-
Đặt nền tảng từ đâu
Lucia Rahilly: Trí tuệ nhân tạo (AI) sinh sản đang trở thành ngôi sao mới lấp lánh trong thế giới kinh doanh, nhưng như bạn đã nói, nó có thể khiến các nhà lãnh đạo bỏ qua những công cụ số khác quan trọng cho sự thành công của tổ chức. Làm thế nào để cân nhắc giữa việc theo kịp xu hướng hàng đầu và duy trì sự chú ý vào các hoạt động kinh doanh và chiến lược cơ bản?
Rodney Zemmel: Bạn phải bắt đầu từ nguồn giá trị, suy nghĩ về cách thay đổi lĩnh vực kinh doanh thông qua công nghệ để tạo ra giá trị. Dù là AI sinh sản, AI truyền thống, số hóa quy trình hay bất kỳ công nghệ nào khác, chúng đều phải phục vụ cho vấn đề nguồn giá trị này.
-
Tổ chức kinh doanh giống như não bộ con người
Lucia Rahilly: Bài viết của bạn liệt kê mười “quan điểm ít được biết đến” về số hóa và AI. Hôm nay, chúng ta sẽ tập trung vào ba quan điểm. Đầu tiên, chúng ta hãy bắt đầu với quan điểm “Mỗi công ty sẽ trở thành một tổ chức mạng lưới thần kinh”. Điều này có nghĩa là gì?
Rodney Zemmel: Năm ngoái, chúng tôi đã đạt được một số đột phá khoa học đáng kinh ngạc về não bộ. Tại phòng thí nghiệm cũ của tôi ở Cambridge, chúng tôi lần đầu tiên nhìn thấy kết nối (connectome), tức là cách tất cả các neuron khác nhau liên kết với nhau – đầu tiên trong não bướm dơi, sau đó là từ các mảnh não của con người mà nhóm Google đã thu thập. Chúng tôi đã thấy cấu trúc phức tạp và tuyệt vời, nơi mỗi neuron liên kết với mọi neuron khác. Chúng tôi coi đây là hình ảnh ẩn dụ mới cho tổ chức kinh doanh.
Trước đây, tổ chức được so sánh với cây: rõ ràng theo cấp bậc, các phòng ban mở rộng theo từng cấp. Tuy nhiên, nhược điểm của cách so sánh này là khó tạo liên kết giữa các cành cây.
Vì vậy, để tổ chức thực hiện những điều thú vị và sáng tạo nhất, cần phải tạo ra các liên kết hiệu quả hơn so với nhiều tổ chức phân cấp cứng nhắc.
Bên cạnh đó, bạn cần đảm bảo rằng mô hình tổng quát, quản lý và cấu trúc tổ chức vừa tinh tế vừa mạng lưới, giúp tất cả các đội trong tổ chức có thể hợp tác, phát triển và tiến hoá mà không bị hỗn loạn.
Kate Smaje: Đầu tiên, điều này liên quan đến việc nâng cao tốc độ. Một tổ chức có thể tăng tốc độ chuyển hóa không? Thứ hai, điều này liên quan đến quy mô. Đó chính là nơi mô hình tổng quát phát huy tác dụng, vì tái sử dụng càng cao, khả năng nhận dạng mẫu càng mạnh, thì càng có thể mở rộng quy mô mà không cần phải tái phát minh bánh xe mỗi lần.
Lucia Rahilly: Bạn có thể đưa ra một ví dụ về một công ty thành công khi áp dụng mô hình tổ chức mạng lưới thần kinh không?
Rodney Zemmel: Trong cuốn sách “Rewired” của chúng tôi, chúng tôi đã giới thiệu Ngân hàng DBS, một trong những ngân hàng kỹ thuật số hàng đầu, đã thực sự tái cấu trúc mình thành nhiều nhóm linh hoạt xuyên chức năng. Tất nhiên, chỉ cần đưa ra ví dụ về ngành ngân hàng, mọi người sẽ nói, “OK, điều này rõ ràng có thể hiểu được trong dịch vụ.” Tuy nhiên, công ty khác được đề cập trong cuốn sách, Freeport-McMoRan, cũng đã làm điều tương tự trong lĩnh vực khai thác đồng của họ.
Kate Smaje: Bất kỳ công ty nào cũng có thể thử một câu hỏi đơn giản: Ngày hôm nay tôi có thể nhanh chóng thiết kế, xây dựng và tung ra sản phẩm hoặc dịch vụ mới như thế nào?
