Những cải tiến trong kĩ thuật số, phân tích, trí tuệ nhân tạo và tự động hóa đang tạo ra những cơ hội cho sự hiệu quả và hiệu suất trong kinh doanh cũng như nền kinh tế, ngay cả khi chúng tái định hình công việc trong tương lai.

Phần 2: Làn sóng cơ hội tiếp theo

Một làn sóng cơ hội mới liên quan đến ứng dụng robot, Học Máy (Machine Learning) và AI. Các công ty đã triển khai công nghệ tự động hóa có thể nhận ra những kết quả về hiệu suất đáng kể và dẫn đầu trong ngành công nghiệp của mình.

Những tiến bộ trong AI, robot và Học Máy báo hiệu một kỉ nguyên mới của bước đột phá trong đổi mới và cơ hội

Những tiến bộ gần đây trong robot, Học Máy và AI đang đẩy cao khả năng mà những gì máy móc có thể làm được trong mọi lĩnh vực kinh doanh và kinh tế.

Các robot vật lí đã hoạt động được một thời gian dài trong lĩnh vực chế tạo; nhưng các robot có nhiều khả năng hơn, linh hoạt hơn, an toàn hơn và ít tốn kém hơn hiện đang tham gia vào những hoạt động mở rộng hơn bao giờ hết, và kết hợp với cơ giới hóa, khả năng nhận thức cũng như học tập. Chúng được cải thiện theo thời gian khi được đào tạo bởi các đồng nghiệp là con người, hoặc làm tăng cường khả năng tự học của chúng.

Ý tưởng về AI không mới, nhưng tốc độ của những đột phá gần đây là chưa từng có. Có 3 yếu tố đang thúc đẩy tốc độ này:

- Các thuật toán Học Máy đã phát triển trong những năm gầy đây, đặc biệt là thông qua việc phát triển các kĩ thuật học tập và nghiên cứu sâu rộng dựa trên mạng Nơ-ron.

- Khả năng tính toán đã sẵn sàng để tạo ra các mô hình lớn hơn, phức tạp hơn, nhanh hơn. Những đơn vị xử lí đồ họa (GPUs) – được thiết kế để kết xuất đồ họa máy tính trong trò chơi video, được tái sử dụng để xử lí dữ liệu và thuật toán cần thiết cho Học Máy với tốc độ nhanh gấp nhiều lần chip xử lí truyền thống. Các bước tiến khác của silicon vượt qua thế hệ GPUs hiện nay đã xuất hiện, ví dụ như Tensor Units. Khả năng tính toán này đã được tổng hợp trong các trung tâm dữ liệu có thể mở rộng và truy cập được tới người dùng thông qua đám mây.

- Nhiều dữ liệu có thể được sử dụng để tạo ra mô hình Học Máy đang hình thành, chẳng hạn mỗi ngày xuất hiện hàng tỉ hình ảnh, lượt nhấp chuột, âm thanh và video, vị trí di động và bộ cảm biến trong Internet kết nối vạn vật.

Sự kết hợp của những bước đột phá này đã dẫn tới các buổi ra mắt sản phẩm mới đầy ấn tượng như trường hợp AlphaGo của DeepMind đánh bại kì thủ cờ vây vào tháng 03/2016. DeepMind của Google và Đại học Oxford đã áp dụng Học Sâu (Deep Learning) vào một tập dữ liệu khổng lồ của các chương trình BBC trong năm 2016 để tạo ra một hệ thống đọc môi chính xác hơn cả người đọc môi chuyên nghiệp.

Những thách thức về công nghệ phải được khắc phục trước khi các máy móc có thể kết hợp hiệu suất của con người trong phạm vi hoạt động nhận thức. Một trong những thách thức lớn nhất về kĩ thuật là làm sao để máy móc có được khả năng hiểu và tạo ra năng lực ngôn ngữ tự nhiên, không thể thiếu đối với nhiều hoạt động. Các thiết bị kĩ thuật số hỗ trợ cá nhân như Siri của Apple, Alexa của Amazon và Google Assistant vẫn đang trong quá trình phát triển – và thường không hoàn hảo – mặc dù sự tiến bộ của chúng có thể thấy rõ đối với hàng triệu người đang sử dụng điện thoại thông minh.

Sử dụng các công nghệ đang phát triển này sẽ đem đến cho các công ty nhiều lợi ích hơn

Đối với các công ty, việc áp dụng thành công các công nghệ đang phát triển này sẽ nâng cao hiệu suất đáng kể. Một vài lợi ích sẽ đến từ việc thay thế lao động, nhưng tự động hóa cũng có tiềm năng nâng cao năng suất, cải thiện các dự đoán, kết quả, tính chính xác và tối ưu hóa, cũng như mở rộng việc khám phá giải pháp mới trong các lĩnh vực phức tạp như sinh học tổng hợp và khoa học vật liệu.

Ngày nay, một loạt các công nghệ tự động hóa đang tạo ra những giá trị đích thực. Ví dụ:

- Rio Tinto đã triển khai các xe tải và máy khoan tự động tại các mỏ ở Pilbara, Úc và cho biết họ đang tăng mức sử dụng lên 10 – 20%.

