Tôi bắt đầu quan tâm đến AI từ đầu những năm 2000 và thậm chí đã giành chiến thắng trong một cuộc thi dành cho thanh thiếu niên với một dự án tập trung vào OCR chữ viết tay (nhận dạng ký tự quang học). Điều thú vị là, ngay từ năm 2000, chúng ta đã có gần như toàn bộ các thuật toán cốt lõi vẫn còn được sử dụng cho đến ngày nay. Điều mà khi đó chúng ta chưa có là đủ năng lực tính toán…
Theo thời gian, mối quan tâm của tôi chuyển sang đo lường hiệu suất, và sau đó sang lĩnh vực rộng hơn là thực thi chiến lược. Hôm nay, khi các LLM thống trị các tiêu đề, chúng ta hiếm khi quay lại với các nền tảng.
Điều gì thực sự khiến việc học trong các mạng nơ-ron trở nên khả thi?
Một vài nguyên lý toán học đơn giản nằm ở cốt lõi của AI hiện đại. Và tôi thấy những sự tương đồng rõ ràng trong cách mà chính các nguyên lý này có thể và nên được các tổ chức sử dụng khi thực thi chiến lược của họ.
Điều gì khiến AI có thể học
Một trong những nền tảng toán học của mạng nơ-ron là quy tắc dây chuyền của giải tích được áp dụng cho các phép hợp thành của hàm số. Mạng nơ-ron là các hệ thống phân lớp được xây dựng từ nhiều phép toán đơn giản, khả vi. Quy tắc dây chuyền cho phép tính các gradient xuyên suốt toàn bộ phép hợp thành. Đó là điều khiến việc học ở quy mô lớn trở nên khả thi.
- Trong một lượt truyền xuôi, mạng nơ-ron tạo ra một đầu ra ban đầu là sai.
- Bằng cách sử dụng dữ liệu có nhãn và một hàm mất mát, chúng ta có thể đo lường mức độ kết quả lệch so với đầu ra mong muốn.
- Vì tất cả các phép toán nội bộ đều khả vi, chúng ta có thể tính đạo hàm cục bộ cho từng phép biến đổi.
- Bằng cách áp dụng quy tắc dây chuyền, các đạo hàm cục bộ này được kết hợp thành các gradient của mất mát đối với mọi tham số trong mô hình.
Hệ thống không chỉ phát hiện rằng đã xảy ra lỗi. Nó xác định cách từng tham số riêng lẻ đã góp phần vào lỗi đó, và theo hướng nào việc thay đổi tham số sẽ khiến kết quả dịch chuyển.
Thực thi chiến lược như một hệ thống học hỏi của tổ chức
Vấn đề tương tự cũng tồn tại trong các tổ chức…
Một việc triển khai chiến lược hiệu quả là một hệ thống có cấu trúc gồm các mục tiêu, mục tiêu con, sáng kiến và các chỉ số hiệu suất.
Trong quá trình thực thi, các tổ chức cần phát hiện những sai lệch so với hướng đi dự kiến càng sớm càng tốt. Đó là lý do các thước đo hiệu suất tồn tại. Chúng cung cấp tín hiệu đầu tiên cho thấy thực tế đang lệch khỏi các giả định.
Nhưng:
Việc biết rằng “đã có điều gì đó xảy ra sai” tự nó hầu như vô ích…
Việc thực thi chỉ được cải thiện khi tổ chức có thể thấy những yếu tố nào của hệ thống cần điều chỉnh, và các điều chỉnh đó có khả năng ảnh hưởng đến kết quả như thế nào.
Trong các mạng nơ-ron, điều này được kích hoạt về mặt toán học bởi quy tắc dây chuyền. Trong việc triển khai chiến lược, điều đó chỉ trở nên khả thi khi chiến lược được phân rã đúng cách, được liên kết với kỳ vọng của các bên liên quan, và được chuyển từ những khát vọng mơ hồ thành nhiều cấp độ mục tiêu và chỉ số cụ thể, có liên hệ nhân quả.
Thực thi một chiến lược được triển khai đúng cách
Theo nghĩa này, thực thi chiến lược hiệu quả bắt đầu giống như một mạng nơ-ron được thiết kế tốt.
