SongAI

- Giá cổ phiếu của Chegg, dịch vụ giáo dục trực tuyến, đã giảm 99% trong vòng 4 năm qua do ChatGPT cung cấp dịch vụ hỗ trợ bài tập miễn phí thay thế dịch vụ gia sư ảo của công ty

- Stack Exchange (sở hữu Stack Overflow) bị ảnh hưởng nặng nề:
  * Lượng truy cập hàng tháng giảm 50% trong 2 năm qua
  * Sa thải 1/3 nhân viên qua 2 đợt trong năm 2023
  * 40% lập trình viên chuyển sang sử dụng trợ lý AI như Github Copilot

- RWS, công ty dịch thuật, chịu tác động:
  * Doanh thu giảm 4% trong 6 tháng tính đến tháng 3/2024
  * Lợi nhuận giảm 16%
  * Giá cổ phiếu giảm 57% kể từ khi ChatGPT ra mắt
  * CEO Ian El-Mokadem thông báo từ chức vào năm 2025

3 bài học cho doanh nghiệp:

- Ngành có chi phí sai sót thấp dễ bị tác động bởi AI hơn (như viết code, dịch thuật, làm bài tập)

- Doanh nghiệp có nguy cơ cao khi AI có thể thực hiện công việc mà không cần tùy chỉnh nhiều

- Đổi mới sáng tạo là chìa khóa sống còn, như trường hợp Duolingo:
  * Ra mắt tính năng chat video với nhân vật AI tên Lily
  * Giá cổ phiếu tăng 6% sau khi công bố tính năng mới
  * Được thị trường đánh giá là người thắng cuộc trong cuộc đua AI

📌 3 công ty Chegg, Stack Exchange và RWS là những nạn nhân đầu tiên của AI tạo sinh với mức sụt giảm doanh thu và cổ phiếu nghiêm trọng. Tuy nhiên, Duolingo cho thấy đổi mới sáng tạo có thể biến thách thức thành cơ hội khi giá cổ phiếu tăng 6% nhờ tích hợp AI độc đáo.

https://www.economist.com/business/2024/11/20/what-chatgpts-corporate-victims-have-in-common

• Doanh nghiệp đang đổ xô đầu tư vào AI, dự kiến chi tiêu hàng năm đạt 60 tỷ USD cho các mô hình AI vào năm 2026. Tuy nhiên, doanh thu từ AI chỉ dự kiến đạt khoảng 20 tỷ USD/năm vào thời điểm đó.

• Khoảng 75% sáng kiến AI không thành công. Nghiên cứu chỉ ra rằng việc áp dụng ồ ạt công nghệ AI vào các mô hình kinh doanh và quy trình cũ sẽ không dẫn đến thành công.

• Việc áp dụng AI vào mô hình kinh doanh cũ không tạo ra lợi thế cạnh tranh, mà chỉ củng cố các quy trình cũ. Các nhà lãnh đạo doanh nghiệp cần đánh giá lại và cập nhật mô hình kinh doanh trước khi tích hợp AI.

• AI dựa trên dữ liệu lịch sử có thể không đáng tin cậy trong môi trường kinh doanh toàn cầu không thể dự đoán và luôn thay đổi. Các mô hình dựa trên toán học đều sụp đổ khi đại dịch xảy ra.

• Kiến thức chuyên môn và hiểu biết sâu sắc về môi trường của người lao động có kinh nghiệm là rất cần thiết. Họ can thiệp khi phân tích kỹ thuật số không đủ, giống như phi công kiểm soát trong những tình huống bất thường.

• Lợi thế thuộc về người biết khi nào nên dựa vào trực giác. Đó là sự khác biệt giữa người ra quyết định giỏi và người ra quyết định xuất sắc.

• Khi AI trở nên phổ biến, các công ty cần phát triển kỹ năng con người mới trong lực lượng lao động của họ. Lợi thế cạnh tranh mới đến từ "kỹ năng giao tiếp giữa con người", "sáng tạo của con người" và "mối quan hệ cá nhân".

• Các kỹ năng con người được coi là quan trọng nhất hiện nay là kỹ năng giao tiếp: giải quyết xung đột cơ bản, giao tiếp, tách biệt cảm xúc và thực hành chánh niệm. Những kỹ năng độc đáo của con người này đang khan hiếm và có thể cần đào tạo.

• Khi AI đảm nhận nhiều nhiệm vụ hơn, có nguy cơ kỹ năng bị teo tóp và mất kiến thức. Ngoài việc giữ chân nhân tài có kinh nghiệm, các công ty cần xem xét các con đường phát triển kỹ năng ra quyết định trong nguồn nhân lực của họ.

📌 75% dự án AI doanh nghiệp thất bại do áp dụng công nghệ mới vào mô hình kinh doanh cũ, dữ liệu lịch sử không đáng tin cậy và thiếu kỹ năng con người cần thiết. Lợi thế cạnh tranh đến từ việc cập nhật mô hình kinh doanh, kết hợp AI với chuyên môn của con người và phát triển kỹ năng giao tiếp.

https://fortune.com/2024/10/01/real-reason-75-corporate-ai-initiatives-fail-leadership-tech/

• ChatGPT và các AI khác như Claude, Gemini, Llama đều gặp khó khăn với các bài toán cơ bản, mặc dù có khả năng viết văn xuôi phức tạp.

• Tokenization là một nguyên nhân khiến AI kém toán. Quá trình này chia nhỏ dữ liệu thành các phần, nhưng không hiểu bản chất của số, dẫn đến phá vỡ mối quan hệ giữa các chữ số.

• AI là các hệ thống thống kê, học mẫu từ nhiều ví dụ để đưa ra dự đoán. Với phép nhân 5,7897 x 1,2832, ChatGPT có thể suy ra kết quả kết thúc bằng "4" nhưng sai ở phần giữa.

• Nghiên cứu của GS Yuntian Deng (ĐH Waterloo) cho thấy GPT-4o chỉ đạt độ chính xác dưới 30% với phép nhân trên 4 chữ số.

• Mô hình o1 mới của OpenAI có khả năng "suy luận" tốt hơn, đạt độ chính xác khoảng 50% với phép nhân 9 chữ số.

• GS Deng lạc quan rằng một số loại bài toán như phép nhân cuối cùng sẽ được AI giải quyết hoàn toàn, do đây là nhiệm vụ xác định rõ ràng với thuật toán đã biết.

• Tuy nhiên, hiện tại AI vẫn chưa thể thay thế máy tính bỏ túi trong việc tính toán chính xác.

• Nguyên nhân sâu xa là do AI chưa thực sự hiểu bản chất của số học và các phép tính, mà chỉ dựa vào thống kê và mẫu.

• Việc cải thiện khả năng suy luận của AI như ở mô hình o1 cho thấy tiềm năng nâng cao kỹ năng toán học trong tương lai.

• Tuy nhiên, để AI đạt được khả năng tính toán như con người hoặc máy tính vẫn cần thời gian và những đột phá mới trong kiến trúc mô hình.

📌 ChatGPT và các AI hiện gặp khó với toán học cơ bản do hạn chế trong tokenization và cách học thống kê. Tuy nhiên, mô hình o1 mới đạt độ chính xác 50% với phép nhân 9 chữ số, cho thấy tiềm năng cải thiện trong tương lai.

https://techcrunch.com/2024/10/02/why-is-chatgpt-so-bad-at-math/

• 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

• 108 quốc gia nhỏ đã cùng nhau phát hành Sổ tay AI cho Các Quốc gia Nhỏ nhằm tạo nền tảng trao đổi bài học về triển khai AI.

• Sổ tay được phát triển bởi Cơ quan Phát triển Truyền thông và Thông tin Singapore (IMDA) và Bộ Công nghệ Thông tin và Truyền thông Rwanda.

• Mục tiêu là thu thập phản hồi và chia sẻ kinh nghiệm triển khai AI từ các thành viên của Diễn đàn Kỹ thuật số của Các Quốc gia Nhỏ (FOSS).

• Sổ tay tập trung vào 4 lĩnh vực chính: xây dựng môi trường đáng tin cậy, nguồn nhân lực, phát triển AI và quản trị AI.

• Ví dụ về sáng kiến chuyển đổi số của Phần Lan được đề cập, bao gồm sử dụng AI tạo sinh để cải thiện hiệu quả soạn thảo luật.

• Sổ tay đề xuất khung quản trị để giảm thiểu rủi ro liên quan đến AI và xây dựng niềm tin, bao gồm các nguyên tắc trong và ngoài vòng đời phát triển mô hình AI.

• Nhấn mạnh tầm quan trọng của các công cụ thực tế để đảm bảo hệ thống AI an toàn khi triển khai và sử dụng, bao gồm kiểm thử và đánh giá.

• Khuyến khích sử dụng tài nguyên kiểm thử nguồn mở để giảm rào cản cho người dùng cuối, đặc biệt là về chi phí.

• Đề xuất thành lập cộng đồng thực hành giữa các doanh nghiệp để thảo luận về kiểm thử và đánh giá, tạo điều kiện chuyển giao kiến thức.

• Tham khảo Khung Quản trị Mô hình AI Tạo sinh của Singapore như hướng dẫn giải quyết rủi ro tiềm ẩn trong vòng đời phát triển AI.

• Estonia nhấn mạnh tầm quan trọng của hợp tác và nguồn mở để xây dựng xã hội được hỗ trợ bởi AI.

• Libya chỉ ra sự chênh lệch giữa các quốc gia nhỏ về tiến bộ trong lĩnh vực AI, kêu gọi hợp tác giữa các quốc gia tiên tiến và các nước đang phát triển.

📌 108 quốc gia nhỏ hợp tác phát hành Sổ tay AI nhằm chia sẻ kinh nghiệm triển khai AI toàn cầu. Sổ tay tập trung vào 4 lĩnh vực chính, đề xuất khung quản trị và công cụ thực tế, khuyến khích nguồn mở và hợp tác để giảm chênh lệch phát triển AI giữa các nước.

https://www.zdnet.com/article/small-nations-around-the-world-band-together-to-share-ai-lessons/

• Theo Bloomberg Intelligence, tỷ lệ triển khai các chương trình AI tạo sinh của các công ty đã tăng gấp đôi từ tháng 12/2023 đến tháng 7/2024.

• Tuy nhiên, nghiên cứu của Deloitte cho thấy 70% lãnh đạo doanh nghiệp chỉ đưa được 30% hoặc ít hơn các thử nghiệm AI vào sản xuất.

• Gartner dự đoán 30% dự án AI tạo sinh sẽ bị bỏ rơi sau giai đoạn thử nghiệm vào cuối năm 2025.

• TUI đang sử dụng AI tạo sinh để phân tích dữ liệu và chatbot trong chương trình đào tạo. Họ tập trung vào việc trao quyền cho nhân viên đề xuất các trường hợp sử dụng và đảm bảo con người vẫn tham gia vào quy trình.

• Hastings Direct ứng dụng AI trong bảo hiểm và xử lý yêu cầu của khách hàng. Họ sử dụng machine learning trên Azure để cải thiện mô hình định giá và rủi ro, giúp tăng tốc độ ra thị trường hơn 100% và số lượng thay đổi bảo hiểm tăng gấp 3 lần.

• JP Morgan Chase tập trung vào việc tạo ra dữ liệu nhất quán về mặt ngữ nghĩa để AI có thể hiểu và xử lý chính xác. Họ đã tạo ra định nghĩa chung cho các thuật ngữ kinh doanh trong thị trường tài chính.

• Scania đang khám phá AI tạo sinh thông qua công nghệ AWS, tập trung vào các quy trình hỗ trợ nội bộ. Họ quan tâm đến việc xây dựng nền tảng đáng tin cậy cho AI dựa trên data mesh trên nền tảng Snowflake.

• Eutelsat sử dụng AI để dự đoán sự cố và phân tích nguyên nhân gốc rễ, đặc biệt là dự báo thời tiết ảnh hưởng đến chất lượng dịch vụ vệ tinh. Họ đang thử nghiệm việc kết hợp AI với đồ thị tri thức để trả lời các câu hỏi phức tạp hơn.

• Các công ty đều nhấn mạnh tầm quan trọng của việc quản lý dữ liệu hiệu quả, xác định đúng lĩnh vực ứng dụng và đảm bảo tính nhất quán của dữ liệu để AI có thể hoạt động hiệu quả.

📌 5 công ty hàng đầu đã ứng dụng AI tạo sinh vào phân tích dữ liệu, dịch vụ khách hàng và dự báo. Họ nhấn mạnh tầm quan trọng của dữ liệu chất lượng, xác định đúng use case và sự tham gia của con người. Tốc độ triển khai AI tăng gấp đôi từ 12/2023-7/2024 nhưng 70% lãnh đạo chỉ đưa được 30% thử nghiệm vào sản xuất.

https://www.computerweekly.com/feature/AI-From-exploration-to-production-five-case-studies-on-GenAI-in-action

• Genmab, công ty công nghệ sinh học hàng đầu thế giới, đang tiên phong trong việc phát triển liệu pháp kháng thể thế hệ mới để điều trị ung thư và các bệnh nghiêm trọng khác. Công ty có tham vọng tích hợp AI vào mọi hoạt động.

• Chỉ một tháng sau khi ChatGPT Enterprise ra mắt, Genmab đã triển khai cho 1.000 nhân viên. Hiện nay, họ đã mở rộng chương trình "AI Everywhere" cho gần như toàn bộ 2.000 nhân viên công ty.

• Theo khảo sát gần đây, nhân viên Genmab cho biết ChatGPT Enterprise giúp tiết kiệm trung bình 3,5 giờ mỗi tuần. Nhiều người không thể tưởng tượng làm việc mà không có những khả năng mới này.

• Genmab đã phát triển hơn 100 GPT tùy chỉnh để hỗ trợ nhiều công việc từ soạn thảo tài liệu, tóm tắt tài liệu khoa học đến phân tích dữ liệu đơn giản và nâng cao.

• Với khả năng mới của GPT-4o trong việc xử lý hình ảnh, Genmab có thể thực hiện các tác vụ phức tạp như kiểm tra tài liệu y tế một cách hiệu quả hơn, giúp tiết kiệm thời gian và chi phí đáng kể.

• Công ty đang triển khai dự án sáng tạo sử dụng GPT-4o để tự động hóa việc tạo các tài liệu thử nghiệm lâm sàng như báo cáo nghiên cứu lâm sàng, mô tả an toàn bệnh nhân và đơn xin thuốc mới.

• Genmab đã phát triển AI Translator GPT, một công cụ tiên tiến dịch tài liệu khoa học phức tạp với độ chính xác cao, giúp giảm thời gian dịch từ nhiều tuần xuống còn vài giờ hoặc phút.

• Trung bình mỗi người dùng tại Genmab có 120 cuộc hội thoại với ChatGPT Enterprise mỗi tuần.

• Genmab đã tiến hành đánh giá kỹ lưỡng về bảo mật và tuân thủ quyền riêng tư của OpenAI trước khi triển khai, bao gồm kiểm tra quy trình xử lý dữ liệu, tiêu chuẩn mã hóa và tuân thủ các quy định bảo vệ dữ liệu quốc tế như GDPR.

• Công ty coi trọng mối quan hệ trực tiếp với OpenAI, cho phép họ tiếp cận với các chuyên gia AI hàng đầu và đẩy nhanh khả năng của các giải pháp AI.

📌 Genmab triển khai "AI Everywhere" với ChatGPT Enterprise cho 2.000 nhân viên, tiết kiệm trung bình 3,5 giờ/tuần. Công ty phát triển 100+ GPT tùy chỉnh, tự động hóa nhiều quy trình phức tạp trong nghiên cứu y sinh, đồng thời đảm bảo tuân thủ nghiêm ngặt về bảo mật và quyền riêng tư dữ liệu.

https://openai.com/index/genmab/

• Tricon Steamship Agency ở Gonzales, Louisiana đóng vai trò trung gian giữa các công ty, tàu thuyền và nhà cung cấp trong ngành vận tải biển quốc tế.

• Năm 2021, CEO Mike Brown nhận thấy công ty cần một giải pháp toàn diện thay vì sử dụng nhiều phần mềm riêng lẻ.

• Từ cuối năm 2022, Tricon đã tích hợp AI vào hệ thống với chi phí dưới 6.000 USD/năm, sử dụng IBM watsonx Orchestrate.

• AI giúp tự động hóa các tác vụ như lập hóa đơn và giao tiếp với khách hàng. Các biểu mẫu trước đây mất 4 giờ/tuần nay chỉ còn 30 phút để hoàn thành.

• Tricon quản lý 15 nhân viên, trong đó có những đại lý thế hệ thứ hai với nhiều năm kinh nghiệm trong ngành.

• Việc tích hợp AI ban đầu gây lo ngại cho nhân viên về việc mất việc, nhưng thực tế đã cải thiện công việc của họ.

• AI giúp chuẩn hóa quy trình, giảm thiểu sai sót của con người và cảnh báo khi phát hiện dữ liệu bất thường.

• Nhân viên có thêm thời gian tập trung vào các nhiệm vụ chỉ con người mới làm được như cải thiện quan hệ khách hàng.

• Angela Hood, CEO của ThisWay Global, cho rằng AI phổ biến hơn nhiều người nghĩ và cần thiết cho sự phát triển nghề nghiệp.

• Mục tiêu của việc áp dụng AI là tạo ra môi trường làm việc tốt hơn, không phải để cắt giảm nhân sự.

• Chuyên gia Andrew Schwarz từ LSU khuyến nghị mọi người nên học cách AI hoạt động để đưa ra quyết định sáng suốt hơn.

