Những thách thức trong Xử lý luồng và áp dụng AI trong doanh nghiệp

06:54 PM 12/06/2019 In bài viết

null

Đã có rất nhiều cuộc thảo luận về cách thức trí tuệ nhân tạo (AI) được áp dụng trong doanh nghiệp, đặc biệt là liên quan đến việc xử lý luồng và các luồng dữ liệu đến từ nhiều hệ thống, thiết bị và ứng dụng thời gian thực. Khi việc áp dụng trí tuệ nhân tạo trong doanh nghiệp đạt đến đỉnh điểm, thật thú vị khi khám phá cách cả hai công nghệ được kết nối cũng như cách chúng chia sẻ những thách thức giống nhau trong việc áp dụng.

Trí tuệ nhân tạo và dữ liệu thời gian thực đã hình thành một mối quan hệ thực sự đan xen; cả hai đều đi trên cùng một con đường là mang lại những tiến bộ công nghệ lớn cho doanh nghiệp. AI dựa vào tính khả dụng của dữ liệu để cung cấp thông tin cho các mô hình (lý tưởng là trong thời gian thực hoặc với độ trễ thấp). Các nền tảng dữ liệu thời gian thực cung cấp dữ liệu cho các mô hình học máy và chuyển tiếp những hiểu biết sâu sắc đến người dùng liên tục và kịp thời để họ có thể trích xuất giá trị từ dữ liệu. Các nhà phân tích và những người có ảnh hưởng trong ngành cho rằng mọi doanh nghiệp hiện đại về cơ bản là kinh doanh dữ liệu và họ sẽ cần AI để có thể hiểu được ý nghĩa của dữ liệu lớn.

Có những mối liên hệ rõ ràng giữa xử lý luồng và AI khiến việc kết hợp chúng là cơ hội duy nhất cho các công ty muốn xử lý một khối lượng lớn các sự kiện trong thời gian thực. Cả AI và xử lý luồng đều được phân phối, tổ chức theo các đơn vị logic và cả hai đều hỗ trợ cập nhật những dữ liệu thay đổi và các tác vụ lặp. Cuối cùng nhưng không kém phần quan trọng, cả hai đều thể hiện bản chất thực hiện theo tuần tự.

Một nghiên cứu gần đây của O'Reilly Media cho thấy hầu hết các tổ chức có kế hoạch tăng ngân sách cho những dự án AI vào năm 2019. Cụ thể, hơn 60% các tổ chức có kế hoạch chi ít nhất 5% ngân sách CNTT của họ trong 12 tháng tới cho AI, trong khi 19% có kế hoạch chi một phần đáng kể (ít nhất 20%) ngân sách CNTT của họ cho AI.

Cuộc khảo sát cũng dự đoán khoảng cách ngày càng lớn giữa những người dẫn đầu và những người đang bị tụt lại phía sau trong việc áp dụng trí tuệ nhân tạo. Điều này chủ yếu là do những hạn chế nghiêm trọng mà một số tổ chức phải đối mặt như:

  • Thiếu dữ liệu,
  • Thiếu nhân sự giàu kinh nghiệm,
  • Văn hóa công ty không phù hợp,
  • Khó khăn trong việc xác định các trường hợp sử dụng.

Thật thú vị khi xử lý luồng và trí tuệ nhân tạo không chỉ có chung những điểm tương đồng khiến chúng trở nên độc nhất khi kết hợp mà còn chia sẻ những thách thức cũng như khó khăn giống nhau trong việc áp dụng. Vậy làm thế nào để doanh nghiệp có thể loại bỏ những vướng mắc này bằng cách đầu tư đúng và thực hiện những hành động cần thiết liên quan đến kiến ​​trúc dữ liệu của họ?

