ปัจจุบันเทคโนโลยีปัญญาประดิษฐ์ (AI) โดยเฉพาะ Generative AI (Gen AI) ต่างได้รับความสนใจและถูกนำไปใช้ในหลากหลายด้าน เพื่อเพิ่มขีดความสามารถในการทำงานให้ดียิ่งขึ้น อย่างไรก็ตาม หากมองในมุมขององค์กรแล้ว คำถามที่น่าสนใจคือจะทำอย่างไรให้การลงทุนใน Gen AI คุ้มค่าและสร้างผลลัพธ์ทางธุรกิจได้มากที่สุด  

บลูบิค (Bluebik) ขอชวนมาดูว่ามีปัจจัยอะไรบ้างที่ควรพิจารณา ก่อนองค์กรจะตัดสินใจเลือกลงทุนและเลือกนำ Generative AI มาใช้งาน พร้อมตัวอย่างแนวทางการใช้งาน เพื่อเพิ่มประสิทธิภาพการทำงานสำหรับแต่ละฟังก์ชันภายในองค์กร

5 ปัจจัยที่องค์กรควรรู้ ก่อนเลือกใช้ Generative AI 

1. ความพร้อมและคุณภาพของข้อมูล 

เนื่องจาก Generative AI จำเป็นต้องนำข้อมูลปริมาณมหาศาลมาใช้ในการเทรนโมเดล หากองค์กรไม่ได้มีแพลตฟอร์มเก็บรวบรวมข้อมูล โดยเฉพาะข้อมูลที่เกี่ยวข้องกับธุรกิจ อาจส่งผลให้ผลลัพธ์ที่ได้จากโมเดล Gen AI ออกมาไม่ตรงจุด นอกจากนี้ คุณภาพข้อมูลเป็นอีกเรื่องที่มีความสำคัญ หากข้อมูลที่มีอยู่ไม่มีคุณภาพ เช่น ไม่ครบถ้วนสมบูรณ์ ไม่ถูกต้อง หรือไม่ได้เป็นข้อมูลที่อัปเดตล่าสุด อาจส่งผลทำให้ผลลัพธ์ไม่แม่นยำ ดังนั้น เมื่อจะนำ Gen AI มาใช้งาน ความพร้อมและคุณภาพของข้อมูลเป็นปัจจัยแรกๆ ที่องค์กรควรให้ความสำคัญ  

2. ความเสี่ยงด้านความปลอดภัยและความเป็นส่วนตัว  

นอกจากความพร้อมด้านข้อมูล การนำข้อมูลที่มีความอ่อนไหว หรือไม่ได้รับอนุญาตมาใช้ในการเทรนโมเดล Gen AI อาจสร้างความเสี่ยงเรื่องความปลอดภัย และความเป็นส่วนตัวของข้อมูลได้ โดยในบางกรณี ช่องโหว่ภายในโครงสร้างโมเดล อาจเป็นช่องทางให้แฮกเกอร์เจาะเข้ามาขโมยข้อมูลสำคัญๆ และสร้างความเสียหายต่อองค์กร 

ยิ่งไปกว่านั้น หากไม่มีแนวทางด้านธรรมาภิบาลข้อมูล (Data Governance) ที่เป็นการวางมาตรฐานการกำกับดูแลการใช้งานข้อมูลภายในองค์กร และการใช้งานข้อมูลอย่างมีความรับผิดชอบ ก็ยิ่งเพิ่มความเสี่ยงที่อาจเกิดการละเมิดระเบียบข้อกำหนดต่างๆ ได้ 

3. ความเสี่ยงด้านทรัพย์สินทางปัญญา 

Generative AI ที่ใช้งานกันทั่วไปในวงกว้าง (Public Generative AI) เรียนรู้ด้วยข้อมูลที่อยู่บนอินเทอร์เน็ต โดยในการใช้งานบางรูปแบบ เช่น การสร้างรูปภาพ ข้อมูลที่นำมาใช้เทรนอาจมีความคล้ายคลึงกับผลงานที่มีอยู่แล้ว ซึ่งได้รับการคุ้มครองภายใต้กฎหมายลิขสิทธิ์ ทำให้ปัจจุบันยังคงมีการถกเถียงกันถึงประเด็นความเป็นเจ้าของ และแหล่งที่มาของผลงานที่มาจากการใช้ Gen AI สร้างสรรค์ขึ้นมา 

