KHUNG CHIẾN LƯỢC AI CANVAS: MÔ HÌNH VẼ NHANH CHIẾN LƯỢC AI HIỆU QUẢ

Muốn AI không chỉ là xu hướng mà trở thành lợi thế cạnh tranh bền vững cho doanh nghiệp? Khung chiến lược AI Canvas cung cấp một phương pháp tiếp cận có hệ thống, giúp bạn đánh giá, lựa chọn và triển khai các dự án AI một cách thông minh. Cùng Trường Doanh nhân HBR tìm hiểu sâu hơn trong các nội dung dưới đây!

1. Khung chiến lược AI Canvas là gì?

Khung chiến lược AI Canvas là một công cụ hoạch định chiến lược trực quan, thường được trình bày dưới dạng một bảng biểu (canvas) với các khối (ô) thông tin được xác định trước. 

AI Canvas được phát triển bởi Kevin Dewalt nhằm giúp các tổ chức, từ startup đến tập đoàn lớn, hệ thống hóa quá trình suy nghĩ, thảo luận và ra quyết định liên quan đến việc áp dụng trí tuệ nhân tạo.

Nếu bạn đã quen thuộc với các mô hình canvas khác như Business Model Canvas (Mô hình Kinh doanh Canvas) hay Lean Canvas (Canvas tinh gọn), bạn sẽ nhận thấy sự tương đồng trong cách tiếp cận trực quan và cấu trúc dựa trên các khối. Tuy nhiên, các mô hình này vẫn có sự khác biệt lớn, cụ thể như sau:

2. Lợi ích vượt trội khi sử dụng khung chiến lược AI Canvas

Việc áp dụng khung chiến lược AI Canvas mang lại những lợi ích thiết thực, đặc biệt quan trọng trong giai đoạn đầu và xuyên suốt quá trình phát triển các sản phẩm trí tuệ nhân tạo (AI) và học máy (Machine Learning - ML). Dưới đây là những lợi ích vượt trội:

• Thấu hiểu sản phẩm AI/ML ngay từ giai đoạn sơ khai: Khung chiến lược AI Canvas buộc đội ngũ phải định nghĩa rõ mục tiêu, phạm vi và giá trị cốt lõi của sản phẩm từ rất sớm, tạo nền tảng vững chắc trước khi bắt tay vào phát triển chi tiết.
• Đồng bộ hóa tầm nhìn và hiểu biết về sản phẩm: Công cụ này tạo không gian chung để các bên liên quan cùng thảo luận, thống nhất nhận thức và mục tiêu về sản phẩm AI, đảm bảo tất cả cùng nhìn về một hướng.
• Đánh giá chính xác khả năng và hiện trạng dữ liệu: Quá trình sử dụng canvas thúc đẩy việc phân tích sớm và kỹ lưỡng các yêu cầu dữ liệu cũng như thực trạng sẵn có, giúp lường trước các thách thức liên quan đến dữ liệu.
• Xác định rõ khách hàng/người dùng và giá trị mang lại: Canvas giúp làm rõ chân dung khách hàng mục tiêu và cách sản phẩm AI sẽ giải quyết vấn đề hoặc mang lại những lợi ích cụ thể, thiết thực cho họ.
• Xác định năng lực và kỹ năng cần thiết: Khung làm việc này giúp nhận diện sớm các yêu cầu về chuyên môn và kỹ năng đặc thù cần có để xây dựng sản phẩm AI, từ đó có kế hoạch chuẩn bị nhân sự phù hợp.
• Hiểu rõ chi phí phát triển và tác động tài chính: Công cụ này hỗ trợ việc ước tính các khoản đầu tư cần thiết và dự phóng các lợi ích tài chính, giúp đánh giá tính khả thi và hiệu quả kinh tế của dự án AI.

3. Các thành phần cốt lõi của khung chiến lược AI Canvas

Một Khung chiến lược AI Canvas điển hình thường bao gồm khoảng 9 đến 12 khối. Cung Trường Doanh nhân HBR khám phá chi tiết 11 thành phần cốt lõi, thường được xem là xương sống của một chiến lược AI toàn diện. Việc hiểu rõ từng khối sẽ giúp doanh nghiệp khai thác tối đa sức mạnh của công cụ này.

1 - Tầm nhìn AI (AI Vision)

Khối đầu tiên xác định mục tiêu dài hạn và trạng thái tương lai mà doanh nghiệp mong muốn đạt được thông qua việc ứng dụng AI. Tầm nhìn AI không chỉ là về công nghệ, mà là về cách AI sẽ đóng góp vào sứ mệnh và mục tiêu kinh doanh cốt lõi.

Câu hỏi gợi ý:

• AI sẽ giúp doanh nghiệp của chúng ta trở thành gì trong 3-5 năm tới?
• Những thách thức lớn nhất nào của ngành hoặc của doanh nghiệp mà AI có thể giúp giải quyết?
• AI sẽ thay đổi cách chúng ta tạo ra giá trị cho khách hàng như thế nào?
• Chúng ta muốn được biết đến như thế nào trong lĩnh vực ứng dụng AI?

