เอริก ชวาร์ตซ์, Chief AI Officer (CAIO) Tricon Infotech – สัมภาษณ์เชิงลึก

เอริก ชวาร์ตซ์ เป็น Chief AI Officer (CAIO) ของ Tricon Infotech บริษัทที่ปรึกษาด้านเทคโนโลยีและบริการซอฟต์แวร์ ชาวเลดด์ Tricon Infotech มอบโซลูชันแบบอัตโนมัติที่มีประสิทธิภาพและดิจิทัลแบบเต็มรูปแบบผ่านผลิตภัณฑ์แบบกำหนดเองและการใช้งานระดับองค์กร

เอริก ชวาร์ตซ์ เป็นนักบริหารและนักธุรกิจที่มีประสบการณ์มากกว่าสองทศวรรษในภาคเทคโนโลยี โดยมีความเชี่ยวชาญด้านการผสมผสาน AI การค้นหาข้อมูล และการค้นพบความรู้ตลอดอาชีพการงานของเขา เอริกมีบทบาทสำคัญในการสร้างแพลตฟอร์มขนาดใหญ่และการผสมผสาน AI เข้ากับเทคโนโลยีการค้นหา ซึ่งช่วยเพิ่มการโต้ตอบของผู้ใช้และความสามารถในการเข้าถึงข้อมูลได้อย่างมาก ในช่วงเวลาก่อนหน้านี้ เขาได้รับตำแหน่งสำคัญที่ Comcast, Elsevier และ Microsoft โดยที่เขาเป็นผู้นำโครงการ AI, การค้นหา และ LLM ที่มีนวัตกรรม

การเดินทางในอาชีพของเอริกถูกทำเครื่องหมายด้วยความมุ่งมั่นของเขาในการนวัตกรรมและความเชื่อในพลังของการทำงานร่วมกัน เขาได้ขับเคลื่อนทีมต่างๆ ให้เร่งดำเนินการต่อการนำเสนอโซลูชันที่เป็นนวัตกรรมใหม่ๆ โดยสร้างตัวเองให้เป็นผู้นำที่เชื่อถือได้ในุมชนเทคโนโลยี ผลงานของเขา โดยเฉพาะอย่างยิ่งในโครงการ Scopus AI ที่ Elsevier เน้นย้ำถึงความมุ่งมั่นของเขาในการกำหนดขอบเขตใหม่ของวิธีการที่เราสนับสนุนข้อมูลและสร้างความสัมพันธ์ที่เชื่อถือได้กับผู้ใช้

ในบทบาทของเขาในฐานะ Chief AI Officer (CAIO) เอริกใช้ประสบการณ์ที่กว้างขวางของเขาในการพัฒนาและใช้กลยุทธ์ AI อย่างครอบคลุมสำหรับลูกค้าของ Tricon การดำเนินการที่ครอบคลุมของเขาทำให้ AI ไม่ใช่เรื่องที่น่ากลัว และทำให้แน่ใจว่าธุรกิจเหล่านั้นมีความพร้อมที่จะประสบความสำเร็จและเติบโตในภูมิทัศน์ที่มีการแข่งขันของเทคโนโลยี AI เอริกมีความหลงใหลในการส่งเสริมการเติบโตและนวัตกรรม โดยแบ่งปันข้อมูลเชิงลึกของเขาเพื่อสร้างแรงบันดาลใจและเพิ่มขีดความสามารถให้กับองค์กรในการใช้พลังการเปลี่ยนแปลงของ AI อย่างมีประสิทธิภาพ

คุณสามารถแบ่งปันเรื่องราวสำคัญบางส่วนของการเดินทางในอาชีพที่นำคุณมาเป็น Chief AI Officer ที่ Tricon Infotech ได้หรือไม่?

