Quang Trương
Pearl
Nếu doanh nghiệp của bạn tự động hóa ngày càng nhiều, điều gì sẽ xảy ra khi hệ thống đột nhiên lỗi vào đúng lúc cao điểm?
Tại Intelligent Automation Conference, các lãnh đạo ngành đã cùng phân tích vấn đề này. Đại diện từ NatWest Group, Air Liquide, AXA XL và Royal Mail đều chia sẻ cùng một nhận định.
Sai lầm phổ biến là nhiều tổ chức đo lường thành công bằng số lượng bot được triển khai.
Trong khi đó, yếu tố quan trọng nhất lại nằm ở kiến trúc hệ thống phía sau.
Theo Promise Akwaowo, chuyên viên phân tích tự động hóa tại Royal Mail, một nền tảng tự động hóa thực sự phải đủ linh hoạt để chịu được những biến động lớn. Ví dụ, vào thời điểm chốt báo cáo tài chính cuối quý, hay khi chuỗi cung ứng bất ngờ bị gián đoạn, khối lượng công việc có thể tăng vọt. Nếu hạ tầng không đủ linh hoạt, hệ thống có thể chậm dần hoặc thậm chí sụp đổ.
Khi đó doanh nghiệp không xây dựng được nền tảng tự động hóa bền vững, mà chỉ tạo ra một hệ thống dễ vỡ.
Akwaowo nói khá thẳng thắn. Nếu công cụ tự động hóa liên tục cần con người điều chỉnh dung lượng, cung cấp tài nguyên và giám sát từng bước, thì đó không phải một hệ thống có thể mở rộng. Nó chỉ là một dịch vụ dễ gặp lỗi.
Mục tiêu thực sự không phải là viết thêm các đoạn mã tự động hóa rời rạc. Điều cần xây dựng là năng lực nền tảng, đủ để tích hợp với các hệ sinh thái lớn như Salesforce hoặc các nền tảng mã thấp khác.
Trong môi trường thử nghiệm, mọi thứ được kiểm soát. Khối lượng nhỏ, ít ngoại lệ, ít rủi ro.
Nhưng khi áp dụng ngay lập tức trên quy mô lớn, các vấn đề tiềm ẩn bắt đầu xuất hiện. Hệ thống có thể gây gián đoạn cho hoạt động hiện tại, làm giảm hiệu quả thay vì cải thiện.
Vì vậy, cách triển khai an toàn nhất là từng bước.
Akwaowo nhấn mạnh rằng tiến độ phải diễn ra dần dần, cẩn trọng, và mỗi giai đoạn đều phải được hỗ trợ đầy đủ.
Quy trình chuẩn thường bắt đầu bằng việc xác định rõ mục tiêu công việc, sau đó kiểm tra các giả định trong điều kiện thực tế. Trước khi mở rộng quy mô, đội kỹ thuật phải hiểu rõ cách hệ thống hoạt động, những lỗi nào có thể xảy ra, và cách xử lý khi lỗi xuất hiện.
Ví dụ, một tổ chức tài chính áp dụng máy học để xử lý giao dịch có thể giảm 40% thời gian kiểm tra thủ công. Nhưng trước khi mở rộng cho khối lượng giao dịch lớn hơn, họ phải chắc chắn rằng mọi lỗi đều có thể truy vết và xử lý rõ ràng.
Nếu không làm bước này, hệ thống tự động hóa có thể khiến vấn đề trở nên nghiêm trọng hơn.
Một điểm quan trọng khác thường bị bỏ qua là bản thân quy trình công việc. Nếu quy trình vốn đã rời rạc và có nhiều ngoại lệ chưa được xử lý, việc tự động hóa chỉ khiến những điểm yếu đó lan rộng nhanh hơn.
Các nhà cung cấp hệ thống ERP lớn đang nhanh chóng tích hợp AI tác nhân, tức những hệ thống AI có thể thực hiện nhiệm vụ thay cho con người trong một số bước cụ thể.
