Thích nghi với thay đổi công nghệ: Bắt đầu từ cách nghĩ

Thích nghi với sự thay đổi công nghệ bắt đầu từ việc sẵn lòng tìm hiểu, lựa chọn một vấn đề cụ thể để thử và đánh giá kết quả trước khi mở rộng. Không cần chạy theo mọi công cụ mới, nhưng cũng không nên để kinh nghiệm quen thuộc trở thành lý do khép lại mọi khả năng.

Một màn trình diễn như Tesla Roadster rời mặt đất hay sự hiện diện của AI trong công việc có thể gợi cùng một câu hỏi: khi khả năng của công nghệ thay đổi, cách nghĩ và cách làm của mình có đang được cập nhật?

Đây là góc nhìn của TC AUTO về việc học hỏi và thích nghi, không phải một dự báo rằng mọi công nghệ mới đều sẽ thành công.

Vì sao kinh nghiệm cần được đối chiếu với thực tiễn mới?

Kinh nghiệm giúp chúng ta ra quyết định nhanh hơn. Người đã làm một công việc lâu năm thường nhận ra những vấn đề mà người mới dễ bỏ qua.

Tuy nhiên, kinh nghiệm được hình thành trong những điều kiện cụ thể. Khi công cụ, sản phẩm hoặc nhu cầu khách hàng thay đổi, một cách làm từng hiệu quả có thể cần được điều chỉnh.

Chẳng hạn, việc ghi nhớ danh mục có thể đủ khi số sản phẩm ít. Khi danh mục mở rộng, một công cụ tra cứu có kiểm soát có thể hỗ trợ tốt hơn. Khi đó, chuyên môn của người tư vấn tiếp tục có giá trị ở việc đặt câu hỏi, kiểm chứng và đưa ra lựa chọn phù hợp.

Cập nhật phương pháp giúp kinh nghiệm được sử dụng trong bối cảnh mới.

AI và Roadster gợi điều gì về cách đón nhận cái mới?

Tesla Roadster đã tạo chú ý bằng màn trình diễn khả năng rời mặt đất. Nhưng khả năng ấy vẫn cần được hiểu trong phạm vi được công bố, thay vì suy thành viễn cảnh xe bay phổ biến ngay lập tức.

AI cũng cần được tiếp cận bằng sự tò mò có kiểm chứng. Một câu trả lời trôi chảy chưa chắc đã chính xác. NIST xác định việc tạo nội dung sai hoặc thiếu căn cứ nhưng được trình bày có vẻ thuyết phục là một nhóm rủi ro của AI tạo sinh.

Hai ví dụ có bản chất kỹ thuật khác nhau. Điểm chung trong cách tiếp nhận là người dùng cần đặt câu hỏi:

• Công nghệ đang thực hiện được việc gì?
• Điều kiện để đạt kết quả ấy là gì?
• Phần nào đã có bằng chứng, phần nào còn là kỳ vọng?
• Nó có giải quyết vấn đề thực tế của mình không?

Sự cởi mở trở nên hữu ích hơn khi đi cùng khả năng đánh giá.

Ba phản ứng dễ khiến việc thích nghi chậm lại

Bác bỏ trước khi tìm hiểu

“Công việc của tôi không cần đến công nghệ này” có thể là kết luận đúng sau khi đánh giá. Nhưng nếu đó chỉ là phản ứng đầu tiên, mình có thể bỏ qua một ứng dụng phù hợp.

Có thể bắt đầu bằng một câu hỏi nhỏ hơn: công nghệ này giúp được phần việc nào, dù chưa thay thế cả quy trình?

Kỳ vọng quá nhiều sau một màn trình diễn

Một tính năng ấn tượng dễ tạo cảm giác công nghệ đã sẵn sàng cho mọi tình huống.

Trong thực tế, điều cần xem là phạm vi hoạt động và điều kiện sử dụng. Với AI, cần kiểm tra trên dữ liệu, nhiệm vụ và yêu cầu cụ thể của công việc.

