ปีที่ผ่านมา คนในแวดวงเทคโนโลยีพูดถึง AI กันฉ่ำ โดยเฉพาะ Generative AI ซึ่งเป็นสาขาหนึ่งของ AI เพราะสามารถสร้างสรรค์สิ่งต่าง ๆ ได้อย่างรวดเร็วและยังสร้างอิมแพ็กได้อย่างมาก แต่อย่างไรก็ตาม มีบริษัทอีกมากที่ไม่รู้ว่า ใช้ Gen AI ตัวไหนจึงจะเหมาะกับธุรกิจ เทคซอสจึงเรียบเรียงจากการรับฟัง Lan Guan, Chief AI Officer, Accenture ในประเด็น GEN AI: ENABLING NEW BUSINESS MODELS AND THE FUTURE OF WORK มาให้ทุกคนอ่าน โดยมี 2 หัวข้อที่จะทำให้เข้าใจการนำ Gen AI ไปใช้ประโยชน์ง่ายขึ้น นั่นคือ '6 เทรนด์ Generative AI พร้อมตัวอย่างการใช้งานจริงในภาคธุรกิจ' และ 'ผู้บริหารระดับ C-suite ต้องรู้และทำ 5 ข้อนี้ เพื่อเป็นผู้นำในยุค Gen AI' 

6 เทรนด์ Gen AI ฉบับเข้าใจง่าย พร้อมเขย่าโลกธุรกิจ โดย Accenture

Lan Guan เกริ่นถึง โมเดลภาษาขนาดใหญ่ (Large Language Models) ว่า ในภาพรวมมีโมเดลภาษาที่ได้รับการเทรนมากกว่า 1,300 โมเดล (Foundation Models) และจากการทำงานกับลูกค้าเกี่ยวกับ Gen AI พบเทรนด์การใช้ Gen AI ในมุมธุรกิจ 6 ข้อ ดังนี้

• 1. Rise of GPT-class Models : การเติบโตแบบพุ่งพรวดของโมเดล Gen AI จนไม่มีใครยืนหนึ่งได้ตลอด

Lan Guan อธิบายว่า ผู้คนตื่นตัวไปกับกระแส Generative AI และเรียกชื่อ ‘ChatGPT’ แทนคำว่า ‘Generative AI’ เนื่องจากเป็นโมเดลที่เปิดตัวก่อนใครและเผยความสามารถจนเรียกเสียงฮือฮาจากผู้คนทั่วโลก คล้ายกันกับที่พวกเราเคยเรียกชื่อแบรนด์ ‘Xerox’ แทนคำว่า ‘ถ่ายเอกสาร’ จนคุ้นชิน เนื่องจาก Xerox เปิดตัวว่าเป็นผู้ผลิตเครื่องถ่ายเอกสารรายแรกๆ 

อย่างไรก็ตาม โมเดล Gen AI ที่ติดอันดับโลกหรือเป็นเทรนด์มาแรงจะไม่สามารถขึ้นแท่นเบอร์ 1 ได้ตลอด รวมถึงจะไม่มีโมเดลใดใหญ่ที่สุดหรือดีที่สุดเพียงโมเดลเดียวอีกต่อไป เนื่องจากการเทรนโมเดลภาษาขนาดใหญ่ (LLMs) เกิดขึ้นอย่างหลากหลาย มีพัฒนาที่เร็วมาก ทั้งยังมีการแข่งขันสูงมาก เช่นที่สร้างชื่อถัดมาอย่าง Gemini โดย Google, Claude-3 โดย Anthropic ดังนั้น การเป็นเบอร์ 1 จึงขึ้นอยู่กับว่า ใช้อะไรเป็นเกณฑ์และคำถามนี้เกิดขึ้นในช่วงเวลาใด

• 2. Enterprise-Ready Open-Source Models : องค์กรพร้อมใช้โมเดล Gen AI ฟรี แต่ก็เลือกนำไปพัฒนาต่อด้วย

