Nghiên cứu tình huống này xem xét một chiến lược nhằm thay thế một quy trình xác thực chất lượng vốn đòi hỏi nhiều nhân lực tại một phòng thí nghiệm phân tích y tế bằng xác thực dựa trên AI. Chúng tôi theo dõi các bước triển khai cụ thể và cho thấy việc triển khai AI đã được xử lý ở cấp độ chiến lược như thế nào – thông qua việc đưa vào các kiểm soát cần thiết và liên kết với nhu cầu của các bên liên quan.
Nghiên cứu tình huống này về chiến lược triển khai AI sẽ được trình bày tại hội nghị OOP 2026 ở Munich. Hãy liên hệ với đội ngũ của chúng tôi để tìm hiểu cách nền tảng BSC Designer giúp các tổ chức quản lý các chiến lược AI và liên kết chúng với các mục tiêu kinh doanh tổng thể.
OOP 2026, địa điểm: Munich, Germany, ngày: 13 February 2026.
Hồ sơ công ty
Nghiên cứu tình huống này xem xét một phòng thí nghiệm tư nhân chuyên về phân tích y khoa, với mạng lưới các phòng thí nghiệm liên kết trên toàn quốc.
- Phòng thí nghiệm xử lý khoảng 80.000 xét nghiệm mỗi ngày trên toàn mạng lưới.
- Phòng thí nghiệm vận hành hệ thống CNTT riêng, kết nối nhiều thiết bị phòng thí nghiệm khác nhau, bao gồm các thiết bị được sử dụng cho chẩn đoán và xét nghiệm lâm sàng.
Phân tích ban đầu
Phân tích ban đầu bao gồm xác định các bên liên quan, lập bản đồ chi phí, định nghĩa các tiêu chuẩn chất lượng và đánh giá các khoảng cách năng lực.
Phân tích các bên liên quan
Điểm khởi đầu liên quan đến việc xác định các bên liên quan và nhu cầu của họ:
- Thách thức xác nhận chất lượng chủ yếu ảnh hưởng đến các chuyên gia chất lượng nội bộ. Nhu cầu của họ được định lượng bằng số giờ trung bình hàng tháng dành cho phân tích chất lượng thủ công.
- Các bên liên quan khác được xác định do nghĩa vụ pháp lý. Lợi ích của họ bao gồm sự tồn tại liên tục của một quy trình xác nhận có tài liệu và có thể truy xuất. Đối với xử lý AI, các quy định yêu cầu dữ liệu y tế phải được xử lý trong quốc gia hoạt động.
- Các bên liên quan cấp cao kỳ vọng tốc độ tăng, chi phí giảm và tỷ lệ lỗi tương đương hoặc cải thiện so với mức hiện tại.
Lập bản đồ chi phí
Sau phân tích các bên liên quan, các chi phí trực tiếp và gián tiếp đã được lập bản đồ. Bao gồm lương của các chuyên gia chất lượng (dựa trên thời gian dành cho việc xác minh) và chi phí quản lý liên quan.
Phạm vi triển khai
Phạm vi triển khai được xác định rõ ràng để phân biệt các khu vực nơi việc triển khai AI khả thi, và ngược lại, nơi mà tự động hóa phần mềm truyền thống là lựa chọn ưu tiên.
Chuẩn mực Chất lượng
Để theo dõi sự cải thiện, chuẩn mực chất lượng đã được xác định. Điểm cơ bản là tỷ lệ lỗi hiện tại của quá trình xác thực do con người dẫn dắt, để so sánh với hiệu suất do AI điều khiển trong tương lai.
Khả năng và khoảng cách cơ sở hạ tầng
Khoảng cách khả năng đã được xác định cả trong đội ngũ phát triển và trong số các kiểm soát viên chất lượng con người.
Cơ sở hạ tầng IT hiện có đã được xem xét và xác nhận về sự phù hợp để hỗ trợ các nhiệm vụ tự động hóa sử dụng AI.
Chiến lược triển khai
Các thách thức đã được xác định, tiêu chí thành công, và hướng hành động đã được lập sơ đồ bằng cách sử dụng sơ đồ chiến lược kiểu Thẻ điểm cân bằng.
Triển khai
Nền tảng cho giám sát chiến lược
Với những bất định của công nghệ mới, việc triển khai AI đã theo một cách tiếp cận chiến lược, mang tính thử nghiệm hơn là một kế hoạch cố định. Nền tảng BSC Designer, đã được sử dụng cho triển khai chiến lược chung, được chọn làm công cụ chính để theo dõi thành công của việc triển khai AI.
Định nghĩa các quy tắc an toàn
Một yêu cầu cơ bản của hệ thống xác thực AI là bao gồm các quy tắc an toàn nhằm hạn chế AI khỏi việc giải quyết các chủ đề cần sự xác nhận của con người.
Để xác thực chức năng cơ bản của AI, các bài kiểm tra tự động sử dụng các trường hợp đã biết đã được giới thiệu.
Các giai đoạn thực hiện
Để đảm bảo cung cấp giá trị có kiểm soát tới các bên liên quan, việc thực hiện đã được chia thành các bước sau.
Giai đoạn thí điểm
- Chuẩn bị dữ liệu và ẩn danh hóa dữ liệu; điều này bao gồm chuyển đổi các chuẩn ngưỡng hiện có và các đơn vị đo lường thành định dạng JSON có cấu trúc.
- Thiết lập một chu trình học tập ban đầu nơi các nhà phát triển so sánh sự xác nhận của AI (không hiển thị cho người dùng) với sự xác nhận của con người.
