Ferrari sử dụng AI của IBM để tạo ra những fan F1 siêu nhiệt tình

IBM và Scuderia Ferrari HP vừa thay đổi cách các đội Formula One suy nghĩ về sự tương tác với fan. Quan hệ đối tác được công bố cách đây hai năm, tập trung vào việc sử dụng AI để biến ứng dụng fan của Ferrari thành một công cụ trải nghiệm được cá nhân hóa — không chỉ đẩy những điểm nổi bật của cuộc đua, mà còn học hỏi những gì mà mỗi người ủng hộ quan tâm. Theo Phó Chủ tịch Quan hệ Đối tác Thể thao và Giải trí của IBM, Kameryn Stanhouse, mục tiêu rất đơn giản: giúp fan "thấy cách AI phục vụ họ" thông qua những câu chuyện thể thao. Đối với các nhà phát triển xây dựng ứng dụng tiêu dùng trên khắp châu Á — nơi lượng người xem F1 đã tăng vọt nhờ "Drive to Survive" của Netflix — quan hệ đối tác này cung cấp một bản thiết kế cho những gì mà các đội công cụ phát triển AI châu Á cần phải nắm vững: cá nhân hóa theo thời gian thực ở quy mô lớn.

Chiến lược AI của Ferrari tiết lộ điều gì về Phát triển Hiện đại

Ferrari đã thuê Stefano Pallard làm "trưởng phòng phát triển fan" — một vai trò không tồn tại cách đây ba năm — để giải quyết một vấn đề mà mọi nền tảng tiêu dùng đều phải đối mặt: tiếp cận hàng triệu người dùng trong khi làm cho mỗi người cảm thấy được hiểu biết riêng lẻ. Ứng dụng hiện tại của đội đã đẩy các bản cập nhật cuộc đua chung cho tất cả mọi người. Phiên bản mới được hỗ trợ bởi IBM phân tích các mẫu hành vi để hiển thị nội dung có liên quan: nếu bạn xem lại video từ camera trên xe từ các góc cụ thể, ứng dụng sẽ học rằng bạn quan tâm đến kỹ thuật lái xe. Nếu bạn bỏ qua các clip radio của đội nhưng đọc mọi bài viết về quy định kỹ thuật, nó sẽ điều chỉnh.

Đây không phải là lý thuyết AI mới lạ. Đó là học máy cấp sản xuất được áp dụng cho một lĩnh vực nơi độ trễ quan trọng — các cuộc đua diễn ra trực tiếp, sự quan tâm của fan đạt đỉnh trong những khoảnh khắc cụ thể, và những khuyến nghị cũ làm giết chết sự tương tác. Thách thức kỹ thuật phản ánh những gì mà các nền tảng thương mại điện tử Đông Nam Á phải đối mặt trong các đợt bán flash, hoặc những gì mà các ứng dụng fintech Ấn Độ xử lý trong các giai đoạn mua sắm lễ hội. Bạn cần tốc độ suy luận, đường ống dữ liệu không bị tắc nghẽn dưới tải, và các mô hình thích ứng mà không cần phải có bằng cấp về khoa học dữ liệu để duy trì.

IBM đã đưa nền tảng watsonx của mình vào quan hệ đối tác, nó xử lý xử lý ngôn ngữ tự nhiên cho các tính năng hội thoại của Ferrari và công cụ khuyến nghị cung cấp năng lượng cho cá nhân hóa nội dung. Chi tiết thú vị: Ferrari không xây dựng lại toàn bộ ngăn xếp của mình. Họ tích hợp các khả năng AI vào cơ sở hạ tầng hiện tại thông qua API — cách tiếp cận tương tự làm cho các nền tảng vibe coding khả thi cho các startup không thể chi trả cho các dự án tích hợp AI kéo dài sáu tháng.

