February 20, 2024

บริษัทสตาร์ทอัพมักเป็นผู้นำในการสร้างสรรค์นวัตกรรมมาโดยตลอด โดยเฉพาะในยุคของ Generative AI บริษัทเหล่านี้มีความพร้อมในการปรับใช้เทคโนโลยีเพื่อพัฒนาประสบการณ์ของลูกค้าและการทำงานของเราอย่างที่ไม่เคยมีมาก่อน ข้อมูลจาก PitchBook data เผยว่านักลงทุนทั่วโลกที่มองเห็นคุณค่าและศักยภาพของสตาร์ทอัพในด้าน Generative AI ได้ลงทุนไปแล้วกว่า 21.4 พันล้านเหรียญสหรัฐตั้งแต่ต้นปี พ.ศ. 2566 ไปจนถึง 30 กันยายน 2566 ซึ่งเพิ่มขึ้นจากปี พ.ศ. 2565 เป็นจำนวน 5.1 พันล้านเหรียญสหรัฐ ในปัจจุบันมีสตาร์ทอัพด้าน Generative AI มากกว่า 5,000 รายที่กำลังสร้างโซลูชันบน AWS สตาร์ทอัพรายย่อยเหล่านี้มีความคล่องตัวสูงและมีศักยภาพที่จะพลิกโฉมอุตสาหกรรมด้วยแนวคิดใหม่ ๆ บวกกับการพัฒนาโซลูชันที่เหมาะสมกับแต่ละประเทศ และการนำเสนอวิธีการใหม่ ๆ โดยนำ AI มาใช้งาน ความสำเร็จของสตาร์ทอัพเหล่านี้เป็นที่น่ายกย่องอย่างยิ่ง เมื่อคำนึงถึงความท้าทายในการเป็นผู้บุกเบิกของเทคโนโลยีที่เปลี่ยนแปลงอย่างรวดเร็ว

 

AI ที่เข้าใจบริบททางวัฒนธรรม

เทคโนโลยี Generative AI ได้ดึงดูดความสนใจผู้คนมาแล้วทั่วโลก ด้วยความสามารถในการเรียนรู้และนำไปใช้จากโมเดลพื้นฐาน (Foundation Models: FMs) ซึ่งได้ถูกเทรนล่วงหน้าด้วยข้อมูลปริมาณมหาศาล อย่างไรก็ตาม คุณภาพของโมเดลขึ้นอยู่กับข้อมูลที่ได้ถูกนำมาใช้เทรน ตัวอย่างเช่น เมื่อโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ที่ได้ถูกเทรนล่วงหน้าด้วยข้อมูลที่เป็นภาษาอังกฤษ หากถูกนำมาใช้งานเพื่อตอบคำถามในภาษาอื่น ๆ อาจทำให้เกิดข้อผิดพลาดหรือการตีความที่ผิดได้

สิ่งต่างๆนี้เป็นปัจจัยสำคัญอย่างยิ่งโดยเฉพาะในภูมิภาคเอเชียแปซิฟิก ซึ่งมีประชากรที่พูดภาษาต่าง ๆ กว่า 2,300 ภาษา เพื่อที่จะรองรับวิธีการทำงาน วัฒนธรรม และภาษาที่หลากหลายของภูมิภาคนี้ จึงมีความจำเป็นอย่างยิ่งในการเทรน LLM ด้วยข้อมูลที่มีความหลายหลายทางวัฒนธรรม เพื่อให้ AI เข้าใจแง่มุมที่ละเอียดอ่อนเกี่ยวกับประสบการณ์ของมนุษย์ และสามารถเข้าใจความซับซ้อนทางสังคมได้ การสร้าง AI ที่สามารถรับรู้วัฒนธรรมของมนุษย์ในแต่ละท้องถิ่นมากขึ้นนั้น จะช่วยเพิ่มการเข้าถึงเทคโนโลยี AI ที่สร้างการเปลี่ยนแปลงต่อประเทศ ชุมชน และประชากรรุ่นต่อ ๆ ไปอีกด้วย

สตาร์ทอัพเป็นผู้นำในการเทรนโมเดลด้วยข้อมูลที่มีความเจาะจงในแต่ละท้องถิ่น ไม่ว่าจะเป็นข้อมูลในรูปแบบข้อความ รูปภาพ เสียง วิดีโอ และอื่น ๆ ยกตัวอย่างเช่น Botnoi Voice ซึ่งเป็นสตาร์ทอัพสัญชาติไทยที่ใช้โครงสร้างพื้นฐานของ AWS ในการสร้าง AI Bot ที่สามารถอ่านออกเสียงข้อความภาษาไทยด้วยเสียงสังเคราะห์ใหม่ ๆ ที่หลากหลาย ได้อย่างชัดเจนและเป็นธรรมชาติ แบรนด์ต่าง ๆ สามารถใช้ประโยชน์จากบริการของ

Botnoi Voice ได้อย่างง่ายดาย เพียงแค่ไปยังเว็บไซต์ของ Botnoi Voice และอัปโหลดข้อความต้นฉบับ ก็จะสามารถดาวน์โหลดไฟล์เสียงที่มีความเป็นธรรมชาติ ซึ่งถูกสร้างขึ้นโดยอัตโนมัติโดยไม่ต้องสมัครสมาชิก สิ่งนี้จะช่วยปรับปรุงประสบการณ์ของลูกค้าในหลากหลายอุตสาหกรรม ไม่ว่าจะเป็นด้านการศึกษาไปจนถึงสื่อ (media) เพื่อให้แบรนด์ต่าง ๆ สามารถนำเสนอประสบการณ์ที่เหนือชั้นให้แก่ลูกค้าของตนได้

การสร้างนวัตกรรมในหลากหลายอุตสาหกรรม

สตาร์ทอัพมีบทบาทสำคัญในการสร้างสรรค์นวัตกรรมด้าน Generative AI ในทุกขั้นตอน ตั้งแต่การวางเฟรมเวิร์คพื้นฐานด้วย (Foundation Model: FM) ไปจนถึงการพัฒนาการใช้งานจริง ปัจจุบันสตาร์ทอัพที่ใช้ Generative AI ในพลิกโฉมอุตสาหกรรมต่าง ๆ เป็นที่เรียบร้อยแล้ว เช่น อุตสาหกรรมการดูแลสุขภาพ บริการทางการเงิน สื่อและความบันเทิง การศึกษา และเกม Generative AI ยังคงปฏิวัติวิธีการดำเนินงานของธุรกิจและองค์กรทุกขนาดต่อไปเรื่อย ๆ โดยการพัฒนาระบบทำงานอัตโนมัติ ปรับปรุงกระบวนการวางแผนทางธุรกิจ และดัดแปลงประสบการณ์ผู้ใช้ให้เหมาะกับแต่ละบุคคล

