ทำไม GenAI จึงติดอยู่ในขั้นการทดลอง

เมื่อบริษัทต่างๆ พยายามย้ายโครงการ Generative AI จากขั้นทดลองไปสู่การผลิต – หลายธุรกิจยังคงติดอยู่ในโหมดการทดลอง เนื่องจากการวิจัยล่าสุดของเราเน้นย้ำว่า 92% ขององค์กรกังวลว่าโครงการ GenAI กำลังเร่งความเร็วโดยไม่ต้องแก้ไขปัญหาข้อมูลพื้นฐานก่อน นอกจากนี้ 67% ไม่สามารถขยายโครงการทดลองเหล่านี้ไปสู่การผลิตได้ ช่องว่างในการผลิตนี้ไม่เกี่ยวกับความตื่นเต้นของเทคโนโลยี แต่เกี่ยวกับความพร้อมของข้อมูลที่อยู่เบื้องหลัง ความสามารถของ GenAI ขึ้นอยู่กับความแข็งแกร่งของพื้นฐานที่มันยืนอยู่ และปัจจุบันสำหรับองค์กรส่วนใหญ่ พื้นฐานนั้นไม่แน่นอน

ทำไม GenAI จึงติดอยู่ในขั้นการทดลอง

แม้ว่าโซลูชัน GenAI จะมีประสิทธิภาพ แต่ มีประสิทธิภาพเท่ากับข้อมูลที่ใช้เลี้ยงพวกมัน คำพูดที่ว่า “ข้อมูลที่ไม่ดี จะได้ผลลัพธ์ที่ไม่ดี” เป็นจริงมากกว่าที่เคย ข้อมูลที่เชื่อถือได้ ไม่สมบูรณ์ ไม่มีสิทธิ์ และไม่สามารถอธิบายได้ ทำให้โมเดล GenAI มักจะผลิตผลลัพธ์ที่ไม่ถูกต้อง มีอคติ หรือไม่เหมาะสม

ไม่幸ด้วย องค์กรได้เร่งใช้กรณีการใช้งานที่ต้องใช้ความพยายามน้อย เช่น โชว์หุ่นยนต์ AI ที่ให้คำตอบที่ปรับให้เหมาะสมจากเอกสารภายในต่างๆ และแม้ว่าสิ่งเหล่านี้จะปรับปรุงประสบการณ์ของลูกค้า แต่ก็ไม่ต้องการการเปลี่ยนแปลงโครงสร้างข้อมูลของบริษัทอย่างลึกซึ้ง แต่เพื่อขยาย GenAI อย่างมีกลยุทธ์ ไม่ว่าจะในด้านการดูแลสุขภาพ บริการทางการเงิน หรือการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน จะต้องมีการเติบโตของข้อมูลในระดับที่แตกต่าง

ในความเป็นจริง 56% ของ Chief Data Officers ระบุว่าความน่าเชื่อถือของข้อมูลเป็นอุปสรรคหลักในการใช้งาน AI ปัญหาอื่นๆ ได้แก่ ข้อมูลที่ไม่สมบูรณ์ (53%) ปัญหาเรื่องความเป็นส่วนตัว (50%) และช่องว่างในการกำกับดูแล AI ที่ใหญ่กว่า (36%)

ไม่มีการกำกับดูแล ไม่มี GenAI

เพื่อนำ GenAI ไปสู่ขั้นตอนต่อไป องค์กรจะต้องรักษาการกำกับดูแลข้อมูลเป็นเรื่องสำคัญทางธุรกิจ พวกเขาต้องแน่ใจว่าข้อมูลมีคุณภาพที่จะใช้ในการเลี้ยงโมเดล AI และเพื่อให้แน่ใจว่าคำถามต่อไปนี้ได้รับการตอบ:

• ข้อมูลที่ใช้ในการฝึกอบรมโมเดลมาจากระบบที่ถูกต้องหรือไม่?
• เราลบข้อมูลที่สามารถระบุถึงบุคคลและปฏิบัติตามกฎข้อบังคับเกี่ยวกับข้อมูลและความเป็นส่วนตัวหรือไม่?
• เราสามารถอธิบายและพิสูจน์ย้อนกลับถึงข้อมูลที่โมเดลใช้หรือไม่?
• เราสามารถจัดทำเอกสารเกี่ยวกับกระบวนการข้อมูลและเตรียมพร้อมที่จะแสดงว่าข้อมูลไม่มีอคติหรือไม่?

