:quality(85))
Theo hầu hết các chỉ số hiện có, tốc độ phát triển của trí tuệ nhân tạo—đặc biệt là thế hệ mới nhất, AI tạo sinh—trong vài năm qua thật sự đáng kinh ngạc. Theo nghiên cứu của Goldman Sachs, năm 2020, tổng đầu tư tư nhân vào AI tại Hoa Kỳ đạt khoảng 28 tỷ USD. Tập đoàn tài chính này dự báo con số này sẽ tăng gần 250% vào năm 2024, vượt mốc 68 tỷ USD. Một khảo sát gần đây do McKinsey & Co. thực hiện càng củng cố xu hướng doanh nghiệp toàn cầu tích cực ứng dụng công nghệ này. Đơn vị tư vấn phát hiện rằng số doanh nghiệp thường xuyên sử dụng AI tạo sinh đã gần như tăng gấp đôi chỉ trong một năm. Tính đến tháng 05/2024, 65% doanh nghiệp được khảo sát—bao gồm đại diện nhiều khu vực và ngành nghề—đã ứng dụng trí tuệ nhân tạo cho các hoạt động như tiếp thị, bán hàng và phát triển sản phẩm.
Đối với doanh nghiệp và chuyên gia hoạt động trong lĩnh vực quản lý chuỗi cung ứng, những năng lực mà AI mang lại thực sự hấp dẫn. Các công cụ này có thể thực hiện phân tích dự báo, dự báo nhu cầu và đánh giá rủi ro cùng nhiều ứng dụng quan trọng khác mang lại giá trị tức thì. Tuy nhiên, 18 tháng qua cũng chứng kiến nhiều công ty dễ bị cuốn hút bởi khả năng vượt trội của trí tuệ nhân tạo mà chưa đánh giá liệu các nền tảng này có thực sự mang lại lợi ích thiết thực trong bối cảnh kinh doanh của mình hay không. Do vậy, ban quản lý chuỗi cung ứng quan tâm đến tiềm năng của AI cần hiểu rõ lịch sử phát triển của công nghệ này, khám phá các dạng trí tuệ nhân tạo đang có mặt trên thị trường, đồng thời xác lập mục tiêu cụ thể về giá trị mà phần mềm cần bổ sung cho hoạt động vận hành. Trong bối cảnh các doanh nghiệp "đổ tiền" cho các công ty khởi nghiệp AI một cách ồ ạt và thiếu cân nhắc, việc đánh giá nghiêm túc về khả năng của công nghệ này là biện pháp thẩm định quan trọng.
Các loại AI trọng yếu doanh nghiệp cần biết
15 năm trở lại đây là giai đoạn bùng nổ tăng trưởng của trí tuệ nhân tạo. Nhiều thế hệ công nghệ khác nhau đã xuất hiện trong các mốc thời gian, bắt đầu từ năm 2011 khi Apple ra mắt Siri trên iPhone thế hệ thứ tư. Đây là “trợ lý ảo” đầu tiên trên điện thoại thông minh phổ biến rộng rãi, vận dụng học máy và “AI yếu” để trả lời câu hỏi, truy xuất thông tin và thực hiện tác vụ nhất định. Những năm tiếp theo, khả năng của Siri và các trợ lý ảo khác đã bị vượt mặt bởi các nền tảng mang tính cách mạng như ChatGPT, Dall-E, Claude và Gemini.
Bên trong "ô dù" AI còn nhiều công nghệ khác nhau, mỗi loại mang bộ tính năng riêng phù hợp với từng doanh nghiệp và lĩnh vực nhất định.
