หลักการใช้งาน Generative AI ในองค์กรและภาคธุรกิจ

• Facebook
• X
• Line

สวัสดีค่ะทุกท่าน^^ หลังจากที่ห่างหายกันมาช่วงหนึ่ง นิกขออนุญาตกลับมาในหัวข้อที่(คิดว่า)เป็นประโยชน์กับองค์กร หรือภาคธุรกิจใดก็ตามที่มีการใช้งาน Generative AI ไม่ว่าจะช่วยในเรื่องของการวิเคราะห์ข้อมูล เช่นข้อมูลของลูกค้า การประเมินคุณภาพต่างๆ หรือแม้แต่การใช้ในเชิง Marketing เช่น การสร้าง Contents เป็นต้น โดยเนื้อหาในบทความนี้จะเป็นการเสนอแนะแนวทางสำหรับองค์กร และภาคธุรกิจ ในการนำเอาเทคโนโลยี GenAI มาใช้งานในแอปพลิเคชันต่างๆ ซึ่งจะเจาะลึกถึงปัจจัยสำคัญต่างๆ ได้แก่

• สิทธิในการครอบครองและการอนุญาตใช้ข้อมูล
• ความสำคัญของการตรวจสอบและทำกรองข้อมูล
• ความเหมาะสมของ GenAI Model หรือ Application ที่นำมาใช้
• การปกป้องข้อมูลส่วนบุคคล (PDPA)
• การปฏิบัติตามกฎที่เกี่ยวข้อง (ซึ่งแตกต่างกันไปแล้วแต่ลักษณะการใช้งาน และองค์กร

ซึ่งประเด็นทั้งหมดนี้เป็นสิ่งจำเป็นมากๆ ค่ะ ที่จะทำให้เจ้าของข้อมูล ซึ่งหมายถึงลูกค้าของเรามีความมั่นใจว่า เราจัดการข้อมูลส่วนบุคคลนั้นได้อย่างดี และมีความเชื่อถือได้ ตลอดจนมั่นใจว่ามีการให้สิทธิ์การใช้ข้อมูลสำหรับองค์กรที่มี Roadmap อย่างถูกต้อง ป้องกันระบบ AI จากภัยคุกคามความปลอดภัย และทำให้เป็นไปตามกฎหมายที่คุ้มครองข้อมูลส่วนบุคคล

ว่าแล้วเราก็มาเริ่มกันเลยที่ Step แรก นั่นคือการพิจารณาที่ “High level Roadmap” ซึ่งมีรายละเอียด หรือขั้นตอนการปฏิบัติที่ต้องทำดังนี้ค่ะ （＾∀＾●）ﾉｼ

