A: Việc chuẩn bị cốt lõi để khởi động dự án AI không phải là chọn mô hình hay so sánh giá mà là xác định rõ bài toán kinh doanh, lập bản đồ tài sản dữ liệu của bạn một cách kỹ lưỡng, và lượng hóa tiêu chí nghiệm thu. Nếu ba việc này không được làm trước khi khởi động, khả năng phải làm lại về sau là rất cao. Về phía nhà cung cấp, trọng tâm nên là xác nhận ranh giới tình huống, tính khả dụng của dữ liệu và phân chia trách nhiệm, và không nên nâng kỳ vọng quá cao chỉ để giành được đơn hàng.
1. Trước khi khởi động, hãy viết bài toán cần giải quyết trong một câu
Không phải chúng tôi muốn làm kiểm tra chất lượng bằng AI mà là tỷ lệ bỏ sót khi kiểm tra bằng mắt thủ công tại trạm gắn SMT của một nhà máy điện tử quá cao, và chúng tôi muốn giảm khuyết tật bị bỏ sót trong takt hiện có. Tình huống phải cụ thể đến mức quy trình, thiết bị và ca làm việc. Điều lệ dự án nên bao gồm dữ liệu đường cơ sở: takt kiểm tra thủ công hiện tại, tỷ lệ phán định sai và chi phí làm lại. Không có đường cơ sở thì về sau không thể tính ROI. Nếu bước này không được làm chắc, ngay cả báo giá thấp nhất của nhà cung cấp cũng được xây trên cát.
2. Kiểm kê dữ liệu là ngưỡng cứng để khởi động
Trong dự án AI công nghiệp, công việc dữ liệu thường chiếm hơn một nửa tổng đầu tư. Hãy xác nhận trước: dữ liệu lịch sử có được lưu giữ không, chất lượng gán nhãn tốt đến đâu, độ phân giải cảm biến hoặc camera có đáp ứng độ chính xác kiểm tra không, và phân bố dữ liệu có nhất quán giữa các ca và điều kiện chiếu sáng không. Giả sử một doanh nghiệp phụ tùng ô tô muốn kiểm tra khuyết tật bề mặt: nếu trước đây chỉ giữ ảnh sản phẩm tốt và mẫu khuyết tật nằm rải rác, thì giai đoạn thu thập mẫu phải được đưa vào tiến độ dự án, thay vì giả định mô hình sẵn có của nhà cung cấp sẽ chạy được ngay.
3. Tiêu chí nghiệm thu phải có thể lượng hóa và tái lập
Nên nêu rõ trong hợp đồng hoặc điều lệ dự án: chỉ số độ chính xác kiểm tra, giới hạn trên của tỷ lệ báo động giả, thời gian suy luận cho mỗi chi tiết, và tỷ lệ rà soát thủ công sau khi đi vào hoạt động. Các chỉ số phải gắn với một bộ kiểm thử cụ thể, được hai bên cùng xác nhận và niêm phong. Tránh các cách diễn đạt như kết quả được cải thiện rõ rệt mà không thể xác minh; tranh chấp khi nghiệm thu thường bắt nguồn từ đây.
4. Một số điều nhà cung cấp nên xác minh kỹ
Thứ nhất, ranh giới tình huống: nhà cung cấp nên chủ động xác nhận các điều kiện tại chỗ như takt dây chuyền, ánh sáng môi trường, bụi và rung động, và không nên lấy bản demo trong phòng thí nghiệm làm chuẩn trực tiếp cho dây chuyền sản xuất. Thứ hai, trách nhiệm dữ liệu: ai thu thập dữ liệu huấn luyện, ai đặt tiêu chuẩn gán nhãn, và quyền sở hữu dữ liệu được xác định thế nào. Thứ ba, danh mục bàn giao: mô hình, script triển khai, tài liệu giao diện và hướng dẫn vận hành có đầy đủ không, để tránh bị khóa sau khi đi vào hoạt động. Thứ tư, cơ chế lặp: mô hình được cập nhật thế nào khi dây chuyền chuyển đổi hoặc xuất hiện loại khuyết tật mới, và chi phí cùng thời gian phản hồi được thỏa thuận ra sao.
Câu hỏi tiếp theo: ngân sách dự án AI gồm những thành phần chính nào?
Thường gồm bốn phần: thu thập và gán nhãn dữ liệu, phát triển và huấn luyện mô hình, triển khai tại chỗ và tích hợp hệ thống, cùng vận hành và lặp sau khi đi vào hoạt động. Gán nhãn dữ liệu và tích hợp tại chỗ dễ bị đánh giá thấp, đặc biệt khi nhân rộng qua nhiều trạm và nhiều dây chuyền, công sức tích hợp mở rộng rõ rệt. Đánh giá ngân sách nên chia hai giai đoạn, xác thực đơn điểm và nhân rộng quy mô: trước tiên làm cho nó chạy ở quy mô nhỏ, rồi mới bàn triển khai.
Câu hỏi tiếp theo: có nên làm POC ở giai đoạn khởi động?
Có, nhưng POC nên giới hạn ở dữ liệu dây chuyền thực tế, với thời lượng và phạm vi xác định, và tiêu chí đạt hoặc không đạt rõ ràng. Một POC chỉ chạy được trên bộ dữ liệu bên ngoài hoặc công khai có giá trị tham chiếu hạn chế.
Ranh giới phù hợp và không phù hợp: quy trình chuẩn bị này phù hợp với doanh nghiệp sản xuất có điểm đau quy trình rõ ràng, có nền tảng lưu giữ dữ liệu ở mức nào đó và sẵn sàng đầu tư vào thu thập mẫu. Nếu bài toán kinh doanh vẫn ở giai đoạn muốn thử AI, dữ liệu dây chuyền gần như không có, và không ai được phân công làm đầu mối khi nghiệm thu, nên thu hẹp bài toán và tích lũy dữ liệu trước rồi mới khởi động dự án. Điều này cũng đúng ở phía nhà cung cấp: những dự án có ranh giới tình huống mơ hồ và trách nhiệm dữ liệu không rõ ràng cần đánh giá cẩn thận rủi ro giao hàng trước khi nhận.