Ví dụ: Trở thành nhà bán lẻ hàng đầu về trải nghiệm khách hàng cá nhân hóa thông qua việc ứng dụng AI để thấu hiểu và đáp ứng mọi nhu cầu của từng cá nhân.

2 - Sáng kiến/Dự án AI (AI Initiatives/Projects)

Từ tầm nhìn AI rộng lớn, khối này cụ thể hóa thành các dự án, trường hợp sử dụng (use cases) hoặc sáng kiến AI cụ thể sẽ được ưu tiên triển khai để hiện thực hóa tầm nhìn đó.

Câu hỏi gợi ý:

• Những dự án AI cụ thể nào sẽ giúp chúng ta đạt được Tầm nhìn AI?
• Dự án nào mang lại tác động kinh doanh lớn nhất với nỗ lực hợp lý?
• Lĩnh vực nào trong chuỗi giá trị (marketing, sales, vận hành, R&D, dịch vụ khách hàng) có thể hưởng lợi nhiều nhất từ AI?
• Các dự án này có tính khả thi về mặt kỹ thuật và dữ liệu không?

Ví dụ: Chatbot thông minh hỗ trợ 24/7, hệ thống gợi ý sản phẩm cá nhân hóa, công cụ dự đoán nhu cầu tồn kho, nền tảng phát hiện gian lận giao dịch.

3 - Dữ liệu (Data)

Dữ liệu là "nhiên liệu" của AI. Khối này tập trung vào việc xác định các nguồn dữ liệu cần thiết, chất lượng, tính sẵn có, cách thu thập, lưu trữ, quản lý và đảm bảo an ninh, bảo mật dữ liệu cho các sáng kiến AI.

Câu hỏi gợi ý:

• Chúng ta cần loại dữ liệu nào (có cấu trúc, phi cấu trúc, nội bộ, bên ngoài) cho từng sáng kiến AI?
• Dữ liệu hiện có ở đâu? Chất lượng (đầy đủ, chính xác, nhất quán, kịp thời) của nó ra sao?
• Làm thế nào để thu thập thêm dữ liệu cần thiết? Có cần làm giàu dữ liệu không?
• Chiến lược quản trị dữ liệu (data governance) là gì? Ai chịu trách nhiệm?
• Các quy định về quyền riêng tư và bảo mật dữ liệu (ví dụ: GDPR, luật Việt Nam) được tuân thủ như thế nào?

Ví dụ: Dữ liệu giao dịch khách hàng, dữ liệu hành vi duyệt web, dữ liệu từ cảm biến IoT, văn bản, hình ảnh, video.

4 - Công nghệ & Cơ sở hạ tầng (Technology & Infrastructure)

Xác định các công nghệ AI cụ thể (ví dụ như Machine Learning, Natural Language Processing, Computer Vision), thuật toán, nền tảng (platforms), công cụ (tools) và cơ sở hạ tầng phần cứng/phần mềm cần thiết để xây dựng, huấn luyện, triển khai và vận hành các mô hình AI.

Câu hỏi gợi ý:

• Những công nghệ AI nào phù hợp nhất với các sáng kiến đã chọn?
• Chúng ta sẽ tự xây dựng (build), mua (buy) hay hợp tác (partner) để có được các công nghệ này?
• Nền tảng điện toán (đám mây, tại chỗ, hybrid) nào sẽ được sử dụng?
• Các công cụ MLOps (Machine Learning Operations) nào cần để quản lý vòng đời mô hình AI?
• Cơ sở hạ tầng hiện tại có đáp ứng được yêu cầu về tính toán và lưu trữ không?

Ví dụ: Python, TensorFlow, PyTorch, các dịch vụ AI của AWS/Azure/Google Cloud, nền tảng Big Data (Hadoop, Spark), GPU.

5 - Nhân tài & Kỹ năng (Talent & Skills)

Con người là một trong những yếu tố then chốt. Khối này tập trung vào việc xác định các vai trò, kỹ năng cần thiết trong đội ngũ AI (ví dụ: nhà khoa học dữ liệu, kỹ sư AI/ML, kỹ sư dữ liệu, chuyên gia phân tích kinh doanh AI) và chiến lược để thu hút, đào tạo, phát triển và giữ chân nhân tài.

Câu hỏi gợi ý:

• Chúng ta cần những kỹ năng AI nào (kỹ thuật, kinh doanh, đạo đức)?
• Hiện tại đội ngũ của chúng ta có những kỹ năng nào? Đâu là khoảng trống?
• Chiến lược tuyển dụng nhân tài AI là gì?
• Làm thế nào để đào tạo lại (reskill) và nâng cao kỹ năng (upskill) cho nhân viên hiện tại?
• Có cần thuê chuyên gia tư vấn hoặc đối tác bên ngoài không?
• Văn hóa tổ chức có sẵn sàng cho việc ứng dụng AI không?

