Bàn về chiến lược dữ liệu hiện đại (Modern Data Strategy) cho GenAI - Mì AI

0:00 [âm nhạc] Chào mừng quý vị đến với cuộc thảo luận chuyên sâu hôm nay. Chúng ta sẽ cùng xem xét vì sao một chiến lược dữ liệu hiện đại lại quan trọng đến thế, nhất là trong cái thời đại AI tạo sinh, tức là Gen AI đó ạ. >> Vâng, >> chúng ta có thông tin từ các bên như IBM, Google Cloud cũng các ví dụ thực tế. Mục tiêu là chắt lọc xem điều gì làm một chiến lược dữ liệu trở nên hiện đại và thực sự hiệu quả cho AI. >> Đúng vậy. >> Có một điểm khá thú vị là dữ liệu ngày xưa có vẻ như bị coi nhẹ, giờ lại làm mạch máu. Đặc biệt với mấy con AI kiểu ch GPT sao lại có sự thay đổi này nhỉ? >> À đó là cả một quá trình thay đổi phải nói là chóng mặt. Trước đây thì dữ liệu

0:47 nó cứ rời rạc khoảng 80 thậm chí 90% là phi cống trúc gần như là ừ không dùng được. >> Dạ. Giờ thì AI nhất là Gen AI nó cần hệ sinh thái dữ liệu phức tạp hơn nhiều. Chính cái nhu cầu ngốn thữ liệu khổng lồ của nó làm cho việc có chiến lược trở nên ờ cấp thiết lắm. Rõ ràng ấy thì rủi ro như AI nó ảo giác, nó nói bậy rồi kết quả bị sai lệch hay là các vấn đề pháp lý như GDP của Châu Âu ấy. >> À cái vụ phạt nặng đó ạ. >> Vâng là có thật đấy ạ. Không đùa được đâu. >> Vậy thì làm rõ hơn đi ạ. Rõ ràng không chỉ là lưu trữ dữ liệu như xưa nữa rồi. AI, đặc biệt là Gen AI, nó thay đổi cuộc chơi thật sự. >> Chính xác. >> Như ví dụ của IBM về tự động hóa RFP ấ

1:32 họ cần cả dữ liệu nội bộ của họ lẫn dữ liệu công cộng. >> Đúng thế. AI truyền thống thì ờ nó hay dùng dữ liệu có cấu trúc nhưng mà trên AI thì lại khác. Nó cần cực kỳ nhiều dữ liệu, đủ loại cả văn bản, hình ảnh, âm thanh. Cái đám phi cấu trúc ấy. >> Vâng. Việc mà chuyển đổi làm sạch cái đống dữ liệu đó là thách thức lớn đấy. Nó buộc phải nghĩ lại hết về hạ tầng quản trị rồi cách dữ liệu nó chảy trong tổ chức. >> Ừ. >> Có thống kê là 81% lãnh đạo CNT nói là mấy cái ốc đảo dự liệu sailo ấy nó đang cản trợ họ chuyển hổi số. >> Thế thì những cái trụ cột chính của một chiến lược hiện đại là gì ạ? Tài liệu nói nhiều thứ quá. Khuôn khổ, quản lý, quản trị rồi cả trải nghiệm kinh tế dự liệu. Có cách nào nói đơn giản hơn

2:17 không? À mình có thể chia làm khoảng bốn mảng chính. Thứ nhất là cái nền tảng ừ >> tức là cái kiến trúc cái hệ sinh thái đó. >> Dạ. >> Cần phải linh hoạt, phải mở kiểu như data house nó live giữa data lake và data house ấy. >> À kết hợp cả hai. >> Đúng rồi. Ví dụ như UPS họ làm cái digital twin cho mạng lưới logistic hay mercado libre xử lý lượng giao dịch khổng lồ. Nền tảng này phải xử lý được cả cấu trúc và phi cấu trúc. có nền thẳng rồi nhưng mà làm sao biến cái đống dữ liệu thô đó thành cái gì đó hữu ích. Chắc là trụ cột thứ hai >> vẫn chính là xử lý tức là quản lý dữ liệu hay còn gọi là kinh tế dữ liệu. Đây là cái khấu tinh chế dữ liệu thô thành thông tin có giá trị. >> Ví dụ như nào ạ? >> Ví dụ như là ờ phân tích mấy cái nhật ký

