nhà phát triển và khách hàng.

• Bước đầu tiên trong hành trình AI là thành lập ủy ban chỉ đạo AI với một lãnh đạo mạnh để xem xét và đề xuất các phương pháp tiếp cận phù hợp với nhu cầu của tổ chức.

• Ủy ban chỉ đạo AI nên tập hợp các lãnh đạo pháp lý, bảo mật và kỹ thuật để xây dựng cơ cấu cho việc áp dụng AI.

• Cần thiết lập hướng dẫn và quy trình làm việc để đảm bảo các nhóm DevSecOps sử dụng AI một cách có trách nhiệm.

• Cần chuẩn bị cho các phương pháp tiếp cận đa mô hình. Các hệ thống doanh nghiệp đang bắt đầu triển khai các điều khiển chi tiết để giúp DevSecOps chọn đúng LLM cho công việc.

• Các công ty không sử dụng AI để phát triển phần mềm có nguy cơ tụt hậu so với đối thủ cạnh tranh.

• Tuy nhiên, các nhà lãnh đạo vội vàng triển khai AI mà không hiểu tác động của nó sẽ gặp rủi ro như lỗ hổng bảo mật, tiền phạt, mất khách hàng và thiệt hại về uy tín.

• Tổ chức có thể đảm bảo sự phù hợp giữa lãnh đạo điều hành và các nhà phát triển về các chủ đề quan trọng bằng cách tạo ra môi trường thảo luận chiến lược về AI.

• Cần xử lý việc tích hợp AI giống như chuyển đổi đám mây - cẩn thận và có chủ đích. Tránh các giải pháp manh mún khi có thể và tập trung vào một phương pháp toàn diện.

📌 Triển khai AI hiệu quả đòi hỏi chiến lược toàn diện, từ thành lập ủy ban chỉ đạo đến tích hợp vào quy trình DevSecOps. Đến 2028, 75% kỹ sư sẽ dùng trợ lý mã AI. Cần cân nhắc kỹ lưỡng về bảo mật, pháp lý và quản lý dữ liệu để đảm bảo sử dụng AI có trách nhiệm và mang lại giá trị kinh doanh.

https://thenewstack.io/creating-a-strategic-roadmap-for-effective-ai-implementation/

• Nvidia và startup Pháp Mistral AI vừa công bố mô hình ngôn ngữ mới Mistral-NeMo, nhằm mang khả năng AI mạnh mẽ trực tiếp đến máy tính doanh nghiệp.

• Mistral-NeMo có 12 tỷ tham số và cửa sổ ngữ cảnh 128.000 token, là công cụ mạnh mẽ cho doanh nghiệp muốn triển khai AI mà không cần nhiều tài nguyên đám mây.

• Mô hình được phát hành dưới giấy phép Apache 2.0, cho phép sử dụng thương mại.

• Bryan Catanzaro, Phó chủ tịch nghiên cứu học sâu ứng dụng tại Nvidia, nhấn mạnh tính dễ tiếp cận và hiệu quả của mô hình.

• Mistral-NeMo có thể chạy trên GPU RTX phổ biến mà nhiều người đã có sẵn, giúp dân chủ hóa khả năng AI tiên tiến.

• Cửa sổ ngữ cảnh 128.000 token cho phép mô hình xử lý và hiểu các đoạn văn bản lớn hơn nhiều so với đối thủ cạnh tranh.

• Tính năng này đặc biệt hữu ích cho doanh nghiệp xử lý tài liệu dài, phân tích phức tạp hoặc nhiệm vụ lập trình phức tạp.

• Khả năng triển khai cục bộ có thể thu hút các doanh nghiệp hoạt động trong môi trường kết nối internet hạn chế hoặc có yêu cầu bảo mật dữ liệu nghiêm ngặt.

• Mô hình nhắm đến việc sử dụng trên laptop và máy tính để bàn hơn là điện thoại thông minh.

• Mistral-NeMo có thể làm gián đoạn đáng kể thị trường phần mềm AI bằng cách giải quyết các vấn đề như quyền riêng tư dữ liệu, độ trễ và chi phí cao liên quan đến giải pháp dựa trên đám mây.

• Động thái này có thể san bằng sân chơi, cho phép các doanh nghiệp nhỏ hơn với nguồn lực hạn chế tận dụng khả năng AI trước đây chỉ có thể tiếp cận bởi các tập đoàn lớn.

• Mô hình hiện có sẵn dưới dạng Neural Interface Model (NIM) thông qua nền tảng AI của Nvidia, với phiên bản có thể tải xuống sẽ được cung cấp trong tương lai gần.

📌 Mistral-NeMo, mô hình AI 12 tỷ tham số, hợp tác giữa Nvidia và Mistral AI, mang khả năng AI mạnh mẽ đến máy tính doanh nghiệp. Với cửa sổ ngữ cảnh 128.000 token và khả năng chạy trên GPU RTX phổ biến, mô hình hứa hẹn dân chủ hóa AI cho doanh nghiệp mọi quy mô.

https://venturebeat.com/ai/nvidia-and-mistrals-new-model-mistral-nemo-brings-enterprise-grade-ai-to-desktop-computers/

• AI đang phát triển song song với sự mở rộng của điện toán đám mây, giúp nâng cao đáng kể khả năng lưu trữ, xử lý và quản lý dữ liệu.

• Các doanh nghiệp hiện đại đang tận dụng điều này bằng cách tích hợp chiến lược các tài nguyên từ môi trường tại chỗ, biên và đám mây. Việc tích hợp này cho phép triển khai các công cụ AI mạnh mẽ và hiệu quả trên nhiều môi trường khác nhau.

• Tích hợp đám mây hiệu quả giúp tổ chức cân bằng nhu cầu bảo mật dữ liệu quan trọng với sức mạnh tính toán đáng kể cần thiết để đào tạo và triển khai các mô hình AI phức tạp.

• Để hiểu rõ hơn về tích hợp này, hãy nghĩ đến ô tô hybrid, tối ưu hóa hiệu suất và giảm chi phí bằng cách kết hợp hệ thống điện và nhiên liệu truyền thống. Tương tự, cơ sở hạ tầng đám mây lai định vị khối lượng công việc AI trên nền tảng tốt nhất.

• Các mô hình ngôn ngữ lớn có thể tận dụng sức mạnh của đám mây công cộng để đào tạo, trong khi dữ liệu nhạy cảm vẫn được bảo mật tại chỗ hoặc ở biên.

• Cách tiếp cận linh hoạt này cho phép các tổ chức tinh chỉnh và điều chỉnh các mô hình bằng dữ liệu độc quyền, đồng thời vẫn đảm bảo an toàn và tuân thủ pháp luật.

• Khả năng di chuyển khối lượng công việc AI giữa các môi trường biên, tại chỗ và đám mây khi cần thiết, mà không ảnh hưởng đến hiệu suất hoặc bảo mật, giúp các tổ chức khai thác AI để đạt được tăng trưởng.

• Sự thành công của AI phụ thuộc vào niềm tin, đặc biệt là trong các ngành có quy định nghiêm ngặt. Các mô hình ngôn ngữ lớn không chỉ phải có thể giải thích được mà còn phải dựa trên dữ liệu độc quyền đã được xác minh.

• Nguồn mở đóng vai trò trung tâm trong việc cung cấp tính minh bạch trong suốt vòng đời AI, từ đường ống dữ liệu đến phát triển và triển khai mô hình.

• Tính minh bạch này mở rộng ra ngoài các mô hình để bao gồm cả dữ liệu được sử dụng để đào tạo chúng. Dữ liệu độc quyền từ các hệ thống cũ đặc biệt có giá trị cho các trường hợp sử dụng doanh nghiệp.

• Việc tích hợp AI với đám mây lai đòi hỏi một hệ sinh thái mở và cộng tác, nơi các tổ chức làm việc cùng nhau, chia sẻ các phương pháp hay nhất, tài sản dữ liệu và tài nguyên đào tạo.

• Tư duy nguồn mở giúp doanh nghiệp tích hợp các thành phần khác nhau trong ngăn xếp công nghệ của họ, từ đường ống dữ liệu đến mô hình, mang lại trải nghiệm nhất quán hơn.

• Phá vỡ các rào cản giữa các nhà phát triển, kỹ sư dữ liệu và hoạt động CNTT cũng rất quan trọng để giải quyết hiệu quả các thách thức hoạt động.

• Với việc áp dụng AI ngày càng tăng, một trong những thách thức đáng chú ý nhất là việc sử dụng năng lượng đáng kể liên quan đến việc đào tạo và vận hành các hệ thống AI.

• Kiến trúc lai cho phép di chuyển khối lượng công việc liền mạch giữa các môi trường tại chỗ, biên và đám mây để tối ưu hóa chi phí cho các tài nguyên tính toán, lưu trữ và mạng.

• Cơ sở hạ tầng đám mây lai cũng nâng cao quản lý dữ liệu bằng cách định vị các đường ống dữ liệu trên các môi trường tại chỗ, biên và đám mây khi cần thiết. Điều này giúp giảm độ trễ, cải thiện khả năng phản hồi và cho phép doanh nghiệp cân bằng hiệu quả chi phí với khả năng kỹ thuật.

📌 Tích hợp đám mây lai giúp doanh nghiệp triển khai AI hiệu quả, cân bằng bảo mật và sức mạnh tính toán. Nó cho phép di chuyển linh hoạt khối lượng công việc, tối ưu hóa chi phí và tài nguyên, đồng thời thúc đẩy sự minh bạch và cộng tác trong hệ sinh thái AI. Đây là chiến lược quan trọng để khai thác tiềm năng AI và đảm bảo tăng trưởng bền vững.

https://www.techradar.com/pro/why-enterprise-ai-needs-connected-clouds

• Trong 3 tháng đầu đại dịch Covid-19, doanh thu của Amazon tăng 44% và lợi nhuận tăng 220% nhờ đầu tư vào khả năng phục hồi chuỗi cung ứng, cho phép công ty giao hàng khi đối thủ không thể.

• Các doanh nghiệp hiện phải đối mặt với nhiều thách thức trong chuỗi cung ứng như biến động công nghệ, thay đổi nguồn lao động, địa chính trị và biến đổi khí hậu.

• Để thành công, doanh nghiệp cần xây dựng chuỗi cung ứng linh hoạt: hoạt động hoàn toàn số hóa, ưu tiên nhu cầu khách hàng và thiết lập mạng lưới giao hàng nhanh chóng, đáng tin cậy và bền vững.

• Nutrien, công ty phân bón Canada, sử dụng công nghệ đám mây và AI/ML để thu thập dữ liệu chưa được khai thác từ hoạt động công nghiệp và có cái nhìn tổng quan hơn về chuỗi cung ứng.

• Chuỗi cung ứng số hóa kết nối Nutrien từ người trồng đến nhà sản xuất, cung cấp khả năng hiển thị trong toàn bộ chuỗi giá trị.

• Nutrien có thể xác định vị trí bồn phân bón trong cánh đồng của người trồng và xác định sản phẩm Nutrien trong đó, cho phép dự báo nhu cầu và lập kế hoạch phù hợp.

• Nutrien dự định thêm khả năng AI vào nền tảng hợp tác để giúp khách hàng ít am hiểu công nghệ dễ dàng sử dụng các tính năng tự phục vụ và tự động hóa.

• Các công ty cần hiện đại hóa hoạt động chuỗi cung ứng bằng cách áp dụng AI/ML cho dữ liệu hoạt động trên đám mây để tăng khả năng phục hồi và tính bền vững.

• Một công ty dược phẩm tổng hợp dữ liệu chuỗi cung ứng có thể theo dõi sản phẩm tốt hơn cho khách hàng bệnh nặng.

• Một startup bán lẻ đang phát triển nhanh chóng có thể lưu trữ khối lượng công việc trên đám mây để hỗ trợ nhu cầu tăng đột biến và giảm thiểu chi phí vận hành.

• Một công ty vận tải có thể tiết kiệm chi phí chuỗi cung ứng đầu vào bằng cách đánh giá tổng quãng đường di chuyển của đội xe để giảm chi phí và lượng khí thải CO2.

📌 Amazon tăng lợi nhuận 220% trong 3 tháng đầu đại dịch nhờ chuỗi cung ứng linh hoạt. Các công ty như Nutrien ứng dụng AI/ML và điện toán đám mây để tối ưu hóa vận hành, nâng cao trải nghiệm khách hàng. Xu hướng hiện đại hóa chuỗi cung ứng với công nghệ số giúp doanh nghiệp tăng khả năng phục hồi và phát triển bền vững.

https://www.technologyreview.com/2024/07/18/1094899/building-supply-chain-resilience-with-ai/

#MIT

• Theo khảo sát mới của Reuters, 24% công ty Nhật Bản đã áp dụng AI trong hoạt động kinh doanh, 35% đang lên kế hoạch áp dụng, trong khi 41% không có kế hoạch sử dụng công nghệ này.

• Mục tiêu chính khi áp dụng AI là để đối phó với tình trạng thiếu hụt lao động (60% công ty), cắt giảm chi phí nhân công (53%) và đẩy nhanh nghiên cứu phát triển (36%).

• Các rào cản chính khi áp dụng AI bao gồm: lo ngại của nhân viên về việc giảm biên chế, thiếu chuyên môn kỹ thuật, chi phí đầu tư lớn và lo ngại về độ tin cậy của công nghệ.

• 15% công ty cho biết đã bị tấn công mạng trong năm qua, 9% có đối tác kinh doanh bị tấn công. Trong số các nạn nhân, 23% phải tạm ngừng hoạt động kinh doanh và 4% bị rò rỉ thông tin.

• Để tăng cường an ninh mạng, 47% công ty thuê ngoài dịch vụ bảo vệ, 38% có chuyên gia nội bộ.

📌 Khảo sát cho thấy các công ty Nhật Bản đang phân hóa trong việc áp dụng AI, với 24% đã triển khai và 41% chưa có kế hoạch. An ninh mạng là mối quan tâm lớn khi 15% công ty từng bị tấn công. 

https://www.reuters.com/technology/artificial-intelligence/more-than-40-japanese-companies-have-no-plan-make-use-ai-2024-07-17/

• 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/

- Gần như tất cả các nhà cung cấp mô hình, bao gồm Microsoft, Google và các công ty khởi nghiệp như Mistral, Anthropic và Cohere, đều chuyển sang cung cấp nhiều mô hình AI vừa và nhỏ hơn.
- Các giám đốc công nghệ thông tin cho rằng đối với một số trường hợp sử dụng AI phổ biến nhất, thường liên quan đến các tác vụ hẹp, lặp đi lặp lại như phân loại tài liệu, các mô hình nhỏ hơn và vừa phải đơn giản là hợp lý hơn. 
- Vì chúng sử dụng ít năng lượng tính toán hơn nên các mô hình nhỏ hơn có thể tiết kiệm chi phí vận hành.
- Sự chuyển đổi diễn ra khi các công ty từ từ triển khai nhiều trường hợp sử dụng AI hơn, đồng thời chịu áp lực phải quản lý chi phí và lợi nhuận từ công nghệ đắt tiền này.
- Công ty dịch vụ thế chấp phi ngân hàng Mr. Cooper đang thử nghiệm khả năng của các mô hình vừa phải trong trung tâm cuộc gọi để phân tích dữ liệu giọng nói nhằm giúp nhân viên hiểu khách hàng có khả năng hỏi gì.
- Ngân hàng TD gần đây đã ký hợp đồng hợp tác với nhà cung cấp mô hình AI Cohere và sẽ xem xét liệu các mô hình nhỏ hơn hoặc vừa phải của Cohere có hiệu quả và tiết kiệm chi phí hơn hay không.
- Công ty dịch vụ tiếp thị WPP đang sử dụng một số mô hình từ dòng sản phẩm Gemini của Google, bao gồm cả mô hình vừa phải Flash, phù hợp cho các trường hợp sử dụng như phân tích thói quen mua sắm ở các quốc gia khác nhau.

📌 Các công ty đang chuyển sang triển khai các mô hình AI vừa và nhỏ hơn do áp lực quản lý chi phí. Các mô hình này được đào tạo trên ít dữ liệu hơn, phù hợp cho nhiều trường hợp sử dụng phổ biến trong doanh nghiệp như phân loại tài liệu, phân tích dữ liệu giọng nói. Tuy nhiên, các mô hình lớn vẫn có giá trị cho các tác vụ phức tạp đòi hỏi nhiều dữ liệu và sáng tạo.

https://www.wsj.com/articles/these-ai-models-are-pretty-mid-thats-why-companies-love-them-710a0f72

#WSJ

• Các nhà lãnh đạo doanh nghiệp cần suy nghĩ lại cách quản lý con người, quy trình và dự án khi AI tạo sinh ngày càng phổ biến trong công việc hàng ngày.

• Ethan Mollick, phó giáo sư tại Đại học Pennsylvania, đề xuất 3 nguyên tắc để tổ chức lại công việc xung quanh AI tạo sinh:
- Huy động những người đang sử dụng AI, đảm bảo họ không lo mất việc hay bị giám sát quá mức
- Để các nhóm tự phát triển phương pháp làm việc với AI phù hợp nhất 
- Dự đoán sự thay đổi nhanh chóng, thích ứng quy trình làm việc với cả ứng dụng AI hiện tại và tương lai

• Nghiên cứu của MIT và Accenture cho thấy việc sử dụng "ma sát có lợi" dưới dạng gợi ý trực quan có thể giúp người dùng phát hiện lỗi trong văn bản AI tạo sinh mà không ảnh hưởng nhiều đến hiệu suất. Các tác giả đưa ra 3 kết luận:
- Cần cân nhắc kỹ lưỡng prompt đầu vào cho AI
- Làm nổi bật lỗi có thể giảm bớt sự tự tin thái quá của người dùng
- Cần thử nghiệm để hiểu phản ứng của con người với kết quả từ AI

• Mayo Clinic là một ví dụ về việc chuyển trọng tâm từ quản trị sang hỗ trợ AI trong tổ chức:
- Trao quyền cho nhân viên xây dựng và thử nghiệm mô hình AI phù hợp với lĩnh vực của họ
- Có đội ngũ 60 người hỗ trợ AI và quản lý thư viện dữ liệu
- Cung cấp nền tảng để người dùng nội bộ xây dựng sản phẩm và ứng dụng AI
- Người dùng cuối chịu trách nhiệm đảm bảo chất lượng và tích hợp dữ liệu

📌 Nghiên cứu mới từ MIT Sloan Management Review đề xuất 3 cách giúp doanh nghiệp tận dụng hiệu quả AI tạo sinh: tổ chức lại công việc, sử dụng gợi ý trực quan để phát hiện lỗi, và chuyển trọng tâm từ quản trị sang hỗ trợ AI. Mayo Clinic là ví dụ điển hình với đội ngũ 60 người hỗ trợ AI và trao quyền cho nhân viên.

https://mitsloan.mit.edu/ideas-made-to-matter/making-generative-ai-work-enterprise-new-mit-sloan-management-review

#MIT

• Hiện nay có sự đồng thuận rằng AI tạo sinh sẽ biến đổi sâu sắc hoạt động kinh doanh. Các công ty và cá nhân không bắt kịp xu hướng này sẽ nhanh chóng bị bỏ lại phía sau.

• Tuy nhiên, khi đầu tư vào AI, các doanh nghiệp muốn có bằng chứng cụ thể về việc AI cải thiện hiệu suất và doanh thu như thế nào. Họ không thể và không nên chỉ tin vào lời hứa của các nhà cung cấp.

• Khó có thể tìm ra mối tương quan trực tiếp giữa việc sử dụng các công cụ AI như Microsoft Copilot và hiệu quả kinh doanh tổng thể.

• Theo nhà đầu tư Jamin Ball, hầu hết doanh nghiệp có thể không có lựa chọn nào khác ngoài việc đầu tư vào AI, dù chưa thấy ngay kết quả. Lý do là vì đối thủ cạnh tranh đang đầu tư vào AI, nên bạn cũng phải làm vậy để không bị tụt hậu.

• Việc đầu tư vào AI có thể không mang lại kết quả kinh doanh tốt hơn ngay lập tức, nhưng chắc chắn sẽ cải thiện trải nghiệm người dùng cuối. Điều này có thể dẫn đến các chỉ số khác tốt hơn như tỷ lệ giữ chân khách hàng.

• Tuy nhiên, các CIO muốn có sự chắc chắn hơn trước khi đầu tư vào một công nghệ mới đắt đỏ. Họ và CFO phải đối mặt với thực tế hiện tại khi biện minh cho các khoản chi tiêu và muốn biết khi nào có thể kỳ vọng thu được lợi nhuận từ đầu tư.

• Một số người so sánh AI với điện năng, cho rằng đây là thời điểm chuyển đổi quan trọng như khi các nhà máy chuyển từ hơi nước sang điện vào cuối thế kỷ 18. Bạn có thể phớt lờ nó và tiếp tục sử dụng hơi nước, nhưng cuối cùng sẽ bị đào thải.

• Giải pháp có thể đến từ một startup thông minh nào đó, hoặc các doanh nghiệp lớn sẽ tìm đến các công ty tư vấn như Deloitte, McKinsey và Accenture để được hỗ trợ, dù điều này sẽ làm tăng chi phí và thời gian tạo ra giá trị.

• Các CIO đang phải đối mặt với quyết định khó khăn: liệu họ đang đưa công ty tiến về tương lai hay đang lãng phí tiền bạc vào một xu hướng chưa chắc chắn.

📌 Nghịch lý AI: Doanh nghiệp buộc phải đầu tư lớn dù chưa thấy ngay kết quả. CIO đối mặt với áp lực cạnh tranh và đổi mới, nhưng cũng cần chứng minh ROI. Giải pháp có thể đến từ startup hoặc tư vấn chuyên nghiệp, song vẫn còn nhiều thách thức.

https://techcrunch.com/2024/07/14/the-ai-financial-results-paradox/

- AI tạo sinh (gen AI) đã thu hút sự chú ý của nhiều nhà lãnh đạo nhưng cũng có nguy cơ làm lu mờ các công cụ số khác quan trọng cho sự thành công của tổ chức.
- Rodney Zemmel và Kate Smaje từ McKinsey Digital nhấn mạnh rằng chiến lược AI nên bắt đầu từ việc xác định nguồn giá trị và cách công nghệ có thể chuyển đổi các lĩnh vực kinh doanh.
- Một trong những ý tưởng quan trọng là mọi công ty sẽ trở thành một doanh nghiệp có cấu trúc thần kinh, nơi các nhóm làm việc tự trị nhưng vẫn tuân theo các quy tắc và mục tiêu chung của công ty.
- Ví dụ, Ngân hàng DBS và Freeport-McMoRan đã áp dụng mô hình tế bào ngang để cải thiện hiệu suất và sáng tạo.
- Các công ty hàng đầu áp dụng mô hình này có tỷ suất lợi nhuận cổ đông cao hơn 60% so với các công ty ít trưởng thành hơn.
- Các nhà lãnh đạo cần chú ý đến việc đào tạo và nâng cao kỹ năng cho nhân viên để làm việc trong mô hình này, đồng thời thiết lập các quy tắc quản trị dữ liệu rõ ràng.
- Một ý tưởng khác là các nhà lãnh đạo số và AI cần trở thành những người chuyển đổi liên tục, không ngừng kết hợp các công nghệ mới để tạo ra các mô hình kinh doanh đột phá.
- Quantum computing là một công nghệ tiềm năng có thể thay đổi nhiều ngành công nghiệp bằng cách giải quyết các bài toán phức tạp nhanh hơn nhiều so với các thuật toán truyền thống.
- Các ngành như dịch vụ tài chính, dược phẩm, hóa chất và nông nghiệp có thể hưởng lợi lớn từ quantum computing.
- Để tận dụng tối đa AI tạo sinh, các tổ chức cần xác định các vai trò hoặc nhiệm vụ nào sẽ được hưởng lợi nhiều nhất từ AI để tạo ra một lực lượng lao động hiệu quả hơn.
- Đào tạo và nâng cao kỹ năng là cần thiết để nhân viên biết cách sử dụng AI tạo sinh một cách hiệu quả, từ đó tạo ra những "siêu năng lực" mới cho tổ chức.
- Một ví dụ thú vị là trong một nghiên cứu nhỏ tại Anh, bệnh nhân thường thích bot hơn bác sĩ vì cảm thấy bot hiểu và giải quyết vấn đề của họ nhanh hơn.
- Các nhà lãnh đạo cần duy trì sự linh hoạt và không ngừng học hỏi để thích nghi với các thay đổi công nghệ và thị trường.

📌 McKinsey Digital nhấn mạnh rằng để tận dụng tối đa AI tạo sinh và các công nghệ số khác, các nhà lãnh đạo cần tập trung vào việc xác định nguồn giá trị, đào tạo và nâng cao kỹ năng cho nhân viên, và duy trì sự linh hoạt trong quản lý. Các công ty áp dụng mô hình tế bào ngang và quantum computing có thể đạt được lợi thế cạnh tranh lớn.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/gen-ai-and-beyond-where-else-to-focus-now

#McKinsey

• Satya Nadella, CEO Microsoft, đã đầu tư 13 tỷ USD vào OpenAI trong 5 năm qua, dù công ty này chưa tạo ra nhiều lợi nhuận.

• Gần đây, Nadella chi 650 triệu USD để mua lại công nghệ của Inflection AI, tuyển dụng hầu hết nhân viên và đặt CEO Mustafa Suleyman phụ trách mảng kinh doanh trị giá 12 tỷ USD của Microsoft.

• Những khoản đầu tư mạo hiểm này đã giúp giá trị vốn hóa của Microsoft tăng 70% lên 3,3 nghìn tỷ USD trong 2 năm qua.

• Nadella tin rằng AI là cơ hội lớn để Microsoft dẫn đầu làn sóng công nghệ mới, sau khi bỏ lỡ cơ hội trong thời kỳ dot-com và smartphone.

• Ông đã thay đổi văn hóa Microsoft, chấp nhận phần mềm mã nguồn mở và đẩy mạnh điện toán đám mây.

• Năm 2018, Nadella quyết định mua lại GitHub chỉ sau 20 phút thảo luận, với giá 7,5 tỷ USD.

• Khi Google ra mắt BERT năm 2018, Nadella nhận ra Microsoft thiếu hạ tầng để phát triển AI tiên tiến. Điều này thúc đẩy ông đầu tư vào OpenAI.

• Nadella tin tưởng vào tầm nhìn của Sam Altman và đội ngũ OpenAI, dù nhiều người hoài nghi về thương vụ này.

• Năm 2022, sau khi thấy tiềm năng của GPT-4, Nadella quyết định tích hợp AI vào mọi sản phẩm của Microsoft, bắt đầu từ Bing.

• Khi OpenAI khủng hoảng vào cuối 2023, Nadella can thiệp để giữ chân Sam Altman, cho thấy sự phụ thuộc của Microsoft vào đối tác này.

• Gần đây nhất, Nadella mua lại Inflection AI và đặt Mustafa Suleyman phụ trách mảng AI agent, với tham vọng tạo ra nền tảng máy tính tương lai.

📌 Nadella đang đặt cược lớn vào AI với hàng chục tỷ USD đầu tư. Ông tin rằng đây là cơ hội để Microsoft dẫn đầu cuộc cách mạng công nghệ mới, dù tiềm ẩn nhiều rủi ro. Chiến lược này đã giúp giá trị Microsoft tăng 70% lên 3,3 nghìn tỷ USD trong 2 năm qua.

https://www.nytimes.com/2024/07/14/technology/microsoft-ai-satya-nadella.html

• Microsoft vừa công bố "SpreadsheetLLM", một mô hình AI mới được thiết kế để hiểu và làm việc với bảng tính, đánh dấu một bước tiến quan trọng trong lĩnh vực AI doanh nghiệp.

• Nghiên cứu có tựa đề "SpreadsheetLLM: Encoding Spreadsheets for Large Language Models" được đăng tải trên arXiv, giải quyết thách thức trong việc áp dụng AI vào định dạng bảng tính phổ biến nhưng phức tạp.

