ในปัจจุบันงาน HR ถือเป็นกลไกเบื้องหลังการขับเคลื่อนธุรกิจที่จะขาดไปไม่ได้ เนื่องจากบุคลากรคือทรัพยากรสำคัญขององค์กร เมื่อองค์กรเติบโตขึ้น งาน HR จึงต้องพัฒนาให้ทันตามการขยายตัวของธุรกิจ ทำให้ฟังก์ชันงาน HR บางส่วนต้องปรับเปลี่ยนกระบวนการให้รวดเร็วขึ้น มีประสิทธิภาพยิ่งขึ้น และสามารถรองรับกลยุทธ์ด้านบุคลากรของธุรกิจได้ในระยะยาว  

สำหรับการขับเคลื่อนงาน HR นั้น เทคโนโลยีใหม่ ๆ สามารถเข้ามาเพิ่มขีดความสามารถในกระบวนการทำงานได้อย่างมหาศาล ไม่ว่าจะเป็น Generative AI (Gen AI) และ AI (Artificial Intelligence) หรือปัญญาประดิษฐ์ ซึ่งเป็นเทคโนโลยีที่สามารถประมวลผลข้อมูลอย่างรวดเร็ว และมีประสิทธิภาพสูง โดยใช้กระบวนการเรียนรู้จากข้อมูล (Machine Learning) เพื่อสร้างโมเดลที่สามารถทำนายผลลัพธ์จากข้อมูลได้อย่างแม่นยำ 

แม้ว่า Gen AI จะได้รับการพัฒนาจนนำไปใช้งานได้หลากหลายด้าน และใช้ช่วยในการทำงาน HR ได้แบบ    ครบจบทุกกระบวนการ อย่างไรก็ตาม ในการสร้างประสิทธิภาพการทำงานในระยะยาวไม่ใช่แค่การนำเทคโนโลยีเข้ามาใช้ แต่ต้องมีการเตรียมความพร้อมและวางกลยุทธ์เพื่อให้ AI สามารถสร้างผลลัพธ์ได้จริง   

นายพิพัฒน์ ประภาพรรณพงศ์ ผู้อำนวยการฝ่าย Advanced Insights บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) หรือ BBIK ที่ปรึกษาชั้นนำผู้ให้บริการด้านดิจิทัลทรานส์ฟอร์เมชันครบวงจร เปิดเผยว่า แม้ปัจจุบันเทคโนโลยี Gen AI ได้รับการพัฒนาจนสามารถนำไปใช้งานได้หลากหลายรูปแบบ แต่สำหรับการนำไปใช้งานภายในองค์กรอย่างมีประสิทธิภาพนั้น ควรมีการเตรียมความพร้อมใน 3 เรื่อง ได้แก่ 1. บุคลากรที่ควรมีทักษะในการถามคำถามเพื่อป้อนคำสั่งที่เหมาะสมสำหรับให้ AI สร้างผลลัพธ์ 2. กระบวนการที่ต้องมีแนวทางการเก็บข้อมูล หรือมีนโยบายด้าน Data Governance ในการควบคุมดูแลด้านข้อมูลโดยเฉพาะในการเอา AI ไปใช้สำหรับการทำงานในส่วนต่าง ๆ และ 3. เทคโนโลยีที่ระบบภายในองค์กรควรเป็น Private System ที่มีการปกป้องดูแลความปลอดภัยของข้อมูลส่วนตัวของพนักงาน  

สำหรับงาน HR นั้น หากมองในภาพรวมแล้วสามารถแบ่งออกเป็น 3 ส่วนหลัก ๆ ด้วยกัน ประกอบด้วย การสรรหาบุคลากร (Talent Acquisition) การบริหารผลการปฏิบัติงาน (Performance Management) และ         การบริหารจัดการทรัพยากรบุคคล (Resource Management) ซึ่งทั้ง 3 ส่วนนั้น Gen AI สามารถนำไปปรับใช้ได้ในทุกกระบวนการ  

Use Case Prioritization วางกลยุทธ์ปรับใช้ Gen AI 

บลูบิค มองว่า ก่อนนำ Gen AI ไปใช้จริงสำหรับงาน HR องค์กรควรทำความเข้าใจและเตรียมความพร้อมเรื่องข้อมูลก่อน ซึ่งโดยปกติแล้วข้อมูลในงาน HR แบ่งเป็นข้อมูลภายในองค์กรที่ครอบคลุมตั้งแต่ข้อมูลผู้สมัครงาน ข้อมูลบริษัท นโยบายบริษัท ข้อมูลสิทธิประโยชน์ต่าง ๆ และระบบการบริหารจัดการด้าน HR อีกส่วนคือข้อมูลภายนอก เช่น เทรนด์ตลาดแรงงาน นโยบายและการรับสมัครงานของบริษัทคู่แข่ง ค่าเฉลี่ยเงินเดือนและทักษะของพนักงานในตำแหน่งต่าง ๆ  

เมื่อเตรียมพร้อมเรื่องข้อมูลแล้ว องค์กรควรเลือกกรณีการใช้งาน หรือ Use Case ที่เหมาะสมกับธุรกิจ โดยเลือกตามการจัดลำดับความสำคัญ (Use Case Prioritization) ซึ่งส่วนใหญ่แล้วพิจารณาตาม 2 แกนหลัก คือ Business Impact ซึ่งเป็นผลลัพธ์และคุณค่าที่จะเกิดขึ้นต่อธุรกิจในแง่ผลตอบแทนจากการลงทุน (Return on Investment) รวมถึงความสอดคล้องกับกลยุทธ์องค์กร และ Feasibility ที่เป็นความพร้อมในการพัฒนาและใช้งานจริง โดยแนวทางการทำ Use Case Prioritization นั้น สามารถปรับเปลี่ยนได้ตามวัตถุประสงค์ขององค์กร 

สำหรับแนวทางที่ บลูบิค เข้าไปช่วยแนะนำองค์กรธุรกิจในการเลือก Use Case ที่เหมาะสม ประกอบด้วย       4 ขั้นตอนหลัก ดังนี้ 

1) สร้าง Use Case โดยพิจารณาจากปัญหาของธุรกิจ เป้าหมายหรือวัตถุประสงค์ขององค์กร และตัวขับเคลื่อนหลักที่ส่งผลต่อการบรรลุเป้าหมายนั้น ๆ (Key Driver)   

2) รวบรวม Use Case จากการทำ Value Stream Mapping แผนผังที่จะช่วยให้มองเห็นภาพรวมของกระบวนการและกิจกรรมต่าง ๆ ที่สร้างคุณค่าให้ธุรกิจ แล้ววิเคราะห์ผลลัพธ์ที่จะเกิดขึ้นต่อธุรกิจและความพร้อมในการดำเนินการ 

3) วางแผนการปรับใช้ Use Case ตามการจัดลำดับความสำคัญเชิงกลยุทธ์ที่มีโอกาสประสบความสำเร็จมากที่สุด  

4) เลือก Use Case ที่เป็น Quick-win ซึ่งสามารถทำได้เร็วและสร้างผลลัพธ์ได้อย่างรวดเร็ว เพื่อเริ่มดำเนินการก่อน  

15 Gen AI & AI Use Cases แนะนำสำหรับงาน HR 

ในมุมมองของ บลูบิค แล้ว จากประสบการณ์ในการเข้าไปช่วยวางกลยุทธ์ Gen AI Use Cases ที่น่าสนใจสำหรับงาน HR ทั้งการสรรหาบุคลากร การบริหารผลการปฏิบัติงาน และการบริหารจัดการทรัพยากรบุคคล สามารถ          แบ่งออกเป็น 15 Use case ได้แก่ 

• การสรรหาบุคลากร (Talent Acquisition)  

1) Automated Job Description Generation - วิเคราะห์คำอธิบายตำแหน่งงาน ข้อมูลบริษัท และเทรนด์ในภาคธุรกิจ และสร้างคำอธิบายตำแหน่งงานที่เหมาะสมที่สุด  

