Mục ý kiến chuyên gia Khung pháp lý và các trường hợp sử dụng của Trí tuệ nhân tạo tạo sinh (Generative AI - GenAI) trong Logistics

Định nghĩa về GenAI và sự gia tăng sử dụng GenAI trong các doanh nghiệp

Generative AI (hay hệ thống Trí tuệ nhân tạo tạo sinh) còn được gọi tắt là “Generative AI” hoặc “GenAI”. Từ “Generative” có nghĩa là “có khả năng tạo ra hoặc sinh ra”. Mặc dù chưa có định nghĩa chính thức cụ thể, GenAI có thể hiểu là “các hệ thống AI có khả năng tạo ra đa dạng nội dung” hoặc “các AI có khả năng học hỏi để tạo ra nhiều loại nội dung khác nhau.” Những hệ thống AI này có thể tạo ra các dạng nội dung đa dạng như văn bản, hình ảnh, âm nhạc, video và mã lập trình, trong đó các nội dung mới được hình thành dựa trên dữ liệu đã có, tạo nên sự sáng tạo.

Trong nửa đầu năm 2023, khi ChatGPT đạt hơn 100 triệu người dùng, thuật ngữ “Foundation Model” (Mô hình nền tảng) bắt đầu trở thành từ khóa nóng trong giới lãnh đạo doanh nghiệp. Mô hình nền tảng có nhiều cách hiểu khác nhau, nhưng về lý thuyết nó có thể mang lại năng suất vượt trội nếu được ứng dụng trong phạm vi doanh nghiệp hoặc cơ quan chính phủ. Thuật ngữ này được tạo ra và phổ biến bởi Trung tâm Nghiên cứu về Mô hình Nền tảng (CRFM) thuộc Viện Trí tuệ nhân tạo lấy con người làm trung tâm của Đại học Stanford (HAI). CRFM cho phép điều chỉnh các mô hình cơ sở có sẵn hoặc sử dụng trực tiếp các AI tạo sinh như ChatGPT trong các trường hợp sử dụng cụ thể với chi phí thấp hơn nhiều. Do đó, nếu doanh nghiệp sử dụng mà không phải phát triển từ đầu, họ có thể dễ dàng và nhanh chóng tạo nền tảng để ứng dụng AI. Khi cơ sở lý thuyết này được thiết lập, nó đã thu hút sự quan tâm mạnh mẽ từ các nhà lãnh đạo của các công ty toàn cầu.

Khi có bằng chứng lý thuyết cho thấy ChatGPT có thể trở thành công cụ đột phá giúp nâng cao năng suất và sự sáng tạo tùy chỉnh với chi phí thấp và ít nỗ lực cho doanh nghiệp, một cơn sốt ứng dụng rộng rãi bắt đầu từ tháng 3 năm 2023.

Báo cáo “Khảo sát toàn cầu về trạng thái hiện tại của Generative AI” của McKinsey công bố tháng 8 năm 2023 cho thấy sự quan tâm của các công ty toàn cầu đối với GenAI tăng vọt. Một phần ba số người được khảo sát cho biết tổ chức của họ đang sử dụng GenAI thường xuyên ít nhất trong một chức năng kinh doanh. AI nhanh chóng trở thành trọng tâm của các CEO và CIO, với 60% người tham gia khảo sát cho rằng tiến bộ trong AI sẽ khiến tổ chức của họ tăng đầu tư vào AI tổng thể. Họ cũng dự báo ChatGPT sẽ nâng cao năng suất công ty hơn 20% và phần lớn nhân viên trong tổ chức sẽ cần được đào tạo lại để thích ứng.

Khung chiến lược ứng dụng và triển khai GenAI trong ngành Logistics

Tác giả muốn giới thiệu “Khung 2x2.4” như một công cụ quan trọng nhằm giúp hệ thống hóa và vượt qua các thách thức đa dạng khi triển khai Generative AI (GenAI) trong ngành logistics. Khung này được thiết kế để giúp các doanh nghiệp dễ dàng phân loại các nhiệm vụ phức tạp theo lĩnh vực ứng dụng, lựa chọn các nhiệm vụ phù hợp với GenAI và xác định phạm vi dự án. Khung chiến lược này được trình bày trong cuốn sách của tác giả mang tên “Making ChatGPT A Secret Weapon of Innovation” (2024, Knowledge Nomad).

