Trong 12 tháng qua, các cuộc thảo luận về công nghệ đã chuyển từ AI tạo sinh (generative AI) sang agentic AI (AI tác tử – có khả năng tự lập kế hoạch và hành động). Sự thay đổi này cho thấy các doanh nghiệp ngày càng nhận ra tiềm năng của các hệ thống AI tự chủ trong việc nâng cao quy trình kinh doanh và thúc đẩy đổi mới. Tuy nhiên, việc xác định nên bắt đầu từ đâu luôn là một thách thức.
Bài viết này, dựa trên kinh nghiệm của Microsoft, sẽ cung cấp một bộ khung hướng dẫn giúp các nhà lãnh đạo, đặc biệt trong ngành bán lẻ và hàng tiêu dùng, đưa ra quyết định sáng suốt và khai thác tối đa tiềm năng của agentic AI.
Tiêu chí lựa chọn quy trình phù hợp cho Agentic AI
Dựa trên kinh nghiệm làm việc với các công ty bán lẻ và hàng tiêu dùng trên toàn cầu, Microsoft đã xác định một số xu hướng chung có thể được xem là tiêu chí để đánh giá một quy trình có phải là kịch bản ứng dụng tốt cho agentic AI hay không. Đây là những hướng dẫn tham khảo, không phải là quy tắc cứng nhắc.
- Khối lượng (Volume): Quy trình có khối lượng hoặc số lượng tương tác cao. Ví dụ, một công ty hàng tiêu dùng nhận được nhiều đơn hàng hơn một nhà sản xuất máy bay, do đó, việc áp dụng agentic AI vào quy trình nhận đơn hàng sẽ phù hợp hơn. Điều này không có nghĩa là agentic AI không thể giúp nhà sản xuất máy bay, mà là nó sẽ được áp dụng vào một khía cạnh khác của quy trình, chẳng hạn như đảm bảo tính chính xác của các tài liệu cấu hình chi tiết.
- Tương tác (Interaction): Quy trình tương tác với nhiều hệ thống khác nhau, chẳng hạn như cập nhật, đọc hoặc hợp nhất dữ liệu. Các quy trình mà người dùng phải xem xét hoặc tổng hợp nội dung từ nhiều hệ thống là ứng cử viên hàng đầu cho agentic AI. Những công việc này thường tẻ nhạt và dễ xảy ra lỗi.
- Con người (Human): Quy trình đòi hỏi mức độ tương tác cao của con người, có thể bao gồm việc tìm kiếm, đọc, xem xét và suy luận trên nhiều thông tin, tài liệu hoặc hệ thống. Đây thường là công việc đơn điệu và lặp đi lặp lại. Agentic AI có thể đánh giá và chỉ ra các lỗ hổng, khác biệt hoặc bất thường, đưa ra các đề xuất để con người xem xét, từ đó giảm bớt các hoạt động nhàm chán.
- Lỗi (Errors): Quy trình dễ xảy ra lỗi, thường xuất hiện trong các hoạt động lặp đi lặp lại của con người. Quan trọng hơn, bất kỳ lỗi nào trong quá trình thực thi đều gây ra hậu quả tiêu cực về sau như giao hàng chậm trễ, mất doanh số, yêu cầu bồi thường, hoặc tốn kém chi phí và thời gian xử lý của con người.
Ngoài ra, còn một yêu cầu quan trọng cần được xem xét khi thiết kế kiến trúc giải pháp: tính sẵn có của dữ liệu. Việc đảm bảo dữ liệu cần thiết cho ứng dụng agentic AI luôn sẵn sàng và có thể truy cập mà không gây ra vấn đề về hiệu năng cho các hệ thống giao dịch khác là rất quan trọng. Một giải pháp kiến trúc phổ biến là trích xuất dữ liệu này vào một data lake hoặc kho dữ liệu khác để làm nơi tham chiếu.