ในแวดวงการแพทย์ เครื่องมือการฝึกอบรมที่ได้รับความช่วยเหลือจาก AI สามารถสร้างรูปแบบการฝึกอบรมให้แก่บุคลากรทางการแพทย์เฉพาะบุคคลและเป็น real time เพื่อช่วยแก้ไขปัญหาการขาดแคลนบุคลากรที่มีอยู่ในปัจจุบัน SimConverse สตาร์ทอัพจากออสเตรเลียใช้ Generative AI เพื่อจำลองสถานการณ์จริง ในการฝึกอบรมบุคลากรทางการแพทย์กว่า 300,000 คน จากองค์กรกว่า 150 แห่งในออสเตรเลียและนิวซีแลนด์ บริษัท SimConverse ใช้บริการประมวลผลของ Amazon เพื่อเทรนโมเดล AI ของตนในสถานการณ์จำลองกว่า 1,000 รูปแบบ ตั้งแต่การสื่อสารเบื้องต้น เช่น การกรอกประวัติทางการแพทย์ ไปจนถึงสถานการณ์ที่มีความซับซ้อนทางภาษา เช่น การพูดเพื่อลดความรุนแรงของสถานการณ์ และการแจ้งข่าวร้ายให้แก่ญาติครอบครัว

อีกหนึ่งอุตสาหกรรมที่ได้รับอิทธิพลอย่างมากจากเทคโนโลยี AI คือธุรกิจสื่อและความบันเทิง ซึ่งบริษัทต่าง ๆ ได้นำ Generative AI มาช่วยในด้านการผลิตเนื้อหาใหม่ ๆ แบบอัตโนมัติ ลดต้นทุน และเพิ่มผลผลิต Toonsquare สตาร์ทอัพจากเกาหลีใต้ ได้บุกเบิกนวัตกรรมในวงการเว็บตูนด้วยเครื่องมือสร้างเว็บตูนสุดล้ำสมัยที่ขับเคลื่อนด้วย AI ชื่อว่า Tooning ซึ่งอยู่บน AWS เครื่องมือ Tooning ช่วยให้งานที่ก่อนหน้านี้ใช้เวลาถึง 60 ชั่วโมงต่อสัปดาห์ สามารถเสร็จสิ้นได้ภายในเวลาเพียง 6 ชั่วโมงเท่านั้น

 

ขยายการเข้าถึง AI

สตาร์ทอัพมีบทบาทสำคัญในการขับเคลื่อนการปฏิวัติเทคโนโลยี AI อย่างปฏิเสธไม่ได้ตั้งแต่เริ่มแรกไปจนถึงการนำไปใช้ในอุตสาหกรรมต่าง ๆ ในขณะที่สตาร์ทอัพยังคงขับเคลื่อนนวัตกรรมอย่างต่อเนื่อง พวกเขายังเผชิญกับ

อุปสรรคสำคัญซึ่งรวมถึงข้อจำกัดด้านทรัพยากร ความซับซ้อนด้านจริยธรรมและกฎระเบียบ อุปสรรคในการนำมาปรับใช้งาน รวมไปถึงการขาดผู้เชี่ยวชาญทางด้านเทคนิค

ในการเอาชนะอุปสรรคเหล่านี้ สตาร์ทอัพจำเป็นต้องมีเครื่องมือและสามารถเข้าถึงทรัพยากรระบบคลาวด์ที่จะทำให้พวกเขามีข้อได้เปรียบในการแข่งขันได้ เมื่อเร็ว ๆ นี้ AWS ได้เปิดตัวเทคโนโลยีในทุกเลเยอร์ของ “สแต็ก” Generative AI เพื่อให้สามารถสร้าง เทรน และขยาย Generative AI ของตนได้ง่ายยิ่งขึ้น ถูกลง และสะดวกเร็วขึ้น ในเลเยอร์ล่างสุดของโครงสร้างพื้นฐาน (bottom layer) เรามีการผลักดันประสิทธิภาพต่อราคาของ MLChips รุ่นใหม่ที่ออกแบบโดย AWS เช่น Trainium2 ซึ่งมีความสามารถเพิ่มความเร็วในการเทรนโมเดลบน Amazon SageMaker

สำหรับสตาร์ทอัพที่สนใจทดลองใช้โมเดลที่มีอยู่ ในส่วนของเลเยอร์ระดับกลาง (middle layer) ซึ่งเป็นเลเยอร์เครื่องมือ โดยการเรียกใช้ Amazon Bedrock ต่อกับโมเดลชั้นนำต่าง ๆ หลากหลายรูปแบบ และสามารถปรับแต่งได้ มีเอเจนต์ให้ใช้งาน และมีความปลอดภัยกับความเป็นส่วนตัว ใช้งานในระดับองค์กรใหญ่ได้ ทั้งหมดนี้ผู้ใช้จะได้รับประสบการณ์ที่มีการจัดการอย่างเต็มรูปแบบ (Fully managed) ในเลเยอร์บนสุด (top layer) ซึ่งเป็นเลเยอร์แอปพลิเคชัน สตาร์ทอัพสามารถใช้แอปพลิเคชันอย่างเช่น Amazon Q ซึ่งทำหน้าที่เสมือนผู้ช่วยรูปแบบใหม่ ขับเคลื่อนด้วยเทคโนโลยี Generative AI ออกแบบมาสำหรับการทำงานโดยเฉพาะและสามารถปรับให้เข้ากับธุรกิจของลูกค้าได้ อีกหนึ่งแอปพลิเคชันคือ Amazon CodeWhisperer ซึ่งเป็นเครื่องมือเพิ่มประสิทธิภาพการทำงานด้วย AI เหมาะสำหรับการเขียนโปรแกรมแบบรวม (Integrated Development Environment: IDE) และ command line นอกจากนี้ AWS ยังช่วยอุดช่องว่างในด้านทักษะ AI สำหรับสตาร์ทอัพด้วยการจัดโปรแกรมการฝึกอบรมฟรีด้าน AI ทั่วทุกภูมิภาคอีกด้วย

