TiaSang
Thứ 3, Ngày 22 tháng 1 năm 2019
Đổi mới sáng tạo

Ảo tưởng AI

10/01/2019 08:33 - Lê Thanh Sơn

Bài viết dưới đây là chia sẻ của anh Lê Thanh Sơn, kỹ sư trong nhóm tư vấn và triển khai công nghệ Watson của IBM với kinh nghiệm thực hiện khoảng 10 dự án áp dụng AI cho các doanh nghiệp trên khắp Đông Nam Á, cho thấy, ở các doanh nghiệp, vẫn có một khoảng cách giữa kì vọng và thực tế trong lĩnh vực trí tuệ nhân tạo.


Máy tính Watson của IBM thắng hai huyền thoại của show truyền hình giải đố “Jeopardy!” – Ken Jennings (trái) và Brad Rutter (phải).

Các doanh nghiệp khắp nơi trong khu vực châu Á đã và đang nhận thức được vai trò to lớn của trí tuệ nhân tạo (AI) vào trong các nghiệp vụ kinh doanh của mình. Nắm bắt được nhu cầu này, các công ty công nghệ từ startup cho tới tập đoàn lớn như Microsoft, Amazon, Google, IBM đã xây dựng các nền tảng AI phục vụ cho các doanh nghiệp. Watson là một trong số các nền tảng AI phổ biến ứng dụng cho doanh nghiệp, đặc biệt là trong hỏi – đáp bằng ngôn ngữ tự nhiên, dán nhãn dữ liệu để xây dựng mô hình máy học, là nền tảng cộng tác giữa các nhà khoa học, kỹ sư dữ liệu trong một dự án trí tuệ nhân tạo. 

Các công ty công nghệ lớn và đầu tư nhiều vào phát triển nền tảng AI như IBM với Watson, đầu tư rất nhiều vào hoạt động truyền thông và xây dựng các hiện tượng có ấn tượng mạnh mẽ với công chúng gọi là “massive hit demo” như Watson chiến thắng hai huyền thoại của show truyền hình giải đố Jeopardy! của Mỹ năm 2011, cho đến nay vẫn được nêu ra như một ví dụ về khả năng vượt trội của máy tính so với con người. Từ những “cú nổ” đó, khách hàng có ấn tượng rất sâu đậm với Watson rằng, đó là một cỗ máy thông minh biết tuốt, cái gì cũng có thể giải quyết được. Nhưng thật ra, có một khoảng cách khá xa giữa những gì AI đã làm được thông qua các demo đó và AI có giải quyết một cách trọn vẹn yêu cầu của doanh nghiệp.

Một yếu tố khác nữa là bộ phận pre-sales (tư vấn và bán hàng) của bên cung cấp giải pháp, đôi khi cố tình tô vẽ phép màu của AI lên theo lối “fake it till you make it” - tạo ra một sản phẩm demo có công năng hạn chế hơn nhiều so với hứa hẹn ban đầu trước yêu cầu của doanh nghiệp để thuyết phục họ chịu bỏ tiền ra mua giải pháp. 

Ví dụ như, trong một dự án chúng tôi làm cho một tập đoàn bán lẻ ở Thái Lan, để xây dựng một phần mềm mẫu ứng dụng máy học để hỗ trợ nhân viên của công ty so sánh các hóa đơn và ủy nhiệm thư của doanh nghiệp. Trên thực tế, ủy nhiệm thư chỉ có một mẫu chuẩn nhưng hóa đơn thì lại có rất nhiều loại với cách viết khác nhau, nên những nhân viên hành chính của công ty này vốn mất rất nhiều thời gian để so sánh hai loại chứng từ này để quản lý việc xuất, nhập kho của mình. Họ tin rằng, AI có thể tự học từ những tài liệu mẫu và tự điều chỉnh từ phản hồi của những người phụ trách nghiệm vụ (SME) và hệ thống càng trở nên chính xác hơn từ phản hồi đó. 

