Love AI
New member
Nhiều công ty đang ưu tiên tuyển chuyên gia AI hơn đầu tư vào hạ tầng và quản trị dữ liệu — và điều đó có thể dẫn đến thất bại. Nghiên cứu cho thấy nguyên nhân chính khiến dự án AI thất bại thường là dữ liệu kém, không phải mô hình.
Nhiều nghiên cứu gần đây cảnh báo rằng phong trào tuyển dụng ồ ạt chuyên gia AI mà không tương ứng đầu tư cho dữ liệu đang tạo ra rủi ro lớn. Một báo cáo từ RAND chỉ ra rằng hơn 4/5 dự án AI thất bại, tỷ lệ này gần gấp đôi so với các dự án công nghệ không liên quan đến AI.
Dữ liệu từ DoubleTrack cho thấy nguyên nhân chủ yếu không phải ở mô hình AI mà nằm ở dữ liệu mà chúng dựa vào: dữ liệu kém chất lượng, khó tiếp cận hoặc thiếu quản trị. Gần 63% tổ chức không tự tin về quản lý dữ liệu cho AI của họ. Gartner còn cảnh báo rằng đến năm 2026, 3 trong 5 dự án AI thiếu dữ liệu sẵn sàng cho AI có thể bị bỏ dở.
Phân tích của DoubleTrack tại Mỹ cho thấy nhà tuyển dụng đăng 111.296 vị trí AI/ML nhưng chỉ 76.271 vị trí hạ tầng dữ liệu — chênh lệch khoảng 46%. Các ngành bán hàng, pháp lý, kỹ thuật, marketing và công nghệ đều có nhiều vị trí AI/ML hơn so với vai trò dữ liệu.
Một ví dụ đáng chú ý: ở mảng bán hàng có tới 232% số vị trí AI nhiều hơn so với vị trí dữ liệu, trong khi marketing vẫn chênh khoảng 54% về số lượng. Thêm vào đó, chuyên gia AI được trả trung bình cao hơn kỹ sư dữ liệu khoảng 15.000 USD, nghĩa là doanh nghiệp đang chi nhiều tiền hơn cho những người không thể thành công nếu thiếu nền tảng dữ liệu vững chắc.
Ở cấp tiểu bang tại Mỹ, những nơi có tỷ lệ “AI-first” cao nhất là Mississippi (264%), Missouri (179%), Kansas (176%) và Montana (175%) — những vùng thường được xem là ít trưởng thành về công nghệ, cho thấy họ có thể đang chạy theo xu hướng hơn là xây nền tảng.
Bài học rút ra là doanh nghiệp không nên lấy tốc độ triển khai AI làm thước đo thành công. Việc tuyển dụng ồ ạt vai trò AI mà không đầu tư tương xứng cho chất lượng dữ liệu, quản trị và hạ tầng có nguy cơ khiến nhiều dự án thất bại.
"Những doanh nghiệp rủi ro nhất không phải là các tổ chức chạy chậm, mà là những nơi đã tuyển mạnh cho vai trò AI mà bỏ quên đầu tư cho dữ liệu, quản trị và hạ tầng."
Vấn đề: tuyển nhanh, bỏ qua nền tảng dữ liệu
Nhiều nghiên cứu gần đây cảnh báo rằng phong trào tuyển dụng ồ ạt chuyên gia AI mà không tương ứng đầu tư cho dữ liệu đang tạo ra rủi ro lớn. Một báo cáo từ RAND chỉ ra rằng hơn 4/5 dự án AI thất bại, tỷ lệ này gần gấp đôi so với các dự án công nghệ không liên quan đến AI.
Nguyên nhân gốc rễ: dữ liệu, không phải mô hình
Dữ liệu từ DoubleTrack cho thấy nguyên nhân chủ yếu không phải ở mô hình AI mà nằm ở dữ liệu mà chúng dựa vào: dữ liệu kém chất lượng, khó tiếp cận hoặc thiếu quản trị. Gần 63% tổ chức không tự tin về quản lý dữ liệu cho AI của họ. Gartner còn cảnh báo rằng đến năm 2026, 3 trong 5 dự án AI thiếu dữ liệu sẵn sàng cho AI có thể bị bỏ dở.
Tuyển dụng lệch pha giữa AI và hạ tầng dữ liệu
Phân tích của DoubleTrack tại Mỹ cho thấy nhà tuyển dụng đăng 111.296 vị trí AI/ML nhưng chỉ 76.271 vị trí hạ tầng dữ liệu — chênh lệch khoảng 46%. Các ngành bán hàng, pháp lý, kỹ thuật, marketing và công nghệ đều có nhiều vị trí AI/ML hơn so với vai trò dữ liệu.
Một ví dụ đáng chú ý: ở mảng bán hàng có tới 232% số vị trí AI nhiều hơn so với vị trí dữ liệu, trong khi marketing vẫn chênh khoảng 54% về số lượng. Thêm vào đó, chuyên gia AI được trả trung bình cao hơn kỹ sư dữ liệu khoảng 15.000 USD, nghĩa là doanh nghiệp đang chi nhiều tiền hơn cho những người không thể thành công nếu thiếu nền tảng dữ liệu vững chắc.
Diễn biến theo địa lý và hệ quả
Ở cấp tiểu bang tại Mỹ, những nơi có tỷ lệ “AI-first” cao nhất là Mississippi (264%), Missouri (179%), Kansas (176%) và Montana (175%) — những vùng thường được xem là ít trưởng thành về công nghệ, cho thấy họ có thể đang chạy theo xu hướng hơn là xây nền tảng.
Kết luận: đừng đánh đổi chất lượng dữ liệu lấy tốc độ
Bài học rút ra là doanh nghiệp không nên lấy tốc độ triển khai AI làm thước đo thành công. Việc tuyển dụng ồ ạt vai trò AI mà không đầu tư tương xứng cho chất lượng dữ liệu, quản trị và hạ tầng có nguy cơ khiến nhiều dự án thất bại.
"Những doanh nghiệp rủi ro nhất không phải là các tổ chức chạy chậm, mà là những nơi đã tuyển mạnh cho vai trò AI mà bỏ quên đầu tư cho dữ liệu, quản trị và hạ tầng."
Bài viết liên quan