ฉันถูกจมอยู่ในโดเมนของการค้นหาข้อมูลตลอดอาชีพการงานของฉัน การเดินทางของฉันเริ่มต้นในช่วงต้นทศวรรษ 90 ในฐานะ Web Master ในช่วงแรกของอินเทอร์เน็ต ในช่วงเวลานี้ ฉันเน้นการสร้างห้องสมุดดิจิทัลสำหรับหน่วยงานรัฐบาล มหาวิทยาลัย และบริษัทสื่อ ซึ่งเป็นรากฐานของความเชี่ยวชาญของฉันในระบบข้อมูลดิจิทัล

ในช่วงปี 2000 ฉันเปลี่ยนไปทำงานกับผู้ให้บริการ Search Engine โดยที่ฉันเพิ่มทักษะในการค้นหาข้อมูล ช่วงเวลานี้ของอาชีพการงานของฉันถูกทำเครื่องหมายด้วยการเติบโตและเรียนรู้อย่างมีนัยสำคัญผ่านการเข้าซื้อกิจการหลายครั้ง ซึ่งในที่สุดนำฉันไปสู่การเข้าร่วมทีม Microsoft ในปี 2008 ที่ Microsoft ฉันมีบทบาทสำคัญในการพัฒนาและปรับปรุงแพลตฟอร์มการค้นพบความรู้ ซึ่งนำนวัตกรรมและปรับปรุงความสามารถในการเข้าถึงข้อมูลสำหรับผู้ใช้

หลังจากช่วงเวลาที่ Microsoft ฉันนำโครงการที่บริษัทใหญ่ๆ เช่น Comcast และ Elsevier โดยที่ฉันรับผิดชอบในการดำเนินแพลตฟอร์มการค้นพบความรู้ขนาดใหญ่ ประสบการณ์เหล่านี้มีบทบาทสำคัญในการกำหนดแนวทางของฉันในการผสมผสาน AI และการค้นหาข้อมูล ซึ่งนำไปสู่บทบาทปัจจุบันของฉันเป็น Chief AI Officer ที่ Tricon Infotech ที่นี่ ฉันใช้ประสบการณ์ที่กว้างขวางของฉันในการขับเคลื่อนกลยุทธ์และโซลูชัน AI ที่ทำให้ลูกค้าของเราได้รับพลังเต็มที่จากข้อมูลของตน

ประสบการณ์ของคุณที่บริษัทต่างๆ เช่น Comcast, Elsevier และ Microsoft มีอิทธิพลต่อแนวทางของคุณในการผสมผสาน AI และเทคโนโลยีการค้นหาอย่างไร?

ตลอดอาชีพการงานของฉัน ฉันเน้นไปที่เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) และการเรียนรู้ของเครื่อง (Machine Learning) ในตอนแรก เทคโนโลยีเหล่านี้มีพื้นฐานมาจากระบบที่ใช้กฎแบบง่าย แต่เมื่อชุดข้อมูลเติบโตขึ้นและพลังการประมวลผลเพิ่มขึ้น เราเริ่มปรับปรุงประสบการณ์ของผู้ใช้อย่างมีนัยสำคัญโดยการเก็บข้อมูลอัตโนมัติและป้อนกลับเข้าไปในอัลกอริทึมเพื่อปรับปรุงประสิทธิภาพ

ที่ Microsoft หลังจากการเข้าซื้อกิจการ FAST ฉันรับหน้าที่เป็นผู้จัดการผลิตภัณฑ์ในทีม SharePoint โดยที่ฉันเกี่ยวข้องกับการผสมผสานเทคโนโลยีการค้นหาที่ทันสมัยเข้ากับระบบการจัดการเนื้อหาขององค์กร ซึ่งปรับปรุงความสามารถในการค้นหาข้อมูลและความร่วมมือสำหรับธุรกิจ