• SpreadsheetLLM kết hợp sức mạnh của mô hình ngôn ngữ lớn (LLM) với dữ liệu có cấu trúc trong bảng tính. Hệ thống sử dụng một quy trình sáng tạo để nén và mã hóa bảng tính, cho phép LLM hiểu và phân tích hiệu quả dữ liệu bảng tính phức tạp.

• Mô-đun SheetCompressor đóng vai trò quan trọng trong việc tối ưu hóa hiệu suất của AI trên các tác vụ bảng tính, đồng thời đạt được độ chính xác tốt nhất hiện nay.

• SpreadsheetLLM có khả năng tự động hóa nhiều tác vụ phân tích dữ liệu tẻ nhạt và tốn thời gian như làm sạch dữ liệu, định dạng và tổng hợp. Điều này có thể giúp doanh nghiệp tiết kiệm thời gian và nguồn lực đáng kể.

• Ứng dụng tiềm năng của SpreadsheetLLM rất rộng lớn, từ tự động hóa các tác vụ phân tích dữ liệu thông thường đến cung cấp thông tin chi tiết thông minh và đưa ra khuyến nghị dựa trên dữ liệu bảng tính.

• SpreadsheetLLM có thể giúp dữ liệu bảng tính dễ tiếp cận và dễ hiểu hơn đối với nhiều người dùng hơn. Người dùng có thể truy vấn và thao tác dữ liệu bảng tính bằng tiếng Anh đơn giản thay vì các công thức phức tạp hoặc ngôn ngữ lập trình.

• Microsoft đang đầu tư mạnh vào công nghệ AI cho doanh nghiệp. Công ty đã giới thiệu Microsoft 365 Copilot vào tháng 3 năm ngoái và công bố bản xem trước công khai của Copilot for Finance vào tháng 2.

• Sự phát triển của AI trong doanh nghiệp cũng đặt ra những câu hỏi quan trọng về tương lai của công việc và tác động tiềm tàng đối với việc làm. Các công ty cần cân nhắc kỹ lưỡng cách đào tạo lại và nâng cao kỹ năng cho lực lượng lao động để thích ứng với những thay đổi này.

• Khi SpreadsheetLLM chuyển từ nghiên cứu sang ứng dụng thực tế, nó có thể biến đổi cách chúng ta làm việc với bảng tính và mở ra những khả năng mới cho việc ra quyết định dựa trên dữ liệu trong doanh nghiệp.

📌 Microsoft ra mắt SpreadsheetLLM, hệ thống AI hiểu và phân tích bảng tính, mở ra tiềm năng tự động hóa và tối ưu hóa công việc trong doanh nghiệp. Công nghệ này kết hợp sức mạnh của mô hình ngôn ngữ lớn với dữ liệu có cấu trúc, hứa hẹn nâng cao hiệu quả phân tích và ra quyết định dựa trên dữ liệu.

https://venturebeat.com/ai/microsofts-new-ai-system-spreadsheetllm-unlocks-insights-from-spreadsheets-boosting-enterprise-productivity/

• Sau một năm thử nghiệm AI tạo sinh, các doanh nghiệp đã chuyển từ câu hỏi "có thể làm gì" sang "nên làm gì" với công nghệ này để đảm bảo lợi nhuận đầu tư.

• Bài học 1: Xây dựng nền tảng dữ liệu vững chắc
- Dữ liệu chất lượng cao, phù hợp và được quản trị tốt là yếu tố then chốt để triển khai AI.
- Cần tập trung vào làm sạch dữ liệu hiện có và thiết kế quy trình thu thập dữ liệu mới đúng đắn ngay từ đầu.
- Các tổ chức hàng đầu đã chuyển sang sử dụng dữ liệu trực tiếp từ các ứng dụng cốt lõi thay vì báo cáo quản lý để nâng cao chất lượng dữ liệu.
- Cần có chiến lược dữ liệu rõ ràng, phân bổ nguồn lực và thiết kế tổ chức phù hợp.

• Bài học 2: Thiết kế lại quy trình kinh doanh và quản lý thay đổi
- AI tạo sinh thay đổi hoàn toàn quy trình làm việc, không chỉ đơn thuần tự động hóa.
- Cần thiết kế lại quy trình kinh doanh dựa trên khả năng mới của AI thay vì chỉ áp dụng AI vào quy trình hiện có.
- Sự hợp tác giữa đội ngũ kinh doanh và công nghệ thông tin là chìa khóa thành công.
- Phương pháp Lean có thể giúp cân bằng giữa ý tưởng và cách thức thực hiện.
- Quản lý thay đổi và đào tạo lại nhân viên là yếu tố quan trọng để đảm bảo hiệu quả đầu tư.
- Kỹ năng prompt engineering còn thiếu và thường nằm ngoài lĩnh vực khoa học máy tính.

• Bài học 3: Lựa chọn công nghệ phù hợp và khung quản trị
- Doanh nghiệp cần cân nhắc giữa sử dụng công cụ có sẵn như ChatGPT, tự xây dựng hệ thống AI riêng, hay tận dụng các giải pháp AI tích hợp sẵn.
- Nhiều doanh nghiệp chọn sử dụng song song nhiều mô hình ngôn ngữ lớn để giảm thiểu rủi ro.
- Cần xây dựng giao diện người dùng nhất quán nhưng có khung back-end mở rộng được.
- Tập trung vào các quy định pháp lý mới về cơ sở hạ tầng quan trọng, quyền riêng tư, bảo mật và dữ liệu liên quan đến AI tạo sinh.
- Đảm bảo triển khai AI công bằng, bình đẳng và toàn diện.

📌 AI tạo sinh đang phát triển nhanh chóng, đòi hỏi doanh nghiệp phải xây dựng nền tảng dữ liệu vững chắc, thiết kế lại quy trình, và lựa chọn công nghệ phù hợp. Quản lý thay đổi và tuân thủ quy định là yếu tố then chốt để thành công trong tương lai.

https://www.forbes.com/sites/sanjaysrivastava/2024/07/15/from-pilot-to-production-in-generative-ai-3-lessons-learned/

• AWS vừa công bố App Studio - công cụ AI tạo sinh giúp tạo ứng dụng doanh nghiệp chỉ từ mô tả văn bản, không cần lập trình viên chuyên nghiệp.

• App Studio nhắm đến đối tượng là các chuyên gia kỹ thuật không phải lập trình viên chuyên nghiệp như chuyên gia IT, kỹ sư dữ liệu, kiến trúc sư doanh nghiệp và quản lý sản phẩm.

• Người dùng chỉ cần mô tả ứng dụng cần xây dựng và các nguồn dữ liệu muốn sử dụng, App Studio sẽ tự động viết mã.

• Ứng dụng doanh nghiệp được định nghĩa là có nhiều trang UI, có thể truy xuất từ nhiều nguồn dữ liệu, thực hiện các thao tác phức tạp và tích hợp logic nghiệp vụ.

• Ví dụ về các ứng dụng có thể tạo bao gồm hệ thống theo dõi hàng tồn kho hoặc quy trình phê duyệt yêu cầu.

• Quy trình sử dụng App Studio bao gồm: nhập tên ứng dụng, chọn nguồn dữ liệu, mô tả ứng dụng cần xây dựng.

• Hệ thống sẽ tạo danh sách yêu cầu cho ứng dụng dựa trên mô tả. Người dùng có thể tinh chỉnh các yêu cầu này bằng cách tương tác với AI.

• Sriram Devanathan, Tổng Giám đốc Amazon Q Apps và AWS App Studio, cho biết App Studio khác với các công cụ no-code trước đây.

• AWS được cho là đã đi sau trong cuộc đua AI tạo sinh, nhưng App Studio có thể giúp nâng cao uy tín của họ trong lĩnh vực này.

• Công cụ này hứa hẹn giúp tạo ra các ứng dụng phần mềm doanh nghiệp chỉ từ mô tả bằng văn bản, không cần sự tham gia của lập trình viên chuyên nghiệp.

📌 AWS App Studio là công cụ AI tạo sinh mới nhất của Amazon, cho phép tạo ứng dụng doanh nghiệp phức tạp chỉ từ mô tả văn bản. Nhắm đến đối tượng chuyên gia kỹ thuật không phải lập trình viên, App Studio hứa hẹn đơn giản hóa quy trình phát triển phần mềm doanh nghiệp.

https://techcrunch.com/2024/07/10/aws-app-studio-promises-to-generate-enterprise-apps-from-a-written-prompt/

• Các nhà lãnh đạo doanh nghiệp ngày nay nhận thấy tiềm năng to lớn của AI tạo sinh trong việc cải thiện hiệu suất, dù vẫn đang tìm hiểu cách áp dụng cụ thể và ROI cuối cùng.

• Khi triển khai các giải pháp AI tạo sinh quy mô lớn, doanh nghiệp cần cân nhắc các yếu tố như chi phí, độ chính xác và độ trễ để xác định giá trị lâu dài.

• Có 3 mức độ phức tạp khi áp dụng LLM:
  - Mức cơ bản: Sử dụng ứng dụng bao bọc đơn giản xung quanh GPT
  - Mức trung bình: Sử dụng LLM với tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG) để tăng cường đầu ra bằng dữ liệu độc quyền/riêng tư
  - Mức cao cấp: Chạy mô hình riêng, tinh chỉnh mô hình nguồn mở với dữ liệu độc quyền

• Việc lựa chọn LLM phù hợp phụ thuộc vào mục đích sử dụng cụ thể của doanh nghiệp:
  - Ví dụ: Công ty thương mại điện tử có thể đầu tư vào LLM riêng để tối ưu hóa trải nghiệm khách hàng
  - Ứng dụng ngân hàng cần kiểm soát chặt chẽ hơn, có thể phát triển mô hình riêng hoặc tinh chỉnh mô hình nguồn mở

• Khả năng quan sát (observability) rất quan trọng khi triển khai LLM:
  - Giúp theo dõi các chỉ số mới như thời gian đến token, ảo giác, thiên kiến và trôi dạt
  - Cung cấp khả năng hiển thị từ đầu đến cuối để đảm bảo thời gian hoạt động, độ tin cậy và hiệu quả vận hành

• Việc lựa chọn LLM phù hợp không chỉ mang lại lợi ích ngắn hạn mà còn đặt nền tảng cho kết quả kinh doanh lý tưởng trong tương lai.

📌 Doanh nghiệp cần cân nhắc kỹ lưỡng khi chọn LLM phù hợp, dựa trên mục tiêu cụ thể và mức độ phức tạp mong muốn. Việc áp dụng LLM cần đi kèm với khả năng quan sát để đảm bảo hiệu suất và đo lường ROI chính xác. Lựa chọn đúng đắn sẽ tạo nền tảng vững chắc cho việc ứng dụng AI tạo sinh hiệu quả.

https://www.techradar.com/pro/determining-the-right-llm-for-your-organization

• Gen AI đang mở ra khả năng tăng năng suất và hiệu suất đáng kể trong nền kinh tế tri thức. Tuy nhiên, để khai thác giá trị kinh tế từ Gen AI, các tổ chức cần phát triển 6 loại năng lực kỷ luật khác nhau.

• Thay đổi hành vi: Nhân viên cần học cách sử dụng Gen AI hiệu quả, bao gồm kỹ năng prompt engineering, xác minh thông tin, tạo nội dung chất lượng cao và tích hợp công nghệ vào công việc. 

• Tư duy hệ thống: Các tổ chức cần thiết kế lại các hệ thống kinh doanh cơ bản để tận dụng Gen AI. Ví dụ, trong lĩnh vực bán hàng, kết hợp avatar được hỗ trợ bởi Gen AI với các bài thuyết trình cá nhân hóa có thể thay đổi triệt để mô hình bán hàng.

• Thử nghiệm có kiểm soát: Cách duy nhất để xác định giá trị của Gen AI là thiết kế thử nghiệm có đối chứng, so sánh năng suất giữa nhóm sử dụng và không sử dụng Gen AI. Các công ty cần tự tiến hành thử nghiệm riêng.

• Đo lường giá trị kinh doanh: Cần có phương pháp đo lường rõ ràng cho mọi trường hợp sử dụng Gen AI, từ năng suất cá nhân đến giá trị từ các sáng kiến mới. Ví dụ, công ty dược phẩm Sanofi đang sử dụng Gen AI để rút ngắn thời gian đưa thuốc mới ra thị trường.

• Quản lý dữ liệu: Gen AI học từ và tạo ra dữ liệu phi cấu trúc như văn bản và hình ảnh. Các tổ chức cần quy trình thu thập, lưu trữ và quản lý loại nội dung này. Ví dụ, công ty Epic đang làm việc với Microsoft để tăng cường khả năng ghi chép và tóm tắt lâm sàng bằng Gen AI.

• Phát triển nguồn nhân lực: Cần cam kết sử dụng AI để tăng cường năng lực nhân viên thay vì thay thế họ. Nhân viên cần được đào tạo về cách thức hoạt động của Gen AI, kỹ năng prompt engineering và tích hợp công nghệ vào công việc.

• Để thành công với Gen AI, các tổ chức nên: (1) Tài trợ cho những người có tư duy đổi mới có trách nhiệm, (2) Chọn các dự án thực tế, mang lại kết quả nhanh chóng và phù hợp về mặt chính trị, (3) Liên kết các dự án với bản sắc của công ty.

📌 AI tạo sinh đòi hỏi 6 kỷ luật quan trọng từ doanh nghiệp: thay đổi hành vi, tư duy hệ thống, thử nghiệm có kiểm soát, đo lường giá trị, quản lý dữ liệu và phát triển nhân lực. Triển khai hiệu quả có thể mang lại lợi thế cạnh tranh đáng kể thông qua cá nhân hóa, nâng cao chất lượng và năng suất lao động.

https://hbr.org/2024/07/the-6-disciplines-companies-need-to-get-the-most-out-of-gen-ai

#HBR

• Một nghiên cứu toàn cầu do công ty phần mềm phân tích SAS và Coleman Parkes Research thực hiện cho thấy 83% tổ chức ở Trung Quốc đang sử dụng AI tạo sinh.

• Con số này ở Anh là 70% và ở Mỹ là 65%, cho thấy Trung Quốc đang dẫn đầu trong việc ứng dụng công nghệ AI tạo sinh.

• Lý do Trung Quốc dẫn đầu là do việc giám sát tự động liên tục, chủ yếu để đảm bảo tổ chức hoạt động đúng cách.

• Đầu tư của Trung Quốc vào công nghệ sản xuất cho phép họ tích hợp các hệ thống giám sát tự động liên tục để theo dõi và tối ưu hóa sản xuất.

• Bảo trì dự đoán và hệ thống an toàn cho người lao động là những ví dụ điển hình về việc áp dụng giám sát tự động liên tục.

• Với sự hỗ trợ của công nghệ AI tạo sinh, các hệ thống này có thể phát hiện bất thường, xây dựng giao diện ngôn ngữ tự nhiên và tạo cảnh báo tự động.

• Mặc dù Trung Quốc dẫn đầu về tỷ lệ áp dụng, nhưng Mỹ lại đứng đầu về mức độ trưởng thành và triển khai đầy đủ công nghệ AI tạo sinh.

• 24% tổ chức ở Mỹ đã triển khai đầy đủ AI tạo sinh, so với 19% ở Trung Quốc và 11% ở Anh.

• Hầu hết các tổ chức trong nghiên cứu đang sử dụng AI tạo sinh cho việc tạo nội dung (như marketing) và dịch vụ khách hàng.

• Chuyên gia cho rằng tỷ lệ áp dụng AI tạo sinh cao hơn ở Trung Quốc là do chính phủ nước này "hiệu quả hơn" trong việc ban hành chỉ thị, bao gồm cả việc yêu cầu các tổ chức sử dụng AI.

• Mỹ được cho là "thận trọng hơn" trong cách tiếp cận AI tạo sinh, tập trung vào sự đổi mới và tuân thủ quy định giám sát.

• Trong năm tới, dự kiến sẽ có sự "thu hẹp" trong việc sử dụng AI khi các tổ chức xác định được những lĩnh vực mà AI tạo sinh mang lại giá trị thực sự cho doanh nghiệp.

📌 Trung Quốc dẫn đầu thế giới về ứng dụng AI tạo sinh với 83% tổ chức sử dụng, vượt xa Mỹ (65%) và Anh (70%). Mặc dù vậy, Mỹ lại đứng đầu về mức độ triển khai đầy đủ với 24% so với 19% của Trung Quốc. Các ứng dụng chính là tạo nội dung và dịch vụ khách hàng.

https://qz.com/china-leads-using-generative-ai-us-organizations-1851575666

• Phần mềm quản lý vòng đời hợp đồng (CLM) đang trở thành tâm điểm chú ý nhờ tiềm năng ứng dụng AI tạo sinh. Thị trường này có giá trị khoảng 1,5 tỷ USD vào năm 2022.

• Gần đây đã diễn ra nhiều thương vụ mua bán và hợp tác trong lĩnh vực này:
- DocuSign mua lại Lexion 
- Icertis hợp tác với Evisort
- LexisNexis mua Henchman
- Sirion mua Eigen Technologies
- KKR đầu tư vào Agiloft

• Ngành dịch vụ pháp lý được dự đoán sẽ chịu tác động lớn từ AI tạo sinh. Các công ty đang tìm kiếm giải pháp số hóa để quản lý hợp đồng pháp lý.

• Thị trường CLM hiện còn phân mảnh với khoảng 150-200 nhà cung cấp. Xu hướng hợp nhất đang diễn ra để tạo ra các nền tảng toàn diện hơn.

• Chỉ 55% bộ phận pháp chế doanh nghiệp đang sử dụng hệ thống quản lý hợp đồng, cho thấy tiềm năng tăng trưởng còn lớn.

• AI tạo sinh có thể giúp tự động hóa các tác vụ như rà soát và chỉnh sửa hợp đồng, dự kiến sẽ được ứng dụng rộng rãi từ đầu năm sau.

• Một số doanh nghiệp dự đoán có thể tiết kiệm 1/3 chi phí nhờ sử dụng phần mềm CLM tích hợp AI trong 5 năm tới.

• Các nhà cung cấp CLM đang tìm cách nhanh chóng tích hợp AI tạo sinh, thông qua mua lại hoặc hợp tác với các công ty chuyên về AI.

• Xu hướng hợp nhất dự kiến sẽ tiếp tục diễn ra. Việc tích hợp AI vào CLM sẽ giúp luật sư làm việc chiến lược và chủ động hơn trong quản lý hợp đồng.

📌 AI tạo sinh đang thúc đẩy sự phát triển mạnh mẽ của thị trường phần mềm quản lý hợp đồng trị giá 1,5 tỷ USD. Các thương vụ mua bán và hợp tác diễn ra sôi động nhằm tích hợp AI vào CLM, hứa hẹn mang lại hiệu quả cao hơn và tiết kiệm chi phí đáng kể cho doanh nghiệp trong quản lý hợp đồng.

https://www.ft.com/content/1026fd13-d7f1-40de-a0d6-9e4843ac3d29

#FT

• Hội nghị thường niên của Viện Luohan Academy năm 2024 tập trung thảo luận về vai trò của AI trong phát triển kinh tế xã hội, với 5/6 diễn đàn phụ có chủ đề liên quan đến AI.

• Zhang Fan, COO của Zhipu AI, chia sẻ về nền tảng Model-as-a-Service giúp các công ty điều chỉnh mô hình ngôn ngữ lớn (LLM) theo nhu cầu kinh doanh. Ví dụ, một công ty chứng khoán lớn đã sử dụng dịch vụ này để tạo "bộ não AI" hỗ trợ khách hàng chọn danh mục đầu tư tốt nhất.

• Zhipu AI kỳ vọng dịch vụ API của họ có thể thay thế OpenAI tại Trung Quốc sau khi OpenAI ngừng cung cấp API từ ngày 9/7. Zhang dự đoán hơn 80% công ty sẽ sử dụng LLM vào năm 2026.

• Huang Hao, Phó chủ tịch cấp cao của Ant Group, giới thiệu dịch vụ Shengxinpei - "AI Insurance Planner" ra mắt năm 2023, giúp người mua hiểu về các loại bảo hiểm và tìm sản phẩm phù hợp.

• Zhang Kaifu, Phó chủ tịch Alibaba International Digital Commerce Group, chia sẻ về việc sử dụng công cụ AI tạo sinh tự phát triển để hỗ trợ doanh nghiệp vừa và nhỏ mở rộng thị trường thương mại điện tử quốc tế.

• Chen Long, Chủ tịch Viện Luohan, nhấn mạnh AI đang định hình lại cảnh quan kinh tế và mô hình kinh doanh, khiến cuộc sống con người phức tạp hơn bao giờ hết.

• Viện Luohan được Alibaba thành lập năm 2018 như một viện nghiên cứu mở, đã trải qua một số điều chỉnh về tổ chức và trọng tâm sau khi Alibaba tái cơ cấu vào tháng 10/2023.

• Nhiều diễn giả khách mời đến từ các doanh nghiệp liên quan đến Alibaba, cùng với các lãnh đạo công ty công nghệ và học giả khác.

📌 Hội nghị Luohan Academy 2024 tập trung vào tiềm năng của AI trong định hình doanh nghiệp. Các công ty công nghệ hàng đầu Trung Quốc như Zhipu AI, Ant Group và Alibaba chia sẻ ứng dụng AI trong thương mại điện tử, bảo hiểm và hỗ trợ doanh nghiệp vừa và nhỏ. Dự báo hơn 80% công ty sẽ sử dụng mô hình ngôn ngữ lớn vào năm 2026.

https://www.scmp.com/tech/big-tech/article/3269208/chinese-tech-executives-discuss-how-ai-large-language-models-can-shape-businesses

• Các mô hình AI tổng quát thường không đáp ứng được nhu cầu cụ thể của từng ngành, dẫn đến hiệu quả và tính phù hợp thấp trong ứng dụng kinh doanh. Giải pháp là chuyên biệt hóa các mô hình này để giải quyết trực tiếp những thách thức và đặc thù riêng của mỗi ngành.

• Doanh nghiệp cần các mô hình AI không chỉ hiểu ngôn ngữ và dữ liệu ở mức tổng quát, mà còn nắm bắt được các sắc thái và đặc thù của ngành họ hoạt động. Thiếu chính xác trong các mô hình tổng quát có thể dẫn đến hiểu sai và ra quyết định không hiệu quả, đặc biệt quan trọng trong các lĩnh vực như y tế, tài chính và pháp lý.

• Các mô hình AI chuyên biệt được đào tạo không chỉ với lượng lớn dữ liệu tổng quát, mà còn với dữ liệu đặc thù của từng ngành, cho phép đưa ra các phản hồi và giải pháp chính xác và phù hợp với ngữ cảnh hơn.

• Do khan hiếm dữ liệu chuyên ngành quy mô lớn, xu hướng ngày càng phổ biến là sử dụng dữ liệu tổng hợp. Dữ liệu này cho phép điều chỉnh hành vi của mô hình và thích ứng chính xác với các quy tắc mà mỗi công ty yêu cầu, tránh được các "ảo giác" của mô hình và loại bỏ xung đột với bộ phận pháp lý hoặc tuân thủ.

• Theo Bloomberg, các công ty như Microsoft, Google và Meta đang đặt cược vào dữ liệu tổng hợp để đào tạo mô hình AI hiệu quả hơn. Dữ liệu tổng hợp có thể mô phỏng các kịch bản thực tế mà không ảnh hưởng đến quyền riêng tư, biến nó thành công cụ thiết yếu cho sự phát triển AI trong tương lai.

• Việc triển khai các mô hình AI chuyên biệt có thể cải thiện đáng kể hiệu quả hoạt động. Bằng cách giảm thời gian và nguồn lực cần thiết để điều chỉnh các mô hình tổng quát cho nhu cầu cụ thể, các công ty có thể đẩy nhanh quá trình chuyển đổi số và thu được lợi ích nhanh hơn.

• Các công ty có thể thực hiện chuyên biệt hóa hiệu quả thông qua: Dữ liệu chất lượng cao đặc thù ngành, Dữ liệu tổng hợp, Hợp tác với chuyên gia AI, Đánh giá và cải tiến liên tục.

• Chuyên biệt hóa AI không chỉ là xu hướng mà là nhu cầu thiết yếu đối với các công ty muốn duy trì khả năng cạnh tranh trong thị trường ngày càng số hóa và dựa trên dữ liệu.

• Một trong những ứng dụng mà việc chuyên biệt hóa AI tạo sinh có thể đặc biệt hiệu quả là trong việc phát triển quy trình onboarding người dùng hoặc AML/KYC. Theo Deloitte, tiềm năng của AI tạo sinh trong việc cách mạng hóa các lĩnh vực này là rất lớn, giúp chúng trở nên hiệu quả hơn và phù hợp với các yêu cầu quy định cụ thể.

📌 Chuyên biệt hóa AI tạo sinh là chìa khóa để tối đa hóa tiềm năng AI cho doanh nghiệp. Điều chỉnh mô hình theo nhu cầu cụ thể của từng ngành giúp tăng độ chính xác, phù hợp và hiệu quả. Dữ liệu tổng hợp là công cụ quan trọng để vượt qua thách thức này, biến AI thành công cụ mạnh mẽ, đặc thù cho từng ngành.

https://www.forbes.com/sites/forbestechcouncil/2024/07/02/verticalized-genai-is-key-to-enterprise-level-successful-adoption/

• AI tạo sinh đang được ứng dụng rộng rãi trong lĩnh vực hỗ trợ khách hàng tín dụng và thu hồi nợ, mang lại nhiều lợi ích đáng kể:

• Một tổ chức tài chính tiêu dùng đã triển khai AI tạo sinh để cải thiện hiệu quả của đội ngũ hỗ trợ khách hàng tuyến đầu. Họ nhanh chóng xác định được các yếu tố cuộc gọi giúp duy trì thỏa thuận, với việc tinh chỉnh mô hình hạn chế. Công ty cũng sử dụng thông tin này để tạo bảng điều khiển quản lý hiệu suất kỹ thuật số 360 độ, cá nhân hóa. Kết quả là hiệu suất tăng 10%.

• Một công ty quản lý tín dụng lớn ở châu Âu đã sử dụng khả năng xử lý ngôn ngữ tự nhiên của AI tạo sinh kết hợp với các kỹ thuật học máy truyền thống để xác định tài sản thế chấp và khớp với các tài khoản. Họ cũng tạo bảng điều khiển quản lý hiệu suất kỹ thuật số cá nhân hóa với phản hồi cấp cuộc gọi để giám sát viên huấn luyện và đào tạo cá nhân hóa, dẫn đến tăng 10% số tiền thanh toán.

• AI tạo sinh có thể đóng vai trò copilot để tăng cường hiệu suất của nhân viên trong thời gian thực trong các cuộc trò chuyện với khách hàng. Điều này mang lại trải nghiệm khách hàng tổng thể tốt hơn thông qua các tương tác có cấu trúc và mục tiêu hơn, tập trung vào những gì quan trọng đối với khách hàng.

• Trong các phiên bản triển khai ban đầu, nhân viên có thể yêu cầu giao diện trò chuyện cung cấp tóm tắt các tương tác trước đó với khách hàng, cách trả lời một câu hỏi cụ thể và liệu một sản phẩm hoặc giảm giá cụ thể có sẵn cho một tài khoản hay không.

• Các triển khai nâng cao hơn có thể được tích hợp vào các cuộc gọi điện thoại hoặc thảo luận điện tử khác để đề xuất hành động, sản phẩm hoặc cách tiếp cận cho nhân viên trong cuộc trò chuyện đang diễn ra. Chúng cũng có thể tự động xác định nếu cuộc trò chuyện đi ra ngoài chính sách, đánh giá kiểm soát chất lượng và kích hoạt sự can thiệp của giám sát viên để ngăn chặn trải nghiệm khách hàng tiêu cực trước khi nó leo thang.

• Đối với các tương tác dựa trên trò chuyện, AI tạo sinh có thể điền trước các câu trả lời được đề xuất cho phản hồi của khách hàng, với nhân viên chỉnh sửa khi cần thiết, từ đó tăng hiệu quả của tương tác.