องค์กรพร้อมใช้โมเดล Gen AI ซึ่งเปิดให้นำไปใช้งานได้ฟรี (Open Source) มากขึ้น เนื่องจากมี Developers ทั่วโลกเร่งพัฒนาโมเดลออกสู่ตลาด แบรนด์ต่างๆ ก็เร่งเพิ่มขีดความสามารถในการแข่งขันโดยใช้ประโยชน์จาก AI ให้มากที่สุด นำมาสู่การใช้งาน AI ในการทำ Digital Transformation ที่เพิ่มขึ้นแบบติดสปีด ส่งผลให้องค์กรมีตัวเลือกมากขึ้นและสามารถนำโมเดล Gen AI ที่เป็น Open Source ไปพัฒนาหรือปรับแต่งต่อเพื่อให้ตรงกับประเภทธุรกิจหรือ Data Set ที่มีอยู่โดยไม่ต้องเริ่มจากศูนย์ ยกตัวอย่าง Mistral.ai สตาร์ทอัพฝรั่งเศสที่พัฒนาโมเดล Gen AI ให้ลูกค้าแบบ tailor-made และยังสร้างแบบ Open-Source Models ให้ผู้สนใจนำไปพัฒนาต่อได้ในชื่อ Mistral 7B และ Mixtral 8×7B ซึ่งการจับเทรนด์ธุรกิจนี้ทำให้ Mistral.ai กลายเป็นยูนิคอร์นไปแล้ว หรืออย่าง Typhoon โมเดลภาษาไทยที่ SCB 10X นำ Open-Source Models มาพัฒนาต่อ

Lan Guan, Chief AI Officer, Accenture

• 3. Large Multi-Modal AI : LLMs หลบไป 'LMM' โมเดลภาษาขนาดใหญ่ที่มีความสามารถเหนือชั้นกว่ากำลังมา

จากที่เราคุ้นเคยกับ LLMs มาทำความรู้จัก LMM หรือ Large Multi-Modal คือ โมเดลภาษาขนาดใหญ่ที่มีศักยภาพหลากหลาย เพียงใส่ Prompt เพื่อสั่งการลงไป ผลลัพธ์ที่ได้ก็เช่น ข้อความ ภาพ วิดีโอ หรือสั่งให้สร้างผลงาน 3D ออกมาก็ยังได้ เนื่องจาก Gen AI ได้รับการเทรนและพัฒนาจนมีความสามารถเหนือชั้นมากขึ้น ไม่ได้มีแค่ความสามารถในการเรียนรู้ด้านภาษาและสร้างสรรค์แต่สิ่งที่อยู่ในกรอบเดิมๆ อีกต่อไป 

ยกตัวอย่าง Sora โดย OpenAI ที่สามารถสร้างสรรค์จาก Prompt เป็นวิดีโอที่มีความซับซ้อนได้อย่างน่าทึ่ง หรือ Pika สตาร์ทอัพที่พัฒนาแพลตฟอร์ม Gen AI เพื่อสรรค์สร้างงาน 3D Animation, Cinematography ได้อย่างสวยงาม โดย Animation ที่ทำให้เป็นที่รู้จักในวงกว้างคือ กอริลล่าในอิริยาบถเท่ๆ

• 4. Edge AI is the New Focus : บางประเภทธุรกิจโฟกัสใหม่ที่การใช้ Edge AI

Edge AI เป็นเทคโนโลยีที่นิยมใช้กับอุปกรณ์ IoT รวมทั้งมีความปลอดภัยต่อการใช้งาน Data มากยิ่งขึ้น เพราะประมวลผลบนอุปกรณ์ที่เลือกใช้โดยเฉพาะ โดยเทคโนโลยีนี้กำลังได้รับความสนใจจาก ‘ธุรกิจที่มีแฟรนไชส์หรือมีสาขาจำนวนมาก’ เช่น ร้านอาหาร ยกตัวอย่างแบรนด์ที่ใช้ Edge AI เช่น McDonald’s (ตอนนี้ที่สาขาต่างๆ ในอเมริกาเหนือเท่านั้น) ช่วยให้ธุรกิจบริการขยายตัวได้เร็ว (Scale) การประมวลผล Data ตอบสนองได้ฉับไวยิ่งขึ้น ความหน่วงต่ำ ข้อมูลมีความปลอดภัยเพิ่มขึ้น (Data Privacy) เพราะประมวลผลอยู่ที่ Edge ไม่ต้องส่งกลับไปที่ศูนย์กลาง (Centralization) ส่งผลต่อความสามารถในการให้บริการได้เร็วขึ้น และช่วยเพิ่มความพึงพอใจให้ลูกค้าได้ นอกจากนี้ยังใช้ในหลายอุตสาหกรรม เช่น การผลิต การแพทย์ โทรคมนาคม 