2) Targeted Ad Placement - วิเคราะห์ตลาดแรงงานและความสนใจของผู้สมัครงาน จากนั้นให้คำแนะนำในการทำโฆษณารับสมัครงานบนเว็บไซต์และโซเชียลมีเดีย  

3) Resume Screening - ระบุผู้สมัครที่เหมาะสมที่สุดจากทักษะและประสบการณ์ทำงานแบบอัตโนมัติ เพื่อหาบุคลากรที่เหมาะกับความต้องการขององค์กร   

4) Skills Matching - จับคู่ผู้สมัครงานที่ตรงกับความต้องการของตำแหน่งงาน โดยอิงจากทักษะและประสบการณ์ทำงาน  

5) Predictive Personality Assessment – ระบุแนวโน้มลักษณะผู้สมัครงานที่เหมาะสมกับวัฒนธรรมองค์กร 

• การบริหารผลการปฏิบัติงาน (Performance Management)  

6) Skills Gap Analysis - วิเคราะห์ทักษะพนักงานและให้คำแนะนำในการเสริมทักษะที่จำเป็นต่อการทำงานในอนาคต   

7) Attrition Prediction - วิเคราะห์ข้อมูลและผลการปฏิบัติงานเพื่อหาความเสี่ยงการลาออก 

8) Succession Planning - ระบุตัวพนักงานที่มีศักยภาพได้รับการเลื่อนตำแหน่ง  

9) Personalized Learning Paths - แนะนำโปรแกรมฝึกอบรมพนักงานที่เหมาะสมกับตำแหน่งงาน ทักษะ และประสบการณ์ทำงาน  

10) Knowledge Management - จัดระบบเอกสาร ระเบียบปฏิบัติงานต่าง ๆ เพื่อให้ง่ายต่อการค้นหาสำหรับพนักงาน   

• การบริหารจัดการทรัพยากรบุคคล (Resource Management) 

11) Career Pathing - ช่วยพนักงานในการสร้าง Career Path ที่เหมาะสมกับตัวเอง  

12) Personalized Benefits – สร้างแพคเกจสิทธิประโยชน์ต่าง ๆ ที่เหมาะสมกับพนักงานแต่ละคน   

13) Payroll Automation - เพิ่มประสิทธิภาพของระบบบัญชีเงินเดือน เช่น การคำนวณค่า OT หรือการเข้ากะของพนักงาน  

14) Compliance Monitoring - ติดตามและแจ้งเตือนความเสี่ยงด้านการปฏิบัติการ   

15) Chatbots for HR Helpdesk - แชทบอทตอบคำถามเกี่ยวกับ HR ตลอด 24 ชั่วโมง  

 สุดท้ายแล้ว การสร้างผลลัพธ์ทางธุรกิจจาก AI ไม่ใช่แค่การทำเทคโนโลยีมาใช้งาน แต่ต้องมาจากการวางกลยุทธ์และการจัดลำดับความสำคัญว่าจะนำ AI ไปใช้สร้างคุณค่าให้องค์กรที่จุดไหน และต้องมีความพร้อมเรื่องข้อมูลสำหรับพัฒนาโมเดล AI ให้สร้างผลลัพธ์ได้ตามความต้องการ สำหรับธุรกิจที่ต้องการวางกลยุทธ์ด้าน AI เพื่อเพิ่มศักยภาพการแข่งขันและสร้างการเติบโตให้องค์กร

Bluebik มีทีมงานผู้เชี่ยวชาญด้าน Big Data & Advanced Analytics ที่สามารถให้บริการโซลูชันครบวงจรและการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปปรับใช้ให้เหมาะสมกับองค์กร ติดต่อเราสอบถามหรือปรึกษาเราได้ที่ ✉ This email address is being protected from spambots. You need JavaScript enabled to view it. , ☎ 02-636-7011 

“สวัสดีค่ะ มะลิยินดีให้บริการ วันนี้ให้มะลิดูแลเรื่องอะไรดีคะ?” และนี่คือคำกล่าวทักทายกับลูกค้า เวอร์ชั่นล่าสุดที่แสดงให้เห็นถึงความสามารถในการสนทนาที่เป็นธรรมชาติ จากนั้นคู่สนทนาจึงอธิบายถึงความต้องการในการเปลี่ยนแพ็คเกจโทรศัพท์ โดยมะลิเข้าใจความต้องการเป็นอย่างดี ทำให้ลูกค้าสามารถเปลี่ยนไปใช้แพ็คเกจใหม่ได้อย่างรวดเร็ว

การสนทนาอย่างเป็นกันเองกับ Mari ในบทบาท Virtual Agent (เจ้าหน้าที่เสมือน) แสดงให้เห็นถึงการปฏิวัติแห่งการบริการลูกค้า แม้ว่าการให้บริการลูกค้าอัตโนมัติในรูปแบบดิจิทัลจะมีมานานหลายสิบปีแล้ว แต่ปัญหาที่พบเจอได้บ่อย นั่นคือ ระบบอินเตอร์เฟซที่ตอบสนองอย่างอืดอาด แถบเมนูที่ยาวเป็นโยชน์ รวมถึงตัวเลือกบริการที่ไม่ตอบโจทย์ความต้องการลูกค้า แต่ด้วยศักยภาพของ Generative AI ช่วยเอื้อต่อวิธีการต่างๆ ที่ทำให้บทสนทนามีความเป็นธรรมชาติ

ที่ ทรู คอร์ปอเรชั่น “มะลิ” ได้ทำหน้าที่ช่วยเหลือ แก้ไขปัญหาให้ลูกค้าอยู่แล้วในทุกๆ วัน แต่ด้วยบริบทในการให้บริการของผู้ให้บริการมือถืออย่างทรู ข้อมูลที่ในการให้บริการลูกค้านั้นจำต้องอาศัยความถูกต้องสูงสุด โดยเจ้าหน้าที่เสมือนก็จะต้องปฏิบัติตนให้สอดรับกับบุคลิกของแบรนด์ ปรับโทนเสียงตามคู่สนทนา และรู้ว่าเมื่อใดที่ควรส่งต่อเคสให้เจ้าหน้าที่ที่เป็นมนุษย์รับมือต่อ True Blog ได้พูดคุยกับทีมงานผู้อยู่เบื้องหลังการพัฒนา “มะลิ” ถึงการสร้างสมดุลระหว่างการทดลองใช้เทคโนโลยีใหม่ๆ กับความแม่นยำในการให้บริการ

อีโคซิสเต็มของ “มะลิ”

มะลิกำลังกลายเป็นสิ่งที่ลูกค้าทรูกว่า 50 ล้านรายคุ้นเคย ทั้งจากการมีปฏิสัมพันธ์ต่อหน้าและผ่านเสียง เธอจะคอยทักทายผู้เข้าชมเว็บไซต์ทรู ผ่านสายโทรศัพท์หมายเลข 1242 หรือแม้กระทั่ง พบเจอตัวเป็นๆ ในรูปแบบของหุ่นยนต์ที่มีรูปร่างเหมือนมนุษย์ (Humanoid Robot) มะลิในรูปแบบที่แตกต่างกันเกิดจากการประกอบสร้างด้วยอีโคซิสเต็มที่มีความซับซ้อนจากเครื่องกล AI ชุดที่แตกต่างกัน เพื่อให้สอดรับกับความต้องการของมะลิในแต่ละรูปแบบ