การกำกับดูแลข้อมูลยังต้องถูกฝังอยู่ใน文化ขององค์กร ซึ่งหมายถึงการสร้างความเข้าใจเกี่ยวกับ AI ทั่วทั้งทีม การกระทำของสหภาพยุโรปเกี่ยวกับ AI กำหนดให้ทั้งผู้ให้บริการและผู้ใช้ระบบ AI ต้องพยายามให้พนักงานมีความเข้าใจเกี่ยวกับ AI เพียงพอ และเข้าใจวิธีการใช้งานอย่างรับผิดชอบ อย่างไรก็ตาม การนำ AI ไปใช้อย่างมีประสิทธิภาพต้องไปไกลกว่าความรู้ทางเทคนิค และต้องมีพื้นฐานที่แข็งแกร่งในด้านทักษะข้อมูล ตั้งแต่การเข้าใจการกำกับดูแลข้อมูลไปจนถึงการวางกรอบคำถามการวิเคราะห์ การพิจารณาความเข้าใจ AI โดยแยกออกจากความเข้าใจข้อมูลจะไม่เหมาะสม เนื่องจากทั้งสองสิ่งมีความเชื่อมโยงใกล้ชิด

ในด้านการกำกับดูแลข้อมูล ยังมีงานที่ต้องทำอีกมาก ในบรรดาธุรกิจที่ต้องการเพิ่มการลงทุนในการจัดการข้อมูล 47% เห็นด้วยว่าการขาดทักษะข้อมูลเป็นอุปสรรคหลัก ซึ่งเน้นย้ำถึงความจำเป็นในการสร้างการสนับสนุนจากผู้บริหารระดับสูงและพัฒนาทักษะที่เหมาะสมทั่วทั้งองค์กร หากไม่มีพื้นฐานเหล่านี้ แม้แต่โมเดล AI ที่ทรงพลังที่สุดก็จะดิ้นรนในการส่งมอบผลลัพธ์

พัฒนา AI ที่ต้องรับผิดชอบ

ในบรรยากาศการกำกับดูแลปัจจุบัน ไม่เพียงพอแล้วที่ AI จะ “ทำงานได้” แต่ยังต้องมีความรับผิดชอบและสามารถอธิบายได้ การกระทำของสหภาพยุโรปเกี่ยวกับ AI และแผนการกระทำ AI ของสหราชอาณาจักรที่เสนอ ต้องการความโปร่งใสในกรณีการใช้งาน AI ที่มีความเสี่ยงสูง ประเทศอื่นๆ ก็กำลังทำตาม และ มีมากกว่า 1,000 ประเด็นนโยบายที่เกี่ยวข้องใน 69 ประเทศ

การเคลื่อนไหวระดับโลกนี้สู่ความรับผิดชอบเป็นผลโดยตรงจากความต้องการที่เพิ่มขึ้นของลูกค้าและผู้มีส่วนได้ส่วนเสียต่อความยุติธรรมในอัลกอริทึม ตัวอย่างเช่น องค์กรจะต้องสามารถอธิบายเหตุผลว่าทำไมลูกค้าถูกปฏิเสธการกู้ยืมหรือถูกเรียกเก็บค่าประกันภัยที่สูงกว่า เพื่อที่จะทำเช่นนั้น พวกเขาต้องทราบว่าโมเดลตัดสินใจเช่นนั้นได้อย่างไร และสิ่งนั้นขึ้นอยู่กับการมีเส้นทางที่ชัดเจนและสามารถตรวจสอบได้ของข้อมูลที่ใช้ในการฝึกอบรม

หากไม่มีการอธิบายได้ องค์กรจะเสี่ยงต่อการเสียความไว้วางใจของลูกค้า以及เผชิญกับผลกระทบทางการเงินและกฎหมาย ดังนั้น การติดตามแหล่งที่มาของข้อมูลและเหตุผลของผลลัพธ์ไม่ใช่สิ่งที่ “ดี” แต่เป็นข้อกำหนดในการปฏิบัติตามกฎระเบียบ

และเมื่อ GenAI ขยายออกไปนอกเหนือจากเครื่องมือที่ใช้แล้วเป็นเอเย่นต์ที่สามารถตัดสินใจและดำเนินการได้โดยสมบูรณ์ ความเสี่ยงในการกำกับดูแลข้อมูลที่เข้มแข็งจะสูงขึ้น