3:03 cảm biến IoT phi cấu trúc để đoán xem khi nào máy móc sắp hỏng chẳng hạn. >> Hay quá. Và một cái ý quan trọng ở đây là xem dữ liệu như một sản phẩm, tức là quản lý nó rõ ràng, ai sở hữu, ai dùng, dễ tìm, dễ sải. Delivery Hero họ làm thế này khá tốt. >> Nghe cũng phức tạp đấy ạ. Làm sao để quản lý hết mà vẫn ở, an toàn, đáng tin cậy, nhất là khi dùng cho AI. >> Đó, đó chính là trụ cột thứ ba, tin cậy. Cái này thì cực kỳ quan trọng với trên AI. >> Vâng. phải đảm bảo chất lượng dữ liệu này, bảo mật này, tuân thủ pháp lý như cái GDB lúc nãy nói đó. >> Dạ. >> Quản trị phải đi từ đầu đến cuối phải nghĩ kỹ về quyển riêng tư, về đạo đức nữa. Mới mô hình như datam match kiểu phi tập trung ấy cũng đang là một hướng hay. >> Công nghệ, quy trình, quản trị. Thế còn

3:50 con người thì sao ạ? Làm sao để mọi người cùng tham gia vào ạ? >> Vâng, không thể thiếu được. Đó là trụ cột cuối cùng con người, tức là về trải nghiệm và văn hóa dữ liệu. À >> dữ liệu thì không nên chỉ là của mấy ông kỹ thuật, cần phải dân chủ hóa nó. Phải có công cụ tự phục vụ dễ dung, ví dụ như Big Query hay Looker của Google Cloud đấy. Để người làm kinh doanh tự xem được. >> Ừ. Hứ. >> Nhưng quan trọng nhất là xây dựng cái năng lực và cái văn hóa dữ liệu trong cả công ty. Coi dữ liệu là tài sản chung, là việc của mọi người. Cái này nói thì dễ nhưng mà ờ làm thì cần đầu tư đó. >> Lý thuyết thì rõ rồi ạ. Nhưng mà để bắt tay vào làm thực tế thì sao? Bắt đầu từ đâu? IBM có gợi ý các bước? >> À vâng, cần có lộ trình bài bản, luôn

4:35 luôn phải bắt đầu từ mục tiêu kinh doanh. Mình muốn giải quyết cái gì? >> Dạ. >> Sau đó thì đánh giá xem hiện trạng dữ liệu mình đang thế nào, vướng ở đâu, rồi mới xây lộ trình từng bước một. Có kiểm soát, có quản trị. >> Ừ. >> Nên làm theo kiểu ở linh hoạt, chia nhỏ ra, làm mấy cái sprint nhỏ để thấy kết quả nhanh, chứng minh được giá trị. >> Vâng. Và cái cốt lõi là chiến lược dữ liệu phải đi đôi, phải hỗ trợ cho chiến lược AI chung. Cứ xem cái trợ lý ảo trên xe Mercedes ấy, họ làm rất kỹ về quyền dương tư hay chatbot bán lẻ, cần tích hợp đủ thứ dữ liệu mới thông minh được. >> Vậy thì tóm lại cái thông điệp chính ở đây là gì ạ? Rõ ràng là có dữ liệu không thôi thì chưa đủ. >> Đúng thế. >> Phải cần một chiến lược hiện đại, toàn diện thì mới khai thác được. Nhất là với ai chìa khóa có vẻ là sự tích hợp công

5:23 nghệ, quy trình quản trị, con người tất cả phải khớp với nhau. >> Chính xác. Nó là cái sự chuyển đổi từ việc xem dữ liệu là gánh nặng, chi phí là thứ bị cô lập sang coi nó là tài sản chiến lược, là ở mạch máu cho đổi mới và AI đáng thính cậy. >> Dạ. >> Hành trình này thì đòi hỏi phải hình dung lại toàn bộ hệ sinh thái dữ liệu. Nó giống như là mình chuyển từ động cơ hơi nước sang mạng lưới điện thông minh vậy đó. Điều này làm em nghĩ đến một ý cuối cùng khi mà AI nó ngày càng len lỏi vào mọi thứ người ta dự báo 90% ứng dụng sẽ có AI vào năm 2025 ấy. >> Vâng, xu hướng rõ ràng rồi. >> Thì liệu cái định nghĩa về một nhân viên hiểu biết dữ liệu có cần thay đổi không ạ? Không chỉ là đọc biểu đầu nữa mà kỹ năng mới nào sẽ cần thiết khi mà hầu như ai cũng phải làm việc với AI được xây

6:08 dựng từ chính dữ liệu công ty. [âm nhạc] He.