เป็นเวลาเกือบ 1 ปีแล้วนับตั้งแต่ OpenAI ได้เปิดตัว GPT-4 โมเดลปัญญาประดิษฐ์ ที่มีความซับซ้อนและสามารถโต้ตอบกับมนุษย์ได้แบบ Real-Time ในตอนนั้นน้อยคนมาก ๆ ที่จะรู้จักว่า AI คืออะไร นี่ยิ่งไม่ต้องพูดถึงประเภทของ AI ว่ามีกี่ประเภท และมีอะไรบ้าง แน่นอนว่าไม่มีใครคุ้นกับคำนี้มาก่อน
เชื่อว่าคนไทยเองเริ่มรู้จัก AI กันครั้งแรก ๆ เมื่อยูทูบเบอร์สายไอทีชื่อดังอย่าง 9arm เปิดคลิปด้วยคำโปรยปกว่า “เราจะตกงานกันหมด” แน่นอนว่าสร้างความฮือฮาให้คนบนโลกออนไลน์ไม่น้อย เพราะหลายคนคงจะไม่คิดว่า คอมพิวเตอร์หรือโรบอตจะมาทำงานแทนตนเองได้อย่างไร? กระทั่งเนื้อหาในคลิปมีการลอง Promt (การพิมพ์คำสั่ง, คำถาม) โดยให้ ChatGPT ทำสูตรอาหาร แต่งเพลง หรือแม้กระทั่งเขียนโค้ดง่าย ๆ ออกมา ก็ทำได้หมด และที่สำคัญทำได้ไว มากกว่าการไปค้นหาใน Google เสียอีก นั่นก็ทำให้สื่อหลายช่องทาง หลายแขนง นำไปตีข่าวกันอย่างฮือฮาว่า หรือนี่จะเป็นการสิ้นสุดยุคที่ใช้มนุษย์ทำงาน และอาจเป็น AI จะเข้ามาทำงานแทนมนุษย์
คนไทยบางส่วนเริ่มรู้จักความสามารถอันเอกอุของ AI สาย LLM จากคลิปนี้: Youtube 9arm
หลังจากนั้นเป็นต้นมา ทั้งประเทศไทยและโลกก็เริ่มเข้าสู่ยุค AI อย่างเต็มตัวในช่วงเวลานั้น หลังจากการเปิดตัว ChatGPT อย่างเป็นทางการในวันที่ 30 พฤศจิกายน 2022 ได้เพียงไม่ถึง 3 เดือน Microsoft ยักษ์ใหญ่ด้านซอฟต์แวร์ของโลกก็ได้เข้าซื้อบริษัท OpenAI ด้วยมูลค่าสูงถึงประมาณ 10,000 ล้านดอลลาร์ เมื่อเวลาผ่านไปบริษัทที่วิจัยและพัฒนาด้าน AI ก็ผุดขึ้นราวกับดอกเห็ด เพราะเห็นทิศทางการเติบโตแล้วว่าเป็นไปได้
เพราะพี่ใหญ่แห่งวงการเสิร์ชอย่าง Google ยังกระโดดเข้ามาร่วมวงแห่งการ Hype นี้ด้วยการส่ง Google Bard (ชื่อปัจจุบันคือ Google Gemini) ออกมาสู้กับ ChatGPT ไม่เพียงเท่านั้น เมื่อบริษัทเทคทั้งหลายมองเห็นแล้วว่า AI จะเป็นเทรนด์แห่งอนาคตที่น่าจะไม่ได้มาแค่ประเดี๋ยวประด๋าว ก็ทำให้เกิดบริษัทที่ทำด้าน AI ระดับทอป ๆ ขึ้นมามากมาย ยกตัวอย่างเช่น Neuralink OpenAI Boston Dynamics Midjourney Deepmind Anthropic Figure AI Darktrace MindBridge BigML Meta AI Google Brain Hanson Robotics Numenta
นี่เป็นเพียงตัวอย่างส่วนหนึ่งของห่วงโซ่อุปทานปลายน้ำจากนับร้อย ๆ บริษัทที่เกิดขึ้นมาเพื่อทำเซอร์วิสเกี่ยวกับ AI ออกมากขาย ส่วนทางด้านอุปทานต้นน้ำ อย่าง Nvidia ที่เพิ่งออกแบบชิปที่ใช้ในการฝึกฝน (Train) และใช้งานโมเดลต่าง ๆ เช่น GPT-4 ก็เพิ่งรายงานตัวเลขผลประกอบการไตรมาสที่ 4 ไปหมาด ๆ โดยโกยรายได้จากกระแสของ AI ไปได้กว่า 2 ล้านล้านดอลลาร์ โดยกระแสความคลั่งไคล้ AI ยังทำให้ราคาหุ้นของบริษัทยักษ์ใหญ่ด้านเทคโนโลยีอื่น ๆ สูงขึ้น รวมถึง Alphabet (บริษัทแม่ของ Google), Amazon และ Microsoft ซึ่งทุ่มเงินมหาศาลในการพัฒนาเทคโนโลยีนี้
ในบทความนี้เราจะพาผู้อ่านไปสำรวจเส้นทางที่ AI เดินตลอดระยะเวลา 1 ปีที่ผ่านมา ว่าที่หลายคนบอกว่า AI จะเข้ามา “แทนที่” มนุษย์ หรือช่วยเหลือมนุษย์ให้ทำงานง่ายขึ้น มีประสิทธิภาพมากขึ้นนั้นเป็นอย่างไร มีบริษัทใดบ้างที่นำเทคโนโลยีนี้ไปใช้อย่างจริงจังแล้วบ้าง แล้ว Next Step ของ AI จะไปออกทางไหน เชิญติดตามอ่านได้จากบทความนี้
AI กำลังกลายเป็นเทรนด์สำคัญในโลกธุรกิจ จริงหรือ?
