Nghiên Cứu Ứng Dụng AI Trong Doanh Nghiệp google | Bài thảo luận chuyển đổi số trong kinh doanh

lOMoAR cPSD| 45470368
TRƯỜNG ĐẠI HỌC THƯƠNG MẠI
KHOA HTTTKT & TMĐT ĐỀ TÀI
NGHIÊN CỨU CÔNG NGHỆ AI
ỨNG DỤNG CỦA CÔNG NGHỆ AI TRONG DOANH NGHIỆP GOOGLE
Nhóm thực hiện: Nhóm 1
Mã lớp học phần: 242_PCOM1111_02
Giảng viên: Vũ Thị Hải Lý Hà Nội – 2025 1 lOMoAR cPSD| 45470368 LỜI CẢM ƠN
Lời đầu tiên, toàn thể thành viên nhóm 1 học phần Chuyển đổi số xin được gửi lời
cảm ơn chân thành tới GV. Vũ Thị Hải Lý. Trong quá trình học tập và tìm hiểu môn Chuyển
đổi số em đã nhận được rất nhiều sự quan tâm, giúp đỡ, hướng dẫn tâm huyết và tận tình
của cô. Cô đã giúp em tích lũy thêm nhiều kiến thức về môn học này để có thể hoàn thành
được bài tiểu luận về đề tài: “Nghiên cứu công nghệ trí tuệ nhân tạo AI. Tìm hiểu việc
ứng dụng công nghệ này tại một DN mà em biết”. Đồng thời, toàn thể thành viên Nhóm
1 xin được gửi lời cảm ơn sâu sắc tới những người đã giúp đỡ chúng tôi trong thời gian
nghiên cứu thảo luận đề tài vừa qua.
Trong quá trình làm bài chắc chắn khó tránh khỏi những thiếu sót. Do đó, chúng em
kính mong nhận được những lời góp ý của cô để bài tiểu luận của chúng em ngày càng hoàn thiện hơn.
Chúng em xin chân thành cảm ơn! 2 lOMoAR cPSD| 45470368 MỤC LỤC
Mở đầu..........................................................................................................................
CHƯƠNG 1: CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO AI...............................................
1.1. Giới thiệu...................................................................................................... 1.2.
Lịch sử hình thành phát triển........................................................................ 1.3.
Lý thuyết....................................................................................................... 1.4.
Ứng dụng của công nghệ AI.........................................................................
CHƯƠNG 2: XU HƯỚNG ỨNG DỤNG AI TRONG CHUYỂN ĐỔI SỐ.................. 2.1.
Xu hướng ứng dụng AI trên thế giới............................................................. 2.2.
Các chiến lược phát triển xu hướng công nghệ AI tại Việt Nam...................
Chương 3: Công nghệ AI trong doanh nghiệp............................................................... 3.1.
Giới thiệu về doanh nghiệp........................................................................... 3.2.
Động lực để Doanh nghiệp Sử Dụng Công Nghệ Google AI...................... 3.3.
Công nghệ AI hỗ trợ doanh nghiệp như thế nào......................................... 3.4.
Các Ứng Dụng Tiêu Biểu của Google AI Được Doanh Nghiệp Sử Dụng 15
3.5. Lợi ích của công nghệ AI trong doanh nghiệp............................................ 3.6.
Thách thức và hạn chế của công nghệ AI trong doanh nghiệp....................
KẾT LUẬN................................................................................................................ Mở đầu A, Đặt vấn đề
- Sự bùng nổ của AI đã mở ra những cơ hội chưa từng có cho doanh nghiệp trong việc
nâng cao năng suất, tối ưu hóa quy trình và cải thiện trải nghiệm khách hàng. Tuy
nhiên, việc triển khai AI hiệu quả đòi hỏi sự hiểu biết sâu sắc về công nghệ này và
khả năng thích ứng linh hoạt với những thay đổi. Bản thảo này sẽ đi sâu vào phân
tích các khía cạnh quan trọng của việc áp dụng AI trong doanh nghiệp. B, Mục tiêu nghiên cứu 3 lOMoAR cPSD| 45470368
- Bài thảo luận có ba mục tiêu chính: o
Nghiên cứu tổng quan về AI – Khái niệm, lịch sử, cơ chế hoạt động và công nghệ cốt lõi. o
Phân tích ứng dụng AI trong chuyển đổi số – Ảnh hưởng của AI đến các
ngành công nghiệp, lợi ích và thách thức. o Đánh giá ứng dụng AI tại Google – Cách
Google sử dụng AI để đổi mới,
phát triển kinh doanh và hỗ trợ chuyển đổi số.
- Bài nghiên cứu không chỉ giúp hiểu rõ hơn về AI mà còn cho thấy tầm quan trọng
của AI trong kỷ nguyên chuyển đổi số, đặc biệt là trong doanh nghiệp và công nghệ toàn cầu.
CHƯƠNG 1: CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO AI 1.1. Giới thiệu
Trong bối cảnh công nghệ phát triển nhanh chóng ngày nay, trí tuệ nhân tạo (AI) đã
trở thành một thuật ngữ quen thuộc. Từ chatbot và trợ lý ảo đến xe tự lái và thuật toán đề
xuất, tác động của AI vô cùng sâu rộng.
AI là một nhánh của khoa học máy tính, giúp máy tính bắt chước hành vi và suy nghĩ
của con người để hỗ trợ đạt hiệu suất tốt hơn trong nhiều lĩnh vực khoa học và công nghệ.
AI hướng đến việc sao chép trí thông minh của con người, giải quyết các nhiệm vụ phức
tạp đòi hỏi kiến thức sâu rộng, xây dựng máy móc có thể tự học và thực hiện các tác vụ
thông minh. Một số công nghệ cốt lõi của AI bao gồm học máy (Machine Learning -
ML) và học sâu (Deep Learning - DL). Học máy cho phép máy móc học từ dữ liệu và cải
thiện hiệu suất theo thời gian mà không cần lập trình rõ ràng, trong khi học sâu sử dụng
mạng nơ-ron nhiều lớp để xử lý dữ liệu và giải quyết các vấn đề phức tạp hơn. Trí tuệ nhân
tạo - AI đã và đang được ứng dụng rộng rãi trong nhiều ngành công nghiệp, giúp tối ưu
hóa quy trình, tăng hiệu quả và thúc đẩy đổi mới sáng tạo. Trong lĩnh vực chăm sóc sức
khỏe, AI giúp chẩn đoán bệnh thông qua phân tích dữ liệu di truyền và dữ liệu hình ảnh,
chẳng hạn như X-quang và MRI. Một ví dụ điển hình là Google Health, sử dụng AI để phát
hiện ung thư vú qua hình ảnh chụp X-quang với độ chính xác cao hơn các phương pháp 4 lOMoAR cPSD| 45470368
truyền thống. Trong ngành tài chính và thương mại điện tử, AI đóng vai trò quan trọng khi
hỗ trợ phát hiện gian lận trong giao dịch, tự động phân tích dữ liệu thị trường, đưa ra quyết
định đầu tư và cá nhân hóa trải nghiệm người dùng. JPMorgan đã ứng dụng AI thông qua
nền tảng COiN để phân tích các hợp đồng pháp lý chỉ trong vài giây, tiết kiệm đáng kể thời
gian so với phương pháp thủ công. Amazon cũng sử dụng AI để gợi ý sản phẩm dựa trên
lịch sử tìm kiếm và mua sắm của người dùng, góp phần tăng mạnh doanh thu bán hàng trực
tuyến. Ngoài ra, AI cũng đóng vai trò quan trọng trong lĩnh vực chăm sóc khách hàng.
