Trí tuệ nhân tạo và Quyết định dựa trên dữ liệu

Trí tuệ nhân tạo và Quyết định dựa trên dữ liệu

Ở Amazon, có một câu nói nổi tiếng: “Ngoài Thượng đế ra, chúng tôi chỉ tin vào dữ liệu.” Trong thời đại công nghệ trí tuệ nhân tạo phát triển nhanh chóng, ngày càng nhiều doanh nghiệp đang sử dụng dữ liệu lớn và mô hình thuật toán để đưa ra quyết định thông minh. Đối với người quản lý, liệu dữ liệu có hoàn toàn khách quan? Làm thế nào để cân bằng giữa phán đoán của con người và quyết định được thúc đẩy bởi trí tuệ nhân tạo?

Amazon: Sử dụng dữ liệu để đưa ra quyết định

Từ khi thành lập, Jeff Bezos đã biến Amazon thành một công ty công nghệ, coi dữ liệu lớn và trí tuệ nhân tạo là ưu tiên hàng đầu. Website ban đầu của Amazon ra mắt vào tháng 7 năm 1995, cho phép người dùng tìm kiếm sách theo tác giả, chủ đề, tiêu đề hoặc các từ khóa khác.

Quá trình phát triển, Amazon đã sử dụng sức mạnh của công nghệ thông minh để tối ưu hóa cách giới thiệu sản phẩm cá nhân hóa cho người tiêu dùng và đảm bảo rằng sản phẩm phù hợp luôn sẵn có và có thể giao hàng nhanh chóng. Amazon thu thập dữ liệu người dùng khổng lồ thông qua các thuật toán, giúp cải thiện dịch vụ, giảm giá cả và cung cấp nhiều lựa chọn sản phẩm đa dạng hơn.

Bên cạnh đó, Amazon rất giỏi trong việc sử dụng hiểu biết từ dữ liệu để đổi mới. Một ví dụ điển hình là mô hình bán lẻ không người bán hàng Amazon Go. Amazon Go sử dụng nhiều công nghệ tiên tiến như thị giác máy tính, học sâu và sự kết hợp cảm biến để hoàn toàn thay đổi mô hình hoạt động của cửa hàng tiện lợi truyền thống, tăng hiệu quả cửa hàng và cải thiện trải nghiệm khách hàng.

Gần đây, hệ thống của Amazon đã có thể thay thế các giám đốc điều hành trong việc đưa ra nhiều quyết định bán lẻ, và mỗi lần ra quyết định đều làm cho hệ thống trở nên thông minh hơn. Mỗi khi máy móc đưa ra quyết định, nó sẽ tự động kích hoạt một cơ chế kiểm tra sau để xem xét quyết định đó có chính xác không. Mục tiêu của cơ chế này là đảm bảo quyết định tiếp theo sẽ chính xác.

ByteDance: Công ty xây dựng trên nền tảng dữ liệu

Năm 2011, Zhang Yiming nhận ra rằng phương tiện truyền thông thông tin đã thay đổi cách mạng, điện thoại di động có thể thay thế báo in trở thành phương tiện truyền thông chính, nhu cầu về thông tin cá nhân hóa chắc chắn sẽ tăng lên, vì vậy ông đã thành lập Toutiao. Toutiao, một sản phẩm engine khuyến nghị thông tin cá nhân, không thể thiếu công nghệ trí tuệ nhân tạo như khai thác dữ liệu lớn, mạng nơron, hiểu ngôn ngữ tự nhiên và học máy. Theo Zhang Yiming, “thuật toán giống như một sinh vật, việc tổng hợp và lưu trữ quy luật đặc điểm của thuật toán cần được huấn luyện liên tục và khác biệt đối với từng người, giống như một hệ thống tự diễn hóa. Máy móc thông qua việc học hỏi lượng lớn dữ liệu có thể tiếp cận đến mức độ phán đoán của con người trong một lĩnh vực cụ thể.”

Toutiao dựa trên dữ liệu lớn, đã nghiên cứu một thuật toán khuyến nghị mạnh mẽ, qua việc nắm bắt dữ liệu hành vi người dùng, và khuyến nghị thông tin cá nhân hóa cực kỳ phù hợp với sở thích của người dùng. Ngoài ra, việc quyết định bỏ những sản phẩm nào, và tiếp tục đầu tư vào những sản phẩm nào cũng dựa trên dữ liệu. Trong việc xây dựng sản phẩm, nhóm tăng trưởng người dùng nội bộ ByteDance đã xây dựng một hệ thống giám sát dữ liệu mạnh mẽ, họ chi tiêu một số tiền lớn để mua dữ liệu trên thị trường, nhằm theo dõi tất cả các sản phẩm, để hướng dẫn nghiên cứu. Tại ByteDance, nguyên tắc phân bổ tài nguyên là dựa trên dữ liệu, và sử dụng AB-test để định lượng tất cả các chỉ số. Trong ByteDance, đã thiết lập một văn hóa mà mọi thứ đều phải có dữ liệu hỗ trợ và thông tin nội bộ minh bạch, và thông qua việc khuyến khích thử nghiệm để đảm bảo hiệu suất công việc, mang lại trải nghiệm tốt hơn cho người dùng.