นับตั้งแต่การเปิดตัวของ ChatGPT กระแสความนิยมในช่วงแรกคือคนทั่วไปสนุกกับการ Promt (ป้อนคำสั่งคำถาม) ให้ AI หาคำตอบให้ และยังคงทึ่งกับความสามารถนี้ที่เปรียบเสมือนมีผู้ช่วยมานั่งตอบคำถามเราได้อย่างรวดเร็ว
เมื่อเวลาผ่านไปก็เริ่มมีความคิดริเริ่มตั้งข้อสังเกตกับความสามารถที่อัปเกรดขึ้นเรื่อย ๆ ของ Generative AI ว่า ถ้า Generative AI มีความสามารถในการช่วยเขียนโค้ด เขียนบทความ สร้างภาพกราฟิก แต่งเสียง แต่งเพลง แล้วทำไมเราไม่นำความสามารถนั้นมาใช้ช่วยงานในการทำธุรกิจล่ะ?
จริง ๆ ต้องบอกว่าสิ่งที่ได้กล่าวถึงไปเป็นเพียงแค่ส่วนหนึ่งของ “งานทั่วไป” งานออฟฟิศ แต่จริง ๆ แล้วแบรนด์ใหญ่ ๆ ระดับโลกมีการนำ AI มาช่วยทำงานฝั่งเทคนิคเชิงลึก หรืองานอะไรก็ตามที่เกินขีดความสามารถของมนุษย์ ยกตัวอย่างเช่น ถ้าให้มนุษย์คิดเลขแข่งกับคอมพิวเตอร์ก็คงต้องบอกว่า เราคงสู้ความไวของคอมพิวเตอร์ไม่ได้ ไม่ได้บอกว่าเราคิดเลขไม่ถูกต้อง แต่เราช้ากว่าคอมมาก ๆ แค่นั้นเอง
ดังนั้น จากประโยชน์ตรงนี้ในการประมวลผล การวิเคราะห์หาความผิดปกติ การตรวจจับความผิดปกติ การหาลักษณะที่เป็นแพตเทิร์น (จำนวนมาก ๆ ๆ ๆ ๆ) AI มาช่วยงานธุรกิจได้สักพักใหญ่ ๆ เลย เรามาทำความรู้จักกับประเภทของ AI อื่น ๆ นอกจาก Generative AI ที่เราคุ้นเคยจาก ChatGPT หรือ Google Gemini กันก่อนว่า AI เหล่านั้นคืออะไร และทำอะไรได้บ้าง
AI แบ่งได้หลายประเภทตามลักษณะที่แตกต่างกัน: Cloudacademy
Narrow AI (Artificial Narrow Intelligence หรือ Weak AI) Artificial Narrow Intelligence (ANI) เป็นปัญญาประดิษฐ์ประเภทหนึ่งที่มุ่งเน้นไปที่การดำเนินการคำสั่งเฉพาะเป็นหลัก เครื่องมือ AI เหล่านี้สามารถทำงานได้อย่างเชี่ยวชาญตามคำแนะนำที่ให้ไว้ ระบบเหล่านี้ทำงานเฉพาะเจาะจงโดยไม่มีความสามารถในการเรียนรู้เกินวัตถุประสงค์ เช่น ซอฟต์แวร์จดจำรูปภาพ รถยนต์ไร้คนขับ และผู้ช่วยเสมือน AI เช่น Siri แม้ว่า Narrow AI จะมีความก้าวหน้าอย่างมากในช่วงไม่กี่ปีที่ผ่านมา แต่ก็ไม่ได้ปราศจากข้อบกพร่อง
General AI (Artificial General Intelligence or Strong AI) Artificial General Intelligence (AGI)
เป็นอีกประเภทหนึ่งของ AI ที่ล้ำหน้ากว่า Narrow AI โดย AGI สามารถเรียนรู้ คิด และดำเนินงานต่าง ๆ มากมายในลักษณะที่ใกล้เคียงกับมนุษย์ วัตถุประสงค์ของการออกแบบ AGI คือการสร้างเครื่องจักรที่สามารถปฏิบัติหน้าที่ได้หลากหลาย และทำหน้าที่เป็นผู้ช่วยที่เหมือนจริงและเทียบเคียงทางสติปัญญาแก่ผู้คนในชีวิตประจำวัน อย่างไรก็ตาม เรายังห่างไกลจากการสร้างระบบ AGI มาก การสร้าง AGI ขึ้นมาจำเป็นต้องมีการพัฒนาและปรับปรุงเทคโนโลยีพื้นฐาน เช่น ซูเปอร์คอมพิวเตอร์ ฮาร์ดแวร์ควอนตัม และโมเดล AI เชิงสร้างสรรค์ เช่น ChatGPT
Superintelligent AI