Nhiều doanh nghiệp đã sử dụng chatbot AI để xử lý các câu hỏi phổ biến của khách hàng,
hoạt động 24/7. Chẳng hạn, chatbot của Meta đã hỗ trợ các doanh nghiệp tự động trả lời
tin nhắn, cải thiện trải nghiệm khách hàng.
AI không chỉ là công nghệ của tương lai công nghệ này đã và đang thay đổi cách các
doanh nghiệp vận hành, giúp nâng cao hiệu suất và tạo ra những đột phá đáng kể. Khi AI
tiếp tục phát triển, tiềm năng của nó sẽ còn rộng mở, mang đến những giải pháp sáng tạo
và hữu ích hơn cho mọi lĩnh vực trong đời sống. 1.2.
Lịch sử hình thành phát triển
Cuối những năm 1940: Việc nghiên cứu về trí tuệ nhân tạo bắt đầu khi các nhà khoa
học máy tính tiên phong như Alan Turing và John von Neumann nghiên cứu cách máy móc
có thể "suy nghĩ". Đây là giai đoạn đặt nền móng cho AI, với những ý tưởng về máy tính
có thể thực hiện các phép toán và mô phỏng các quá trình tư duy logic của con người.
Năm 1956: Đánh dấu một bước ngoặt quan trọng khi các nhà nghiên cứu như John
McCarthy, Marvin Minsky và Allen Newell tập hợp tại Hội nghị Dartmouth và đặt ra thuật
ngữ "Artificial Intelligence" (trí tuệ nhân tạo). Tại đây, họ chứng minh rằng một cỗ máy có
thể giải quyết bất kỳ vấn đề nào nếu có đủ bộ nhớ, dẫn đến sự ra đời của chương trình
General Problem Solver (GPS). Giai đoạn này chứng kiến những kỳ vọng to lớn về khả năng của AI. Thập niên 1960 - 1970:
Năm 1965: Các chương trình như Shakey the Robot (robot đầu tiên có thể suy nghĩ
và hành động một cách độc lập) và ELIZA (một chatbot có thể mô phỏng các cuộc trò
chuyện trị liệu tâm lý) ra đời. Đây là những bước tiến quan trọng, cho thấy tiềm năng của
AI trong việc tự động hóa các nhiệm vụ và tương tác với con người. 5 lOMoAR cPSD| 45470368
Năm 1974: Việc nghiên cứu về trí tuệ nhân tạo AI bị chậm lại do nguồn tài trợ bị cắt
giảm do những kỳ vọng quá cao và tiến độ nghiên cứu chậm hơn dự đoán. Các chính phủ
và nhà tài trợ mất niềm tin vào AI vì những lời hứa hẹn quá mức đã không trở thành hiện
thực. Giai đoạn này kéo dài đến những năm 1980.
Cuối thập niên 1980: Việc nghiên cứu về AI được ghi nhận những tiến bộ mới trong
thị giác máy tính và nhận dạng giọng nói. Máy móc bắt đầu vượt qua con người trong các
nhiệm vụ hẹp như chơi cờ vua. Các hệ thống chuyên gia, những chương trình sử dụng kiến
thức chuyên ngành để đưa ra quyết định trở nên phổ biến và được ứng dụng trong y học,
tài chính và sản xuất. Tuy nhiên, sự phức tạp và chi phí cao đã khiến nhiều dự án bị đình trệ.
Năm 1992: Sự phát triển của AI trở nên vượt bậc nhờ vào sức mạnh tính toán và khả
năng lưu trữ dữ liệu ngày càng lớn. Máy tính trở nên mạnh mẽ hơn, cho phép xử lý các
thuật toán AI phức tạp hơn.
Giữa thập niên 1990: Một làn sóng bùng nổ AI mới diễn ra nhờ những cải tiến trong
phần cứng máy tính, giúp AI đạt hiệu suất cao hơn trong các nhiệm vụ như nhận dạng hình
ảnh. Đặc biệt, vào năm 1997, máy tính Deep Blue của IBM đã đánh bại kỳ thủ cờ vua thế
giới Garry Kasparov, đánh dấu một cột mốc lớn trong lịch sử AI. Đầu thế kỷ 21:
Năm 2001: Mạng nơ-ron tự học đạt được những bước tiến lớn, vượt qua con người
trong các nhiệm vụ phân loại đối tượng và dịch máy. Các thuật toán học sâu (deep learning)
bắt đầu thu hút sự chú ý, đặc biệt là trong các tác vụ nhận diện hình ảnh và xử lý ngôn ngữ
tự nhiên. Trong những năm tiếp theo, các nhà nghiên cứu liên tục cải thiện hiệu suất của
AI nhờ vào những công nghệ tiên tiến hơn. Google, Microsoft, và các công ty công nghệ
lớn khác đầu tư mạnh mẽ vào AI, mở ra kỷ nguyên AI ứng dụng. Giai đoạn gần đây:
Vào năm 2020: OpenAI phát hành mô hình xử lý ngôn ngữ tự nhiên GPT-3 có thể tạo
ra văn bản dựa trên AI sau đó OpenAI dựa trên GPT-3 để phát triển DALL-E để tạo hình
ảnh từ lời nhắc văn bản. Vào tháng 5 năm 2022 DeepMind ra mắt Gato, một hệ thống AI
đa phương thức được đào tạo để thể thực hiện hàng trăm nhiệm vụ khác nhau như chơi
video game, tạo chú thích cho hình ảnh và sử dụng cánh tay robot để xếp khối. Tháng 11 6 lOMoAR cPSD| 45470368
năm 2022 OpenAI ra mắt ChatGPT, một chatbot AI có khả năng tương tác ở dạng đàm
thoại và đưa ra những phản hồi bằng ngôn ngữ tự nhiên. Công cụ này đã cán mốc 100 triệu
người dùng chỉ 2 tháng sau khi ra mắt, trở thành ứng dụng tiêu dùng phát triển nhanh nhất
trong lịch sử. Màn ra mắt bùng nổ của ChatGPT là cú huých dẫn đến hình thành một cuộc
đua nghiên cứu, phát triển và ứng dụng AI trên phạm vi toàn cầu, với sự tham gia của hàng
loạt ông lớn công nghệ như Microsoft, Google, Alibaba, Baidu… 1.3. Lý thuyết 1.3.1. Khái niệm
Trí tuệ nhân tạo (AI) là một lĩnh vực khoa học liên ngành tập trung vào việc phát triển
các hệ thống máy tính và máy móc có khả năng thực hiện những nhiệm vụ thường đòi hỏi
trí thông minh của con người. Các nhiệm vụ bao gồm suy luận, học hỏi, lập luận logic, giải
quyết vấn đề, nhận dạng giọng nói, hiểu ngôn ngữ tự nhiên, và thậm chí là ra quyết định
trong những tình huống phức tạp. Bên cạnh đó, AI cũng có thể xử lý và phân tích những
khối lượng dữ liệu khổng lồ vượt xa khả năng tính toán của con người để khám phá các
mô hình, xu hướng tiềm ẩn và đưa ra những dự đoán chính xác. AI là một lĩnh vực rộng
lớn, tích hợp kiến thức và phương pháp từ nhiều ngành khoa học khác nhau. Trong đó,
khoa học máy tính đóng vai trò cốt lõi khi cung cấp các thuật toán và mô hình tính toán,
phân tích dữ liệu và thống kê giúp AI xử lý thông tin và rút ra kết luận từ dữ liệu đầu vào.
