Khi AI thay đổi các quy tắc học tập, Chuỗi cung ứng cũng phải thay đổi

Một giáo sư toán học tại Đại học California, Berkeley đã ngừng chấm điểm bài tập về nhà dựa trên tính đúng đắn sau khi kết luận rằng các công cụ AI giờ đây có thể giúp sinh viên tạo ra các câu trả lời chất lượng cao quá dễ dàng. Giáo sư Richard Borcherds hiện chủ yếu cho điểm dựa trên việc hoàn thành bài tập và xếp loại dựa trên các kỳ thi trực tiếp, không sử dụng thiết bị.

Quyết định của ông không chỉ là một cuộc tranh luận về chính sách trong khuôn viên trường. Đó là một lời cảnh báo cho mọi ngành công nghiệp phụ thuộc vào nhân tài có kỹ năng—bao gồm cả chuỗi cung ứng toàn cầu: khi AI có thể tạo ra các sản phẩm hoàn chỉnh, các tổ chức phải học cách đánh giá khả năng phán đoán, ứng dụng và trách nhiệm giải trình, chứ không chỉ là câu trả lời cuối cùng.

Bài học cho chuỗi cung ứng

Công việc chuỗi cung ứng từ lâu đã đề cao những người có khả năng phân tích dữ liệu, giải quyết các vấn đề vận hành và lập kế hoạch chính xác. AI đang thay đổi phương trình đó bằng cách cung cấp các dự báo, lựa chọn tuyến đường, khuyến nghị tồn kho, tóm tắt nhà cung cấp và thậm chí cả các bản nháp đàm phán chỉ trong vài giây.

Nhưng một kết quả AI trông có vẻ đúng không giống như một quyết định kinh doanh hợp lý. Một nhà hoạch định có thể nhận được dự báo nhu cầu chính xác, nhưng vẫn cần phải xem xét lại nó dựa trên một chương trình khuyến mãi, hạn chế của nhà cung cấp, gián đoạn cảng, sự kiện thời tiết hoặc thay đổi trong hành vi khách hàng. Đóng góp của con người đang chuyển từ việc đưa ra câu trả lời sang việc đặt câu hỏi, xác thực và hành động dựa trên nó.

Từ câu trả lời đến khả năng phán đoán

Mối lo ngại của Borcherds là việc chấm điểm các câu trả lời cuối cùng không còn chứng minh rằng sinh viên hiểu được toán học cơ bản. Vấn đề tương tự cũng áp dụng cho chuỗi cung ứng: một báo cáo được tạo bởi AI hoàn chỉnh không chứng minh rằng một nhà hoạch định hiểu được rủi ro tồn kho, năng lực nhà cung cấp, quy tắc thương mại hoặc hậu quả của việc hết hàng.

Do đó, nhân lực chuỗi cung ứng tương lai phải được đào tạo để giải thích lý do của họ, bảo vệ một khuyến nghị, xác định các khoảng trống dữ liệu và đưa ra quyết định khi thông tin không đầy đủ. Đây là những kỹ năng vẫn còn giá trị khi AI có thể tạo ra bản nháp đầu tiên, phép tính hoặc kịch bản thay thế.

Suy nghĩ lại về phát triển nhân tài

Ngành chuỗi cung ứng không nên phản ứng bằng cách cấm AI hoặc coi nó là một lối tắt. Thay vào đó, ngành này nên thiết kế lại việc học tập và làm việc để các chuyên gia trẻ sử dụng AI như một đối tác tư duy trong khi vẫn phát triển khả năng phán đoán vận hành cốt lõi.

Điều đó có nghĩa là vượt ra ngoài việc đào tạo con người hoàn thành các nhiệm vụ thường ngày. Các chương trình học nghề, mô phỏng trực tiếp, đàm phán với nhà cung cấp, các bài tập ứng phó gián đoạn và các dự án vận hành thực tế có thể cho thấy liệu một chuyên gia trẻ có thể chuyển đổi phân tích thành hành động có trách nhiệm hay không. Các nhà tuyển dụng nên đánh giá cách ứng viên đặt vấn đề, thách thức các khuyến nghị của AI, hợp tác giữa các phòng ban và giải thích các đánh đổi đằng sau một quyết định.

Bảo vệ quá trình học tập ở cấp độ đầu vào

Gartner báo cáo rằng 55% lãnh đạo chuỗi cung ứng kỳ vọng AI tác nhân sẽ giảm nhu cầu tuyển dụng cấp độ đầu vào, trong khi 51% kỳ vọng một sự chuyển dịch sang việc giám sát các tác nhân AI. Đồng thời, 86% đồng ý rằng AI sẽ yêu cầu các quy trình mới để phát triển các nguồn nhân lực tương lai.

Điều này tạo ra một rủi ro: nếu AI tiếp quản các nhiệm vụ thường ngày mà qua đó nhân viên cấp dưới từng học hỏi, các công ty có thể gặp khó khăn trong việc phát triển thế hệ tiếp theo của các nhà hoạch định và lãnh đạo vận hành giàu kinh nghiệm. Giải pháp là thiết kế lại các vai trò cấp độ đầu vào xoay quanh việc ra quyết định có giám sát, quản lý ngoại lệ, tương tác với nhà cung cấp và học hỏi liên tục—chứ không chỉ đơn giản là loại bỏ chúng.

Xây dựng nhân tài sẵn sàng với AI

Các tổ chức chuỗi cung ứng nên coi kiến thức về AI là một năng lực cốt lõi, nhưng cần định nghĩa nó một cách rộng rãi. Không chỉ đơn thuần là biết cách đưa ra câu lệnh cho một mô hình; các chuyên gia phải hiểu chất lượng dữ liệu, giới hạn của mô hình, sự thiên vị, an ninh mạng, trách nhiệm giải trình và khi nào phán đoán của con người nên vượt qua một khuyến nghị tự động.

Một cách tiếp cận thực tế là kết hợp mọi quy trình làm việc được hỗ trợ bởi AI với một điểm kiểm tra của con người. Ví dụ, AI có thể xác định một sự gián đoạn nguồn cung có khả năng xảy ra, nhưng một nhà hoạch định phải xác minh nguồn gốc, đánh giá tác động kinh doanh, tham khảo ý kiến các đối tác bị ảnh hưởng và quyết định phản ứng. Điều này duy trì tốc độ trong khi vẫn giữ được trách nhiệm giải trình.

Điểm mấu chốt

Quyết định của giáo sư Berkeley cho thấy AI đang buộc giáo dục phải phân biệt giữa việc tạo ra một câu trả lời và việc sở hữu sự hiểu biết. Các chuỗi cung ứng toàn cầu đang đối mặt với thử thách tương tự. Các tổ chức phát triển mạnh sẽ là những tổ chức sử dụng AI để khuếch đại khả năng phán đoán của con người, thiết kế lại các vai trò đầu sự nghiệp thành cơ hội học hỏi và phát triển nhân tài có khả năng dẫn dắt các mạng lưới phức tạp vượt qua sự không chắc chắn.

Nguồn: https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518