Super AI หรือ Artificial Superintelligence (ASI) เป็นระดับทางทฤษฎีของ AI ซึ่งความสามารถของ AI นั้นเหนือกว่าสติปัญญาของมนุษย์ และบรรลุการตระหนักรู้ในตนเอง ระบบ AI สมมุติเหล่านี้มีศักยภาพที่จะกลายเป็นรูปแบบสติปัญญาที่เชี่ยวชาญที่สุดในโลก เหนือกว่าความฉลาดของมนุษย์ และดีขึ้นอย่างเห็นได้ชัดในทุกงานที่เราดำเนินการ แนวคิดของ AI แบบตระหนักรู้ในตนเองทำให้เกิดข้อกังวลด้านจริยธรรมและการถกเถียงเกี่ยวกับการสร้าง AI ที่มีความรู้สึก . แม้ว่าแนวคิดเรื่อง AI อัจฉริยะขั้นสูงอาจฟังดูเหมือนนิยายวิทยาศาสตร์ แต่ก็ทำหน้าที่เป็นเครื่องเตือนใจว่าในขณะที่การวิจัยและพัฒนา AI ยังคงก้าวหน้าต่อไป ความเสี่ยงที่อาจเกิดขึ้นและผลกระทบทางจริยธรรมจะต้องได้รับการพิจารณาและแก้ไขอย่างรอบคอบ
AI ประเภทอื่น ๆ ที่แบ่งแยกตามฟังก์ชันการใช้งาน
Reactive Machine AI คือ AI สามารถตอบสนองต่อสิ่งเร้าภายนอกได้แบบเรียลไทม์ ไม่สามารถสร้างหน่วยความจำหรือเก็บข้อมูลไว้ใช้ในอนาคตได้
ตัวอย่างธุรกิจที่นำ Reactive Machine AI ไปใช้
IBM Deep Blue: เครื่อง AI แบบโต้ตอบของ IBM Deep Blue สามารถอ่านตัวชี้นำแบบเรียลไทม์เพื่อเอาชนะปรมาจารย์หมากรุกชาวรัสเซีย Garry Kasparov ในการแข่งขันหมากรุกปี 1997
โปรแกรมแนะนำ Netflix: แพลตฟอร์มสื่อ เช่น Netflix มักจะใช้เครื่องมือแนะนำที่ขับเคลื่อนด้วย AI ซึ่งประมวลผลข้อมูลจากประวัติการดูของผู้ใช้เพื่อกำหนดและแนะนำสิ่งที่พวกเขาน่าจะดูต่อไปมากที่สุด
Limited Memory AI หน่วยความจำจำกัด คือ AI ที่สามารถเก็บความรู้และนำไปใช้ในการเรียนรู้และฝึกอบรมสำหรับงานในอนาคต
ตัวอย่างการนำ Limited Memory AI ไปใช้
Chat Bot และผู้ช่วยเสมือน แชตบอตและผู้ช่วยเสมือนเป็นรูปแบบหนึ่งของ AI หน่วยความจำที่จำกัด ซึ่งใช้การเรียนรู้เชิงลึกเพื่อเลียนแบบการสนทนาของมนุษย์ เมื่อผู้ใช้โต้ตอบกับระบบเหล่านี้มากขึ้น พวกเขาเรียนรู้จากข้อมูลนี้และจดจำรายละเอียดเกี่ยวกับผู้ใช้ ทำให้พวกเขาให้คำตอบที่เกี่ยวข้องและเป็นส่วนตัวได้
Self-Driving Car รถยนต์ที่ขับเคลื่อนด้วยตนเองจะสังเกตและประมวลผลข้อมูลสิ่งแวดล้อมรอบตัวอย่างต่อเนื่องขณะเดินทางบนท้องถนน สิ่งนี้ช่วยให้พวกเขาคาดการณ์ได้เมื่อต้องเลี้ยว หยุด หรือหลีกเลี่ยงสิ่งกีดขวาง
Theory of Mind AI คือ AI ที่สามารถรับรู้และตอบสนองต่ออารมณ์ของมนุษย์ รวมถึงการทำงานของเครื่องที่มีหน่วยความจำจำกัด
ตัวอย่างธุรกิจที่นำ Theory of Mind AI ไปใช้
บริษัทประกันภัย Acrisure แสดงให้เห็นว่าทฤษฎีการประยุกต์ใช้จิตใจที่ประสบความสำเร็จจะปฏิวัติเทคโนโลยีได้อย่างไร โดยส่วนใหญ่แล้วรถยนต์ที่ขับเคลื่อนด้วยตนเองอาจทำงานได้ดีกว่าผู้ขับขี่ที่เป็นมนุษย์ เพราะจะไม่ทำให้เกิดข้อผิดพลาดแบบเดียวกับมนุษย์ แต่ถ้าคุณในฐานะคนขับรู้ว่าลูกของเพื่อนบ้านมักจะเล่นใกล้ถนนหลังเลิกเรียน คุณจะรู้โดยสัญชาตญาณว่าให้ชะลอความเร็วขณะผ่านถนนของเพื่อนบ้านนั้น ซึ่งเป็นสิ่งที่ยานพาหนะ AI ที่ติดตั้งหน่วยความจำพื้นฐานที่จำกัดจะไม่เป็นเช่นนั้นสามารถทำได้
Self-Aware AI คือ AI ที่สามารถรับรู้อารมณ์ของผู้อื่น รวมถึงมีความรู้สึกในตนเองและสติปัญญาระดับมนุษย์ ขั้นตอนสุดท้ายของ AI