ที่ Comcast ฉันสร้างแพลตฟอร์มการค้นพบความรู้ที่ขับเคลื่อนธุรกิจวิดีโอของพวกเขาโดยสมบูรณ์ ทำให้ผู้ใช้สามารถค้นหาและค้นพบเนื้อหาทั่วตัวเครื่อง set-top box, มือถือ และอุปกรณ์เว็บ ช่องค้นหานี้สามารถรองรับการร้องขอได้มากกว่า 1 พันล้านครั้งต่อวัน โดยปรับปรุงประสบการณ์ของผู้ใช้อย่างมากด้วยการให้คำแนะนำและผลลัพธ์การค้นหาที่รวดเร็วและแม่นยำ

หนึ่งในประสบการณ์ที่เปลี่ยนแปลงที่สุดคือที่ Elsevier โดยที่เราเปิดตัวประสบการณ์ Generative AI สำหรับ Scopus ซึ่งเป็นหนึ่งในผลิตภัณฑ์ที่ได้รับความไว้วางใจมากที่สุดของพวกเขา โครงการนี้ใช้ Large Language Model (LLM) เพื่อช่วยให้ผู้ใช้ถามคำถามที่ดีขึ้นและได้รับคำตอบที่แม่นยำยิ่งขึ้นจากฐานข้อมูลการสื่อสารทางวิชาการที่ลึกซึ้ง แนวทางที่ขับเคลื่อนด้วย LLM นี้รับประกันความถูกต้องและเชื่อถือได้ของมากกว่า 90 ล้านบทความภายในฐานข้อมูล ซึ่งแสดงให้เห็นถึงพลังของ AI ในการเพิ่มการวิจัยทางวิชาการและการเผยแพร่ความรู้

สิ่งใดที่ทำให้คุณตื่นเต้นที่สุดเกี่ยวกับการพัฒนาปัจจุบันของ Generative AI และศักยภาพในการใช้งาน?

หนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดในด้านการค้นหาข้อมูลคือการรักษาบริบท สำหรับมนุษย์ สิ่งนี้เป็นกระบวนการที่เป็นธรรมชาติ แต่สำหรับเครื่องจักร การค้นหาข้อมูลมักเป็นประสบการณ์ที่ทำธุรกรรม: ถามคำถาม, ได้รับคำตอบ การดำดิ่งลึกเข้าไปในหัวข้อต้องถามคำถามที่เฉพาะเจาะจงมากขึ้น Generative AI เปลี่ยนแปลงแนวทางนี้โดยทำให้สามารถโต้ตอบได้มากขึ้นและเป็นบริบท ซึ่งคล้ายกับการสนทนาที่เป็นธรรมชาติกับคนที่คุณเพิ่งพบ

นอกจากนี้ Generative AI รวมเทคนิคเพิ่มเติมที่เพิ่มความเข้าใจที่ลึกซึ้ง ซึ่งเคยเป็นเรื่องที่ยากสำหรับเครื่องมือค้นหาทั่วไป ตัวอย่างเช่น Large Language Models (LLMs) สามารถจัดการด้านทั้งโทน, การวิเคราะห์ความรู้สึก, ความเข้าใจเชิงсемันتیกส์ และการกำจัดความกำกวมได้อย่างราบรื่น ความสามารถเหล่านี้ทำให้ LLMs เข้าใจถึงความแตกต่างของภาษาและบริบทของมนุษย์ได้อย่างง่ายดาย โดยให้คำตอบที่แม่นยำและเป็นประโยชน์โดยไม่ต้องมีการปรับแต่ง

วิธีการของ Tricon Infotech ในด้าน GenAI แตกต่างจากบริษัทอื่นๆ ในอุตสาหกรรมอย่างไร?