Xác định giá trị kinh doanh
Những tiến bộ công nghệ định vị agentic AI là nền tảng để tạo ra một chuỗi cung ứng linh hoạt, hiệu quả, bền vững và tự chủ hơn. Khi đánh giá giá trị kinh doanh của bất kỳ khoản đầu tư công nghệ nào, việc xác định các động lực giá trị cụ thể là rất quan trọng. Theo kinh nghiệm của Microsoft, giá trị từ agentic AI thường thuộc ba lĩnh vực chính:
- Năng suất (Productivity): Có thể xem đây là “thời gian được giải phóng nhờ agentic AI”. Điều này phản ánh việc giảm thời gian không tạo ra giá trị gia tăng liên quan đến sự tương tác của con người trong một quy trình, và sử dụng “thời gian được giải phóng” đó cho các hoạt động có giá trị hơn. Ví dụ, một nhà bán lẻ đã tìm cách giải phóng thời gian cho các nhà hoạch định chuỗi cung ứng để họ có thể dành nhiều thời gian hơn làm việc với các nhà cung cấp cá nhân về kế hoạch tồn kho cho các chương trình khuyến mãi trong tương lai.
- Hiệu quả quy trình (Process Efficiency): Liên quan đến thời gian thực hiện một quy trình. Các agent AI tự động hóa các tác vụ lặp đi lặp lại và tối ưu hóa hoạt động, dẫn đến hiệu quả quy trình cao hơn và chi phí thấp hơn. Điều này mang lại các lợi ích kéo theo, ví dụ, giảm thời gian từ khi nhận đến khi xử lý đơn hàng của khách hàng sẽ cải thiện khả năng đáp ứng của doanh nghiệp.
- Chất lượng (Quality): Tập trung vào việc giảm thiểu sai sót hoặc các vấn đề có hậu quả tiêu cực trong chuỗi cung ứng hoặc trong tổ chức. Ví dụ, việc hứa hẹn một lượng hàng tồn kho không tồn tại sẽ ảnh hưởng xấu đến điểm hài lòng của khách hàng và có thể dẫn đến mất doanh số trong tương lai.
Đo lường là chìa khóa
Đối với mỗi lĩnh vực tạo ra giá trị, việc thiết lập các chỉ số hoặc KPI để đo lường tác động là rất quan trọng. Ví dụ, đối với năng suất, thời gian được giải phóng có thể được sử dụng để xác định các cơ hội tạo doanh thu mới, giúp nâng cao KPI doanh thu trên mỗi nhân viên. Đối với hiệu quả quy trình, giảm doanh số bị mất có thể là một chỉ số phù hợp nếu doanh nghiệp đang tự động hóa quy trình đặt hàng của khách hàng.
Tuy nhiên, việc đo lường giá trị từ việc cải thiện chất lượng mới thực sự thú vị. Xác định hậu quả tiêu cực của một quyết định chậm trễ hoặc sai lầm có thể khó khăn, nhưng rất đáng giá. Một phương pháp được Microsoft đề xuất là sử dụng các công cụ như Microsoft Copilot để lên ý tưởng, yêu cầu gợi ý về những hậu quả tiêu cực có thể xảy ra do lỗi trong một quy trình cụ thể. Điều này có thể truyền cảm hứng cho một ý tưởng hoặc góc nhìn mới phù hợp với doanh nghiệp của bạn.
Triển khai dựa trên giá trị
Việc lựa chọn các kịch bản ứng dụng phù hợp cho agentic AI đòi hỏi sự hiểu biết thấu đáo về cả tiêu chí triển khai và các động lực tạo ra giá trị. Bằng cách tập trung vào các quy trình có khối lượng lớn, dễ xảy ra lỗi, đòi hỏi nhiều nỗ lực của con người và tương tác với nhiều hệ thống, các tổ chức có thể xác định các lĩnh vực ứng dụng AI hứa hẹn nhất.
Ngoài ra, việc xác định và đo lường giá trị của các khoản đầu tư vào AI thông qua các cải tiến về năng suất, hiệu quả quy trình và chất lượng sẽ đảm bảo các tổ chức có thể khai thác toàn bộ tiềm năng của agentic AI. Với những hướng dẫn này, doanh nghiệp có thể đưa ra quyết định sáng suốt, vượt qua sự phức tạp trong việc lựa chọn kịch bản ứng dụng AI, và cuối cùng là thúc đẩy sự đổi mới và hiệu quả.
