Công việc diễn ra như vậy trong nhiều thập kỷ: các công ty đã vận chuyển công việc có giá trị thấp, lặp đi lặp lại hoặc sử dụng nhiều lao động đến các địa điểm rẻ hơn trên toàn cầu để tiết kiệm chi phí.
Nhưng Machine Learning đang thay đổi phương trình chi phí đó và khiến một số công ty phải suy nghĩ lại về lý do tìm nguồn cung ứng của họ. Thật vậy, Machine Learning có thể làm lại Business Process Outsourcing (BPO). Các nhiệm vụ lặp đi lặp lại của các trung tâm nước ngoài đang được máy móc đảm nhận và các nhà cung cấp dịch vụ gia công bị buộc phải đưa ra các đề xuất giá trị mới cho khách hàng.
Trong nghiên cứu Tận dụng tối đa công nghệ máy học: 5 bài học từ những người học nhanh, được thực hiện với Economist Intelligence Unit, SAP đã hỏi các công ty không chỉ về việc áp dụng Machine Learning mà còn cả cách họ tìm nguồn cung ứng cho các quy trình kinh doanh của mình. Họ đã tìm thấy mối liên hệ giữa việc sử dụng Machine Learning của các công ty và nơi họ tìm nguồn cung cấp các chức năng kinh doanh của mình (cho dù được thực hiện trong nhà hay bởi bên thứ ba) một nửa ngân sách của họ dành cho các quy trình kinh doanh tại địa phương thay vì ở các khu vực địa lý xa xôi, so với 39% các công ty vẫn chưa nhận thấy giá trị thực sự từ Machine Learning.
Phát hiện này cho thấy rằng các công ty đã sử dụng Machine Learning như một phần của chiến lược chuyển đổi kỹ thuật số lớn hơn của họ, ngày càng có thể đưa ra các lựa chọn tìm nguồn cung ứng dựa trên các yếu tố khác ngoài chi phí và do đó có nhiều khả năng giữ các quy trình kinh doanh chiến lược nhất của họ ở gần nhà. Ví dụ, họ có thể ưu tiên giá trị cho khách hàng. Hậu quả của đại dịch coronavirus, các công ty cũng có thể nhìn nhận khác về rủi ro do gián đoạn kinh doanh. Các công ty xây dựng khả năng Machine Learning của riêng họ sẽ ít cần các thỏa thuận thuê ngoài dài hạn hoặc thỏa thuận thuê ngoài để giúp doanh nghiệp phát triển; khả năng trí tuệ nhân tạo (AI) sẽ trở thành một cấp số nhân cho lực lượng lao động hiện có của họ.
Stanton Jones, giám đốc và nhà phân tích chính của ISG, cho biết: Các doanh nghiệp đi đầu trong việc áp dụng Machine Learning “không nhất thiết phải tìm cách giảm chi phí trong ngắn hạn”. “Họ đang tìm kiếm những thứ như cải thiện năng suất, sự tuân thủ hoặc sự hài lòng của khách hàng.”
Hãy xem xét Intel, công ty sớm áp dụng Machine Learning để tăng hiệu quả và chất lượng trong các nhà máy của mình. Công ty đã chuyển sang áp dụng những khả năng đó vào các quy trình kinh doanh hướng tới khách hàng của mình. Với hơn 100.000 khách hàng là người bán lại, lực lượng bán hàng của chính Intel có thể chỉ tập trung vào những khách hàng lớn nhất của mình. Tuy nhiên, một hệ thống hỗ trợ bán hàng, được hỗ trợ bởi các thuật toán Machine Learning, có thể xác định những người bán lại mang lại xác suất bán hàng cao nhất trong khi vẫn giữ quy trình bán hàng nội bộ. Hệ thống đã mang lại hơn 100 triệu đô la Mỹ doanh thu bổ sung, theo Giám đốc Dữ liệu của Intel và Phó Chủ tịch về nền tảng và dữ liệu doanh nghiệp, Aziz Safa.
Trong khi đó, đối với các nhà cung cấp dịch vụ thuê ngoài, các công cụ Machine Learning để hỗ trợ các quy trình kinh doanh thông minh có thể trở thành một yếu tố khác biệt trong cạnh tranh. Jones cho biết: “Các tổ chức sẽ đánh giá tính hiệu quả của công nghệ mà nhà cung cấp đang mang lại.” Ví dụ: “các nhà cung cấp có thể tạo ra lợi thế chiến lược bằng cách có một thuật toán Machine Learning hoạt động và học hỏi nhanh hơn so với đối thủ cạnh tranh”.
Liệu Machine Learning có dẫn đến việc hồi hương hàng loạt công việc hiện đang thực hiện ở ngoài khơi không? Có lẽ không. Arjun Sethi, một đối tác tại AT Kearney, cho biết: “Nhưng khi nói đến các quy trình giao dịch mới hơn, các quyết định có nhiều khả năng nghiêng về việc duy trì chúng trên đất liền”. Theo Jones, các công ty đưa các quy trình về nước sẽ có thể thuê một số lượng nhỏ hơn nhiều nhân viên có kỹ năng cao hơn – 25–30% so với số nhân viên được sử dụng ở nước ngoài – và kết hợp họ với tự động hóa thông minh.
Trong khi đó, trong ngắn hạn, không phải tất cả các công việc lặp đi lặp lại, có giá trị thấp đều có thể được tự động hóa bằng Machine Learning. Các nhiệm vụ yêu cầu mức độ trực giác hoặc suy luận dù chỉ là nhỏ nhất vẫn có thể gây khó khăn cho thuật toán. Ví dụ: Machine Learning chỉ có thể phân biệt sự khác biệt giữa một con mèo và một ngôi nhà, nếu nó được cho ăn hàng triệu hình ảnh của mỗi con.
Và ai đang cho ăn? Người thuê ngoài. Jones nói: “Hầu hết các phần mềm đang được phát triển để cung cấp năng lượng cho ô tô tự hành đều sử dụng công nghệ Machine Learning và các thuật toán Machine Learning này đang phải tiếp nhận một lượng rất lớn dữ liệu phi cấu trúc [dưới dạng] video và ảnh.
Reference:
How Machine Learning Changes BPO. Retrieved from https://insights.sap.com/how-machine-learning-changes-bpo/
