Giám đốc tài chính sap: ai phải vượt qua "trái cây tầm thấp" như chatbot trước khi mang lại hiệu quả đầu tư

Ngày 23 tháng 7 Giám đốc tài chính của SAP (SAPG.DE) hôm thứ Năm cho biết trí tuệ nhân tạo trong phần mềm doanh nghiệp phải tiến xa hơn các công cụ chatbot và hỗ trợ lập trình để đi vào các quy trình kinh doanh phức tạp hơn nơi dữ liệu sạch, độ tin cậy và việc kiểm soát chi phí đóng vai trò quan trọng hơn là việc tiếp cận mô hình AI mạnh mẽ nhất

Logo của SAP tại gian trưng bày của hội nghị Viva Technology, một hội nghị dành riêng cho đổi mới và khởi nghiệp, diễn ra tại trung tâm triển lãm Porte de Versailles ở Paris, Pháp

Các công ty đã đổ rất nhiều tiền vào AI tạo sinh nhưng vẫn đang tìm kiếm bằng chứng về việc tăng năng suất trên diện rộng. SAP lập luận rằng lợi nhuận thu về sẽ ít đến từ các mô hình mục đích chung (general-purpose), mà sẽ đến từ các hệ thống được quản trị chặt chẽ, lồng ghép trực tiếp vào các quy trình kinh doanh cụ thể.

Trả lời các phóng viên sau kết quả kinh doanh quý II của SAP, CFO Dominik Asam cho biết "phần lớn" lượng tiêu thụ token AI hiện nay được chi cho các "trái cây tầm thấp" (những việc dễ làm) như trợ lý lập trình và chatbot nơi hiện tượng "ảo giác" (hallucination) của AI ít gây hậu quả nghiêm trọng hơn do đầu ra mang lại rủi ro thấp nếu thất bại.

Tuy nhiên, việc áp dụng AI vào tài chính, chuỗi cung ứng hoặc các quy trình kinh doanh cốt lõi khác lại khó khăn hơn nhiều vì các sai sót sẽ tích tụ qua nhiều bước, làm tăng rủi ro so với các tiêu chuẩn tuân thủ, ông nói.

"Nếu bạn gặp phải một số ảo giác trong quá trình xử lý, các sai sót sẽ tích tụ theo số thống kê qua nhiều bước," ông Asam nhận định khi đề cập đến quy trình làm việc tài chính. "Điều này đòi hỏi mức độ đảm bảo nghiêm ngặt hơn rất nhiều."

"Trái cây tầm cao" của AI, theo ông Asam, ít liên quan đến việc áp dụng một mô hình ngôn ngữ lớn chung chung theo kiểu "cắm vào là chạy" (plug-and-play) cho toàn bộ công ty, mà tập trung vào việc xây dựng các hệ thống xoay quanh các mảng kinh doanh cụ thể.

Điều đó đòi hỏi các công ty phải làm cho dữ liệu của chính họ trở nên khả dụng và được quản trị tốt, để AI có thể vận hành dựa trên tri thức của doanh nghiệp. "Ý tưởng cho rằng AI sẽ giải quyết được tất cả những vấn đề này nếu dữ liệu của bạn là một đống hỗn độn, phân tán trong các hệ thống cũ kỹ (legacy data silos) là hoàn toàn không đúng," ông Asam nhấn mạnh, đồng thời nói thêm rằng phương pháp tiếp cận như vậy sẽ đi kèm với "chi phí token cực kỳ đắt đỏ."

Mô hình tiên tiến nhất không phải lúc nào cũng là lựa chọn đúng đắn, ông cho biết. Trong thực tế, các công ty sẽ sử dụng công cụ tin cậy có chi phí rẻ nhất có thể mang lại kết quả mong muốn một cách an toàn  cho dù đó là một phần mềm đơn giản, một mô hình mã nguồn mở hay một mô hình tiên phong (frontier model) đắt tiền.