- องค์กรจำนวนมากต้องเผชิญกับความท้าทายในการพัฒนาและปรับใช้เอไอ
- 3 ปัญหาที่กำลังเผชิญ คือ ความท้าทายในการปรับใช้งานจริง ด้านจริยธรรม และ ด้านเทคนิค
- “มาตรฐานเอไอ” ช่วยลดความเสี่ยงประเด็นอ่อนไหวเรื่องจริยธรรมปัจจัยสำคัญในการสร้างโอกาสและขับเคลื่อนศักยภาพการเติบของธุรกิจ
ประเด็นเรื่อง “จริยธรรม” เป็นความท้าทายสำหรับทุกธุรกิจที่ต้องการประยุกต์ใช้เทคโนโลยี “ปัญญาประดิษฐ์” หรือ “เอไอ” ภายในองค์กร…
พิพัฒน์ ประภาพรรณพงศ์ ผู้อำนวยการสายงาน Advanced Insights บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) ที่ปรึกษาด้านดิจิทัลทรานส์ฟอร์เมชันครบวงจร เปิดมุมมองว่า ปัจจุบันเทคโนโลยีเอไอได้กลายเป็นเครื่องมือสำคัญในการขับเคลื่อนศักยภาพการเติบโตของธุรกิจ‘บลูบิค’ มอง ‘จริยธรรม AI’ โจทย์ท้าทายยุคดิจิทัลดิสรัปธุรกิจ ไม่ใช่แค่เพิ่มประสิทธิภาพของกระบวนการดำเนินงาน แต่ยังใช้ต่อยอดสู่การสร้างนวัตกรรมใหม่ๆ ที่จะสร้างโอกาสทางธุรกิจในอนาคต
ท้าทายประเด็น ‘จริยธรรม’
หากต้องการเพิ่มขีดความสามารถในการแข่งขันธุรกิจจำเป็นต้องศึกษาและนำเอไอมาประยุกต์ใช้ในองค์กร ทว่าองค์กรจำนวนมากยังต้องเผชิญกับความท้าทายในการพัฒนาและปรับใช้
ความท้าทายดังกล่าวแบ่งออกเป็น 3 ด้านหลัก ได้แก่ ความท้าทายในการนำเอไอไปใช้งานจริงในภาคธุรกิจ ความท้าทายด้านจริยธรรม และ ความท้าทายด้านเทคนิค
โดยวันนี้ความท้าทายที่สำคัญส่วนแรก คือ เรื่องจริยธรรม โดยเฉพาะเรื่องผลลัพธ์จากโมเดลเอไอที่มีอคติ ซึ่งหากข้อมูลที่นำมาใช้เทรนโมเดลมีความบิดเบือน อาจส่งผลต่อการใช้งานหรือทำให้ไม่สามารถเข้าถึงบริการได้
ทั้งยังมีอีกประเด็นที่กำลังเป็นที่ถกเถียงกันคือ เรื่องความสุ่มเสี่ยงละเมิดความเป็นส่วนตัวและความปลอดภัยที่เกี่ยวข้องกับข้อมูลส่วนบุคคลในการกระบวนการเอาข้อมูลมาใช้เทรนโมเดล
เอไอไม่ใช่ ‘ภัยคุกคาม’
ขณะที่ ความท้าทายส่วนที่สองคือ การพัฒนาและนำเอไอไปปรับใช้จริงของภาคธุรกิจ ไม่ว่าจะเป็นการขาดกลยุทธ์ที่ชัดเจนว่าจะนำเอไอไปใช้เพิ่มประสิทธิภาพการทำงานในส่วนไหน และขาดแนวทางการใช้งาน (Use cases)ที่เหมาะสมกับธุรกิจนั้นๆ
รวมถึงความไม่พร้อมด้านบุคลากร ทั้งในด้านความรู้ความเข้าใจเกี่ยวกับเอไอและทัศนคติ (Mindset) เกี่ยวกับเอไอที่มองว่าเอไอเป็นภัยคุกคามมากกว่าจะเป็นผู้ช่วยในการทำงาน และการขาดการวัดผลและประเมินคุณค่าเอไอที่มีการนำไปใช้งานแล้ว
สำหรับความท้าทายที่สาม คือ ด้านเทคนิค ได้แก่ ความไม่พร้อมด้านข้อมูล เช่น เรื่องข้อมูลไม่มีคุณภาพจนไม่สามารถนำไปใช้งานได้ ข้อมูลไม่ครบ หรือไม่เพียงพอต่อการนำไปเทรนโมเดล
นอกจากนี้ ยังมีปัญหาเรื่องบุคลากรขาดความรู้เชิงเทคนิคในการพัฒนาโมเดลวิเคราะห์ รวมถึงเรื่องผลลัพธ์ที่ได้จากการใช้โมเดลไม่สามารถปรับเข้าไปกับกระบวนการทำงานของธุรกิจได้อย่างราบรื่น
แนะ ‘วางกรอบ’ ลดความเสี่ยง
พิพัฒน์ อธิบายว่า ความท้าทายดังกล่าวเป็นที่มาของความจำเป็นในการวางกรอบการพัฒนาและนำเอไอไปใช้งาน โดยหนึ่งในแนวทางที่เริ่มมีการพูดถึงในวงกว้างในต่างประเทศ คือ “มาตรฐานเอไอสำหรับองค์กร” หรือ “ISO/IEC 42001” ที่เป็นมาตรฐานสำหรับการบริหารจัดการระบบเอไอ เพื่อเป็นแนวทางสำหรับองค์กรในการวางโครงสร้างการบริหารจัดการความเสี่ยงและโอกาสที่เกี่ยวกับการใช้เอไอ