• Nghiên cứu cho thấy việc chuyển đổi toàn diện một lĩnh vực kinh doanh như thu hồi nợ với các trường hợp sử dụng AI tạo sinh liên quan đến tăng cường, tự động hóa và giảm nhu cầu có thể mang lại lợi ích năng suất lên tới 30%.

• Các tổ chức triển khai các khả năng AI tạo sinh nâng cao trong hỗ trợ khách hàng và thu hồi nợ có thể đạt được mức giảm chi phí hoạt động lên tới 40% và cải thiện thu hồi khoảng 10%. Ngoài ra, thu hồi nợ có thể thấy mức tăng lên tới 30% trong điểm số hài lòng của khách hàng.

📌 AI tạo sinh đang mang lại tiềm năng cách mạng hóa hỗ trợ khách hàng tín dụng. Với khả năng phân tích cuộc gọi, hỗ trợ nhân viên thời gian thực và tự động hóa tương tác, công nghệ này giúp giảm chi phí hoạt động tới 40%, tăng thu hồi nợ 10% và cải thiện sự hài lòng của khách hàng lên 30%.

https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/the-promise-of-generative-ai-for-credit-customer-assistance

#McKinsey

• Hệ điều hành (OS) đóng vai trò nền tảng cho mọi loại hình máy tính, từ quá khứ đến hiện tại và tương lai.

• Trong lịch sử, mỗi nhà cung cấp tạo ra OS riêng cho máy tính mainframe của họ, dẫn đến sự phức tạp trong thế giới OS.

• Hiện nay, chỉ còn một số ít OS chiếm ưu thế. Câu hỏi đặt ra là OS nào có thể xử lý AI tạo sinh và liệu sẽ có một OS thống nhất cho AI hay không.

• OS cho AI tạo sinh cần đáp ứng nhiều yêu cầu cụ thể như: quản lý tài nguyên động nâng cao, xử lý thời gian thực, bảo mật mới, hỗ trợ điện toán biên, khả năng mở rộng, tính phân tán và quản lý năng lượng hiệu quả.

• OS cho AI cần hỗ trợ tương tác giữa ứng dụng AI tạo sinh và các tài sản công nghệ khác trong doanh nghiệp. Nó cần cho phép AI quản lý AI và trao quyền cho con người sử dụng AI.

• Thách thức lớn là cân bằng giữa chuyên môn hóa và linh hoạt khi đáp ứng nhu cầu của AI mà không loại bỏ các ứng dụng khác.

• Intuit đã tạo ra OS riêng cho AI có tên GenOS, nhưng đây là phần mềm nội bộ.

• Việc xây dựng một AIOS phổ biến và tương thích rộng rãi như Windows hay Linux sẽ gặp khó khăn do hệ sinh thái phần cứng và phần mềm AI đa dạng.

• Renen Hallak, CEO của VAST Data, cho rằng AIOS cần bắt đầu từ nền tảng dữ liệu có khả năng mở rộng để xử lý lượng lớn dữ liệu có cấu trúc và phi cấu trúc mà ứng dụng AI hiện đại cần.

• Tại VB Transform 2024, Hallak sẽ thảo luận về AIOS, cách nó sẽ định nghĩa lại việc sử dụng AI tạo sinh, và các cân nhắc chiến lược để xây dựng cơ sở hạ tầng AI có khả năng mở rộng, hiệu quả về chi phí và hướng tới tương lai.

📌 Hệ điều hành AI doanh nghiệp đang trở thành xu hướng mới, với yêu cầu cao về quản lý tài nguyên, bảo mật và khả năng mở rộng. VAST Data dự kiến chia sẻ tầm nhìn về AIOS tại VB Transform 2024, hứa hẹn mang lại cuộc cách mạng trong việc sử dụng AI tạo sinh.

https://venturebeat.com/ai/why-a-true-enterprise-ai-operating-system-is-going-to-be-legit-revolutionary-learn-more-at-vb-transform-2024/

• AI tạo sinh (GenAI) đang tạo ra một bước ngoặt quan trọng trong việc nâng cao hiệu quả hoạt động của doanh nghiệp. Nhiều tổ chức đang tập trung vào việc sử dụng GenAI để cải thiện năng suất và giảm chi phí hoạt động, tuy nhiên họ đang bỏ lỡ cơ hội lớn hơn - sử dụng GenAI để thúc đẩy sáng tạo và đổi mới.

• Có một điểm chuyển tiếp quan trọng giữa việc sử dụng GenAI để giảm chi phí (giai đoạn Năng suất) và sử dụng nó để thúc đẩy sáng tạo (giai đoạn Đổi mới). Giai đoạn Năng suất nhằm nâng cao năng suất của nhân viên trung bình lên ngang tầm với những người giỏi nhất. Ví dụ, GenAI có thể nâng cao năng suất của y tá trung bình bằng cách tối ưu hóa quy trình lập hồ sơ, cung cấp thông tin y tế cập nhật và phân tích nhanh dữ liệu bệnh nhân.

• Giai đoạn Đổi mới mang lại cơ hội lớn hơn nhiều. Trong giai đoạn này, trọng tâm chuyển sang việc thúc đẩy những bước tiến đột phá và tái cấu trúc các quy trình kinh doanh. Ví dụ, các y tá giỏi có thể sử dụng AI để phân tích dữ liệu bệnh nhân phức tạp, xác định các chiến lược điều trị mới và liên tục học hỏi để cải thiện kết quả điều trị.

• Các cấp độ trưởng thành của đổi mới dựa trên GenAI bao gồm:
1. Tối ưu hóa kinh doanh: Cải thiện quy trình hiện có để nâng cao hiệu quả và cắt giảm lãng phí. 
2. Tái cấu trúc quy trình: Thiết kế lại căn bản các quy trình kinh doanh bằng cách tận dụng AI.
3. Thống trị thị trường: Xác định, thâm nhập và thống trị các thị trường mới.
4. Trao quyền văn hóa: Xây dựng văn hóa đổi mới, hợp tác và cải tiến liên tục.

• Các prompt trong giai đoạn Năng suất tập trung vào tự động hóa các tác vụ thường xuyên và cải thiện năng suất. Ví dụ: "Viết thư tuyển dụng dựa trên các tiêu chí sau...", "Tìm các vụ án pháp lý phù hợp với các tiêu chí sau...".

• Các prompt trong giai đoạn Đổi mới khuyến khích tư duy sáng tạo và khám phá ý tưởng mới. Chúng được thiết kế để mở rộng ranh giới của những gì có thể, tạo môi trường cho sự đổi mới phát triển.

• Bằng cách sử dụng mô hình trưởng thành này làm hướng dẫn, các tổ chức có thể phát triển chiến lược kỹ thuật prompt có hệ thống để đẩy nhanh tiến độ trong giai đoạn Đổi mới của GenAI. Điều này sẽ cho phép họ khai thác sức mạnh của GenAI để đạt được mức độ đổi mới và khám phá sáng tạo cao hơn.

📌 AI tạo sinh đang thúc đẩy đổi mới trong doanh nghiệp qua 4 giai đoạn: tối ưu hóa, tái cấu trúc, thống trị thị trường và trao quyền văn hóa. Việc chuyển từ giai đoạn Năng suất sang Đổi mới mở ra tiềm năng to lớn để tạo ra giá trị mới và đột phá trong nhiều lĩnh vực.

https://www.datasciencecentral.com/genai-maturity-from-productivity-to-effectiveness/

• Theo khảo sát của Schroders, 76% các nhà tư vấn tài chính độc lập và quản lý tài sản cho rằng sự phát triển của các ứng dụng AI như ChatGPT là cơ hội hơn là mối đe dọa đối với doanh nghiệp của họ, tăng từ 57% một năm trước.

• Tuy nhiên, 15% vẫn nghĩ rằng AI sẽ không ảnh hưởng gì đến họ hoặc doanh nghiệp của họ. Đây là một quan điểm sai lầm và có thể gây bất lợi cho khách hàng.

• AI đã chứng minh khả năng tự động hóa các tác vụ phức tạp như tóm tắt kết quả cuộc họp, soạn thảo email và báo cáo tài chính, mang lại hiệu quả đáng kể.

• Nhiều chuyên gia cho rằng AI sẽ không thay thế hoàn toàn các nhà tư vấn. Khách hàng vẫn coi trọng và sẵn sàng trả tiền cho trí tuệ và kinh nghiệm của con người.

• Tuy nhiên, ngành này có nguy cơ đánh giá quá cao chất lượng hỗ trợ "con người" và đánh giá thấp những cải tiến công nghệ gần đây.

• AI có tiềm năng giúp các nhà tư vấn hiểu sâu hơn về khách hàng, cải thiện quy trình đánh giá rủi ro và giải quyết vấn đề khách hàng dễ bị tổn thương mà nhiều nhà tư vấn gặp khó khăn.

• Dữ liệu của FCA cho thấy 53% người trưởng thành có đặc điểm dễ bị tổn thương. Tuy nhiên, khảo sát của Schroders cho thấy chỉ 9% nhà tư vấn phân loại hơn 1/4 khách hàng của họ là dễ bị tổn thương. AI có thể giúp phát hiện chính xác hơn các khách hàng dễ bị tổn thương.

• Đáng tiếc là những tiến bộ này có thể không đến đủ sớm. Chỉ 19% nhà tư vấn dự kiến sẽ đưa AI vào quy trình của họ trong vòng một năm tới, trong khi 51% cho biết sẽ mất 2-5 năm.

• Ngành quản lý tài sản được coi là một trong những ngành chậm nhất trong việc áp dụng công nghệ mới và chuyển đổi số.

• Với việc AI cắt giảm chi phí ở back office, giá mà khách hàng phải trả cho nhà tư vấn con người ở front office nên giảm đáng kể.

• Khách hàng nên yêu cầu giảm phí bằng cách nhấn mạnh rằng họ biết về hiệu quả mà AI mang lại. Họ cũng có thể cân nhắc thương lượng cơ cấu phí dựa trên giá trị, ví dụ như phí dựa trên hiệu suất.

📌 AI đang thay đổi nhanh chóng ngành quản lý tài sản, nhưng nhiều công ty vẫn chậm áp dụng. Khách hàng nên yêu cầu giảm phí do hiệu quả AI mang lại. 76% nhà tư vấn coi AI là cơ hội, nhưng chỉ 19% dự kiến áp dụng trong năm tới. AI có tiềm năng cải thiện dịch vụ và giảm chi phí đáng kể.

https://www.ft.com/content/dc4cb53c-dd70-4c51-a4b4-b46b8720bc2e

#FT

• Anthropic vừa nâng cấp trợ lý AI Claude với các tính năng mới nhằm tăng tính hữu ích trong môi trường văn phòng.

• Người dùng Claude Pro và Claude Team có thể tổ chức và theo dõi công việc tốt hơn nhờ tính năng Projects và Artifacts mới.

• Projects là nơi lưu trữ và tương tác với dữ liệu cho các tác vụ. Người dùng có thể tải lên tài liệu, mã và dữ liệu liên quan vào một nơi.

• Mỗi project trong Claude.ai có cửa sổ ngữ cảnh 200K, tương đương với một cuốn sách 500 trang.

• Người dùng có thể hỏi Claude về dữ liệu và thiết lập hướng dẫn tùy chỉnh về cách phản hồi về giọng điệu hoặc ngữ cảnh.

• Mục đích là tránh "khởi động lạnh", giúp Claude phản hồi truy vấn nhanh hơn và chính xác hơn.

• Tính năng Artifacts có thể tạo ra nhiều loại nội dung như văn bản, mã,...

• Claude sẽ chia sẻ đầu ra trong cửa sổ riêng bên cạnh cuộc trò chuyện, cho phép người dùng xem và tương tác với nội dung được tạo ra theo thời gian thực.

• Người dùng có thể chia sẻ các phần hay nhất của cuộc trò chuyện với Claude với nhóm của họ trong nguồn cấp dữ liệu hoạt động dự án được chia sẻ.

• Cả Projects và Artifacts đều được hỗ trợ bởi Claude 3.5 Sonnet, mô hình AI mới nhất của Anthropic.

• Theo Anthropic, Claude 3.5 Sonnet vượt trội hơn các mô hình được công bố gần đây như GPT-4 và Gemini 1.5 của Google trên nhiều tiêu chuẩn đánh giá.

• Tầm nhìn của Anthropic là tạo ra các hệ thống AI làm việc cùng con người và nâng cao đáng kể quy trình làm việc của họ.

📌 Anthropic nâng cấp Claude với Projects và Artifacts, cho phép lưu trữ 200K ngữ cảnh, tạo nội dung thời gian thực và chia sẻ trong nhóm. Claude 3.5 Sonnet vượt trội GPT-4 và Gemini 1.5, hướng tới trở thành trợ lý AI đắc lực trong văn phòng.

https://www.techradar.com/computing/artificial-intelligence/anthropic-wants-its-ai-assistant-claude-to-be-your-favorite-coworker

• Các công ty tư vấn như Boston Consulting Group (BCG), McKinsey và KPMG đang hưởng lợi lớn từ làn sóng AI tạo sinh.

• BCG hiện kiếm được 20% doanh thu từ công việc liên quan đến AI, tăng từ 0% chỉ 2 năm trước.

• IBM đã đạt được hơn 1 tỷ USD cam kết bán hàng liên quan đến AI tạo sinh cho công việc tư vấn và hệ thống watsonx của họ.

• Accenture đã đạt doanh số 300 triệu USD từ AI tạo sinh trong năm ngoái.

• Khoảng 40% hoạt động kinh doanh của McKinsey năm nay sẽ liên quan đến AI tạo sinh.

• KPMG đặt mục tiêu hơn 650 triệu USD cơ hội kinh doanh tại Mỹ liên quan đến công nghệ này trong 6 tháng qua.

• Nhu cầu tư vấn về AI tạo sinh được so sánh với thời kỳ bùng nổ dot-com những năm 1990.

• Các công ty tư vấn đang tổ chức các hội nghị và triển lãm để giới thiệu khả năng của họ về AI tạo sinh.

• Công việc tư vấn AI tạo sinh bao gồm tư vấn tuân thủ quy định, lập kế hoạch hệ thống hỗ trợ khách hàng AI và phát triển các biện pháp bảo vệ.

• IBM đã gặp một số thách thức với hệ thống đặt hàng bằng giọng nói AI cho McDonald's do lỗi trong đơn hàng.

• IBM cũng đã phát triển thành công hệ thống AI tạo sinh Ask Procurement cho Dun & Bradstreet để phân tích và tư vấn lựa chọn nhà cung cấp.

• McKinsey đã xây dựng chatbot dịch vụ khách hàng cho ING Bank trong 7 tuần, với các biện pháp bảo vệ để ngăn nó đưa ra lời khuyên về thế chấp hoặc đầu tư.

• Reckitt đã làm việc với BCG để phát triển nền tảng AI có thể tạo quảng cáo địa phương bằng các ngôn ngữ và định dạng khác nhau.

• Hệ thống tiếp thị AI của Reckitt có thể phát triển quảng cáo địa phương nhanh hơn 30%, tiết kiệm thời gian và giảm bớt công việc tẻ nhạt.

📌 Làn sóng AI tạo sinh đang mang lại cơ hội lớn cho các công ty tư vấn. Doanh thu từ AI của các "ông lớn" như BCG, McKinsey, IBM tăng vọt, với hàng trăm triệu USD cam kết bán hàng. Tuy nhiên, việc triển khai AI vẫn còn nhiều thách thức về độ chính xác và hiệu quả.

https://www.nytimes.com/2024/06/26/technology/ai-consultants.html

• Morgan Stanley Wealth Management đang triển khai Debrief - một trợ lý AI tạo sinh để hỗ trợ các cố vấn tài chính của mình.

• Debrief được xây dựng dựa trên mô hình GPT-4 của OpenAI và sẽ được triển khai cho gần 16.000 cố vấn tài sản của Morgan Stanley trong vài tuần tới.

• Với sự đồng ý của khách hàng, Debrief sẽ tham gia các cuộc họp giữa cố vấn và khách hàng. Sau đó, nó sẽ:
  - Tóm tắt các điểm chính
  - Đưa ra các hạng mục cần hành động
  - Soạn thảo email
  - Lưu ghi chú vào Salesforce

• Jeff McMillan, Giám đốc AI của Morgan Stanley, cho biết chất lượng và độ sâu của các ghi chú do Debrief tạo ra "tốt hơn đáng kể" so với các nhà phân tích. Ông nói: "Sự thật là, nó làm tốt hơn con người trung bình trong việc ghi chép."

• Đây là bước tiếp theo trong quan hệ đối tác giữa Morgan Stanley và OpenAI. Vào tháng 3/2023, Morgan Stanley trở thành đối tác quản lý tài sản duy nhất của OpenAI.

• Tháng 9/2023, ngân hàng đã ra mắt AI @ Morgan Stanley Assistant - một chatbot AI tạo sinh giúp cố vấn tài chính truy cập vào kho kiến thức kỹ thuật của ngân hàng. Đã có 98% các nhóm cố vấn tài chính áp dụng chatbot này.

• Vince Lumia, Giám đốc bộ phận khách hàng của Morgan Stanley Wealth Management, cho biết công cụ này "thúc đẩy hiệu quả to lớn trong công việc hàng ngày của các cố vấn, cho phép họ dành nhiều thời gian hơn để tương tác có ý nghĩa với khách hàng."

• Các ngân hàng lớn khác trên Phố Wall cũng đang đẩy mạnh ứng dụng AI:
  - JPMorgan Chase có mô hình ngôn ngữ lớn riêng gọi là ChatCFO để hỗ trợ đội ngũ tài chính.
  - JPMorgan đang đào tạo mọi nhân viên mới sử dụng AI, giúp tiết kiệm 2-4 giờ làm việc mỗi ngày cho các nhà phân tích.
  - Goldman Sachs cũng thấy "cơ hội to lớn để tăng năng suất và hiệu quả" khi triển khai AI.

• Daniel Pinto, Chủ tịch JPMorgan, cho biết AI sẽ có tác động rất lớn đối với 60.000 nhà phát triển và 80.000 nhân viên vận hành và tổng đài của ngân hàng - chiếm gần một nửa tổng số nhân viên.

• Pinto ước tính các trường hợp sử dụng AI tại JPMorgan có giá trị khoảng 1-1,5 tỷ USD.

📌 Morgan Stanley triển khai trợ lý AI Debrief cho 16.000 cố vấn tài chính, giúp tăng hiệu quả làm việc. Các ngân hàng lớn khác như JPMorgan và Goldman Sachs cũng đẩy mạnh ứng dụng AI, với JPMorgan ước tính giá trị sử dụng AI lên tới 1,5 tỷ USD.

https://qz.com/morgan-stanley-openai-debrief-ai-chatbot-genai-1851561076

• Anthropic, công ty AI được hậu thuẫn bởi Amazon, Google và Salesforce, đã ra mắt bộ tính năng cộng tác mạnh mẽ cho trợ lý AI Claude, nhằm cách mạng hóa cách các nhóm tương tác với AI.

• Tính năng Projects cho phép các nhóm tổng hợp tài liệu, mã và thông tin liên quan trong một không gian duy nhất. Với khả năng xử lý 200.000 token (tương đương 500 trang sách), Claude có thể hiểu và xử lý lượng lớn thông tin đặc thù của tổ chức.

• Artifacts là tính năng cho phép người dùng tạo và chỉnh sửa nội dung song song với cuộc trò chuyện với Claude, giúp hợp lý hóa quy trình sáng tạo.

• Các tính năng chia sẻ nâng cao cho phép chia sẻ dễ dàng các Projects, Artifacts hoặc cuộc trò chuyện cụ thể với đồng nghiệp, hỗ trợ quá trình chuyển giao kiến thức và ra quyết định.

• Anthropic đã triển khai các biện pháp bảo mật mạnh mẽ, bao gồm nhiều cấp độ quyền truy cập để đảm bảo an toàn dữ liệu. Người dùng có thể xóa Projects và dữ liệu liên quan sẽ bị xóa khỏi môi trường lưu trữ đám mây trong vòng 30 ngày.

• Công ty nhấn mạnh rằng dữ liệu chia sẻ trong Projects sẽ không được sử dụng để đào tạo các mô hình tạo sinh của họ mà không có sự đồng ý rõ ràng của người dùng.

• North Highland, một công ty tư vấn chuyển đổi, cho biết họ hoàn thành các tác vụ tạo nội dung và phân tích nhanh hơn gấp 5 lần so với trước khi sử dụng Claude.

• Scott White, trưởng nhóm sản phẩm tại Anthropic, chia sẻ tầm nhìn của công ty là tạo ra các hệ thống AI làm việc cùng con người và nâng cao đáng kể quy trình làm việc của họ.

• Bằng cách tập trung vào việc tăng cường khả năng của con người thay vì thay thế họ, Anthropic đang định vị mình như một đối thủ đáng gờm trong cuộc đua thống trị thị trường AI hỗ trợ năng suất làm việc.

• Anthropic gợi ý về các tích hợp trong tương lai với các ứng dụng và công cụ phổ biến, cho thấy cam kết tiếp tục tập trung vào việc tích hợp AI một cách liền mạch vào các quy trình kinh doanh hiện có.

📌 Anthropic ra mắt tính năng Projects và Artifacts cho Claude, cách mạng hóa cộng tác nhóm với AI. Với khả năng xử lý 200.000 token, bảo mật dữ liệu mạnh mẽ và tăng hiệu suất gấp 5 lần, Anthropic đang định vị mình như đối thủ đáng gờm trong thị trường AI doanh nghiệp.

https://venturebeat.com/ai/anthropic-ai-assistant-claude-just-got-a-massive-upgrade-heres-what-you-need-to-know/

- Air India đang thử nghiệm sử dụng GPT-4 Omni, một mô hình ngôn ngữ đa phương thức mới nhất của OpenAI, để cải thiện dịch vụ chăm sóc khách hàng.
- GPT-4 Omni có khả năng xử lý cả văn bản, hình ảnh, âm thanh và video, mở ra nhiều khả năng ứng dụng trong tương tác với khách hàng.
- Air India hy vọng GPT-4 Omni sẽ giúp họ cung cấp dịch vụ chăm sóc khách hàng tốt hơn, trả lời các câu hỏi phức tạp và xử lý các yêu cầu đa dạng của khách hàng.
- Hãng hàng không đang phát triển một trợ lý ảo tên là AI.g (phát âm là "AI dot ji") sử dụng công nghệ GPT-4 Omni để hỗ trợ khách hàng.
- AI.g sẽ có thể trả lời các câu hỏi về chuyến bay, hành lý, thủ tục làm thủ tục và nhiều vấn đề khác liên quan đến du lịch.
- Việc áp dụng GPT-4 Omni cho thấy cam kết của Air India trong việc tận dụng công nghệ AI tiên tiến nhất để nâng cao trải nghiệm của khách hàng.
- Đây là một phần trong nỗ lực chuyển đổi kỹ thuật số rộng lớn hơn của Air India nhằm hiện đại hóa hoạt động và dịch vụ của hãng.

📌 Air India đang thử nghiệm GPT-4 Omni, mô hình ngôn ngữ đa phương thức mới nhất của OpenAI, để phát triển trợ lý ảo AI.g nhằm cải thiện đáng kể dịch vụ chăm sóc khách hàng. Việc áp dụng công nghệ AI tiên tiến này thể hiện cam kết mạnh mẽ của hãng trong việc nâng cao trải nghiệm của khách hàng và đẩy mạnh quá trình chuyển đổi kỹ thuật số.

Citations:
[1] https://www.entrepreneur.com/en-in/news-and-trends/indigo-and-air-india-to-use-ai-for-better-customer-care/476095

- Bessemer Venture Partners tin rằng Cloud AI đã thay thế cloud truyền thống và thực tế về công nghệ này đang vượt xa sự cường điệu.
- Các công ty khởi nghiệp AI hướng tới người tiêu dùng như Perplexity, Character.ai, Midjourney đang thu hút được nhiều người dùng và đe dọa các đối thủ hiện tại. Bessemer dự đoán sẽ có "nhiều đợt IPO của các công ty đám mây tiêu dùng" trong 5 năm tới.
- Các công ty nên thiết kế công cụ nội bộ tích hợp AI một cách linh hoạt, dễ nâng cấp khi có giải pháp tốt hơn. Họ cũng nên nghiên cứu, thử nghiệm các giải pháp AI mới phù hợp.
- Trợ lý mã hóa, chức năng tìm kiếm và tạo sinh tác tử, lập luận ngôn ngữ-mã hóa sẽ thúc đẩy sự phát triển của lập trình viên AI. 
- Các mô hình đa phương thức và tác nhân AI thông minh, tự trị sẽ thay đổi cách chúng ta làm việc với phần mềm. Ứng dụng AI giọng nói sẽ bùng nổ trong 12 tháng tới.
- AI theo ngành dọc có thể mở ra các mô hình kinh doanh và ý tưởng ứng dụng mới, vượt xa SaaS truyền thống. Giá trị của nó tương đương với chi phí nhân công đắt đỏ.
- Các công ty công nghệ lớn sẽ cạnh tranh gay gắt về các mô hình nền tảng AI. 60% tổng số tiền đầu tư AI năm 2023 (23 tỷ USD) rót vào các công ty mô hình nền tảng.
- AI sẽ hồi sinh đám mây người dùng sau 8 năm không có thương vụ IPO/M&A đình đám nào. Khả năng đa phương thức của các mô hình ngôn ngữ lớn tạo ra cơ hội đột phá trong mọi hạng mục đám mây người dùng.
- Đến năm 2030, mọi người dùng máy tính và điện thoại sẽ có "khả năng lập trình đáng kể" nhờ công cụ như GitHub Copilot. Tuổi trung bình của nhà sáng lập công ty công nghệ sẽ giảm mạnh.

📌 Báo cáo State of the Cloud 2024 của Bessemer Venture Partners nêu bật 5 xu hướng chính đang định hình tương lai của nền kinh tế Cloud AI, bao gồm: sự cạnh tranh của các công ty công nghệ lớn về mô hình nền tảng AI, sự trỗi dậy của đám mây người dùng, tiềm năng to lớn của AI theo ngành dọc, sự phát triển của lập trình viên AI và vai trò quan trọng của các mô hình đa phương thức và tác nhân AI.

https://venturebeat.com/ai/five-trends-driving-the-adoption-of-cloud-ai-technologies-showing-reality-outpaces-hype/

- Target đang thử nghiệm chatbot có tên Store Companion dưới dạng ứng dụng trên thiết bị cầm tay của nhân viên tại 400 cửa hàng.
- Chatbot có thể hướng dẫn các tác vụ như khởi động lại máy tính tiền hoặc đăng ký khách hàng vào chương trình khách hàng thân thiết.
- Mục đích là giúp nhân viên tự tin hơn khi phục vụ khách hàng.
- Target dự kiến sẽ cung cấp ứng dụng này cho hầu hết nhân viên tại gần 2.000 cửa hàng vào tháng 8.
- Ngành bán lẻ đang thử nghiệm AI tạo sinh, với kỳ vọng biến trải nghiệm mua sắm trực tiếp giống như mua sắm trực tuyến.
- Các nhà bán lẻ đã cá nhân hóa trải nghiệm mua sắm trực tuyến bằng công nghệ dự đoán, gợi ý sản phẩm cho khách hàng.
- Ứng dụng của Target nhằm giúp nhân viên trả lời nhanh hơn các câu hỏi của khách hàng.
- Walmart gần đây đã mở rộng quyền truy cập vào công cụ AI mà họ bắt đầu sử dụng từ mùa hè năm ngoái cho 13.000 quản lý cửa hàng Sam's Club.
- Mặc dù có nhiều khoản đầu tư và sự cường điệu xung quanh AI tạo sinh, một số nhà bán lẻ cũng đã thu hẹp các thử nghiệm với công nghệ này do thất bại.

