Generative AI เป็นเทคโนโลยีที่มาแรงในปี 2023 และถูกพูดถึงในฐานะเครื่องมือที่สามารถเปลี่ยนแปลงธุรกิจได้อย่างแท้จริง แต่ในขณะเดียวกัน ก็เต็มไปด้วยความเสี่ยง เช่น การสร้างข้อมูลปลอมหรือการละเมิดลิขสิทธิ์ จะทำอย่างไรให้ ผู้ยริหารสามารถใช้มันได้อย่างปลอดภัยและคุ้มค่า มาเรียนรู้วิธีจัดการความเสี่ยงเหล่านี้ไปพร้อมๆ กัน
ความหมาย Generative AI
Generative AI เป็นระบบปัญญาประดิษฐ์ที่ออกแบบมา เพื่อสร้างเนื้อหาใหม่ ทั้งข้อความ ภาพ หรือ โปรแกรมการเขียนโค้ด โดยเรียนรู้จากข้อมูลที่มีอยู่ในฐานข้อมูลขนาดใหญ่ เช่น ChatGPT ฝึกฝนจากข้อความหลายพันล้านประโยค ส่วน Stable Diffusion และ Midjourney ฝึกฝนจากภาพจำนวนมาก
แม้ว่า Generative AI จะเข้ามาช่วยในด้านการทำงานทุกสายงาน อีกด้านมีแนวโน้มความเสี่ยงที่จะบิดเบือน อคติ ละเมิดลิขสิทธิ์และความเป็นส่วนตัว รวมถึงลดแรงงาน
1. ศักยภาพของ AI แบบสร้างสรรค์ในการเพิ่มประสิทธิภาพการทำงาน
ผู้นำควรมอง AI เป็น General Purpose Technology หรือเทคโนโลยีทั่วไป
เพราะเทคโนโลยีทั่วไปนี้ ต้องการโครงสร้างพื้นฐานทางกายภาพ, ทักษะและกระบวนการทางธุรกิจเพิ่มเติม เพื่อช่วยลดต้นทุน ประหยัดเวลา ใช้ดิจิทัลง่ายขึ้น
Generative AI เติบโตเร็ว มีหน้าที่ตอบคำถามเหมือนผู้ช่วย หาคำตอบในยามที่เรามีปัญหา เป็นการเปลี่ยนแปลงครั้งใหญ่ และผู้บริหารไม่ควรอยู่ข้างสนาม พวกเขาจึงต้องใช้ AI เพื่อเพิ่ม Productivity ระหว่างองค์กรกับลูกค้า
2. AI แบบสร้างสรรค์จะส่งผลต่องานในบริษัทของคุณอย่างไร?
– งานใดเสี่ยงถูก AI เข้ามาแทนที่
การศึกษาจากฐานข้อมูล O-NET และ OpenAI พบว่า 80% ของแรงงานในสหรัฐฯ มีงานอย่างน้อย 10% ที่อาจได้รับผลกระทบจาก AI แบบสร้างสรรค์ และ 19% ของแรงงานมีงานมากกว่าครึ่งที่เสี่ยง หมายความว่า AI ไม่ได้มาแทนที่มนุษย์ทั้งหมด
– AI ช่วยเพิ่มประสิทธิภาพ ไม่ใช่แค่แทนที่
ในหลายกรณี AI จะช่วยเสริมทักษะมนุษย์ เช่น โปรแกรมเมอร์ใช้ GitHub Copilot เขียนโค้ดร่างแรกได้เร็วขึ้น แต่ยังต้องแก้ไขข้อผิดพลาดและทำงานร่วมกับทีมเพื่อให้งานสมบูรณ์
– โฟกัสที่งานเฉพาะ ไม่ใช่ทั้งอาชีพ
AI เหมาะสำหรับงานด้านการคิดวิเคราะห์ เช่น การวิเคราะห์ข้อมูลหรือสรุปข้อมูล แต่ไม่เหมาะกับงานที่ต้องการการตัดสินใจซับซ้อนหรือความคิดสร้างสรรค์ระดับสูง ผู้นำควรประเมินงานในองค์กรและเลือกใช้ AI ในจุดที่เหมาะสม เพื่อเพิ่มประสิทธิภาพ โดยไม่เสียความเป็นมนุษย์
3. เมื่อ LLM ดีขึ้นในการเขียนโค้ด
โปรแกรมเมอร์จะมีเวลาและพลังงานเหลือเฟือสำหรับงานอื่น แต่ยังต้องใช้มนุษย์ในการตรวจสอบและปรับปรุงโค้ดให้สมบูรณ์
โปรแกรมเมอร์มีเวลามากขึ้นสำหรับงานที่ซับซ้อน เช่น การออกแบบระบบ แก้ปัญหาเชิงกลยุทธ์ หรือฝึกอบรมทีมงาน
ผู้นำควรสำรวจงานในองค์กร,เลือก AI ให้เหมาะสมกับคำถาม 2 ข้อ
- พนักงานจะได้ประโยชน์แค่ไหนจาก “ผู้ช่วยไร้ประสบการณ์” ที่เก่งเฉพาะด้าน?
- พนักงานจะได้ประโยชน์แค่ไหนจาก “ผู้ช่วยมีประสบการณ์” ที่เข้าใจบริบทของบริษัท?