4. อคติและความไม่แม่นยำ  

เนื่องจาก Gen AI เรียนรู้จากข้อมูลที่นำมาใช้เทรนโมเดล หากข้อมูลไม่มีคุณภาพมากพอหรือกระบวนการเทรนไม่ครอบคลุม อาจส่งผลให้ผลลัพธ์ที่สร้างขึ้นมีอคติและความไม่แม่นยำ ซึ่งเสี่ยงนำไปสู่การเลือกปฏิบัติ หรือสร้างความเข้าใจผิดในวงกว้างได้ เช่น กรณีการทำ Risk Scoring ที่หากข้อมูลที่นำมาใช้เทรนโมเดลมีความบิดเบือน อาจส่งผลให้คนบางกลุ่มไม่สามารถเข้าถึงบริการทางการเงินบางประเภทได้ 

5. การเลือกใช้โมเดล 

โดยทั่วไปแล้ว Generative AI ประมวลผลจาก Large Language Models (LLM) ซึ่ง LLM จะเรียนรู้ผ่านกระบวนการเรียนรู้แบบเชิงลึก (Deep Learning) ผ่านการถูกเทรนด้วยข้อมูลจำนวนมหาศาล ซึ่งทำให้เกิดเป็นโมเดลที่สามารถประมวลผลภาษา และมีความสามารถในการโต้ตอบ และสร้างสรรค์ข้อความได้เสมือนมนุษย์ 

อย่างไรก็ตาม สำหรับการนำไปใช้จริงในองค์กร โมเดล Generative AI ควรได้รับการปรับให้เหมาะสมกับธุรกิจ (Customized Generative AI) ซึ่งต้องพิจารณาทั้งประเภทธุรกิจ กลุ่มอุตสาหกรรม และกระบวนการดำเนินงานภายในองค์กร เพื่อให้สามารถสร้างผลลัพธ์ได้ตามเป้าหมายที่ต้องการ โดย Customized Generative AI จะเรียนรู้และประมวลผลจากข้อมูลขององค์กร ทำให้ช่วยลดความเสี่ยงด้านทรัพย์สินทางปัญญา รวมถึงความเสี่ยงความปลอดภัย และความเป็นส่วนตัวของข้อมูล เนื่องจากองค์กรสามารถควบคุมการเข้าถึงข้อมูลในการเทรนโมเดลได้ 

ตัวอย่างการใช้ Generative AI แต่ละฟังก์ชันในองค์กร 

1. การขาย (Sales) 

• ร่างอีเมลสำหรับลูกค้า ที่มีความเฉพาะเจาะจง หรือลูกค้าแต่ละรายในบริบทที่แตกต่างกัน ซึ่งจะช่วยเพิ่มอัตราการเปิดอ่านอีเมล และเพิ่มโอกาสการเข้าไปนำเสนอบริษัท  

• ช่วยคาดการณ์ยอดขายและรายได้ ด้วยการรวบรวมและวิเคราะห์ข้อมูลจากหลายๆ แหล่งที่มา เช่น ข้อมูลยอดขายที่ผ่านมา เทรนด์ในตลาด หรือพฤติกรรมลูกค้า ซึ่งจะช่วยให้สามารถวางแผนการขายได้ดียิ่งขึ้น รวมถึงช่วยปรับปรุงการทำรายงานยอดขาย ด้วยการสร้างบันทึกสรุปข้อมูล และสิ่งที่ต้องดำเนินการต่อแบบเข้าใจง่าย 

2. การตลาด (Marketing) 

• สร้างคอนเทนต์ที่ช่วยเพิ่มการรับรู้เกี่ยวกับแบรนด์ ไม่ว่าจะเป็นโซเชียลมีเดียโพสต์ คอนเทนต์ให้ความรู้ และข้อมูลเกี่ยวกับสินค้าและบริการของธุรกิจบนเว็บไซต์ เช่น บทความ วิดีโอ และรูปภาพ หรือการใช้ทำ SEO เพื่อปรับคอนเทนต์ให้สามารถติดหน้าแรกๆ ของการค้นหาบน Search Engine ได้ง่ายขึ้น ซึ่งจะช่วยเพิ่มการเข้าถึงกลุ่มลูกค้าต่างๆ ได้มากขึ้น  

• ค้นหาและวิเคราะห์ข้อมูลการตลาด โมเดล Generative AI สามารถนำมาช่วยค้นหา สรุป และวิเคราะห์เทรนด์การตลาด หรือจุดอ่อนจุดแข็งขององค์กรและคู่แข่งได้ เช่น การทำ SWOT Analysis ทำให้ธุรกิจสามารถปรับแผนการตลาดให้มีประสิทธิภาพมากยิ่งขึ้น 

3. กระบวนการผลิต (Manufacturing Operations) 

• ปรับปรุงกระบวนการทำงานให้มีประสิทธิภาพ ด้วยการรวบรวมและวิเคราะห์ข้อมูลจากเซนเซอร์ต่างๆ เพื่อส่งการแจ้งเตือนเมื่อพบปัญหาในกระบวนการปฏิบัติงาน  

