ผู้นำทางความคิด
เหตุใดจึงควรสร้าง AI อธิปไตย และมีข้อจำกัดตรงไหน

ประเด็นสำคัญแชทของผู้ใช้ที่ถูกลบสามารถถูกเก็บรักษาไว้โดยผู้พิพากษาในคดีความที่คุณไม่เคยเข้าร่วม
ดูเพิ่มเติม
- แชทของผู้ใช้ที่ถูกลบสามารถถูกเก็บรักษาไว้โดยผู้พิพากษาในคดีความที่คุณไม่เคยเข้าร่วม
- AI อธิปไตยแท้จริงแล้วเกี่ยวกับการควบคุมมากกว่าพรมแดนของประเทศหรือธงชาติ
- อธิปไตยเชิงปฏิบัติการเป็นเสาหลักที่องค์กรส่วนใหญ่มองข้ามเมื่อสร้าง AI อธิปไตย
เมื่อวันที่ 13 พฤษภาคม 2025 ผู้พิพากษาศาลรัฐบาลกลางในแมนฮัตตันลงนามในคำสั่งให้เปิดเผยพยานหลักฐาน ในคดีข้อพิพาทด้านลิขสิทธิ์ระหว่าง The New York Times กับ OpenAI โดยสั่งให้ OpenAI “เก็บรักษาและแยกข้อมูลบันทึกผลลัพธ์ทั้งหมดที่มิฉะนั้นจะถูกลบทิ้งไว้ต่างหาก”
นั่นหมายความรวมถึงแชตที่ผู้ใช้เคยขอให้ลบไปแล้วด้วย คำสั่งนี้ครอบคลุมบัญชี ChatGPT Free, Plus, Pro และ Team ตลอดจนลูกค้า API ที่ไม่มีข้อตกลงไม่เก็บรักษาข้อมูล OpenAI ต่อสู้คัดค้านคำสั่งนี้ แบรด ไลต์แคป ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของบริษัท เรียกคำสั่งนี้ว่า “เกินขอบเขต” คำสั่งที่ครอบคลุมวงกว้างนี้ สิ้นสุดลงในช่วงปลายเดือนกันยายน แต่ข้อมูลจากบัญชีที่ The New York Times ระบุไว้ยังคงถูกเก็บรักษาไว้ตามคำสั่งทางกฎหมาย
ลูกค้าองค์กรได้รับการยกเว้น แต่ทีมธุรกิจจำนวนมากที่ใช้แพ็กเกจ Team และคีย์ API มาตรฐานกลับไม่ได้รับการยกเว้น คนเหล่านี้ไม่มีใครเป็นคู่ความในคดีดังกล่าว พวกเขากดลบข้อมูล แต่ผู้พิพากษาในคดีความของคนอื่นตัดสินว่าการกดลบไม่ได้หมายความว่าข้อมูลจะถูกลบ
ผมไม่ได้มุ่งตำหนิ OpenAI พวกเขาต่อสู้อย่างหนัก นั่นแหละคือประเด็น เมื่อข้อมูลของคุณอยู่บนแพลตฟอร์มของคนอื่น การต่อสู้ทางกฎหมาย สัญญา และนโยบายของคนอื่นย่อมเป็นตัวกำหนดว่าจะเกิดอะไรขึ้นกับข้อมูลนั้น
ทีนี้ลองเปลี่ยนมาเป็นบริษัทของคุณเอง ทั้งสัญญา แฟ้มเคลม ซอร์สโค้ด และเวชระเบียนของลูกค้า ข้อมูลเหล่านี้กำลังไหลผ่านโมเดล AI ที่ทำงานบนโครงสร้างพื้นฐานซึ่งคุณไม่ได้เป็นเจ้าของมากขึ้นเรื่อย ๆ และอยู่ภายใต้ข้อกำหนดที่คุณไม่ได้เป็นผู้ร่าง
แท้จริงแล้ว AI อธิปไตยหมายถึงเรื่องนี้ ไม่ใช่ธงชาติหรือพรมแดน แต่คือการควบคุม
ตัวเลขชี้ว่านี่ไม่ใช่เรื่องเฉพาะกลุ่ม
