รับรู้เหรียญสองด้านของ Generative AI ศักยภาพ vs. ความเสี่ยงของการนำไปปรับใช้ในองค์กร

ปัจจุบัน AI หรือปัญญาประดิษฐ์ก้าวหน้ามากขึ้น ส่วนหนึ่งเป็นเพราะความพร้อมของข้อมูล Big Data ที่มีอยู่มากมาย ไหลเวียนอยู่ตลอดเวลา จึงนำมาใช้ฝึก AI ให้ทำงานในด้านต่างๆ และนำไปประยุกต์ใช้ได้อย่างหลากหลาย และในบรรดาเทคโนโลยีที่นำ AI ไปใช้นั้น มีเทคโนโลยีหนึ่งที่น่าสนใจและกำลังมาแรงมาก นั่นคือ Generative AI ที่ใช้ AI สร้างข้อมูลที่ไม่มีอยู่จริง โดยสอน AI ให้เรียนรู้จากแบบจำลองของข้อมูลสิ่งต่างๆ ที่มีอยู่จริง


Generative AI มีประโยชน์และใช้งานหลากหลาย ไม่ว่าจะเป็นการเพิ่มความละเอียดภาพให้อยู่ในระดับ Super–Resolution ช่วยแปลงภาพถ่ายให้คมชัดมากขึ้น แปลงภาพในเวลากลางวันให้กลายเป็นภาพตอนกลางคืน แปลงภาพขาวดำให้เป็นภาพสี หรือแม้แต่แปลงภาพแบบไม่ต้องมีคู่ตัวอย่างให้ AI เรียนรู้ก่อน เช่น การแปลงม้าเป็นม้าลาย
Generative AI
มาในวันนี้ เพื่อก้าวให้ทันเทคโนโลยี Generative AI นี้ รายงานฉบับล่าสุดจาก McKinsey & Company ได้สรุป 7 Key insights ศักยภาพทางเศรษฐกิจของ Generative AI ว่ามีส่วนสร้างมูลค่าเพิ่มให้เศรษฐกิจและภาคอุตสาหกรรมได้ในแง่ใดบ้าง
  • Generative AI จะสร้างมูลค่าหลายล้านล้านดอลลาร์ให้กับเศรษฐกิจโลก คาดการณ์ว่า Generative AI สามารถสร้างมูลค่าเพิ่มถึง 2.6 – 4.4 ล้านล้านดอลลาร์ต่อปี (จาก 63 เคสการใช้งานที่รายงานฉบับนี้ศึกษา) หากเทียบกับ GDP ทั้งหมดของสหราชอาณาจักรในปี 2021 อยู่ที่ 3.1 ล้านล้านดอลลาร์
  • Generative AI จะเพิ่มผลกระทบของปัญญาประดิษฐ์ 15 – 40% และอาจเพิ่มขึ้นเป็นสองเท่าหากรวมผลกระทบของการฝัง Generative AI ลงในซอฟต์แวร์ที่ใช้สำหรับงานอื่นๆ นอกเหนือจากเคสการใช้งานข้างต้น ประมาณ 75 % ของการใช้งาน Generative AI อยู่ใน 4 ด้าน ได้แก่ Customer operations, marketing and sales, software engineering, and R&D โดย Generative AI สามารถจัดการกับความท้าทายทางธุรกิจที่เฉพาะเจาะจงได้ เช่น สนับสนุนการโต้ตอบกับลูกค้า สร้างคอนเทนต์สำหรับการตลาดและการขาย และเขียนโค้ดจาก natural-language prompts เป็นต้น
  • Generative AI จะมีผลกระทบอย่างมากในทุกภาคอุตสาหกรรม โดยเฉพาะอย่างยิ่ง การธนาคาร เทคโนโลยีขั้นสูง และวิทยาศาสตร์เพื่อสุขภาพ เป็นตัวอย่างอุตสาหกรรมที่สามารถสร้างรายได้จาก Generative AI ได้มากที่สุด เช่น อุตสาหกรรมการธนาคาร Generative AI สามารถสร้างมูลค่าเพิ่มได้ถึง 200,000 – 340,000 ล้านดอลลาร์ต่อปี และ 400-660 พันล้านดอลลาร์ต่อปีในกลุ่มสินค้าขายปลีกและสินค้าอุปโภคบริโภค

