watsonx.ai มัดรวมเครื่องมือ AI ตอบโจทย์องค์กรยุคใหม่ โดย IBM x G-Able

บทความที่จะพาไปทำความรู้จัก IBM watsonx.ai สตูดิโอรวมเครื่องมือทุกประเภทที่นักพัฒนาใช้สร้าง - ปรับแต่ง - ใช้งาน AI สำหรับลูกค้าองค์กร ครบจบในที่เดียว (End-to-end AI Development Studio) ทั้งยังรองรับการใช้งานในระบบ Hybrid Cloud และการใช้งานในองค์กร

IBM watsonx.ai คืออะไร มาจากไหน ทำอะไรได้บ้าง?

อธิบายให้เข้าใจง่าย watsonx.ai ก็คือสตูดิโอหรือแพลตฟอร์มรวมฟังก์ชัน/ฟีเจอร์ต่างๆ ที่นักพัฒนา (Developer) นักคณิตศาสตร์ข้อมูล (Data Scientist) และบุคคลทั่วไป ใช้สร้าง AI ได้อย่างครบวงจร โดยการเข้าไป 1) เลือกโมเดลที่เหมาะกับการใช้งาน 2) เลือกเครื่องมือ 3) เลือกเฟรมเวิร์ก AI แล้ว 4) สร้างและฝึก AI เป็น AI Agent  ไปจนถึงการสร้างแอปพลิเคชัน AI ให้ใช้งานง่ายขึ้น

ใน watsonx.ai มีโมเดล AI ให้เลือกใช้ทั้งแบบสำเร็จรูป เช่น การรู้จำภาษา, รูปภาพ, การคาดการณ์ข้อมูลเวลา และแบบสร้างหรือคัสตอมโมเดลเองได้ ซึ่งมี 3 วิธีคือ Prompt-tuning ปรับแต่งการสั่งงานด้วยข้อความ, Fine-tuning ปรับแต่งโมเดลให้เหมาะกับข้อมูลเฉพาะ และ InstructLab ปรับแต่งโดยเน้นให้โมเดลทำตามคำสั่งเฉพาะ นอกเหนือจากนี้ เครื่องมือใน watsonx.ai ยังสามารถผสานข้อมูลได้ง่ายเพราะ

• รองรับการทำงานของ AI ดั้งเดิม (AI ที่เรียนรู้แบบ Machine Learning) และ AI สมัยใหม่ (Generative AI) เช่น GPT, BERT
• รองรับความต้องการทั้งแบบ No-code, Low-code, Pro-code
• รองรับการใช้งาน Open Source เช่น TensorFlow
• รองรับงานขนาดใหญ่และสเกลได้ตามต้องการบนระบบ Cloud-Native
• รองรับ Foundation Models เช่น GPT, BERT และสามารถนำมาปรับใช้กับธุรกิจได้ ไม่ว่าจะเป็นการทำคอนเทนต์, การให้บริการลูกค้า, การวิเคราะห์ข้อมูล
• รองรับ API, SDK และเครื่องมือยอดนิยมอื่นๆ อาทิ LangChain, LlamaIndex
• รองรับการใช้กับเครื่องมืออื่นของ IBM ได้ เช่น watsonx.data, DataStage 

อย่างไรก็ตาม AI ทั่วไปที่ฝึกและใช้ข้อมูลสาธารณะอาจไม่พอหรือไม่ตรงตามความต้องการของภาคธุรกิจ เนื่องจากขาด ‘บริบททางธุรกิจ’ ซึ่งเป็นข้อมูลภายในองค์กรที่ไม่เผยแพร่กันใน Open Source หรือแพลตฟอร์มเปิดที่ใช้กันในสาธารณะ ส่งผลให้คำตอบที่ได้นั้นไม่ถูกต้อง หรือกลายเป็นข้อมูลล้าสมัย IBM จึงให้ watsonx.ai มี AutoAI RAG ผู้ช่วยอีกระบบที่เข้ามาสร้าง Pipeline ซัพพอร์ตการสร้างชุดเครื่องมือ RAG สำหรับการค้นข้อมูล เพื่อเสริมการตอบแบบมีบริบท ทั้งยังอัปเดตข้อมูลให้อัตโนมัติ ทำให้คำตอบที่ได้เป็นข้อมูลปัจจุบันหรือข้อมูลล่าสุด

