Đinh Đinh giải bài toán khó triển khai AI cho doanh nghiệp, nói lời tạm biệt với nhập liệu thủ công

Bài viết này hướng đến các nhà quản lý doanh nghiệp và đội ngũ IT, phân tích cách DingTalk thông qua việc đồng cấu giữa nghiệp vụ và dữ liệu, giải quyết điểm khó khăn về thiếu hụt dữ liệu khi triển khai AI trong doanh nghiệp, giúp các tác nhân làm việc thông minh bên thứ ba tích hợp liền mạch vào quy trình cộng tác hàng ngày.

“Nuôi dữ liệu bằng tay” có lẽ thực sự đã trở nên nguy hiểm

Năm nay trong giới AI có một câu nói thật khá chua chát: “Việc triển khai AI tại doanh nghiệp, phần lớn đều thất bại vì thiếu dữ liệu.”

Hai năm qua, hoạt động triển khai AI của doanh nghiệp giống như “điều khiển từ xa robot” trong lĩnh vực robot – phải thuê cả nhóm người đội kính VR, dạy từng động tác cho cánh tay robot cách cầm cốc. Trong môi trường văn phòng, điều này thể hiện thành việc thuê chuyên viên dọn dẹp dữ liệu, kết nối giao diện quy mô lớn, hay vận chuyển thông tin thủ công xuyên hệ thống. Ông chủ tưởng mình mua được một “J.A.R.V.I.S”, nhưng hóa ra lại rước về một đứa trẻ khổng lồ phải chăm sóc 24/7.

Điểm cuối cùng của việc “nuôi dữ liệu bằng tay” thường là một cái hố không đáy về chi phí nhân lực.

Nhưng gần đây tôi lang thang trong hệ sinh thái DingTalk, lại thấy vài cảnh tượng trái ngược với lẽ thường. Trong một số tình huống nghiệp vụ phức tạp đã vận hành trơn tru, gần như hoàn toàn không tồn tại công đoạn “chuyên môn nuôi dữ liệu”. Những tác nhân làm việc thông minh (Agent), trợ lý AI bên thứ ba khi được tích hợp, lập tức bắt tay vào làm việc.

Không cần giai đoạn dọn dẹp dữ liệu dài dòng, không cần hàng chục ngàn mẫu dữ liệu được gắn nhãn, cũng chẳng cần bộ phận IT thức trắng đêm viết kịch bản tích hợp. Chúng chỉ việc trích xuất ngữ cảnh từ tin nhắn tức thời trên DingTalk, tìm kiếm căn cứ lịch sử trong tài liệu, thuận tay sắp xếp rõ ràng logic luân chuyển các phê duyệt và nhiệm vụ chờ xử lý.

Sau cuộc họp, tạo ngay một nhiệm vụ; sau khi trò chuyện xong, lập tức khởi tạo một yêu cầu phê duyệt — những thói quen phản xạ tự nhiên của người đi làm này, toàn bộ đều trở thành giáo trình sẵn có cho Agent.

Chuyện này rất thú vị. Nếu không dựa vào việc ép nhân công cung cấp dữ liệu, thì nguồn dữ liệu nghiệp vụ chất lượng cao kia rốt cuộc đến từ đâu? Chẳng lẽ những Agent này sinh ra đã biết đọc tâm?

Thực ra, khi dòng chảy nghiệp vụ và dòng chảy dữ liệu vốn dĩ đồng cấu, kỷ nguyên “điều khiển từ xa” của AI doanh nghiệp đang dần khép lại. Bí mật của việc không cần “ép dữ liệu” nằm ngay trong những thao tác cộng tác hàng ngày mà chúng ta vẫn hay bỏ qua.

Phép màu đồng cấu của DingTalk: biến dữ liệu nghiệp vụ thành “viết gì nhận đó”

Để hiểu được bí mật này, trước tiên cần nắm rõ một khái niệm nền tảng — đồng cấu (isomorphism).