• Tricon hướng tới mục tiêu dài hạn là tiếp tục sử dụng AI để đơn giản hóa vận tải biển quốc tế, tăng năng suất và tác động tích cực đến nền kinh tế.

📌 Tricon Steamship Agency ở Louisiana đã tích hợp thành công AI vào hoạt động với chi phí dưới 6.000 USD/năm, giúp tự động hóa quy trình, giảm thời gian xử lý công việc từ 4 giờ xuống 30 phút/tuần, cải thiện hiệu quả và môi trường làm việc. Công ty hướng tới mục tiêu đơn giản hóa vận tải biển quốc tế và tác động tích cực đến nền kinh tế.

https://www.theadvocate.com/baton_rouge/entertainment_life/ai-integration-mississippi-steamships/article_1ebb056e-64a8-11ef-a236-c3a5857dd316.html

• Theo nghiên cứu của viện RAND, có tới 80% dự án AI thất bại - gấp đôi tỷ lệ thất bại của các dự án công nghệ khác. Đây là vấn đề nghiêm trọng với ngành công nghiệp AI do chi phí liên quan rất lớn.

• RAND đã phỏng vấn 65 chuyên gia AI và chỉ ra 5 nguyên nhân chính dẫn đến thất bại:

1. Vấn đề cần giải quyết bằng AI không được hiểu rõ hoặc truyền đạt đúng. Lãnh đạo thiếu kỹ năng kỹ thuật chi tiết, trong khi đội ngũ khoa học dữ liệu lại không nắm được bối cảnh kinh doanh đầy đủ.

2. Thiếu dữ liệu đủ để huấn luyện mô hình AI. Dữ liệu thu thập cho mục đích tuân thủ hoặc theo dõi doanh số có thể không phù hợp để đưa vào thuật toán hành vi.

3. Tập trung quá nhiều vào việc sử dụng công nghệ mới nhất thay vì giải quyết vấn đề cụ thể. Không phải mọi vấn đề đều cần giải pháp học máy phức tạp.

4. Thiếu cơ sở hạ tầng để quản lý dữ liệu và triển khai mô hình AI, bao gồm nhân sự có kỹ năng phù hợp và hạ tầng vận hành.

5. Kỳ vọng quá cao về khả năng của AI. Nhiều lãnh đạo mong đợi dự án AI hoàn thành trong vài tuần thay vì nhiều tháng.

• Phương pháp phát triển Agile cũng gặp vấn đề khi áp dụng cho dự án AI:

- Thời gian sprint ngắn không phù hợp với giai đoạn khám phá dữ liệu và thử nghiệm ban đầu có thời lượng không thể dự đoán được của AI.

- Cách diễn giải cứng nhắc quy trình phát triển phần mềm hiện tại hiếm khi phù hợp với nhịp độ của dự án AI.

• Một số giải pháp được đề xuất:

- Hợp tác về dữ liệu để có đủ dữ liệu huấn luyện mô hình.
- Đầu tư vào cơ sở hạ tầng hỗ trợ dự án AI.
- Kiên nhẫn và cam kết dài hạn ít nhất 1 năm để thấy kết quả.
- Hiểu rõ giới hạn của AI và truyền đạt rõ mục đích dự án.
- Tập trung vào vấn đề cần giải quyết và chọn công nghệ phù hợp thay vì chạy theo xu hướng AI.

📌 80% dự án AI thất bại do 5 nguyên nhân chính: hiểu sai vấn đề, thiếu dữ liệu, lạm dụng công nghệ mới, thiếu hạ tầng và kỳ vọng quá cao. Phương pháp Agile cũng gặp khó khăn khi áp dụng cho AI. Cần kiên nhẫn, đầu tư hạ tầng và hiểu rõ giới hạn của AI để tăng tỷ lệ thành công.

https://www.itpro.com/software/development/why-are-so-many-ai-projects-destined-for-failure-inexperienced-staff-poor-technology-and-a-shoehorned-approach-to-agile-development-is-stifling-innovation

• Aleph Alpha, một trong số ít công ty phát triển mô hình ngôn ngữ lớn (LLM) ở châu Âu, đang chuẩn bị rút lui khỏi cuộc đua này theo thông tin từ Bloomberg.

• CEO Jonas Andrulis đã chia sẻ về việc công ty chuyển hướng sang một mô hình kinh doanh rộng hơn, tập trung vào hỗ trợ AI tạo sinh.

• Tuần trước, Aleph Alpha đã ra mắt sản phẩm mới có tên PhariaAI, nhằm hỗ trợ các công ty khác hoặc khu vực công sử dụng các công cụ AI, bất kể công nghệ nền tảng do ai phát triển.

• Andrulis nhận định: "Thế giới đã thay đổi. Chỉ có một LLM châu Âu là không đủ làm mô hình kinh doanh. Nó không thể biện minh cho khoản đầu tư."

• Aleph Alpha đã huy động được 500 triệu USD trong vòng gọi vốn Series B vào tháng 11 năm ngoái.

• Tuy nhiên, công ty phải đối mặt với sự cạnh tranh gay gắt từ các "gã khổng lồ" trong ngành như OpenAI với nguồn tài chính dồi dào hơn nhiều để thúc đẩy phát triển.

• Gần đây hơn, đối thủ Mistral của Pháp cũng đã huy động được nhiều vốn đầu tư hơn, tạo thêm áp lực cạnh tranh cho Aleph Alpha.

• Quyết định chuyển hướng của Aleph Alpha phản ánh thực tế khó khăn mà các công ty AI châu Âu phải đối mặt khi cạnh tranh với các đối thủ có nguồn lực lớn hơn từ Mỹ và Trung Quốc.

• Động thái này cũng cho thấy sự thay đổi trong chiến lược của công ty, từ tập trung vào phát triển LLM sang cung cấp các giải pháp hỗ trợ AI tổng quát cho nhiều đối tượng khách hàng hơn.

• PhariaAI có thể là bước đi quan trọng giúp Aleph Alpha tìm kiếm vị thế mới trên thị trường AI đang phát triển nhanh chóng và cạnh tranh gay gắt.

📌 Aleph Alpha, công ty AI Đức từng huy động 500 triệu USD, chuyển hướng từ phát triển LLM sang hỗ trợ AI tổng quát với sản phẩm PhariaAI. Quyết định này phản ánh thực tế cạnh tranh khốc liệt trong ngành, đặc biệt với các đối thủ lớn như OpenAI và Mistral.

https://techcrunch.com/2024/09/05/german-llm-maker-aleph-alpha-pivots-to-ai-support/

• Theo báo cáo mới của Gartner, các công ty đang "vật lộn" để tìm ra giá trị từ các dự án AI tạo sinh và 1/3 số dự án sẽ bị bỏ rơi.

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

• Ít nhất 30% dự án AI tạo sinh sẽ bị từ bỏ sau giai đoạn thử nghiệm vào cuối năm 2025.

• Chi phí triển khai là áp lực lớn, với khoản đầu tư ban đầu từ 5 triệu USD đến 20 triệu USD.

• Ở mức thấp nhất, sử dụng API AI tạo sinh cho các tác vụ như hỗ trợ lập trình có thể tốn khoảng 100.000-200.000 USD ban đầu và thêm tối đa 550 USD/người dùng/năm.

• Ở mức cao nhất, chi phí tinh chỉnh các mô hình AI nền tảng hoặc xây dựng mô hình tùy chỉnh từ đầu có thể lên tới 5-20 triệu USD ban đầu, cộng thêm 8.000-21.000 USD/người dùng/năm.

• Một số công ty báo cáo đã thấy lợi ích từ công nghệ này như tăng doanh thu, tiết kiệm chi phí và nâng cao năng suất.

• Tuy nhiên, Gartner cảnh báo rằng khó đo lường được lợi ích cụ thể của AI tạo sinh.

• AI tạo sinh đòi hỏi dung sai cao hơn đối với các tiêu chí đầu tư tài chính gián tiếp trong tương lai so với lợi nhuận đầu tư ngay lập tức.

• Ngoài chi phí, các yếu tố có thể khiến dự án AI thất bại bao gồm "kiểm soát rủi ro không đầy đủ" và "dữ liệu kém chất lượng".

• Mối lo ngại về việc từ bỏ dự án trong nghiên cứu này trái ngược với các khảo sát khác cho thấy việc triển khai AI tạo sinh đang tiến triển.

• Một khảo sát gần đây của Bloomberg Intelligence cho thấy tỷ lệ các công ty "đang triển khai" các chương trình "co-pilot" AI tạo sinh đã tăng gấp đôi từ tháng 12 năm ngoái đến tháng 7/2024.

📌 Gartner dự báo 1/3 dự án AI tạo sinh sẽ bị bỏ rơi vào cuối 2025 do chi phí cao (5-20 triệu USD) và khó chứng minh giá trị. Tuy nhiên, một số doanh nghiệp đã thấy lợi ích về doanh thu và năng suất. Việc triển khai AI tạo sinh vẫn đang tăng tốc theo các khảo sát khác.

https://www.zdnet.com/article/a-third-of-all-gen-ai-projects-will-be-abandoned-says-gartner/

• Theo một báo cáo mới, 80% dự án AI thất bại, gấp đôi tỷ lệ thất bại của các dự án công nghệ thông tin không liên quan đến trí tuệ nhân tạo.

• Các công ty đang đầu tư hàng tỷ đô la vào AI và machine learning, bất chấp tỷ suất lợi nhuận thấp và nhiều thất bại.

• RAND Corporation đã phỏng vấn 65 nhà khoa học dữ liệu và kỹ sư có ít nhất 5 năm kinh nghiệm xây dựng mô hình AI/ML để tìm hiểu nguyên nhân.

• Nguyên nhân hàng đầu là các bên liên quan trong ngành thường hiểu sai hoặc truyền đạt sai vấn đề cần giải quyết bằng AI và khả năng thực tế của công nghệ này.

• Sự phổ biến của AI tạo sinh khiến một số lãnh đạo tin rằng việc sử dụng nó có thể thay đổi công ty một cách kỳ diệu, mà không hiểu rõ cách áp dụng, nguồn lực cần thiết và thời gian triển khai.

• Một người được phỏng vấn cho biết "Thường thì các mô hình chỉ đạt được 50% hiệu quả so với tiềm năng" do thay đổi ưu tiên và thời hạn không thực tế.

• Nguyên nhân thất bại thứ hai là tổ chức thiếu dữ liệu cần thiết để đào tạo mô hình AI hiệu quả. "80% công việc AI là xử lý dữ liệu", một người được phỏng vấn nói.

• Vấn đề thứ ba là các nhà khoa học dữ liệu và kỹ sư tập trung vào việc sử dụng phiên bản AI mới nhất và tốt nhất thay vì xem xét liệu nó có giải quyết được vấn đề thực tế của người dùng hay không.

• Hai yếu tố còn lại là tổ chức thiếu cơ sở hạ tầng để quản lý dữ liệu và triển khai mô hình AI hoàn chỉnh, cũng như việc áp dụng AI vào các vấn đề quá khó để giải quyết.

• Ngoài một số ngoại lệ, từ lâu đã có những câu hỏi về ứng dụng thực tế của một số dự án AI. Microsoft đã vội vàng triển khai tính năng AI Recall trong Windows mà không cân nhắc phản ứng của người dùng, dẫn đến việc tính năng này bị chỉ trích dữ dội và phải trì hoãn.

• Các nghiên cứu khác cũng cho thấy kết quả không mấy khả quan cho các doanh nghiệp AI. Chỉ cần đưa "AI" vào mô tả sản phẩm đã khiến chúng kém hấp dẫn hơn đối với người tiêu dùng.

• Một cuộc khảo sát gần đây cho thấy hầu hết mọi người sẽ không trả thêm tiền cho phần cứng có khả năng và tính năng AI.

• Tin tức tồi tệ nhất cho các doanh nghiệp là việc thu lợi nhuận từ đầu tư vào ngành công nghiệp AI đang mất nhiều thời gian hơn dự kiến.

📌 80% dự án AI thất bại, gấp đôi tỷ lệ thất bại của dự án CNTT thông thường. Nguyên nhân chính bao gồm hiểu sai về AI, thiếu dữ liệu và cơ sở hạ tầng. Mặc dù đầu tư hàng tỷ đô, lợi nhuận từ AI vẫn chậm và người tiêu dùng tỏ ra thờ ơ với các sản phẩm có nhãn "AI".

https://www.techspot.com/news/104473-report-reveals-80-ai-projects-fail-doubling-project.html

• AI đang ngày càng phổ biến trong nhiều lĩnh vực, từ trình duyệt web đến đồng hồ thông minh. Tuy nhiên, AI vẫn có những hạn chế, đặc biệt là trong lĩnh vực toán học.

• Các mô hình AI như ChatGPT được thiết kế chủ yếu để xử lý ngôn ngữ tự nhiên (NLP). Chúng được đào tạo bằng một lượng lớn văn bản từ internet, giúp tạo ra các phản hồi giống con người và phù hợp với ngữ cảnh.

• Khả năng hiểu ngôn ngữ làm cho AI trở thành công cụ tuyệt vời để trả lời câu hỏi, viết bài luận hoặc thảo luận về nhiều chủ đề khác nhau. Tuy nhiên, khả năng toán học không phải là trọng tâm chính của AI.

• AI có thể thực hiện các phép toán cơ bản như cộng, trừ, nhân, chia. Tuy nhiên, nó vẫn có thể mắc lỗi, đặc biệt với các số lớn hoặc phức tạp hơn. Điều này là do AI không thực sự tính toán mà chỉ tạo ra câu trả lời dựa trên các mẫu nó nhận ra từ quá trình đào tạo.

• Khi chuyển sang các bài toán phức tạp hơn như đại số và giải tích, những hạn chế của AI trở nên rõ ràng. Các tác vụ này thường đòi hỏi hiểu biết về các nguyên tắc toán học cơ bản và khả năng áp dụng chúng, điều mà các mô hình ngôn ngữ lớn không được đào tạo.

• Độ tin cậy của AI giảm dần khi toán học trở nên phức tạp hơn. Đối với các tác vụ như giải tích đa biến, phương trình vi phân hoặc thống kê nâng cao, phần mềm chuyên dụng như MATLAB hoặc Mathematica, hoặc thậm chí một nhà toán học con người, sẽ phù hợp hơn.

• Mặc dù AI không thể thay thế máy tính hoặc phần mềm chuyên dụng để thực hiện các phép tính chính xác, nó vẫn có thể đóng vai trò hữu ích trong các tác vụ liên quan đến toán học:
- Giúp phân tích và giải thích các khái niệm toán học phức tạp một cách dễ hiểu, trở thành công cụ hữu ích cho việc học tập và dạy kèm.
- Tạo ra các bài toán để học sinh thực hành, mặc dù nên sử dụng phương pháp khác để kiểm tra câu trả lời.
- Hỗ trợ học sinh hoặc chuyên gia viết bài báo liên quan đến toán học bằng cách giúp diễn đạt lý luận và các bước trong một vấn đề, ngay cả khi nó không thực hiện các phép tính.

📌 AI có thể thực hiện các phép toán cơ bản nhưng gặp khó khăn với toán học phức tạp. Mặc dù vậy, AI vẫn hữu ích trong việc giải thích khái niệm, tạo bài tập và hỗ trợ viết về toán học, mở ra tiềm năng ứng dụng trong giáo dục toán.

https://geeksided.com/posts/why-ai-struggles-with-math-understanding-the-limits-of-artificial-intelligence-01j678cfkass

• Các mô hình ngôn ngữ lớn (LLM) như GPT-4 và Claude thường không thể đếm chính xác số lần xuất hiện của chữ cái "r" trong từ "strawberry".

• Nguyên nhân là do cách hoạt động của kiến trúc transformer, nền tảng của hầu hết LLM. Transformer không thực sự "đọc" văn bản mà chuyển đổi nó thành mã hóa số học.

• LLM có thể hiểu "strawberry" là ghép từ "straw" và "berry", nhưng không nhận biết được nó gồm các chữ cái riêng lẻ s-t-r-a-w-b-e-r-r-y.

• Vấn đề này khó khắc phục vì nó nằm trong cốt lõi kiến trúc của LLM. Việc tokenization (phân đoạn từ) cũng gặp khó khăn với nhiều ngôn ngữ không dùng dấu cách giữa các từ.

• Các mô hình tạo hình ảnh như DALL-E sử dụng kiến trúc khác (mô hình khuếch tán), nhưng cũng gặp vấn đề tương tự khi tạo ra các chi tiết nhỏ như ngón tay hay chữ viết tay.

• Mặc dù vậy, AI đang có những tiến bộ đáng kể. OpenAI đang phát triển dự án có tên mã Strawberry, có khả năng tạo dữ liệu tổng hợp chính xác để cải thiện LLM.

• Google DeepMind gần đây công bố AlphaProof và AlphaGeometry 2, có thể giải 4/6 bài toán Olympic Toán quốc tế, đủ để giành huy chương bạc.

• Sự tương phản giữa việc AI không thể đánh vần "strawberry" nhưng lại giải được các bài toán phức tạp cho thấy cách hoạt động khác biệt của AI so với trí tuệ con người.

• Các nhà nghiên cứu đang nỗ lực cải thiện khả năng xử lý ngôn ngữ và hình ảnh của AI, nhưng vẫn còn nhiều thách thức cần vượt qua.

