Đăng bởi Babuki JSC vào 13/04/2021

Ra quyết định dựa trên AI là xu hướng của nền kinh tế số hiện nay. Nhiều công ty đã thích nghi với cách tiếp cận dựa trên cơ sở dữ liệu để đưa ra quyết định vận hành. Dữ liệu có thể cải thiện các quyết định, nhưng nó đòi hỏi bộ xử lý phù hợp để tận dụng nó một cách tối đa.

AI-driven

Nhiều người cho rằng bộ xử lý là con người. Thuật ngữ data-driven thậm chí ngụ ý rằng dữ liệu được quản lý bởi – và được tóm tắt cho – mọi người xử lý.

Nhưng để tận dụng triệt để giá trị chứa trong dữ liệu, các công ty cần đưa trí tuệ nhân tạo (AI) vào quy trình làm việc của mình. Chúng ta cần phát triển từ dựa trên dữ liệu sang quy trình công việc dựa trên AI.

Phân biệt giữa các data-driven và AI-driven không chỉ là ngữ nghĩa. Mỗi thuật ngữ phản ánh các đối tượng khác nhau, cái trước tập trung vào dữ liệu và cái sau tập trung vào khả năng xử lý. Dữ liệu nắm giữ những hiểu biết có thể cho phép quyết định tốt hơn; xử lý là cách để sử dụng những hiểu biết đó và thực hiện các hành động.

Con người và AI đều là bộ xử lý, với những khả năng rất khác nhau. Cần hiểu làm thế nào để tận dụng tốt nhất từng lợi ích của nó để xem xét sự tiến hóa sinh học của chính chúng ta và việc ra quyết định đã phát triển như thế nào trong ngành công nghiệp.

Chỉ 50 đến 75 năm trước phán đoán của con người là bộ xử lý trung tâm của việc ra quyết định kinh doanh. Các chuyên gia đã dựa vào trực giác được điều chỉnh cao, được phát triển từ nhiều năm kinh nghiệm (và một chút tương đối nhỏ dữ liệu) trong lĩnh vực của họ, để nói, chọn quảng cáo phù hợp cho chiến dịch quảng cáo, xác định mức tồn kho phù hợp để dự trữ hoặc phê duyệt đầu tư tài chính đúng đắn. Kinh nghiệm và bản năng là hầu hết những gì có sẵn để phân biệt tốt xấu, cao thấp và rủi ro so với an toàn.

Trung tâm Không gian mạng

Có lẽ, tất cả đều quá con người. Trực giác của chúng ta ở quá xa so với các công cụ ra quyết định lý tưởng. Bộ não của chúng ta bị ảnh hưởng bởi sự thiên vị nhận thức làm suy yếu khả năng phán đoán của chúng ta theo những cách có thể dự đoán được.

Đây là kết quả của hàng trăm ngàn năm tiến hóa, khi những người săn bắn hái lượm đầu tiên, chúng tôi đã phát triển một hệ thống lý luận dựa trên các phương pháp phỏng đoán đơn giản – các đường tắt hoặc quy tắc kinh nghiệm để tránh chi phí cao của việc xử lý nhiều thông tin.

Điều này cho phép các quyết định nhanh chóng, gần như vô thức giúp chúng ta thoát khỏi tình huống nguy hiểm tiềm tàng. Tuy nhiên, ‘nhanh chóng và gần như vô thức’ không phải luôn có nghĩa là tối ưu hoặc thậm chí là chính xác.

Hãy tưởng tượng một nhóm các tổ tiên săn bắn hái lượm của chúng ta đang quẩn quanh đống lửa trại khi một bụi cây gần đó đột nhiên xào xạc. Một quyết định thuộc loại ‘nhanh và gần như vô thức’ cần được đưa ra: kết luận rằng đó là một kẻ săn mồi nguy hiểm và chạy trốn, hoặc, yêu cầu thu thập thêm thông tin để xem liệu đó có phải là con mồi tiềm năng có thể cung cấp giàu chất dinh dưỡng hay không.