Trong kịch bản triển khai AI truyền thống, thu thập dữ liệu và thực thi nghiệp vụ thường là hai việc tách rời. Nhân viên thực hiện thao tác trong hệ thống, tạo ra một đống “khoáng sản dữ liệu” phi cấu trúc, rồi bộ phận IT lại vất vả cử đội ngũ đi làm sạch, gắn nhãn, căn chỉnh. Điều này giống như bắt đầu bếp nấu món ăn một cách mù quáng, rồi nhờ chuyên gia dinh dưỡng suy ngược lại công thức món ăn phân tử – cực kỳ tốn công mà hiệu quả lại thấp.

Nhưng trong hệ sinh thái DingTalk, cách làm này đã bị lật đổ hoàn toàn. Phép màu nền tảng nằm ở chỗ: khâu thu thập và khâu thực thi vốn dĩ đã đồng cấu.

Hãy nghĩ đến đời sống nhân viên văn phòng: làm rõ nhu cầu qua tin nhắn tức thời, lưu trữ phương án trong tài liệu, gửi yêu cầu phê duyệt để luân chuyển ngân sách, hoặc tổ chức họp trực tuyến để brainstorm. Những “thao tác nền” tưởng chừng bình thường này, trong kiến trúc nền tảng của DingTalk, bản thân chúng đã là dữ liệu chất lượng cao mang ngữ cảnh và có cấu trúc.

Khi bạn nhấn Enter để gửi một tin nhắn, hay kéo thả một lịch họp trên lịch biểu, dữ liệu thực tế đã hoàn tất quá trình “tự làm sạch”.

Dữ liệu tốt nhất không bao giờ đến từ việc cử riêng một đội ngũ đi thu thập, mà là do nhân viên vô tình tạo ra trong quá trình cộng tác hàng ngày.

Đây chính là điểm tinh tế của “viết gì nhận đó”. Nó không làm tăng thêm dù chỉ một giây gánh nặng cho nhân viên, nhưng lại lặng lẽ chuyển khâu “làm sạch, căn chỉnh” từ giai đoạn xử lý dữ liệu lên trước thời điểm nghiệp vụ diễn ra.

Khi dòng chảy nghiệp vụ chính là dòng chảy dữ liệu, những tác nhân làm việc thông minh bên thứ ba khi gia nhập hệ sinh thái DingTalk tự nhiên không còn phải chờ “được cho ăn bằng tay”. Chúng trực tiếp nhảy vào dòng nước dữ liệu sạch sẽ, tinh khiết này và có thể ngay lập tức hấp thụ ngữ cảnh nghiệp vụ thuần túy nhất.

Phân tích nền tảng “không cần điều khiển từ xa”: linh hoạt, nhất quán và mở rộng

Để giúp tác nhân làm việc thông minh hoàn toàn từ bỏ thói quen “nuôi dữ liệu bằng tay”, chỉ có dòng nước dữ liệu thôi là chưa đủ, bản thân nền tảng phải đủ vững chắc.

Trong hệ sinh thái DingTalk, nền tảng này được hỗ trợ bởi ba thuộc tính: linh hoạt, nhất quán và khả năng mở rộng.

Trước hết là tính linh hoạt. Khi phát triển AI văn phòng, điều đáng sợ nhất là biến nền tảng thành “bàn tay năm ngón to bè” cồng kềnh. Các chức năng cơ bản như phê duyệt, chấm công, tài liệu, họp trực tuyến, tin nhắn tức thời, lịch biểu, danh sách việc cần làm trên DingTalk lại vừa khéo tạo thành “cấu trúc ba ngón tay kinh điển” trong môi trường văn phòng — không rườm rà phô trương, nhưng đủ chắc chắn để nắm bắt chính xác hầu hết các thao tác nghiệp vụ tinh vi.

