Đầu tư vào trí tuệ nhân tạo (AI) trong doanh nghiệp đang tăng tốc. Các công ty đang triển khai trợ lý ảo, công cụ phân tích dự đoán và các tác nhân AI trong các bộ phận bán hàng, tài chính, hỗ trợ và vận hành.
Nhưng việc triển khai các ứng dụng AI đó trên toàn bộ doanh nghiệp lại là một thách thức hoàn toàn khác. Đó là điểm mà hầu hết các tổ chức đang gặp khó khăn.
Vấn đề hiếm khi nằm ở mô hình. Các mô hình AI đã phát triển nhanh chóng và vẫn đang tiếp tục phát triển. Những thất bại thường bắt nguồn từ những yếu tố cơ bản hơn: các hệ thống không kết nối, dữ liệu lỗi thời và thiếu một lớp phối hợp bao quát toàn bộ hệ thống kinh doanh. Khi hệ thống CRM, ERP, nền tảng hỗ trợ và hệ thống tài chính hoạt động riêng lẻ, các ứng dụng AI của bạn sẽ thừa hưởng tất cả những vấn đề phân mảnh đó.
Đó là trường hợp của việc điều phối AI. Cụ thể hơn, là việc xây dựng hệ thống điều phối trên nền tảng tích hợp đa hệ thống. Nếu không có nó, ngay cả những hệ thống AI tiên tiến nhất cũng tạo ra những kết quả không thể tin cậy, không thể hành động hoặc quản lý ở quy mô lớn.
Điều phối bằng trí tuệ nhân tạo (AI orchestration) là gì?
Điều phối AI là sự phối hợp giữa các mô hình AI, đường dẫn dữ liệu, logic nghiệp vụ và quy trình làm việc tự động trên các hệ thống khác nhau.
Kiến trúc hệ thống quyết định cách các hệ thống AI nhận dữ liệu, đưa ra quyết định, kích hoạt các hành động tiếp theo và báo cáo về những gì đã xảy ra trên tất cả các hệ thống liên quan, chứ không chỉ trong một ứng dụng duy nhất. Trong khi tích hợp truyền thống chỉ di chuyển dữ liệu giữa các hệ thống, điều phối AI biến những đường dẫn dữ liệu đó thành các luồng thông minh, có khả năng ra quyết định, thúc đẩy hành động trên toàn bộ doanh nghiệp.
Cần phải làm rõ ràng những gì mà dàn nhạc không phải là.
Không phải vậy:
- Mỗi mô hình AI xử lý các yêu cầu một cách độc lập.
- Một lớp chatbot xử lý các yêu cầu đến.
- Một tác nhân AI độc lập thực hiện các nhiệm vụ riêng lẻ.
- Tự động hóa Point-to-point được cấu hình bên trong một hệ thống CRM hoặc ERP duy nhất.
Đây đều là các thành phần. Các công cụ điều phối sẽ phối hợp chúng thành các quy trình làm việc trải rộng trên nhiều hệ thống và kích hoạt các hành động trên toàn bộ doanh nghiệp.
Bộ điều phối (nền tảng hoặc lớp chịu trách nhiệm điều phối) phải đảm bảo dữ liệu chảy vào hệ thống AI luôn mới, nhất quán và có sẵn trên tất cả các hệ thống cung cấp dữ liệu cho chúng. Về bản chất, yêu cầu đó là một thách thức về tích hợp dữ liệu .
Hầu hết các công cụ điều phối trên thị trường chỉ giải quyết việc sắp xếp trình tự quy trình công việc trong một môi trường duy nhất. Trí tuệ nhân tạo doanh nghiệp đòi hỏi sự phối hợp giữa mọi hệ thống trong chuỗi.
Các tổ chức coi việc điều phối như một vấn đề lựa chọn mô hình và bỏ qua lớp tích hợp sẽ nhận ra điều này một cách khó khăn: AI của họ hoạt động trên dữ liệu đầu vào lỗi thời, tạo ra đầu ra không nhất quán và không thể được quản lý ở mức độ mà doanh nghiệp yêu cầu.
Cách thức hoạt động của việc điều phối bằng AI
Việc điều phối AI không hoạt động như một công tắc duy nhất bạn bật tắt. Nó hoạt động trên ba lớp riêng biệt nhưng phụ thuộc lẫn nhau sâu sắc: tích hợp, tự động hóa và quản lý. Bộ điều phối phối hợp cả ba (kết nối các đường dẫn dữ liệu, thực thi các quy trình làm việc dựa trên tác nhân và quy tắc, và duy trì quản trị) trên mọi hệ thống liên quan.
Mỗi lớp đều phụ thuộc vào các lớp khác. Cả ba lớp phải phối hợp nhịp nhàng để hệ thống AI có thể xử lý các khối lượng công việc phức tạp, đa hệ thống mà hoạt động doanh nghiệp yêu cầu ở quy mô lớn.
