5 ข้อเกี่ยวกับการใช้ Generative AI ในองค์กร

ไขความเข้าใจผิด 5 ข้อ เกี่ยวกับการใช้ Generative AI ในองค์กร

Generative AI เป็นปัญญาประดิษฐ์ (AI) ประเภทหนึ่งที่สามารถโต้ตอบกับผู้ใช้ในรูปแบบภาษาที่เป็นธรรมชาติและสามารถสร้างข้อมูลใหม่ ตั้งแต่โครงร่างเรื่องราว รายงาน และเอาต์พุตข้อความอื่น ๆ ไปจนถึงเนื้อหาหลายรูปแบบ เช่น รูปภาพ วิดีโอ และเสียง เป็นต้น ซึ่งเป็นหนึ่งในความก้าวหน้าทางเทคโนโลยีที่องค์กรต่าง ๆ ให้ความสนใจอย่างล้นหลามในเวลาอันรวดเร็ว

ตั้งแต่ Google Cloud เปิดตัวความสามารถ Generative AI ล่าสุด ทางบริษัทก็ได้รับเชิญให้เข้าร่วมการประชุมมากมายกับองค์กรต่าง ๆ เพื่อพูดคุยเกี่ยวกับวิธีที่องค์กรสามารถนำเทคโนโลยีมาใช้ และต่อยอดธุรกิจได้อย่างมีประสิทธิภาพ

ทั้งนี้ Generative AI มีความเข้าถึงได้มากกว่า AI รุ่นก่อนอย่างเห็นได้ชัด ซึ่งองค์กรต่าง ๆ รู้สึกตื่นเต้นกับความเป็นไปได้ทั้งหมดที่เทคโนโลยีดังกล่าวสามารถมอบให้กับธุรกิจในแต่ละประเภท อย่างไรก็ตาม กระแสความน่าตื่นตาตื่นใจนี้อาจนำพาไปสู่การตื่นเต้นเกินจริง ดังนั้นเราจึงต้องอธิบาย และไขข้อเข้าใจผิดต่าง ๆ ให้มากที่สุดเท่าที่จะทำได้

ความเข้าใจผิด 5 ข้อ เกี่ยวกับเทคโนโลยี Generative AI ที่ Google Cloud ได้แก้ไข ควบคู่ไปกับกาทำงานร่วมกับองค์กรต่าง ๆ ได้แก่:

ความเข้าใจผิดที่ 1: โมเดลเดียวสามาถใช้งานได้กับทุกอย่าง

ความคิดที่ว่าโมเดลภาษาขนาดใหญ่ (LLM) โมเดลเดียวหรือโมเดล Generative AI ประเภทเดียวจะกำหนดกรณีการใช้งานทั้งหมดนั้นเป็นความเข้าใจที่ผิด เนื่องจากตลาดเทคโนโลยีมีความหลากหลายสูง ดังนั้น รูปแบบการทำงานของ Generative AI โดยเฉพาะอย่างยิ่งสำหรับองค์กร ควรมีโมเดลที่แตกต่างกันหลาย ๆ รูปแบบ กว่าพันรูปแบบ เพื่อการใช้งานที่มีประสิทธิภาพสูงสุด

เหตุผลของการต้องมีโมเดลที่หลากหลายนั้นแตกต่างกันไป แต่เป็นที่ชัดเจนว่าโมเดลบางโมเดลเหมาะกับการสรุป บางโมเดลสามารถใช้แสดงหัวข้อย่อยได้เป็นอย่างดี ในขณะที่บางโมเดลควรใช้ในการให้เหตุผล เป็นต้น นอกจากนี้อุตสาหกรรม บริษัท และแผนกต่าง ๆ ยังมีการใช้น้ำเสียง และลักษณะของคำที่แตกต่างกันสำหรับงานในแต่ละชนิด ซึ่งทั้งหมดนี้เป็นสิ่งที่ควรพิจารณา เมื่อต้อง เลือกใช้โมเดล ของคุณ เพื่อให้เข้ากับงานแต่ละประเภท

ความเข้าใจผิด 2: ใหญ่กว่าย่อมดีกว่า

โมเดล Generative AI ใช้ทรัพยากรการประมวลผลจำนวนมาก

ดังนั้น สำคัญอย่างยิ่งที่องค์กรจะเลือกใช้โมเดลที่เหมาะสมสำหรับการทำงาน เนื่องจากยิ่งโมเดลมีขนาดใหญ่เท่าใด ค่าใช้จ่ายในการกรองข้อมูลก็จะยิ่งมากขึ้นเท่านั้น

ตัวอย่างเช่น โมเดลที่องค์กรของคุณเลือกใช้ไม่จำเป็นต้องรู้คำศัพท์ในเพลงของ Taylor Swift ทุกเพลงเพื่อสร้างรายงานสรุปเกี่ยวกับเป้าหมายการขายของไตรมาสถัดไป โดยองค์กรควรคำนึงถึงการใช้งานที่เหมาะสมและเฉพาะเจาะจงเป็นหลัก เพื่อเลือกโมเดลที่เหมาะสม ตามพื้นฐาน IQ ที่จำเป็น

ความเข้าใจผิด 3: แค่ฉันกับบอทของฉัน

ความเคลื่อนไหวจากกระแส “Bring Your Own Device” และ “Bring Your Own App” ที่ผ่านมา ทำให้ข้อกังวลเกี่ยวกับ “Shadow IT” เพิ่มมากขึ้น ส่งผลให้ สถาบันการเงินบางแห่งปิดการเข้าถึง Generative AI ที่เปิดเผยต่อสาธารณะ เนื่องจากกลัวว่าโมเดลเหล่านั้นอาจทำให้ข้อมูลที่เป็นกรรมสิทธิ์รั่วไหลได้

