- Tốc độ phát triển của AI yêu cầu doanh nghiệp phải chủ động triển khai ngay, nếu không sẽ đối mặt với sự chậm trễ đáng kể và bỏ lỡ cơ hội tạo ra lợi ích trong các lĩnh vực quan trọng.
- Anthropic tập trung phát triển AI cho doanh nghiệp bằng cách ưu tiên độ chính xác, độ tin cậy và sự thật, tránh các xu hướng AI tiêu dùng như "model sycophancy" (nịnh hót mô hình).
- Các doanh nghiệp nên có tầm nhìn tham vọng, chuẩn bị cho việc AI xử lý toàn bộ quy trình từ đầu đến cuối thay vì chỉ các phần nhỏ, đặc biệt là trong các lĩnh vực phức tạp như phát triển thuốc.
Scaling enterprise AI: Fireside chat with Eli Lilly’s Diogo Rau and Dario Amodei
- Triển khai AI chủ động: Đừng trì hoãn việc áp dụng AI cho đến khi nó hoàn hảo; việc bắt đầu sớm sẽ giúp bạn tận dụng lợi ích và tránh chậm trễ hàng năm trong việc mang lại giá trị.
- Ưu tiên Độ chính xác và Độ tin cậy: Khi chọn đối tác hoặc mô hình AI, hãy tập trung vào các nhà cung cấp thiết kế AI với ưu tiên cao về tính chính xác, độ tin cậy và khả năng cung cấp thông tin trung thực, đặc biệt cho các tác vụ doanh nghiệp quan trọng.
- Tận dụng AI chuyên biệt (Skills & Claude): Khám phá và sử dụng các mô hình AI hoặc tính năng chuyên biệt hóa (như "Skills" hoặc "Claude") có thể được tinh chỉnh hoặc kết nối với các loại thông tin và cơ sở dữ liệu chuyên ngành sâu rộng.
- Tư duy về quy trình từ đầu đến cuối: Thay vì chỉ tích hợp AI vào các phần nhỏ lẻ của một quy trình hiện có, hãy có tầm nhìn và chuẩn bị để AI có thể xử lý toàn bộ chuỗi công việc từ đầu đến cuối.
- Phát triển song song với AI: Lên kế hoạch và chuẩn bị cho các thay đổi lớn mà AI sẽ mang lại trong tương lai, đừng thiết kế các dự án dựa trên giới hạn hiện tại của AI mà hãy dự đoán nó sẽ phát triển đến đâu.
- Nuôi dưỡng tham vọng: Hãy cực kỳ tham vọng về tiềm năng của AI. Tầm nhìn xa và lòng dũng cảm là cần thiết để chuẩn bị cho một tương lai nơi AI có thể tự động hóa toàn bộ các quy trình phức tạp.
AI model— mô hình AItask— tác vụmodel sycophancy— nịnh hót mô hình (xu hướng AI đồng ý với người dùng một cách quá mức)accuracy— độ chính xácreliability— độ tin cậySkills— Kỹ năng (tên một tính năng/sản phẩm của Anthropic)Claude— Claude (tên một loại mô hình/sản phẩm chuyên biệt của Anthropic)fine tuning— tinh chỉnhproject— dự ánin parallel— song song (thực hiện đồng thời)
Lời Mở Đầu và Tầm Quan Trọng của Tiến Độ AI
Hãy tin tưởng vào tốc độ phát triển của công nghệ. Bởi vì nếu các mô hình AI đủ tốt để thực hiện toàn bộ một tác vụ từ đầu đến cuối trong một năm nữa, và chỉ khi đó bạn mới bắt đầu triển khai, sẽ có thêm hai năm chậm trễ. Và đó là hai năm mà tất cả công việc bạn đang làm để mang lại lợi ích cho bệnh nhân sẽ không diễn ra.
Xin chào mọi người, tên tôi là Diego Rao, tôi là Giám đốc Thông tin và Kỹ thuật số của Eli Lilly and Company. Tôi có mặt ở đây cùng Dario, người sáng lập và Giám đốc điều hành của Anthropic. Dario, cảm ơn bạn đã tham gia cùng tôi hôm nay. Cảm ơn bạn đã mời tôi, Diego.
