การ์ทเนอร์คาดการณ์ว่าในอีกสามปี (พ.ศ. 2570) 40% ของโซลูชัน Generative AI จะทำงานในแบบมัลติโหมดที่จะสามารถประมวลผล ทำความเข้าใจและทำงานร่วมกับข้อมูลได้มากกว่าหนึ่งประเภท (อาทิ ข้อความ, รูปภาพ, เสียง และวิดีโอ) ซึ่งเพิ่มขึ้นจาก 1% ในปี 2566 โดยการเปลี่ยนแปลงนี้ทำให้ Human-AI มีปฏิสัมพันธ์ที่พัฒนายิ่งขึ้น และยังมอบโอกาสที่จะสร้างความต่างให้กับสิ่งที่ GenAI มีให้

เอริค เบรทเดอนิวซ์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “เนื่องจากตลาด GenAI วิวัฒน์ไปสู่โมเดลที่เกิดและพัฒนาด้วยโหมดต่าง ๆ มากกว่าหนึ่งโหมด สิ่งนี้ช่วยสะท้อนภาพความสัมพันธ์ระหว่างข้อมูลที่ส่งออกมาในปริมาณมากและเพิ่มขึ้นต่อเนื่องที่แตกต่างกัน และมีศักยภาพในการปรับขนาดการใช้และเพิ่มประโยชน์ของ GenAI ให้ครอบคลุมประเภทข้อมูลและแอปพลิเคชันทั้งหมด นอกจากนี้ยังช่วยให้ AI สนับสนุนการทำงานของมนุษย์ได้มากขึ้นโดยไม่คำนึงถึงสภาพแวดล้อม”

Multimodal GenAI เป็นหนึ่งในสองเทคโนโลยีที่ได้รับการระบุไว้ในรายงาน Gartner Hype Cycle for Generative AI ปีนี้ โดยการนำมาใช้ช่วงแรกอาจสร้างความได้เปรียบในการแข่งขันที่สำคัญและเพิ่มประสิทธิภาพในด้านระยะเวลาในการนำออกสู่ตลาด ควบคู่ไปกับโมเดลภาษาโอเพนซอร์สขนาดใหญ่ (LLM) ทำให้เทคโนโลยีทั้งสองมีศักยภาพที่จะสร้างผลกระทบสูงต่อองค์กรอย่างสูงภายในห้าปีข้างหน้านี้  บรรดานวัตกรรม GenAI ที่การ์ทเนอร์คาดว่าจะได้รับการยอมรับแพร่หลายภายใน 10 ปีนั้น มีเทคโนโลยี 2 ประเภทที่ได้รับการระบุว่ามีศักยภาพสูงสุด ได้แก่ Domain-Specific GenAI Models และ Autonomous Agents

อรุณ จันทรเศกการัน รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “การวิเคราะห์แนวโน้มระบบนิเวศของ GenAI ยังคงเป็นเรื่องยากสำหรับองค์กร เนื่องจากระบบนิเวศของเทคโนโลยีนี้และผู้ผลิตหรือผู้ให้บริการเทคโนโลยีนั้นมีการเปลี่ยนแปลงอย่างรวดเร็ว โดย GenAI กำลังอยู่ในช่วงขาลงเมื่ออุตสาหกรรมเริ่มรวมตัวเข้าด้วยกัน ทว่าประโยชน์ที่แท้จริงจะเกิดขึ้นเมื่อกระแสนี้ลดลง และตามมาด้วยขีดความสามารถที่ก้าวหน้าขึ้นจะเกิดขึ้นรวดเร็วไปอีกมากในอีกไม่กี่ปีข้างหน้านี้”

Multimodal GenAI

Multimodal GenAI จะมีผลกระทบต่อแอปพลิเคชันองค์กรอย่างมาก จากการเพิ่มคุณสมบัติและฟังก์ชันใหม่ ๆ ที่วิธีอื่น ๆ ทำไม่ได้ และผลกระทบนั้นไม่ได้จำกัดอยู่แค่เฉพาะอุตสาหกรรมหรือยูสเคสการใช้งานเฉพาะเท่านั้น แต่ยังสามารถนำไปประยุกต์ใช้ในทุก Touchpoint ระหว่าง AI กับมนุษย์ ปัจจุบัน Multimodal Model หลาย ๆ ตัวยังมีข้อจำกัดอยู่เพียงสองหรือสามโหมดเท่านั้น แต่อีกไม่กี่ปีข้างหน้าจะเพิ่มขึ้นเพื่อให้ครอบคลุมมากขึ้น

