Tại hội nghị Directions thường niên lần thứ 60 của IDC, nhà phân tích Marlanna Bozicevich chia sẻ mô hình Enterprise Intelligence Architecture (Kiến trúc Trí tuệ Doanh nghiệp) gồm 4 tầng dữ liệu để giúp tổ chức sẵn sàng cho AI.
Bốn tầng gồm: data plane (dữ liệu thô), data control plane (quản lý dữ liệu), data synthesis plane (tổng hợp dữ liệu), và business activity plane (hoạt động kinh doanh).
AI được xem là công cụ tăng năng suất trong quản lý dữ liệu, thông qua tự động hóa tác vụ lặp lại, giao diện ngôn ngữ tự nhiên và AI tác nhân (agentic AI) có khả năng hành động tự chủ.
Ba mục tiêu chính của lãnh đạo CNTT trong AI là: nâng cao năng suất, đảm bảo AI có trách nhiệm, và triển khai AI tác nhân.
Marlanna nhấn mạnh cần hiểu AI không chỉ tiêu thụ dữ liệu, mà còn có thể cải thiện chất lượng dữ liệu bằng cách hỗ trợ các vai trò như kỹ sư dữ liệu, nhà khoa học dữ liệu và quản lý dữ liệu.
Khái niệm "AI for data / data for AI" cho thấy sự liên kết hai chiều: AI giúp cải thiện quy trình dữ liệu, trong khi dữ liệu sạch giúp AI hoạt động hiệu quả hơn trên toàn tổ chức.
Bà cũng đề xuất cần xem dữ liệu như một sản phẩm, tức là dữ liệu phải có chất lượng, tiêu chuẩn hóa và khả năng trao đổi giữa các AI agents.
Để triển khai AI mang lại ROI, doanh nghiệp phải đầu tư vào cấu trúc dữ liệu có thể học liên tục và cộng tác quy mô lớn, thúc đẩy văn hóa dữ liệu và nâng cao hiểu biết về dữ liệu trong tổ chức.
Kiến trúc này là cầu nối giữa dữ liệu và kết quả kinh doanh, đảm bảo dữ liệu được thu thập, xử lý, lưu trữ và truy cập một cách hiệu quả và phù hợp với mục tiêu AI.
📌 Để AI tạo sinh mang lại hiệu quả thực tế, tổ chức phải đầu tư vào Enterprise Intelligence Architecture với 4 tầng dữ liệu cốt lõi. Mô hình này giúp xử lý và sử dụng dữ liệu một cách chiến lược, thúc đẩy năng suất, chuẩn hóa dữ liệu như sản phẩm và tạo ra nền tảng cho AI tác nhân hoạt động hiệu quả trong toàn doanh nghiệp.
https://www.cio.com/article/3978635/how-to-build-an-ai-ready-organization-the-enterprise-intelligence-architecture.html?amp=1