Chiến Lược Doanh Nghiệp của Anthropic và Sự Khác Biệt
Tôi biết bạn đang dành nhiều thời gian để suy nghĩ về cách làm việc tốt hơn với các doanh nghiệp. Chiến lược doanh nghiệp của bạn là gì, và bạn nhìn nhận Anthropic khác biệt so với các nhà cung cấp khác như thế nào?
Vâng, tôi nghĩ rằng chúng tôi đã đưa ra một số lựa chọn khác biệt. Nếu tôi xét về các ưu đãi từ AI dành cho người tiêu dùng, mọi người đang cạnh tranh về mức độ tương tác và tăng trưởng. Và điều đó thúc đẩy nhiều hành vi của AI mà tôi nghĩ là không lý tưởng từ góc độ doanh nghiệp. Ví dụ, có ý tưởng về "model sycophancy" (nịnh hót mô hình), nơi mô hình AI sẽ nói với bạn bất cứ điều gì bạn nói đều là ý hay. Và ngay cả đối với người tiêu dùng, điều đó cũng có thể gây ra vấn đề. Chúng ta đã thấy những câu chuyện về những người nói, "Ồ vâng, tôi đã khám phá ra một lý thuyết vật lý cơ bản mới," và mô hình AI nói, "Tuyệt vời." Và có thể bạn không muốn nó nói như vậy.
Nhưng tôi nghĩ rằng, tất nhiên, về phía doanh nghiệp, các vấn đề lớn hơn và rõ ràng hơn nhiều. Bạn thực sự không muốn các mô hình AI nói, "Ồ vâng, hợp chất thuốc này thật tuyệt vời. Nó đã tiêu tốn hàng triệu đô la để... Tôi chỉ nghĩ rằng điều này... Tôi nghĩ ý tưởng của bạn thật tuyệt vời. Tôi nghĩ nó thực sự hứa hẹn." Bạn muốn sự thật. Và vì vậy, tôi nghĩ rằng động lực đó đã khiến chúng tôi thiết kế các mô hình AI của mình theo một cách khác. Tôi nghĩ nó tương thích hơn với việc làm cho mô hình AI thông minh hơn, giúp chúng tốt hơn trong nhiều tác vụ có giá trị kinh tế. Và nó khiến chúng tôi ưu tiên độ chính xác và độ tin cậy.
Độ Chính Xác, Độ Tin Cậy và Kiến Thức Chuyên Biệt
Một thử nghiệm mà tôi thường đưa ra cho mọi người, dù nó đặc biệt phù hợp khi nói chuyện với bạn, là tôi nói, "Giả sử tôi cải thiện kiến thức về hóa sinh của mô hình AI từ cấp độ đại học lên cấp độ sau đại học." Nếu bạn nói điều đó với người tiêu dùng, thì 99% trong số họ sẽ nói, "Tôi không biết bạn đang nói gì trước đây, và bây giờ tôi cũng không biết bạn đang nói gì." Nhưng nếu tôi nói với bạn, bạn có thể đánh giá cao điều đó rất nhiều. Điều đó rất quan trọng.
Chính xác là vậy. Vâng, điều đó thực sự liên quan đến một thứ khác mà bạn cũng đã ra mắt, đó là Skills (Kỹ năng), đúng không? Có rất nhiều Skills mà bạn muốn trong lĩnh vực sinh học hoặc thậm chí chỉ là Skills của một doanh nghiệp, cách bạn muốn vận hành. Đó có phải là một phần tương lai của bạn không?
