สิ่งที่ตามมาหลังองค์กรใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่

“การทำความเข้าใจเทคโนโลยีเพื่อนำไปสู่การใช้ประโยชน์จาก LLM ได้อย่างมีประสิทธิภาพ ต้องไม่ลืมอีกประเด็นที่ตามมาคือ ผลกระทบต่ออนาคตของการทำงาน เป็นหัวข้อสำคัญในการควบคุมเทคโนโลยีนี้ให้ดำเนินต่อไปอย่างมีศักยภาพ

ในวงเสวนาที่จัดขึ้นโดย AMCHAM Digital Economy Committee ภายใต้ชื่อ “การเตรียมความพร้อมโมเดลภาษาขนาดใหญ่สำหรับนักธุรกิจ” เป็นการพูดคุยถ่ายทอดองค์ความรู้ในหลายแง่มุมของ เทคโนโลยีเบื้องหลังโมเดลภาษาขนาดใหญ่ (LLM), กรณีศึกษาการนำไปใช้งาน, สิ่งที่ได้ผลและไม่ได้ผล รวมไปถึงอนาคตของการทำงานในธุรกิจด้านต่างๆ อาทิ การเงิน ทรัพยากรบุคคล และการเขียนโค้ด 

วงสนทนานั้น ประกอบไปด้วย ผู้ที่คร่ำหวอดในแวดวงเทคโนโลยีไอที ดิจิทัล อาทิ ไมเคิล อาราเนต้า จาก AWS, ดร.ธนชาติ นุ่มนนท์ จาก IMC Institute และ ชุติมา สีบำรุงสาสน์ จากไมโครซอฟท์  

โดยมี วลีพร สายะสิต AMCHAM Digital Economy Committee Co-Chair & GM of TCC Technology เป็นผู้ดำเนินรายการ 

CIO World Business ขอนำส่วนสำคัญบางประเด็นงานนี้ มาถ่ายทอดเพื่อให้เข้าใจ โมเดลภาษาขนาดใหญ่ ได้ครบถ้วนมากขึ้น ปูทางไปสู่การตัดสินใจและเตรียมความพร้อมโมเดลภาษาขนาดใหญ่สำหรับนักธุรกิจ

ถอดรหัสเทคโนโลยีเบื้องหลัง_LLM

วงเสวนาดังกล่าว เริ่มต้นด้วยการอธิบายความโมเดลภาษาขนาดใหญ่ ซึ่งน่าจะทำความเข้าใจได้ว่า โมเดลภาษาขนาดใหญ่ (LLM) เช่น ChatGPT, Claude, Gemini ได้รับการฝึกฝนด้วยข้อมูลจำนวนมหาศาลทำให้สามารถสร้างข้อความและตอบคำถามในลักษณะที่คล้ายคลึงกับมนุษย์ 

ซึ่ง LLM_นั้นถือเป็นหนึ่งในรูปแบบของ GenAI ที่พัฒนาวิธีการโต้ตอบของมนุษย์กับเทคโนโลยี รวมถึงปลดล็อกโอกาสที่น่าตื่นเต้นมากมายสำหรับอนาคต

ไมเคิล อาราเนต้า ให้ความเห็นว่า “โมเดลภาษาขนาดใหญ่ เกิดจากเรียนรู้ด้วยชุดข้อมูลขนาดใหญ่บนอินเทอร์เน็ต ซึ่งโมเดลเหล่านี้จะใช้ประโยชน์จากเครือข่ายประสาทเทียมขั้นสูงและเทคนิคการเรียนรู้แบบกระจายเพื่อประมวลผลและเข้าใจรูปแบบที่ซับซ้อนของข้อมูล” 

“ซึ่ง LLM_สามารถสร้างการตอบสนองและประมวลผลออกมาได้คล้ายคลึงกับมนุษย์และเข้าใจบริบทของลูกค้า อีกทั้งยังมี GenAI ที่ถือเป็นพื้นฐานในการทำให้ LLM_นั้นสามารถสร้างข้อความ ภาพ และวิดีโอ โดยเลียนแบบภาษาและกระบวนการสร้างสรรค์ของมนุษย์ได้” 

