‘ไอบีเอ็ม’ โชว์วิชั่น AI ภาพใหญ่ ปลุก ‘Bring Your Own Model’ อนาคต Gen AI องค์กร

ที่ผ่านมาตัวเลขการลงทุน-เติบโตของ AI เป็นไปอย่างก้าวกระโดด การ์ทเนอร์ ระบุว่า ระหว่างปี 2566-2570 เม็ดเงินกว่า 3 ล้านล้านดอลลาร์สหรัฐหรือราว 102 ล้านล้านบาทจะถูกใช้ไปกับ AI ขณะที่ ในประเทศไทย ข้อมูลจาก Statista ระบุว่าตลาด เจนเนอเรทีฟ เอไอ (Generative AI) จะเติบโตช่วงปี 2567-2573 ส่งผลให้วอลลุมตลาดมีมูลค่า 1.08 พันล้านดอลลาร์สหรัฐหรือราว 3.7 หมื่นล้านบาทในปี 2573

ผลสำรวจล่าสุดโดยสถาบันการศึกษาคุณค่าทางธุรกิจของไอบีเอ็ม (IBV) ยังตอกย้ำให้เห็นว่า 58% ของซีอีโอไทย มองว่าองค์กรที่มี Generative AI ที่ก้าวล้ำที่สุดจะมีความได้เปรียบในการแข่งขัน

ไอบีเอ็ม ในฐานะยักษ์ใหญ่ด้านไอที ที่เดินหน้าด้าน AI มาอย่างต่อเนื่อง มองเรื่องนี้ คือ ยุทธศาสตร์สำคัญในการขับเคลื่อนองค์กร ขณะที่ AI ในแบบฉบับของ ไอบีเอ็ม เน้นเจาะระบบใหญ่กลุ่มเอ็นเตอร์ไพร์ซเป็นหลัก ภายใต้ชื่อ “วัตสัน x” (watsonx.ai)   

“อโณทัย เวทยากร” กรรมการผู้จัดการใหญ่ ไอบีเอ็ม ประเทศไทย ให้สัมภาษณ์พิเศษ “กรุงเทพธุรกิจ” เล่าถึงมิชชั่นสำคัญของ "ไอบีเอ็ม" 2 มิชชั่นหลัก คือ การเป็นผู้นำด้าน “ไฮบริดคลาวด์” และ “ผู้นำด้านเอไอ” สองเทคโนโลยีที่มีผลต่อการทรานส์ฟอร์มองค์กรมากที่สุดของยุคนี้ เข้ามาช่วยต่อกรปัญหาที่องค์กรกำลังเผชิญ มีทั้งแง่การเพิ่มผลิตภาพ ลดต้นทุน การขับเคลื่อนนวัตกรรม รวมถึงการเร่งสปีดก้าวทันความเปลี่ยนแปลง ขณะเดียวกันก็สนับสนุนการเติบโตและสร้างเกราะป้องกันในอนาคตให้กับองค์กร

"ปัจจุบันการใช้ AI ในภาคธุรกิจของไทย เปลี่ยนไปจากแค่ Hobby กลายเป็น “สิ่งที่ต้องทำ” เป็นของจริง เริ่มจริงจัง ผู้ประกอบการในเมืองไทย เริ่มปรับตัวเองจากแค่ evaluate มาเป็น pilot project ที่ผ่านมา 2-3 เดือน เราเห็นการเพิ่มขึ้นของความต้องการลูกค้าที่ต้องการเอา AI เข้าไปใช้ มียูสเคสในบริษัท"

อโณทัย เล่าว่า ในประเทศไทย โฟกัสที่สำคัญที่สุดตอนนี้ คือ การช่วยให้องค์กรได้รับประโยชน์จาก Generative AI ในมุมธุรกิจจริงๆ ซึ่งนั่นหมายถึงการแก้อุปสรรคสำคัญตอนนี้

“เราพูดถึง LLM (Large Language Model) กันมาปีกว่าแล้ว แต่ในการนำมาใช้จริงในมุมธุรกิจ คงจะมีเพียงองค์กรที่ใหญ่มากๆ เท่านั้นที่จะมีทุนและระบบอินฟราฯ ใหญ่พอ รองรับโมเดลขนาดใหญ่หลายหมื่นล้านพารามิเตอร์ ที่ต้องใช้พลังงานมหาศาลประมวลผลข้อมูล ซึ่งไม่ใช่ข้อมูลที่เกี่ยวข้องหรือจำเป็นต้องนำมาเทรนทั้งหมด

