efinancethai

กุนซือโลกการเงิน


กุนซือโลกการเงิน ยกระดับการใช้ประโยชน์เทคโนโลยี GenAI ด้วยโมเดล ‘AI factory’   โดย PWC .

โดย
PWC .

:PWC
.

ยกระดับการใช้ประโยชน์เทคโนโลยี GenAI ด้วยโมเดล ‘AI factory’  

 

วิไลพร ทวีลาภพันทอง
หัวหน้าสายงานธุรกิจที่ปรึกษา PwC ประเทศไทย และ
หัวหน้ากลุ่มธุรกิจบริการทางการเงินเชิงกลยุทธ์และการดำเนินงาน PwC South East Asia Consulting

 

เราคงปฏิเสธไม่ได้ว่า เทคโนโลยีเอไอแบบรู้สร้าง (Generative AI) นั้นกำลังกลายเป็นเทคโนโลยีที่ถูกพูดถึงในทุกแวดวงธุรกิจ ซึ่งถึงแม้จะมีกระแสต่อต้านการใช้งานในช่วงแรก แต่ภายหลังดูเหมือนว่าธุรกิจต่าง ๆ จะหันมาลงทุนและทำการศึกษาเพื่อไม่ให้พลาดโอกาสที่อาจเกิดขึ้นจากการเปลี่ยนแปลงที่ตามมา เช่น วิธีการทำงานของผู้คน การผลิตงานเชิงสร้างสรรค์ และการเขียนโปรแกรม เป็นต้น 

 

อย่างไรก็ตาม การนำ GenAI มาปรับใช่ในองค์กรนั้นไม่ใช่เรื่องที่สามารถทำได้ทันที เพราะแต่ละองค์กรจำเป็นที่จะต้องปรับรูปแบบการปฏิบัติการใหม่ เพื่อใช้ประโยชน์จากศักยภาพของ GenAI ในด้านความเร็วและขนาดได้อย่างเต็มที่ ซึ่งบทความ ‘Why you need an AI factory: A CIO’s guide to generative AI’ ของ PwC ประเทศสหรัฐอเมริกา ได้ชี้แนะว่า องค์กรควรนำรูปแบบธุรกิจที่เรียกว่า ‘AI factory’ หรือ ‘แนวปฏิบัติที่ใช้เอไอเสริมประสิทธิภาพการทำงานในทุกระดับขององค์กร’ มาใช้ โดยผู้นำธุรกิจควรพิจารณาถึงสี่แนวทางสำคัญสำหรับการจัดตั้งโมเดล AI factory ในองค์กร ดังต่อไปนี้ 

 

1. ประยุกต์ใช้ GenAI

 

ในทุกระดับขององค์กร โดยควรนำ GenAI มาประยุกต์ใช้ในทุกระดับของห่วงโซ่อุปทาน เพื่อใช้ประโยชน์จากความสามารถในการเรียนรู้จากข้อผิดพลาดและใช้ชุดข้อมูลขนาดใหญ่มาสร้างชิ้นงานใหม่ได้แบบไม่ซ้ำใคร ด้วยศักยภาพของ GenAI ที่ได้รับการฝึกฝนล่วงหน้าและปรับปรุงให้เข้ากับความต้องการของธุรกิจ จึงช่วยให้ธุรกิจสามารถดำเนินการงาน หรือริเริ่มโครงการนำร่องใหม่ ๆ ได้อย่างรวดเร็ว

 

แต่สิ่งสำคัญไปมากกว่านั้น คือ การจัดทำแผนงาน หรือ ‘roadmap’ ในการนำ GenAI มาใช้และขับเคลื่อนไปสู่การบรรลุเป้าหมายทางธุรกิจ โดยการปูทางไปสู่การสร้างสรรค์นวัตกรรมภายในองค์กรจะต้องอาศัยการสร้างความเข้าใจให้กับพนักงาน และต้องอาศัยความร่วมมือจากผู้นำธุรกิจและเทคโนโลยีเข้ามาช่วยวิเคราะห์กรณีการใช้งาน คุณค่า และรูปแบบของผลลัพธ์ (pattern) เพื่อสร้างคุณค่าทางธุรกิจใหม่ ๆ นอกจากนี้ องค์กรควรระบุช่องว่างด้านข้อมูล เทคโนโลยี และทักษะ จากนั้นกำหนดต้นทุนและกรอบเวลาสำหรับการปิดช่องว่างเหล่านี้ โดยช่องว่างที่มักพบอยู่บ่อย ๆ ได้แก่ ปัญหาด้านชุดข้อมูล การขาดทักษะด้านวิทยาศาสตร์ข้อมูล และความรู้เกี่ยวกับแนวปฏิบัติการใช้เอไออย่างมีความรับผิดชอบ เป็นต้น

 

2. เลือกโมเดลและเตรียมชุดข้อมูล

 

องค์กรควรต้องพิจารณารูปแบบของ GenAI ที่มีความเหมาะสมกับการใช้งานของธุรกิจของตน ซึ่งผู้ให้บริการ GenAI ในปัจจุบันมีหลากหลายรูปแบบ รวมไปถึงผู้ให้บริการแพลตฟอร์มคลาวด์รายใหญ่ เช่น AWS กูเกิล และ ไมโครซอฟท์และ บริษัท OpenAI ที่นำเสนอ ‘foundation models’ หรือ ‘โครงสร้างของเอไอที่ได้รับการฝึกด้วยชุดข้อมูลจำนวนมหาศาลโดยเอไอจะทำการเรียนรู้ชุดข้อมูลด้วยตนเอง’ เมื่อทำการเลือกรูปแบบของ GenAI แล้ว องค์กรจะต้องทำงานร่วมกับผู้ให้บริการเพื่อสร้างโมเดล GenAI ที่ใช้ภายในองค์กรเพิ่มมูลค่าให้ธุรกิจผ่านการสอนข้อมูล บริบท ทรัพย์สินทางปัญญา และทักษะเฉพาะด้านของบุคลากร