  • Generative AI และเทคโนโลยีอื่นๆ ในปัจจุบันมีศักยภาพในการทำงานโดยอัตโนมัติ ลดเวลางาน 60-70% ของพนักงานในปัจจุบัน จากความสามารถในการเข้าใจภาษาธรรมชาติของ Generative AI
  • การเปลี่ยนแปลงของแรงงานมีแนวโน้มที่จะเร่งตัวขึ้น เนื่องจากศักยภาพของระบบอัตโนมัติที่เพิ่มขึ้น คาดว่าครึ่งหนึ่งของการทำงานในปัจจุบันอาจเป็นไปโดยระบบอัตโนมัติในช่วงระหว่างปี 2030 – 2060
  • Generative AI สามารถช่วยให้ผลิตภาพแรงงานเพิ่มขึ้นร้อยละ 0.1-0.6 ต่อปี จนถึงปี 2040 ขึ้นอยู่กับอัตราการยอมรับเทคโนโลยีและการปรับลดเวลาของพนักงานในงานอื่นๆ เมื่อรวม Generative AI เข้ากับเทคโนโลยีอื่นๆ ทั้งหมด ระบบอัตโนมัติในการทำงานสามารถเพิ่มการเติบโตของประสิทธิภาพการทำงานกว่าร้อยละ 0.2-3.3 ต่อปี  อย่างไรก็ตาม คนงานจะต้องได้รับการสนับสนุนในการเรียนรู้ทักษะใหม่ๆ และบางคนอาจต้องเปลี่ยนอาชีพ หากสามารถจัดการการเปลี่ยนแปลงของแรงงานและความเสี่ยงอื่นๆ ได้ Generative AI จะมีส่วนช่วยอย่างมากต่อการเติบโตทางเศรษฐกิจอย่างยั่งยืน
  • ยุคของ Generative AI เพิ่งเริ่มต้นขึ้นอย่างน่าตื่นเต้นและน่าสนใจ แต่การตระหนักถึงประโยชน์ของเทคโนโลยีอย่างเต็มที่นั้นต้องใช้เวลา และผู้นำในแวดวงธุรกิจและสังคมยังมีความท้าทายอีกมากที่ต้องแก้ไข รวมถึงการจัดการความเสี่ยงที่มีอยู่ใน Generative AI การกำหนดทักษะและความสามารถใหม่ๆ ที่พนักงานต้องการ การปรับกระบวนการทางธุรกิจหลัก เช่น การฝึกอบรมใหม่และการพัฒนาทักษะใหม่ๆ