นึกภาพง่ายๆ การที่เราใช้แพลตฟอร์ม GPT ขนาดใหญ่ในการถามคำถามต่างๆ เทียบเท่ากับการใช้พลังงานของบ้านเรือนทั่วไปราว 33,000 หลังต่อวัน แต่วันนี้ ทิศทางขององค์กร คือ การมองถึงโมเดลที่มีขนาดเล็กลงหรือ Small Language Model ที่มีประสิทธิภาพเทียบเท่าหรือสูงกว่าในแพคเกจที่เล็กลง พารามิเตอร์เล็กลงมาก กินพลังงานลดลงมาก และเป็นโมเดลที่เกี่ยวข้องกับโฟกัสขององค์กรนั้นๆ จริงๆ ตัดส่วนที่ไม่จำเป็นต้องใช้ออกไป"

Bring Your Own Model จิ๊กซอว์สำคัญ

อโณทัย ชี้ว่า โฟกัสสำคัญของ Generative AI ต่อจากนี้ จะเป็นเรื่อง Bring Your Own Model หรือ BYOM เมื่อ LLM ไม่ใช่ทางเลือกที่จำเป็นเสมอไป ขณะเดียวกันไม่มีโมเดลไหนที่ตอบโจทย์ธุรกิจได้ครบทุกด้าน ทางเลือกที่ดีที่สุดขององค์กรจึงเป็นความสามารถในการเลือกใช้หรือ personalize โมเดลต่างๆ ที่องค์กรต้องการได้ ตอบโจทย์ธุรกิจ รวมถึงมาตรฐานอุตสาหกรรมของตน สนองความต้องการของลูกค้า

ขณะเดียวกัน ก็เหมาะสมกับสถาปัตยกรรมไอทีขององค์กรตัวเอง นั่นหมายถึงว่า Generative AI นั้นต้องสามารถใช้งานบนคลาวด์ใดก็ได้ บนระบบ on-premise ขององค์กรก็ได้ หรือใช้ร่วมกับโมเดล AI ของ hyperscaler อื่นๆ ก็ได้ ซึ่ง watsonx ของไอบีเอ็มเป็นตัวอย่างของระบบ Generative AI ที่ได้รับการออกแบบมาด้วยแนวคิดนี้

Open-source AI กุญแจเพิ่มนวัตกรรม

ในอีกมุม อโณทัย มองว่า “การที่นวัตกรรมและความสามารถของ AI จะได้รับการต่อ ยอดอย่างก้าวกระโดดได้ ต้องอาศัยพลังของคอมมิวนิตี้ ต้องเป็นระบบเปิด นักพัฒนาต้องสามารถเข้าถึงและร่วมกันสร้างขยายต่อ เป็นโมเดลโอเพ่นซอร์ส AI ซึ่งแนวคิดนี้เป็นสิ่งที่ไอบีเอ็มยึดถือมาตลอด”

ล่าสุด ไอบีเอ็มปล่อยโค้ด LLM ที่มีศักยภาพ และคุ้มค่าในมุมต้นทุน-ประสิทธิภาพมากที่สุด ได้แก่ open community เพื่อการวิจัยพัฒนา การใช้งานเชิงพาณิชย์ ฯลฯ

รวมถึงได้จับมือกับ Red Hat เปิดตัว InstructLab ซึ่งเป็นเทคนิค model alignment ครั้งแรก ผลักดัน Generative AI ในรูปแบบของโอเพ่นซอร์สสนับสนุนการพัฒนา LLM อย่างต่อเนื่อง แนวทางดังกล่าวช่วยลดต้นทุน ลดอุปสรรคการทดสอบและทดลองใช้ Generative AI ลง ช่วยให้มั่นใจถึงความถูกต้อง เที่ยงตรง ปราศจากอคติ ของคำตอบที่ได้จากโมเดล AI

ลงทุนขับเคลื่อนหนุน AIใช้จริงในธุรกิจ

ในแง่การลงทุนอื่นที่เข้ามาสนับสนุนการใช้ Generative AI ขององค์กรไทย และช่วยขับเคลื่อนให้เดินหน้าจากการ pilot สู่การใช้งานจริง อโณทัยเล่าว่า สามารถแบ่งเป็น 3 ส่วนด้วยกัน

ส่วนแรก คือ การสร้างทีม Client Engineering เข้าไปทำงานใกล้ชิดกับลูกค้า ไม่ว่าลูกค้าจะอยู่สเตจของการศึกษา การทำ pilot ถือเป็นทีม AI engineer ระดับโลกที่ใหญ่ที่สุด ทีมนี้จะเข้าไปทำความเข้าใจปัญหาของลูกค้าอย่างลึกซึ้ง ตีโจทย์องค์ประกอบสำคัญที่จะเสริมประสิทธิภาพกระบวนการทางธุรกิจของลูกค้า