1. Ma trận 2x2 lĩnh vực ứng dụng (2x2 matrix of application areas)

• Được chia thành bốn phần dựa trên hai trục chính:
  - Trục ngang phân thành “nhiệm vụ vận hành nội bộ” (internal operation task) và “dịch vụ khách hàng” (customer service).
  - Trục dọc phân thành “cải thiện công việc doanh nghiệp” (improvement of corporate work) và “tạo ra nhiệm vụ mới” (creation of new tasks).

• Ma trận này giúp làm rõ các ưu tiên chiến lược khác nhau của tổ chức.

2. Bốn loại hiện thực hóa (4 types of materialization)

• Là tiêu chí đánh giá mức độ liên kết và áp dụng GenAI đối với từng nhiệm vụ được lựa chọn.

• Bốn loại này được xây dựng dựa trên phân tích các trường hợp ứng dụng GenAI của các công ty toàn cầu trong năm 2023.

Hai phần này được kết hợp và đặt tên là “Khung 2x2.4”, giúp doanh nghiệp có cái nhìn tổng thể và chiến lược trong việc ứng dụng GenAI một cách hệ thống và hiệu quả.

[Khung 2x2.4 cho Chiến lược Ứng dụng Generative AI]

Ma trận 2x2 và các trường hợp ứng dụng trong Logistics

Phân vùng 1: Dịch vụ khách hàng bên ngoài – Cải thiện các nhiệm vụ hiện có

Phân vùng này bao gồm các dịch vụ như: dịch vụ theo dõi và thông báo giao hàng theo thời gian thực với ETA (thời gian dự kiến giao hàng), dịch vụ trả lời tự động các câu hỏi liên quan đến giao hàng bằng chatbot AI, và dịch vụ đề xuất phương án giao hàng tối ưu dựa trên phân tích lịch sử mua hàng và dữ liệu giao hàng của khách.

Tối ưu logistics tại Sydney Duty Free (Úc)
Sau đại dịch COVID-19, các cửa hàng duty free tại Sydney đối mặt với lượng khách du lịch tăng nhanh, cùng với tình trạng thiếu hụt nhân lực và chi phí lao động tăng cao, gây áp lực lớn lên hoạt động và dịch vụ khách hàng. Để đổi mới, Sydney Duty Free đã áp dụng công nghệ AI, đặc biệt là ChatGPT.
ChatGPT hỗ trợ quản lý tồn kho và quy trình logistics, thay thế công việc thủ công truyền thống vốn gây ra tình trạng thiếu hoặc tồn kho quá mức, dẫn đến chi phí vận hành cao và khách hàng không hài lòng. Tính năng dự báo của ChatGPT phân tích dữ liệu bán hàng để ước lượng nhu cầu, tự động hóa quản lý tồn kho, từ đó giảm thiểu tình trạng dư thừa và thiếu hụt, cải thiện hiệu quả vận hành.

Phân vùng 2: Dịch vụ khách hàng bên ngoài – Tạo ra nhiệm vụ mới

Bao gồm các dịch vụ như: đại lý hỗ trợ khách hàng dùng AI để dự đoán và chủ động phản hồi nhu cầu, hệ thống đề xuất sản phẩm dựa trên phân tích hành vi mua hàng, và dịch vụ marketing cá nhân hóa với các chương trình khuyến mãi riêng biệt.

Stitch Fix: Đề xuất sản phẩm
Stitch Fix – công ty dịch vụ phong cách cá nhân trực tuyến – cần tạo ra 13 triệu bộ trang phục mới hàng ngày để đáp ứng xu hướng thời trang và sở thích khách hàng. Họ đã phát triển mô hình OCM dựa trên ChatGPT, đào tạo trên hàng triệu bộ trang phục do stylist tạo ra, từ đó đề xuất trang phục phù hợp dựa trên tồn kho thực tế, sở thích và lịch sử mua hàng của khách. Dịch vụ này nhận được phản hồi tích cực từ khách hàng.

Phân vùng 3: Vận hành nội bộ – Cải thiện nhiệm vụ hiện có

Bao gồm tối ưu quản lý tồn kho bằng AI để tránh thiếu hoặc tồn kho quá mức; tối ưu tuyến đường giao hàng giúp giảm chi phí; và phân tích dữ liệu nâng cao để cải thiện hiệu quả vận hành.