Kỹ thuật phần cứng và phần mềm hỗ trợ xây dựng những nền tảng tính toán mạnh mẽ, cho
phép các mô hình AI vận hành hiệu quả. Bên cạnh đó, AI còn liên quan chặt chẽ đến ngôn
ngữ học trong việc xử lý ngôn ngữ tự nhiên (NLP), khoa học thần kinh khi mô phỏng cách
thức hoạt động của bộ não con người, và thậm chí triết học cũng đóng góp bằng cách đặt
ra những câu hỏi về ý thức, đạo đức và tính nhân văn trong công nghệ AI.
Trong ứng dụng thực tế đặc biệt trong lĩnh vực kinh doanh, AI là tập hợp các công
nghệ tiên tiến chủ yếu dựa trên máy học (Machine Learning - ML) và học sâu (Deep
Learning - DL). Máy học cho phép hệ thống tự động cải thiện hiệu suất dựa trên dữ liệu
thu thập được, trong khi học sâu sử dụng các mạng nơ-ron nhân tạo nhiều lớp để mô phỏng
cách con người học hỏi và nhận thức. Những công nghệ này hỗ trợ AI thực hiện hàng loạt
nhiệm vụ quan trọng gồm xử lý và phân tích dữ liệu khổng lồ với tốc độ nhanh chóng, từ
đó phát hiện các mẫu, xu hướng và mối quan hệ tiềm ẩn, trong marketing AI đề xuất sản 7 lOMoAR cPSD| 45470368
phẩm, nội dung hoặc dịch vụ dựa trên sở thích và hành vi của người dùng, như các thuật
toán đề xuất của Netflix hay Amazon hoặc AI sử dụng mô hình thống kê và thuật toán học
máy để đưa ra dự đoán về xu hướng thị trường, hành vi khách hàng, hay thậm chí là rủi ro tài chính.
1.3.2. Machine learning và Deep learning -
Machine Learning (học máy) là một nhánh quan trọng trong trí tuệ nhân tạo
(AI) và khoa học máy tính. Học máy tập trung vào việc sử dụng dữ liệu và các thuật toán
để mô phỏng quá trình học hỏi của con người, từ đó không ngừng cải thiện độ chính xác
và hiệu quả theo thời gian. Trong vài thập kỷ qua, những tiến bộ vượt bậc về khả năng lưu
trữ và xử lý dữ liệu đã tạo nền tảng cho hàng loạt sản phẩm và dịch vụ sáng tạo dựa trên
công nghệ máy học. Điển hình là các hệ thống đề xuất nội dung thông minh của Netflix,
giúp cá nhân hóa trải nghiệm người dùng, hay công nghệ xe tự lái, nơi các thuật toán học
máy liên tục phân tích dữ liệu cảm biến để đưa ra quyết định trong thời gian thực.
Machine Learning đóng vai trò cốt lõi trong khoa học dữ liệu (Data Science). Bằng
cách áp dụng các phương pháp thống kê, các thuật toán máy học được huấn luyện để thực
hiện các nhiệm vụ như phân loại (classification), dự đoán (prediction), và khám phá các
mô hình ẩn sâu trong dữ liệu. Những thông tin chi tiết thu được từ quá trình này giúp hỗ
trợ các tổ chức và doanh nghiệp đưa ra quyết định chiến lược dựa trên dữ liệu, tối ưu hóa
hoạt động kinh doanh và thúc đẩy sự tăng trưởng. Khi Big Data tiếp tục mở rộng cả về quy
mô và độ phức tạp, nhu cầu đối với các chuyên gia khoa học dữ liệu ngày càng tăng. Các
doanh nghiệp không chỉ tìm cách khai thác dữ liệu để nắm bắt xu hướng thị trường, mà
còn yêu cầu các mô hình phân tích có độ chính xác cao nhằm tối ưu hóa quy trình và nâng
cao khả năng cạnh tranh. Điều này càng khẳng định vai trò của Machine Learning như một
công cụ thiết yếu giúp các tổ chức chuyển đổi số và ra quyết định dựa trên dữ liệu một cách
hiệu quả. Tại Việt Nam machine learning cũng được ứng dụng trên nhiều lĩnh vực khác
nhau nổi bật gần đây là trong lĩnh vực công, nhiều tỉnh thành đã sử dụng công nghệ nhận
dạng hình ảnh để định danh khách hàng và tự động hóa dịch vụ công. Gần đây nhất, quận
Cầu Giấy, Hà Nội ra mắt chatbot dựa trên công nghệ ChatGPT để giúp công dân hỏi đáp
các thủ tục hành chính của quận. Báo cáo về chỉ số sẵn sàng trí tuệ nhân tạo (AI) năm 2022
cho biết Việt Nam được xếp hạng 55 toàn cầu, trong khi Singapore xếp thứ 2, Malaysia 29,
Thái Lan 31. Chỉ số này được tổng hợp từ 39 tiêu chí trong 3 nhóm cơ bản: chính sách của 8 lOMoAR cPSD| 45470368
Chính phủ; lĩnh vực công nghệ và hạ tầng dữ liệu. Ngoài ra, trong lĩnh vực ngân hàng,
nhiều ngân hàng đã ứng dụng AI đã giúp xác thực thông tin, nhận diện khách hàng thông
qua hệ thống eKYC của FPT. Hay Techcombank đã ứng dụng AI phân tích dữ liệu mùa
cao điểm rút tiền từ ATM để tăng cường dòng tiền và phân tích thông tin phòng chống gian lận. -
Deep Learning (học sâu) là một lĩnh vực con của Machine Learning (học
máy) – ởđó các máy tính sẽ học và cải thiện chính nó thông qua các thuật toán. Deep
Learning được xây dựng dựa trên các khái niệm phức tạp hơn rất nhiều, chủ yếu hoạt động
với các mạng nơ-ron nhân tạo để bắt chước khả năng tư duy và suy nghĩ của bộ não con
người. Một mạng nơ-ron bao gồm nhiều lớp (layer) khác nhau, số lượng layer càng nhiều
thì mạng sẽ càng “sâu”. Trong mỗi layer là các nút mạng (node) và được liên kết với những
lớp liền kề khác. Mỗi kết nối giữa các node sẽ có một trọng số tương ứng, trọng số càng
cao thì ảnh hưởng của kết nối này đến mạng nơ-ron càng lớn. Mỗi nơ-ron sẽ có một hàm
kích hoạt, về cơ bản thì có nhiệm vụ “chuẩn hoá” đầu ra từ nơ-ron này. Dữ liệu được người
dùng đưa vào mạng nơ-ron sẽ đi qua tất cả layer và trả về kết quả ở layer cuối cùng, gọi là
output layer. Một trong những ứng dụng nổi bật nhất của Deep Learning trong đời sống
hiện đại chính là công nghệ xe tự lái. Deep Learning đóng vai trò cốt lõi trong lĩnh vực
này, giúp các phương tiện tự động nhận diện và hiểu rõ môi trường xung quanh thông qua
các mạng nơ-ron nhân tạo phức tạp. Các mô hình học sâu có khả năng xử lý dữ liệu hình
ảnh từ camera và cảm biến, cho phép xe nhận biết các vật thể, tính toán khoảng cách, phân
loại làn đường, nhận diện tín hiệu giao thông và dự đoán hành vi của các phương tiện khác.