Vấn đề thiếu dữ liệu được trích dẫn bởi những người tham gia khảo sát đề cập đến việc không có đủ dữ liệu để đào tạo và duy trì một cách hiệu quả học máy cũng như các mô hình và ứng dụng AI trong doanh nghiệp hoặc, trong trường hợp truyền dữ liệu, là về các vấn đề liên quan đến chất lượng dữ liệu. Việc áp dụng chiến lược dữ liệu theo hướng sự kiện với xử lý luồng và Apache Flink (khung xử lý luồng nguồn mở được phát triển bởi Quỹ phần mềm Apache với cốt lõi là một công cụ phân luồng dữ liệu phân tán được viết bằng Java và Scala) cho phép các công ty hiểu rõ hơn về dữ liệu của mình. Nó cho phép các công ty chuyển đổi và làm phong phú dữ liệu trong thời gian thực đồng thời thu thập thông tin chi tiết có giá trị từ những sự kiện được tạo từ các hệ thống, thiết bị được kết nối, trang web hoặc các tương tác ứng dụng di động. Điều này trái với việc lưu trữ chúng trong một hồ dữ liệu rồi sau đó mới cố gắng tìm hiểu ý nghĩa của những thứ đã xảy ra. Xử lý luồng với Apache Flink cho phép các công ty phản ứng với thông tin theo thời gian thực, làm cho các mô hình và ứng dụng trí tuệ nhân tạo liên tục được cải thiện và đáp ứng được với những thay đổi liên tục thế giới.

Thiếu hụt kỹ năng dường như là mẫu số chung cho cả việc áp dụng AI và xử lý luồng trong doanh nghiệp. Nghiên cứu tương tự của O’Reilly cho thấy nhu cầu về các chuyên gia học máy, các nhà khoa học dữ liệu cũng như các kỹ sư cơ sở dữ liệu và cơ sở hạ tầng là một trong những lý do được trích dẫn nhiều nhất khi nói về những khó khăn khiến cho việc áp dụng AI trong nhiều tổ chức bị trì hoãn. Để giảm bớt điều này, các tổ chức cần phải có hành động phù hợp và chuyển đổi tổ chức cũng như nhóm làm việc của mình ở cả cấp độ kỹ thuật và văn hóa. Việc áp dụng AI hoặc xử lý luồng đòi hỏi phải đầu tư vào các bộ kỹ năng cho nhân viên, đào tạo và nắm bắt văn hóa 'chia sẻ' trong toàn tổ chức. Nhờ đó các silo dữ liệu riêng biệt được tối thiểu hóa và dữ liệu có thể truy cập bởi nhiều nhóm làm việc của các dự án cũng như ứng dụng khác nhau, từ đó giảm đáng kể thời gian đưa ra thị trường và đảm bảo triển khai thành công.

Hai trở ngại còn lại ngăn cản việc áp dụng trí tuệ nhân tạo trong doanh nghiệp liên quan đến văn hóa công ty và thiếu các trường hợp sử dụng được xác định rõ ràng. Như với bất kỳ công nghệ mới nào, những người dẫn dầu trong dữ liệu và phân tích cần nắm bắt một nền văn hóa cởi mở và toàn diện trong các nhóm làm việc của mình, xóa bỏ tư tưởng “giữ nguyên hiện trạng” và tìm cách tận dụng tiềm năng của các nhóm để đạt được kết quả nhanh hơn và hiệu quả hơn về chi phí. Xử lý luồng và AI có thể trở thành chất xúc tác cho sự thay đổi mang tính tổ chức trong bộ phận dữ liệu và CNTT: một bộ phận cần phải tránh xa các silo dữ liệu riêng lẻ và cấu trúc phân cấp, đem các nhóm dữ liệu, hoạt động và sản phẩm gần nhau hơn để giảm đáng kể thời gian cần thiết để tạo ra các ứng dụng thời gian thực, AI và các mô hình học máy hoặc các thuật toán học sâu.

Khi việc áp dụng trí tuệ nhân tạo phát triển theo thời gian, việc xác định các trường hợp sử dụng có liên quan sẽ trở nên dễ dàng hơn. Các công ty được cho là sử dụng AI để thúc đẩy hoạt động dịch vụ khách hàng cùng với nhiều ứng dụng khác trong tài chính, kế toán, tiếp thị, quảng cáo và cuối cùng nhưng không kém phần quan trọng là các hoạt động, dự án nghiên cứu và phát triển. Các nhà lãnh đạo dữ liệu và phân tích nên tập trung vào việc tìm kiếm tài năng phù hợp có thể xác định các trường hợp sử dụng cho cả dữ liệu thời gian thực và AI, thúc đẩy các dự án này tiến lên, cho phép doanh nghiệp theo kịp và thậm chí vượt lên trước đối thủ.

Thanh Hương