Lựa chọn AI Use Case: Phương pháp đánh giá giá trị, tính khả thi và rủi ro.

Use case hấp dẫn chưa chắc là lựa chọn nên làm trước

Một buổi trình diễn AI có thể cho câu trả lời nhanh và thuyết phục. Nhưng doanh nghiệp còn cần biết nhiệm vụ thật có được hoàn thành tốt hơn, dữ liệu có được phép dùng và ai chịu trách nhiệm khi sai. Lựa chọn use case nên dựa vào giá trị, tính khả thi và rủi ro trong cùng phạm vi, thay vì chỉ xem khả năng công nghệ.

Use case cần mô tả người dùng, nhiệm vụ, đầu vào, đầu ra và hành động tiếp theo. Các ý tưởng như trợ lý AI hoặc dự báo thông minh còn quá rộng để đánh giá. CAIO phải cùng chủ nghiệp vụ chuyển ý tưởng thành một tình huống sử dụng có giới hạn và cách xác nhận kết quả.

Đào tạo CAIO hỗ trợ năng lực chọn và quản trị sáng kiến. Một phương pháp đánh giá tốt không chỉ tạo thứ hạng, mà còn giúp biết đề xuất nào cần khảo sát thêm, đề xuất nào được phép thử và điều kiện nào phải đạt trước khi mở rộng.

Chuẩn hóa hồ sơ trước khi chấm điểm

Mỗi đề xuất nên có vấn đề kinh doanh, bằng chứng hiện trạng, người sở hữu, giải pháp hiện tại và giả thuyết cải thiện. Ghi AI sẽ hỗ trợ phần nào, phần con người giữ và giới hạn sử dụng. Nếu các đề xuất ở độ chi tiết khác nhau, điểm so sánh dễ phản ánh người viết hồ sơ hơn chất lượng lựa chọn.

Hãy đưa phương án không dùng AI vào hồ sơ. Có thể một biểu mẫu tốt hơn, quy tắc đơn giản hoặc sửa điểm bàn giao đã đủ giải quyết vấn đề. Khi AI cần thêm dữ liệu và công việc kiểm tra, phải biết giá trị tăng thêm có thể bù phần chi phí này không.

Tách điều đã biết với giả định. Một nhận định rằng nhân viên sẽ tiết kiệm nhiều giờ cần cách đo hoặc thử, không được ghi như kết quả đã có. Thiếu bằng chứng không nhất thiết loại bỏ ý tưởng, nhưng có thể chuyển nó sang giai đoạn khảo sát thay vì cam kết triển khai.

Dùng cổng điều kiện trước bảng điểm

Một số điều kiện không nên được bù bằng lợi ích dự kiến: quyền dùng dữ liệu, chủ trách nhiệm, mục đích được phép và khả năng kiểm soát hành động quan trọng. Nếu chưa rõ, đề xuất cần xác minh hoặc thu hẹp phạm vi. Cổng phải do người có thẩm quyền xác định theo bối cảnh, không coi một danh sách chung là đủ cho mọi ứng dụng.

Đánh giá rủi ro phải nhìn hậu quả, người bị ảnh hưởng, khả năng phát hiện và phục hồi. Cùng một mô hình có thể được dùng để tạo bản nháp hoặc quyết định giao dịch; hai phạm vi này cần xem khác nhau. NIST AI RMF hỗ trợ cách đặt câu hỏi theo bối cảnh sử dụng.

Kết quả cổng nên ghi đạt, đạt có điều kiện, chưa đạt hoặc chưa có bằng chứng, với hành động và người nhận. Một điều kiện dự kiến xử lý sau không được báo như đã đạt. Người phê duyệt cần hiểu phạm vi được cho phép và phần chưa được làm.

Đánh giá giá trị qua đường thay đổi công việc

Giá trị cần có chuỗi hợp lý: AI hỗ trợ nhiệm vụ, người dùng thay đổi cách làm, kết quả nghiệp vụ cải thiện và lợi ích được xác nhận. Nếu đầu ra không được đưa vào hành động hoặc vẫn phải làm lại toàn bộ, tính năng có thể chưa tạo giá trị thực. Hãy đo luồng đầu cuối, kể cả chi phí kiểm tra.

