Nếu bạn đang thắc mắc tại sao dự án thí điểm AI của mình bị đình trệ, hoặc tại sao nhóm của bạn vẫn thích dùng giấy ghi chú hơn các công cụ thông minh, thì bạn không phải là người duy nhất.
Sự thật là, hầu hết các sáng kiến AI thất bại không phải vì công nghệ không hoạt động, mà vì tổ chức chưa sẵn sàng đón nhận nó. Không có người tiên phong. Không có đào tạo. Không có kiểm soát. Không rõ ràng về vấn đề mà nó cần giải quyết.
Gần đây, tôi đã có cuộc trò chuyện với Pete Terryn , Giám đốc Điều hành tại NuWave Technology Partners và đồng sáng lập của West Michigan AI Lab , để thảo luận chính xác về vấn đề đó: tại sao việc triển khai AI lại khó hơn mọi người nghĩ - và cần những gì để làm đúng.
Pete không phải là kỹ sư máy học. Anh ấy không tự xây dựng các mô hình tùy chỉnh từ đầu. Nhưng anh ấy đã giúp triển khai AI trong tổ chức của mình và xây dựng một cộng đồng các chuyên gia AI phát triển mạnh mẽ ở Tây Michigan. Cuộc trò chuyện của chúng tôi chứa đựng nhiều hiểu biết thực tiễn về những trở ngại mà các công ty đang gặp phải và cách khắc phục chúng.
Đây là những gì chúng ta đã học được.
Bước một: Chỉ định một người tiên phong về trí tuệ nhân tạo
Nếu bạn muốn đưa AI vào vận hành thực tế, bạn cần một người chịu trách nhiệm về nó. Và không, người đó không cần bằng tiến sĩ. Pete không có nền tảng kỹ thuật, và anh ấy không phải là lập trình viên. Điều anh ấy có là sự tò mò, tính kiên định và động lực để hiểu cách AI có thể giải quyết vấn đề.
Đó chính là điều khiến anh ấy trở thành một nhà vô địch nội bộ hoàn hảo.
Cho dù đó là người lãnh đạo hay nhân viên cấp dưới đang thử nghiệm các công cụ như ChatGPT, điều quan trọng là phải trao quyền cho người đó. Hãy cho họ không gian, thời gian và quyền hạn trong tổ chức để họ thử nghiệm và hướng dẫn.
Như Pete đã nói:
Khả năng bạn triển khai AI mà không có người dẫn đầu là khá thấp.
Bước hai: Xây dựng các trường hợp sử dụng thực tế
Tại NuWave, Pete và nhóm của ông không bắt đầu với những dự án AI lớn lao, mang tính đột phá. Họ bắt đầu từ những việc nhỏ: soạn thảo chính sách sử dụng hợp lý của riêng mình với sự trợ giúp từ một chuyên gia quản lý học tập (LLM). Từ đó, họ tích hợp AI vào hoạt động hỗ trợ kỹ thuật, cung cấp cho các kỹ thuật viên mới một "bộ não thứ hai" để chẩn đoán sự cố nhanh hơn và phân loại yêu cầu hỗ trợ thông minh hơn.
Điểm mấu chốt là: Trí tuệ nhân tạo không thay thế con người, mà là hỗ trợ họ.
Điều này phản ánh một số kinh nghiệm của chính chúng tôi tại LaFleur. Nhiều năm trước, chúng tôi đã xây dựng một mô hình dự đoán phân tích các biểu mẫu tiếp nhận pháp lý để ước tính giá trị vụ án. Nó hoạt động, nhưng không được đón nhận rộng rãi. Tại sao? Không ai tin rằng nó có thể hoạt động. Thực sự là vậy. Công nghệ đã có, nhưng sự chấp nhận thì chưa đủ.
Bài học rút ra: Trí tuệ nhân tạo phải giải quyết được một vấn đề thực sự , và mọi người phải tin rằng nó đang giải quyết vấn đề đó.
Bước ba: Giáo dục mọi người
Đây là bài học cá nhân quan trọng nhất mà Pete rút ra được, và tôi hoàn toàn đồng ý: việc huấn luyện không thể chỉ gói gọn trong suy nghĩ của một người.
Ngay cả các nhóm kỹ thuật cũng có thể phản đối AI, đặc biệt nếu họ không cảm thấy tự tin khi sử dụng nó. Các tổ chức thành công ở đây là những tổ chức tạo ra chương trình giáo dục rộng rãi và có cấu trúc: hãy nghĩ đến các buổi học trong giờ ăn trưa, các nền tảng chứng nhận, Wiki nội bộ và những cuộc trò chuyện truyền thống.