Điều này tạo ra áp lực lớn cho các nhà cung cấp ERP nhỏ hơn. Một hướng đi mới đang được thử nghiệm là nhúng các tác nhân AI trực tiếp vào quy trình làm việc của doanh nghiệp.
Những tác nhân này có thể xử lý các công việc lặp lại như đọc email, phân loại nội dung, hoặc tạo phản hồi ban đầu.
Khi các công việc hành chính giảm bớt, nhân viên tài chính có thể tập trung vào phân tích và đánh giá chiến lược. Ngay cả khi AI tạo ra dự báo tài chính, quyền quyết định cuối cùng vẫn thuộc về con người.
Điều quan trọng là xây dựng hệ thống có khả năng quan sát tốt. Khi có sự cố xảy ra, kỹ sư phải nhìn thấy chính xác lỗi nằm ở đâu và can thiệp mà không làm gián đoạn toàn bộ quy trình.
Akwaowo kết thúc bằng một câu hỏi đáng suy nghĩ cho các doanh nghiệp đang theo đuổi tự động hóa.
Nếu hệ thống tự động hóa của bạn gặp lỗi, bạn có thể xác định rõ lỗi xảy ra ở đâu, vì sao nó xảy ra, và sửa nó một cách tự tin hay không?
Đây có lẽ là câu hỏi mà rất nhiều tổ chức chưa thật sự sẵn sàng trả lời.
Và trong bối cảnh doanh nghiệp Việt Nam cũng đang đẩy mạnh AI và tự động hóa, câu hỏi này có lẽ càng đáng để suy nghĩ. (artificialintelligence)
Tự động hóa không chỉ là thêm robot
Nhiều công ty bắt đầu hành trình tự động hóa rất hào hứng. Họ triển khai bot, thử nghiệm AI, và trong giai đoạn đầu mọi thứ có vẻ hoạt động khá tốt. Nhưng sau khi bước ra khỏi giai đoạn thử nghiệm, rất nhiều dự án lại chững lại hoặc thất bại.Tại Intelligent Automation Conference, các lãnh đạo ngành đã cùng phân tích vấn đề này. Đại diện từ NatWest Group, Air Liquide, AXA XL và Royal Mail đều chia sẻ cùng một nhận định.
Sai lầm phổ biến là nhiều tổ chức đo lường thành công bằng số lượng bot được triển khai.
Trong khi đó, yếu tố quan trọng nhất lại nằm ở kiến trúc hệ thống phía sau.
Theo Promise Akwaowo, chuyên viên phân tích tự động hóa tại Royal Mail, một nền tảng tự động hóa thực sự phải đủ linh hoạt để chịu được những biến động lớn. Ví dụ, vào thời điểm chốt báo cáo tài chính cuối quý, hay khi chuỗi cung ứng bất ngờ bị gián đoạn, khối lượng công việc có thể tăng vọt. Nếu hạ tầng không đủ linh hoạt, hệ thống có thể chậm dần hoặc thậm chí sụp đổ.
Khi đó doanh nghiệp không xây dựng được nền tảng tự động hóa bền vững, mà chỉ tạo ra một hệ thống dễ vỡ.
Akwaowo nói khá thẳng thắn. Nếu công cụ tự động hóa liên tục cần con người điều chỉnh dung lượng, cung cấp tài nguyên và giám sát từng bước, thì đó không phải một hệ thống có thể mở rộng. Nó chỉ là một dịch vụ dễ gặp lỗi.
Mục tiêu thực sự không phải là viết thêm các đoạn mã tự động hóa rời rạc. Điều cần xây dựng là năng lực nền tảng, đủ để tích hợp với các hệ sinh thái lớn như Salesforce hoặc các nền tảng mã thấp khác.
