NỘI DUNG

MỤC TIÊU BA NGUYÊN MẪU VÍ DỤ

 MỤC TIÊU
-Phát triển các khả năng độc
quyền
- Một công ty nên đầu tư vào khả
năng AI tổng quát để nó có thể tạo
ra lợi thế độc quyền cho doanh
nghiệp
 BA NGUYÊN MẪU

Taker Shaper Maker

Sử dụng các mô hình có sẵn công
khai thông qua giao diện trò
chuyện hoặc API, với rất ít hoặc
không có tùy chỉnh
Tích hợp các mô hình với dữ liệu
Xây dựng mô hình nền tảng để
và hệ thống nội bộ để tạo ra
giải quyết một trường hợp kinh
nhiều kết quả tùy chỉnh hơn
doanh riêng biệt.
 Taker
• Đây là nguyên mẫu đơn giản nhất xét về cả nhu cầu kỹ thuật
và cơ sở hạ tầng và nói chung là nguyên mẫu được thiết lập và
vận hành nhanh nhất.
 Shaper
• Phù hợp với các công ty đang tìm cách mở rộng quy mô khả năng AI
tổng hợp, phát triển nhiều khả năng độc quyền hơn hoặc đáp ứng nhu
cầu tuân thủ hoặc bảo mật cao hơn
 Maker
• Việc xây dựng mô hình nền tảng rất tốn kém và phức
tạp, đòi hỏi khối lượng dữ liệu khổng lồ, chuyên môn
sâu và sức mạnh tính toán lớn -> rất ít tổ chức sẽ áp
dụng nó trong thời gian ngắn
• -> Hầu hết sẽ chuyển sang sự kết hợp nào đó giữa Taker
và Shaper
5. NÂNG CẤP KIẾN
TRÚC CÔNG NGHỆ
DOANH NGHIỆP ĐỂ
TÍCH HỢP VÀ QUẢN
LÝ CÁC MÔ HÌNH AI
TỔNG QUÁT
 Các tổ chức sẽ sử dụng nhiều mô hình AI
tổng quát với quy mô, độ phức tạp và khả
năng khác nhau. Để tạo ra giá trị, các mô hình
này cần có khả năng hoạt động cùng nhau và
với các hệ thống hoặc ứng dụng hiện có của
doanh nghiệp.
QUẢN LÝ BỐI CẢNH VÀ BỘ NHỚ ĐỆM

QUẢN LÝ CHÍNH SÁCH 5 YẾU TỐ

ĐƯỢC TÍCH
TRUNG TÂM MÔ HÌNH HỢP VÀO
KIẾN TRÚC
THƯ VIỆN LỜI NHẮC CÔNG NGHỆ

NỀN TẢNG MLOPS

 • Quản lý bối cảnh và bộ nhớ • Quản lý chính sách
đệm + Để đảm bảo quyền truy
+ Để cung cấp cho mô hình cập thích hợp vào tài sản dữ
thông tin liên quan từ nguồn liệu doanh nghiệp
dữ liệu doanh nghiệp • Nền tảng MLOps
+ Bao gồm các khả năng MLOps được nâng
cấp, nhằm giải quyết sự phức tạp của các mô
hình AI tổng hợp
• Trung tâm mô
• Thư viện lời nhắc
hình
+ Chứa các hướng dẫn được tối ưu hóa cho các mô hình
+ Chứa các mô hình đã được đào tạo và phê duyệt
AI tổng hợp
6. PHÁT TRIỂN KIẾN TRÚC DỮ
LIỆU CHO PHÉP TRUY CẬP
VÀO DỮ LIỆU CHẤT LƯỢNG
01 PHÂN LOẠI VÀ SẮP XẾP DỮ LIỆU
• Mục đích: để các mô hình AI tổng hợp có thể
sử dụng dữ liệu đó
ĐẢM BẢO CƠ SỞ HẠ TẦNG HOẶC
02
DỊCH VỤ ĐÁM MÂY HIỆN CÓ
• Mục đích: hỗ trợ việc lưu trữ và xử lý khối lượng
dữ liệu khổng lồ cần thiết cho các ứng dụng AI tổng
hợp.

03 ƯU TIÊN PHÁT TRIỂN CÁC

ĐƯỜNG DẪN DỮ LIỆU
• Mục đích: kết nối các mô hình AI tổng quát
với các nguồn dữ liệu có liên quan
 MỘT SỐ VÍ DỤ PHÂN LOẠI VÀ SẮP
XẾP DỮ LIỆU

• CHUYỂN ĐỔI CÁC LOẠI

• ĐỂ CẢI THIỆN TÍNH ĐA
DẠNG VÀ QUY MÔ: TĂNG
CƯỜNG DỮ LIỆU ĐÀO TẠO
BẰNG CÁC MẪU TỔNG HỢP.
PHƯƠNG TIỆN THÀNH CÁC
ĐỊNH DẠNG DỮ LIỆU ĐƯỢC
TIÊU CHUẨN HÓA

• THÊM SIÊU DỮ LIỆU

ĐỂ CẢI THIỆN KHẢ
NĂNG TRUY XUẤT
NGUỒN GỐC VÀ CHẤT
LƯỢNG DỮ LIỆU