“ในโลกความเป็นจริง ผู้คนจะพบเจอและเข้าใจข้อมูลผ่านการประมวลผลที่เป็นการผสมผสานของข้อมูลหลากหลายประเภท อาทิ เสียง ภาพและการสัมผัส โดย Multimodal GenAI นั้นมีความสำคัญอย่างยิ่ง เนื่องจากข้อมูลโดยทั่วไปนั้นจะประกอบด้วยประเภทต่าง ๆ อยู่แล้ว เมื่อนำ Single Modality Models มาประกอบเข้าด้วยกันเพื่อรองรับแอปพลิเคชัน Multimodal GenAI มักส่งผลให้เกิดความล่าช้าและลดความแม่นยำของผลลัพธ์ ส่งผลให้ได้รับประสบการณ์ที่มีคุณภาพต่ำ” เบรทเดอนิวซ์ กล่าวเพิ่ม

Open-Source LLMs LLM แบบโอเพ่นซอร์สเป็นโมเดลพื้นฐานการเรียนรู้เชิงลึกที่เร่งมูลค่าองค์กรจากการนำ GenAI ไปปรับใช้งาน โดยทำให้การเข้าถึงเชิงพาณิชย์ได้อย่างเสรีและอนุญาตให้ผู้พัฒนาปรับแต่งโมเดลให้เหมาะกับงานและยูสเคสการใช้งานเฉพาะ นอกจากนี้ ยังสามารถเข้าถึงชุมชนนักพัฒนาในองค์กร สถาบันการศึกษา และบทบาทการวิจัยอื่น ๆ ที่กำลังทำงานเพื่อเป้าหมายร่วมกันปรับปรุงและทำให้โมเดลนี้มีคุณค่ามากขึ้น

“LLM แบบโอเพ่นซอร์สเพิ่มศักยภาพด้านนวัตกรรมผ่านการปรับแต่งอย่างเหมาะสม ทำให้การควบคุมความเป็นส่วนตัวและความปลอดภัยดีขึ้น โมเดลมีความโปร่งใส มีความสามารถเพิ่มจากการพัฒนาร่วมกัน และมีศักยภาพในการลดการผูกขาดของผู้ขาย ท้ายที่สุดแล้ว LLM นำเสนอโมเดลขนาดเล็กกว่าให้กับองค์กร ซึ่งฝึกฝนได้ง่ายและมีค่าใช้จ่ายน้อยกว่า และเปิดใช้งานแอปพลิเคชันทางธุรกิจและกระบวนการทางธุรกิจหลัก” จันทราเสการัน กล่าวเพิ่ม

Domain-Specific GenAI Models

Domain-Specific GenAI Models ได้รับการพัฒนาเพื่อตอบสนองต่อความต้องการของอุตสาหกรรม ฟังก์ชันทางธุรกิจ หรือภารกิจที่มีความเฉพาะ โดยโมเดลเหล่านี้สามารถเพิ่มประสิทธิภาพของการจัดวางยูสเคสการใช้งานภายในองค์กรได้ พร้อมมอบความแม่นยำ ความปลอดภัย และความเป็นส่วนตัวที่ดีกว่า รวมถึงคำตอบที่เข้าใจบริบท ซึ่งช่วยลดความจำเป็นในการออกแบบข้อความที่ใช้สื่อสารกับโมเดล AI เทียบกับโมเดล AI ที่พัฒนามาเพื่อวัตถุประสงค์ทั่วไป และยังสามารถลดความเสี่ยงจากกรณีที่ AI อาจสร้างภาพหลอนขึ้นมาเอง (Hallucination Risks) จากการฝึกฝนที่เน้นการกำหนดเป้าหมาย

“Domain-specific models สามารถร่นระยะเวลาส่งมอบบริการตามความต้องการ (Time to Value) ประสิทธิภาพเพิ่มขึ้นและมีความปลอดภัยสูงขึ้นสำหรับโครงการ AI ต่าง ๆ โดยการนำเสนอจุด Start ที่ก้าวล้ำกว่าสำหรับงานอุตสาหกรรมเฉพาะ สิ่งนี้จะส่งเสริมการนำ GenAI มาใช้อย่างแพร่หลายมากขึ้น เนื่องจากองค์กรต่าง ๆ จะสามารถนำไปประยุกต์ใช้ในยูสเคสที่ General-Purpose Models ไม่มีประสิทธิภาพเพียงพอ” จันทราเสการัน กล่าวเพิ่ม

Autonomous Agents

Autonomous Agents คือ ระบบรวม (Combined Systems) ที่สามารถบรรลุเป้าหมายที่กำหนดไว้ได้โดยปราศจากมนุษย์ โดยใช้เทคนิค AI ที่หลากหลายในการระบุรูปแบบของสภาพแวดล้อม การตัดสินใจ การจัดลำดับการดำเนินการและสร้างผลลัพธ์ โดยตัวแทนเหล่านี้มีศักยภาพเรียนรู้จากสภาพแวดล้อมและปรับปรุงตลอดเวลา ทำให้สามารถจัดการงานที่ซับซ้อนได้