Những người bốc đồng hơn quyết định chạy trốn, sống sót với tỷ lệ cao hơn so với những người tò mò hơn. Chi phí cho chuyến đi và mất con thỏ thấp hơn nhiều so với chi phí của việc ở lại và có nguy cơ mất mạng bởi kẻ săn mồi.

Với sự bất cân xứng trong kết quả, sự tiến hóa ủng hộ đặc điểm dẫn đến hậu quả ít tốn kém hơn, ngay cả khi hy sinh tính chính xác. Do đó, đặc điểm cho việc ra quyết định bốc đồng hơn và xử lý thông tin ít hơn trở nên phổ biến trong các đời sau.

Trong bối cảnh hiện đại, các phỏng đoán sinh tồn trở thành vô số sự thiên vị nhận thức được nạp sẵn trong bộ não vốn có của chúng ta. Những sự thiên vị này ảnh hưởng đến phán đoán và việc ra quyết định của chúng ta theo những cách xuất phát từ tính khách quan hợp lý.

Chúng ta chú trọng đến những sự kiện mới mẻ sinh động nhiều hơn là chúng ta nên. Chúng ta phân loại một cách thô thiển các đối tượng theo các khuôn mẫu rộng lớn mà không giải thích cặn kẽ về sự khác biệt của chúng. Chúng ta noi theo kinh nghiệm trước đó ngay cả khi nó hoàn toàn không liên quan. Chúng ta có xu hướng giải thích cụ thể cho các sự kiện thực sự chỉ là ngẫu nhiên.

Đây chỉ là một vài trong số hàng chục cách thiên vị nhận thức gây khó khăn cho sự phán xét của con người và trong nhiều thập kỷ, nó là bộ xử lý trung tâm của việc ra quyết định kinh doanh. Bây giờ chúng ta biết rằng chỉ dựa vào trực giác của con người là vô dụng, thất thường, dễ sai lầm và hạn chế khả năng của tổ chức.

Việc ra quyết định được hỗ trợ bởi dữ liệu

Cảm ơn Chúa, và cảm ơn dữ liệu. Các thiết bị được kết nối hiện thu được khối lượng dữ liệu không thể tưởng tượng: mọi giao dịch, mọi cử chỉ của khách hàng, mọi chỉ số kinh tế vi mô và vĩ mô, tất cả thông tin có thể đưa ra quyết định tốt hơn.

Để đáp ứng với môi trường giàu dữ liệu mới này, chúng tôi đã điều chỉnh quy trình công việc của mình. Các bộ phận CNTT hỗ trợ luồng thông tin bằng cách sử dụng máy móc (cơ sở dữ liệu, hệ thống tệp phân tán và tương tự) để giảm khối lượng dữ liệu không thể quản lý thành các bản tóm tắt dễ dùng cho con người. Các bản tóm tắt sau đó được xử lý thêm bởi con người bằng cách sử dụng các công cụ như bảng tính, bảng điều khiển và ứng dụng phân tích.

Cuối cùng, dữ liệu đã được xử lý và dễ quản lý được dùng để ra quyết định. Đây là quy trình làm việc dựa trên dữ liệu của người dùng. Sự đánh giá của con người vẫn là bộ xử lý trung tâm, nhưng bây giờ nó sử dụng dữ liệu tóm tắt như một đầu vào mới.

Dù chắc chắn là tốt hơn so với việc chỉ dựa vào trực giác, con người đóng vai trò là bộ xử lý trung tâm vẫn tạo ra một số hạn chế.

Chúng ta không tận dụng hết tất cả các dữ liệu

Dữ liệu tóm tắt có thể bỏ sót nhiều thông tin, mối quan hệ và các mẫu có trong bộ dữ liệu gốc (lớn). Việc giảm dữ liệu là cần thiết để phù hợp với dung lượng khả năng xử lý của con người. Cho dù chúng ta hiểu thấu môi trường xung quanh, xử lý một cách dễ dàng lượng lớn thông tin, chúng ta bị hạn chế đáng kể khi xử lý dữ liệu có cấu trúc được biểu thị bằng hàng triệu hoặc hàng tỷ bản ghi.