ขั้นตอนในการสร้าง AI ที่เชื่อถือได้

ดังนั้น สิ่งที่ดีจะดูเป็นอย่างไร? เพื่อขยาย GenAI อย่างมีความรับผิดชอบ องค์กรควรพิจารณาใช้กลยุทธ์ข้อมูลเดียวที่ครอบคลุมสามเสาหลัก:

• ปรับ AI ให้เหมาะกับธุรกิจ: จัดทำแค็ตตาล็อกข้อมูลของคุณรอบวัตถุประสงค์ทางธุรกิจหลัก เพื่อให้แน่ใจว่ามันสะท้อนถึงบริบทที่เป็นเอกลักษณ์ ความท้าทาย และโอกาสที่เฉพาะเจาะจงสำหรับธุรกิจของคุณ
• สร้างความไว้วางใจใน AI: ตั้งค่านโยบาย มาตรฐาน และกระบวนการสำหรับการปฏิบัติตามและกำกับดูแล AI ที่มีจริยธรรมและรับผิดชอบ
• สร้างการเตรียมข้อมูล AI: รวมแหล่งข้อมูลที่หลากหลายเข้าด้วยกันเพื่อสร้างพื้นฐานข้อมูลที่มีความยืดหยุ่นสำหรับการอบรม AI ที่มี GenAI ที่เชื่อมต่อไว้ล่วงหน้า

เมื่อองค์กรทำสิ่งนี้ได้ การกำกับดูแลจะเร่งการสร้างมูลค่าของ AI ในบริการทางการเงิน ตัวอย่างเช่น กองทุนป้องกันความเสี่ยงใช้ GenAI เพื่อทำนายราคาหุ้นที่เหนือกว่านักวิเคราะห์ของมนุษย์ ในขณะที่ลดต้นทุนลงอย่างมาก ในด้านการผลิต การเพิ่มประสิทธิภาพห่วงโซ่อุปทานที่ขับเคลื่อนโดย AI ช่วยให้องค์กรมีปฏิกิริยาต่อการเปลี่ยนแปลงทางภูมิรัฐศาสตร์และแรงกดดันสิ่งแวดล้อมได้แบบเรียลไทม์

และสิ่งเหล่านี้ไม่ใช่แค่ความคิดในอนาคต แต่เกิดขึ้นแล้ว ขับเคลื่อนด้วยข้อมูลที่เชื่อถือได้

ด้วยพื้นฐานข้อมูลที่แข็งแกร่ง บริษัทต่างๆ ลดการเปลี่ยนแปลงของโมเดล ลดรอบการฝึกอบรมใหม่ และเพิ่มความเร็วในการสร้างมูลค่า นั่นเป็นเหตุผลที่การกำกับดูแลไม่ใช่สิ่งกีดขวาง แต่เป็นตัวเร่งนวัตกรรม

สิ่งหน้า?

หลังจากการทดลอง องค์กรกำลังขยายความสามารถในการเปลี่ยนแปลงไปสู่การลงทุนในความสามารถที่เปลี่ยนแปลงธุรกิจ ตั้งแต่การปรับแต่งการโต้ตอบกับลูกค้าไปจนถึง การเร่งการวิจัยยา การปรับปรุงสุขภาพจิต และการทำให้กระบวนการกำกับดูแลง่ายขึ้น GenAI เริ่มแสดงศักยภาพที่มีจริงไปทั่วอุตสาหกรรม

แต่ความสำเร็จเหล่านี้ขึ้นอยู่กับข้อมูลที่อยู่เบื้องหลัง GenAI เริ่มต้นด้วยการสร้างพื้นฐานข้อมูลที่แข็งแกร่งผ่านการกำกับดูแลข้อมูลที่เข้มแข็ง และแม้ว่า GenAI และ AI ที่มีเจตนาจะพัฒนาต่อไป แต่ก็ไม่สามารถแทนที่การกำกับดูแลของมนุษย์ได้ในเร็วๆ นี้ แทนที่จะเข้าสู่ช่วงการสร้างมูลค่าที่มีโครงสร้าง โดยที่ AI กลายเป็นนักบินร่วมที่เชื่อถือได้ ด้วยการลงทุนที่เหมาะสมในคุณภาพข้อมูล การกำกับดูแล และวัฒนธรรม องค์กรสามารถเปลี่ยน GenAI จากการทดลองที่มีแนวโน้มไปสู่สิ่งที่สามารถบินได้อย่างเต็มที่