AI: Thế giới đang ở đâu?
Trí tuệ nhân tạo hiểu một cách đơn giản nhất là những phương pháp tính toán, lập trình để máy móc mô phỏng những hành vi thông minh của con người, đặc biệt là khả năng suy nghĩ và lập luận, năng lực giao tiếp, học hỏi và thích nghi. Theo Andrew Ng -Giáo sư tại Đại học Stanford và Giám đốc khoa học dữ liệu của Baidu, thì AI có thể được ví như là một loại hình điện mới, và hoàn toàn có khả năng làm thay đổi toàn bộ các ngành công nghiệp hiện nay. Bên cạnh đó, 99% giá trị gia tăng thông qua AI được thực hiện thông qua phương pháp kết nối đầu vào và đầu ra, còn gọi là phương pháp học tự động hay kiểm soát.
Thuật ngữ AI xuất hiện vào những năm 1950, được phát triển trong những năm 1960 và trở nên phổ biến gần đây, nhờ những ứng dụng quan trọng trong chiến lược chuyển đổi số hoá của các nước phát triển dựa trên kết nối vạn vật (IoT), dữ liệu lớn (Big Data), và nền tảng mở (Open Platforms). Hội nghị cấp Bộ trưởng của OECD tháng 6/2016 ở Cancún (Mexico) và tại Paris tháng 6/2017 ở Paris đã đưa kinh tế số hóa vào danh sách các chương trình chiến lược của các nước trong khối. Theo đó, công nghệ số hoá và trí tuệ nhân tạo kết nối (Networked Artificial Intelligence) có vai trò đòn bẩy tăng năng suất và hiệu suất cho nền kinh tế. Tập đoàn tư vấn Boston Consulting Group (BCG) ước tính chỉ riêng nhóm G20, giá trị của kinh tế số hóa đã là 4 nghìn tỉ đô la Mỹ trong năm 2016. Tốc độ tăng trưởng năm 2016 của kinh tế số trong khu vực OECD là 10%, và bên ngoài khu vực là 15%-20%.
Mỹ, Trung Quốc, Nhật, Anh, và Đức là những quốc gia đi đầu trong nghiên cứu và phát triển ứng dụng AI. Với khoảng hơn 1.000 doanh nghiệp AI và trên 10 tỷ USD vốn đầu tư mạo hiểm vào AI, Mỹ đang trở thành một siêu cường trong lĩnh vực này cả về đầu tư lẫn nghiên cứu. Pháp đi sau một nhịp nhưng có tiềm năng tham gia vào tốp quốc gia hàng đầu. Bản báo cáo về trí tuệ nhân tạo mà nhà toán học và đại biểu quốc hội Pháp, Cédric Villani (Fields Medal, 2010) trao cho tổng thống Emmanuel Macron nhấn mạnh năng lực nghiên cứu của Pháp, 4 lĩnh vực ưu tiên (y tế, vận tải, quốc phòng, và môi trường), và nguy cơ chảy máu chất xám về AI nếu Pháp không có một chính sách phù hợp (môi trường lao động và thu nhập).
Rõ ràng, bài toán đặt ra ở đây là làm thế nào để mỗi quốc gia, mỗi doanh nghiệp tận dụng được những tiềm năng lớn của AI và máy học (machine learning) trong nền kinh tế ngày một số hoá.
Xu thế ứng dụng AI trong kinh doanh
Không phải ngẫu nhiên mà lượng vốn đầu tư vào AI tăng vọt trong những năm gần đây. Theo báo cáo của KPMG, năm 2017 các quỹ đầu tư mạo hiểm (VC) đã đầu tư 12 tỷ USD vào AI ở Mỹ, tăng 100% so với năm trước đó. Ở Trung Quốc, tổng vốn đầu tư của các VC tính đến năm 2017 lên đến 40 tỷ USD, cùng với mục tiêu trở thành trung tâm đổi mới về trí tuệ nhân tạo hàng đầu thế giới vào năm 2030.
Ngoài ra, một báo cáo của Đại học Stanford (AI Index 2017) còn cho biết, số lượng doanh nghiệp khởi nghiệp (startup) ở Hoa Kỳ còn hoạt động tăng 14 lần kể từ năm 2000. Dự báo doanh thu từ của các doanh nghiệp phát triển ứng dụng AI tăng từ 1,62 tỷ USD trong năm 2018 sẽ lên đến 31,2 tỷ USD vào năm 2025.
Sự phát triển nhanh chóng về khả năng tính toán và lưu trữ của máy tính; các thuật toán ngày càng hoàn thiện và tối ưu hơn; cùng với việc dữ liệu ngày càng nhiều và phong phú là ba yếu tố nền tảng để AI đang phát triển nhanh và mang lại nhiều ứng dụng cụ thể. Trong nhiều lĩnh vực, AI đã cho thấy hiệu quả rất lớn trong việc tự động hóa, tăng khả năng dự báo, từ đó đồng thời giảm chi phí và tăng doanh thu của doanh nghiệp.