Trí óc có thể xử lý số lượng bán hàng và giá bán trung bình lên đến cấp độ khu vực. Nó gắng sức vật lộn hoặc thậm chí dừng hoạt động khi bạn bắt đầu suy nghĩ về việc phân phối đầy đủ các giá trị và, đặc biệt là các mối quan hệ giữa các thông tin yếu tố dữ liệu bị mất trong các bản tóm tắt tổng hợp nhưng lại quan trọng với việc ra quyết định tốt.

Điều này không có nghĩa là tóm tắt dữ liệu không hữu ích. Chắc chắn rằng chúng rất hữu ích trong việc cung cấp khả năng hiển thị cơ bản cho doanh nghiệp. Nhưng chúng sẽ cung cấp rất ít giá trị sử dụng trong quá trình ra quyết định. Quá nhiều điều bị mất trong quá trình chuẩn bị bản tóm tắt cho con người.

Trong các trường hợp khác, dữ liệu tóm tắt có thể bị sai lệch hoàn toàn. Các yếu tố gây nhiễu có thể cho ra kết quả là một mối quan hệ tích cực trong khi nó thực sự là ngược lại. Và một khi dữ liệu được tổng hợp, có thể không thể phục hồi các yếu tố góp phần kiểm soát chúng đúng cách.

Cách làm tốt nhất là sử dụng các thử nghiệm ngẫu nhiên có kiểm soát, tức là thử nghiệm A / B. Nếu không có cách làm này, thậm chí AI có thể không thể kiểm soát chính xác các yếu tố gây nhiễu. Tóm lại, bằng cách sử dụng con người làm bộ xử lý dữ liệu trung tâm, chúng ta vẫn đang cân nhắc về độ chính xác để giảm chi phí trong việc xử lý dữ liệu của con người.

Dữ liệu không đủ để bảo vệ chúng ta khỏi sự thiên vị nhận thức

Tóm tắt dữ liệu được chỉ đạo bởi con người theo cách thiên về tất cả những thiên vị nhận thức đó. Chúng ta chỉ đạo việc tóm tắt theo cách trực quan đối với chúng ta. Chúng ta yêu cầu dữ liệu được tổng hợp thành các phân đoạn mà chúng ta cảm thấy là các nguyên mẫu đại diện. Tuy nhiên, chúng ta có xu hướng phân loại các đối tượng một cách thô sơ theo các khuôn mẫu rộng lớn mà không cần giải thích đầy đủ về sự khác biệt của chúng.

Ví dụ: chúng ta có thể chọn các thuộc tính như địa lý ngay cả khi không có sự khác biệt rõ rệt về hành vi giữa các khu vực. Các bản tóm tắt cũng có thể được coi là một bản thô của dữ liệu. Nó xấp xỉ gần đúng. Ví dụ: một thuộc tính như địa lý cần phải được dùng ở khu vực nơi có tương đối ít giá trị (như phía đông so với phía tây). Những thuộc tính quan trọng nào có thể tốt hơn thế – thành phố, mã ZIP, thậm chí dữ liệu cấp đường phố.

Thật khó khăn hơn để tổng hợp và tóm tắt cho bộ não của con người xử lý. Chúng ta thích các mối quan hệ đơn giản giữa các yếu tố. Chúng ta có xu hướng nghĩ về các mối quan hệ là tuyến tính bởi vì nó dễ dàng xử lý hơn. Mối quan hệ giữa giá cả và doanh số, tỷ lệ thâm nhập thị trường và tỷ lệ chuyển đổi, rủi ro tín dụng và thu nhập – tất cả đều được giả định tuyến tính ngay cả khi dữ liệu cho thấy điều khác.

Chúng ta thậm chí muốn đưa ra những giải thích kỹ càng cho các xu hướng và sự thay đổi trong dữ liệu ngay cả khi nó được giải thích thỏa đáng hơn bằng biến thiên tự nhiên hoặc ngẫu nhiên.

Than ôi, chúng ta đang điều chỉnh sự thiên vị của mình khi xử lý dữ liệu.