“Autonomous Agents เป็นการเปลี่ยนแปลงครั้งสำคัญของความสามารถ AI โดยความสามารถดำเนินการและตัดสินใจได้อย่างอิสระช่วยปรับปรุงการดำเนินธุรกิจ สร้างประสบการณ์ที่ดีให้กับลูกค้า และใช้ในการเปิดตัวผลิตภัณฑ์และบริการใหม่ ๆ ส่งผลให้ประหยัดต้นทุนและมีความได้เปรียบทางการแข่งขัน นอกจากนี้ยังเปลี่ยนบทบาทของทีมงานในองค์กรจากการส่งมอบ (Delivery) เป็นการควบคุมดูแล (Supervision) แทน”

ซิสโก้ (NASDAQ: CSCO)  บริษัทชั้นนำด้านเทคโนโลยีระบบรักษาความปลอดภัยและเครือข่าย ได้ประกาศเปิดตัวโซลูชั่นคลัสเตอร์ AI ที่ก้าวล้ำ พร้อมด้วยเทคโนโลยีจาก NVIDIA สำหรับดาต้าเซ็นเตอร์ยุคใหม่ที่จะพลิกโฉมการสร้าง การจัดการ และการปรับแต่งโครงสร้างพื้นฐานและซอฟต์แวร์

ภายใต้วิสัยทัศน์ Cisco Networking Cloud ซึ่งมุ่งที่จะลดความซับซ้อนของเครือข่าย ซิสโก้ได้นำเสนอโซลูชั่นโครงสร้างพื้นฐานแบบครบวงจรที่พร้อมใช้งานในระดับองค์กร เพื่อรองรับเวิร์กโหลด Generative AI โดยโซลูชั่นคลัสเตอร์ Cisco Nexus HyperFabric AI ผสานรวมเครือข่ายแบบ AI-native ของซิสโก้ เข้ากับระบบประมวลผลที่มีการเร่งความเร็วและซอฟต์แวร์ AI ของ NVIDIA และที่เก็บข้อมูล VAST ที่แข็งแกร่ง โซลูชั่นดังกล่าวได้รับการออกแบบเป็นพิเศษเพื่อช่วยให้ลูกค้าสามารถโฟกัสไปที่การสร้างสรรค์นวัตกรรมที่ขับเคลื่อนด้วย AI รวมถึงโอกาสใหม่ๆ ในการสร้างรายได้ โดยไม่ต้องวุ่นวายกับการจัดการระบบไอที

รายงานแนวโน้มด้านระบบเครือข่ายทั่วโลก (Global Networking Trends Report) ฉบับล่าสุดของซิสโก้ ระบุว่า ในช่วงสองปีข้างหน้า 60% ของผู้บริหารและบุคลากรด้านไอทีคาดว่าจะมีการปรับใช้ระบบเครือข่ายอัตโนมัติเชิงคาดการณ์ที่รองรับ AI ในทุกโดเมน เพื่อให้สามารถจัดการ NetOps ได้ดียิ่งขึ้น1 นอกจากนี้ 75% มีแผนที่จะปรับใช้เครื่องมือที่รองรับการตรวจสอบแบบครบวงจรผ่านคอนโซลหนึ่งเดียว ครอบคลุมโดเมนเครือข่ายที่แตกต่างกัน เช่น เครือข่ายแคมปัสและสาขา, WAN, ดาต้าเซ็นเตอร์, อินเทอร์เน็ต, ระบบ คลาวด์สาธารณะ และเครือข่ายอุตสาหกรรม

โจนาธาน เดวิดสัน รองประธานบริหารและผู้จัดการทั่วไปของ Cisco Networking กล่าวว่า “ถึงแม้ว่าอนาคตของ AI จะมีความชัดเจน แต่หนทางข้างหน้าสำหรับหลายๆ องค์กรที่เพิ่งเริ่มต้นการปรับใช้เทคโนโลยีกลับไม่เป็นเช่นนั้น กล่าวคือ ลูกค้าส่วนใหญ่มักจะต้องเผชิญกับปัญหาท้าทายทางด้านการเงินและการดำเนินงานสำหรับการเริ่มต้นใช้งาน AI Stack ซิสโก้มุ่งมั่นที่จะปรับปรุงการติดตั้งใช้งานและการจัดการโครงสร้างพื้นฐาน AI ให้สะดวกง่ายดายมากขึ้น โดยเราได้ร่วมมือกับ NVIDIA เพื่อนำเสนอโซลูชั่น AI Stack ที่ปรับใช้ได้อย่างง่ายดายและควบคุมผ่านระบบคลาวด์ โซลูชั่นที่ว่านี้สร้างขึ้นภายใต้วิสัยทัศน์แพลตฟอร์ม Cisco Networking Cloud ของเรา ซึ่งมุ่งเน้นการทำงานแบบอัตโนมัติและเรียบง่าย”