เครื่องมือ Generative AI สาธารณะบางอย่างอาจใช้ประโยชน์จากข้อมูลผู้ใช้สำหรับชุดการฝึกอบรมในอนาคต ซึ่งอาจเป็นการเปิดเผยข้อมูลที่เป็นกรรมสิทธิ์ได้ เช่น สมมติว่าธนาคารแห่งหนึ่งกำลังสำรวจการควบรวมกิจการสำหรับลูกค้าอุตสาหกรรมขนาดใหญ่ และใครบางคนในแผนกควบรวมและซื้อกิจการ (M&A) ทำแบบจำลองสาธารณะโดยถามว่า "เป้าหมายการครอบครองที่ดีสำหรับบริษัท XYZ คืออะไร" หากข้อมูลนั้นมีส่วนสนับสนุนข้อมูลการฝึกอบรมของโมเดล เครื่องมืออาจได้รับการฝึกอบรมเพื่อตอบคำถามนี้สำหรับทุกคน แต่อย่างไรก็ตาม องค์กรและบุคคลทั่วไปสามารถมั่นใจได้ว่าเครื่องมือ Generative AI ของ Google Cloud ไม่ได้ถูกโปรแกรมให้ใช้ข้อมูลส่วนตัวในลักษณะนี้อย่างแน่นอน

โดยองค์กรส่วนใหญ่ที่เราพูดคุยด้วย มักมีความกังวลเกี่ยวกับความปลอดภัยของคำถามที่องค์กรถามโมเดล เนื้อหาที่โมเดลเหล่านี้ฝึกฝน และผลลัพธ์ที่ได้ ซึ่งเป็นสิ่งที่ Google Cloud เก็บเป็นข้อมูลส่วนตัว

ความเข้าใจผิด 4: ทุกคำตอบเป็นเรื่องจริง

ความแม่นยำและความน่าเชื่อถือเป็นหนึ่งในปัญหาที่ใหญ่ที่สุดของเทคโนโลยีใหม่นี้ อัลกอริทึมได้รับการออกแบบมาเพื่อตอบคำถามทุกคำถาม และในบางกรณี โมเดล Generative AI สามารถให้คำตอบที่ไม่เป็นความจริงได้

ทุกองค์กรที่เรารู้จัก มีการลงทุนอย่างสูงในการสร้างข้อเท็จจริงและข้อมูลที่สามารถพิสูจน์ได้ ดังนั้นองค์กรจึงจำเป็นต้องใช้โมเดลและสถาปัตยกรรมเทคโนโลยีที่มีพื้นฐานข้อมูลมาจากความเป็นจริง

ทั้งนี้ โมเดล Generative AI สาธารณะส่วนใหญ่ไม่สนใจข้อกำหนดด้านข้อมูลขององค์กรนี้ ซึ่งถือเป็นความอันตรายหากบริษัทในอุตสาหกรรมที่ได้รับการควบคุมมีการใช้โมเดลหรือบริการดังกล่าว

ความเข้าใจผิดที่ 5: ถามคำถามอะไรก็ได้

องค์กรต่าง ๆ มีแหล่งข้อมูลมากมาย ไม่ว่าจะเป็นด้านราคา ทรัพยากรบุคคล กฎหมาย การเงิน ฯลฯ แต่เราไม่เคยได้ยินว่ามีบริษัทที่อนุญาตให้เข้าถึงข้อมูลทั้งหมดนี้อย่างเปิดเผย

ผู้นำธุรกิจบางคนให้ความสนใจในการสร้างข้อมูลทั้งหมดขององค์กรในโมเดลแบบ LLM มากขึ้น เพื่อให้สามารถตอบคำถามในระดับองค์กรหรือระดับโลกทั้งหมดได้

หลังจากที่องค์กรต่าง ๆ คิดหาวิธีที่จะรักษาข้อมูลให้เป็นส่วนตัวและเป็นข้อเท็จจริงแล้ว องค์กรก็ตระหนักในขั้นต่อไปอย่างรวดเร็ว ซึ่งมักจะมาพร้อมกับคำถามที่ว่า: องค์กรจะจัดการให้ใครสามารถถามคำถามกับแบบจำลองนี้ได้ และจัดระดับอย่างไรได้บ้าง?

ก้าวไปข้างหน้ากับ Generative AI

Google Cloud มุ่งต่อยอดประสบการณ์เชิงลึกและความเชี่ยวชาญด้าน AI และมุ่งมั่นที่จะร่วมมือกับอุตสาหกรรมที่กว้างขึ้นเพื่อพัฒนาการเข้าถึง ความน่าเชื่อถือ และรับผิดชอบ นวัตกรรม AI ที่พร้อมสำหรับองค์กร

ในขณะที่ธุรกิจ สำรวจ ว่า Generative AI สามารถช่วยให้พวกเขาบรรลุผลลัพธ์ทางธุรกิจในเชิงบวกได้อย่างไร สิ่งที่สำคัญเป็นอย่างยิ่งคือการแยกแยะความแตกต่างระหว่างการโฆษณาเกินจริงและความเป็นจริงของเทคโนโลยี Generative AI โดยธุรกิจและองค์กรต่าง ๆ ควรปรึกษาและเลือกหาพันธมิตรที่เหมาะสม เพื่อนำเทคโนโลยีไปใช้อย่างปลอดภัย ที่จะสามารถคุ้มครองความเป็นส่วนตัวของข้อมูล แอปพลิเคชัน และผู้ใช้ได้อย่างเต็มประสิทธิภาพ

ขอขอบคุณข้อมูล :โดย เอพริล ศรีวิกรม์ Country Manager ของ Google Cloud ประเทศไทย