nhận, nhưng chỉ sau khi xác định được mục tiêu của chúng ta và đánh giá
chi phí của việc gây ra một sai sót.
NHỮNG ĐIỂM CHÍNH
• Các công việc cần được phân tích để thấy ở giai đoạn nào thì nên sử dụng
máy dự đoán. Điều này cho phép bạn ước tính lợi ích của việc cải thiện sự
dự đoán và chi phí của việc tạo ra loại dự đoán đó. Một khi đã tạo ra những
ước tính hợp lý, hệ thống sẽ xếp hạng thứ tự của AI từ ROI cao nhất đến
thấp nhất, bắt đầu từ trên đầu và đi xuống dưới, bổ sung các công cụ AI
chừng nào ROI theo dự đoán vẫn hợp lý.
• Canvas AI hỗ trợ quá trình phân tích. Điền vào canvas AI cho mỗi quyết
định hoặc công việc. Việc này sẽ đưa quy tắc và cấu trúc đi vào quy trình.
Nó bắt bạn phải nắm rõ về ba loại dữ liệu được yêu cầu: đào tạo, đầu vào
và phản hồi. Nó cũng bắt bạn phải nói chính xác bạn cần dự đoán điều gì,
sự đánh giá cần thiết để ước lượng giá trị liên quan đến những hành động
và kết quả khác nhau, những khả năng hành động và những kết quả dự
kiến.
• Cốt lõi của canvas AI là sự dự đoán. Bạn cần xác định được dự đoán cốt
lõi của công việc, và điều này có thể đòi hỏi sự thấu hiểu sâu sắc về AI. Nỗ
lực để trả lời câu hỏi này thường được bắt đầu với một cuộc thảo luận giữa
đội ngũ lãnh đạo: “Mục tiêu thực tế của chúng ta là gì?” Sự dự đoán đòi hỏi
một sự xác định cụ thể mà thường không thấy trên những tuyên bố mục
đích. Ví dụ với một trường kinh tế, có thể dễ dàng nói là họ tập trung vào
việc tuyển những sinh viên “tốt nhất”, nhưng để xác định cụ thể sự dự
đoán, chúng ta cần xác định “sự tốt nhất” là gì – lời mời với mức lương cao
nhất sau khi tốt nghiệp? Khả năng cao đảm nhận vai trò CEO trong vòng
năm năm? Đa tài nhất? Có khả năng đóng góp cho trường sau khi tốt
nghiệp?