นอกจากนี้ ดร.ธนชาติ นุ่มนนท์ กล่าวเสริมว่า “LLM_นั้นแตกต่างจากโมเดล machine learning แบบเดิม เนื่องจากได้รับการเรียนรู้ด้วยข้อมูลที่ไม่ได้ระบุประเภทของข้อมูลให้ชัดเจนว่าเป็นข้อมูลประเภทไหน ไม่มีการติดป้ายกำกับ (Unlabeled Data) บนอินเทอร์เน็ต ซึ่งวิธีการเรียนรู้ในลักษณะนี้อาจยังมีข้อจำกัดในด้านความถูกต้องแม่นยำของข้อมูลและความเป็นไปได้ในการเกิดอคติ” 

การนำ LLM_ไปใช้ประโยชน์

การนำโมเดลภาษาขนาดใหญ่ สามารถนำไปปรับใช้ได้กับหลายๆ ฟังก์ชันหรือหลายหน่วยงานในองค์กร โดยหนึ่งในงานที่สามารถยกตัวอย่างให้เข้าใจและเห็นประโยชน์ได้อย่างชัดเจนคือ งานในฝ่ายทรัพยากรบุคคล 

โดย ชุติมา ให้ความเห็นว่า “LLM_สามารถเข้ามาช่วยในการออกแบบขอบเขตการทำงานอัตโนมัติให้เป็นไปตามแบบแผนและความเหมาะสม” 

“นอกจากนี้ LLM_ยังสามารถช่วยในการจัดการผลการปฏิบัติงานโดยการวิเคราะห์ความคิดเห็นและตัวชี้วัด รวมถึงเสนอแผนพัฒนาสายอาชีพที่ปรับแต่งเฉพาะบุคคล ซึ่งส่งเสริมการเติบโตและความพึงพอใจของพนักงาน” 

“LLM_ยังมีบทบาทในฐานะเพื่อนร่วมงาน ที่ช่วยในการวิจัยโดยการประมวลผลและสรุปข้อมูลจำนวนมากอย่างรวดเร็ว เพื่อให้ได้ข้อมูลเชิงลึกที่มีคุณค่า” ดร.ธนชาติ เสริมในอีกมิติหนึ่งของการใช้ประโยชน์จาก LLM

สิ่งที่ได้ผลและสิ่งที่ไม่ได้ผล

LLM_ช่วยเพิ่มประสิทธิภาพและผลลัพธ์ในการทำงานที่ดียิ่งขึ้น ซึ่งสิ่งนี้ล้วนมีประโยชน์ค่อนข้างมากสำหรับฝ่ายทรัพยากรบุคคลและการสร้างสรรค์เนื้อหาต่างๆ อย่างไรก็ตาม ความแม่นยำของ_LLM นั้นจะขึ้นอยู่กับการฝึกฝนผ่านการป้อนข้อมูลที่มีคุณภาพ หากข้อมูลนั้นไม่มีคุณภาพที่เพียงพอก็อาจนำไปสู่ผลลัพธ์ที่ไม่ถูกต้อง 

นอกจากนี้ ชุติมา ได้เน้นย้ำถึงความสำคัญของการพิจารณาด้านจริยธรรมโดยเฉพาะอย่างยิ่งการสร้างความโปร่งใสและความยุติธรรมในการใช้เนื้อหาที่สร้างขึ้นโดย AI

การเพิ่มความได้เปรียบขององค์กรด้วย LLM

ไมเคิล กล่าวว่า “การศึกษาและการมีผู้นำทางความคิดที่ก้าวหน้าเป็นกุญแจสำคัญสำหรับแต่ละองค์กรในการเลือกใช้ Gen AI และ เทคโนโลยีใหม่ๆ ในการสนับสนุนพนักงานให้สามารถเข้าใจและเข้าถึงการใช้_LLM ที่ถูกต้อง” 

“สิ่งเหล่านี้จะช่วยให้องค์กรสามารถเพิ่มความโดดเด่นของธุรกิจโดยการยกระดับประสบการณ์ที่ดีให้แก่ลูกค้าและเพิ่มประสิทธิภาพในการดำเนินงาน”