📌 AI hiện đại có thể giải quyết các vấn đề phức tạp nhưng lại gặp khó với những tác vụ đơn giản như đánh vần. Điều này cho thấy sự khác biệt cơ bản giữa cách xử lý thông tin của AI và con người, đồng thời nhấn mạnh nhu cầu cải tiến liên tục trong lĩnh vực này.

https://techcrunch.com/2024/08/27/why-ai-cant-spell-strawberry/

• Kroger, thành lập năm 1883, hiện có gần 2.800 cửa hàng trên 35 bang, là nhà bán lẻ lớn thứ 5 tại Mỹ và đứng thứ 25 trong danh sách Fortune 500.

• Công ty luôn đi đầu trong đổi mới, từ việc cung cấp thực phẩm tươi sống cho mọi người tiêu dùng đến sản xuất nhãn hiệu riêng, giao hàng tạp hóa và kiểm tra chất lượng sản phẩm.

• Năm 1972, Kroger trở thành nhà bán lẻ tạp hóa đầu tiên tại Mỹ thử nghiệm máy quét điện tử. Gần đây họ đã tiên phong với chương trình QueVision, giúp giảm thời gian chờ thanh toán từ vài phút xuống còn vài giây.

• Chương trình khách hàng thân thiết của Kroger đã hoạt động từ nhiều thập kỷ, cung cấp giá trị dựa trên thông tin được cho phép sử dụng.

• Hiện nay, Kroger sử dụng thuật toán học máy để cung cấp ưu đãi và thông tin cá nhân hóa qua 150 triệu điểm tiếp xúc khách hàng và 1,9 tỷ phiếu giảm giá độc đáo cho hàng triệu khách hàng trung thành.

• Todd James, Giám đốc Công nghệ và Dữ liệu tại 84.51° (công ty con của Kroger), giải thích rằng 84.51° giúp Kroger tạo ra trải nghiệm cá nhân hóa và giá trị hơn cho người mua sắm thông qua ứng dụng dữ liệu, phân tích và AI.

• 84.51° sử dụng dữ liệu bán lẻ từ hơn 62 triệu hộ gia đình Mỹ thông qua chương trình thẻ thành viên Kroger Plus để thúc đẩy hành trình tập trung vào khách hàng.

• James có trách nhiệm thúc đẩy chương trình nghị sự AI và dữ liệu doanh nghiệp tại Kroger, tập trung vào việc tạo ra giá trị cho doanh nghiệp từ tài sản dữ liệu.

• Kroger đang sử dụng dữ liệu và phân tích để cá nhân hóa trải nghiệm khách hàng ở mọi khía cạnh của hành trình mua sắm, nhằm mang lại sự thuận tiện và giá trị hơn.

• Công ty phục vụ khoảng 23 triệu hộ gia đình tham gia kỹ thuật số, đưa ra khoảng 500 tỷ đề xuất "bắt đầu giỏ hàng" mỗi năm.

• Kroger đã cải thiện quy trình điền giỏ hàng trực tuyến, giúp hành trình nhanh hơn khoảng 4,5 lần trong vài năm qua.

• Công ty đang sử dụng AI để cải thiện trải nghiệm khách hàng, như phân loại động để giảm thời gian chờ lấy hàng và nâng cao trải nghiệm của nhân viên cửa hàng.

• Giải pháp AI của Kroger có thể sắp xếp 200.000 thùng hàng mỗi giây để tạo ra xe đẩy lấy hàng hiệu quả nhất, giúp giảm 10% số bước đi bằng cách xác định tuyến đường hiệu quả nhất trong cửa hàng.

📌 Kroger đang dẫn đầu trong việc áp dụng dữ liệu và AI để cách mạng hóa ngành bán lẻ tạp hóa. Với 23 triệu hộ gia đình tham gia kỹ thuật số và 500 tỷ đề xuất "bắt đầu giỏ hàng" mỗi năm, công ty đã cải thiện tốc độ mua sắm trực tuyến lên 4,5 lần và giảm 10% số bước đi trong cửa hàng nhờ AI.

https://www.forbes.com/sites/randybean/2024/08/26/how-kroger-is-using-data--ai-to-drive-innovation-in-the-grocery-industry/

• Theo Bank of America, AI sẽ thúc đẩy biên lợi nhuận hoạt động của S&P 500 tăng 200 điểm cơ bản trong 5 năm tới, mặc dù nhiều nhà đầu tư vẫn còn nghi ngờ.

• Trong 5 năm tới, AI dự kiến sẽ giúp các doanh nghiệp tiết kiệm khoảng 55 tỷ USD chi phí, với hơn 90% ngành công nghiệp toàn cầu sẽ mở rộng biên lợi nhuận.

• Các ngành phần mềm, bán dẫn, năng lượng và tiện ích dẫn đầu với mức tăng biên lợi nhuận từ 2,9% đến 5,2%. Doanh thu của một số công ty phần mềm và bán dẫn có thể tăng lần lượt 34% và 25% trong 5 năm tới.

• Bank of America dự đoán các trung tâm dữ liệu sẽ được tự động hóa phần lớn trong 3 năm tới.

• Thời gian dự kiến để đạt được trí tuệ nhân tạo tổng quát (AGI) đã giảm từ 80 năm (năm 2019) xuống còn 8 năm (năm 2023).

• 9 công ty đang sử dụng AI hiệu quả:

1. JP Morgan: Phát triển hơn 400 trường hợp sử dụng AI tạo sinh, dự kiến đạt 800 vào cuối năm 2024.

2. Morgan Stanley: Triển khai chatbot AI hỗ trợ cố vấn tài chính.

3. Visa: Ngăn chặn 40 tỷ USD giao dịch gian lận năm ngoái nhờ công cụ phát hiện gian lận AI.

4. Mastercard: Cũng sử dụng AI để phát triển công cụ phát hiện gian lận.

5. Sweetgreen: Bếp tự động Infinite Kitchen giúp giảm 67% chi phí nhân công và tăng 50% sản lượng.

6. Starbucks: Nền tảng AI Deep Brew tối ưu hóa trải nghiệm khách hàng, quản lý hàng tồn kho và chẩn đoán từ xa các vấn đề thiết bị.

7. Chipotle: Robot AI Autocado hỗ trợ chế biến guacamole.

8. IBM: Nền tảng AI watsonx giúp giảm 30% nhu cầu nhân lực back office và tăng 40% năng suất bộ phận nhân sự.

9. Accenture: Cung cấp dịch vụ tư vấn AI.

• Bank of America tin rằng tiềm năng thực sự của công nghệ AI "khó có thể được định giá đầy đủ" trong thời điểm hiện tại.

📌 AI đang nhanh chóng chuyển đổi hoạt động kinh doanh của nhiều công ty lớn, từ tài chính đến nhà hàng. Với dự báo tăng biên lợi nhuận 200 điểm cơ bản trong 5 năm tới, AI hứa hẹn mang lại giá trị lớn cho các doanh nghiệp và cổ đông, nhanh hơn nhiều so với kỳ vọng của nhà đầu tư.

https://www.businessinsider.com/ai-stocks-upside-boosting-profit-margins-gdp-chipotle-starbucks-bofa-2024-8

• AI tạo sinh đang thử thách quyết tâm của các tổ chức. Việc duy trì kiên định rất quan trọng để thành công.

• Giống như nấu ăn, AI tạo sinh cần thời gian để "ủ" và phát huy hết tiềm năng. Một số sáng kiến AI tạo sinh có thể mất nhiều tháng hoặc nhiều năm mới đạt được kết quả tốt.

• Chuyên gia Benedict Evans lưu ý rằng "tương lai có thể mất một thời gian". Google mất nhiều năm để thành công với quảng cáo tìm kiếm, iPhone mất một thập kỷ để trở thành một hiện tượng.

• Lãnh đạo CNTT cần nhớ rằng chơi trò chơi dài hạn là điều bình thường. Sự kiên nhẫn là đức tính tối quan trọng và doanh nghiệp sẽ được hưởng lợi từ đó.

• AI tạo sinh có rào cản áp dụng thấp. ChatGPT cho phép người dùng bình thường trò chuyện dễ dàng như tìm kiếm Google. Ngày nay, người lao động tri thức sử dụng các dịch vụ AI tạo sinh hàng ngày cho nhiều chức năng kinh doanh.

• Nhờ các mô hình và công cụ nguồn mở, các tổ chức có thể xây dựng dịch vụ AI tạo sinh khả dụng với chi phí dưới 1 triệu USD.

• 43% CEO đang triển khai AI tạo sinh trong tổ chức của họ để thúc đẩy đổi mới sáng tạo.

• Các nhà cung cấp AI tạo sinh chính đang phát triển các mô hình ngôn ngữ nhỏ để chạy trên mọi thiết bị, bao gồm PC và điện thoại thông minh. 

• Khả năng dân chủ hóa đổi mới sáng tạo của AI tạo sinh tạo ra sân chơi bình đẳng cho nhiều cá nhân và tổ chức tham gia.

• Các tổ chức như Northwestern Medicine, Duos Technologies, Thành phố Amarillo và Moderna đang sử dụng AI tạo sinh để tạo ra từ trợ lý kỹ thuật số đến công cụ hỗ trợ hoạt động đường sắt và tính toán liều lượng vắc-xin.

• Để thực hiện giá trị của AI tạo sinh, các tổ chức cần:
- Dữ liệu chất lượng cao để cung cấp cho các dịch vụ AI tạo sinh
- Cơ sở hạ tầng mạnh mẽ với máy chủ và lưu trữ hỗ trợ AI
- Hệ sinh thái mở với các mô hình và công cụ nguồn mở 
- Dịch vụ chuyên nghiệp từ các đối tác đáng tin cậy
- Xác định và ưu tiên các trường hợp sử dụng phù hợp với mục tiêu kinh doanh

📌 AI tạo sinh đang mở ra cơ hội đổi mới cho mọi tổ chức với rào cản thấp. Tuy nhiên, thành công đòi hỏi chiến lược dài hạn, sáng tạo và kiên nhẫn. Xây dựng nền tảng AI vững chắc với dữ liệu chất lượng, cơ sở hạ tầng phù hợp và các trường hợp sử dụng phù hợp là chìa khóa để khai thác tiềm năng của công nghệ này.

https://www.forbes.com/sites/delltechnologies/2024/08/19/generative-ai-keys-to-success-strategy-creativity-and-patience/

- Wipro đã công bố mở rộng hợp tác với Google vào ngày 12 tháng 8 năm 2024, tích hợp các công cụ AI tạo sinh, bao gồm mô hình Gemini cho lực lượng lao động của mình.
- Công ty dự đoán sẽ cải thiện năng suất lên tới 30% khi sử dụng các giải pháp dựa trên AI tạo sinh của Google trong các dự án chuyển đổi số.
- Khách hàng của Wipro đã ghi nhận sự cải thiện về năng suất, độ chính xác và trải nghiệm khách hàng nhờ vào khả năng đa phương thức của mô hình Gemini.
- Mục tiêu của sự hợp tác này là nâng cao năng suất của nhà phát triển, tăng tốc quá trình di chuyển lên đám mây và cung cấp các giải pháp AI tạo sinh.
- Wipro FullStride Cloud Studio sẽ tích hợp khả năng phân tích và lý luận tiên tiến của Gemini vào các nền tảng kinh doanh cốt lõi và các trung tâm đổi mới.
- Wipro sẽ tận dụng khả năng của Google để xây dựng các giải pháp ngành mới thông qua các mô hình Gemini, phát triển các chương trình tiếp cận thị trường chung và tích hợp Gemini Code Assist vào các công cụ nội bộ.
- Công ty cũng sẽ đào tạo nhân viên về công nghệ AI của Google Cloud, bao gồm mô hình Gemini, để hỗ trợ khách hàng doanh nghiệp toàn cầu trong việc triển khai và quản lý các dự án AI.
- Mô hình Gemini cung cấp một cửa sổ ngữ cảnh lên tới 1 triệu token cho khách hàng doanh nghiệp, cùng với các tính năng tiên tiến và tích hợp liền mạch cho các hoạt động của khách hàng.
- Wipro khẳng định rằng với sự tích hợp của Gemini vào nền tảng Wipro FullStride Cloud Studio, họ sẽ tiếp tục giúp khách hàng tận dụng sức mạnh của đám mây và thích ứng với tương lai dựa trên AI.

📌 Wipro mở rộng hợp tác với Google Cloud, tích hợp mô hình Gemini để cải thiện năng suất lên tới 30%. Khách hàng đã thấy sự cải thiện về năng suất và trải nghiệm nhờ vào khả năng của AI tạo sinh. Wipro sẽ đào tạo nhân viên để triển khai các dự án AI hiệu quả hơn.

https://www.moneycontrol.com/technology/wipro-integrates-google-clouds-gen-ai-tools-including-gemini-models-for-employees-article-12794265.html

• 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

• Blue Cross Blue Shield of Michigan (BCBSM) đã chuyển đổi từ công ty sử dụng công nghệ kém hiệu quả nhất thành hiệu quả nhất trong hệ thống Blue Cross, đo lường theo chi phí công nghệ trên mỗi nhân viên.

• BCBSM là công ty bảo hiểm y tế trị giá 36 tỷ USD với hơn 5 triệu thành viên và mạng lưới hơn 37.000 nhà cung cấp dịch vụ.

• 7 năm trước, ban lãnh đạo BCBSM nhận ra cần phải cải tổ cơ sở hạ tầng công nghệ cứng nhắc, lỗi thời để đối phó với sự phức tạp ngày càng tăng mà không làm tăng chi phí.

• Thách thức lớn là BCBSM hoạt động với biên lợi nhuận chỉ 1-1,5% so với 4% của các công ty vì lợi nhuận. Điều này đòi hỏi các cập nhật phải diễn ra từng bước và mang lại giá trị kinh doanh rõ ràng.

• BCBSM đã áp dụng 7 nguyên tắc chính để triển khai AI có trách nhiệm:

1. Đưa hội đồng quản trị vào cuộc: Cung cấp các buổi đào tạo thường xuyên về AI cho HĐQT, liên kết kết quả dự án với mục tiêu kinh doanh tổng thể.

2. Thiết lập hợp tác đa chức năng thực sự và thường xuyên: Nhóm gồm đại diện từ các bộ phận tuân thủ, phân tích, IT, pháp lý, kinh doanh và an ninh mạng họp hàng tuần để giám sát các sáng kiến AI.

3. Đảm bảo truy cập an toàn, có thể mở rộng: Phát triển SecureGPT để kiểm soát truy cập dựa trên vai trò, cung cấp hướng dẫn và ghi lại tất cả tương tác với mô hình ngôn ngữ lớn.

4. Nhận ra tầm quan trọng của kiến trúc: Tạo ra giải pháp dữ liệu đám mây linh hoạt tích hợp dữ liệu từ các đơn vị kinh doanh khác nhau thông qua API.

5. Cung cấp đào tạo liên tục cho nhân viên: Tổ chức các buổi đào tạo thường xuyên về thực hành AI có trách nhiệm.

6. Chống lại sự thiên vị: Phát triển thuật toán kiểm tra thiên vị mô hình và quy trình dữ liệu đào tạo phù hợp.

7. Cung cấp môi trường an toàn cho đổi mới: Sử dụng công ty con NASCO để đầu tư vào công nghệ đổi mới và thử nghiệm mô hình trên tập dữ liệu nhỏ hơn.

• BCBSM đã triển khai thành công hai ứng dụng AI tạo sinh trong các lĩnh vực kinh doanh cốt lõi: BenefitsGPT và ContractsGPT.

📌 BCBSM đã chuyển đổi từ công ty kém hiệu quả nhất thành dẫn đầu về sử dụng AI sáng tạo trong ngành bảo hiểm y tế. Bằng cách ưu tiên an ninh, tuân thủ, kiến trúc hợp lý và quản trị chủ động, họ đã triển khai AI tạo sinh thành công trong môi trường được quản lý chặt chẽ, mở ra tương lai dịch vụ và kết quả tốt hơn cho bệnh nhân.

https://hbr.org/2024/08/how-one-major-healthcare-firm-became-the-leader-in-innovative-ai-use

#HBR

• Học khu Los Angeles Unified đã phải dừng chatbot Ed sau 3 tháng triển khai và chi gần 3 triệu USD. Chatbot này được giới thiệu là có tiềm năng cá nhân hóa hành trình học tập ở mức chưa từng có.

• Tại San Diego, hội đồng trường học không biết về việc học khu mua công cụ AI tự động đề xuất điểm cho bài viết của học sinh. Công cụ này tiết kiệm thời gian cho giáo viên nhưng đôi khi cho điểm sai.

• Các chuyên gia cho rằng những sai lầm này xuất phát từ áp lực ngày càng tăng buộc các nhà giáo dục phải áp dụng AI, đồng thời nhấn mạnh nhu cầu đặt nhiều câu hỏi hơn và khó hơn về các sản phẩm AI trước khi mua.

• Các nhà lãnh đạo giáo dục cần tham gia phân tích phê phán trước khi đưa công cụ AI vào lớp học. Một số hình thức AI như chấm điểm và dự đoán khả năng bỏ học cần được gắn nhãn rủi ro cao.

• Các chuyên gia đề xuất làm việc với các tổ chức đánh giá và chứng nhận công cụ công nghệ giáo dục như Project Unicorn. Các học khu cũng có thể đánh giá hiệu suất công cụ AI trong lớp học với sự trợ giúp của giáo viên am hiểu công nghệ và nhân viên IT nội bộ.

• Các nhà lãnh đạo giáo dục không cần phải là chuyên gia về AI để đánh giá phê phán các tuyên bố về khả năng của AI đối với học sinh hoặc giáo viên. Họ cần biết chính sách của mình, biết mục tiêu khi ký hợp đồng và đặt câu hỏi.