“มะลิได้รับการออกแบบให้เหมาะสมกับช่องทางที่แตกต่างกัน เพียงแค่ลูกค้าติดต่อฝ่ายบริการลูกค้า ลองจินตนาการดูว่า หากคุณสอบถามราคาแพ็คเกจหรือเครื่องโทรศัพท์มือถือผ่านช่องทางแชท มะลิจะแสดงผลการเปรียบเทียบราคาในรูปแบบตาราง เช่นเดียวกับที่พนักงานขายทำในร้านด้วยแผ่นพับโบรชัวร์ แต่ถ้าหากเป็นการโทรเข้าไป คุณอาจต้องรอให้พนักงานคอลเซ็นเตอร์อ่านข้อมูลสเปคของแต่ละรุ่นราว 30 วินาที ซึ่งนี่คือความแตกต่างของมะลิในรูปแบบแชทและเสียง” เกียรติศักดิ์ ศรีมาดี หัวหน้าแผนก True Voice กล่าว

ทั้งนี้ True Voice คือแผนกที่ทำหน้าที่พัฒนา NLP หรือ Natural Language Processing ซึ่งเป็นเทคโนโลยีประมวลผลภาษาธรรมชาติ เพื่อการประยุกต์ใช้ในงานคอลเซ็นเตอร์ ขณะที่ทีมคอลเซ็นเตอร์ทำหน้าที่รับผิดชอบการฝึก ตลอดจนปรับปรุงการถามตอบของมะลิ

ธนาชัย ชูกลิ่น หัวหน้าฝ่าย Strategy, Resourcing & Transformation สายงานคอลเซ็นเตอร์ อธิบายว่า “โทนเสียงและการออกเสียงถือเป็นจุดที่สำคัญอย่างมากในงานคอลเซ็นเตอร์ ซึ่งเราค่อนข้างพึงพอใจกับสิ่งที่เราทำได้ในตอนนี้ และเราจะยังคงพัฒนาต่อไปเรื่อยๆ โดยจำเป็นต้องทดลองทดสองนับครั้งไม่ถ้วน เพื่อให้สื่อความหมายได้ถูกต้อง ทั้งจุดประสงค์ สไตล์ และอารมณ์”

ส่วนมะลิในรูปแบบ chatbot นั้น ต่างก็มีความท้าทายที่เฉพาะตัว โดยเฉพาะการให้ความสำคัญกับความต้องการต่างๆ เพื่อความถูกต้องของข้อมูล และการใช้คำให้เหมาะสม อย่างไรก็ตาม มะลิทั้งรูปแบบเสียงและแชทต่างมีสิ่งที่เหมือนกัน นั่นคือ คนที่ใช่ เพื่อรับบริการจากมะลิ เพราะไม่ใช่ว่าทุกคนพร้อมที่จะสื่อสารกับ Gen AI

“ในช่วงการแพร่ระบาดของโรคโควิด เราเห็นผู้คนจำนวนมากแห่ใช้บริการช่องทางดิจิทัล และอัตราความพึงพอใจและความคุ้นเคยก็เพิ่มสูงขึ้นเรื่อยๆ ต่างจากจำนวนผู้รับบริการทางหน้าร้านที่มีจำนวนลดลง แต่นั่นก็ไม่ได้หมายความว่าพวกเขาพร้อมที่จะใช้บริการจาก Gen AI อย่างเต็มตัว เรายังจำเป็นต้องประเมินการใช้บริการกับมะลิของลูกค้าอย่างค่อยเป็นค่อยไป หากสิ่งที่ลูกค้าต้องการเป็นอะไรที่พื้นฐานมากๆ การเลือกค้นหาจากเมนู ยังอาจเป็นวิธีการที่ดีที่สุด แต่หากเป็นเรื่องที่ซับซ้อนมากๆ มะลิน่าจะเป็นคำตอบที่ดีกว่า” ณพงศ์ วลัยเสถียร หัวหน้าฝ่ายดิจิทัลแพลทฟอร์มและประสบการณ์ดิจิทัล ผู้รับผิดชอบหลักมะลิ chatbot ระบุ

พัฒนาการที่รวดเร็วของมะลิ

เมื่อพูดถึงงานบริการ ช่องว่างสัดส่วนระหว่างผู้ที่ต้องการสื่อสารกับมนุษย์และเจ้าหน้าที่เสมือนที่พัฒนาจาก AI ลดลงอย่างรวดเร็ว ผลการสำรวจจากงานสัมมนา AI Gets Real ระบุว่า  เมื่อต้องติดต่อผ่านแชท 26% ของผู้ตอบแบบสอบถามเลือกที่จะแชทออนไลน์กับเจ้าหน้าที่เสมือน ขณะที่ 20% เลือกที่จะแชทกับกับเจ้าหน้าที่ที่เป็นมนุษย์มากกว่า แต่หากเป็นบริการรูปแบบเสียง 38% เลือกที่จะพูดคุยกับมนุษย์ และเพียง 16% ที่เลือกสื่อสารกับหุ่นยนต์

ธัญญลักษมณ์ สุทธิจินดาวงศ์ หัวหน้าอาวุโส แผนกแพลทฟอร์มดิจิทัล กล่าวว่า “เรายังคงเดินหน้าขยายศักยภาพมะลิในรูปแบบ chatbot อย่างต่อเนื่อง โดยเราเริ่มต้นจากความต้องการลูกค้า จากนั้นจึงระดมความคิดเห็นผ่านมุมมองลูกค้า ในการทำงานนั้น ถือว่าเป็นไปอย่างรวดเร็ว สามารถปล่อยฟีเจอร์ใหม่ๆ ในระยะเวลาเพียง 2 สัปดาห์ ผ่านความร่วมมือกับทีมต่างๆ ไม่ว่าจะเป็นวิเคราะห์ระบบ วิเคราะห์ธุรกิจ  พัฒนา และควบคุมคุณภาพ

ปัจจุบัน มะลิ chatbot ทำหน้าที่รับมือ แก้ไขปัญหาให้ลูกค้ากว่า 2 ล้านครั้งต่อเดือน ซึ่ง 90% ของจำนวนดังกล่าว มะลิสามารถจัดการปัญหาให้ลูกค้าได้ทั้งหมด มีเพียง 10% เท่านั้นที่ถูกส่งต่อไปยังเจ้าหน้าที่ที่เป็นมนุษย์รับเรื่องต่อ ซึ่งจากการให้บริการที่ผ่านมา ความพึงพอใจของลูกค้าที่มีต่อมะลิมีคะแนนสูงกว่ามาตรฐานโลกแล้วด้วย

มะลิยังคงถูกพัฒนาอย่างไม่หยุดยั้ง มะลิ chatbot สามารถช่วยลูกค้าแก้ไขปัญหาทางเทคนิคจากบริการเน็ตบ้านได้แล้ว รวมถึงเปรียบเทียบสเปคอุปกรณ์ และช่วยลูกค้าเปลี่ยนแพ็คเกจ ในส่วนของมะลิ voicebot นั้น มีการใช้โมเดล AI ที่แตกต่างกัน รวมถึงความซับซ้อนในการสื่อสาร/ส่งผ่านข้อมูลทางเสียง ทำให้กำหนดเวลาของการพัฒนาฟีเจอร์แตกต่างกับ chatbot เล็กน้อย  ทั้งนี้ทั้งนั้น มะลิ ทั้ง chatbot และ voicebot ทำหน้าที่ให้บริการแก่ลูกค้าเป็นที่เรียบร้อยแล้ว

เกียรติศักดิ์ บอกว่า “Gen AI ถือเป็นความท้าทายอย่างแท้จริง หากพิจารณาจากมุมจริยธรรม เราจำเป็นต้องมั่นใจว่า เราได้ให้บริการและดูแลทุกคนอย่างเป็นกลางและถูกต้อง ความผิดพลาดของ AI หรือที่รู้จักกันว่า “อาการหลอน” (Hallucinations) เป็นสิ่งที่ยอมรับไม่ได้ เราจะไม่ยอมเห็นมะลิเสนอแพ็คเกจที่ไม่มีอยู่จริง เราจึงจำเป็นต้องระมัดระวังอย่างยิ่ง และนี่แหละ คือส่วนที่ยากของ AI”

