Tất cả chúng ta sớm hay muộn cũng sẽ gặp một khoảnh khắc AI. Chúng ta đã sớm quen thuộc với các nội dung truyền thông tràn ngập những câu chuyện về công nghệ mới làm thay đổi cuộc sống của chúng ta. Một số người thuộc nhóm đam mê công nghệ thì vui mừng trước khả năng mới trong tương lai, nhóm lo sợ công nghệ thì thương tiếc cho những ngày tươi đẹp đã qua; hầu như chúng ta đều đã quá quen với tiếng trống thúc giục của công nghệ đến mức có thể kể lại một cách hờ hững và cảm thấy chỉ có thay đổi là thứ duy nhất miễn nhiễm trước thay đổi. Nhưng đến lúc chúng ta tự mình gặp khoảnh khắc AI thì chúng ta mới nhận ra công nghệ AI này thật sự khác biệt.

Một số nhà khoa học máy tính đã gặp được khoảnh khắc AI năm 2012 khi một nhóm sinh viên thuộc ĐH Toronto đã có một chiến thắng vô cùng ngoạn mục với dự án Image-Net trong cuộc tranh tài nhận diện đối tượng khiến cho trong năm sau toàn bộ các dự án vào vòng chung kết đều ứng dụng phương pháp "học sâu" lúc này vẫn còn mới lạ để tranh tài. Nhận diện đối tượng không chỉ là một trò chơi; nó giúp cho máy móc "có thể nhìn thấy."

Một số CEO công nghệ trải qua khoảnh khắc AI vào tháng 1/2014 khi họ đọc được bản tin hàng đầu rằng Google vừa mới chi ra hơn 600 triệu đô la mua lại công ty DeepMind của Anh, mặc dù công ty khởi nghiệp này có doanh thu không đáng kể so với mức giá họ mua lại nhưng họ đã chứng minh được rằng công cụ AI của mình có thể học – tự học, không cần được lập trình – để chơi các trò chơi điện tử Atari đạt kết quả siêu nhân.

Các công dân bình thường cảm nhận được khoảnh khắc AI vào cuối năm đó khi nhà vật lý học nổi tiếng Stephen Hawking đã giải thích với sự nhấn mạnh rằng, "Tất cả mọi thứ do nền văn minh mang lại đều là sản phẩm của trí tuệ loài người ... Thành công trong việc tạo lập AI là sự kiện vĩ đại nhất trong lịch sử nhân loại."

Nhiều người khác có khoảnh khắc AI khi họ lần đầu tiên bỏ tay khỏi tay lái của chiếc Tesla đang chạy với tốc độ cao, để nó tự động điều hướng giao thông bằng Auto-pilot AI.

Chính phủ Trung Quốc bắt gặp khoảnh khắc AI của mình khi chứng kiến AlphaGo, AI của DeepMind, chiến thắng Lee Se-dol, bậc thầy người Hàn Quốc bộ môn cờ vây, sau đó nó tiếp tục đánh thắng kỳ thủ giỏi nhất thế giới trong môn này, Ke Jie của Trung Quốc. Tờ New York Times mô tả trò chơi này là "khoảnh khắc Sputnik" của Trung Quốc. Sau sự kiện Liên bang Nga phóng tên lửa Sputnik, nước Mỹ đã đổ tiền đầu tư vào khoa học, thì lần này Trung Quốc sau sự kiện này đã đưa ra chiến lược quốc gia đến năm 2030 muốn thống trị thế giới AI và cam kết tài chính biến tuyên bố này thành hiện thực.

Chúng tôi cũng có khoảnh khắc AI năm 2012 khi tại CDL xuất hiện ban đầu còn ít, sau đó là bùng nổ, hàng loạt các công ty AI giai đoạn đầu ứng dụng công nghệ máy học tiên tiến. Ứng dụng xuất hiện xuyên suốt khắp các ngành công nghiệp – nghiên cứu thuốc, dịch vụ khách hàng, sản xuất, đảm bảo chất lượng, bán lẻ, thiết bị y khoa. Công nghệ này vừa mạnh mẽ vừa bao quát, tạo ra giá trị lớn cho nhiều loại hình ứng dụng khác nhau. Chúng tôi đặt mục tiêu thấu hiểu nó về mặt kinh tế. Chúng tôi biết rằng AI cũng chịu tác động của các lý thuyết kinh tế, như bất cứ công nghệ nào khác.

Công nghệ AI, nói một cách đơn giản, thật là tuyệt vời. Thuở ban đầu, nhà đầu tư mạo hiểm nổi tiếng Steve Jurvetson đã nói: "Gần như bất cứ sản phẩm nào bạn tiếp xúc trong vòng năm năm tới mà bạn cảm thấy thật kỳ diệu chắc chắn đều được tạo nên bằng những thuật toán này." Jurvetson mô tả AI là "ma thuật" cũng tương đồng với cách nhìn nhận phổ biến về AI trong những bộ phim như 2001: A Space Odyssey, Star Wars, Blade Runner, hay gần đây hơn là Her, Transcendence, và Ex Machina. Chúng tôi hiểu và đồng cảm với góc nhìn của Jurvetson về việc ứng dụng AI là ma thuật. Nhiệm vụ của những nhà kinh tế học như chúng tôi là biến những ý tưởng tưởng chừng như ma thuật kia trở nên đơn giản, rõ ràng, thực tế.

