หลักการใช้งาน Generative AI ในองค์กรและภาคธุรกิจ
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
- เจ้าของข้อมูล (Ownership/Licensing)
โดยในส่วนนี้จะต้องพิจารณาตามกฎหมาย ข้อกำหนดต่างๆ และสิทธิในการใช้ข้อมูล โดยเฉพาะการรับรองสิทธิ์ในการให้องค์กร/ภาคธุรกิจ ใช้ข้อมูลสำหรับการ Train AI Model ซึ่งต้องมีการกำหนดขอบเขตข้อมูลที่ใช้อย่างชัดเจน และเจ้าของข้อมูลต้องมีการรับทราบ ว่ามีความเข้าใจเกี่ยวกับสิทธิและการครอบครองข้อมูล ซึ่งหลังจากองค์กรมีการใช้ข้อมูลร่วมกับ GenAI อาจมีผลต่อการใช้งาน การปรับเปลี่ยน หรือแม้แต่การขายข้อมูลต่อ โดยองค์กรจะปฏิบัติตามข้อบังคับเกี่ยวกับข้อมูลอย่างเคร่งครัด - การตรวจสอบข้อมูล (Data Validation)
ในส่วนของขั้นตอนนี้ องค์กรหรือภาคธุรกิจที่มีการใช้งาน Generative AI ร่วมกับข้อมูลของ User จะต้องมีการตรวจสอบข้อมูลที่ได้มาอย่างถูกต้อง ทั้งในส่วนของการทำ Data Validation หรือ Data Cleansing ก่อนที่จะนำเข้าข้อมูลนั้นเข้าสู่ส่วนของการ Trainning Model หรือการใช้งานต่อ - Model Robustness:
อันนี้ไม่รู้ว่าจะแปลเป็นภาษาไทยว่าอะไรเลยค่ะ (o′┏▽┓｀o) แต่ขอกล่าวง่ายๆ ว่าส่วนนี้จะเป็นเหมือนความแข็งแกร่งของ Model ค่ะ ว่ามีความแข็งแกร่ง เสถียร ไม่พังง่าย ไม่ error ง่าย หรือมีความต้านทานต่อการจู่โจม หรือถูกโจมตีโดยหน่วยงานภายนอกได้มากแค่ไหน ตลอดจนในกรณีที่ข้อมูลมีการเปลี่ยนแปลง ตัวระบบนั้นยังสามารถรองรับความเปลี่ยนแปลงนั้นได้ และมีความเสถียรอยู่หรือไม่ค่ะ - การคุ้มครองข้อมูล (Data Privacy)
เป็นในส่วนของการปฏิบัติตามกฎหมายการคุ้มครองข้อมูล (เช่น PDPA, GDPR, HIPAA) ผ่านมาตรการที่ต้องพิจารณา เช่นการทำให้ข้อมูลกลายเป็นข้อมูลไม่ระบุตัวตน หรือการเข้ารหัสข้อมูล ซึ่งจะช่วยให้สามารถมั่นใจในความปลอดภัยของข้อมูลผู้ใช้ได้ - ข้อพิจารณาด้านเทคนิคต่างๆ (Technical with Existiing systems)
หลังจากที่เราพิจารณาในเรื่องของความถูกต้อง และความเชื่อถือได้ของข้อมูลแล้ว ลำดับต่อไปที่จะต้องพิจารณาคือเรื่องของความเข้ากันได้กับระบบเดิม ก่อนที่จะมีการใช้งาน Generative AI ได้แก่การพิจารณาในเรื่องของการออกแบบการเชื่อมต่อ และใช้งาน API เป็นต้น - 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 - การมอบหมายงาน (AI Experts)
สำหรับองค์กรหรือภาคธุรกิจที่มีการนำเทคโนโลยี GenAI มาใช้ ควรจะต้องมีการกำหนดกรอบหน้าที่ความรับผิดชอบ และระบุตัวเจ้าหน้าที่หรือส่วนเกี่ยวข้องอย่างชัดเจน เพื่อให้การใช้งานและการบริหารจัดการข้อมูลเป็นไปได้อย่างยั่งยืน รวมถึงสามารถแก้ไขปัญหาได้อย่างเหมาะสม ส่งเสริมให้เกิดประโยชน์สูงสุดกับการใช้งานอย่างเฉพาะเจาะจงได้ - 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 =>>
