DeepSeek สิ่งรบกวน: ทำไมโครงสร้างพื้นฐานที่เป็นมิตรกับ AI ถึงเป็นตัวกำหนดความสำเร็จขององค์กร

ลองนึกภาพว่าคุณพยายามขับรถเฟอร์รารี่บนถนนพังทลาย ไม่ว่ารถจะเร็วแค่ไหน แต่ศักยภาพที่แท้จริงก็ถูกทำลายโดยไม่มีพื้นฐานที่มั่นคงในการสนับสนุน นั่นคือสภาพแวดล้อม AI ขององค์กรในปัจจุบัน บริษัทต่างๆ มักจะหลงใหลในโมเดลใหม่ๆ เช่น DeepSeek-R1 หรือ OpenAI o1 ในขณะที่ละเลยความสำคัญของโครงสร้างพื้นฐานในการสร้างมูลค่าจากพวกมัน แทนที่จะเน้นไปที่การสร้างโมเดลที่ทันสมัยที่สุด บริษัทต่างๆ ควรเริ่มลงทุนในโครงสร้างพื้นฐานที่มีความยืดหยุ่นและปลอดภัย ซึ่งช่วยให้พวกเขาทำงานได้อย่างมีประสิทธิภาพกับโมเดล AI ใดๆ ปรับตัวให้เข้ากับการพัฒนาทางเทคโนโลยี และปกป้องข้อมูลของตน

เมื่อมีการเปิดตัว DeepSeek โมเดลภาษาขนาดใหญ่ (LLM) ที่มีต้นกำเนิดที่ถกเถียงกัน อุตสาหกรรมปัจจุบันถูกครอบงำโดยสองคำถาม:

• DeepSeek เป็นของจริงหรือแค่ควันและกระจก?
• เราลงทุนมากเกินไปในบริษัทอย่าง OpenAI และ NVIDIA?

คำวิจารณ์บน Twitter บ่งบอกว่า DeepSeek ทำสิ่งที่เทคโนโลยีของจีนทำได้ดีที่สุด: “เกือบเท่ากัน แต่ราคาถูกกว่า” บางคนบอกว่ามันดูเหมือนจะดีเกินไป หลังจากเปิดตัวเพียงหนึ่งเดือน ราคาของ NVIDIA (NVDA ) ลดลงเกือบ 600 พันล้านดอลลาร์ และ Axios แนะนำว่านี่อาจเป็น เหตุการณ์ที่อาจทำให้เงินลงทุนเสี่ยง สำหรับบริษัททุน rizik Major Voices กำลังตั้งคำถามว่า โครงการ Stargate ซึ่งมีการลงทุน 500 พันล้านดอลลาร์ ในการลงทุนโครงสร้างพื้นฐาน AI ก็จำเป็นต้องมีหรือไม่ เพียง 7 วันหลังจากการประกาศ

และวันนี้ Alibaba เพิ่ง เปิดตัวโมเดล ที่อ้างว่าเหนือกว่า DeepSeek!

โมเดล AI เป็นเพียงส่วนหนึ่งของสมการ มันเป็นวัตถุใหม่ที่สวยงาม ไม่ใช่แพ็คเกจทั้งหมดสำหรับองค์กร สิ่งที่หายไปคือโครงสร้างพื้นฐานที่เป็นมิตรกับ AI

โมเดลพื้นฐานเป็นเพียงเทคโนโลยี – มันจำเป็นต้องมีเครื่องมือที่มีความสามารถและเป็นมิตรกับ AI เพื่อเปลี่ยนเป็นสินทรัพย์ทางธุรกิจที่มีพลัง เมื่อ AI พัฒนาเร็วมาก โมเดลที่คุณใช้ในปัจจุบันอาจล้าสมัยในอีกไม่นาน สิ่งที่ธุรกิจต้องการจริงๆ ไม่ใช่แค่ “ดีที่สุด” หรือ “ใหม่” โมเดล AI แต่เป็นเครื่องมือและโครงสร้างพื้นฐานในการปรับตัวให้เข้ากับโมเดลใหม่ๆ และใช้พวกมันอย่างมีประสิทธิภาพ

