เชื่อว่าในตอนนี้หลายคนคงคุ้นหูกับ Generative AI เทคโนโลยีปัญญาประดิษฐ์เวอร์ชั่นล่าสุด ซึ่งเป็น เทคโนโลยีเกิดใหม่ ที่ฉลาดขึ้นได้อีก ส่วนหนึ่งเป็นเพราะความพร้อมของข้อมูล Big Data ที่มีอยู่มากมาย ไหลเวียนอยู่ตลอดเวลา จึงนำมาใช้ฝึก AI ให้ทำงานในด้านต่างๆ และนำไปประยุกต์ใช้ได้อย่างหลากหลาย
McKinsey เผยรายงาน “The economic potential of generative AI: The next productivity frontier” ซึ่งประเมินโอกาสของการใช้งาน Generative AI และหยิบยกกรณีศึกษาในหลายอุตสาหกรรม โดยมองว่า การต่อยอด AI ทั่วไปด้วย Generative AI จะสามารถยกระดับผลิตภาพได้สูงถึง 2.6-4.4 ล้านล้านเหรียญสหรัฐฯ ต่อปี ซึ่งสูงกว่าการใช้ AI ปกติถึง 15-40%

ทั้งนี้ มูลค่าดังกล่าวเฉลี่ยแล้วสูงกว่า GDP ของสหราชอาณาจักรในปี 2021 เสียอีก ยิ่งกว่านี้ ตัวเลขประมาณการอาจสูงขึ้นได้เป็นเท่าตัวหากรวมการใช้งาน Generative AI ในซอฟต์แวร์อื่นๆ นอกจาก 63 กรณีศึกษาในรายงาน ทั้งนี้ พบว่ามูลค่าเพิ่มจาก Generative AI ส่วนใหญ่มาจากการใช้งานสำหรับการดูแลลูกค้า การตลาดและการขาย วิศวกรรมซอฟต์แวร์ และ การวิจัยและพัฒนา
และล่าสุด มีรายงาน Gartner’s Hype Cycle for Emerging Technologies 2023 ระบุว่า Generative Artificial Intelligence (เอไอแบบรู้สร้าง) ถูกจัดให้อยู่บนตำแหน่งสูงสุดของความคาดหวังที่จะโตขึ้นอีกมากในวงจรเทคโนโลยีเกิดใหม่ ซึ่งคาดว่าจะถึงจุดที่สามารถเก็บเกี่ยวผลประโยชน์จากการเปลี่ยนแปลงนี้ได้ภายใน 2 ถึง 5 ปี โดย Generative AI ถูกรวมอยู่ในธีมที่กว้างกว่าของ Emergent AI ซึ่งเป็นเทรนด์หลักของวงจรฯ นี้ ที่สร้างโอกาสใหม่ๆ ให้กับนวัตกรรม
เทรนด์การนำ Generative AI ไปปรับใช้ในองค์กรและภาคอุตสาหกรรม เพื่อผลิตภาพที่เพิ่มขึ้นอย่างน่าพอใจ
แล้วองค์กรระดับโลกใช้งาน Generative AI กันแบบไหน?
ศาสตราจารย์ Thomas H. Davenport และ Maryam Alavi ได้เผยแพร่บทความ “How to Train Generative AI Using Your Company’s Data” ใน Harvard Business Review เพื่อชี้ถึงประเด็นสำคัญในการใช้งาน Generative AI ในระดับองค์กร เพื่อบริหารจัดการองค์ความรู้และฐานข้อมูลทรัพยากรอันมีค่าของแต่ละหน่วยงาน