• 5. Moving Towards the Small & the Specialized : อีกเทรนด์ที่น่าจับตา SLM โมเดลภาษาขนาดเล็กที่พัฒนาให้ทำหน้าที่เฉพาะ

นอกจาก LLM ยังมีโมเดลภาษาที่มีขนาดเล็กและมีความเชี่ยวชาญเฉพาะเรียกกว่า SLM หรือ Small & the Specialized Language Model ซึ่งผ่านการเทรนให้มีความสามารถหรือมีความเชี่ยวชาญในบางบริบทยิ่งกว่า โดย Lan Guan อธิบายว่า สามารถเปรียบเทียบ 'โมเดลภาษา' ได้กับ 'การรักษาโรค' ที่มีทั้งหมอที่รักษาโรคทั่วไปและหมอที่รักษาโรคเฉพาะทาง 

หากมองในด้านขนาดของโมเดล อธิบายได้ว่า โมเดลภาษาขนาดใหญ่จะมีขนาด Data ที่ใช้เทรนระดับแสนล้านพารามิเตอร์ (hundreds of billions of parameters) ขึ้นไป เช่น GPT4 ที่ใช้ 1.8 ล้านล้านพารามิเตอร์ GPT3 ใช้ 175 พันล้านพารามิเตอร์ ส่วนโมเดลขนาดเล็กอาจมีขนาด Data ที่ใช้เทรนไม่ถึง 15 ล้านพารามิเตอร์ เช่น Orca 2 โดย Microsoft ที่ใช้ 13 พันล้านพารามิเตอร์ ซึ่งเป็นโมเดลที่มีความสามารถสูงกว่าโมเดลภาษาขนาดใหญ่ เพราะไม่สามารถใช้งานอย่างทั่วไปได้

แต่หากมองในมุมอุตสาหกรรมที่นำโมเดลภาษาที่มีความเฉพาะเจาะจงไปใช้ก็เช่น ธุรกิจโทรคมนาคมอย่าง Singtel ที่ต้องการเก็บรักษาข้อมูลอย่างปลอดภัยและเป็นความลับ จึงนำข้อมูลบริษัทเข้าไปใช้ใน SLM แล้วให้ทำงานตอบสนองเป้าหมายบางประการ หรือถ้ามองด้านการใช้งานในกลุ่มเฉพาะก็เช่น การใช้ SLM ที่มีการสร้างโดเมนเฉพาะ (Specialized Domain) ขึ้นเพื่อตอบคำถามผ่าน Contact Center 

• 6. Advent of the Age of Agents : ยุคแห่งการใช้ AI ทำหน้าที่แทนทั้งกระบวนการมาถึงแล้ว

การใช้ Gen AI ที่มีข้อมูลพื้นฐาน มีการบันทึกความจำ เอื้อให้การทำงานหรือการใช้ชีวิตสะดวกสบายยิ่งขึ้น นำไปสู่การใช้ AI ทำบางอย่างแทน หรือทำตลอดกระบวนการตั้งแต่ต้นจนจบ เช่น ในฐานะคนทำงาน  Gen AI สามารถแนะนำให้ทำตาม Workflow ได้ราบรื่นขึ้น ในฐานะผู้บริโภคก็สามารถใช้ Gen AI ช่วยอำนวยความสะดวกในชีวิตประจำวันได้ เช่น การให้ ChatGPT ช่วยแนะนำร้านอาหารและจองโต๊ะให้ด้วย หรือหากใช้แอปซึ่งมี Gen AI สามารถแจ้งเตือนได้ว่า ฝนกำลังจะตก ตามมาด้วยการแนะนำหรือเตือนให้ผู้ใช้งานหยิบร่มก่อนออกจากสถานที่นั้นๆ ช่วยให้การใช้ชีวิตง่ายขึ้น หรือตัวอย่างธุรกิจที่นำ Gen AI ไปทำงานแทนได้ เช่น Travel Agency ที่นอกจากจะช่วยให้ผู้เดินทางวางแผนทริปท่องเที่ยวได้แล้ว ยังสามารถจองตั๋วเครื่องบินต่อได้เลย หรือแนะนำบริษัทที่น่าทำประกันการเดินทางต่อได้อีกด้วย จึงให้บริการได้ตั้งแต่ต้นจนจบกระบวนการ (End-to-end Service)

จะเห็นว่า เทรนด์ที่ยกมานี้มีความแตกต่างทั้งด้านการใช้งาน การทำงานสร้างสรรค์ ผลลัพธ์ที่ได้ องค์กรธุรกิจจึงสามารถเลือกใช้โมเดลให้เหมาะสมกับธุรกิจ คู่ค้าและลูกค้า รวมถึงวัตถุประสงค์ได้ 