ไม่ว่า DeepSeek จะเป็นนวัตกรรมที่สร้างความเปลี่ยนแปลงหรือการโฆษณาที่เกินจริงไม่ใช่คำถามที่แท้จริง องค์กรควรละทิ้งความกังขาและถามตัวเองว่าพวกเขาได้เตรียมโครงสร้างพื้นฐาน AI ที่ถูกต้องเพื่อให้สามารถทนต่อการเปลี่ยนแปลงของโมเดลได้หรือไม่ และพวกเขาสามารถเปลี่ยนระหว่างโมเดลได้อย่างง่ายดายเพื่อให้บรรลุเป้าหมายทางธุรกิจโดยไม่ต้องปรับเปลี่ยนทุกอย่างใหม่

โมเดล vs. โครงสร้างพื้นฐาน vs. แอปพลิเคชัน

เพื่อเข้าใจบทบาทของโครงสร้างพื้นฐานให้ดีขึ้น พิจารณาส่วนประกอบทั้งสามในการใช้ AI:

1. โมเดล: สิ่งเหล่านี้คือเครื่องยนต์ AI ของคุณ – โมเดลภาษาขนาดใหญ่ (LLM) เช่น ChatGPT, Gemini และ DeepSeek พวกมันสามารถทำงานได้หลายอย่าง เช่น ความเข้าใจภาษา การจำแนกข้อมูล การทำนาย และอื่นๆ
2. โครงสร้างพื้นฐาน: สิ่งนี้คือพื้นฐานที่โมเดล AI ทำงาน มันรวมถึงเครื่องมือ เทคโนโลยี และบริการที่จัดการเพื่อผสานรวม จัดการ และปรับขนาดโมเดลให้สอดคล้องกับความต้องการทางธุรกิจ สิ่งนี้โดยทั่วไปรวมถึงเทคโนโลยีที่เน้นไปที่การคำนวณ ข้อมูล การจัดการและบูรณาการ บริษัทอย่าง Amazon และ Google ให้โครงสร้างพื้นฐานในการใช้งานโมเดลและเครื่องมือในการบูรณาการเข้ากับเทคโนโลยีขององค์กร
3. แอปพลิเคชัน/กรณีการใช้งาน: สิ่งเหล่านี้คือแอปที่ผู้ใช้สุดท้ายเห็นซึ่งใช้โมเดล AI เพื่อให้บรรลุผลลัพธ์ทางธุรกิจ มีหลายข้อเสนอที่เข้าสู่ตลาดจากผู้นำที่ติด AI เข้ากับแอปพลิเคชันที่มีอยู่แล้ว (เช่น Adobe, Microsoft Office with Copilot) และผู้ท้าทายที่เป็นมิตรกับ AI (Numeric, Clay, Captions)

ในขณะที่โมเดลและแอปพลิเคชันมักจะขโมยจุดสนใจ โครงสร้างพื้นฐานช่วยให้ทุกอย่างทำงานร่วมกันได้อย่างราบรื่นและตั้งรากฐานสำหรับวิธีการทำงานของโมเดลและแอปพลิเคชันในอนาคต มันรับรองว่าองค์กรสามารถเปลี่ยนระหว่างโมเดลและปลดปล่อยคุณค่าที่แท้จริงของ AI โดยไม่ต้องทำลายธนาคารหรือรบกวนการดำเนินงาน

ทำไมโครงสร้างพื้นฐานที่เป็นมิตรกับ AI จึงเป็นเรื่องสำคัญ

โมเดล LLM แต่ละตัวมีความเชี่ยวชาญในงานที่แตกต่างกัน ตัวอย่างเช่น ChatGPT เหมาะสำหรับ AI การสนทนา ในขณะที่ Med-PaLM ได้รับการออกแบบมาเพื่อตอบคำถามทางการแพทย์ โลกของ AI มีการแข่งขันอย่างรุนแรงจนโมเดลที่ดีที่สุดในปัจจุบันอาจถูกทดแทนโดยโมเดลที่ดีกว่าและราคาถูกกว่าในอนาคต