Tuy nhiên, sau khi phân tích đủ nhiều các dữ liệu mà doanh nghiệp cung cấp, chúng tôi thấy rằng mọi thứ không như khách hàng suy nghĩ. Có những thao tác thuần tuý là “rule based” (dùng máy giải quyết các vấn đề của con người dựa theo các quy tắc định nghĩa trước), có thể giải quyết tốt bằng các hệ thống quản lý doanh nghiệp mua sẵn truyền thống mà không nhất thiết phải dùng AI. Mặt khác, có những thao tác không có một quy tắc nào cả, chẳng hạn như cách viết tắt, cách gọi tên các địa danh cảng xuất nhập hàng không theo một trật tự chuẩn hoá nào và họ cũng có những quy tắc kinh doanh tuỳ biến theo từng hoàn cảnh cụ thể, từng khách hàng cụ thể... Những vấn đề đó AI giải quyết không tốt và cũng không cần thiết, chỉ cần tra từ điển hoặc cơ sở dữ liệu truyền thống là đủ. Một khó khăn khác nữa là SME không biết cách biểu đạt logic nghiệp vụ nằm trong đầu họ vào các logic để có thể xây dựng mô hình máy học. 

Cuối cùng chúng tôi đã phải bỏ ra rất nhiều thời gian làm việc trực tiếp tại văn phòng của doanh nghiệp, họp với các người dùng SME để hiểu nghiệp vụ của họ và tổng quát hoá chu trình của họ. Sau đó là giải thích cho họ về khả năng của AI làm được những gì và không làm được những gì. Kết quả chỉ là chúng tôi thiết kế giao diện người dùng của hệ thống so sánh đó thật sự đơn giản và tiện dụng cho người dùng văn phòng chỉ quen thuộc với Microsoft Excel để bù đắp lại cho những hứa hẹn về AI ban đầu.

Chúng tôi hay nói với nhau “đừng bị lừa bởi AI và đừng lừa người khác về những gì AI có thể và không thể làm”. Ý là doanh nghiệp hãy tỉnh táo trước khả năng thật sự của AI và đừng bị rơi vào cạm bẫy suy nghĩ rằng AI như là một ông giáo sư biết tuốt, chỉ cần đưa vào thật nhiều dữ liệu mẫu là ông ấy có thể tự học, tự phát hiện ra các quy tắc kinh doanh và đưa ra các phán đoán ở các dữ liệu thực tế tương tự khác. Chúng tôi cũng sẽ cho khách hàng biết khả năng thật sự của AI đến đâu để không “đánh lừa” khách hàng dù là vô tình hay hữu ý. 


Các bộ phận bán hàng AI thường theo lối “fake it till you make it”, cứ “làm giả” khả năng giải pháp của mình đã rồi thử nghiệm sau.

Lúc mới tham gia vào nhóm triển khai Watson vào giữa năm 2016, tôi tham gia ở giai đoạn cuối của một dự án ứng dụng chatbot để trả lời các câu hỏi từ khách hàng của một ngân hàng lớn tại Malaysia. Ngay trước ngày chatbot được “go live” tức là đưa ra giới thiệu với khách hàng và cho họ sử dụng, ngân hàng ấy yêu cầu chúng tôi phải lập tức đổi toàn bộ các câu trả lời có từ “virtual agent” - trợ lý ảo, thành AI. Ở góc độ người làm trực tiếp dự án, chúng tôi hiểu được độ thông minh của chatbot ấy đến đâu nhưng vì khách hàng yêu cầu nên chúng tôi phải làm theo. Tôi nghĩ, khách hàng nào cũng vậy, dù to hay nhỏ thì khi giới thiệu dự án có sử dụng dù chỉ là một ít thuật toán máy học vào trong đó, họ đều muốn đề cập đến thuật ngữ AI để có một bộ mặt đẹp trước công chúng. 

Theo tôi nghĩ, doanh nghiệp đặc biệt là doanh nghiệp có quy mô nhỏ và vừa với nguồn lực giới hạn thì cần phải có sự cân nhắc chu đáo về lựa chọn bài toán của doanh nghiệp mình xem có cần thiết sử dụng AI không như đã đề cập ở trên. Nếu vấn đề ấy cần và có thể giải quyết được bằng AI thì cần hiểu rõ giới hạn của nền tảng AI mà mình sẽ mua. Nói một cách ví von, các nền tảng AI như Watson giống như là từng thiết bị rời của xe ô tô trong khi doanh nghiệp cần mua một chiếc ô tô đã được cấu hình sẵn theo yêu cầu về địa hình, thời tiết, nhu cầu sử dụng... Các bạn cần một chiếc ô tô để có thể sẵn sàng chạy ngay, vấn đề đó rất khó khả thi. 