Tại sao các nhà phát triển châu Á nên quan tâm đến Công nghệ Thể thao

Các quan hệ đối tác công nghệ của Formula One tiết lộ nơi AI doanh nghiệp thực sự hoạt động, không chỉ nơi nó được quảng cáo. AWS cung cấp năng lượng cho các mô phỏng chiến lược đua cho nhiều đội. Oracle chạy phân tích dữ liệu của Red Bull Racing. Anthropic gần đây đã hợp tác với Mercedes cho các công cụ AI hội thoại. Đây không phải là các chương trình thí điểm — chúng là các hệ thống sản xuất xử lý hàng triệu người dùng đồng thời trong các cuối tuần đua.

Đối với các nhà phát triển ở châu Á, các quan hệ đối tác thể thao cung cấp ba bài học. Thứ nhất, cá nhân hóa ở quy mô lớn yêu cầu cơ sở hạ tầng mà hầu hết các đội đều đánh giá thấp. Ứng dụng của Ferrari phục vụ fan trên các múi giờ khác nhau, bằng hàng chục ngôn ngữ, với nội dung cập nhật mỗi vài giây trong các cuộc đua. Điều đó khó hơn vẻ ngoài khi mô hình của bạn cần xử lý hành vi người dùng, dữ liệu telemetry đua, và tâm tư xã hội đồng thời.

Thứ hai, các tính năng AI cần phải cảm thấy vô hình. Pallard nhấn mạnh rằng fan không nên suy nghĩ về AI — họ chỉ nên nhận thấy ứng dụng "hiểu họ". Điều này phù hợp với những gì các super-app châu Á thành công đã học được: người dùng WeChat không quan tâm rằng các thuật toán khuyến nghị cung cấp năng lượng cho các gợi ý mini-program của họ. Họ quan tâm rằng các dịch vụ có liên quan xuất hiện khi cần. Các công cụ phát triển AI tốt nhất mà các đội châu Á sử dụng tuân theo nguyên tắc tương tự: trừu tượng hóa độ phức tạp, tiếp xúc giá trị.

Thứ ba, các quan hệ đối tác giữa các thương hiệu kế thừa và các nền tảng công nghệ hoạt động khi cả hai bên đóng góp chuyên môn lĩnh vực. Ferrari hiểu tâm lý fan và văn hóa đua. IBM hiểu các hệ thống phân tán và triển khai mô hình. Không ai có thể xây dựng sản phẩm cuối cùng một mình. Điều này phản ánh mô hình hợp tác mà các nền tảng phát triển AI-native cho phép: các nhà cung cấp cơ sở hạ tầng kỹ thuật xử lý độ phức tạp AI, các chuyên gia lĩnh vực tập trung vào trải nghiệm người dùng.

Ngăn xếp Kỹ thuật Đằng sau Cá nhân hóa Fan

Mặc dù IBM chưa công bố kiến trúc chính xác của Ferrari, chúng ta có thể suy ra các thành phần từ các triển khai công nghệ thể thao tương tự. Hệ thống có thể bao gồm truyền phát sự kiện theo thời gian thực (xử lý dữ liệu telemetry đua và dữ liệu thời gian), công cụ khuyến nghị (khớp nội dung với sở thích người dùng), xử lý ngôn ngữ tự nhiên (xử lý các câu hỏi và bình luận của fan), và mạng phân phối nội dung được tối ưu hóa cho video.

Công cụ khuyến nghị là nơi hầu hết các đội gặp khó khăn. Bạn cần lọc hợp tác để tìm các mẫu trên các người dùng, lọc dựa trên nội dung để khớp các bài viết với sở thích, và các bandits ngữ cảnh để xử lý vấn đề khởi động lạnh khi các fan mới tham gia. Đào tạo các mô hình này yêu cầu dữ liệu được gắn nhãn — Ferrari có thể đã gắn thẻ hàng nghìn phần nội dung theo chủ đề, tài xế, độ sâu kỹ thuật, và tông cảm xúc.