หากไม่มีโครงสร้างพื้นฐานที่ยืดหยุ่น บริษัทอาจพบว่าตัวเองถูกบังคับให้ใช้โมเดลเดียวและไม่สามารถเปลี่ยนได้โดยไม่ต้องสร้างทุกอย่างใหม่ นั่นคือตำแหน่งที่มีค่าใช้จ่ายสูงและไม่มีประสิทธิภาพ โดยการลงทุนในโครงสร้างพื้นฐานที่ไม่ขึ้นอยู่กับโมเดล ธุรกิจสามารถรวมเครื่องมือที่ดีที่สุดสำหรับความต้องการของตนได้ ไม่ว่าจะเป็นการเปลี่ยนจาก ChatGPT เป็น DeepSeek หรือการนำโมเดลใหม่ที่เปิดตัวในเดือนหน้ามาใช้

โมเดล AI ที่ทันสมัยในปัจจุบันอาจล้าสมัยในไม่กี่สัปดาห์ ลองนึกถึงความก้าวหน้าด้านฮาร์ดแวร์ เช่น GPU – บริษัทไม่ได้เปลี่ยนระบบคอมพิวเตอร์ทั้งหมดเพื่อ GPU ใหม่ๆ แต่พวกเขาจะรับรองว่าระบบสามารถปรับตัวให้เข้ากับ GPU ใหม่ๆ ได้อย่างราบรื่น โมเดล AI ต้องการความยืดหยุ่นในแบบเดียวกัน โครงสร้างพื้นฐานที่เหมาะสมรับรองว่าองค์กรสามารถอัปเกรดหรือเปลี่ยนโมเดลของตนได้อย่างต่อเนื่องโดยไม่ต้องปรับเปลี่ยนกระบวนการทำงานทั้งหมด

เครื่องมือที่ใช้ในองค์กรส่วนใหญ่ไม่ได้ถูกสร้างขึ้นโดยคำนึงถึง AI ลองนึกถึงเครื่องมือวิเคราะห์ข้อมูลที่เป็นส่วนหนึ่งของสแต็กวิเคราะห์แบบดั้งเดิม ซึ่งได้รับการออกแบบมาเพื่อการดัดแปลงข้อมูลด้วยโค้ดและด้วยมือ การติดตั้ง AI ลงในเครื่องมือที่มีอยู่บ่อยครั้งจะสร้างความไม่มีประสิทธิภาพและจำกัดศักยภาพของโมเดลที่ทันสมัย

เครื่องมือที่เป็นมิตรกับ AI ได้รับการออกแบบมาเพื่อทำงานร่วมกับโมเดล AI ได้อย่างราบรื่น พวกมันทำให้กระบวนการง่ายขึ้น ลดการอาศัยผู้ใช้ทางเทคนิค และใช้ความสามารถของ AI ในการไม่เพียงแต่ประมวลผลข้อมูลเท่านั้น แต่ยังช่วยให้ได้ข้อมูลเชิงลึกที่สามารถนำไปใช้ได้จริง โซลูชันที่เป็นมิตรกับ AI สามารถสรุปข้อมูลที่ซับซ้อนและทำให้สามารถใช้งานได้สำหรับการซักถามหรือวัตถุประสงค์ในการแสดงภาพ

เสาหลักของโครงสร้างพื้นฐาน AI ที่สำเร็จ

เพื่อให้ธุรกิจของคุณมีความยั่งยืนในอนาคต ควรให้ความสำคัญกับองค์ประกอบพื้นฐานเหล่านี้สำหรับโครงสร้างพื้นฐาน AI:

ชั้นการแยกข้อมูล

ลองนึกถึง AI เป็น “เด็กวัยหัดเดินที่มีพลังพิเศษ” มันสามารถทำได้มาก แต่ต้องการขอบเขตที่ชัดเจนและเข้าถึงข้อมูลที่มีการควบคุม ชั้นการแยกข้อมูลที่เป็นมิตรกับ AI ทำหน้าที่เป็นประตูที่ควบคุม รับรองว่าโมเดล LLM ของคุณเข้าถึงข้อมูลที่เกี่ยวข้องเท่านั้นและปฏิบัติตามโปรโตคอลความปลอดภัยที่เหมาะสม มันสามารถทำให้เข้าถึงเมตาดาต้าและบริบทได้อย่างสม่ำเสมอไม่ว่าคุณจะใช้โมเดลใดก็ตาม

ความเข้าใจได้และความน่าเชื่อถือ

ผลลัพธ์ของ AI สามารถรู้สึกเหมือนกล่องดำ – มีประโยชน์ แต่ไม่ค่อยน่าเชื่อถือ ตัวอย่างเช่น หากโมเดลของคุณสรุปข้อร้องเรียนของลูกค้าเป็นเวลา 6 เดือน คุณต้องการทราบไม่เพียงแต่ว่าถึงทำอย่างไร แต่ยังรวมถึงข้อมูลที่เฉพาะเจาะจงซึ่งแจ้งสรุปนั้นด้วย

โครงสร้างพื้นฐาน AI ที่เป็นมิตรต้องรวมถึงเครื่องมือที่ให้ความเข้าใจได้และเหตุผล – ช่วยให้คนสามารถติดตามผลลัพธ์ของโมเดลกลับไปยังแหล่งที่มาและเข้าใจเหตุผลเบื้องหลังผลลัพธ์ สิ่งนี้เพิ่มความน่าเชื่อถือและรับรองผลลัพธ์ที่ซ้ำซ้อนและสม่ำเสมอ

ชั้นเชิงคำนวณ

ชั้นเชิงคำนวณจัดระเบียบข้อมูลเพื่อให้ทั้งมนุษย์และ AI สามารถโต้ตอบกับมันได้อย่าง直观 มันสรุปความซับซ้อนทางเทคนิคของข้อมูลดิบและนำเสนอข้อมูลทางธุรกิจที่มีความหมายให้กับ LLM ในขณะที่ตอบคำถามทางธุรกิจ ชั้นเชิงคำนวณที่ดีสามารถลดการหลอกลวงของ LLM ได้มาก

ตัวอย่างเช่น แอปพลิเคชัน LLM ที่มีชั้นเชิงคำนวณที่มีพลังสามารถวิเคราะห์อัตราการทิ้งลูกค้าของคุณได้ไม่เพียงแต่บอกว่าทำไมลูกค้าจึงออกไปตามคำวิจารณ์ของลูกค้า

ความยืดหยุ่นและความคล่องตัว

โครงสร้างพื้นฐานของคุณต้องช่วยให้องค์กรสามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงได้ โดยการเปลี่ยนโมเดลหรือเครื่องมือตามความต้องการที่เปลี่ยนแปลงไป แพลตฟอร์มที่มีสถาปัตยกรรมแบบโมดูลาร์หรือพายพ์สามารถให้ความคล่องตัวนี้ได้ เครื่องมือเหล่านี้ช่วยให้บริษัทสามารถทดสอบและใช้งานโมเดลหลายรุ่นพร้อมๆ กันและขยายโซลูชันที่แสดงผลตอบแทนที่ดีที่สุด

ชั้นการกำกับดูแลสำหรับการรับผิดชอบ AI

การกำกับดูแล AI คือกระดูกสันหลังของ การใช้ AI ที่มีความรับผิดชอบ องค์กรต้องการชั้นการกำกับดูแลที่เข้มแข็งเพื่อให้แน่ใจว่าโมเดลถูกใช้อย่างมีจริยธรรม มีความปลอดภัย และอยู่ภายใต้แนวทางด้านกฎระเบียบ การกำกับดูแล AI จัดการสิ่งเหล่านี้