ความยืดหยุ่นในการสร้างสรรค์นวัตกรรม

แม้ว่าการสร้างสรรค์ Generative AI จะเป็นก้าวแรกของการปฏิวัติ แต่การก้าวไปสู่ระดับโลกก็มีความสำคัญไม่แพ้กันในการผลักดันให้เกิดการยอมรับอย่างกว้างขวาง และการนำ Generative AI ที่ขับเคลื่อนโดยสตาร์ทอัพมาใช้ในอุตสาหกรรมต่าง ๆ Yellow. AI เป็นสตาร์ทอัพในอินเดียซึ่งเป็นผู้ให้บริการโซลูชันชั้นนำด้าน AI ในการสนทนา และวางขาย Generative AI Solution อยู่บน AWS Marketplace ที่เป็นแค็ตตาล็อกดิจิทัลที่มีลูกค้าสมัครใช้งานกว่า 330,000 ราย ปัจจุบัน Yellow.AI ซึ่งตั้งอยู่ที่ประเทศอินเดียจัดการการสนทนามากกว่า 12 พันล้านบทสนทนาในกว่า 85 ประเทศต่อปี

ในขณะที่สตาร์ทอัพทั่วเอเชียแปซิฟิกยังคงผลักดันขีดจำกัดในการสร้างสรรค์ ดัดแปลง และปรับขนาด FM และแอปพลิเคชัน Generative AI ของตนเอง พวกเขาจำเป็นต้องเข้าถึงเครื่องมือในการทำ ML การสนับสนุน โครงสร้างพื้นฐาน และโปรแกรมต่าง ๆ ที่คุ้มราคาและคุ้มค่าที่สุด เช่น AWS Activate เพื่อสร้าง AI ที่เข้าใจ

บริบททางวัฒนธรรมของมนุษย์ได้ เรามีความยินดีอย่างยิ่งที่จะสนับสนุนสตาร์ทอัพเหล่านี้ เพื่อช่วยเร่งการพัฒนาและการนำเทคโนโลยี Generative AI มาประยุกต์ใช้ สำหรับโลกในอนาคตที่มี AI เป็นเครื่องมือ เพื่อสร้างมุมมองใหม่ ๆ และโซลูชันอันสร้างสรรค์ที่จะขับเคลื่อนความเปลี่ยนแปลงในเชิงบวกให้กับพวกเราทุกคน

ปัญญาประดิษฐ์ (AI) เป็นผู้เปลี่ยนเกมในช่วงไม่กี่ปีที่ผ่านมา และมีศักยภาพที่จะเปลี่ยนแปลงอุตสาหกรรมต่างๆ มากมาย แต่สำหรับปี 2566 นี้ generative AI ได้กลายเป็นเทคโนโลยีที่ก้าวล้ำ ซึ่งจะทำให้โลกตะลึง ผลการสำรวจ "วิสัยทัศน์ด้านเทคโนโลยีปี 2023" ของ Accenture เมื่อเร็วๆ นี้ เปิดเผยว่า 100% ของผู้ตอบ แบบสอบถามชาวไทย (ซึ่งเป็นเปอร์เซ็นต์ที่สูงที่สุดในโลก) เห็นพ้องกันว่า generative AI จะเปลี่ยนโฉมระบบ อัจฉริยะขององค์กร สิ่งนี้สะท้อนให้เห็นว่า ผู้บริหารชาวไทยพร้อมที่จะเปิดรับ generative AI มาใช้งานเพื่อ กำหนดขอบเขตการปฏิบัติงานในยุคถัดไป อันนำมาซึ่งโอกาสอันยิ่งใหญ่ในการพัฒนาสร้างสรรค์องค์กรรูปแบบ ใหม่ และพลิกโฉมโมเดลธุรกิจแบบเดิมๆ ด้วยการใช้โมเดลพื้นฐาน AI ผู้บริหารในประเทศไทยรายงานว่า ประโยชน์หลักสำหรับองค์กรมีอยู่ 2 ประการสำคัญ ได้แก่ ประสบการณ์ของลูกค้าที่ดีขึ้น (78%) และการเร่ง สร้างนวัตกรรม (68%) ความเสี่ยงในการดำเนินการอันดับต้นๆ ที่ผู้บริหารชาวไทยคาดการณ์ไว้คือ การประยุกต์ ใช้เทคโนโลยีที่เข้ากันไม่ได้กับของเดิม การปฏิเสธการเข้าร่วมของผู้มีส่วนได้ส่วนเสีย และต้นทุนที่สูงขึ้นหรือ เพิ่มขึ้น อย่างไรก็ตาม แม้ว่าเครื่องมือเหล่านี้จะสร้างประโยชน์มากมายสำหรับการพัฒนาซอฟต์แวร์ก็ตาม แต่ก็ ยังต้องพิจารณาข้อด้อยหลายประการที่พบได้ทั่วไปด้วย

ข้อด้อย 3 ประการสำหรับการพัฒนาแอปพลิเคชั่น AI

ความท้าทายที่องค์กรต้องเตรียมพร้อมรับมือเมื่อใช้เครื่องมือ AI ได้แก่:

 

● การขาดแคลนผู้มีความสามารถด้านเทคโนโลยี เป็นอุปสรรคต่อการตรวจสอบความถูกต้อง ของผลลัพธ์: แม้ว่าเครื่องมือ AI จะเพิ่มประสิทธิภาพของนักพัฒนา โดยการสร้างโค้ดขึ้นมาได้เอง แต่เครื่องมือเหล่านี้เพียงอย่างเดียว ไม่สามารถแก้ไขความขาดแคลนของผู้เชี่ยวชาญด้านเทคโนโลยี ได้ เนื่องจากนักพัฒนาที่มีทักษะยังคงมีความสำคัญในการทำงาน เพื่อรับประกันว่าโค้ดที่ใช้งานจะ ปราศจากข้อผิดพลาดและมีความปลอดภัย และรับประกันความสมบูรณ์และฟังก์ชั่นการทำงาน ตามจุดประสงค์ที่ออกแบบไว้

