Sự trỗi dậy nhanh chóng của trí tuệ nhân tạo (AI) đã dẫn đến một loạt các thử nghiệm trong nhiều ngành công nghiệp khác nhau. Tuy nhiên, nhiều công ty đang trải qua “sự mệt mỏi trong chứng minh khái niệm” (proof-of-concept fatigue), nơi các thử nghiệm ban đầu không thể chuyển thành giá trị kinh doanh hữu hình. Ivan Zhang, đồng sáng lập của Cohere, một công ty hàng đầu về mô hình ngôn ngữ lớn (LLM) dành cho doanh nghiệp, đã giải quyết sự thất vọng ngày càng tăng này trong một Hội nghị thượng đỉnh Web gần đây, thúc giục các khách hàng tiềm năng duy trì niềm tin vào AI đồng thời nhấn mạnh sự cần thiết quan trọng là tập trung vào lợi tức đầu tư (ROI).
Cạm bẫy Chứng minh Khái niệm
Zhang nhấn mạnh sự vỡ mộng trong các doanh nghiệp đã đầu tư rất nhiều vào các dự án thử nghiệm AI (AI pilots) nhưng không thấy kết quả tương xứng. Ông thừa nhận rằng nhiều khách hàng của Cohere, mặc dù đã xây dựng các ứng dụng ban đầu, nhưng đã gặp khó khăn trong việc đưa chúng vào sản xuất do các vấn đề từ chi phí và quản trị đến bảo mật và quyền riêng tư dữ liệu. Tình trạng này phản ánh một xu hướng rộng lớn hơn, nơi lời hứa của AI thường xung đột với thực tế triển khai.
Ông chỉ ra các vấn đề về chi phí, tuân thủ quy định, bảo vệ dữ liệu và các giao thức về quyền riêng tư, những vấn đề mà Cohere hy vọng sẽ giải quyết bằng nền tảng không gian làm việc mới của mình, North.
Mệnh lệnh ROI
Trong một cuộc phỏng vấn, Zhang nhấn mạnh rằng giai đoạn tiếp theo của việc áp dụng AI phải được thúc đẩy bởi ROI có thể chứng minh được. Các công ty cần thấy một sự biện minh tài chính rõ ràng cho các khoản đầu tư AI của họ, đảm bảo rằng lợi ích lớn hơn chi phí. Ông cảnh báo rằng một số hệ thống AI quá đắt để vận hành, đến mức chúng phủ nhận bất kỳ khoản tiết kiệm chi phí tiềm năng nào từ việc tự động hóa các tác vụ.
"Đôi khi các hệ thống mà họ xây dựng, chi phí của chính mô hình còn đắt hơn so với con người đang thực sự vận hành nó," ông nói.
Câu hỏi quan trọng về việc liệu có cải thiện thực sự với việc triển khai AI hay không cần phải được giải quyết để vượt qua những rào cản từ các công ty AI thực hiện các dự án không bao giờ thành công.
Tăng cường AI so với Năng suất
Zhang cũng lưu ý các trường hợp các công ty đã cố gắng tăng cường lực lượng lao động hiện có bằng AI nhưng không thấy bất kỳ cải thiện nào về năng suất. Trong một số trường hợp, nhân viên chỉ đơn giản là giảm khối lượng công việc của họ mà không tăng sản lượng, về cơ bản phủ nhận lợi ích của AI. Điều này nhấn mạnh tầm quan trọng của việc xem xét cẩn thận cách AI được tích hợp vào quy trình làm việc hiện có và đảm bảo rằng nó dẫn đến những cải thiện hiệu quả thực sự.
Vượt qua những Thất bại Ban đầu
Zhang dự đoán rằng các công ty khởi nghiệp AI giờ đây sẽ được giao nhiệm vụ giành lại các công ty “bị tổn thương” bởi các dự án không thành công. “Giai đoạn tiếp theo của việc đưa công nghệ này ra thị trường là, ‘ROI ở đâu?’” Ông tin rằng các công ty AI sẽ cần xây dựng lại lòng tin bằng cách chứng minh giá trị hữu hình của các giải pháp của họ và tập trung vào việc mang lại kết quả có thể đo lường được.
