ยุคนี้คือยุคของเทคโนโลยี และ AI (Artificial Intelligence) หลายองค์กรจึงต้องเริ่มที่จะปรับตัวและนำเอา AI เข้ามาประยุกต์ใช้ในบริษัทกันมากยิ่งขึ้น แต่การที่จะเลือกใช้ AI เข้ามาเพื่อช่วยเพิ่มประสิทธิภาพในการทำงานนั้นย่อมมีค่าใช้จ่าย ทั้งในด้านการปรับเปลี่ยนรูปแบบการทำงาน หรือการลงทุนในการซื้อหรือสร้าง AI ขึ้นมาด้วยตัวเอง คำถามคือ องค์กรควรที่จะซื้อหรือลงทุนสร้าง AI เอง นอกจากนี้ การที่จะนำ AI มาใช้นั้นควรคำนึงถึงอะไรบ้าง มาหาคำตอบจากการเสวนาในหัวข้อ “How to Implement Al in Your Business” จากงาน KBTG Techtopia: A Blast From the Future ไปพร้อม ๆ กัน
องค์กรควรตัดสินใจอย่างไรในเรื่องของการนำ AI เข้ามาประยุกต์ใช้
คำถามแรกที่หลายธุรกิจประสบเหมือนกันในช่วงนี้คือ เรื่องของการปรับตัวและการนำเทคโนโลยีของ AI เข้ามาใช้ ภัทิรา อุทะนุต Senior Venture Architect จาก KX จึงเริ่มต้นในหัวข้อคำถามที่ว่า บริษัทควรที่จะ Implement ตัว AI เข้ามาใช้อย่างไร ควรซื้อซอฟต์แวร์ที่มีอยู่ในตลาดอยู่แล้ว หรือลงทุนสร้างเอง แบบไหนถึงจะดีกว่ากัน?
ตติยวัสน์ กังสุกุล Venture Lead จาก KX ตอบคำถามนี้ไว้ในแง่ของการพิจารณาถึงปัจจัยต่าง ๆ ที่องค์กรควรคำนึงถึงว่าจำเป็นที่จะต้องสร้าง AI มาใช้เองหรือควรที่จะซื้อมากกว่ากัน โดยยกตัวอย่างจากการที่ KBTG เริ่มพัฒนาและใช้งาน AI ตั้งแต่ปี 2017 และพัฒนาในด้านการใช้งาน AI มาตลอดจนปัจจุบัน KBTG มีการใช้งาน AI อย่างเต็มที่ (All-in on AI) ซึ่งทำให้เห็นถึงข้อพิจารณา 3 ข้อที่องค์กรจะใช้ตัดสินใจว่า ควรซื้อหรือลงทุนสร้าง AI เองมากกว่ากัน
ข้อที่ 1 : หาให้เจอว่า Core Business คืออะไร และควรที่จะถูกดำเนินการด้วย AI หรือไม่ ยกตัวอย่างจาก Netflix ที่เราจะเห็นว่า Core Business คือเรื่องของคอนเทนต์ จึงมีการทำ Recommendation Engine ที่เป็นการนำเอาข้อมูลที่เกิดขึ้นจากพฤติกรรมลูกค้ามาบอกความชอบในตัวสินค้า บริการ หรือคอนเทนต์ ทำให้ Netflix สามารถทำให้คอนเทนต์ที่นำเสนอในแพลตฟอร์มปรากฏขึ้นมาตรงใจของผู้บริโภคมากยิ่งขึ้น หรืออย่างกลุ่มบริษัทประกัน ที่อาจจะไม่ได้มองว่า AI จะเป็นตัวขับเคลื่อน Business แต่เป็นเซอร์วิสหนึ่งที่สามารถนำมาเสริมกับธุรกิจให้แข็งแรงขึ้นได้ ก็มีการนำ AI เข้ามาช่วย เช่น นำเข้ามาตรวจสภาพรถก่อนทำประกันและการเคลมหลังเกิดเหตุ เป็นต้น
ข้อที่ 2 : การสร้าง AI นั้นจะต้องมีทั้งงบประมาณและทรัพยากร จึงต้องดูว่ามีงบประมาณและสามารถสร้างทีมงานวิจัยด้าน AI ขึ้นมาได้หรือไม่ เพราะการมีทีม AI อย่างทีม Research จะมีโจทย์ที่จะต้องทำอย่างไรก็ได้ให้ AI นั้นมีความแม่นยำ และใช้งานได้จริง เพื่อทำให้ AI นั้นมีความน่าเชื่อถือมากพอที่จะนำไปใช้งาน
