แนวทาง 5 ประการเพื่อสร้างสมดุลระหว่างคุณค่าและความเสี่ยงของการใช้ Generative AI ในองค์กร โดย คุณรบส สุวรรณมาศ, ผู้นำด้านนวัตกรรม, เซลส์ฟอร์ซ ประเทศไทย

คุณรบส สุวรรณมาศ, ผู้นำด้านนวัตกรรม, เซลส์ฟอร์ซ ประเทศไทย

ในปัจจุบันเอไอกำลังเข้ามามีบทบาทที่แพร่หลายมากขึ้นภายในองค์กร ทั้งจากการใช้เอไอเพื่อสร้างสรรค์และผลิตเนื้อหาหรือการนำมาใช้เพื่อขับเคลื่อนธุรกิจก็ตาม โดยโมเดลเหล่านี้ล้วนมีศักยภาพในการเปลี่ยนแปลงและมอบความสำเร็จในแบบที่ไม่เคยมีมาก่อนให้แก่ลูกค้าของบริษัทต่าง ๆ ไม่เพียงเท่านั้น เอไอยังเข้ามาช่วยเหลือพนักงานภายในองค์กรโดยลดภาระงานที่ต้องทำซ้ำ ๆ ลดอุปสรรค์ด้านการใช้งาน พร้อมช่วยสร้างโอกาสสำหรับผู้ที่ไม่มีทักษะเฉพาะเพื่อเพิ่มแนวโน้มการประสบความสำเร็จในอนาคต

Generative AI จะเข้ามาเปลี่ยนแปลงวิธีการทำงานของเรา อย่างไรก็ตามการเปลี่ยนแปลงนี้ใช่ว่าจะปราศจากความเสี่ยงไปเสียทั้งหมด เอไอสามารถสร้างสรรค์ผลลัพธ์ที่ถูกต้องได้มากมาย รวมถึงผลลัพธ์ที่บกพร่องและผิดพลาดได้ด้วยเช่นกัน ดังนั้นผู้นำองค์กรต่าง ๆ ที่ต้องการนำ Generative AI มาใช้จึงจำเป็นที่จะต้องตระหนักถึงสมดุลระหว่างคุณค่าและความเสี่ยงของนวัตกรรมดังกล่าวนี้ จากรายงาน State of IT เผยว่า 92% ของผู้นำด้านไอทีในประเทศไทยคาดว่า Generative AI จะเข้ามามีบทบาทสำคัญต่อองค์กรของพวกเขา ในจำนวนนั้น ผู้นำด้านไอที 64%เริ่มรู้สึกกังวลเกี่ยวกับเรื่องการใช้เอไออย่างมีอจริยธรรมเช่นเดียวกัน 

การพัฒนาเอไออย่างมีจุดประสงค์และมีความรับผิดชอบ

องค์กรต่าง ๆ จำเป็นต้องมีกรอบการดำเนินงานที่ชัดเจนและปฏิบัติได้จริงสำหรับวิธีการใช้งาน Generative AI และเป้าหมายการใช้งาน Generative AI ให้มีความสอดคล้องไปกับความต้องการและคุณค่าของธุรกิจตนเอง จึงจำเป็นอย่างยิ่งที่ธุรกิจต่าง ๆ ต้องพิจารณาหลักการเอไอที่เชือถือได้ และปลูกฝังแนวทางจริยธรรม รวมถึงแนวทางแนะนำเพื่อช่วยให้ทั้งพนักงาน พันธมิตร และลูกค้าสามารถสร้างสรรค์สิ่งใหม่ ๆ ได้อย่างมีความรับผิดชอบ พร้อมทั้งจับจุดปัจจัยเสี่ยงที่อาจเกิดเป็นปัญหาได้ในอนาคต

ธุรกิจต่าง ๆ สามารถใช้งาน Generative AI แบบเรียลไทม์ น่าเชื่อถือและเปิดกว้างสำหรับงานระดับองค์กร โดยการนำเอไอ ข้อมูล การวิเคราะห์ และระบบออโตเมชั่นมาผสานเข้าด้วยกัน ซึ่งทางเซลส์ฟอร์ซมีการนำนวัตกรรม Generative AI มาพัฒนาเพื่อส่งมอบเนื้อหาที่น่าเชื่อถือและสร้างขึ้นโดยเอไอทั่วทุกกระบวนการด้านการขาย การบริการ การตลาด การพาณิชย์ และไอที เพื่อเพิ่มประสิทธิภาพและประสิทธิผลจากการดำเนินงานขององค์กร