Xem ai nhận lợi ích và ai chịu phần việc tăng. Một nhóm có thể tiết kiệm thao tác nhưng chuyển nhiều lỗi sang nhóm tiếp nhận. Lợi ích tổng thể cần phản ánh cả hai. Với năng lực tăng thêm, cần biết doanh nghiệp có nhu cầu sử dụng phần năng lực đó không.

Quản trị lợi ích theo APM giúp gắn giá trị với người sở hữu và điều kiện hình thành. Không ép mọi tác động thành tiền. Chất lượng, thời gian đáp ứng và khả năng truy vết có thể là kết quả cần đo riêng, với công thức và dữ liệu nền rõ.

Đánh giá tính khả thi trong điều kiện vận hành

Khả thi gồm dữ liệu, kỹ thuật, con người và quy trình. Có thể xây một bản thử không có nghĩa doanh nghiệp đủ điều kiện tích hợp, hỗ trợ và duy trì. Cần kiểm tra quyền, dữ liệu, người đánh giá, khả năng xử lý ngoại lệ và mức phụ thuộc nhà cung cấp.

Ước lượng chi phí toàn phần: khảo sát, chuẩn bị dữ liệu, đánh giá, tích hợp, đào tạo, sử dụng và hỗ trợ. Chi phí theo lượt hoặc người dùng cần được xem khi quy mô đổi. Đừng so một giải pháp có chi phí đầy đủ với giải pháp chỉ ghi giá bản quyền.

Năng lực quản lý dự án IT hỗ trợ lập phạm vi và phụ thuộc. Nếu đề xuất yêu cầu cùng một đội dữ liệu đang phục vụ nhiều dự án, tính khả thi phải phản ánh lịch và năng lực thực tế, không chỉ kỹ năng của đội đó.

Xây ma trận có mô tả và độ chắc chắn

Doanh nghiệp có thể dùng thang điểm hoặc đánh giá định tính, nhưng cần mô tả rõ từng mức. Một điểm cao về giá trị phải dựa vào bằng chứng phù hợp. Một điểm thấp về rủi ro cần chỉ ra vì sao hậu quả và kiểm soát cho phép kết luận đó. Hãy giữ độ chắc chắn như thông tin riêng bên cạnh đánh giá.

Nếu dùng trọng số, lãnh đạo cần thống nhất trước và thử xem thứ hạng có đổi khi giả định thay đổi. Không để công thức che điều kiện chưa đạt. Hai use case gần điểm nhau có thể cần so trực tiếp về bằng chứng, phụ thuộc và cơ hội thử, thay vì xem chênh lệch nhỏ là kết luận chắc chắn.

Phân biệt quyết định thử với quyết định mở rộng

Một đề xuất có giá trị cao nhưng chưa chắc dữ liệu có thể được chọn để khảo sát. Một use case có điều kiện đủ có thể được thử trong phạm vi giới hạn. Mở rộng cần thêm bằng chứng về chất lượng, mức áp dụng, chi phí và vận hành. Ba quyết định này cần nguồn lực và mức cam kết khác nhau.

Thử nghiệm phải có câu hỏi cụ thể và tiêu chí dừng. Ví dụ, liệu người dùng hoàn tất nhiệm vụ đúng với ít công việc làm lại hơn không? Mẫu cần bao gồm trường hợp thông thường và ngoại lệ có ý nghĩa. Không dùng một trình diễn thuận lợi để kết luận toàn bộ phạm vi đã đáp ứng.

Quản trị rủi ro IT hỗ trợ thiết kế hành động và quyền chấp nhận. Sau thử nghiệm, người có thẩm quyền cần xem cả kết quả thuận lợi lẫn lỗi và giới hạn, rồi quyết định tiếp tục, sửa, thu hẹp hoặc dừng.

