ขณะนี้ เทคโนโลยีปัญญาประดิษฐ์ (AI) โดยเฉพาะ Generative AI (Gen AI) ต่างได้รับความสนใจและนำไปใช้ในหลากหลายด้านเพื่อเพิ่มขีดความสามารถในการทำงานให้ดียิ่งขึ้น อย่างไรก็ตาม หากมองในมุมขององค์กรแล้ว คำถามที่น่าสนใจคือจะทำอย่างไรให้การลงทุนใน Gen AI คุ้มค่าและสร้างผลลัพธ์ทางธุรกิจได้มากที่สุด 

วันนี้ บลูบิคจึงอยากชวนมาดูว่ามีปัจจัยอะไรบ้างที่ควรพิจารณาก่อนองค์กรจะตัดสินใจเลือกลงทุนและเลือกนำ Gen AI มาใช้งาน พร้อมตัวอย่างแนวทางการใช้งานเพื่อเพิ่มประสิทธิภาพการทำงานสำหรับแต่ละฟังก์ชันภายในองค์กร

• ความพร้อมและคุณภาพของข้อมูล

เนื่องจาก Gen AI จำเป็นต้องนำข้อมูลปริมาณมหาศาลมาใช้ในการเทรนโมเดล หากองค์กรไม่ได้มีแพลตฟอร์มเก็บรวบรวมข้อมูล โดยเฉพาะข้อมูลที่เกี่ยวข้องกับธุรกิจ อาจส่งผลให้ผลลัพธ์ที่ได้จากโมเดล Gen AI ออกมาไม่ตรงจุด นอกจากนี้ คุณภาพข้อมูลเป็นอีกเรื่องที่มีความสำคัญ โดยหากข้อมูลที่มีอยู่ไม่มีคุณภาพ เช่น ไม่ครบถ้วนสมบูรณ์ ไม่ถูกต้อง หรือไม่ได้เป็นข้อมูลที่เป็นปัจจุบันล่าสุด อาจส่งทำให้ผลลัพธ์ไม่แม่นยำ ดังนั้น เมื่อจะนำ Gen AI มาใช้งาน ความพร้อมและคุณภาพของข้อมูลเป็นปัจจัยแรกๆ ที่องค์กรควรให้ความสำคัญ 

• ความเสี่ยงด้านความปลอดภัยและความเป็นส่วนตัว 

นอกจากความพร้อมด้านข้อมูล การนำข้อมูลที่มีความอ่อนไหวหรือไม่ได้รับอนุญาตมาใช้ในการเทรนโมเดล Gen AI อาจสร้างความเสี่ยงเรื่องความปลอดภัยและความเป็นส่วนตัวของข้อมูลได้ โดยในบางกรณี ช่องโหว่ภายในโครงสร้างโมเดลอาจเป็นช่องทางให้แฮกเกอร์เจาะเข้ามาขโมยข้อมูลสำคัญๆ และสร้างความเสียหายต่อองค์กร ยิ่งไปกว่านั้น หากไม่มีแนวทางด้านธรรมาภิบาลข้อมูล (Data Governance) ที่เป็นการวางมาตรฐานการกำกับดูแลการใช้งานข้อมูลภายองค์กรและการใช้งานข้อมูลอย่างมีความรับผิดชอบ ก็ยิ่งเพิ่มความเสี่ยงที่อาจเกิดการละเมิดระเบียบข้อกำหนดต่างๆ 

• ความเสี่ยงด้านทรัพย์สินทางปัญญา

Gen AI ที่ใช้งานกันทั่วไปในวงกว้าง (Public Generative AI) เรียนรู้ด้วยข้อมูลที่อยู่บนอินเทอร์เน็ต โดยในการใช้งานบางรูปแบบ เช่น การสร้างรูปภาพ ข้อมูลที่นำมาใช้เทรนอาจมีความคล้ายคลึงกับผลงานที่มีอยู่แล้วซึ่งได้รับการคุ้มครองภายใต้กฎหมายลิขสิทธิ์ ทำให้ปัจจุบันยังคงมีการถกเถียงกันถึงประเด็นความเป็นเจ้าของและแหล่งที่มาของผลงานที่มาจากการใช้ Gen AI สร้างสรรค์ขึ้นมา 