Dẹp bỏ sự tung hô

Các nhà kinh tế học nhìn nhận thế giới không giống mọi người. Chúng tôi nhìn mọi thứ qua một bộ khung chịu sự tác động của các thế lực như cung và cầu, sản xuất và tiêu dùng, giá cả và chi phí. Mặc dù các nhà kinh tế học thường hay bất đồng ý kiến với nhau, nhưng đó cũng là bất đồng trong một khuôn khổ chung. Chúng tôi tranh luận về các giả định và diễn giải, chứ không tranh luận về các khái niệm cơ bản, ví dụ như vai trò của sự khan hiếm và cạnh tranh trong việc thiết lập giá. Cách nhìn nhận thế giới như vậy tạo ra một điểm lợi riêng. Nhìn tiêu cực, góc nhìn của chúng tôi có vẻ khô khan và không được chào đón tại bữa tiệc tối. Nhìn tích cực, nó giúp chúng tôi nhìn thấu đáo để đưa ra các quyết định kinh doanh hợp lý.

Chúng ta hãy bắt đầu từ điều cơ bản – giá cả. Khi giá của một thứ nào đó giảm xuống, chúng ta sẽ sử dụng nó nhiều hơn. Đây là kinh tế học đơn giản và là thực tế đang diễn ra với AI. AI có mặt ở khắp nơi – tích hợp trong các ứng dụng trên điện thoại, tối ưu hóa mạng lưới điện, thay thế người quản lý danh mục đầu tư cổ phiếu. Chẳng mấy chốc nó sẽ lái xe đưa bạn đi khắp nơi hay chuyển phát nhanh các gói hàng đến tận nhà cho bạn.

Nếu nói nhà kinh tế học làm giỏi việc gì, thì đó chính là dẹp bỏ qua một bên các thể loại tung hô. Trong khi người ta nhìn thấy một đột phá mới mang tính chuyển hóa, chúng tôi chỉ thấy đơn giản là giá giảm. Nhưng thực tế không chỉ có thế. Để hiểu được AI tác động đến tổ chức của bạn như thế nào, bạn phải biết chính xác loại giá nào đã thay đổi và sự thay đổi về giá này sẽ lan rộng trong nền kinh tế nói chung như thế nào. Từ đó bạn mới có thể lập kế hoạch hành động cho mình. Lịch sử kinh tế để lại bài học rằng tác động của các đột phá lớn thường được cảm nhận tại những nơi bất ngờ nhất.

Hãy xem lại câu chuyện của internet thương mại năm 1995. Trong khi hầu hết chúng ta đang chúi đầu vô xem Seinfeld, Microsoft đã tung ra hệ điều hành đa nhiệm đầu tiên, Windows 95. Cũng trong năm đó, chính phủ Mỹ đã gỡ bỏ hạn chế cuối cùng đối với việc truyền tải lưu lượng thương mại trên Internet, và Netscape – người phát minh ra trình duyệt – ăn mừng bằng việc phát hành cổ phiếu ra công chúng lần đầu (IPO) cho internet thương mại. Đây là một bước ngoặt khi internet chuyển mình từ một hiện tượng hiếu kỳ về công nghệ trở thành một làn sóng thương mại cuồn cuộn sẽ đánh dạt cả nền kinh tế.

Thương vụ IPO của Netscape định giá công ty hơn 3 tỉ đô la, mặc dù họ chưa tạo ra nguồn lợi nhuận đáng kể. Các nhà đầu tư vốn mạo hiểm định giá cho các công ty khởi nghiệp trong tầm hàng triệu đô ngay cả khi họ còn trong giai đoạn "tiền doanh thu," một thuật ngữ mới trong ngành. Những sinh viên mới tốt nghiệp MBA từ chối lời mời làm việc lương cao trong các ngành truyền thống để chọn cơ hội trên mạng. Khi hiệu ứng của internet bắt đầu lan rộng khắp các ngành nghề, xuôi dọc trên chuỗi cung ứng, những người ủng hộ công nghệ không còn gọi internet là công nghệ mới nữa mà bắt đầu gọi nó là "Nền kinh tế mới." Cụm từ này nhanh chóng được nhiều người sử dụng. Internet đã không còn là một công nghệ và len lỏi vào trong hoạt động của con người từ cấp độ cơ bản. Các nhà chính trị, lãnh đạo doanh nghiệp, nhà đầu tư, nhà khởi nghiệp, các phương tiện truyền thông lớn cũng bắt đầu dùng cụm từ này. Và dần dà tất cả mọi người đều gọi nó là Nền kinh tế mới.