Tích hợp AI
Tích hợp AI là cách các mô hình AI kết nối với các hệ thống ghi nhận dữ liệu đầu vào: CRM, ERP, kho dữ liệu, nền tảng hỗ trợ, và hơn thế nữa. Lớp này xử lý các đường dẫn dữ liệu, kết nối API, ánh xạ trường và chuẩn hóa dữ liệu, đảm bảo các mô hình nhận được đầu vào sạch, thống nhất thay vì các ảnh chụp rời rạc từ các hệ thống riêng lẻ.
Các nền tảng tích hợp thường cung cấp các trình kết nối được xây dựng sẵn, các mẫu có thể tái sử dụng, API và các công cụ mã nguồn thấp giúp tăng tốc quá trình xây dựng và duy trì các quy trình này của các nhóm mà không cần phải viết mã API cấp thấp từ đầu.
Nếu không được tích hợp, AI sẽ hoạt động dựa trên dữ liệu lỗi thời hoặc không đầy đủ.
Một số ví dụ về cách điều này có thể diễn ra bao gồm:
- Mô hình dự đoán tỷ lệ khách hàng rời bỏ dựa trên dữ liệu hóa đơn tuần trước đã bỏ sót tín hiệu.
- Mô hình chấm điểm khách hàng tiềm năng không thể truy cập dữ liệu sử dụng sản phẩm sẽ xếp hạng sai các tài khoản.
Tích hợp dữ liệu không phải là điều nên có đối với trí tuệ nhân tạo, mà là điều kiện tiên quyết.
Tự động hóa AI
Tự động hóa AI là cách mà hệ thống điều phối tự động kích hoạt các quy trình làm việc trên nhiều hệ thống dựa trên kết quả đầu ra của AI. Ví dụ: khi một mô hình đánh giá khách hàng tiềm năng là có ý định mua hàng cao, hệ thống tự động hóa có thể chuyển khách hàng tiềm năng đó đến hàng đợi bán hàng phù hợp, cập nhật CRM, thông báo cho nhân viên bán hàng và xếp hàng trình tự hướng dẫn khách hàng mới – trên nhiều hệ thống, mà không cần các bước thủ công.
Các nhóm xác định quy trình làm việc một lần trên lớp điều phối, và nền tảng sẽ thực thi chúng một cách linh hoạt dựa trên kết quả đầu ra của mô hình trực tiếp, trên mọi hệ thống nằm trong phạm vi.
Sự khác biệt so với tự động hóa truyền thống rất quan trọng. Tự động hóa dựa trên quy tắc thực thi logic được định sẵn. Tự động hóa dựa trên trí tuệ nhân tạo (AI) hoạt động trên các kết quả đầu ra của mô hình, những kết quả này thay đổi theo dữ liệu thời gian thực. Quy trình làm việc được điều phối phải xử lý cả logic nghiệp vụ có cấu trúc và các kết quả đầu ra thay đổi mà hệ thống AI tạo ra để đáp ứng các điều kiện thời gian thực.
Quản lý AI
Quản lý AI là cách các nền tảng điều phối quản lý, giám sát và xử lý lỗi trên toàn bộ quy trình làm việc dựa trên AI ở quy mô lớn. Khi khối lượng công việc tăng lên trên nhiều hệ thống và đơn vị kinh doanh, lớp quản lý trở nên ngày càng quan trọng. Nó giúp duy trì sự ổn định của các quy trình, phát hiện lỗi trước khi chúng lan rộng và đảm bảo mọi quy trình làm việc hoạt động như mong muốn.
Điều này bao gồm khả năng quan sát, ghi nhật ký, cảnh báo và xử lý ngoại lệ khi quy trình công việc gặp lỗi hoặc tạo ra kết quả không mong muốn.
Quản lý trạng thái là một phần cốt lõi của lớp này. Trong các quy trình công việc phức tạp, đa hệ thống, bộ điều phối phải theo dõi vị trí của từng phiên bản quy trình công việc, dữ liệu mà nó đã xử lý và các hành động mà nó đã kích hoạt. Đây cũng là nơi các biện pháp kiểm soát quyền riêng tư dữ liệu được thực thi, đảm bảo rằng dữ liệu khách hàng và tài chính nhạy cảm chỉ được truy cập bởi các hệ thống và vai trò được ủy quyền sử dụng.
Nếu không có sự quản lý thích hợp ở cấp độ này, các lần thử lại sẽ tạo ra các bản ghi trùng lặp, các lỗi sẽ không được phát hiện và việc báo cáo tuân thủ sẽ không thể thực hiện được.