- Thiết kế các điều khiển để cho phép các nhà điều hành con người cập nhật hướng dẫn cho AI.
- Tạo ra một chu trình học tập thứ hai, cho phép các nhà điều hành con người điều chỉnh trực tiếp các gợi ý.
Giai đoạn mở rộng quy mô
- Phóng to phạm vi dữ liệu để AI có thể phát hiện một loạt các bất thường lớn hơn.
- Tối ưu hóa tốc độ AI bằng cách xác định nhiệm vụ trước và chỉ tải kiến thức liên quan đến nhiệm vụ.
- Tái cấu trúc các quy trình với tư duy ưu tiên AI, chuyển từ phân tích dữ liệu hiện tại sang bao gồm dữ liệu lịch sử.
Quản trị AI và liên kết chiến lược
Để đảm bảo quản trị AI phù hợp, một số biện pháp kiểm soát bổ sung đã được triển khai:
- Các đầu ra được định lượng từ hoạt động giám sát của con người và các bài kiểm tra tự động được tự động chuyển đến bảng điều khiển AI.
- Rà soát hàng tháng và tái cấu trúc các lời nhắc AI do người vận hành chỉnh sửa.
- Rà soát hàng quý các mẫu lỗi điển hình và các hiểu nhầm nhằm cải thiện quá trình học của AI.
Kết quả
Hệ thống AI đã giảm tỷ lệ lỗi tổng thể gấp 10 lần so với xác thực của con người.
Kết quả Vận hành
- Trong 90% trường hợp, việc xác nhận gần như tức thì, loại bỏ trung bình thời gian chờ 5 giờ liên quan đến xác nhận của con người.
- Khoảng 5 bác sĩ tương đương toàn thời gian (FTE) đã được giải phóng khỏi phân tích thường xuyên tại phòng thí nghiệm chính, và 2 FTE tại mỗi chi nhánh.
Các sáng kiến
- Phóng to bối cảnh AI với dữ liệu lịch sử phân tích và lâm sàng đã cho phép phát hiện các trường hợp trước đây không thể nhận biết, một số trong đó đã được tham khảo trong tài liệu khoa học sau này.
- Nỗ lực học tập liên tục của tổ chức được hỗ trợ bởi các vòng lặp học tập có cấu trúc với các KPI có thể đo lường được.
Lo sợ mất việc
Mặc dù một số nhận thức tiêu cực đã được dự đoán do lo sợ mất việc, không có trường hợp thực tế nào xảy ra. Điều này có thể được cho là do tính chất thường lệ của nhiệm vụ xác thực. Đánh giá sáng tạo và quyết định cuối cùng vẫn nằm trong tay con người, vì các trường hợp không rõ ràng vẫn cần sự giám sát của con người.
Quản trị AI
- Các biện pháp kiểm soát được thiết lập đã giúp định lượng rủi ro và đảm bảo giảm thiểu hiệu quả.
- Báo cáo hiệu suất được tự động hóa thông qua các báo cáo định kỳ.
- Các bên liên quan có cái nhìn rõ ràng về việc triển khai và vận hành AI.
Liên kết chiến lược
Các kết quả từ các mục tiêu cụ thể đã được sử dụng như chỉ số dẫn dắt trong các thẻ điểm khác. Ví dụ, dữ liệu về tỷ lệ lỗi đã được tích hợp vào các thẻ điểm đảm bảo chất lượng, trong khi hiệu suất vòng lặp học hỏi được đưa vào các thẻ điểm nhân sự.
Tác động thương hiệu
Việc triển khai thành công, liên kết chiến lược và phát hiện bất thường dựa trên AI đã định vị ban quản lý của phòng thí nghiệm là những người dẫn đầu trong đổi mới trong lĩnh vực của họ.
Phiên: 'Giám sát chiến lược triển khai AI' có sẵn như một phần của chương trình học tập liên tục của BSC Designer, được cung cấp dưới dạng hội thảo trực tuyến và tại chỗ. Tìm hiểu thêm....
Kết luận
Việc triển khai AI là một ví dụ về chuyển đổi số thông qua việc áp dụng công nghệ đột phá. Thành công của việc này phụ thuộc vào việc thấu hiểu sâu sắc nhu cầu của các bên liên quan và thiết lập các kiểm soát phù hợp để bảo đảm giám sát liên tục về chất lượng và học hỏi.
- Nhóm BSC Designer đã gia tăng giá trị bằng cách cung cấp tư vấn chiến lược – liên kết các yêu cầu triển khai kỹ thuật với các thông lệ tốt nhất về quản trị AI và liên kết chiến lược tổng thể.
- Các kiểm soát giám sát cụ thể đã được tự động hóa thông qua nền tảng BSC Designer, hỗ trợ giám sát và học hỏi liên tục.
Tìm hiểu thêm về cách tiếp cận ưu tiên chiến lược đối với việc triển khai AI.
Alexis Savkin là Chuyên gia Tư vấn Chiến lược Cấp cao và là Giám đốc điều hành của BSC Designer, một nền tảng Thẻ điểm cân bằng. Ông có hơn 20 năm kinh nghiệm trong lĩnh vực này, với nền tảng toán học ứng dụng và công nghệ thông tin. Alexis là tác giả của “Hệ thống Triển khai Chiến lược”. Ông đã xuất bản hơn 100 bài viết về chiến lược và đo lường hiệu suất, thường xuyên phát biểu tại các sự kiện ngành, và công trình của ông thường xuyên được trích dẫn trong các nghiên cứu học thuật.