ข่าว
Red Hat ชี้ AI เปลี่ยนโฉมการสร้างนวัตกรรมต่อเนื่อง แนะองค์กรเข้าใจจุดแข็ง-จุดอ่อน ก่อนเริ่มโปรเจกต์
สำนักข่าวบริคอินโฟ – ปัญญาประดิษฐ์ หรือ AI ได้เข้ามามีบทบาทในชีวิตประจำวันของเราอย่างรวดเร็ว และกลายเป็นหนึ่งในความก้าวหน้าทางเทคโนโลยีที่สำคัญที่สุด อย่างไรก็ตาม ข้อมูลจากการประเมินพบว่า โครงการ AI มากกว่า 80% ต้องเผชิญกับความล้มเหลว Red Hat (เร้ดแฮท) จึงได้ออกมาแนะนำแนวทางในการหลีกเลี่ยงความล้มเหลว และลดความเสี่ยงในการทำโปรเจกต์ AI
สุพรรณี อำนาจมงคล ผู้จัดการประจำประเทศไทย Red Hat (เร้ดแฮท) กล่าวว่า AI ได้ก้าวข้ามจากจินตนาการในนิยายสู่ความเป็นจริงในชีวิตประจำวัน และเข้ามามีบทบาทในทุก ๆ ด้าน แต่ข้อมูลจากการประเมินพบว่า โครงการ AI มากกว่า 80% ต้องเผชิญกับความล้มเหลว ซึ่งแสดงให้เห็นถึงความไม่สอดคล้องกันระหว่างแนวคิดของคนและองค์กรเกี่ยวกับ AI และ Machine Learning (แมชชีนเลิร์นนิง) กับแนวทางที่ใช้ในการก้าวสู่ยุคแห่งนวัตกรรม
Red Hat (เร้ดแฮท) ได้แนะนำสิ่งที่ควรทำก่อนเริ่มโปรเจกต์ AI ที่ประสบความสำเร็จ ได้แก่ ทำความเข้าใจจุดแข็งและจุดอ่อนของ AI วางแนวทางการใช้งาน AI ให้สอดคล้องกับกลยุทธ์ด้านเป้าหมายของธุรกิจ ศึกษาการใช้ AI จากธุรกิจอื่น ๆ รวบรวมทีม AI จากบุคลากรที่อยู่ในสายงานต่าง ๆ ประเมินความพร้อมด้าน AI ภายในองค์กร และพัฒนาวัฒนธรรมองค์กรด้านนวัตกรรม
จุดแข็งและจุดอ่อนของ gen AI
สิ่งที่ gen AI ทำได้ดี:
- การประมวลผลข้อมูลจำนวนมหาศาล
- การวิเคราะห์ข้อมูล
- การจัดรูปแบบข้อความใหม่
- ทำงานที่ง่ายและต้องทำซ้ำ ๆ ได้โดยอัตโนมัติ
- การดึงและสรุปข้อมูล
- การจับคู่และระบุรูปแบบ
- การจำแนกข้อมูล
- ทำหน้าที่เป็นตัวช่วยในการระดมความคิด
จุดอ่อนของ gen AI:
- ไม่สามารถคิดหรือให้เหตุผลได้จริง
- ไม่สามารถเข้าใจบริบทได้เองโดยไม่มีการระบุคำสั่งที่ชัดเจน
- ไม่สามารถทำงานที่มีความซับซ้อนได้
- ไม่รู้ว่าตัวเองไม่รู้อะไรบ้าง จึงมีแนวโน้มที่จะสร้างภาพหลอนหรือการตีความข้อมูลและให้ข้อมูลที่ผิดพลาด
- ไม่สามารถผลิตผลงานที่เป็นต้นฉบับได้
- ขาดความสามารถในการสร้างสรรค์และการคิดเชิงสร้างสรรค์ในทุกมิติ
- ไม่มีพื้นฐานความเข้าใจด้านจริยะธรรมและความเอื้ออาทร
นอกจากนี้ Red Hat (เร้ดแฮท) ยังได้เน้นย้ำถึงความสำคัญของการทำความเข้าใจจุดแข็งและจุดอ่อนของ AI โดยเฉพาะอย่างยิ่ง Generative AI (gen AI) ที่มักถูกเข้าใจผิดว่ามีความสามารถรอบด้าน แต่ในความเป็นจริงแล้ว gen AI เป็นเพียงแอปพลิเคชันเติมข้อความอัตโนมัติ ที่มีความสามารถในการจดจำและเลียนแบบรูปแบบภาษา รวมถึงการเชื่อมโยงคำต่าง ๆ โดยอาศัยการประมวลผลจากข้อมูล ซึ่งล้วนต้องพึ่งพาการฝึกฝนจากคน
