AI Hoạt Động Hiệu Quả Khi Tự Động Hóa Tác Vụ, Không Phải Toàn Bộ Công Việc
Trái ngược với kỳ vọng về một tương lai hoàn toàn tự động, nhiều công ty đang nhận ra rằng chìa khóa để khai thác sức mạnh thực sự của trí tuệ nhân tạo (AI) nằm ở việc tự động hóa các tác vụ cụ thể, thay vì thay thế toàn bộ công việc. Bài học đắt giá từ Klarna, công ty tài chính từng phải "tuyển lại nhân viên sau một thời gian tự động hóa mạnh mẽ bằng AI," đã gióng lên hồi chuông cảnh tỉnh về những hạn chế của việc kỳ vọng quá nhiều vào AI.
Theo phân tích từ McKinsey, sự khác biệt giữa thành công và thất bại trong triển khai AI nằm ở "việc tự động hóa các tác vụ cụ thể trong quy trình làm việc được thiết kế lại, thay vì loại bỏ toàn bộ công việc." Điều này cho thấy, AI nên được xem là một công cụ hỗ trợ, giúp con người làm việc hiệu quả hơn, thay vì một giải pháp thay thế hoàn toàn.
Một ví dụ điển hình cho cách tiếp cận này là Gilion, công ty tài chính Thụy Điển. Họ đã sử dụng 82 AI agent để phân tích đầu tư, thu thập dữ liệu thanh toán, marketing, kế toán và sử dụng sản phẩm. Thay vì cố gắng thay thế các nhà phân tích tài chính, Gilion đã trao cho AI những nhiệm vụ cụ thể, lặp đi lặp lại để chúng có thể thực hiện tốt hơn, từ đó giải phóng con người để tập trung vào những công việc đòi hỏi sự sáng tạo và tư duy chiến lược.
Henrik Landgren, Đồng sáng lập và CPTO của Gilion, chia sẻ:
"Những gì đến trong sáu tháng qua với AI tạo sinh và agentic—ôi trời ơi—nó đã giúp chúng tôi cải thiện đáng kể trải nghiệm sản phẩm và giá trị sản phẩm cho khách hàng."
Việc tích hợp AI tạo sinh và agentic đã giúp Gilion nâng cao đáng kể độ chính xác của các dự báo và cải thiện trải nghiệm người dùng. Điều này chứng minh rằng, khi được triển khai một cách thông minh, AI có thể mang lại những lợi ích to lớn cho doanh nghiệp.
Landgren cũng nhấn mạnh tầm quan trọng của việc sử dụng khung MECE (mutually exclusive, collectively exhaustive) để quản lý hiệu quả đội quân AI của mình. Mỗi AI agent được giao nhiệm vụ cụ thể và báo cáo kết quả cho các quản lý cấp trên, tạo ra một quy trình phân tích đầu tư chi tiết và có cấu trúc.
"Nó giúp chia nhỏ một vấn đề lớn thành một khung MECE. Vì vậy, mọi phần cần phải loại trừ lẫn nhau, nhưng cùng nhau chúng cung cấp cho bạn tất cả các câu trả lời để cung cấp câu trả lời cho câu hỏi chính," Landgren giải thích.
Cách tiếp cận này cho phép các ngân hàng và nhà đầu tư xác định các quy trình phân tích đầu tư chi tiết phù hợp với yêu cầu cụ thể của họ, điều mà không thể thực hiện được khi cố gắng tự động hóa toàn bộ vai trò của nhà phân tích.
Bài học rút ra từ Klarna và thành công của Gilion cho thấy rằng tương lai của công việc không phải là sự thay thế hoàn toàn bằng AI, mà là sự hợp tác giữa con người và máy móc. Các công ty cần tập trung vào việc tự động hóa các tác vụ cụ thể trong quy trình làm việc được thiết kế lại, đồng thời tận dụng những điểm mạnh của con người như tư duy sáng tạo, khả năng giải quyết vấn đề phức tạp và giao tiếp hiệu quả. Chỉ khi đó, chúng ta mới có thể khai thác tối đa tiềm năng của AI và tạo ra một tương lai làm việc hiệu quả và bền vững hơn.