ข้อที่ 3 : องค์กรมีความเชี่ยวชาญและมีความต้องการในการใช้ AI ในการพัฒนาหรือขับเคลื่อนธุรกิจมาก-น้อยแค่ไหน เพราะถ้าหากซื้อ AI ที่เป็นเซอร์วิสที่มีอยู่ในตลาด ในเรื่องของการควบคุม การใช้ข้อมูลต่าง ๆ ก็ต้องใช้ความเข้าใจและเรียนรู้การใช้งานว่า เซอร์วิสนั้นมีการจัดเก็บ data อย่างไร สิ่งที่เป็นมาตรฐานของเขาคืออะไร และเราก็ต้องเข้าใจว่า เรากำลังทำงานอยู่ภายใต้องค์กรใดองค์กรหนึ่งที่มีหน้าที่ควบคุมเราอยู่ ทำให้เซอร์วิส AI นั้นไม่ได้เหมาะกับธุรกิจของเราได้ 100% และอาจจะต้องมีความจำเป็นที่จะต้องสร้าง AI ที่เหมาะสมขึ้นมาใช้งานเองแทน
หากจำเป็นต้องใช้ AI ในธุรกิจ ควรที่จะมีหลักการพิจารณาหรือนำมาปรับใช้อย่างไร
Tatiyawat Kungsukul เสริมเพิ่มเติมในเรื่องของปัจจัยที่ต้องพิจารณาต่อมาว่า หากต้องการใช้ AI ในองค์กรอย่างจริงจังควรที่จะเริ่มต้นจากเรื่องอะไรบ้าง โดยสรุปออกมาเป็น 2 มุมมอง ดังนี้
- ผู้บริหารหรือผู้มีอำนาจให้การสนับสนุนหรือไม่ เพราะการที่ CEO หรือผู้มีอำนาจในองค์กรให้การสนับสนุนที่ไม่มากพอ การนำ AI ไปวางเป็นกลยุทธ์หรือเป็นต้นแบบขององค์กรก็อาจจะมีโอกาสที่จะประสบความสำเร็จได้น้อย
- มี Use Case ของการใช้งานจริง โดยการดูว่า AI จะเข้ามาใช้งานในมุมไหนบ้างของการทำธุรกิจ เพราะ AI นั้นเป็นเรื่องของทุกคน เมื่อนำมาใช้มักจะมีผลในทุกกระบวนการทำงาน ซึ่งก็ต้องสร้างความเข้าใจในการทำงานด้วยว่า AI นั้นมาช่วยในการทำงาน ไม่ได้มาแทนที่ หลังจากนั้นก็ต้องทำการดีไซน์ Use Case ร่วมกัน เพื่อดูว่ากรณีการใช้งานแบบไหนที่จะสร้างอิมแพ็คได้จริงและเหมาะสมจะนำมาใช้งานมากที่สุด ยกตัวอย่างเช่น บริษัทประกันนั้นให้ความสำคัญเรื่องของการเคลมมาก เพราะมีผลต่อ Cost ของบริษัท การนำ AI เข้ามาช่วยทำงาน เช่น ทำเรื่องของเอกสารดูว่าพฤติกรรมของลูกค้าแต่ละคนเขามีพฤติกรรมแบบไหนได้บ้าง หรือการนำภาพที่มีการถ่ายมาเพื่อเคลมประกันมาให้ AI ช่วยวิเคราะห์และประมวลผลเพื่อพิจารณาเคสในการทำประกันให้แม่นยำมากขึ้น ก็ถือว่าเป็นเคสที่เข้ามาช่วยงานของธุรกิจและยังสร้างอิมแพ็คได้ค่อนข้างมาก
ทางฝั่งของ Panumate Chetprayoon Advanced Research Engineer, KASIKORN Business-Technology Group [KBTG] ก็ได้กล่าวเสริมเพิ่มเติมในมุมมองของผู้วิจัย AI ในเรื่องของการจะนำ AI เข้ามาใช้งานนั้นจะต้องทำอะไรบ้าง โดยจะแบ่งสิ่งที่ทีมผู้วิจัย AI จะต้องทำออกเป็น 3 ประเด็น ดังนี้
- การทำ Data Collection – สิ่งแรกที่ Business ควรพิจารณาว่า จะใช้ AI หรือไม่ก็ควรที่จะเริ่มต้นจาก Data โดยในมุมของผู้วิจัย AI จะเริ่มดูก่อนว่า ธุรกิจนั้นมี Data อะไรอยู่บ้าง หลังจากนั้นจะมีการทำ Literature review เพื่อดูว่ามีใครทำอะไรกับ Data ในรูปแบบนี้ไปแล้วบ้าง แล้วจึงมาดูในเรื่องของความเป็นไปได้ในการลงทุน งบประมาณ ดูว่าคุ้มค่าแค่ไหนที่จะทำ
- การทำ Model Development – เข้าสู่ขั้นตอนต่อมาจะเป็นการพัฒนาโมเดล AI โดยการทำตามแนววิทยาศาสตร์ คือ Trial and Error เพื่อทดลอง ทดสอบ และทำซ้ำไปเรื่อย ๆ เพื่อให้ได้ Best solution ที่ตอบโจทย์สำหรับธุรกิจมากที่สุด และทางทีม Business จะต้องสามารถนำไปใช้งานได้จริง โดยทีทางทีมวิจัย AI ก็มองว่าเป็นการทำงานที่ดีที่สุดด้วยเช่นกัน