● การละเลยขั้นตอนอื่นๆ ของวงจรการพัฒนา: การสร้างแอปพลิเคชั่นครอบคลุมมากกว่าแค่การสร้าง โค้ดและการแก้ไขโค้ด มันไปไกลกว่าความสามารถของเครื่องมือสร้าง AI ใดๆ เนื่องจากเกี่ยวข้องกับ การสร้างสภาพแวดล้อมการพัฒนา การคอมไพล์โค้ดและการสร้างแอปพลิเคชั่น การดูแลการบูรณาการ โค้ด การทดสอบ การจัดการการเปลี่ยนแปลงผ่านแนวทางปฏิบัติ DevOps และการจัดการโฮสต์ของ แอปพลิเคชั่นและการจัดการเวลาการใช้งานจริง

● ภาระต้นทุนค่าใช้จ่ายทางด้านเทคโนโลยีที่เพิ่มขึ้น: โมเดลกำเนิดที่ใช้ AI มีศักยภาพมหาศาล ในการเร่งความเร็วในการสร้างโค้ดใหม่อย่างมีนัยสำคัญ อย่างไรก็ตาม สิ่งสำคัญคือต้องใช้ความ ระมัดระวัง เนื่องจาก AI สามารถเริ่มต้นสร้างนวัตกรรมได้อย่างก้าวกระโดด แต่ก็อาจจะก่อให้เกิดค่าใช้ จ่ายในการบำรุงรักษา และการทำให้มั่นใจว่าแอปพลิเคชั่นมีความยั่งยืน โดยเฉพาะอย่างยิ่งหากมี ปัญหาเกี่ยวกับคุณภาพของโค้ด การกำกับดูแล และความปลอดภัย สิ่งนี้อาจเสี่ยงต่อการสะสมภาระ ค่าใช้จ่ายที่เกิดจากงานทางด้านเทคโนโลยี และเพิ่มภาระให้กับผู้เชี่ยวชาญด้านไอทีที่มีงานล้นมือ อยู่แล้ว

 

เพื่อจัดการกับความท้าทายเหล่านี้อย่างมีประสิทธิผล องค์กรต่างๆ จึงต้องนำแนวทางแบบบูรณาการมาใช้ โดยใช้ประโยชน์จากเทคโนโลยีแบบฝัง AI ไว้ในโซลูชั่นอยู่แล้ว ขณะเดียวกันก็ให้การกำกับดูแล การตรวจสอบ ความปลอดภัย และการสนับสนุนนักพัฒนาตลอดวงจรการพัฒนาซอฟต์แวร์

การผสมผสาน AI เข้ากับทุกขั้นตอนของวงจรการพัฒนาแอป

ด้วยการใช้การตั้งค่าที่ถูกต้อง ทีมนักพัฒนาสามารถเอาชนะความท้าทายข้างต้นได้อย่างมีประสิทธิภาพ และใช้ ประโยชน์จาก AI เพื่อเร่งการพัฒนาแอปได้อย่างเต็มที่

เพื่อให้เกิดนวัตกรรมที่ดียิ่งขึ้น การผสมผสาน generative AI เข้ากับเทคโนโลยี low-code ช่วยยกระดับการ กำกับดูแล ฝังการตรวจสอบความปลอดภัย และสนับสนุนนักพัฒนา ตลอดวงจรการพัฒนาซอฟต์แวร์ทั้งหมด ถือเป็นสิ่งสำคัญ การบูรณาการนี้ช่วยเพิ่มศักยภาพให้กับบุคคลากรและองค์กรมากยิ่งขึ้น โดยจัดเตรียมเครื่องมือ ในการพัฒนาและแก้ไขแอปพลิเคชั่นด้วยความคล่องตัว ความสามารถในการปรับลดขนาดของระบบและระบบ ความปลอดภัยที่ได้รับการปรับปรุงให้ดีขึ้น ช่วยให้พวกเขาสามารถสร้างโมเดลแอปพลิเคชั่นใหม่ๆ ด้วย สถาปัตยกรรมและประสบการณ์ผู้ใช้ที่เหมาะสม ตลอดจนวิเคราะห์มูลค่าทางธุรกิจและผลกระทบต่อองค์กรได้ อย่างมีประสิทธิภาพ

การใช้ประโยชน์จากตัวเชื่อมต่อ ChatGPT เป็นตัวอย่างที่ดี ผู้ช่วยเสมือนเป็นเครื่องมือทรงพลังที่สามารถโต้ ตอบกับผู้ใช้ผ่านการประมวลผลและการสร้างภาษาธรรมชาติ ผู้ช่วยเสมือนเหล่านี้สามารถให้คำตอบเฉพาะ บุคคล ตอบคำถามและปฏิบัติงาน ปรับปรุงประสบการณ์ผู้ใช้และเร่งประสิทธิภาพการทำงานให้เร็วขั้นได้

ด้วยการใช้ประโยชน์จาก generative AI ภายในแอปพลิเคชั่น นักพัฒนาสามารถขยายไปสู่กรณีการใช้งาน ใหม่ๆ และปลดล็อกความเป็นไปได้ใหม่ๆ ด้วยประสบการณ์การสนทนาเชิงโต้ตอบ สิ่งเหล่านี้จะเปิดช่องทาง สำหรับการสนับสนุนลูกค้าที่ได้รับการปรับปรุงดีขึ้น ไม่ว่าจะเป็นผู้ช่วยเสมือน แอปพลิเคชั่นการเดินทางและ การจอง การแปลภาษา และแอปพลิเคชันอื่นๆ อีกมากมาย

ท้ายที่สุดแล้ว ในขอบเขตของการพัฒนาซอฟต์แวร์ การใช้ประโยชน์จากแพลตฟอร์มการพัฒนาแบบ low-code ยังให้ประโยชน์เพิ่มเติมมากมาย โดยเฉพาะอย่างยิ่งหลังจากผสมผสาน generative AI เข้าด้วยกัน