Vâng, tôi chắc chắn nghĩ vậy. Tôi muốn nói, những thứ từ Skills đến, bạn biết đấy, chúng tôi đang trong quá trình ra mắt nhiều Claude chuyên biệt, mà trong một số trường hợp sẽ là những cải tiến cho chính mô hình AI, các bản fine tuning (tinh chỉnh) của mô hình AI. Nhưng trong một số trường hợp, nó sẽ giống như việc bao bọc mô hình AI với quyền truy cập vào các loại thông tin cụ thể. Vì vậy, khi chúng tôi thực hiện Claude cho dịch vụ tài chính, chúng tôi đã kết nối nó với rất nhiều loại chỉ số và xếp hạng thông thường. Và bạn sẽ ngạc nhiên về việc chỉ cần làm cho việc kết nối Claude với những thứ đó dễ dàng và sử dụng nó theo cách nhận biết kiến thức đó có giá trị như thế nào. Vì vậy, tôi nghĩ rằng, chúng tôi đang nghiên cứu một Claude cho khoa học đời sống, sẽ là sự kết hợp giữa việc làm cho mô hình AI thông minh hơn về bản chất và bao bọc nó với nhiều thứ khác nhau, đúng không? Tôi không biết chính xác phép loại suy sẽ là gì ở đây, nhưng có hàng triệu cơ sở dữ liệu về protein, hợp chất, thử nghiệm, bạn biết đấy, bạn có thể muốn mô hình AI có thể truy cập tất cả những điều đó trong tầm tay.
Lời Khuyên Cho Lĩnh Vực Phát Triển Thuốc
Vậy, có lời khuyên nào dành cho những người trong chúng ta đang làm việc trong thế giới khám phá và phát triển thuốc không?
Bạn biết đấy, tôi muốn nói rằng có một sự cám dỗ, và tôi nghĩ rất khó để tránh bắt đầu theo cách này. Bạn biết đấy, những điều nhỏ nhặt mà chúng ta có thể làm với AI là gì? Theo một cách nào đó, bạn chỉ cần bắt đầu từ đó. Tôi nghĩ một trong những lời khuyên của tôi là hãy cực kỳ, cực kỳ tham vọng về nơi mà các mô hình AI đang hướng tới. Tôi nghĩ bạn có thể bị mắc kẹt trong một chế độ mà có một quy trình hiện có gồm 20 phần. Bạn muốn thay thế AI vào phần năm và phần 12, đúng không? Và điều đó thực sự có thể khó khăn vì phần 12 phải giao thoa với phần 13 và phần 11, những phần không được thực hiện bằng AI. Và bạn nhìn vào đó, bạn sẽ nói, "Chà, các mô hình AI chưa đạt đến mức có thể thực hiện từ phần 0 đến phần 20 từ đầu đến cuối." Đúng vậy.
Và vì vậy bạn nên bắt đầu suy nghĩ ngay bây giờ. Đừng quá bị cám dỗ bởi, "Ồ, chúng ta có thể tạo ra những lợi ích nhỏ này bằng cách, bạn biết đấy, làm phần này và phần kia." Hãy bắt đầu chuẩn bị để làm toàn bộ mọi thứ từ đầu đến cuối. Hãy tin tưởng vào tốc độ phát triển của công nghệ, bởi vì nếu các mô hình AI đủ tốt để làm toàn bộ công việc từ đầu đến cuối trong một năm nữa, và chỉ khi đó bạn mới bắt đầu triển khai, sẽ có thêm hai năm chậm trễ. Và đó là hai năm mà tất cả công việc bạn đang làm để mang lại lợi ích cho bệnh nhân sẽ không diễn ra. Ngược lại, nếu bạn thực hiện song song, nếu bạn bắt đầu chuẩn bị ngay bây giờ cho sự thay đổi lớn hơn, khi các mô hình AI đang trở nên tốt hơn, thì bạn có thể tiết kiệm được nhiều năm thời gian.
Chính xác là vậy. Vì vậy, đừng thực hiện các dự án kéo dài hai năm và mong đợi nó sẽ y hệt như vậy trong những năm tới. Vâng. Bạn thực hiện các dự án kéo dài hai năm, hãy lên kế hoạch cho nơi AI sẽ hướng tới. Ý tôi là, điều đó nghe có vẻ hiển nhiên, nhưng tôi nghĩ nó thực sự cần rất nhiều lòng dũng cảm và tầm nhìn xa để làm được điều đó. Chắc chắn là vậy.
Kết Thúc Cuộc Trò Chuyện
Vâng, rất cảm ơn bạn đã dành thời gian trò chuyện hôm nay. Thực sự rất cảm kích. Vâng. Vâng. Vâng. Và sau đó bạn có thể thấy.