• การควบคุมการเข้าถึง: ใครสามารถใช้โมเดลได้ และสามารถเข้าถึงข้อมูลใดได้บ้าง?
• ความโปร่งใส: วิธีการสร้างผลลัพธ์และสามารถตรวจสอบคำแนะนำของ AI ได้หรือไม่?
• การบรรเทาผลกระทบ: การป้องกันไม่ให้ AI ตัดสินใจโดยไม่ได้รับอนุญาตหรือใช้ข้อมูลที่ละเอียดอ่อนไม่เหมาะสม

ลองนึกถึงสถานการณ์ที่โมเดลโอเพ่นซอร์ส เช่น DeepSeek ได้รับอนุญาตให้เข้าถึงไลบรารีเอกสาร SharePoint โดยไม่มีการกำกับดูแลที่มีอยู่ DeepSeek สามารถตอบคำถามที่อาจรวมถึงข้อมูลที่ละเอียดอ่อนของบริษัทได้ ซึ่งอาจนำไปสู่การละเมิดหรือการวิเคราะห์ที่ไม่ถูกต้องที่อาจทำลายธุรกิจได้ ชั้นการกำกับดูแลลดความเสี่ยงนี้โดยรับรองว่า AI ถูกใช้อย่างมีกลยุทธ์และปลอดภัยทั่วทั้งองค์กร

ทำไมโครงสร้างพื้นฐานจึงมีความสำคัญอย่างยิ่งในปัจจุบัน

ลองกลับมาที่ DeepSeek แม้ว่าผลกระทบในระยะยาวจะไม่แน่นอน แต่ก็ชัดเจนว่าการแข่งขัน AI ทั่วโลกกำลังเพิ่มขึ้น บริษัทที่ดำเนินธุรกิจในพื้นที่นี้ไม่สามารถพึ่งพาความคิดที่ว่าประเทศหนึ่ง ผู้ขายหนึ่ง หรือเทคโนโลยีหนึ่งจะคงความโดดเด่นไปตลอดกาล

หากไม่มีโครงสร้างพื้นฐานที่แข็งแกร่ง:

• ธุรกิจมีความเสี่ยงที่จะถูกติดอยู่กับโมเดลที่ล้าสมัยหรือไม่มีประสิทธิภาพ
• การเปลี่ยนระหว่างเครื่องมือกลายเป็นกระบวนการที่ใช้เวลานานและต้องใช้เงิน
• ทีมไม่มีความสามารถในการตรวจสอบ ไว้วางใจ และเข้าใจผลลัพธ์ของระบบ AI ได้อย่างชัดเจน

โครงสร้างพื้นฐานไม่เพียงแต่ทำให้การนำ AI ไปใช้ง่ายขึ้นเท่านั้น แต่ยังปลดปล่อยศักยภาพที่แท้จริงของ AI อีกด้วย

สร้างถนนแทนการซื้อเครื่องยนต์

โมเดล เช่น DeepSeek, ChatGPT หรือ Gemini อาจเป็นข่าวใหญ่ แต่พวกมันเป็นเพียงชิ้นส่วนเดียวของปัญหาอีกที่ใหญ่กว่า ความสำเร็จขององค์กรในยุคนี้ขึ้นอยู่กับโครงสร้างพื้นฐาน AI ที่มีความยืดหยุ่นและปลอดภัย ซึ่งช่วยให้สามารถปรับเปลี่ยนและขยายได้

อย่าให้ความสนใจไปที่ “เฟอร์รารี่” ของโมเดล AI มากเกินไป มุ่งเน้นไปที่การสร้าง “ถนน” – โครงสร้างพื้นฐาน – เพื่อให้แน่ใจว่าบริษัทของคุณจะเจริญรุ่งเรืองในปัจจุบันและในอนาคต

เพื่อเริ่มใช้ AI ด้วยโครงสร้างพื้นฐานที่ยืดหยุ่นและปรับขนาดได้ซึ่งเหมาะกับธุรกิจของคุณ มันถึงเวลาที่จะดำเนินการแล้ว คงไว้ข้างหน้าและรับรองว่าองค์กรของคุณเตรียมพร้อมสำหรับสิ่งที่ภูมิทัศน์ AI นำมาในอนาคต