ในพื้นที่ของ Generative AI มีจุดเน้นหลักสองประการ ประการแรก ซึ่งได้รับความสนใจจากผู้ให้บริการเทคโนโลยีที่ใหญ่ที่สุด คือการฝึกอบรมและปรับแต่งแบบจำลอง AI ประการที่สอง ซึ่งผู้ปฏิบัติงาน Generative AI มีความเชี่ยวชาญ คือการอนุมาน – การใช้ Generative AI เพื่อสร้างผลิตภัณฑ์และบริการที่มีค่า

ที่ Tricon Infotech เราเน้นไปที่ประเด็นที่สอง แนวทางของเรามีความแตกต่างเนื่องจากเราเน้นไปที่การประยุกต์ใช้จริงและการใช้งานที่รวดเร็ว เราได้พัฒนาโปรแกรมที่ครอบคลุมเพื่อช่วยให้ผู้นำธุรกิจสามารถระบุกรณีการใช้งานที่มีผลกระทบมากที่สุดสำหรับ Generative AI ได้อย่างรวดเร็ว ขั้นตอนของเรารวมถึงการสร้างต้นแบบอย่างรวดเร็ว ซึ่งช่วยให้ลูกค้าสามารถทำงานกับข้อมูลของตนเองใน sandbox AI นี้ทำให้แน่ใจว่าพวกเขาสามารถเห็นผลลัพธ์ที่เป็นรูปธรรมและโต้ตอบกับข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI ในช่วงต้นของวงจรพัฒนา

นอกจากนี้ เรามุ่งเน้นไปที่เวลาในการให้คุณค่าอย่างรุนแรง เป้าหมายของเราคือช่วยให้ลูกค้าสร้างและใช้งานแอปพลิเคชันสำหรับผู้บริโภคภายใน 90 วัน ระยะเวลาที่เร่งรีบนี้ไม่เพียงแต่ขับเคลื่อนนวัตกรรมที่เร็วขึ้น แต่ยังรับประกันว่าธุรกิจสามารถใช้ประโยชน์จากผลประโยชน์ของ Generative AI ได้อย่างรวดเร็ว โดยสร้างกระแสรายได้ใหม่และปรับปรุงความพึงพอใจของลูกค้า

คุณสามารถพูดถึงความท้าทายหลักๆ ในการนำ Large Language Models (LLMs) และ Generative AI ไปใช้ในโซลูชันระดับองค์กรได้หรือไม่?

การนำ Large Language Models (LLMs) และ Generative AI ไปใช้ในโซลูชันระดับองค์กรนำเสนอความท้าทายที่เกิดขึ้นใหม่หลายประการ ความท้าทายแรกและสำคัญที่สุดคือความไว้วางใจ องค์กรต่างๆ ต้องมั่นใจว่าระบบ AI จะไม่ประนีประนอมทรัพย์สินทางปัญญาหรือข้อมูลที่ละเอียดอ่อนขององค์กร การรับประกันความปลอดภัยของข้อมูลและได้รับการรับรองว่า AI จะไม่ล่วงละเมิดข้อมูลเป็นสิ่งสำคัญสำหรับการสร้างความไว้วางใจ

ความท้าทายที่สองคือปัญหาเรื่อง “การหลอกลวง” (hallucinations) Generative AI อาจสร้างคำตอบที่มั่นใจแต่ไม่ถูกต้อง ซึ่งอาจบ่อนทำลายความน่าเชื่อถือของระบบ AI เทคนิค เช่น การปรับแต่งแบบจำลองและการใช้การสร้างเสริมการค้นหา (Retrieval Augmented Generation, RAG) สามารถช่วยลดการเกิด “การหลอกลวง” โดยการรับรองว่าคำตอบของ AI มีพื้นฐานมาจากข้อมูลที่ถูกต้อง

ความท้าทายที่สามคือต้นทุน การได้รับใบอนุญาตและการขยาย LLMs สามารถมีราคาแพงได้ แม้ว่าข้อเสนอระดับองค์กรจากผู้ให้บริการรายใหญ่ๆ เช่น Microsoft, Amazon และ Google จะมาพร้อมกับค่าธรรมเนียมการเข้าใช้และขั้นต่ำที่สูง ดังนั้นจึงเป็นสิ่งสำคัญสำหรับองค์กรในการติดตามและจัดการผลตอบแทนจากการลงทุน (ROI) เพื่อให้แน่ใจว่าการใช้งานโซลูชัน AI นั้นเป็นไปอย่างคุ้มค่าทางเศรษฐกิจ

คุณสามารถอธิบายแนวทางที่มีโครงสร้างของ Tricon Infotech ในการสร้างโซลูชัน GenAI ที่กำหนดเองสำหรับองค์กรได้หรือไม่?