Tiếng vọng từ Cộng đồng Nghiên cứu
Những quan sát của Zhang được hỗ trợ bởi nghiên cứu từ các tổ chức như Cục Nghiên cứu Kinh tế Quốc gia, tổ chức này đã tìm thấy “không có tác động đáng kể nào đến thu nhập hoặc số giờ làm việc được ghi lại trong bất kỳ ngành nghề nào” sau khi khảo sát 7.000 nơi làm việc sử dụng chatbot AI. Tương tự, một nghiên cứu của Boston Consulting Group tiết lộ rằng chỉ một phần tư số giám đốc điều hành được khảo sát đã thấy giá trị đáng kể từ AI, cho thấy rằng các công ty thường trải rộng các khoản đầu tư của họ quá mỏng trên nhiều dự án thử nghiệm.
Ưu tiên các Vấn đề Kinh doanh hơn các Giải pháp Hào nhoáng
Lời khuyên của Zhang cho các công ty xem xét LLM là tập trung vào việc giải quyết các vấn đề kinh doanh cụ thể thay vì xây dựng các giải pháp phức tạp mà không có trường hợp sử dụng rõ ràng. Ông cảnh báo chống lại việc “bị lạc trong việc xây dựng một cái gì đó và tìm kiếm một vấn đề,” nhấn mạnh tầm quan trọng của việc điều chỉnh các khoản đầu tư AI với các mục tiêu kinh doanh chiến lược.
AI như một Công cụ trong Hộp Công cụ
Zhang lập luận rằng AI nên được xem như chỉ một công cụ trong hộp công cụ để giải quyết các vấn đề kinh doanh và tạo ra giá trị cho khách hàng. Ông cảnh báo chống lại việc thổi phồng quá mức tiềm năng của công nghệ để giải quyết tất cả các vấn đề của thế giới, nhấn mạnh rằng nó hiệu quả nhất khi được sử dụng một cách chiến lược và kết hợp với các giải pháp khác.
Thử thách Ảo giác
Mặc dù AI đã đạt được những tiến bộ đáng kể, nhưng những thách thức vẫn còn, đặc biệt là trong lĩnh vực “ảo giác” (hallucinations), nơi LLM tạo ra thông tin sai lệch hoặc bịa đặt. Mặc dù đã có tiến bộ trong lĩnh vực này, nhưng tỷ lệ ảo giác của LLM vẫn ở mức cao một cách ngoan cố, ngay cả các mô hình mới nhất từ các công ty hàng đầu cũng tạo ra lỗi. Vấn đề này nhấn mạnh tầm quan trọng của tính minh bạch và cung cấp cho người dùng thông tin chi tiết về cách các mô hình AI đi đến kết luận của chúng.
Đồng sáng lập thừa nhận với nhiều chuyên gia rằng ảo giác vẫn là một vấn đề trong AI tạo sinh (generative AI). Ông tuyên bố rằng công ty đã cố gắng giúp đỡ bằng cách minh bạch, bao gồm việc cho người dùng thấy “tư duy thô” của LLM và những công cụ mà hệ thống của nó sử dụng, cùng với cách thức và trích dẫn các câu trả lời có được.
Bối cảnh Cạnh tranh
Cohere phải đối mặt với sự cạnh tranh gay gắt từ các đối thủ được tài trợ tốt hơn trong không gian AI. Tuy nhiên, Zhang tin rằng lớn hơn không phải lúc nào cũng tốt hơn khi nói đến việc xây dựng các mô hình AI tiết kiệm chi phí và tiết kiệm năng lượng. Ông lập luận rằng một mô hình “chỉ tốt khi dữ liệu và hệ thống mà nó có thể truy cập,” nhấn mạnh tầm quan trọng của việc xây dựng các giải pháp có thể được chạy hoàn toàn trong môi trường của khách hàng. Zhang ca ngợi “sự tăng trưởng mạnh mẽ” của Cohere và cho biết bản chất “tương đối sơ khai” của không gian này còn nhiều chỗ cho công ty mở rộng.
Tăng trưởng Doanh thu và Thách thức
Sự tăng trưởng của Cohere là một chủ đề được giới truyền thông công nghệ tập trung gần đây. Cohere đã cán mốc 100 triệu USD (138 triệu CAD) doanh thu hàng năm trong tháng này sau khi tăng hơn gấp đôi doanh số kể từ đầu năm 2025, và Giám đốc điều hành Aidan Gomez gần đây đã nói với Bloomberg rằng công ty “không còn xa” so với lợi nhuận. Nhưng The Information đã báo cáo rằng con số này vẫn thấp hơn 350 triệu USD so với những gì Cohere đã nói với các nhà đầu tư vào năm 2023 rằng họ dự kiến sẽ đạt được hàng năm vào thời điểm này. Mục tiêu doanh thu và sự cạnh tranh gay gắt không phải là những thách thức duy nhất mà Cohere phải đối mặt.