Đưa AI vào quy trình làm việc

Chúng ta cần phát triển hơn nữa và đưa AI vào quy trình làm việc như một bộ xử lý dữ liệu chính. Đối với các quyết định thông thường chỉ dựa vào dữ liệu có cấu trúc, chúng ta tốt hơn nên để cho AI quyết định. AI ít bị ảnh hưởng bởi sự thiên vị nhận thức của con người.

Có một rủi ro rất thực tế khi sử dụng dữ liệu bị thiên vị có thể khiến AI tìm thấy các mối quan hệ nghiêm trọng không công bằng. Ngoài cách sử dụng dữ liệu còn cần hiểu cách dữ liệu được tạo ra.

AI có thể được đào tạo để tìm ra các phân khúc trong dân số giải thích sự khác nhau ở mức độ siêu nhỏ ngay cả khi chúng không trực quan đối với nhận thức của con người chúng ta. AI không có vấn đề gì khi đối phó với hàng ngàn hoặc thậm chí hàng triệu nhóm. Và AI thoải mái làm việc với các mối quan hệ phi tuyến tính, có thể là theo cấp số nhân, định luật lũy thừa, chuỗi hình học, phân phối nhị thức hoặc cách khác.

Quy trình công việc này tận dụng tốt hơn các thông tin có trong dữ liệu, nhất quán và khách quan hơn trong các quyết định. Nó có thể xác định tốt hơn sáng tạo quảng cáo nào hiệu quả nhất, mức tồn kho tối ưu hoặc nên thực hiện đầu tư tài chính nào.

Mặc dù con người bị loại bỏ khỏi quy trình công việc này, nhưng điều quan trọng cần lưu ý là tự động hóa đơn thuần không phải là mục tiêu của quy trình làm việc dựa trên AI. Chắc chắn, nó có thể giảm chi phí, nhưng đó chỉ là một lợi ích gia tăng. Giá trị của AI là việc đưa ra quyết định tốt hơn so với những gì con người có thể làm một mình. Điều này tạo ra sự cải thiện dần dần trong hiệu quả và cho phép các khả năng mới.

Tận dụng cả AI và con người trong quy trình làm việc

Loại bỏ con người khỏi quy trình công việc chỉ liên quan đến việc xử lý dữ liệu cấu trúc không có nghĩa là con người đã lỗi thời.

Có nhiều quyết định kinh doanh phụ thuộc vào nhiều thứ hơn là dữ liệu cấu trúc. Tầm nhìn, chiến lược công ty, giá trị doanh nghiệp, động lực thị trường đều là những ví dụ về thông tin chỉ có trong trí não của chúng ta và được truyền qua văn hóa và các hình thức truyền thông phi kỹ thuật số khác. Thông tin này AI không thể nắm được mà lại cực kỳ liên quan tới các quyết định kinh doanh.

Ví dụ, AI có thể xác định một cách khách quan mức tồn kho phù hợp để tối đa hóa lợi nhuận. Tuy nhiên, trong môi trường cạnh tranh, một công ty có thể lựa chọn mức tồn kho cao hơn để cung cấp trải nghiệm khách hàng tốt hơn, thậm chí phải trả giá bằng lợi nhuận.

Trong trường hợp khác, AI có thể xác định rằng đầu tư nhiều tiền hơn vào marketing sẽ mang lại mức lợi tức đầu tư cao nhất trong số các tùy chọn có sẵn cho công ty. Tuy nhiên, một công ty có thể chọn cách kiềm chế sự tăng trưởng để duy trì các tiêu chuẩn chất lượng. Các thông tin bổ sung sẵn có cho con người theo hình thức hoặc chiến lược, giá trị và điều kiện thị trường có thể xứng đáng với sự khởi đầu từ tính hợp lý khách quan của AI.

Trong những trường hợp như vậy, AI có thể được sử dụng để tạo ra các khả năng mà từ đó con người có thể chọn phương án tốt nhất dựa trên thông tin bổ sung mà họ có thể tiếp cận. Trình tự thực hiện cho những quy trình công việc như vậy là trường hợp đặc biệt.

Đôi khi AI thực hiện trước để giảm khối lượng công việc cho con người. Trong một vài trường hợp, phán đoán của con người có thể được sử dụng làm đầu vào cho quá trình xử lý AI. Trong các trường hợp khác, vẫn có thể có sự xen lẫn giữa quy trình xử lý của AI và của con người.

