Tech, Data và AI là 3 trụ cột định hình tương lai công nghệ toàn cầu

Tại sự kiện, các chuyên gia đến từ VinBigdata, Microsoft, Endava,... đã chia sẻ một số giải pháp công nghệ ứng dụng đa dạng Tech, Data & AI, tập trung vào việc kết nối công nghệ và thúc đẩy sự đổi mới sáng tạo trong kỷ nguyên số.

GenAI góp phần định hình cách các doanh nghiệp và tổ chức vận hành trong kỷ nguyên số

Tại sự kiện, ông Đặng Trần Thái, Trưởng phòng Xử lý ngôn ngữ tự nhiên VinBigdata thông tin, mức đầu tư vào Generative AI (GenAI) đã đạt 25 tỷ USD năm 2023, gấp 9 lần so với năm 2022. Đáng chú ý, Statista dự đoán giá trị thị trường GenAI dự kiến đạt 356 tỷ USD vào năm 2030 với tốc độ tăng trưởng kép (CAGR) đạt khoảng 46%.

Công nghệ GenAI đang được ứng dụng trong nhiều lĩnh vực như marketing và sales (34%), phát triển sản phẩm và dịch vụ (23%), công nghệ thông tin (17%), và các lĩnh vực khác (26%). Không chỉ là một công nghệ tiềm năng, GenAI còn mang tính cách mạng khi được ứng dụng rộng rãi trong các lĩnh vực như nghệ thuật, giáo dục, giải trí, chăm sóc sức khỏe và hành chính công.

Đại diện VinBigdata nhấn mạnh, từ việc tạo nội dung sáng tạo đến tối ưu hóa quy trình hoạt động, GenAI đang góp phần định hình lại cách các doanh nghiệp (DN) và tổ chức vận hành trong kỷ nguyên số, mang đến những giá trị to lớn, giúp DN tối ưu hóa vận hành và tiết kiệm chi phí.

Mặc dù GenAI mang lại nhiều giá trị, việc ứng dụng công nghệ này vẫn phải đối mặt với một số thách thức và rào cản lớn. Theo đó, ông Đặng Trần Thái cho biết, công nghệ này thường không đảm bảo tính chính xác do bản chất xác suất thống kê của mô hình. Cụ thể, hiện tượng "ảo giác" (hallucination) xảy ra khi GenAI tạo ra thông tin sai lệch, điều này có thể dẫn đến các quyết định kinh doanh không đúng đắn. Bên cạnh đó, độ phức tạp trong tùy chỉnh và vận hành cũng là một rào cản.

Vì thế, để GenAI thực hiện đúng các nhiệm vụ đặc thù, DN cần đầu tư vào thiết kế lệnh (prompt engineering) hoặc tinh chỉnh mô hình (fine-tuning). Nhiều mô hình AI hiện tại được huấn luyện trên dữ liệu phổ quát, do đó khó đáp ứng các yêu cầu đặc thù nếu không được tùy chỉnh thêm.

Bên cạnh đó, vấn đề bảo mật dữ liệu cũng đặt ra thách thức không nhỏ. Phần lớn DN sử dụng GenAI thông qua các API (Application Programming Interface) của bên thứ 3 như OpenAI hoặc Google, điều này dẫn đến lo ngại về việc bảo vệ dữ liệu, đặc biệt trong các ngành tài chính, ngân hàng và bảo hiểm.

Một số DN lựa chọn triển khai GenAI nội bộ (on-premise) để đảm bảo an toàn dữ liệu, nhưng cách tiếp cận này đòi hỏi chi phí hạ tầng rất lớn, khiến việc áp dụng rộng rãi trở nên khó khăn hơn. Theo ông Thái, để ứng dụng GenAI một cách hiệu quả, DN cần kết hợp công nghệ này với các công cụ truy xuất thông tin.

“Bằng cách sử dụng các mô hình ngôn ngữ lớn (LLM) cùng với hệ thống truy xuất thông tin, DN có thể đảm bảo rằng các câu trả lời được đưa ra dựa trên tài liệu chính thống, từ đó giảm thiểu rủi ro liên quan đến hiện tượng "ảo giác" và gia tăng tính chính xác, đặc thù cho các vấn đề cần giải quyết”, ông Đặng Trần Thái nói.

Ngoài ra, chuyên gia đến từ VinBigdata cũng chia sẻ về các kỹ thuật như: Chain-of-Thought (chuỗi tư duy), Few-shot Learning (Học từ ít ví dụ) và Function Calling (một tính năng mới trong OpenAI API giúp mở rộng khả năng của LLM) đóng vai trò quan trọng trong việc hướng dẫn mô hình hoạt động hiệu quả. Theo đó, Chain-of-Thought giúp chia nhỏ các bài toán phức tạp thành từng bước đơn giản, nâng cao khả năng xử lý của GenAI, trong khi Few-shot Learning cho phép mô hình học và áp dụng từ một số ví dụ minh hoạ cụ thể, đặc biệt hữu ích khi đối mặt với các yêu cầu đặc thù mà không cần huấn luyện lại toàn bộ mô hình. Function Calling giúp GenAI kết nối và tương tác với các hệ thống bên ngoài như cơ sở dữ liệu, API hoặc thực hiện các phép tính phức tạp mà bản thân mô hình không thể tự xử lý.