📌 Target đang thử nghiệm chatbot AI tại 400 cửa hàng, hỗ trợ nhân viên trong các tác vụ và trả lời nhanh hơn câu hỏi của khách hàng. Ngành bán lẻ kỳ vọng AI tạo sinh sẽ giúp trải nghiệm mua sắm trực tiếp giống như trực tuyến. Tuy nhiên, một số thử nghiệm của các nhà bán lẻ với công nghệ này cũng đã thất bại.

https://www.nytimes.com/2024/06/20/business/target-retail-ai.html

- AI Agent là một công nghệ mới, mở ra tương lai cho các ứng dụng AI tạo sinh khi kết hợp với dữ liệu doanh nghiệp để đạt mức tự động hóa và tính tự chủ cao hơn.
- AI Agent bao gồm các module chính như: prompting, quản lý ngữ cảnh, truy xuất thông tin, mở rộng khả năng của large language model (LLM), lập kế hoạch, phản ánh và sử dụng công cụ.
- Các tính năng chính của AI Agent là: tự động ra quyết định, phản ứng với thay đổi môi trường, chủ động hành động mà không cần chỉ dẫn, tự nâng cấp dựa trên phản hồi.
- Để xây dựng AI Agent cần có: frontend tương tác người dùng đa dạng, backend gồm các mô hình nền tảng, công cụ bổ trợ, máy trạng thái, hệ thống truy xuất thông tin, cơ sở hạ tầng ML đáng tin cậy.
- Hiện tại, xây dựng AI Agent vẫn chủ yếu là thách thức về kỹ thuật, tập trung vào việc tối ưu hóa các module xung quanh LLM. Đây là bài toán về kỹ thuật chứ không phải công nghệ mới.
- Các thách thức khi triển khai AI Agent bao gồm: lập kế hoạch thất bại, chọn sai công cụ, mất phương hướng giữa chừng, chi phí cao, khó mở rộng khi có nhiều agent.
- Một số lời khuyên khi phát triển AI Agent: tập trung vào prompt engineering, tinh chỉnh mô hình, lựa chọn LLM phù hợp, quản lý trạng thái tốt, học hỏi từ các framework mã nguồn mở.
- Tương lai của AI Agent sẽ là các tác nhân đa năng, có thể hoạt động tự động trên nhiều lĩnh vực, môi trường khác nhau. Quá trình phát triển sẽ đi từ các agent chuyên biệt đến agent đa năng chung.
- Các mối lo ngại về đạo đức, pháp lý khi AI Agent ngày càng mạnh mẽ và tự chủ hơn đang được quan tâm. Cần có các quy định và nguyên tắc AI có trách nhiệm.

📌AI Agent đang mở ra một tương lai đầy tiềm năng cho các ứng dụng AI tạo sinh, hướng tới mức độ tự động hóa và tính tự chủ cao. Tuy nhiên, việc xây dựng và triển khai công nghệ này vẫn còn nhiều thách thức về kỹ thuật cần được giải quyết. Quá trình phát triển sẽ đi từ các agent chuyên biệt đến agent đa năng chung. Trong tương lai, AI Agent hứa hẹn sẽ trở thành những trợ lý ảo đa năng, giúp tự động hóa nhiều tác vụ cho con người. Tuy nhiên, các vấn đề về đạo đức, pháp lý khi AI ngày càng mạnh mẽ cũng cần được quan tâm và xây dựng các nguyên tắc để phát triển AI một cách có trách nhiệm.

https://www.infoq.com/presentations/ai-agent-llm/

- TCS mở rộng quan hệ đối tác chiến lược với Xerox thông qua chương trình chuyển đổi toàn diện, nhằm đẩy nhanh quá trình phát triển của Xerox thành một tổ chức đơn giản, lấy dịch vụ làm trọng tâm và được hỗ trợ bởi phần mềm.
- TCS sẽ phát triển một mô hình hoạt động mới, lấy đám mây làm trọng tâm cho Xerox, tận dụng các khả năng sâu rộng của các dịch vụ như AI.Cloud, giải pháp doanh nghiệp (bao gồm TCS CrystallusTM) và Cognitive Business Operations (bao gồm TCS CognixTM).
- TCS sẽ kết hợp các khả năng này với chuyên môn của các đối tác trong ngành như các nhà cung cấp giải pháp siêu cấp và AI hàng đầu.
- Theo thỏa thuận, TCS sẽ hợp nhất các dịch vụ công nghệ của Xerox để cải thiện kết quả kinh doanh, di chuyển các trung tâm dữ liệu kế thừa phức tạp sang đám mây công cộng Azure, triển khai nền tảng ERP kỹ thuật số dựa trên đám mây để chuyển đổi quy trình kinh doanh và kết hợp AI tạo sinh vào hoạt động để thúc đẩy tăng trưởng bền vững.
- Thông báo này củng cố sự hiện diện mạnh mẽ của TCS tại Mỹ, thị trường lớn nhất của tổ chức với gần 50.000 cộng sự và 19 trung tâm giao hàng.

📌 Hợp tác chiến lược giữa TCS và Xerox nhằm xây dựng nền tảng doanh nghiệp lấy AI làm trọng tâm, tận dụng AI.Cloud, giải pháp doanh nghiệp và Cognitive Business Operations. Theo thỏa thuận, TCS sẽ hợp nhất công nghệ, di chuyển lên đám mây Azure, triển khai ERP kỹ thuật số và tích hợp AI tạo sinh để thúc đẩy tăng trưởng bền vững cho Xerox, đồng thời mở rộng sự hiện diện của TCS tại thị trường Mỹ với gần 50.000 cộng sự.

https://analyticsindiamag.com/tcs-to-build-an-ai-first-enterprise-platform-for-xerox/

- Mặc dù các giám đốc điều hành và quản lý hào hứng với cách áp dụng AI tạo sinh và LLM vào công việc, nhưng cần xem xét kỹ lưỡng cách thức và nơi áp dụng để mang lại lợi nhuận cho doanh nghiệp.
- Thách thức lớn nhất là chứng minh ROI khi đưa 20-40 giải pháp GenAI vào sản xuất. Cần đầu tư vào kiểm thử và giám sát các LLM.
- Kiểm thử rất quan trọng để đảm bảo tính chính xác của LLM. Các nhà phát triển, thiết kế hoặc chuyên gia QA nên cố tình "đầu độc" LLM để kiểm tra khả năng xử lý thông tin sai lệch.
- GenAI dễ dàng áp dụng sai cách vào ứng dụng hiện có và giả vờ làm đúng. Nó có thể thêm các tính năng hào nhoáng nhưng lại tệ hại về bảo mật và rủi ro trong sản xuất.
- GenAI sẽ mất 2-5 năm nữa để trở thành xu hướng chính. Thách thức là làm sao để bắt kịp. Sẽ có nhiều cạnh tranh và đa dạng từ các nhà cung cấp, nền tảng phần mềm và đám mây.
- Một rủi ro khác là áp dụng LLM cho các tác vụ đơn giản hơn như so khớp địa chỉ, gây lãng phí tiền bạc. Cần tìm cách tận dụng LLM rẻ hơn và hiệu quả hơn.
- Nên áp dụng truy vấn trên nhiều mô hình để đo lường hiệu suất và chất lượng phản hồi. Cần có cách chung để thu thập các chỉ số, phát lại truy vấn trên các mô hình khác nhau.
- GenAI không sai theo cách thông thường. Nó có thể đưa ra kết quả không liên quan. Cần có các rào cản để ngăn chặn điều này.

📌 AI tạo sinh đang là xu hướng nóng, nhưng việc chứng minh ROI và triển khai đúng cách vẫn là thách thức lớn. Các doanh nghiệp cần đầu tư vào kiểm thử, giám sát và áp dụng linh hoạt trên nhiều mô hình để tối ưu chi phí và hiệu quả, đồng thời hạn chế rủi ro bảo mật. Cuộc đua GenAI đang diễn ra gay gắt và đa dạng, đòi hỏi các doanh nghiệp phải nhanh chóng thích ứng trong 2-5 năm tới.

https://www.zdnet.com/article/generative-ais-biggest-challenge-is-showing-the-roi-heres-why/

- Decagon, một nền tảng AI tạo sinh tự động hóa hỗ trợ khách hàng, do Jesse Zhang và Ashwin Sreenivas đồng sáng lập.
- Thị trường công nghệ hỗ trợ khách hàng dựa trên AI tạo sinh có thể đạt giá trị 2.89 tỷ USD vào năm 2032, tăng từ 308.4 triệu USD năm 2022.
- Chatbot của Decagon được điều khiển bởi các mô hình AI nội bộ và bên thứ ba, có thể tinh chỉnh và tích hợp với các ứng dụng khác để thực hiện các hành động thay mặt khách hàng hoặc đại lý.
- Công ty cung cấp bảng điều khiển phân tích và kiểm soát chatbot cũng như cuộc trò chuyện của chúng cho doanh nghiệp.
- Decagon đã thu hút được các khách hàng lớn như Eventbrite, Bilt và Substack, giúp công ty đạt điểm hòa vốn.
- Công ty đã huy động được 35 triệu USD qua các vòng gọi vốn hạt giống và Series A từ các nhà đầu tư nổi tiếng như Andreessen Horowitz, Accel, A* và doanh nhân Elad Gil.
- Số tiền huy động được sử dụng để phát triển sản phẩm và mở rộng lực lượng lao động tại San Francisco.

📌 Decagon đang nổi lên như một công ty tiềm năng trong lĩnh vực chatbot hỗ trợ khách hàng dựa trên AI tạo sinh với công nghệ tiên tiến, danh sách khách hàng ấn tượng và khả năng huy động 35 triệu USD từ các nhà đầu tư hàng đầu. Tuy nhiên, họ phải đối mặt với thách thức lớn là thay đổi nhận thức của khách hàng về chatbot thế hệ cũ.

https://techcrunch.com/2024/06/18/decagon-claims-its-customers-service-bots-are-smarter-than-average/

- EY sẽ triển khai Microsoft Dynamics 365 Sales và Copilot cho 100.000 nhân viên trên 700 văn phòng tại 150 quốc gia, dự kiến hoàn thành vào tháng 1 năm 2025.
- Hiện tại, khoảng 25.000 nhân viên EY tại Mỹ, Canada, Singapore và Nam Phi đã có quyền truy cập vào CRM và trợ lý AI của Microsoft.
- EY chuyển từ hệ thống CRM cũ sang nền tảng bán hàng kỹ thuật số để đáp ứng nhu cầu về một phương pháp tiếp cận thống nhất trong quan hệ khách hàng, bao gồm hiểu sâu hơn về các vấn đề ngành và cung cấp thông tin chi tiết nhanh chóng.
- EY đã đầu tư 1,4 tỷ USD vào phát triển nền tảng AI, mô hình ngôn ngữ lớn và cơ sở hạ tầng liên quan. Các đối tác công nghệ như Microsoft, Dell, ServiceNow và IBM đã hỗ trợ tốc độ đổi mới của công ty.
- Microsoft đã cung cấp cho EY quyền truy cập sớm vào các khả năng Azure OpenAI.
- Hanne Jesca Bax, phó chủ tịch toàn cầu của EY, cho biết việc triển khai này nhằm chứng minh cho khách hàng cách thực hiện cho các tổ chức phức tạp trong các ngành công nghiệp được quản lý chặt chẽ, cung cấp cái nhìn rõ ràng hơn về toàn bộ vòng đời khách hàng từ quản lý cơ hội đến bán hàng.
- Các công ty dịch vụ chuyên nghiệp khác cũng đang theo đuổi chiến lược tương tự. PwC đã công bố kế hoạch trị giá 1 tỷ USD trong 3 năm để tăng cường các dịch vụ AI nội bộ và cho khách hàng.
- PwC sẽ trở thành khách hàng lớn nhất của ChatGPT Enterprise của OpenAI sau khi triển khai cho 100.000 nhân viên, đồng thời phát triển các GPT tùy chỉnh để xem xét khai thuế, tạo phản hồi đề xuất và hỗ trợ các nhà phát triển phần mềm.

📌 EY sẽ triển khai Microsoft Dynamics 365 Sales và Copilot cho 100.000 nhân viên trên toàn cầu, hoàn thành vào tháng 1 năm 2025. Công ty đã đầu tư 1,4 tỷ USD vào AI và hợp tác với các đối tác công nghệ lớn. PwC cũng đang theo đuổi chiến lược tương tự với kế hoạch trị giá 1 tỷ USD.

https://www.ciodive.com/news/EY-microsoft-copilot-deploy-plans-CRM-upgrade/719223/

- Klarna thông báo công cụ dịch vụ khách hàng AI của họ có thể thay thế khoảng 700 nhân viên. Microsoft cũng có kế hoạch triển khai AI trong các trung tâm cuộc gọi.

- Chatbot truyền thống dựa trên quy tắc và kịch bản định sẵn, dẫn đến trải nghiệm khách hàng không tốt. Dịch vụ khách hàng AI ngày nay dựa trên NLU (Hiểu ngôn ngữ tự nhiên), tạo ra tương tác tự nhiên hơn.

- Dịch vụ khách hàng AI có khả năng học hỏi và thích nghi liên tục, phân tích dữ liệu để hiểu ngữ cảnh, cảm xúc và ý định của người dùng chính xác hơn, thậm chí dự đoán nhu cầu của khách hàng.

- Nhiều doanh nhân nổi tiếng đang làm việc trong lĩnh vực này, như Bret Taylor (Chủ tịch OpenAI) với công ty Sierra. Các công ty khác bao gồm Ada, Kustomer, Gladly và Decagon.

- Decagon huy động được 35 triệu USD từ Accel và A16Z, có nhiều nhà đầu tư nổi tiếng và khách hàng như Bilt, Substack, Eventbrite.

- Về vấn đề dữ liệu, CEO của Decagon, Jesse Zhang, cho biết họ ưu tiên cao nhất việc bảo vệ dữ liệu khách hàng, chỉ sử dụng để tinh chỉnh mô hình khi được khách hàng cho phép và có quy trình xử lý dữ liệu nhạy cảm.

- Khi đánh giá các giải pháp, người mua nên xem xét: Đó có phải là hệ thống cũ chuyển sang AI tạo sinh hay được xây dựng từ đầu với LLM? Giải pháp ngăn chặn ảo giác như thế nào? Có vòng phản hồi tốt để cải thiện hệ thống AI và quản lý tri thức không?

📌 Dịch vụ chăm sóc khách hàng AI đang bùng nổ với sự tham gia của nhiều công ty công nghệ hàng đầu và nguồn vốn đầu tư lớn. Klarna có thể thay thế 700 nhân viên nhờ công nghệ này, trong khi Microsoft cũng đang triển khai AI trong các trung tâm cuộc gọi. Với khả năng cải thiện trải nghiệm khách hàng và tiết kiệm chi phí đáng kể, đây là một lĩnh vực đầy tiềm năng trong tương lai.

https://www.forbes.com/sites/sunilrajaraman/2024/06/18/ai-driven-customer-service-is-gaining-steam/

- Salesforce công bố công cụ đánh giá AI tạo sinh đầu tiên cho CRM, giúp doanh nghiệp đưa ra quyết định sáng suốt khi lựa chọn LLM cho ứng dụng kinh doanh.
- Theo Clara Shih, CEO của Salesforce AI, khách hàng không chỉ muốn mô hình tốt nhất mà còn phải đảm bảo tuân thủ, phù hợp với tiêu chuẩn bảo mật và chi phí hợp lý.
- Việc lựa chọn LLM cho ứng dụng kinh doanh là bài toán tối ưu hóa có ràng buộc, cân bằng giữa chi phí, độ chính xác, độ tin cậy, an toàn và tốc độ.
- Công cụ đánh giá mới của Salesforce giúp doanh nghiệp hiểu rõ ưu nhược điểm của các LLM khác nhau và đưa ra quyết định phù hợp với mục tiêu và ưu tiên kinh doanh.
- Công cụ này không dựa trên đánh giá tự động bằng LLM hay dữ liệu tổng hợp. Các chuyên gia nghiên cứu và xác định tiêu chí đánh giá LLM, sử dụng dữ liệu CRM thực tế.
- Các chỉ số chính bao gồm: độ chính xác (tính xác thực, đầy đủ, súc tích, tuân thủ hướng dẫn), chi phí (cao, trung bình, thấp), tốc độ (thời gian phản hồi, hiệu quả xử lý), độ tin cậy và an toàn (xử lý dữ liệu nhạy cảm, tuân thủ quy định bảo mật).
- Kết quả cho thấy không phải lúc nào mô hình lớn nhất cũng là tốt nhất. Có thể đạt hiệu suất tốt với mô hình nhỏ hơn, hiệu quả về chi phí và độ trễ.
- Salesforce cam kết tiếp tục mở rộng nghiên cứu với nhiều chỉ số, trường hợp sử dụng, dữ liệu và chú thích hơn nữa.

📌 Salesforce giới thiệu công cụ đánh giá AI tạo sinh đầu tiên cho CRM, giúp doanh nghiệp lựa chọn LLM phù hợp nhất dựa trên các tiêu chí như độ chính xác, chi phí, tốc độ, độ tin cậy và an toàn. Công cụ này sử dụng dữ liệu CRM thực tế và đánh giá của chuyên gia, cho thấy mô hình nhỏ hơn đôi khi vẫn đạt hiệu suất tốt với chi phí và độ trễ thấp hơn.

https://www.cio.com/article/2151993/salesforce-debuts-gen-ai-benchmark-for-crm.html?amp=1

- HPE và Nvidia ra mắt danh mục giải pháp AI tạo sinh toàn diện "Nvidia AI Computing By HPE", bao gồm dịch vụ đám mây riêng HPE Private Cloud AI.
- HPE Private Cloud AI là giải pháp tích hợp sẵn, chỉ cần 3 cú nhấp chuột để triển khai, tiết kiệm 4-5 lần chi phí so với public cloud.
- Chương trình hỗ trợ kênh phân phối chung gồm công cụ, chứng chỉ đào tạo AI và quỹ phát triển thị trường (MDF).
- HPE giới thiệu 3 hệ thống AI mới dựa trên Nvidia: HPE ProLiant DL384 Gen12, DL380a Gen12 và Cray XD760.
- Giải pháp HPE Private Cloud AI cung cấp 4 cấu hình từ nhỏ đến siêu lớn, hỗ trợ mở rộng linh hoạt.
- Khách hàng có thể mua theo mô hình trả phí theo mức sử dụng GreenLake IaaS hoặc chi tiêu vốn.
- HPE OpsRamp cung cấp thông tin chi tiết hành động cho toàn bộ stack điện toán Nvidia thông qua trợ lý hội thoại AI.

📌 Hợp tác HPE-Nvidia mang đến giải pháp AI tạo sinh toàn diện, từ phần cứng, phần mềm đến dịch vụ đám mây riêng HPE Private Cloud AI tích hợp sẵn, tiết kiệm đến 80% chi phí so với public cloud. Chương trình hỗ trợ kênh phân phối chung cùng công cụ quản lý OpsRamp giúp đối tác và khách hàng dễ dàng triển khai, mở rộng quy mô AI trong doanh nghiệp.

https://www.crn.com/news/ai/2024/nvidia-ai-computing-by-hpe-and-hpe-private-cloud-ai-details-of-the-blockbuster-ai-partnership

- Các công ty đang chi hàng chục triệu USD để huấn luyện các hệ thống AI nhằm cải thiện hoạt động kinh doanh hoặc tạo ra các dịch vụ mới. Chi phí có thể lên tới hàng triệu USD để chuyển các mô hình đã huấn luyện giữa các data center và môi trường đám mây để kiểm thử và xác thực thêm.
- Các tổ chức đang gặp khó khăn trong việc triển khai các mô hình AI đòi hỏi nhiều tài nguyên tính toán. Đơn giản hóa, mở rộng quy mô và tốc độ triển khai là những ưu điểm lớn của public cloud, nhưng các vấn đề về quy định, hiệu năng, độ trễ và chi phí đang khiến một số triển khai đám mây trở nên kém hấp dẫn.
- Các mô hình ngôn ngữ lớn (LLM) ngày nay có kích thước gấp 10 lần so với vài năm trước và sử dụng tới 100 lần tài nguyên tính toán. Chúng xử lý hàng tỷ hoặc thậm chí hàng nghìn tỷ tham số để huấn luyện các mô hình AI tạo ra các phản hồi và dự đoán cực kỳ tinh vi, chính xác trong thời gian thực.
- Các sáng kiến AI đang thúc đẩy nhu cầu về một loại cơ sở hạ tầng mới cung cấp khả năng tính toán tăng tốc. Các ứng dụng này đòi hỏi cơ sở hạ tầng chạy nhanh hơn, lớn hơn và an toàn hơn, với hiệu suất năng lượng cao ở mọi quy mô.
- Các public cloud cung cấp quyền truy cập tức thì vào tài nguyên, khả năng nhanh chóng tạo và hủy môi trường phát triển, khả năng mở rộng linh hoạt. Chúng cũng cung cấp nhiều công nghệ mới dựa trên Kubernetes, container và các tùy chọn khác tạo điều kiện cho phát triển và quản lý ứng dụng hiện đại.
- Các nhà cung cấp GPU cloud như AWS Lambda, Scaleway hay CoreWeave cung cấp GPU và tài nguyên full-stack mạnh mẽ theo nhu cầu để đáp ứng tăng trưởng nhanh hoặc sử dụng biến động. Họ tuyên bố cung cấp hiệu năng nhanh hơn nhiều, độ trễ và chi phí thấp hơn so với các đám mây hyperscale lớn hơn.
- Tuy nhiên, hơn 80% tổ chức dự kiến sẽ chuyển một số tài nguyên tính toán và lưu trữ trở lại môi trường private cloud hoặc non-cloud. 93% lãnh đạo CNTT đã tham gia vào một số loại dự án hồi hương đám mây trong 3 năm qua.
- Việc di chuyển dữ liệu vào và ra khỏi hybrid cloud có thể dẫn đến các khoản phí egress khá lớn. 42% tổ chức gần đây đã chuyển các ứng dụng sản xuất của họ từ đám mây do chi phí. Các sáng kiến AI có thể làm gia tăng mối lo ngại về chi phí đám mây.
- Tốc độ không được ấn tượng khi dữ liệu di chuyển từ đám mây trở lại data center on-premises hoặc colocation. Một số ứng dụng không thể chịu được độ trễ như vậy.
- Các tổ chức triển khai các ứng dụng cực kỳ nhạy cảm với độ trễ (LLM, GenAI, tài chính, hàng không vũ trụ, lái xe tự động hoặc khoa học đời sống) có thể thấy mức độ dịch vụ on-premises hoặc colocation dễ đoán và hiệu quả hơn.
- Các máy chủ dựa trên GPU, hệ thống tệp song song và mạng cáp quang có sẵn tại chỗ, các tổ chức muốn duy trì quyền kiểm soát tại chỗ đối với dữ liệu nhạy cảm của họ có thể đáp ứng hoặc vượt qua quy mô và tốc độ đám mây. Họ cũng có thể đáp ứng các yêu cầu tuân thủ và chủ quyền dữ liệu hiệu quả hơn về chi phí.

📌 Sự bùng nổ của AI đang thúc đẩy nhu cầu về cơ sở hạ tầng đám mây mới với hiệu năng cao, khả năng mở rộng lớn và bảo mật tốt hơn. Tuy public cloud và GPU cloud đang phát triển mạnh để đáp ứng nhu cầu này, nhiều tổ chức vẫn đang xem xét việc chuyển một phần tải công việc AI trở lại môi trường on-premises hoặc colocation do lo ngại về chi phí, hiệu năng, quy định và chủ quyền dữ liệu. Xu hướng này có thể định hình lại cục diện cạnh tranh giữa các mô hình triển khai đám mây trong thời gian tới.

https://www.forbes.com/sites/forbestechcouncil/2024/06/17/ai-is-accelerating-the-demand-for-cloud-but-which-type/

- Nghiên cứu gần đây của Microsoft cho thấy 75% người được hỏi hiện đang sử dụng AI trong công việc, gấp đôi so với 6 tháng trước. AI giúp tăng cường sáng tạo và giải phóng thời gian để tập trung vào các nhiệm vụ quan trọng.
- Những người sử dụng AI thành thạo thường năng suất hơn, sáng tạo hơn, tập trung tốt hơn và tận hưởng công việc nhiều hơn. Họ cũng có xu hướng thử nghiệm các công cụ và hệ thống mới để tìm ra những gì phù hợp nhất cho vai trò của họ.
- Sự nhiệt tình đối với AI không chỉ đến từ nhân viên trẻ mà còn được nhận ra bởi các CEO và lãnh đạo. Các công ty nhận thấy lợi ích của AI đang gặt hái nhiều thành công nhất.
- Microsoft cho rằng các công ty không cần chiến lược AI mà cần chiến lược kinh doanh cho AI. AI không sáng tạo, con người mới sáng tạo.
- Microsoft đang ở vị thế mạnh để tiếp tục thúc đẩy việc sử dụng công nghệ AI ở nhiều hình thức trên toàn cầu, với nền tảng Copilot sẽ trở thành sự hiện diện phổ biến tại nơi làm việc.
- Microsoft muốn các công cụ của mình được sử dụng để bổ trợ cho công việc, thay vì thay thế vai trò của con người. Các kỹ năng như giao tiếp, đánh giá và sáng tạo vẫn rất quan trọng đối với doanh nghiệp.

📌 Microsoft nhấn mạnh tầm quan trọng của việc tận dụng AI trong công việc để tăng năng suất và hạnh phúc của người lao động. Với 75% người được hỏi đang sử dụng AI, xu hướng này đang phát triển mạnh mẽ. Microsoft muốn đóng vai trò then chốt trong việc dân chủ hóa việc sử dụng công cụ AI, đồng thời nhấn mạnh rằng các kỹ năng của con người vẫn không thể thiếu trong môi trường làm việc.

https://www.techradar.com/pro/you-dont-need-an-ai-strategy-you-need-a-business-strategy-for-ai-microsoft-tells-us-why-utilizing-ai-at-work-could-not-only-make-you-more-productive-but-happier-too

- AI tạo sinh đang thúc đẩy sự dịch chuyển lớn trong chi tiêu công nghệ của doanh nghiệp, tạo ra cơ hội thị trường hơn 200 tỷ USD (tương đương 4,7 triệu tỷ VND) cho các nhà cung cấp dịch vụ công nghệ trong 5 năm tới, tập trung vào 3 nhóm chính: dịch vụ nền tảng AI, giải pháp ngang hàng AI-first và giải pháp tăng trưởng dọc.

- Để nắm bắt cơ hội, các nhà cung cấp dịch vụ cần triển khai 3 loại dịch vụ AI trong 12-18 tháng đầu: 
(1) Tái tưởng tượng các dịch vụ truyền thống và kỹ thuật số bằng gen AI
(2) Cung cấp nền tảng và dịch vụ gốc AI/gen AI 
(3) Xây dựng giải pháp sâu ngành dọc tập trung vào đổi mới sản phẩm và tăng trưởng doanh thu.