1. เจ้าของข้อมูล (Ownership/Licensing)
   โดยในส่วนนี้จะต้องพิจารณาตามกฎหมาย ข้อกำหนดต่างๆ และสิทธิในการใช้ข้อมูล โดยเฉพาะการรับรองสิทธิ์ในการให้องค์กร/ภาคธุรกิจ ใช้ข้อมูลสำหรับการ Train AI Model ซึ่งต้องมีการกำหนดขอบเขตข้อมูลที่ใช้อย่างชัดเจน และเจ้าของข้อมูลต้องมีการรับทราบ ว่ามีความเข้าใจเกี่ยวกับสิทธิและการครอบครองข้อมูล ซึ่งหลังจากองค์กรมีการใช้ข้อมูลร่วมกับ GenAI อาจมีผลต่อการใช้งาน การปรับเปลี่ยน หรือแม้แต่การขายข้อมูลต่อ โดยองค์กรจะปฏิบัติตามข้อบังคับเกี่ยวกับข้อมูลอย่างเคร่งครัด
2. การตรวจสอบข้อมูล (Data Validation)
   ในส่วนของขั้นตอนนี้ องค์กรหรือภาคธุรกิจที่มีการใช้งาน Generative AI ร่วมกับข้อมูลของ User จะต้องมีการตรวจสอบข้อมูลที่ได้มาอย่างถูกต้อง ทั้งในส่วนของการทำ Data Validation หรือ Data Cleansing ก่อนที่จะนำเข้าข้อมูลนั้นเข้าสู่ส่วนของการ Trainning Model หรือการใช้งานต่อ
3. Model Robustness:
   อันนี้ไม่รู้ว่าจะแปลเป็นภาษาไทยว่าอะไรเลยค่ะ (o′┏▽┓｀o) แต่ขอกล่าวง่ายๆ ว่าส่วนนี้จะเป็นเหมือนความแข็งแกร่งของ Model ค่ะ ว่ามีความแข็งแกร่ง เสถียร ไม่พังง่าย ไม่ error ง่าย หรือมีความต้านทานต่อการจู่โจม หรือถูกโจมตีโดยหน่วยงานภายนอกได้มากแค่ไหน ตลอดจนในกรณีที่ข้อมูลมีการเปลี่ยนแปลง ตัวระบบนั้นยังสามารถรองรับความเปลี่ยนแปลงนั้นได้ และมีความเสถียรอยู่หรือไม่ค่ะ
4. การคุ้มครองข้อมูล (Data Privacy)
   เป็นในส่วนของการปฏิบัติตามกฎหมายการคุ้มครองข้อมูล (เช่น PDPA, GDPR, HIPAA) ผ่านมาตรการที่ต้องพิจารณา เช่นการทำให้ข้อมูลกลายเป็นข้อมูลไม่ระบุตัวตน หรือการเข้ารหัสข้อมูล ซึ่งจะช่วยให้สามารถมั่นใจในความปลอดภัยของข้อมูลผู้ใช้ได้
5. ข้อพิจารณาด้านเทคนิคต่างๆ (Technical with Existiing systems)
   หลังจากที่เราพิจารณาในเรื่องของความถูกต้อง และความเชื่อถือได้ของข้อมูลแล้ว ลำดับต่อไปที่จะต้องพิจารณาคือเรื่องของความเข้ากันได้กับระบบเดิม ก่อนที่จะมีการใช้งาน Generative AI ได้แก่การพิจารณาในเรื่องของการออกแบบการเชื่อมต่อ และใช้งาน API เป็นต้น
6. จริยธรรม AI (AI Ethics)
   ในส่วนนี้จะพิจารณา เรื่องของ Bias หรืออคติที่อาจเกิดขึ้นกับข้อมูลที่ใช้ Train AI และผลลัพธ์โดยจะเน้นไปที่การใช้ข้อมูลในการ Train ที่หลากหลาย และการยึดถือตามคู่มือ Ethical AI ต่างๆ เพื่อช่วยป้องกัน Bias ที่จะเกิดขึ้นกับตัวโมเดล หรือแอพพลิเคชั่น ที่มีการนำเอา AI หรือ API ของ GenAI ต่างๆ มาใช้งาน
7. การมอบหมายงาน (AI Experts)
   สำหรับองค์กรหรือภาคธุรกิจที่มีการนำเทคโนโลยี GenAI มาใช้ ควรจะต้องมีการกำหนดกรอบหน้าที่ความรับผิดชอบ และระบุตัวเจ้าหน้าที่หรือส่วนเกี่ยวข้องอย่างชัดเจน เพื่อให้การใช้งานและการบริหารจัดการข้อมูลเป็นไปได้อย่างยั่งยืน รวมถึงสามารถแก้ไขปัญหาได้อย่างเหมาะสม ส่งเสริมให้เกิดประโยชน์สูงสุดกับการใช้งานอย่างเฉพาะเจาะจงได้
8. การมีข้อมูลที่มีคุณภาพและปริมาณเพียงพอ (Availability/Quality)
   และท้ายสุดในข้อพิจารณาสำหรับ High level Roadmap นี้เป็นเรื่องของข้อมูลที่เป็น Input ซึ่งต้องเป็นข้อมูลที่มีคุณภาพสูงและเกี่ยวข้องอย่างมีนัยสำคัญกับคำถาม หรือว่าสิ่งที่องค์กรต้องการจาก Generative AI โดยข้อมูลนั้นต้องมีทั้งคุณภาพ และปริมาณที่เหมาะสม เพื่อให้ GenAI สามารถเข้าใจและตอบสนองต่อคำถาม/ความต้องการของผู้ใช้ได้อย่างแม่นยำ (^人^)