Học máy
Học máy (machine learning, ML) là một dạng trí tuệ nhân tạo sử dụng khối lượng lớn dữ liệu để nhận diện mẫu, dự đoán, “học" theo thời gian và hỗ trợ doanh nghiệp ra quyết định chính xác hơn, dựa trên thông tin chuyên sâu. Khác với lập trình truyền thống, khi lập trình viên phải đưa ra chỉ dẫn cụ thể cho máy tính, học máy là quy trình mở, cho phép máy tính tự phát triển kiến thức, kinh nghiệm thông qua việc xử lý văn bản, số liệu, hình ảnh, báo cáo và các dạng dữ liệu khác. Khi nghiên cứu trí tuệ nhân tạo từ những năm 1950, nhà khoa học máy tính Arthur Samuel đã định nghĩa học máy là “lĩnh vực nghiên cứu giúp máy tính có khả năng tự học mà không cần lập trình rõ ràng”.
Dù các phiên bản AI khác đang thu hút sự chú ý và đầu tư hơn vào thời điểm hiện tại, học máy vẫn là một trong những công nghệ linh hoạt và được kiểm nghiệm thực tiễn nhiều nhất. Chuyên gia ML thuộc Viện MIT, Aleksander Madry, từng nhận định với MIT Sloan Management Review rằng “Học máy đang thay đổi, hoặc sẽ thay đổi, mọi ngành công nghiệp, và các nhà lãnh đạo cần nắm được nguyên lý cơ bản, tiềm năng cũng như hạn chế của công nghệ này.”
Ứng dụng của học máy
- Nhận diện xu hướng doanh nghiệp
- Phát triển thuật toán đề xuất
- Phát hiện tắc nghẽn và trì trệ trong chuỗi cung ứng
- Chẩn đoán y khoa
- Hỗ trợ khách hàng qua chatbot trực tuyến
AI dự báo
Trong bối cảnh trí tuệ nhân tạo ngày càng rộng lớn, hàng loạt công cụ, thuật ngữ và khái niệm thường xuyên có sự giao thoa lớn. Chẳng hạn, AI dự báo sử dụng học máy kết hợp phân tích thống kê để xử lý lượng dữ liệu lịch sử khổng lồ, từ đó đưa ra dự đoán hiệu quả, khả thi về các mẫu, hành vi và thậm chí sự kiện trong tương lai.
AI dự báo thường được xem là thế hệ kế thừa tối tân cho phân tích dự báo truyền thống, vốn đòi hỏi con người tham gia nhiều hơn. Trái lại, AI dự báo có thể tự học và phát triển hoàn toàn tự động.
Ứng dụng của AI dự báo
- Dự đoán hành vi người tiêu dùng
- Dự báo tài chính
- Dự báo nhu cầu
- Dự đoán sự cố thiết bị
- Quản lý tồn kho
Mô hình ngôn ngữ lớn (LLMs)
Mô hình ngôn ngữ lớn là nhóm AI chuyên phân tích lượng lớn văn bản, dữ liệu để hiểu, tạo ra ngôn ngữ và giao tiếp trôi chảy với người dùng. Hiện nay, LLMs còn được gọi là “mô hình nền tảng”. Khái niệm mô hình nền tảng được các nhà nghiên cứu Đại học Stanford đặt ra năm 2021, dùng để chỉ những nền tảng AI quy mô lớn, được huấn luyện trên đủ dữ liệu nhằm thực hiện đa dạng tác vụ và chức năng. Trung tâm Công nghệ mới nổi và An ninh thuộc Đại học Georgetown giải thích rằng thay vì phát triển cho một mục tiêu hẹp, “mô hình gốc mang lại nền tảng (“foundation”) để xây dựng các ứng dụng khác.”
Mô hình ngôn ngữ lớn bùng nổ về mức độ phổ biến kể từ khi ChatGPT ra mắt cuối năm 2022. Các mô hình nền tảng này hiện được sử dụng với vô số cách—từ email, báo cáo, bài tập—bởi học sinh, sinh viên, giáo viên tới nhà nghiên cứu, nhà sáng tạo nội dung và chuyên gia doanh nghiệp. Một số nền tảng thay thế nổi bật cho sản phẩm của OpenAI là Google Gemini, Claude của Anthropic và Llama của Meta.