Mấu chốt là con người không làm việc trực tiếp với dữ liệu mà thay vào đó là làm việc với các khả năng được tạo ra bởi quá trình xử lý dữ liệu của AI. Giá trị, chiến lược và văn hóa là cách chúng ta dung hòa các quyết định của mình với sự hợp lý khách quan.

Điều này đã được thực hiện tốt nhất một cách rõ ràng và đầy đủ thông tin. Bằng cách tận dụng cả AI và con người, chúng ta có thể đưa ra quyết định tốt hơn so với chỉ sử dụng một trong hai.

Giai đoạn tiếp theo trong sự tiến hóa của chúng ta

Chuyển từ data-driven sang AI-driven là giai đoạn tiếp theo trong quá trình tiến hóa của chúng ta. Sử dụng AI trong quy trình làm việc giúp xử lý tốt hơn các dữ liệu cấu trúc và cho phép con người đóng góp theo cách bổ sung.

Sự tiến hóa này khó có thể xảy ra trong tổ chức cá nhân, giống như sự tiến hóa của chọn lọc tự nhiên không diễn ra trong các cá nhân. Thay vào đó, nó là một quá trình lựa chọn hoạt động trên số đông. Các tổ chức hiệu quả hơn sẽ có tỷ lệ tồn tại cao hơn.

Vì rất khó để các công ty lâu đời thích nghi với những thay đổi của môi trường, tôi nghi ngờ rằng chúng ta sẽ thấy sự xuất hiện của các công ty mới ứng dụng cả AI và con người ngay từ đầu và xây dựng chúng một cách tự nhiên vào quy trình làm việc của họ.

Hãy để lại thông tin liên hệ để Babuki có thể gửi đến bạn các bài viết hay hoặc hỗ trợ tư vấn về chiến lược và quản trị.

Source: HBR

Babuki lược dịch và hiệu đính

Từ khoá:

AI

Ra quyết định

Đăng ký nhận bản tin


    Các bài bài viết liên quan

    Xem thêm
    Tin tức Bán lẻ / Ecommerce Chuyển đổi số

    Case study hiếm ngành bán lẻ: Tăng trưởng mạnh nhưng vẫn có lãi, CEO Con Cưng tự tin với mục tiêu doanh thu tỷ đô vào năm 2023

    CTCP Con Cưng đặt mục tiêu mở tới 1.000 cửa hàng, đạt vị thế thống lĩnh thị trường mẹ và bé vào năm sau. Tăng trưởng hiện tại của chuỗi hoàn toàn dựa vào organic với hầu hết các cửa hàng mở mới có lãi ngay, CEO Lưu Anh Tiến chia sẻ.

    02/09/2021 • Babuki JSC
    Tin tức M&A / Gọi vốn đầu tư Tài chính / Quản trị doanh nghiệp

    Báo cáo tài chính riêng lẻ và hợp nhất: Hiểu đúng để nhận diện rủi ro tiềm ẩn để tránh và nắm bắt những cơ hội đầu tư

    Việc đọc hiểu và phân tích báo cáo tài chính của doanh nghiệp thành thạo sẽ giúp cho nhà đầu tư chứng khoán thấu hiểu được vòng quay kinh doanh của doanh nghiệp để từ đó nắm được tình hình sức khỏe tài chính, hiệu quả kinh doanh, vị thế dòng tiền, nhận diện rủi ro tiềm ẩn để tránh và nắm bắt những cơ hội đầu tư.

    31/08/2021 • Babuki JSC
    Tin tức Chuyển đổi số Phân tích Thị trường

    Đưa bảo hiểm lên chợ online, vẫn là thử nghiệm

    Bán bảo hiểm qua các nền tảng phi truyền thống như các trang thương mại điện tử đang từng bước được “nâng cấp”, nhưng để định hình rõ nét xu hướng và đóng góp ngày một lớn như các kênh phân phối truyền thống là đại lý hay ngân hàng thì cần nhiều hơn thời gian và công sức…

    30/08/2021 • Babuki JSC
    Tái cấu trúc / Chuyển đổi doanh nghiệp Chuyển đổi số Tài liệu

    [Visual] Cách PNJ đối mặt với khủng hoảng tái cấu trúc khi áp dụng hệ thống ERP 8,3 triệu USD

    Để có được mức lợi nhuận sau thuế 6 tháng đầu năm 2021 đạt 736 tỷ đồng, PNJ đã trải qua những giai đoạn tái cấu trúc đầy chông gai những năm trước đó.