Samsung SDS: Tối ưu tuyến đường và phân tích dữ liệu qua Cello Square
Samsung SDS phân tích các tuyến đường phức tạp trong mạng lưới logistics, đề xuất tuyến vận chuyển tối ưu giúp cắt giảm chi phí và nâng cao hiệu quả. Ngoài ra, họ cung cấp công cụ phân tích dữ liệu vận hành như thời gian giao hàng, chi phí, tỷ lệ lỗi, và tự động tạo, quản lý chứng từ liên quan như hóa đơn, vận đơn.
Tháng 5/2024, Samsung SDS công bố nâng cấp dịch vụ logistics bằng cách kết hợp ChatGPT với nền tảng Cello Square – nơi khách hàng có thể sử dụng mọi dịch vụ từ báo giá, đặt chỗ, vận chuyển, theo dõi đến thanh toán.
Cello Square còn giúp giảm thiểu rủi ro chuỗi cung ứng dựa trên thu thập và phân tích 60.000 tin tức mỗi ngày về tình hình chuỗi cung ứng toàn cầu, sử dụng học máy để chọn ra khoảng 70 tin tức có nguy cơ cao và gửi đến các nhà quản lý, rút ngắn thời gian lập kế hoạch từ một ngày xuống còn hai tiếng, tăng tốc độ phản ứng.

Phân vùng 4: Công việc vận hành nội bộ – Tạo ra nhiệm vụ mới

Bao gồm tự động hóa logistics dựa trên robot để phân loại và di chuyển hàng trong kho; phân tích dự báo nhu cầu tương lai; và dịch vụ quản lý chuỗi cung ứng thông minh theo thời gian thực.

Maersk: Phân tích dự báo
Maersk – hãng vận tải container lớn nhất thế giới – đang ứng dụng GenAI để dự báo bảo trì tàu dựa trên dữ liệu cảm biến, giảm thời gian ngưng hoạt động và tăng độ tin cậy. GenAI cũng có khả năng điều chỉnh tuyến đường và giá cước linh hoạt dựa trên dữ liệu giao thông thời gian thực, giá nhiên liệu và lịch trình giao hàng, giúp đảm bảo giao hàng đúng hạn và tiết kiệm nhiên liệu.

Phương pháp kết nối và ứng dụng thực tiễn với GenAI

Các công ty đã sử dụng GenAI như ChatGPT trong các nhiệm vụ cụ thể bằng nhiều cách khác nhau. Nếu phân loại các trường hợp đã quan sát, có thể chia thành bốn kiểu chính:

1. Kiểu xác định vai trò (Role Defining Type)

Phương pháp này tập trung tăng hiệu quả công việc nội bộ bằng cách sử dụng trực tiếp các tính năng của GenAI mà không cần tích hợp với hệ thống hiện có hay AI tạo dữ liệu khác. Đây là cách nhanh nhất để đạt kết quả, với các công việc hàng ngày như viết email, tóm tắt biên bản họp, dịch thuật và sửa lỗi chính tả.

2. Kiểu liên kết chức năng (Function-Linkage Utilization Type)

Kiểu này cải thiện trải nghiệm khách hàng bằng cách liên kết tính năng hội thoại của GenAI với các hệ thống sẵn có. Ví dụ điển hình là sử dụng chatbot để xác định nhu cầu khách hàng qua đối thoại, sau đó đề xuất sản phẩm và dịch vụ tối ưu.

3. Kiểu tích hợp tinh chỉnh (Fine-tuning Integration Type)

GenAI được tùy chỉnh thành bot thông minh chuyên biệt bằng cách đào tạo trên dữ liệu chuyên ngành của công ty. Ví dụ, ChatGPT học các báo cáo phân tích thị trường tài chính, hướng dẫn sản phẩm của nhà sản xuất, luận văn y khoa của bệnh viện... để đưa ra câu trả lời chuyên môn.

Ví dụ trong lĩnh vực tài chính: Morgan Stanley

Tháng 9 năm 2023, Morgan Stanley thông báo trợ lý GenAI của họ đã “hoạt động đầy đủ” hỗ trợ các cố vấn tài chính và nhân viên. Morgan Stanley quyết định ứng dụng GenAI không chỉ để tận dụng công nghệ tiên tiến mà còn nhằm nâng cao dịch vụ khách hàng và tối đa hóa hiệu quả vận hành nội bộ.

Morgan Stanley sử dụng chatbot dựa trên ChatGPT để phản hồi nhanh các câu hỏi về thông tin tài khoản, danh mục đầu tư, xu hướng thị trường và các thuật ngữ tài chính phức tạp với lời giải thích đơn giản. Điều này giúp tăng sự hài lòng của khách hàng khi họ có thể nhận được thông tin bất cứ lúc nào cần.