Ví dụ: Chương trình đào tạo nội bộ về AI, hợp tác với các trường đại học, xây dựng một trung tâm xuất sắc về AI (AI CoE).

6 - Quy trình & Vận hành (Processes & Operations)

AI không tồn tại trong chân không. Nó cần được tích hợp một cách liền mạch vào các quy trình kinh doanh hiện tại hoặc đòi hỏi phải thiết kế lại các quy trình đó để tận dụng tối đa lợi ích của AI. Khối này xem xét cách AI sẽ thay đổi cách thức làm việc hàng ngày.

Câu hỏi gợi ý:

• AI sẽ được tích hợp vào những quy trình kinh doanh nào?
• Những quy trình nào cần được tự động hóa hoặc tối ưu hóa bằng AI?
• Cần thay đổi gì trong quy trình làm việc hiện tại để AI phát huy hiệu quả?
• Làm thế nào để quản lý sự thay đổi và đảm bảo nhân viên chấp nhận các quy trình mới có sự tham gia của AI?
• Ai sẽ chịu trách nhiệm giám sát và duy trì các hệ thống AI sau khi triển khai?

Ví dụ: Tích hợp Chatbot AI vào quy trình hỗ trợ khách hàng, sử dụng AI để duyệt hồ sơ ứng viên trong quy trình tuyển dụng, áp dụng bảo trì dự đoán trong quy trình sản xuất.

7 - Đối tác & Hệ sinh thái (Partners & Ecosystem)

Không phải doanh nghiệp nào cũng có đủ mọi nguồn lực và chuyên môn để tự mình triển khai AI. Khối này xác định các đối tác tiềm năng có thể hỗ trợ, bao gồm nhà cung cấp công nghệ, công ty tư vấn, viện nghiên cứu, trường đại học hoặc các startup AI.

Câu hỏi gợi ý:

• Chúng ta có cần hợp tác với bên ngoài để bổ sung năng lực AI không?
• Những loại đối tác nào là phù hợp (công nghệ, dữ liệu, chuyên môn, triển khai)?
• Tiêu chí lựa chọn đối tác là gì?
• Làm thế nào để quản lý mối quan hệ với các đối tác một cách hiệu quả?
• Có cơ hội nào để tham gia hoặc xây dựng một hệ sinh thái AI không?

Ví dụ: Hợp tác với một trường đại học để nghiên cứu giải thuật mới, thuê một công ty tư vấn để xây dựng lộ trình AI, sử dụng các dịch vụ AI từ một nhà cung cấp đám mây lớn.

8 - Đạo đức & Trách nhiệm (Ethics & Responsibility)

Việc ứng dụng AI đặt ra nhiều câu hỏi quan trọng về đạo đức, công bằng, minh bạch và trách nhiệm. Khối này đảm bảo rằng các cân nhắc này được tích hợp vào chiến lược AI ngay từ đầu, chứ không phải là một suy nghĩ sau cùng.

Câu hỏi gợi ý:

• Những vấn đề đạo đức tiềm ẩn nào liên quan đến các sáng kiến AI của chúng ta (ví dụ: thiên vị trong thuật toán, mất quyền riêng tư, thiếu giải thích được)?
• Làm thế nào để đảm bảo tính công bằng, minh bạch và giải trình được của các hệ thống AI?
• Ai chịu trách nhiệm khi AI mắc lỗi hoặc gây ra hậu quả không mong muốn?
• Chiến lược của chúng ta có tuân thủ các quy định pháp lý và tiêu chuẩn ngành liên quan đến AI không?
• AI sẽ tác động như thế nào đến lực lượng lao động và xã hội nói chung?

Ví dụ: Xây dựng bộ quy tắc ứng xử AI cho doanh nghiệp, thành lập hội đồng đạo đức AI, thực hiện kiểm toán thuật toán để phát hiện thiên vị.

9 - Giá trị & Đo lường (Value & Metrics)

AI phải mang lại giá trị kinh doanh cụ thể. Khối này xác định những lợi ích hữu hình và vô hình mà các sáng kiến AI được kỳ vọng sẽ tạo ra, cùng với các chỉ số hiệu suất chính (KPIs) để đo lường sự thành công.

Câu hỏi gợi ý:

• Giá trị kinh doanh cốt lõi mà mỗi sáng kiến AI mang lại là gì (ví dụ: tăng doanh thu, giảm chi phí, cải thiện hiệu quả, nâng cao trải nghiệm khách hàng, giảm rủi ro)?
• Làm thế nào để định lượng các giá trị này?
• Những KPIs nào sẽ được sử dụng để theo dõi tiến độ và đo lường tác động của AI?
• Tỷ suất hoàn vốn (ROI) dự kiến của các dự án AI là bao nhiêu?