Bằng cách phân tích khối lượng dữ liệu khổng lồ và liên tục cải thiện khả năng học hỏi
thông qua các thuật toán tiên tiến, Deep Learning giúp xe tự lái phản ứng nhanh và chính
xác với những tình huống thực tế trên đường. Các hãng xe tiên phong như Tesla đã ứng
dụng công nghệ này để đạt được những bước tiến vượt bậc, đưa xe tự lái đến gần hơn với
khả năng vận hành an toàn và hiệu quả trong thế giới thực.
1.3.3. Cơ chế hoạt động
GenAI hoạt động bằng cách sử dụng mô hình học để tạo ra dữ liệu mới dựa
trên dữ liệu đã có sẵn. Mô hình này có thể được thiết lập để tạo ra văn bản, hình ảnh, âm
thanh và nhiều loại dữ liệu khác mà không cần sự can thiệp của con người. Cụ thể,GenAI
vận hành thông qua các bước sau: đầu tiên đó là thu thập và tiền xử lý dữ liệu. Đây là bước 9 lOMoAR cPSD| 45470368
quan trọng để cung cấp đầu vào cho mô hình GenAI như tập hợp các bức ảnh, âm thanh
hay văn bản. Các dữ liệu sẽ thường là các ví dụ về đầu ra mong muốn, dữ liệu càng lớn và
đa dạng thì mô hình càng có khả năng tiếp nhận tốt hơn. Bước tiếp theo, lựa chọn kiến trúc
mô hình GenAI phù hợp với bài toán và tập dữ liệu đã chuẩn bị, dữ liệu đầu vào được sử
dụng để huấn luyện mô hình. Quá trình thiết lập bao gồm điều chỉnh các tham số của mô
hình để tối ưu hóa mục tiêu. Cuối cùng, sau khi được cung cấp đầu vào ban đầu (ví dụ: mô
tả text, vector tiềm ẩn, ...) mô hình sẽ dựa vào các dữ liệu đã học để tạo ra nội dung mới
dựa trên yêu cầu từ phía người dùng chẳng hạn hạn: ảnh, văn bản, âm thanh, ... GenAI có
thể sinh ra kết quả mới lạ và đa dạng. Các mô hình GenAI sẽ điều chỉnh liên tục dựa trên
phản hồi và yêu cầu từ phía người dùng để tối ưu hóa chất lượng và độ chính xác cao hơn.
Tuy nhiên nên nhớ chất lượng mô hình phụ thuộc rất nhiều vào khối lượng và chất lượng
dữ liệu ban đầu, nếu khối lượng công việc quá lớn, chất lượng dữ liệu ban đầu kém có thể
ảnh hưởng không tốt đến kết quả và ngược lại. Đây cũng là thách thức lớn đối với GenAI hiện nay.
Hiện nay, có nhiều cách tiếp cận khác nhau để xây dựng mô hình GenAI, một số mô
hình phổ biến như: thứ nhất, Generative Adversarial Networks (GANs)-sử dụng hai mạng
neural đối đầu với nhau, một mạng tạo ra kết quả giả mạo và một mạng đánh giá tính giả
mạo. Hai mạng này cạnh tranh với nhau, giúp cải thiện chất lượng của dữ liệu được tạo ra.
Mặc dù mô hình GANs có khả năng cung cấp những mẫu chất lượng và đầu ra nhanh chóng
nhưng vì tính đa dạng của mẫu còn yếu nên mô hình này chỉ phù hợp nhất với tạo dữ liệu
dựa trên miền cụ thể. Thứ hai,Variational Autoencoders (VAEs)-còn được gọi là mô hình
bộ mã hóa tự động biến đổi, vận hành bằng cách biến dữ liệu thành không gian vector rồi
giải mã trở lại thành dữ liệu gốc. Thứ ba, mô hình autoregressive- mô hình tự hồi quy, mô
hình này dự đoán từng phần tử trong dữ liệu tuần tự, nghĩa là giá trị hiện tại được tạo ra
dựa trên các giá trị trước đó. Chúng hoạt động bằng cách học phân phối xác suất của dữ
liệu và sử dụng các bước dự đoán liên tiếp để tạo ra chuỗi dữ liệu mới. Thứ tư, Diffusion
Models-mô hình khuếch tán hoạt động bằng cách dần dần thêm nhiễu Gaussian vào dữ liệu
huấn luyện, làm cho dữ liệu trở nên ngẫu nhiên theo từng bước. Khi tạo dữ liệu mới, mô
hình học cách khôi phục dữ liệu từ trạng thái nhiễu bằng một quá trình ngược lại, dần loại
bỏ nhiễu để tái tạo mẫu dữ liệu gốc, cơ chế này giúp mô hình tạo ra hình ảnh hoặc dữ liệu 10 lOMoAR cPSD| 45470368
có chất lượng cao hơn. Ngoài những mô hình trên còn nhiều mô hình khác nhau để xây dựng GenAI. 1.4.
Ứng dụng của công nghệ AI 1.4.1. Lĩnh vực kinh doanh
Để tồn tại và phát triển trong thời đại công nghệ tiên phong; đặc biệt là sự vụt sáng
của trí tuệ nhân tạo hay công nghệ AI, các doanh nghiệp trước tiên phải chuyển đổi mô
hình kinh doanh cũng như mô hình của doanh nghiệp, cụ thể hơn là chuyển đổi số. Tại Việt
Nam, dựa trên bảng chỉ số đánh giá mức độ chuyển đổi số của các quốc gia trên thế giới,
Việt Nam có điểm trung bình là 41/120, đứng thứ 55 về mức độ chuyển đổi số trên thế giới.
Có thể thấy mức độ chuyển đối số tại Việt Nam còn chưa cao; tính đến năm 2023, có
khoảng 47% doanh nghiệp Việt Nam đã bắt đầu thực hiện các bước chuyển đổi số ở các
mức độ khác nhau và có 98% doanh nghiệp kỳ vọng về sự thay đổi tích cực khi chuyển đổi số.
Tuy nhiên, hiện nay việc thực hiện chuyển đổi số tại các doanh nghiệp Việt Nam; đặc
biệt là việc ứng dụng công nghệ AI trong kinh doanh củadoanh đang trở nên phổ biến hơn.
Điển hình là Neo Development đã ứng dụng công cụ, cụ thể là Smart Assistant để số hóa
việc xuất khẩu các dụng cụ làm móng của họ qua nền tảng bán sỉ Alibaba. Hay từ năm
2019, có một doanh nghiệp chăn nuôi đã bỏ vốn vào một dự án startup để phát triển nền
tảng AI dùng trong chăn nuôi dế. Và nền tảng bắt đầu được công ty thử nghiệm áp dụng từ
2020 tại trại nuôi lớn nhất. Đó là Cricket One - nhà sản xuất đạm dế lớn nhất Đông Nam
Á có trang trại Bình Phước. Đối với việc ứng dụng công nghệ AI vào chăn nuôi, đồng sáng
lập kiêm Giám đốc phát triển kinh doanh Nguyễn Hồng Ngọc Bích cho biết nền tảng đang
trong giai đoạn máy học (machine learning) và đưa ra các khuyến nghị cảnh báo khá đúng.
