Các quyết định vi mô yêu cầu tự động hóa
Bản chất của các quyết định vi mô đòi hỏi một số mức độ tự động hóa nhất định, đặc biệt đối với các quyết định theo thời gian thực và khối lượng lớn. Tự động hóa được kích hoạt bởi các thuật toán (các quy tắc, dự đoán và logic để xác định cách thực hiện), đồng thời công nghệ này ra quyết định dựa trên áp dụng trí tuệ nhân tạo (AI). Câu hỏi quan trọng là: Làm thế nào để các nhà quản trị con người quản lý các loại hệ thống dựa trên dạng thuật toán này?
Về mặt khái niệm, một hệ thống tự động rất đơn giản. Hãy tưởng tượng về một chiếc ô tô không người lái mà cũng không có vô lăng, người lái xe chỉ cần nói cho chiếc xe biết điểm đến và hưởng thụ cả đoạn đường đi. Tất nhiên, xe tự lái cũng rủi ro không kém xe do người lái, do đó, các nhà sản xuất phải trang bị công nghệ cho phép người chủ xe can thiệp khi cần, làm thế nào để điều chỉnh quá trình lái xe và bao giờ thì cần đến con người để xử lý sự cố. Vào thời điểm có sự tham gia của con người, trí tuệ nhân tạo sẽ cho phép chúng ta tương tác có ý nghĩa với máy móc. Nhìn chung, AI rất quan trọng không chỉ đối với riêng lĩnh vực xe điện, mở rộng ra, sử dụng AI cho doanh nghiệp là một xu hướng đáng mong đợi.
Các nhà khoa học đã cho ra đời bốn mô hình quản lý chính được phát triển dựa trên mức độ và bản chất khi con người can thiệp máy móc gồm HITL, HITLFE, HOTL, HOOTL. Tuy nhiên, cần lưu ý rằng, mặc dù đây là những mô hình quản lý đã được quy chuẩn nhưng vẫn có khả năng tồn tại các biến phụ dựa trên sự phân chia giữa con người và máy móc cũng như mức độ trừu tượng của quản lý mà con người tương tác với hệ thống.
Các mô hình quản lý
Human in the loop (HITL): Con người được hỗ trợ bởi máy móc. Trong mô hình này, con người đang thực hiện việc ra quyết định và máy móc chỉ hỗ trợ ra quyết định hoặc tự động hóa một phần hoặc toàn phần. Điều này thường được gọi là khuếch đại thông tin tình báo (IA).
Human in the loop for exceptions (HITLFE): Hầu hết các quyết định được tự động hóa trong mô hình này và con người chỉ xử lý các trường hợp ngoại lệ. Đối với các trường hợp chưa được thiết lập, hệ thống yêu cầu một số đánh giá hoặc đầu vào từ con người trước khi đưa ra quyết định. Bên cạnh đó, chúng ta cũng có thể đánh dấu những trường hợp nào cần được xem xét.
Human on the loop (HOTL): Ở đây, máy móc được hỗ trợ bởi con người. Máy móc đưa ra các quyết định vi mô nhưng con người xem xét kết quả và có thể điều chỉnh các quy tắc và thông số cho các quyết định trong tương lai. Trong thiết lập nâng cao hơn, máy móc cũng đề xuất các thông số hoặc thay đổi quy tắc sau đó con người sẽ lựa chọn chấp thuận hoặc không.
Human Out of the Loop (HOOTL): Trong mô hình này, máy móc được giám sát bởi con người. Máy móc đưa ra mọi quyết định và con người chỉ can thiệp bằng cách đặt ra các quy chuẩn và mục tiêu mới. Khi cải tiến cũng là một vòng khép kín tự động, các điều chỉnh, dựa trên phản hồi từ con người đều được tự động hóa.
Điều hướng AI
Một doanh nghiệp du lịch ở Hoa Kỳ đã triển khai hệ thống HOOTL hoàn toàn tự động để tiếp thị từ khóa trên Google. Nhóm tiếp thị có thể nhập ngân sách và mục tiêu, sau đó hệ thống tự động xác định logic phân bổ chi tiêu và đặt giá thầu tối ưu trên hàng triệu từ khóa. Thời gian đầu, hệ thống hoạt động tốt và mang lại cả hiệu quả và cải thiện kết quả. Tuy nhiên, khi hệ thống bắt đầu hoạt động kém hơn, nhóm nghiên cứu không thể giải thích lý do tại sao hoặc có bất kỳ hành động khắc phục nào. Đây được coi là “vùng xám” công nghệ khi các nhà phát triển dựa vào thuật toán để vận hành.
Đây là tình huống vô cùng thực tế. Hãy nghĩ mà xem, nếu hiệu suất được cải thiện nhờ công nghệ, tất cả các bên đều hài lòng, nhưng nếu hoạt động có dấu hiệu kém hiệu quả thì tìm ra nguyên nhân trong toàn bộ quy trình sẽ là một nhiệm vụ vô cùng phức tạp. Ví dụ: Một quyết định sử dụng thuật toán có thể ko đủ thuyết phục và các thay đổi do thu thập thông tin phản hồi chưa được lập trình có khả năng khiến thuật toán đi sai hướng. Thậm chí, có quá nhiều quyết định được xem xét thủ công, hạn chế đáng kể giá trị của thuật toán hay sự tham gia không đúng mức của con người có thể khiến thuật toán không còn phát huy tác dụng.
Một phần của giải pháp là chọn mô hình phù hợp đối với mức độ hiện diện của cong người trong một quyết định cụ thể. Ngoài ra, mọi hệ thống ra quyết định vi mô cần được giám sát liên tục, bất kể có bao nhiêu tác động từ bàn tay con người. Giám sát để đảm bảo các quyết định đi đúng hướng hoặc ít nhất là phù hợp với mục đích hiện tại, đồng thời tạo ra dữ liệu cần thiết để phát hiện các vấn đề và cải thiện một cách có hệ thống theo thời gian. Điều quan trọng là bạn phải đo lường hiệu quả của quyết định, chẳng hạn như nắm bắt ít nhất hai chỉ số liên quan. Ngoài ra, luôn phải nắm bắt thông tin về cách hệ thống đưa ra quyết định. Cuối cùng, bạn nên theo dõi kết quả kinh doanh và vạch ra lộ trình để có quyết định tối ưu nhất.
Tìm ra mô hình phù hợp
Quan trọng nhất cần phải nhận ra rằng, các hệ thống nói trên sẽ phát triển theo thời gian và được hỗ trợ bởi các công cụ mới và hiện đại hơn, do đó, các tổ chức có xu hướng đẩy mạnh quyết định đổi mới dựa trên tự động hóa. Cho dù áp dụng mô hình nào, doanh nghiệp đều cần đến AI và điều kiện cần là đảm bảo rằng các nhà quản lý con người cảm thấy có trách nhiệm với kết quả đầu ra. Nhu cầu về các hệ thống tự động, sự điều phối theo thời gian thực của chuỗi cung ứng và môi trường điều khiển từ xa, tất cả đều đang kết hợp để tăng cường sử dụng AI trong tổ chức. Các hệ thống này sẽ thay mặt con người đưa ra các quyết định vi mô ngày càng chi tiết hơn, tác động đến khách hàng, nhân viên, đối tác và nhà cung cấp.
Đức Nguyễn