Tất cả mọi người, nhưng dĩ nhiên là không bao gồm nhà kinh tế học. Chúng tôi không thấy đây là nền kinh tế mới. Đối với chúng tôi, nó cũng chẳng khác gì nền kinh tế kiểu cũ quen thuộc. Đúng là đã có nhiều thay đổi quan trọng. Hàng hóa và dịch vụ có thể được phân phối kỹ thuật số. Giao tiếp dễ dàng hơn. Và bạn có thể tìm kiếm thông tin chỉ bằng một cú nhấp chuột vào nút tìm kiếm. Nhưng trước kia bạn vẫn làm được những điều này đấy thôi. Thứ duy nhất thay đổi là giờ đây bạn có thể làm được với chi phí rẻ hơn. Sự trỗi dậy của internet là nhờ giảm chi phí phân phối, giao tiếp, và tìm kiếm. Tái định vị đột phá công nghệ trở thành sự dịch chuyển từ đắt sang rẻ hay từ khan hiếm sang dồi dào là cách làm hữu ích cho những tính toán ảnh hưởng đến doanh nghiệp. Ví dụ, hẵn bạn còn nhớ lần đầu tiên sử dụng Google, bạn đã bị mê hoặc bởi khả năng như ma thuật của nó có thể truy xuất thông tin. Đứng từ góc nhìn kinh tế học, Google đã làm cho việc tìm kiếm trở nên rẻ. Khi việc tìm kiếm có giá rẻ, những công ty có mô hình kinh doanh bằng cách bán tìm kiếm qua các nguồn khác (ví dụ như Trang Vàng, dịch vụ du lịch, tin rao vặt) bị đặt vào cuộc khủng hoảng cạnh tranh. Đồng thời, những công ty sống được nhờ có người tìm đến (ví dụ như những tác giả tự xuất bản, người bán đồ sưu tầm khó hiểu, nhà làm phim độc lập) lại phát triển mạnh mẽ.

Sự thay đổi về chi phí tương đối của một số hoạt động đã ảnh hưởng sâu sắc đến mô hình kinh doanh của một số công ty, và thậm chí làm thay đổi cơ chế hoạt động của cả một ngành. Tuy nhiên, quy luật kinh tế thì không thay đổi. Chúng ta vẫn có thể thấu hiểu dựa trên quy luật cung cầu và có thể đặt ra chiến lược, tư vấn chính sách, dự đoán tương lai bằng những nguyên tắc kinh tế đã có từ lâu đời.

Giá rẻ có mặt mọi nơi

Khi giá của một thứ gì đó giảm cực mạnh, cả thế giới có thể bị biến đổi. Hãy xem xét ánh sáng. Tôi dám chắc bạn đang đọc quyển sách này dưới một nguồn ánh sáng nhân tạo nào đó. Hơn nữa, bạn cũng chưa bao giờ phải cân nhắc việc dùng nguồn sáng nhân tạo để đọc sách là có đáng không. Ánh sáng có giá quá rẻ đến mức bạn sử dụng nó một cách phung phí. Nhưng, như phân tích chi tiết của nhà kinh tế học William Nordhaus, vào đầu thế kỷ 19, số tiền bạn chi trả cho cùng một lượng ánh sáng phải cao gấp 400 lần so với hiện tại. Với mức giá đó, bạn sẽ phải cân nhắc chi phí và lợi ích trước khi dùng nguồn sáng nhân tạo để đọc quyển sách này. Giá của ánh sáng giảm mạnh sau đó đã thắp sáng cho toàn thế giới. Nó không chỉ biến đêm thành ngày, nó còn cho phép chúng ta sống và làm việc trong những tòa nhà lớn mà ánh sáng tự nhiên không thể soi chiếu đến. Hầu như ngày nay không có thứ gì là có thể nếu chi phí cung cấp ánh sáng nhân tạo đã không giảm đến mức gần về không.

Tiến bộ công nghệ làm cho nhiều thứ ngày xưa từng rất đắt tiền thì nay trở nên rẻ hơn. Giá của ánh sáng đã giảm nhiều đến mức nó làm thay đổi hành vi của chúng ta, từ chỗ phải cân nhắc có nên sử dụng hay không chuyển thành không một chút đắn đo trước khi bật đèn. Sự giảm giá đáng kể như thế tạo ra cơ hội cho chúng ta làm những thứ mình chưa từng làm trước đó; biến thứ không thể thành có thể. Thế nên, không có gì ngạc nhiên khi các nhà kinh tế học cứ chăm chăm vào tác động của việc giảm giá sâu rộng của các yếu tố đầu vào cơ bản như ánh sáng.

Có một số tác động đến từ việc sản xuất ánh sáng giá rẻ là rất dễ nhận thức, nhưng cũng có nhiều tác động khó thấy. Những khía cạnh nào sẽ chịu sự tác động của một công nghệ mới khi nó trở nên rẻ hơn không phải lúc nào cũng rõ ràng, từ những công nghệ như ánh sáng nhân tạo, năng lượng hơi nước, xe ô tô, hay máy tính.

Tim Bresnahan, một nhà kinh tế học tại Stanford và cũng là một trong những cố vấn của chúng tôi, đã chỉ ra rằng máy tính thực chất chỉ làm toán số học, không có gì khác. Sự phát minh và thương mại hóa máy tính đã làm cho việc tính toán số học trở nên rẻ hơn. Khi việc tính toán rẻ hơn, chúng ta không chỉ sử dụng chúng cho các ứng dụng truyền thống liên quan đến số học, mà còn sử dụng phép số học mới có giá rẻ này cho những ứng dụng theo truyền thống là không liên quan đến số học, ví dụ như âm nhạc.