Điều phối bằng trí tuệ nhân tạo so với các khái niệm liên quan
Các kiến trúc sư doanh nghiệp khi đánh giá vị trí của điều phối AI trong hệ thống của họ thường gặp phải một số khái niệm liền kề nhau và thường bị nhầm lẫn. Hiểu được sự khác biệt giữa điều phối và từng khái niệm đó sẽ làm rõ cả bản chất của nó và vị trí của nó trong kiến trúc.
Điều phối bằng AI so với các tác nhân AI
Các tác nhân AI là những người ra quyết định tự chủ. Chúng là những mô hình riêng lẻ có khả năng lập kế hoạch, suy luận và thực hiện các nhiệm vụ mà không cần sự hướng dẫn liên tục của con người. Một tác nhân AI đơn lẻ có thể xử lý tốt một chức năng cụ thể: phân loại yêu cầu hỗ trợ, tạo bản nháp phản hồi hoặc đánh giá rủi ro gia hạn. Nhưng các tác nhân AI không tự phối hợp với nhau. Điều phối là lớp phối hợp kết nối các hệ thống tác nhân với các nguồn dữ liệu, hệ thống nghiệp vụ và quy trình làm việc tiếp theo, xác định khi nào các tác nhân hoạt động, dữ liệu chúng nhận được và điều gì xảy ra sau khi chúng hành động.
Một hệ thống AI có thể quyết định rằng một yêu cầu hỗ trợ cần được chuyển lên cấp cao hơn. Nhưng điều quan trọng là phải có sự phối hợp nhịp nhàng để đảm bảo quyết định đó kích hoạt đúng tác vụ CRM, hiển thị lịch sử tài khoản từ hệ thống ERP và chuyển đến đúng nhóm phụ trách, tất cả đều được ghi nhật ký và xử lý lỗi một cách thích hợp.
Các framework như AutoGen và Semantic Kernel giúp các nhóm xây dựng khả năng hoạt động như tác nhân và triển khai các tác nhân AI trên quy mô lớn. Ví dụ, AutoGen cung cấp một SDK cho phép các tác nhân giao tiếp giữa các mô hình, cho phép các tác nhân cộng tác trong các tác vụ phức tạp, nhiều bước. Tuy nhiên, AutoGen không quản lý các đường dẫn dữ liệu mà các tác nhân đó phụ thuộc vào, cũng như không kiểm soát cách thức đầu ra giao tiếp của các tác nhân được chuyển vào các hệ thống CRM, ERP và hệ thống thanh toán.
Đó là lúc mà sự điều phối phát huy tác dụng. Các tác nhân AI và sự điều phối bổ sung cho nhau, chứ không cạnh tranh.
Điều phối AI so với MLOps
MLOps quản lý việc phát triển, huấn luyện, kiểm thử và triển khai các mô hình AI – vòng đời kỹ thuật trước khi một mô hình được đưa vào sản xuất. Các công cụ MLOps thường bao gồm theo dõi thử nghiệm, kho lưu trữ mô hình và các quy trình triển khai dựa trên SDK để đưa mô hình từ notebook đến cơ sở hạ tầng máy chủ. Điều phối AI quản lý những gì xảy ra sau đó: cách các mô hình đã triển khai tương tác với các hệ thống kinh doanh đang hoạt động, sử dụng dữ liệu thời gian thực và kích hoạt các hành động trên toàn bộ hệ thống doanh nghiệp.
MLOps đảm bảo mô hình hoạt động chính xác. Điều phối đảm bảo mô hình hoạt động chính xác trong bối cảnh, với dữ liệu phù hợp, trong các hệ thống phù hợp, tạo ra các kết quả đầu ra chính xác.
Điều phối bằng AI so với điều phối quy trình làm việc
Trình tự điều phối quy trình làm việc sắp xếp các quy trình kinh doanh. Ví dụ bao gồm định tuyến bản ghi, kích hoạt hành động và quản lý phê duyệt trên các hệ thống. Điều phối bằng AI tích hợp việc ra quyết định thông minh vào các trình tự đó, thay thế hoặc bổ sung các quy tắc cố định bằng các kết quả đầu ra của mô hình thích ứng dựa trên dữ liệu thực tế.
Celigo hoạt động ở cả hai cấp độ. Là một nền tảng tự động hóa thông minh, Celigo xử lý việc tích hợp và điều phối quy trình làm việc mà các hoạt động doanh nghiệp yêu cầu, đồng thời cung cấp nền tảng để nhúng việc ra quyết định dựa trên AI vào chính các quy trình làm việc đó. Sự kết hợp này – tích hợp, tự động hóa quy trình làm việc và điều phối AI trên một nền tảng duy nhất – là điểm khác biệt kiến trúc quan trọng.
So sánh giữa điều phối bằng AI và RPA cùng tự động hóa truyền thống.