เพื่อช่วยนำร่องการพัฒนาและปรับใช้เทคโนโลยีเหล่านี้อย่างมีความรับผิดชอบและมีจริยธรรม บริษัทต่าง ๆ ควรคำนึงถึงแนวทาง 5 ประการ ดังนี้

ความแม่นยำ: ข้อมูลคือเชื้อเพลิงสำคัญในการขับเคลื่อนเอไอ อีกนัยหนึ่ง หากข้อมูลมีคุณภาพต่ำและขาดความน่าเชื่อถือก็จะไม่ต่างอะไรกับ ‘การนำขยะเข้าไป และได้ขยะกลับออกมา’ มันจำเป็นอย่างยิ่งที่ข้อมูลขับเคลื่อนเอไอต้องมีความน่าเชื่อถือ ซึ่งลูกค้าสามารถฝึกเอไอได้โดยการป้อนข้อมูลที่น่าเชื่อถือและต้องตรวจสอบความถูกต้องของคำตอบที่ได้รับ ซึ่งสิ่งดังกล่าวนี้สามารถทำได้โดยการอ้างอิงแหล่งที่มาของข้อมูล และต้องสามารถอธิบายได้ว่าทำไม AI จึงให้คำตอบเหล่านั้น และต้องมั่นใจได้ว่ามีมนุษย์เป็นผู้ตรวจสอบและควบคุมการดำเนินงานเอไอ แทนที่จะพึ่งพาระบบออโตเมชันเพียงอย่างเดียว

ความปลอดภัย: ทุกความพยายามในการหลีกเลี่ยงผลลัพธ์เชิงลบจากเอไอโดยการประเมินปัจจัยหลายด้าน อาทิ ความลำเอียงและการอธิบายที่มาที่ไปให้ได้ รวมถึงความถูกต้องของข้อมูลควรเป็นเรื่องสำคัญสำหรับเอไอเสมอ องค์กรต่าง ๆ จำเป็นต้องปกป้อง Personally Identifying Information (PII) หรือความเป็นส่วนตัวของข้อมูลที่ระบุตัวบุคคลได้ ซึ่งมาคู่กับข้อมูลที่ใช้ในการสอนเอไอเพื่อป้องกันอันตรายที่อาจเกิดขึ้น ดังนั้นการประเมินความปลอดภัยจึงสามารถช่วยองค์กรต่าง ๆ ระบุช่องโหว่ที่อาจถูกใช้โดยผู้ไม่หวังดีได้

ความโปร่งใส: เมื่อรวบรวมข้อมูลเพื่อฝึกฝนและทำการประเมินโมเดลแล้ว ต้องตรวจสอบให้แน่ใจเกี่ยวกับแหล่งที่มาของข้อมูลและดูว่าข้อมูลเหล่านั้นได้รับการยินยอมที่จะให้นำไปใช้อย่างถูกต้องแล้วหรือไม่ ตัวอย่างเช่น การสอนโมเดลโดยใช้แท็ก (Training models using tags) ทีมผู้ฝึกสอนสามารถสั่งให้ระบบของพวกเขาระบุที่มาของข้อมูล หรือเลือกที่จะงดใช้ข้อมูล ในกระบวนการสอนรวมถึงข้อมูลส่วนบุคคลในการสร้างผลลัพธ์ เพื่อให้มั่นใจว่าเอไอจะสร้างเนื้อหาจากชุดข้อมูลที่โปร่งใส

การให้อำนาจ: เอไอควรมีบทบาทในการสนับสนุนมนุษย์ การควบคุมโดยมนุษย์รวมถึงการพัฒนาและใช้งานเทคโนโลยี Generative AI ในธุรกิจต่าง ๆ จะทำให้เราสามารถตรวจสอบความถูกต้องและทดสอบเวิร์กโฟลว์รูปแบบอัตโนมัติภายใต้การกำกับดูแลของมนุษย์ก่อนที่จะปรับให้ระบบเป็นไปอย่างอัตโนมัติเต็มรูปแบบ ซึ่งถือเป็นอีกหนึ่งกระบวนการเพื่อช่วยสร้างความน่าเชื่อถือและความมั่นใจต่อเทคโนโลยีในหมู่ผู้มีส่วนได้ส่วนเสียและลูกค้า 