- Google đã áp dụng trí thông minh nhân tạp từ Học Máy DeepMind vào các trung tâm dữ liệu riêng của mình, cắt giảm 40% năng lượng họ sử dụng.

- Trong các dịch vụ tài chính, tự động hóa dưới hình thức “xử lí điện thanh toán xuyên suốt” – các quy trình xử lí được số hóa từ đầu đến cuối – có thể làm tăng khả năng mở rộng giao dịch lên 80%, đồng thời làm giảm một nửa khả năng sai sót.

Hơn nữa, có rất nhiều trường hợp kinh doanh Học Máy đang xuất hiện trong các ngành.

Nguồn: McKinsey & Company

Những kịch bản mà McKinsey phát triển cho một vài sự thiết lập, bao gồm phòng cấp cứu của bệnh viện, bảo trì máy bay, hoạt động dầu khí, cửa hàng tạp hóa và môi giới thế chấp cho thấy giá trị của những lợi ích tiềm ẩn trong tự động hóa – tính theo phần trăm chi phí hoạt động – có thể đạt từ 10 – 15% cho phòng cấp cứu của bệnh viện, đến 25% cho việc bảo trì máy bay, và hơn 90% cho việc cấp tiền thế chấp.

AI và tự động hóa sẽ mang lại sự phát triển cần thiết cho năng suất toàn cầu và có thể giúp giải quyết một số thách thức về “moonshot”

Việc áp dụng AI và tự động hóa các hoạt động có thể cho phép năng suất tăng trưởng và đem lại những lợi ích khác, không chỉ cho các doanh nghiệp mà còn cho cả nền kinh tế. Ở góc độ kinh tế vĩ mô, dựa trên mô hình mô hình hóa của McKinsey, ước tính rằng tự động hóa có thể làm tăng năng suất trên toàn cầu từ 0,8% đến 1,4% mỗi năm.

AI và các công nghệ khác cũng có thể mang lại lợi ích to lớn cho xã hội bằng cách giúp giải quyết một số thách thức về “moonshot”, bao gồm biến đổi khí hậu hay y học. AI đã được triển khai trong sinh học tổng hợp, nghiên cứu về ung thư, khoa học khí hậu và khoa học vật liệu. Ví dụ, các nhà nghiên cứu tại McMaster và Đại học Vanderbilt đã sử dụng máy tính để dự đoán phương pháp điều trị hiệu quả nhất cho những rối loạn trầm cảm chính và kết quả cuối cùng của bệnh nhân ung thư vú.

Phần 3: Vấn đề việc làm và công việc

Sự xuất hiện của thời đại tự động hóa mới thu hút thêm nhiều sự quan tâm từ công chúng về ảnh hưởng của nó tới vấn đề việc làm và công việc tương lai. Đối với hầu hết các ngành nghề, tự động hóa một phần có nhiều khả năng hơn tự động hóa toàn phần trong thời gian trung hạn, và các công nghệ này sẽ tạo ra cơ hội mới về việc làm.

Khoảng một nửa hoạt động do công nhân tiến hành hiện nay có khả năng được tự động hóa

Để đánh giá những tác động của tự động hóa việc làm, McKinsey tập trung vào các hoạt động làm việc hơn là toàn bộ ngành nghề ở thời điểm bắt đầu. McKinsey coi các hoạt động làm việc là một biện pháp hữu ích vì nghề nghiệp là sự kết hợp của các hoạt động khác nhau, trong đó mỗi hoạt động riêng lẻ có khả năng tự động hóa không giống nhau. Chẳng hạn, nhân viên bán lẻ sẽ dành thời gian tương tác với khách hàng, dỡ hàng hoặc thông báo khuyến mại.

Các hoạt động dễ tự động hóa hơn bao gồm hoạt động thể chất trong môi trường có khả năng dự đoán và có cấu trúc cao, cũng như khả năng thu thập và xử lí dữ liệu. Các hoạt động này tồn tại trên toàn bộ lĩnh vực, cũng như sự hiện diện của dữ liệu này về khả năng tự động hóa thể hiện ở từng ngành.

Nguồn: McKinsey & Company

Phân tích của McKinsey về tiềm năng tự động hóa mở rộng đến 46 quốc gia, đại diện cho khoảng 80% lực lượng lao động toàn cầu. Nhìn chung, ước tính khoảng một nửa số hoạt động mà mọi người được trả gần 15 nghìn tỉ đô-la để tiến hành trong nền kinh tế toàn cầu có khả năng được tự động hóa bằng cách thích ứng với công nghệ. Hình dung dữ liệu về khả năng tự động hóa toàn cầu cho thấy sự khác biệt đáng kể giữa các quốc gia, chủ yếu dựa vào cơ cấu nền kinh tế, mức lương tương đối, quy mô và tính năng động của lực lượng lao động.

(Còn tiếp)

Huyền Đỗ

Lược dịch theo McKinsey