Trên thế giới hiện nay có rất nhiều công ty lớn toàn cầu đã đầu tư và ứng dụng công
nghệ AI trong hoạt động kinh doanh của doanh nghiệp như Google, Facebook, Amazon,
Microsoft, Baidu, IBM hay Xiaomi…Với mục tiêu tối ưu hóa lợi nhuận, đem lại những
trải nghiệm tốt hơn đến cho khách hàng và khai thác hiệu quả những giá trị của doanh
nghiệp thông qua công nghệ này. 11 lOMoAR cPSD| 45470368
Nhắc đến kinh doanh thì không thể không nhắc đến ngành bán lẻ. Không chỉ đem lại
sự tăng trưởng vượt trội về kinh doanh, công nghệ AI còn giúp tối ưu hóa quy trình hậu
cần như vận hành, kho bãi… và tạo ra sự tương tác hiệu quả đối với khách hàng. Theo báo
điện tử VnEconomy, 28/06/2024, cho biết: “Theo Fortune Business Insights, quy mô thị
trường AI trong ngành Bán lẻ toàn cầu dự kiến sẽ tăng từ 9,36 tỷ đô-la vào năm 2024 lên
85,07 tỷ đô-la vào năm 2032, với tốc độ CAGR là 31,8%. Có rất nhiều yếu tố góp phần
vào sự tăng trưởng ấn tượng này và ứng dụng AI cho các mục tiêu kinh doanh là một trong
những yếu tố then chốt.”
Theo nghiên cứu của Juniper Research, chi tiêu bán lẻ cho Chatbots đạt 12 tỷ đô la
trên toàn cầu vào năm 2023. Công nghệ AI được triển khai như là một trợ lý ảo AI phụ
trách các công việc như chăm sóc khách hàng, khảo sát khách hàng, tư vấn sản phẩm, nhắc
lịch trình vận chuyển, tiếp nhận khiếu nại…Điểm nổi bật của trợ lý ảo AI là khả năng thực
hiện đồng thời khối lượng truy vấn lớn mà không ảnh hưởng đến chất lượng phản hồi; bên
cạnh đó, dễ dàng tích hợp liền mạch với hệ thống CRM của doanh nghiệp.
Công nghệ AI còn có khả năng hỗ trợ doanh nghiệp xác định được khách hàng mục
tiêu. Thông qua việc quan sát và phân tích các dữ liệu liên quan đến khách hàng của Camera
AI, các công ty có thể phân nhóm khách hàng dựa trên các thông tin về nhân khẩu học; từ
đó, xác định được khách hàng mục tiêu phù hợp với doanh nghiệp để có thể triển khai các
chiến dịch tiếp thị, bán hàng phù hợp.
Dự báo nhu cầu sản phẩm cũng là một khả năng được đánh giá cao của công nghệ AI
với độ chính xác cao dựa trên việc phân tích những dữ liệu được cung cấp, các dữ liệu liên
quan đến lịch sử, các yếu tố thời tiết, các sự kiện toàn cầu. Mô hình dự đoán này góp phần
thúc đẩy các nhà kinh doanh điều chỉnh chiến lược kinh doanh phù hợp, hạn chế tình trạng
thiếu hụt hay dư thừa hàng hóa; đồng thời giúp tối ưu hóa chuỗi cung ứng của doanh nghiệp.
1.4.2. Lĩnh vực tài chính
“Trí tuệ nhân tạo (AI) đã và đang tạo ra cuộc cách mạng trong mọi lĩnh vực của đời
sống kinh tế - xã hội. Đáng chú ý, gần đây AI được ứng dụng ngày càng nhiều trong lĩnh
vực tài chính như ngân hàng, bảo hiểm, thanh toán, tín dụng, quản lý tài sản... trên thế
giới.”, theo Bạch Dương (2024), “Ứng dụng AI trong lĩnh vực tài chính”, Báo Nhân dân điện tử, 29/04/2024. 12 lOMoAR cPSD| 45470368
Tại Việt Nam, việc ứng dụng công nghệ AI rộng rãi trong các ứng dụng ngân hàng
điện tử và ví điện tử khiến 94% tổ chức tài chính rất hứng khởi với những cơ hội mà AI
đem lại cho ngành này (Theo Finastra). Một trong những ứng dụng phổ biến của công nghệ
AI vào quy trình thanh toán điện tử là công nghệ nhận dạng khuôn mặt. Điển hình là Ngân
hàng TPBank đã ứng dụng công nghệ AI để nhận dạng khuôn mặt vào kênh ngân hàng tự
động LiveBank của mình với khả năng phân tích 128 tiêu chí để xác định một người trong
số hàng triệu người tiêu dùng mà không cần giấy tờ tùy thân. Chính điều này đã giúp tăng
tính bảo mật và thuận tiện cho khách hàng. Hay như VietinBank triển khai các ki-ốt nhận
dạng Face ID để nhận dạng người tiêu dùng, giúp tiết kiệm 30% thời gian xử lý các giao dịch.
Bên cạnh đó, AI còn được các ngân hàng lớn như VPBank, Techcombank, VIB và
ACB ứng dụng vào việc quản lý chi tiêu, bảo mật và chống gian lận cũng như sử dụng
chatbot để hỗ trợ khách hàng. Nhờ có sự hỗ trợ của công nghệ NPL - một lĩnh vực con của
trí tuệ nhân tạo; việc sử dụng chatbot để hỗ trợ khách hàng còn giúp hoạt động tiếp thị của
ngân hàng hiệu quả hơn, thúc đẩy cá nhân hóa trong hoạt động này. Trong quản lý chi tiêu,
thông qua phân tích dữ liệu khách hàng và thị trường, AI có thể giúp ngân hàng nhận diện
các xu hướng và nhu cầu mới, từ đó phát triển các sản phẩm và dịch vụ phù hợp. Chẳng
hạn như tính năng quản lý chi tiêu của Techcombank được ra mắt vào tháng 5/2023 trên
Techcombank Mobile. Với tính năng này, Techcombank Mobile sẽ thấu hiểu và ghi nhớ
mọi thói quen chi tiêu, đưa ra lời khuyên hữu ích về tiết kiệm, đầu tư, đề xuất sản phẩm tài
chính phù hợp theo nhu cầu. Không dừng lại ở đó, AI còn được sử dụng để nhận dạng các
giao dịch bất thường, hỗ trợ phát hiện các tác nhân lừa đảo nhanh hơn và chính xác hơn,
đồng thời ít gây ra rắc rối hơn cho khách hàng nhờ vào khả năng phân tích lượng dữ liệu
khổng lồ và kết nối dữ liệu đó với các nguồn thông tin mới.
Trong hoạt động tín dụng, công nghệ AI được áp dụng chủ yếu trong tín dụng tiêu
dùng và cho vay doanh nghiệp nhỏ. Nhờ có các kỹ thuật tự động hóa, các ngân hàng đã tiết
kiệm được đáng kể chi phí xử lý hồ sơ xin vay vốn và cải thiện tốc độ triển khai các khoản
vay. Các công nghệ như xử lý ngôn ngữ tự nhiên và thị giác máy tính được sử dụng để hỗ
trợ xác minh tài liệu của khách hàng, đẩy nhanh quy trình xác minh danh tính (KYC) và
tăng tính minh bạch, giảm gian lận. Trên thực tế, nhiều ngân hàng đã sử dụng AI để hỗ trợ
trong quy trình xác thực thông tin, nhận diện khách hàng thông qua hệ thống eKYC của 13 lOMoAR cPSD| 45470368
FPT. Hay Techcombank đã ứng dụng AI vào phân tích dữ liệu mùa cao điểm rút tiền từ
ATM để tăng cường dòng tiền và phân tích thông tin phòng chống gian lận.