Khi xảy ra sai lệch, tổ chức có thể học hỏi nhanh chóng – không chỉ biết rằng hiệu suất thấp hơn kỳ vọng, mà còn biết những sáng kiến, quy trình, năng lực hoặc giả định nào cần được điều chỉnh để tiến gần hơn đến kỳ vọng của các bên liên quan.
Khi chiến lược được diễn đạt kém (mục tiêu trừu tượng, không có quan hệ nhân quả, không có các chỉ số có ý nghĩa), tổ chức sẽ rơi vào cùng tình trạng như một mô hình không có các gradient có thể sử dụng. Tổ chức có thể thấy rằng kết quả là tệ, nhưng không có cách đáng tin cậy để quyết định cần thay đổi điều gì.
Trong cả mạng nơ-ron và tổ chức, việc học hỏi chỉ trở nên khả thi khi một hệ thống được xây dựng từ các thành phần liên kết với nhau, qua đó phản hồi có thể lan truyền.
Khi có:
- Cấu trúc,
- Trách nhiệm giải trình tại chỗ, và
- Các yếu tố dẫn dắt có thể đo lường
… cải tiến liên tục trở nên khả thi. Nếu không có chúng, các tổ chức chỉ còn lại không hơn gì các tín hiệu thành công/thất bại, và không có cơ chế để hiểu cách cải thiện.
Vậy cuối cùng chúng ta đã biết chi tiêu Tiếp thị đi về đâu chưa?
Câu trả lời ngắn gọn là: “không” (và mạng nơ-ron cũng không).
Trong AI, chúng ta không thể chỉ vào một nơ-ron duy nhất và nói: “điều này đã gây ra kết quả.” Việc học vẫn có thể diễn ra vì hệ thống được xây dựng sao cho phản hồi chảy qua nhiều phần được kết nối và dần dần định hình lại chúng.
Nói “tiếp thị đang hiệu quả” cũng tương tự như nói “mô hình đã cải thiện.” Điều đó cho thấy xu hướng, nhưng không cho bạn biết cần thay đổi gì tiếp theo.
Điều trở nên hữu ích là nhìn thấy các khuôn mẫu bên trong hệ thống.
Ví dụ: doanh thu có thể vẫn đi ngang trong khi lưu lượng truy cập tăng, mức độ tương tác với nội dung cải thiện và tạo ra nhiều khách hàng tiềm năng hơn, nhưng tỷ lệ thắng của các thương vụ lại giảm và các thương vụ mất nhiều thời gian hơn để chốt.
Về mặt phân tích, điều này không còn là thành công/thất bại đơn giản. Đó là một mô hình tín hiệu cho thấy một số phần của hệ thống đang cải thiện trong khi những phần khác bị lệch pha.
Hệ thống không xác định một chiến dịch “có tội” duy nhất. Nó chỉ ra nơi cần điều chỉnh.
Đó là hình hài của việc học khi nó hoạt động.
Nó có thể không cho bạn biết chính xác từng đồng đã đi đâu, nhưng nó cho bạn biết điều giá trị hơn nhiều: tổ chức nên dịch chuyển theo hướng nào tiếp theo.
Nhược điểm đã biết: Tìm cực tiểu cục bộ
Tương tự như mạng nơ-ron, với hạn chế đã biết là tìm cực tiểu cục bộ thay vì cực tiểu toàn cục, các tổ chức không nên tin tưởng 100% vào các khung đo lường của mình.
Thực thi chiến lược là một quá trình liên tục nhằm kiểm chứng các giả thuyết trong thực tiễn. Đôi khi chúng ta xác nhận các giả thuyết cấp thấp và mọi thứ đều hợp lý. Đôi khi, chúng ta đi lên theo cây phân rã và cuối cùng đặt câu hỏi về sự hiểu biết của mình đối với các bên liên quan và nhu cầu của họ.
Alexis Savkin là Kiến trúc sư Triển khai Chiến lược và là nhà sáng lập BSC Designer, một nền tảng phần mềm thực thi chiến lược và Thẻ điểm cân bằng. Ông giúp các tổ chức tự động hóa quản lý hiệu suất và chuyển chiến lược thành các kết quả có thể đo lường. Alexis là người tạo ra “Hệ thống Triển khai Chiến lược”, tác giả của hơn 100 bài viết về chiến lược và đo lường hiệu suất, đồng thời là diễn giả thường xuyên tại các sự kiện trong ngành.