Phần 2: Các phương án triển khai AI - Sẵn sàng cho AI: Điều Lãnh đạo CNTT CIO Cần Biết và Làm

Hiểu các phương án triển khai AI và cân nhắc giữa tốc độ và khác biệt

5 phương án triển khai AI

Hình ảnh: 5 phương án triển khai AI Tạo sinh (Generative AI) của Gartner - dịch bởi chuyendoi.so

1. Tiêu thụ (Consume): GenAI được nhúng chìm trong ứng dụng, chẳng hạn như sử dụng một ứng dụng thiết kế đã được thiết lập, giờ đây bao gồm khả năng tạo ra hình ảnh (ví dụ: Adobe Firefly). 
2. Nhúng (Embed): Các API (*Giao diện Lập trình Ứng dụng, viết tắt của Application Programming Interface) của GenAI trong một khung ứng dụng tùy chỉnh để doanh nghiệp có thể xây dựng các ứng dụng của riêng mình và tích hợp GenAI thông qua các API mô hình nền tảng. 
3. Kỹ thuật RAG/ Mở rộng các mô hình GenAI thông qua truy xuất dữ liệu, ví dụ như sử dụng kỹ thuật RAG (viết tắt của retrieval augmented generation, tạm dịch là tạo ra nội dung từ truy xuất dữ liệu), cho phép doanh nghiệp truy xuất các dữ liệu từ bên ngoài một mô hình nền tảng (thường là dữ liệu nội bộ của doanh nghiệp mình) và bổ sung các câu lệnh (prompt, hay cách tương tác với GenAI) để cải thiện độ chính xác và chất lượng phản hồi của mô hình đối với các tác vụ cụ thể về lĩnh vực của mình.
4. Hiệu chỉnh/ Mở rộng mô hình GenAI thông qua hiệu chỉnh mô hình (fine tuning), điều chỉnh một mô hình nền tảng lớn, đã được đào tạo trước bằng một tập dữ liệu mới để đưa thêm kiến thức chuyên môn sâu vào hoặc cải thiện hiệu suất trên các tác vụ cụ thể. Điều này thường dẫn đến các mô hình tùy chỉnh dành riêng cho tổ chức. 
5. Xây dựng mô hình nền tảng tùy chỉnh hoàn toàn từ đầu, tùy chỉnh hoàn toàn các mô hình cho dữ liệu và đặc thù kinh doanh của riêng bạn.

Mỗi cách triển khai đều có những ưu nhược điểm riêng, và phải đánh đổi giữa lợi ích với rủi ro. 

Hình ảnh: 5 phương án triển khai AI Tạo sinh (Generative AI) của Gartner (tiếng Anh)

Các cân nhắc lựa chọn mô hình triển khai

Các yếu tố chính ảnh hưởng đến những cân nhắc lựa chọn này là: 

• Chi phí - Ứng dụng nhúng và mô hình nhúng API là phương án triển khai AI ít tốn kém nhất. Xây dựng mô hình từ đầu sẽ là cách làm tốn kém nhất. Ở giữa, chi phí biến động rất lớn, đặc biệt là với việc hiệu chỉnh, chi phí cao khi cập nhật các mô hình với hàng tỷ tham số. 
• Kiến thức tổ chức và lĩnh vực chuyên ngành - Hầu hết các mô hình nền AI đều là các mô hình tri thức tổng quát. Để cải thiện độ chính xác, các tổ chức cần đưa tính đặc thù cho lĩnh vực ngành nghề chuyên môn (domain) và trường hợp sử dụng (use case) thông qua truy xuất dữ liệu, hiệu chỉnh hoặc xây dựng mô hình riêng. 
• Khả năng kiểm soát an ninh bảo mật và quyền riêng tư - Hiện tại, các vấn đề an ninh bảo mật (security) và quyền riêng tư (privacy) với GenAI khá rộng. Xây dựng mô hình của riêng bạn hoặc tạo ra mô hình tùy chỉnh thông qua hiệu chỉnh sẽ cung cấp quyền sở hữu tài sản chính vững chắc hơn và linh hoạt hơn trong các kiểm soát mà bạn có thể triển khai. 
• Kiểm soát đầu ra của mô hình - Mô hình nền tảng AI dễ gặp rủi ro về ảo tưởng, cũng như lan truyền hành vi thiên vị hoặc có hại. Truy xuất dữ liệu, hiệu chỉnh mô hình và xây dựng mô hình của riêng bạn có thể được ưu tiên trong môi trường kiểm soát cao. Các ứng dụng quan trọng cho doanh nghiệp cần yêu cầu có sự tham gia của con người. 
• Độ đơn giản trong triển khai - Việc tiêu thụ nhúng trong ứng dụng và mô hình nhúng API có lợi thế do bản chất đơn giản và thời gian ra thị trường nhanh. Chúng cũng không gây ảnh hưởng tiêu cực đáng kể đến quy trình làm việc hiện tại.