- Để thành công, họ phải chuyển đổi toàn diện danh mục dịch vụ, mô hình thương mại và tổ chức, bao gồm:
• Xây dựng giải pháp tăng tốc AI sẵn sàng triển khai 
• Áp dụng mô hình tài năng AI mới trên các chức năng xây dựng, bán hàng, cung cấp dịch vụ
• Tiếp cận hợp tác và M&A mới để tập hợp hệ sinh thái gen AI đang nổi lên
• Hiện đại hóa mô hình cung cấp thông qua AI COE để nâng cao hiệu quả cho khách hàng

- Các rủi ro chính cần lưu ý khi triển khai gen AI gồm:
• Thiếu kiểm soát AI có trách nhiệm về đạo đức, an toàn, tuân thủ 
• Chi phí leo thang và ROI không rõ ràng do thiếu liên kết giá trị kinh doanh
• Thiếu tập trung vào khách hàng và mức độ sẵn sàng của họ
• Thiếu trải nghiệm khách hàng cần thiết do sử dụng quá nhiều công cụ, hệ thống kém hiệu quả

- Các doanh nghiệp lớn đang ở các giai đoạn khác nhau trong hành trình chuyển đổi gen AI:
• 50-60% là "người quan sát" tập trung vào sẵn sàng AI và POC quy mô nhỏ
• 30-40% là "người tiên phong" có tầm nhìn rõ ràng về giảm chi phí quy mô lớn bằng AI/gen AI
• Dưới 10% là "người đổi mới" thực sự với chiến lược tích hợp AI trên toàn doanh nghiệp

📌AI tạo sinh đang mở ra cơ hội thị trường hơn 200 tỷ USD cho các nhà cung cấp dịch vụ công nghệ đến năm 2029. Để giành thị phần và tăng 30% lợi nhuận, họ cần chuyển đổi toàn diện mô hình kinh doanh, xây dựng danh mục dịch vụ AI mới trên 3 nhóm chính, áp dụng mô hình tài năng và hợp tác mới, hiện đại hóa cung cấp dịch vụ, đồng thời quản lý các rủi ro về chi phí, trải nghiệm và sự sẵn sàng của khách hàng. Thời gian 12-18 tháng tới sẽ là giai đoạn then chốt để các nhà cung cấp định vị lại mình trong kỷ nguyên gen AI.

https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/tech-services-and-generative-ai-plotting-the-necessary-reinvention

#McKinsey

- Theo một cuộc khảo sát mới của TCS với 1.300 CEO, 51% cho biết họ đang lên kế hoạch xây dựng các triển khai AI tạo sinh của riêng mình.
- Các mô hình nền tảng như GPT, Claude và Llama có thể được mô tả là "thông thái thế giới", đóng gói lại kiến thức từ Internet và sở hữu khả năng hiểu và tạo sinh đa phương thức cùng với khả năng lập luận.
- Việc xây dựng các mô hình nền tảng này rất phức tạp và tốn kém. Tuy nhiên, các mô hình doanh nghiệp nội bộ sẽ dựa trên các khả năng của những mô hình này.
- Các mô hình nội bộ sẽ tận dụng các kỹ năng cơ bản của các mô hình nền tảng như hiểu và tạo ngôn ngữ, lập luận và kiến thức tổng quát, nhưng cần mở rộng và chuyên biệt hóa chúng cho bối cảnh ngành, doanh nghiệp và hoạt động cụ thể.
- Mặc dù có nhiều thảo luận về cắt giảm ngân sách cho các dịch vụ và cơ sở hạ tầng đám mây gần đây, nhưng nguồn tiền đã mở rộng cho việc tài trợ AI.

📌 Hơn một nửa CEO được khảo sát đang lên kế hoạch xây dựng LLM nội bộ, dựa trên các mô hình nền tảng công khai sẵn có. Điều này đòi hỏi nhiều công việc phía trước, nhưng nền tảng đã được thiết lập sẵn. Các mô hình nội bộ sẽ kế thừa các kỹ năng cơ bản của mô hình nền tảng và chuyên biệt hóa chúng cho bối cảnh cụ thể của doanh nghiệp.

https://www.zdnet.com/article/enterprises-are-preparing-to-build-their-own-llms-why-thats-a-smart-move/

- ADP đang vận dụng AI tạo sinh để tự động hóa các tác vụ nhân sự, bảng lương lặp đi lặp lại, dự đoán biến động nhân sự và cung cấp trải nghiệm nhân viên cá nhân hóa.
- ADP Data Cloud tập hợp dữ liệu từ nhiều hệ thống để phân tích bằng AI, tạo ra thông tin hữu ích.
- Mô hình dự đoán biến động nhân sự của ADP không chỉ dự đoán tỷ lệ biến động mà còn gợi ý nơi tìm ứng viên thay thế và mức lương dự kiến.
- ADP cấm sử dụng các công cụ AI công khai như ChatGPT để đảm bảo bảo mật dữ liệu. Thay vào đó, họ sử dụng các mô hình ngôn ngữ lớn nội bộ.
- ADP đang hợp tác với Microsoft để tạo một phiên bản ChatGPT riêng cho công ty.
- Ở Ấn Độ, ADP đang thử nghiệm AI để phát hiện bất thường trong bảng lương và hợp lý hóa quy trình nộp thuế cuối năm.
- ADP nhìn thấy tiềm năng lớn ở các thành phố hạng 2, hạng 3 của Ấn Độ, nơi mức sống đang được cải thiện và các công ty đang thành lập.
- Tăng trưởng của ADP đến từ cả mở rộng hữu cơ và mua lại. Ở Ấn Độ, ADP mua lại mảng kinh doanh bảng lương của Ma Foi Randstad và đã phát triển từ 100 lên gần 2.000 khách hàng trong 12 năm qua.

📌 ADP đang dẫn đầu xu hướng ứng dụng AI tạo sinh trong quản lý nhân sự, tự động hóa quy trình, dự đoán biến động và cá nhân hóa trải nghiệm nhân viên. Với việc xử lý bảng lương cho 32 triệu nhân viên ở Mỹ, ADP đặt bảo mật dữ liệu lên hàng đầu khi triển khai AI. Công ty đang mở rộng mạnh mẽ ở thị trường Ấn Độ tiềm năng, tăng từ 100 lên 2.000 khách hàng trong 12 năm qua.

https://analyticsindiamag.com/how-a-traditional-hcm-giant-is-powering-workplaces-with-genai/

- ServiceNow đang đầu tư mạnh mẽ vào AI tạo sinh để thay đổi căn bản phần mềm bán ra và đội ngũ nhân sự của mình. Mọi bộ phận đều phải xây dựng lộ trình AI.
- Công ty đã triển khai hơn 25 use case AI tạo sinh vào sản xuất thực tế, áp dụng cho mọi chức năng từ kỹ sư phần mềm, nhân sự, chăm sóc khách hàng, marketing, bán hàng đến tài chính. 
- 84% nhân viên ServiceNow sử dụng AI tạo sinh trong công việc hàng ngày. Khoảng 8-10 use case được đánh giá là tác động lớn, 5 use case tác động trung bình.
- Chỉ sau 4 tháng triển khai, AI tạo sinh đã làm công việc tương đương 50 nhân viên toàn thời gian tính theo năm. Hiệu suất của kỹ sư phần mềm tăng từ 5-8%. Khối lượng công việc đến trung tâm hỗ trợ khách hàng giảm 10%.
- Giám đốc Khách hàng Chris Bedi chuyển sang vai trò mới từ tháng 5 để tập trung 100% thời gian hỗ trợ khách hàng tận dụng tối đa nền tảng AI. Kellie Romack thay thế vị trí Giám đốc Thông tin Kỹ thuật số trước đó của ông.
- ServiceNow ra mắt nhiều tính năng AI tạo sinh mới trong tháng 5, tích hợp trợ lý ảo Now Assist và Microsoft Copilot, cho phép người dùng đặt câu hỏi về công việc trên Microsoft Teams.
- Tuy nhiên, ServiceNow cũng kêu gọi Wall Street kiên nhẫn trước khi thấy tác động của AI lên doanh thu. Công ty vẫn giữ nguyên mục tiêu doanh thu đăng ký 15 tỷ USD vào năm 2026.
- 70% nhân viên hài lòng với công cụ tóm tắt AI giúp nâng cao hiệu quả làm việc. Mọi người đang chạy đến với AI tạo sinh thay vì e ngại như các công nghệ mới trước đây.

📌 ServiceNow đang đi tiên phong trong việc tích hợp AI tạo sinh vào mọi hoạt động nội bộ, giúp 84% nhân viên sử dụng công nghệ này hàng ngày. Chỉ sau 4 tháng, AI đã làm công việc tương đương 50 nhân sự toàn thời gian, tăng 5-8% hiệu suất kỹ sư và giảm 10% khối lượng công việc của bộ phận hỗ trợ khách hàng. Dù chưa thấy tác động rõ rệt đến doanh thu, ServiceNow tin rằng trong 12-18 tháng tới, việc không sử dụng AI tạo sinh sẽ trở nên không tưởng tượng nổi. Công ty đang chuyển đổi mạnh mẽ để đón đầu xu hướng này.

https://fortune.com/2024/06/12/how-servicenow-got-every-worker-to-use-generative-ai/

- Các công ty đang triển khai nhiều mô hình AI vào thực tế hơn gấp 11 lần so với năm trước. Trung bình, các tổ chức trở nên hiệu quả hơn 3 lần trong việc đưa mô hình vào sản xuất.
- Xử lý ngôn ngữ tự nhiên (NLP) là ứng dụng học máy được sử dụng nhiều nhất và phát triển nhanh nhất, chiếm 50% thư viện Python chuyên biệt được sử dụng. Ngành Chăm sóc sức khỏe & Đời sống có tỷ lệ sử dụng NLP cao nhất, chiếm 69%.
- 70% công ty sử dụng AI tạo sinh dùng các công cụ và cơ sở dữ liệu vector để tăng cường các mô hình cơ sở. Việc sử dụng cơ sở dữ liệu vector tăng 377% so với cùng kỳ năm ngoái.
- 76% công ty sử dụng mô hình ngôn ngữ lớn (LLM) chọn mã nguồn mở, thường kết hợp với các mô hình độc quyền. Nhiều công ty chọn các mô hình mã nguồn mở nhỏ hơn khi xem xét đánh đổi giữa chi phí, hiệu suất và độ trễ.
- Chỉ 4 tuần sau khi ra mắt, Meta Llama 3 đã chiếm 39% tổng lượng sử dụng mô hình mã nguồn mở, cho thấy các công ty nhanh chóng thử nghiệm các mô hình mới.
- Các ngành có quy định nghiêm ngặt như Dịch vụ tài chính, Chăm sóc sức khỏe đang dẫn đầu trong việc áp dụng sớm AI tạo sinh. Dịch vụ tài chính, ngành dẫn đầu về sử dụng GPU, đang phát triển nhanh nhất với mức tăng trưởng 88% trong 6 tháng.
- Dịch vụ tài chính cũng dẫn đầu trong việc áp dụng quản trị dữ liệu và AI thống nhất để đảm bảo tuân thủ quy định và bảo mật. Ngành này cũng tăng cường sử dụng các sản phẩm không máy chủ lên 131% trong 6 tháng để xây dựng các ứng dụng học máy thời gian thực.

📌 Báo cáo State of Data + AI 2024 của Databricks cho thấy các công ty đang đẩy mạnh triển khai AI vào thực tế, trở nên hiệu quả hơn gấp 3 lần. Xử lý ngôn ngữ tự nhiên và AI tạo sinh đang bùng nổ với việc sử dụng mô hình mã nguồn mở tăng cao. Các ngành có quy định nghiêm ngặt như Dịch vụ tài chính, Chăm sóc sức khỏe đang dẫn đầu xu hướng áp dụng sớm công nghệ mới này. Các công ty đang tập trung tùy chỉnh mô hình với dữ liệu riêng thông qua tạo sinh được tăng cường bởi truy xuất dữ liệu (RAG) và cơ sở dữ liệu vector.

https://www.databricks.com/sites/default/files/2024-06/state-of-data-ai-report.pdf

- Theo khảo sát của Wakefield, 91% lãnh đạo dữ liệu đang xây dựng ứng dụng AI, nhưng 2/3 trong số đó nói rằng họ không tin tưởng dữ liệu của mình cho các mô hình ngôn ngữ lớn (LLMs).

- Để thành công, chúng ta cần vượt qua sự thổi phồng gây nhầm lẫn và giúp các doanh nghiệp hiểu rõ về AI. Chúng ta cần nhiều niềm tin hơn (mô hình mở) và ít thành phần di chuyển hơn (nền tảng có ý kiến đòi hỏi phải đoán và áp dụng mô hình).

- Mô hình kinh doanh của Red Hat hoạt động vì sự phức tạp của công nghệ mà họ làm việc. Khách hàng sẵn sàng trả tiền để được cách ly khỏi sự phức tạp đó. Red Hat tạo ra một bản phân phối Linux, chọn các gói nhất định và sau đó kiểm tra/làm cứng bản phân phối đó cho khách hàng.

- Quá trình giải mã Linux này, kết hợp với mã nguồn mở tạo ra sự tin tưởng vào mã, đã biến Red Hat thành một doanh nghiệp trị giá hàng tỷ đô la. Thị trường cần một cái gì đó tương tự cho AI.

- OpenAI không phải là giải pháp. Nó chỉ tiếp tục làm trầm trọng thêm vấn đề với các mô hình ngày càng tăng. Các doanh nghiệp đang bắt đầu tránh xa sự thổi phồng và thực hiện nhiều công việc bình thường, hữu ích hơn với tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG).

- Các nhà cung cấp đám mây vẫn giữ nguyên kịch bản hiện có của họ. AWS cung cấp "Broad Model Choice and Generative AI Tools" trên Amazon Bedrock, nhưng hầu hết các doanh nghiệp ngày nay không cần "sự lựa chọn rộng rãi" mà là sự lựa chọn có ý nghĩa với hướng dẫn.

📌 Thị trường AI đang ở đỉnh cao của sự thổi phồng nhưng chưa đạt đỉnh cao về năng suất. Để thành công, chúng ta cần một "Red Hat cho AI" - một công ty có thể giúp các doanh nghiệp hiểu rõ và sử dụng AI một cách hiệu quả, thông qua việc cung cấp các mô hình mở và nền tảng có ý kiến, thay vì sự lựa chọn quá rộng rãi và phức tạp như hiện nay.

https://www.infoworld.com/article/3715358/we-need-a-red-hat-for-ai.html

- 75% doanh nghiệp nhỏ đang tận dụng công cụ AI để bù đắp sự thiếu hụt nhân lực theo khảo sát của SBE Council.
- Tự động hóa hiệu quả là sự cân bằng. Doanh nghiệp nhỏ cần xác định nhiệm vụ nào AI xử lý tốt hơn, nhiệm vụ nào nên để con người kiểm soát.
- Tích hợp AI vào hệ thống hiện có là thách thức lớn, đòi hỏi điều chỉnh quy trình làm việc và dữ liệu. Đào tạo nhân viên sử dụng AI là cần thiết.
- AI cải thiện đáng kể hiệu quả quản lý hàng tồn kho, dự đoán xu hướng bán hàng, tự động đặt hàng, giảm 35% trường hợp hết hàng.
- AI tự động hóa việc lập hóa đơn và xử lý thanh toán, đẩy nhanh giao dịch, cải thiện dòng tiền.
- Chatbot AI xử lý nhanh chóng nhiều truy vấn khách hàng thường gặp, giải phóng nhân viên xử lý các vấn đề phức tạp hơn.
- Dịch vụ khách hàng, giải quyết vấn đề, thích ứng và tư duy chiến lược là những nhiệm vụ con người làm tốt hơn AI.
- Ma trận quyết định đơn giản giúp xác định nhiệm vụ nào nên tự động hóa dựa trên yếu tố đồng cảm, cá nhân hóa, lặp đi lặp lại, chi phí và lợi ích.

📌 Kết hợp hài hòa giữa AI và con người trong hoạt động kinh doanh mở ra cơ hội cho nhân viên phát triển kỹ năng mới, tập trung vào các chức năng cấp cao hơn. Tận dụng AI ở những điểm mạnh và duy trì sự tiếp xúc của con người ở những khía cạnh quan trọng, doanh nghiệp có thể tạo ra sự hòa hợp giữa công nghệ và dịch vụ cá nhân, tạo tiếng vang với khách hàng.

https://www.forbes.com/sites/forbesbusinesscouncil/2024/06/10/small-business-automation-which-tasks-to-outsource-to-ai-and-which-to-keep-human/

- Nghiên cứu toàn cầu của EY với 460 lãnh đạo chuỗi cung ứng và vận hành cho thấy 73% đang lên kế hoạch triển khai GenAI. Tuy nhiên, 62% đã đánh giá lại các dự án và chỉ 7% hoàn thành việc triển khai.

- Các tổ chức đi trước trong hành trình chuỗi cung ứng tự trị (Front-runners) có xác suất thành công với GenAI cao gấp 5.2 lần so với nhóm đi sau (Followers), làm gia tăng khoảng cách số. Front-runners cũng có khả năng vượt kỳ vọng với AI truyền thống cao gấp 3.5 lần.

- Lợi ích lớn nhất từ GenAI đến khi các dự án phù hợp với tầm nhìn chiến lược, dữ liệu sẵn sàng cho AI và tối đa hóa giá trị bằng cách giải quyết các rủi ro về an ninh mạng và dữ liệu. 40% người tham gia khảo sát cho biết tổ chức của họ chưa hiểu hết các rủi ro và thách thức mới của GenAI.

- Các công ty tiên phong tập trung triển khai GenAI vào các lĩnh vực cụ thể của chuỗi cung ứng như thiết kế sản phẩm, thiết kế mạng lưới logistics, tối ưu hóa thương mại toàn cầu, dự báo nhu cầu. Front-runners dự kiến triển khai trung bình 12 use case GenAI trong 2 năm tới, so với 8 của Followers.

- Để vượt qua thách thức triển khai, các công ty cần có sự hỗ trợ của lãnh đạo (67% Front-runners cho là yếu tố thành công hàng đầu), ưu tiên sẵn sàng dữ liệu (thách thức triển khai số 1 theo 38% người tham gia) và tối đa hóa giá trị bằng cách giảm thiểu rủi ro mạng và dữ liệu.

- Nghiên cứu EY Work Reimagined Survey cho thấy 49% nhân viên đã/dự kiến sử dụng GenAI trong 12 tháng tới. Tuy nhiên chỉ 17% nhân viên và 22% lãnh đạo coi đào tạo kỹ năng GenAI là ưu tiên hàng đầu.

📌 Theo đánh giá của EY, GenAI đang chứng tỏ là công cụ thay đổi cuộc chơi cho chuỗi cung ứng và dự kiến sẽ thiết lập vững chắc trong 2 năm tới. Để nhận ra tiềm năng đầy đủ của GenAI, các tổ chức cần linh hoạt, có tầm nhìn chiến lược rõ ràng, ưu tiên sẵn sàng dữ liệu và giảm thiểu rủi ro mạng. Mặc dù chuỗi cung ứng tự trị hoàn toàn là mục tiêu tối thượng, mỗi bước tiến gần hơn đều giúp tăng cường khả năng phục hồi thông qua cải thiện khả năng hiển thị và linh hoạt. Khoảng cách số giữa các công ty tiên phong và các công ty theo sau có thể sẽ gia tăng nếu nhóm sau không có hành động kịp thời.

https://www.ey.com/en_gl/insights/consulting/how-will-genai-prompt-a-step-change-toward-autonomous-supply-chains

- Yellow.AI công bố hợp tác với các công ty CNTT lớn của Ấn Độ gồm Tata Consultancy Services (TCS), Infosys, HCLTech và Tech Mahindra.
- Mục tiêu của sự hợp tác là tận dụng nền tảng của Yellow.AI để nâng cao giải pháp tự động hóa nhân sự và dịch vụ khách hàng. 
- Rashid Khan, đồng sáng lập kiêm Giám đốc sản phẩm của Yellow.AI, nhấn mạnh tầm quan trọng chiến lược của các mối quan hệ đối tác này.
- Các công ty CNTT đang có xu hướng tích hợp dịch vụ AI tạo sinh cho cả khách hàng bên ngoài và hoạt động nội bộ.
- Nền tảng của Yellow.AI sẽ cải thiện tự động hóa nhân sự và dịch vụ khách hàng trên nhiều lĩnh vực trên toàn cầu.
- Yellow.AI cũng đang làm việc trên các dự án như mô hình Komodo 7P, LLM được huấn luyện trên 8.3 tỷ tokens trên Amazon Bedrock.
- Nền tảng của Yellow.AI được xây dựng dựa trên công nghệ AI và machine learning, chủ yếu được lưu trữ trên Amazon Web Services (AWS). 
- Công ty sử dụng các sản phẩm của AWS như SageMaker và Bedrock cho quy trình machine learning và lưu trữ mô hình.
- Yellow.AI cũng hợp tác với các công ty boutique địa phương để nâng cao chiến lược trải nghiệm khách hàng bằng nền tảng của mình.

📌 Yellow.AI đang mở rộng hợp tác với nhiều "ông lớn" CNTT Ấn Độ như TCS, Infosys, HCLTech, Tech Mahindra nhằm tận dụng nền tảng AI của mình cải thiện tự động hóa nhân sự và dịch vụ khách hàng. Xu hướng tích hợp AI tạo sinh đang gia tăng trong ngành. Yellow.AI cũng đang phát triển các mô hình tiên tiến như Komodo 7P trên nền tảng AWS.

https://analyticsindiamag.com/tcs-infosys-hcltech-tech-mahindra-partner-with-yellow-ai-for-ai-solutions/

- SAP Sapphire 2024 quy tụ khách hàng, đối tác và chuyên gia phân tích từ hơn 100 quốc gia, cả trực tiếp và trực tuyến.
- SAP là công ty công nghệ duy nhất có thể tích hợp các khả năng AI vào quy trình và luồng công việc kinh doanh.
- Việc tích hợp AI vào các giải pháp của SAP không chỉ nâng cao năng suất và hiệu quả mà còn mang đến cuộc cách mạng trong cách vận hành và cạnh tranh của doanh nghiệp.
- Joule, trợ lý AI tạo sinh của SAP, sẽ chuyển đổi ngôn ngữ tự nhiên thành các tác vụ khả thi, quản lý 80% tác vụ phổ biến nhất của 300 triệu người dùng cuối và tăng năng suất lên 20% vào cuối năm.
- SAP công bố tích hợp sâu giữa Joule và Microsoft 365 Copilot, mang lại trải nghiệm người dùng liền mạch.
- GenAI Hub cho phép khách hàng và đối tác phát triển các trường hợp sử dụng AI tùy chỉnh bằng cách sử dụng các mô hình ngôn ngữ lớn như GPT-4-Turbo, Google Gemini và Anthropic.
- RISE with SAP đã có hơn 6.000 khách hàng áp dụng, vận hành hơn 110.000 hệ thống, đạt được sự đơn giản hóa và đổi mới quy trình đáng kể.
- SAP cam kết phát triển AI có trách nhiệm và không ngừng đổi mới, hứa hẹn cải thiện đáng kể năng suất, hiệu quả và tính bền vững cho các doanh nghiệp trên toàn thế giới.

📌 SAP Sapphire 2024 đánh dấu bước ngoặt quan trọng trong chiến lược AI và đám mây của SAP, với việc ra mắt trợ lý AI Joule, nền tảng GenAI Hub và sự tiến hóa của RISE with SAP. Sự hợp tác chặt chẽ với các đối tác công nghệ hàng đầu và cam kết phát triển AI có trách nhiệm hứa hẹn mang lại những cải tiến đáng kể về năng suất, hiệu quả và tính bền vững cho các doanh nghiệp trên toàn cầu.

https://www.forbes.com/sites/sap/2024/06/10/sapphire-2024-sap-unveils-ai-powered-future/

- Báo cáo của KPMG chỉ ra rằng sự khác biệt trong AI là một trong những rủi ro lớn nhất đối với tăng trưởng của các công ty toàn cầu.
- Điều này có khả năng ảnh hưởng đến hoạt động của các tổ chức trong năm 2024 và xa hơn nữa.
- Trí tuệ nhân tạo đã trở thành một công nghệ quan trọng và phổ biến trong thời gian gần đây.
- Tuy nhiên, sự khác biệt trong cách tiếp cận và ứng dụng AI giữa các tổ chức có thể dẫn đến những rủi ro đáng kể.
- Báo cáo của KPMG nhấn mạnh tầm quan trọng của việc có một chiến lược và tầm nhìn thống nhất về AI trong toàn bộ tổ chức.
- Các công ty cần đầu tư vào nghiên cứu, phát triển và đào tạo nhân sự để đảm bảo sự thống nhất trong việc triển khai AI.
- Sự khác biệt trong AI có thể dẫn đến những bất lợi cạnh tranh và ảnh hưởng tiêu cực đến hiệu quả hoạt động của doanh nghiệp.
- Các tổ chức cần xem xét kỹ lưỡng các rủi ro liên quan đến AI và đưa ra các biện pháp giảm thiểu phù hợp.
- Việc hợp tác và chia sẻ kinh nghiệm giữa các tổ chức cũng là một yếu tố quan trọng để giảm thiểu rủi ro từ sự khác biệt trong AI.

📌 Báo cáo của KPMG nhấn mạnh rằng sự khác biệt trong cách tiếp cận và ứng dụng AI giữa các tổ chức toàn cầu là một trong những rủi ro lớn nhất đối với tăng trưởng, có thể ảnh hưởng đến hoạt động từ năm 2024 trở đi. Các công ty cần có chiến lược thống nhất, đầu tư nghiên cứu và đào tạo để giảm thiểu rủi ro này.

https://www.ndtvprofit.com/technology/divergence-on-ai-one-of-biggest-risks-to-growth-for-organisations-kpmg-report

- WhatsApp ra mắt chương trình quảng cáo được nhắm mục tiêu bằng AI đầu tiên cho doanh nghiệp, sử dụng hành vi trên Facebook và Instagram để nhắm mục tiêu tin nhắn tới khách hàng có khả năng phản hồi cao nhất.
- Công cụ AI mới cho phép doanh nghiệp tối ưu hóa việc gửi quảng cáo tới người dùng có nhiều khả năng tương tác nhất. Đây là bước quan trọng vì doanh nghiệp phải trả tiền cho những tin nhắn này.
- WhatsApp giới thiệu chatbot AI mới để trả lời các yêu cầu của doanh nghiệp trực tiếp trong chat, hỗ trợ người dùng với các yêu cầu phổ biến như tìm catalog hoặc tham khảo giờ làm việc.
- WhatsApp bổ sung phương thức thanh toán kỹ thuật số tức thì PIX của Brazil vào công cụ thanh toán WhatsApp tại quốc gia này. PIX trước đây từng được coi là đối thủ cạnh tranh tiềm năng.
- Thông báo đánh dấu sự thay đổi của WhatsApp, vốn là dịch vụ nhắn tin mã hóa nổi tiếng về ưu tiên quyền riêng tư và từ lâu đã tránh các công cụ quảng cáo nhắm mục tiêu như trên Facebook và Instagram.
- Meta đang tăng cường nỗ lực kiếm tiền từ WhatsApp, ứng dụng lớn nhất của họ về số lượng người dùng hàng ngày. Mặc dù rất phổ biến và có giá mua 22 tỷ USD vào năm 2014, cho đến nay WhatsApp mới chỉ đóng góp một phần nhỏ vào tổng doanh thu của Meta.

📌 WhatsApp giới thiệu các công cụ AI mới giúp doanh nghiệp quảng cáo nhắm mục tiêu dựa trên hành vi người dùng, chatbot trả lời yêu cầu và tích hợp thanh toán PIX, đánh dấu nỗ lực gia tăng doanh thu từ ứng dụng phổ biến này của Meta bất chấp trước đây vẫn ưu tiên quyền riêng tư.

https://www.reuters.com/technology/metas-whatsapp-launches-new-ai-tools-businesses-target-messages-chats-2024-06-06/

- Các doanh nghiệp vừa và nhỏ (SME) thường thiếu nguồn lực để tổ chức các buổi thảo luận chiến lược hàng năm hay ứng phó kịp thời với các sự kiện bất ngờ ảnh hưởng đến lợi nhuận, khiến họ thua kém các đối thủ lớn hơn. Tuy nhiên, trí tuệ nhân tạo (AI) có tiềm năng san bằng sân chơi.

- Công ty tiếp thị nội dung 45 nhân viên của Julia gặp khó khăn khi nhân viên bị vướng vào các vấn đề hàng ngày, khó hình dung tương lai dài hạn. Cô đã sử dụng GenAI để truyền cảm hứng tư duy sáng tạo. Nhóm đã vẽ bản đồ kịch bản với 4 tương lai khả dĩ, rồi dùng you.com để tạo ra các kịch bản chi tiết cho từng phần tư. Điều này giúp nhóm thảo luận sâu hơn về tương lai và nhận ra cần nâng cấp hệ thống IT để đáp ứng bối cảnh khách hàng là trọng tâm và hỗn loạn.