วีรศักดิ์ พงษ์ธัญญวิชัย หัวหน้าฝ่าย True Innovation Center ผู้พัฒนามะลิรูปแบบหุ่นยนต์ Humanoid ที่สามารถสื่อสารได้อย่างเป็นธรรมชาติ บอกว่า “ปัจจุบัน เราวางมะลิ humanoid robot เป็นเพียงกรณีตัวอย่างที่สะท้อนถึงความเป็นไปได้แห่งการพัฒนา ทำหน้าที่เป็นทูตนวัตกรรมของทรู แต่ในอนาคต มะลิ humanoid robot อาจทำหน้าที่เป็นผู้ช่วยให้พนักงานขายที่ศูนย์บริการ เช่นเดียวกับมะลิ chatbot และ voicebot เพราะเป้าหมายของมะลิคือต้องการช่วยเหลือทุกๆ คน”

Generative AI เริ่มมีบทบาทสำคัญมากขึ้นต่ออุตสาหกรรมเซมิคอนดักเตอร์และการพัฒนาชิป จากรายงาน Deloitte 2024 global semiconductor industry outlook ดีลอยท์คาดการณ์เมื่อเดือนพฤศจิกายน 2566 ว่ายอดขายชิป Gen AI จะสูงถึงห้าหมื่นล้านดอลลาร์สหรัฐฯภายในปี 2567 และคาดว่าจะคิดเป็นประมาณ 8.5% ของยอดขายเซมิคอนดักเตอร์ทั้งหมด ซึ่งการเติบโตนี้ได้รับแรงหนุนจากความก้าวหน้าของเทคโนโลยีชิปที่สำคัญหลายประการ รวมถึง logic processor ที่สร้างขึ้นบนโหนดที่ทันสมัย หน่วยความจำแบนด์วิดท์สูง (HBM3) บรรจุภัณฑ์2.5D ขั้นสูง และความสามารถในการเชื่อมต่อขั้นสูงของชิป

แม้จะมีการคาดการณ์ว่าปีนี้ยอดขายชิป Gen AI จะอยู่ในระดับสูง การคำนึงถึงเชิงปริมาณก็เป็นสิ่งที่สำคัญเช่นกัน ในปี 2565 จะมียอดขายชิปรวมกันกว่าล้านล้านชิ้นในราคาเฉลี่ยต่อชิ้นเพียงราวๆ ครึ่งดอลลาร์สหรัฐ แต่สำหรับชิป Gen AI กลับไม่เป็นเช่นกัน ชิป Gen AI อาจมีราคาสูงถึงชิ้นละ 40,000 ดอลลาร์สหรัฐฯ หรือสูงกว่า 7 หมื่นเท่าของราคาเฉลี่ยของชิปทั้งหมด ดังนั้นยอดขายชิป Gen AI ห้าหมื่นล้านดอลลาร์สหรัฐฯ ซึ่งคิดเป็นประมาณ 1.25 ล้านหน่วย อาจเป็นเพียงสัดส่วนเล็กน้อย อยู่ที่ประมาณ 0.1% ของปริมาณชิปทั้งหมด ประเด็นดังกล่าวชี้ให้เห็นถึงความพิเศษของเซมิคอนดักเตอร์ที่มีความสามารถเฉพาะทางกลุ่มนี้ เมื่อเทียบกับชิปราคาที่ต่ำกว่าจำนวนมากที่นำมาใช้ในอุปกรณ์อิเล็กทรอนิกส์ในชีวิตประจำวัน

ชิป Gen AI คือบรรจุภัณฑ์ Graphics processing units (GPUs) แบบพิเศษ Central processing units (CPUs) แบบพิเศษหรือ หน่วยความจำแบนด์วิดท์สูง (HBM3) ในบรรจุภัณฑ์ 2.5D ขั้นสูง รวมถึงชิปแบบพิเศษอื่นๆ ที่จำเป็นสำหรับการเชื่อมต่อในศูนย์ข้อมูล บริษัทซอฟต์แวร์ระดับองค์กรมีส่วนทำให้ชิป Gen AI เป็นที่ต้องการ ทั้งสำหรับการใช้งานในองค์กร และการใช้ผ่านผู้ให้บริการระบบคลาวด์ที่ให้บริการการประมวลผลโดยใช้ Gen AI ซึ่งบริษัทเหล่านี้อาจรวมคุณสมบัติของ Gen AI เข้ากับบริการซอฟต์แวร์ต่างๆ เพื่อเป็นโอกาสสร้างรายได้เพิ่มขึ้น

Gen AI กับการผลิตชิป

อุตสาหกรรมเซมิคอนดักเตอร์ใช้ประโยชน์จาก Gen AI นอกเหนือจากความสามารถในการประมวลผล เครื่องมือเหล่านี้เข้ามาเปลี่ยนแปลงห่วงโซ่คุณค่าของเซมิคอนดักเตอร์ อาทิ

· การกำหนดเวลาและคาดการณ์ที่ดีขึ้น Gen AI สามารถสร้างตารางการผลิต และคาดการณ์ห่วงโซ่อุปทานได้แม่นยำขึ้น

· การวิจัยและพัฒนาที่ดีขึ้น การส่งเสริมของงานวิจัยที่ขับเคลื่อนโดย Gen AI มีส่วนช่วยในการเร่งการสร้างนวัตกรรมได้

· การตรวจจับข้อบกพร่องขั้นสูง ข้อมูลสังเคราะห์ที่สร้างขึ้นโดย Gen AI สามารถเร่งการตรวจจับความผิดปกติและข้อบกพร่องในการผลิตชิปได้

· การเพิ่มประสิทธิภาพการผลิต การจำลองกระบวนการผลิตและ digital twins สามารถเพิ่มประสิทธิภาพการผลิตและการจัดการทรัพยากรได้

· การตลาดแบบกำหนดเป้าหมาย Gen AI สามารถปรับแต่งเนื้อหาทางการตลาดให้ได้การเข้าถึง (reach) และการมีส่วนร่วม (engagement) ที่ดีขึ้น

อย่างไรก็ตาม ราคาของต้นทุนยังคงเป็นความท้าทายอยู่ เช่น การสร้างและกำหนดโมเดล Gen AI เองมักมีราคาแพงเมื่อเทียบกับรูปแบบดั้งเดิม รวมทั้งโมเดลขนาดใหญ่อาจมีต้นทุนการดำเนินการที่สูงกว่าการได้ประโยชน์จากความเร็วของระบบอัตโนมัติ นอกจากนี้ยังอาจต้องใช้การตรวจสอบโดยมนุษย์เพื่อรับรองความถูกต้องและหลีกเลี่ยงผลลัพธ์ที่มีอคติ

ผู้ผลิตเซมิคอนดักเตอร์มีการใช้ Gen AI อย่างไร

โรงงานเซมิคอนดักเตอร์ต่างๆ มีความมุ่งมั่นที่จะพัฒนาระบบอัตโนมัติและประสิทธิภาพอย่างต่อเนื่อง เครื่องมือ Gen AI นำความก้าวหน้าครั้งสำคัญในการพัฒนาโรงงานการผลิตอัจฉริยะ อาทิ

· ช่วยจัดเตรียมข้อมูลเชิงลึกขั้นสูง Gen AI สามารถวิเคราะห์ชุดข้อมูลจำนวนมหาศาลเพื่อให้ได้ข้อมูลเชิงลึกเพื่อเพิ่มประสิทธิภาพของกระบวนการต่างๆ เช่น เชื่อมต่ออุปกรณ์ในโรงงาน สร้างกระบวนการทำงานแบบอัตโนมัติ ใช้การวิเคราะห์ข้อมูลประกอบการตัดสินใจ และการคาดการณ์ในส่วนการบำรุงรักษาเพื่อป้องกันไม่ให้เกิดค่าใช้จ่ายสูงจากการหยุดงาน

