Khi đưa sản phẩm hoặc dịch vụ mới ra thị trường, các đội ngũ startup AI thường do chưa quen thuộc với tri thức chuyên ngành của khách hàng mà khiến chu kỳ triển khai quá dài hoặc không giải quyết được nỗi đau thực sự của khách hàng, từ đó dẫn đến các tranh chấp như mỗi bên nói một kiểu khi nghiệm thu kết quả, không thu được khoản thanh toán cuối. Để giải quyết vấn đề phổ biến của các công ty khởi nghiệp, Viện Nghiên cứu Chuyển đổi số thuộc Viện Công nghiệp Thông tin (III) đã xây dựng "Dịch vụ Kiểm chứng thực tế liên ngành": thông qua dịch vụ kết nối với địa điểm thử nghiệm thực tế và vận dụng phương pháp 4D của III — từ thấu hiểu nhu cầu (Demand forecast), điều chỉnh qua kiểm chứng thực tế (Design thinking), tối ưu phát triển (DevSecOps Tools) đến lan tỏa trong ngành (Diffusion) — có thể giúp đội ngũ startup kiểm thử sản phẩm và theo dõi tình hình triển khai tại hiện trường một cách hiệu quả, cùng đội ngũ lặp lại cải tiến để có sản phẩm và mô hình triển khai phù hợp hơn với mức độ chấp nhận của thị trường.
Ngoài ra, sau khi xây dựng được niềm tin hợp tác sâu sắc với các công ty khởi nghiệp, chúng tôi nhận thấy đa số các đội ngũ ở giai đoạn đầu thành lập, vì muốn nhanh chóng thâm nhập thị trường, thường bỏ qua một số việc xây dựng nền tảng vận hành cơ bản của công ty, như:
(1) Các vấn đề pháp lý như tính chặt chẽ của hợp đồng, chiến lược bằng sáng chế, cơ cấu cổ phần;
(2) Các vấn đề phát triển doanh nghiệp như thiết kế mô hình kinh doanh thu phí khách hàng, chiến lược đầu tư khi gọi vốn từ nhà đầu tư;
(3) Các vấn đề quản lý nội bộ như cơ cấu tổ chức, chức trách công việc, đánh giá hiệu quả công việc; vì vậy sau đó chúng tôi cũng mở rộng thêm một hạng mục dịch vụ mới là "Khám sức khỏe startup" — "kết nối chuyên gia bên ngoài" cùng III tư vấn giúp startup củng cố nền tảng nội tại của đội ngũ.
Lấy ngành chăn nuôi gà làm ví dụ, dây chuyền giết mổ bao gồm các trạm như treo gà, gây choáng bằng điện và lấy tiết, xử lý nội tạng, trụng và nhổ lông, làm lạnh, phân loại chất lượng. Để hỗ trợ đưa công nghệ thị giác hình ảnh của startup AI vào "trạm phân loại chất lượng", III vận dụng phương pháp thấu hiểu nhu cầu (Demand forecast), đóng vai trò cầu nối chuyển ngữ trong giao tiếp giữa startup AI và lò mổ truyền thống trong dự án, cùng nhau định nghĩa các điều kiện nhận dạng da gà (như rách, bầm tím, đóng vảy, đốm), tổn thương lớn nhỏ bao nhiêu thì bị coi là lỗi, điều kiện định nghĩa cách tính tổng diện tích tổn thương (như phạm vi chụp, vị trí chụp), v.v.; thông qua việc định nghĩa một cách khoa học để giúp ngành truyền thống kế thừa kinh nghiệm của thợ lành nghề và tự động hóa quy trình.
Còn ở khâu điều chỉnh qua kiểm chứng thực tế (Design thinking) và tối ưu phát triển (DevSecOps Tools), những chuyện thường xảy ra là: đội ngũ startup và bộ phận CNTT của doanh nghiệp truyền thống không lấy được dữ liệu ở đúng trường để phân tích; việc mua sắm camera và thiết bị khung giá đỡ chạy theo chi phí thấp; các đơn vị kinh doanh BU (Business Unit) định nghĩa không thống nhất về cùng một việc dẫn đến mô tả nhu cầu không rõ ràng; không hẹn được các bên liên quan quan trọng để họp thúc đẩy tiến độ, v.v. Vì vậy III đóng vai trò cố vấn bên ngoài ở giữa để điều phối thúc đẩy tiến độ kiểm chứng, qua đó bảo đảm công nghệ của đội ngũ giải quyết đúng nỗi đau thực sự của khách hàng, đồng thời xây dựng niềm tin hợp tác lâu dài giữa ba bên.
Cuối cùng, sau khi dự án kiểm chứng thực tế được xác nhận và hiện trường hoàn tất nghiệm thu, dự án giúp khách hàng ngành chăn nuôi mỗi năm nâng sản lượng giết mổ lên 1.5 lần, đồng thời hỗ trợ startup AI hoàn thành 1 bộ mô hình huấn luyện về da, có thể làm nền tảng cho các mảng kinh doanh mới mở rộng về sau (như công nghệ kiểm tra da đầu trong ngành làm đẹp); đồng thời sẽ thông qua phỏng vấn đơn vị hiện trường và startup AI để hoàn thành việc biên soạn và công bố bài nghiên cứu tình huống chuyển đổi số, qua đó xây dựng trường hợp điển hình nhằm đạt hiệu quả lan tỏa trong ngành (Diffusion).
Hình 1: Thống nhất quy cách nhận dạng chất lượng
Nguồn ảnh: do nhân viên III chụp
Hình 2: Trạm phân loại chất lượng triển khai nhận dạng thị giác
Nguồn ảnh: do đội ngũ AIWin chụp
Nguồn ảnh bìa: AIWin https://aiwin.com.tw/
Nguồn tư liệu: Trung tâm Dịch vụ Kiểm chứng thực tế liên ngành, Viện Nghiên cứu Chuyển đổi số, Viện Công nghiệp Thông tin (III)