กลยุทธ์และขอบเขตการนำ Generative AI มาใช้งาน

GenAI ในปี 2024 นี้มีการนำมาใช้งานที่หลากหลายและเป็นวงกว้างมากยิ่งขึ้นค่ะ โดยจากเดิมที่มีเพียงการใช้งานเฉพาะด้านเท่านั้น ในปัจจุบันเราจะพบว่าในองค์กรหรือภาคธุรกิจต่างๆ ได้มีการประยุกต์ใช้งานกับลักษณะงานทั่วไปด้วย ซึ่งตัว Gernerative AI ที่มักจะถูกนำมาใช้ ส่วนมากจะอยู่ในรูปแบบของ LLMs ซึ่งเป็นเทคโนโลยีที่รวมการประมวลผลภาษาธรรมชาติ (Natural Languages Processing) ความเข้าใจ และการสร้างภาษา ที่อยู่ในรูปแบบของการวิเคราะห์ และตอบคำถาม หรือสร้าง Content ใหม่ๆ ซึ่งสิ่งเหล่านี้เองได้เข้ามามีบทบาทสำคัญในเชิงกลยุทธ์ของทุกบริษัทที่ต้องการแข่งขันในตลาดยุค Digital Marketing

การใช้ GenAI ช่วยให้พวกเราสามารถสร้าง Content ใหม่หรือเนื้อหาที่ถูกสังเคราะห์ขึ้น (ที่ใช้คำว่าสังเคราะห์ เพราะ Generative AI จะทำการวิเคราะห์ความเชื่อมโยงจากสิ่งที่เราถาม และสังเคราะห์เป็นคำตอบออกมาในรูปแบบต่างๆ ที่กำหนดไว้เช่น Gen เป็น ภาพ ข้อความ หรือเสียงค่ะ) วิเคราะห์ เข้าใจบริบทของคำถามหรือข้อมูล สรุปความสัมพันธ์เชิงสาเหตุ และให้คำแนะนำที่เหมาะสมกับคำถามที่เราถามหรือต้องการวิเคราะห์ โดยมีกลยุทธ์และแนวทางการนำไปใช้งานดังนี้ค่ะ

พิจารณา Genearive AI Adoption

ในการนำ GenAI มาประยุกต์ใช้ในองค์กรหรือภาคธุรกิจ จะเริ่มต้นด้วยการใช้งานภายในก่อน โดยพิจารณาจากหน่วยงานที่มีความพร้อมด้านการจัดเก็บข้อมูล และโครงสร้างข้อมูลภายใน ทำให้สามารถลดความเสี่ยงเรื่องข้อมูลส่วนบุคคลของลูกค้า และเป็นการใช้ประโยชน์ในการใช้งานที่มีความเสี่ยงน้อย จากนั้นจึงเริ่มพิจารณาในภาคส่วนที่มีผลกระทบทางธุรกิจ (แต่ยังคงเป็นการใช้งานภายในนะคะ) หากสามารถดำเนินการตาม High level Roadmap ที่กล่าวมาข้างต้นได้อย่างครบถ้วน ท้ายสุดจึงค่อยๆ ขยายการใช้งานไปยังแอปพลิเคชันหรือส่วนงานอื่นๆ ที่มี User เป็นลูกค้า หรือบุคคลภายนอกค่ะ o(〃＾▽＾〃)o

โดยในปี 2024 นี้ขอบเขตในการใช้งาน GenAI นั้นกว้างและหลากหลายขึ้นอย่างชัดเจน จากการที่เพื่อนๆ จะเห็นว่ามีคอร์สต่างๆ มากมายที่มาให้เราได้เลือกเรียนกัน หรือ Contents ที่ถูกสร้างด้วย GenAI ที่มีปริมาณเพิ่มมากขึ้น ซึ่งในหลายองค์กรหรือภาคธุรกิจสามารถทำ Genearive AI Adoption ได้ในแนวทางที่หลากหลายดังต่อไปนี้ค่ะ