· การให้ความสำคัญกับความยั่งยืน การผลิตที่โหนดขั้นสูงมีการใช้พลังงานมาก เครื่องมือการผลิตแบบอัจฉริยะสามารถช่วยเพิ่มประสิทธิภาพในกระบวนการต่างๆ และลดผลกระทบต่อสิ่งแวดล้อมจากการผลิตชิปได้

การประกอบและทดสอบชิปในภูมิรัฐศาสตร์ใหม่

แม้ว่าจะมีการผลิตชิปในหลากหลายพื้นที่ทั่วโลก การประกอบและการทดสอบชิปมักจะพบในเขตพื้นที่เอเชีย ซึ่งความไม่สมดุลทางภูมิรัฐศาสตร์นี้สร้างความท้าทายให้กับสหรัฐอเมริกาและยุโรปในการเพิ่มกำลังการผลิตชิปภายในประเทศ และต้องมีการลงทุนทั้งด้านการประกอบและทดสอบควบคู่ไปกับการผลิตเพื่อลดความซับซ้อนต่อ

ห่วงโซ่อุปทาน นอกจากนี้ ชิปประสิทธิภาพสูงยังต้องพึ่งพาเทคโนโลยีบรรจุภัณฑ์ขั้นสูงมากขึ้น จึงจำเป็นที่จะต้องมีสิ่งที่ช่วยจัดการความท้าทายเหล่านี้ เช่น การพัฒนาบรรจุภัณฑ์และการทดสอบใหม่อย่างรวดเร็ว การสร้างทีมงานผู้เชี่ยวชาญในการประกอบและทดสอบชิป การเสนอทางเลือกบรรจุภัณฑ์ที่หลากหลาย การเพิ่มประสิทธิภาพการใช้ทรัพยากร เสริมสร้างโครงสร้างพื้นฐานด้านไอทีสำหรับการบูรณาการ AI/ML และใช้ความสามารถในการทดสอบขั้นสูงเพื่อการออกแบบชิปที่มีความซับซ้อน

ข้อกังวลด้านความมั่นคงปลอดภัยทางไซเบอร์

อุตสาหกรรมเซมิคอนดักเตอร์เผชิญกับภัยคุกคามด้านไซเบอร์ที่แตกต่าง นอกเหนือจากการโจมตีด้วยมัลแวร์เรียกค่าไถ่ (Ransomware attack) แล้ว ผู้ผลิตชิปยังมีทรัพย์สินทางปัญญาที่มีมูลค่าสูง ทำให้ตกเป็นเป้าหมายหลักสำหรับผู้ไม่ประสงค์ดี โดยเฉพาะช่วงเวลาที่ชิปมีความสำคัญมากขึ้นท่ามกลางความขัดแข้งระหว่างประเทศ การโจมตีขั้นสูงโดยแอบอ้างว่าเป็นการโจมตีแบบมัลแวร์เรียกค่าไถ่ทำให้อุตสาหกรรมชิปและผู้บริหารพบกับภัยคุกคามที่ซับซ้อนมากขึ้น

ในอนาคตผู้บริหารในอุตสาหกรรมเซมิคอนดักเตอร์ควรคำนึงถึงทิศทางการเปลี่ยนแปลงอย่างรวดเร็วนี้ เช่น การจัดการสินค้าคงคลังจำเป็นต้องสร้างสมดุลระหว่างความต้องการที่มีมาแต่เดิมที่ลดลง กับความต้องการชิปเฉพาะทางที่อาจเพิ่มสูงขึ้น รวมถึงโอกาสในการควบรวมกิจการเชิงกลยุทธ์อีกมากมายในด้านการออกแบบ วัสดุ และบรรจุภัณฑ์ ในส่วนความขัดแย้งระหว่างประเทศส่งผลให้มีการประเมินความร่วมมือด้านช่องทางการขาย และแหล่งที่มาของทรัพยากร เนื่องด้วยข้อตกลงระหว่างประเทศอาจเกี่ยวข้องกับภาษีและกฎระเบียบที่ซับซ้อน นอกจากนี้ ต้องอาศัยความรอบคอบทางการเงินในช่วงเวลาที่อัตราดอกเบี้ยที่ยังอยู่ในระดับสูงขึ้น สำหรับด้านทรัพยากรบุคคลจำเป็นต้องเฟ้นหาบุคลากรที่มีความสามารถหลากหลายกลุ่มและเสริมสร้างทักษะให้กับพนักงาน การใช้ Gen AI อาจทำให้เกิดความต้องการด้านทรัพยากรบุคคลแบบใหม่ๆ อีกด้วยด้วย

 สถานการณ์เซมิคอนดักเตอร์ในประเทศไทย

สำนักงานนโยบายและยุทธศาสตร์การค้าระบุว่า การค้าเซมิคอนดักเตอร์ของไทย แบ่งออกเป็น 2 กลุ่ม คือ กลุ่มแผงวงจรไฟฟ้า (IC) และกลุ่มอุปกรณ์กึ่งตัวนำทรานซิสเตอร์และไดโอด (O-S-D) สำนักงานปลัดกระทรวงพาณิชย์รายงานว่า อุปทานเซมิคอนดักเตอร์ของไทยปรับตัวสูงขึ้นจากการนำเข้ากลุ่ม IC เพิ่มขึ้นจาก 6.7 แสนล้านบาทในปี 2565 เป็น 6.8 แสนล้านบาท ล้านบาทในปี 2566 หรือเพิ่มขึ้นร้อยละ 2เมื่อเทียบกับปีที่ผ่านมาในช่วงเวลาเดียวกัน การนำเข้าในปี 2566 มาจากไต้หวันเป็นหลักที่ 2.5 แสนล้านบาท รองลงมาเป็นญี่ปุ่น ที่ 7.3 หมื่นล้านบาท และจีนที่ 6.9 หมื่นล้านบาท โดยการนำเข้าทั้งหมดในเดือนมกราคม 2567 นี้คิดเป็นมูลค่า 7.5 หมื่นล้านบาท ซึ่งเพิ่มสูงขึ้นร้อยละ 23 เมื่อเทียบกับปีที่ผ่านมาในช่วงเวลาเดียวกัน

สำหรับกลุ่มอุปกรณ์กึ่งตัวนำทรานซิสเตอร์ และไดโอด การนำเข้าเพิ่มขึ้นจากประมาณ 1 แสนล้านบาทในปี 2565 เป็นมูลค่าประมาณ 1.2 แสนล้านบาทในปี 2566 หรือเพิ่มขึ้นร้อยละ 23 ซึ่งการนำเข้าในปี 2566 มาจากจีนมากที่สุดที่ 6.4 หมื่นล้านบาท รองลงมาเป็นญี่ปุ่นที่ 1.6 หมื่นล้านบาท และสหรัฐอเมริกาที่ 1.1 หมื่นล้านบาท นอกจากนี้ การนำเข้าทั้งหมดในเดือนมกราคม 2567 นี้มีมูลค่า 1 หมื่นล้านบาท ซึ่งเพิ่มขึ้นร้อยละ 10 เมื่อเทียบกับปีก่อนในช่วงเวลาเดียวกัน

นอกจากนี้ประเทศไทยกำลังเร่งเจรจากับสหรัฐอเมริกาเรื่องการลงทุนในอุตสาหกรรมเซมิคอนดักเตอร์ในไทย เพื่อผลักดันประเทศไทยเป็นศูนย์กลางการผลิตรถยนต์ไฟฟ้า (EV) โดยนายเศรษฐา ทวีสิน นายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการคลัง ได้นำเสนอความพร้อมของประเทศไทย ในการเป็นฐานการผลิตของภาคอุตสาหกรรมต่างๆ ให้แก่ผู้นำรัฐบาลและภาคเอกชนหลากหลายพื้นที่ ซึ่งการตั้งคณะทำงานร่วมระหว่างสองประเทศ เพื่อเจรจาเรื่องการลงทุนดังกล่าว ถือเป็นก้าวสำคัญในการสานสัมพันธ์ทางเศรษฐกิจ ขับเคลื่อนนวัตกรรมทางเทคโนโลยี และเสริมสร้างแรงงานทักษะสูงในไทย นอกจากนี้ข้อมูลจากคณะกรรมการส่งเสริมการลงทุน ยังระบุเพิ่มเติมอีกว่า จะมีการลงทุนโรงงานเซมิคอนดักเตอร์ต้นน้ำในไทยเพื่อผลิตแผ่นเวเฟอร์ซึ่งเป็นส่วนประกอบสำคัญของชิปต้นน้ำในเร็วๆ นี้อีกด้วย