- การ Deployment และ Monitoring – ขั้นสุดท้ายจะเป็นงานการทดสอบโมเดลและการปรับปรุง รวมถึงติดตามผลการทำงานไปเรื่อย ๆ เพื่อให้ได้ AI ที่ดีที่สุดจนกว่า AI จะใช้งานได้จริงตามที่ Business ต้องการ
ความท้าทายในการพัฒนา AI มีอะไรบ้าง
Panumate Chetprayoon กล่าวถึงความท้าทายในด้านการพัฒนา AI ไว้ 3 เรื่อง ได้แก่
- การเก็บ Data – อย่างที่เขาบอกว่า Data ก็คือ New Oil ดังนั้น เราจึงต้องมี Data ที่ดีก่อนถึงจะพัฒนาเทคโนโลยีให้สอดคล้องกับข้อมูลเหล่านั้นได้ ซึ่งโดยปกติแล้วจะพบว่า มีข้อมูลเพียงแค่ 3% เท่านั้นที่สามารถหยิบมาใช้ได้ (อ้างอิงจาก Harvard Business Review) ข้อมูลจึงมีความสำคัญมากในการพัฒนา AI เพราะข้อมูลเหล่านี้คือสิ่งที่ AI จะต้องใช้ในการเรียนรู้ ข้อมูลจึงต้องมีมาตรฐานและนำมาใช้ในการทำ label หรือกำหนดหมวดหมู่ต่าง ๆ ที่ดีให้โมเดลของ AI ได้เรียนรู้ ซึ่งในปัจจุบัน Data ดี ๆ อาจจะมีน้อย จึงเป็นความท้าทายในการพัฒนา AI และการต่อยอดเทคโนโลยีที่ตอบสนองต่อความต้องการของทาง Business
- การทำตาม Regulation ต่าง ๆ – Regulation หรือกฎเกณฑ์ที่ Regulator หรือผู้กำกับดูแลกำหนดขึ้นทำให้ต้องทำงานตามกฎเหล่านั้น เช่น การกำหนด PDPA ที่เราก็ต้องปรับปรุงเทคโนโลยีให้สอดคล้องกับนโยบายนี้ที่ออกมา ซึ่งก็เป็นการทำงานที่หนักมากขึ้น แต่ทุกอย่างก็ช่วยทำให้เรามั่นใจได้ว่า AI ที่ทำนั้นจะมีประสิทธิภาพและถูกต้องมากพอในการนำมาใช้งานจริง
- ต้นทุนการพัฒนา AI – Cost ของการทำ AI นั้นค่อนข้างสูง ทั้งต้นทุนด้าน Server, ต้นทุนการสร้างทีมพัฒนา, ต้นทุนด้านการเทรน AI อย่าง CEO ของ ChatGPT ก็เคยออกมาบอกว่าใช้เงินหลายร้อยล้านเหรียญในการการเทรน ChatGPT ซึ่งทั้งหมดนี้เป็นการลงทุนแบบ J-curve ที่เหมือนกับการลงทุนสร้างนักกีฬาโอลิมปิกที่ในตอนแรกอาจจะลงทุนด้วยเม็ดเงินมหาศาลแต่ก็จะได้ความสำเร็จในระยะยาวที่ตามมาด้วยเช่นกัน
- การจัดการกับความผิดพลาด – โมเดลของ AI อาจจะยังไม่ถูกต้อง 100% ดังนั้น จึงยังเป็นความท้าทายในการจัดการเรื่อง Error Management นี้อยู่ อย่าง KBTG เองก็ยังต้องใช้คนในการเข้ามาดูแลและทำงานควบคู่กับ AI อยู่ตลอด เพื่อให้เกิดความแม่นยำที่ 100% ตามต้องการ
สุดท้ายในฝั่งของการพัฒนา Product เองก็มีสิ่งที่เป็นข้อคิดและข้อควรพิจารณาในการปรับใช้ AI ด้วยเช่นกัน Tatiyawat Kungsukul จึงกล่าวถึงมุมมองนี้ไว้ว่า การเริ่มต้นทำ AI นั้นความเร็วเป็นสิ่งสำคัญ ถ้าเริ่มต้นช้าก็อาจจะเสียโอกาสในการแข่งขันไปได้ ดังนั้น จึงควรเป้าหมายในการใช้งานโดยมี AI เป็นส่วนหนึ่งตั้งแต่แรก เพื่อให้การพัฒนา AI เข้าไปอยู่ใน Roadmap ที่องค์กรให้ความสำคัญด้วยก็จะช่วยทำให้เห็นโอกาสของการใช้งานที่เหมาะสม และสุดท้ายอย่าคิดว่า AI ทำได้ทุกอย่าง ควรเลือกรูปแบบการใช้งาน และเลือกเครื่องมืออื่น ๆ มาเสริมด้วย เพื่อให้เป้าหมายของการใช้ AI ประสบความสำเร็จ
ข่าวอื่น ๆ
เปิดมุมมองผู้ประกอบการรุ่นใหม่ กล้าคิดใหญ่และทำจริง จากงาน Bitkub Meetup 2024 ครั้งที่ 5
TCP ชี้ “วิกฤติน้ำ” วาระสำคัญที่ภาคธุรกิจต้องเร่งลงมือทำ