Ví dụ: Tăng tỷ lệ chuyển đổi khách hàng 15%, giảm chi phí vận hành 10%, tăng điểm hài lòng của khách hàng (CSAT) lên X điểm, giảm thời gian xử lý yêu cầu Y%.

10 - Chi phí & Nguồn lực (Costs & Resources)

Triển khai AI đòi hỏi đầu tư. Khối này tập trung vào việc ước tính các chi phí liên quan (công nghệ, nhân sự, dữ liệu, đào tạo, tư vấn, vận hành) và các nguồn lực phi tài chính cần thiết.

Câu hỏi gợi ý:

• Ngân sách dự kiến cho từng giai đoạn của chiến lược AI là bao nhiêu?
• Các khoản chi phí chính là gì (đầu tư ban đầu, chi phí vận hành liên tục)?
• Ngoài tiền, chúng ta cần những nguồn lực nào khác (thời gian của nhân viên, cơ sở vật chất)?
• Mô hình tài trợ cho các dự án AI là gì (ngân sách trung tâm, ngân sách bộ phận)?

Ví dụ: Chi phí mua giấy phép phần mềm, chi phí thuê máy chủ đám mây, lương cho đội ngũ AI, chi phí đào tạo nhân viên, ngân sách cho việc thu thập và làm sạch dữ liệu.

11 - Rủi ro & Thách thức (Risks & Challenges)

Mọi dự án đều có rủi ro và các dự án AI cũng không ngoại lệ, thậm chí còn có những rủi ro đặc thù. Khối này giúp nhận diện sớm các rủi ro tiềm ẩn (kỹ thuật, vận hành, thị trường, con người, đạo đức, pháp lý) và xây dựng kế hoạch để giảm thiểu hoặc đối phó với chúng.

Câu hỏi gợi ý:

• Những rủi ro kỹ thuật nào có thể xảy ra (ví dụ: mô hình hoạt động không chính xác, khó khăn trong tích hợp)?
• Những thách thức về dữ liệu nào có thể gặp phải (thiếu dữ liệu, chất lượng kém)?
• Rủi ro về con người là gì (thiếu kỹ năng, sự phản kháng với thay đổi)?
• Những thay đổi về thị trường hoặc đối thủ cạnh tranh có thể ảnh hưởng đến chiến lược AI của chúng ta như thế nào?
• Kế hoạch dự phòng (contingency plans) cho các rủi ro chính là gì?

Ví dụ: Rủi ro thuật toán học sai từ dữ liệu thiên vị, rủi ro nhân viên không chấp nhận công cụ AI mới, rủi ro đối thủ ra mắt giải pháp AI vượt trội hơn.

4. Quy trình xây dựng khung chiến lược AI Canvas chi tiết cho SMEs

Theo như chia sẻ của Mr. Tony Dzung, Chủ tịch HĐQT HBR Holdings: “Để một công cụ chiến lược như AI Canvas thực sự phát huy giá trị, đặc biệt là với các doanh nghiệp SMEs thì việc hiểu rõ và áp dụng một quy trình xây dựng bài bản, có sự tham gia và đồng lòng của cả đội ngũ chính là chìa khóa”.

Việc xây dựng Khung chiến lược AI Canvas là một quá trình tương tác, đòi hỏi sự tham gia của nhiều bên với tư duy mở. Dưới đây là hướng dẫn chi tiết các bước để bạn và đội ngũ của mình có thể tạo ra một AI Canvas hiệu quả:

Bước 1: Chuẩn bị kỹ lưỡng (Nền tảng cho thành công)

Đây là bước đặt nền móng, quyết định phần lớn sự thành công của toàn bộ quá trình.

1 - Thành lập đội ngũ nòng cốt (Core Team)

• Ai nên tham gia? Một đội ngũ đa chức năng là sự lựa chọn lý tưởng. Bao gồm đại diện từ:
• Ban Lãnh đạo (C-level, Business Unit Heads): Để đảm bảo sự phù hợp chiến lược và quyền ra quyết định.
• Bộ phận Kinh doanh/Marketing/Sales: Để hiểu rõ nhu cầu thị trường, khách hàng và cơ hội tạo giá trị.
• Bộ phận Vận hành/Sản xuất: Để hiểu quy trình hiện tại và tiềm năng tối ưu hóa.
• Bộ phận Công nghệ Thông tin (IT) và Dữ liệu: Để đánh giá năng lực kỹ thuật, cơ sở hạ tầng và hiện trạng dữ liệu.
• Chuyên gia AI/Khoa học Dữ liệu (nếu có): Để cung cấp kiến thức chuyên môn về AI.
• (Tùy chọn) Đại diện Pháp lý/Nhân sự: Để sớm nhận diện các vấn đề liên quan đến đạo đức, tuân thủ và nhân sự.
• Quy mô đội: Khoảng 5-8 người là tối ưu cho các buổi làm việc hiệu quả.
• Người điều phối (Facilitator): Chọn một người có kỹ năng điều phối tốt, có thể không nhất thiết là chuyên gia AI, nhưng phải hiểu quy trình và giữ cho buổi làm việc tập trung, hiệu quả.