บทความ   ปาริชาติ จิรวัชรา Partner Risk Advisory และ

              ทัศดา แสงมานะเจริญ Senior Consultant-Clients & Markets

              ดีลอยท์ ประเทศไทย

การก้าวตามเทคโนโลยีใหม่อย่าง Generative AI ที่มีการพัฒนาอย่างรวดเร็วอาจเป็นเรื่องที่ท้าทายและน่ากลัว ไม่มีใครรู้เลยว่าบริษัทที่ใช้แนวทาง "รอดูไปก่อน" จะถูกทิ้งไว้ข้างหลังในขณะที่ระบบดิจิทัลเติบโตขึ้นอย่างรวดเร็วในช่วงเริ่มต้นของโควิด-19 และตอนนี้เราก็กำลังอยู่ในอีกหนึ่งช่วงเวลาเปลี่ยนผ่านที่สำคัญอีกครั้งของการปรับตัวกับการเข้ามาถึงอย่างรวดเร็วของเทคโนโลยี Generative AI โดย Google Cloud คาดการณ์ว่าอุตสาหกรรมต่างๆ จะพัฒนาไปพร้อมกับ Gen AI ดังนี้:

การขายปลีก

ผู้ค้าปลีกรู้ดีว่าแบรนด์จะดีได้ก็ต่อเมื่อบริการลูกค้านั้นเป็นที่พึงพอใจ ซึ่ง Gen AI ที่ทำงานดั่งตัวแทนเสมือน (Virtual Agent) สามารถช่วยแบ่งเบาภาระจากศูนย์ติดต่อลูกค้าของผู้ค้าปลีกได้ ผ่านการเปิดใช้งานแชทบอทที่ให้การปฏิสัมพันธ์เหมือนมนุษย์ได้ทันที เพื่อช่วยให้ผู้ซื้อสามารถได้คำตอบที่ต้องการอย่างง่ายดาย เช่น การช่วยเหลือทางด้านความแตกต่างระหว่างผลิตภัณฑ์ หรือการแลกเปลี่ยนคำสั่งซื้อ เป็นต้น นอกจากนี้ Gen AI ยังสามารถขับเคลื่อนการค้าแบบสนทนาเพื่อช่วยให้ผู้ซื้อค้นพบสิ่งที่พวกเขากำลังมองหาและลดอัตราการละทิ้งตะกร้าสินค้า ลองนึกภาพการมีสไตลิสต์ส่วนตัวเสมือนจริงที่สามารถโต้ตอบกับผู้ซื้อและแนะนำสินค้าที่ปรับให้เหมาะกับคำถามหรือความชอบของผู้ซื้อแต่ละราย และลองจินตนาการถึงสิ่งนี้ในวงกว้าง แล้วคุณจะเข้าใจว่า Gen AI เป็นโอกาสที่น่าตื่นเต้นสำหรับผู้ค้าปลีกเพียงใด

ยิ่งไปกว่านั้น Gen AI ยังช่วยเพิ่มความคล่องตัวให้แก่ผู้ค้า และช่วยเร่งการจัดการแคตตาล็อกผลิตภัณฑ์ที่ใช้เวลานาน ซึ่งเป็นหนึ่งในอุปสรรคสำคัญของการค้าปลีกเนื่องจากผู้ขายต้องจัดการกับสินค้าคงคลังที่หมุนเวียนอยู่ตลอดเวลา ทั้งนี้ด้วยการทำงานแบบอัตโนมัติผ่าน Gen AI ผู้ค้าปลีกสามารถอัปเดตสินค้าคงคลังที่แสดงปริมาณและรูปแบบอย่างแม่นยำแบบเรียลไทม์ พร้อมรับรูปภาพจากผู้ขาย จัดเรียงและจัดหมวดหมู่ผลิตภัณฑ์ตามคำค้นหายอดนิยมและคำอธิบายที่เกี่ยวข้อง และเขียนคำอธิบายสินค้าที่ช่วยให้ค้นพบสินค้าได้ง่าย

นักการตลาดค้าปลีกที่มีความชำนาญสามารถใช้คำอธิบายสินค้าเหล่านี้สำหรับสร้างข้อความโฆษณาที่น่าสนใจออกมาได้หลายรูปแบบเพื่อให้โดนใจกลุ่มผู้บริโภคที่แตกต่างกัน ตัวอย่างเช่น การใช้ภาพกระเป๋าถือหนึ่งใบ และกำหนดกลุ่มเป้าหมายด้วยข้อความโฆษณาที่แตกต่างกันไปยังนักช้อปประเภทต่างๆ อาทิ กลุ่มที่ใส่ใจสิ่งแวดล้อม กลุ่มคนมิลเลนเนียลที่รักในการเดินทาง และกลุ่มคุณแม่มือใหม่ จากนั้น นักการตลาดสามารถใช้ Gen AI เพื่อช่วยในการสร้างฉากหลังภาพถ่ายผลิตภัณฑ์ที่แตกต่างกันสำหรับกระเป๋าใบนั้น และทำการทดสอบ A/B กับกลุ่มเป้าหมายที่แตกต่างกัน สิ่งนี้ไม่เพียงช่วยประหยัดเวลาของผู้ค้าปลีก แต่ยังช่วยเพิ่มรายได้และเสริมการมีส่วนร่วมของผู้บริโภคอีกด้วย

บริการทางการเงิน

อุตสาหกรรมบริการทางการเงินเป็นหนึ่งในอุตสาหกรรมที่ขับเคลื่อนด้วยข้อมูลมากที่สุดในโลก และ Gen AI สามารถช่วยให้สถาบันการเงินวิเคราะห์ข้อมูล สร้างข้อมูลเชิงลึก และตัดสินใจได้ดีขึ้น  บริการทางการเงินส่วนใหญ่มีคำศัพท์และบริบทที่เฉพาะเจาะจงเป็นของตัวเอง โดยผมมองว่าเราจะเห็นการเพิ่มขึ้นของ LLM ที่ได้รับการปรับแต่งอย่างละเอียด โดยเป็นโมเดลภาษาที่ได้รับการเทรนล่วงหน้า และเทรนเพิ่มเติมเกี่ยวกับชุดข้อมูลของข้อความและโค้ดที่มีขนาดเล็กลงและเฉพาะเจาะจงมากขึ้น ซึ่งช่วยให้โมเดลเข้าใจและตอบสนองต่อพรอมต์และคำถามที่เกี่ยวข้องกับหัวข้อหรือโดเมนเฉพาะได้ดียิ่งขึ้น เช่น การเปลี่ยนแปลงกฎระเบียบหรือมาตรฐานการรายงานทางการเงิน เป็นต้น

นอกจากนี้ คุณภาพของเอาท์พุต Gen AI ยังได้รับการปรับปรุงโดยการการตรวจสอบความสมเหตุสมผล หรือ grounding โมเดล ที่เชื่อมโยงข้อความที่สร้างขึ้นกับข้อมูลและบริบทในโลกแห่งความเป็นจริง ซึ่งหมายความว่าทุกครั้งที่มีการตัดสินหรือการประเมิน โมเดลสามารถอ้างอิงเชิงอรรถหรือเชื่อมโยงกลับไปยังข้อมูลสนับสนุนได้โดยตรง ทั้งนี้ โมเดล Gen AI ที่อธิบายได้ดังกล่าว จะช่วยให้สถาบันการเงินสามารถอธิบายกระบวนการตัดสินใจให้กับลูกค้าได้อย่างโปร่งใส และสร้างความไว้วางใจและความมั่นใจในบริการที่ขับเคลื่อนด้วย AI ที่พวกเขานำเสนอ เรียกได้ว่าทั้งหมดนี้จะทำโดยมีมนุษย์คอยดูแลและควบคุมระบบ AI ที่ใช้ในการตัดสินใจเรื่องการเงินของลูกค้า ด้วยวิธีนี้ ธนาคารสามารถทำให้แน่ใจว่าโมเดล AI เป็นไปตามกฎระเบียบ ลดความเสี่ยง และรักษาความไว้วางใจของลูกค้าได้อย่างมีประสิทธิภาพ