Tự động hóa quy trình bằng robot (RPA) hoạt động ở lớp giao diện người dùng (UI), mô phỏng tương tác của người dùng với các ứng dụng để thực hiện các tác vụ lặp đi lặp lại. Nó dễ bị lỗi: bất kỳ thay đổi nào đối với giao diện người dùng đều làm hỏng bot. Trong khi đó, điều phối bằng trí tuệ nhân tạo (AI orchestration) được điều khiển bởi API, dựa trên sự kiện và được quản lý ở lớp dữ liệu, điều này giúp nó đáng tin cậy hơn và dễ bảo trì hơn ở quy mô doanh nghiệp.
Celigo được xây dựng dựa trên tự động hóa hướng API, hướng sự kiện và hướng quy trình làm việc, thay vì tự động hóa ở cấp độ giao diện người dùng. Nó kết nối các hệ thống thông qua API và sự kiện, điều phối các quy trình làm việc giữa chúng và cung cấp khả năng quản trị tập trung đối với những gì đang chạy trong môi trường sản xuất.
Nền tảng này kết nối các hệ thống thông qua API và các trình kích hoạt dựa trên sự kiện, điều phối các mô hình AI và quy trình làm việc trên các kết nối đó, đồng thời cung cấp khả năng quản trị tập trung cho mọi thứ hoạt động trên nền tảng.
Lớp còn thiếu trong hầu hết các chiến lược AI: Điều phối liên hệ giữa các hệ thống.
Hầu hết các chiến lược AI của doanh nghiệp đều có cùng một điểm mù. Đầu tư tập trung vào việc lựa chọn mô hình và định nghĩa trường hợp sử dụng. Lớp tích hợp (cơ sở hạ tầng thực sự đưa dữ liệu sạch, nhất quán từ CRM, ERP, thương mại điện tử và các nền tảng hỗ trợ vào các mô hình đó) được coi là một vấn đề đã được giải quyết hoặc bị trì hoãn hoàn toàn.
Các hệ thống rời rạc làm suy giảm chất lượng AI theo ba cách cụ thể.
- Dữ liệu đầu vào lỗi thời: khi các ứng dụng AI lấy dữ liệu từ các hệ thống có lịch đồng bộ khác nhau, cái nhìn của mô hình về hoạt động kinh doanh luôn bị lỗi thời – cho dù các ứng dụng đó là chatbot, tác nhân AI hay công cụ phân tích dự đoán.
- Mô hình dữ liệu không nhất quán: một “khách hàng” trong Salesforce không tự động được coi là cùng một bản ghi với một “tài khoản” trong NetSuite. Nếu không có sự chuẩn hóa giữa các hệ thống, các mô hình sẽ so sánh dữ liệu không tương thích và tạo ra kết quả không đáng tin cậy.
- Thiếu quản trị thống nhất: khi logic điều phối được nhúng bên trong các ứng dụng riêng lẻ thay vì được quản lý tập trung, sẽ không có một nơi duy nhất để kiểm tra những gì đã chạy, phát hiện những gì đã lỗi hoặc thực thi kiểm soát truy cập trên toàn bộ hệ thống. Điều này đặc biệt gây khó khăn khi các tổ chức triển khai quy trình làm việc dựa trên tác nhân, nơi các tác nhân AI đưa ra quyết định và kích hoạt hành động một cách tự động trên các hệ thống.
Các nghiên cứu liên tục chỉ ra rằng sự sẵn sàng của dữ liệu là yếu tố chính thúc đẩy sự thành công của AI. Theo nghiên cứu của Celigo hợp tác với MIT Technology Review, 90% các dự án AI thành công đều sử dụng nhiều hơn một nguồn dữ liệu. 93% người dùng tích hợp trên toàn doanh nghiệp sử dụng AI dựa trên từ 3 nguồn dữ liệu trở lên.
Điều mà việc điều phối sẵn sàng cho AI thực sự cần là một lớp cấu trúc trải rộng toàn bộ hệ thống nghiệp vụ. Lớp này phải hoạt động từ khâu thu thập dữ liệu đến chuyển đổi, điều phối và cuối cùng là thực thi.
Các đường dẫn dữ liệu đi qua lớp này phải đáng tin cậy, được giám sát và quản lý chặt chẽ. Dữ liệu phải có sẵn trong thời gian thực hoặc gần thời gian thực. Dữ liệu phải được chuẩn hóa theo một mô hình nhất quán trước khi đến được với trí tuệ nhân tạo (AI).
Các trình kích hoạt dựa trên sự kiện phải kích hoạt quy trình công việc ngay khi điều kiện kinh doanh thay đổi, chứ không phải theo lịch trình xử lý hàng loạt hàng đêm. Và việc xử lý lỗi phải được tập trung hóa, chứ không phải bị ẩn sâu bên trong cấu hình ứng dụng riêng lẻ.