ช่วงปลายปีที่แล้ว McKinsey สำรวจผู้บริหาร นักลงทุน และเจ้าหน้าที่รัฐ 300 คน โดย 71% มองว่า AI อธิปไตยเป็น “ความกังวลระดับชี้เป็นชี้ตาย” หรือ “ความจำเป็นเชิงกลยุทธ์” McKinsey ประเมินว่าตลาดนี้จะมีมูลค่า 600 พันล้านดอลลาร์ภายในปี 2030 และคาดว่างานด้าน AI มากถึง 40% อาจย้ายไปอยู่ในสภาพแวดล้อมที่มีอธิปไตย
ข้อมูลจากภาคธุรกิจก็สอดคล้องกัน:
- องค์กรเกือบ 4 ใน 5 แห่งระบุแก่ Linux Foundation ว่า AI อธิปไตยเป็นลำดับความสำคัญเชิงกลยุทธ์ และประมาณ 90% กล่าวว่าโอเพนซอร์สเป็นสิ่งจำเป็นหรือสำคัญอย่างยิ่งต่อการบรรลุเป้าหมายนี้
- ผู้นำด้านไอทีมากกว่า 900 คนจำนวน 74% ในยุโรป ตะวันออกกลาง และแอฟริกา ระบุแก่ Red Hat ว่าอธิปไตยด้าน AI เป็นเรื่องสำคัญในช่วง 18 เดือนข้างหน้า ส่วน 92% กล่าวว่าโอเพนซอร์สสำหรับองค์กรเป็นปัจจัยสำคัญ
- องค์กร 63% ใช้โมเดล AI แบบโอเพนซอร์สอยู่แล้ว ตามผลสำรวจ ของ McKinsey และ Mozilla Foundation ซึ่งสอบถามผู้นำด้านเทคโนโลยีมากกว่า 700 คนใน 41 ประเทศ และ 76% คาดว่าจะใช้โมเดลเหล่านี้มากขึ้น
สังเกตได้ว่าประเด็นเหล่านี้เชื่อมโยงกัน อธิปไตยกับโอเพนซอร์สมักปรากฏควบคู่กัน นั่นไม่ใช่เรื่องบังเอิญ
เหตุผลที่ผมมองโลกในแง่ดี
ผมเคยพูดเรื่องนี้แล้วว่า โมเดลต่าง ๆ ดีพอแล้ว สำหรับงานประจำวันส่วนใหญ่ที่องค์กรต้องทำจริง ไม่ว่าจะเป็นการสรุป การค้นคว้า การทำตามคำสั่ง หรือการประมวลผลเอกสาร ความก้าวหน้าของโมเดลแนวหน้าก็ไม่ได้สร้างความแตกต่างมากนัก โมเดลที่ชนะการแข่งขันคณิตศาสตร์โอลิมปิกไม่ได้ทำให้กระบวนการจัดการเคลมของคุณเร็วขึ้นแต่อย่างใด
ผมเคยใช้โมเดลแบบเปิดอย่าง Qwen บนฮาร์ดแวร์ของตัวเอง และเห็นว่ามันทำงานจริงในแอปพลิเคชันได้ดี ผมปรับแต่งโมเดลด้วยข้อมูลของตัวเอง บนเครื่องของตัวเองได้ โดยไม่ต้องส่งข้อมูลแม้แต่ระเบียนเดียวออกไป เมื่อสองปีก่อน นี่ยังไม่ใช่ทางเลือกที่องค์กรจะพิจารณาอย่างจริงจัง แต่วันนี้เป็นไปได้แล้ว
เรื่องนี้เปลี่ยนสมการด้านอธิปไตย คุณไม่จำเป็นต้องสร้างโมเดลแนวหน้าเองเพื่อเป็นเจ้าของ AI คุณนำโมเดลแบบเปิดที่มีน้ำหนักโมเดลให้ใช้งานซึ่งมีประสิทธิภาพดีมาทำงานภายในระบบของคุณเองหรือบนคลาวด์อธิปไตย ปรับแต่งด้วยข้อมูลของคุณ และเก็บน้ำหนักโมเดลไว้เองได้
ฝั่งอุปทานก็กำลังเปลี่ยนแปลงเช่นกัน ในเดือนสิงหาคม Nvidia ตกลงจ่ายให้ Poolside 6 พันล้านดอลลาร์เพื่อขอสิทธิ์ใช้งานแพลตฟอร์มสร้างโมเดลของบริษัท และเสนองานให้วิศวกรของ Poolside มากกว่า 100 คน ทั้งหมดมุ่งไปที่ตระกูลโมเดลแบบเปิดที่มีน้ำหนักโมเดลให้ใช้งานอย่าง Nemotron ของ Nvidia เมื่อบริษัทที่ขายเครื่องมือสำคัญสำหรับการสร้างโมเดลทุ่มเงินจำนวนมหาศาลให้กับโมเดลแบบเปิด โมเดลเหล่านี้ย่อมพัฒนาขึ้นต่อไป