● ส่งเสริมนักพัฒนารุ่นใหม่: การใช้ low-code ทำให้ความสามารถของ AI ทำงานกับระบบส่วนรวม ได้ดีขึ้น โดยขยายขอบเขตการเข้าถึงไปยังนักพัฒนาในวงกว้าง รวมถึงนักพัฒนาและผู้เชี่ยวชาญด้าน ไอทีรุ่นรุ่นใหม่ๆ ซึ่งทำได้โดยการนำการพัฒนาที่มีคำแนะนำไปใช้ และทำให้กระบวนการระบุ จุดประสงค์การใช้งานภายในแอปพลิเคชันง่ายขึ้น โดยใช้ภาษาภาพที่ตรวจสอบและทวนสอบได้ง่าย

● ความเป็นส่วนตัว ความปลอดภัยและการควบคุมผู้ใช้งานที่แข็งแกร่ง: การรักษาความลับของ ข้อมูล ได้รับการยึดถือปฏิบัติในแพลตฟอร์มแบบ low-code ทำให้มั่นใจได้ว่าข้อมูลที่แชร์ออกไปนั้น ยังคงความเป็นส่วนตัว และไม่สามารถเข้าถึงได้โดยผู้ใช้ที่ไม่ได้รับอนุญาต นอกจากนี้นักพัฒนายังได้ รับความสามารถในการกำหนดสิทธิ์ของผู้ใช้งาน ทำให้พวกเขาสามารถจัดการบทบาทและความ รับผิดชอบภายในแพลตฟอร์มได้อย่างรอบคอบ

● โซลูชั่นแบบครบวงจร: เมื่อโซลูชั่นแบบ low-code ถูกรวมเข้ากับ AI โซลูชั่นเหล่านี้จะสามารถ รองรับทุกขั้นตอนของวงจรการใช้งานซอฟต์แวร์ ซึ่งรวมถึงภาระงานต่างๆ เช่น การออกแบบงาน ส่วนหน้า การบูรณาการข้อมูล การใช้ตรรกะ การเผยแพร่ การใช้งานโฮสต์ และอื่นๆ

การผสานรวมระหว่าง low-code และ AI มีศักยภาพในการปฏิวัติการพัฒนาซอฟต์แวร์ ด้วยการทำให้ AI เป็น ส่วนสำคัญของกระบวนการพัฒนา นักพัฒนาสามารถปลดล็อกความเป็นไปได้ใหม่ๆ และส่งมอบแอปพลิเคชัน คุณภาพสูงด้วยความคล่องตัว ความสามารถในการปรับลดขนาดระบบ และประสบการณ์ผู้ใช้ที่ได้รับการปรับปรุง

อย่างไรก็ตาม สิ่งสำคัญคือ ต้องตระหนักถึงข้อผิดพลาดที่อาจเกิดขึ้นของ AI และ low-code และดำเนินการ เพื่อบรรเทาผลกระทบเหล่านั้น ด้วยการวางแผนและดำเนินโครงการอย่างรอบคอบ นักพัฒนาสามารถมั่นใจ ได้ว่าพวกเขากำลังใช้เทคโนโลยีเหล่านี้ได้อย่างเต็มศักยภาพ

บทความโดย: มาร์ค วีสเซอร์ รองประธานกรรมการ เอเชียแปซิฟิก

 

Mark Weaser, Vice-President for Asia-Pacific OutSystems

 

 

รายงาน Gartner’s Hype Cycle for Emerging Technologies 2023 ระบุว่า Generative Artificial Intelligence (เอไอแบบรู้สร้าง) ถูกจัดให้อยู่บนตำแหน่งสูงสุดของความคาดหวังที่จะโตขึ้นอีกมากในวงจรเทคโนโลยีเกิดใหม่ ซึ่งคาดว่าจะถึงจุดที่สามารถเก็บเกี่ยวผลประโยชน์จากการเปลี่ยนแปลงนี้ได้ภายใน 2 ถึง 5 ปี โดย Generative AI ถูกรวมอยู่ในธีมที่กว้างกว่าของ Emergent AI ซึ่งเป็นเทรนด์หลักของวงจรฯ นี้ ที่สร้างโอกาสใหม่ ๆ ให้กับนวัตกรรม

อรุณ จันทรเศกการัน รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ความนิยมของเทคนิค AI ใหม่จำนวนมากจะส่งผลกระทบสำคัญต่อธุรกิจและสังคม ซึ่งการฝึกใช้ AI และการสเกลโมเดลพื้นฐานของ AI ขนานใหญ่ รวมถึงการใช้เอเจนท์การสนทนาแบบไวรัล (Conversational Agents) และการเพิ่มจำนวนของแอปพลิเคชั่น Generative AI กำลังเผยให้เห็นคลื่นใหม่ ๆ ของการทำงานอย่างมีประสิทธิภาพของพนักงานและไอเดียสร้างสรรค์สำหรับเครื่องจักร”

รายงานวงจรเทคโนโลยีเกิดใหม่ (The Hype Cycle for Emerging Technologies) เป็นรายงานด้านวงจรต่าง ๆ ของการ์ทเนอร์ที่มีความเฉพาะเจาะจง เกิดจากการกลั่นกรองข้อมูลเชิงลึกของเทคโนโลยีและกรอบการทำงาน (Frameworks) หลัก ๆ มากกว่า 2,000 รายการ ให้ผู้บริหารสามารถนำไปใช้ได้ รายงานนี้จัดทำขึ้นเป็นประจำทุกปี โดยการ์ทเนอร์ รวบรวมเทคโนโลยีเกิดใหม่ที่มีความน่าสนใจที่ผู้บริหารและอุตสาหกรรม “ต้องรู้” ซึ่งเทคโนโลยีเหล่านี้ล้วนมอบประโยชน์ด้านการเปลี่ยนแปลงในอีก 2-10 ปีข้างหน้านี้ (ดูรูปที่ 1)

ภาพที่ 1 วงจรเทคโนโลยีเกิดใหม่ ปี 2566 (Hype Cycle for Emerging Technologies, 2023)

 

ที่มา: การ์ทเนอร์ (สิงหาคม 2566)

เมลิซซ่า เดวิส รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ขณะที่ทุกสายตาต่างจับจ้องไปที่ AI ผู้บริหาร CIO และ CTO ยังต้องหันความสนใจไปยังเทคโนโลยีเกิดใหม่ที่มีศักยภาพในการสร้างความเปลี่ยนแปลงอีกด้วย รวมถึงเทคโนโลยีที่ช่วยยกระดับประสบการณ์ของนักพัฒนา ขับเคลื่อนนวัตกรรมผ่านระบบคลาวด์ที่แพร่หลาย และส่งมอบความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลาง”