- Công ty xe tải chuyên dụng của Luke gặp khủng hoảng khi nhà cung cấp tăng giá 30% đột ngột. Luke dùng ChatGPT để tìm các lựa chọn cứu công ty với prompt chi tiết. AI đưa ra 6 lựa chọn chiến lược để giảm thiểu tác động và bảo vệ tương lai doanh nghiệp, kèm mô tả chi tiết cho từng lựa chọn. Luke đánh giá cao danh sách này và đang triển khai từng mục.

- Lucy, chủ một công ty rượu vang quy mô nhỏ ở Úc, lâm vào tình thế khó khăn khi Trung Quốc áp thuế 200% lên rượu vang Úc năm 2021. Đến năm 2023, cô hết vốn và tìm đến ChatGPT để tìm ý tưởng đa dạng hóa thị trường. Công cụ này đóng vai trò như một trợ lý nghiên cứu chiến lược, giúp cô nhanh chóng khám phá tiềm năng xuất khẩu ở nhiều nước và tìm cơ hội mới tại thị trường nội địa. Nhờ đó, Lucy duy trì được hoạt động cho đến khi Trung Quốc dỡ bỏ thuế quan năm 2024.

- Ngoài ra, Lucy còn tạo ra GPT của riêng mình để theo dõi ngân sách và chi phí. Việc tự động hóa chức năng tài chính giúp cô có thêm thời gian tập trung vào việc sản xuất rượu vang.

📌 Trí tuệ nhân tạo tạo sinh đang chứng tỏ là một lực lượng thay đổi cuộc chơi cho các doanh nghiệp vừa và nhỏ, giúp họ vượt qua các hạn chế vốn có trong hoạch định chiến lược và quản lý khủng hoảng. Công nghệ này cho phép SME phá vỡ giới hạn sẵn có để tạo ra các chiến lược đổi mới, đưa ra nhiều lựa chọn trong thời kỳ khủng hoảng, thậm chí hỗ trợ tái định hình hoàn toàn. 3 tình huống điển hình trên minh họa rõ nét cách GenAI có thể giúp SME bù đắp sự thiếu hụt về nguồn lực, từ đó nâng cao năng lực cạnh tranh trước các đối thủ lớn hơn.

https://hbr.org/2024/06/genai-is-leveling-the-playing-field-for-smaller-businesses

#HBR

Báo cáo "State of AI at Work 2024" của Asana và Anthropic: Khảo sát hơn 5.000 nhân viên tri thức tại Mỹ và Anh, cùng với các chuyên gia AI, để đánh giá việc áp dụng AI trong công việc.
- **Tăng trưởng sử dụng AI**: Tỷ lệ nhân viên sử dụng AI hàng tuần tăng 44% trong 9 tháng qua, đạt 52%.
- **Mức độ trưởng thành AI**: Chỉ 7% nhân viên cho biết công ty của họ có triển khai AI trưởng thành, với sự tích hợp thành công của nhiều công cụ AI vào quy trình làm việc và đánh giá thường xuyên tác động của chúng.
- **Thiếu đào tạo về AI**: 82% nhân viên cho biết tổ chức của họ chưa cung cấp đào tạo về việc sử dụng AI tạo sinh.
- **Mô hình trưởng thành AI năm giai đoạn**: 
  - **Giai đoạn 1: Hoài nghi AI**: Tổ chức nhận ra tiềm năng của AI và bắt đầu khám phá các ứng dụng của nó.
  - **Giai đoạn 2: Kích hoạt AI**: Công ty khởi động các dự án thí điểm để thử nghiệm và hiểu rõ tác động của AI.
  - **Giai đoạn 3: Thử nghiệm AI**: Triển khai các sáng kiến AI lớn hơn và bắt đầu giải quyết các thách thức tích hợp công nghệ.
  - **Giai đoạn 4: Mở rộng AI**: AI trở thành một phần của hoạt động tổ chức, định hình lại quy trình làm việc và ra quyết định.
  - **Giai đoạn 5: Trưởng thành AI**: Tổ chức sử dụng AI một cách thành thạo để đạt được kết quả chuyển đổi.
- **Yếu tố quan trọng để đạt trưởng thành AI**: 
  - **Hiểu biết AI**: Tăng cường giáo dục và đào tạo cho nhân viên.
  - **Lo ngại AI**: Hiểu rõ các mối quan tâm của nhân viên về AI.
  - **Hợp tác AI**: Nhân viên tại các tổ chức trưởng thành AI có xu hướng xem AI như một đồng đội.
  - **Bối cảnh AI**: Có chính sách và hướng dẫn rõ ràng về việc sử dụng AI.
  - **Hiệu chỉnh AI**: Đo lường hiệu quả và giá trị của AI trong tổ chức.
- **Sự hợp tác giữa Asana và Anthropic**: Cả hai công ty đều hướng đến mục tiêu giúp đỡ nhân loại thông qua phát triển công nghệ tiên tiến và đáng tin cậy. Anthropic tập trung vào xây dựng hệ thống AI an toàn và đạo đức, trong khi Asana giúp các đội nhóm hợp tác hiệu quả hơn.

📌 Báo cáo "State of AI at Work 2024" của Asana và Anthropic cung cấp cái nhìn sâu sắc về hành trình năm giai đoạn để đạt trưởng thành AI, từ hoài nghi đến thành thạo, với các yếu tố quan trọng như hiểu biết, lo ngại, hợp tác, bối cảnh và hiệu chỉnh. Chỉ 

https://venturebeat.com/ai/the-five-stage-journey-organizations-take-to-achieve-ai-maturity/

- **Lợi ích của AI**: AI có thể giúp doanh nghiệp tạo ra sản phẩm và dịch vụ tốt hơn, tăng hiệu quả hoạt động và cải thiện trải nghiệm khách hàng. Tuy nhiên, không phải mọi dự án AI đều mang lại kết quả tốt. Theo nghiên cứu của Harvard Business School, có tới 80% dự án AI công nghiệp không tạo ra giá trị hữu hình.
- **Chiến lược AI và chiến lược kinh doanh**: Để đánh giá tác động của các dự án AI, cần đảm bảo chúng phù hợp với mục tiêu và chiến lược kinh doanh. Công nghệ không phải là mục tiêu tự thân mà là công cụ để đạt được mục tiêu.
- **Các câu hỏi quan trọng**:
  - AI có giúp đưa ra quyết định tốt hơn không?
  - Mức độ chấp nhận AI trong tổ chức và từ khách hàng như thế nào?
  - AI có cải thiện trải nghiệm và giá trị cho khách hàng không?
  - AI có giúp đạt được các mục tiêu cụ thể không?
  - Các dự án AI có được triển khai đúng thời gian và ngân sách không?
  - AI có giúp đạt được các mục tiêu ESG (môi trường, xã hội và quản trị) không?
- **Các chỉ số KPI quan trọng**:
  - **ROI (Return on Investment)**: Đo lường lợi ích so với chi phí của các dự án AI.
  - **Tỷ lệ chấp nhận**: Phần trăm khách hàng hoặc nhân viên sử dụng công cụ AI.
  - **Chỉ số trải nghiệm khách hàng**: Điểm hài lòng của khách hàng, tỷ lệ rời bỏ, điểm quảng bá ròng và điểm tương tác xã hội.
  - **Thời gian để tạo ra giá trị (TTV)**: Thời gian để các dự án AI tạo ra kết quả có ý nghĩa.
  - **Độ chính xác và hiệu quả của mô hình**: Các chỉ số kỹ thuật như độ chính xác, độ chính xác và độ nhạy, điểm F1, điểm ROC AUC và ma trận nhầm lẫn.
  - **Chỉ số hiệu quả hoạt động**: Đo lường tác động của AI lên lượng chất thải, giờ làm việc của con người trên mỗi nhiệm vụ, tỷ lệ lỗi sản phẩm và chi phí sản xuất trên mỗi đơn vị.
- **Xây dựng văn hóa đánh giá liên tục và cải tiến**: Để trở thành tổ chức thành công dựa trên AI, cần liên tục đo lường tiến độ, tinh chỉnh chiến lược kinh doanh và AI, và cải tiến mô hình và quy trình. Cần đánh giá liên tục các công nghệ, công cụ và mô hình mới. Cần có quy trình chia sẻ kết quả đánh giá để xây dựng niềm tin và sự chấp nhận từ các bên liên quan.

📌 Để đo lường thành công của AI trong tổ chức, cần đảm bảo các dự án AI phù hợp với chiến lược kinh doanh, đặt ra các câu hỏi quan trọng và theo dõi các chỉ số KPI như ROI, tỷ lệ chấp nhận, chỉ số trải nghiệm khách hàng và hiệu quả hoạt động. Việc xây dựng văn hóa đánh giá liên tục và cải tiến là cần thiết để đạt được thành công.

https://www.forbes.com/sites/bernardmarr/2024/06/05/how-to-measure-ai-success-in-your-organization/

- SAP đang tích cực đưa trí tuệ nhân tạo vào bộ giải pháp điện toán đám mây doanh nghiệp của mình. 
- Tại hội nghị khách hàng Sapphire, SAP thông báo sẽ sớm đưa trợ lý AI Joule đến nhiều ứng dụng doanh nghiệp hơn như SAP Ariba và SAP Analytics Cloud vào nửa cuối năm 2024.
- SAP cũng lên kế hoạch tích hợp Joule với Microsoft Copilot, giúp huấn luyện AI trên nội dung từ Microsoft 365.
- Joule đã được tích hợp nhanh chóng vào các ứng dụng đám mây doanh nghiệp của SAP như SAP SuccessFactors, SAP Start, S/4HANA Cloud, Customer Data Platform, BTP Cockpit, Build, Build Code và Integration Suite.
- Với Joule trong SAP Ariba, các nhà quản lý có thể tạo yêu cầu đề xuất từ nhà cung cấp nhanh hơn thông qua AI, với các đề xuất dựa trên chi phí, tác động carbon, quy định tuân thủ và giao dịch trước đây.
- Joule sẽ sớm hỗ trợ đa ngôn ngữ như tiếng Đức, Tây Ban Nha, Pháp và Bồ Đào Nha, ngoài tiếng Anh.
- SAP sẽ tích hợp hai chiều giữa Joule và Microsoft Copilot, cho phép truy xuất thông tin từ cả bộ ứng dụng SAP và Microsoft 365.
- SAP cũng công bố hợp tác với Google Cloud Gemini, Meta Llama AI và Mistral AI để tích hợp vào nền tảng AI Core của mình.

📌 SAP đang mạnh mẽ đưa AI vào các giải pháp doanh nghiệp, với việc mở rộng trợ lý Joule đến nhiều ứng dụng như SAP Ariba, Analytics Cloud, hỗ trợ đa ngôn ngữ và tích hợp với Microsoft Copilot. Các đối tác như Google, Meta, Mistral cũng được hợp tác để cung cấp các mô hình AI tốt nhất cho khách hàng.

https://venturebeat.com/ai/sap-to-embed-joule-ai-copilot-into-more-of-its-enterprise-apps-plans-microsoft-copilot-tie-up/

- RelationalAI, một startup áp dụng trí tuệ nhân tạo trực tiếp vào dữ liệu quan hệ, công bố tính khả dụng chung của Bộ đồng xử lý Đồ thị Tri thức trên Snowflake Data Cloud.
- Giải pháp này cho phép khách hàng Snowflake xây dựng đồ thị tri thức và tận dụng các khả năng AI và phân tích tiên tiến mà không cần di chuyển dữ liệu ra khỏi môi trường Snowflake.
- Kiến trúc của RelationalAI cho phép áp dụng AI tiên tiến trực tiếp trên dữ liệu doanh nghiệp có cấu trúc trong cơ sở dữ liệu quan hệ như Snowflake, khác với hầu hết các phương pháp machine learning và AI tập trung vào dữ liệu phi cấu trúc.
- RelationalAI báo cáo có sức hút ban đầu mạnh mẽ và "nhu cầu vô hạn" đối với giải pháp của mình, đặc biệt trong các ngành dịch vụ tài chính, viễn thông, bán lẻ và hàng tiêu dùng đóng gói.
- Khách hàng như AT&T, Block, Ritchie Bros và Blue Yonder đã sử dụng nền tảng này để xây dựng đồ thị tri thức cung cấp một lớp ngữ nghĩa trên dữ liệu doanh nghiệp phức tạp của họ.
- Việc ra mắt trên Snowflake là một cột mốc quan trọng đối với startup 50 người này, đã huy động được 122 triệu USD vốn đầu tư với định giá 569 triệu USD.
- Khi các mô hình ngôn ngữ lớn như GPT-4 thu hút sự chú ý của công chúng, CEO Molham Aref nhìn thấy đồ thị tri thức đóng vai trò quan trọng trong việc áp dụng AI tạo sinh trong doanh nghiệp.

📌 RelationalAI đã ra mắt Bộ đồng xử lý Đồ thị Tri thức trên Snowflake Data Cloud, cho phép khách hàng xây dựng đồ thị tri thức và áp dụng AI tiên tiến trực tiếp trên dữ liệu quan hệ có cấu trúc mà không cần di chuyển dữ liệu. Startup này đã huy động được 122 triệu USD và đang được định giá 569 triệu USD, với sự quan tâm ngày càng tăng đối với AI tạo sinh và đồ thị tri thức trong doanh nghiệp.

https://venturebeat.com/ai/relationalai-launches-powerful-knowledge-graph-coprocessor-for-snowflake-users/

- Hiện nay chưa có định nghĩa rõ ràng về các mô hình LLM nguồn mở hoàn toàn và thực sự. Cần có một Khung Công tác Mở Mô hình tiêu chuẩn.
- Nhiều mô hình tự nhận là "mở", nhưng chỉ một tập hợp con các thành phần được phát hành mở và sử dụng giấy phép hạn chế cho phần còn lại.
- Sự mơ hồ xung quanh "mở" thực sự cản trở tiến trình áp dụng AI, tạo ra sản phẩm và dịch vụ cho người dùng cuối. Nó tạo ra rủi ro pháp lý cho các doanh nhân.
- Ví dụ: Một công ty khởi nghiệp AI giả định tên "yet-another-chat-bot" sử dụng mô hình ngôn ngữ được đào tạo trước "llam-stral" trong nguyên mẫu của họ, nhưng sau đó phát hiện ra rằng giấy phép cấm rõ ràng việc sử dụng thương mại và tạo các tác phẩm phái sinh.
- Điều đúng đắn cần làm là "llam-stral" tuân thủ Khung Công tác Mở Mô hình và sử dụng giấy phép mở tiêu chuẩn như Apache 2.0 cho mã và CC-BY-4.0 cho trọng số và tập dữ liệu.
- Một mô hình hoàn toàn mở sẽ phát hành tất cả các thành phần, bao gồm dữ liệu đào tạo, mã, trọng số, kiến trúc, báo cáo kỹ thuật và mã đánh giá, tất cả đều ở dạng giấy phép cho phép.
- Các thành phần thiết yếu của một mô hình AI bao gồm: Dữ liệu đào tạo, Mã tiền xử lý dữ liệu, Kiến trúc mô hình, Tham số mô hình, Mã đào tạo, Mã đánh giá, Dữ liệu đánh giá, Tài liệu mô hình và Báo cáo kỹ thuật.

📌 Việc thiếu một định nghĩa rõ ràng về tính mở của các mô hình AI đang gây ra sự mơ hồ và rủi ro pháp lý cho các doanh nhân. Cần có một khung công tác tiêu chuẩn để đánh giá tính chất mở của mô hình, trong đó một mô hình hoàn toàn mở sẽ phát hành tất cả các thành phần thiết yếu dưới các giấy phép cho phép, thúc đẩy tính minh bạch, khả năng tái tạo và hợp tác trong phát triển và ứng dụng AI.

https://www.entrepreneur.com/science-technology/why-entrepreneurs-need-to-beware-of-misleading-open-ai/472948

- Các hãng hàng không hàng đầu Ấn Độ như Air India, Vistara, AirAsia India đang tích cực ứng dụng trí tuệ nhân tạo (AI) vào hoạt động.
- Mục tiêu là cung cấp phản hồi tự động giống con người cho khách hàng, giảm tải công việc cho nhân viên và nâng cao trải nghiệm của hành khách.
- Air India đã triển khai chatbot AI trên website và ứng dụng di động, có thể xử lý 5.000 truy vấn mỗi ngày. Chatbot giúp giải đáp thắc mắc về chuyến bay, hành lý, dịch vụ, giảm 40% khối lượng công việc của nhân viên.
- Vistara cũng đưa chatbot lên website, ứng dụng và WhatsApp. Chatbot xử lý hơn 70% yêu cầu của khách, tỷ lệ chuyển tiếp sang nhân viên chỉ 9%.
- AirAsia India tích hợp chatbot AVA trên website, ứng dụng, WhatsApp. AVA xử lý 80% tương tác với khách hàng, giảm đáng kể nhu cầu nhân sự.

- Theo báo cáo, thị trường chatbot toàn cầu sẽ đạt 3,99 tỷ USD vào năm 2030, tăng trưởng kép hàng năm 25,7% giai đoạn 2022-2030.

📌 Các hãng hàng không hàng đầu Ấn Độ đang đẩy mạnh ứng dụng AI chatbot để tự động hóa tới 80% tương tác với khách hàng, giảm 40% khối lượng công việc cho nhân viên. Xu hướng này hứa hẹn thúc đẩy thị trường chatbot toàn cầu tăng trưởng mạnh mẽ, đạt 3,99 tỷ USD vào năm 2030.

Citations:
 https://government.economictimes.indiatimes.com/news/technology/indian-airlines-ride-ai-human-like-responses-for-passengers-lesser-workload-for-agents/110650575

- Tập đoàn Tata đang thực hiện hơn 100 dự án AI tạo sinh (GenAI) trên nhiều lĩnh vực như bán lẻ, tài chính, viễn thông, sản xuất và du lịch.
- Ông N Chandrasekaran, Chủ tịch Tata Sons, cho biết các công ty thành viên của tập đoàn đang tích cực triển khai các dự án GenAI.
- Tata Neu, siêu ứng dụng của tập đoàn, đã tích hợp công nghệ GenAI để cải thiện trải nghiệm người dùng và đưa ra các đề xuất cá nhân hóa.
- Tata Communications đang sử dụng GenAI để tối ưu hóa trải nghiệm khách hàng và nâng cao hiệu quả hoạt động.
- Vistara, hãng hàng không liên doanh giữa Tata và Singapore Airlines, đang áp dụng GenAI để tăng cường dịch vụ khách hàng.
- Tata Steel đang nghiên cứu sử dụng GenAI trong sản xuất và chuỗi cung ứng để cải thiện hiệu suất và giảm chi phí.
- Tata Group đang hợp tác với các đối tác công nghệ hàng đầu thế giới để phát triển và triển khai các giải pháp GenAI.

📌 Tập đoàn Tata đang mạnh mẽ đầu tư vào hơn 100 dự án AI tạo sinh trên nhiều lĩnh vực then chốt như bán lẻ, tài chính, viễn thông, sản xuất và du lịch. Các công ty thành viên như Tata Neu, Tata Communications, Vistara và Tata Steel đều đang tích cực ứng dụng GenAI để cải thiện trải nghiệm khách hàng, tối ưu hóa hoạt động và nghiên cứu đổi mới.

Citations:
[1] https://cio.economictimes.indiatimes.com/news/artificial-intelligence/tata-group-firms-executing-over-100-genai-projects-n-chandrasekaran/110609564

- Các chuyên gia cho rằng CEO có thể dễ dàng bị thay thế bởi AI. Nhiều công ty "không ngại việc không có một CEO con người" sau đại dịch COVID-19.

- Việc thay thế sếp bằng bot là mặt trái của nỗi lo AI gây ra phá hủy việc làm diện rộng, thường tập trung vào việc nhân viên bình thường bị sa thải để nhường chỗ cho tự động hóa thông minh. 

- Vì các giám đốc điều hành cấp cao thường có mức lương cao nên có động lực tài chính lớn để thay thế họ. Giáo sư Anant Agarwal ước tính 80% công việc của CEO có thể được AI đảm nhiệm.

- Một phần vai trò của CEO là lãnh đạo, nhưng họ cũng là người ra quyết định dựa trên dữ liệu. Một cỗ máy suy nghĩ vô tư có thể xử lý nhiều dữ liệu hơn và đưa ra quyết định logic nhất, không bị ảnh hưởng bởi định kiến cá nhân, cái tôi cồng kềnh và có thể cả những kìm hãm đạo đức.

- Trong một cuộc khảo sát với các lãnh đạo doanh nghiệp, 43% người được hỏi tin rằng AI có thể đảm nhận công việc của họ. 45% thừa nhận họ đã sử dụng ChatGPT để đưa ra các quyết định kinh doanh quan trọng.

- Một số công ty đã chuyển đổi, như nhà sản xuất đồ uống Ba Lan Dictador bổ nhiệm robot hình người Mika làm "CEO thử nghiệm". 

- Tuy nhiên, AI vẫn có nhiều khuyết điểm và không nhất thiết ít thiên vị hơn dữ liệu mà chúng được huấn luyện. Nhưng với sự sẵn sàng gạt bỏ nhân viên của các công ty, có lẽ tất cả chúng ta đều có nguy cơ bị sa thải.

📌 43% lãnh đạo tin AI có thể thay thế họ, 45% dùng ChatGPT ra quyết định quan trọng. Các chuyên gia ước tính 80% công việc CEO có thể tự động hóa. Dù AI còn nhiều khuyết điểm, xu hướng thay người bằng máy đe dọa việc làm của mọi đối tượng, kể cả cấp cao nhất.

https://futurism.com/the-byte/ceos-easily-replaced-with-ai

- Báo cáo mới từ McKinsey cho thấy 65% tổ chức đang sử dụng AI tạo sinh thường xuyên, gần gấp đôi so với 10 tháng trước.
- AI tạo sinh không còn là điều mới lạ vào năm 2024, với tiềm năng của công nghệ này không còn bị nghi ngờ.
- 67% tổ chức dự đoán đầu tư vào AI sẽ tăng trong 3 năm tới.
- AI tạo sinh được sử dụng nhiều nhất trong marketing và bán hàng, phát triển sản phẩm và dịch vụ, và IT.
- Các tổ chức cần từ 1 đến 4 tháng để đưa AI tạo sinh vào sản xuất.
- 41% giám đốc cấp cao sử dụng AI tạo sinh thường xuyên trong công việc.
- McKinsey xác định ba mô hình triển khai AI tạo sinh: "takers" (sử dụng công cụ có sẵn), "shapers" (tùy chỉnh công cụ có sẵn), và "makers" (phát triển mô hình riêng).
- Khoảng 50% việc sử dụng AI tạo sinh là từ công cụ có sẵn, phần còn lại là tùy chỉnh hoặc phát triển từ đầu.
- Các tổ chức sẽ chuyển sang mô hình "mua, xây dựng và hợp tác" thay vì "xây dựng hoặc mua".
- 44% tổ chức đã trải qua hậu quả tiêu cực từ việc sử dụng AI tạo sinh, bao gồm sai sót trong đầu ra, an ninh mạng và thiếu giải thích.
- Chỉ 18% tổ chức có hội đồng hoặc ban quản trị AI có trách nhiệm trên toàn doanh nghiệp.
- Một phần ba tổ chức xác định nhận thức về rủi ro AI tạo sinh và kiểm soát giảm thiểu rủi ro là kỹ năng cần thiết cho nhân viên.
- Các tổ chức cần thiết lập nguyên tắc và quản trị rõ ràng cho việc áp dụng AI tạo sinh, áp dụng các biện pháp bảo vệ, đào tạo kỹ lưỡng và có hợp đồng an toàn với nhà cung cấp.
- Nhân viên cần được giáo dục để không rò rỉ dữ liệu độc quyền vào các mô hình công khai.
- Việc chuyển từ nhận thức sang hành động về AI có trách nhiệm là rất quan trọng.

📌 Báo cáo từ McKinsey cho thấy việc áp dụng AI tạo sinh đang tăng mạnh, với 65% tổ chức sử dụng thường xuyên và 67% dự đoán đầu tư sẽ tăng trong 3 năm tới. Khoảng 50% việc sử dụng AI tạo sinh là từ công cụ có sẵn, phần còn lại là tùy chỉnh hoặc phát triển từ đầu. Các tổ chức sẽ chuyển sang mô hình "mua, xây dựng và hợp tác" thay vì "xây dựng hoặc mua". 44% tổ chức đã trải qua hậu quả tiêu cực từ việc sử dụng AI tạo sinh, bao gồm sai sót trong đầu ra, an ninh mạng và thiếu giải thích.

https://venturebeat.com/ai/mckinsey-gen-ai-adoption-rockets-generates-value-for-enterprises/

- PwC sẽ trở thành khách hàng lớn nhất và đơn vị bán lại đầu tiên sản phẩm ChatGPT Enterprise của OpenAI, phiên bản chatbot dành cho doanh nghiệp lớn.
- PwC sẽ triển khai ChatGPT Enterprise cho 75.000 nhân viên tại Mỹ và 26.000 nhân viên tại Anh.
- Hơn 95% khách hàng tư vấn của PwC tại Anh và Mỹ đang tích cực tham gia vào genAI.
- PwC đang phát triển các mô hình GPT tùy chỉnh để hỗ trợ nhân viên trong các nhiệm vụ như xem xét tờ khai thuế, tạo bảng điều khiển và báo cáo.  
- Thỏa thuận với OpenAI là một phần trong kế hoạch đầu tư 1 tỷ USD của PwC vào công nghệ AI tạo sinh.
- OpenAI đang nỗ lực mở rộng khách hàng doanh nghiệp vượt ra ngoài Microsoft.
- CEO OpenAI Sam Altman đã gặp gỡ hàng trăm giám đốc điều hành của các công ty Fortune 500 để giới thiệu dịch vụ AI cho sử dụng trong doanh nghiệp.

📌 PwC trở thành khách hàng doanh nghiệp lớn nhất và đối tác bán lại đầu tiên của OpenAI với sản phẩm ChatGPT Enterprise, đánh dấu bước tiến quan trọng trong việc áp dụng AI tạo sinh vào hoạt động của các tập đoàn lớn. Thỏa thuận này nằm trong kế hoạch đầu tư 1 tỷ USD của PwC vào genAI, cho thấy sự quan tâm ngày càng tăng của giới doanh nghiệp đối với công nghệ đột phá này.

https://www.reuters.com/technology/pwc-become-openai-largest-enterprise-customer-wsj-reports-2024-05-29/

https://www.reuters.com/technology/pwc-become-openai-largest-enterprise-customer-wsj-reports-2024-05-29/

- Báo cáo "The GenAI Countdown" của Genpact và HFS Research chỉ ra nhiều doanh nghiệp đang tập trung hẹp vào năng suất, có thể ảnh hưởng tiêu cực đến trải nghiệm nhân viên và kìm hãm đổi mới rộng rãi hơn.

- 52% người được hỏi lo ngại việc quá nhấn mạnh vào năng suất có thể dẫn đến tác động tiêu cực đến trải nghiệm nhân viên.

- Sreekanth Menon, trưởng bộ phận AI/ML toàn cầu của Genpact, cho rằng các công ty không nên theo đuổi năng suất chỉ như một mục tiêu cuối cùng mà như một bước quan trọng trong hành trình GenAI rộng lớn và chiến lược hơn.

- Khảo sát 550 lãnh đạo cấp cao trên toàn thế giới từ các tổ chức có doanh thu trên 1 tỷ USD ở 12 quốc gia và 8 ngành. Phỏng vấn sâu 10 lãnh đạo doanh nghiệp đi đầu trong việc áp dụng và đổi mới GenAI.

- 61% lãnh đạo phân bổ tới 10% ngân sách công nghệ cho GenAI, tăng 30% tài trợ cho AI tạo sinh trong năm tới.

- 45% đầu tư vào các nhà cung cấp công nghệ chuyên về giải pháp GenAI.

- Thách thức hàng đầu: chất lượng dữ liệu hoặc chiến lược (42% lãnh đạo IT), thiếu kế hoạch GenAI có cấu trúc (46% lãnh đạo kinh doanh).

