3 điều cần xem xét trước khi triển khai Machine Learning hoặc AI

by Louis Vu
0 comment

Với sự phức tạp của AI và Machine Learning, tự hỏi 3 câu hỏi này có thể mang lại sự rõ ràng cho các nhà sản xuất trước khi thực hiện đầu tư.

Tại hội nghị tái phát minh của AWS vào tháng 11, Giám đốc điều hành của AWS, Andy Jassy đã dành một phần thời gian đáng kể của mình trong bài phát biểu của mình cho việc Machine Learning, điều chưa từng xảy ra trước đây. Thông điệp của ông rất rõ ràng: các doanh nghiệp cần bắt đầu phát triển sự hiểu biết về Machine Learning ngay bây giờ, bởi vì công nghệ này sẽ rất quan trọng trong tương lai.

Mặc dù Machine Learning đang ở giai đoạn phát triển mạnh, các ứng dụng ML và AI hiện tại không phải là giải pháp đơn giản nhất hoặc thậm chí phù hợp nhất cho các vấn đề mà các nhà sản xuất gặp phải hiện nay. 

Do sự phức tạp của các công nghệ này, hầu hết các nhà sản xuất sẽ khôn ngoan khi xem xét ba câu hỏi này trước khi chuyển sang các giải pháp ML hoặc AI trong tương lai.

Vấn đề gì bạn đang cố gắng giải quyết ?

Không thể phủ nhận AI và ML là những công nghệ mạnh mẽ và thú vị. Đối với các nhà sản xuất, những người tạo ra một lượng dữ liệu khổng lồ chỉ bằng cách vận hành các hoạt động của họ, Sự cám dỗ mang vào các công nghệ này để xem những gì họ có khả năng cải thiên Kinh Doanh.

Nhưng trên thực tế, chiến lược này không hoạt động.AI và ML chỉ là công cụ. Trong một số trường hợp, chúng là công cụ phù hợp để giải quyết vấn đề. Thật không may, chúng không có khả năng tự mình chuyển đổi một doanh nghiệp.

Ví dụ: hãy tập trung vào chi nhánh vận chuyển hoặc hậu cần của một công ty sản xuất. Hiện tại, doanh nghiệp sử dụng các điều tra viên con người để xác minh rằng các đơn đặt hàng đóng hộp khớp với những gì đã được gửi qua bằng hệ thống kỹ thuật số. Doanh thu mặc dù đã được tăng cao nhưng Công ty đang dành quá nhiều thời gian và tiền bạc để tuyển dụng và đào tạo nhân viên cho nhóm này.

Đọc Thêm :   4 chiến lược về con người trong thời đại công nghiệp 4.0

Một lãnh đạo CNTT tại công ty đề nghị thay thế hầu hết các công nhân của con người bằng một thuật toán có thể kiểm tra trực quan các lô hàng và xác định xem chúng có khớp với các đơn đặt hàng hay không. Trong trường hợp này, có thể AI hoặc ML có thể là một giải pháp khả thi: thuật toán phù hợp có thể học cách nhận ra các vật phẩm theo các hướng khác nhau và nhiều ánh sáng khác nhau. Nó có thể tiết kiệm tiền và tăng tốc phần QA của quy trình vận chuyển.

Trong trường hợp này, nhà lãnh đạo CNTT đã xác định vấn đề trước và sau đó đưa ra giải pháp dựa trên AI và ML, thay vì trước tiên quyết định triển khai AI và ML và sau đó tìm kiếm một vấn đề để giải quyết bằng các công cụ này. 

Ngay cả khi thứ tự hoạt động là đúng, điều quan trọng là bạn phải tự hỏi liệu AI và ML có phải là giải pháp tốt nhất cho vấn đề trong tay không.

Công cụ hiện tại của bạn có thể giải quyết vấn đề này không?

Trước khi xem xét liệu có nên khám phá các giải pháp AI hoặc ML hay không, điều quan trọng trước tiên là xác định xem các công cụ bạn đã có theo ý của bạn có đủ hay không. Mặc dù công nghệ mới nghe có thể là cách hay nhất để giải quyết vấn đề, nhưng nó thường không thực tế. Chỉ có một số vấn đề thực sự cần giải quyết với các giải pháp AI và ML.

Bên cạnh đó, công nghệ mới nhất hiếm khi hiệu quả nhất về thời gian hoặc chi phí ở giai đoạn đầu.

Đọc Thêm :   Phân biệt Trí tuệ nhân tạo - AI, Machine Learning và Deep Learning

Ví dụ : các công ty lớn và công ty truyền thống thường thấy rằng công nghệ của họ phát triển không đồng đều. Trong khi các bộ phận công khai (như tiếp thị và bán hàng) có thể dựa vào phần mềm tiên tiến, các hệ thống nội bộ có xu hướng cũ hơn nhiều. 