คุยเรื่องเบื้องหลัง watsonx.ai และ Use Cases ที่เห็นผลจริง

สารพัดเครื่องมือบน watsonx.ai ที่ช่วยให้พัฒนา AI ได้เร็วขึ้นและง่ายขึ้นนี้ คุณอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด (IBM) อธิบายว่า มาจากพันธกิจของ IBM ซึ่งมีต้นทางมาจากความต้องการของลูกค้าองค์กร

“IBM มีพันธกิจหลักในการเป็น Leadership ด้าน AI และ Hybrid Cloud ซึ่งทั้งสองเทคโนโลยีนี้เข้าสู่กระแสหลักที่ใช้ขับเคลื่อนธุรกิจในปัจจุบัน โดยเฉพาะ AI Agent ซึ่งผมมีความเชื่อว่า AI Agent นี่แหละจะเป็นตัวที่มาปลดล็อกศักยภาพองค์กร หรือสร้างสิ่งที่เรียกว่า Tangible Business Value ให้ธุรกิจจริงๆ กับอีกเทคคือ Hybrid Cloud อันนี้เราเห็นภาพชัดเจนมากยิ่งขึ้นว่า มันคือโครงสร้างพื้นฐานของทั้งปัจจุบันแล้วก็อนาคต เนื่องจากเห็นองค์กรน้อยใหญ่ปรับใช้ Hyperscaler Public Cloud กันมากในช่วงหลายปีที่ผ่านมา" 

Source : https://www.ibm.com/products/watsonx-ai/ai-agent-development

คุณอโณทัยยังให้ข้อมูลเพิ่มอีกหลายแง่มุมว่า 

• 5 พันล้านดอลลาร์ คือ รายได้จาก AI ที่ IBM ได้รับในช่วงเวลา 18 เดือน นับตั้งแต่เริ่มให้บริการลูกค้าองค์กรในช่วงกลางปี 2023
  
  
• ภายในปี 2028 โลกนี้จะมีแอปพลิเคชันทั้งใหม่และเก่ารวมกันแล้วไม่ต่ำกว่า 1,000 ล้านแอปพลิเคชัน องค์กรจึงต้องมีแอปพลิเคชันจำนวนมากในอนาคต ไว้ทำงานในฟัก์ชันที่ต่างกัน เพราะการทำธุรกิจมีหลายบริบท ต้องใช้หลายเทคโนโลยี การทำงานก็แยกได้หลาย Business Function การจัดการแอปเหล่านี้ด้วยวิธีการเดิมๆ จึงอาจจะใช้ไม่ได้ผล ระบบ Automation ต่างๆ จึงต้องเข้ามาช่วยจัดการ
  
  
• มีองค์กรแค่ประมาณแค่ 25% ที่ลงทุนด้าน AI แล้วมี ROI (Return of Investment) ตามที่คาดหวัง เพราะฉะนั้น การลงทุน AI ในวันนี้ องค์กรก็จะโฟกัสไปที่ ‘ลงทุนอย่างไรให้ได้ ROI มากที่สุด’ ซึ่งส่วนนึงคือ การเลือกใช้ AI ที่ถูกขนาด (Rigth Sizing) ใน Domain Specific Use Case (การใช้งานเฉพาะด้าน) ซึ่งจะทําให้การบริหารจัดการต้นทุนทำได้ดีกว่า
  