ความยั่งยืน: เอไอที่มีความรับผิดชอบนั้นหมายถึงการเป็นเอไอที่มีความยั่งยืน Language Model หรือโมเดลภาษาซึ่งถูกเรียกว่า “Large” หรือ LLM นั้นเป็นเอไอที่ถูกนิยามตามจำนวนของค่าหรือพารามิเตอร์ที่มันใช้ เมื่อพิจารณาโมเดลเอไอ ยิ่ง “เยอะ” ไม่ได้หมายความว่าจะดีกว่าเสมอไป ยิ่งโมเดลใหญ่หรือเยอะแค่ไหน ก็จะยิ่งใช้พลังงานและน้ำมากขึ้นเพื่อขับเคลื่อน data centers ที่ควบคุมมัน ในขณะที่เราพยายามสร้างโมเดลที่มีความแม่นยำมากขึ้น เราก็ควรคำนึงถึงการพัฒนาโมเดลที่มีขนาดเหมาะสม เพื่อลดปริมาณการเกิดคาร์บอนฟุตพริ้นท์และการใช้น้ำด้วยเช่นกัน

ความจำเป็นสำหรับแนวทางรูปแบบ Multi-Stakeholder Approach

ถึงแม้เทคโนโลยีดังกล่าวนี้จะอยู่ในระยะเริ่มต้นของการนำมาใช้งาน แต่การเรียนรู้และความร่วมมือกับหลายภาคส่วนจะช่วยปลดล็อกศักยภาพเชิงบวกของเอไอได้ เมื่อพูดถึงมาตรการควบคุมต่าง ๆ ยังไม่มีธุรกิจหรือองค์กรใดที่มีคำตอบที่แน่ชัด ดังนั้นความท้าทายที่แท้จริงสำหรับผู้ร่างกฎหมายคือการรับมือกับความเร็วของการเปลี่ยนแปลงที่จะเกิดขึ้น

ที่เซลส์ฟอร์ซ เราเชื่อว่าทุกคนต้องสามารถเข้าถึงการใช้งานประโยชน์จากเอไอได้ แต่นั่นไม่เพียงพอที่จะส่งมอบความสามารถด้านเทคโนโลยีของเอไอเพียงเท่านั้น เรามีความรับผิดชอบที่สำคัญมากกว่านั้น ซึ่งคือการสร้างความมั่นใจว่าเอไอจะปลอดภัยและสามารถใช้งานได้โดยทุกคน และเราใส่ใจกับความรับผิดชอบดังกล่าวนี้อย่างจริงจังและมุ่งมั่นที่จะจัดหาเครื่องมือที่จำเป็นในการใช้เอไออย่างปลอดภัย แม่นยำและมีจริยธรรมสำหรับพนักงาน ลูกค้า และพันธมิตรของเรา นอกจากนี้ เซลส์ฟอร์ซยังได้ร่วมงานกับรัฐบาล หน่วยงานกำกับดูแล และผู้มีส่วนได้ส่วนเสียอื่น ๆ เพื่อที่จะสนับสนุนกรอบการกำกับดูแลความเสี่ยงที่สามารถปกป้องผู้คนและจัดหาเครื่องมือและประสบการณ์การใช้ Generative AI ที่เชื่อถือได้มากที่สุดเท่าที่จะเป็นไปได้

การนำแนวทาง Multi-Stakeholder Approach หรือแนวทางผู้มีส่วนได้ส่วนเสียหลายฝ่าย มาใช้กับภาครัฐและภาคเอกชน รวมถึงภาคประชาสังคมนั้นเป็นสิ่งสำคัญในการชี้ให้เห็นถึงความเสี่ยงที่อาจเกิดขึ้นและเป็นการร่วมกันแบ่งปันวิธีแก้ปัญหา เพื่อสร้างความมั่นใจว่าเทคโนโลยีเหล่านี้ได้รับการพัฒนาและใช้งานอย่างครอบคลุม รวมถึงมีจุดประสงค์ที่ชัดเจน องค์กรต่าง ๆ มีหน้าที่รับผิดชอบในการตรวจสอบให้แน่ใจว่ากำลังใช้เทคโนโลยีดังกล่าวนี้อย่างมีจริยธรรมและลดอันตรายที่อาจเกิดขึ้น ดังนั้น การมีแนวทางและวิธีการป้องกันจะช่วยให้บริษัทต่าง ๆ สามารถมั่นใจได้ว่าเครื่องมือที่พวกเขานำมาปรับใช้นั้นมีความแม่นยำ ปลอดภัย และเชื่อถือได้