2 - Thu thập thông tin đầu vào

• Chiến lược kinh doanh tổng thể của công ty: Mục tiêu, ưu tiên, lợi thế cạnh tranh.
• Phân tích ngành và đối thủ cạnh tranh: Họ đang làm gì với AI? Xu hướng AI trong ngành là gì?
• Đánh giá nội bộ:
• Hiện trạng công nghệ: Hệ thống, phần mềm, cơ sở hạ tầng hiện có.
• Hiện trạng dữ liệu: Các nguồn dữ liệu, chất lượng, khả năng truy cập, chính sách quản trị dữ liệu.
• Năng lực nhân sự: Kỹ năng AI hiện có, nhu cầu đào tạo.
• Các dự án AI đã hoặc đang triển khai (nếu có): Rút ra bài học kinh nghiệm để triển khai cho dự án AI Canvas.
• Nghiên cứu về các ứng dụng AI tiềm năng liên quan đến ngành và mục tiêu của công ty.

Bước 2: Xác định và thống nhất tầm nhìn AI (AI Vision)

Đây là bước khởi đầu quan trọng, đặt nền móng định hướng cho toàn bộ chiến lược AI. Một tầm nhìn AI (AI Vision) rõ ràng và được đồng thuận sẽ là kim chỉ nam, đảm bảo các sáng kiến AI phù hợp với mục tiêu kinh doanh và khát vọng dài hạn của tổ chức.

1 - Khởi động và Brainstorming

Người điều phối giới thiệu mục tiêu của việc xác định tầm nhìn AI, nhấn mạnh vai trò của nó trong việc định hướng tương lai. Các thành viên sau đó dành thời gian brainstorming cá nhân, viết ra các ý tưởng về việc AI sẽ giúp doanh nghiệp chuyển đổi và đạt được vị thế như thế nào trong 3-5 năm tới.

Ví dụ: AI sẽ mang lại lợi thế cạnh tranh đột phá nào?, Khách hàng sẽ cảm nhận sự khác biệt gì nhờ AI?. Mỗi ý tưởng nên được ghi trên một giấy ghi chú riêng.

2 - Chia sẻ, gom nhóm và thảo luận

Từng thành viên chia sẻ ý tưởng của mình. Các ý tưởng tương tự được gom lại thành các chủ đề lớn trên một bảng chung. Sau đó, cả nhóm thảo luận về từng chủ đề, đánh giá tiềm năng dựa trên các tiêu chí như tính truyền cảm hứng, tham vọng nhưng khả thi, sự phù hợp với chiến lược chung và tính rõ ràng. Mục tiêu là chọn lọc hoặc tổng hợp để tạo ra một vài dự thảo “Tuyên bố Tầm nhìn AI tiềm năng”.

3 - Hoàn thiện tuyên bố tầm nhìn AI

Cả nhóm cùng nhau tinh chỉnh dự thảo cuối cùng, tập trung vào ngôn từ mạnh mẽ, súc tích và truyền cảm hứng. Tuyên bố tầm nhìn AI nên ngắn gọn, dễ nhớ và phản ánh rõ khát vọng của tổ chức về vai trò của AI trong tương lai.

Ví dụ: Trở thành người dẫn đầu ngành X bằng cách tiên phong ứng dụng AI để mang lại trải nghiệm khách hàng cá nhân hóa vượt trội và tối ưu hóa vận hành thông minh.

→ Mẹo quan trọng:

• Cân bằng giữa "nghĩ lớn" và thực tế: Khuyến khích tư duy đột phá nhưng vẫn đảm bảo Tầm nhìn AI kết nối với năng lực và bối cảnh hiện tại của doanh nghiệp.
• Trả lời câu hỏi cốt lõi: Tầm nhìn nên ngầm trả lời: AI sẽ giúp chúng ta trở thành một tổ chức như thế nào trong tương lai? và "Tác động chính của AI sẽ là gì?
• Đảm bảo tính lan tỏa: Tầm nhìn AI cần dễ hiểu và truyền cảm hứng cho toàn bộ tổ chức, không chỉ giới hạn trong đội ngũ kỹ thuật hay lãnh đạo.

Bước 3: Lần lượt điền các khối trong AI Canvas

Sau khi có tầm nhìn AI, bước tiếp theo là đi sâu vào từng khối của AI Canvas để xây dựng một chiến lược toàn diện. Không có thứ tự bắt buộc, nhưng một trình tự logic sẽ giúp quá trình mạch lạc hơn.