Rodney Zemmel: Đây là một phép thử tốt. Hiện tại, rất hiếm có công ty nào mà lãnh đạo cấp cao lại nói, “Chúng tôi không làm việc theo mô hình linh hoạt.” Điều này thường có nghĩa là họ có một nhóm công nghệ làm việc theo mô hình linh hoạt, nhưng không phải lúc nào cũng có nghĩa là công nghệ và kinh doanh đã hợp tác toàn diện. Thành thật mà nói, điều này cũng rất ít khi có nghĩa là bạn đã tích hợp đúng cách các chức năng kiểm soát vào nhóm linh hoạt.
-
Nguồn lực từ đâu
Lucia Rahilly: Khi nói về chức năng kiểm soát, loại mô hình vận hành nào phù hợp cho tổ chức kinh doanh mạng lưới thần kinh? Cần loại giám sát nào để đảm bảo các nhóm linh hoạt hoạt động hiệu quả, bao gồm hạn chế sai sót và cải thiện năng suất?
Rodney Zemmel: Vậy làm thế nào để mở rộng quy mô? Nhiều công ty có thể vận hành vài nhóm linh hoạt, nhưng làm thế nào để mở rộng lên hàng chục đến hàng trăm nhóm? Đây là điều khó khăn nhất.
Đầu tiên, nguồn nhân lực rất quan trọng. Bạn cần nỗ lực nâng cao kỹ năng hiện tại của nhân viên đồng thời đào tạo họ kỹ năng mới để họ có thể thích nghi với mô hình mới. Thứ hai, bạn cần suy nghĩ kỹ về cách bổ sung nhân lực cho các nhóm, cách để đội ngũ lãnh đạo cấp cao cảm thấy thoải mái, để họ có thể xác định ranh giới và mục tiêu. Họ sẽ tham gia đánh giá tại các cột mốc quan trọng, nhưng không phải quyết định nào cũng phải báo cáo lên họ. Điều này đòi hỏi một khung quản lý hoàn thiện.
-
Magic đến từ đâu
Lucia Rahilly: Bây giờ chúng ta hãy nói về quan điểm thứ hai của bạn: Các nhà lãnh đạo số hóa và AI tiên phong là những người thay đổi vĩnh cửu. Nhà lãnh đạo nên tập trung vào công nghệ hoặc xu hướng mới nào?
Kate Smaje: Đối với tôi, sức mạnh không nằm ở một công nghệ cụ thể hay một xu hướng cụ thể, mà ở sự kết hợp của các công nghệ đó. Chỉ có như vậy – nhân tiện nói, cả AI sinh sản cũng vậy – bạn mới có thể tạo ra đột phá trong việc xây dựng mô hình kinh doanh mới, tạo ra sự gián đoạn chưa từng có.
Rodney Zemmel: McKinsey có một phân tích gọi là “Digital Quotient” hoặc “AI Quotient”, dùng để đo lường mức độ áp dụng số hóa hoặc AI của công ty. Trong hai đến ba năm qua, chúng tôi phát hiện rằng ngành công nghiệp không còn là yếu tố quyết định. Sự khác biệt bên trong cùng một ngành lớn hơn nhiều so với sự khác biệt giữa các ngành công nghiệp khác nhau. Có những công ty dẫn đầu trong ngành thậm chí còn số hóa hơn các công ty công nghệ ở vị trí trung bình, trong khi những công ty kém số hóa nhất lại còn kém hơn cả các công ty công nghệ công cộng ở vị trí trung bình.
Nguyên nhân đằng sau là ý tưởng về “Nhà lãnh đạo vĩnh cửu”. Bạn có thể thấy, những công ty bắt đầu hành trình số hóa chạy phía trước, họ tiếp tục đầu tư và, thành thật mà nói, sẽ ngày càng đi xa hơn. Theo thời gian, bạn sẽ thấy các nhà lãnh đạo số hóa vượt qua các công ty khác trong ngành và đạt được nhiều lợi ích hơn.
-
Hướng tới tương lai
Lucia Rahilly: Việc phụ thuộc quá mức vào AI có thể ẩn chứa rủi ro gì? Để duy trì phán đoán của con người, công ty cần thực hiện những biện pháp nào?
Kate Smaje: Trên một số phương diện, chúng ta có thể xem sự phụ thuộc vào AI như một thuật ngữ mang tính phê phán hoặc một yếu tố tích cực thực sự, vì AI đang giúp nhân viên làm việc nhanh hơn, rẻ hơn và an toàn hơn. Trên thực tế, phán đoán của con người quan trọng hơn bao giờ hết để đảm bảo rằng các mô hình được xây dựng một cách có trách nhiệm và thực sự tạo ra giá trị.