Vụ kiện Vi phạm Bản quyền
Công ty khởi nghiệp AI cũng có cái mà một chuyên gia gọi là vụ kiện vi phạm bản quyền có khả năng “tạo tiền lệ” từ các công ty truyền thông lớn. Một nhóm các tổ chức truyền thông bao gồm Toronto Star, Condé Nast và Vox đã cáo buộc Cohere thu thập nội dung truyền thông mà không có sự đồng ý và sử dụng nó để đào tạo các mô hình AI, truy cập nội dung theo thời gian thực mà không được phép và tạo ra các sản phẩm vi phạm. Cohere chỉ là một trong nhiều công ty khởi nghiệp AI phải đối mặt với các vụ kiện tương tự. Cohere đã bác bỏ những tuyên bố này, lập luận rằng các nhà xuất bản kiện tụng đã cố gắng “tạo ra” một vụ án để tranh cãi và bác bỏ quan điểm cho rằng bất kỳ hành vi vi phạm bản quyền thực tế nào đã xảy ra.
Zhang từ chối đưa ra nhiều bình luận về vấn đề này, hướng BetaKit đến một bài đăng trên blog trình bày chi tiết suy nghĩ của Cohere. “Chúng tôi tự tin vào điều đó,” ông nói.
Tìm hiểu sâu hơn về các Thách thức triển khai AI
Nhiều doanh nghiệp ban đầu lao vào các sáng kiến AI với sự nhiệt tình đáng kể, tin rằng AI sẽ nhanh chóng cách mạng hóa hoạt động của họ và tạo ra hiệu quả chưa từng có trước đây. Nhưng nhiều người nhận thấy mình phải đối mặt với những thách thức đáng kể mà họ không lường trước được. Những khó khăn này có thể có nhiều hình thức khác nhau, từ sự phức tạp về kỹ thuật đến sự kháng cự của tổ chức. Hiểu được những thách thức này là điều cần thiết đối với các doanh nghiệp hy vọng triển khai thành công AI và nhận được lợi tức đầu tư tích cực.
Sự phức tạp về kỹ thuật và Yêu cầu về dữ liệu
Một trong những rào cản đầu tiên mà doanh nghiệp thường gặp phải là sự phức tạp về kỹ thuật của các hệ thống AI. Các mô hình AI, đặc biệt là những mô hình dựa trên học sâu, đòi hỏi tính toán cao và cần có kiến thức chuyên môn để tạo, đào tạo và triển khai. Dữ liệu cũng là thứ cần thiết. Chất lượng và số lượng dữ liệu đào tạo có tác động đáng kể đến hiệu suất của các mô hình AI. Việc thu thập và chuẩn bị các tập dữ liệu lớn có thể là một quá trình tốn thời gian và tốn kém tài nguyên. Các dự án AI có thể bị cản trở bởi việc thiếu dữ liệu chất lượng cao, được gắn nhãn, dẫn đến các mô hình không chính xác hoặc có thành kiến.
Hơn nữa, việc đảm bảo khả năng tương tác của các hệ thống AI với cơ sở hạ tầng CNTT hiện có sẽ giới thiệu thêm sự phức tạp. Các nền tảng và khuôn khổ AI khác nhau có thể không tương thích với các hệ thống cũ, đòi hỏi những thay đổi đáng kể đối với quy trình làm việc và kiến trúc hiện có. Việc tích hợp AI vào môi trường tổ chức phức tạp thường đòi hỏi kinh nghiệm đáng kể và sự hiểu biết sâu sắc về cả công nghệ AI và các hoạt động thương mại cơ bản.
Các rào cản về Tổ chức và Văn hóa
Bên cạnh các rào cản kỹ thuật, các tổ chức có thể gặp phải các rào cản lớn về tổ chức và văn hóa đối với việc tiếp thu AI. Một vấn đề phổ biến là sự miễn cưỡng của người lao động trong việc chấp nhận những thay đổi do AI điều khiển. Nhân viên có thể lo ngại về việc mất việc làm cũng như nhu cầu học các tài năng mới và thích ứng với các phương pháp làm việc mới. Sự kháng cự từ người lao động có thể cản trở các sáng kiến AI và cản trở việc hiện thực hóa những lợi thế dự kiến.