Tricon Infotech เป็นบริษัทพัฒนาผลิตภัณฑ์ที่มีความโดดเด่นโดยการเสนอบริการจัดการผ่านทีมผลิตภัณฑ์แบบเต็มที่อุทิศให้กับลูกค้า แทนที่จะเป็นการเพิ่มพนักงานแบบดั้งเดิม แนวทางของเรารวมถึงการวางตัวทีมผลิตภัณฑ์ทั้งหมดที่สามารถจัดการทุกด้านของวงจรชีวิตการพัฒนาผลิตภัณฑ์ รวมถึงการวิจัยผู้ใช้, การออกแบบประสบการณ์ผู้ใช้ (UX), การพัฒนา front-end และ back-end, การทดสอบอัตโนมัติ, การใช้งาน, การปรับขนาด และการดำเนินงานอย่างต่อเนื่อง

โมเดลบริการจัดการที่ครอบคลุมนี้ทำให้ลูกค้าของเราสามารถมุ่งเน้นไปที่การได้รับคุณค่าจากข้อมูลของตนโดยไม่ต้องมีความซับซ้อนและภาระในการจัดการทรัพยากรแยกกัน ปัจจัยขับเคลื่อนหลักของเราคือเวลาในการให้คุณค่า ซึ่งหมายความว่าเราตั้งใจที่จะส่งมอบผลประโยชน์ที่เป็นรูปธรรมอย่างรวดเร็วและได้ผล

แนวทางที่มีโครงสร้างของเรามีการออกแบบให้มีความยืดหยุ่นและตอบสนองได้ ทำให้เราปรับตัวให้เข้ากับความท้าทายและโอกาสใหม่ๆ ในภูมิทัศน์ AI ได้อย่างรวดเร็ว โดยการใช้ความสามารถเต็มรูปแบบของทีมที่มีความเชี่ยวชาญหลายด้าน เราสามารถส่งมอบโซลูชัน GenAI ที่กำหนดเองซึ่งถูกปรับให้เหมาะสมกับความต้องการเฉพาะของแต่ละองค์กรได้ แนวทางนี้ไม่เพียงแต่ทำให้เราแตกต่างจากบริษัทที่เพิ่มพนักงานแบบดั้งเดิมเท่านั้น แต่ยังรับประกันว่าเราจะส่งมอบโซลูชันที่ครอบคลุมและสมบูรณ์แบบ ซึ่งจะส่งผลกระทบทางธุรกิจที่สำคัญ

มีตัวอย่างปัญหาในโลกแห่งความเป็นจริงที่ได้รับการแก้ไขโดยโซลูชัน GenAI ของ Tricon อย่างไร?