Trình tự gợi ý và cách tiếp cận:

Doanh nghiệp có thể tham khảo các câu hỏi đã liệt kê ở từng khối trong phần 3:

• Tầm nhìn AI (đã xác định ở Bước 2)
• Sáng kiến/Dự án AI: Ví dụ: Phát triển hệ thống AI gợi ý sản phẩm cá nhân hóa trên trang thương mại điện tử.
• Giá trị & Đo lường: Ví dụ: Tăng tỷ lệ chuyển đổi thêm 10% và doanh thu trung bình mỗi người dùng (ARPU) lên 15% trong vòng 1 năm.
• Dữ liệu: Ví dụ: Cần thu thập và làm sạch dữ liệu lịch sử mua hàng, hành vi duyệt web và thông tin nhân khẩu học của khách hàng.
• Công nghệ & Cơ sở hạ tầng: Ví dụ: Sử dụng thuật toán Collaborative Filtering trên nền tảng điện toán đám mây với khả năng mở rộng linh hoạt.
• Nhân tài & Kỹ năng: Ví dụ: Tuyển dụng 2 kỹ sư dữ liệu và 1 nhà khoa học dữ liệu, đồng thời nâng cao kỹ năng AI cho đội ngũ Marketing.
• Quy trình & Vận hành: Ví dụ: Tự động hóa quy trình đề xuất sản phẩm trong Email Marketing và trên giao diện người dùng sau khi đăng nhập.
• Chi phí & Nguồn lực: Ví dụ: Dự kiến ngân sách 2 tỷ đồng cho năm đầu bao gồm chi phí nhân sự, công nghệ và dữ liệu.
• Đối tác & Hệ sinh thái: Ví dụ: Hợp tác với một công ty phân tích dữ liệu bên thứ ba để làm giàu nguồn dữ liệu khách hàng
• Đạo đức & Trách nhiệm: Ví dụ: Đảm bảo tính minh bạch trong cách AI đưa ra gợi ý và bảo vệ tuyệt đối quyền riêng tư dữ liệu người dùng.
• Rủi ro & Thách thức: Ví dụ: Nguy cơ thiếu dữ liệu chất lượng cao ban đầu và thách thức trong việc giữ chân nhân tài AI sau khi tuyển dụng.

Cách thực hiện cho mỗi khối:

• Người điều phối giới thiệu ý nghĩa của khối và các câu hỏi gợi ý (như đã nêu ở Mục II).
• Brainstorming cá nhân: Mỗi người tự suy nghĩ và viết ý tưởng lên giấy ghi chú.
• Chia sẻ và dán lên Canvas: Lần lượt chia sẻ và dán các ý tưởng vào khối tương ứng trên bảng AI Canvas lớn.
• Thảo luận nhóm: Trao đổi, làm rõ, gom nhóm các ý tưởng tương đồng, loại bỏ những ý không phù hợp.
• Ghi lại kết quả: Tổng hợp các ý chính được thống nhất vào từng khối.

Lưu ý quan trọng:

• Khuyến khích sự tham gia của tất cả mọi người. Không có ý tưởng nào là tồi ở giai đoạn này.
• Sử dụng giấy ghi chú để dễ dàng di chuyển, gom nhóm và thay đổi.
• Tập trung vào thảo luận và tương tác, không chỉ là điền vào chỗ trống.
• Chụp ảnh lại Canvas sau mỗi buổi làm việc hoặc khi có thay đổi lớn.

Bước 4: Kết nối các yếu tố và xác định sự phụ thuộc lẫn nhau

Sau khi các khối thông tin cơ bản trong AI Canvas đã được điền tương đối đầy đủ, bước này đóng vai trò then chốt để biến các mảnh ghép rời rạc thành một bức tranh chiến lược AI tổng thể, mạch lạc và có tính liên kết cao. Mục đích là để hiểu rõ các yếu tố nào hỗ trợ, cản trở hoặc bị tác động bởi các yếu tố khác, từ đó đảm bảo tính nhất quán và khả thi của toàn bộ chiến lược.