Ada Lovelace được xem là nhà lập trình máy tính đầu tiên, cũng là người đầu tiên nhìn ra tiềm năng này. Làm việc dưới nguồn sáng nhân tạo vô cùng đắt tiền vào đầu những năm 1800, bà đã viết ra chương trình được ghi nhận sớm nhất để tính một dãy số (gọi là dãy số Bernoulli) trên một chiếc máy tính vẫn còn mang tính lý thuyết do Charles Babbage thiết kế. Babbage cũng là một nhà kinh tế học, và chúng ta sẽ thấy thêm nhiều dẫn chứng khác trong quyển sách này, đây không phải là lần giao nhau duy nhất giữa kinh tế học và khoa học máy tính. Lovelace hiểu được rằng số học có thể, theo cách nói hiện đại, "mở rộng quy mô" và làm được nhiều thứ. Bà nhận thấy ứng dụng từ máy tính không chỉ hạn chế trong các hoạt động toán học: "Ví dụ, giả sử mối quan hệ cơ bản giữa các cao độ trong hòa âm và sáng tác nhạc có thể tạo ra các biểu hiện và điều chỉnh khác nhau, cỗ máy có thể sáng tác những tác phẩm âm nhạc công phu và khoa học với mức độ phức tạp tùy ý." Máy tính vẫn chưa ra đời nhưng Lovelace đã nhìn thấy một cỗ máy số học có thể lưu trữ và phát nhạc – một hình thái của nghệ thuật và nhân loại.

Và thực tế đã diễn ra đúng như vậy. Hơn 150 năm sau, khi chi phí tính toán đã giảm đủ thấp, có hàng ngàn ứng dụng số học xuất hiện mà người ta chưa từng bao giờ nghĩ đến. Số học là một yếu tố đầu vào vô cùng quan trọng cho rất rất nhiều thứ, thế nên khi nó có chi phí quá rẻ, cũng như với nguồn sáng nhân tạo trước đó, nó đã làm thay đổi thế giới. Tinh giản một thứ đến mức chỉ còn yếu tố chi phí là một cách để loại bỏ những sự tung hô, mặc dù vì vậy mà công nghệ vĩ đại mới nhất không còn tỏa ra sự hấp dẫn. Có thể bạn sẽ không bao giờ được nghe Steve Jobs tuyên bố "một chiếc máy làm toán số học mới," mặc dù thực chất nó chỉ có thế. Khi giảm giá của một thứ vô cùng quan trọng, chiếc máy làm toán cộng mới của Jobs tạo ra đột phá.

Bây giờ chúng ta hãy quay lại với AI. AI có tầm quan trọng về mặt kinh tế cũng chính là vì nó sẽ làm cho một thứ vô cùng quan trọng trở nên rẻ hơn rất nhiều. Ngay lúc này, có lẽ bạn đang nghĩ đến trí tuệ, lập luận, hay tư duy. Bạn có thể đang tưởng tượng robot ở khắp mọi nơi, hay những vật thể phi vật chất, như chiếc máy tính thân thiện trong Star Trek, giúp bạn không phải suy nghĩ. Lovelace cũng có suy nghĩ tương tự, nhưng đã sớm loại bỏ nó. Ít nhất cho đến lúc này, bà viết, một chiếc máy tính "chưa có ý định khởi tạo bất cứ thứ gì. Nó có thể làm bất cứ thứ gì chúng ta biết cách yêu cầu nó thực hiện. Nó có thể phân tích, nhưng nó chưa có năng lực dự đoán bất kỳ mối quan hệ phân tích hay sự thật nào."

Bất chấp tất cả những tung hô và gánh nặng đi kèm theo khái niệm AI, điều mà Alan Turing sau này gọi là "Phản đối của Bà Lovelace" vẫn đúng. Máy tính vẫn chưa thể tự suy nghĩ, nên tư duy sẽ chưa trở nên rẻ tiền. Tuy nhiên, thứ có giá rẻ lại phổ biến đến mức, ví dụ như phép tính số học, bạn có lẽ không thể hình dung hết mức độ lan tỏa của nó và tính được tác động đến cuộc sống và nền kinh tế khi giá của nó giảm mạnh.

Các công nghệ AI sẽ làm cho thứ gì trở nên rất rẻ? Dự đoán. Do đó, theo quy luật kinh tế, chúng ta sẽ bắt đầu đưa ra rất nhiều dự đoán, đồng thời cũng sẽ chứng kiến dự đoán xuất hiện ở những nơi vô cùng bất ngờ.

Giá rẻ tạo ra giá trị

Dự đoán là quá trình điền vào những thông tin còn thiếu. Dự đoán sử dụng thông tin bạn có, thường được gọi là dữ liệu, và tạo sinh ra phần thông tin bạn không có. Phần lớn thảo luận về AI nhấn mạnh đến sự đa dạng trong kỹ thuật dự đoán, thể hiện qua những thuật ngữ ngày càng màu mè như: phân loại, phân cụm, hồi quy, cây quyết định, ước tính Bayes, mạng lưới thần kinh, phân tích dữ liệu topo, học sâu, học tăng cường, học tăng cường sâu, mạng lưới đối nghịch tạo sinh, và vân vân. Các kỹ thuật này quan trọng đối với những nhà công nghệ quan tâm ứng dụng AI vào một vấn đề dự đoán cụ thể.