 การดูแลสุขภาพ

โควิด-19 ทำให้เกิดแรงกดดันด้านต้นทุน การขาดแคลนบุคลากร เทคโนโลยีที่กระจัดกระจาย และความซับซ้อนด้านการบริหารที่อุตสาหกรรมการดูแลสุขภาพต้องเผชิญ แต่การเข้ามาของ Gen AI ในอีกสามปีต่อมานั้น สามารถช่วยบรรเทาความกดดันบางส่วนเหล่านี้ได้

ตัวอย่างเช่น Gen AI สามารถแบ่งเบาภาระงานด้านการบริหารและภาระทางปัญญาสำหรับแพทย์ที่มีเวลาจำกัด โดยการค้นหาข้อมูลที่เกี่ยวข้องท่ามกลางชุดผลลัพธ์จำนวนมาก การแยกย่อยรายงานและไฟล์ขนาดยาวเพื่อการใช้งานที่รวดเร็วขึ้น และช่วยเหลือด้านเอกสารทางคลินิก โดย Gen AI ยังสามารถวิเคราะห์และกำหนดค่าข้อมูลที่มีอยู่ในบันทึกสุขภาพอิเล็กทรอนิกส์ และรายงานการวินิจฉัยนับล้านที่อธิบายสภาพของผู้ป่วยและโรงพยาบาล รวมถึงข้อมูลในโหมดที่แตกต่างกันโดยสิ้นเชิง เช่น การสแกนด้วยภาพ ผลการตรวจจากห้องห้องปฏิบัติการ และการสัมภาษณ์ผู้ป่วย ทำให้แพทย์สามารถตอบคำถามทางการแพทย์ได้แม่นยำและปลอดภัยยิ่งขึ้น และยังสร้างข้อมูลเชิงลึกใหม่ๆ เกี่ยวกับสุขภาพและการดูแลผู้ป่วยได้อีกด้วย

เช่นเดียวกับในด้านการเงิน มนุษย์ยังคงเป็นศูนย์กลางของกระบวนการนี้ อย่างไรก็ตาม สิ่งที่ Gen AI มอบให้คือเครื่องมือใหม่ที่ทรงพลังในการประมวลผลและทำงานที่น่าพึงพอใจมากขึ้น ที่สามารถช่วยลดความน่าเบื่อของกระบวนการงาน จากข้อมูลขององค์การอนามัยโลก ปัจจุบันจำนวนพยาบาลมีประมาณ 28 ล้านคนทั่วโลก ซึ่งถ้าเราสามารถช่วยพวกเขาได้เพียงห้านาทีต่อวัน นั่นเท่ากับเป็นเวลา 266 ปีที่จะมุ่งเน้นไปที่การดูแลผู้ป่วย

สรุปแล้ว Gen AI จะมาเปลี่ยนแปลงธุรกิจจึงเปิดกว้างแบบไม่มีที่สิ้นสุด ด้วยความสามารถในการสแกนข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างจำนวนมหาศาล และโต้ตอบกับผู้คนในภาษาธรรมชาติ รวมถึงการระบุรูปแบบแพทเทิร์น เรียนรู้ และสร้างข้อความ รูปภาพ โค้ด และเนื้อหาอื่นๆ อีกมากมาย

ขณะที่ Gen AI เปลี่ยนแปลงจากช่วงทดลองสู่การใช้งานจริงในปี 2024 ผมตั้งตารอที่จะได้เห็นวิธีที่บริษัทต่างๆ ใช้งาน Gen AI เพื่อปลดล็อกประสิทธิภาพและโอกาสในการสร้างรายได้อย่างปลอดภัยและครอบคลุม ซึ่งท้ายที่สุดแล้วจะขับเคลื่อนมาตรฐานใหม่ที่ดียิ่งขึ้นในอุตสาหกรรมต่างๆ ต่อไปอย่างแน่นอน

บทความ  : This email address is being protected from spambots. You need JavaScript enabled to view it.This email address is being protected from spambots. You need JavaScript enabled to view it. Country Director, Google Cloud ประเทศไทย

ในปี 2024 นี้ Generative AI จะเติบโตขึ้นจนกลายเป็นส่วนสำคัญในการทำงานขององค์กรทุกระดับ ตั้งแต่ธุรกิจขนาดเล็กไปจนถึงทีมในบริษัทใหญ่และพนักงานทุกคน จึงทำให้เกิดคำถามว่า Gen AI จะเข้ามามีผลต่อการทำงานของเราต่อไปอย่างไร?

ตั้งแต่ปีที่แล้ว เราได้เห็นผู้คนทำงานร่วมกับ Gen AI ผ่านเครื่องมือของเราอย่าง Gemini for Google Workspace เพื่อพัฒนาทักษะที่มีอยู่ เช่น เหล่านักเขียนทำงานได้อย่างราบรื่นขึ้นด้วยเครื่องมือบรรณาธิการเสมือนจริง (Virtual Editor) หรือเหล่านักออกแบบมาร่วมกันรังสรรค์ไอเดียใหม่ ๆ หรือบางครั้งก็เป็นการเพิ่มทักษะต่าง ๆ ให้กับเครื่องมือการใช้งาน เช่น เหล่ามือใหม่ใน Spreadsheet หันมาใช้ AI เพื่อให้กลายเป็นผู้เชี่ยวชาญด้าน Spreadsheet ได้อย่างรวดเร็ว เป็นต้น

Gen AI เพียบพร้อมด้วยนวัตกรรมทางเทคโนโลยีมากมาย แต่สิ่งสำคัญสำหรับเจ้าของธุรกิจหรือพนักงานของธุรกิจขนาดเล็ก คือผลลัพธ์ที่ได้และวิธีที่ AI ช่วยลดเวลาทำงานได้อย่างมหาศาล ซึ่งช่วยให้พนักงานทำงานและยกระดับการพูดคุยโต้ตอบกับลูกค้าได้อย่างมีประสิทธิภาพ โดยเราจะเห็นผลลัพธ์ผ่าน 3 ส่วนหลัก ดังนี้

โมเดล AI หลายรูปแบบจะปรับปรุงกระบวนการทำงานของธุรกิจ SMB

ในปี 2024 เราจะเริ่มเห็นพลังของ AI ในหลากหลายรูปแบบ เช่น AI ที่เข้าใจข้อมูลทั้งข้อความ รูปภาพ เสียง วิดีโอ และอื่น ๆ ที่จะเข้ามาช่วยขับเคลื่อนองค์กรทุกขนาด รวมถึงธุรกิจขนาดเล็กและขนาดกลาง โดยไม่เพียงแต่จะให้ผลลัพธ์ที่ทรงพลังยิ่งขึ้นเท่านั้น แต่ AI ยังให้ความสามารถในการทำงานหลากหลายรูปแบบในคราวเดียว เช่น ผลลัพธ์ของการคำนวณ spreadsheet อาจอยู่ในเนื้อหาของอีเมล ซึ่งเขียนโดยอ้างอิงถึงการโต้ตอบของลูกค้าก่อนหน้านี้ และอาจมาพร้อมกับไดอะแกรมหรือภาพประกอบที่เหมาะสม เป็นต้น