เควิน ไดเออร์ลิง รองประธานอาวุโสฝ่ายระบบเครือข่ายของ NVIDIA กล่าวว่า “Generative AI จำเป็นต้องใช้โครงสร้างพื้นฐานและซอฟต์แวร์ที่ออกแบบและสร้างขึ้นเพื่อการนี้โดยเฉพาะ เพื่อให้องค์กรต่างๆ สามารถเปลี่ยนข้อมูลที่มีอยู่ให้กลายเป็นเชื้อเพลิงสำหรับการพลิกโฉมธุรกิจได้อย่างปลอดภัยและมีประสิทธิภาพ NVIDIA และซิสโก้ร่วมมือกันเพื่อส่งมอบแพลตฟอร์ม AI และระบบควบคุมที่พร้อมใช้งานสำหรับองค์กร เพื่อเพิ่มความสะดวกในการติดตั้งใช้งานระบบประมวลผลแบบเร่งความเร็ว ระบบเครือข่าย และซอฟต์แวร์ที่จำเป็นสำหรับเวิร์กโหลด Generative AI”

ซิสโก้ได้ตอกย้ำถึงความมุ่งมั่นในการช่วยให้ลูกค้าสามารถปรับใช้โครงสร้างพื้นฐาน AI ได้อย่างรวดเร็ว นอกจากนี้ ซิสโก้ยังส่งมอบเครื่องมือที่เหมาะสมให้กับลูกค้าเพื่อสร้างเครือข่าย AI-native ที่ใช้งานง่าย สามารถคาดการณ์ความล้มเหลวในการทำงาน ตลอดจนวินิจฉัยและแก้ไขปัญหาได้อย่างฉับไว

วิธีการทำงานของ Cisco Nexus HyperFabric AI Cluster

โซลูชั่นนี้รองรับการออกแบบ ปรับใช้ ตรวจสอบ และรับรองพ็อด AI และเวิร์กโหลดของดาต้าเซ็นเตอร์อย่างครบวงจร โดยจะแนะนำผู้ใช้ตั้งแต่ขั้นตอนการออกแบบ ไปจนถึงการติดตั้งใช้งานที่ผ่านการตรวจสอบยืนยัน ไปจนถึงการตรวจสอบดูแลและรับรองโครงสร้างพื้นฐาน AI ที่พร้อมใช้งานระดับองค์กร ด้วยความสามารถในการจัดการระบบคลาวด์ ลูกค้าจะสามารถติดตั้งและจัดการแฟบริคขนาดใหญ่ที่ครอบคลุมทั่วทั้งดาต้าเซ็นเตอร์ ระบบโคโลเคชั่น (Colocation) และไซต์ Edge ได้อย่างง่ายดาย

โซลูชั่นคลัสเตอร์ Cisco Nexus HyperFabric AI นำเสนอการทำงานแบบอัตโนมัติที่ควบคุมจัดการผ่านระบบคลาวด์ ครอบคลุมระบบประมวลผลและเครือข่ายแบบครบวงจรที่ผสานรวมความเชี่ยวชาญด้านสวิตช์อีเธอร์เน็ตของซิสโก้บน Cisco Silicon One โดยบูรณาการเข้ากับระบบประมวลผลแบบเร่งความเร็วของ NVIDIA และซอฟต์แวร์ NVIDIA AI Enterprise รวมไปถึงแพลตฟอร์มการจัดเก็บข้อมูลของ VAST โซลูชั่นดังกล่าวประกอบด้วย:

· ความสามารถในการจัดการระบบคลาวด์ของซิสโก้ ซึ่งจะช่วยลดความยุ่งยากซับซ้อนของการดำเนินงานด้านไอทีในทุกขั้นตอนของเวิร์กโฟลว์

· สวิตช์ Cisco Nexus 6000 series สำหรับ Spine และ Leaf ซึ่งให้ประสิทธิภาพของแฟบริคอีเธอร์เน็ต 400G และ 800G

· โมดูล QSFP-DD ในตระกูล Cisco Optics ซึ่งช่วยเพิ่มทางเลือกให้แก่ลูกค้าและให้ความหนาแน่นสูงมาก

· ซอฟต์แวร์ NVIDIA AI Enterprise ซึ่งช่วยเพิ่มความคล่องตัวในการพัฒนาและปรับใช้เวิร์กโหลด Generative AI ในระดับเทียบเท่าการใช้งานจริง

· ไมโครเซอร์วิสการอนุมาน NVIDIA NIM ที่เพิ่มความรวดเร็วในการปรับใช้โมเดลพื้นฐาน พร้อมทั้งรับประกันความปลอดภัยของข้อมูล และสามารถใช้งานร่วมกับ NVIDIA AI Enterprise · NVIDIA Tensor Core GPU ที่เริ่มต้นด้วย NVIDIA H200 NVL ได้รับการออกแบบเป็นพิเศษเพื่อเพิ่มพลังให้กับเวิร์กโหลด Generative AI ด้วยสมรรถนะที่เหนือชั้นและความสามารถของหน่วยความจำที่เหนือกว่า

· หน่วยประมวลผลข้อมูล NVIDIA BlueField-3 DPU และ BlueField-3 SuperNIC สำหรับการเร่งความเร็วของเวิร์กโหลดด้านเครือข่ายประมวลผล AI การเข้าถึงข้อมูล และการรักษาความปลอดภัย