“เนื่องจากเทคโนโลยีในวงจรเทคโนโลยีเกิดใหม่ (Hype Cycle) ยังอยู่ในขั้นเริ่มต้น ความไม่แน่นอนต่าง ๆ จึงอาจเกิดขึ้นได้ตลอดเวลาในขั้นของการพัฒนา ตัวอย่างเช่น เทคโนโลยีเอ็มบริโอนิก (Embryonic Technologies) ที่มีความเสี่ยงมากในการนำมาปรับใช้ แต่อาจมีประโยชน์มากกว่าสำหรับ Early Adopters” เดวิสกล่าวเสริม

4 ธีมหลักของเทคโนโลยีเกิดใหม่ ได้แก่

Emergent AI: นอกเหนือจาก Generative AI แล้ว ยังมีเทคนิค AI ที่เกิดขึ้นใหม่อีกหลายตัวที่นำเสนอศักยภาพอย่างสูงในการยกระดับประสบการณ์ลูกค้าดิจิทัล การตัดสินใจทางธุรกิจได้ดีขึ้น และสร้างความต่างในการแข่งขันที่ยั่งยืน เทคโนโลยีเหล่านี้ประกอบด้วย AI Simulation, Causal AI, Federated Machine Learning, Graph Data Science, Neuro-symbolic AI และ Reinforcement Learning

Developer Experience (DevX): DevX หมายถึงทุกแง่มุมของการโต้ตอบระหว่างนักพัฒนากับเครื่องมือ แพลตฟอร์ม กระบวนการและผู้คนที่พวกเขาทำงานด้วยเพื่อพัฒนาและส่งมอบผลิตภัณฑ์ซอฟต์แวร์และบริการ ซึ่งการเพิ่มประสิทธิภาพด้านประสบการณ์ของนักพัฒนา หรือ DevX มีความสำคัญอย่างยิ่งต่อความสำเร็จของไอเดียริเริ่มด้านดิจิทัลขององค์กรส่วนใหญ่ นอกจากนี้ยังมีความสำคัญต่อการดึงดูดและรักษาผู้มีทักษะความสามารถด้านวิศวกรรมระดับสูง รวมถึงรักษาขวัญและกำลังใจของทีมให้อยู่ในระดับสูง และทำให้มั่นใจว่างานนั้นสร้างแรงจูงใจและมีรางวัลตอบแทน

เทคโนโลยีหลักที่ DevX ช่วยพัฒนาและปรับปรุง ได้แก่ AI-Augmented Software Engineering, API-Centric SaaS, GitOps, Internal Developer Portals, Open-Source Program Office และ Value Stream Management Platforms

Pervasive Cloud: ในอีก 10 ปีข้างหน้า คลาวด์คอมพิวติ้งจะพัฒนาจากแพลตฟอร์มนวัตกรรมเทคโนโลยีไปสู่คลาวด์ที่แพร่หลายไปทั่วและยังเป็นตัวขับเคลื่อนสำคัญของนวัตกรรมทางธุรกิจ เพื่อรองรับการใช้งานที่แพร่หลายนี้ ซึ่งคลาวด์คอมพิวติ้งจะมีรูปแบบการกระจายมากขึ้นและจะมุ่งไปที่อุตสาหกรรมแนวดิ่ง และการเพิ่มมูลค่าจากการลงทุนบนระบบคลาวด์สูงสุดจะต้องมีการปรับขนาดการดำเนินงานโดยอัตโนมัติ การเข้าถึงเครื่องมือแพลตฟอร์มแบบคลาวด์เนทีฟ และการกำกับดูแลที่เพียงพอ

เทคโนโลยีหลักที่เปิดใช้งาน Pervasive Cloud ได้แก่ Augmented FinOps, Cloud Development Environments, Cloud sustainability, Cloud-Native, Cloud-Out To Edge, Industry Cloud Platforms และ WebAssembly (Wasm)

Human-Centric Security And Privacy: มนุษย์ยังเป็นต้นเหตุหลักของเหตุการณ์ด้านความปลอดภัยและการละเมิดข้อมูล องค์กรสามารถใช้โปรแกรมความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลางเพื่อสร้างความยืดหยุ่นได้ ผสานกับโครงสร้างการรักษาความปลอดภัยและความเป็นส่วนตัวเข้ากับการออกแบบดิจิทัลขององค์กร เทคโนโลยีเกิดขึ้นใหม่จำนวนมากช่วยให้องค์กรสามารถสร้างวัฒนธรรมแห่งความไว้วางใจซึ่งกันและกัน พร้อมตระหนักถึงความเสี่ยงร่วมกันในการตัดสินใจระหว่างหลายทีม

เทคโนโลยีหลักที่สนับสนุนการขยายการรักษาความปลอดภัยและความเป็นส่วนตัวที่มีมนุษย์เป็นศูนย์กลาง ได้แก่ AI TRISM, Cybersecurity Mesh Architecture, Generative Cybersecurity AI, Homomorphic Encryption และ Postquantum Cryptography

· ยูสเคส (Use Case) ใหม่ 63 แบบของGenerative AI สามารถเพิ่มผลผลิตให้กับเศรษฐกิจทั่วโลกได้ประมาณ 2.6 - 4.4 ล้านล้านดอลลาร์ต่อปี ซึ่งเทียบได้กับ GDP ของสหราชอาณาจักรในปี 2564

· เทคโนโลยี AI อื่นๆ อาจมีส่วนช่วยเพิ่มมูลค่าทางเศรษฐกิจได้มากถึง 40% จากการนำยูสเคสของ Generative AI ไปปรับใช้

· Generative AI สามารถเพิ่มประสิทธิภาพแรงงานได้กว่า 0.1 - 0.6% ทุกปี จนถึงปี 2586 ซึ่งช่วยชดเชยการเติบโตของการจ้างงานที่ลดลง เนื่องจากการเข้าสู่สังคมผู้สูงอายุได้