GenAI còn được dùng để rút ra các phân tích quan trọng khi xử lý khối lượng dữ liệu lớn và viết báo cáo nghiên cứu. Các nhà phân tích của Morgan Stanley nhờ đó đưa ra dự đoán thị trường chính xác và nhanh hơn. Hiện tại, Morgan Stanley đang phát triển thêm công cụ Debrief dùng ChatGPT để tự động tóm tắt cuộc họp với khách hàng và tạo email tiếp theo.

[Ví dụ trợ lý Morgan Stanley tích hợp GPT-4] (Source: Morgan Stanley Online)

4. Kiểu hội tụ đa phương thức (Multimodal Convergence Type)

Đây là phương pháp kết nối và kết hợp hai hoặc nhiều hệ thống GenAI có đặc điểm khác nhau nhằm đổi mới quy trình thực hiện nhiệm vụ hoặc tạo ra dịch vụ mới. Ví dụ như kết hợp AI tạo ra giọng nói với hình ảnh, hoặc văn bản với video để tạo ra nội dung đa dạng hơn.

Những điều cần lưu ý để triển khai GenAI thành công

Nhiều doanh nghiệp còn băn khoăn không biết bắt đầu từ đâu hoặc nên tập trung vào lĩnh vực nào khi áp dụng GenAI. Để triển khai thành công, các doanh nghiệp cần lưu ý 5 điểm chính sau:

1. 1) Ước lượng hiệu quả và đặt mục tiêu

   Thành công khi sử dụng GenAI phụ thuộc vào việc áp dụng trước vào các nhiệm vụ có tiềm năng mang lại hiệu quả lớn nhất. Thay vì sử dụng mà không có chính sách hay chiến lược rõ ràng, doanh nghiệp cần xác định nhiệm vụ phù hợp và đặt ra mục tiêu cụ thể về hiệu quả và năng suất.
   
   

2. 2) Lựa chọn lĩnh vực hiệu quả cao và thiết kế quy trình sử dụng

   GenAI rất hữu ích trong việc tạo nội dung dựa trên lượng lớn dữ liệu, nhưng không phải lúc nào cũng trả lời đúng các câu hỏi phức tạp, và hiện tượng “ảo giác AI” vẫn tồn tại. Vì vậy, bước đánh giá, lựa chọn nhiệm vụ, mục đích, cách tiếp cận, phạm vi và công cụ sử dụng là vô cùng quan trọng, quyết định đến kết quả cuối cùng của việc ứng dụng GenAI.
   
   

3. 3) Phát triển và áp dụng phương pháp Agile

   Việc triển khai GenAI nên được tiến hành theo phương pháp Agile (tạo dựng – điều chỉnh – phát triển), bao gồm chuẩn bị dữ liệu, tinh chỉnh mô hình, giám sát và cải tiến liên tục, thay vì chỉ đơn thuần áp dụng hệ thống thông tin. Cụ thể, nên áp dụng chu kỳ phát triển nhanh 2 tuần, trong đó xây dựng nguyên mẫu, sử dụng thử, đánh giá và chỉnh sửa liên tục.
   
   

4. 4) Quản lý rủi ro từ hệ thống và quy định

   Lo ngại rủi ro như rò rỉ thông tin mật hay vi phạm bản quyền là nguyên nhân chính khiến nhiều doanh nghiệp e ngại sử dụng GenAI. Rủi ro này có thể được giảm thiểu bằng cách thiết lập hệ thống không học dữ liệu đầu vào và xây dựng quy định vận hành rõ ràng về phạm vi sử dụng cũng như cách xử lý thông tin mật.
   
   

5. 5) Nâng cao trình độ sử dụng AI của nhân viên

   GenAI tương tác qua đối thoại nên kết quả phụ thuộc nhiều vào trình độ sử dụng của người dùng. Vì vậy, cần tổ chức các chương trình đào tạo và thực hành để tạo môi trường giúp nhân viên nắm bắt kiến thức cơ bản về GenAI, cách sử dụng phù hợp và nhận biết các rủi ro liên quan, từ đó sử dụng công cụ một cách có trách nhiệm.

▶ Nội dung này được bảo vệ theo Luật Bản quyền và thuộc quyền sở hữu của tác giả.
▶ Nghiêm cấm xử lý lại hoặc sử dụng cho mục đích thương mại mà không có sự đồng ý trước.