• อคติและความไม่แม่นยำ 

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

• การเลือกใช้โมเดล 

โดยทั่วไปแล้ว Gen AI ประมวลผลจาก Large Language Models (LLM) ซึ่ง LLM จะเรียนรู้ผ่านกระบวนการเรียนรู้แบบเชิงลึก (Deep Learning) ผ่านการถูกเทรนด้วยข้อมูลจำนวนมหาศาลซึ่งทำให้เกิดเป็นโมเดลที่สามารถประมวลผลภาษาและมีความสามารถในการโต้ตอบ และสร้างสรรค์ข้อความได้เสมือนมนุษย์

อย่างไรก็ตาม สำหรับการนำไปใช้จริงในองค์กร โมเดล Gen AI ควรได้รับการปรับให้เหมาะสมกับธุรกิจ (Customized Generative AI) ซึ่งต้องพิจารณาทั้งประเภทธุรกิจ กลุ่มอุตสาหกรรม และกระบวนการดำเนินงานภายในองค์กร เป็นต้น เพื่อให้สามารถสร้างผลลัพธ์ได้ตามเป้าหมายที่ต้องการ โดย Customized Generative AI จะเรียนรู้และประมวลผลจากข้อมูลขององค์กร ทำให้ช่วยลดความเสี่ยงด้านทรัพย์สินทางปัญญา รวมถึงความเสี่ยงความปลอดภัยและความเป็นส่วนตัวของข้อมูล เนื่องจากองค์กรสามารถควบคุมการเข้าถึงข้อมูลในการเทรนโมเดลได้เอง 