  
• หลายองค์กรซักถามเรื่องการทํา AI Governance เข้ามามากขึ้น ปี 2024 IBM จึงทําแบบสำรวจโดยเก็บข้อมูลจากระดับ C-suite ขององค์กรชั้นนําในไทยกว่า 100 องค์กรมาตอบแบบสอบถาม แล้วพบว่า ประมาณ 51% ขององค์กรเหล่านี้ยังไม่กล้าที่จะมูฟไปทำ AI Project เพราะยังไม่ค่อยมั่นใจเรื่องของความปลอดภัย ไม่ว่าจะเป็นเรื่อง Trust, Legalist และ Compliance 

นอกจากนี้ ถ้าองค์กรจะสร้าง AI Agent แต่ถ้าไม่รู้ว่าจะให้ Agent ทำอะไร ด้านไหนได้บ้าง คุณอโณทัยบอกว่า IBM มีตัวช่วย นั่นคือ watsonx Orchestrate AI Agent for Business ที่ช่วยให้องค์กรสร้างและใช้งาน AI Agent ได้ภายใน 5 นาที เพราะมากับ Prebuilt Skill (ทักษะก่อนสร้าง AI) ซึ่งทำงานได้ราว 150 ฟังก์ชันสำคัญๆ โดยองค์กรสามารถเลือกได้ว่า จะสร้าง AI Agent ให้ทำงานด้านไหน เช่น งาน HR อย่างเรื่อง Leave Management การจัดการวันลา, Payroll ระบบการจ่ายเงินเดือน 

คุณอโณทัยเล่าว่า IBM เป็นองค์กรแรกๆ ที่ทรานสฟอร์มการใช้งาน AI Agent ที่งาน HR เป็นอย่างแรก โดยจุดตั้งต้นก็คือ การสร้าง AskHR ระบบอัตโนมัติที่มี AI Agent ทำงาน HR ได้กว่า 80 ทักษะ ลูกค้าองค์กรสามารถเข้าไปเลือกทักษะที่ต้องการเพื่อสร้าง Agent ที่ใช่มาใช้งาน (Deploy) ได้ง่ายและเร็วยิ่งขึ้น จากนั้นบริษัทจึงพัฒนา AI Agent เพื่อใช้งานหลากหลายด้าน ทำให้ IBM มีประสบการณ์และมีเทคโนโลยีเป็นของตัวเองที่สามารถนำไปช่วยงานลูกค้าได้ครอบคลุมยิ่งขึ้น 

ในฐานะองค์กรพันธมิตรที่ร่วมให้บริการ watsonx.ai ในหลากหลายอุตสาหกรรม คุณวิชัย สุขสิริเจริญกุล Vice President Data and Analytics บริษัท จีเอเบิล จำกัด (มหาชน) หรือ G-Able อธิบายต่อจากคุณอโณทัยว่า ปัจจุบันนี้ การใช้งาน AI ไม่ได้จับกลุ่มเฉพาะ IT User แต่หันไปจับกลุ่ม Business User มากขึ้น 

“Business User อยากใช้ AI เพื่อหาข้อมูลเกี่ยวกับองค์กรของตัวเอง หรือนำข้อมูลในองค์กรของตัวเองไปสร้างรายได้ทางธุรกิจให้มากขึ้น G-Able เองก็เข้าไป Educate เข้าไปเวิร์กร่วม Business User ร่วมกับลูกค้าหลายที่”

ต่อจากนั้น คุณวิชัยยกตัวอย่างการใช้ AI ทำเรื่อง Pre-approval ในอุตสาหกรรมธนาคาร แล้วย้อนกลับไปเพิ่มความเข้าใจเรื่องการใช้งาน watsonx.ai ให้เห็นภาพมากขึ้น