· ดีไซน์ต้นแบบระดับองค์กรสำหรับ AI ที่สร้างขึ้นบน NVIDIA MGX ซึ่งเป็นสถาปัตยกรรมเซิร์ฟเวอร์แบบแยกส่วนที่มีความยืดหยุ่นสูง

· VAST Data Platform ซึ่งให้พื้นที่จัดเก็บข้อมูลแบบครบวงจร ฐานข้อมูล และเอนจิ้นฟังก์ชั่นที่ขับเคลื่อนด้วยข้อมูลซึ่งสร้างขึ้นเป็นพิเศษสำหรับ AI

การนำ ChatGPT มาใช้อย่างรวดเร็วได้ยกระดับผลกระทบเชิงลบด้านสิ่งแวดล้อมในหลายมิติ จากที่ Generative AI เป็นเทคโนโลยีใหม่ที่กำลังได้รับความนิยม ได้กลายเป็นความกังวลขององค์กรทันที เมื่อยูสเคสที่เหมือนจะดูดีและถูกขับเคลื่อนโดยเทคโนโลยีเกิดใหม่นี้กลับสร้างผลเสียมากกว่าผลดีในแง่ของการปล่อยก๊าซเรือนกระจก (GHG) และปริมาณการใช้ไฟฟ้าและน้ำ

อย่างไรก็ตามหากใช้อย่างถูกวิธีและอยู่ภายใต้การควบคุมดูแลของมนุษย์ Generative AI ยังสามารถเร่งให้เกิดความยั่งยืนเชิงบวกพร้อมสร้างผลลัพธ์ทางการเงินได้ โดยเทคโนโลยีนี้อาจช่วยให้บริษัทลดความเสี่ยงด้านความยั่งยืน ปรับต้นทุนให้เหมาะสม และขับเคลื่อนการเติบโตได้เพื่อสร้างสมดุลระหว่างอันตรายและประโยชน์ของเทคโนโลยีนี้ องค์กรจำเป็นต้องดำเนินการ 2 ประการ ประการแรก คือ สร้างการรับรู้และลดการปล่อยพลังงานของ Generative AI เพื่อให้มันเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น จากนั้นระบุ ประเมินและจัดลำดับความสำคัญยูสเคสที่เกี่ยวกับความยั่งยืนด้านสิ่งแวดล้อมตระหนักถึงปัญหาด้านการบริโภคพลังงานของ Generative AI

Generative AI นั้นพึ่งพาโมเดลภาษาขนาดใหญ่ที่ได้รับการเทรนจากข้อมูลมหาศาล ซึ่งต้องระบายความร้อนด้วยน้ำหล่อเย็นและใช้พลังงานไฟฟ้า หรืออาจใช้พลังงานทั้งสองจำนวนมหาศาล แม้ในระยะยาวการปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับไฟฟ้าจะลดลงเมื่อมีการใช้แหล่งพลังงานหมุนเวียนมากขึ้น ซึ่งโมเดล Generative AI ที่ทรงพลังยิ่งขึ้นจะต้องการความสามารถในการประมวลผลมากขึ้นตามไปด้วย

ปัญหาเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้าและน้ำนั้นมีมากกว่าของ Generative AI การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 ผู้บริหาร 75% จะเผชิญกับข้อจำกัดของเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้า เนื่องจากความต้องการเทคโนโลยีและการแข่งขันกันทางด้านสังคมจะทวีความดุเดือดมากขึ้น ดังนั้นผู้บริหาร CIO จึงไม่ต้องการที่จะติดอยู่ในศึกการแย่งชิงทรัพยากรที่มีจำกัดกับชุมชนท้องถิ่น

มุ่งมั่นลดการปล่อยพลังงาน Generative AI

Generative AI จะต้องมีประสิทธิภาพการทำงานเทียบเท่ากับสมองมนุษย์ เพื่อให้เป็นมิตรกับสิ่งแวดล้อมมากขึ้น สาเหตุหนึ่งที่ทำให้สมองประหยัดพลังงานมากก็คือ สมองสามารถจัดระเบียบความรู้ในโครงสร้างเครือข่ายได้ โดยแนวทางที่ใกล้เคียงที่สุดคือ Composite AI คือการรวมโมเดล AI หลายแบบเข้าด้วยกันเพื่อให้ได้ประสิทธิภาพและความแม่นยำที่ดีขึ้น ซึ่งใช้โครงสร้างเครือข่ายและเทคนิคคล้ายกันเพื่อเสริมกำลังมหาศาลด้วยวิธีการเรียนรู้เชิงลึกในปัจจุบัน