อุตสาหกรรมความปลอดภัย
แต่เทคโนโลยีอย่าง Generative AI ก็เป็นเหรียญสองด้าน ที่มีทั้งด้านสว่างและด้านมืด ที่ควรนำไปใช้อย่างระวัง โดยใน Facebook : AI Thailand Community ได้ระบุถึงความเสี่ยงการใช้ Generative AI ในองค์กรไว้หลายระดับ ดังนี้
ความเสี่ยงระดับสูง
  • Data Privacy and Confidentiality
การใช้ GenAI ในองค์กรอาจส่งผลให้เกิดการเข้าถึงและประมวลผลข้อมูลที่ละเอียดอ่อน ทรัพย์สินทางปัญญา ซอร์สโค้ด ความลับทางการค้า และข้อมูลอื่นๆ ผ่านการป้อนข้อมูลของผู้ใช้โดยตรงหรือ API รวมถึงข้อมูลลูกค้าหรือข้อมูลส่วนตัวและข้อมูลที่เป็นความลับ
  • Enterprise, SaaS, and Third-party Security
การใช้งานอย่างกว้างขวางของ GenAI โดยเฉพาะ ChatGPT ที่ถูกผนวกเข้ากับ Third-party Plarform จำนวนมากอย่างรวดเร็ว เช่น Microsoft  Azure รวมถึงแอปพลิเคชัน หรือ ปลั๊กอินของเบราว์เซอร์ มีความกังวลว่าข้อมูลจะถูกแบ่งปันกับบุคคลที่สามด้วยความถี่ที่สูงกว่าในอดีตมาก และอาจเป็นไปตามรูปแบบที่คาดเดาได้น้อยกว่ามาก หากระบบและโครงสร้างพื้นฐานของแพลตฟอร์มไม่ปลอดภัย อาจนำไปสู่การเปิดเผยข้อมูลที่ละเอียดอ่อน เช่น ข้อมูลลูกค้า ข้อมูลทางการเงินและกรรมสิทธิ์ ข้อมูลทางธุรกิจ นอกจากนี้ แพลตฟอร์มเหล่านี้ยังค่อนข้างใหม่ ประสบการณ์ด้านความปลอดภัยอาจเพิ่มความกังวลในการตรวจสอบวิเคราะห์สถานะด้านความปลอดภัย

  • AI Behavioral Vulnerabilities (e.g. Prompt Injection)
ผู้คุกคามจะอาศัยช่องโหว่ของ AI ผ่านโมเดล ทำให้โมเดลสามารถเปิดเผยข้อมูลที่เป็นความลับหรือทำให้ดำเนินการที่ขัดต่อวัตถุประสงค์ เช่น การใช้อินพุตที่ออกแบบมาเพื่อวัตถุประสงค์ร้ายผ่าน GenAI เพื่อส่งผลกระทบในทางลบต่อองค์กรและผู้มีส่วนได้ส่วนเสียให้เผชิญหน้าและได้รับผลลัพธ์โดยไม่รู้ตัว เช่น การโจมตี Third-party แอปพลิเคชันที่ใช้ GenAI เพื่อเข้าถึงอีเมล เว็บเบราว์เซอร์ และเปิดโอกาสให้ผู้โจมตีดำเนินการในนามของผู้ใช้ได้
  • Legal and Regulator
องค์กรต้องคำนึงถึงกฏหมาย ข้อบังคับ กฏระเบียบ เมื่อมีการใช้ GenAI เป็นส่วนหนึ่งของการประมวลผลข้อมูลส่วนบุคคลขององค์กรต้องเป็นไปตามข้อกำหนดด้านความเป็นส่วนตัวของข้อมูล เช่น GDPR (ยุโรป), PIPEDA (แคนาดา) หรือ CCPA (แคลิฟอร์เนีย) รวมถึงการใช้ GenAI เป็นส่วนหนึ่งของการสื่อสารที่เปิดเผยต่อผู้บริโภค ไม่ว่าจะเป็นการโต้ตอบโดยตรงกับผู้บริโภคหรือเพื่อผลิตเนื้อหาที่เปิดเผยต่อผู้บริโภค