จากนั้น จัดลำดับความสำคัญของโครงการ AI โดยเลือกงานที่มีอัตราส่วนผลประโยชน์ต่อต้นทุนสูงสุด และใช้วิธี Agile เพื่อทดลองและปรับปรุงอย่างต่อเนื่อง
4. การลดผลกระทบจากการละเมิดความเป็นส่วนตัว ปัญหาทรัพย์สินทางปัญญา และอคติ
ถ้าใช้ข้อมูลลับหรือข้อมูลภายในฝึก AI แบบสร้างสรรค์ (LLM) อาจเกิดการรั่วไหลของข้อมูลได้ ดังนั้น ผู้นำต้องตรวจสอบนโยบายความเป็นส่วนตัวของระบบ AI ที่เลือกใช้
ตัวอย่างเช่น
Mayo Clinic ที่ใช้ LLM ช่วยค้นหาข้อมูลจากเอกสารและบันทึกสุขภาพผู้ป่วย โดยออกแบบให้ระบบปฏิบัติตาม HIPAA อย่างเคร่งครัด เพื่อปกป้องข้อมูลส่วนบุคคล
นอกจากนี้ ยังต้องระวังปัญหาทรัพย์สินทางปัญญา (IP) หากบริษัทใช้เนื้อหาที่ผลิตโดย AI แล้วพบว่าละเมิด ก็อาจเจอปัญหาทางกฎหมายได้ แต่บางบริษัทอย่าง Adobe พยายามแก้ปัญหานี้ด้วยการคุ้มครองผู้ใช้ Firefly จากการถูกฟ้องร้อง เพราะระบบไม่ได้ฝึกจากข้อมูลที่มีลิขสิทธิ์
ผู้นำควรเลือกระบบที่ชัดเจนเรื่องความเป็นส่วนตัวและ IP พร้อมตั้งกฎเกณฑ์ในการใช้งาน เพื่อลดความเสี่ยงและเพิ่มความมั่นใจในการนำ AI มาใช้ในองค์กร
5. อีกหนึ่งความกังวลสุดท้ายกับ AI แบบสร้างสรรค์ คือ อคติ
ถ้าฝึก AI ด้วยข้อมูลที่มีอคติ ผลลัพธ์ก็จะอคติตามนั้น เช่น หากบริษัทใช้ประวัติการจ้างงานที่เลือกเฉพาะคนจบปริญญาตรี เพื่อฝึก AI ระบบอาจปฏิเสธผู้สมัครที่ไม่มีปริญญา แม้มีความสามารถสูงก็ตาม
ผู้นำควรถามตัวเองว่า เราหวังให้ AI ลดอคติจากข้อมูลหรือไม่? หากคำตอบคือใช่ ควรทบทวนโครงการใหม่
– การทดลองอย่างชาญฉลาด
การใช้ AI แบบสร้างสรรค์ควรเริ่มจากการทดลองเล็กๆ แบ่งงานเป็นรอบสั้นๆ และเน้นการเรียนรู้จากผลลัพธ์ เช่น ทดสอบการปรับแต่งคำสั่ง (prompt engineering) เพื่อให้ได้คำตอบที่ดีที่สุด ควรทำแบบค่อยเป็นค่อยไป
การวนซ้ำและปรับปรุงอย่างรวดเร็ว (OODA Loop) จะช่วยให้องค์กรเรียนรู้และเห็นผลลัพธ์ได้เร็วขึ้น
6. AI แบบสร้างสรรค์สัญญาว่าจะมีผลกระทบสำคัญต่อวิธีการทำงานของธุรกิจ
ความเสี่ยงเรื่อง การแต่งคำตอบ, ความเป็นส่วนตัว ทรัพย์สินทางปัญญา และอคติ แต่ทั้งหมดนี้สามารถจัดการได้ ผู้นำไม่ควรรอและดูสถานการณ์ ควรเริ่มศึกษาและทดลองใช้เทคโนโลยีนี้ ตั้งแต่วันนี้เพื่อ เตรียมพร้อมสำหรับอนาคต
วิธีแก้ปัญหา LLM เพื่อป้องกัน การแต่งคำตอบ
1. ปรับแต่งคำตอบ ไม่ให้สร้างข้อมูลปลอม รวมถึง Prompt ด้วย
2. สร้าง LLM หลายระบบ เพื่อกรองแต่คำตอบที่ถูกต้อง
3. ระวังเรื่อง Bias อคติ หากคิดจะใช้ AI เพื่อมาช่วยงาน ก็ต้องทบทวน
4. LLM เสริมกับมนุษย์ เช่น แพทย์ใช้ LLM สรุปบันทึกคนไข้ ลดเวลาทำงานลง 80% โดยแพทย์ยังคงตรวจสอบความถูกต้อง
หากกำลังวางแผนนำ Generative AI มาใช้ในธุรกิจ ลองทำตามนี้:
1. สำรวจงานในองค์กร: พิจารณาว่างานใดเหมาะกับการใช้ AI เช่น การเขียน การวิเคราะห์ข้อมูล หรือการตอบคำถามลูกค้า
2. ทดสอบในโครงการเล็กๆ ก่อน: เริ่มต้นด้วยโครงการที่มีความเสี่ยงต่ำ เช่น ใช้ AI สร้างเนื้อหาสำหรับโซเชียลมีเดีย แล้วประเมินผลลัพธ์ ถ้ายังไม่พอ ค่อยเอา LLM มาช่วยประมวลผลร่วมกับ Generative AI
3. จัดลำดับความสำคัญของโครงการ Generative AI เพื่อระบุโอกาสการปรับปรุงประสิทธิภาพกับงานขนาดใหญ่
ข้อสรุป:
Generative AI เป็นเครื่องมือที่ต้องใช้อย่างระวัง ผู้บริหารที่จะนำ AI มาใช้ในองค์กร ต้องเริ่มต้นด้วยการสำรวจงานที่เหมาะสมกับการใช้ AI ทดสอบในโครงการขนาดเล็ก เสริมด้วยทีมงานที่มีความสามารถ จะช่วยให้องค์กรเตรียมความพร้อมสำหรับอนาคต โดยไม่ตกเทรนด์ด้านเทคโนโลยี