Vấn đề này có vẻ cần một giải pháp AI hoặc ML, nhưng trên thực tế có thể đòi hỏi phải hiện đại hóa các hệ thống nội bộ cũ hơn để công ty có thể hoạt động hiệu quả hơn.

Hãy trở lại ví dụ trước của chúng ta. Chúng ta đã xác định rằng thuật toán QA thông minh thực sự có thể loại bỏ vấn đề lỗi của công nhân trong bộ phận vận chuyển bằng cách tự động hóa hoàn toàn quy trình.

Khi chúng tanhìn trộm phần mềm mà HR sử dụng để quản lý hồ sơ nhân viên, chúng ta nhận thấy rằng bộ phận không bao giờ vận hành đầy đủ phần mềm giữ chân nhân viên của mình, có tính năng hiểu biết về lực lượng lao động mới. 

Nếu nhóm nhân sự bắt đầu sử dụng tất cả các tính năng có liên quan của phần mềm, họ có thể tìm thấy các nguyên nhân cơ bản của doanh thu của nhóm QA vận chuyển và giải quyết chúng thông qua các quy trình nội bộ mới.

Trong trường hợp này, việc có được phần mềm nhân sự đầy đủ chức năng sẽ nhanh hơn và ít tốn kém hơn so với việc phát triển thuật toán QA thông minh được điều chỉnh cụ thể cho doanh nghiệp của bạn. 

Bạn có đủ Tài nguyên để Phát triển và Thực hiện Giải pháp ML hoặc AI không?

Giả sử bạn đã xác định được vấn đề ML hoặc AI có thể giải quyết và bạn đã xác định rằng những công cụ này là cách tốt nhất để giải quyết vấn đề đó, đã đến lúc xác định xem bạn có cơ sở hạ tầng để triển khai AI hay ML hay không. 

Khung phát triển 6 giai đoạn của chuyển đổi số Trong Doanh nghiệp

Nói cách khác, bạn có các kỹ sư phần mềm AI / ML có thể xây dựng giải pháp bạn cần hoặc sửa đổi một giải pháp hiện có cho phù hợp với mục đích của bạn không ? Những chuyên gia này rất khó để tìm thấy ngay bây giờ vì nhu cầu cao. Do nhu cầu này, chúng cũng cực kỳ đắt đỏ.

Đọc Thêm :   Ứng dụng AI để quản lý thông minh hiệu suất hoạt động của tài sản (Asset Performance)

Nếu bạn có các thành viên trong nhóm trong đội ngũ nhân viên, họ sẽ mất bao lâu để phát triển, thử nghiệm và thực hiện giải pháp này? Sẽ mất bao nhiêu tiền để thử nghiệm và kiểm tra tính khả thi ? Những gì họ sẽ không thể làm việc trong thời gian đó? Bạn sẽ phải thuê thêm nhân viên để đảm nhận công việc đó? Với tất cả các chi phí này, bao lâu, một khi giải pháp được đưa ra và chạy, cho đến khi nó có ROI hợp lý ?

Thông thường, ngay cả khi một giải pháp AI hoặc ML có khả năng mang lại sự tiết kiệm chi phí, thì thực tế việc xây dựng giải pháp sẽ cắt giảm khoản tiết kiệm đó – trong một số trường hợp, về cơ bản. Kế hoạch hoạt động và mô hình tài chính cần thiết để theo đuổi các dự án này là một yếu tố thành công quan trọng.  Các nhà lãnh đạo sản xuất ngày nay phải đối mặt với áp lực gắn kết để chứng minh việc họ sử dụng công nghệ tiên tiến như một loại tốc ký cho khả năng đổi mới của họ. Tuy nhiên, trong thực tế, việc áp dụng các giải pháp AI hoặc ML mà không có đường dẫn được xác định rõ ràng đến ROI có thể gây ra nhiều vấn đề hơn so với những gì nó giải quyết.

Công nghệ ngày nay có nghĩa là các nhà sản xuất có sẵn nhiều công cụ hơn để giải quyết những thách thức mà họ gặp phải. Nhưng các công cụ mới nhất không phải lúc nào cũng hiệu quả nhất. Trước khi đưa chúng đến công ty của bạn, hãy chắc chắn rằng chúng là những người phù hợp nhất cho công việc.

Tác giả : Eric Dynowski là Giám đốc Công nghệ tại ServerCentral Turing Group

Có thể bạn quan tâm

Leave a Comment