Để đảm bảo sử dụng AI một cách có trách nhiệm, ít nhất cần xem xét hai điểm. Một là liên tục đặt câu hỏi về công nghệ. Hai là liên tục tìm kiếm hiệu ứng “và” của con người và công nghệ. Ở đây, một cộng một bằng năm, tức là cách kết hợp con người và công nghệ để đạt được những bước đột phá không thể thực hiện được trước đây? Miễn là chúng ta kiên trì suy nghĩ về hai điểm này, phán đoán của con người sẽ càng trở nên quan trọng, chứ không phải ngược lại.
Rodney Zemmel: Mặc dù vậy, rõ ràng là trong nhiều trường hợp, AI làm việc tốt hơn con người. Tôi sẽ đưa ra một ví dụ ngớ ngẩn. Trong quần vợt, có một hệ thống trọng tài điện tử. Wimbledon và US Open đã chọn các phương án khác nhau. Wimbledon sử dụng hệ thống trọng tài điện tử nhưng vẫn giữ lại trọng tài đứng bên lề mặc áo xanh lá cây. US Open hoàn toàn dựa vào hệ thống điện tử. Hầu hết mọi người sẽ nói, US Open hoạt động tốt hơn, thậm chí còn tốt hơn. Ít gián đoạn hơn, ít lỗi hơn. Không còn những lỗi phán đoán rõ ràng nữa.
Điều thú vị là tôi được nghe rằng số lượng nhân viên của US Open và Wimbledon là như nhau, nhưng công việc của họ khác nhau. Họ bao gồm những người ở phòng điều khiển công nghệ, cũng như những người triển khai, thiết lập và giám sát công nghệ.
Lucia Rahilly: Còn những yếu tố nào khác mà các nhà lãnh đạo đã bỏ qua?
Rodney Zemmel: Một vấn đề là sự phát triển của lực lượng lao động trong tương lai. Một số công ty nói, “OK, chúng tôi không cần người mới, nhà phân tích, người làm công việc hàng ngày. Chúng tôi không cần đội ngũ lao động, hoặc chúng tôi sẽ phát triển một đội ngũ lao động có cấu trúc kim tự tháp khác biệt.”
Cũng có những công ty khác nói, “Có thể. Nhưng điều này liên quan đến ý tưởng về siêu năng lực. Điều này có nghĩa là chúng ta có thể cho phép nhà phân tích hoặc người mới vào làm trong tương lai làm việc hiệu quả như những người có kinh nghiệm nhất hiện nay, vì họ không còn phải làm những công việc thường nhật mà họ đã làm hàng ngày, thực sự trao cho họ khả năng tạo ra giá trị to lớn hơn.
Có một quan điểm cho rằng giá trị của nhà khoa học dữ liệu sẽ giảm trong tương lai, trong khi giá trị của kỹ sư dữ liệu sẽ tăng. Vì vậy, từ góc độ lập kế hoạch lực lượng lao động, đây sẽ là một vấn đề phức tạp. Thành thật mà nói, chưa có câu trả lời sẵn có. Mọi người sẽ cần suy nghĩ một cách nghiêm túc và linh hoạt để hiểu sự phát triển này có ý nghĩa gì đối với việc lập kế hoạch lực lượng lao động.
Kate Smaje: Tôi hoàn toàn đồng ý. Sự linh hoạt bạn nói có ý nghĩa đặc biệt. Hôm nay chúng ta đã thảo luận nhiều về việc học hỏi liên tục và thử nghiệm liên tục. Trong thời kỳ kinh tế thuận lợi, việc này dễ dàng hơn để có được vốn và tài nguyên, cũng như phân bổ thời gian.
Một khi kinh tế hoặc thị trường đi xuống, công ty phải chuẩn bị. Các nhà lãnh đạo đối mặt với thách thức thực sự: Khi sự chắc chắn và tỷ lệ hoàn vốn dự kiến chịu áp lực, tôi làm gì để có cái nhìn dài hạn về đầu tư và học hỏi trong tương lai? Tôi có thể xây dựng một kế hoạch đủ linh hoạt để phù hợp với cả thời tiết tốt và xấu không?
Từ khóa:
- Trí tuệ nhân tạo sinh sản
- Đổi mới kỹ thuật số
- Tổ chức linh hoạt
- Siêu năng lực
- Nhân lực tương lai