จะเห็นว่านอกจาก AI จะมีหลายประเภท (จริง ๆ มีเยอะกว่านี้แต่กลัวว่าบทความจะยาวไป) ซึ่งทำให้ธุรกิจมีทางเลือกในการนำความสามารถในระดับที่ทำงานใกล้เคียงกับมนุษย์ทำได้มาปรับใช้เพื่อสร้างความได้เปรียบให้กับธุรกิจของตนเอง
แล้วตอนนี้ธุรกิจมีรายได้จากการนำ AI มาใช้ประโยชน์แล้วหรือยัง นี่คงเป็นคำถามในใจหลาย ๆ คนหลังจาก AI กลายเป็นพระเอกในทุกเรื่อง ๆ หลังเปิดตัวมาเป็นเวลาประมาณ 1 ปีเต็ม
จากรายงานของ The Economist ระบุว่า ยอดขายซอฟต์แวร์ที่มี AI เป็นส่วนผสมอยู่ในนั้นของบรรดาบริษัทยักษ์ใหญ่ด้านเทคโนโลยีก็ยังถือว่า “เป็นสัดส่วนที่น้อย” เมื่อเทียบกับรายได้ทั้งหมดที่ทำได้ อย่างในปี 2023 ที่ผ่านมา AI คิดเป็นสัดส่วนเพียง 1 ใน 5 ของการเติบโตในด้านรายได้ของ Micorsoft Azure (คลาวด์ของ Microsoft) ส่วน Alphabet (บริษัทแม่ของ Google) และ Amazon ไม่ได้มีการเปิดเผยรายได้ที่เกี่ยวข้องกับ AI
Genenerative AI เกิดขึ้นในปีนี้ในฐานะเทคโนโลยีใหม่ที่ได้รับความนิยมมากที่สุดสำหรับธุรกิจ โดยสามารถเพิ่มผลผลิตในขณะที่เปลี่ยนวิธีการทำงานของชาวออฟฟิศก็จริง แต่ค่าใช้จ่ายที่สูงของ AI ความต้องการคนที่มีความสามารถเฉพาะทางมาใช้งานจึงจะสามารถดึงประสิทธิภาพของ AI ออกมาได้สูงสุด นอกจากนี้ เรื่องความเสี่ยงด้านกฎหมายและความกังวลต่อความเป็นส่วนตัว ยังเป็นตัวขัดขวางการเดินหน้าเต็มกำลังของ AI ในการเข้ามายึดครองอาณาจักรของมนุษย์
ธุรกิจจำนวนมากมีความระมัดระวังในการที่จะรีบเอาเทคโนโลยีมายัด ๆ ใส่ ก้าวไปไกลกว่าการทดลองในช่วงแรก ๆ ถึงกระนั้นก็ยังมีข้อสงสัยเล็กน้อยว่า generative AI จะเปลี่ยนโฉมเทคโนโลยีระดับองค์กรไปโดยสิ้นเชิง และบางธุรกิจได้เริ่มรวม AI เข้ากับการดำเนินงานของตนแล้ว โดยใช้ AI เพื่อเขียนโค้ด สร้างเนื้อหาทางการตลาดและการขาย และสนับสนุนลูกค้า
ตามการประมาณการของ International Data Corp ระบุว่า ภายในสิ้นปี 2023 บริษัทต่าง ๆ ทั่วโลกน่าจะใช้งบประมาณรวมกันราว ๆ 19,400 ล้านดอลลาร์ในการซื้อโซลูชันที่เกี่ยวข้องกับ Generative AI การใช้จ่ายดังกล่าวจะนับรวมพวกอุปกรณ์ฮาร์ดแวร์ที่เกี่ยวข้อง และนอกจากนี้ บริการด้านไอทีจะมีมูลค่าการซื้อสูงถึง 151,100 ล้านดอลลาร์ภายในปี 2027 และจะมีอัตราการเติบโตเฉลี่ยอยู่ที่ 86.1% (ตลอดระยะเวลา 4 ปี) นับจากปีนี้เป็นต้นไป
ตัวอย่างการใช้งาน AI จริง ๆ ในธุรกิจ
Nike
Nike ได้มีการนำ Machine Learning มาใช้เพื่อบริหารสินค้าคงคลังของ Nike Store แต่ละสาขาให้สอดคล้องตามความต้องการของลูกค้าในแต่ละพื้นที่นั้น ๆ: Reuter
Nike คือเจ้าตลาดผลิตภัณฑ์เครื่องแต่งกายสำหรับกีฬาระดับโลก ซึ่งนอกจากพวกเขาจะขายอุปกรณ์ที่เกี่ยวกับกีฬาแล้ว สิ่งที่ Nike ทำคือการสร้างระบบนิเวศที่สนับสนุนให้คนอยากออกกำลังกายมากขึ้น ยกตัวอย่างเช่น ในแอปฯ Nike ก็จะมีโปรแกรมการฝึกซ้อม สิทธิพิเศษสำหรับสมาชิก โดยจะเห็นว่า Nike ใช้ประโยชน์จากสิ่งเหล่านี้ในการเพิ่มประสิทธิภาพประสบการณ์ผู้บริโภค ไม่เพียงเท่านั้นข้อมูลของสมาชิกและผู้ใช้งานยังสามารถทำให้ Nike นำเอาสิ่งนี้ไปต่อยอดพัฒนาโดยมี AI ช่วยในการขับเคลื่อนอีกด้วย