“สมมุติเป็นกลุ่ม Banking อาจจะ Pre-approval ค่อนข้างเร็ว เพราะเขาเอาจุดนี้เข้ามาช่วย พอได้เอกสารมาเข้าไปเช็ก Data ต่างๆ ว่า ลูกค้าคนนี้เป็นยังไง หนี้ของเขาเป็นยังไง พวก Loan Statement เป็นยังไง เพื่อไปสู่ Pre-approval การอนุมัติเรื่องต่างๆ  อีกกรณีคือ การใช้ Predict Fraud ซึ่งส่วนใหญ่ธนาคารโฟกัสอยู่ เช่น ผมกดเงินอยู่ที่ตู้เอทีเอ็ม อนุสาวรีย์ชัย อีก 5 นาที ผมไปกดเงินอยู่ที่อื่นๆ ระบบก็จะเข้ามาตรวจจับโดยคาดการณ์ว่า เป็นการหลอกลวงหรือการกระทำของมิจฉาชีพ หรืออีกด้านที่ธนาคารโฟกัสก็คือ ใช้ AI เป็น Recommendation Engine เครื่องมือให้คำแนะนำต่างๆ แก่ลูกค้า เช่น แพ็กเกจที่น่าจะเหมาะและถูกใจ”

สำหรับ Use Cases ที่นำ watsonx.ai ไปใช้แล้วเห็นความเปลี่ยนแปลงอย่างชัดเจน เช่น โรงพยาบาลมหาราชนครเชียงใหม่ จังหวัดเชียงใหม่ ที่ IBM นำ watsonx.AI ไปอินทิเกรตกับระบบของโรงพยาบาล เมื่อผู้ป่วยมาลงทะเบียน แพทย์ก็จะเห็นข้อมูลได้อย่างรวดเร็ว ส่งต่อข้อมูลผู้ป่วยได้ผ่านระบบอิเล็กทรอนิกส์ AI จึงช่วยให้การทำงานของแพทย์มีประสิทธิภาพมากขึ้น ผู้ป่วยใช้เวลาอยู่ที่โรงพยาบาลสั้นลง ซึ่งเป็นผลดีทั้งต่อผู้ป่วย แพทย์ และโรงพยาบาลเอง 

อีกแบรนด์ที่ใช้ watsonx.ai คือ ลอรีอัล ผู้ผลิตเครื่องสำอางระดับโลกที่มี Knowledge Based ด้านการผลิตเครื่องสำอางมายาวนาน โดยลอรีอัลร่วมกับ IBM นำ watsonx.ai มาใช้ในการพัฒนาผลิตภัณฑ์และสร้างสรรค์วัสดุใหม่เพื่อความยั่งยืน

“เมื่อก่อนที่ยังไม่มี AI เข้ามา เราเขียน ML Model ให้ลูกค้าก็ประมาณ 4 เดือนเสร็จ กว่าเราจะทําเทรนนิ่ง ทําให้มันแม่นยำสูงสุด จบที่ 6-7 เดือน พอมี watsonx.ai เข้ามา มันช่วยเราเขียน Code ช่วยเรา Suggestion Code ช่วยเราเทรนนิ่งได้ภายในไม่กี่วัน มันค่อนข้างง่ายกับ Business User แล้วมันค่อนข้างง่ายกับพวก Data Scientist โดยที่เราไม่ต้องเขียนโค้ดหนักๆ ดังนั้น การรับพนักงานเข้ามาเป็น Data Scientist ก็จะน้อยลง เพราะ Data Scientist ที่มีสามารถทํา Use Cases ได้มากขึ้น ประหยัดเวลามากขึ้นเพราะมีเครื่องมือ AI เข้ามาช่วย” คุณวิชัยกล่าว

“บางจุดเรา Think Big แต่เราสามารถ Start Small ได้ ซึ่งคําว่า Start Small มันอาจจะไม่ได้แลกมาด้วย ROI ที่ค่อนข้างสูง แต่อย่างน้อย ทีมงานหรือพนักงานในองค์กรเริ่มได้สัมผัส ได้ใช้งาน AI จริงจัง ก็จะดีต่อองค์กรและสร้าง ROI ได้ในระยะยาว เพราะถ้าไม่เริ่มตอนนี้หรือไม่ลองลงทุนเลย องค์กรก็อาจจะก้าวช้ากว่าคนอื่น” คุณอโณทัย ผู้บริหาร IBM กล่าวทิ้งท้าย