ตั้งแต่การจัดการและแก้ปัญหาของข้อมูลต่างๆ ไปจนถึงแนวทาง และ ROI ในการเดินหน้าโครงการ AI ต่างๆ โดยไอบีเอ็มสร้างทีมนี้ในทุกประเทศ เพื่อช่วยแก้ปัญหาและช่วยให้ลูกค้าสามารถนำ AI เข้ามาช่วยต่อยอดในมุมธุรกิจได้จริงๆ

“Generative AI เหมือนสารตั้งต้น เป็น general purpose เทคโนโลยี ที่เวลาเกิดแล้วสามารถนำไปประยุกต์ใช้ได้กว้างมาก ทุกๆ อุตสาหกรรม ทุกธุรกิจ ทุกคนมีโอกาสได้ใช้ GenAI เหมือนกับยุคที่เริ่มมีอินเทอร์เน็ตในอดีต พอมี AI เป็นสารตั้งต้น ก็ต้องมี  ยูสเคส มี pilot project เพื่อทดสอบในสถานการณ์จริงว่า ยูสเคสที่มีอยู่ และเทคโนโลยีที่มีการประสานกัน ตอบโจทย์ธุรกิจได้มากน้อยแค่ไหน”

ที่ผ่านมา ทางทีมได้เข้าไปช่วยองค์กรไทยหลายที่ในการนำ watsonx เข้ามาใช้งาน ตัวอย่างของกลุ่มลูกค้าที่ได้เริ่ม pilot ไปแล้ว เช่น การไฟฟ้าส่วนภูมิภาค IRPC บ้านปู และ BLCP รวมถึงองค์กรในอุตสาหกรรมการเงิน พลังงาน และค้าปลีกอีกหลายที่

"เมื่อธุรกิจทำ pilot project ประสบความสำเร็จ ธุรกิจจะเริ่มวางแผน สิ่งที่ธุรกิจต้องการในเฟสต่อไป ระหว่างทางก็จะมีเรื่องงบประมาณ เรื่องธรรมภิบาล ซึ่งเป็นเรื่องสำคัญ เพราะสุดท้ายเป็นเรื่องของการใช้ AI อย่างมีความรับผิดชอบ ไม่กี่ปีที่ผ่านมา ไอบีเอ็มออก principle of trust and transparency ถ้าเราจะใช้เทคโนโลยี เราต้องเชื่อมั่น (trust) ก่อนจะเอาไปใช้จริงๆ ได้ การที่เราจะเชื่อใจ AI ได้ เราต้องเชื่อในเรื่องของดาต้า ดาต้าที่เอามาเทรนต้องถูกปกป้องอย่างดี ไม่มีการเปลี่ยนแปลง

รวมถึงข้อมูลที่อ่อนไหว ความเกลียดชัง ความลำเอียง อคติต่างๆ ต้องมีกระบวนการมี govenance framework ที่ดี สามารถตรวจสอบย้อนกลับไปได้ว่า ต้นทางเป็นอย่างไร มีเรื่องของการละเมิดหรือไม่ ความโปร่งใสต่างๆ เป็นเรื่องสำคัญ เมื่อเราทำทุกอย่างครบ จึงจะเชื่อใน AI ได้ และนั่นจะทำให้ AI เข้าไปช่วยบริษัทได้จริงๆ สร้างรายได้ใหม่ สร้างเอ็นเกจเม้นท์กับลูกค้าได้ สร้างประสบการณ์ลูกค้าที่ดีขึ้น" อโณทัย อธิบาย

นอกจากนี้ ไอบีเอ็ม ยังได้นำออโตเมชันเข้าไปช่วยเสริมประสิทธิภาพ สร้างผลิตภาพให้กับองค์กร ทั้งยังได้ลงทุน 500 ล้านดอลลาร์สหรัฐ เปิดตัว AI venture เพื่อลงทุนในเทคโนโลยี AI ต่างๆ

อย่างไรก็ตาม ไอบีเอ็ม มองว่า แม้เทคโนโลยีจะพร้อม และทิศทางใช้ประโยชน์จาก Generative AI จะชัดเจนขึ้น แต่ 2 เรื่องสำคัญที่จะกำหนดว่า การสเกลการใช้งานจะเป็นไปได้มากเพียงใด คือเรื่องของ Responsible AI และซิเคียวริตี้