ยกตัวอย่างในแอปฯ Nike Fit ซึ่งสร้างภาพดิจิทัลจำลองของเท้าของลูกค้าโดยใช้การผสมผสานความสามารถของเทคโนโลยีระหว่าง Computer Vision, AI และ Machine Learning จากนั้นใช้ภาพนั้นเพื่อให้คำแนะนำผลิตภัณฑ์ที่หลากหลายแก่ผู้บริโภค
นอกจากนี้ Nike ยังได้เข้าซื้อกิจการของบริษัทวิเคราะห์เชิงคาดการณ์สองแห่ง ได้แก่ Zodiac และ Celect ในปี 2018 และ 2019 ซึ่งโซลูชันที่บริษัททั้งสองทำเหล่านี้ช่วยให้ Nike สามารถคั้นข้อมูลจากแอปและอุปกรณ์ IoT เช่น Fitbits และใช้ข้อมูลเหล่านี้เพื่อมาทำความเข้าใจพฤติกรรมของลูกค้าและคาดการณ์พฤติกรรมการซื้อ รวมไปถึงการทำ Personalise Marketing อีกด้วย
ส่วน Celect ที่เชี่ยวชาญในการบริหารจัดการสินค้าคงคลัง ซึ่งพอ Nike ซื้อเข้ามาก็ได้นำเอาจุดเด่นนี้มาคาดการณ์ความต้องการของผู้บริโภค และนำไปสู่การกำหนดว่าผลิตภัณฑ์ใดที่พวกเขาควรผลิตเพิ่มมากขึ้น และผลิตภัณฑ์ที่ผลิตออกมานั้นจะนำไปขายที่ใดถึงจะขายได้ดีที่สุด รวมไปถึงยังสามารถใช้บริหารจัดการสินค้าคงคลังแบบเจาะจงให้กับ Nike Store แต่ละสาขาได้อีกด้วย
Airbnb
Smart Pricing Algorithm เป็นหนึ่งในอัลกอริทึมที่ Airbnb นำมาใช้เพื่อช่วยให้เจ้าของห้องพักสามารถกำหนดราคาแบบอัจฉริยะด้วยระบบที่พิจารณาจากปัจจัยต่าง ๆ และประมวลผลโดยคอมพิวเตอร์ทั้งหมด Dribble
นับตั้งแต่ Airbnb ก่อตั้งขึ้นในปี 2007 เจ้าของที่พักที่ลงทะเบียนให้บริการกับ Airbnb มีจำนวนผู้เข้าพักนับหลายร้อยล้านคน ซึ่งไม่ใช่ทั้งหมดจะเป็นประสบการณ์ในอุดมคติ ในเดือนมกราคม 2019 ผู้หญิงคนหนึ่งในย่านชานเมืองเคนซิงตันของลอนดอนเช่าอพาร์ตเมนต์หรู 5 ห้องนอนของเธอมูลค่า 2.5 ล้านปอนด์ (3.45 ล้านดอลลาร์) ให้กับผู้หญิงอีกคนที่อ้างว่าเธอจะจัดงานฉลองต้อนรับทารกน้อย อ้างอิงจาก London Evening Standard ความประหลาดใจเกิดขึ้นกับเจ้าบ้านซึ่งพักอยู่ในบ้านพักในเกสต์เฮาส์ของเธอ ผู้เข้าร่วมงานปาร์ตี้หลายร้อยคนมาถึงงานปาร์ตี้ ซึ่งทำให้ทรัพย์สินเสียหายและทำให้เจ้าภาพตกใจมากจนเธอคิดว่าสุดท้ายแล้วเธออาจ “ตายหรือถูกแทง”
เพื่อแก้ไขปัญหางานปาร์ตี้และทำให้เจ้าของที่พักสามารถอยู่ร่วมกับผู้เข้าพักได้อย่างสงบ Airbnb จึงพยายามที่จะปรับปรุงกระบวนการตรวจสอบประวัติผู้เข้าพักโดยใช้ AI โดยสแกนจากโซเชียลมีเดีย บล็อก ผลลัพธ์ของ Search Engine ที่พวกเขาใช้ และข้อมูลสาธารณะอื่น ๆ เพื่อค้นหาบุคคลที่ (อาจ) มีลักษณะบ่งชี้ที่มีแนวโน้มว่าอาจจะก่อการล่วงละเมิดเจ้าของบ้านได้
Airbnb เข้าซื้อกิจการของ Trooly ซึ่งเป็นบริษัทที่พัฒนาด้าน AI ตรวจสอบประวัติบุคคล ในปี 2017 ซึ่งความสามารถของ AI ตัวนี้จะตรวจจับและวิเคราะห์ประวัติของผู้เข้าพักจากข้อมูลดังต่อไปนี้
- ข้อมูลบนหน้าเว็บ
- ข้อมูลฐานข้อมูล
- โพสต์บนโซเชียลมีเดีย
- โพสต์ในบล็อก
- ความคิดเห็นบนโลกออนไลน์
- รายชื่อในไดเร็กทอรีของบริษัทหรือสมาคม