Generative AI ยังบริโภคพลังงานไฟฟ้าและน้ำเป็นหลัก ดังนั้นการหยุดเทรน AI ในทันทีหรือการเก็บข้อมูลการเทรนโมเดล การนำโมเดลที่ได้รับการเทรนแล้วกลับมาใช้ใหม่ และการใช้ฮาร์ดแวร์และอุปกรณ์เครือข่ายที่ประหยัดพลังงานมากขึ้น จะสามารถสร้างสมดุลแนวทางปริมาณงานในดาต้าเซ็นเตอร์แบบ "ตามสถานการณ์และความเป็นจริง - Follow The Sun" ซึ่งดีกว่าสำหรับการผลิตพลังงานสะอาด กับการใช้แนวทาง "แยกเดินออกมา Unfollow The Sun" สำหรับประสิทธิภาพการใช้น้ำที่ดีกว่า

อีกวิธีหนึ่งในการทำให้ Generative AI มีความเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น คือการใช้งานในสถานที่ที่ใช่ ในเวลาที่เหมาะสม โดยความเข้มข้นของคาร์บอนจากแหล่งพลังงานในท้องถิ่นจะแตกต่างกันไปตามปัจจัยหลายประการ แนวปฏิบัติที่ดีที่สุดคือการใช้การจัดตารางเวลางานที่คำนึงถึงพลังงาน ควบคู่ไปกับบริการการติดตามและการคาดการณ์คาร์บอนเพื่อลดการปล่อยก๊าซที่เกี่ยวข้อง

พร้อมตั้งเป้าซื้อแหล่งพลังงานสะอาดใหม่ตามที่วางแผนไว้สำหรับนำมาใช้ The Greenhouse Gas Protocol ที่กำลังกำหนดให้บริษัทต่าง ๆ จัดทำการวิเคราะห์พลังงานสะอาดอย่างละเอียดเพิ่มเติมตามแหล่งสถานที่ ช่วงเวลาของวัน หรือทั้งสองอย่าง

ระบุยูสเคสความยั่งยืนด้านสิ่งแวดล้อมที่มีศักยภาพ

มี 3 กรอบการดำเนินงานกว้าง ๆ ที่ยูสเคส Generative AI สามารถเร่งความยั่งยืนด้านสิ่งแวดล้อม ได้แก่ การลดความเสี่ยง การเพิ่มประสิทธิภาพต้นทุน และใช้ขับเคลื่อนการเติบโต

การปฏิบัติตามกฎระเบียบเป็นวิธีการนึงที่ Generative AI สามารถช่วยองค์กรลดความเสี่ยงด้านสิ่งแวดล้อมโดยการระบุและตีความตัวบทกฎหมาย มาตรฐาน คำสั่ง และข้อกำหนดการรายงานความยั่งยืน รวมถึงการอัปเดตอยู่ตลอดเวลา ที่สามารถพัฒนาแผนปฏิบัติการเพื่อให้บรรลุตามข้อกำหนดและเป็นเครื่องมือฝึกอบรมเพื่อให้ความรู้แก่พนักงานด้านกฎระเบียบเฉพาะ

จากมุมมองของการเพิ่มประสิทธิภาพต้นทุน Generative AI สามารถช่วยสนับสนุนการตัดสินใจได้ สามารถวิเคราะห์ข้อมูลความยั่งยืนภายใน และระบุรูปแบบ แนวโน้ม พื้นที่การปรับปรุง ความเป็นไปได้ ความเสี่ยง และเกณฑ์มาตรฐาน โดยสามารถให้ข้อมูลเชิงลึกว่าการตัดสินใจขององค์กรจะส่งผลต่อความยั่งยืนอย่างไร และคาดการณ์ประสิทธิภาพในอนาคตที่อาจเกิดขึ้น องค์กรสามารถวางแผนและเลือกแนวทางที่เหมาะสมที่สุดเพื่อบรรลุเป้าหมายการลดการปล่อยก๊าซเรือนกระจก

Generative AI ยังสามารถใช้ขับเคลื่อนการเติบโตที่ยั่งยืนโดยนำมาใช้เพื่อค้นหาแหล่งทรัพยากรและวัสดุทางเลือก สามารถให้คำแนะนำสิ่งทดแทนปัจจัยการผลิตแบบเดิมไปสู่ความยั่งยืน เช่น ข้อมูลเชิงลึกเกี่ยวกับนวัตกรรมทางเทคโนโลยีอย่างวัสดุนาโน และข้อมูลเกี่ยวกับความพร้อม ประสิทธิภาพ และผลกระทบต่อสิ่งแวดล้อม

เมื่อพิจารณายูสเคส Generative AI เพื่อเป้าหมายความยั่งยืน การประเมินผลกระทบเชิงบวกและเชิงลบเป็นสิ่งสำคัญ ผู้บริหารต้องเข้าใจมูลค่าธุรกิจเชิงบวกทั้งในแง่ของผลประโยชน์ทางการเงินและความยั่งยืน ตลอดจนความเป็นไปได้ และผลกระทบเชิงลบต่อสิ่งแวดล้อมด้วยการวัดจากการปล่อยก๊าซเรือนกระจก การใช้พลังงานไฟฟ้าและน้ำ