(....còn nữa)

Có thể bạn quan tâm

Chuỗi bài viết Sẵn sàng cho Trí tuệ Nhân tạo (AI): Điều Lãnh đạo CNTT CIO Cần Biết và Làm. 

• Phần 1: Xác định tham vọng AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
• Phần 2: Các phương án triển khai AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
• Phần 3: Xác định các rủi ro của AI | Sẵn sàng cho Trí tuệ Nhân tạo: Điều Lãnh đạo CNTT CIO Cần Biết và Làm
• Có cần bổ nhiệm CAIO (Giám đốc Cấp cao về AI)? 
• Giải thích về Các Mô hình Ngôn ngữ Lớn (LLMs) & AI Tạo sinh (GenAI)
• Gartner Dự báo 10 Công nghệ chiến lược hàng đầu năm 2024 và xa hơn
• Xu hướng 6: AI (Artificial Intelligence): Trí tuệ nhân tạo

Các ví dụ chuyển đổi số trong ngành tài chính, ngân hàng và bảo hiểm 

Ngành Ngân hàng chuyển đổi số

• Ngân hàng số Việt Nam - kết quả khảo sát tháng 8/2018
• DBS và Hành trình Chuyển đổi ngân hàng số Gandalf
• Fintech và tác động tới ngành tài chính ngân hàng trong chuyển đổi số
• Softbank và hành trình chuyển đổi sang Hệ sinh thái số - Chiến lược Chuỗi các số 1 (Cluster of Number 1 Strategy)

Ngành bảo hiểm Chuyển đổi số

• Hành trình chuyển đổi số mạnh mẽ từ thị trường bảo hiểm Trung Quốc
• Ping An Insurance (Bảo hiểm Bình An) và Hành trình số hóa tiên phong ở Trung Quốc
• Zhong An (bảo hiểm Trung An): nền tảng sinh ra cho chuyển đổi số ngành bảo hiểm Trung Quốc
• Insurtech (Công nghệ bảo hiểm): Định nghĩa, phân loại, xu hướng, và tác động tới các đơn vị bảo hiểm trong ngành
• Một số ví dụ về các công ty bảo hiểm chuyển đổi số và insurtech khác trên toàn cầu

Chuỗi bài AI Tạo sinh đột phá ngành tài chính (ngân hàng, bảo hiểm): Cơ hội, Thách thức, Bước khởi đầu

A - Ngành ngân hàng (banking)

1 - Giá trị, các cơ hội chính và ứng dụng chủ đạo

2 - Các thách thức

3 - Mở rộng quy mô ứng dụng AI Tạo sinh (GenAI) 

4 - Kế hoạch bắt đầu 

B - Ngành bảo hiểm 

1 - Các cơ hội chính/ Các ứng dụng chủ đạo 

2 - Các thách thức 

2.1. Về GenAI 

2.2. Về dữ liệu 

3 - Kế hoạch bắt đầu 

Nguồn tham khảo: 

• Get AI Ready — What IT Leaders Need to Know and Do: https://www.gartner.com/en/information-technology/topics/ai-readiness