- 36% lãnh đạo báo cáo thiếu hụt chuyên gia có kỹ năng.

- Chỉ 16% doanh nghiệp sử dụng dữ liệu độc quyền của họ.

- 80% lãnh đạo nhận ra sự cần thiết phải chuyển sang các mô hình thương mại dựa trên hiệu suất và mục đích.

- 74% tin rằng GenAI sẽ truyền cảm hứng cho các cách tạo giá trị mới và đột phá trong tổ chức của họ.

📌 Báo cáo "The GenAI Countdown" của Genpact nhấn mạnh tầm quan trọng ngày càng tăng của GenAI trong việc định hình lại chiến lược kinh doanh. 61% lãnh đạo phân bổ tới 10% ngân sách công nghệ cho GenAI. Tuy nhiên, cần có cách tiếp cận cân bằng, tích hợp công nghệ với khuôn khổ lấy con người làm trung tâm, tránh tập trung hẹp vào năng suất để không ảnh hưởng tiêu cực đến trải nghiệm nhân viên và kìm hãm đổi mới.

https://analyticsindiamag.com/genpact-report-on-the-genai-countdown-warns-against-narrow-productivity-focus-urges-innovation-and-enhanced-employee-experiences/

https://www.genpact.com/pdf/the-gen-ai-countdown

- Theo khảo sát của Bain & Company, 80% doanh nghiệp Ấn Độ dự kiến sẽ đầu tư vào AI tạo sinh trong 1-2 năm tới.
- Các lĩnh vực ứng dụng chính bao gồm dịch vụ khách hàng (71%), marketing (59%) và phát triển sản phẩm mới (58%).
- Khoảng 2/3 số doanh nghiệp tin rằng GenAI sẽ mang lại lợi thế cạnh tranh đáng kể.
- Tuy nhiên, 78% lo ngại về chi phí đầu tư ban đầu, 74% lo lắng về sự thiếu hụt nhân tài có kỹ năng về AI và 73% băn khoăn về các vấn đề đạo đức.
- Các rào cản chính trong việc áp dụng GenAI là thiếu kiến thức kỹ thuật (55%), khó tích hợp với hệ thống hiện có (53%) và thiếu ngân sách (52%).
- Để giải quyết các thách thức này, các công ty Ấn Độ cần xây dựng năng lực nội bộ, hợp tác với các đối tác công nghệ và phát triển khung đạo đức để sử dụng GenAI một cách có trách nhiệm.

📌 Đa số doanh nghiệp Ấn Độ (80%) có kế hoạch đầu tư vào AI tạo sinh trong 2 năm tới, tập trung vào dịch vụ khách hàng, marketing và phát triển sản phẩm mới. Tuy nhiên, họ cũng gặp nhiều rào cản như chi phí cao, thiếu nhân tài và lo ngại về đạo đức, cần được giải quyết thông qua xây dựng năng lực nội bộ, hợp tác và xây dựng khung đạo đức.

https://cio.economictimes.indiatimes.com/news/artificial-intelligence/80-indian-firms-to-invest-in-genai-in-next-1-to-2-yrs/110382432

- LLMWare.ai là 1 trong 11 dự án AI nguồn mở xuất sắc được chọn tham gia GitHub Accelerator 2024.

- LLMWare tập trung vào các mô hình ngôn ngữ chuyên biệt nhỏ, mang lại nhiều lợi thế như dễ tích hợp vào quy trình doanh nghiệp, bảo mật cao, chi phí thấp và tốc độ nhanh.

- Trong 8 tháng qua, LLMWare đã ra mắt nền tảng RAG cấp doanh nghiệp toàn diện (llmware) và bộ mô hình chuyên biệt cho các tác vụ tự động hóa doanh nghiệp then chốt dưới thương hiệu BLING, DRAGON, SLIM và Industry-Bert.

- Khung làm việc thống nhất đầu cuối của LLMWare.ai là lựa chọn hoàn hảo cho các nhà phát triển và doanh nghiệp xây dựng quy trình tự động hóa dựa trên LLM chất lượng cao, dựa trên dữ kiện, riêng tư, hiệu quả về chi phí.

- LLMWare.ai hiện có 2 sản phẩm chính: RAG Pipeline - các thành phần tích hợp cho toàn bộ vòng đời kết nối nguồn tri thức với mô hình AI tạo sinh; và hơn 50 mô hình chuyên biệt nhỏ được tinh chỉnh cho các tác vụ then chốt trong tự động hóa quy trình doanh nghiệp.

- Theo người sáng lập Namee Oberst, việc được chọn vào Chương trình GitHub Accelerator là một cột mốc quan trọng, cơ hội học hỏi từ GitHub và những người xuất sắc nhất trong cộng đồng nguồn mở.

📌 Với những tiến bộ đổi mới và giải pháp toàn diện, LLMWare.ai xứng đáng là 1 trong 11 dự án xuất sắc được chọn vào GitHub Accelerator 2024. Khung làm việc LLMWare, mô hình SLIMs và dòng RAG chuyên biệt DRAGON thể hiện cam kết tạo ra các giải pháp có thể mở rộng quy mô, an toàn và hiệu quả, được điều chỉnh riêng cho các tổ chức tài chính và pháp lý. Với hơn 50 mô hình chuyên biệt và pipeline dữ liệu linh hoạt, LLMWare.ai trao quyền cho các nhà phát triển ở mọi cấp độ dễ dàng xây dựng các ứng dụng doanh nghiệp tinh vi dựa trên tri thức.

https://www.marktechpost.com/2024/05/23/llmware-ai-selected-for-2024-github-accelerator-enabling-the-next-wave-of-innovation-in-enterprise-rag-with-small-specialized-language-models/

- Các doanh nghiệp vừa và nhỏ (SMB) tại Singapore hiện có thể sử dụng Copilot for Microsoft 365 với mức giá bằng một nửa so với thông thường, trong khuôn khổ các sáng kiến thúc đẩy việc áp dụng trí tuệ nhân tạo (AI).
- Cơ quan Enterprise Singapore (EnterpriseSG) sẽ hỗ trợ 50% chi phí bản quyền cho công cụ AI tạo sinh (GenAI) của Microsoft trong thời hạn đăng ký 12 tháng. Mỗi SMB có thể mua tối đa 50 giấy phép với mức giá ưu đãi.
- Các SMB phải có không quá 200 nhân viên và phải là công ty đăng ký tại địa phương có hoạt động ở Singapore. Chương trình kéo dài đến ngày 20/11.
- Ngoài ra, EnterpriseSG và AI Singapore (AISG) còn tổ chức các hội thảo đào tạo hướng dẫn SMB triển khai Copilot để nâng cao năng suất. 
- EnterpriseSG cũng hỗ trợ các SMB sẵn sàng tích hợp AI phức tạp hơn hoặc cần ứng dụng AI tùy chỉnh thông qua chương trình "applied AI". Các trường đại học sẽ hợp tác với SMB để xây dựng các ứng dụng AI phù hợp.
- Các sáng kiến này nằm trong nỗ lực của Singapore nhằm giúp các công ty trong nước tiếp cận các ứng dụng AI và phát triển năng lực liên quan để cải thiện hiệu quả hoạt động và thúc đẩy tăng trưởng kinh doanh.
- IMDA cũng mở rộng hợp tác với Microsoft để giúp các tổ chức đã trưởng thành hơn về mặt kỹ thuật số xác định các trường hợp sử dụng và triển khai các ứng dụng GenAI tùy chỉnh của riêng họ.

📌 Singapore đang tích cực thúc đẩy việc áp dụng AI trong cộng đồng doanh nghiệp thông qua nhiều sáng kiến, bao gồm trợ cấp 50% chi phí sử dụng Microsoft Copilot cho SMB, hỗ trợ phát triển ứng dụng AI tùy chỉnh, và hợp tác với Microsoft để tổ chức hội thảo hướng dẫn triển khai GenAI cho hơn 200 doanh nghiệp lớn.

https://www.zdnet.com/article/singapore-smbs-can-now-run-microsoft-copilot-at-a-discount/

- Theo cuộc khảo sát của Gartner với hơn 2.500 CIO, 42% cho biết rào cản lớn nhất trong việc áp dụng AI tạo sinh là thiếu các trường hợp sử dụng có giá trị.
- 27% CIO lo ngại về tính minh bạch và đạo đức của các mô hình AI tạo sinh. 
- 25% cho rằng thiếu kỹ năng nội bộ và chuyên môn về AI là một rào cản.
- 24% gặp khó khăn trong việc xác định và thu thập dữ liệu phù hợp để huấn luyện các mô hình.
- 20% cho biết ngân sách và nguồn lực hạn chế là trở ngại.
- Chỉ 3% CIO triển khai AI tạo sinh vào sản xuất, trong khi 43% đang thử nghiệm hoặc đánh giá công nghệ này.
- Các ứng dụng AI tạo sinh phổ biến nhất là chatbot hỗ trợ khách hàng (38%), tạo nội dung tiếp thị (35%) và phát triển phần mềm (34%).
- Gartner dự đoán đến năm 2025, 30% tất cả các ứng dụng và dịch vụ mới sẽ kết hợp một số dạng AI tạo sinh.

📌 Mặc dù AI tạo sinh đang thu hút sự chú ý đáng kể, cuộc khảo sát của Gartner cho thấy đa số các tổ chức vẫn đang gặp khó khăn trong việc nhận ra giá trị thực sự từ công nghệ này. 42% CIO cho biết thiếu các trường hợp sử dụng thiết thực là rào cản hàng đầu, trong khi các lo ngại về đạo đức, kỹ năng và nguồn lực cũng đang cản trở việc áp dụng rộng rãi AI tạo sinh trong doanh nghiệp.

Citations:
[1] https://www.ciodive.com/news/generative-ai-adoption-barrier-project-value/716504/

- Chỉ 11% công ty áp dụng AI tạo sinh ở quy mô lớn. Để tạo ra giá trị kinh doanh, cần tái cấu trúc cách làm việc và xây dựng nền tảng công nghệ có thể mở rộng.
- 7 sự thật khó khăn mà CIO cần biết để đưa AI tạo sinh lên quy mô lớn:
1. Loại bỏ nhiễu, tập trung vào tín hiệu: CIO cần loại bỏ các thử nghiệm không hiệu quả, tập trung nguồn lực vào các vấn đề kinh doanh quan trọng.
2. Tích hợp các thành phần quan trọng hơn từng thành phần riêng lẻ: Thách thức nằm ở việc điều phối sự tương tác và tích hợp giữa các mô hình, cơ sở dữ liệu, thư viện lời nhắc và ứng dụng ở quy mô lớn. Tự động hóa đầu cuối là rất quan trọng.
3. Kiểm soát chi phí trước khi chúng nhấn chìm bạn: Chi phí quản lý thay đổi chiếm khoảng 75% tổng chi phí dự án AI tạo sinh. Chi phí vận hành lớn hơn chi phí xây dựng. Tối ưu hóa chi phí là một quá trình liên tục.
4. Kiềm chế sự phát triển quá mức của công cụ và công nghệ: Các công ty cần giảm số lượng cơ sở hạ tầng và công cụ để triển khai quy mô lớn khả thi. Cần xây dựng cơ sở hạ tầng và ứng dụng linh hoạt để dễ dàng chuyển đổi nhà cung cấp hoặc mô hình.
5. Tạo ra các đội ngũ có thể xây dựng giá trị, không chỉ là mô hình: Cần có đội ngũ đa dạng kỹ năng để đưa AI tạo sinh vượt ra ngoài chức năng CNTT và tích hợp vào hoạt động kinh doanh. Cần có cấu trúc quản trị để đảm bảo tuân thủ các quy trình rủi ro.
6. Lấy dữ liệu đúng, không cần dữ liệu hoàn hảo: Đầu tư vào nền tảng dữ liệu và gắn nhãn có mục tiêu có tác động lớn đến chất lượng câu trả lời của AI tạo sinh.
7. Tái sử dụng mã nguồn: Mã có thể tái sử dụng có thể tăng tốc độ phát triển các trường hợp sử dụng AI tạo sinh lên 30-50%. Các công ty hiệu suất cao có xu hướng xây dựng nền tảng AI tạo sinh chiến lược để tái sử dụng.

- Có 3 cách tiếp cận chính để sử dụng AI tạo sinh:
+ Taker: Các công ty sử dụng phần mềm AI tạo sinh có sẵn từ các nhà cung cấp bên thứ ba như GitHub Copilot hay Salesforce Einstein để đạt được mục tiêu của trường hợp sử dụng.
+ Shaper: Các công ty tích hợp các khả năng AI tạo sinh riêng bằng cách kỹ thuật lời nhắc, tập dữ liệu và kết nối với hệ thống nội bộ để đạt được mục tiêu của trường hợp sử dụng.
+ Maker: Các công ty tự tạo ra các mô hình ngôn ngữ lớn (LLM) của riêng mình bằng cách xây dựng các tập dữ liệu lớn để đào tạo trước các mô hình từ đầu. Ví dụ như OpenAI, Anthropic, Cohere và Mistral AI.
- Các công ty hiệu suất cao có xu hướng xây dựng nền tảng AI tạo sinh chiến lược để tái sử dụng trên nhiều trường hợp sử dụng. Họ đầu tư vào dữ liệu chất lượng cao, gắn nhãn có mục tiêu và phát triển các tài sản có thể tái sử dụng như mã, công cụ, framework.
- Để xây dựng nền tảng AI tạo sinh chiến lược, cần có một đội ngũ đa dạng kỹ năng bao gồm: Chủ sở hữu nền tảng, kỹ sư DevOps, kiến trúc sư đám mây, nhà khoa học dữ liệu, kỹ sư dữ liệu, lập trình viên full-stack, kiến trúc sư giải pháp/dữ liệu, kỹ sư độ tin cậy trang web, DataOps.

📌 Để tạo ra giá trị đột phá từ AI tạo sinh, các công ty cần khai thác công nghệ này ở quy mô lớn. Điều này đòi hỏi CIO không chỉ thừa nhận 7 sự thật khó khăn mà còn sẵn sàng hành động để dẫn dắt doanh nghiệp tiến lên. Các công ty hiệu suất cao có xu hướng xây dựng nền tảng AI tạo sinh chiến lược, đầu tư vào dữ liệu chất lượng cao và phát triển các tài sản có thể tái sử dụng để tăng tốc triển khai lên 30-50%. Hầu hết các công ty sẽ sử dụng kết hợp cách tiếp cận Taker để nhanh chóng tiếp cận dịch vụ hàng hóa và Shaper để xây dựng năng lực độc quyền trên các mô hình nền tảng. Tuy nhiên, các sáng kiến AI tạo sinh có giá trị cao nhất thường dựa vào cách tiếp cận Shaper. Để xây dựng nền tảng AI tạo sinh chiến lược, cần có một đội ngũ đa dạng kỹ năng từ chủ sở hữu nền tảng đến các chuyên gia kỹ thuật.

Citations:
[1] https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/moving-past-gen-ais-honeymoon-phase-seven-hard-truths-for-cios-to-get-from-pilot-to-scale#/

- **Lãnh đạo không hiểu rõ cách nhân viên sử dụng AI và sự sẵn sàng của họ.** Gần một nửa (44%) các giám đốc nhân sự (CHRO) không biết tần suất nhân viên sử dụng AI trong công việc.
- **Sự thiếu hiểu biết này làm xói mòn lòng tin giữa lãnh đạo và nhân viên.** 70% nhân viên Mỹ không bao giờ sử dụng AI trong công việc, chỉ 10% sử dụng AI hàng tuần hoặc thường xuyên hơn.
- **Nhân viên tự tin hơn về khả năng sử dụng AI so với đánh giá của lãnh đạo.** 47% nhân viên cảm thấy sẵn sàng sử dụng AI, trong khi chỉ 16% CHRO tin rằng nhân viên của họ sẵn sàng.
- **Sự thiếu tin tưởng vào AI ở cấp độ xã hội.** Chỉ 10% người Mỹ tin rằng AI mang lại nhiều lợi ích hơn là hại, và 79% không tin rằng doanh nghiệp sẽ sử dụng AI một cách có trách nhiệm.
- **Sự lo ngại về việc AI sẽ giảm số lượng công việc.** 75% người Mỹ tin rằng AI sẽ giảm số lượng công việc trong thập kỷ tới, và 72% CHRO tin rằng điều này sẽ xảy ra trong ba năm tới.
- **Có sự lạc quan về tiềm năng của AI.** 93% CHRO tin rằng AI sẽ giảm khối lượng công việc và 61% tin rằng AI sẽ giúp nhân viên tập trung vào các hoạt động chiến lược hơn.
- **Chỉ 12% lãnh đạo doanh nghiệp và 14% nhân viên tin rằng công việc của họ sẽ bị loại bỏ trong năm năm tới do công nghệ mới, tự động hóa, robot hoặc AI.**
- **Khi nhân viên cảm thấy được chuẩn bị tốt để sử dụng AI, họ có khả năng tin rằng AI có thể cải thiện công việc của họ cao hơn 67%.** 47% nhân viên cảm thấy đã được đào tạo đầy đủ để sử dụng công nghệ AI.
- **Ba khuyến nghị để cân bằng giữa kiểm soát và tin tưởng trong việc áp dụng AI:**
  - **Đo lường và quản lý việc sử dụng AI trong tổ chức.** Thu thập thông tin về các công nghệ và ứng dụng AI đang được triển khai và cách nhân viên sử dụng chúng.
  - **Tạo lòng tin bằng cách trao quyền cho quản lý.** Quản lý ảnh hưởng đến 70% sự gắn kết của đội ngũ và có thể đảm bảo chiến lược AI hỗ trợ mục tiêu của tổ chức.
  - **Sử dụng chiến lược AI dựa trên mục đích, không phải dựa trên quy tắc.** Chiến lược AI nên được liên kết với mục đích của tổ chức để đạt được hiệu quả và hiệu suất mong muốn.

📌 Nghiên cứu của Gallup cho thấy lãnh đạo không hiểu rõ cách nhân viên sử dụng AI và sự sẵn sàng của họ, gây ra sự thiếu tin tưởng. Để cân bằng giữa kiểm soát và tin tưởng, lãnh đạo cần đo lường việc sử dụng AI, trao quyền cho quản lý và áp dụng chiến lược AI dựa trên mục đích.

Citations:
[1] https://hbr.org/2024/05/research-what-companies-dont-know-about-how-workers-use-ai

- Sự kiện AI Impact Tour của VentureBeat đã đến San Francisco, tập trung vào ứng dụng thực tế của AI tạo sinh và những gì cần thiết để triển khai sáng kiến AI tạo sinh.
- Các doanh nghiệp đang chuyển từ giai đoạn thử nghiệm, hình thành ý tưởng sang giai đoạn tích hợp sức mạnh của AI tạo sinh với dữ liệu quan trọng của doanh nghiệp và đưa vào sản xuất.
- Một mô hình trưởng thành AI đang xuất hiện, cho thấy các công ty đang chuyển từ các dự án đơn lẻ sang các sáng kiến kinh doanh AI quan trọng, mang lại lợi ích lớn và khía cạnh chuyển đổi.
- AI tạo sinh hữu ích cho nhiều trường hợp sử dụng, từ back office đến front office, website công khai và di động. Các tổ chức đang xây dựng ứng dụng kiến thức, tìm cách truy xuất kiến thức một cách tương tác trong bối cảnh phù hợp.
- Đối với các ứng dụng đòi hỏi nhiều tùy chỉnh dữ liệu, như trong lĩnh vực y tế hoặc tài chính, các giải pháp có sẵn không còn phù hợp. Cần xây dựng ứng dụng RAG (tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài) tùy chỉnh dựa trên tài sản dữ liệu cốt lõi.
- Khi chuyển sang giai đoạn sản xuất, các doanh nghiệp gặp phải hai vấn đề chính: tính phù hợp của kết quả và chi phí sản xuất. Tìm cách đưa ra kết quả phù hợp và sạch sẽ đã tốn kém, sau đó cần xác định chi phí sản xuất.
- Không phải tất cả các lỗi và thiếu liên quan từ hệ thống AI đều là "hallucination". RAG là một quá trình xử lý ngôn ngữ tự nhiên kết hợp AI dựa trên truy xuất kiến thức với AI tạo sinh, giúp giảm đáng kể khả năng xảy ra hallucination.
- RAG cũng là cách để đưa dữ liệu công ty thời gian thực một cách chính xác, an toàn và bảo mật vào mô hình tại thời điểm suy luận. Sự kết hợp giữa mô hình và cơ sở dữ liệu sẽ còn tồn tại lâu dài.

📌Sự chuyển đổi từ thử nghiệm sang triển khai thực tế AI tạo sinh đang diễn ra mạnh mẽ. Các doanh nghiệp cần vượt qua thách thức về tính phù hợp và chi phí sản xuất. Kỹ thuật RAG đóng vai trò quan trọng trong việc giảm thiểu hallucination và tích hợp dữ liệu thời gian thực vào mô hình AI một cách an toàn và bảo mật.

https://venturebeat.com/ai/ai-impact-tour-how-companies-are-going-from-ideation-to-real-world-implementation/

- Sundar Pichai cho rằng Google đang ở giai đoạn sớm nhất trong cuộc đua AI và có nhiều thời gian để giành chiến thắng, mặc dù đã bỏ lỡ thời điểm chatbot bùng nổ.

- Google đã mắc sai lầm với công cụ tạo ảnh Gemini do cố gắng hạn chế sự thiên vị của AI, và đang xây dựng lại hoàn toàn tính năng này.

- Pichai cho rằng hình thức tìm kiếm tốt nhất sẽ kết hợp giữa câu trả lời dạng tường thuật và các liên kết, đáp ứng đa dạng nhu cầu của người dùng.

- Quảng cáo trong kết quả tìm kiếm đóng vai trò quan trọng với doanh thu 300 tỷ USD hàng năm của Alphabet. Pichai tin rằng các nguyên tắc cơ bản về quảng cáo sẽ vẫn đúng trong thời đại AI.

- Thách thức lớn cho các công cụ tìm kiếm là phân loại và hiển thị nội dung do AI tạo ra một cách phù hợp, tránh làm sai lệch thông tin.

- Pichai cho rằng việc các mô hình AI tự học hỏi từ dữ liệu tổng hợp do chính AI tạo ra có thể dẫn đến những đột phá nghiên cứu hữu ích.

- Ông bác bỏ những chỉ trích về phong cách lãnh đạo quá thận trọng, cho rằng cần xây dựng sự đồng thuận để tạo ra tác động tối đa.

- Google đã cắt giảm nhân sự và sa thải các kỹ sư biểu tình để tập trung vào sứ mệnh AI trong bối cảnh cạnh tranh gay gắt với Microsoft.

📌 Pichai khẳng định Google có cơ hội to lớn phía trước với AI, bất chấp những thách thức từ vụ kiện chống độc quyền và sự cạnh tranh từ Microsoft. Ông tin rằng tập trung vào sứ mệnh và xây dựng sự đồng thuận nội bộ sẽ giúp Google duy trì vị thế dẫn đầu trong lĩnh vực tìm kiếm và AI, với doanh thu quảng cáo 300 tỷ USD/năm.

Citations:
[1]https://www.bloomberg.com/news/articles/2024-05-08/video-alphabet-ceo-sundar-pichai-lays-out-google-s-ai-roadmap

- Theo báo cáo State of Service mới nhất của Salesforce, 83% nhà ra quyết định dự đoán sẽ tăng đầu tư vào trí tuệ nhân tạo (AI) trong năm tới.
- Nghiên cứu toàn diện này khảo sát hơn 5.500 chuyên gia dịch vụ trên toàn cầu, bao gồm các nhà ra quyết định, nhân viên vận hành, đại lý dịch vụ và chuyên gia dịch vụ di động.
- Báo cáo chỉ ra xu hướng khách hàng mong muốn dịch vụ tốt hơn, nhanh hơn và được cá nhân hóa theo nhu cầu riêng. 82% đại lý và 76% nhân viên di động ghi nhận sự gia tăng này.
- Mặc dù việc áp dụng AI diện rộng vẫn còn sơ khai, 93% chuyên gia dịch vụ tại các tổ chức đầu tư vào AI đã chứng kiến việc tiết kiệm thời gian trong công việc.
- Các tổ chức ngày càng chuyển sang sử dụng AI và tự động hóa vì nhiều lợi ích: loại bỏ quy trình thủ công, nâng cao hiệu quả, kết nối các bộ phận, giảm lỗi và chuẩn bị cho các dự án mới.
- 92% lãnh đạo phân tích và IT thừa nhận nhu cầu ngày càng tăng về dữ liệu đáng tin cậy.
- Hơn 90% tổ chức áp dụng AI báo cáo tiết kiệm chi phí và thời gian. 5 trường hợp sử dụng AI hàng đầu trong dịch vụ bao gồm trợ lý thông minh tương tác khách hàng, tóm tắt tự động...

📌 Báo cáo State of Service của Salesforce cho thấy 83% nhà ra quyết định tại các tổ chức dịch vụ dự kiến tăng đầu tư AI trong năm tới. Khảo sát 5.500 chuyên gia dịch vụ toàn cầu, báo cáo nhấn mạnh xu hướng dịch vụ khách hàng nhanh, cá nhân hóa và lợi ích của AI như tiết kiệm thời gian (93%), chi phí (90%) cùng 5 trường hợp sử dụng hàng đầu.

Citations:
[1] https://www.zdnet.com/article/83-of-decision-makers-at-service-organizations-are-increasing-their-ai-investments/

- Red Hat giới thiệu RHEL AI, một nền tảng mô hình nền tảng đa năng để phát triển và chạy các mô hình ngôn ngữ nguồn mở, cùng với InstructLab, một dự án cộng đồng cho phép các chuyên gia tinh chỉnh mô hình AI.
- CEO Matt Hicks nhấn mạnh cam kết nguồn mở và cách tiếp cận hybrid của Red Hat, cho rằng AI không khác biệt cơ bản so với các ứng dụng, cần huấn luyện ở một số nơi và chạy ở những nơi khác, đồng thời trung lập với cơ sở hạ tầng phần cứng.
- Red Hat có kinh nghiệm lâu năm trong tối ưu hóa hiệu suất trên nhiều stack phần cứng khác nhau như Nvidia, AMD, Intel và Gaudi.
- Cách tiếp cận nguồn mở của Red Hat đảm bảo khách hàng giữ quyền sở hữu IP của mình khi làm việc với công ty.

📌 Red Hat đang dẫn đầu cuộc cách mạng dân chủ hóa AI trong doanh nghiệp với RHEL AI và InstructLab, kết hợp sức mạnh của nguồn mở, tối ưu đa nền tảng và bảo vệ IP khách hàng, hứa hẹn mang AI tạo sinh đến nhiều tổ chức hơn bao giờ hết.

Citations:
[1] https://venturebeat.com/ai/red-hat-unveils-rhel-ai-and-instructlab-to-democratize-enterprise-ai/

- Theo khảo sát mới nhất của Gartner trên 644 tổ chức, tỷ lệ doanh nghiệp tích hợp AI vào nhiều quy trình kinh doanh tăng từ 13% năm 2021 lên 28% năm 2022.
- Khoảng 49% tổ chức được khảo sát cho biết thách thức chính là xác định và nhận ra giá trị từ các sáng kiến dựa trên AI. 
- Gartner xác định 5 kết quả kinh doanh tiềm năng mà AI có thể hỗ trợ: tăng trưởng doanh thu, tối ưu hóa chi phí, giảm rủi ro, nâng cao trải nghiệm khách hàng và cải thiện năng suất nhân viên.
- Chỉ 9% tổ chức được khảo sát có quy trình AI trưởng thành. Các tổ chức này có cách tiếp cận hệ thống để xây dựng và triển khai dự án AI, bao gồm giám sát mô hình AI và thực hiện chương trình quản lý thay đổi.
- Sử dụng GenAI được nhúng trong các ứng dụng hiện có như Microsoft Copilot cho 365 hoặc Adobe Firefly là phương pháp phổ biến nhất để đáp ứng các trường hợp sử dụng GenAI.