TL;DR
- Tốc độ phát triển của AI yêu cầu doanh nghiệp phải chủ động triển khai ngay, nếu không sẽ đối mặt với sự chậm trễ đáng kể và bỏ lỡ cơ hội tạo ra lợi ích trong các lĩnh vực quan trọng.
- Anthropic tập trung phát triển AI cho doanh nghiệp bằng cách ưu tiên độ chính xác, độ tin cậy và sự thật, tránh các xu hướng AI tiêu dùng như "model sycophancy" (nịnh hót mô hình).
- Các doanh nghiệp nên có tầm nhìn tham vọng, chuẩn bị cho việc AI xử lý toàn bộ quy trình từ đầu đến cuối thay vì chỉ các phần nhỏ, đặc biệt là trong các lĩnh vực phức tạp như phát triển thuốc.
Điểm chính
- Triển khai AI chủ động: Đừng trì hoãn việc áp dụng AI cho đến khi nó hoàn hảo; việc bắt đầu sớm sẽ giúp bạn tận dụng lợi ích và tránh chậm trễ hàng năm trong việc mang lại giá trị.
- Ưu tiên Độ chính xác và Độ tin cậy: Khi chọn đối tác hoặc mô hình AI, hãy tập trung vào các nhà cung cấp thiết kế AI với ưu tiên cao về tính chính xác, độ tin cậy và khả năng cung cấp thông tin trung thực, đặc biệt cho các tác vụ doanh nghiệp quan trọng.
- Tận dụng AI chuyên biệt (Skills & Claude): Khám phá và sử dụng các mô hình AI hoặc tính năng chuyên biệt hóa (như "Skills" hoặc "Claude") có thể được tinh chỉnh hoặc kết nối với các loại thông tin và cơ sở dữ liệu chuyên ngành sâu rộng.
- Tư duy về quy trình từ đầu đến cuối: Thay vì chỉ tích hợp AI vào các phần nhỏ lẻ của một quy trình hiện có, hãy có tầm nhìn và chuẩn bị để AI có thể xử lý toàn bộ chuỗi công việc từ đầu đến cuối.
- Phát triển song song với AI: Lên kế hoạch và chuẩn bị cho các thay đổi lớn mà AI sẽ mang lại trong tương lai, đừng thiết kế các dự án dựa trên giới hạn hiện tại của AI mà hãy dự đoán nó sẽ phát triển đến đâu.
- Nuôi dưỡng tham vọng: Hãy cực kỳ tham vọng về tiềm năng của AI. Tầm nhìn xa và lòng dũng cảm là cần thiết để chuẩn bị cho một tương lai nơi AI có thể tự động hóa toàn bộ các quy trình phức tạp.
Từ vựng
AI model— mô hình AItask— tác vụmodel sycophancy— nịnh hót mô hình (xu hướng AI đồng ý với người dùng một cách quá mức)accuracy— độ chính xácreliability— độ tin cậySkills— Kỹ năng (tên một tính năng/sản phẩm của Anthropic)Claude— Claude (tên một loại mô hình/sản phẩm chuyên biệt của Anthropic)fine tuning— tinh chỉnhproject— dự ánin parallel— song song (thực hiện đồng thời)
Nội dung chi tiết
Lời Mở Đầu và Tầm Quan Trọng của Tiến Độ AI
Hãy tin tưởng vào tốc độ phát triển của công nghệ. Bởi vì nếu các mô hình AI đủ tốt để thực hiện toàn bộ một tác vụ từ đầu đến cuối trong một năm nữa, và chỉ khi đó bạn mới bắt đầu triển khai, sẽ có thêm hai năm chậm trễ. Và đó là hai năm mà tất cả công việc bạn đang làm để mang lại lợi ích cho bệnh nhân sẽ không diễn ra.
Xin chào mọi người, tên tôi là Diego Rao, tôi là Giám đốc Thông tin và Kỹ thuật số của Eli Lilly and Company. Tôi có mặt ở đây cùng Dario, người sáng lập và Giám đốc điều hành của Anthropic. Dario, cảm ơn bạn đã tham gia cùng tôi hôm nay. Cảm ơn bạn đã mời tôi, Diego.