• พัฒนาคุณภาพผลิตภัณฑฑ์ ด้วยการวิเคราะห์ข้อมูลต่างๆ ที่รวบรวมได้จากเซนเซอร์ กล้อง และอุปกรณ์อื่นๆ ทำให้สามารถตรวจสอบข้อบกพร่องที่พบในผลิตภัณฑ์ และปัญหาอื่นๆ ได้ตั้งแต่ในกระบวนการผลิตช่วงแรกๆ ช่วยให้ธุรกิจลดความเสี่ยงการขอคืนสินค้า ลดการเคลมสินค้ามีปัญหา และเพิ่มความพึงพอใจให้ลูกค้า 

4. ซัพพลายเชน (Supply Chain) 

• ค้นหาซัพพลายเออร์ที่เหมาะสม Gen AI สามารถประมวลผลและวิเคราะห์ข้อมูลจำนวนมาก เพื่อค้นหาและแนะนำซัพพลายเออร์ที่ตรงตามเงื่อนไขการจัดซื้อขององค์กรได้ โดยอ้างอิงจากประเภทสินค้า ราคา คุณภาพ และการให้บริการ 

• แนะนำเส้นทางขนส่งสินค้าที่เหมาะสม โดยอ้างอิงและวิเคราะห์จากรูปแบบการจราจร สภาพอากาศ และราคาเชื้อเพลิง เพื่อแนะนำเส้นทางและรูปแบบการขนส่งที่คุ้มค่าที่สุด 

5. ทรัพยากรบุคคล (HR) 

• ช่วยสรรหาบุคลากร ตั้งแต่การระบุผู้สมัครที่เหมาะสมที่สุดจากทักษะ และประสบการณ์การทำงานแบบอัตโนมัติ เพื่อเฟ้นหาบุคลากรที่เหมาะกับความต้องการขององค์กร ไปจนถึงการแนะนำการทำโฆษณารับสมัครงานบนเว็บไซต์และโซเชียลมีเดีย จากเทรนด์ตลาดแรงงานและความสนใจของผู้สมัครงาน 

• สร้างผู้ช่วยเสมือนเพื่อช่วยตอบคำถามพนักงาน โดยเฉพาะคำถามเบื้องต้นที่เกี่ยวกับการเข้าใช้งานระบบต่างๆ นโยบายองค์กร หรือสิทธิประโยชน์เบื้องต้นของพนักงาน 

6. ไอที (IT) 

• พัฒนาการทำแอปพลิเคชัน โมเดล Generative AI สามารถช่วยเขียนโค้ดโปรแกรม ทำ Unit Test ที่ทดสอบการทำงานของแต่ละ Module ค้นหาบัคในระบบ เป็นต้น ซึ่งช่วยลดระยะเวลาในการพัฒนาแอปพลิเคชันได้เป็นอย่างดี  

• สอดส่องดูแลความปลอดภัยไซเบอร์ ด้วยการวิเคราะห์ทราฟฟิกภายในเครือข่าย และระบุความเสี่ยงที่อาจเกิดขึ้นได้แบบเรียลไทม์ ซึ่งจะช่วยให้องค์กรสามารถป้องกันเหตุการละเมิดข้อมูล หรือความเสี่ยงภัยไซเบอร์อื่นๆ ได้ 

สุดท้ายแล้ว การเลือกใช้ Generative AI ที่เหมาะสมสำหรับองค์กร ควรมีการพิจารณาจากปัจจัยหลายๆ แง่มุม เพื่อให้การลงทุนในเทคโนโลยีคุ้มค่า และสามารถสร้างมูลค่าให้องค์กรได้มากที่สุด 

บลูบิค (Bluebik) ในฐานะที่ปรึกษาด้านเทคโนโลยีชั้นนำและผู้เชี่ยวชาญด้าน AI มากด้วยประสบการณ์ในการนำ AI ไปปรับใช้ให้เหมาะสมกับธุรกิจ ตั้งแต่การวางกลยุทธ์ การพัฒนาโมเดล AI ขั้นสูง โดยเฉพาะ Customized Generative AI ที่ปรับให้เหมาะสมกับธุรกิจแต่ละประเภท จนถึงการเชื่อมโยงกับบริการและแอปพลิเคชันต่างๆ บน Digital Landscape ทำให้องค์กรสามารถใช้ประโยชน์จาก AI ขั้นสูงได้อย่างเต็มประสิทธิภาพ  

พร้อมยกระดับผลลัพธ์ของกระบวนการทำงาน ด้วยระบบอัตโนมัติที่ปลอดภัยและเชื่อถือได้ สำหรับผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ [email protected] หรือโทรศัพท์ 02-636-7011 

ขอบคุณข้อมูลอ้างอิงจาก c3.ai, ibm, c3.ai/blog, c3.ai/generative-ai-enterprise