Sự tích hợp chính là yếu tố tạo nên sự khác biệt giữa việc thử nghiệm AI và việc vận hành AI một cách đáng tin cậy trong môi trường sản xuất. Các tổ chức xây dựng hệ thống điều phối dựa trên lớp tích hợp dữ liệu mạnh mẽ sẽ cung cấp các quy trình làm việc AI đáng tin cậy, có khả năng mở rộng và được quản lý hiệu quả.
Lợi ích của việc điều phối bằng AI
Khả năng mở rộng lớn hơn
Khi khối lượng công việc tăng lên, một nền tảng điều phối tập trung giúp dễ dàng mở rộng quy mô quy trình làm việc trên các hệ thống và đơn vị kinh doanh mà không cần phải xây dựng lại logic trong từng ứng dụng. Điều này giúp giảm thiểu công việc thủ công khi nhu cầu tăng lên và giúp các nhóm duy trì hoạt động đáng tin cậy ở quy mô doanh nghiệp.
Một quy trình định tuyến khách hàng tiềm năng được xây dựng một lần trên lớp tích hợp và điều phối sẽ hoạt động theo cùng một cách cho dù xử lý 50 khách hàng tiềm năng mỗi ngày hay 50.000 khách hàng tiềm năng. Và việc mở rộng nó sang một khu vực hoặc đơn vị kinh doanh mới chỉ đơn giản là điều chỉnh cấu hình, chứ không phải xây dựng lại từ đầu.
Rút ngắn thời gian thu thập thông tin và hành động
Điều phối dựa trên sự kiện thu hẹp khoảng cách giữa việc tạo ra dữ liệu và hành động kinh doanh. Khi một giao dịch hoàn tất trong CRM, quá trình điều phối có thể tự động kích hoạt cảnh báo tài chính, cập nhật dự báo doanh thu trong ERP và khởi tạo quy trình tuyển dụng – tất cả chỉ trong vài giây, không cần sự can thiệp của con người giữa các bộ phận. Lợi thế về tốc độ được nhân lên trên mọi quy trình được hỗ trợ bởi AI trong doanh nghiệp.
Hiệu suất được cải thiện và độ chính xác dự báo được nâng cao
Các mô hình AI hoạt động tốt hơn khi được cung cấp dữ liệu sạch, thống nhất và theo thời gian thực từ khắp hệ thống. Một lớp tích hợp dữ liệu được điều phối giúp loại bỏ các dữ liệu đầu vào lỗi thời và các ánh xạ trường không nhất quán làm giảm độ chính xác của mô hình. Cùng một mô hình dự đoán tỷ lệ khách hàng rời bỏ, khi được huấn luyện lại trên dữ liệu tích hợp từ hóa đơn, CRM và sử dụng sản phẩm cùng lúc, sẽ cho kết quả tốt hơn đáng kể so với mô hình hoạt động trên các dữ liệu xuất riêng lẻ.
Quản trị và tuân thủ đáng tin cậy hơn
Việc điều phối tập trung cung cấp nhật ký kiểm toán, kiểm soát truy cập và xử lý lỗi trên tất cả các quy trình công việc do AI điều khiển – không chỉ trong từng hệ thống riêng lẻ. Khi có sự cố xảy ra, lớp điều phối sẽ hiển thị chính xác điều gì đã kích hoạt quy trình công việc, dữ liệu nào đã được xử lý, lỗi xảy ra ở đâu và những hành động nào đã được thực hiện. Mức độ quan sát này không thể đạt được khi logic quy trình công việc nằm rải rác trong các ứng dụng riêng lẻ.
Cải thiện sự hợp tác giữa các nhóm
Các công cụ điều phối mã thấp cho phép các nhóm CNTT và vận hành xây dựng AI và điều chỉnh quy trình làm việc của AI cùng nhau mà không cần phải bắt đầu lại từ đầu trong từng hệ thống. Các công cụ điều phối phù hợp giúp những người không phải lập trình viên có thể cấu hình logic định tuyến, ánh xạ dữ liệu và các trình kích hoạt quy trình làm việc mà không cần viết mã – trong khi CNTT vẫn duy trì quyền quản trị và kiểm soát những gì đang chạy trong môi trường sản xuất. Khi lớp tích hợp là cơ sở hạ tầng được chia sẻ – chứ không phải là thứ mà mỗi nhóm xây dựng và duy trì độc lập – toàn bộ tổ chức sẽ hoạt động nhanh hơn mà không làm giảm khả năng giám sát.