· ศักยภาพปัจจุบันของ Generative AI เมื่อใช้ร่วมกับเทคโนโลยีอื่นๆ สามารถทำให้กิจกรรมการทำงานต่างๆ เป็นไปโดยอัตโนมัติ ซึ่งช่วยลดเวลาการทำงานของพนักงานลงได้ 60 - 70 % จากเดิมอยู่ที่ 50%

กรุงเทพ 20 มิถุนายน 2566 — รายงานฉบับใหม่ที่เผยแพร่โดย McKinsey & Company เรื่อง The economic potential of generative AI: the next productivity frontier พบว่า Generative AI สามารถเพิ่มผลผลิตต่อปีได้ประมาณ 2.6 – 4.4 ล้านล้านดอลลาร์ทั่วโลก โดยรายงานดังกล่าวเป็นการวิเคราะห์ยูสเคสใหม่ 63 แบบใน 16 สายงานธุรกิจที่สามารถให้ผลตอบแทนเหล่านั้นได้ ซึ่งเทียบได้กับ GDP ของสหราชอาณาจักรในปี 2564 ที่ 3.1 ล้านล้านดอลลาร์

McKinsey ประมาณการว่าปัญญาประดิษฐ์ (Artificial Intelligence) และยูสเคสจาก analytics โดยไม่รวมผลลัพธ์ของ Generative AI นั้นจะสามารถสร้างมูลค่าให้กับเศรษฐกิจโลกได้ประมาณ 11 ล้านล้าน - 17.7 ล้านล้านดอลลาร์ต่อปี และการเพิ่ม Generative AI เข้ามาในยูสเคสเหล่านี้อาจเพิ่มตัวเลขดังกล่าวได้ประมาณ 15 - 40%

Generative AI กับอนาคตของการทำงาน: ผลกระทบต่อการทำงาน อาชีพ และผลผลิต

รายงานระบุว่าการช่วยให้พนักงานทั่วทั้งภาคเศรษฐกิจใช้งาน Generative AI ได้ แม้จะอยู่นอกเหนือยูสเคสทั้ง 63 แบบนั้นจะช่วยเพิ่มผลผลิตได้ประมาณ 0.1 - 0.6% ทุกปีจนถึงปี 2586 ซึ่งสามารถชดเชยการจ้างงานที่มีอัตราการเติบโตลดลง อันเนื่องมาจากการเข้าสู่สังคมผู้สูงอายุได้

มูลค่านี้เกิดขึ้นได้เมื่อ Generative AI พลิกโฉมการทำงานและเพิ่มขีดความสามารถให้กับพนักงานโดยการปรับเปลี่ยนบางกิจกรรมให้เป็นอัตโนมัติ ความสามารถของ Generative AI ในปัจจุบันเมื่อใช้ร่วมกับเทคโนโลยีอื่นๆ จะช่วยลดเวลาการทำงานของพนักงานในปัจจุบันได้ถึง 60 - 70% อันเนื่องมาจากการปรับการทำงานดังกล่าวเป็นอัตโนมัติ โดยก่อนหน้านี้ McKinsey Global Institute เคยคาดการณ์ไว้ว่าการปรับเปลี่ยนกิจกรรมทางเทคนิคต่างๆ ให้เป็นอัตโนมัตินี้จะสามารถลดระยะเวลาประมาณครึ่งหนึ่งในการทำงานของพนักงาน แต่ Generative AI ได้เร่งตัวเลขการคาดการณ์นั้นให้เร็วขึ้นอีก

ถึงแม้ว่าการนำ AI มาปรับใช้จะเป็นไปอย่างรวดเร็วยิ่งขึ้น แต่การปรับเปลี่ยนการทำงานเหล่านี้จะไม่สามารถเกิดขึ้นได้ในชั่วข้ามคืนในภาคเศรษฐกิจทั่วโลก อย่างไรก็ตาม บางองค์กรอาจสามารถปรับใช้ AI ได้เร็วกว่า ด้วยเหตุนี้ อัตราการเปลี่ยนแปลงของแรงงานจึงถูกเร่งเครื่องตามไปด้วย รายงานคาดการณ์ว่าครึ่งหนึ่งของกิจกรรมการทำงาน ในปัจจุบันอาจกลายเป็นระบบอัตโนมัติภายในปี 2573 - 2603 ซึ่งจุดกึ่งกลางของช่วงเวลาดังกล่าว (ปี 2588) จะมาถึงเร็วกว่าการคาดการณ์ครั้งก่อนของ McKinsey Global Institute ถึงหนึ่งทศวรรษ

ลารีนา ยี, Senior Partner และ Chair of McKinsey Technology Council ให้ความเห็นว่า “Generative AI ทำให้องค์กรต่างๆ ต้องพลิกโฉมการทำงานกันอย่างเร่งด่วน ตำแหน่งงานต่างๆ จะไม่เหมือนเดิมอีกต่อไป และการพลิกโฉมอุตสาหกรรมต่างๆ กลับใช้เวลาเพียงไม่กี่เดือนแทนที่จะนานนับปี Generative AI ทำให้มนุษย์มีพลังวิเศษในรูปแบบใหม่และอัดฉีดพลังการเพิ่มผลผลิตที่เศรษฐกิจของเรากำลังต้องการเป็นอย่างมาก”

ยูสเคสของ Generative AI และการสร้างมูลค่าในอุตสาหกรรมและสายงานต่างๆ

ประมาณ 75% ของศักยภาพเชิงมูลค่าทั้งหมดจากการนำมูลค่าของ Generative AI มาปรับใช้จะเกิดขึ้นจริงในสายงานธุรกิจ 4 สายงาน ได้แก่ การบริการลูกค้า การตลาดและการขาย วิศวกรรมซอฟต์แวร์ และฝ่ายวิจัยและพัฒนาหรือ R&D

· การบริการลูกค้าเพื่อมอบบริการที่เฉพาะตัวและเป็นอัตโนมัติ: Generative AI สามารถเพิ่มมูลค่าผลผลิตได้ถึง 30 – 45% ของต้นทุนสายงานในปัจจุบัน ยูสเคสนี้รวมถึงการเพิ่มประสิทธิภาพการบริการตนเองผ่านช่องทางอัตโนมัติ และการช่วยให้เจ้าหน้าที่ดูแลลูกค้าสามารถให้ข้อมูลแก่ลูกค้าได้ตรงจุดยิ่งขึ้น อันจะช่วยในการเพิ่มยอดขาย