Trong quản lý tài sản và danh mục đầu tư, ngân hàng đã tận dụng trí tuệ nhân tạo để
hỗ trợ đưa ra các quyết định đầu tư và hỗ trợ nghiên cứu vào ngân hàng đầu tư. Điển hình
là tập đoàn UBS Group AG - ngân hàng đầu tư đa quốc gia và công ty dịch vụ tài chính
của Thụy Sĩ hay tập đoàn ING - dịch vụ tài chính đa quốc gia Hà Lan đang ứng dụng AI rà
soát thị trường và thông báo cho các hệ thống giao dịch thuật toán của họ.
Có thể thấy, ứng dụng AI vào lĩnh vực tài chính tại Việt Nam nói riêng và trên thế
giới nói chung đã trở thành một phần tất yếu và không thể thiết đối với sự phát triển lâu dài của lĩnh vực này.
1.4.3. Lĩnh vực giáo dục
Giáo dục thông minh - một khái niệm học tập hoàn toàn mới ra đời dựa trên dự kết
hợp giữa AI và hệ thống học tập kỹ thuật số ngày nay. Giáo dục thông minh hay còn được
gọi là Giáo dục 4.0 là mô hình giảng dạy và học tập dưới sự hỗ trợ từ công nghệ, cơ sở vật
chất hiện đại. Sự kết hợp giữa giáo dục với công nghệ AI đã và đang tiếp tục tạo nên những
bước đột phá trong lĩnh vực giáo dục.
Việc ứng dụng công nghệ AI trong giảng dạy cũng như học tập đang ngày càng trở
nên phổ biến. Một trong những ứng dụng tiêu biểu và phổ biến hiện nay mà không thể
không nhắc đến là sự ra đời của những Chatbot AI như ChatGPT, Copilot, Gemini,...đã hỗ
trợ con người rất nhiều trong học tập. Sự ra đời của ChatGPT vào cuối tháng 1/2023 đã trở
thành một hiện tượng toàn cầu thông qua khả năng tạo văn bản hội thoại với người dùng.
Khả năng này này thể hiện sự thông minh đáng kinh ngạc của công cụ AI này. Thông qua
các thuật toán được lập trình sẵn, đặc biệt là thuật toán học sâu (Deep learning), các AI này
có khả năng học hỏi thông qua sách báo, mạng Internet… để từ đó có thể đáp ứng yêu cầu
của người dùng như viết đoạn văn, trả lời câu hỏi, viết mã lập trình, soạn email… một cách
nhanh chóng. Điểm nổi bật của những chatnot này là có thể cài đặt ngay trên điện thoại
thông minh. Chính những tính năng ấn tượng cùng sự đơn giản trong việc sử dụng, những
chatbot này nổi lên như một hiện tượng toàn cầu và được sử dụng phổ biến, đặc biệt là đối
với học sinh, sinh viên - thế hệ của công nghệ. 14 lOMoAR cPSD| 45470368
Ngoài khả năng đáp ứng nhu cầu của người dùng trong học tập, nhanh chóng đưa ra
những thông tin cần thiết cho người học tập, công nghệ AI còn giúp giảng viên cá nhân hóa
phương pháp học tập, tài liệu giảng dạy và bài tập cho từng học sinh, sinh viên. Không chỉ
giảng viên có thể cá nhân hóa học tập cho học sinh mà ngay chính bản thân học sinh cũng
có thể sử dụng những ứng dụng đó để cá nhân hóa lộ trình ôn luyện của mình nhằm nâng
cao kiến thức cũng như thành tích, giúp học sinh đạt được mục tiêu học tập. Để có thể cá
nhân hóa trong học tập, giảng viên hoặc học sinh, sinh viên cần đánh giá yêu cầu và khả
năng học tập của học sinh, sinh viên; thu thập các thông tin về kiến thức, kỹ năng và thái
độ của học sinh, sinh viên đối với học tập. Từ đó, có thể ứng dụng công nghệ AI để phân
tích và đưa ra các tài liệu giảng dạy, học tập phù hợp đối với cá nhân học sinh, sinh viên.
Một ví dụ điển hình của việc ứng dụng công nghệ AI để cá nhân hóa học tập tại Việt Nam
là ứng dụng Onluyen.vn. Ứng dụng này được sử dụng để cá nhân hóa lộ trình luyện thi;
dựa trên các câu trả lời và đáp án của học sinh, hệ thống có thể chấm điểm, đo lường mức
độ hiểu biết của người dùng; sau đó, đưa ra bản đồ năng lực cho người dùng, giúp cá nhân
học sinh biết rõ các kiến thức còn yếu và cần phải rèn luyện thêm của học sinh.
Bên cạnh đó, công nghệ AI còn được ứng dụng duy trình việc học từ xa, hỗ trợ các
chuyên gia bằng cách tự động hóa một số nhiệm vụ, ứng biến quá trình dạy và học cho các
cá nhân; hỗ trợ đàm thoại 24/7 như chatbot AI.
Sự bùng nổ của công nghệ AI đã hỗ trợ rất nhiều đối với con người, đặc biệt là trong
lĩnh vực giáo dục, khi lĩnh vực này được nhận định rằng được hưởng lợi nhiều nhất từ công
nghệ AI. Tuy nhiên, lĩnh vực này cũng đối mặt với nhiều thách thức trong việc phát triển
dữ liệu khi ứng dụng AI, khoảng cách kỹ thuật số mới do thiếu cơ sở hạ tầng cơ bản…Chính
vì thế, để tận dụng tối đa lợi ích của công nghệ AI trong giáo dục, Chính phủ nước ta và
toàn ngành giáo dục cần có những chính sách hiệu quả, nhanh chóng và mạnh mẽ áp dụng
các công nghệ AI vào giảng dạy, đào tạo đội ngũ giảng viên tiên tiến nhằm bắt kịp công
nghệ và nâng cao chất lượng giảng dạy. 1.4.4. Lĩnh vực y tế
Ngoài các lĩnh vực trên, AI còn được ứng dụng trong y tế nhằm mục đích cải thiện
dịch vụ và cá nhân hóa trải nghiệm khám, chữa bệnh cho bệnh nhân như việc cá nhân hóa
pháp đồ điều trị cho bệnh nhân. Thuật toán AI có khả năng phân tích các hình ảnh y tế, dự 15 lOMoAR cPSD| 45470368
đoán các đợt bùng phát của dịch bệnh, hỗ trợ kê đơn thuốc và nâng cao chất lượng chung
cho các dịch vụ chăm sóc y tế. Ngoài ra, sự giao thoa giữa y học và công nghệ AI còn góp
phần thúc đẩy tiến trình bào chế các loại thuốc mới, tiết kiệm nhiều chi phí, nâng cao kết
quả nghiên cứu và còn nhiều ý nghĩa tích cực khác. Theo dự báo của các chuyên gia, quy
mô thị trường AI trong lĩnh vực chăm sóc sức khỏe toàn cầu sẽ tăng từ 28 tỷ USD năm
2024 lên đến 188 tỷ USD vào năm 2030.