Tiếp theo là tính nhất quán, đây là chìa khóa giải quyết bài toán “di chuyển không tổn thất”. Khi bạn thuận tay tạo một việc cần làm sau cuộc họp trực tuyến, hoặc kéo thả một lịch trình trên lịch biểu, những thao tác cụ thể của con người này sẽ trực tiếp ánh xạ thành ngữ cảnh mà trợ lý AI bên thứ ba có thể hiểu ngay lập tức.

Không xảy ra tổn thất độ chính xác khi di chuyển giữa các hệ thống, cũng không cần lo lắng về lỗi mã hóa do chuyển đổi định dạng. Cách con người thao tác ở phía trước, chính là cách Agent hiểu ở phía sau — dòng chảy nghiệp vụ và dòng chảy dữ liệu đạt được sự căn chỉnh hoàn hảo về mặt bản thể học.

Cuối cùng là tính mở rộng. Việc triển khai AI truyền thống luôn phải chi mạnh tay để duy trì một đội thu thập dữ liệu chuyên trách. Nhưng trong hệ sinh thái DingTalk, cách làm “dồn nhân lực” này đã mất hiệu lực.

Mọi hoạt động cộng tác hàng ngày của toàn bộ nhân viên chính là bộ máy thu thập dữ liệu lớn nhất. Hàng trăm, hàng ngàn nhân viên mỗi lần phê duyệt, mỗi cuộc họp đều vô thức liên tục mở rộng hồ chứa dữ liệu chất lượng cao. Bạn không cần cố ý đi “thu thập” dữ liệu, dữ liệu sẽ tự động sinh trưởng trong quá trình vận hành nghiệp vụ.

Tính linh hoạt đảm bảo thao tác chính xác, tính nhất quán loại bỏ tổn thất khi di chuyển, tính mở rộng đẩy mạnh quy mô dữ liệu. Khi ba sức mạnh này hội tụ, ngọn tháp dữ liệu chất lượng cao từng tưởng chừng bất khả thi, nay đang bị mài mòn hoàn toàn ở đỉnh.

Hiệu ứng “đi nhờ” trong hệ sinh thái mở: thế trận thuận lợi cho các Agent bên thứ ba

Ngọn tháp dữ liệu bị mài mòn, lợi ích không chỉ dành riêng cho DingTalk.

Nếu mở rộng góc nhìn ra hệ sinh thái mở của DingTalk, ta sẽ thấy rõ hơn. Trước đây, các nhà phát triển trợ lý AI bên thứ ba, các tác nhân làm việc thông minh luôn đau đầu vì “khó thích nghi dữ liệu” — những mô hình họ khổ công huấn luyện, vừa bước vào doanh nghiệp đã lập tức mất phương hướng, bởi dữ liệu nghiệp vụ và quy trình làm việc thường bị tách rời.

Nhưng bây giờ, họ có thể trực tiếp “đi nhờ xe” trong sân chơi của DingTalk.

Khi các công cụ văn phòng AI bên thứ ba tích hợp vào hệ sinh thái DingTalk, điều tuyệt vời nhất là gì? Chúng có thể tái sử dụng ngay đường ống dữ liệu “đồng cấu” này. Không cần vất vả viết kịch bản thích nghi dữ liệu, dòng chảy nghiệp vụ sẵn có của DingTalk chính là mảnh đất màu mỡ nhất với đầy đủ ngữ cảnh.

Hãy xem một ví dụ sinh động trong đời sống:

Một cuộc họp trực tuyến căng thẳng vừa kết thúc, bạn thuận tay tạo một việc cần làm trong DingTalk, đồng thời cập nhật lịch ngày mai. Lưu ý rằng, ở đây không hề có sự “liên kết tự động hệ thống” nào huyền bí cả, chỉ đơn thuần là thao tác thường ngày theo phản xạ của người đi làm.