📌 Khảo sát của Gartner cho thấy việc triển khai AI đang gia tăng mạnh mẽ trong doanh nghiệp, với 28% tích hợp AI vào nhiều quy trình. Tuy nhiên, chỉ 9% có quy trình AI trưởng thành và 49% gặp khó khăn trong việc nhận ra giá trị từ AI.

Citations:
[1] https://www.computerweekly.com/news/366583348/Gartner-Few-organisations-have-mature-AI-processes

- Generative AI đang được các đội ngũ trong các công ty áp dụng để thúc đẩy năng suất và sáng tạo lên tầm cao mới. Marketer sử dụng AI tạo sinh để tạo ra hành trình khách hàng cá nhân hóa. Designer dùng công nghệ này để kích thích brainstorm và lặp lại giữa các bố cục nội dung nhanh hơn.

- Tương lai của công nghệ rất thú vị, nhưng có thể có hệ lụy nếu các đổi mới này không được xây dựng một cách có trách nhiệm. CIO của Adobe nhận được nhiều câu hỏi từ cả đội ngũ nội bộ và các nhà lãnh đạo công nghệ khác về cách AI tạo sinh có thể mang lại giá trị thực sự cho người lao động tri thức ở quy mô doanh nghiệp.

- Adobe vừa là nhà sản xuất vừa là người tiêu dùng công nghệ AI tạo sinh, nên câu hỏi này rất cấp thiết với họ ở cả hai khía cạnh. CIO của các công ty lớn có vị thế độc đáo để trả lời câu hỏi này vì có cái nhìn sâu rộng về các đội ngũ khác nhau trong tổ chức.

- Bài viết tập trung vào 3 cách cụ thể mà AI tạo sinh đã và đang giúp nhân viên của Adobe làm việc thông minh hơn và cải thiện năng suất trong lĩnh vực tài liệu số:

1. Rút ngắn thời gian tiếp cận kiến thức: 
- Nhân viên sử dụng AI Assistant để thu hẹp khoảng cách giữa hiểu biết và hành động đối với các tài liệu lớn, phức tạp. 
- Công cụ AI tạo sinh tự động tạo tóm tắt để giúp người đọc nhanh chóng nắm bắt nội dung. 
- Giao diện hội thoại cho phép nhân viên "trò chuyện" với tài liệu và đưa ra danh sách câu hỏi gợi ý.

2. Tự động hóa các tác vụ lặp đi lặp lại:
- Nhân viên sử dụng AI tạo sinh để tự động hóa các tác vụ tạo nội dung lặp đi lặp lại như viết email, báo cáo trạng thái, ghi chú cuộc họp.
- Công cụ AI có thể tạo bản nháp ban đầu dựa trên các mẫu và dữ liệu có sẵn, giúp tiết kiệm thời gian và công sức.
- Nhân viên có thể tập trung vào việc chỉnh sửa, cá nhân hóa nội dung thay vì phải bắt đầu từ con số 0.

3. Mở rộng khả năng sáng tạo:
- AI tạo sinh giúp nhân viên khám phá ý tưởng và giải pháp mới cho các thách thức trong công việc.
- Công cụ AI có thể đề xuất các ý tưởng dựa trên thông tin đầu vào, kích thích sự sáng tạo của con người.
- Nhân viên có thể sử dụng AI để tạo ra nhiều phiên bản khác nhau của một ý tưởng, sau đó lựa chọn và tinh chỉnh phiên bản tốt nhất.

📌Nhờ áp dụng AI tạo sinh vào quy trình làm việc, nhân viên Adobe có thể tiếp cận kiến thức nhanh hơn, tự động hóa các tác vụ tẻ nhạt và mở rộng không gian sáng tạo. Kết quả là năng suất và chất lượng công việc được cải thiện đáng kể, giúp Adobe duy trì vị thế tiên phong trong lĩnh vực công nghệ.

Citations:
[1] https://www.technologyreview.com/2024/05/08/1092147/the-top-3-ways-to-use-generative-ai-to-empower-knowledge-workers/

- Theo khảo sát mới của Oliver Wyman với 400 lãnh đạo cấp C ở châu Âu và châu Mỹ, 70% công ty đã triển khai hoặc lên kế hoạch áp dụng công nghệ AI, chi trung bình 2,2% doanh thu hàng năm.
- Để tận dụng tối đa AI tạo sinh, doanh nghiệp cần chọn đúng người lãnh đạo, chấp nhận sự phức tạp để chuyển đổi tổ chức, xây dựng mô hình quản trị mới, cải thiện đào tạo và đạt được những chiến thắng nhanh để khuyến khích sự ủng hộ rộng rãi.
- Lãnh đạo phải có niềm tin mạnh mẽ rằng tổ chức và đội ngũ lãnh đạo sẵn sàng thay đổi cách vận hành kinh doanh hàng ngày.
- Khi mở rộng quy mô chuyển đổi, cần có cách tiếp cận mới, kỹ năng và nguồn lực mới. Lãnh đạo phải quản lý sự cân bằng giữa đổi mới từ dưới lên và chỉ đạo từ trên xuống.
- Quản lý cần liên tục đánh giá lại cách quản trị năng lực AI tạo sinh. Kiểm soát hiệu quả đòi hỏi sử dụng cẩn thận các nguyên tắc thiết kế lấy con người làm trung tâm.
- 98% nhân viên nói họ sẽ cần đào tạo lại hoặc nâng cao kỹ năng về AI tạo sinh trong 5 năm tới. Đào tạo phải liên tục và bao gồm làm việc trên các dự án thực tế.
- Áp dụng AI cho các lĩnh vực dễ và ghi điểm thắng lợi sớm, các nhà quản lý có thể chỉ ra thành công cụ thể khi thuyết phục cho những chuyển đổi lớn hơn trong tương lai.

📌 Doanh nghiệp cần có lãnh đạo phù hợp, mô hình quản trị mới, tư duy toàn diện và bắt đầu với những chiến thắng nhanh để chuyển đổi thành công sang AI tạo sinh. Khảo sát của Oliver Wyman cho thấy 70% công ty đã hoặc đang lên kế hoạch áp dụng AI, chi trung bình 2,2% doanh thu. Các chuyển đổi tập trung vào cắt giảm chi phí thường thành công hơn. Chỉ 4% chuyển đổi do IT dẫn dắt thành công, so với 61% do các đơn vị kinh doanh và IT cùng lãnh đạo.

https://www.weforum.org/agenda/2024/05/5-strategies-to-make-the-generative-ai-transformation-a-business-success/

- Fulcrum Digital ra mắt nền tảng Ryze, hướng đến việc giảm bớt các rào cản về chi phí và mô hình giá phức tạp cho doanh nghiệp vừa và nhỏ trong việc áp dụng AI tạo sinh.
- Ryze tích hợp các thư viện nguồn mở như OpenCV, lớp OCR do Google Tesseract cung cấp, tầm nhìn máy tính, LLMs và tìm kiếm ngữ nghĩa, phục vụ giải pháp cho 6 ngành công nghiệp.
- Mô hình giá dựa trên bits của Ryze cho phép doanh nghiệp chỉ trả tiền cho lượng dữ liệu xử lý chính xác, tăng tính minh bạch và khả năng mở rộng.
- Ryze sử dụng các phương pháp huấn luyện hiệu quả, kỹ thuật hợp nhất mô hình như nội suy tuyến tính cầu và "model soups", giúp kết hợp sức mạnh của nhiều mô hình đã được huấn luyện trước mà không cần huấn luyện lại từ đầu.
- Nền tảng này phù hợp với cả việc triển khai quy mô doanh nghiệp và dự án cá nhân, khác biệt so với các nền tảng như IBM Watson và Microsoft Azure, chú trọng vào khách hàng doanh nghiệp với giải pháp cụ thể cho ngành.
- Ryze tập trung vào sáu ngành chính: dịch vụ tài chính, bảo hiểm, sản phẩm tiêu dùng, công nghệ thực phẩm, giáo dục đại học và thương mại điện tử.
- Trong ngành bảo hiểm, Ryze đã được sử dụng để "số hóa các yêu cầu đã được che khuất và trích xuất dữ liệu từ hóa đơn", đạt "trên 95% độ chính xác trong việc phân loại đồ nội thất thông qua các động cơ xử lý hình ảnh và tài liệu".
- Công nghệ của Ryze bao gồm thị giác máy tính, OCR, LLMs, một động cơ tìm kiếm ngữ nghĩa, và các thành phần phụ như một trình tạo LLM mã thấp cho chatbots tương tác và một giao diện để tự động chọn LLM phù hợp dựa trên truy vấn.
- Nền tảng hoàn toàn được xây dựng trên công nghệ nguồn mở, phản ánh tầm nhìn của Sachin Panicker, người ủng hộ mạnh mẽ việc sử dụng nguồn mở.
- Ryze hứa hẹn không chỉ thúc đẩy việc áp dụng AI trong các doanh nghiệp Ấn Độ mà còn hỗ trợ mục tiêu lớn hơn là biến Ấn Độ thành cường quốc AI.

📌 Ryze của Fulcrum Digital đánh dấu bước tiến quan trọng trong việc làm cho AI tạo sinh trở nên dễ tiếp cận và tiết kiệm cho doanh nghiệp vừa và nhỏ. Với mô hình giá dựa trên bits, phương pháp huấn luyện hiệu quả và sự tập trung vào giải pháp cho các ngành cụ thể, Ryze không chỉ giúp giảm bớt các rào cản về chi phí và kỹ thuật mà còn mở ra cơ hội mới cho việc áp dụng AI một cách rộng rãi.

https://analyticsindiamag.com/fulcrum-digitals-ryze-knocks-down-barriers-to-genai-adoption-for-smbs/

- Nabil Bukhari cho rằng nhiều công ty đang tự làm khó mình khi nghĩ rằng phải thay đổi toàn bộ văn hóa, nâng cao kỹ năng của mọi người và làm sạch dữ liệu thì mới có thể áp dụng AI. Điều này khiến họ bị tụt hậu.

- Thay vào đó, ông đề xuất bắt đầu bằng cách xác định những thứ muốn tăng tốc bằng AI. Các use case này rất rõ ràng và có tiêu chí thành công cụ thể.

- Khi bắt đầu bằng việc tăng tốc, cơ hội thành công cao hơn. Qua đó, năng lực và sự tự tin vào AI tăng lên, niềm tin vào AI cũng tăng lên.

- Quan trọng nhất là tạo ra giá trị ngay từ đầu, dù là giá trị nhỏ. Điều này sẽ biện minh cho việc đầu tư thêm vào AI sau này.

- Hãy tìm thứ muốn tăng tốc, tìm ra một hoặc hai use case đơn giản, rồi bắt đầu từ đó. Học hỏi và cải thiện dần.

📌 Giám đốc Công nghệ Extreme Networks khuyên các công ty nên bắt đầu hành trình AI bằng cách xác định các use case đơn giản để tăng tốc, qua đó tạo giá trị sớm và học hỏi dần thay vì cố gắng thay đổi toàn bộ văn hóa công ty ngay từ đầu.

Citations:
[1] https://www.rcrwireless.com/20240502/featured/create-value-from-the-start-what-makes-a-successful-ai-strategy

- Lamini, một công ty khởi nghiệp đang xây dựng nền tảng AI tạo sinh cho doanh nghiệp, đã huy động được 5,1 triệu đô la trong vòng gây quỹ hạt giống.
- Vòng gây quỹ do Basis Set Ventures dẫn đầu, với sự tham gia của các nhà đầu tư thiên thần như CEO Dropbox Drew Houston và CEO Figma Dylan Field.
- Lamini đang phát triển một nền tảng cho phép các doanh nghiệp tích hợp các mô hình ngôn ngữ lớn vào quy trình làm việc và ứng dụng hiện có của họ.
- Nền tảng của Lamini sẽ cung cấp các công cụ để xây dựng và triển khai các ứng dụng AI tạo sinh, cũng như quản lý dữ liệu và đào tạo mô hình.
- Lamini nhắm đến thị trường doanh nghiệp, với mục tiêu giúp các công ty tận dụng sức mạnh của AI tạo sinh để cải thiện hiệu quả và đổi mới.
- Công ty tin rằng việc tích hợp AI tạo sinh vào các ứng dụng doanh nghiệp sẽ trở thành xu hướng quan trọng trong tương lai.
- Lamini được thành lập bởi CEO Dávid Karich, người trước đây từng làm việc tại Apple và Microsoft, và CTO Jozef Karich.
- Công ty hiện có trụ sở tại Bratislava, Slovakia và San Francisco, Mỹ.

📌 Lamini, một công ty khởi nghiệp xây dựng nền tảng AI tạo sinh cho doanh nghiệp, đã gây quỹ được 5,1 triệu đô la từ Basis Set Ventures cùng các nhà đầu tư thiên thần như CEO Dropbox và Figma. Lamini nhắm đến việc tích hợp các mô hình ngôn ngữ lớn vào quy trình làm việc và ứng dụng hiện có, với tầm nhìn AI tạo sinh sẽ trở thành xu hướng quan trọng trong tương lai của các ứng dụng doanh nghiệp.

- Stardog, công ty chuyên về quản lý tri thức, ra mắt Karaoke, giải pháp large language model (LLM) triển khai tại chỗ, không gây ảo giác cho doanh nghiệp.
- Karaoke tích hợp dữ liệu nội bộ của doanh nghiệp với các nguồn tri thức đáng tin cậy như Wikipedia, PubMed, SEC filings và hơn 100 nguồn khác.
- Giải pháp này giúp doanh nghiệp tạo ra các ứng dụng AI an toàn, tuân thủ và hữu ích, tránh các vấn đề về ảo giác và an ninh mạng.
- Karaoke sử dụng kỹ thuật retrieval augmented generation, kết hợp các mô hình ngôn ngữ lớn với cơ sở tri thức có cấu trúc để tạo ra văn bản chính xác và đáng tin cậy.
- Các tính năng của Karaoke bao gồm: tùy chỉnh mô hình, tích hợp dữ liệu, kiểm soát nội dung, triển khai đa dạng và khả năng mở rộng.
- Karaoke có thể được triển khai trên cloud hoặc tại chỗ, đáp ứng các yêu cầu về quyền riêng tư, bảo mật và tuân thủ của doanh nghiệp.
- Giải pháp này nhắm đến các ngành như tài chính, bảo hiểm, chăm sóc sức khỏe, sản xuất và chính phủ, nơi cần sự chính xác và tuân thủ cao.
- Karaoke đã được thử nghiệm bởi một số đối tác của Stardog và sẽ được mở rộng trong những tháng tới.

📌Stardog, công ty chuyên về quản lý tri thức, ra mắt Karaoke, giải pháp large language model (LLM) triển khai tại chỗ, không gây ảo giác cho doanh nghiệp. Tạo ra các ứng dụng AI an toàn, chính xác và tuân thủ bằng cách tích hợp dữ liệu nội bộ với hơn 100 nguồn tri thức đáng tin cậy.

- Các ứng dụng AI tạo sinh thú vị như tạo hình ảnh hay viết văn bản đang thu hút sự chú ý, nhưng tương lai thực sự của công nghệ này nằm ở các ứng dụng doanh nghiệp ít hấp dẫn hơn.
- Các doanh nghiệp đang tích hợp AI vào quy trình làm việc để tự động hóa các nhiệm vụ nhàm chán, cải thiện hiệu quả và năng suất.
- Ví dụ, một công ty bảo hiểm sử dụng AI để xử lý 30.000 email mỗi ngày, tiết kiệm 34.000 giờ làm việc mỗi năm. Ngân hàng dùng chatbot AI để trả lời các câu hỏi của khách hàng.
- Các công ty như Anthropic đang phát triển các hệ thống AI an toàn, đáng tin cậy để triển khai trong doanh nghiệp. Adept AI Labs tạo ra các trợ lý ảo thực hiện nhiệm vụ như một con người.
- Thị trường ứng dụng AI doanh nghiệp được dự báo đạt 31 tỷ USD vào năm 2025, tăng từ 16 tỷ USD năm 2022. Gartner ước tính 70% các tổ chức sẽ sử dụng các ứng dụng AI vào năm 2030.
- Tuy nhiên, việc triển khai AI trong doanh nghiệp cũng đặt ra nhiều thách thức như đào tạo nhân viên, tích hợp vào hệ thống hiện có, đảm bảo an toàn và đáng tin cậy.

📌 Tương lai của AI tạo sinh nằm ở các ứng dụng "không hấp dẫn" trong doanh nghiệp, tự động hóa quy trình làm việc, tiết kiệm hàng nghìn giờ lao động. Thị trường này được dự báo đạt 31 tỷ USD vào năm 2025 với 70% doanh nghiệp áp dụng AI, bất chấp những thách thức về triển khai và đảm bảo độ tin cậy.

- Bài học 1: Cân nhắc kỹ lưỡng giữa triển khai AI trên đám mây và on-premise. Đám mây mang lại khả năng mở rộng, sức mạnh tính toán lớn và tiết kiệm chi phí, nhưng cũng có nhược điểm như chi phí cao hơn và phụ thuộc vào nhà cung cấp. Đám mây hybrid có thể là giải pháp.

- Bài học 2: Khi phát triển các ứng dụng Gen AI, việc truy cập và chuẩn bị dữ liệu nội bộ để sử dụng AI có thể là một thách thức, đặc biệt khi phần lớn dữ liệu nằm trên các hệ thống cũ. Cần có chiến lược để xử lý vấn đề này.

- Bài học 3: Đảm bảo độ tin cậy của AI là rất quan trọng, đặc biệt với các hoạt động then chốt như quản lý chuỗi cung ứng. Sự ảo giác và khiếm khuyết của Gen AI có thể gây ra sự không chắc chắn. Cần liên tục cải thiện mô hình, làm sạch dữ liệu và so sánh với hiện trạng.

- Bài học 4: Tích hợp AI vào các hệ thống, quy trình và luồng công việc hiện có của doanh nghiệp là một thách thức lớn. Cần có kế hoạch rõ ràng để chuyển đổi từ từ, tránh gây xáo trộn hoạt động.

- Bài học 5: Đào tạo và nâng cao kỹ năng cho nhân viên là yếu tố then chốt để triển khai AI thành công. Cần giúp nhân viên hiểu về AI, cách sử dụng công cụ mới và thích ứng với sự thay đổi trong công việc.

📌 5 bài học để triển khai AI thành công: cân nhắc kỹ đám mây hay tại chỗ (on-premise), xử lý thách thức dữ liệu nội bộ, đảm bảo độ tin cậy, tích hợp với hệ thống cũ và đào tạo nhân viên. Áp dụng các chiến lược phù hợp sẽ giúp doanh nghiệp vượt qua những rào cản và tận dụng tối đa tiềm năng của AI.

https://techmonitor.ai/tech-monitor-events/the-hidden-complexities-of-deploying-ai-in-your-business

- MongoDB công bố chương trình MongoDB for AI Applications, cung cấp bộ công cụ và tài nguyên để xây dựng ứng dụng AI trên nền tảng dữ liệu MongoDB.
- Chương trình bao gồm bản xem trước kỹ thuật của Atlas, công cụ lập chỉ mục véc-tơ, giúp truy vấn và tìm kiếm dữ liệu hiệu quả hơn cho các ứng dụng AI.
- MongoDB cũng cung cấp tài liệu hướng dẫn, mẫu code, hướng dẫn triển khai và đào tạo để giúp các nhà phát triển xây dựng ứng dụng AI.
- Các ứng dụng AI đòi hỏi khả năng lưu trữ và truy xuất dữ liệu phi cấu trúc, đa dạng với hiệu suất cao, điều mà MongoDB đáp ứng tốt.
- Gần 70% khách hàng doanh nghiệp của MongoDB sử dụng nền tảng này cho các dự án AI, machine learning.
- Chương trình mới hỗ trợ các trường hợp sử dụng như tìm kiếm tri thức, gợi ý nội dung, phân tích quan điểm.
- Cơ sở dữ liệu véc-tơ Atlas giúp đơn giản hóa việc xây dựng các ứng dụng AI như chatbot, công cụ hỗ trợ quyết định, hệ thống gợi ý.
- Tính năng Atlas Search cải thiện việc tìm kiếm văn bản cho các ứng dụng như tìm kiếm tài liệu, phân tích quan điểm.
- MongoDB cung cấp khả năng mở rộng linh hoạt, hiệu suất cao và tính sẵn sàng cho các ứng dụng AI quy mô lớn.

📌 MongoDB giới thiệu chương trình MongoDB for AI Applications, cung cấp công cụ, tài nguyên và hướng dẫn để xây dựng ứng dụng AI trên nền tảng dữ liệu MongoDB, hỗ trợ các trường hợp sử dụng như tìm kiếm tri thức, gợi ý nội dung, phân tích quan điểm với khả năng mở rộng và hiệu suất cao.

Citations:
[1] https://venturebeat.com/ai/mongodb-unveils-ai-application-program-for-enterprise/

- Anthropic đã ra mắt trợ lý AI Claude trên Microsoft Teams và ứng dụng iOS, hướng tới đối tượng doanh nghiệp.
- Claude hỗ trợ nhiều ngôn ngữ như tiếng Anh, Pháp, Đức, Tây Ban Nha, Nhật Bản, Hàn Quốc và sắp tới là tiếng Trung.
- Tích hợp sâu vào các quy trình làm việc và ứng dụng như Slack, Notion, Gmail, Google Docs, v.v.
- Tuân thủ các tiêu chuẩn bảo mật cao nhất như SOC 2 Type 2, HIPAA và GDPR.
- Anthropic cam kết không sử dụng dữ liệu khách hàng để đào tạo mô hình.
- Người dùng có thể truy cập Claude trên điện thoại thông qua ứng dụng iOS.
- Claude có khả năng hỗ trợ các tác vụ như tóm tắt, viết lách, lập trình, phân tích dữ liệu và trả lời câu hỏi.
- Doanh nghiệp có thể triển khai Claude một cách an toàn, bảo mật và có thể mở rộng quy mô.
- Anthropic đang phát triển các tính năng mới như tùy chỉnh nhân vật, đào tạo và tinh chỉnh mô hình.

📌 Anthropic đã ra mắt trợ lý AI Claude trên Microsoft Teams và ứng dụng iOS, mang đến giải pháp AI an toàn, đa ngôn ngữ và có thể mở rộng quy mô cho doanh nghiệp. Claude tích hợp sâu vào quy trình làm việc, tuân thủ các tiêu chuẩn bảo mật cao nhất và hỗ trợ nhiều tác vụ như tóm tắt, viết lách, lập trình và phân tích dữ liệu.

Citations:
[1] https://venturebeat.com/ai/anthropic-claude-teams-and-ios-app-the-secure-scalable-solution-for-enterprise-ai-adoption/

- Trong kỷ nguyên trực quan, khái niệm về sáng tạo đang được định nghĩa lại. AI tạo sinh đang thay đổi cách mọi người thể hiện sự sáng tạo.
- AI giúp mọi người tự tin hơn khi đảm nhận các công việc sáng tạo mà trước đây họ chưa từng thử. Nó cũng đưa sự sáng tạo vào các công việc hàng ngày đơn giản như gửi email.
- 97% người được khảo sát trong Báo cáo Marketing và AI của Canva thoải mái với sự trỗi dậy của AI tạo sinh vì nó giúp họ bỏ lại những công việc tẻ nhạt.
- Đội ngũ 4.500 người của Canva đã tận dụng AI trong công việc hàng ngày, như tóm tắt các buổi động não, dịch tài liệu sang nhiều ngôn ngữ.
- Trong 6 tháng qua, hơn 1.000 nhân viên HubSpot đã sử dụng Canva như một mô hình "sáng tạo tự phục vụ", tạo ra hơn 1.000 tài sản.
- Công ty Obvious Brand Partners đã sử dụng AI của Canva để tạo chiến dịch gây quỹ cho Alzheimer's New Zealand, thu về gấp 4 lần số tiền thông thường.
- Trong 6 tháng tới, các nhà lãnh đạo doanh nghiệp sẽ phải tìm cách nâng cao kỹ năng cho lực lượng lao động và triển khai AI an toàn. Kỹ năng chỉnh sửa sẽ trở nên rất có giá trị.
- 94% giám đốc CNTT được khảo sát có kế hoạch tăng chi tiêu cho AI trong năm nay. Canva cam kết trao quyền cho các doanh nghiệp biến mọi nhân viên trở thành nhà thiết kế.

📌 Canva và HubSpot nhận thấy AI tạo sinh đang mở ra cơ hội to lớn để nâng tầm sáng tạo trong mọi ngành nghề. Với 97% người dùng thoải mái với AI và 94% giám đốc CNTT tăng đầu tư, năm 2024 là thời điểm then chốt để AI chứng minh giá trị thực sự trong doanh nghiệp. Canva đang nỗ lực cung cấp các công cụ AI giúp mọi nhân viên trở thành nhà thiết kế.

Citations:
[1]https://www.canva.com/newsroom/news/canva-generative-ai

- Atlassian, công ty phát triển các công cụ hợp tác cho nhóm, đã giới thiệu Rovo - một công cụ khám phá kiến thức sử dụng AI.
- Rovo giúp nhân viên tìm kiếm thông tin từ nhiều nguồn dữ liệu khác nhau của công ty như Google Drive, Confluence, Jira và Trello.
- Công cụ này sử dụng các mô hình ngôn ngữ lớn và công nghệ tìm kiếm tri thức để hiểu ngữ cảnh truy vấn và cung cấp kết quả phù hợp.
- Rovo hỗ trợ hơn 30 ngôn ngữ và có thể tích hợp với các ứng dụng khác của Atlassian như Jira Service Management và Confluence.
- Công ty đã thử nghiệm Rovo với hơn 500 khách hàng và nhận được phản hồi tích cực về khả năng cải thiện năng suất và tiết kiệm thời gian.
- Rovo sẽ được tích hợp vào các sản phẩm của Atlassian và cũng có thể được truy cập thông qua trình duyệt và ứng dụng di động.
- Atlassian tin rằng Rovo sẽ giúp các nhóm làm việc hiệu quả hơn bằng cách giảm thời gian tìm kiếm thông tin và tăng cường chia sẻ kiến thức.

📌 Atlassian đã giới thiệu Rovo, một công cụ khám phá kiến thức sử dụng AI, giúp nhân viên tìm kiếm thông tin từ nhiều nguồn dữ liệu của công ty. Với khả năng hỗ trợ hơn 30 ngôn ngữ và tích hợp với các ứng dụng của Atlassian, Rovo hứa hẹn cải thiện đáng kể năng suất và hiệu quả làm việc của các nhóm.

Citations:
[1] https://venturebeat.com/ai/atlassian-introduces-rovo-an-ai-powered-knowledge-discovery-tool-for-the-enterprise/

- Amazon vừa công bố chatbot AI dành cho doanh nghiệp có tên Amazon Q đã chính thức có sẵn rộng rãi.
- Q cho phép các doanh nghiệp xây dựng trợ lý ảo tùy chỉnh của riêng mình mà không cần kiến thức chuyên sâu về AI. 
- Chatbot này tích hợp với nhiều dịch vụ của Amazon như S3 để lưu trữ dữ liệu, Kendra để tìm kiếm thông tin và SageMaker để huấn luyện mô hình.
- Q hỗ trợ nhiều ngôn ngữ như tiếng Anh, Tây Ban Nha, Pháp, Đức, Ý, Nhật và Hàn.
- Người dùng có thể tương tác với chatbot thông qua giao diện trò chuyện tự nhiên, giúp tiết kiệm thời gian và công sức.
- Một số khách hàng lớn như Twilio, Intuit, Esri đã sử dụng Q trong giai đoạn beta và đánh giá cao tính năng cũng như sự dễ dàng triển khai của nó.
- Amazon Q cạnh tranh trực tiếp với các nền tảng xây dựng chatbot khác như Microsoft Azure và Google Cloud.
- Giá sử dụng Q dao động từ 0,25 USD đến 2 USD cho 1.000 yêu cầu, tùy thuộc vào mô hình ngôn ngữ được chọn.