Trong quyển sách này, chúng tôi sẽ không làm rối bạn với những công thức toán học đứng sau các phương pháp. Chúng tôi nhấn mạnh rằng mỗi một phương pháp này đều có chung mục đích là dự đoán: sử dụng thông tin bạn có để tạo sinh thông tin bạn không có. Chúng tôi tập trung vào giúp bạn xác định những tình huống mà đóng góp của dự đoán là giá trị, và hơn nữa là làm thế nào khai thác lợi ích tối đa từ kết quả dự đoán đó.

Dự đoán giá rẻ sẽ dẫn đến nhiều hoạt động dự đoán hơn. Đây đơn thuần là quy luật kinh tế: khi chi phí của một thứ nào đó giảm đi, chúng ta sẽ làm nó nhiều hơn. Ví dụ, ngành công nghiệp máy tính bắt đầu cất cánh trong thập niên 1960 và chi phí số học bắt đầu giảm nhanh chóng, chúng ta dùng nhiều hơn các ứng dụng đã có số học là yếu tố đầu vào, ví dụ như tại Cục Dân số Mỹ, Bộ Quốc phòng Mỹ, và NASA (như đã thấy trong phim Hidden Figures). Chúng ta sau đó bắt đầu áp dụng số học giá rẻ cho những vấn đề mà bình thường không phải là vấn đề của số học, ví dụ như nhiếp ảnh. Trước kia chúng ta giải quyết vấn đề nhiếp ảnh bằng hóa học, nhưng khi số học có giá đủ rẻ, chúng ta chuyển nó thành giải pháp dựa trên số học: máy ảnh kỹ thuật số. Một tấm ảnh kỹ thuật số chỉ là một chuỗi 0 và 1 được tập họp bằng số học thành một hình ảnh có thể xem được.

Dự đoán rồi cũng sẽ tương tự. Dự đoán hiện đang áp dụng cho các nhiệm vụ truyền thống, như quản trị hàng tồn và dự báo nhu cầu. Khi giá của dự đoán trở nên rẻ hơn, nó sẽ được ứng dụng cho những vấn đề vốn dĩ không phải là vấn đề của dự đoán. Kathryn Hume (hiện tại là người đứng đầu bộ phận đầu tư kỹ thuật số của Royal Bank of Canada) gọi năng lực nhìn ra vấn đề và tái định vị nó thành vấn đề dự đoán là "Nội kiến AI," và hiện nay các kỹ sư trên khắp thế giới đang tự trang bị cho mình kiến thức này. Ví dụ, chúng ta đang biến vấn đề giao thông thành vấn đề dự đoán. Xe tự hành đã xuất hiện trong môi trường được kiểm soát từ hơn 20 năm qua. Tuy nhiên, chúng chỉ hạn chế trong những khu vực có sơ đồ mặt bằng chi tiết như nhà máy và nhà kho. Sơ đồ mặt bằng giúp cho các kỹ sư thiết kế robot vận hành bằng trí tuệ logic "nếu-thì" cơ bản: nếu có người đứng trước xe thì dừng. Nếu kệ hàng này trống thì chuyển sang kệ hàng tiếp theo. Tuy nhiên, chưa có ai từng đưa những chiếc xe này chạy trên đường giao thông bình thường. Có quá nhiều thứ có thể xảy ra, quá nhiều "nếu" không thể lập trình hết được.

Xe tự hành không thể hoạt động bên ngoài môi trường kiểm soát, cho đến khi các kỹ sư định hình lại việc điều hướng trở thành vấn đề dự đoán. Thay vì phải nói cho chiếc máy phải làm gì trong từng tình huống, các kỹ sư nhận thấy họ có thể thay vào đó tập trung vào duy nhất là vấn đề dự đoán: "Con người sẽ làm gì?" Hiện tại, các công ty đang đầu tư hàng tỉ đô la để đào tạo cho máy tự vận hành trong môi trường không được kiểm soát, ví dụ như đường nội thị và đường cao tốc.

Thử hình dung AI đang ngồi trong xe cùng với một người lái xe. Người lái xe này lái hàng triệu km, nhận dữ liệu về môi trường bằng mắt và tai, xử lý dữ liệu bằng bộ não, và sau đó là phản ứng dựa trên dữ liệu đầu vào: đi thẳng hay rẽ, thắng hay tăng tốc. Các kỹ sư tạo cho AI mắt và tai bằng cách lắp đặt cảm biến cho xe (ví dụ như, máy quay phim, radar, laser). Từ đó, AI quan sát dữ liệu đầu vào trong lúc con người điều khiển và đồng thời cũng quan sát phản ứng của con người. Khi một dữ liệu môi trường cụ thể phát sinh, con người sẽ rẽ phải, thắng lại, hay tăng tốc? AI càng quan sát con người, nó càng dự đoán tốt hơn hành động cụ thể của người lái xe, dựa trên dữ liệu môi trường đầu vào. AI học cách lái xe bằng cách dự đoán người lái xe sẽ làm gì trước một điều kiện đường phố cụ thể.