Ứng dụng của mô hình ngôn ngữ lớn
- Hỗ trợ khách hàng
- Tóm tắt nội dung
- Sáng tạo nội dung
- Viết mã
- Nghiên cứu thị trường
AI tạo sinh
Tương tự như học máy và AI dự báo, LLMs và AI tạo sinh cũng có sự giao thoa lớn. AI tạo sinh là thuật ngữ chỉ bất kỳ công cụ hoặc nền tảng trí tuệ nhân tạo nào chủ yếu được dùng để tạo ra nội dung. Do vậy, mọi LLM đều là một dạng AI tạo sinh, nhưng không phải AI tạo sinh nào cũng là LLM. Ngoài khả năng tạo văn bản, đối thoại tự nhiên, AI tạo sinh còn có thể tạo ra hình ảnh chất lượng cao, mã máy tính, thậm chí âm nhạc và âm thanh. Một số ví dụ điển hình về AI tạo sinh không phải LLM là DALL-E, Midjourney, AIVA và IBM’s watsonx Code Assistant.
Dù chỉ mới xuất hiện gần đây, AI tạo sinh đang nhanh chóng khẳng định vai trò là công nghệ đột phá mà doanh nghiệp nỗ lực triển khai hiệu quả. Đơn vị nghiên cứu thị trường IDC dự báo tổng chi tiêu toàn cầu của doanh nghiệp cho AI tạo sinh sẽ tiệm cận 40 tỷ USD vào cuối năm 2024.
Ứng dụng của AI tạo sinh
- Tiếp thị và quảng cáo
- Sáng tạo nội dung
- Lập trình phần mềm
- Khám phá thuốc mới
- Thiết kế thời trang
- Phát triển sản phẩm
Trường hợp sử dụng AI trong quản lý rủi ro chuỗi cung ứng
Đối với các tổ chức và nhóm quan tâm triển khai AI vào quản lý rủi ro, việc hiểu rõ ứng dụng đặc thù của từng công cụ AI là yếu tố then chốt để ra quyết định hiệu quả. Điều này bởi lẽ, dù AI tạo sinh và LLMs hiện đang chiếm đa số truyền thông và ngân sách doanh nghiệp, chúng không nhất thiết là lựa chọn tối ưu cho quản lý rủi ro chuỗi cung ứng (SCRM). Thay vào đó, các chuyên gia tìm nguồn cung ứng chiến lược và SCRM nên cân nhắc nhiều tính năng đến từ tất cả các công cụ AI hiện có, bao gồm AI dự báo và học máy.
Một thách thức lâu dài trong lĩnh vực này là xây dựng bản đồ chuỗi cung ứng toàn diện, giúp nhà sản xuất tăng khả năng hiển thị với nhà cung cấp, hiểu rõ phạm vi, tính chất của chuỗi phụ, đồng thời nhận diện rủi ro trước khi chúng trở thành gián đoạn gây tổn thất. Nền tảng AI là công cụ hỗ trợ đắc lực cho quá trình phức tạp, tốn kém này. Các công cụ này có khả năng định vị đơn hàng sản phẩm, đặt chỗ vận chuyển, hồ sơ vận tải, cùng các tài liệu truy xuất nguồn gốc để tổng hợp bản đồ chuỗi cung ứng đa tầng. Khi tận dụng mô hình AI dựa trên học máy, doanh nghiệp có thể nâng cao khả năng hiển thị chuỗi cung ứng và tăng cường sức chống chịu tổng thể.
Bên cạnh việc nâng cao khả năng lập bản đồ, AI còn giúp dự báo sự cố thiết bị trước khi chúng xảy ra. Phân tích dự báo đã được ứng dụng cho mục tiêu này từ lâu, và AI dự báo hiện là bước tiến đáng kể so với công nghệ trước đây. Dạng trí tuệ nhân tạo này sử dụng cảm biến trong trang thiết bị và hạ tầng để thu thập dữ liệu lớn về các chỉ số như nhiệt độ, âm học, độ ẩm, áp suất, bôi trơn.