จากนั้นจัดลำดับความสำคัญการลงทุนเป็น 3 ระดับ ได้แก่ 1.ลงทุนทันที 2.ลงทุนเพื่อลดความเสี่ยงและลดการใช้พลังงานเป็นสำคัญ หรือ 3.ไม่ลงทุนเลย ด้วยวิธีการนี้ คุณจะใช้ Generative AI เร่งผลลัพธ์ด้านความยั่งยืนเชิงบวกขององค์กร โดยใช้ประโยชน์จากเคสการใช้งานที่สร้างมูลค่ามากกว่าทำลายเพียงอย่างเดียว

บทความ  :  คริสติน โมเยอร์  รองประธานฝ่ายวิจัย  การ์ทเนอร์

Spacely AI สตาร์ทอัพแพลตฟอร์มที่นำ Generative AI มาช่วยในการออกแบบสถาปัตยกรรมภายในที่ได้รับการลงทุนระดับ Pre-Seed จาก SCB 10X บริษัทภายใต้กลุ่มเอสซีบี เอกซ์ (SCBX Group) ซึ่งเป็นการสนับสนุนเป้าหมายของ Spacely AI ที่ต้องการสร้างโอกาสในการออกแบบให้กับทุกคน และมุ่งหวังเป็นแพลตฟอร์มหลักในอุตสาหกรรมการออกแบบเชิงพื้นที่ สอดรับกับยุทธศาสตร์ของกลุ่ม SCBX ในการมุ่งมั่นสนับสนุนการพัฒนาด้านเทคโนโลยี AI เพื่อเพิ่มขีดความสามารถทางการแข่งขันและสร้างการเติบโตอย่างยั่งยืน

 นางมุขยา (ใต้) พานิช ประธานเจ้าหน้าที่บริหาร (CEO) และ Chief Venture and Investment Officer บริษัท เอสซีบี เท็นเอกซ์ จำกัด (SCB 10X) กล่าวว่า "SCB 10X มีความภูมิใจที่ได้สนับสนุน Spacely AI เพื่อปลดล็อกความสามารถในการออกแบบด้วยความก้าวหน้าของ visual-based generative AI และเพื่อต่อยอดความคิดสร้างสรรค์แก่นักออกแบบให้ได้รับประโยชน์จากการพัฒนาของเทคโนโลยีนี้ โดย SCB 10X ร่วมสนับสนุน Spacely AI ทั้งด้านกลยุทธ์และการพัฒนาให้แก่แพลตฟอร์ม รวมถึงความพยายามในการผลักดัน Spacely AI ไปสู่วงการการออกแบบทั่วโลก"

 นายพารวย อันอดิเรกกุล Chief Executive Officer Spacely AI กล่าวว่า "การสนับสนุนจาก SCB 10X ไม่ได้เป็นเพียงแค่การลงทุนทางธุรกิจ แต่เป็นความร่วมมือที่สอดคล้องกับวิสัยทัศน์ของเราในการพัฒนาวงการการออกแบบเชิงพื้นที่ และยังเน้นย้ำถึงความเชื่อร่วมกันในศักยภาพของ Generative AI ในการเปลี่ยนแแปลงมาตรฐานของการออกแบบระดับโลก"

Spacely AI กำลังขยายฐานผู้ใช้อย่างรวดเร็ว ซึ่งปัจจุบันมีผู้ใช้กว่า 170 ประเทศทั่วโลก และยังได้รับการยอมรับจากสตาร์ทอัพคอมมูนิตี้ระดับสากล จากการชนะรางวัลมากมาย ไม่ว่าจะเป็นการได้รับรางวัลรองชนะเลิศอันดับ 1 จากรายการ “LabLab Stable Diffusion Hackathon 2023” ซึ่งมีผู้เข้าแข่งขันกว่า 2,600+ ทีมทั่วโลก และได้รางวัลรองอันดับ 2 จากรายการ “Tech in Asia 2023 Regional Startup Competition” ซึ่งมีผู้เข้าแข่งขันกว่า 200 ทีม

Spacely AI ได้สร้างผลงานด้วยระบบ AI ไปแล้วมากกว่า 1,000,000 รูป มีผู้ใช้กว่า 120,000 คนทั่วโลก และยังมีการพัฒนาฟีเจอร์การใช้งานอย่างต่อเนื่องกว่า 12 รายการ มีธีมห้องให้ผู้ใช้เลือกใช้กว่า 100 สไตล์ พร้อมรูปแบบห้องและพื้นที่มากกว่า 100 ประเภท ตั้งแต่ภายในไปจนถึงภายนอกอาคาร เพื่อตอบโจทย์ความต้องการด้านการออกแบบเชิงพื้นที่อย่างมีประสิทธิภาพ ปัจจุบัน Spacely AI มีการร่วมมือกับบริษัทชั้นนำที่มีชื่อเสียงด้านการตกแต่งบ้านและอสังหาริมทรัพย์อย่าง Index Living Mall และ Proud Real Estate ซึ่งเป็นการตอกย้ำความสำเร็จของ Spacely AI