Các doanh nghiệp trong một số lĩnh vực như thương mại điện tử, ngân hàng, bảo hiểm, y tế, logistics hay thậm chí các bộ phận trong doanh nghiệp như marketing, nhân sự, dịch vụ khách hàng… sẽ là những nơi mà AI phát huy uy lực của mình. Đương nhiên, thời gian đầu khi triển khai AI sẽ có nhiều lỗi xảy ra nhưng quá trình tự học từ các lỗi và cập nhật liên tục theo vòng lặp sẽ giúp công cụ AI dần dần hoàn thiện hơn các phán đoán và quyết định. Đến một thời điểm, AI hoàn toàn có thể thực thi công việc chính xác, thay thế hoàn toàn con người.
Điều kiện để ứng dụng AI thành công
Như đã đề cập ở trên, có ba yếu tố nền tảng để thực hiện được AI là: i) khả năng tính toán của máy tính; ii) các thuật toán; và iii) nguồn và chất lượng dữ liệu. Việc có được các máy tính hiện đại và cấu hình mạnh ngày nay không còn là một trở ngại với nhiều doanh nghiệp. Các thuật toán được phát triển bởi các chuyên gia/nhà khoa học cũng không khó để có được khi bài toán mục tiêu được đặt ra đúng. Xu hướng mã nguồn mở cùng với khả năng tiếp cận thông tin được chia sẻ với tốc độ cao giúp cho việc cập nhật, tối ưu các thuật toán ngày càng dễ dàng hơn.
Trở ngại lớn nhất và quan trọng nhất chính là nguồn dữ liệu. Để một công cụ AI thực hiện tốt nhiệm vụ, yêu cầu chung là phải có một lượng thông tin dữ liệu đủ lớn làm yếu tố đầu vào (Big Data), trải qua quá trình máy học (Machine Learning) hay học sâu (Deep Learning), để từ đó AI tương tác với môi trường và ra quyết định. Theo chuyên gia trong ngành khoa học máy tính và dữ liệu lớn, một tổ chức cần ít nhất 100.000 dữ liệu quan sát.
Nhưng thách thức của nguồn dữ liệu đầu vào không chỉ là số lượng mà là chất lượng. Lượng thông tin ngày nay được tạo ra có thể nói là theo cấp số mũ, nên số lượng thông tin được thu thập, tích lũy bởi các tổ chức, doanh nghiệp là rất nhiều. Tuy vậy, có rất ít dữ liệu được gắn mã phân loại và đưa vào phân tích. Không những thế, có những dữ liệu là thông tin không chính xác hay phân loại dữ liệu bị sai (nhầm lần giữa các trường thông tin). Chính vì thế, đối với nhiều tổ chức và doanh nghiệp, chất lượng của thông tin đang là mối quan tâm hàng đầu trong việc ứng dụng dữ liệu lớn, máy học và AI.
Tuy vậy, ba yếu tố vừa kể trên cũng chỉ là phần cứng của AI. Để triển khai thành công AI còn phải có thêm yếu tố quản lý. Chẳng hạn, việc triển khai và ứng dụng AI không thể là một dự án ngắn hạn 1-3 năm mà một tầm nhìn cho 5-10 năm. Sự phát triển của AI cũng rất nhanh, do đó chiến lược tiếp cận và thích ứng của lãnh đạo của tổ chức hay doanh nghiệp cần phải có nền tảng và kế hoạch. Thêm vào đó, lãnh đạo doanh nghiệp cần xác định mục tiêu cụ thể trong việc ứng dụng AI, vì AI chỉ làm tối ưu với những thông tin và thuật toán con người đưa vào. Cuối cùng, cần thấy được rằng AI chính là vòng lặp của quá trình học, và vì thế thông tin đầu vào của bất kì thời điểm nào cũng là quan trọng.
Doanh nghiệp Việt có bị lỡ chuyến tàu?
Kể từ khi gia nhập WTO, lĩnh vực Ngân hàng-Bảo hiểm ở Việt Nam đã có sự phát triển vượt bậc. Nếu tính trên số lượng khách hàng, các ngân hàng ở Việt Nam hiện có khoảng 66,6 triệu tài khoản thanh toán, nếu sai số ở mức 10% thì cũng có đến 60 triệu cá nhân có tài khoản ngân hàng. Còn đối với các doanh nghiệp bảo hiểm, số lượng hợp đồng bảo hiểm nhân thọ có đến 13 triệu hợp đồng, khoảng 13 triệu hợp đồng bảo hiểm xe cơ giới, 33 triệu hợp đồng bảo hiểm sức khỏe (gồm cả bảo hiểm học sinh).