Các ví dụ về điều phối AI trong quy trình làm việc kinh doanh
Các trường hợp sử dụng điều phối AI hiệu quả nhất đều có cấu trúc chung: một sự kiện kinh doanh kích hoạt việc thu thập dữ liệu trên các hệ thống, một mô hình AI xử lý dữ liệu đó và đưa ra quyết định, và quá trình điều phối sẽ kích hoạt các hành động thích hợp trên mọi hệ thống cần phản hồi.
Dưới đây là năm ví dụ tuân theo mô hình đó
Quản lý khách hàng tiềm năng
Khi khách hàng tiềm năng tương tác với nội dung tiếp thị, AI sẽ chấm điểm và phân loại khách hàng tiềm năng bằng cách sử dụng lịch sử CRM, dữ liệu tương tác tiếp thị và tín hiệu sử dụng sản phẩm được tổng hợp thông qua tích hợp dữ liệu. Hệ thống điều phối sẽ định tuyến các khách hàng tiềm năng đủ điều kiện đến quy trình bán hàng phù hợp, kích hoạt các chuỗi tiếp cận cá nhân hóa và tạo ra các nhiệm vụ theo dõi – tất cả đều không cần phân loại thủ công. Khách hàng tiềm năng không đủ điều kiện sẽ tự động được chuyển đến các kênh chăm sóc khách hàng.
Quy trình bán hàng và gia hạn
Trí tuệ nhân tạo (AI) phát hiện rủi ro gia hạn bằng cách phân tích sự sụt giảm mức sử dụng, tần suất yêu cầu hỗ trợ và các bất thường trong hóa đơn trên các hệ thống. Khi rủi ro vượt quá ngưỡng, hệ thống sẽ tự động kích hoạt các tác vụ CRM cho người quản lý tài khoản, tạo cảnh báo tài chính cho nhóm gia hạn và lên lịch liên hệ với khách hàng – tất cả cùng một lúc, mà không cần can thiệp thủ công. Các tài khoản giá trị cao đang gặp rủi ro sẽ nhận được phản hồi phối hợp trước khi cuộc đàm phán gia hạn trở nên mang tính phản ứng.
Hỗ trợ khách hàng và định tuyến yêu cầu
Trí tuệ nhân tạo (AI) phân loại các yêu cầu hỗ trợ đến bằng cách sử dụng dữ liệu quyền lợi từ hệ thống hoạch định nguồn lực doanh nghiệp (ERP), tình trạng tài khoản từ hệ thống quản lý quan hệ khách hàng (CRM) và các mẫu giải quyết yêu cầu trong quá khứ từ hệ thống quản lý yêu cầu. Trong một số quy trình làm việc, các tác nhân AI tự động xử lý việc phân loại ban đầu và phản hồi, giải quyết các yêu cầu đơn giản mà không cần sự can thiệp của con người.
Hệ thống điều phối tự động chuyển từng trường hợp đến đúng nhóm phụ trách với đầy đủ thông tin cần thiết: cấp độ, trạng thái hợp đồng, vấn đề đang tồn tại và lộ trình giải quyết được đề xuất. Nhân viên hỗ trợ nhận được bức tranh toàn diện trước khi tương tác lần đầu, chứ không phải sau khi phải tìm kiếm thủ công trên ba hệ thống khác nhau.
Tài chính và hoạt động đặt hàng
Trí tuệ nhân tạo (AI) phát hiện các điểm bất thường trong dữ liệu đơn đặt hàng hoặc hóa đơn (các mục trùng lặp, giá cả không khớp, số tiền mua không theo quy luật) bằng cách so sánh dữ liệu giữa hệ thống ERP và hệ thống thanh toán trong thời gian thực. Khi phát hiện điểm bất thường, hệ thống sẽ tự động kích hoạt quy trình xử lý ngoại lệ: chuyển bản ghi để xem xét, thông báo cho nhóm tài chính thích hợp và tạm dừng việc thực hiện đơn hàng cho đến khi vấn đề được giải quyết.
Bộ phận hỗ trợ CNTT
Các tác nhân AI phân loại các yêu cầu CNTT đến bằng cách đối chiếu chúng với các mẫu giải quyết đã biết trên các hệ thống quản lý vé, quản lý danh tính và kiểm kê tài sản. Các yêu cầu có độ phức tạp thấp (đặt lại mật khẩu, cấp quyền truy cập phần mềm, thay thế phần cứng tiêu chuẩn) được các tác nhân AI xử lý và giải quyết tự động mà không cần sự can thiệp của con người. Các yêu cầu phức tạp hơn được chuyển tiếp với đầy đủ ngữ cảnh và các bước giải quyết được đề xuất đã được đính kèm.