Chiến Lược Doanh Nghiệp của Anthropic và Sự Khác Biệt
Tôi biết bạn đang dành nhiều thời gian để suy nghĩ về cách làm việc tốt hơn với các doanh nghiệp. Chiến lược doanh nghiệp của bạn là gì, và bạn nhìn nhận Anthropic khác biệt so với các nhà cung cấp khác như thế nào?
Vâng, tôi nghĩ rằng chúng tôi đã đưa ra một số lựa chọn khác biệt. Nếu tôi xét về các ưu đãi từ AI dành cho người tiêu dùng, mọi người đang cạnh tranh về mức độ tương tác và tăng trưởng. Và điều đó thúc đẩy nhiều hành vi của AI mà tôi nghĩ là không lý tưởng từ góc độ doanh nghiệp. Ví dụ, có ý tưởng về "model sycophancy" (nịnh hót mô hình), nơi mô hình AI sẽ nói với bạn bất cứ điều gì bạn nói đều là ý hay. Và ngay cả đối với người tiêu dùng, điều đó cũng có thể gây ra vấn đề. Chúng ta đã thấy những câu chuyện về những người nói, "Ồ vâng, tôi đã khám phá ra một lý thuyết vật lý cơ bản mới," và mô hình AI nói, "Tuyệt vời." Và có thể bạn không muốn nó nói như vậy.
Nhưng tôi nghĩ rằng, tất nhiên, về phía doanh nghiệp, các vấn đề lớn hơn và rõ ràng hơn nhiều. Bạn thực sự không muốn các mô hình AI nói, "Ồ vâng, hợp chất thuốc này thật tuyệt vời. Nó đã tiêu tốn hàng triệu đô la để... Tôi chỉ nghĩ rằng điều này... Tôi nghĩ ý tưởng của bạn thật tuyệt vời. Tôi nghĩ nó thực sự hứa hẹn." Bạn muốn sự thật. Và vì vậy, tôi nghĩ rằng động lực đó đã khiến chúng tôi thiết kế các mô hình AI của mình theo một cách khác. Tôi nghĩ nó tương thích hơn với việc làm cho mô hình AI thông minh hơn, giúp chúng tốt hơn trong nhiều tác vụ có giá trị kinh tế. Và nó khiến chúng tôi ưu tiên độ chính xác và độ tin cậy.
Độ Chính Xác, Độ Tin Cậy và Kiến Thức Chuyên Biệt
Một thử nghiệm mà tôi thường đưa ra cho mọi người, dù nó đặc biệt phù hợp khi nói chuyện với bạn, là tôi nói, "Giả sử tôi cải thiện kiến thức về hóa sinh của mô hình AI từ cấp độ đại học lên cấp độ sau đại học." Nếu bạn nói điều đó với người tiêu dùng, thì 99% trong số họ sẽ nói, "Tôi không biết bạn đang nói gì trước đây, và bây giờ tôi cũng không biết bạn đang nói gì." Nhưng nếu tôi nói với bạn, bạn có thể đánh giá cao điều đó rất nhiều. Điều đó rất quan trọng.
Chính xác là vậy. Vâng, điều đó thực sự liên quan đến một thứ khác mà bạn cũng đã ra mắt, đó là Skills (Kỹ năng), đúng không? Có rất nhiều Skills mà bạn muốn trong lĩnh vực sinh học hoặc thậm chí chỉ là Skills của một doanh nghiệp, cách bạn muốn vận hành. Đó có phải là một phần tương lai của bạn không?