· เพิ่มประสิทธิภาพด้านการตลาดและการขาย: ฝ่ายการตลาดสามารถเพิ่มมูลค่าผลผลิตได้ตั้งแต่ 5 -15% ของค่าใช้จ่ายด้านการตลาดทั้งหมด ในขณะที่ฝ่ายขายจะสามารถเพิ่มมูลค่าผลผลิตได้ตั้งแต่ 3 - 5% ยูสเคสตัวอย่างได้แก่ การหาไอเดียและร่างคอนเทนต์ได้รวดเร็วขึ้น ข้อมูลเชิงลึกที่มีคุณภาพสูงขึ้น การปรับแต่งการค้นหา และการจัดลำดับความสำคัญของลูกค้าเป้าหมาย

· วิศวกรรมซอฟต์แวร์จะสามารถประหยัดค่าใช้จ่ายในการสร้างผลิตภัณฑ์ได้: ผลลัพธ์โดยตรงของ Generative AI ต่อผลผลิตทางวิศวกรรมซอฟต์แวร์อาจอยู่ในช่วง 20 – 45% ของค่าใช้จ่ายประจำปีในปัจจุบัน โดยการเพิ่มผลผลิตอาจมาจากการใช้เวลาในการเขียนโค้ดที่ลดลง การแก้ไขโค้ด และการวิจัยตลาดสำหรับสร้างโซลูชั่น

· R&D จะสร้างผลิตภัณฑ์ได้มากขึ้น: ผลผลิตมูลค่าระหว่าง 10 - 15% ของต้นทุนของ R&D โดยรวมนั้นสามารถเกิดขึ้นได้ด้วยยูสเคสที่รวมถึงการปรับปรุงคุณภาพผลิตภัณฑ์โดยรวม การเพิ่มประสิทธิภาพดีไซน์สำหรับการผลิต และการลดต้นทุนด้านขนส่งและการผลิต

โฉมหน้าของอุตสาหกรรมต่างๆ กำลังเปลี่ยนแปลงไป เนื่องจากมีการนำ Generative AI ไปปรับใช้อย่างรวดเร็ว

Generative AI สามารถสร้างคุณค่าได้มหาศาล เมื่อมีการนำไปปรับใช้ในยูสเคสในบางอุตสาหกรรม เช่น

· ธนาคารสามารถใช้ประโยชน์สูงสุดจากคุณค่าที่ Generative AI มอบให้นอกเหนือจากเทคโนโลยีขั้นสูง ซึ่งรวมถึงการสร้างรายได้เพิ่มขึ้น 200 - 340 พันล้านดอลลาร์จากประสิทธิภาพการทำงานที่เพิ่มขึ้น ประโยชน์ต่างๆ ยังรวมถึงความพึงพอใจของลูกค้าที่เพิ่มขึ้น การปรับปรุงกระบวนการตัดสินใจและประสบการณ์ของพนักงานให้ดีขึ้น และอาจลดความเสี่ยงในการฉ้อโกงได้ด้วยการตรวจสอบที่ดีขึ้น

· ธุรกิจค้าปลีกสามารถสร้างรายได้ 240 - 390 พันล้านดอลลาร์จากการใช้งาน Generative AI โดยการทำงานที่เป็นอัตโนมัติของสายงานหลัก เช่น การบริการลูกค้า การตลาดและการขาย และการจัดการสินค้าคงคลัง และซัพพลายเชน การปรับปรุงโซลูชั่น AI ที่มีอยู่เดิมจะช่วยปรับปรุงการบริการลูกค้าให้มีความเฉพาะตัวมากขึ้น รวมถึงเพิ่มประสิทธิภาพให้กับการตลาดและการขาย

· อุตสาหกรรมยาและผลิตภัณฑ์ทางการแพทย์ สามารถปลดล็อครายได้ถึง 60 - 110 พันล้านดอลลาร์ต่อปีผ่านการใช้ Generative AI ที่มีศักยภาพในการเร่งวงจรการผลิตยาให้เร็วขึ้นถึง10-15 ปีก่อนที่ยาจะออกสู่ตลาด ทั้งยังช่วยปรับปรุงคุณภาพส่วนผสมของยา และลดต้นทุนของการวิจัยและพัฒนาได้ด้วย

“เครื่องมืออันทรงพลังเหล่านี้มีศักยภาพมหาศาลต่อเศรษฐกิจโลก โดยเฉพาะอย่างยิ่งเมื่อเผชิญกับความท้าทายด้านประชากร แต่ความสามารถด้านภาษาของ AI ก็มีความเสี่ยงเช่นกัน เพราะนอกจากจะมีปฏิสัมพันธ์กับมนุษย์ได้ดีขึ้นแล้ว ยังอาจก่อให้เกิดอันตรายจากความเข้าใจผิด การชักจูงควบคุม และสร้างความขัดแย้งได้ด้วย" ไมเคิล ชุย Partner ของ McKinsey Global Institute กล่าว

“ด้วยเทคโนโลยี Generative AI ที่พัฒนาอย่างรวดเร็ว ผู้นำทางธุรกิจจึงต้องเร่งดำเนินการอย่างรวดเร็วเพื่อใช้ประโยชน์จากคุณประโยชน์ต่างๆ และจัดการความเสี่ยงให้ได้ รัฐบาลยังควรติดตามความคืบหน้าของการพัฒนาเทคโนโลยีด้านนี้ เพื่อรับมือกับความท้าทาย และใช้ประโยชน์จากเทคโนโลยีดังกล่าว และด้วยผลกระทบที่มีนัยสำคัญต่อแรงงาน องค์กรต่างๆ จึงต้องเร่งการวางแผนกำลังคน และฝึกอบรมพนักงานด้วยความรู้ใหม่ๆ ในขณะที่พนักงานเองควรฝึกฝนการใช้งานเทคโนโลยีให้เชี่ยวชาญ และเรียนรู้ทักษะใหม่ๆด้วย” ชุยกล่าวสรุป

การศึกษานี้เป็นความร่วมมือระหว่าง McKinsey Global Institute (MGI), McKinsey Technology Council, McKinsey Growth Marketing & Sales และ QuantumBlack, AI โดย McKinsey

Page 1 of 2
X

Right Click

No right click