• Việc đánh giá một mô hình AI không chỉ thực hiện một lần. Các phiên bản khác nhau có thể tạo ra kết quả khác nhau, vì vậy đánh giá phải là một quá trình liên tục.

• Thị trường đang gây áp lực buộc các nhà cung cấp công nghệ giáo dục phải đưa AI vào sản phẩm và dịch vụ của họ. Các quỹ cũng gây áp lực buộc các nhà lãnh đạo trường học đưa AI vào chương trình giảng dạy.

• AI có thể mang lại những điều tích cực như giảm kiệt sức cho giáo viên, nhưng các giáo viên và học khu nhỏ sẽ khó theo kịp tốc độ thay đổi. Các tổ chức phi lợi nhuận đáng tin cậy hoặc các quan chức giáo dục tiểu bang nên giúp xác định công cụ AI nào đáng tin cậy.

📌 Hai học khu lớn nhất California đã mắc sai lầm khi áp dụng AI do thiếu đánh giá kỹ lưỡng. Các nhà giáo dục cần thận trọng hơn, đặt câu hỏi chi tiết và tìm kiếm sự trợ giúp từ các chuyên gia bên ngoài trước khi triển khai công nghệ AI trong trường học.

https://www.mercurynews.com/2024/08/06/californias-two-biggest-school-districts-botched-ai-deals-here-are-lessons-from-their-mistakes/

• Google đang phản ứng chậm chạp và bị động trước sự chuyển dịch sang AI tạo sinh, bỏ lỡ cơ hội dẫn đầu cuộc cách mạng này.

• Sản phẩm AI chủ lực Gemini của Google gặp nhiều sai sót nghiêm trọng, tạo ra hình ảnh có sai lệch lịch sử và video demo không được thực hiện theo thời gian thực.

• Google đã từng cách mạng hóa tìm kiếm internet với thuật toán PageRank vào cuối những năm 90, tăng trưởng từ IPO năm 2004 lên mức vốn hóa thị trường 2,3 nghìn tỷ USD hiện nay.

• Các công cụ trả lời dựa trên AI tạo sinh ra đời từ cuối 2022 đang thách thức mô hình tìm kiếm truyền thống của Google.

• 3 lý do chính khiến Google gặp khó trong lĩnh vực AI tạo sinh:

1. Cách tiếp cận "Google Plus":
- Google đang tích hợp kết quả AI vào trang tìm kiếm hiện tại thay vì tạo ra sản phẩm hoàn toàn mới.
- Điều này dẫn đến trải nghiệm người dùng lộn xộn, kết hợp câu trả lời AI với các liên kết truyền thống.

2. Mâu thuẫn với mô hình kinh doanh quảng cáo:
- Google kiếm được 237 tỷ USD doanh thu hàng năm chủ yếu từ quảng cáo tìm kiếm.
- AI tạo sinh có thể làm giảm số lần nhấp chuột vào kết quả tìm kiếm, đe dọa nguồn doanh thu chính của Google.

3. Bỏ lỡ cơ hội mở rộng nội dung web:
- Google không đầu tư đủ vào việc phát triển hệ sinh thái nội dung web trong 20 năm qua.
- Nội dung mới chủ yếu nằm trên các mạng xã hội độc quyền, ngoài tầm với của Google.

• Google đang tái cơ cấu nội bộ và điều chỉnh chiến lược sản phẩm để cạnh tranh trong lĩnh vực AI tạo sinh.

• Công ty đang tận dụng nguồn nhân lực kỹ thuật lớn để phát triển các sản phẩm AI cạnh tranh.

• Tuy nhiên, cuộc đua AI sẽ là một cuộc marathon với nhiều đối thủ cạnh tranh, không phải cuộc chạy nước rút.

📌 Google đang gặp khó khăn trong cuộc đua AI tạo sinh do 3 lý do chính: cách tiếp cận sai lầm, mâu thuẫn với mô hình kinh doanh quảng cáo 237 tỷ USD và thiếu đầu tư vào nội dung web. Công ty đang tái cơ cấu và điều chỉnh chiến lược để bắt kịp các đối thủ mới nổi trong lĩnh vực AI đầy tiềm năng này.

https://www.forbes.com/sites/drektadang/2024/07/30/3-reasons-why-google-is-struggling-in-generative-ai/

- 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

• Microsoft đã chính thức ngừng cung cấp công cụ GPT Builder trong gói đăng ký Copilot Pro vào ngày 10/7/2024.

• Tất cả các GPT tùy chỉnh do Microsoft và người dùng tạo ra đã bị xóa trong khoảng thời gian từ 10/7 đến 14/7/2024.

• Mọi dữ liệu liên quan đến các GPT này cũng đã bị loại bỏ nhằm bảo vệ quyền riêng tư của người dùng.

• GPT Builder của Copilot Pro mới được ra mắt vào giữa tháng 3/2024, chỉ tồn tại được 4 tháng trước khi bị khai tử.

• Công cụ này cho phép người dùng tạo chatbot AI tùy chỉnh mà không cần kỹ năng lập trình, tương tự như GPT Builder của ChatGPT Plus.

• Tuy nhiên, GPT của Copilot Pro chỉ có thể sử dụng riêng tư hoặc chia sẻ với một số người, không thể công khai như ChatGPT Plus.

• Microsoft giải thích rằng họ đang tập trung vào trải nghiệm sản phẩm cốt lõi và chuyển hướng GPT sang các kịch bản thương mại và doanh nghiệp.

• Công ty không cung cấp thêm thông tin về khả năng GPT Builder sẽ có mặt cho khách hàng doanh nghiệp trong tương lai.

• Người dùng đã tạo GPT tùy chỉnh lẽ ra phải sao lưu chúng trước thời hạn, nếu không sẽ mất hết dữ liệu.

• Copilot Pro, ChatGPT Plus và Gemini Advanced đều có mức phí đăng ký 20 USD/tháng.

• Lợi ích chính của Copilot Pro là tích hợp AI vào các ứng dụng Microsoft 365 như Word, Outlook, PowerPoint và Excel.

• Việc ngừng cung cấp GPT Builder có thể là dấu hiệu Microsoft đang mất niềm tin vào phiên bản tiêu dùng của Copilot Pro.

• Trang hỗ trợ của Microsoft cung cấp hướng dẫn cách hủy đăng ký Copilot Pro, điều này có thể ám chỉ xu hướng người dùng rời bỏ dịch vụ.

📌 Microsoft đã ngừng cung cấp GPT Builder cho Copilot Pro sau 4 tháng ra mắt, xóa toàn bộ dữ liệu GPT tùy chỉnh. Công ty chuyển hướng tập trung vào khách hàng doanh nghiệp, gây lo ngại về tương lai của phiên bản tiêu dùng Copilot Pro đang có giá 20 USD/tháng.

https://www.zdnet.com/article/microsoft-scraps-copilot-pro-gpt-builder-and-removes-all-user-data/

• Theo khảo sát toàn cầu của McKinsey năm 2024, 65% tổ chức đang sử dụng AI tạo sinh thường xuyên trong ít nhất một chức năng kinh doanh, tăng từ 1/3 năm ngoái. Tuy nhiên, chỉ 10% công ty thành công trong việc triển khai AI tạo sinh ở quy mô lớn.

• Aamer Baig, đối tác cấp cao tại McKinsey, chia sẻ 7 bài học quan trọng để triển khai AI tạo sinh hiệu quả:

1. Không phải mọi trường hợp sử dụng đều có giá trị ngang nhau. CIO cần tập trung vào các sáng kiến mang lại giá trị kinh doanh thực sự, khả thi về mặt công nghệ và có rủi ro có thể quản lý được.

2. Không chỉ tập trung vào mô hình mà cần chú ý đến toàn bộ hệ thống công nghệ. Ngay cả ứng dụng đơn giản nhất cũng cần 20-30 yếu tố như mô hình ngôn ngữ lớn, dữ liệu, cổng kết nối, kỹ thuật prompt, bảo mật...

3. Quản lý chi phí trước khi chi phí quản lý bạn. Chi phí quản lý thay đổi có thể cao gấp 3 lần chi phí công nghệ. Chi phí bảo trì hệ thống AI tạo sinh có thể ngang bằng chi phí phát triển.

4. Kiểm soát sự gia tăng của công cụ và công nghệ. Cần xác định những lĩnh vực có thể tiêu chuẩn hóa để tăng năng suất của các nhóm.

5. Xây dựng đội ngũ phù hợp. Tổ chức công việc xoay quanh các nhóm sản phẩm và đội ngũ tích hợp, cam kết xây dựng nền tảng.

6. Tập trung vào dữ liệu phù hợp, không nhất thiết phải hoàn hảo. Ưu tiên các lĩnh vực dữ liệu có thể áp dụng cho nhiều trường hợp sử dụng.

7. Tái sử dụng hoặc mất đi. Xây dựng chiến lược tái sử dụng mô hình, prompt, dữ liệu và trường hợp sử dụng để đẩy nhanh thời gian triển khai.

• Khảo sát của McKinsey cho thấy chỉ 15% công ty báo cáo cải thiện lợi nhuận từ các sáng kiến AI tạo sinh.

• Tự động hóa và điều phối là các thành phần quan trọng của hệ sinh thái AI tạo sinh rộng lớn hơn. Tự động hóa từ đầu đến cuối là rất quan trọng để triển khai AI tạo sinh ở quy mô doanh nghiệp.

• Các quyết định lớn ban đầu về lựa chọn nền tảng hoặc quy mô tự động hóa có thể ảnh hưởng đáng kể đến chi phí.

📌 AI tạo sinh có tiềm năng tạo ra tác động kinh tế trị giá 4,4 nghìn tỷ USD. Để khai thác tiềm năng này, doanh nghiệp cần tập trung vào các trường hợp sử dụng có giá trị, xây dựng hệ thống công nghệ toàn diện, quản lý chi phí hiệu quả và tái sử dụng tài nguyên.

https://mitsloan.mit.edu/ideas-made-to-matter/7-lessons-early-days-generative-ai

#MIT

• BCG đang tích cực áp dụng AI, đặc biệt là AI tạo sinh, để cải tiến hoạt động nội bộ và dịch vụ tư vấn. Vlad Lukic, Giám đốc điều hành và Đối tác cấp cao tại BCG, nhấn mạnh AI là yếu tố cơ bản trong chiến lược của công ty.

• BCG đã phát triển enterprise GPT và triển khai cho toàn bộ nhân viên. Công cụ này giúp xử lý và phân tích phỏng vấn nhanh chóng, giảm thời gian từ 2 tuần xuống còn 2-3 ngày. Hơn 3.000 GPT riêng đã được tạo ra để giải quyết các nhiệm vụ cụ thể.

• Gene, một chatbot AI do BCG phát triển, ban đầu được thiết kế làm người dẫn chương trình podcast nhưng nay đã mở rộng ứng dụng, tham gia các sự kiện trực tiếp với khách hàng và thảo luận về tương lai của AI.

• BCG đã tiến hành một thí nghiệm với 750 nhân viên để đo lường tác động của AI tạo sinh. Kết quả cho thấy năng suất tăng 30-40% đối với nhân viên mới và 20-30% đối với chuyên viên tư vấn có kinh nghiệm trong các nhiệm vụ đơn giản.

• Nghiên cứu rộng hơn của BCG về AI tạo sinh cho thấy khoảng 90% người tham gia cải thiện hiệu suất khi sử dụng AI cho việc sáng tạo ý tưởng. Tuy nhiên, khi áp dụng vào giải quyết vấn đề kinh doanh phức tạp, nhiều người tin tưởng vào kết quả sai lệch, dẫn đến hiệu suất giảm 23%.

• BCG đã triển khai nhiều biện pháp bảo vệ để giảm thiểu rủi ro liên quan đến AI. Chuyên gia con người xem xét các thông tin do AI tạo ra, và quy trình làm việc được thiết kế để đảm bảo giám sát liên tục.

• Công ty áp dụng cách tiếp cận kép trong việc triển khai AI: sáng kiến từ trên xuống xác định các quy trình chính có thể hưởng lợi từ AI, trong khi đổi mới từ cơ sở cũng được khuyến khích.

• Lukic dự đoán trong vòng một thập kỷ, 50% công việc hiện tại sẽ được tự động hóa thông qua AI, cho phép các chuyên viên tư vấn tập trung hơn vào quản lý thay đổi và thúc đẩy áp dụng trong tổ chức khách hàng.

• BCG khuyến nghị các CEO không nên chờ đợi mà bắt đầu giải quyết các vấn đề và xây dựng cấu trúc quản trị cần thiết ngay từ bây giờ. Đồng thời, tập trung vào việc xây dựng năng lực nội bộ thay vì thuê ngoài hoàn toàn việc triển khai AI.

📌 BCG đang dẫn đầu cuộc cách mạng AI trong ngành tư vấn với enterprise GPT và trợ lý AI Gene. Năng suất tăng 40% cho nhiệm vụ đơn giản, 3.000 GPT riêng được tạo ra. Dự kiến 50% công việc sẽ tự động hóa trong 10 năm tới, đòi hỏi chuyên viên tư vấn phải thích nghi và phát triển kỹ năng mới.

https://www.forbes.com/sites/bernardmarr/2024/07/10/how-bcg-is-revolutionizing-consulting-with-ai-a-case-study/

• 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

• Theo khảo sát của Thomson Reuters, chỉ 12% nhân viên cổ cổ đang sử dụng AI tạo sinh và 11% có kế hoạch sử dụng. 81% cho rằng AI có thể áp dụng cho công việc nhưng chỉ 54% tin rằng nên sử dụng.

• Các lo ngại chính về AI bao gồm: phản hồi không chính xác, rủi ro bảo mật dữ liệu, quyền riêng tư và bảo mật thông tin, tuân thủ pháp luật, sử dụng có đạo đức và trách nhiệm.

• Mary Alice Vuicic, Giám đốc nhân sự Thomson Reuters, nhận định đây là lời kêu gọi các công ty cần chủ động hơn trong việc ưu tiên AI, giúp nhân viên hiểu và thử nghiệm an toàn với công nghệ này.

• Thomson Reuters đã cập nhật các chính sách nội bộ về AI, bao gồm quy tắc ứng xử, đạo đức và hướng dẫn sử dụng an toàn sau khi ChatGPT ra mắt cuối năm 2022.

• Công ty tổ chức Ngày học tập toàn doanh nghiệp vào tháng 4/2023, tập trung vào kiến thức cơ bản về AI và học máy. Hơn 6.000 nhân viên tham gia trực tiếp và hơn 10.000 người xem lại bản ghi buổi AI 101.

• AI nhanh chóng trở thành chủ đề số 1 trong các buổi họp toàn công ty, thay thế cho vấn đề làm việc kết hợp.

• Thomson Reuters tổ chức thêm một Ngày học tập toàn cầu năm 2024, chia sẻ các trường hợp ứng dụng AI nội bộ như kỹ thuật, hỗ trợ khách hàng và quản lý nhân sự.

• Công ty cung cấp đào tạo AI cho tất cả nhân viên cùng nền tảng an toàn để thử nghiệm các công cụ AI như ChatGPT. Nội dung đào tạo khác nhau cho nhân viên kỹ thuật và phi kỹ thuật.

• Sau đào tạo, công ty ghi nhận tăng năng suất, độ chính xác, chất lượng đầu ra, tiết kiệm thời gian và chi phí.

• Vuicic nhấn mạnh tầm quan trọng của đào tạo và trải nghiệm thực tế để giảm bớt lo ngại về AI. Bà cho rằng các công ty cần ưu tiên đào tạo và tiếp xúc với AI để nhân viên bớt do dự.

📌 Thomson Reuters đã thành công trong việc thay đổi nhận thức của nhân viên về AI thông qua chiến lược đào tạo và truyền thông toàn diện. Từ chỉ 12% nhân viên sử dụng AI ban đầu, công ty đã ghi nhận sự tăng trưởng về năng suất và chất lượng công việc sau khi triển khai các chương trình đào tạo AI cho hơn 10.000 nhân viên.

https://fortune.com/2024/07/01/how-thomson-reuters-chief-people-officer-sold-employees-on-ai/

• Các tổ chức thường tập trung vào việc giải quyết "nợ kỹ thuật", nhưng "nợ quy trình" mới là rào cản chính để tận dụng tiềm năng của AI và các công nghệ số.

• "Nợ quy trình" được định nghĩa là sự tích tụ của các cách thức làm việc lỗi thời, cô lập theo chức năng và không kết nối với khách hàng.