นอกจากนี้ ชุติมา ได้กล่าวเพิ่มเติมว่า “LLM_สามารถเข้ามาช่วยบริหารจัดการการทำงานภายในทีมได้ โดยเฉพาะอย่างยิ่ง การทำงานในรูปแบบซ้ำๆ อย่างอัตโนมัติ ซึ่งสิ่งเหล่านี้จะช่วยให้ฝ่ายทรัพยากรบุคคลสามารถมุ่งเน้นไปที่กิจกรรมเชิงกลยุทธ์ที่ขับเคลื่อนการเติบโตของธุรกิจแทนได้ อีกทั้ง การเปลี่ยนแปลงนี้ไม่เพียงแต่เพิ่มประสิทธิภาพแต่ยังช่วยเพิ่มความพึงพอใจและการพัฒนาของพนักงานอีกด้วย”

อนาคตของการทำงาน: การเปลี่ยนแปลงและโอกาส

ผลกระทบของ LLM_ต่ออนาคตของการทำงานนั้นลึกซึ้ง ชุติมา ได้กล่าวว่า สิ่งสำคัญที่องค์กรจำต้องเตรียมความพร้อมให้แก่พนักงานสำหรับการเปลี่ยนแปลงทางเทคโนโลยีนี้ก็จะมีตั้งแต่การฝึกอบรมพนักงานไปจนถึงการเสริมสร้างวัฒนธรรมที่ช่วยให้พนักงานสามารถเข้าใจขั้นตอนการเปลี่ยนแปลงต่างๆได้อย่างราบรื่น 

นอกจากนี้ สำหรับสถาบันการเงิน ไมเคิล ได้เน้นย้ำถึงความสามารถของ_LLM ที่จะช่วยเพิ่มความโดดเด่นทางด้านธุรกิจด้วยการปรับเปลี่ยนแนวทางการสื่อสารระหว่างลูกค้าด้วยการสร้างประสบการณ์การบริการที่มีประสิทธิภาพ อีกทั้ง ด้านข้อมูลและการเขียนโค้ดที่มีทั้งโอกาสและความท้าทาย 

ขณะที่ ดร. ธนชาติ เสริมว่า “LLM_สามารถช่วยในการเขียนโค้ดที่มีรูปแบบซ้ำๆได้โดยอัตโนมัติ ทำให้นักพัฒนาสามารถมุ่งเน้นไปที่การเขียนโค้ดที่ซับซ้อนและสร้างสรรค์มากขึ้น รวมถึงเน้นย้ำถึงการป้อนข้อมูลที่มีคุณภาพและการฝึกอบรมที่เพียงพอที่ปัจจุบันยังคงเป็นความท้าทายที่สำคัญที่ต้องบริหารจัดการ”

ประเด็นสำคัญที่ต้องนึกถึงเสมอ

ในมุมมองของผู้นำธุรกิจ การทำความเข้าใจเทคโนโลยีเบื้องหลัง_LLM การใช้ประโยชน์จาก_LLM อย่างมีประสิทธิภาพ และการเตรียมพร้อมสำหรับผลกระทบต่ออนาคตของการทำงานนั้นถือเป็นขั้นตอนที่สำคัญในการควบคุมเทคโนโลยีนี้ให้ดำเนินต่อไปอย่างมีศักยภาพ 

อีกทั้งการนำ AI อย่าง_LLM มาประยุกต์ใช้ถือเป็นสัญญาณของการปลี่ยนแปลงที่สำคัญเกินกว่าที่เราจะสามารถจินตนาการได้ นอกจากนี้ การยอมรับเทคโนโลยีเหล่านี้ให้เป็นส่วนหนึ่งของธุรกิจไม่เพียงแต่จะรักษาความสามารถในการแข่งขันได้แต่ยังขับเคลื่อนนวัตกรรมและการเติบโตในยุคดิจิทัลด้วยอีกเช่นกัน

Featured Image: Image by frimufilms on Freepik