CHAPTER 8 - QUÁ TRÌNH TỰ ĐỘNG HÓA

Quá trình tự động hoá bằng robot là việc sử dụng phần mềm để hoàn thành khối lượng lớn các nhiệm vụ thường xuyên lặp đi lặp lại. Trí tuệ nhân tạo bao gồm các hệ thống máy tính thực hiện các nhiệm vụ yêu cầu phân tích chuyên sâu và nhận dạng mẫu...

I.  Mục tiêu

• Xác định quá trình tự động hóa bằng robot (robotic process automation) và lợi ích của nó.
• Đánh giá về vai trò của công nghệ trong cải thiện hiệu quả của việc xử lý dữ liệu và thông tin kế toán.

II. Nội dung

Quá trình tự động hóa bằng robot (RPA) được sử dụng để thực hiện khối lượng lớn các công việc thường xuyên lặp đi lặp lại.

Trí tuệ nhân tạo (AI) có thể thực hiện các nhiệm vụ yêu cầu phân tích chuyên sâu (critical analysis) và nhận dạng mẫu (pattern recognition).

1. Quá trình tự động hóa bằng robot

Quá trình tự động hoá bằng robot (RPA) là việc sử dụng phần mềm để hoàn thành khối lượng lớn các nhiệm vụ thường xuyên lặp đi lặp lại. Thay vì sử dụng sức lao động của con người, robot được sử dụng để tổng hợp dữ liệu, xử lý thông tin và thực hiện nhiều quy trình kinh doanh và công nghệ thông tin khác.

Với những tiện ích vượt trội như vậy, RPA có thể mang lại nhiều lợi ích cho doanh nghiệp, đồng thời cũng có những điểm hạn chế riêng.

Ví dụ:

RPA có thể tuân theo các quy tắc được xác định trước để tự động lên đơn đặt hàng tại một cửa hàng tạp hóa mà không cần sự can thiệp từ con người.

2. Trí tuệ nhân tạo (AI)

a. Định nghĩa

Trí tuệ nhân tạo bao gồm các hệ thống máy tính thực hiện các nhiệm vụ yêu cầu phân tích chuyên sâu và nhận dạng mẫu, điều này khác với RPA – hệ thống dựa trên quy tắc 

Ví dụ:

AI có thể được sử dụng để nhận dạng các mẫu lời nói hoặc văn bản, phân tích các đầu vào (inputs) khác nhau và đưa ra quyết định được khuyến nghị.

b. Vai trò của AI

Với chi phí tiết kiệm và hiệu quả cao, trí tuệ nhân tạo có vai trò quan trọng trong tối ưu hóa quá trình xử lý dữ liệu và thông tin kế toán.

Ví dụ:

Các cửa hàng tạp hóa sử dụng AI để biết khi nào cần đặt hàng lại, theo đó AI sẽ phân tích lượng hàng tồn kho cần loại bỏ và dựa vào sở thích người tiêu dùng để tối ưu hóa số lượng đặt hàng.

c. AI trong việc cải thiện hiệu quả xử lý thông tin kế toán

AI có thể được ứng dụng trong quá trình xử lý dữ liệu lặp đi lặp lại để thực hiện nhiều chức năng kế toán.

III.  Bài tập

A company writes a new artificial intelligence program to detect fraudulent credit card transactions. The team of analysts builds a training data set with various types of known fraudulent activity as well as an equal quantity of legitimate transactions so that the Al program can learn to distinguish between the two. After training the Al with this data set, the company tests the Al program by deploying it to detect fraud in credit card transactions within the retail sector. The company sees astonishingly poor results from the program. Which of the following describes the likely cause of this failure?

I. The training data did not resemble the situation the AI program would encounter after deployment. It should have used the same types of transactions.

II. The ratio of fraud to non-fraud should be the same in the training data as is expected after deployment.

III. After training the AI, a separate data set should be used for testing before deployment in order to determine the effectiveness of the application. 

A. I, II, and III.

B. I and II only.

C. II and III only.

D. I and III only.

Answer:

→ The answer is choice A

A is correct. All of these errors contributed to the failure of the Al program. Training this type of program is a very complex and lengthy process. The unit of measurement for how much computing power is spent training is the amount of processing the human brain is theoretically capable of in a year, and Al developers count those by the hundreds. Training data must resemble the data that the Al program is expected to encounter once it is deployed. As many different examples as possible, of the same type of transaction that it will be asked to evaluate, should be within the training data set. Furthermore, the training data set as a whole should contain approximately the same ratio of fraud to non-fraud as is expected after deployment. If the Al program is trained to expect fraud half of the time, it will build a decision algorithm that will expect, and therefore declare, fraud about half of the time. Because an Al program can be trained into dysfunction, a testing phase should always be undertaken with different data to evaluate the program's readiness for deployment.

B is incorrect. These probably contributed to the Al program's ineffectiveness, but the other options likely did as well.

C is incorrect. These possibly led to the Al's ineffectiveness, but the other options probably did as well.

D is incorrect. The program's lack of performance could most likely be related to these choices, but so could the others.