Ngày 14/7, Teradata công bố khảo sát "Tự động hóa bị đình trệ: Tại sao AI tự trị thất bại ở cấp doanh nghiệp", cho thấy khoảng cách lớn giữa tham vọng và thực tế trong triển khai AI agent. Khảo sát được thực hiện từ 23/3 đến 5/4, với 1.000 lãnh đạo cấp phó chủ tịch trở lên phụ trách công nghệ và dữ liệu tại các doanh nghiệp có từ 500 nhân viên trở lên, đến từ Mỹ (500 người), Nhật Bản (100), Anh (100), Pháp (100), Đức (100) và Ả Rập Saudi (100).

Đầu tư mạnh nhưng ROI còn hạn chế

Dù 90% lãnh đạo công nghệ cho biết họ có kế hoạch tăng đầu tư vào AI agent trong 12 tháng tới, nhưng 63% đánh giá lợi ích thu được từ các khoản đầu tư này chỉ ở mức "nhỏ hoặc mới bắt đầu xuất hiện". Điều này cho thấy sự nhiệt tình với AI agent là phổ biến trên toàn cầu, nhưng các hệ thống dữ liệu nền tảng hiện tại không được xây dựng để hỗ trợ "sử dụng dữ liệu tự trị bởi AI agent", buộc doanh nghiệp phải xem xét lại toàn bộ nền tảng dữ liệu để đạt được ROI như kỳ vọng.

Rào cản lớn: Dữ liệu thiếu ngữ cảnh và tích hợp liên phòng ban

Khảo sát chỉ ra rằng 77% giám đốc điều hành cho biết dưới 20% dữ liệu doanh nghiệp của họ được mô tả và ngữ cảnh hóa đủ tốt để AI agent có thể sử dụng. Thêm vào đó, 78% gặp khó khăn trong việc tích hợp dữ liệu và kiến thức giữa các phòng ban kinh doanh khác nhau, dẫn đến tình trạng "phân mảnh ngữ cảnh" – rào cản chính ngăn AI hoạt động hiệu quả. Vấn đề không nằm ở khối lượng dữ liệu mà ở việc dữ liệu có đi kèm ngữ cảnh (ý nghĩa) đủ tin cậy cho AI hay không.

Hơn 40% dự án AI thí điểm thất bại khi chuyển sang sản xuất

40% lãnh đạo công nghệ cho biết hơn 40% dự án AI thí điểm không thể chuyển sang môi trường sản xuất do hệ thống hạ tầng không được thiết kế cho sử dụng tự trị. Chỉ 15% doanh nghiệp thành công trong việc chuyển hơn 80% dự án thí điểm sang sản xuất. Theo "Chỉ số mức độ trưởng thành AI tự trị" của Teradata, các doanh nghiệp được chia thành bốn giai đoạn: thử nghiệm, phát triển, xây dựng và vận hành. Kết quả cho thấy chỉ 7% doanh nghiệp toàn cầu đạt đến giai đoạn vận hành tạo ra giá trị kinh doanh, trong khi 68% vẫn ở giai đoạn thử nghiệm và phát triển.

Khoảng cách nhận thức giữa lãnh đạo và cấp quản lý

Khảo sát cũng cho thấy sự khác biệt trong nhận thức nội bộ: 69% giám đốc điều hành cấp cao cho rằng doanh nghiệp của họ "đã vận hành AI agent", nhưng chỉ 57% phó chủ tịch (cấp gần với thực tế hơn) đồng ý với nhận định này. Điều này phản ánh khoảng cách giữa tầm nhìn chiến lược và thực thi.

Ba giải pháp để chuyển từ AI cá nhân sang AI tổ chức

Teradata đề xuất ba cách tiếp cận để đảm bảo ROI khi chuyển từ AI cá nhân sang AI tổ chức: (1) Xác định và ưu tiên mô tả, ngữ cảnh hóa các tài sản dữ liệu có giá trị kinh doanh cao nhất thông qua "sàng lọc và kiểm toán tài sản dữ liệu giá trị cao"; (2) Tích hợp quản trị và giới hạn trực tiếp vào lớp dữ liệu để AI agent có thể tự hành động an toàn, gọi là "nhúng quản trị vào lớp dữ liệu"; (3) Thiết kế kiến trúc linh hoạt, không phụ thuộc vào nhà cung cấp cụ thể, đảm bảo tính khả chuyển – "thiết kế hướng đến khả chuyển".

Theo ZDNET Japan

Ảnh: Sammy-Sander / Pixabay