Tình huống giả định: chọn giữa hai trợ lý

Một doanh nghiệp giả định xem xét trợ lý soạn phản hồi khách hàng và trợ lý tìm tài liệu nội bộ. Cả hai đều có bản trình diễn tốt. Use case phản hồi có thể ảnh hưởng thông tin gửi ra ngoài, còn tài liệu nội bộ chứa nhiều phiên bản và quyền truy cập khác nhau.

CAIO cùng các chủ nghiệp vụ lập hồ sơ nhiệm vụ, quyền dữ liệu và cách kiểm tra. Phản hồi khách hàng được đánh giá ở mức bản nháp có người duyệt, chưa tự gửi. Tìm tài liệu được giới hạn vào nhóm nội dung đã xác nhận. Các bên xem giá trị, chi phí kiểm tra và khả năng hỗ trợ theo từng phạm vi.

Lựa chọn bước đầu dựa vào điều kiện và nguồn lực đã xác nhận, không chỉ độ ấn tượng của câu trả lời. Nếu thiếu bằng chứng, doanh nghiệp có thể khảo sát một đề xuất và thử đề xuất còn lại. Tình huống không giả định tỷ lệ tiết kiệm hay mức lợi nhuận đã đạt.

Xem tổ hợp use case trước khi khóa ưu tiên

Chọn nhiều đề xuất điểm cao vẫn có thể tạo quá tải nếu cùng phụ thuộc dữ liệu, chuyên gia hoặc nhóm hỗ trợ. Cần đặt các lựa chọn trong danh mục và xem công việc đang tồn tại. Nguyên tắc quản trị danh mục của APM gắn lựa chọn với mục tiêu và năng lực thực hiện.

Một số use case có thể cùng giúp kiểm chứng năng lực dùng chung, như phân quyền tri thức hoặc bộ đánh giá. Nhưng không nên tính trùng lợi ích hoặc báo khả năng tái sử dụng trước khi biết yêu cầu khác nhau. Cần xác định phần dùng chung và phần riêng để ước lượng chính xác hơn.

Năng lực lãnh đạo IT hỗ trợ xử lý tranh chấp ưu tiên giữa phòng ban. Quyết định hoãn cần ghi lý do và điều kiện xem lại, giúp chủ đề xuất hiểu khi nào hồ sơ có thể được đánh giá tiếp.

Hồ sơ quyết định cần giữ lại những gì?

• Phạm vi nhiệm vụ, mức tự động hóa và chủ nghiệp vụ.
• Kết quả cổng điều kiện, phần còn thiếu và người xử lý.
• Đánh giá giá trị, khả thi, rủi ro cùng bằng chứng và giả định.
• Phụ thuộc, chi phí toàn phần và nguồn lực được cam kết.
• Quyết định khảo sát, thử, mở rộng, hoãn hoặc dừng.
• Tiêu chí, thời điểm và người có quyền xem lại.

Phương pháp lựa chọn có giá trị khi doanh nghiệp có thể giải thích vì sao làm một use case và biết bằng chứng nào sẽ làm quyết định thay đổi. CAIO cần giữ bảng đánh giá như công cụ học và điều hành, cập nhật khi phạm vi hoặc điều kiện đổi, để đầu tư AI theo khả năng tạo giá trị thực tế.

Bài viết liên quan

• Doanh nghiệp đã sẵn sàng triển khai AI? Kiểm tra dữ liệu, nhân lực và năng lực quản trị
• Xây dựng danh mục đầu tư AI: Cân bằng các sáng kiến ngắn hạn và năng lực dài hạn.
• Xây dựng chiến lược AI gắn với mục tiêu kinh doanh và năng lực vận hành của doanh nghiệp.
• AI cần dữ liệu đáng tin cậy: Ai sở hữu, kiểm soát chất lượng và bảo vệ dữ liệu?

Nguồn tham khảo

1. NIST – AI Risk Management Framework
2. APM – What is portfolio management?
3. APM – Benefits management and project success