5 ข้อที่ผู้บริหารระดับ C-suite ต้องทำเพื่อเป็นผู้นำในยุค Gen AI 

แต่ใช่ว่าอุตสาหกรรมจะเลือกใช้ได้ถูกต้องเหมาะสม ในประเด็น '5 ข้อที่ผู้บริหารระดับ C-suite ต้องรู้และทำเพื่อเป็นผู้นำในยุค Gen AI (C-SUITE MUST-DO’S TO LEAD IN THE AGE OF GEN AI)' Lan Guan และ คุณปฐมา จันทรักษ์ กรรมการผู้จัดการใหญ่ Accenture Thailand มาร่วมให้ข้อมูล ที่ผู้บริหารระดับ C-Level ควรรู้เกี่ยวกับการนำ Gen AI ใช้ประโยชน์เพื่อให้เกิดประสิทธิภาพมากที่สุด ดังนี้

• 01 Lead with Value 
  ผู้บริหารต้องเห็นประโยชน์สูงสุดของการใช้งาน เห็นคุณค่าของ Gen AI ว่าจะเอามาช่วยงานหรือเสริมการทำงานให้แก่บุคลากรได้อย่างไร
  
  
• 02 Understand and Develop an AI-enabled, Secure Digital Core 
  ผู้บริหารต้องเข้าใจและเลือก Gen AI ที่นำไปใช้งานได้จริง รวมถึงเข้าใจเรื่องการใช้งานอย่างปลอดภัยร่วมด้วย
  
  
• 03 Reinvent Talent and Ways of Working 
  ผู้บริหารต้องเปิดทางให้คนเก่งได้คิดค้นสิ่งใหม่ๆ และให้พนักงานใช้ Gen AI ในการทำงานได้ ด้วยการลงทุนด้านการพัฒนาทักษะบุคลากรเพิ่ม
  
  
• 04 Close the Gap on Responsible AI 
  ผู้บริหารต้องร่วมลดช่องว่างปัญหาด้านจริยธรรมด้วยการให้ทุกคนใช้ AI อย่างมีความรับผิดชอบ
  
  
• 05 Drive Continuous Reinvention 
  ผู้บริหารต้องสนับสนุนให้ทีมงานคิดค้นสิ่งใหม่ๆ อย่างต่อเนื่อง

Fact & Data เกี่ยวกับ Gen AI ภายใต้การดำเนินงานของ Accenture 

• 3 พันล้านดอลลาร์ คือเม็ดเงินที่ Accenture ลงทุนด้าน AI เพื่อช่วยให้ลูกค้าของเราในทุกอุตสาหกรรมก้าวหน้าอย่างรวดเร็วและมีความรับผิดชอบ และใช้ AI เพื่อให้บรรลุการเติบโต ประสิทธิภาพ และความยืดหยุ่นที่มากขึ้น โดยในจำนวนนี้มีงบลงทุนในประเทศไทยรวมอยู่ด้วย 
• 53,000 คนทั่วโลก คือทีมงานด้าน Data และ AI ซึ่งหลายคนอยู่ในภูมิภาคเอเชียตะวันออกเฉียงใต้ 
• 400,000 ราย คือจำนวนลูกค้าที่ Accenture พูดคุย/ให้คำปรึกษาเรื่อง AI
• 1,000 โครงการ คือ จำนวนโครงการที่ Accenture ใช้ Gen AI ทดลอง POC หรือ Proof of Concept (ทำให้คอนเซ็ปต์เกิดเป็นผลิตภัณฑ์ ไม่ใช่แค่ทฤษฎี) ในช่วง 10 เดือนที่ผ่านมา
• 8-10% คืออัตราส่วนที่ POC แล้วทำได้จริง ซึ่งก็คือ 80-100 โครงการเท่านั้น
• 9 ประเทศ คือ จำนวนประเทศที่ Accenture เข้าไปตั้งสตูดิโอ Generative AI  ได้แก่ ออสเตรเลีย อาร์เจนตินา บราซิล จีน อินเดีย ญี่ปุ่น เม็กซิโก ฟิลิปปินส์ และสิงคโปร์ เพื่อสนองตอบความสนใจในเทคโนโลยีที่เพิ่มขึ้นของลูกค้า และเชื่อมโยงลูกค้ากับข้อมูล และผู้เชี่ยวชาญด้าน AI จาก Accenture และพันธมิตรในระบบนิเวศ