Các phương pháp tốt nhất để điều phối AI ở quy mô lớn
Việc mở rộng khả năng điều phối AI trên toàn doanh nghiệp đòi hỏi sự kỷ luật ở lớp tích hợp và quản trị, chứ không chỉ ở lớp mô hình. Những nguyên tắc này áp dụng bất kể bạn đang điều phối hệ thống hoặc ứng dụng AI nào.
- Ưu tiên chất lượng và khả năng truy cập dữ liệu trên tất cả các hệ thống cung cấp dữ liệu cho AI của bạn. Dữ liệu sạch và nhất quán là nền tảng của mọi quy trình làm việc AI đáng tin cậy. Kiểm tra kỹ lưỡng các hệ thống nguồn và các đường dẫn kết nối chúng trước khi xây dựng hệ thống điều phối – các đường dẫn bị lỗi hoặc không nhất quán ở phía thượng nguồn sẽ làm giảm chất lượng mọi đầu ra AI ở phía hạ nguồn.
- Hãy áp dụng kiến trúc mô-đun với các luồng tích hợp và thành phần quy trình công việc có thể tái sử dụng. Định nghĩa các quy trình công việc như những phần có thể kết hợp và tái sử dụng thay vì xây dựng lại logic từ đầu mỗi khi xuất hiện trường hợp sử dụng mới. Khi có thể, hãy sử dụng các nền tảng có trình kết nối được xây dựng sẵn, các thành phần tích hợp có thể tái sử dụng, API và khả năng mở rộng mã thấp để các nhóm có thể mở rộng quy trình công việc mà không cần xây dựng lại toàn bộ hệ thống. Thiết kế mô-đun là yếu tố giúp khả năng mở rộng trở nên khả thi; khi bạn định nghĩa các quy trình công việc trong một lớp điều phối tập trung, việc mở rộng chúng sang các hệ thống, khu vực hoặc đơn vị kinh doanh mới chỉ là một thay đổi cấu hình, chứ không phải là một dự án phát triển.
- Đầu tư vào khả năng quan sát từ sớm. Việc ghi nhật ký, cảnh báo và xử lý lỗi phải được tích hợp vào lớp điều phối ngay từ đầu – trên toàn bộ hệ thống, chứ không chỉ trong mô hình AI. Các lỗi âm thầm trong quy trình làm việc liên hệ giữa các hệ thống là khó phát hiện nhất và tốn kém nhất để khắc phục.
- Thiết lập quản trị và bảo mật ngay từ đầu. Các quyền truy cập, nhật ký kiểm toán, quy tắc sở hữu dữ liệu và chính sách bảo mật dữ liệu cần được xác định trước khi các quy trình công việc được đưa vào sản xuất. Điều này đặc biệt quan trọng khi các tác nhân AI hoạt động tự động – nếu không có quản trị rõ ràng, các quy trình công việc của tác nhân có thể làm lộ dữ liệu nhạy cảm cho các hệ thống hoặc người dùng không được phép truy cập. Việc bổ sung quản trị vào lớp điều phối đang hoạt động sẽ tốn kém hơn đáng kể so với việc xây dựng nó ngay từ đầu.
- Thiết kế điều phối hoạt động dưới dạng quy trình làm việc liên hệ giữa các hệ thống, chứ không phải là các quy tắc trong ứng dụng. Logic được nhúng bên trong các cấu hình CRM hoặc ERP riêng lẻ không thể được tái sử dụng, giám sát tập trung hoặc dễ dàng sửa đổi. Giữ quản lý trạng thái điều phối và logic nghiệp vụ trên một nền tảng chuyên dụng.
- Tập trung logic điều phối trên một nền tảng được xây dựng để giám sát và cộng tác. Các nhóm CNTT và vận hành cần có cái nhìn tổng quan về những gì đang chạy, những gì đã xảy ra lỗi và những gì đang thay đổi – đặc biệt khi khối lượng công việc tăng lên trên nhiều hệ thống và đơn vị kinh doanh. Các công cụ điều phối cấp doanh nghiệp cung cấp cái nhìn tổng quan đó – tập trung giám sát, xử lý lỗi và quản trị quy trình làm việc tại một nơi duy nhất. Một nền tảng với các công cụ mã thấp giúp việc cộng tác trở nên khả thi mà không cần mọi thay đổi phải thông qua bộ phận kỹ thuật.
- Tránh nhúng logic quy trình công việc quan trọng vào bên trong các ứng dụng riêng lẻ. Logic quy trình công việc AI nằm trong một hệ thống CRM, ERP hoặc công cụ hỗ trợ duy nhất không thể được quản lý, kiểm toán hoặc tái sử dụng ở cấp độ doanh nghiệp. Việc mở rộng quy mô AI một cách linh hoạt trên toàn doanh nghiệp đòi hỏi logic phải nằm trên các ứng dụng riêng lẻ.
Celigo là nền tảng tự động hóa thông minh dành cho việc điều phối trí tuệ nhân tạo trong doanh nghiệp.