• Quan sát toàn cảnh Canvas: Cả nhóm cần nhìn bao quát toàn bộ khung chiến lược AI Canvas đã được điền. Việc này giúp có cái nhìn tổng quan trước khi đi sâu vào phân tích các mối liên hệ chi tiết.
• Thảo luận chuyên sâu về mối quan hệ giữa các khối: Đây là trọng tâm của bước này. Người điều phối sẽ dẫn dắt cuộc thảo luận, có thể tập trung vào từng "Sáng kiến AI" làm trung tâm và truy vết các kết nối của nó:
• Xác định yếu tố hỗ trợ (Enablers): Với một "Sáng kiến AI" cụ thể, hãy đặt câu hỏi:
• Sáng kiến này cần những loại Dữ liệu nào để thành công? Dữ liệu đó có sẵn không, chất lượng ra sao?
• Cần áp dụng Công nghệ & Cơ sở hạ tầng nào để triển khai sáng kiến này?
• Đội ngũ cần có những Nhân tài & Kỹ năng đặc thù nào?
• Có cần sự hỗ trợ từ Đối tác & Hệ sinh thái bên ngoài không?
• Phân tích yếu tố tác động (Impacts):
• Sáng kiến AI này sẽ tạo ra Giá trị & Đo lường cụ thể nào cho doanh nghiệp và khách hàng?"
• Nó sẽ ảnh hưởng hoặc thay đổi các Quy trình & Vận hành hiện tại như thế nào?
• Những cân nhắc về Đạo đức & Trách nhiệm nào nảy sinh khi triển khai sáng kiến này?
• Chi phí & Nguồn lực dự kiến để thực hiện là bao nhiêu?
• Nhận diện yếu tố cản trở/rủi ro (Constraints/Risks):
• Những Rủi ro & Thách thức nào có thể ảnh hưởng tiêu cực đến việc triển khai và thành công của sáng kiến này?"
• Sự thiếu hụt về Dữ liệu, Công nghệ hoặc Nhân tài có thể cản trở tiến độ ra sao?

Để làm rõ các mối quan hệ, hãy sử dụng bút màu hoặc các đường nối/mũi tên trực tiếp trên AI Canvas. Ví dụ:

• Vẽ một đường nối từ một "Sáng kiến AI" đến khối "Dữ liệu" cụ thể mà nó yêu cầu.
• Sử dụng mũi tên để chỉ ra một "Rủi ro" có thể tác động đến nhiều "Sáng kiến AI".
• Có thể dùng màu sắc khác nhau để phân biệt. Ví dụ, đường màu xanh cho các mối quan hệ hỗ trợ, đường màu đỏ cho các rủi ro hoặc cản trở.

Mục đích và giá trị của bước này:

• Xác thực tính khả thi: Đánh giá xem các sáng kiến AI có thực sự khả thi với các nguồn lực, dữ liệu và công nghệ đã xác định hay không.
• Phát hiện lỗ hổng và mâu thuẫn: Nhận diện những điểm chưa hợp lý, ví dụ một sáng kiến quan trọng nhưng thiếu nguồn dữ liệu rõ ràng, hoặc một mục tiêu giá trị không có sáng kiến AI nào hỗ trợ trực tiếp.
• Tăng cường sự chặt chẽ của chiến lược: Đảm bảo rằng mọi thành phần trong AI Canvas đều hỗ trợ và củng cố lẫn nhau, tạo thành một câu chuyện chiến lược nhất quán.
• Chuẩn bị cho việc ưu tiên hóa: Hiểu rõ sự phụ thuộc là cơ sở quan trọng để đưa ra quyết định ưu tiên các sáng kiến ở bước tiếp theo.

Bước 5: Ưu tiên hóa sáng kiến và lập lộ trình sơ bộ

Với nguồn lực có hạn, việc ưu tiên các sáng kiến AI là cần thiết để đảm bảo sự tập trung và hiệu quả. Bước này giúp doanh nghiệp chọn ra những dự án quan trọng nhất để thực hiện trước và phác thảo kế hoạch hành động ban đầu.

• Đánh giá và xếp hạng sáng kiến AI: Rà soát lại toàn bộ các sáng kiến đã đề xuất. Thống nhất các tiêu chí đánh giá quan trọng như tiềm năng giá trị mang lại, tính khả thi (kỹ thuật, dữ liệu), mức độ phù hợp với tầm nhìn AI và nguồn lực yêu cầu. Sử dụng các công cụ như ma trận Tác động/Nỗ lực hoặc hệ thống chấm điểm đơn giản để xếp hạng tương đối các sáng kiến.
• Lựa chọn ưu tiên và xây dựng lộ trình ban đầu: Dựa trên kết quả đánh giá, chọn ra một số ít (2-3) sáng kiến hàng đầu để tập trung triển khai. Ưu tiên các dự án "thắng lợi nhanh" (quick wins) để tạo đà và chứng minh giá trị sớm. Từ đó, xây dựng một lộ trình sơ bộ cho các sáng kiến này, bao gồm các giai đoạn chính, mục tiêu từng giai đoạn và khung thời gian dự kiến.

Bước 6: Đánh giá, lặp lại và điều chỉnh liên tục

Khung chiến lược AI Canvas không phải là một tài liệu tĩnh hoàn thành một lần rồi thôi. Để duy trì tính hiệu quả và sự phù hợp, nó cần được xem xét, cải tiến và cập nhật thường xuyên, trở thành một công cụ "sống" đồng hành cùng sự phát triển AI của doanh nghiệp.