เครื่องมือด้านความปลอดภัยก็กำลังพัฒนาตามทันเช่นกัน การอนุมานแบบรักษาความลับใช้ สภาพแวดล้อมการประมวลผลที่เชื่อถือได้ ภายใน CPU หรือ GPU เพื่อให้ข้อมูลยังคงเข้ารหัสไว้จนกว่าจะไปถึงส่วนที่แยกกั้นไว้ภายในชิป แม้แต่ผู้ให้บริการคลาวด์ก็ยังมองไม่เห็นข้อมูล วิธีนี้ทำให้คุณเปลี่ยนจากการได้แต่หวังว่าข้อมูลจะปลอดภัย มาเป็นการรู้แน่ชัดว่าข้อมูลปลอดภัย
ดังนั้น ใช่แล้ว AI อธิปไตยทำได้ดีมากจริง ๆ ต้นทุนต่อปริมาณงานต่ำกว่า ไม่มีการขึ้นราคากะทันหัน ไม่มีโมเดลถูกยกเลิกจนคุณต้องรับมือโดยไม่ทันตั้งตัว และเมื่อคณะกรรมการบริษัทถามว่าข้อมูลไปอยู่ที่ไหน คุณก็ให้คำตอบได้อย่างตรงไปตรงมา
แต่ถ้าผมหยุดไว้แค่นี้ ก็เท่ากับทำให้คุณเสียประโยชน์
อ่านรายละเอียดให้ถี่ถ้วนก่อนลงนาม
ทรัพยากรประมวลผลกระจุกตัวอยู่ในไม่กี่แห่ง และมีราคาแพง ดัชนี AI อธิปไตย ของ Center for a New American Security ระบุว่า ทรัพยากรประมวลผลสำหรับ AI แนวหน้าประมาณ 90% อยู่ในสหรัฐอเมริกาและจีน McKinsey ระบุว่ามีเพียงประมาณ 30 ประเทศที่มีทรัพยากรประมวลผลรองรับงาน AI ขั้นสูงได้ การเป็นเจ้าของโครงสร้างระบบทั้งหมดของคุณเองหมายถึงการมี GPU พลังงาน ระบบระบายความร้อน และบุคลากรที่รู้วิธีดูแลระบบ จัดสรรงบประมาณให้ครอบคลุมทั้งหมด ไม่ใช่แค่ชิป
อธิปไตยไม่ได้หมายถึงการพึ่งพาตนเองได้ทุกด้าน CNAS ติดตามโครงการ AI อธิปไตยที่ได้รับการสนับสนุนจากรัฐบาล 184 โครงการ มากกว่าสามในห้าระบุว่ามีพันธมิตรต่างชาติอย่างน้อยหนึ่งราย และพันธมิตรส่วนใหญ่เป็นบริษัทในสหรัฐฯ แม้แต่ประเทศต่าง ๆ ก็ทำเรื่องนี้เพียงลำพังไม่ได้ World Economic Forum และ Bain ให้เหตุผลว่าแท้จริงแล้วอธิปไตยคือ “การพึ่งพาอาศัยกันเชิงยุทธศาสตร์” ผมเห็นด้วย จงตัดสินใจว่าชั้นใดบ้างที่คุณต้องควบคุมเอง และชั้นใดที่สามารถเช่าใช้ได้อย่างปลอดภัย
โมเดลแบบเปิดยังทำผลงานตามหลังในงานที่ยากที่สุด McKinsey ชี้ว่าโมเดลที่ปรับให้เข้ากับท้องถิ่นอาจมีประสิทธิภาพไม่เทียบเท่าโมเดลแนวหน้า สำหรับงานบางประเภท ช่องว่างนี้มีความสำคัญ คำตอบไม่ใช่การเลือกอย่างใดอย่างหนึ่งทั้งหมด ให้ส่งงานที่มีความละเอียดอ่อนและมีปริมาณมากไปยังโมเดลที่คุณเป็นเจ้าของ พร้อมคงช่องทางที่มีการกำกับดูแลไว้เพื่อเข้าถึง API ของโมเดลแนวหน้า สำหรับปัญหาที่จำเป็นต้องใช้โมเดลเหล่านั้นจริง ๆ
