Từ dự án AI đến sản phẩm AI, AIWin đã đi qua năm năm!
Nhờ tích lũy kinh nghiệm triển khai AI lớn nhỏ cho 30 doanh nghiệp thuộc hơn 10 lĩnh vực, AIWin đã xây dựng nền tảng Domain AI SaaS, hỗ trợ doanh nghiệp triển khai công nghệ AI nhanh chóng, ước tính có thể tiết kiệm khoảng trên 50% thời gian.
Thành lập năm 2016, AIWin là nhà cung cấp giải pháp nhận dạng hình ảnh AI cho nhà máy thông minh; nền tảng Domain AI SaaS hỗ trợ khách hàng hoàn thành các dịch vụ như làm sạch dữ liệu, sắp xếp gán nhãn, huấn luyện và xây dựng mô hình AI cùng tích hợp phần cứng và phần mềm, vận dụng các thuật toán AI mới nhất vào triển khai thực chất.
Năm năm mài một thanh kiếm: AIWin đúc kết kinh nghiệm dự án thành sản phẩm AI
Ông Aaron Lin (林耿呈), CEO AIWin, cho biết công ty có kinh nghiệm triển khai AI thực tế phong phú, đã triển khai thành công trong các lĩnh vực bóng golf, dệt may, hóa dầu, bán dẫn và tài nguyên nước, tích lũy được khá nhiều trường hợp ứng dụng.
▲AIWin tích lũy kinh nghiệm dự án AI phong phú, ra mắt nền tảng Domain AI SaaS. Hình là sơ đồ kiến trúc hệ thống của nền tảng.
Ông phân tích, để triển khai AI thành công, các ngành phải đối mặt với ba nỗi đau lớn:
Nỗi đau thứ nhất, thiếu nhân tài: từ các ngành truyền thống đến ngành công nghệ cao bán dẫn, rất khó tìm được nhân tài vừa chuyên về công nghệ AI vừa thông thạo tri thức chuyên ngành; đặc biệt là các ngành truyền thống và doanh nghiệp vừa và nhỏ, chỉ riêng nhân lực IT đã không dễ tìm, chưa nói đến nhân tài AI. Thay vì tốn thời gian tìm nhân tài AI, chi bằng vận dụng nền tảng AI có sẵn, không cần viết mã (No-Code), hỗ trợ các chuyên gia chuyên ngành hiện có sử dụng được AI, vận hành được AI; như vậy mới có thể giải quyết triệt để vấn đề thiếu hụt nhân lực công nghệ hiện nay.
Nỗi đau thứ hai, khó đánh giá hiệu quả triển khai: theo các báo cáo thống kê, tỷ lệ triển khai AI thành công không cao, ở nước ngoài số trường hợp triển khai AI tạo ra được giá trị cũng chỉ có 5%. Tỷ lệ triển khai AI thành công mà AIWin kiểm chứng qua các dự án cũng vào khoảng 5%–10%.
Ông Aaron Lin phân tích, điểm khó nằm ở chỗ các bước triển khai AI đòi hỏi phải định nghĩa vấn đề trước, hiểu tri thức chuyên ngành, áp dụng mô hình AI, rồi kết hợp thành giải pháp tích hợp có hệ thống thì mới tạo ra được giá trị kinh doanh cho ngành; cả chuỗi các bước này là sự tích hợp liên lĩnh vực, việc kiểm chứng hiệu quả triển khai AI rất khó, cần bồi đắp bằng thời gian và nhân lực thì mới tạo ra hiệu quả.
Nỗi đau thứ ba, chi phí. Dù là nhân tài, thời gian triển khai hay việc kết hợp tri thức chuyên ngành với AI đều cần tốn thời gian; một khi đã tốn thời gian thì có thể xuất hiện tình trạng đầu tư không mục đích, chi phí vô hình của việc triển khai bị buộc phải tăng mãi; nếu cộng thêm thiết bị phần cứng AI, các chi phí liên quan chồng lên nhau sẽ dẫn đến tình cảnh khó xử là không thể đánh giá được giữa chi phí và hiệu quả.
Để giải quyết các nỗi đau khi triển khai AI trong các ngành, AIWin đã từ kinh nghiệm hỗ trợ doanh nghiệp dùng công nghệ AI giải quyết các vấn đề về quy trình hoặc dây chuyền sản xuất mà phát triển nên các mô hình AI đã được kiểm chứng, xây dựng AI SaaS chuẩn hóa để giải quyết các vấn đề chung trong từng lĩnh vực; còn với vấn đề riêng của từng doanh nghiệp hoặc nhu cầu tùy biến, thì tiến hành tinh chỉnh tùy biến nhẹ trên nền tảng đã chuẩn hóa. Ở giai đoạn hiện tại, sản phẩm của AIWin gồm hai dịch vụ lớn là nền tảng AI SaaS kiểm tra quang học và nền tảng AI SaaS quản lý nước thông minh, đều sử dụng nền tảng NO-Code đơn giản, dễ giám sát và vận hành, giúp doanh nghiệp triển khai công nghệ AI theo cách chi phí thấp, hiệu suất cao.