• Một công ty hàng tiêu dùng Fortune 50 đã thực hiện chương trình toàn cầu để giải quyết nợ quy trình, dẫn đến:
  - Giảm 70% số lượng báo cáo được tạo ra
  - Giảm 50% chi phí cho các hoạt động báo cáo
  - Tự động hóa thu thập dữ liệu, phân tích và tạo báo cáo
  - Thành lập trung tâm xuất sắc về báo cáo tập trung vào các insights có giá trị
  - Triển khai công cụ báo cáo tương tác theo yêu cầu
  - Giới thiệu công cụ AI hội thoại để trả lời câu hỏi theo yêu cầu

• 5 biện pháp để giải quyết nợ quy trình một cách toàn diện:

1. Lập bản đồ quy trình end-to-end và xác định kết quả rõ ràng:
   - Phân loại quy trình dựa trên sản phẩm hoặc chuỗi giá trị
   - Đánh giá giá trị và sự cần thiết của từng chuỗi giá trị

2. Xác định ai có khả năng tốt hơn để thực hiện mỗi quy trình chính:
   - Thách thức quan điểm về việc nên tự thực hiện hay hợp tác bên ngoài
   - Tích hợp năng lực của đối tác vào quy trình end-to-end

3. Thành lập "nhà máy số" để tái thiết kế quy trình end-to-end:
   - Tập hợp đội ngũ với các kỹ năng như chiến lược sản phẩm, thiết kế, kỹ thuật dữ liệu, khoa học dữ liệu và tự động hóa
   - Phát triển công cụ, đào tạo và mô hình quản trị nhất quán

4. Đào tạo lại nhân viên để hỗ trợ quy trình mới:
   - Thay đổi mô hình hoạt động
   - Nâng cao kỹ năng hoặc đào tạo lại nhân viên
   - Phân bổ lại nhân tài cho các hoạt động tạo giá trị mới

5. Áp dụng tư duy lặp lại và học hỏi:
   - Quản lý chặt chẽ các chương trình để đảm bảo áp dụng đúng và điều chỉnh khi cần
   - Thiết kế lại quy trình trong các sprint ngắn 12-16 tuần
   - Tạo động lực và tư duy lặp lại để học hỏi và tạo giá trị

• Khảo sát của PwC cho thấy 54% công ty đã triển khai AI tạo sinh trong một số lĩnh vực kinh doanh, và 84% lãnh đạo cho rằng việc đạt được giá trị đo lường được từ công nghệ mới là một thách thức.

📌 Giải quyết "nợ quy trình" là chìa khóa để khai thác tiềm năng của AI. Bằng cách tái thiết kế quy trình end-to-end, tổ chức có thể đạt được cải thiện giá trị 50-80%, tập trung vào các hoạt động tạo ra giá trị thực sự và tận dụng tối đa công nghệ mới.

https://hbr.org/2024/06/ai-success-depends-on-tackling-process-debt

#HBR

- Một nghiên cứu gần đây của công ty luật quốc tế DLA Piper, khảo sát 600 lãnh đạo và người ra quyết định từ các tập đoàn toàn cầu, cho thấy những thách thức đáng kể mà doanh nghiệp phải đối mặt khi tích hợp công nghệ AI.

- Mặc dù hơn 40% tổ chức lo sợ mô hình kinh doanh cốt lõi của họ sẽ lỗi thời nếu không áp dụng công nghệ AI, gần một nửa (48%) các công ty đã phải tạm dừng hoặc thu hồi các dự án AI.

- Các lý do chính dẫn đến những trở ngại này bao gồm: lo ngại về quyền riêng tư dữ liệu (48%), các vấn đề liên quan đến quyền sở hữu dữ liệu và khung pháp lý chưa đầy đủ (37%), lo ngại của khách hàng (35%), sự xuất hiện của các công nghệ mới (33%) và lo ngại của nhân viên (29%).

- Bài viết đi sâu vào những thách thức này và cung cấp bình luận của chuyên gia về cách điều hướng bối cảnh phức tạp của việc tích hợp AI.

📌 Gần một nửa dự án AI của doanh nghiệp đang gặp khó khăn và bị bỏ dở do nhiều thách thức như bảo mật dữ liệu (48%), sở hữu dữ liệu (37%), lo ngại của khách hàng (35%) và nhân viên (29%), cho thấy hành trình tích hợp AI đầy chông gai dù tiềm năng cách mạng hóa nhiều lĩnh vực.

https://www.jpost.com/business-and-innovation/article-807391

- Mastercard đã tích hợp liền mạch AI vào các hoạt động cốt lõi, tăng cường cả bảo mật và cá nhân hóa dịch vụ.
- Nền tảng quản lý quyết định của Mastercard cho phép công ty đưa ra quyết định giao dịch phức tạp trong thời gian thực, tăng cường đáng kể khả năng phát hiện và ngăn chặn gian lận. Trong 12 tháng qua, họ đã ngăn chặn hơn 20 tỷ USD gian lận.
- Mastercard sử dụng cơ chế đánh giá 2 tầng để đánh giá cơ hội AI: hội đồng đánh giá AI và đánh giá kỹ thuật sâu sau đó. Hội đồng đánh giá ý định, nguồn gốc dữ liệu và hàm ý đạo đức. Đánh giá kỹ thuật đánh giá khả năng mở rộng, ROI và hiệu quả hoạt động.
- Phương pháp mở rộng quy mô AI của Mastercard liên quan đến xác thực chế độ im lặng, trong đó các kỹ thuật AI mới được thử nghiệm song song với các hệ thống hiện có.
- Mastercard đầu tư mạnh vào đào tạo và nâng cao kỹ năng cho lực lượng lao động, thiết lập các bàn làm việc chuyên biệt cho các vai trò khác nhau.
- Mastercard đã thực hiện một khung quản trị AI toàn diện để giám sát việc sử dụng AI một cách có đạo đức và có trách nhiệm, bao gồm giám sát liên tục, kiểm soát bù đắp và vòng phản hồi.
- Mastercard là thành viên sáng lập của Hội đồng Harvard về Sử dụng AI có Trách nhiệm và đã công bố bản tuyên ngôn quyền về dữ liệu cho người tiêu dùng.
- Mastercard tiếp tục khám phá các công nghệ AI mới như AI tạo sinh và điện toán lượng tử để giải quyết các vấn đề phức tạp vượt quá khả năng của điện toán cổ điển.

📌 Mastercard là một ví dụ điển hình về việc áp dụng AI một cách chiến lược, thông qua khung quản trị được xác định rõ ràng, quy trình đánh giá nghiêm ngặt và cam kết thực hành đạo đức. Cách tiếp cận chủ động và chiến lược này đã giúp họ ngăn chặn hơn 20 tỷ USD gian lận, tăng cường bảo mật và cá nhân hóa dịch vụ, đồng thời duy trì vị thế tiên phong trong đổi mới công nghệ tài chính.

https://www.forbes.com/sites/bernardmarr/2024/06/21/how-mastercard-uses-ai-strategically-a-case-study/

- Pegasystems đã triển khai Pega GenAI Knowledge Buddy, một trợ lý AI tạo sinh cung cấp câu trả lời ngôn ngữ tự nhiên cho các truy vấn của khách hàng.
- Công cụ này, được gọi là "Support Buddy" nội bộ, đã giúp giảm 65% số lượng yêu cầu hỗ trợ mà đội ngũ phải xử lý trong vòng sáu tháng.
- Support Buddy được đào tạo trên tài liệu sản phẩm, hướng dẫn và diễn đàn để tạo ra các câu trả lời và trình bày cho khách hàng.
- Công cụ này tương thích với các ứng dụng gốc của Pega và các công cụ khác thông qua API, cho phép tùy chỉnh để hỗ trợ nhiều lĩnh vực như hỗ trợ khách hàng, nhân sự, tiếp thị, bán hàng và hợp đồng.
- Support Buddy giúp giải quyết các truy vấn đơn giản, giảm tải cho các nhân viên dịch vụ khách hàng và cho phép họ tập trung vào các nhiệm vụ phức tạp hơn.
- Pega nhận thấy rằng Support Buddy đặc biệt hữu ích trong việc quản lý tài khoản, nơi người dùng thường gặp phải các hạn chế về quyền hạn và không rõ lý do.
- Trước khi triển khai Support Buddy, doanh nghiệp nhận được từ 300 đến 450 yêu cầu hỗ trợ loại này mỗi tháng, gây phiền toái cho cả nhân viên và khách hàng.
- Công nghệ này sử dụng kỹ thuật tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài, giúp tránh việc đào tạo và tinh chỉnh mô hình LLM tốn thời gian.
- Support Buddy cung cấp các trích dẫn giống như chú thích chân trang để xác thực thông tin, giúp người dùng kiểm tra lại nếu cần.
- Hệ thống giúp tạo ra các phản hồi cho các truy vấn của khách hàng, loại bỏ nhu cầu viết lại mỗi lần.
- Pega đã tạo ra hơn một tá "Buddy" để giúp nhân viên tìm kiếm thông tin cần thiết bằng ngôn ngữ tự nhiên và nhận phản hồi nhanh chóng.
- Việc triển khai AI tạo sinh cả nội bộ và bên ngoài cùng lúc là một quá trình phức tạp, đòi hỏi chiến lược nội dung tốt để duy trì tính chính xác và phù hợp của thông tin nguồn.
- Vidoni tin rằng các công cụ AI tạo sinh có tiềm năng thay đổi cách quản lý thông tin và trải nghiệm người dùng, giúp đơn giản hóa việc tìm kiếm và tóm tắt thông tin.

📌 Pegasystems đã cải tiến hỗ trợ khách hàng bằng công cụ AI tạo sinh "Support Buddy", giúp giảm 65% số lượng yêu cầu hỗ trợ. Công cụ này cung cấp câu trả lời ngôn ngữ tự nhiên, giúp giải quyết các truy vấn đơn giản và tối ưu hóa quy trình làm việc, đồng thời tạo ra một trải nghiệm người dùng thống nhất và hiệu quả hơn.

https://www.customerexperiencedive.com/news/pegasystems-customer-support-generative-ai/719024/

- Khi ChatGPT ra mắt vào cuối năm 2022, nhiều doanh nghiệp đã cố gắng đưa AI vào mọi thứ, từ chatbot khách hàng đến nhận dạng khuôn mặt trong sân vận động, với mục đích tăng hiệu quả và lợi nhuận.
- Tuy nhiên, báo cáo mới của Lucidworks cho thấy nhiều doanh nghiệp không thấy nhiều lợi ích tài chính từ việc áp dụng sản phẩm AI. 42% công ty chưa thấy lợi ích đáng kể từ các sáng kiến AI tạo sinh.
- Một lý do là 25% các sáng kiến AI chưa được triển khai đầy đủ do nhiều chương trình AI vẫn đang trong giai đoạn thử nghiệm beta và chưa sẵn sàng để sử dụng hàng ngày.
- Các công ty cũng đang cắt giảm mạnh chi tiêu cho sản phẩm AI do lo ngại về bảo mật dữ liệu, sự ảo tưởng và chi phí cao để vận hành các nền tảng này.
- Chỉ 63% công ty có kế hoạch tăng chi tiêu cho sản phẩm AI năm nay, giảm mạnh so với 93% năm ngoái. 36% công ty dự định giữ nguyên chi tiêu cho AI, so với 6% năm trước.
- Nếu theo dõi chu kỳ kỳ vọng Gartner, có vẻ như chúng ta sắp đạt đỉnh "Đỉnh của kỳ vọng thổi phồng" và sẽ rơi xuống dốc đứng bất cứ lúc nào, còn gọi là "Vực sâu của sự thất vọng".
- Điều này khá dễ đoán. Có một khoảng cách lớn giữa số tiền đầu tư đổ vào lĩnh vực này và lợi nhuận thu được. Chúng ta có thể đang ở trong một bong bóng đã xẹp dần.
- Hy vọng rằng thực tế lạnh lùng này sẽ ngăn các CEO đưa ra những dự đoán hào hứng về những gì AI có thể làm và thay vào đó đánh giá những gì nó thực sự có thể làm ngay bây giờ.

📌 Báo cáo của Lucidworks cho thấy 42% công ty chưa thấy lợi ích đáng kể từ các sáng kiến AI tạo sinh. Nhiều dự án AI vẫn đang trong giai đoạn thử nghiệm beta. Các công ty đang cắt giảm mạnh chi tiêu cho AI do lo ngại về bảo mật, sự ảo tưởng và chi phí cao. Theo chu kỳ kỳ vọng Gartner, chúng ta có thể sắp bước vào "Vực sâu của sự thất vọng" sau khi đạt đỉnh kỳ vọng thổi phồng.

https://futurism.com/the-byte/companies-ai-projects-financial-results

- Microsoft quyết định khai tử tính năng Copilot GPT Builder, cho phép người dùng tạo chatbot AI tùy chỉnh, chỉ sau 3 tháng ra mắt vào tháng 3/2024.
- Từ ngày 10/7/2024, người dùng sẽ không thể tạo GPT mới và tất cả GPT tùy chỉnh cùng dữ liệu sẽ bị xóa hoàn toàn đến ngày 14/7/2024. 
- Microsoft cho biết sẽ tập trung vào các tình huống Thương mại và Doanh nghiệp, gợi ý một dạng Copilot GPT Builder sẽ tồn tại cho người dùng doanh nghiệp.
- Người dùng bày tỏ sự ngạc nhiên và thất vọng. Giáo sư Ethan Mollick cho rằng động thái này có thể cản trở sự đổi mới từ người dùng cơ sở.
- Microsoft chỉ đưa ra một nhượng bộ nhỏ: cho phép người dùng sao chép các hướng dẫn tùy chỉnh và lưu lại để tham khảo.
- Công ty cam kết sẽ xóa dữ liệu thu thập qua Copilot GPT Builder, tuân thủ chính sách bảo mật dữ liệu.
- Người dùng có thể hủy đăng ký Copilot Pro qua cổng tài khoản Microsoft hoặc các cửa hàng ứng dụng tương ứng.
- Động thái này đặt ra câu hỏi về cam kết của Microsoft đối với các sản phẩm và dịch vụ AI mới ra mắt trong tương lai.
- Tác giả cũng băn khoăn về số phận của GPT Builder và GPT Store tương tự của OpenAI, hy vọng chúng vẫn có giá trị với đông đảo người dùng.

📌 Chỉ sau 3 tháng ra mắt, Microsoft đã quyết định khai tử Copilot GPT Builder, khiến 30.000 người dùng trả phí bất ngờ và thất vọng. Từ 10/7/2024, mọi GPT tùy chỉnh và dữ liệu sẽ bị xóa. Microsoft sẽ tập trung AI vào thương mại và doanh nghiệp. Động thái này gây hoài nghi về cam kết của họ với các sản phẩm AI mới và số phận của các công cụ tương tự từ OpenAI.

https://venturebeat.com/ai/microsoft-kills-off-copilot-gpt-builder-after-just-3-months/

- 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/

1. JPMorgan Chase & Co.: 
- Xem AI là yếu tố quan trọng cho thành công tương lai, thể hiện qua việc tuyển dụng và nỗ lực R&D nội bộ
- Đã nộp đơn xin cấp 250+ bằng sáng chế AI tại Mỹ từ năm 2019
- Tuyển dụng 2.000+ chuyên gia AI/ML và nhà khoa học dữ liệu
- Đầu tư vào các ứng dụng fintech đa dạng
- Đặt mục tiêu tạo ra 1,5 tỷ USD "giá trị kinh doanh" từ AI trong năm 2023

2. Visa:
- Đã sử dụng AI lâu dài để hỗ trợ mạng lưới thanh toán toàn cầu và chống gian lận
- Đầu tư thêm vào AI tạo sinh (generative AI) thông qua quỹ 100 triệu USD 
- Mở rộng các công cụ phát hiện gian lận dựa trên AI cho nhiều loại hình thanh toán

3. Mastercard:
- Chi 7 tỷ USD cho các công cụ an ninh mạng và AI trong 5 năm qua để chống gian lận
- Sáng kiến AI mới nhất tận dụng tiến bộ của AI tạo sinh để tăng cường phát hiện gian lận
- Tổ chức lại cơ cấu lãnh đạo, nhấn mạnh vai trò quan trọng của dữ liệu và AI

4. UnitedHealth Group:
- Đầu tư vào AI để tự động hóa các tác vụ dịch vụ khách hàng và hợp lý hóa tương tác với bệnh nhân
- Dẫn đầu về đầu tư vào các startup AI trong số các công ty bảo hiểm với hơn 25 thương vụ từ năm 2019
- Hơn 80 bằng sáng chế AI liên quan đến xử lý ngôn ngữ tự nhiên (NLP)

5. Oracle:
- Tập trung phát triển mảng điện toán đám mây và y tế thông qua AI
- Phân biệt mình với các đối thủ lớn hơn bằng cách nhắm vào nhu cầu "AI chủ quyền" (tuân thủ quy định địa phương)
- Hợp tác với Nvidia và Cohere để cung cấp dịch vụ AI

6. Salesforce:
- Định hình lại hoạt động kinh doanh xoay quanh AI, tập trung giúp khách hàng doanh nghiệp thống nhất dữ liệu để xây dựng ứng dụng AI "đáng tin cậy" 
- Nhúng AI tạo sinh vào khắp nền tảng của mình
- Nền tảng Salesforce Data Cloud là xương sống cho các kế hoạch kiếm tiền từ AI
- Quỹ đầu tư mạo hiểm Salesforce Ventures tăng gấp đôi quỹ AI tạo sinh lên 500 triệu USD

7. Eli Lilly:
- Tăng cường nỗ lực phát hiện thuốc dựa trên AI, ký thỏa thuận phát hiện thuốc AI trị giá 1,7 tỷ USD với Isomorphic Labs 
- Đầu tư vào các startup về phát hiện thuốc, y học chính xác và quy trình lâm sàng
- Tận dụng AI để tăng năng suất của nhân viên

8. Novo Nordisk:
- Dựa vào các đối tác như Microsoft và Valo Health để nâng cao năng lực AI
- Hợp tác với Microsoft từ năm 2022 để xây dựng các mô hình AI cho nghiên cứu thuốc
- Nhắm mục tiêu hiệu quả nội bộ bằng cách sử dụng các công cụ AI
- Có kế hoạch mở rộng các sáng kiến AI và khám phá việc sử dụng điện toán lượng tử