ความเสี่ยงระดับกลาง
  • Threat Actor Evolution
วิวัฒนาการของภัยคุกคาม ผู้คุกคามสามารถใช้ GenAI เพื่อจุดประสงค์ที่เป็นอันตรายในความถี่และความซับซ้อนที่มากขึ้น เช่น การโจมตีแบบฟิชชิ่ง การฉ้อโกง, social engineering, การเขียนมัลแวร์ เป็นต้น
  • Copyright and Ownership
โมเดลของ GenAI ได้รับการเทรนจากข้อมูลที่หลากหลาย ซึ่งอาจรวมถึงเนื้อหาที่มีลิขสิทธิ์และในจำนวนที่ไม่ทราบแน่ชัด ทำให้เกิดคำถามเกี่ยวกับความเป็นเจ้าของและสิทธิ์การใช้งานระหว่างองค์กรและฝ่ายอื่นๆ
  • Insecure Code Generation
โค้ดที่สร้างโดย GenAI อาจถูกใช้และปรับใช้โดยไม่มีการตรวจสอบความปลอดภัยที่เหมาะสมหรือขาดการตรวจสอบเพื่อค้นหามีช่องโหว่ที่เป็นอันตราย
  • Bias and Discrimination
การเทรนข้อมูลที่เอนเอียงอาจนำไปสู่การเลือกปฏิบัติที่ผิดกฎหมาย ส่งผลให้เกิดความเสียหายต่อชื่อเสียง และผลกระทบทางกฎหมายที่อาจเกิดขึ้นกับองค์กร
  • Trust and Reputation
การใช้งาน GenAI ส่งผลต่อความเสี่ยงด้านความน่าเชื่อถือและชื่อเสียงอย่างมาก เนื่องจาก GenAI อาจผลิตผลงานที่ผิดพลาด เป็นอันตราย มีอคติ การลบหลู่ หรือคำพูดแสดงความเกลียดชัง
ความเสี่ยงระดับต่ำ
  • Software Security Vulnerabilities
แอปพลิเคชันที่ใช้ GenAI ความเสี่ยงเช่นเดียวกับระบบซอฟต์แวร์แบบดั้งเดิม ดังนั้นจะต้องอัปเดทให้เป็นปัจจุบันและได้รับการป้องกันที่เหมาะสมจากช่องโหว่ของซอฟต์แวร์และโต้ตอบกับช่องโหว่ AI ที่กำลังพัฒนา
  • Availability, Performance, and Costs
การใช้ GenAI อาจทำให้เกิดความเสี่ยงด้านโครงสร้างพื้นฐาน เช่น การหยุดทำงานของระบบ ประสิทธิภาพการทำงาน หรือ ข้อผิดพลาดของผู้ใช้ สิ่งเหล่านี้จำเป็นต้องรวมอยู่ในการสร้างแบบจำลองภัยคุกคามและการวางแผนสถาปัตยกรรม โดยต้องมีขั้นตอนการสำรองข้อมูลและกู้คืนความเสียหายที่มีประสิทธิภาพเพื่อลดผลกระทบ
  • AI Ethics and Regulatory Developments
การใช้ AI กำลังได้รับความสนใจมากขึ้นในบริบทของหลักการทางจริยธรรมของ AI โดยเฉพาะ ซึ่งรวมถึงข้อกำหนดด้านความปลอดภัย ความมั่นคง ความยุติธรรม ความโปร่งใส การอธิบายได้ และความรับผิดชอบทั่วไป แม้ว่าจะยังไม่มีผลผูกพัน แต่หลักการเหล่านี้บางส่วนได้รวมเข้ากับกรอบกฎหมายและระเบียบข้อบังคับที่มีอยู่แล้ว ดังนั้นจึงเป็นแนวทางปฏิบัติที่ดีที่สุดในการดำเนินการคัดกรองเบื้องต้นว่ามีความเสี่ยงที่หลักการเหล่านี้ได้รับผลกระทบหรือไม่ และควรพิจารณามาตรการบรรเทาผลกระทบเฉพาะอย่างไรและควรพิจารณาอย่างไร

ที่มา :


อัปเดตประสิทธิภาพของ AI ในยุคปัจจุบัน

AI กับมาตรการควบคุมการค้าระหว่างประเทศ

วงการแพทย์ตื่นตัว พบช่องทางใช้ AI ช่วยชีวิตผู้ป่วยจากโรคมะเร็งปอด

ระวัง! 1 ใน 4 ของตำแหน่งงานทั่วโลก จะหยุดชะงักในอีก 5 ปีข้างหน้า แต่ AI ไม่ใช่ภัยคุกคามที่น่ากลัวที่สุด