ซึ่งหลังจากมีการใช้งานอัลกอริทึมตัวนี้ไปแล้ว บริษัทได้ดำเนินการบางอย่างรวมไปถึงการปฏิเสธแขกที่จะเข้าพักอันเนื่องมาจากประวัติที่ไม่ดีของพวกเขา อย่างไรก็ตาม Airbnb ระบุว่าการตรวจสอบภูมิหลังที่เป็นปัญหาอาจส่งผลให้การจองล่าช้าหรือถึงขั้นที่ไม่สามารถให้คนคนนั้นเข้าพักได้ ดังนั้น Airbnb จึงเสนอโอกาสในการคืนสถานะให้กับแขกและระบุเกณฑ์ในการอุทธรณ์สำหรับผู้เข้าพักที่โดนแบนถาวร
อัลกอริทึมกำหนดราคาอัจฉริยะ (Smart Pricing Algorithm)
เจ้าของที่พักที่ลงทะเบียนกับ Airbnb ไม่ได้เป็นนักธุรกิจมืออาชีพที่จะรู้ว่าต้องบริหารจัดการห้องพักว่างอย่างไร จะเก็บค่าที่พักเท่าไร ดังนั้น Airbnb จึงยื่นมือเข้ามาช่วยในเรื่องนี้โดยการพยายามหาราคาที่เหมาะ โดยพิจารณาว่าห้องพักนี้ในเขตพื้นที่นี้ควรจะมีราคาค่าที่พักต่อคืนอยู่ที่เท่าไร ซึ่งจะพิจารณาจาก
- การแข่งขันของที่พักในบริเวณใกล้เคียง
- ความต้องการเข้าพัก ที่เปลี่ยนแปลงไปตามฤดูกาลและเวลา
- อีเวนต์พิเศษ (อย่างเช่น คอนเสิร์ตจากศิลปินดัง ทัวร์นาเมนต์กีฬาใหญ่ ๆ การประชุมระดับโลก) ซึ่งส่งผลกระทบต่ออุปสงค์และอุปทานที่พัก
หากเจ้าของที่พักตั้งราคาทรัพย์สินสูงเกินไป ที่พักจะว่าง หากตั้งราคาต่ำเกินไปก็จะสูญเสียเงิน อัลกอริทึมจะช่วยกำหนดราคาที่เหมาะสมสำหรับเจ้าของที่พัก ซึ่งจะมีผลต่อความน่าดึงดูดในการเข้าพัก โดยเบื้องหลังการทำงานของ Smart Pricing คือ Machine Learning ที่มีชื่อว่า Aerosolve ซึ่งออกแบบมาเพื่อตีความข้อมูลที่ซับซ้อนด้วยโมเดลที่ใช้งานง่าย ซึ่งจะช่วยกำหนดราคาแบบไดนามิก โดยใช้รหัสสีในปฏิทินเพื่อแสดงให้เจ้าของที่พักสามารถกำหนดราคาห้องสำหรับผู้เข้าพักในราคาที่แตกต่างกัน จากงานวิจัยของ Carnegie Mellon จาก Harvard และ University of Toronto ระบุว่า Smart Prcing Algorithm สร้างรายได้ให้กับเจ้าของห้องพักเพิ่มขึ้น 8.6% ในขณะที่ลดการว่างของห้องพักลงได้ 5.7%
Spotify
Spotify ในฐานะผู้นำในอุตสาหกรรมสตรีมมิ่งเพลงใช้ประโยชน์จาก AI แทบจะในทุกจุดของบริการเพื่อยกระดับประสบการณ์ของผู้ใช้ให้เหนือกว่าสตรีมมิ่งเจ้าอื่น ๆ ยกตัวอย่างเช่น การจัดการและออกแบบเพลย์ลิสต์สำหรับผู้ฟังตามความต้องการของผู้ฟังโดยนำประวัติการฟังเพลงให้ AI เรียนรู้และส่ง Playlist ที่ผู้ฟังรายนั้น ๆ มีแนวโน้มจะชอบไปแสดงให้ผู้ใช้
Spotify สามารถส่งเพลงที่เกี่ยวข้องจากรายการเพลงที่มีคนฟังมากที่สุดของบริการตลอดจนแนะนำเพลงคลาสสิกและเพลงใหม่ โดยมีฟีเจอร์เด่นคือ Spotify DJ ให้บริการเพลงที่ผู้ใช้อาจชอบโดยพิจารณาจากสิ่งที่ AI ได้เรียนรู้เกี่ยวกับรสนิยมของผู้ฟัง
ต้องบอกว่าหนึ่งในความก้าวหน้าด้าน AI ที่สำคัญที่สุดของ Spotify คือการเปิดตัว Spotify DJ โดยหัวใจสำคัญของ Spotify DJ คือ “AI ที่ทำงานอยู่เบื้องหลังฟีเจอร์นี้ ที่เปรียบเสมือนคุณมีดีเจส่วนตัวที่รู้จักคุณและรสนิยมทางดนตรีของคุณมาคอยเลือกเพลงที่คุณต้องชอบแน่ ๆ ให้คุณฟัง Spotify DJ ได้รับการตั้งโปรแกรมโดยใช้ความร่วมมือของ Spotify กับ Open AI และพากย์เสียงโดย Xavier “X” Jernigan หัวหน้าฝ่ายความร่วมมือทางวัฒนธรรมของ Spotify