Như vậy, hiện nay các doanh nghiệp Ngân hàng-bảo hiểm ở Việt Nam có một cơ sở dữ liệu phải nói là rất lớn về khách hàng và đây là một điều kiện rất thuận lợi để khiển khai AI.
Mặc dù một số doanh nghiệp đã thấy được tầm quan trọng của AI và ứng dụng AI vào dịch vụ khách hàng, marketing… nhưng những ứng dụng như vậy là rất cơ bản, và không khai thác được hết sức mạnh của AI. Hầu hết, các doanh nghiệp đều có có dữ liệu của rất nhiều khách hàng, nhưng thông tin ít được phân loại, số hóa, và đưa vào các các phân tích.
Một số ứng dụng của AI trong Ngân hàng-Bảo hiểm như xét duyệt mở tài khoản/hợp đồng tự động, phát hiện gian lận như khiếu nại bồi thường trong bảo hiểm, tính toán giá trị của khách hàng, định giá phí, đề xuất sản phẩm dịch vụ theo hướng cá nhân hóa… vẫn chưa được quan tâm đầu tư đúng mức để triển khai.
Đối với các doanh nghiệp Ngân hàng-Bảo hiểm có lượng khách hàng lớn, việc đầu tư khiển khai ứng dụng AI càng sớm sẽ càng tăng lợi thế cạnh tranh qua việc giảm chi phí và tăng doanh thu. Đây cũng là điều kiện sống còn trong xu hướng cạnh tranh với các mô hình kinh doanh mới trong lĩnh vực dịch vụ tài chính không chỉ đến từ trong nước mà còn thế giới.
Một chiến lược trung dài hạn cho việc ứng dụng AI là cần thiết. Theo đó, doanh nghiệp cần tổ chức lại cơ sở dữ liệu hiện có, thu thập thêm thông tin nhưng phải theo các quy định pháp lý liên quan về quyền riêng tư. Từ đó tổ chức phân loại thông tin, tạo một cơ sở dữ liệu tốt nhất có thể. Tiếp đến, cần xác định rõ mục tiêu ứng dụng AI để làm gì, cho một tác vụ cụ thể, để từ đó đưa ra yêu cầu xây dựng thuật toán và dữ liệu đầu vào phù hợp. Ví dụ, nếu muốn chống gian lận trong hồ sơ bồi thường bảo hiểm thì cần có lưu trữ lịch sử bồi thường, dưới dạng hình ảnh hoặc ký tự để AI có thể nhận diện và so sánh.
Cuối cùng, để áp dụng thành công AI, ngoài dữ liệu, máy tính, thuật toán, thì cần phải có cả tầm nhìn trung dài hạn của lãnh đạo doanh nghiệp về AI và kinh tế số hóa, cũng như hiệu quả quản lý trong quá trình triển khai thực hiện các ứng dụng của AI.
Kết luận
Kinh tế số hoá và kinh tế tri thức trên nền tảng của cách mạng công nghiệp 4.0 đang diễn ra một cách sôi nổi và đang tái cấu trúc lại toàn bộ nền kinh tế toàn cầu: thay lao động bằng tự động hóa, thay vốn bằng tri thức và dữ liệu, thay đổi toàn diện mối quan hệ của chính quyền với người dân và giữa các chủ thể trong nền kinh tế thông qua việc xóa bỏ các cơ chế trung gian trong chuỗi giá trị bằng công nghệ kết nối trực tiếp, thay đổi thói quen tiêu dùng cũng như hành vi ứng xử của toàn bộ xã hội. Những làn sóng thay đổi đó đang lan tỏa rất nhanh và bắt đầu tạo áp lực lên nền kinh tế vốn chưa phát triển bền vững của Việt Nam. Trong báo cáo mới nhất của Diễn đàn kinh tế thế giới (WEF) mang tên “Sự sẵn sàng cho nền sản xuất tương lai”, Việt Nam được xếp vào nhóm các nước chưa có sự sẵn sàng cho cuộc cách mạng công nghiệp 4.0.
Cuộc chơi AI mở rộng cho tất cả các quốc gia, mặc dù mức độ phát triển sâu rộng là khác nhau. Việt Nam là một quốc gia có tiềm năng rất lớn về công nghệ. Các kỹ sư công nghệ thông tin và lập trình viên của chúng ta có trình độ rất cao, không kém gì các quốc gia phát triển, thậm chí còn hơn. Chỉ số tiến bộ về số hoá của Đại học Tuffs (Mỹ) cho thấy Việt Nam nằm trong nhóm các quốc gia có khả năng đột phát cao và đang trong giai đoạn phát triển mạnh về số hoá.