▲Doanh nghiệp triển khai Domain AI SaaS đạt được những hiệu quả cụ thể như giảm chi phí, nâng cao hiệu suất.
Ông Aaron Lin cho biết, theo hiệu quả do AI mang lại mà AIWin đã kiểm chứng, khi sử dụng nền tảng Domain AI SaaS, trong lĩnh vực kiểm tra quang học có thể nâng cao chất lượng từ 10% đến 10 lần, giảm chi phí nhân lực 10%–50%; còn trong lĩnh vực quản lý nước thông minh, có thể đạt hiệu quả tối ưu năng lượng 10%–20%.
Ngành dệt may triển khai nền tảng AI: tăng 10% tỷ lệ phát hiện lỗi, tiết kiệm một nửa nhân lực
Ví dụ, trong ngành dệt may, việc kiểm tra lỗi trước đây áp dụng kiểm tra toàn bộ bằng thủ công, tỷ lệ phát hiện thường nằm trong khoảng 80%–90%; sau khi triển khai công nghệ kiểm tra quang học AI, tỷ lệ phát hiện có thể nâng lên trên 95%. Sau đó tiến hành kiểm tra lại hoặc kiểm tra xác suất bằng thủ công, không chỉ nâng mạnh tỷ lệ phát hiện lỗi thêm 10% mà còn tiết kiệm gần một nửa nhân lực, hiệu quả rất đáng kể.
Một ví dụ khác, trước đây khi điều khiển xử lý nước thải, nhà máy xử lý nước thải trước hết quan sát kết quả lấy mẫu chất lượng nước, rồi người thợ lành nghề hoặc kỹ thuật viên chuyên môn điều chỉnh động thiết bị bằng thủ công, không có cách nào giám sát mọi lúc, thường gây hao phí năng lượng. Sau khi có AI, mô hình AI dựa trên kết quả giám sát để suy luận cần dùng bao nhiêu công suất động cơ hoặc thiết bị, có thể kiểm soát chất lượng nước trong phạm vi tiêu chuẩn nhất định, ước tính tiết kiệm trên 20% hao phí năng lượng. Các nhà máy xử lý nước thải sinh hoạt, các công ty cấp nước đều cần nền tảng quản lý nước thông minh để hỗ trợ giám sát tình hình xử lý nước thải.
"Dù là học máy, học sâu, hay việc triển khai các công nghệ AI như mạng nơ-ron điều chỉnh động, thuật toán điều khiển động, đều cần sự phối hợp của các điều kiện chủ quan và khách quan; nếu không muốn thay đổi quy trình mà hoàn toàn dựa dẫm vào AI thì rốt cuộc vẫn sẽ thất bại", ông Aaron Lin thẳng thắn nói. AI không phải vạn năng, nó cũng có thể trở thành "kính chiếu yêu", khiến những điều trước đây con người bỏ qua lần lượt lộ diện; vì vậy, quá trình trao đổi và điều chỉnh với khách hàng để xác định rõ vấn đề muốn cải thiện và cách kiểm chứng hiệu quả trở nên vô cùng quan trọng.
Đứng vững tại Đài Loan, hướng tới thị trường Đông Nam Á; dự kiến đạt mục tiêu IPO trong 5 năm
Ông Aaron Lin cũng chỉ ra rằng công nghệ AI cần không ngừng hoàn thiện; mục tiêu nỗ lực ở giai đoạn hiện tại là thử nghiệm để AI có thể học tốt mà không cần quá nhiều dữ liệu. Ngoài ra, cũng không nên quá phụ thuộc vào AI; ông nói, AI là con dao hai lưỡi, quá phụ thuộc thì phải dựa vào lượng dữ liệu khổng lồ, mà việc thu thập, làm sạch lượng lớn dữ liệu lại tiêu tốn rất nhiều thời gian. Nếu có thể kết hợp thuật toán truyền thống với công nghệ AI thì đó là cách tốt nhất hiện nay; trước khi công nghệ AI hoàn thiện, hãy dùng thuật toán truyền thống cùng công nghệ AI hiện có để giải quyết vấn đề của khách hàng trước, chờ đến khi các lĩnh vực tiệm cận AI mạnh như AI tự học, quan hệ nhân quả, Meta data learning có bước đột phá thì sẽ giúp mang lại những giải pháp có giá trị kinh doanh hơn nữa.
Ngoài việc tiếp tục thúc đẩy ứng dụng trong các ngành tại Đài Loan, AIWin cũng có kế hoạch đưa nền tảng Domain AI SaaS đến các nước Đông Nam Á vào năm 2022. Gần đây AIWin đang tích cực tiến hành gọi vốn vòng A, trên nền tảng thành công hiện có, tiếp tục mở rộng chiều sâu và chiều rộng của Domain AI SaaS; trong trung hạn cũng sẽ tiến hành gọi vốn vòng A+ hoặc vòng B, kỳ vọng trong khoảng 5 năm tới sẽ đạt mục tiêu niêm yết cổ phiếu (IPO).
▲Đội ngũ AIWin.
▲Ông Aaron Lin, nhà sáng lập kiêm CEO AIWin.
Nguồn bài viết: https://aihub.org.tw/ai_case/ef6fbbe259b4012145c58d34341b6f31