Thực tế, Pete tin rằng đào tạo là chìa khóa để ứng dụng trí tuệ nhân tạo:
“Tôi nghĩ rằng chỉ cần tôi học hỏi thì nó sẽ được áp dụng ngay. Nhưng bạn phải đào tạo cả tổ chức nữa.”
LIÊN QUAN: Trí tuệ nhân tạo và các công ty luật: Chuẩn bị cho tương lai
Bước bốn: Hãy thông minh trong việc đối phó với rủi ro.
Nếu bạn đang sử dụng ChatGPT Pro và nghĩ rằng dữ liệu của mình không được sử dụng để huấn luyện mô hình—thật bất ngờ! Có lẽ là có đấy. Bạn phải tắt tính năng đó theo cách thủ công. Và trừ khi bạn đang sử dụng ChatGPT Teams hoặc OpenAI được lưu trữ trên Azure, thông tin của bạn vẫn có thể bị người khác lấy mất.
Điều đó đặc biệt rủi ro đối với các công ty luật và các ngành công nghiệp được quản lý chặt chẽ.
Pete khuyên nên sử dụng các nền tảng cung cấp tùy chọn rõ ràng "không huấn luyện trên dữ liệu của tôi". Cả Microsoft CoPilot và OpenAI đều cung cấp mức độ kiểm soát đó, và nếu bạn đang sử dụng một sản phẩm trung gian (như Harvey), bạn cần phải có văn bản xác nhận rằng dữ liệu của bạn không được sử dụng để huấn luyện mô hình của bất kỳ ai.
Đây là kiểu cuộc trò chuyện mà chúng tôi ngày càng có nhiều với các khách hàng pháp lý của mình. Bởi vì điều cuối cùng bạn muốn là thông tin nhận dạng cá nhân (PII) của ai đó lại bị đưa vào mô hình ngôn ngữ.
Các công cụ trí tuệ nhân tạo mà chúng ta sử dụng (và lý do)
Các công cụ mà Pete thường dùng cũng tương đồng với những công cụ chúng tôi sử dụng nội bộ tại LaFleur:
- ChatGPT (Pro hoặc Teams): Tốt nhất cho các tác vụ hàng ngày và các phản hồi thể hiện trí tuệ cảm xúc.
- Độ phức tạp : Mạnh nhất khi nghiên cứu và thu thập thông tin cập nhật có trích dẫn.
- Claude : Lý tưởng cho việc viết bài dài và tóm tắt.
- Google Gemini : Cho thấy tiềm năng trở thành trợ lý cá nhân hóa—nếu bạn sẵn lòng cho phép nó học hỏi từ email và lịch sử tìm kiếm của mình.
Cá nhân tôi sử dụng Perplexity Pro với tính năng tích hợp SharePoint để tìm kiếm các tập tin nội bộ. Tôi cũng sử dụng Copilot để quản lý lịch và tìm tài liệu trong toàn bộ hệ sinh thái của Microsoft. Và đúng vậy, tôi hơi lo lắng về việc Google biết quá nhiều, nhưng tiện ích của nó thì khó mà bỏ qua được.
Hiệu ứng Dunning-Kruger, nhưng được thể hiện bằng trí tuệ nhân tạo.
Chúng tôi kết thúc cuộc trò chuyện bằng việc suy ngẫm về việc dễ dàng như thế nào khi nghĩ rằng bạn đã thành thạo một thứ gì đó chỉ sau năm phút sử dụng AI. Thực tế là: AI rất mạnh mẽ, nhưng nó vẫn chỉ là một công cụ. Và một công cụ chỉ tốt khi người sử dụng nó biết cách dùng.
“Bạn cần nghiên cứu kỹ câu trả lời trước khi khẳng định chúng,” Pete cảnh báo. “Chỉ vì ChatGPT nói vậy không có nghĩa là nó đúng.”
Chúng ta đang sống trong cuộc cách mạng AI một cách chân thực. Điều đó có nghĩa là sẽ có những sai lầm, sự tự tin thái quá và một chút hoài nghi cần thiết. Nhưng nếu bạn bắt đầu với một người tiên phong, giải quyết các vấn đề thực tế, đào tạo đội ngũ của mình và luôn thông minh trong việc quản lý rủi ro – bạn sẽ thành công.
Và nếu bạn đang ở khu vực Tây Michigan, hãy tham gia buổi gặp mặt của West Michigan AI Lab Meetup. Biết đâu bạn sẽ gặp Pete ở đó.
Bạn cần hỗ trợ triển khai AI trong công ty luật hoặc công ty dịch vụ chuyên nghiệp của mình?
Hãy cùng trao đổi. Dịch vụ tư vấn và kiểm toán AI của LaFleur giúp bạn đánh giá rủi ro, xây dựng các trường hợp sử dụng và đào tạo đội ngũ của mình.