1. E-Learning – การแปลงสื่อแบบดั้งเดิมและวัสดุการศึกษาที่มีอายุให้เป็นเนื้อหามัลติมีเดียแบบโต้ตอบ ทำให้ลูกค้าของเราสามารถนำเนื้อหาที่มีอยู่มาใช้ใหม่เพื่อปรับตัวให้เข้ากับวิธีการเรียนรู้ใหม่ๆ และเข้าถึงผู้เรียนในแพลตฟอร์มที่พวกเขาอยู่ นอกจากนี้ เนื้อหาสามารถนำมาใช้ใหม่ในรูปแบบโปรแกรมการเรียนรู้แบบ超ส่วนบุคคลที่สามารถปรับให้เหมาะสมกับความต้องการและรูปแบบการเรียนรู้ของแต่ละคน (เสียง, ทัศน์, ฯลฯ) ได้อย่างอัตโนมัติ
2. Private AI – ช่วยให้ลูกค้าสร้างโซลูชัน AI ระดับองค์กรที่รักษาความเป็นส่วนตัวและเคารพกฎการเข้าถึงข้อมูลของลูกค้า ในขณะเดียวกันก็รักษาต้นทุนและช่วยให้สามารถขยายได้ทั่วทั้งองค์กร โดยช่วยให้พนักงานที่มีภาระงานหนักและฝ่ายบริการร่วมมือสามารถขยายการทำงานได้ดีขึ้น โดยเข้าใจกฎและนโยบายที่แตกต่างกันในพื้นที่ต่างๆ
3. Process Automation – ยังมีองค์กรจำนวนมากที่พึ่งพาการประมวลผลด้วยมือและอินเทกรेशनข้อมูลแบบ “swivel chair” AI ช่วยเชื่อมต่อระบบต่างๆ โดยการสร้างชั้นข้อมูลอัจฉริยะที่สามารถตรวจสอบความถูกต้องของข้อมูลและเข้าใจสัญญาณเฉพาะที่สร้างขึ้นโดยชุดข้อมูลหรือเครื่องมือเฉพาะ และช่วยให้กระบวนการทำงานได้อย่างมีประสิทธิภาพโดยการระบุปัญหาในโซ่คุณค่า

บทบาทของการเรียนรู้อย่างต่อเนื่องและการเติบโตมีความสำคัญอย่างไรในการอยู่ในระดับแนวหน้าของสาขา AI ที่กำลังพัฒนาอย่างรวดเร็ว?

หนึ่งในความท้าทายที่สำคัญที่สุดในสาขา AI คือการเพิ่มทักษะให้กับกลุ่มคนงานที่มีประสบการณ์ มีคนรุ่นใหม่ที่เข้าใจเครื่องมือและเทคโนโลยี AI อย่างเป็นธรรมชาติ แต่ก็มีคนรุ่นก่อนที่ต้องเข้าใจสิ่งที่เครื่องมือเหล่านี้สามารถทำได้และไม่สามารถทำได้ การเรียนรู้อย่างต่อเนื่องมีความสำคัญอย่างยิ่งในการข้ามช่องว่างนี้

เครื่องมือ AI มีศักยภาพในการเพิ่มผลผลิตอย่างมาก โดยช่วยให้ธุรกิจสามารถบรรลุเป้าหมายได้มากขึ้นด้วยทรัพยากรที่น้อยลง ซึ่งจะลดระยะเวลาและต้นทุน สำหรับผลประโยชน์เหล่านี้ที่จะเกิดขึ้น พนักงานจะต้องเปิดใจรับการเรียนรู้วิธีการทำงานใหม่ๆ และรวมเครื่องมือเหล่านี้เข้ากับกระบวนการทำงานของตน

นอกจากนี้ การจัดการกับความกลัวด้านความมั่นคงในการทำงานมีความสำคัญ พนักงานจะต้องเข้าใจว่าผู้ที่ยอมรับการเรียนรู้อย่างต่อเนื่องและการเติบโตจะมีความพร้อมที่จะรวมเครื่องมือ AI ใหม่ๆ เข้ากับงานประจำวันของตน ซึ่งจะนำไปสู่ความมั่นคงในการทำงานที่ดีขึ้น ความเป็นจริงคือความสำเร็จในอนาคตของ AI จะมาถึงผู้ที่พยายามเข้าใจและใช้เทคโนโลยีที่กำลังพัฒนานี้

คุณมองเห็นอนาคตของ AI ที่จะเปลี่ยนแปลงเทคโนโลยีการค้นหาและปฏิสัมพันธ์ของผู้ใช้ในทศวรรษหน้าอย่างไร?