• แชทบอทและผู้ช่วยเสมือน: แน่นอนค่ะว่า ด้วยความที่ Gen AI คือการประมวลผลผ่านโมเดลภาษาขนาดใหญ่ เพราะฉะนั้นจึงสามารถใช้ในการสร้างแชทบอท และผู้ช่วยเสมือนที่ช่วยให้การสนับสนุนลูกค้า ตอบคำถาม และทำหน้าที่ต่างๆ เช่น ให้ข้อมูลที่จำเป็นของสินค้า ตอบข้อซักถาม จองห้องพัก ทำให้ภาคธุรกิจและบริการสามารถตอบสนองต่อความต้องการของลูกค้าได้อย่างมีประสิทธิภาพ และ Real time ได้มากยิ่งขึ้น
• การสร้างเนื้อหา: Gen AI สามารถใช้ในการสร้างข้อความการตลาด รายละเอียดสินค้า และโพสต์โซเชียลมีเดีย รวมถึงเนื้อหาที่มีความละเอียด ซับซ้อน เช่น บทกวี บทละคร งานดนตรี อีเมล จดหมาย เป็นต้น
• การสร้างและช่วยเหลือในการเขียนโค้ด: สิ่งนี้นับว่าเป็นเรื่องที่เป็น Hot issue มากค่ะ เพราะนอกจากจะเป็นการสร้างความสะดวกให้กับชาว Dev หรือ Data Analyst แล้ว ยังทำให้บุคคลทั่วไปทุกภาคส่วนสามารถเข้าถึงงานลักษณะนี้ได้ โดย Gen AI สามารถใช้ในการช่วยเขียน Code ตามโจทย์ที่เราต้องการ หรือใช้ในการช่วยเรา Edit โค้ดใหม่ การแก้จุดบกพร่อง และการสร้างกรณีทดสอบ (หรือการทำ Testing นั่นเองค่ะ)
• การเพิ่มข้อมูล: ในตัว Gen AI เองสามารถใช้ในการสร้างข้อมูลสังเคราะห์ ที่ใช้สำหรับการ Training โมเดลได้เองด้วย (ในกรณีที่ข้อมูลที่มีไม่หลากหลาย หรือมีปริมาณไม่มากเพียงพอ) ซึ่งเป็นประโยชน์สำหรับการเพิ่มข้อมูลสำหรับเหตุการณ์หายากหรือกลุ่มที่ไม่ได้มีข้อมูลมากมา Support ค่ะ โดยส่วนนี้เองจะเป็นส่วนหนึ่งในการลดความ Bias ของข้อมูลตาม High level Roadmap ข้อที่ 6
• การค้นหาและการเรียกคืนข้อมูล: Gen AI สามารถใช้ในการปรับปรุงการทำงานของการค้นหา (Searching) โดยการเข้าใจความหมายของคำถาม (ในเทอมความสัมพันธ์ของคำ–> เพื่อนๆ สามารถอ่านต่อได้ในบทความ LLMs นะคะ) และให้คำตอบที่ครอบคลุม และตระหนักถึงบริบทของข้อความมากขึ้น พูดง่ายๆ ค่ะว่า ยิ่งใช้งาน Generative AI มากยิ่งขึ้น โมเดลก็จะมีความฉลาด มากขึ้นตามไปด้วยค่ะ …(*￣０￣)ノ

ซึ่งนี่คือขอบเขตการใช้งาน/กรณีการใช้งาน Gen AI ที่พบบ่อยและแต่ละองค์กร/ภาคธุรกิจควรต้องทราบและศึกษาในปี 2024 ค่ะ ทั้งนี้ในการใช้งานจะต้องมีการพิจารณาหลักการ Generative AI Adoption ในองค์กรและภาคธุรกิจตาม High level Roadmap เพื่อการใช้งานอย่างมีประสิทธิภาพและเหมาะสม เพราะข้อมูลที่เรามีคือข้อมูลสำคัญของลูกค้า และส่วนที่เกี่ยวข้องนั่นเองค่ะ^^

Last But Not Least,,,,

ท้ายสุดนี้เมื่อเราพัฒนาแอปพลิเคชัน AI หรือใช้งาน GenAI API ของค่ายต่างๆ สิ่งที่เราต้องให้ความสำคัญคือ การรักษาความปลอดภัยของข้อมูล และการสร้าง Roadmap ที่ชัดเจนในกรณีที่เป็นองค์กรหรือภาคธุรกิจที่มีการเชื่อมโยงข้อมูลหลายภาคส่วน ทั้งนี้เพื่อนๆ สิ่งที่ต้องพิจารณาเพิ่มเติมจะเป็นเรื่องของ AI Governance ซึ่งสามารถอ่านได้ที่บทความนี้ค่ะ =>>

• Facebook
• X
• Line