Quan trọng là, khi đầu vào là dự đoán trở nên rẻ hơn, nó làm tăng giá trị cho nhiều thứ khác. Các nhà kinh tế học gọi đây là "bổ trợ." Giống như việc giá cà phê giảm làm tăng giá trị cho đường và sữa, đối với xe tự hành, giá dự đoán giảm làm tăng giá trị cho cảm biến để thu thập dữ liệu môi trường xung quanh chiếc xe. Ví dụ, năm 2017, Intel bỏ ra hơn 15 tỉ đô la mua lại công ty khởi nghiệp Mobileye của Israel, chủ yếu là vì công nghệ thu thập dữ liệu của họ cho phép chiếc xe có thể nhìn thấy vật thể (như biển báo dừng, con người, v.v) và vạch kẻ (làn đường, đường).

Khi dự đoán có giá rẻ, sẽ có nhiều hoạt động dự đoán hơn, và nhiều sản phẩm bổ trợ cho dự đoán hơn. Hai lực lượng kinh tế đơn giản này thúc đẩy tạo ra những cơ hội mới từ cỗ máy dự đoán. Ở mức độ thấp, cỗ máy dự đoán có thể giải phóng cho con người khỏi những nhiệm vụ dự đoán và nhờ đó tiết kiệm được chi phí. Khi cỗ máy nâng cấp, dự đoán có thể thay đổi và cải thiện chất lượng của việc ra quyết định. Đến một lúc nào đó, cỗ máy dự đoán có thể cho ra kết quả chính xác và đáng tin cậy đến mức nó làm thay đổi cách thức vận hành của tổ chức. Một số AI sẽ tác động đến yếu tố kinh tế của doanh nghiệp lớn đến mức nó không chỉ được ứng dụng giới hạn trong nâng cao năng suất nhờ thực thi theo chiến lược; nó sẽ làm thay đổi cả chiến lược.

Từ giá rẻ đến chiến lược

Câu hỏi phổ biến nhất chúng tôi nhận được từ lãnh đạo doanh nghiệp là: "AI ảnh hưởng như thế nào đến chiến lược kinh doanh của chúng tôi?" Chúng tôi sẽ dùng một bài tập tư duy để trả lời câu hỏi này. Đa số mọi người đều biết cách mua sắm tại Amazon. Cũng như với hầu hết những nhà bán lẻ trực tuyến khác, bạn vào trang web của họ, chọn hàng hóa, bỏ hàng vào giỏ, thanh toán, và đợi Amazon gửi hàng về nhà cho bạn. Như vậy, mô hình kinh doanh của Amazon là mua rồi gửi.

Trong quá trình mua sắm, AI của Amazon đưa ra những gợi ý hàng hóa dựa trên dự đoán của họ rằng bạn muốn mua. AI này làm khá tốt, nhưng còn lâu mới được gọi là hoàn hảo. Đối với cá nhân chúng tôi, AI dự đoán chính xác khoảng 5% về mặt hàng chúng tôi muốn mua. Thực tế chúng tôi đã mua 1 trên mỗi 20 món nó đề xuất. Thử nhân con số này lên hàng triệu đề xuất, kết quả hẳn không tệ!

Thử tưởng tượng AI của Amazon thu thập thông tin về chúng tôi và dùng dữ liệu đó để cải thiện dự đoán, cải thiện độ chính xác của dự đoán.

Đến một lúc nào đó, mức độ chính xác của dự đoán AI vượt qua ngưỡng, làm thay đổi mô hình kinh doanh của Amazon. Kết quả dự đoán có độ chính xác đủ lớn đến mức Amazon sẽ thu lợi được nhiều hơn khi họ vận chuyển thẳng đến bạn những hàng hóa mà nó dự đoán bạn sẽ muốn mua, thay vì ngồi chờ bạn vào trang web đặt hàng.

Như vậy, bạn không còn cần phải tìm đến những nhà bán lẻ khác, và việc món hàng xuất hiện trước mặt bàn có thể tác động thúc đẩy bạn mua nhiều hơn. Amazon thu được thị phần cao hơn. Trong tình huống này, Amazon được lợi, mà bạn cũng thế. Amazon gửi hàng trước khi bạn tìm mua, nếu giao dịch thành công, bạn đỡ mất công phải đi mua hàng. Đẩy mạnh kết quả dự đoán đã làm thay đổi mô hình kinh doanh của Amazon từ mua rồi gửi sang gửi rồi mua.

Dĩ nhiên, người mua hàng không muốn mất thời gian cho việc gửi trả hàng phức tạp đối với những mặt hàng mà họ không muốn mua. Thế nên, Amazon phải đầu tư vào hạ tầng cho việc thu hồi sản phẩm, có thể là một đội xe tải giống như đội ngũ giao hàng hiện tại chịu trách nhiệm thu hồi hàng mỗi tuần một lần, thuận tiện thu lại những mặt hàng mà người mua không muốn.