    26/08/2021 • Kathy Trần
    Tài liệu Tài chính / Quản trị doanh nghiệp

    Nghiên cứu – Vận dụng Balanced Scored Card tại PNJ & Đề xuất giải pháp quản trị

    Nghiên cứu nhằm xây dựng thẻ điểm cân bằng (BSC) cho Công ty PNJ dựa trên 4 khía cạnh/viễn cảnh: Tài chính; Khách hàng; Quy trình nội bộ và Đào tạo và phát triển.

    17/08/2021 • Kathy Trần
    Tài chính / Quản trị doanh nghiệp

    Các chỉ tiêu phân tích báo cáo tài chính trong doanh nghiệp

    Trong phân tích tài chính doanh nghiệp, phân tích báo cáo tài chính (BCTC) đóng vai trò quan trọng nhất. Phân tích BCTC cung cấp các thông tin tài chính rõ ràng nhất về tình hình tài chính, tình hình vốn, công nợ… cho nhà quản trị doanh nghiệp kịp thời đưa ra các quyết định điều hành.

    09/08/2021 • Babuki JSC
    Case study Bán lẻ / Ecommerce Chuyển đổi số

    Cách Nike sử dụng Bán hàng trực tiếp (D2C) và dữ liệu để mở rộng đế chế của mình

    Kể từ năm 2011, gã khổng lồ đồ thể thao Nike đã tăng doanh số bán hàng trực tiếp cho người tiêu dùng từ 16% tổng doanh thu của thương hiệu cùng tên lên 35% trong khi tiếp tục gia tăng tổng thị phần.

    04/08/2021 • Babuki JSC
    Case study Chuyển đổi số Mô hình kinh doanh

    Cách thức Salesforce xây dựng Đế chế hàng chục tỷ đô la từ CRM

    Năm 2000, Marc Benioff đã tổ chức một cuộc biểu tình đầu tiên mà Thung lũng Silicon từng chứng kiến, mang biển hiệu “chống phần…

    02/08/2021 • Babuki JSC
    Chuyển đổi số Giải pháp công nghệ

    Lịch sử của SaaS (Software-as-a-Service): Từ công nghệ mới nổi đến nền tảng phổ biến

    Nền tảng SaaS cung cấp phần mềm cho người dùng qua internet, thường có phí đăng ký hàng tháng.
    Với SaaS, bạn không cần cài đặt và chạy các ứng dụng phần mềm trên máy tính của mình. Mọi thứ đều có sẵn trên internet thông qua trình duyệt web khi bạn đăng nhập vào tài khoản của mình trực tuyến. Bạn thường có thể truy cập phần mềm từ bất kỳ thiết bị nào, bất kỳ lúc nào (miễn là có kết nối internet).

    02/08/2021 • Babuki JSC
    Chiến lược kinh doanh Chuyển đổi số M&A / Gọi vốn đầu tư

    Chiến lược đằng sau thương vụ mua bán và sáp nhập trị giá 27,7 tỷ đô la giữa Salesforce và Slack

    Trong một năm có nhiều thay đổi và rung chuyển trong thế giới công nghệ, thương vụ Salesforce mua lại Slack với giá 27,7 tỷ USD chắc chắn đã khiến giới công nghệ sửng sốt. Công ty quản lý quan hệ khách hàng (CRM) hàng đầu muốn gì từ ứng dụng trò chuyện đột phá? Tại sao Slack, vốn đã tăng trưởng kỷ lục trong trong năm 2020, lại bán? Và bao nhiêu giá trị có thể tạo ra từ việc kết hợp một công cụ bán hàng với một công cụ thay thế email?

    01/08/2021 • Babuki JSC
    bool(false)