ครอบคลุมเรื่องจริยธรรม ความโปร่งใส และกระบวนการทำงานต่างๆ โดยการมีมาตรฐานด้านเอไอ สามารถเพิ่มศักยภาพการพัฒนาและปรับใช้งานเอไอภายในองค์กรได้ใน 3 ด้านประกอบด้วย
เพิ่มความปลอดภัยในการพัฒนาและใช้ระบบเอไอ สำหรับการสร้างผลิตภัณฑ์และบริการต่างๆ เช่น การวางแนวทางลดความเสี่ยงกรณีข้อมูลรั่วไหลจากการนำข้อมูลไปใช้เทรนโมเดลเอไอ รวมถึงการเสริมการป้องกันเหตุโจมตีทางไซเบอร์ หรือลดความเสี่ยงกรณีข้อมูลสูญหาย
ลดการเลือกปฏิบัติและสร้างความเป็นธรรมในการใช้ข้อมูลจากระบบเอไอ รวมถึงลดความเสี่ยงการละเมิดความเป็นส่วนตัวของข้อมูลส่วนบุคคล
สร้างความโปร่งใสให้กับระบบเอไอภายในองค์กร โดยต้องมีกระบวนการเปิดเผยข้อมูลและอัลกอริทึมที่ใช้สำหรับการเทรนโมเดลเอไอ รวมถึงการวางกรอบการทำงานและกำหนดหน้าที่ของผู้มีส่วนเกี่ยวข้องและการนำไปปรับใช้อย่างมีความรับผิดชอบ
‘4 กลยุทธ์’ สู่ ‘มาตรฐานเอไอ’
บลูบิค มองว่า องค์กรสามารถเตรียมความพร้อมเพื่อวางมาตรฐานในการพัฒนาเอไออย่างเป็นระบบ โดยกรอบแนวคิดที่บลูบิคเข้าไปให้คำปรึกษาเกี่ยวกับการประยุกต์ใช้งานเอไอให้มีประสิทธิภาพ ประกอบด้วย 4 ขั้นตอนหลักคือ
Define AI Strategy : กำหนดเป้าหมายและวัตถุประสงค์ในการเอาเอไอไปใช้งาน ตั้งแต่การวางกลยุทธ์การใช้ข้อมูล (Data Strategy) การสร้างตัวอย่างการนำเอไอไปใช้งาน (Use Case Generation) รวมถึงการให้คำปรึกษาว่าแนวทางการใช้ AI ขององค์กรเป็นไปตามข้อกำหนดทางกฎหมาย (PDPA) หรือไม่
Determine Risks & Govern AI : ประเมินความเสี่ยงที่เกี่ยวข้องกับการใช้งานเอไอ ครอบคลุมตั้งแต่การวางแนวทางด้านธรรมาภิบาลข้อมูล (Data Governance) เพื่อกำกับดูแลการใช้ข้อมูลและลดความเสี่ยงที่เกี่ยวข้อง รวมถึงการวางมาตรฐานด้านข้อมูลที่ดี
Develop Advanced Insights Management : พัฒนาโครงสร้างและระบบบริหารจัดการข้อมูลที่จะเอื้อต่อการนำข้อมูลไปใช้ในการพัฒนาโมเดลเอไอ ไม่ว่าจะเป็นการสร้างสถาปัตยกรรมข้อมูล (Data Architecture) การวาง Data Pipeline เพื่อให้นำข้อมูลไปใช้ได้อย่างมีประสิทธิภาพ รวมถึงการทำ Data Platform เพื่อนำข้อมูลไปวิเคราะห์และใช้ประโยชน์ในระยะยาว
Democratize AI Adoption : แนะนำแนวทางและการบริหารจัดการภายในองค์กร เพื่อเปิดกว้างสู่การเข้าถึงและใช้เทคโนโลยีใหม่ๆ ผ่านการจัดเทรนนิ่งให้พนักงาน ควบคู่ไปกับการประเมินความพร้อมองค์กรในเรื่องขีดความสามารถด้านข้อมูลและเอไอ ผ่านการทำ Data & AI Capability Assessment
แม้ว่ามาตรฐานเอไอไม่ได้เป็นมาตรการบังคับ แต่จุดบ่งชี้ที่บอกว่าธุรกิจควรมีมาตรฐานเอไอคือ การสร้างความเชื่อมั่นในด้านการกำกับดูแล โดยเฉพาะองค์กรที่พัฒนาและใช้งานระบบเอไอ รวมถึงเรื่องการลดต้นทุนในการบริหารจัดการระบบเอไอ
“การมีมาตรฐานเอไอและกรอบการประยุกต์ใช้เอไออย่างมีกลยุทธ์ จะเป็นปัจจัยสำคัญในการสร้างโอกาสจากเอไอและขับเคลื่อนศักยภาพการเติบของธุรกิจในระยะยาว”
แหล่งข้อมูล