Nếu đây là mô hình kinh doanh ưu việt hơn, tại sao Amazon còn chưa triển khai? Đó là vì nếu áp dụng ngay lúc này, chi phí thu hồi và xử lý hàng hóa được thu hồi còn quá cao, vượt xa mức tăng doanh thu do bán được nhiều hàng hóa hơn. Ví dụ, với kết quả dự đoán hiện tại chúng ta có thể sẽ trả lại đến 80% các mặt hàng được gửi đến cho chúng ta. Tình hình như vậy làm chúng ta bực mình mà cũng làm tăng chi phí cho Amazon. Kết quả dự đoán chưa có độ chính xác cần thiết để Amazon có thể triển khai mô hình kinh doanh mới.

Chúng ta có thể hình dung một kịch bản theo đó Amazon áp dụng chiến lược mới ngay cả trước khi độ dự đoán đủ chính xác để có lợi nhuận vì công ty tiên đoán chắc chắn sau một thời gian nó sẽ có lợi nhuận. Khi triển khai sớm hơn, AI của Amazon sẽ thu được dữ liệu sớm hơn và cải thiện nhanh hơn. Amazon nhận thấy càng triển khai sớm, thì các đối thủ càng khó mà bắt kịp. Dự đoán tốt hơn thu hút được nhiều người mua hàng hơn, nhiều người mua hàng sẽ tạo thêm nhiều dữ liệu để đào tạo cho AI, thêm dữ liệu tạo ra kết quả dự đoán tốt hơn, và cứ thế tiếp diễn thành một vòng lặp tuần hoàn. Triển khai quá sớm gây tốn kém lớn, nhưng triển khai quá trễ thì có thể ảnh hưởng đến sống còn.

Điều chúng tôi muốn nói không phải là Amazon sẽ làm hay nên làm như thế, mặc dù bạn có thể ngạc nhiên khi biết rằng Amazon đã nhận được bằng sáng chế "dự đoán vận chuyển" từ năm 2013. Thay vào đó, nội kiến nổi bật là việc cải thiện kết quả dự đoán có tác động quan trọng đối với chiến lược. Trong ví dụ này, nó làm dịch chuyển mô hình kinh doanh của Amazon từ mua rồi gửi sang gửi rồi mua, tạo ra động cơ tích hợp theo chiều dọc và phát triển dịch vụ thu hồi sản phẩm (bao gồm đội ngũ xe tải), và đẩy nhanh thời điểm đầu tư. Tất cả các quyết định này đều bắt nguồn từ hành động đơn giản là vặn tăng chiếc núm trên cỗ máy dự đoán.

Ý nghĩa của nó đối với chiến lược là gì? Thứ nhất, bạn phải đầu tư cho việc thu thập thông tin về tốc độ và mức độ xoay lên của chiếc núm trên cỗ máy dự đoán đối với ngành nghề và ứng dụng của mình. Thứ hai, bạn phải đầu tư vào phát triển các kịch bản chiến lược dựa trên mức độ gia tăng của chiếc núm vặn.

Để bắt đầu bài tập giả tưởng này, hãy nhắm mắt lại, tưởng tượng tay bạn đang đặt lên chiếc núm vặn của cỗ máy dự đoán, miệng hô thần chú, tay vặn nó lên mức số 11.

Sơ lược sắp xếp nội dung sách

Bạn cần xây dựng nền tảng trước khi ý nghĩa chiến lược của cỗ máy dự đoán trở nên rõ ràng. Và đây cũng là cách chúng tôi cấu trúc nội dung cho sách, xây kim tự tháp từ nền.

Chúng tôi thiết lập nền tảng trong phần 1 và giải thích nhờ đầu cỗ máy dự đoán có thể đưa ra dự đoán tốt hơn. Chúng tôi sau đó giải thích tại sao những tiến bộ này rất khác với những con số thống kê bạn học được trong trường hay do các nhà phân tích trong tổ chức của bạn đã thực hiện. Tiếp theo là một thành phần chủ chốt trong dự đoán, đó là dữ liệu, đặc biệt là loại hình dữ liệu cần thiết để đưa ra dự đoán tốt, và cách để biết bạn đã có được dữ liệu này hay chưa. Cuối cùng, chúng tôi phân tích khi nào thì cỗ máy dự đoán sẽ làm việc tốt hơn con người và khi nào thì người và máy có thể phối hợp để nâng cao độ chính xác của dự đoán.

Trong phần 2, chúng tôi mô tả vai trò của dự đoán như là yếu tố đầu vào cho việc ra quyết định và giải thích tầm quan trọng của một thành phần khác đang bị cộng đồng AI bỏ quên: phán đoán. Dự đoán hỗ trợ cho việc ra quyết định bằng cách giảm yếu tố không chắc chắn, còn phán đoán gán giá trị. Theo cách nói của nhà kinh tế học, phán đoán là kỹ năng dùng để xác định hoàn trả, hữu dụng, phần thưởng, hay lợi nhuận. Ý nghĩa quan trọng nhất của cỗ máy dự đoán là nó làm tăng giá trị của phán đoán.

