อนาคตการใช้ Generative AI ในองค์กร
“ไบรอัน เบิร์ก” รองประธานฝ่ายวิจัยด้านนวัตกรรมและเทคโนโลยี การ์ทเนอร์ อิงค์ กล่าวว่า แม้ ChatGPT จะมีความสามารถที่น่าสนใจแต่ยังอยู่ในขั้นเริ่มต้น และการใช้งาน Generative AI ในองค์กรไปได้ไกลและมีความซับซ้อนกว่ามาก โดย 3 ปีที่ผ่านมา Venture Capital (VC) หลายแห่งลงทุนในโซลูชั่น Generative AI รวมมูลค่ากว่า 1.7 พันล้านเหรียญสหรัฐ
“การค้นพบยาด้วย AI และการเข้ารหัสซอฟต์แวร์ AI เป็นสองกลุ่มที่ได้เงินทุนมากที่สุด คาดว่าในปี 2569 ยา และวัสดุการผลิตใหม่ ๆ กว่า 30% จะค้นพบอย่างเป็นระบบ”
หนึ่งในตัวอย่างการใช้ Generative AI มาใช้เพื่อสำรวจความเป็นไปได้ของการออกแบบวัตถุได้หลากหลายเพื่อค้นหาสิ่งที่เหมาะสมที่สุด ไม่เพียงเสริมและเร่งการออกแบบในหลาย ๆ ด้าน แต่ยังมีศักยภาพในการ “ประดิษฐ์คิดค้น” นวัตกรรมการออกแบบ หรือวัสดุที่มนุษย์อาจมองพลาดไป
ในแวดวงการตลาดและสื่อรับรู้ถึงผลกระทบของ Generative AI โดย การ์ทเนอร์คาดว่าในปี 2568 30% ของข้อความด้านการตลาดที่ส่งออกโดยองค์กรใหญ่ ๆ สร้างขึ้นจากการสังเคราะห์โดยระบบ เพิ่มจากปี 2565 ที่มีน้อยกว่า 2% และในปี 2573 ราว 90% ของภาพยนตร์ฟอร์มยักษ์ที่จะเข้าฉายจะสร้างด้วย AI ตั้งแต่ตัวหนังสือไปจนภาพเคลื่อนไหว
นวัตกรรมที่เกิดจากเอไอมักเกิดขึ้นรวดเร็ว และมียูสเคสในอุตสาหกรรมต่าง ๆ ได้แก่
1.การออกแบบ และพัฒนายารักษาโรค (Drug Design) จากการนำ Generative AI มาใช้ออกแบบและพัฒนายารักษาโรคย่นระยะเวลาจากหลายปีเหลือไม่กี่เดือน เป็นโอกาสสำคัญของภาคเภสัชกรรมที่ลดค่าใช้จ่ายและระยะเวลาในการค้นพบยาตัวใหม่ได้อย่างมีนัยสำคัญ
2. วัสดุศาสตร์ (Material Science) Generative AI กำลังส่งผลกระทบต่ออุตสาหกรรมยานยนต์ การบิน อวกาศ การป้องกันประเทศ การแพทย์ รวมถึงอุตสาหกรรมอิเล็กทรอนิกส์ และพลังงาน โดยประกอบวัสดุขึ้นใหม่พร้อมกำหนดคุณสมบัติทางกายภาพได้เฉพาะ แทนที่จะอาศัยความบังเอิญเพื่อค้นหาวัสดุที่มีคุณสมบัติดังกล่าว
3. การออกแบบชิป (Chip Design) ใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) ซึ่งเป็นเทคนิคด้าน Machine Learning เพิ่มประสิทธิภาพการจัดวางองค์ประกอบในการออกแบบแผงวงจรเซมิคอนดักเตอร์ Generative AI ย่นเวลาของวงจรการพัฒนาผลิตภัณฑ์จากหลายสัปดาห์ที่ต้องทำงานร่วมกับผู้เชี่ยวชาญเหลือเป็นรายชั่วโมง