Mở rộng quá nhanh thường gây phản tác dụng
Một vấn đề khác thường xảy ra khi doanh nghiệp chuyển từ thử nghiệm sang triển khai thực tế.Trong môi trường thử nghiệm, mọi thứ được kiểm soát. Khối lượng nhỏ, ít ngoại lệ, ít rủi ro.
Nhưng khi áp dụng ngay lập tức trên quy mô lớn, các vấn đề tiềm ẩn bắt đầu xuất hiện. Hệ thống có thể gây gián đoạn cho hoạt động hiện tại, làm giảm hiệu quả thay vì cải thiện.
Vì vậy, cách triển khai an toàn nhất là từng bước.
Akwaowo nhấn mạnh rằng tiến độ phải diễn ra dần dần, cẩn trọng, và mỗi giai đoạn đều phải được hỗ trợ đầy đủ.
Quy trình chuẩn thường bắt đầu bằng việc xác định rõ mục tiêu công việc, sau đó kiểm tra các giả định trong điều kiện thực tế. Trước khi mở rộng quy mô, đội kỹ thuật phải hiểu rõ cách hệ thống hoạt động, những lỗi nào có thể xảy ra, và cách xử lý khi lỗi xuất hiện.
Ví dụ, một tổ chức tài chính áp dụng máy học để xử lý giao dịch có thể giảm 40% thời gian kiểm tra thủ công. Nhưng trước khi mở rộng cho khối lượng giao dịch lớn hơn, họ phải chắc chắn rằng mọi lỗi đều có thể truy vết và xử lý rõ ràng.
Nếu không làm bước này, hệ thống tự động hóa có thể khiến vấn đề trở nên nghiêm trọng hơn.
Một điểm quan trọng khác thường bị bỏ qua là bản thân quy trình công việc. Nếu quy trình vốn đã rời rạc và có nhiều ngoại lệ chưa được xử lý, việc tự động hóa chỉ khiến những điểm yếu đó lan rộng nhanh hơn.
Khi AI tác nhân bắt đầu xuất hiện trong ERP
Một xu hướng mới đang xuất hiện trong hệ sinh thái phần mềm doanh nghiệp.Các nhà cung cấp hệ thống ERP lớn đang nhanh chóng tích hợp AI tác nhân, tức những hệ thống AI có thể thực hiện nhiệm vụ thay cho con người trong một số bước cụ thể.
Điều này tạo ra áp lực lớn cho các nhà cung cấp ERP nhỏ hơn. Một hướng đi mới đang được thử nghiệm là nhúng các tác nhân AI trực tiếp vào quy trình làm việc của doanh nghiệp.
Những tác nhân này có thể xử lý các công việc lặp lại như đọc email, phân loại nội dung, hoặc tạo phản hồi ban đầu.
Khi các công việc hành chính giảm bớt, nhân viên tài chính có thể tập trung vào phân tích và đánh giá chiến lược. Ngay cả khi AI tạo ra dự báo tài chính, quyền quyết định cuối cùng vẫn thuộc về con người.
Điều quan trọng là xây dựng hệ thống có khả năng quan sát tốt. Khi có sự cố xảy ra, kỹ sư phải nhìn thấy chính xác lỗi nằm ở đâu và can thiệp mà không làm gián đoạn toàn bộ quy trình.
Akwaowo kết thúc bằng một câu hỏi đáng suy nghĩ cho các doanh nghiệp đang theo đuổi tự động hóa.
Nếu hệ thống tự động hóa của bạn gặp lỗi, bạn có thể xác định rõ lỗi xảy ra ở đâu, vì sao nó xảy ra, và sửa nó một cách tự tin hay không?
Đây có lẽ là câu hỏi mà rất nhiều tổ chức chưa thật sự sẵn sàng trả lời.
Và trong bối cảnh doanh nghiệp Việt Nam cũng đang đẩy mạnh AI và tự động hóa, câu hỏi này có lẽ càng đáng để suy nghĩ. (artificialintelligence)