Spotify เป็นสตรีมมิ่งเพลงเจ้าแรกที่ใช้ Weekly Discovery, Daily Mix เพลงแนะนำสำหรับรสนิยมคนฟังเพลงที่แตกต่างกัน เนื่องจากการที่ Spotify พัฒนาประสบการณ์ของผู้ใช้อยู่เสมอจึงทำให้ Spotify สามารถรักษาส่วนแบ่งการตลาดได้มากกว่าแพลตฟอร์มสตรีมมิ่งอื่น ๆ จนเบียด Apple Music ตกมาอยู่อันดับ 2 ในเรื่องส่วนแบ่งตลาด
ตัวอย่างภาพหน้าจอของ Spotify DJ: Amt lab
ข้อจำกัดและอุปสรรคของการใช้งาน AI ในภาคอุตสาหกรรมจริง ๆ
ผลสำรวจโดย IBM ชี้ให้เห็นว่าบริษัทหลายแห่งยังคงลังเลที่จะนำ AI มาใช้ เนื่องจากขาดความเชี่ยวชาญในเรื่องนี้ นอกจากนี้ หลายบริษัทกังวลเรื่องความปลอดภัยและการรั่วไหลของข้อมูลภายใน รวมถึงข้อมูลลูกค้า อีกประเด็นคือเรื่องความซับซ้อนของข้อมูลในบางบริษัทที่ซับซ้อนเกินกว่าจะนำมารวมกันได้
จากสถิติบอกว่า ผู้บริหารประมาณ 1 ใน 4 ของบริษัทในสหรัฐฯ สั่งห้ามไม่ให้พนักงานมีการใช้ Generative AI ในที่ทำงานโดยเด็ดขาด สาเหตุก็คือความกังวลต่อการรั่วไหลของข้อมูลบริษัท โดยเมื่อปีที่ผ่านมา Marie-Hélène Briens Ware ผู้บริหารของ Orange บริษัทโทรคมนาคมยักษ์ใหญ่ อธิบายว่าบริษัทได้มาตรการด้านความปลอดภัยทางไซเบอร์และการรั่วไหลของข้อมูลไว้ก่อนที่จะเริ่มทดลองใช้ Copilot ของ Microsoft
การนำ AI มาใช้อาจส่งผลตามมาที่ไม่อาจคาดเดาได้ แม้ว่า AI จะช่วยให้วิศวกรซอฟต์แวร์ทำงานได้ง่ายขึ้นในเรื่องที่ไม่ต้องเสียเวลาเขียนโค้ดยาว ๆ แต่ในรายงานของ GitClear พบว่าในปีที่ผ่านมาคุณภาพการเขียนโค้ดลดลง โปรแกรมเมอร์อาจใช้ AI เพื่อสร้างร่างฉบับแรก แต่ก็ยังเต็มไปด้วยข้อบกพร่องและขาดความกระชับ ถ้าคิดในอีกแง่มุมหนึ่งโปรแกรมเมอร์จะใช้เวลาเขียนโค้ดน้อยลง และมีเวลาตรวจสอบและแก้ไขโค้ดมากขึ้น
สรุปได้ว่าอุปสรรคและข้อจำกัดของการนำ AI ไปใช้จริงในภาคอุตสาหกรรม ได้แก่
- ข้อจำกัดด้านงบประมาณ การใช้เทคโนโลยี AI ในสภาพแวดล้อมทางอุตสาหกรรมอาจมีค่าใช้จ่ายสูง ทำให้เกิดความท้าทายทางการเงินสำหรับบริษัทที่ต้องการนำโซลูชันเหล่านี้ไปใช้
- ปัจจัยด้านทักษะของผู้ใช้งาน AI ความซับซ้อนของการโต้ตอบระหว่างมนุษย์กับเครื่องจักรในสภาพแวดล้อมทางอุตสาหกรรมทำให้เกิดความท้าทายในการบูรณาการ AI อย่างมีประสิทธิภาพ
- ความท้าทายด้านข้อมูล แอปพลิเคชัน AI อุตสาหกรรมต้องการข้อมูลคุณภาพสูงจำนวนมหาศาลสำหรับการฝึก (Train Model) และการตัดสินใจ ซึ่งอาจเป็นอุปสรรคสำคัญได้
- ความซับซ้อนของอัลกอริทึม การพัฒนาและปรับใช้อัลกอริทึม AI ที่ปรับให้เหมาะกับกระบวนการทางธุรกิจที่มีความซับซ้อนได้
- ข้อกังวลด้านความเป็นส่วนตัวและความปลอดภัย การที่เราจำเป็นต้องมีการเทรน AI ธุรกิจต้องใช้ข้อมูล (ภายใน) ของบริษัทเป็นจำนวนมาก ซึ่งอาจนำไปสู่ปัญหาความเป็นส่วนตัวและความปลอดภัย โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมทางอุตสาหกรรมที่มีความละเอียดอ่อนซึ่งการปกป้องข้อมูลเป็นสิ่งสำคัญ
อนาคตของ AI ในโลกธุรกิจ