9. Johnson & Johnson:
- Đặt cược vào AI để đẩy nhanh nỗ lực phát hiện thuốc và cải thiện lợi nhuận trong mảng MedTech
- Tuyển dụng 6.000 nhà khoa học dữ liệu và chuyên gia khác trong những năm gần đây, tập trung thúc đẩy AI cho phát hiện thuốc
- Tận dụng bộ dữ liệu khổng lồ cho nghiên cứu thuốc và chẩn đoán
- Hợp tác để thúc đẩy các sáng kiến công nghệ y tế

10. Toyota:
- Tiếp cận thận trọng trong phát triển xe điện và xe tự lái
- Tiếp tục đầu tư nghiên cứu AI thông qua các phòng thí nghiệm chuyên dụng
- Các khoản đầu tư AI gần đây nhất của Toyota Ventures bao gồm vật liệu, robot và sản xuất
- Tập trung cải thiện an toàn người lái/xe thông qua tiến bộ tự động hóa

11. Siemens:
- Thiết lập quan hệ đối tác AI với các công ty công nghệ lớn như Nvidia, Amazon và Microsoft để đẩy nhanh chuyển đổi kỹ thuật số trong sản xuất
- Hợp tác với Nvidia phát triển digital twin dựa trên AI cho tự động hóa công nghiệp
- Phát triển Siemens Industrial Copilot với Microsoft
- Mang AI tạo sinh đến các công ty công nghiệp thông qua hợp tác với AWS
- Mở rộng năng lực AI công nghiệp thông qua các thương vụ mua lại

📌 11 công ty lớn đang tích cực đầu tư vào AI để cải thiện hiệu quả hoạt động, đổi mới sản phẩm/dịch vụ, tăng năng suất và lợi nhuận. Xu hướng chung là hợp tác với các đối tác công nghệ, mua lại startup AI, tuyển dụng nhân tài và tăng chi tiêu R&D. Các ứng dụng trọng tâm gồm phát hiện gian lận, tự động hóa quy trình, phát hiện thuốc, y học chính xác, an toàn xe tự lái và chuyển đổi kỹ thuật số sản xuất.

https://www.cbinsights.com/reports/CB-Insights_AI-Strategies-Largest-Companies-2024.pdf?ip_et_ctx=23875269_31_9

- Vào sáng thứ Ba, ChatGPT của OpenAI, Claude của Anthropic và Perplexity đều gặp sự cố trong nhiều giờ đồng hồ. 
- Sự cố bắt đầu từ khoảng 7:33 sáng theo giờ Thái Bình Dương và được khắc phục vào khoảng 10:17 sáng cùng ngày đối với ChatGPT.
- Trong khi đó, Claude và Perplexity nhanh chóng khôi phục hoạt động trở lại. Google Gemini dường như vẫn hoạt động bình thường.
- Việc ba nhà cung cấp AI lớn cùng gặp sự cố đồng loạt là điều bất thường, có thể là do vấn đề cơ sở hạ tầng rộng lớn hoặc sự cố quy mô internet. 
- Cũng có khả năng Claude và Perplexity gặp vấn đề do nhận quá nhiều lưu lượng truy cập trong thời gian ngắn khi ChatGPT gặp sự cố.
- Trong thời gian sự cố, trang web ChatGPT hiển thị thông báo đã đạt đến giới hạn, trong khi Claude và Perplexity đưa ra thông báo lỗi.
- Các nhà cung cấp AI chưa đưa ra bình luận hoặc thông tin thêm về nguyên nhân gây ra sự cố.
- Đây không phải là sự gián đoạn trực tuyến duy nhất xảy ra hiện tại. Forbes cũng đưa tin về một cuộc tấn công spam zero-day đang diễn ra trên TikTok, ảnh hưởng đến các tài khoản của người nổi tiếng và thương hiệu.

📌 Sự cố đồng loạt kéo dài nhiều giờ đồng hồ của ChatGPT, Claude và Perplexity vào sáng thứ Ba đã gây ra sự gián đoạn đáng kể cho người dùng. Mặc dù chưa rõ nguyên nhân chính xác, nhưng đây có thể là dấu hiệu cho thấy những thách thức về cơ sở hạ tầng và khả năng mở rộng của các nền tảng AI khi số lượng người dùng ngày càng tăng.

https://techcrunch.com/2024/06/04/ai-apocalypse-chatgpt-claude-and-perplexity-are-all-down-at-the-same-time/

- Xây dựng chatbot mang lại giá trị cho trải nghiệm khách hàng là điều không hề dễ dàng. Các quyết định thiết kế sai lầm có thể khiến khách hàng bối rối không biết mình đang nói chuyện với máy hay người, hoặc thất vọng nếu không nhận được thứ họ mong muốn.

- Chatbot của Bank of America tên Erica nổi bật nhờ khả năng giải quyết các tác vụ cơ bản như gửi tiền, khóa/mở khóa thẻ ghi nợ, tổng quan thói quen chi tiêu. Điểm đặc biệt là Erica cung cấp biểu đồ và hình ảnh phù hợp khi cần thiết như theo dõi tài chính.

- Klarna trang bị cho chatbot khả năng hỗ trợ đa ngôn ngữ và giải thích, phân tích các giao dịch. Đây là lợi thế lớn cho người nhập cư tại quốc gia họ không nói được ngôn ngữ bản địa.

- Các công ty lớn như Bank of America và Klarna tự phát triển chatbot. Nhưng với doanh nghiệp nhỏ hơn, tốt nhất nên tập trung chatbot vào phạm vi hẹp, workflow cụ thể để tối ưu điểm nghẽn.

- Lili, một fintech cung cấp dịch vụ ngân hàng cho SMB, ra mắt Accountant AI dựa trên Amazon Bedrock. Chatbot này đưa ra lời khuyên về thuế, khấu trừ, chiến lược lợi nhuận dựa trên dữ liệu của khách hàng và các doanh nghiệp tương tự trên nền tảng Lili.

- Lili liên tục thông báo giới hạn của chatbot, giám sát tương tác khách hàng thời gian thực. Chatbot cũng gợi ý khách hàng truy cập web liên quan khi hỏi về luật tín dụng, thuế.

- Lili có hệ thống nội bộ cho phép nhà khoa học dữ liệu phát triển prompt và truy vấn để bắt kịp sự thay đổi trong cách khách hàng đặt câu hỏi. Công ty cũng gặp thách thức khi sử dụng kiểm thử tự động do output của mô hình ngôn ngữ lớn có thể thay đổi dù input giống nhau.

📌 Khi xây dựng chatbot, các công ty cần tập trung vào tác vụ cụ thể, hiểu rõ đối tượng thiết kế, tìm đối tác phù hợp, liên tục cải tiến và minh bạch về giới hạn của chatbot. Các ví dụ điển hình như Erica của Bank of America giải quyết nhiều tác vụ tài chính, chatbot đa ngôn ngữ của Klarna hay Accountant AI chuyên biệt cho SMB của Lili cho thấy tiềm năng to lớn của chatbot khi được thiết kế tối ưu.

https://tearsheet.co/modern-banking-experience/how-to-build-a-chatbot-lessons-from-bank-of-america-klarna-and-lili/

- 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#/

- **Khoảng 07 tháng trước**, các kỹ sư của LinkedIn bắt đầu cải thiện trải nghiệm người dùng và tương tác bằng cách tích hợp khả năng AI tạo sinh vào nền tảng của mình.
- **Kết quả**: Một gói đăng ký cao cấp mới được hỗ trợ bởi AI, nhưng cần nhiều thời gian và năng lượng để điều chỉnh theo tiêu chuẩn và thực tiễn tốt nhất nội bộ.
- **Juan Bottaro**, kỹ sư phần mềm chính tại LinkedIn, cho biết: "Bạn có thể xây dựng một thứ trông rất hữu ích, nhưng nếu nó sai lầm một lần trong năm lần, điều đó không chấp nhận được đối với chúng tôi."
- **Người dùng** có thể sử dụng nền tảng để nhận hỗ trợ viết hiệu quả, thu thập thông tin và đánh giá kỹ năng. Giao diện cung cấp gợi ý hồ sơ tùy chỉnh cho người tìm việc và truy cập các điểm chính từ bài đăng.
- **Mục tiêu**: Đảm bảo các phản hồi do AI tạo ra phải chính xác và đồng cảm. Ví dụ, nếu một người dùng muốn biết liệu một công việc trong lĩnh vực sinh học có phù hợp với hồ sơ của họ hay không, AI sẽ gợi ý các khóa học LinkedIn Learning thay vì chỉ nói rằng công việc không phù hợp.
- **Thách thức**: Chỉ thêm công nghệ vì tính mới lạ có thể gây ra hậu quả. Các giải pháp tương tác với khách hàng có rủi ro cao hơn.
- **Quá trình phát triển**: Các kỹ sư LinkedIn tiếp tục điều chỉnh sản phẩm, giảm thiểu rủi ro trong quá trình. Bottaro nói: "Đừng mong đợi bạn sẽ thành công ngay từ lần đầu tiên, nhưng bạn sẽ nhanh chóng xây dựng được kỹ năng đó."
- **Thời gian điều chỉnh**: Đội ngũ đã dành nhiều thời gian không ngờ để tinh chỉnh trải nghiệm. Bottaro cho biết phần lớn nỗ lực của đội ngũ tập trung vào việc tinh chỉnh hơn là giai đoạn phát triển thực tế.
- **Tiêu chí đánh giá**: Trong một trong những nguyên mẫu đầu tiên, chatbot sẽ nói với người dùng rằng họ không phù hợp với công việc mà không cung cấp thông tin hữu ích. Bottaro nói: "Đó không phải là phản hồi tốt, ngay cả khi nó đúng."
- **Quá trình đánh giá**: Cần phải phát triển tiêu chí và hướng dẫn đánh giá cùng với phát triển sản phẩm. Bottaro so sánh quá trình này với việc các giáo viên khác nhau chấm một bài luận thay vì một bài kiểm tra trắc nghiệm.
- **Mức độ hoàn thành**: Đội ngũ đạt khoảng 80% mục tiêu trải nghiệm, sau đó dành thêm bốn tháng để tinh chỉnh và cải thiện hệ thống.

📌 LinkedIn đã học được rằng việc tích hợp AI tạo sinh vào nền tảng của mình đòi hỏi nhiều điều chỉnh hơn dự kiến. Đội ngũ kỹ sư đã dành phần lớn thời gian để tinh chỉnh trải nghiệm người dùng, đạt khoảng 80% mục tiêu và tiếp tục cải thiện trong 4 tháng tiếp theo. 

- 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/

- Trong vài tuần qua, tác giả đã thử nghiệm trợ lý ảo AI tích hợp trong kính thông minh Ray-Ban của Meta.
- Trợ lý này được kích hoạt bằng lệnh thoại "Hey Meta", có khả năng trả lời các câu hỏi hoặc nhận diện vật thể trong tầm nhìn của người dùng.
- Mặc dù chưa hoàn hảo, nhưng những lúc trợ lý hoạt động đúng đã đưa người dùng đến lãnh địa của sự đổi mới trong tương lai.
- Ban đầu, Meta không dự đoán vai trò quan trọng của AI tạo sinh trong kính thông minh của họ.
- Trong một cuộc phỏng vấn vào mùa thu năm ngoái, CEO Mark Zuckerberg đã giới thiệu AI đa phương thức này như một "chiều kích hoàn toàn mới" cho kính thông minh.
- Ông gợi ý rằng tính năng này có thể vượt qua cả "hình ảnh hologram siêu chất lượng" để trở thành điểm nổi bật nhất của sản phẩm.

📌 Meta đang dẫn đầu cuộc đua công nghệ đeo AI với kính thông minh Ray-Ban tích hợp trợ lý ảo đa phương thức, có khả năng trả lời câu hỏi và nhận diện vật thể. CEO Mark Zuckerberg coi đây là một chiều kích hoàn toàn mới, thậm chí có thể vượt trội hơn cả công nghệ hologram.

Citations:
[1] https://www.theverge.com/2024/5/3/24148513/meta-rayban-smart-glasses-ai-wearable-race

- American Express đang tận dụng lượng dữ liệu khổng lồ từ giao dịch thẻ đến hồ sơ nhà cung cấp để hỗ trợ việc tiếp cận AI tạo sinh.
- Trong giai đoạn đầu, Amex không sử dụng dữ liệu khách hàng trong các thử nghiệm AI tạo sinh, mà chủ yếu dựa vào mô hình AI tạo sinh của bên thứ ba.
- Các thí nghiệm ban đầu bao gồm cải thiện dịch vụ khách hàng, lập trình, tạo nội dung và tiếp thị, cho thấy kết quả hứa hẹn như giảm thời gian cuộc gọi của khách hàng và giảm 10% khối lượng công việc cho kỹ sư.
- Anré Williams, CEO của American Express National Bank, cho biết công ty đã xác định được 500 trường hợp sử dụng tiềm năng cho AI tạo sinh.
- Phần lớn các công ty dịch vụ tài chính sử dụng mô hình AI tạo sinh nguồn đóng từ OpenAI, Google hoặc Microsoft, trong khi các tổ chức lớn hơn cũng hướng tới mô hình nguồn mở.
- Amex đã sử dụng AI và học máy từ năm 2010 cho phân tích rủi ro tín dụng và phát hiện gian lận.
- Để chuẩn bị cho công nghệ mới, Amex đã thành lập một hội đồng AI tạo sinh cách đây 1 năm để ưu tiên các trường hợp sử dụng, quản lý rủi ro và đảm bảo triển khai có trách nhiệm.
- Một thí nghiệm đã khám phá khả năng của AI tạo sinh trong việc cải thiện đề xuất tại đại lý du lịch của Amex, giảm thời gian xử lý cuộc gọi khoảng 60 giây.
- Kỹ sư phần mềm của Amex sử dụng AI tạo sinh để hỗ trợ việc tạo mã, tiết kiệm được 10% tổng thời gian làm việc.
- Amex hiện không có kế hoạch xây dựng mô hình LLM riêng mà mở cửa thay đổi nhà cung cấp nếu mô hình ưu tiên xuất hiện.
- Mô hình nguồn đóng thường hiệu suất cao hơn và là cách nhanh nhất để xây dựng kỹ năng xung quanh AI tạo sinh do cần ít cơ sở hạ tầng bảo trì hơn.
- Amex cũng giữ nhân viên được cập nhật thay vì trực tiếp đưa ra khuyến nghị AI tạo sinh cho khách hàng.
- Amex đã đầu tư vào AI tạo sinh bao gồm cơ sở hạ tầng công nghệ, mua phần mềm thương mại và bản quyền, và tài năng.

📌 American Express đang tiên phong trong việc áp dụng AI tạo sinh vào lĩnh vực dịch vụ tài chính, từ việc cải thiện dịch vụ khách hàng đến tối ưu hóa công việc của kỹ sư phần mềm. Với 500 trường hợp sử dụng tiềm năng đã được xác định, công ty đang thăm dò khả năng của công nghệ mới mà không sử dụng dữ liệu khách hàng trong các thử nghiệm ban đầu. Công ty hiện không có kế hoạch xây dựng mô hình LLM riêng mà mở cửa thay đổi nhà cung cấp nếu mô hình ưu tiên xuất hiện.

https://www.americanbanker.com/news/american-express-unveils-its-approach-to-generative-ai

- LinkedIn nhận thấy việc xây dựng prototype cho tính năng AI tạo sinh có thể thực hiện rất nhanh, nhưng đưa vào sản xuất thực tế lại là vấn đề hoàn toàn khác.
- Bài học 1: Đừng kỳ vọng quá nhiều vào đà tiến độ ban đầu. 80% thiết kế cơ bản hoàn thành trong tháng đầu nhưng phải mất thêm 4 tháng nữa mới đạt 95%.
- Bài học 2: Sử dụng kỹ thuật Retrieval Augmented Generation (RAG) giúp các mô hình ngôn ngữ lớn (LLM) hoạt động hiệu quả hơn bằng cách truy xuất thông tin từ API nội bộ và nguồn bên ngoài.
- Bài học 3: Mô tả API để giúp LLM sử dụng chúng dễ dàng hơn, tránh các vấn đề như "ảo giác".
- Bài học 4: Chia nhỏ công việc hợp lý, tránh phân mảnh quá nhiều gây khó khăn cho việc duy trì trải nghiệm người dùng đồng nhất.
- Bài học 5: Đánh giá chất lượng sẽ là thách thức vì cần xây dựng các hướng dẫn khách quan cho một sản phẩm mang tính chủ quan.
- Bài học bổ sung: Phát triển ứng dụng AI tạo sinh là sự cân bằng giữa độ trễ và độ chính xác. Cần thận trọng khi sử dụng LLM.

📌 LinkedIn rút ra 5 bài học quý giá từ quá trình phát triển tính năng AI tạo sinh đầu tiên, bao gồm: không nên kỳ vọng quá nhiều vào tiến độ ban đầu, sử dụng kỹ thuật RAG, mô tả API, chia nhỏ công việc hợp lý, thách thức trong đánh giá chất lượng và cân bằng giữa độ trễ và độ chính xác. Kinh nghiệm này sẽ hữu ích cho các công ty khác khi triển khai AI tạo sinh.