Nhưng điều kỳ diệu nằm ở chỗ, các tác nhân làm việc thông minh bên thứ ba có thể tiếp nhận liền mạch ngữ cảnh liên tục này. Chúng biết bạn vừa họp về nội dung gì, trong việc cần làm ghi điều gì, lịch biểu đặt vào ngày nào, từ đó hợp lý hóa việc soạn thảo tin nhắn theo dõi, vạch ra trọng tâm hành động tiếp theo.

Đây chính là trải nghiệm “cắm vào là dùng ngay” nhờ hệ sinh thái được kết nối thông suốt.

Các Agent bên thứ ba không cần tự mình “tạo” dữ liệu, chúng chỉ cần hoạt động trong các chức năng cơ bản như tin nhắn tức thời, tài liệu, phê duyệt trên DingTalk. Dòng chảy nghiệp vụ chảy đến đâu, xúc tu của AI vươn tới đó.

Trong thế trận thuận lợi này của AI doanh nghiệp, DingTalk dựng xong sân khấu dữ liệu đồng cấu, còn hệ sinh thái bên thứ ba trình diễn vở kịch cộng tác thông minh. Những dự án triển khai AI từng phải tùy chỉnh sâu nay đang trở thành thiết bị tiêu chuẩn mở hộp là dùng.

Đỉnh tháp dữ liệu đang bị mài mòn

Những năm qua, doanh nghiệp triển khai AI luôn mắc phải một nút thắt khiến ai cũng đau đầu: dữ liệu.

Trong kim tự tháp dữ liệu AI truyền thống, đỉnh tháp luôn là những dữ liệu nghiệp vụ chất lượng cao đã qua xử lý làm sạch, gắn nhãn và tùy chỉnh sâu bằng tay. Chất lượng thì đúng là cao, nhưng chi phí cũng cao đến mức Giám đốc Tài chính có thể đột quỵ tại chỗ. Để nuôi sống một mô hình, doanh nghiệp thường phải duy trì cả đội ngũ dữ liệu, biến “trí tuệ nhân tạo” thành “trí tuệ nhân lực” thuần túy.

Nhưng hiện tại, mối ràng buộc chặt chẽ giữa “phát triển sâu” và “dữ liệu chất lượng cao” đang dần được nới lỏng.

Khi DingTalk kết nối các chức năng cơ bản như phê duyệt, chấm công, tài liệu, họp trực tuyến, tin nhắn tức thời, lịch biểu, việc cần làm thành một mạng lưới đồng cấu, dòng chảy nghiệp vụ và dòng chảy dữ liệu cuối cùng đã đạt được trạng thái “viết gì nhận đó”. Một câu trao đổi trong nhóm, một chú thích trong tài liệu, một lịch trình trên lịch biểu — tất cả đều vô thức chuyển hóa thành tư liệu nghiệp vụ sống động nhất.

Dữ liệu chất lượng cao không còn cần phải dồn nhân lực để tạo ra, mà tự nhiên sinh trưởng cùng với hoạt động cộng tác hàng ngày. Đỉnh tháp dữ liệu từng tưởng chừng bất khả thi ấy đang bị phép màu đồng cấu âm thầm mài mòn từng chút một.

Những kịch bản văn phòng AI từng phải đầu tư lớn mới triển khai được, nay chỉ cần theo dòng chảy nghiệp vụ là có thể lan tỏa tự nhiên đến mọi ngóc ngách doanh nghiệp.

Thời đại mà mỗi lần triển khai một kịch bản văn phòng AI mới đều phải bắt đầu bằng việc làm sạch và cung cấp dữ liệu bằng tay, đang dần khép lại.

—— henry gửi từ Ao Fei Temple

Cảm thấy hữu ích? Đừng quên ba thao tác một chạm, hẹn gặp bạn ở phần bình luận.

*Cập nhật tiến bộ công nghệ hàng ngày, dẫn bạn xuyên thấu qua làn sương kỹ thuật.*

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!