ก้าวข้ามความเสี่ยง อุปสรรคสำคัญการขยายใช้ AI

อโณทัย มองว่า สิ่งสำคัญที่จะตัดสินอนาคตของการใช้งาน Gen AI ในองค์กรว่า การนำมาใช้ และการสเกลจะไปได้เต็มพิกัดแค่ไหน คือ ความสามารถในการจัดการความเสี่ยง เพราะแน่นอนว่าความก้าวล้ำของ Gen AI ก็นำสู่ความเสี่ยงรูปแบบใหม่ๆ ที่อาจส่งผลต่อสังคม ผู้ใช้ หรือแม้แต่ชื่อเสียงขององค์กร

“สำหรับไอบีเอ็ม AI Ethics Board คือ กลจักรสำคัญที่ผลักดันเรื่องจริยธรรมของ AI โดยผลิตภัณฑ์อย่าง watsonx และยูสเคสต่างๆ ต้องผ่านการวิเคราะห์และตรวจสอบจากบอร์ดนี้ ตั้งแต่กระบวนการออกแบบไปจนถึงการบริหารไลฟ์ไซเคิลของผลิตภัณฑ์ เพื่อให้มั่นใจถึงจริยธรรมและความโปร่งใสของระบบ”

ผลการศึกษาล่าสุด ระบุว่าการได้ศึกษาถึงตัวเทคโนโลยีและความสามารถในด้านต่างๆ ของ Generative AI มากขึ้น กลับสร้างความกังวลให้กับซีอีโอไทย โดย 56% แสดงความกังวลในด้านที่เกี่ยวกับความเป็นส่วนตัวของข้อมูล ขณะที่ 48% มีความกังวลเกี่ยวกับการปฏิบัติตามกฎระเบียบข้อบังคับต่างๆ

อย่างไรก็ดี ซีอีโอไทย 62% ยังมองว่าผลิตภาพที่จะได้รับจากการนำระบบออโตเมชันมาใช้นั้นมีมาก และจำต้องยอมรับความเสี่ยงที่เห็นอยู่ข้างหน้าหากต้องการรักษาความสามารถในการแข่งขัน

ดาบสองคมอีกเรื่องคงจะหนีไม่พ้นภัยไซเบอร์ เพราะต้องไม่ลืมว่าอาชญากรไซเบอร์เองก็สามารถใช้ประโยชน์จาก Gen AI เพื่อช่วยให้โจมตีได้มีประสิทธิภาพขึ้น ในวงกว้างขึ้น และด้วยเวลาที่ลดลง

เรื่องนี้ อโณทัย อธิบายว่า ไอบีเอ็มมองใน 2 มิติ คือ “Security for AI คือ เมื่อบริบทการโจมตีเปลี่ยนไป ระบบซิเคียวริตี้ต้องสามารถปกป้อง AI ได้ ขณะเดียวกัน AI for Security จะนำ AI มาเพิ่มสปีดและสเกลของซิเคียวริตี้ได้อย่างไร ไม่ว่าจะเป็นในมุมการตรวจสอบภัยคุกคามต่างๆ การตอบสนอง หรือการป้องกัน สองมิตินี้คือเรื่องที่ไอบีเอ็มกำลังโฟกัสและเข้าไปช่วยลูกค้า

“ถ้าผู้นำองค์กรไม่ตระหนัก ความเสี่ยง คือ ก็จะสูญเสียความได้เปรียบ ผลประกอบการอาจสู้คู่แข่งไม่ได้ และที่สำคัญ คือ อาชญากรไซเบอร์ก็จะใช้เอไอสร้างความเสียหาย ถ้าเราไม่เตรียมพร้อมด้านซิเคียวริตี้เราก็จะตกอยู่ในอันตรายเช่นกัน”

เทคโนโลยีพร้อม คนพร้อมแค่ไหน

อโณทัย ทิ้งท้ายถึงมุมมองในเรื่องคนและความพร้อม ยกผลการศึกษาโดย IBV ที่ชี้ให้เห็นว่าในภาพรวม ซีอีโอไทยค่อนข้างเดินหน้าตอบรับ Generative AI อย่างรวดเร็ว โดย 50% ระบุกำลังมองหาคนทำงานในตำแหน่งที่เกี่ยวกับ Generative AI ซึ่งเป็นตำแหน่งที่ไม่เคยมีในปีที่ผ่านมา และ 56% ระบุว่ากำลังเผชิญความยากลำบากในการหาคนมาทำงานดังกล่าว

นอกจากนี้ ซีอีโอไทย 39% ยังระบุว่าคนในองค์กรจะจำเป็นต้องได้รับการ retrain และ reskill ภายในอีก 3 ปีต่อจากนี้

“ท้ายที่สุด คนและ AI ต้องทำงานร่วมกัน เป็นพาร์ทเนอร์เติมเต็มกันและกัน AI จะไม่แทนที่คน แต่คนที่ใช้ AI จะแทนที่คนที่ไม่ได้ใช้”