4. ข้อมูลสังเคราะห์ (Synthetic Data) เป็นประเภทข้อมูลที่สร้างขึ้นโดย อัลกอริทึมที่สำคัญกว่าข้อมูลที่รวบรวมโดยตรงจากบุคคลจริง ทำให้มั่นใจในความเป็นส่วนตัวของแหล่งข้อมูลเดิมที่ใช้ฝึกโมเดล เช่น ฐานข้อมูลด้านสุขภาพที่สร้างขึ้นเพื่อการวิจัย และวิเคราะห์โดยไม่ต้องเปิดเผยตัวตนของผู้ป่วย
5. การออกแบบชิ้นส่วนประกอบต่าง ๆ ช่วยให้อุตสาหกรรมการผลิต ยานยนต์ การบิน และอวกาศ การป้องกันประเทศออกแบบชิ้นส่วนประกอบได้อย่างมีประสิทธิภาพบรรลุเป้าหมายและข้อจำกัดด้านประสิทธิภาพ ชนิดวัสดุ และวิธีการผลิต เช่น ผู้ผลิตรถยนต์ใช้ Generative Design คิดค้นการออกแบบที่เน้นน้ำหนักเบาขึ้นทำให้รถยนต์ประหยัดน้ำมันมากขึ้น เป็นต้น
ทั้ง AI ส่วนใหญ่จะแยกเป็นประเภท คือรับการฝึก และแยกแยะความแตกต่างระหว่างภาพสุนัขและแมวได้ ซึ่ง Generative AI ฝึกฝนให้สร้างภาพสุนัขหรือแมวที่ไม่มีอยู่ในโลกจริงได้
“ความสามารถในการสร้างสรรค์เทคโนโลยีนี้คือ Game Changer ทำให้ระบบต่าง ๆ สร้างสิ่งประดิษฐ์ที่มีมูลค่าสูงได้ เช่น วิดีโอ การเล่าเรื่อง ข้อมูลการฝึกอบรม หรือแม้แต่ออกแบบและสร้างแผนผังวงจรไฟฟ้า เช่น Generative Pre-trained Transformer (GPT) ที่เรียนรู้เชิงลึกเพื่อสร้างข้อความได้เหมือนมนุษย์”
เจเนอเรชั่นที่ 3 (GPT-3) จะคาดการณ์ “คำ” ที่ใช้ในประโยคถัดไปตามการฝึกฝนที่สั่งสมมา ทั้งเขียนเรื่องราว แต่งเพลงและประพันธ์บทกวี หรือแม้แต่เขียนโค้ดโปรแกรมในคอมพิวเตอร์ อีกทั้ง ChatGPT ยังช่วยนักเรียนทำการบ้านได้ในไม่กี่วินาที นอกจากข้อความแล้วยังสร้างภาพดิจิทัลที่เป็น AI สร้างภาพต่าง ๆ ได้จากข้อความ
อย่างไรก็ตาม ก่อนที่องค์กรจะเดินหน้าเต็มรูปแบบต้องระลึกเสมอว่า นอกจากโอกาสทางธุรกิจแล้วยังมีภัยคุกคามด้วย เช่น ความเป็นไปได้ในการปลอมแปลงข้อมูลแบบ Deepfakes ปัญหาลิขสิทธิ์ และการใช้ Generative AI ในทางที่ผิดมุ่งเป้าโจมตีองค์กร ดังนั้นองค์กรต้องทำงานร่วมกับผู้บริหารด้านความปลอดภัย และจัดการความเสี่ยง เพื่อลดความเสี่ยงจากการเสื่อมเสียชื่อเสียง การปลอมแปลง การล่อลวง และเรื่องการเมือง ที่เกิดจากการใช้ในทางที่ผิด ทั้งต่อบุคคล องค์กรธุรกิจและภาครัฐ
“องค์กรควรพิจารณาคำแนะนำการใช้ Generative AI อย่างมีความรับผิดชอบ จากรายชื่อผู้จัดจำหน่ายและผู้ให้บริการที่ได้รับการรับรองให้ความสำคัญกับองค์กรที่มีความมุ่งสร้างความโปร่งใสในชุดข้อมูลการฝึกอบรม และใช้โมเดลอย่างเหมาะสม หรือนำเสนอโมเดลในโอเพ่นซอร์ซ”