Citations:
[1]https://thenewstack.io/5-lessons-from-linkedins-first-foray-into-genai-development/

- Vào một ngày thứ Ba đầu tháng Tư, Phó chủ tịch nghiên cứu AI của Nvidia, đã có mặt tại khuôn viên Đại học Toronto để chuẩn bị cho kỳ thi cuối kỳ.
- Bà Fidler, người được Jensen Huang - đồng sáng lập và CEO của Nvidia - chọn mặt gửi vàng để dẫn dắt phòng thí nghiệm của Nvidia tại Toronto từ năm 2018.
- Bà Fidler đã giữ vững vị trí giảng dạy tại đại học trong khi làm việc tại Nvidia, điều này là một phần không thể thiếu trong thỏa thuận của bà với Huang.
- Bà được hỏi liệu việc được thù lao bằng cổ phiếu Nvidia có phải là điều kiện tiên quyết không, và bà đã trả lời, “Đừng lo, tôi ổn.”
- Nvidia không chỉ là một công ty khởi nghiệp công nghệ thông thường khi Fidler gia nhập làm nhân viên số một tại chi nhánh nghiên cứu của Canada. Công ty này đã được thành lập từ những năm 1990 và nổi tiếng trong cộng đồng game thủ với các đơn vị xử lý đồ họa (GPU) làm nổi bật đồ họa trò chơi với hình ảnh độ phân giải cao.
- Nvidia đã đầu tư hàng tỷ đô vào công nghệ AI, cùng với các công ty khác tạo nên "Bảy kỳ quan tuyệt vời" mà mọi người từ các geek đến nhà đầu tư đều đam mê.
- Stacy Rasgon, một nhà phân tích công nghệ cao cấp tại Bernstein Research, nhận định, “Nvidia đang định hình thị trường, và mọi người khác đang cố gắng bắt kịp một mục tiêu đang di chuyển.”
- Thời điểm đó, các gã khổng lồ công nghệ đang tích cực "chôm chỉa" các chuyên gia AI từ các trường đại học, bao gồm cả Hinton, người đã chuyển sang làm việc cho Google.
- Nvidia không phải là công ty tư nhân duy nhất mà Fidler đang nói chuyện, nhưng Huang là CEO duy nhất đã cá nhân gọi điện cho bà để thông báo công việc tại Toronto là của bà và bà có thể giữ học sinh của mình, một số trong số họ hiện đang làm việc cho công ty.

📌 Phó chủ tịch nghiên cứu AI của Nvidia, bà Fidler, đã kết hợp thành công vai trò giảng dạy và dẫn dắt phòng thí nghiệm AI tại Toronto, được Jensen Huang cá nhân lựa chọn. Nvidia, với lịch sử từ những năm 1990, đã đầu tư mạnh mẽ vào AI, định hình thị trường và thu hút sự chú ý của cả giới công nghệ và nhà đầu tư.

Citations:
[1] https://financialpost.com/feature/nvidia-ai-secret-weapon-canada

- LinkedIn, với hơn 1 tỷ người dùng toàn cầu, liên tục vượt qua giới hạn của những gì khả thi về mặt kỹ thuật trong doanh nghiệp ngày nay.
- Kết nối ứng viên đủ điều kiện với nhà tuyển dụng tiềm năng để lấp đầy các vị trí tuyển dụng và đảm bảo rằng nguồn cấp dữ liệu trên nền tảng phù hợp với thành viên là hoạt động kinh doanh cốt lõi của LinkedIn.
- Vào mùa hè năm 2023, LinkedIn bắt đầu tự hỏi liệu việc kết nối ứng viên với nhà tuyển dụng và làm cho nguồn cấp dữ liệu hữu ích hơn có thể được phục vụ tốt hơn với sự trợ giúp của các mô hình ngôn ngữ lớn (LLM) hay không.
- LinkedIn đã khởi động hành trình AI tạo sinh và hiện đang báo cáo kết quả trải nghiệm tận dụng Dịch vụ Azure OpenAI của Microsoft.
- Một trong những bài học đầu tiên của LinkedIn là tầm quan trọng của việc điều chỉnh LLM phù hợp với kỳ vọng của người dùng và giúp LLM hiểu cách đưa ra phản hồi phù hợp, có tính người.
- Mặc dù LinkedIn có hơn 1 tỷ thành viên, hầu hết các tính năng tìm kiếm việc làm dựa trên LLM của LinkedIn ban đầu sẽ nhắm mục tiêu đến các thành viên cao cấp, một nhóm nhỏ hơn nhiều.
- Ngay cả khi chỉ nhắm đến vài triệu thành viên cao cấp, giá cả cũng tăng vọt do giá cả LLM - ít nhất là thỏa thuận cấp phép mà LinkedIn đã ký.

📌 LinkedIn đã rút ra nhiều bài học quý giá khi tận dụng LLM cho hơn 1 tỷ người dùng, bao gồm tầm quan trọng của việc điều chỉnh LLM phù hợp với kỳ vọng của người dùng, giúp LLM đưa ra phản hồi phù hợp, và đối mặt với thách thức về giá cả khi mở rộng quy mô các tính năng dựa trên LLM cho hàng triệu thành viên cao cấp.

Citations:
[1] https://www.cio.com/article/2095140/what-linkedin-learned-leveraging-llms-for-its-billion-users.html?amp=1

• Phản ứng trước sự phát triển nhanh chóng của AI tạo sinh, vào mùa thu năm 2023, Hiệu trưởng MIT Sally Kornbluth và Phó hiệu trưởng Cynthia Barnhart đã kêu gọi các đề xuất nghiên cứu liên quan đến cách công nghệ này sẽ biến đổi cuộc sống và công việc của con người.
• Kết quả là một bộ sưu tập mới gồm 25 nghiên cứu được công bố công khai, cung cấp lộ trình, khuyến nghị chính sách và lời kêu gọi hành động về AI tạo sinh từ các chuyên gia MIT.
• Các chủ đề bao gồm sử dụng AI tạo sinh trong giáo dục, sản xuất, phát triển dược phẩm, cũng như tác động của nó đối với bất bình đẳng và khám phá âm nhạc.
• Các nghiên cứu được chia sẻ rộng rãi càng nhanh càng tốt vì AI tạo sinh đang phát triển với tốc độ nhanh chóng.
• Một số nghiên cứu tập trung vào việc sử dụng AI tạo sinh trong thiết kế và sản xuất, triển khai AI tạo sinh trong hệ thống bệnh viện Mỹ, tác động của AI tạo sinh đối với thị trường lao động và bất bình đẳng.
• Một nghiên cứu khác xem xét tác động của AI tạo sinh đối với năng suất dựa trên thử nghiệm thực tế với GitHub Copilot.

📌MIT đã công bố 25 nghiên cứu về AI tạo sinh, cung cấp lộ trình, khuyến nghị chính sách và lời kêu gọi hành động để xây dựng một tương lai AI thành công, đánh giá tác động của công nghệ này đối với nhiều lĩnh vực như giáo dục, sản xuất, y tế, thị trường lao động và bất bình đẳng.

Citations:
[1] https://mitsloan.mit.edu/ideas-made-to-matter/accelerated-research-about-generative-ai-mit-sloan

- IKEA, nhà bán lẻ nội thất toàn cầu, đang đi đầu trong việc ứng dụng công nghệ AI tạo sinh để cải thiện trải nghiệm và dịch vụ khách hàng, đồng thời nâng cao hiệu quả hoạt động nội bộ.
- Công ty đã ra mắt chatbot AI tạo sinh dựa trên công nghệ ChatGPT, giúp khách hàng có được trợ lý thiết kế AI cá nhân. Chatbot có khả năng trả lời các câu hỏi về sản phẩm, theo dõi đơn hàng và đưa ra các gợi ý thiết kế phù hợp với sở thích và nhu cầu riêng của từng khách hàng.
- IKEA cũng tạo ra "hộp công cụ AI" để nhân viên có thể dễ dàng sử dụng AI tạo sinh trong công việc hàng ngày, chẳng hạn như tạo ra các hình ảnh sản phẩm mới cho các chiến dịch quảng cáo và tiếp thị.
- Để đảm bảo việc triển khai AI tạo sinh một cách có trách nhiệm và đạo đức, IKEA đã thành lập một lực lượng đặc nhiệm AI đạo đức, bao gồm các chuyên gia từ khắp các bộ phận khác nhau của công ty.
- IKEA cũng đang đầu tư mạnh mẽ vào việc đào tạo kỹ năng cho nhân viên, nhằm giúp toàn bộ lực lượng lao động có thể sử dụng AI một cách hiệu quả để giải quyết vấn đề, đưa ra quyết định và thúc đẩy hiệu suất làm việc.
- Với việc áp dụng AI tạo sinh, IKEA kỳ vọng sẽ mang đến cho khách hàng trải nghiệm mua sắm và thiết kế nội thất cá nhân hóa vượt trội, đồng thời nâng cao năng suất và sự hài lòng của nhân viên.

📌 IKEA đang tận dụng sức mạnh của AI tạo sinh để mang đến trải nghiệm cá nhân hóa tối ưu cho khách hàng và nâng cao hiệu quả công việc của nhân viên. Với việc triển khai chatbot AI thiết kế, "hộp công cụ AI", thành lập lực lượng đặc nhiệm đạo đức, và đầu tư mạnh vào đào tạo nhân viên, IKEA đang dẫn đầu xu hướng ứng dụng AI tạo sinh một cách có trách nhiệm và hiệu quả trong ngành bán lẻ nội thất toàn cầu, hứa hẹn mang đến những đột phá trong trải nghiệm khách hàng và vận hành doanh nghiệp.

- AI tạo sinh đang thu hút sự chú ý khi công nghệ này tiến bộ vượt bậc trong những năm gần đây, mang đến những cách mới để giải quyết vấn đề của người dùng.

- Xây dựng với LLM (large language models) có thể là một thách thức do đây là lĩnh vực tương đối mới về ứng dụng thực tế.

- Discord chia sẻ cách tiếp cận của họ để giải quyết vấn đề với AI tạo sinh, cùng với những hiểu biết về việc ra mắt nhanh chóng các tính năng mới tận dụng công nghệ này.

- Quá trình xây dựng với LLM được chia thành một vài giai đoạn: lên ý tưởng sản phẩm và xác định yêu cầu, phát triển nguyên mẫu, học hỏi từ các thử nghiệm quy mô nhỏ, lặp lại quá trình cho đến khi tính năng đạt trạng thái tốt, cuối cùng là ra mắt và triển khai sản phẩm ở quy mô lớn.

- Bài viết sẽ đi sâu vào từng giai đoạn của quá trình này, bắt đầu từ việc tìm ra những gì cần xây dựng và làm thế nào nó có thể mang lại lợi ích cho người dùng.

📌 Discord chia sẻ cách tiếp cận giải quyết vấn đề với AI tạo sinh qua các giai đoạn: lên ý tưởng, xác định yêu cầu, phát triển nguyên mẫu, thử nghiệm nhỏ, lặp lại đến khi tốt, rồi triển khai rộng rãi. Bài viết đi sâu vào từng bước, giúp xây dựng nhanh các tính năng mới tận dụng công nghệ tiên tiến này.

Citations:

[1] Developing Rapidly with Generative AI https://discord.com/blog/developing-rapidly-with-generative-ai

• Emad Mostaque, người sáng lập Stability AI và là CEO của công ty khởi nghiệp AI trị giá 1 tỷ đô la đã bất ngờ từ chức vào thứ Bảy sau những bất đồng gay gắt với các nhà đầu tư chính Coatue và Lightspeed.

• Stability AI nổi lên nhờ Stable Diffusion, một mô hình AI mã nguồn mở mạnh mẽ có thể tạo ra hình ảnh từ văn bản. Công ty nhanh chóng gây ấn tượng và thu hút được khoản đầu tư 101 triệu đô la từ Coatue và Lightspeed với định giá 1 tỷ đô la chỉ sau vòng gọi vốn hạt giống.

• Tuy nhiên, mối quan hệ giữa Mostaque và các nhà đầu tư sớm nảy sinh vấn đề nghiêm trọng. Có những nghi vấn về tính đáng tin cậy của Mostaque và tình trạng hỗn loạn trong nội bộ Stability AI. Các nhân sự cấp cao và nhân viên liên tục ra đi.

• Vào tháng 6/2023, Forbes đăng bài điều tra gây chấn động về Mostaque, cáo buộc ông thổi phồng thành tích và khả năng của Stability AI. Kể từ đó, mối quan hệ giữa Mostaque và các nhà đầu tư trở nên căng thẳng.

• Đến mùa thu 2023, cả Coatue và Lightspeed đều rút khỏi HĐQT. Coatue thậm chí gửi thư yêu cầu Mostaque từ chức và tiến hành đàm phán bán công ty. Tuy nhiên, Mostaque vẫn nắm quyền kiểm soát HĐQT.

• Stability AI gặp khó khăn trong việc tiến triển và gọi vốn khi các đối thủ cạnh tranh phát triển nhanh chóng. Tình hình tài chính của công ty cũng bấp bênh khi chi phí tính toán tăng cao.

• Ngày 28/3/2024, Mostaque chính thức tuyên bố từ chức và sẽ tập trung vào một sáng kiến mới về AI phi tập trung. COO Shan Shan Wong và CTO Christian Laforte sẽ đồng điều hành công ty trong thời gian chuyển giao.

• Tương lai của Stability AI đang rất bất định sau sự ra đi của Mostaque. Nhiều tin đồn cho rằng công ty có thể bị bán lại, nhưng một thương vụ như vậy sẽ rất khó khăn trong bối cảnh hiện tại.

📌 Sự từ chức đột ngột của Emad Mostaque khỏi vị trí CEO Stability AI đánh dấu cột mốc đáng chú ý trong hành trình đầy biến động của công ty khởi nghiệp AI từng được định giá 1 tỷ đô la chỉ sau 1 năm thành lập. Mối quan hệ rạn nứt nghiêm trọng với các nhà đầu tư chính Coatue và Lightspeed, cùng với sự ra đi của nhiều nhân sự cấp cao, scandal truyền thông, và áp lực cạnh tranh gia tăng đã khiến tương lai của Stability AI trở nên vô cùng bấp bênh. Dù từng được coi là người tiên phong trong lĩnh vực AI tạo sinh, công ty hiện đang đứng trước nguy cơ mất dần lợi thế và thậm chí có thể phải bán mình. 

Citations:
[1]https://fortune.com/2024/03/27/inside-stability-ai-emad-mostaque-bad-breakup-vc-investors-coatue-lightspeed/

"Denmark's GenAI Paradox: From Lagging to Leading"

• Khảo sát của Boston Consulting Group với hơn 572 lãnh đạo và quản lý cấp cao của các công ty Đan Mạch thuộc 21 ngành công nghiệp cho thấy 81% tin rằng AI tạo sinh (GenAI) sẽ có tác động tích cực đến doanh nghiệp của họ, 50% kỳ vọng nó sẽ mang lại sự thay đổi lớn. Tuy nhiên, chỉ 5% công ty vượt qua giai đoạn thử nghiệm và 21% có kế hoạch tận dụng đầy đủ tiềm năng của GenAI.

• Công thức thành công của các công ty dẫn đầu về GenAI ở Đan Mạch là cân bằng giữa thực thi nhanh chóng và sự phấn khích xung quanh một tầm nhìn rõ ràng nhằm tăng cả hiệu quả và tăng trưởng công ty. Họ tránh các dự án thử nghiệm GenAI riêng lẻ mà để một tầm nhìn táo bạo định hướng hành động.

• Để GenAI phát huy hết tiềm năng, CEO phải có chuyên môn đầy đủ để hiểu các cơ hội chuyển đổi và là động lực đằng sau một tầm nhìn táo bạo kết hợp công nghệ và kinh doanh. Xây dựng năng lực GenAI là một hành trình liên tục học hỏi và điều chỉnh.

• Các công ty dẫn đầu ưu tiên các yếu tố then chốt như kỹ năng nhân sự, quản trị AI có trách nhiệm, sẵn sàng về dữ liệu và nền tảng công nghệ tương lai. Bỏ qua những điều này sẽ gây ra sự chậm trễ sau này.

• Khi bắt đầu hành trình GenAI, việc hiểu và đặt đúng ưu tiên cho từng giai đoạn là chìa khóa để tiến bộ và học hỏi liên tục. Các công ty tiên phong thường dành 10% nỗ lực AI cho thuật toán, 20% cho dữ liệu và nền tảng công nghệ, 70% cho chuyển đổi kinh doanh và con người.

• Để duy trì lợi thế cạnh tranh toàn cầu, các công ty Đan Mạch cần khẩn trương tận dụng tiềm năng của GenAI. Chậm trễ trong giai đoạn đầu sẽ khiến thách thức bắt kịp sau này tăng lên theo cấp số nhân. Báo cáo này là lộ trình chiến lược toàn diện để các doanh nghiệp Đan Mạch đẩy nhanh việc áp dụng GenAI.

📌Khảo sát của BCG cho thấy 81% lãnh đạo công ty Đan Mạch tin GenAI sẽ có tác động tích cực, nhưng chỉ 5% vượt qua giai đoạn thử nghiệm. Để thành công, cần sự cân bằng giữa tầm nhìn và thực thi, sự tham gia của CEO, ưu tiên các yếu tố then chốt. Các công ty Đan Mạch cần khẩn trương tận dụng GenAI để duy trì lợi thế cạnh tranh toàn cầu.