Sau khi phân tích đủ dữ liệu hành vi, nền tảng có thể nhận diện điều kiện vận hành lý tưởng của thiết bị, cảnh báo đội bảo trì khi điều kiện đó bắt đầu lệch chuẩn, suy giảm hay có dấu hiệu hiệu suất kém. Chức năng bảo trì dự báo này giúp doanh nghiệp phát hiện kịp thời nguy cơ hỏng hóc hoặc sự cố, chủ động triển khai biện pháp phòng ngừa—giảm thiểu thiệt hại và thời gian dừng máy kéo dài.
Các chuyên gia tìm nguồn cung ứng chiến lược cũng có thể sử dụng AI trong quản lý rủi ro để nhanh chóng đánh giá ảnh hưởng của sự cố gián đoạn chuỗi cung ứng. Ví dụ, giả sử nhà cung cấp trực tiếp của một hãng sản xuất ô tô phải đóng cửa nhiều nhà máy do thiên tai nghiêm trọng. Khi đó, doanh nghiệp có thể nhập dữ liệu lịch sử liên quan và điều kiện hiện tại vào công cụ AI để nhận đánh giá về tác động của thiên tai đối với tiến độ sản xuất, bao gồm cả thời gian trì hoãn.
Cần nhấn mạnh rằng dạng dự báo gián đoạn này vẫn còn mang tính sơ khai—phản ánh thực tế AI trong quản lý rủi ro mới ở giai đoạn khởi đầu. Dù vậy, phần mềm trí tuệ nhân tạo hiện có có thể mang lại cho doanh nghiệp những ước tính khách quan, khả thi giúp lãnh đạo xây dựng phản ứng chiến lược phù hợp. Sở hữu loại thông tin này—dù chưa hoàn hảo—giúp nhà sản xuất quyết định nên duy trì quan hệ với nhà cung cấp chịu ảnh hưởng, tìm kiếm đối tác chuỗi cung ứng thay thế, hay triển khai các giải pháp dự phòng tối ưu khác.
Tương lai đột phá của AI trong SCRM
Bỏ qua mọi kỳ vọng quá mức và biến động giá cổ phiếu, LLMs, AI tạo sinh cùng các công cụ AI tiên tiến khác đều còn rất mới mẻ. Dù đặc tính chưa được kiểm chứng của công nghệ tất nhiên đòi hỏi sự thận trọng, điều đó không đồng nghĩa doanh nghiệp phải đứng ngoài quan sát trong khi đối thủ táo bạo hơn đánh cược lớn. Thay vào đó, các chuyên gia quản lý rủi ro chuỗi cung ứng nên chủ động nghiên cứu tác động tiềm năng của các loại AI lên doanh nghiệp. Bao gồm phân tích chi phí-lợi ích, nghiên cứu kỹ từng trường hợp sử dụng phù hợp, thậm chí tận dụng thời gian dùng thử miễn phí từ các đơn vị AI uy tín. Những biện pháp thẩm định này sẽ giúp định hướng chi tiêu dựa trên thông tin xác đáng—và bắt đầu từ việc hiểu rõ công cụ hợp thành hệ sinh thái AI đầy biến động hiện nay.
Doanh nghiệp quan tâm tiềm năng của AI trong quản lý rủi ro có thể cân nhắc khả năng dự báo của nền tảng SCRM Z2Data. Phần mềm dẫn đầu thị trường này cung cấp nhiều chức năng dự báo, bao gồm dự đoán cuối vòng đời (EOL) của linh kiện điện tử với độ chính xác lịch sử 90% và danh sách giám sát lệnh trừng phạt sử dụng báo cáo quốc hội, điều tra NGO và các tài liệu uy tín cao để nhận diện doanh nghiệp toàn cầu có nguy cơ trở thành mục tiêu của trừng phạt. Tổng thể, các công cụ dự báo này giúp nhà sản xuất tăng khả năng chống chịu rủi ro và xây dựng chiến lược quản lý mối đe dọa linh hoạt, chủ động.
Để tìm hiểu thêm về Z2Data cũng như các tính năng dự báo mà nền tảng này cung cấp cho khách hàng, hãy đăng ký demo miễn phí với chuyên gia sản phẩm của chúng tôi.