• Đánh giá: Sau khi hoàn thành bản phác thảo đầu tiên, hãy dành thời gian để cả nhóm cùng nhìn lại, đánh giá tính logic, nhất quán và đầy đủ của Canvas. Có thể mời một vài người bên ngoài đội ngũ nòng cốt (có chuyên môn hoặc góc nhìn khác) để cho ý kiến phản biện.
• Lặp lại (Iterate): Dựa trên phản hồi và những hiểu biết mới, quay lại điều chỉnh các khối trong Canvas. Quá trình này có thể lặp đi lặp lại nhiều lần. Đừng ngại thay đổi, xóa bỏ hoặc thêm mới thông tin.
• Điều chỉnh liên tục (Living Document): Chiến lược AI cần được xem xét và cập nhật định kỳ (ví dụ: hàng quý, nửa năm một lần) hoặc khi có những thay đổi lớn:
• Thay đổi trong chiến lược kinh doanh của công ty.
• Xuất hiện công nghệ AI mới đột phá.
• Thay đổi trong môi trường cạnh tranh hoặc quy định pháp lý.
• Kết quả từ các dự án AI đã triển khai.

Mẹo chung cho quá trình xây dựng AI Canvas:

• Sử dụng màu sắc, hình vẽ, biểu tượng để làm cho Canvas sinh động và dễ nhớ.
• Đừng cố gắng làm cho mọi thứ hoàn hảo ngay từ lần đầu tiên.
• Tập trung vào "đủ tốt để bắt đầu" thay vì "hoàn hảo".
• Đảm bảo mọi người trong đội ngũ và các bên liên quan quan trọng được cập nhật về tiến trình.

5. Những sai lầm thường gặp khi sử dụng AI Canvas và cách khắc phục

Mặc dù khung chiến lược AI Canvas là một công cụ mạnh mẽ, nhưng khi sử dụng vẫn không tránh khỏi những thách thức. Nhận biết và tránh được những sai lầm phổ biến sẽ giúp doanh nghiệp của bạn khai thác tối đa giá trị của nó.

• Thiếu sự tham gia đa dạng và cam kết từ lãnh đạo: Chiến lược AI chỉ do một nhóm nhỏ xây dựng, thiếu góc nhìn đa chiều và sự ủng hộ từ cấp quản lý, dẫn đến tính phiến diện và khó khăn khi triển khai. → Giải pháp: Đảm bảo sự tham gia của đại diện đa phòng ban và lãnh đạo cấp cao trong suốt quá trình xây dựng AI Canvas.
• Mục tiêu AI quá tham vọng hoặc mơ hồ: Đặt ra các mục tiêu AI không thực tế, quá lớn hoặc thiếu cụ thể, khiến đội ngũ mất phương hướng và khó đo lường được tiến độ cũng như hiệu quả. → Giải pháp khắc phục: Cân bằng giữa tầm nhìn dài hạn và các mục tiêu AI theo nguyên tắc SMART.
• Bỏ qua hoặc xem nhẹ yếu tố đạo đức, trách nhiệm và quản trị dữ liệu: Quá tập trung vào khía cạnh công nghệ mà lơ là các vấn đề đạo đức, pháp lý và quản trị dữ liệu, tiềm ẩn rủi ro về uy tín và tuân thủ. → Giải pháp: Ưu tiên xem xét và tích hợp các khía cạnh đạo đức, bảo mật và quản trị dữ liệu ngay từ giai đoạn đầu hoạch định.
• Coi AI Canvas là một tài liệu tĩnh, tạo ra một lần: Hoàn thành AI Canvas rồi không cập nhật thường xuyên, khiến chiến lược nhanh chóng trở nên lỗi thời trước những thay đổi của thị trường và công nghệ. → Giải pháp: Xem AI Canvas là một tài liệu "sống", cần được định kỳ xem xét và điều chỉnh để phản ánh những thay đổi.
• Thiếu sự kết nối và phân tích mối liên hệ giữa các yếu tố: Điền thông tin vào các khối một cách riêng lẻ, không xem xét kỹ mối tương quan và sự phụ thuộc lẫn nhau, làm cho chiến lược thiếu tính nhất quán. → Giải pháp: Dành thời gian phân tích kỹ lưỡng mối liên kết và sự phụ thuộc logic giữa các thành phần khác nhau trên AI Canvas.
• Không ưu tiên hóa các sáng kiến AI một cách hiệu quả: Cố gắng dàn trải nguồn lực thực hiện quá nhiều sáng kiến AI cùng lúc hoặc lựa chọn không dựa trên tiêu chí rõ ràng, dẫn đến kém hiệu quả. → Giải pháp: Sử dụng các phương pháp ưu tiên hóa khách quan để chọn lọc và tập trung vào những sáng kiến AI mang lại giá trị cao nhất.

Khung chiến lược AI Canvas không đơn thuần là một mô hình, mà còn là một tư duy tiếp cận chiến lược, giúp quý doanh nghiệp điều hướng hành trình AI một cách chủ động. Đừng quên theo dõi các bài viết khác của Trường Doanh nhân HBR để luôn cập nhật những kiến thức quản trị mới nhất và làm chủ các phương pháp vận hành doanh nghiệp hiện đại.