การดำเนินงานคือจุดที่โครงการส่วนใหญ่สะดุด ผู้คนให้ความสำคัญกับโครงสร้างพื้นฐาน ข้อมูล และการควบคุมโมเดล แต่อธิปไตยด้านการดำเนินงาน ซึ่งครอบคลุมว่าใครเข้าถึงระบบได้ ใครเปลี่ยนการกำหนดค่าได้ และใครตรวจสอบสิ่งที่ระบบทำได้ คือเสาหลักที่องค์กรส่วนใหญ่มองข้าม เรื่องนี้จะกลายเป็นประเด็นสำคัญอย่างรวดเร็วเมื่อเอเจนต์ AI เริ่มลงมือทำการต่าง ๆ ในนามของคุณ หากผู้ให้บริการภายนอกเป็นผู้กุมกุญแจควบคุมเอเจนต์ของคุณ นั่นก็ไม่ใช่ AI อธิปไตย แต่เป็นบริการโฮสต์ที่ตั้งชื่อให้ดูดีขึ้นเท่านั้น
อย่าขังตัวเองไว้ในกรอบใหม่ จุดประสงค์ของอธิปไตยคือการมีทางเลือก วางระบบให้เปลี่ยนโมเดลได้โดยไม่ต้องสร้างทุกอย่างที่เกี่ยวข้องขึ้นมาใหม่ หากสแต็ก “อธิปไตย” ของคุณใช้งานได้กับโมเดลเดียวจากผู้ให้บริการรายเดียว คุณก็แค่ย้ายจุดพึ่งพาไปไว้ที่อื่น
มองเรื่องนี้เป็นงานวิศวกรรม ไม่ใช่การจัดซื้อ
องค์กรที่จัดการเรื่องนี้ได้ดีมองแต่ละส่วนเป็นข้อกำหนดด้านวิศวกรรม โดยกำหนดผู้รับผิดชอบและตัวชี้วัดไว้ชัดเจน การประมวลผลเพื่ออนุมานเกิดขึ้นที่ใดในทางกายภาพ? มีการบันทึกพรอมป์ต์และผลลัพธ์ไว้ที่ใด และเก็บไว้นานเท่าใด? โมเดลใดเข้าถึงข้อมูลใดได้บ้าง? ใครมีสิทธิ์ปิดระบบ?
ส่วนองค์กรที่กำลังประสบปัญหามอง AI อธิปไตยเป็นเพียงช่องให้ติ๊กในแบบสอบถามสำหรับผู้ขาย
เรื่องนี้สอดคล้องกับทุกสิ่งที่ผมพบจากการทำงานที่ Marlabs ปัจจุบันตัวโมเดลแทบไม่ใช่ปัญหาอีกต่อไป แต่เป็นการนำไปใช้งานต่างหาก ทั้งบุคลากร สถาปัตยกรรม และการกำกับดูแล AI อธิปไตยไม่ได้เปลี่ยนแปลงเรื่องนี้ แต่ทำให้เดิมพันในการทำให้ถูกต้องสูงขึ้น
ย้อนกลับไปยังห้องพิจารณาคดีในแมนฮัตตัน
ผู้ใช้แพ็กเกจ Team เหล่านั้นไม่ได้ทำอะไรผิด พวกเขาเชื่อมั่นในข้อตกลงกับผู้ให้บริการ แต่การตัดสินใจเกี่ยวกับข้อมูลของพวกเขากลับเกิดขึ้นในห้องพิจารณาคดีที่พวกเขาไม่เคยเข้าไป
คุณสามารถตัดสินใจเรื่องนี้ได้ด้วยตัวเอง เมื่อคณะกรรมการบริษัท หน่วยงานกำกับดูแล หรือลูกค้ารายใหญ่ที่สุดถามว่าใครควบคุมข้อมูลของพวกเขา และมีใครอีกบ้างที่มองเห็นข้อมูลนั้นได้ การใช้ AI อธิปไตยอย่างเหมาะสมจะช่วยให้คุณตอบได้อย่างชัดเจน ระบุให้เห็นได้อย่างเจาะจงว่าข้อมูลอยู่ที่ใด แสดงให้เห็นว่าใครถือกุญแจ
เรื่องนี้คุ้มค่าที่จะลงมือสร้าง แต่จงสร้างโดยมองทุกอย่างอย่างรอบด้าน
อะไรเป็นแรงขับเคลื่อนการพูดคุยเรื่อง AI อธิปไตยในองค์กรของคุณ? บอกให้ผมรู้ด้วย