Dừng lại sau một lần thử chưa tốt

Kết quả chưa đạt có thể đến từ giới hạn của công cụ, dữ liệu đầu vào, cách hướng dẫn hoặc việc chọn sai nhiệm vụ.

Trước khi tiếp tục hay dừng lại, cần xác định nguyên nhân. Không phải vấn đề nào cũng giải quyết được bằng cách thử thêm nhiều lần như cũ.

Một cách bắt đầu thực tế: Chọn nhỏ, thử rõ, đánh giá thật

Đối với cá nhân hoặc doanh nghiệp, có thể tổ chức quá trình thích nghi thành năm bước:

• 1. Chọn vấn đề: Tìm một công việc cụ thể đang tốn thời gian hoặc dễ sai (Đầu ra: Mô tả nhiệm vụ)
• 2. Ghi nhận hiện trạng: Xác định cách làm, thời gian và chất lượng hiện tại (Đầu ra: Cơ sở so sánh)
• 3. Thử trong phạm vi nhỏ: Dùng công cụ mới với dữ liệu được phép sử dụng (Đầu ra: Kết quả thử)
• 4. Kiểm tra: So sánh độ đúng, thời gian sửa và mức hữu ích (Đầu ra: Nhận xét có căn cứ)
• 5. Quyết định: Tiếp tục, điều chỉnh, mở rộng hoặc dừng (Đầu ra: Bước tiếp theo)

Ví dụ, một đơn vị phân phối có thể thử dùng AI để soạn bản nháp câu hỏi tư vấn từ tài liệu đã duyệt. Người phụ trách vẫn cần kiểm tra trước khi dùng với khách hàng.

Đây là ví dụ phương pháp, không phải tuyên bố TC AUTO đã triển khai hoặc đạt kết quả ở một hệ thống cụ thể.

Kiên trì cần đi cùng khả năng thay đổi

Ý chí quan trọng vì kết quả mới thường không xuất hiện ngay. Nhưng kiên trì có ích khi mình học được điều gì đó từ quá trình thực hiện.

Sau một lần chưa thành công, có thể tự hỏi:

• Mình đã hiểu đúng vấn đề chưa?
• Dữ liệu có đủ và đúng không?
• Công cụ có phù hợp với nhiệm vụ không?
• Lần tiếp theo sẽ thay đổi điều gì?
• Có dấu hiệu nào cho thấy nên dừng hoặc chọn hướng khác?

Những câu hỏi này giúp việc dấn thân có phương hướng. Thất bại được nhìn nhận như thông tin để cải thiện, thay vì một điều buộc phải lãng mạn hóa.

Những tín hiệu tích cực có thể bắt đầu rất nhỏ

Tiến bộ chưa nhất thiết là doanh thu tăng mạnh hoặc một quy trình được tự động hóa hoàn toàn.

Đó có thể là việc tìm tài liệu nhanh hơn, giảm một lỗi lặp lại hoặc giúp nhân viên mới hiểu nhiệm vụ rõ hơn.

Khi những thay đổi nhỏ được ghi nhận, mình có cơ sở để biết điều gì nên tiếp tục. Nếu chưa có kết quả, dữ liệu ấy cũng giúp điều chỉnh sớm hơn.

Niềm tin vì vậy được nuôi bằng tiến bộ có thể quan sát, bên cạnh tinh thần quyết tâm.

Góc nhìn TC AUTO: Học để phục vụ tốt hơn

Trong lĩnh vực ô tô, sản phẩm và nhu cầu sử dụng liên tục đặt ra những câu hỏi mới. Với người tư vấn và đơn vị phân phối, học hỏi cần gắn với khả năng giải thích rõ hơn, lựa chọn có cơ sở hơn và hỗ trợ khách hàng, đại lý tốt hơn.

Không cần biết mọi công nghệ ngay khi chúng xuất hiện. Nhưng cần giữ thói quen cập nhật, kiểm chứng và sẵn sàng sửa điều mình từng hiểu chưa đầy đủ.

Tiếp tục theo dõi chuyên mục kiến thức và góc nhìn của TC AUTO để cùng tìm hiểu công nghệ ô tô bằng sự tò mò, cởi mở và có căn cứ.