Việc áp dụng công nghệ AI vào trong lĩnh vực y tế đã và đang đem lại nhiều thay đổi
tích cực cũng như những thành tựu và bước nhảy vọt đáng kể cho lĩnh vực này. Theo nghiên
cứu công bố năm 2022 của WHO, trung bình để hoàn tất quy trình nghiên cứu loại thuốc
mới đến khi thuốc được cấp phép sử dụng mất từ 12-15 năm, với chi phí ước tính dao động
từ 43,4 triệu USD đến 4,2 tỷ USD. Tuy nhiên, việc ứng dụng AI có thể góp phần giảm thiểu
đáng kể thời gian cũng như tiết kiệm được chi phí nghiên cứu và phát triển loại thuốc mới.
Ứng dụng của AI trong việc chẩn đoán bệnh cũng đem lại hiệu quả và tiết kiệm thời gian
đáng kể. Dựa trên một nghiên cứu của Viện Houston Methodist (Mỹ), sử dụng AI để đọc
kết quả chụp X-quang tuyến vú nhanh hơn 30 lần và có độ chính xác là 99%.
Tại Việt Nam việc áp dụng AI vào lĩnh vực y tế đang được áp dụng, càng ngày càng
có nhiều những ứng dụng AI ra đời nhằm hỗ trợ cho ngành y tế và chăm sóc sức khỏe.
VinBrain - Công ty công nghệ tiên phong phát triển các sản phẩm ứng dụng AI trong lĩnh
vực y tế tại Việt Nam đã và đang xây dựng một hệ sinh thái sản phẩm AI đa dạng và tiên
tiến, phục vụ cho nhu cầu đặc thù của ngành y. Một trong các giải pháp mà VinBrain đã ra
mắt thị trường là dòng Chẩn đoán và điều trị ung thư, cụ thể là ung thư gan và ung thư trực
tràng. Với khả năng tự động khoanh vùng tổn thương, khối u qua hình chụp cắt lớp và cộng
hưởng từ, giúp bác sĩ tiết kiệm thời gian chẩn đoán và tăng độ chính xác khi điều trị. Tiếp
theo phải kể đến DrAid™ X-quang ngực. Đây là phần mềm AI giúp tầm soát tổn thương
qua ảnh X-quang, có khả năng đặc biệt là tự động sàng lọc các bệnh lý có khả năng gây tử
vong trong vòng 24 giờ như tràn khí màng phổi. Điểm nổi bật của sản phẩm AI này nằm ở
chỗ, đây là sản phẩm AI đầu tiên và duy nhất trong chẩn đoán X-quang phổi của Việt Nam
và Đông Nam Á được Cục quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) chấp thuận vào năm 2022.
Sản phẩm AI DrAid™ ứng dụng trong việc sàng lọc bệnh lao phổi. Sản phẩm này có
thể phát hiện các ca nhiễm lao và ca không nhiễm lao cao hơn tiêu chuẩn mà Tổ chức Y tế 16 lOMoAR cPSD| 45470368
Thế giới (WHO) đề ra với độ nhạy lên đến 94%, độ đặc hiệu 98%. Năm 2024, VinBrain
tiên phong cho ra mắt chatbot AI - DrAid™ Copilot - trợ lý y tế ảo 24/7 dành riêng cho các
bác sĩ và nhà quản lý, ứng dụng cùng lúc công nghệ trí tuệ nhân tạo tạo sinh và kiến thức y khoa. Tài liệu tham khảo:
https://kinhtevadubao.vn/tri-tue-nhan-tao-co-hoi-va-thach-thuc-trong-giao-duc- 27875.html
https://nhandan.vn/ung-dung-ai-trong-linh-vuc-tai-chinh- post807129.html
https://thitruongtaichinhtiente.vn/ung-dung-cong-nghe-ai-trong-dich-vu-tai-chinh-o-
viet-nam-55451.html https://techcombank.com/thong-tin/blog/loi-ich-cua-tri-tue-nhan-tao
https://vneconomy.vn/ung-dung-ai-trong-tang-truong-kinh-doanh-cua-nganh-ban- le.hm
https://tanca.io/blog/nhung-ung-dung-cua-tri-tue-nhan-tao-vao-hoat-dong-kinh- doanhmarketing
https://vneconomy.vn/ung-dung-va-phat-trien-manh-me-cong-nghe-ai-viet-nam-
dang-dung-truoc-nhieu-co-hoi.htm
CHƯƠNG 2: XU HƯỚNG ỨNG DỤNG AI TRONG CHUYỂN ĐỔI SỐ
Trong thời gian qua, công nghệ trí tuệ nhân tạo (AI) được ghi nhận những tiến bộ
đáng kể, đặc biệt trong 5 năm qua, ứng dụng AI tạo thành những làn sóng mạnh tác động
lên cuộc sống. Mới nhất là sự nổi lên của Chat GPT, Open AI cho thấy AI đã thâm nhập
khá sâu vào cuộc sống. Từ đây cũng đẩy làn sóng ứng dụng AI trong cuộc sống và doanh nghiệp. 2.1.
Xu hướng ứng dụng AI trên thế giới.
2.1.1. quản lý và phân tích dữ liệu
Khả năng quản lý và phân tích khối lượng lớn dữ liệu là rất quan trọng đối với quản
trị hiện đại và AI đóng vai trò then chốt trong lĩnh vực này. 17 lOMoAR cPSD| 45470368
Dữ Liệu Lớn. Hội nhập: AI có thể tích hợp dữ liệu từ nhiều nguồn, cung cấp cái nhìn
toàn diện về thông tin, điều này rất cần thiết cho việc ra quyết định sáng suốt. Điều này
phương pháp tiếp cận toàn diện giúp hiểu các vấn đề phức tạp theo cách sắc thái hơn.
Phân tích dữ liệu thời gian thực: Hệ thống AI có thể xử lý dữ liệu theo thời gian thực,
cung cấp thông tin chi tiết tức thì và cho phép phản hồi nhanh chóng đối với các vấn đề
mới nổi. Điều này đặc biệt có giá trị trong những tình huống cần được chú ý ngay lập tức,
chẳng hạn như trường hợp khẩn cấp về sức khỏe cộng đồng.
Bảo mật dữ liệu: AI có thể tăng cường bảo mật dữ liệu bằng cách phát hiện và giảm
thiểu các mối đe dọa mạng tiềm ẩn. Các thuật toán nâng cao có thể xác định các lỗ hổng
và ngăn chặn hành vi vi phạm, đảm bảo rằng thông tin nhạy cảm vẫn được bảo vệ.
Ví dụ: IBM Watson Health tích hợp dữ liệu từ hồ sơ y tế điện tử, kết quả xét nghiệm
và hình ảnh y khoa để cung cấp một cái nhìn tổng thể về sức khỏe bệnh nhân. Hệ thống
này phân tích dữ liệu theo thời gian thực, hỗ trợ bác sĩ đưa ra quyết định điều trị kịp thời,
đặc biệt trong các trường hợp khẩn cấp. Đồng thời, các thuật toán bảo mật tiên tiến giúp
phát hiện sớm các mối đe dọa, đảm bảo thông tin nhạy cảm của bệnh nhân được bảo vệ một cách an toàn.