มุมมองเกี่ยวกับ Gen AI และสิ่งที่ได้รู้เพิ่มจาก Accenture

Patama Chantaruck Country Managing Director - Accenture Thailand, Lan Guan Chief AI Officer - Accenture & Wee Wei Ng Southeast Asia Market Unit Lead -  Accenture

• การสรุปว่า Gen AI ตัวไหนไหนดีที่สุดนั้น ขึ้นอยู่กับว่าเทียบกันด้านไหน (Benchmark) เช่น ความสามารถในการย่อความ สรุปความ การถอดเสียง การแปลงข้อความเป็นภาพ รวมถึงการ Generate ผลลัพธ์ในรูปแบบอื่นๆ 
  
  
• Gen AI มีพัฒนาการที่รวดเร็วมาก อย่างไรก็ตาม สามารถแบ่งได้เป็น 
  
  

  • SLM หรือ the Specialized Language Model โมเดลภาษาขนาดเล็กหรือโมเดลเฉพาะที่มีความเชี่ยวชาญด้านนั้นๆ 

  • MLM หรือ Medium Language Model โมเดลภาษาขนาดกลาง 

  • LLM หรือ Large Language Model โมเดลภาษาขนาดใหญ่

  • LMM หรือ Large Multi-Modal คือ โมเดลภาษาขนาดใหญ่ที่มีศักยภาพหลากหลาย 

• Ng Wee Wei กรรมการผู้จัดการอาวุโสและหัวหน้าฝ่ายการตลาดเอเชียตะวันออกเฉียงใต้ Accenture ให้ข้อมูลเพิ่มว่า มีผู้นำด้าน Gen AI ในตลาด 15 ราย รวมทั้ง

  • ผู้บริหารทั่วโลกถึง 97% ที่ทำแบบสำรวจเชื่อว่า Gen AI จะเปลี่ยนองค์กรและอุตสาหกรรมของตน โดย Gen AI จะมีบทบาทสำคัญต่อกลยุทธ์การดำเนินธุรกิจในอีก 3-5 ปีข้างหน้า

  • จากลูกค้าเกือบ 700 รายที่มีส่วนร่วมด้าน AI กับ Accenture พบว่า อุตสาหกรรมธนาคาร การสื่อสารและสื่อ และวิทยาศาสตร์ชีวภาพ เป็นกลุ่มที่มีความเคลื่อนไหวด้านการใช้ Gen AI มากที่สุด โดยเฉพาะการใช้สร้างคอนเทนต์ ใช้พัฒนาซอฟต์แวร์ใช้เพิ่มความสามารถด้านไอทีและการให้ความช่วยเหลือ ใช้ค้นหาองค์ความรู้ และใช้บริการลูกค้า รวมถึงบริการ Contact Center

  • จากงานวิจัยของ Accenture พบว่า ทุกบริษัทในเอเชียตะวันออกเฉียงใต้ที่บริษัททำสำรวจ ปรับใช้หรือเพิ่มการใช้งาน AI และระบบอัตโนมัติแล้ว และ 97% ของบริษัทเหล่านี้ยังมุ่งมั่นพัฒนาประสิทธิภาพทางธุรกิจไปสู่มาตรฐานใหม่ในอุตสาหกรรมของตน อย่างไรก็ดี เป็นการปรับตัวตามการแข่งขันที่เปลี่ยนแปลงไป

  • Ng Wee Wei ให้คำแนะนำปิดท้ายว่า “แม้บุคคลทั่วไปทดลองใช้ Generative AI ในช่วงแรก แต่การเอาชนะอุปสรรคที่จะใช้ในชีวิตประจำวันนั้น จำเป็นต้องมีการเปลี่ยนวัฒนธรรมองค์กรอย่างมีนัยสำคัญ เพราะหากจะให้ใช้ Generative AI ได้ ระบบก็ต้องการความสนใจจากผู้คนและการฝึกฝนมากพอๆ กับความต้องการด้านเทคโนโลยี ดังนั้น บริษัทต่างๆ ควรลงทุนเพิ่มในด้านการเพิ่มทักษะความสามารถของพนักงาน ทั้ง ‘การสร้าง AI และการใช้ AI’ เพื่อรับมือกับสองความท้าทายอันแตกต่าง”