ศึกษาตัวอย่างการใช้ AI จากธุรกิจอื่น ๆ
องค์กรในหลากหลายอุตสาหกรรมกำลังใช้ AI อย่างสร้างสรรค์และเกิดผลลัพธ์ที่ชัดเจน ซึ่งอาจเป็นแรงบันดาลใจสำหรับแนวทางการนำ AI ไปประยุกต์ใช้และทดลองในองค์กรของคุณ หลายกรณีช่วยเพิ่มประสิทธิภาพการทำงาน ยกระดับประสบการณ์ลูกค้า และช่วยให้ตัดสินใจได้ดีขึ้นและรวดเร็วยิ่งขึ้น เช่น
- ธุรกิจค้าปลีก ใช้ AI เพื่อสร้างระบบแนะนำสินค้าที่ตรงใจลูกค้าแต่ละรายเพื่อดึงลูกค้าเก่ากลับมา ช่วยวิเคราะห์และปรับปรุงการจัดวางสินค้าให้ดึงดูดผู้ซื้อ รวมถึงเพิ่มประสิทธิภาพด้านซัพพลายเชนของธุรกิจ
- องค์กรที่ให้การสนับสนุนด้านไอที นำ AI มาช่วยกระบวนการคัดแยกและจัดหมวดหมู่คำถามที่ลูกค้าส่งเข้ามา ระบุและแก้ไขปัญหาที่เกิดขึ้นซ้ำ ๆ โดยอัตโนมัติ
- นักพัฒนาซอฟต์แวร์ ใช้ AI เป็นผู้ช่วยในการเขียนโค้ด เพื่อเพิ่มประสิทธิภาพในการทำงาน ลดงานที่ต้องทำซ้ำ ๆ ช่วยให้มีเวลาทุ่มเทกับงานที่มีมูลค่าสูงกว่า
- ผู้ผลิต เริ่มใช้ AI คาดการณ์ความผิดพลาดของเครื่องจักรและอุปกรณ์ และปรับตารางการผลิตให้เหมาะสม
- สถาบันการเงิน ใช้ AI ตรวจจับธุรกรรมฉ้อโกงและคาดการณ์แนวโน้มตลาดหุ้น
- องค์กรด้านสาธารณสุข ใช้ AI ช่วยออกแบบโมเลกุลยาใหม่ สร้างรายงานสุขภาพส่วนบุคคลและปรับปรุงกระบวนการวินิจฉัย
- อี-คอมเมิร์ซ ธุรกิจออนไลน์และมาร์เก็ตเพลสใช้ gen AI พัฒนาแชทบอทอัตโนมัติ สำหรับงานบริการลูกค้าและการขาย
จัดตั้งทีม AI จากบุคลากรข้ามสายงาน
การพัฒนาโปรเจกต์ AI จำเป็นต้องอาศัยความเชี่ยวชาญและความรู้ด้านต่าง ๆ จากทุกภาคส่วนขององค์กร ดังนี้
- วิทยาศาสตร์ข้อมูลและการวิเคราะห์
- ไอที/วิศวกรรม
- การพัฒนาแอปพลิเคชัน
- การจัดการข้อมูล
- กลยุทธ์ทางธุรกิจ
- การวิจัยผู้ใช้
- การตลาดและการสื่อสาร
- กฎหมาย/ข้อกำหนด
- ผู้เชี่ยวชาญด้านอื่น ๆ ที่เกี่ยวข้อง
พัฒนาวัฒนธรรมองค์กรในเชิงสร้างสรรค์สิ่งใหม่
ยุคของ AI เพิ่งเริ่มต้นเท่านั้น การเริ่มทดลองและนำไปใช้งานขององค์กร เป็นเพียงก้าวแรกเท่านั้น การสร้างวัฒนธรรมเชิงนวัตกรรมในองค์กรจะช่วยให้องค์กรพร้อมรับมือกับการเปลี่ยนแปลงสำคัญที่ AI จะนำมา ทั้งในระยะสั้นและระยะยาว มีคำแนะนำมากมายเกี่ยวกับวิธีการปรับเปลี่ยนวัฒนธรรมองค์กรให้เป็นไปในเชิงนวัตกรรมมากขึ้น และนี่คือสามแนวทางในการเริ่มต้น