ด้าน นายเอกลักษณ์ ปัทมสัตยาสนธิ Senior Vice President Business Development YOUNIQUE & The Walk Line ผู้ค้าปลีกเฟอร์นิเจอร์ที่ใหญ่ที่สุดในประเทศไทย เปิดเผยว่า "ในการเลือกใช้เทคโนโลยีของ Spacely AI ทาง Index Living Mall มุ่งหวังที่จะตอบโจทย์ความต้องการของลูกค้าได้อย่างแม่นยำ เพิ่มความสามารถในการทำงานให้แก่นักออกแบบ และยกระดับประสบการณ์ของผู้ใช้ให้ดีมากยิ่งขึ้น ทั้งนี้ Spacely AI สามารถลดเวลาในกระบวนการออกแบบและเพิ่มประสิทธิภาพในการทำงานของดีไซน์เนอร์ นี่จะเป็นอีกหนึ่งก้าวสำคัญในความมุ่งมั่นของเราที่จะเป็นเลิศในด้านการบริการและการเติบโตทางธุรกิจ"

“ความร่วมมือระหว่าง Spacely AI ถือเป็นส่วนช่วยในการสร้างประสบการณ์ใหม่ให้กับผู้ซื้ออสังหาริมทรัพย์ พร้อมสะท้อนความพิเศษที่มากกว่าของแบรนด์และโครงการของพราวได้เป็นอย่างดี โดยตลอด Customer Journey ลูกค้าจะสามารถต่อยอดไอเดียการออกแบบบนพื้นที่ภายในโครงการให้เป็นพื้นที่เสมือนจริงของตัวเองได้ด้วย AI” กล่าวโดย นายพสุ ลิปตพัลลภ Director Proud Real Estate ผู้พัฒนาอสังหาริมทรัพย์ชั้นนำในประเทศไทย

Spacely AI เปิดตัว Enterprise API ตัวใหม่สำหรับองค์กรและ SME ในอุตสาหกรรมการออกแบบ และที่อยู่อาศัย:

• Instant Rendering API: ช่วยออกแบบห้องตามความต้องการของลูกค้าได้อย่างรวดเร็ว
• Product Visualization API: ช่วยสร้างภาพจำลองสินค้า ภายในห้องของลูกค้าได้อย่างสมจริง
• Precision Space Planning API: ช่วยวิเคราะห์ขนาดพื้นที่ได้อย่างแม่นยำ
• Smart Recommendation API: ช่วยจับคู่สินค้าให้ตรงกับความต้องการและงบประมาณของลูกค้า

Enterprise API ช่วยส่งเสริมประสบการณ์การขาย และสร้างผลตอบรับให้กับองค์กรได้อย่างมีประสิทธิภาพใน 4 ด้าน:

1. Hyper-Personalized Shopping Experiences: สร้างประสบการณ์ระดับเฉพาะบุคคล ซึ่งถูกออกแบบมาให้เข้าใจความต้องการของลูกค้าอย่างละเอียด
2. Accelerated Revenue Growth: เร่งการเติบโตของรายได้ ผ่านการจำลองภาพสินค้าในพื้นที่จริง และปิดการขายได้อย่างรวดเร็ว
3. Increased Average Basket Size: แสดงสินค้าจากแคตตาล็อกของผู้ให้บริการที่ตรงกับไลฟ์สไตล์และความต้องการของลูกค้าเพื่อเพิ่มประสิทธิภาพในการขาย
4. Amplified Online Conversion Rates: ช่วยให้ลูกค้าเห็นภาพ และปรับแต่งพื้นที่ของพวกเขาได้อย่างง่ายดาย เพื่อเพิ่มความต้องการและความเหมาะสมการในเลือกซื้อ

 นายพารวย อันอดิเรกกุล Chief Executive Officer Spacely AI กล่าวเพิ่มเติมว่า “การเปิดตัว Enterprise API เป็นก้าวที่สำคัญสู่อุตสาหกรรมการออกแบบและเฟอร์นิเจอร์ แต่สิ่งนี้เป็นเพียงก้าวแรกเท่านั้น Spacely AI มุ่งมั่นที่จะพัฒนาความสามารถของ Generative AI เพื่อให้ครอบคลุมและตอบโจทย์ทุกปัญหาของการออกแบบเชิงพื้นที่ พร้อมทั้งผลักดันขอบเขตของความคิดสร้างสรรค์ในโลกแห่งการออกแบบต่อไป”

มาเป็นส่วนหนึ่งกับ Spacely AI ในการยกระดับอุตสาหกรรมการออกแบบและค้นพบศักยภาพสูงสุดของ Generative AI ในการเปลี่ยนแปลงโลก และยกระดับมาตรฐานของการออกแบบ เพื่อสร้างประโยชน์สูงสุดแก่องค์กรและเสริมความเป็นผู้นำในวงการธุรกิจของคุณ สามารถใช้ Spacely AI ได้แล้ววันนี้ที่ www.spacely.ai