Vâng, tôi chắc chắn nghĩ vậy. Tôi muốn nói, những thứ từ Skills đến, bạn biết đấy, chúng tôi đang trong quá trình ra mắt nhiều Claude chuyên biệt, mà trong một số trường hợp sẽ là những cải tiến cho chính mô hình AI, các bản fine tuning (tinh chỉnh) của mô hình AI. Nhưng trong một số trường hợp, nó sẽ giống như việc bao bọc mô hình AI với quyền truy cập vào các loại thông tin cụ thể. Vì vậy, khi chúng tôi thực hiện Claude cho dịch vụ tài chính, chúng tôi đã kết nối nó với rất nhiều loại chỉ số và xếp hạng thông thường. Và bạn sẽ ngạc nhiên về việc chỉ cần làm cho việc kết nối Claude với những thứ đó dễ dàng và sử dụng nó theo cách nhận biết kiến thức đó có giá trị như thế nào. Vì vậy, tôi nghĩ rằng, chúng tôi đang nghiên cứu một Claude cho khoa học đời sống, sẽ là sự kết hợp giữa việc làm cho mô hình AI thông minh hơn về bản chất và bao bọc nó với nhiều thứ khác nhau, đúng không? Tôi không biết chính xác phép loại suy sẽ là gì ở đây, nhưng có hàng triệu cơ sở dữ liệu về protein, hợp chất, thử nghiệm, bạn biết đấy, bạn có thể muốn mô hình AI có thể truy cập tất cả những điều đó trong tầm tay.
Lời Khuyên Cho Lĩnh Vực Phát Triển Thuốc
Vậy, có lời khuyên nào dành cho những người trong chúng ta đang làm việc trong thế giới khám phá và phát triển thuốc không?
Bạn biết đấy, tôi muốn nói rằng có một sự cám dỗ, và tôi nghĩ rất khó để tránh bắt đầu theo cách này. Bạn biết đấy, những điều nhỏ nhặt mà chúng ta có thể làm với AI là gì? Theo một cách nào đó, bạn chỉ cần bắt đầu từ đó. Tôi nghĩ một trong những lời khuyên của tôi là hãy cực kỳ, cực kỳ tham vọng về nơi mà các mô hình AI đang hướng tới. Tôi nghĩ bạn có thể bị mắc kẹt trong một chế độ mà có một quy trình hiện có gồm 20 phần. Bạn muốn thay thế AI vào phần năm và phần 12, đúng không? Và điều đó thực sự có thể khó khăn vì phần 12 phải giao thoa với phần 13 và phần 11, những phần không được thực hiện bằng AI. Và bạn nhìn vào đó, bạn sẽ nói, "Chà, các mô hình AI chưa đạt đến mức có thể thực hiện từ phần 0 đến phần 20 từ đầu đến cuối." Đúng vậy.
Và vì vậy bạn nên bắt đầu suy nghĩ ngay bây giờ. Đừng quá bị cám dỗ bởi, "Ồ, chúng ta có thể tạo ra những lợi ích nhỏ này bằng cách, bạn biết đấy, làm phần này và phần kia." Hãy bắt đầu chuẩn bị để làm toàn bộ mọi thứ từ đầu đến cuối. Hãy tin tưởng vào tốc độ phát triển của công nghệ, bởi vì nếu các mô hình AI đủ tốt để làm toàn bộ công việc từ đầu đến cuối trong một năm nữa, và chỉ khi đó bạn mới bắt đầu triển khai, sẽ có thêm hai năm chậm trễ. Và đó là hai năm mà tất cả công việc bạn đang làm để mang lại lợi ích cho bệnh nhân sẽ không diễn ra. Ngược lại, nếu bạn thực hiện song song, nếu bạn bắt đầu chuẩn bị ngay bây giờ cho sự thay đổi lớn hơn, khi các mô hình AI đang trở nên tốt hơn, thì bạn có thể tiết kiệm được nhiều năm thời gian.
Chính xác là vậy. Vì vậy, đừng thực hiện các dự án kéo dài hai năm và mong đợi nó sẽ y hệt như vậy trong những năm tới. Vâng. Bạn thực hiện các dự án kéo dài hai năm, hãy lên kế hoạch cho nơi AI sẽ hướng tới. Ý tôi là, điều đó nghe có vẻ hiển nhiên, nhưng tôi nghĩ nó thực sự cần rất nhiều lòng dũng cảm và tầm nhìn xa để làm được điều đó. Chắc chắn là vậy.
Kết Thúc Cuộc Trò Chuyện
Vâng, rất cảm ơn bạn đã dành thời gian trò chuyện hôm nay. Thực sự rất cảm kích. Vâng. Vâng. Vâng. Và sau đó bạn có thể thấy.