โดยบทความนี้เขียนขึ้นภายใต้ข้อตระหนักว่า Generative AI ต้องถูกสอนให้เรียนรู้ (train) ข้อมูลผ่านระบบอินเทอร์เน็ตเป็นหลัก จึงไม่สามารถตอบคำถามที่เกี่ยวข้องกับข้อมูลเฉพาะที่ไม่เผยแพร่ทั่วไปได้ นอกจากนี้ ความรู้ในแต่ละองค์กรถูกสร้างและจัดเก็บในหลากหลายรูปแบบ ทั้งชุดความคิดของคนทำงาน กระบวนการทำงาน นโยบาย รายงาน รายการธุรกรรม และการหารือในที่ประชุมคณะกรรมการ เป็นต้น
อย่าไรก็ดี การบริหารจัดการองค์ความรู้ในองค์กรโดยใช้ Generative AI ที่ผ่านมา ทำได้ไม่ง่ายนัก ซึ่งการใช้งานซึ่งเป็นที่นิยมที่สุด คือ การใช้งาน LLM หรือ แบบจำลองทางภาษาขนาดใหญ่ (Large Language Models) ในปัจจุบัน โดยไม่ต้องปรับแต่ง และ retrain LLM เป็นแนวทางที่ถูกเลือกมากที่สุด
โดยแยกระบบการจัดเก็บข้อมูลออกเป็น cloud ต่างหาก แล้วป้อนชุดคำถาม หรือ prompts ในการทำงานร่วมกับ Generative AI ภายใต้บริบทที่กำหนดขอบเขตขององค์ความรู้ที่ต้องการ LLM ก็จะสามารถตอบคำถามที่เกี่ยวข้องได้ ดังตัวอย่างของ Morgan Stanley ที่ใช้งาน GPT-4 ร่วมกับเอกสารกว่าหนึ่งแสนฉบับใน cloud เฉพาะที่เข้าถึงได้แค่พนักงานเท่านั้น เพื่อให้ที่ปรึกษาทางการเงินของบริษัทสามารถเข้าถึงข้อมูลที่ถูกต้องในประเด็นสำคัญๆ และให้บริการกับลูกค้าได้อย่างรวดเร็ว
การ์ทเนอร์ แชร์รายงานวงจร เทคโนโลยีเกิดใหม่ ปี 2566 จัดให้ Generative AI มาแรงและจะโตต่อได้ไม่หยุด
และอีกหนึ่งบทพิสูจน์สำคัญที่มาการันตีว่า Generative AI มาแรงและจะโตต่อได้อย่างต่อเนื่อง คือ รายงาน Gartner’s Hype Cycle for Emerging Technologies 2023 ที่ระบุว่า Generative Artificial Intelligence (เอไอแบบรู้สร้าง) ถูกจัดให้อยู่บนตำแหน่งสูงสุดของความคาดหวังที่จะโตขึ้นอีกมากในวงจรเทคโนโลยีเกิดใหม่ ซึ่งคาดว่าจะถึงจุดที่สามารถเก็บเกี่ยวผลประโยชน์จากการเปลี่ยนแปลงนี้ได้ภายใน 2 ถึง 5 ปี โดย Generative AI ถูกรวมอยู่ในธีมที่กว้างกว่าของ Emergent AI ซึ่งเป็นเทรนด์หลักของวงจรฯ นี้ ที่สร้างโอกาสใหม่ๆ ให้กับนวัตกรรม
อรุณ จันทรเศกการัน รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ความนิยมของเทคนิค AI ใหม่จำนวนมากจะส่งผลกระทบสำคัญต่อธุรกิจและสังคม ซึ่งการฝึกใช้ AI และการสเกลโมเดลพื้นฐานของ AI ขนานใหญ่ รวมถึงการใช้เอเจนท์การสนทนาแบบไวรัล (Conversational Agents) และการเพิ่มจำนวนของแอปพลิเคชั่น Generative AI กำลังเผยให้เห็นคลื่นใหม่ ๆ ของการทำงานอย่างมีประสิทธิภาพของพนักงานและไอเดียสร้างสรรค์สำหรับเครื่องจักร”
โดยรายงานวงจรเทคโนโลยีเกิดใหม่ (The Hype Cycle for Emerging Technologies) ฉบับนี้ เป็นรายงานด้านวงจรต่างๆ ของการ์ทเนอร์ที่มีความเฉพาะเจาะจง เกิดจากการกลั่นกรองข้อมูลเชิงลึกของเทคโนโลยีและกรอบการทำงาน (Frameworks) หลักๆ มากกว่า 2,000 รายการ ให้ผู้บริหารสามารถนำไปใช้ได้
รายงานนี้จัดทำขึ้นเป็นประจำทุกปี โดยการ์ทเนอร์ รวบรวมเทคโนโลยีเกิดใหม่ที่มีความน่าสนใจที่ผู้บริหารและอุตสาหกรรม “ต้องรู้” ซึ่งเทคโนโลยีเหล่านี้ล้วนมอบประโยชน์ด้านการเปลี่ยนแปลงในอีก 2-10 ปีข้างหน้านี้
ด้าน เมลิซซ่า เดวิส รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวเพิ่มเติมว่า “ขณะที่ทุกสายตาต่างจับจ้องไปที่ AI ผู้บริหาร CIO และ CTO ยังต้องหันความสนใจไปยังเทคโนโลยีเกิดใหม่ที่มีศักยภาพในการสร้างความเปลี่ยนแปลงอีกด้วย รวมถึงเทคโนโลยีที่ช่วยยกระดับประสบการณ์ของนักพัฒนา ขับเคลื่อนนวัตกรรมผ่านระบบคลาวด์ที่แพร่หลาย และส่งมอบความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลาง”
“เนื่องจากเทคโนโลยีในวงจรเทคโนโลยีเกิดใหม่ (Hype Cycle) ยังอยู่ในขั้นเริ่มต้น ความไม่แน่นอนต่างๆ จึงอาจเกิดขึ้นได้ตลอดเวลาในขั้นของการพัฒนา ตัวอย่างเช่น เทคโนโลยีเอ็มบริโอนิก (Embryonic Technologies) ที่มีความเสี่ยงมากในการนำมาปรับใช้ แต่อาจมีประโยชน์มากกว่าสำหรับ Early Adopters” เดวิสกล่าวเสริม
อัปเดต 4 ธีมหลักของ เทคโนโลยีเกิดใหม่
ต่อมา รายงานฉบับเดียวกันนี้ ยังได้อัปเดตธีมหลักของเทคโนโลยีเกิดใหม่ ในยุค Generative AI นี้ด้วยว่ามี 4 ธีมหลัก คือ