2.1.2. hoạch định chính sách
AI có thể tăng cường đáng kể quá trình hoạch định chính sách bằng cách cung cấp
những hiểu biết sâu sắc dựa trên dữ liệu và phân tích dự đoán. Điều này cho phép các nhà
hoạch định chính sách đưa ra quyết định sáng suốt dựa trên bằng chứng và mô phỏng chắc chắn.
Phân tích dữ liệu: AI có thể xử lý và phân tích các tập dữ liệu khổng lồ từ nhiều nguồn
khác nhau, xác định các xu hướng và mô hình có thể không rõ ràng bằng phân tích truyền
thống. Điều này giúp xây dựng các chính sách hiệu quả và có mục tiêu hơn.
Mô hình dự đoán: Mô hình AI có thể dự đoán kết quả tiềm năng của các lựa chọn
chính sách khác nhau, cho phép chính phủ dự đoán tác động và điều chỉnh chiến lược của
họ cho phù hợp. Điều này có thể dẫn đến các chính sách bền vững và có tư duy tiến bộ hơn. 18 lOMoAR cPSD| 45470368
Kế hoạch chiến dịch: Bằng cách mô phỏng các kịch bản khác nhau, AI giúp các nhà
hoạch định chính sách hiểu được tác động tiềm ẩn của các quyết định của họ trong các bối
cảnh khác nhau. Điều này giúp họ chuẩn bị cho những diễn biến bất ngờ và đảm bảo rằng
các chính sách có tính linh hoạt.
"Khi bạn có mạng kỹ thuật số, AI, học máy, tất cả những thứ thú vị xung quanh, các
lựa chọn chiến lược của bạn thực sự tăng lên. Và bạn có thể thực hiện chiến lược theo một
loạt các cách khác nhau." Theo giáo sư Marco lansiti, Harvard Business School (HBS).
Ví dụ: Amazon, họ đã sử dụng AI để phân tích dữ liệu khổng lồ từ hàng triệu giao
dịch và tương tác của khách hàng. AI giúp Amazon nhận diện các xu hướng mua sắm, hành
vi tiêu dùng và dự đoán nhu cầu sản phẩm trong tương lai. Bằng cách sử dụng các mô hình
dự đoán, Amazon có thể đưa ra quyết định chính xác về quản lý tồn kho, chiến lược giá cả
và tối ưu hóa quy trình vận hành. Điều này không chỉ giúp Amazon cải thiện hiệu suất kinh
doanh mà còn mang lại trải nghiệm mua sắm cá nhân hóa và tiện lợi cho khách hàng.
Những phân tích và dự đoán từ AI đã đặt nền móng cho các quyết định chiến lược và thúc
đẩy sự phát triển bền vững của Amazon.
2.1.3. Trải nghiệm người dùng và chăm sóc khách hàng
Việc ứng dụng AI trong chăm sóc khách hàng không những giúp nâng cao chất lượng
dịch vụ và sản phẩm mà còn đem lại sự tối ưu trong quá trình tương tác, tạo ra những trải
nghiệm người dùng cá nhân hóa và hiệu quả. Các giải pháp như chatbot, trợ lý ảo và phân
tích cảm xúc giúp doanh nghiệp xử lý các yêu cầu một cách nhanh chóng, hiệu quả và tiết kiệm chi phí.
Chat bot và trợ lý ảo sử dụng công nghệ AI, đặc biệt là xử lý ngôn ngữ tự nhiên, để
trả lời những câu hỏi thường gặp, giải quyết các yêu cầu dịch vụ và xử lý các vấn đề của
khách hàng. Nhiều doanh nghiệp trên thị trường ngân hàng và bán lẻ đã áp dụng triển khai
chatbot trên website và ứng dụng di động để tự động giúp đỡ khách hàng, nhằm cải thiện
chất lượng dịch vụ và giảm thời gian chờ đợi (Russell & Norvig, 2009).
AI cũng có khả năng thu thập và phân tích dữ liệu từ các trang mạng xã hội và cuộc
trò chuyện trên trực tuyến để nhận xét đánh giá cảm xúc và phản hồi từ khách hàng. Các
công cụ phân tích đánh giá cảm xúc được áp dụng một cách rộng rãi ở các cửa hàng lớn 19 lOMoAR cPSD| 45470368
như Starbuck, Amazon, Shopee,... để đo lường phản hồi khách hàng, từ đó xây dựng các
chương trình nâng cao dịch vụ và lòng trung thành của khách hàng.
Ví dụ: Erica – Trợ lý ảo của Bank of America tích hợp trong ứng dụng Mobile
Banking, giúp khách hàng tra cứu số dư, giao dịch, chuyển tiền và nhận khuyến nghị cá
nhân hóa. Từ khi ra mắt, Erica đã xử lý hàng tỷ tương tác với tỷ lệ phản hồi trên 98% trong
44 giây trung bình, góp phần tối ưu hóa trải nghiệm khách hàng và giảm tải trung tâm chăm
sóc (Bank of America, 2024; Reuters, 2018).
2.1.4. Đổi mới sản xuất và quản lý chuỗi cung ứng
AI trong sản xuất và quản lý chuỗi cung ứng đã trở thành yếu tố quan trọng trong việc
nâng cao hiệu suất làm việc và tối ưu hóa chi phí.
AI được sử dụng để phân tích, thu thập dữ liệu từ cảm biến gắn vào máy móc sản
xuất. Nhờ vậy, các mô hình học máy có thể dự đoán chính xác thời điểm có khả năng xảy
ra hỏng hóc hoặc giảm hiệu suất làm việc. Từ đó, giúp doanh nghiệp triển khai chiến lược
bảo trì dự phòng một cách hiệu quả. AI còn được ứng dụng để theo dõi toàn bộ quá trình
sản xuất, từ khâu nguyên liệu đầu vào cho đến sản phẩm cuối cùng. Các công cụ khai thác
dữ liệu giúp nhận diện những điểm nghẽn (bottlenecks) trong dây chuyền sản xuất, từ đó
đưa ra các giải pháp cải tiến quy trình.
Tự động hóa sản xuất, Robot công nghiệp và các hệ thống cobot (robot cộng tác) sử
dụng AI để tự động hóa các tác vụ lặp đi lặp lại như lắp ráp, hàn, sơn, kiểm tra chất lượng
và vận chuyển vật liệu. Nhờ có khả năng tự giám sát và cải thiện hiệu suất làm việc theo
thời gian, robot không chỉ đảm bảo độ chính xác cao mà còn giảm thiểu lỗi do yếu tố con
người. “AI giúp các robot tự học và cải thiện quy trình sản xuất, qua đó nâng cao hiệu suất
và giảm thiểu sai sót.” (Brynjolfsson & McAfee, 2014). AI cũng hỗ trợ dự báo biến động
giá của nguyên vật liệu dựa trên phân tích dữ liệu lịch sử và các yếu tố kinh tế vĩ mô. Việc
này giúp các nhà sản xuất có được chiến lược mua sắm hiệu quả, tối ưu hóa chi phí sản
xuất và giảm thiểu rủi ro do biến động giá cả.
Sử dụng AI trong dự đoán các nhu cầu sản phẩm giúp doanh nghiệp phân tích dữ liệu
lịch sử, xu hướng thị trường và các hành vi tiêu dùng để đưa ra dự báo chính xác. Qua đó 20