Citations:
[1] https://www.bcg.com/publications/2024/state-of-gen-ai-in-denmark

#BCG

- Nghiên cứu mới của Microsoft cho thấy 87% doanh nghiệp Vương quốc Anh chưa sẵn sàng cho kỷ nguyên AI do dễ bị tấn công mạng.
- Chỉ 13% doanh nghiệp được đánh giá là "kiên cường" trước tội phạm mạng, hơn 3/4 doanh nghiệp có nguy cơ cao bị tấn công ransomware.
- Đầu tư vào tích hợp AI vào hệ thống phòng thủ mạng có thể đóng góp 52 tỷ bảng Anh vào nền kinh tế do tăng cường khả năng phòng thủ.
- Vương quốc Anh cần vượt qua nhiều rào cản để trở thành "siêu cường AI toàn cầu" trong 10 năm tới như kế hoạch của chính phủ.
- 48% doanh nghiệp được xếp hạng "dễ bị tổn thương", 39% "có nguy cơ cao" trước tấn công mạng.
- Doanh nghiệp cần tích hợp AI vào hệ thống phòng thủ để đối phó với tin tặc ngày càng sử dụng AI trong tấn công.
- 69% chuyên gia tin rằng để trở thành "siêu cường AI", Vương quốc Anh cũng cần tăng cường phòng thủ mạng.
- Báo cáo đưa ra 5 cơ hội để Vương quốc Anh trở thành siêu cường về cả AI và an ninh mạng:
1. Hỗ trợ mạnh mẽ hơn việc áp dụng và đổi mới AI trong ngành an ninh mạng.  
2. Đầu tư và ưu tiên hơn vào các giải pháp AI, ưu tiên mua sẵn và xây dựng thêm.
3. Tăng cường đào tạo kỹ năng thông qua hợp tác công-tư với các tổ chức học thuật.
4. Tăng cường nghiên cứu, chia sẻ kiến thức với khu vực tư nhân để xây dựng văn hóa kiên cường mạng.
5. Hướng dẫn rõ ràng hơn về áp dụng AI an toàn trong các ngành công và tư.

📌 Mặc dù đứng đầu thế giới về an ninh mạng, 87% doanh nghiệp Vương quốc Anh vẫn chưa sẵn sàng cho kỷ nguyên AI. Tuy nhiên, đầu tư vào AI có thể mang lại lợi ích kinh tế 52 tỷ bảng mỗi năm. Để trở thành siêu cường AI, Vương quốc Anh cần nỗ lực vượt bậc trong hỗ trợ áp dụng AI, đầu tư giải pháp, đào tạo nhân lực và xây dựng văn hóa an ninh mạng vững mạnh.

https://www.techradar.com/pro/microsoft-report-says-uk-is-not-prepared-for-the-age-of-ai-barely-any-businesses-are-resilient-to-cybercrime

- AI hội thoại cho phép doanh nghiệp tương tác với dữ liệu và khách hàng một cách trực quan và giống con người hơn, từ chatbot hỗ trợ khách hàng đến giao diện hội thoại phân tích dữ liệu.
- Watson của IBM từng hứa hẹn những bước tiến lớn trong phân tích dữ liệu phức tạp, nhưng đã gặp trục trặc và bị ngừng trong nhiều dự án. IBM quyết định đưa Watson trở lại như một nền tảng huấn luyện mô hình học máy khác.
- Alexa của Amazon là người tiên phong trong việc tích hợp công nghệ kích hoạt bằng giọng nói vào môi trường kinh doanh và tiêu dùng hàng ngày. Gần đây, Amazon thông báo kết hợp Alexa với công nghệ LLM để tạo trải nghiệm chatbot hấp dẫn hơn.
- Tuy nhiên, cả Watson và Alexa đều gặp phải những thách thức. Amazon đang cân nhắc giới thiệu mô hình đăng ký trả phí cho Alexa, cho thấy khó khăn trong việc tạo doanh thu từ công nghệ này.
- Doanh nghiệp cần điều chỉnh sự nhiệt tình với công nghệ mới bằng đánh giá khả năng và hạn chế hiện tại, đồng thời liên tục đánh giá công cụ khi chúng phát triển.
- Khi tích hợp AI hội thoại, doanh nghiệp cần xem xét phân tích chi phí-lợi ích, kỳ vọng thực tế, vấn đề đạo đức và quyền riêng tư, hỗ trợ kỹ thuật, khả năng mở rộng và linh hoạt.

📌 Watson và Alexa cho thấy cả cơ hội và thách thức khi tích hợp AI hội thoại vào hoạt động kinh doanh. Bằng cách thẩm định kỹ lưỡng và duy trì cái nhìn phê phán, doanh nghiệp có thể khai thác sức mạnh của AI để thúc đẩy đổi mới và tăng trưởng, đồng thời tránh các cạm bẫy mà những người khác đã mắc phải.

https://www.inc.com/srini-pagidyala/what-alexa-watson-show-us-about-ai-in-business-strategies.html

- Các công ty công nghệ lớn như Google, Meta, Alibaba, Microsoft đang dẫn đầu cuộc đua phát triển AI tạo sinh (genAI). Họ cung cấp dịch vụ genAI theo nhiều mô hình: miễn phí, trả phí hoặc kết hợp.
- Các nhà mạng viễn thông đang tích cực tham gia vào genAI như phát triển mô hình nền tảng (China Mobile), xây dựng ứng dụng genAI (SK Telecom), cung cấp hạ tầng cho genAI (SoftBank). Họ ứng dụng genAI vào cả hoạt động nội bộ và phát triển dịch vụ cho khách hàng, doanh nghiệp.
- Khảo sát tháng 12/2023 tại 8 quốc gia phát triển cho thấy trung bình 67% người dùng đã nghe về genAI, trong đó khoảng 50% đã từng sử dụng. Người dùng kỳ vọng genAI mang lại lợi ích nhiều nhất cho công việc, tìm kiếm thông tin trực tuyến và hoạt động sáng tạo.
- GenAI đã có những bước tiến quan trọng như phát triển khả năng đa phương thức (multimodal), đột phá trong mô hình ngôn ngữ nhỏ gọn, cải thiện hiệu năng mô hình mã nguồn mở. Tuy nhiên, genAI vẫn còn nhiều rào cản để đạt được áp dụng rộng rãi như độ tin cậy, thông tin sai lệch, vi phạm bản quyền.
- Các nhà mạng hàng đầu như SK Telecom, Vodafone, AT&T đang tích cực thử nghiệm và triển khai genAI vào nhiều lĩnh vực như dịch vụ khách hàng, phát triển phần mềm, quản lý mạng lưới. Họ kỳ vọng genAI giúp cải thiện trải nghiệm khách hàng, đơn giản hóa quy trình nội bộ và tạo ra nguồn doanh thu mới.

📌 Kết luận: AI tạo sinh đang định hình lại tương lai ngành viễn thông với sự dẫn dắt của các công ty công nghệ lớn. 67% người dùng đã biết đến genAI và 50% đã sử dụng. Các nhà mạng đang tích cực thử nghiệm, triển khai genAI vào hoạt động nội bộ và phát triển dịch vụ mới, kỳ vọng cải thiện trải nghiệm khách hàng, hiệu quả hoạt động và tạo nguồn doanh thu mới.

Vai trò của các nhà mạng viễn thông đối với AI tạo sinh (genAI):

- Các nhà mạng viễn thông đang tích cực áp dụng AI tạo sinh (genAI) vào hoạt động kinh doanh và dịch vụ khách hàng của mình.
- SK Telecom, Vodafone, và AT&T là ba ví dụ điển hình về cách các nhà mạng đang sử dụng genAI để cải thiện hiệu quả hoạt động và tạo ra các dịch vụ mới.
- SK Telecom đã phát triển ứng dụng trợ lý số A Dot, sử dụng genAI để cung cấp các tính năng như tóm tắt cuộc gọi và dịch thuật thời gian thực, thu hút hơn 1 triệu người dùng trong giai đoạn beta.
- Vodafone đang triển khai genAI trong chatbot dịch vụ khách hàng TOBi, giúp tăng tỷ lệ giải quyết vấn đề lên 70% và giảm thời gian tuyển dụng nhân sự nhờ vào khả năng tuyển chọn dựa trên AI.
- AT&T đã ra mắt dịch vụ Ask AT&T, dựa trên ChatGPT của OpenAI, để hỗ trợ phát triển phần mềm và truy vấn tài liệu, với hơn 68.000 nhân viên có quyền truy cập.
- Các nhà mạng đang nhận thức được tầm quan trọng của việc triển khai genAI một cách có trách nhiệm, với sự chú trọng vào các nguy cơ như độ chính xác, quyền riêng tư dữ liệu và thiên vị.
- Hơn một nửa các nhà mạng trên toàn cầu đang thử nghiệm genAI, với 18% đã triển khai các giải pháp genAI một cách thương mại và 56% đang trong giai đoạn thử nghiệm.

📌 Các nhà mạng viễn thông đang chứng kiến sự tăng trưởng mạnh mẽ trong việc áp dụng AI tạo sinh, từ cải thiện dịch vụ khách hàng đến tối ưu hóa quy trình nội bộ. SK Telecom, Vodafone, và AT&T là những ví dụ nổi bật về cách genAI được sử dụng để đổi mới và tạo ra giá trị mới. Với hơn một nửa các nhà mạng đang thử nghiệm genAI, năm 2024 sẽ là một năm quan trọng để chứng minh giá trị của genAI trong ngành viễn thông.

Citations:
[1] https://data.gsmaintelligence.com/research/research/research-2024/generative-ai-navigating-tech-developments-operator-adoption-and-consumer-expectations

#GSMA

Kết quả khảo sát của GSMA tháng 12/2023 trên 8 quốc gia: Trung Quốc, Pháp, Đức, Ý, Nhật Bản, Hàn Quốc, Anh và Mỹ

- 67% người tiêu dùng nhận biết về Generative AI (genAI), 50% đã sử dụng genAI.
- 91% người dùng hài lòng với genAI, 9% không hài lòng.
- Các lý do không hài lòng với genAI: vấn đề độ tin cậy (40%), cung cấp thông tin không đầy đủ (30%), chức năng hạn chế (30%), chất lượng đầu ra kém (20%), không dễ sử dụng (13%), giao diện kém (10%), thiếu sẵn có trên nhiều thiết bị (5%).
- GenAI đã đạt được tiến bộ đáng kể trong khoảng một năm qua, nhưng vẫn cần nhiều cải tiến trước khi trở thành công nghệ chính thống.
- Để vượt qua các thách thức, cần có giải pháp ở nhiều cấp độ: công nghệ cơ bản, đào tạo mô hình, phát triển sản phẩm và xây dựng chính sách.
- Khảo sát được thực hiện trên 8 quốc gia: Trung Quốc, Pháp, Đức, Ý, Nhật Bản, Hàn Quốc, Anh và Mỹ.

📌 Mặc dù 91% người dùng hài lòng, Generative AI vẫn cần cải thiện về độ tin cậy (40%), cung cấp đầy đủ thông tin (30%) và chất lượng đầu ra (20%) để trở thành công nghệ chính thống, thông qua giải pháp đa cấp độ từ công nghệ đến chính sách.

Citations:
[1] https://data.gsmaintelligence.com/research/research/research-2024/generative-ai-makes-progress-but-challenges-remain-in-reliability-and-information-provision

- Tháng 9/2023, SK Telecom (SKT) chính thức ra mắt A Dot - trợ lý ảo sử dụng AI tạo sinh, đã có hơn 1 triệu người dùng trong giai đoạn beta. A Dot cung cấp các tính năng như tóm tắt cuộc gọi bằng AI, phiên dịch trực tiếp trong cuộc gọi.

- SKT công bố chiến lược kim tự tháp AI nhằm trở thành công ty AI toàn cầu, tập trung vào 3 lĩnh vực: hạ tầng AI (trung tâm dữ liệu, chip bán dẫn AI, nhiều LLM), chuyển đổi AI trong các mảng kinh doanh cốt lõi và mở rộng (di động, băng thông rộng, doanh nghiệp, y tế...), dịch vụ AI xoay quanh A Dot.

- SKT là nhà mạng tiên phong trong việc áp dụng AI tạo sinh, phản ánh cam kết và kỳ vọng lớn vào AI. Mục tiêu đến năm 2028 là tăng tỷ trọng đầu tư và doanh thu liên quan đến AI lên 33% và 36%.

- Hợp tác trong ngành là nền tảng quan trọng. SKT tích cực hợp tác với các đối tác trong hệ sinh thái AI như Anthropic, OpenAI, Deutsche Telekom để phát triển LLM. SKT cũng thành lập Liên minh AI Viễn thông Toàn cầu nhằm đẩy nhanh chuyển đổi AI.

📌 SK Telecom đang nỗ lực trở thành công ty AI hàng đầu toàn cầu thông qua chiến lược kim tự tháp AI. Trợ lý ảo A Dot sử dụng AI tạo sinh là bước đi tiên phong, thu hút hơn 1 triệu người dùng. SKT đặt mục tiêu tăng mạnh tỷ trọng đầu tư và doanh thu AI, đồng thời tích cực hợp tác với các đối tác để thúc đẩy chuyển đổi số.

Citations:
[1]https://data.gsmaintelligence.com/research/research/research-2024/sk-telecom-aiming-to-be-a-global-ai-company-through-its-ai-pyramid-strategy-and-genai-solutions

#GSMA

- P&G Nhật Bản sẽ áp dụng hệ thống AI dự báo nhu cầu sản phẩm vào cuối năm 2024, với mục tiêu bao phủ khoảng 70% lượng giao hàng vào năm 2025.
- Hiện P&G Nhật Bản sử dụng khoảng 180.000 xe tải/năm, việc cắt giảm 30% sẽ giảm khoảng 54.000 xe.
- Từ tháng 4, Nhật Bản sẽ hạn chế tài xế làm thêm giờ tối đa 960 giờ/năm, gây thiếu hụt nghiêm trọng. Chính phủ kêu gọi bán lẻ và bán buôn đảm bảo thời gian đủ dài từ đặt hàng đến giao hàng.
- Hệ thống dự báo nhu cầu sẽ liên kết với hệ thống quản lý hàng tồn kho của bán lẻ và bán buôn, cho phép xem thông tin tồn kho cửa hàng, trạng thái đơn hàng, biện pháp khuyến mãi theo thời gian thực.
- AI sẽ được huấn luyện về sự thay đổi doanh số do yếu tố mùa vụ và khuyến mãi để dự báo tốt hơn nhu cầu sản phẩm và ước tính số lượng xe tải cần thiết.
- Trong thử nghiệm, nhà bán lẻ sử dụng hệ thống đã đặt hàng trước 1,5 tháng so với ngày giao hàng dự kiến, có đủ thời gian lên kế hoạch tải xe hiệu quả.
- Hiện P&G không có thông tin chi tiết như xu hướng bán hàng tại từng cửa hàng và nhận nhiều đơn hàng vào phút chót. Đôi khi xe tải phải điều động gấp hoặc không đủ tải.
- Ước tính đến năm 2030, 30% hàng hóa toàn quốc sẽ không được vận chuyển do giảm nhân lực từ hạn chế làm thêm giờ.
- Theo Hiệp hội vận tải đường bộ Nhật Bản, 4,5% hàng hóa vận chuyển bằng xe tải trong năm tài chính 2021 là hàng tiêu dùng thiết yếu. P&G chiếm 30% thị phần chất tẩy rửa và 20% bỉm trong nước.
- Kao, một nhà sản xuất hàng tiêu dùng khác, đã mở kho hàng mới ở tỉnh Aichi vào năm 2023. Sử dụng hệ thống đặt chỗ mới, công ty đã giảm thời gian dỡ hàng xe tải từ vài giờ xuống dưới 1 giờ.

📌 P&G Nhật Bản sẽ ứng dụng AI dự báo nhu cầu, kết nối bán lẻ và bán buôn để cắt giảm 30% xe tải, tương đương 54.000 xe/năm vào 2025. Bước đi này nhằm đối phó tình trạng thiếu tài xế trầm trọng do quy định giới hạn giờ làm thêm từ tháng 4 và nâng cao hiệu quả logistics trước thách thức 30% hàng hóa có nguy cơ tồn đọng vào 2030.

https://asia.nikkei.com/Business/Transportation/P-G-Japan-to-cut-delivery-trucks-30-using-AI-demand-forecast

• Bài viết đề cập đến việc các dự án AI thất bại thường xuyên, đặc biệt sau khi triển khai, gây tốn kém và xấu hổ như trường hợp của Amazon về nhận diện khuôn mặt hay Microsoft với chatbot Tay.
• Các nhà quản lý cấp cao có trách nhiệm ngăn chặn thất bại sau triển khai nhưng thường thiếu hiểu biết về bộ dữ liệu và mô hình AI, khiến họ không thể đặt câu hỏi hoặc đánh giá mô hình AI.
• Bài viết cung cấp một khung để xác định "dữ liệu đúng" và sáu câu hỏi mà các nhà quản lý nên hỏi các nhà phát triển mô hình AI trước và trong quá trình mô hình hóa và triển khai.
• Khung "Dữ liệu Đúng" bao gồm 5 yếu tố: vấn đề và số người quan tâm, khái niệm về dữ liệu đúng, dữ liệu huấn luyện, mô hình AI, và dữ liệu sẽ được áp dụng cho mô hình trong tương lai.
• 6 tiêu chí để xác định dữ liệu đúng gồm: Tính liên quan/đầy đủ, toàn diện/đại diện đầy đủ, chính xác/tính xác thực, tính đáng tin cậy, tính cập nhật và tính đồng nhất.

📌 Nhà quản lý cần hiểu sâu về mô hình AI và bộ dữ liệu để đặt câu hỏi và đánh giá chính xác, giảm thiểu rủi ro thất bại sau triển khai. Bài viết cung cấp khung "Dữ liệu Đúng" với 5 yếu tố cần xem xét và 6 tiêu chí để đánh giá dữ liệu: Tính liên quan, toàn diện, chính xác, đáng tin cậy, cập nhật và đồng nhất. Các nhà quản lý sử dụng khung và câu hỏi đề ra có thể điều hướng qua các thách thức và thực hiện quyết định sáng suốt, hạn chế thất bại trong các dự án AI.