Theo chuyên gia, với những giải pháp này, DN không chỉ khai thác tối đa tiềm năng của GenAI mà còn vượt qua các rào cản, từ đó tạo ra những giá trị bền vững trong hoạt động và chiến lược phát triển.

Chỉ có con người mới có thể làm cho mọi thứ trở nên khả thi và thành công

Theo ông Nicolae Strospa, chuyên gia của Endava, công ty công nghệ chuyên về chuyển đổi số, kỹ thuật phần mềm và tư vấn CNTT, cho rằng, AI có thể được hiểu đơn giản là một công cụ sử dụng dữ liệu để tạo ra giá trị. Tuy nhiên, đằng sau AI không chỉ là "hộp thần kỳ" mà là một hệ thống phức tạp với một lượng lớn dữ liệu và khoa học dữ liệu.

Ông Nicolae Strospa cho rằng, để triển khai AI trong tổ chức, các công ty cần xác định rõ vấn đề mình muốn giải quyết và mục tiêu cần đạt được. AI không chỉ là công nghệ mà còn là một quá trình, bao gồm thu thập và xử lý dữ liệu, lựa chọn mô hình, huấn luyện và tinh chỉnh mô hình AI. Sau khi triển khai, công ty cần theo dõi và cải thiện mô hình AI liên tục.

Ngoài yếu tố khoa học và kỹ thuật, các công ty cũng phải đối mặt với các yếu tố pháp lý, đạo đức và bảo mật khi triển khai AI. Điều quan trọng là AI cần được áp dụng vào các hệ thống cốt lõi của doanh nghiệp.

“Trong khi chuyển đổi số trước đây chủ yếu tập trung vào các hệ thống kế thừa, thì giờ đây, với sự phát triển của AI, các công ty cần hiện đại hóa các hệ thống cốt lõi để tối ưu hóa hiệu quả và khả năng cạnh tranh. Chỉ khi đó, dữ liệu mới có thể được khai thác tối đa và mang lại trải nghiệm người dùng tốt hơn”, ông Nicolae Strospa nói.

Cuối cùng, chuyên gia Endava nhấn mạnh, mặc dù AI có thể hỗ trợ rất nhiều, nhưng chỉ có con người mới có thể thực sự làm cho mọi thứ trở nên khả thi và thành công.

Ứng dụng các giải pháp dữ liệu của Microsoft để nâng cao năng lực cạnh tranh

Một trong những nội dung thu hút khác tại sư kiện là việc ứng dụng Microsoft Copilot vào một số nghiệp vụ của DN và cơ hội ứng dụng thực tế khi đưa AI vào vận hành. Theo chuyên gia, sự xuất hiện của ChatGPT cùng với các giải pháp dữ liệu của Microsoft là chủ đề chưa từng hạ nhiệt kể từ khi ra mắt, không ngừng khuấy đảo giới công nghệ trong suốt thời gian vừa qua. Tuy nhiên, ứng dụng các giải pháp này một cách thông suốt vào DN và lượng hóa giá trị từ dữ liệu vẫn là một câu hỏi lớn với nhiều DN, đặc biệt là các nền tảng tiếng Việt.

Một trong những rào cản nói chung trong ứng dụng AI nói chung và Microsoft Copilot nói riêng tại Việt Nam là các chức năng của Copilot chưa tối ưu cho ngôn ngữ tiếng Việt. Nắm bắt được nhu cầu này từ thị trường, các diễn giả của Vietnam Web Summit đã mang lại những cách tiếp cận vô cùng độc đáo, chẳng hạn như: Demo Mera – một trợ lý ảo ứng dụng công nghệ lõi trí tuệ nhân tạo của Microsoft và hỗ trợ xuyên suốt bằng tiếng Việt; Gotit đưa ra ứng dụng của AI trong phát triển MathGPT hay Rogo Solutions đưa ra giải pháp thu thập dữ liệu và ứng dụng AI/ML,...

Tại Vietnam Web Summit, nhiều công ty đã giới thiệu hướng tiếp cận và ứng dụng AI trong nhiều nghiệp vụ của DN. Cùng với những kinh nghiệm triển khai giải pháp của Microsoft, sự kiện đã mang đến những thông tin hữu ích cho giới công nghệ và giới doanh nghiệp trong việc ứng dụng AI.