ตัวอย่างการใช้ Gen AI สำหรับแต่ละฟังก์ชันในองค์กร

ฟังก์ชันงาน	ตัวอย่างการใช้งาน
การขาย (Sale)	– ร่างอีเมลสำหรับลูกค้า ที่มีความเฉพาะเจาะจงสำหรับลูกค้าแต่ละรายในบริบทที่แตกต่างกัน ซึ่งจะช่วยเพิ่มอัตราการเปิดอ่านอีเมลและเพิ่มโอกาสการเข้าไปนำเสนอบริษัท  – ช่วยคาดการณ์ยอดขายและรายได้ ด้วยการรวบรวมและวิเคราะห์ข้อมูลจากหลายๆ แหล่งที่มา เช่น ข้อมูลยอดขายที่ผ่านมา เทรนด์ในตลาด หรือพฤติกรรมลูกค้า ซึ่งจะช่วยให้สามารถวางแผนการขายได้ดียิ่งขึ้น รวมถึงช่วยปรับปรุงการทำรายงานยอดขาย ด้วยการสร้างบันทึกสรุปข้อมูลและสิ่งที่ต้องดำเนินการต่อแบบเข้าใจง่าย
การตลาด (Marketing)	– สร้างคอนเทนต์ที่ช่วยเพิ่มการรับรู้เกี่ยวกับแบรนด์ ไม่จะเป็นโซเชียลมีเดียโพสต์ คอนเทนต์ให้ความรู้และข้อมูลเกี่ยวกับสินค้าและบริการของธุรกิจบนเว็บไซต์ เช่น บทความ วิดีโอ และรูปภาพ หรือการใช้ทำ SEO เพื่อปรับคอนเทนต์ให้สามารถติดหน้าแรกๆ ของการค้นหาบน Search Engine ได้ง่ายขึ้น ซึ่งจะช่วยเพิ่มการเข้าถึงกลุ่มลูกค้าต่างๆ ได้มากขึ้น  – ค้นหาและวิเคราะห์ข้อมูลการตลาด โมเดล Gen AI สามารถนำมาช่วยค้นหา สรุป และวิเคราะห์เทรนด์การตลาด หรือจุดอ่อนจุดแข็งขององค์กรและคู่แข่งได้ เช่น การทำ SWOT Analysis ทำให้ธุรกิจสามารถปรับแผนการตลาดให้มีประสิทธิภาพยิ่งขึ้น
กระบวนการผลิต (Manufacturing Operations)	– ปรับปรุงกระบวนการทำงานให้มีประสิทธิภาพ ด้วยการรวบรวมและวิเคราะห์ข้อมูลจากเซนเซอร์ต่างๆ เพื่อส่งการแจ้งเตือนเมื่อพบปัญหาในกระบวนการปฏิบัติงาน  – พัฒนาคุณภาพผลิตภัณฑ์ ด้วยการวิเคราะห์ข้อมูลต่างๆ ที่รวบรวมได้จากเซนเซอร์ กล้อง และอุปกรณ์อื่นๆ ทำให้ตรวจสอบข้อบกพร่องที่พบในผลิตภัณฑ์และปัญหาอื่นๆ ได้ตั้งแต่ในกระบวนการผลิตช่วงแรกๆ ช่วยให้ธุรกิจลดความเสี่ยงการขอคืนสินค้า ลดการเคลมสินค้ามีปัญหา และเพิ่มความพึงพอใจให้ลูกค้า
ซัพพลายเชน (Supply Chain)	– ค้นหาซัพพลายเออร์ที่เหมาะสม Gen AI สามารถประมวลผลและวิเคราะห์ข้อมูลจำนวนมาก เพื่อค้นหาและแนะนำซัพพลายเออร์ที่ตรงตามเงื่อนไขการจัดซื้อขององค์กรได้ โดยอ้างอิงจากประเภทสินค้า ราคา คุณภาพ และการให้บริการ  – แนะนำเส้นทางขนส่งสินค้าที่เหมาะสม โดยอ้างอิงและวิเคราะห์จากรูปแบบการจราจร สภาพอากาศ และราคาเชื้อเพลิง เพื่อแนะนำเส้นทางและรูปแบบการขนส่งที่คุ้มค่าที่สุด
ทรัพยากรบุคคล (HR)	– ช่วยสรรหาบุคลากร ตั้งแต่การระบุผู้สมัครที่เหมาะสมที่สุดจากทักษะและประสบการณ์ทำงานแบบอัตโนมัติ เพื่อหาบุคลากรที่เหมาะกับความต้องการขององค์กร ไปจนถึงการแนะนำการทำโฆษณารับสมัครงานบนเว็บไซต์และโซเชียลมีเดียจากเทรนด์ตลาดแรงงานและความสนใจของผู้สมัครงาน  – สร้างผู้ช่วยเสมือนเพื่อช่วยตอบคำถามพนักงาน โดยเฉพาะคำถามเบื้องต้นเกี่ยวกับการเข้าใช้งานระบบต่างๆ นโยบายองค์กร หรือสิทธิประโยชน์เบื้องต้นของพนักงาน
ไอที (IT)	– พัฒนาการทำแอปพลิเคชัน โมเดล Gen AI สามารถช่วยเขียนโค้ดโปรแกรม ทำ Unit test ที่ทดสอบการทำงานของแต่ละ module ค้นหาบัคในระบบ เป็นต้น ซึ่งช่วยลดระยะเวลาในการพัฒนาแอปพลิเคชันลงได้อย่างมาก  – สอดส่องดูแลความปลอดภัยไซเบอร์ ด้วยการวิเคราะห์ทราฟฟิกภายในเครือข่าย และระบุความเสี่ยงที่อาจเกิดขึ้นได้แบบเรียลไทม์ ซึ่งจะช่วยให้องค์กรสามารถป้องกันเหตุการละเมิดข้อมูลหรือความเสี่ยงภัยไซเบอร์อื่นๆ ได้

สุดท้ายแล้ว การเลือกใช้ Generative AI ที่เหมาะสมสำหรับองค์กรควรมีการพิจารณาจากปัจจัยหลายๆ แง่มุม เพื่อให้การลงทุนในเทคโนโลยีคุ้มค่าและสามารถสร้างมูลค่าให้องค์กรได้มากที่สุด โดยจากประสบการณ์ที่ผ่านมา บลูบิค ในฐานะที่ปรึกษาด้านเทคโนโลยีชั้นนำและผู้เชี่ยวชาญด้าน AI ได้เข้าไปช่วยลูกค้าในการนำ AI ไปปรับใช้ให้เหมาะสมกับธุรกิจ ตั้งแต่การวางกลยุทธ์ การพัฒนาโมเดล AI ขั้นสูง โดยเฉพาะ Customized Generative AI ที่ปรับให้เหมาะสมกับธุรกิจแต่ละแห่ง จนถึงการเชื่อมโยงกับบริการและแอปพลิเคชันต่างๆ บน Digital Landscape ทำให้องค์กรสามารถใช้ประโยชน์จาก AI ขั้นสูงได้อย่างเต็มประสิทธิภาพ พร้อมยกระดับผลลัพธ์ของกระบวนการทำงานด้วยระบบอัตโนมัติที่ปลอดภัยและเชื่อถือได้ สำหรับผู้ที่สนใจสามารถติดต่อเข้ามาได้ที่

✉ [email protected] 

☎ 02-636-7011

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