เรากำลังเห็นการเปลี่ยนแปลงที่สำคัญจากเครื่องมือค้นหาทั่วไปไปสู่เครื่องมือ Generative AI สำหรับการค้นหาตั้งต้น ซึ่งได้รับแรงผลักดันจากความสามารถของ Generative AI ในการให้คำตอบและโซลูชันโดยตรง โดยไม่ต้องไปที่เว็บไซต์หรือทรัพยากรอื่นๆ อีกต่อไป ในอนาคตอันใกล้ จะกลายเป็นเรื่องปกติที่ AI จะเข้าร่วมการประชุม จัดการกับงาน และจัดการงานประจำ ซึ่งจะนำไปสู่การลดบทบาทของหน้าที่บางอย่างภายในองค์กร

หนึ่งในความท้าทายที่ยังคงอยู่คือการค้นหาวิธีการสร้างรายได้จาก Generative AI เนื่องจากโมเดลการโฆษณาแบบดั้งเดิมอาจเผชิญกับอุปสรรคที่สำคัญในภูมิทัศน์ใหม่นี้ การคาดการณ์ของฉันคือข้อมูลจะกลายเป็นมูลค่าที่เพิ่มขึ้นมากขึ้น โดยทำหน้าที่เหมือนเงินตราเมื่อเรานำทางในโลกใหม่นี้ สิ่งนี้จะกำหนดให้ต้องมีโมเดลธุรกิจที่สร้างสรรค์ ซึ่งใช้ความสามารถเฉพาะของ AI ในขณะเดียวกันก็รับรองว่าผู้ใช้และองค์กรสามารถได้รับคุณค่าเชิงปฏิบัติจากปฏิสัมพันธ์ของตน

โดยรวมแล้ว อนาคตของ AI ในเทคโนโลยีการค้นหาและปฏิสัมพันธ์ของผู้ใช้สัญญาว่าจะเป็นการเปลี่ยนแปลง โดยทำให้การค้นหาข้อมูลมีความ直관และประสิทธิภาพมากขึ้น ในขณะเดียวกันก็เปลี่ยนแปลงวิธีที่เราทำงานกับอินเทอร์เฟซดิจิทัลและฟังก์ชันขององค์กร

คำแนะนำเชิงปฏิบัติที่คุณจะให้กับธุรกิจที่ต้องการใช้ AI เพื่อขับเคลื่อนความสำเร็จและนวัตกรรมคืออะไร?

อย่ากลัวเทคโนโลยี เริ่มต้นด้วยการทำให้เครื่องมือ AI มีให้สำหรับพนักงานของคุณ เพื่อให้แน่ใจว่าข้อมูลและทรัพย์สินทางปัญญาของคุณยังคงปลอดภัย มีพนักงานหลายคนกำลังใช้เครื่องมือ AI แล้ว แต่หากไม่มีการกำกับดูแลที่เหมาะสม ก็อาจมีความเสี่ยงต่อการละเมิด การเพิ่มทักษะให้กับพนักงานของคุณเพื่อให้เข้าใจความเสี่ยงและวิธีการใช้เครื่องมือเหล่านี้อย่างปลอดภัยและประสิทธิผลจึงมีความสำคัญ

นอกจากนี้ การติดตามมาตรการความสำเร็จเป็นสิ่งสำคัญ เครื่องมือ AI อาจมีราคาแพง แต่คาดว่าต้นทุนจะลดลงเมื่อเวลาผ่านไป อย่างไรก็ตาม สิ่งสำคัญคือต้องมุ่งเน้นไปที่ ROI เพื่อจัดการต้นทุนและเข้าใจผลกระทบต่อธุรกิจของคุณ โดยการทำเช่นนี้ คุณสามารถใช้ AI เพื่อขับเคลื่อนนวัตกรรมและความสำเร็จ ในขณะเดียวกันก็รับรองว่าประโยชน์เกินกว่าต้นทุน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Tricon Infotech เพื่อเรียนรู้เพิ่มเติม