Emergent AI
นอกเหนือจาก Generative AI แล้ว ยังมีเทคนิค AI ที่เกิดขึ้นใหม่อีกหลายตัวที่นำเสนอศักยภาพอย่างสูงในการยกระดับประสบการณ์ลูกค้าดิจิทัล การตัดสินใจทางธุรกิจได้ดีขึ้น และสร้างความต่างในการแข่งขันที่ยั่งยืน เทคโนโลยีเหล่านี้ประกอบด้วย AI Simulation, Causal AI, Federated Machine Learning, Graph Data Science, Neuro-symbolic AI และ Reinforcement Learning

Developer Experience (DevX): DevX
หมายถึงทุกแง่มุมของการโต้ตอบระหว่างนักพัฒนากับเครื่องมือ แพลตฟอร์ม กระบวนการและผู้คนที่พวกเขาทำงานด้วยเพื่อพัฒนาและส่งมอบผลิตภัณฑ์ซอฟต์แวร์และบริการ ซึ่งการเพิ่มประสิทธิภาพด้านประสบการณ์ของนักพัฒนา หรือ DevX มีความสำคัญอย่างยิ่งต่อความสำเร็จของไอเดียริเริ่มด้านดิจิทัลขององค์กรส่วนใหญ่ นอกจากนี้ยังมีความสำคัญต่อการดึงดูดและรักษาผู้มีทักษะความสามารถด้านวิศวกรรมระดับสูง รวมถึงรักษาขวัญและกำลังใจของทีมให้อยู่ในระดับสูง และทำให้มั่นใจว่างานนั้นสร้างแรงจูงใจและมีรางวัลตอบแทน
เทคโนโลยีหลักที่ DevX ช่วยพัฒนาและปรับปรุง ได้แก่ AI-Augmented Software Engineering, API-Centric SaaS, GitOps, Internal Developer Portals, Open-Source Program Office และ Value Stream Management Platforms

Pervasive Cloud
ในอีก 10 ปีข้างหน้า คลาวด์คอมพิวติ้งจะพัฒนาจากแพลตฟอร์มนวัตกรรมเทคโนโลยีไปสู่คลาวด์ที่แพร่หลายไปทั่วและยังเป็นตัวขับเคลื่อนสำคัญของนวัตกรรมทางธุรกิจ เพื่อรองรับการใช้งานที่แพร่หลายนี้ ซึ่งคลาวด์คอมพิวติ้งจะมีรูปแบบการกระจายมากขึ้นและจะมุ่งไปที่อุตสาหกรรมแนวดิ่ง และการเพิ่มมูลค่าจากการลงทุนบนระบบคลาวด์สูงสุดจะต้องมีการปรับขนาดการดำเนินงานโดยอัตโนมัติ การเข้าถึงเครื่องมือแพลตฟอร์มแบบคลาวด์เนทีฟ และการกำกับดูแลที่เพียงพอ
เทคโนโลยีหลักที่เปิดใช้งาน Pervasive Cloud ได้แก่ Augmented FinOps, Cloud Development Environments, Cloud sustainability, Cloud-Native, Cloud-Out To Edge, Industry Cloud Platforms และ WebAssembly (Wasm)

Human-Centric Security And Privacy
มนุษย์ยังเป็นต้นเหตุหลักของเหตุการณ์ด้านความปลอดภัยและการละเมิดข้อมูล องค์กรสามารถใช้โปรแกรมความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลางเพื่อสร้างความยืดหยุ่นได้ ผสานกับโครงสร้างการรักษาความปลอดภัยและความเป็นส่วนตัวเข้ากับการออกแบบดิจิทัลขององค์กร เทคโนโลยีเกิดขึ้นใหม่จำนวนมากช่วยให้องค์กรสามารถสร้างวัฒนธรรมแห่งความไว้วางใจซึ่งกันและกัน พร้อมตระหนักถึงความเสี่ยงร่วมกันในการตัดสินใจระหว่างหลายทีม
เทคโนโลยีหลักที่สนับสนุนการขยายการรักษาความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลาง ได้แก่ AI TRISM, Cybersecurity Mesh Architecture, Generative Cybersecurity AI, Homomorphic Encryption และ Postquantum Cryptography
ที่มา :
- รายงาน Gartner’s Hype Cycle for Emerging Technologies 2023
- บทความเรื่อง “Generative AI : ขุมพลังขององค์กร?” จากเว็บไซต์ ธนาคารแห่งประเทศไทย
รับรู้ทุกมิติในการใช้ประโยชน์ Generative AI
รับรู้เหรียญสองด้านของ Generative AI ศักยภาพ vs. ความเสี่ยงของการนำไปปรับใช้ในองค์กร
10 หน้าที่ และ 10 อาชีพ ที่เสี่ยงตกงานเพราะ Generative AI & ChatGPT