Triển khai quan trọng như chất lượng mô hình. Trong một cuộc đua, hàng triệu fan mở ứng dụng đồng thời. Đường ống suy luận của bạn cần trả về các khuyến nghị được cá nhân hóa trong vòng 200 mili giây hoặc người dùng sẽ rời đi. Điều này yêu cầu các kỹ thuật tối ưu hóa mô hình như lượng tử hóa, các chiến lược bộ nhớ đệm cẩn thận, và phân phối địa lý của các tài nguyên tính toán. Đó là thách thức tương tự mà các công ty chơi game châu Á phải đối mặt trong các lần phát hành tiêu đề mới, hoặc những gì mà các nền tảng giao hàng thực phẩm xử lý trong giờ cao điểm ăn tối.

Thành phần ngôn ngữ tự nhiên xử lý các câu hỏi của fan về quy tắc đua, thống kê tài xế, và lịch sử đội. Điều này có thể sử dụng tạo sinh được tăng cường bằng truy xuất — mô hình tìm kiếm cơ sở kiến thức của Ferrari trước khi tạo ra câu trả lời, giảm ảo giác. Cách tiếp cận hoạt động vì F1 có dữ liệu có cấu trúc: thời gian vòng, điểm vô địch, tài liệu quy định. Tương phản với hỗ trợ khách hàng mở, nơi cơ sở kiến thức lộn xộn hơn và tỷ lệ ảo giác tăng vọt.

Xây dựng các Hệ thống tương tự mà không có Ngân sách của IBM

Hầu hết các startup châu Á không thể chi trả cho các hợp đồng doanh nghiệp của IBM. Nhưng các mẫu kiến trúc mà Ferrari sử dụng — cá nhân hóa theo thời gian thực, giao diện hội thoại, khuyến nghị nội dung — có thể truy cập được thông qua các nền tảng phát triển hiện đại. Chìa khóa là hiểu những thành phần nào bạn cần xây dựng so với những thành phần nào bạn có thể tích hợp.

Bắt đầu với đường ống dữ liệu của bạn. Nếu bạn đang cá nhân hóa nội dung, bạn cần theo dõi sự kiện sạch sẽ: những gì người dùng xem, họ tương tác bao lâu, những gì họ bỏ qua. Các công cụ như Segment hoặc Rudderstack xử lý bộ sưu tập. Để lưu trữ, PostgreSQL với lập chỉ mục thích hợp hoạt động cho đến khi bạn chạm đến hàng triệu sự kiện mỗi ngày. Sau đó hãy xem xét các cơ sở dữ liệu chuỗi thời gian như TimescaleDB hoặc ClickHouse.

Đối với khuyến nghị, các thư viện mã nguồn mở như LightFM hoặc Surprise xử lý lọc hợp tác. Nếu bạn cần sự tinh vi hơn, các nền tảng như Pinecone hoặc Weaviate cung cấp cơ sở dữ liệu vectơ để tìm kiếm ngữ nghĩa — hữu ích khi khớp người dùng với nội dung theo ý nghĩa, không chỉ từ khóa. Ưu điểm của các công cụ này là áp dụng tăng dần: bắt đầu với lọc hợp tác cơ bản, thêm tìm kiếm ngữ nghĩa khi bạn có đủ nội dung, giới thiệu học tăng cường khi bạn hiểu các vòng phản hồi của người dùng.

AI hội thoại là nơi các nền tảng tích hợp tỏa sáng. Xây dựng một chatbot cấp sản xuất từ đầu yêu cầu kỹ thuật nhắc nhở, đường ống truy xuất, bộ lọc an toàn, và bảng điều khiển giám sát. Các nền tảng gói các khả năng này cho phép bạn tập trung vào kiến thức lĩnh vực — đào tạo mô hình trên nội dung cụ thể của bạn — thay vì cơ sở hạ tầng. Tài liệu cho các nền tảng AI hiện đại thường bao gồm