1.
Ha Noi, Dec 2019
Quang Pham Huu
R&D Unit, Sun-AsteriskInc.
13F KeangnamHanoiLandmark72 Tower,
Pham Hung, Ha Noi

2.
• Proof of concepts là việc hiện thực hóa một
phương pháp hoặc một ý tưởng nhất định
để chứng minh tính khả thi của giải pháp và
tiềm năng của nó trong thực tế.
• AI PoCs là các dự án PoC có áp dụng các
công nghệ trí tuệ nhân tạo.

3.
• Một PoC thường nhỏ và có thể hoàn thành hoặc không, nó chỉ là một
công cụ để chứng minh tính khả thi của giải pháp.
• Thời gian thực hiện một dự án PoC: 2 tuần đến 1 tháng.
• Thuật toán được sử dụng đơn giản, dữ liệu sử dụng sẵn có hoặc tự tạo
các bộ dữ liệu nhỏ cho một vài trường hợp cụ thể.

4.
• Công nghệ này sẽ đáp ứng nhu cầu nào của người dùng?
• Sản phẩm này sẽ hoạt động không và nó sẽ hoạt động như thế nào?
• Người dùng sẽ thực sự làm việc hiệu quả với việc sử dụng công nghệ mới
này không? Liệu họ có thực sự quan tâm tới nó?
• Giải pháp được đưa ra có khả thi hay không?
• Etc.

5.
• Xác định nguồn lấy dữ liệu?
• Cách thức quản lý dữ liệu?
• Nhiều công ty bối rối trong việc chuẩn bị dữ liệu huấn luyện, không thực
sự biết mình cần chuẩn bị những gì.
• Sự khó khăn trong việc tiếp cận/truy cập dữ liệu nội tại của doanh nghiệp.
• Chất lượng dữ liệu có đủ tốt hay không? (Độ chính xác, tính đầy đủ, độ tin
cậy, mức độ cập nhật, mức độ liên quan, mức độ tổng quát...)
• Sai lầm trong việc coi nhẹ quyền riêng tư, quyền sở hữu dữ liệu.

6.
• Trông đợi gì khi dự án PoC kết thúc?
• Sự kỳ vọng quyết định đến định hướng và giải pháp thực hiện.
• Sau khi hoàn thành PoC, lộ trình tiếp theo là gì?
• Tập người dùng, market size như thế nào? Giải pháp hiện tại có thể đáp
ứng được việc tăng lên không ngừng của số lượng người dùng không?
• Trước khi làm PoC, hãy định hình tương lai của nó.
• Tư duy lối mòn, kỳ vọng quá cao vào các phương pháp cũ, workflow cũ,
không chịu thay đổi là rào cản cản trở sự phát triển của các sản phẩm
PoC.

7.
• Độ chính xác
• Tốc độ tính toán
• Tài nguyên duy trì product

8.
• Xác định tài nguyên cần thiết. Chúng ta cần những tài nguyên gì? (máy
móc, dữ liệu)
• Cần bao nhiêu người trong khoảng thời gian bao lâu?
• Estimate thời gian, nhân sự, kết quả. Tất cả đều phải được làm rõ.
• Nhân sự chuẩn bị, làm sạch, tổ chức lại dữ liệu thường bị bỏ qua cũng là
một sai lầm của các nhà phát triển.
• Sản phẩm có phù hợp với mục tiêu kinh doanh, mục tiêu doanh nghiệp
hay không?
• Dễ bị cám dỗ bởi các dự án có vẻ hay về mặt khoa học nhưng không thực
sự ý nghĩa cho doanh nghiệp.

9.
• Xác định độ chính xác cần thiết đủ để đưa PoC ra sử dụng. Con số này
tùy thuộc vào tính chất của từng bài toán, vậy bao nhiêu là đủ?
• Đánh giá mức độ tin cậy so với rủi ro và chi phí bỏ ra cho mỗi lần hệ
thống dự đoán sai.

10.
• Một dự án AI luôn có thể cải thiện dự đoán, độ chính xác của mô hình.
Nếu không định nghĩa rõ ràng cách đánh giá chất lượng của mô hình AI
ngay từ đầu, PoC có thể kéo dài không hồi kết.
• Định nghĩa sự thất bại, phát hiện sớm sự thất bại.

11.
• Triển khai các PoC không phù hợp với xu hướng, thời điểm hiện tại.
• Phương pháp, mô hình AI không đảm bảo tính linh động, dễ chuyển đổi,
dễ thích nghi với sự thay đổi của dữ liệu.
• Khi bắt đầu một dự án, hãy lường trước những thay đổi có thể có trong
tương lai.
• Case study:

12.
• Xác định cơ hội
• Định nghĩa vấn đề, chuẩn bị dữ liệu
• Estimate thời gian, nhân sự, kết quả
• Chuẩn bị tài nguyên, phân chia nhân lực
• Xác định hướng triển khai, khảo sát, tìm kiếm giải pháp
• Thẩm định kết quả và khả năng mở rộng