Hơn nữa, việc triển khai AI đòi hỏi sự hợp tác đáng kể giữa các bộ phận và nhóm. Các nhà khoa học dữ liệu, chuyên gia CNTT, nhà phân tích kinh doanh và các chuyên gia về chủ đề phải hợp tác để xác định các vấn đề, tạo ra các giải pháp AI và triển khai chúng vào sản xuất. Các silo và thiếu giao tiếp có thể kìm hãm sự hợp tác và cản trở việc tích hợp AI hiệu quả vào các hoạt động thương mại. Vượt qua những rào cản về tổ chức và văn hóa này đòi hỏi khả năng lãnh đạo mạnh mẽ, giao tiếp hiệu quả và sự cống hiến cho việc quản lý thay đổi.
Các mối quan tâm về Đạo đức và Quản trị
Khi AI trở nên phổ biến hơn, các vấn đề đạo đức và quản trị trở nên quan trọng hơn. Các hệ thống AI có khả năng duy trì các thành kiến, đưa ra các phán quyết không công bằng và xâm phạm quyền riêng tư của mọi người. Các tổ chức phải giải quyết những lo ngại này bằng cách phát triển các hướng dẫn đạo đức và quy trình quản trị mạnh mẽ cho việc thiết kế, phát triển và triển khai AI. Tính minh bạch, trách nhiệm giải trình và công bằng là những nguyên tắc quan trọng đối với AI có trách nhiệm.
Quyền riêng tư dữ liệu là một vấn đề quan trọng cần xem xét. Các quy tắc về quyền riêng tư dữ liệu phải được tuân thủ khi xây dựng các hệ thống AI, cùng với các biện pháp bảo vệ để bảo vệ thông tin nhạy cảm khỏi bị truy cập hoặc lạm dụng không mong muốn. Các tổ chức phải có được sự đồng ý của người dùng cho việc thu thập và sử dụng dữ liệu, cũng như cung cấp tính minh bạch về cách các mô hình AI đưa ra lựa chọn. Hơn nữa, các tổ chức nên có các cơ chế tại chỗ để giám sát và kiểm toán các hệ thống AI để khám phá và giảm thiểu bất kỳ rủi ro đạo đức hoặc hậu quả không mong muốn nào.
Đo lường và Chứng minh ROI
Cuối cùng, sự thành công của bất kỳ dự án AI nào phụ thuộc vào khả năng tạo ra lợi tức đầu tư (ROI) có thể định lượng được. Tuy nhiên, việc xác định ROI của các dự án AI có thể khó khăn, đặc biệt khi lợi ích là vô hình hoặc dài hạn. Các tổ chức phải thiết lập các mục tiêu và chỉ số rõ ràng cho các sáng kiến AI của họ, cũng như theo dõi tiến độ và đo lường kết quả thường xuyên. Điều này đòi hỏi sự hiểu biết thấu đáo về giá trị kinh doanh mà AI dự kiến sẽ mang lại cũng như các nguồn lực cần thiết để đạt được giá trị đó.
Hơn nữa, việc truyền đạt những lợi ích của AI cho các bên liên quan là rất quan trọng để đạt được sự hỗ trợ và thiết lập niềm tin vào các khoản đầu tư AI. Điều này có thể bao gồm việc trình bày các trường hợp sử dụng, giới thiệu những thành công ban đầu và định lượng tác động của AI đối với các chỉ số kinh doanh thiết yếu. Để định lượng và thể hiện thành công ROI của AI, các doanh nghiệp phải tạo một khuôn khổ được xác định để đo lường hiệu suất và thể hiện rõ ràng đề xuất giá trị cho các bên liên quan.
Tương lai của Việc áp dụng AI: Một Quan điểm Cân bằng
Những hiểu biết sâu sắc của Ivan Zhang nhấn mạnh tầm quan trọng của một cách tiếp cận cân bằng đối với việc áp dụng AI, một cách tiếp cận thừa nhận tiềm năng của công nghệ đồng thời vẫn dựa trên thực tế. Khi AI tiếp tục phát triển, các công ty sẽ cần tập trung vào việc xây dựng các giải pháp mang lại ROI hữu hình, giải quyết các mối quan tâm về đạo đức và tích hợp liền mạch vào quy trình làm việc hiện có. Bằng cách ưu tiên các vấn đề kinh doanh hơn các giải pháp hào nhoáng và xem AI như một công cụ trong hộp công cụ, các tổ chức có thể mở khóa tiềm năng thực sự của AI và thúc đẩy các kết quả kinh doanh có ý nghĩa.