Celigo là nền tảng tự động hóa thông minh giúp vận hành, mở rộng và đáng tin cậy trí tuệ nhân tạo (AI) trong doanh nghiệp bằng cách kết nối các hệ thống, điều phối quy trình làm việc và quản lý cách thức hoạt động của các quy trình do AI điều khiển trên toàn doanh nghiệp. Khả năng mở rộng không chỉ đơn thuần là xử lý khối lượng công việc lớn hơn, mà còn là mở rộng quy trình làm việc của AI sang các hệ thống và đơn vị kinh doanh mới mà không cần phải xây dựng lại logic mỗi lần.
Nền tảng này không phải là một mô hình AI, một tiện ích bổ sung cho CRM, hay một công cụ RPA. Nó là công cụ điều phối nằm giữa các tác nhân AI , hệ thống AI và các hệ thống kinh doanh mà chúng phụ thuộc vào, đảm bảo luồng dữ liệu sạch, các quy trình làm việc thông minh được kích hoạt đúng lúc và mọi thứ đang hoạt động đều được quản lý và quan sát được.
Nền tảng ưu tiên hội nhập
Celigo kết nối các nền tảng CRM, ERP, tiếp thị, hỗ trợ và dữ liệu thông qua các trình kết nối được xây dựng sẵn và một khung tích hợp linh hoạt. Nền tảng này quản lý các đường dẫn dữ liệu cung cấp cho các hệ thống AI – đảm bảo chúng luôn được cập nhật, chuẩn hóa và quản lý khi các hệ thống nguồn thay đổi. Các hệ thống AI chạy trên nền tảng Celigo nhận được dữ liệu sạch, thống nhất và theo thời gian thực – chứ không phải dữ liệu xuất cũ hoặc bảng tính được đối chiếu thủ công. Nền tảng tích hợp đó là điều làm cho đầu ra của AI đủ tin cậy để có thể hành động.
Quy trình làm việc dựa trên sự kiện và có khả năng xử lý ngoại lệ
Celigo kích hoạt các quy trình làm việc dựa trên trí tuệ nhân tạo (AI) khi xảy ra các sự kiện kinh doanh quan trọng: tạo khách hàng tiềm năng mới, chốt giao dịch, xử lý yêu cầu hỗ trợ được chuyển tiếp, phát hiện bất thường trên hóa đơn. Các quy trình làm việc phản hồi linh hoạt với từng sự kiện – đưa ra các quyết định định tuyến và chuyển đổi thông minh trên mọi hệ thống được kết nối trong thời gian thực.
Nền tảng này được thiết kế để thực thi ở quy mô doanh nghiệp, với tự động hóa quy trình làm việc, khả năng quan sát và xử lý ngoại lệ giúp các nhóm vận hành các hoạt động khối lượng lớn một cách đáng tin cậy. Mỗi quy trình làm việc bao gồm khả năng xử lý lỗi mạnh mẽ và logic thử lại để các lỗi được phát hiện ngay lập tức và được giải quyết một cách gọn gàng, mà không làm hỏng dữ liệu hoặc gây ra sự cố âm thầm.
Quản trị và khả năng quan sát
Celigo cung cấp khả năng giám sát, ghi nhật ký và kiểm soát truy cập thống nhất trên mọi quy trình làm việc được điều phối bởi AI trên nền tảng này. Không giống như các công cụ điều phối chuyên biệt chỉ quản lý những gì xảy ra trong một ứng dụng duy nhất, trình điều phối của Celigo bao trùm mọi hệ thống liên quan.
Bạn có thể thấy ai đã kích hoạt điều gì, quy trình làm việc thất bại ở đâu và tại sao – với khả năng hiển thị đầy đủ trên toàn bộ hệ thống của bạn. Mức độ quan sát liên hệ giữa các hệ thống đó là điều phân biệt việc điều phối AI được quản lý chặt chẽ với việc tự động hóa tùy chỉnh được xây dựng bên trong các công cụ riêng lẻ.
Tăng cường sức mạnh mã nguồn thấp
Nhóm CNTT và nhóm vận hành cộng tác trên cùng một nền tảng bằng cách sử dụng các công cụ mã nguồn thấp của Celigo để xây dựng, điều chỉnh và quản lý quy trình làm việc của AI mà không cần phải xây dựng lại logic trong từng hệ thống. Nhóm vận hành có thể sửa đổi các quy tắc định tuyến và ánh xạ dữ liệu. Nhóm CNTT duy trì quyền quản trị và kiểm soát. Không nhóm nào phải lựa chọn giữa tốc độ và việc duy trì giám sát.
Bạn đã sẵn sàng triển khai AI trên toàn bộ hệ thống kinh doanh của mình chưa?