นอกจากนี้ AI ยังมีประโยชน์สำหรับองค์กรทุกขนาด โดยเฉพาะอย่างยิ่งสำหรับธุรกิจขนาดเล็กที่บุคคลหนึ่งอาจต้องทำงานหลายหน้าที่ เช่น เจ้าของร้านจักรยานในท้องถิ่นอาจได้รับภาพถ่ายจากลูกค้าเกี่ยวกับปัญหาที่เกิดขึ้น ซึ่งโมเดล AI หลายรูปแบบจะสามารถเข้าใจภาพและอธิบายปัญหาได้

นี่คือตัวอย่างของการใช้ AI เพื่อเสริมความสามารถทางธุรกิจ เพื่อช่วยให้ลูกค้าของเรานำเสนอธุรกิจของตนและชิ้นงานต่าง ๆ ได้ดีที่สุดจากหลากหลายรูปแบบ และด้วยการโต้ตอบเชิงสนทนาของ AI ที่ปรับให้เข้ากับวิธีการทำงานของแต่ละบุคคล ผู้คนจึงสามารถพัฒนาการสื่อสารภายในและการสื่อสารกับลูกค้าให้สะดวก เข้าใจง่าย และมีความเป็นส่วนตัวยิ่งขึ้น

ธุรกิจ SMB จะต้องมุ่งไปที่การป้อนคำสั่ง AI

สองสิ่งที่สำคัญที่สุดเกี่ยวกับ Gen AI ในที่ทำงานคือวิธีที่คนทำงานร่วมกับ AI และวิธีที่ AI ทำงานร่วมกับคน

ในปี 2024 ธุรกิจทุกขนาดตั้งแต่ร้านขายของชำไปจนถึงองค์กรระดับโลก จะต้องให้ความสำคัญสูงสุดกับการป้อนคำสั่งข้อมูล หรือ prompts ที่ตรงจุดให้กับ AI เพื่อช่วยปรับปรุงการสื่อสารและการทำงานทุกขั้นตอน ตั้งแต่การสร้างเนื้อหาสำหรับแคมเปญการตลาดผ่านอีเมล ไปจนถึงการร่างและปรับแต่งการตอบกลับลูกค้า

สำหรับธุรกิจขนาดเล็กแล้ว การตั้ง prompts ให้กับ AI อาจนำไปใช้กับการสร้างอีเมลมอบข้อเสนอพิเศษให้แก่ลูกค้า พูดคุยเกี่ยวกับการซื้อครั้งก่อน และกระตุ้นให้เห็นความแตกต่างของการทำงานร่วมกับผู้ให้บริการรายนี้ หรืออาจเป็นการร่างหรือปรับแต่งเนื้อหาหรือจดหมายข่าวรายเดือน หรือแม้แต่แนะนำการตอบกลับอีเมลที่ไม่ได้รับคำตอบจากผู้ขายก็ได้เช่นกัน

และหากคุณใช้ Gemini for Workspace อยู่แล้ว หรือสนใจที่จะทดลองใช้ เรามาเรียนรู้เคล็ดลับเล็ก ๆ น้อย ๆ ในการเขียน prompt เพื่อช่วยให้ได้ผลลัพธ์ที่เป็นประโยชน์มากขึ้น เช่น

· ใช้ภาษาที่เป็นธรรมชาติ

· ชัดเจนและกระชับ

· ให้บริบทหรือข้อมูลที่ชัดเจน

· ใช้คีย์เวิร์ดที่เฉพาะเจาะจงและเกี่ยวข้อง

· แบ่งงานที่ซับซ้อนออกเป็นแต่ละ prompts

การร่วมมือกับ Gen AI จะกลายเป็นสิ่งสำคัญใหม่ที่ขาดไม่ได้ในที่ทำงาน

สิ่งที่โดดเด่นที่สุดประการหนึ่งเกี่ยวกับ gen AI คือปฏิสัมพันธ์ที่เป็นธรรมชาติ ผนวกกับการคำนวณที่ทรงพลังเป็นพิเศษ เพียงแค่คุณพูดหรือป้อนคำสั่งลงไป AI ก็จะค้นหาข้อมูลและมอบสิ่งที่คุณต้องการได้ภายในพริบตา โดยตามหลักการแล้ว เครื่องมือ gen AI จะได้รับการพัฒนาให้ดีขึ้นเรื่อย ๆ และพร้อมทำงานร่วมกับผู้คนหรือข้อมูลอย่างปลอดภัยและเป็นส่วนตัวมากขึ้น เพื่อช่วยสร้าง สื่อสาร และทำงานร่วมกันได้ดียิ่งขึ้น

ปีนี้เราจะได้เห็นบทสนทนาที่ทรงพลังยิ่งขึ้นระหว่างผู้คนและ Gen AI เนื่องจากตัวแมชชีนได้รับการพัฒนาให้ดีขึ้นเรื่อย ๆ ในขณะเดียวกันผู้คนก็เริ่มคุ้นชินกับการทำงานร่วมกับ Gen AI รูปแบบใหม่นี้ด้วย ซึ่งต่างจากแอปพลิเคชันการเขียนและตัวช่วยการทำงานประเภทอื่น ๆ ทั่วไป เพราะการทำงานของ Gen AI จะเกิดขึ้นภายในขั้นตอนของการสร้างสรรค์งาน ที่อาจมีข้อเสนอแนะที่ช่วยเร่งการทำงานให้เร็วขึ้น หรือเปิดระบบการทำงานหรือกระบวนการใหม่ ๆ ที่ไม่รู้จักมาก่อน ให้สามารถทำงานได้อย่างคล่องมือ

ในขณะเดียวกัน AI ก็ได้รับการพัฒนาให้มีประสิทธิภาพมากขึ้นสำหรับการอ่านความต้องการตามสถานการณ์ของธุรกิจ ซึ่งจะสามารถแนะนำระบบการทำงานที่เหมาะที่สุดที่ควรนำมาใช้ในช่วงเวลาที่กำหนดได้ เช่นในการประชุมแต่ละครั้ง AI จะช่วยสรุปการสนทนาและส่งสรุปการประชุมให้ผู้ที่เกี่ยวข้อง หรือแม้แต่งานส่วนตัวที่ AI ก็สามารถแนะนำเครื่องมือหรือรูปภาพที่เหมาะกับงานไปพร้อม ๆ กับช่วยออกแบบไอเดียใหม่ ๆ ได้ด้วย

Gen AI ได้รับพลังจากข้อมูล ดังนั้นการแสดงออกที่ทรงพลังที่สุดจึงมาจากบริการบนคลาวด์ที่มีความเป็นส่วนตัวและความปลอดภัยในตัวเอง ซึ่งเมื่อเทียบกับแอปพลิเคชันรุ่นเก่าที่จัดเก็บข้อมูลบนแล็ปท็อปพร้อมไฟล์ที่แชร์เป็นไฟล์แนบโดยไม่มีการควบคุมการเข้าถึง ระบบบนคลาวด์จึงมีพลังในการเปลี่ยนแปลงโลกการทำงานด้วยคำแนะนำที่เป็นส่วนตัวและเหมาะสมกับงานนั้น ๆ อีกทั้งยังใช้ประโยชน์จากบริบทของงาน เช่น อีเมลหรือไฟล์ที่จัดเก็บไว้บนคลาวด์ในรูปแบบที่ให้ความเป็นส่วนตัวที่สุด

อย่างไรก็ตาม บทสนทนาที่แท้จริงคือการพูดคุยระหว่างคุณกับเพื่อนร่วมงาน กับบริษัท และกับลูกค้า ผมรู้สึกตื่นเต้นกับทุกสิ่งที่เราเตรียมไว้ให้สำหรับลูกค้าของเรา รวมถึงผู้คนที่จะได้รับประโยชน์จาก Gen AI ในปี 2024 และต่อไปในอนาคต

บทความ  :  อรรณพ  ศิริติกุล  Country Director , Google Cloud ประเทศไทย