Quyết định thông minh trong kỷ nguyên AI

Ngày nay, doanh nghiệp đã tích lũy được lượng dữ liệu khổng lồ, đồng thời công nghệ phân tích dữ liệu cũng không ngừng phát triển, người quản lý doanh nghiệp có thể đưa trí tuệ nhân tạo vào quá trình phân tích và đánh giá kinh doanh. Tuy nhiên, làm thế nào để tận dụng AI một cách hiệu quả để đưa ra quyết định nhanh chóng và tốt hơn trở thành một thách thức quan trọng.

Theo giáo sư toàn cầu nổi tiếng tại Đại học Lehigh University, Fang Er, mối quan hệ giữa quyết định của con người và quyết định của máy móc thông minh có thể được xem xét từ ba khía cạnh: mục tiêu quyết định, loại quyết định và rủi ro quyết định.

Mục tiêu quyết định

Lý thuyết quyết định của Simon tập trung vào khái niệm và tiền đề cốt lõi là “lý thuyết về tính hữu hạn của lý trí”. Do bị giới hạn bởi khả năng nhận thức, kiến thức, giá trị, và bị giới hạn bởi thời gian, nguồn thông tin, người ra quyết định thường không thể đưa ra quyết định “tối ưu” hay “tối ưu hóa”, mà chỉ có thể đưa ra quyết định “tương đối thỏa đáng” dưới điều kiện hiện tại. Từ góc độ này, mục tiêu quyết định có thể chia thành “quyết định tối ưu” và “quyết định thỏa đáng”.

Loại quyết định

Simon chia quyết định thành quyết định có quy trình và không có quy trình. Do chúng ta chỉ có dữ liệu về quá khứ, không có dữ liệu về tương lai, nên khó khăn lớn nhất của quyết định máy móc là dễ bị ảnh hưởng bởi các sự kiện không liên tục. Vì vậy, trong quyết định có quy trình, tức là quyết định về các quyết định lặp đi lặp lại, chúng ta có thể sử dụng một quy trình lặp lại (như đánh giá hiệu suất hàng năm của nhân viên). Trong khi đó, quyết định không có quy trình là những quyết định chưa từng xảy ra trước đây, cấu trúc phức tạp hoặc quan trọng, cần được xử lý bằng cách ra quyết định tại chỗ (như phê duyệt dự án sản phẩm quan trọng).

Rủi ro quyết định

Tùy thuộc vào loại rủi ro khác nhau, quyết định có thể được chia thành hai loại. Loại quyết định đầu tiên liên quan đến những quyết định quan trọng, ảnh hưởng lớn, không thể đảo ngược, ví dụ như sáp nhập doanh nghiệp. Loại quyết định thứ hai liên quan đến những quyết định thường xuyên, ảnh hưởng nhỏ, quá trình có thể đảo ngược, có thể điều chỉnh linh hoạt, ví dụ như việc rút một mặt hàng bất cứ lúc nào. Do đó, với sự phát triển không ngừng của trí tuệ nhân tạo và công nghệ dữ liệu lớn, nhiều quyết định thường xuyên có thể được tối ưu hóa bằng AI, nhưng AI cũng có nhược điểm rõ ràng, do phụ thuộc quá nhiều vào dữ liệu và quy tắc, máy móc rất yếu trong việc xử lý tình huống bất thường. Đối với những quyết định quan trọng, con người vẫn cần tham gia. Đồng thời, trong quá trình thiết kế cơ chế ra quyết định, cần phân biệt rủi ro quyết định, nếu áp dụng cùng một phương pháp cho tất cả các quyết định như phương pháp quyết định quan trọng, sẽ dẫn đến doanh nghiệp chậm chạp, không dám mạo hiểm, không dám thử nghiệm, từ đó khó có thể đột phá sáng tạo. Nhưng nếu áp dụng cùng một phương pháp cho tất cả các quyết định như phương pháp quyết định thường xuyên, chỉ cần mắc sai lầm nghiêm trọng trong một quyết định quan trọng, doanh nghiệp có thể không còn tồn tại. Doanh nghiệp nên lựa chọn phương pháp ra quyết định dựa trên khung lựa chọn sau:

• Khi mục tiêu quyết định là “tối ưu” và rủi ro quyết định tương đối thấp, dữ liệu phong phú, có thể sử dụng quyết định máy móc. Khi sử dụng quyết định máy móc, nên do con người đặt quy tắc quyết định và cấp quyền rộng rãi.
• Khi mục tiêu quyết định là “thỏa đáng” và rủi ro quyết định cao, dữ liệu ít, nên do con người lãnh đạo quyết định. Tuy nhiên, có thể sử dụng máy móc để phân tích dữ liệu và khám phá sự thật, sau đó do con người đưa ra quyết định cuối cùng.