หนึ่ง: ปลูกฝังแนวคิดแห่งการทดลอง
นวัตกรรมต้องอาศัยการทดลอง และนวัตกรรมต่อเนื่องต้องอาศัยการทดลองอย่างต่อเนื่องเช่นกัน แม้ว่าการทดลองสิ่งใหม่ ๆ ส่วนใหญ่จะล้มเหลว แต่ความสำเร็จเพียงไม่กี่ครั้งก็อาจคุ้มค่ากับความพยายามทั้งหมด ยิ่งองค์กรสั่งสมความสำเร็จมากขึ้นเท่าไร ความคิดเชิงสร้างสรรค์ก็จะยิ่งเพิ่มขึ้น และในระยะยาวการดำเนินการทดลองจำนวนมากอย่างต่อเนื่อง (โดยเฉพาะอย่างยิ่งการทดลองอย่างต่อเนื่องในระยะเวลายาวนาน) อาจสร้างความได้เปรียบทางการแข่งขันอย่างมีนัยสำคัญ
การเปลี่ยนแปลงวัฒนธรรมองค์กรเป็นเรื่องที่ซับซ้อนและต้องใช้เวลา แต่ก็มีแนวทางที่ชัดเจนในการส่งเสริมให้เกิดการทดลองมากขึ้นภายในองค์กร โดย
- กำหนดเป้าหมายและวัตถุประสงค์ให้ชัดเจน
- ส่งเสริมความใฝ่รู้
- ยอมรับความล้มเหลว
- วัดผลทุกสิ่ง
- สร้างแนวคิดที่ให้ความสำคัญกับข้อมูลเป็นหลัก
- เป็นผู้นำโดยทำเป็นตัวอย่าง
สอง: ส่งเสริมวัฒนธรรมการเรียนรู้อย่างต่อเนื่อง
การสร้างวัฒนธรรมการเรียนรู้อย่างต่อเนื่องจะช่วยเพิ่มระดับและขยายขอบเขตของนวัตกรรมในองค์กร วัฒนธรรมการทดลองจะเติบโตได้ดีเมื่อบุคลากรและทีมมีแรงจูงใจในการเป็นผู้เรียนรู้ เปิดรับสิ่งใหม่ และมุ่งมั่นพัฒนาตนเอง โอกาสในการเรียนรู้อย่างต่อเนื่องเกิดขึ้นได้ในหลากหลายรูปแบบและขนาด เช่น
- คลาสเรียนที่จัดโดยเพื่อนร่วมงานที่จัดอย่างสม่ำเสมอ
- แพลตฟอร์มไมโครเลิร์นนิ่งแบบมีค่าใช้จ่าย
- การโค้ชซึ่งกันและกัน และการจัดเซสชัน “lunch and learn”
- เวิร์คช็อปหรือบรรยายโดยผู้เชี่ยวชาญจากนอกองค์กร
สาม: ลงทุนพัฒนาบุคลากร
การลงทุนพัฒนาบุคลากรอย่างเป็นระบบ จะช่วยส่งเสริมวัฒนธรรมเชิงนวัตกรรมในองค์กร เมื่อมีโอกาสควรส่งเสริมให้ทีมได้ทำสิ่งต่อไปนี้
- เข้าเรียนหลักสูตรเกี่ยวกับเทคโนโลยีใหม่ ๆ
- เข้าร่วมการประชุมเชิงปฏิบัติการ สัมมนาออนไลน์ และการประชุมต่าง ๆ
- มีส่วนร่วมในโปรแกรมการฝึกอบรม
- เข้าร่วมโปรแกรมการให้คำปรึกษาอย่างเป็นทางการ
- เปิดโอกาสให้พัฒนาทักษะอื่น ๆ
การลงทุนพัฒนาบุคลากรภายในองค์กรในลักษณะนี้ จะช่วยส่งเสริมให้บุคลากรมีความก้าวหน้าในอาชีพ มีแรงบันดาลใจ มีส่วนร่วม และได้ค้นหาความสนใจใหม่ ๆ ซึ่งจะส่งผลดีต่อองค์กรโดยรวม
ดังนั้น ก่อนเริ่มต้นโปรเจกต์พัฒนา gen AI สิ่งที่จำเป็นอย่างยิ่งคือต้องเข้าใจจุดแข็งและจุดอ่อนของเทคโนโลยี AI ในปัจจุบัน เพื่อให้สามารถนำ AI ไปใช้งานได้อย่างเหมาะสมและมีประสิทธิภาพ