 

ทั้งนี้ องค์กรควรต้องจัดระเบียบข้อมูลอยู่เป็นประจำ เพื่อลดความเสี่ยงด้านอคติในชุดข้อมูล รวมถึงสร้างกระบวนการย้ายข้อมูลจากต้นทางไปยังปลายทาง (Data Pipeline) และซอฟต์แวร์ที่เชื่อมต่อจากระบบหนึ่งไปสู่อีกระบบหนึ่ง (Application Programing Interface: APIs) ใหม่ เพื่อให้ GenAI สามารถเข้าถึงข้อมูลล่าสุดที่มีอยู่ได้อย่างต่อเนื่อง พร้อมปกป้องข้อมูลและทรัพย์สินทางปัญญาขององค์กร นอกจากนี้ องค์กรควรต้องมีการกำกับดูแลข้อมูลและความปลอดภัยทางไซเบอร์สำหรับความเสี่ยงที่อาจเกิดขึ้นจากการใช้งาน GenAI ด้วย

 

3. สร้าง ‘AI factory’ เพื่อผลลัพธ์ที่รวดเร็ว

 

การสร้าง ‘AI factory’ ภายในองค์กรเพื่อให้เกิดการประยุกต์ใช้ GenAI อย่างรวดเร็วจำเป็นต้องกำหนดกรอบความรับผิดชอบให้ชัดเจน โดยต้องจัดสรรบุคลากรตามความชำนาญ ประสบการณ์ และทักษะในด้านต่าง ๆ ดังต่อไปนี้ 

 

ผู้นำองค์กร เป็นผู้กำหนดและตรวจสอบวัตถุประสงค์ทางธุรกิจโดยรวม และมูลค่าจากการใช้งาน GenAI 

 

นักวิเคราะห์ธุรกิจ ช่วยวิเคราะห์วัตถุประสงค์ของกรณีการใช้งานและเกณฑ์ความสำเร็จ พร้อมรวบรวมความต้องการขององค์กร รวมถึงตั้งค่าและตรวจสอบการใช้งานของ GenAI เพื่อให้บรรลุเป้าหมายทางธุรกิจ 

 

วิศวกรชุดคำสั่ง (Prompt engineer) มีบทบาทในการออกแบบคำสั่งเพื่อเสริมความแม่นยำและความสอดคล้องของผลลัพธ์ที่ต้องการ ซึ่งจะทำงานร่วมกับนักวิเคราะห์ธุรกิจและช่างเทคนิคด้านโมเดลในการตรวจสอบความถูกต้องของผลลัพธ์ และปรับคำสั่งตามความต้องการ 

 

ช่างเทคนิคด้านโมเดล เป็นผู้รับผิดชอบการแก้ไขปัญหาในกรณีที่ต้องอาศัยความชำนาญด้านเทคนิค เช่น การปรับแต่งโมเดลเอไอให้สร้างผลลัพธ์ที่ดีขึ้น 

 

วิศวกรข้อมูล เป็นผู้ทำหน้าที่จัดเตรียม จัดระเบียบ และฝังข้อมูลเพื่อให้ตรงตามข้อกำหนดของโมเดลเอไอ

 

นักวิทยาศาสตร์ข้อมูล ดึงข้อมูลมาแชร์ให้วิศวกรชุดคำสั่งและช่างเทคนิคด้านโมเดลเพื่อเพิ่มความแม่นยำและประสิทธิภาพของเอไอ นอกจากนี้ ยังทำหน้าที่แบ่งโค้ดที่ใช้ออกเป็นส่วนประกอบเพื่อปรับใช้ในโซลูชันอื่น ๆ หรืออัปเดตโมเดลในอนาคต 

 

4. รักษาความปลอดภัยของโมเดลเอไอและ ROI ให้โตขึ้น   

 

สุดท้าย เมื่อ AI Factory พร้อมใช้งาน องค์กรควรหันไปให้ความสำคัญกับการสร้างความไว้วางใจและการประเมินประสิทธิภาพ ความเสี่ยง และผลลัพธ์อย่างต่อเนื่อง ทั้งนี้ หากองค์กรต้องการจัดการกับความเสี่ยงที่สำคัญที่สุดของ GenAI กรอบการทำงานของเอไอที่มีความรับผิดชอบของ PwC ซึ่งครอบคลุมกลยุทธ์ การควบคุม แนวปฏิบัติที่รับผิดชอบ และแนวปฏิบัติหลัก สามารถปรับแต่งให้สอดคล้องกับความต้องการขององค์กรเพื่อบริหารความเสี่ยงที่อาจเกิดขึ้น เช่น เนื้อหาที่มีอคติ ความเข้าใจผิด ความยากในการตีความ ภัยคุกคามทางไซเบอร์ และความเป็นส่วนตัว เป็นต้น
 







บทความอื่นๆที่น่าสนใจ



RECOMMENDED NEWS

ข่าวหุ้นยอดนิยม

Refresh