Phần 3 tập trung vào các vấn đề thực tế. Công cụ AI giúp cho cỗ máy dự đoán trở nên hữu dụng và là sự thể hiện của cỗ máy dự đoán cho một nhiệm vụ cụ thể. Chúng tôi phác họa ba bước giúp bạn xác định khi nào thì thiết lập công cụ AI để tạo sinh lợi tức lớn nhất từ đầu tư. Đôi khi công cụ này khớp một cách thần kỳ với quy trình làm việc hiện hữu; đôi khi nó đề xuất thiết kế lại quy trình làm việc. Dựa vào đó, chúng tôi đề xuất một công cụ hỗ trợ quan trọng để xác định các tính năng chủ chốt của một công cụ AI: bảng vẽ AI.

Phần 4 là dành cho chiến lược. Như đã trình bày qua bài tập tư duy Amazon, một số AI có tác động sâu sắc đối với cấu trúc kinh tế của hoạt động kinh doanh và có thể làm chuyển hóa cả doanh nghiệp hay cả ngành. Trong trường hợp này, AI trở thành nền tảng quan trọng của chiến lược doanh nghiệp. AI nếu ảnh hưởng đến chiến lược sẽ làm dịch chuyển sự chú ý vào AI từ các giám đốc sản phẩm, kỹ sư vận hành, cho đến ban lãnh đạo. Không phải dễ dàng để dự báo một công cụ sẽ tạo nên sức ảnh hưởng lớn như vậy. Ví dụ, không có nhiều người dự đoán, khi được sử dụng thử lần đầu tiên, rằng công cụ tìm kiếm Google sẽ làm chuyển mình cho ngành truyền thông và là nền tảng đưa nó trở thành một trong những doanh nghiệp có giá trị lớn nhất thế giới.

Ngoài những cơ hội thuận lợi, AI cũng đặt ra rủi ro hệ thống có thể tấn công doanh nghiệp của bạn nếu không có những hành động ngăn chặn sớm. Các thảo luận chủ yếu tập trung vào rủi ro AI gây ra cho nhân loại, và người ta không chú ý lắm đến mối nguy AI gây ra cho tổ chức. Ví dụ, một số cỗ máy dự đoán được đào tạo bằng dữ liệu cho con người thu thập đã "học được" những thành kiến và khuôn mẫu nguy hiểm.

Chúng tôi kết lại quyển sách bằng phần 5 là ứng dụng bộ công cụ của nhà kinh tế học vào những vấn đề có ảnh hưởng đối với xã hội nói chung, xem xét 5 trong số nhiều tranh luận phổ biến về AI:

1. Tương lai còn công việc không? Còn chứ.

2. Tương lai sẽ có bất bình đẳng nhiều hơn không? Có thể.

3. Tương lai sẽ có vài tập đoàn lớn nắm quyền kiểm soát mọi thứ? Cũng còn tùy.

4. Tương lai các quốc gia sẽ tham gia hoạch định chính sách chạy đua đến đáy và đánh mất quyền riêng tư và bảo mật để giúp cho các công ty nội địa có lợi thế cạnh tranh? Một số nước có thể sẽ làm như thế.

5. Tương lai thế giới sẽ kết thúc? Bạn vẫn còn rất nhiều thời gian để chắt lọc giá trị từ quyển sách này.

Điểm chính

· Kinh tế học là cơ sở để phân tích nội kiến về ý nghĩa của dự đoán giá rẻ đối với hoạt động kinh doanh. Cỗ máy dự đoán sẽ được ứng dụng cho những nhiệm vụ dự đoán truyền thống (hàng tồn, dự đoán nhu cầu) và những vấn đề mới (như điều hướng và dịch thuật). Việc giảm giá cho hoạt động dự đoán sẽ tác động đến giá trị của nhiều thứ khác, gia tăng giá trị của các yếu tố bổ trợ (dữ liệu, phán đoán, và hành động) và giảm giá trị của yếu tố thay thế (dự đoán của con người).

· Tổ chức có thể khai thác cỗ máy dự đoán bằng cách sử dụng công cụ AI để hỗ trợ thực thi chiến lược hiện hữu. Khi những công cụ này đủ mạnh, chúng có thể kích hoạt sự thay đổi của chiến lược. Ví dụ, nếu Amazon có thể dự đoán người mua hàng muốn mua món hàng nào, họ có thể dịch chuyển từ mô hình mua rồi gửi sang mô hình gửi rồi mua – gửi hàng đến tận nhà trước khi người mua đặt hàng. Sự dịch chuyển này có thể làm biến đổi cả tổ chức.

· Từ những chiến lược mới do tổ chức thiết lập để khai thác lợi ích của AI, chúng ta sẽ phải đối mặt với những đánh đổi khác liên quan đến tác động của AI đối với xã hội. Chọn lựa của chúng ta sẽ còn tùy vào nhu cầu và ý thích, và chắc chắn sẽ có sự khác biệt giữa các quốc gia và giữa các nền văn hóa. Chúng tôi sắp xếp nội dung sách này theo 5 phần dựa trên từng tầng cấp tác động của AI, đi lên từ nền tảng dự đoán đến đánh đổi của xã hội: 1) Dự đoán, 2) Ra quyết định, 3) Công cụ, 4) Chiến lược, và 5) Xã hội.