Digital Intelligence (Trí tuệ số) đang mở ra giai đoạn tiếp theo của chuyển đổi số trong ngành sản xuất. Nền tảng của sự chuyển đổi này được xây dựng trên các hệ thống phần mềm doanh nghiệp như ALM, PLM, CAD và FSM, kết hợp với lớp công nghệ thông minh gồm các AI Agent.
Trong hơn 10 năm qua, PTC đã liên tục ứng dụng AI vào các giải pháp của mình, từ phân tích dự đoán trong ThingWorx, tối ưu thiết kế trong Creo, ứng dụng Machine Learning trong Servigistics đến Computer Vision trong Windchill. Hiện nay, PTC tiếp tục tích hợp AI Agent và Generative AI vào các sản phẩm như ServiceMax và Codebeamer nhằm nâng cao khả năng tự động hóa và hỗ trợ ra quyết định.
Để triển khai AI Agent hiệu quả trong môi trường doanh nghiệp, nền tảng công nghệ được xây dựng trên bốn lớp chính: Tương tác người dùng (User Engagement), Dịch vụ ứng dụng (Application Services), Quản lý dữ liệu (Data Management) và Hệ sinh thái phần mềm (Software Ecosystem). Sự kết hợp của các lớp công nghệ này giúp doanh nghiệp chuyển từ việc đơn thuần số hóa dữ liệu sang khai thác Digital Intelligence, biến dữ liệu thành hành động và giá trị kinh doanh.
.jpeg)
AI Agent hoạt động dựa trên dữ liệu được lưu trữ và quản lý trong các hệ thống phần mềm doanh nghiệp, qua đó bảo đảm tính đáng tin cậy (trust) và khả năng hành động (actionability) của các kết quả mà chúng tạo ra. Có ba thành phần quan trọng để triển khai AI Agent hiệu quả:
Cơ sở dữ liệu Vector có khả năng lưu trữ cả dữ liệu có cấu trúc và phi cấu trúc, nhưng đặc biệt hiệu quả đối với các nội dung phi cấu trúc như tài liệu, video và các nguồn dữ liệu đa phương tiện khác. Công nghệ này cho phép các AI Agent tìm kiếm, tóm tắt và khai thác thông tin từ những tệp dữ liệu vốn trước đây rất khó phân tích, từ đó mở ra những phương thức mới để tương tác với tri thức doanh nghiệp.
Ví dụ, người dùng Onshape có thể đặt các câu hỏi liên quan đến đào tạo hoặc xử lý sự cố và nhận được câu trả lời trực tiếp từ hệ thống, thay vì phải tự tìm kiếm và đọc qua nhiều tài liệu hướng dẫn.
.jpeg)
Hình: Cơ sở dữ liệu vector (Nguồn: PTC)
Các trường hợp sử dụng Vector Database thường mang lại hiệu quả nhanh chóng vì chỉ yêu cầu rất ít lập trình chuyên biệt để xây dựng các chatbot hỏi đáp (Q&A). Điều này đặc biệt đúng khi doanh nghiệp đã có sẵn cơ chế lập chỉ mục (indexing) để quản lý tài liệu, chẳng hạn như công cụ lập chỉ mục Solr của Windchill.
Tuy nhiên, do nhiều nền tảng Vector Database hiện nay được triển khai trên môi trường đám mây, doanh nghiệp cần cân nhắc kỹ các vấn đề liên quan đến bảo mật tài sản trí tuệ (IP), quyền riêng tư dữ liệu và các yêu cầu tuân thủ quy định trước khi áp dụng công nghệ này.
Semantic Layer (Lớp ngữ nghĩa) đóng vai trò là cầu nối giữa dữ liệu doanh nghiệp phức tạp và các AI Agent (hoặc các công cụ khác như dashboard báo cáo). Lớp này có nhiệm vụ chuyển đổi các câu hỏi mang tính nghiệp vụ, dễ hiểu đối với người dùng, thành các truy vấn dữ liệu chính xác trong hệ thống.
Ví dụ, khi một người dùng Windchill đặt câu hỏi:
"Những yêu cầu thay đổi (change requests) nào đang mở có ảnh hưởng đến Part X?"
Semantic Layer sẽ thực hiện các bước sau:
Bằng cách đảm nhận vai trò "phiên dịch" giữa ngôn ngữ nghiệp vụ và dữ liệu kỹ thuật, Semantic Layer giúp AI Agent cung cấp những câu trả lời rõ ràng, dễ hiểu cho người dùng, đồng thời vẫn khai thác chính xác các cấu trúc dữ liệu phức tạp của phần mềm doanh nghiệp.
.jpeg)
Một lợi ích quan trọng của Semantic Layer là tăng cường khả năng tích hợp giữa các hệ thống doanh nghiệp. Khi các hệ thống như ALM, PLM và FSM được kết nối thông qua lớp ngữ nghĩa, AI Agent có thể hiểu và truy cập dữ liệu xuyên suốt giữa các nền tảng một cách liền mạch.
Ví dụ, một AI Agent trong Codebeamer có thể tự động xử lý báo cáo sự cố từ ServiceMax, cập nhật yêu cầu liên quan và kích hoạt quy trình thay đổi sản phẩm trong Windchill. Điều này giúp hình thành các quy trình vòng lặp khép kín (Closed-Loop), nâng cao khả năng tự động hóa và phối hợp giữa các bộ phận trong doanh nghiệp.
API cho phép AI Agent truy xuất dữ liệu có cấu trúc từ các hệ thống phần mềm doanh nghiệp, thực hiện tìm kiếm ngữ nghĩa trên các Vector Database để khai thác dữ liệu phi cấu trúc và điều phối các hành động giữa nhiều hệ thống khác nhau.
Không chỉ đóng vai trò là kênh trao đổi dữ liệu, API còn giúp AI Agent gọi các công cụ chuyên biệt, kích hoạt quy trình làm việc (workflow) và tương tác liền mạch trong toàn bộ hệ sinh thái doanh nghiệp. Nhờ đó, AI Agent có thể hoạt động như những nhân viên số thông minh (digital workers) thay vì chỉ đơn thuần là các công cụ trả lời câu hỏi.
Với vai trò là nền tảng kết nối đã được chứng minh trong phần mềm doanh nghiệp, API cung cấp cơ sở hạ tầng an toàn và có khả năng mở rộng cho các quy trình tự động hóa dựa trên AI Agent. Trong tương lai, việc giám sát và quản lý mức độ sử dụng API sẽ ngày càng quan trọng khi AI Agent hoạt động trên nhiều hệ thống và nền tảng khác nhau.
Quản lý dữ liệu hiệu quả là điều kiện tiên quyết để AI Agent hoạt động chính xác và tạo ra giá trị. Tuy nhiên, AI Agent không hoạt động độc lập mà còn phụ thuộc vào một hệ sinh thái phần mềm rộng lớn, cung cấp hạ tầng và các kết nối cần thiết để mở rộng năng lực của chúng trên toàn doanh nghiệp.
(Còn tiếp)