Mặt trái của quyết định thông minh

Khi người quản lý doanh nghiệp dựa vào dữ liệu lớn và mô hình thuật toán để đưa ra quyết định thông minh, cũng cần chú ý rằng dữ liệu sau khi được báo cáo tầng tầng sẽ có độ trễ về thời gian, độ đầy đủ và độ chính xác cũng có thể bị thiếu sót; đồng thời, do con người không thể đạt được sự vô tư hoàn toàn, việc thu thập và sử dụng dữ liệu có thể mang “thành kiến”. Do đó, dữ liệu được “nuôi dưỡng” cho trí tuệ nhân tạo và mô hình thuật toán cũng có thể mang “thành kiến”.

Nay, từ “thành kiến” đã xuất hiện trong lĩnh vực khoa học dữ liệu, về bản chất, “thành kiến” chỉ là lỗi trong dữ liệu, nhưng lỗi này thường rất nhỏ hoặc khó nhận biết. “Thành kiến dữ liệu” cũng là một rủi ro, ảnh hưởng đến quyết định dựa trên dữ liệu của một người, mà dữ liệu này có lợi hoặc bất lợi cho một nhóm cụ thể.

Ví dụ, nếu người quản lý quá chú trọng vào một nhóm dữ liệu cụ thể hoặc một khía cạnh của vấn đề, sẽ xuất hiện “quản lý ngắn hạn”, dẫn đến đưa ra quyết định sai lầm. Mặt khác, nếu người quản lý quá phụ thuộc vào quyết định dựa trên dữ liệu, có thể sẽ đánh giá thấp trực giác, kinh nghiệm và phán đoán của con người. Dù sao, dữ liệu cũng có thể cung cấp những hiểu biết quý giá, nhưng nó không nhất thiết luôn nắm bắt được toàn bộ bối cảnh hoặc sự phức tạp của một tình huống, phán đoán của con người thường cần thiết để đưa ra quyết định toàn diện và dài hạn. Để giảm thiểu kết quả mang “thành kiến” và đưa ra quyết định tốt hơn, việc có dữ liệu công bằng và không mang “thành kiến” là điều cần thiết. Doanh nghiệp nên thu thập dữ liệu đa dạng và bao gồm trong giai đoạn sớm của chu kỳ dữ liệu, và xem xét chất lượng dữ liệu. Đồng thời thực hiện các biện pháp sau để nâng cao mức độ ra quyết định thông minh:

• Xem xét ngắn hạn và dài hạn: Sử dụng dữ liệu để cung cấp thông tin cho quyết định vận hành ngắn hạn và kế hoạch chiến lược dài hạn, đảm bảo sự cân bằng giữa ưu tiên hiện tại và tăng trưởng tương lai.
• Xem xét các yếu tố định tính: Sử dụng các hiểu biết định tính để bổ sung dữ liệu định lượng, như phản hồi khách hàng, ý kiến ​​nhân viên hoặc ý kiến ​​chuyên gia, để có cái nhìn toàn diện hơn về tình hình.
• Đánh giá và cập nhật dữ liệu liên tục: Đánh giá định kỳ chất lượng và tính liên quan của dữ liệu được sử dụng trong quyết định, và cập nhật khi cần thiết, để đảm bảo dữ liệu luôn chính xác và đầy đủ.
• Kết hợp hiểu biết dựa trên dữ liệu với phán đoán của con người: Xem dữ liệu như một phần của quá trình ra quyết định, đồng thời vẫn coi trọng và hấp thụ chuyên môn, trực giác và phán đoán của người ra quyết định.
• Khuyến khích các quan điểm khác nhau: Tạo ra một văn hóa giao tiếp và hợp tác mở để đảm bảo rằng các quan điểm và ý tưởng khác nhau được xem xét trong quá trình ra quyết định.
• Có một đội ngũ nhân viên đa dạng hơn: Các góc nhìn đa dạng giúp người quản lý có thể phát hiện và xem xét các thành kiến ​​không công bằng, và có cái nhìn toàn diện hơn.

**Từ khóa:**
– Trí tuệ nhân tạo
– Dữ liệu lớn
– Quyết định dựa trên dữ liệu
– Phân tích dữ liệu
– Quyết định thông minh