Cách làm việc của nhóm Watson ở IBM của chúng tôi là làm việc trước với khách hàng về một tác vụ cụ thể nào đó (use case) mà họ đang cần giải quyết, sau đó là thu thập dữ liệu mẫu liên quan đến use case. Sau đó thì chúng tôi đề xuất gói dịch vụ tư vấn, đào tạo, xây dựng và chuyển giao về giải pháp sẽ sử dụng AI. Điều quan trọng là doanh nghiệp và chúng tôi sẽ thống nhất với nhau về mức ngân sách bỏ ra cho dự án và thời hạn xây dựng (dao động trong vòng 8 - 10 tuần cho đến 4-5 tháng là tối đa). Nó giống như cách chúng tôi đi cùng với khách hàng xuyên suốt hành trình lựa chọn thiết bị rời của xe, lắp ráp nên chiếc xe và dạy cho họ cách sử dụng chiếc xe đó sau khi nó được hoàn thiện. Thông thường thì yêu cầu của khách hàng lúc ban đầu dự án là muốn có chiếc xe ô tô Lamborghini hay Mercedes, nhưng khi bàn giao thì sản phẩm chỉ là chiếc xe đạp điện hay chiếc xe gắn máy là đã đủ để đáp ứng yêu cầu thực tại của doanh nghiệp.

Cách đây ít tháng, nhóm chúng tôi làm dịch vụ tư vấn theo giờ với một tập đoàn bán lẻ của Hong Kong có chi nhánh ở nhiều nước trong khu vực Đông Nam Á. Cách làm việc của họ là lập ra một tổ đặc nhiệm chuyên thí nghiệm với các ý tưởng mới. Có vẻ như đứng trước thách thức to lớn từ các đối thủ cạnh tranh đã đi trước trong việc ứng dụng công nghệ, ban giám đốc rất “quyết liệt” trong việc giao cho tổ đó mỗi ngày phải hiện thực ít nhất là một use case. Tuy nhiên, doanh nghiệp này lại không cho chúng tôi thấy một bức tranh tổng thể về quá trình số hóa của họ mà chỉ đưa ra những câu hỏi chắp vá về tính năng sản phẩm. Đây cũng là một trong những trở ngại cho phía chúng tôi từ góc độ người đi tư vấn và xây dựng giải pháp tuỳ chỉnh cho khách hàng doanh nghiệp.   

Theo tôi, AI chỉ là một trong số nhiều công cụ để giải quyết vấn đề cho doanh nghiệp. Hãy hiểu thật rõ vấn đề mình sẽ cần giải quyết là gì rồi sau đó mới đi tìm giải pháp chứ đừng bắt đầu từ giải pháp rồi đi tìm vấn đề để giải quyết. Vấn đề này tôi đã thấy rất rõ qua một trường hợp tập đoàn bán lẻ khác của châu Âu, họ đặt hàng một nhóm khác trong IBM để xây dựng chatbot phục vụ khách hàng ở ba nước Singapore, Thái Lan và Việt Nam. Theo tôi được biết thì trụ sở khu vực của doanh nghiệp này tại Singapore có một ngân sách hằng năm từ tổng hành dinh ở châu Âu rót xuống cho việc ứng dụng công nghệ mới để tăng trải nghiệm cho khách hàng. Vì chatbot đang là xu thế thời thượng nên họ đặt hàng IBM để xây dựng. Kết quả là, mặc dù xây dựng được chatbot nhưng vấn đề họ giải quyết được quá nhỏ bé. 

AI chắc chắn là có những tiềm năng to lớn giúp doanh nghiệp tăng lợi thế cạnh tranh nếu biết cách sử dụng đúng công cụ cho đúng vấn đề của doanh nghiệp. Doanh nghiệp có thể bắt đầu dần với việc trang bị kiến thức nền về các ứng dụng của AI cho các cấp độ từ người quản lý xuống đến nhân viên cấp thấp. Hãy cứ thử nghiệm với một vấn đề cụ thể, với dữ liệu đang có (không cần quá nhiều đâu) và thất bại nhanh (fail fast) sau đó là tiếp tục quá trình này (rinse and repeat). 

Tags: