Khai Thác Tối Đa Giá Trị Kinh Doanh của Trí Tuệ Nhân Tạo Tạo Sinh: Hành Trình Chuyển Đổi Học Tập Tổ Chức

Mục lục

1. Lời Mở Đầu: Cuộc Cách Mạng Học Tập Nhờ AI Tạo Sinh
2. Từ Công Nghệ Đến Năng Lực Tổ Chức
   • Bài Học Từ Blue Cross Blue Shield of Michigan
   • Bài Học Từ Wolters Kluwer
3. Mô Hình Quản Lý Mới: Lý Thuyết A
4. Ba Trụ Cột Của Học Tập Tổ Chức Thế Hệ Mới Với GenAI
5. Nâng Cao Năng Suất Với GenAI và AI: Mô Hình Keen-Scott Morton
6. GenAI Thay Đổi Cấu Trúc Công Việc: Trường Hợp của Jerry Insurance
7. Tổ Chức Thành Công: GenAI Như Một Phong Trào Chất Lượng Mới
8. Kết luận: Hướng Tới Tương Lai Học Tập Tổ Chức

---

1. Lời Mở Đầu: Cuộc Cách Mạng Học Tập Nhờ AI Tạo Sinh

Trí tuệ nhân tạo tạo sinh (GenAI) không chỉ là một công nghệ mới; nó là một cuộc cách mạng trong cách chúng ta học hỏi và phát triển trong tổ chức. Từ khi ChatGPT của OpenAI xuất hiện vào tháng 11 năm 2022, chúng ta lần đầu tiên chứng kiến máy móc có thể "trả lời" con người bằng ngôn ngữ tự nhiên. Điều này mở ra một kỷ nguyên mới, nơi việc tạo, nắm bắt và chia sẻ kiến thức trở nên dễ dàng và hiệu quả hơn bao giờ hết. Thay vì phải "giao tiếp" bằng ngôn ngữ lập trình, giờ đây mọi người có thể tương tác với máy móc bằng ngôn ngữ hàng ngày.

Bài viết này lập luận rằng, các nhà lãnh đạo cần chấp nhận GenAI không chỉ như một công cụ tự động hóa, mà còn như một năng lực tổ chức mới. Khi kết hợp với AI truyền thống, GenAI mở rộng phạm vi cải tiến trong nhiều quy trình và quyết định, tạo ra một hiệu ứng cộng hưởng tích cực đối với việc học tập của tổ chức, nơi con người và máy móc làm việc cùng nhau để tạo ra lợi thế cạnh tranh.

2. Từ Công Nghệ Đến Năng Lực Tổ Chức

Thật nghịch lý, tính bao quát và khả năng ứng dụng rộng rãi của GenAI lại gây ra thách thức trong việc áp dụng. Các tổ chức tiên tiến nhất không xem GenAI là một công nghệ độc lập, mà là một năng lực tổ chức.

Bài Học Từ Blue Cross Blue Shield of Michigan

Blue Cross Blue Shield of Michigan (BCBSM), một công ty bảo hiểm y tế trị giá 35 tỷ đô la, đã thành lập một nhóm lãnh đạo GenAI/AI liên chức năng. Mục tiêu của nhóm là giáo dục nhân viên về cách sử dụng công nghệ, tuân thủ các quy tắc AI có trách nhiệm, nâng cao hiệu quả một cách đo lường được trong các dự án và đổi mới quy trình. Sau khi sử dụng công cụ GenAI để phân tích và chuẩn hóa các điều khoản, giá cả trong các hợp đồng IT, BCBSM đã tiết kiệm được hơn 10 triệu đô la.

Bài Học Từ Wolters Kluwer

Wolters Kluwer, một công ty thông tin kinh doanh và học thuật trị giá 4,2 tỷ euro, đã dành thời gian cho việc học tập. Họ tổ chức các buổi học do đồng nghiệp hướng dẫn hàng tuần, tập trung vào ứng dụng thực tế của GenAI/AI. Cách tiếp cận này không chỉ nâng cao kỹ năng của nhân viên mà còn thúc đẩy sự đổi mới và gắn kết với công ty.

Cả hai công ty đều thành công nhờ xem GenAI/AI là một năng lực chung của toàn doanh nghiệp. Họ cam kết cả sự lãnh đạo từ trên xuống và sự nhiệt tình từ dưới lên, tạo ra môi trường học tập cho phép thử nghiệm nhanh chóng và tạo ra giá trị.

"Các tổ chức tiên tiến nhất không xem GenAI là một công nghệ độc lập, mà là một năng lực tổ chức."

Các nghiên cứu về tác động của GenAI cho thấy một mô hình cải thiện rộng rãi. Một nghiên cứu về năng suất của các tổng đài viên khi được sử dụng trợ lý đàm thoại dựa trên GenAI cho thấy năng suất tăng ít nhất 14%, cùng với chất lượng dịch vụ cao hơn và thời gian đào tạo nhân viên mới nhanh hơn. Một nghiên cứu khác trên hơn 758 nhà tư vấn của Boston Consulting Group cho thấy năng suất tăng 12% và tốc độ hoàn thành công việc tăng 25% khi công cụ GenAI phù hợp với nhiệm vụ. Đáng chú ý, nhân viên có năng lực thấp hơn được hưởng lợi nhiều hơn từ công cụ này so với những nhân viên có kinh nghiệm hơn.

GenAI đại diện cho một sự thay đổi cơ bản trong kinh tế của công việc WINS - công việc liên quan đến Words (từ ngữ), Images (hình ảnh), Numbers (số liệu) và Sounds (âm thanh). Loại công việc này ngày càng quan trọng trong bối cảnh hiện tại, và GenAI có tiềm năng cải thiện đáng kể loại công việc này.

3. Mô Hình Quản Lý Mới: Lý Thuyết A

Trong quá khứ, Douglas McGregor đã đề xuất Lý thuyết X và Y, sau đó là Abraham Maslow với Lý thuyết Z, tập trung vào cách thức quản lý nhân sự. Tuy nhiên, trong kỷ nguyên AI, chúng ta có thể cần một mô hình mới: Lý thuyết A, nơi đơn vị phân tích cốt lõi là các "tác nhân" - con người và máy móc - làm việc cùng nhau trong đối thoại. Các tác nhân này có thể hỗ trợ, tăng cường hoặc tự động hóa, tùy thuộc vào khả năng cấu trúc hóa nhiệm vụ. Theo thời gian, điều này tạo ra một đường cong học tập khác biệt trong công việc WINS, và do đó, trong toàn bộ tổ chức.

4. Ba Trụ Cột Của Học Tập Tổ Chức Thế Hệ Mới Với GenAI

GenAI mang lại ba khả năng mới:

1. Quy trình và sản phẩm có khả năng đối thoại: GenAI là công nghệ đầu tiên tương tác bằng ngôn ngữ tự nhiên, cho phép quy trình và sản phẩm tự giải thích.
2. Lập trình viên công dân: GenAI cho phép nhân viên tạo ra các tác nhân và công cụ AI của riêng họ, tạo ra một sự bùng nổ các công cụ WINS.
3. Xử lý dữ liệu phi cấu trúc: GenAI có thể xử lý 80-90% thông tin phi cấu trúc.

Ba trụ cột này cho phép GenAI đẩy nhanh quá trình học tập của tổ chức thông qua việc cấu trúc dần dần công việc WINS và phân bổ lại trách nhiệm ra quyết định.

"GenAI là công nghệ đầu tiên tương tác bằng ngôn ngữ tự nhiên, cho phép quy trình và sản phẩm tự giải thích."

5. Nâng Cao Năng Suất Với GenAI và AI: Mô Hình Keen-Scott Morton

Để hiểu rõ hơn về cách GenAI nâng cao năng suất, chúng ta có thể tham khảo mô hình Keen-Scott Morton. Mô hình này phân loại các quyết định dựa trên hai chiều: vai trò quản lý (điều hành, quản lý, chiến lược) và mức độ cấu trúc của quyết định hoặc nhiệm vụ. GenAI phù hợp nhất với các nhiệm vụ bán cấu trúc hoặc phi cấu trúc ở mọi cấp quản lý, trong khi AI truyền thống phù hợp hơn cho các nhiệm vụ có cấu trúc ở cấp thấp hơn.

6. GenAI Thay Đổi Cấu Trúc Công Việc: Trường Hợp của Jerry Insurance

Jerry Insurance, một startup cung cấp dịch vụ bảo hiểm ô tô, đã sử dụng GenAI để tự động hóa gần 90% tương tác khách hàng, giảm đáng kể số cuộc gọi cần đến sự can thiệp của con người. Hệ thống GenAI dần dần cấu trúc các văn bản và cuộc trò chuyện với khách hàng, một quá trình được duy trì bởi nhân viên dịch vụ khách hàng.

Ví dụ này cho thấy GenAI có thể nâng cao năng suất bằng cách cấu trúc dần dần các nhiệm vụ. Đồng thời, việc học hỏi từ GenAI không còn giới hạn trong phạm vi công ty. LLM có thể điều chỉnh ngôn ngữ, tông giọng cảm xúc, mức độ chuyên môn, định dạng đầu ra, v.v., cho phép mỗi tương tác trở nên thông minh và hữu ích hơn.

7. Tổ Chức Thành Công: GenAI Như Một Phong Trào Chất Lượng Mới

Để tận dụng lợi thế của GenAI, các nhà lãnh đạo cần tiếp cận GenAI một cách có cấu trúc, giống như hệ thống cấp bậc trong võ thuật. Chúng ta có thể xác định các cấp độ chuyên môn GenAI như sau:

• Đai trắng: Giới thiệu các khái niệm cốt lõi về GenAI thông qua trải nghiệm thực tế.
• Đai vàng: Phát triển hiểu biết sâu hơn, bao gồm kỹ thuật nhắc lệnh và tạo chatbot.
• Đai xanh: Xây dựng và triển khai nhiều tác nhân, dẫn dắt các đội và dự án.
• Đai đen: Hiểu sâu về công cụ và kỹ thuật GenAI/AI, có khả năng dạy và thiết kế chương trình giảng dạy.

Cách tiếp cận này giúp các lãnh đạo có thể đo lường được khả năng GenAI trong tổ chức, đồng thời khai thác tối đa năng lực của đội ngũ nhân viên.

8. Kết luận: Hướng Tới Tương Lai Học Tập Tổ Chức

Thay vì theo đuổi một ứng dụng duy nhất, các tổ chức nên tập trung xây dựng năng lực GenAI toàn diện. Bằng cách áp dụng cách tiếp cận lấy cảm hứng từ phong trào chất lượng, và xem các tổ chức không chỉ là sự kết hợp giữa con người và máy móc mà còn là sự đối thoại giữa các trí thông minh, các nhà lãnh đạo sẽ có thể tận dụng tối đa tiềm năng của GenAI và AI để đạt được lợi thế cạnh tranh bền vững.