ในอนาคตอันใกล้ที่กำลังจะมาถึง AI จะกลายเป็นเครื่องมือสำคัญที่อาจเข้ามาแทนที่แรงงานที่ไม่ต้องใช้ทักษะหรือความเชี่ยวชาญเฉพาะด้านในทันที ยกตัวอย่างเช่น แอปพลิเคชันสำหรับการบริการลูกค้า การตอบคำถามลูกค้า เพราะคำถามของลูกค้าส่วนใหญ่เรียบง่ายและเป็นหัวข้อเล็ก ๆ น้อย ๆ ทำให้เป็นเรื่องง่ายที่บริษัทต่าง ๆ จะนำแชตบอตมาใช้แทนมนุษย์
ยกตัวอย่างเช่น Amdocs ผู้ผลิตซอฟต์แวร์เพื่อช่วยบริษัทโทรคมนาคมจัดการการเรียกเก็บเงินและการบริการลูกค้า บริษัทกล่าวว่าการใช้ Generative AI ช่วยลดเวลาในการจัดการการโทรของลูกค้าได้เกือบ 50%
ความน่าสนใจอีกประการ คือ ประเภทงานรูทีนอย่าง “งานธุรการ” ซึ่งปกติก็ดูจะไม่ต้องใช้ทักษะสูงอะไรอยู่แล้ว ก็อาจจะโดน AI เข้ามาแทนที่ได้เช่นกัน “ตัวอย่างยอดนิยม” ของกรณีการใช้งาน 700 รายการของ Bayer ได้แก่ งานทั่วไป เช่น “การรับข้อมูลจากไฟล์ Excel ได้อย่างง่ายดาย” และ “การสร้างฉบับร่างฉบับแรกใน Microsoft Word”
บริษัทบางแห่งใช้ Generative AI ในการค้นหาที่ชาญฉลาดยิ่งขึ้น ที่ Nasdaq ผู้ให้บริการทางการเงิน ช่วยให้นักสืบอาชญากรรมทางการเงินรวบรวมหลักฐานเพื่อประเมินธุรกรรมของธนาคารที่น่าสงสัย ซึ่งปกติสิ่งนี้จะถูกเรียกว่า Fraud Detection Model โดยมี Machine Learning เป็นหัวใจหลัก จากที่บริษัทพูดถึงเรื่องนี้ก็คือ การดำเนินการนี้จะช่วยลดขั้นตอนซึ่งปกติอาจใช้เวลา 30-60 นาที ให้เหลือเพียง 3 นาทีเท่านั้น
ตัวอย่างที่กล่าวมานี้ไม่ได้หมายความว่าแบรนด์ใหญ่ ๆ เหล่านั้นจะต้องการพนักงานน้อยลง 10-15% ความกลัวว่า AI จะมาแย่งงานเหมือนจะไม่ค่อยถูกพูดถึงเท่าใดนัก จนถึงขณะนี้เทคโนโลยีดูเหมือนจะสร้างงานมากกว่าที่จะเอางานออกไปจากมนุษย์
ผลสำรวจโดยธนาคาร Evercore ISI พบว่ามีเพียง 12% ขององค์กรส่วนใหญ่เท่านั้นที่เชื่อว่า Generative AI ได้เข้ามาแทนที่แรงงานมนุษย์ หรือจะเข้ามาแทนที่ภายใน 12 เดือน แม้ว่าบริษัทเทคโนโลยีบางแห่งจะอ้างว่าไม่จ้างคนเพิ่มหรือตัดพนักงานออกเนื่องจาก AI แต่ก็มีหลักฐานเพียงเล็กน้อยที่แสดงว่ามีการเลิกจ้างเพิ่มขึ้นในประเทศที่ร่ำรวย ท้ายที่สุดแล้ว เพื่อให้ธุรกิจจำนวนมากขึ้นมองเห็นประโยชน์สูงสุดของการใช้งานเทคโนโลยี เหมือนอย่างที่เคยเกิดขึ้นกับเครื่องคอมพิวเตอร์ หรือเครื่องจักร เจ้า Generative AI ยังต้องได้รับการปรับปรุงอีกมาก
อ้างอิง
https://www.economist.com/business/2024/02/29/how-businesses-are-actually-using-generative-AI
https://www.linkedin.com/pulse/examples-successful-ai-marketing-top-11-companies-like-tushar-pakhare
https://www.invoca.com/blog/outstanding-examples-ai-marketing
https://amt-lab.org/blog/2023/4/how-spotify-uses-ai
https://medium.com/airbnb-engineering/aerosolve-machine-learning-for-humans-55efcf602665
https://blogs.microsoft.com/blog/2023/01/23/microsoftandopenaiextendpartnership/
https://amt-lab.org/blog/2023/4/how-spotify-uses-ai
–