AIS ACADEMY for THAIS 2026: เจาะลึก 5 บทเรียนสเกล AI
สรุปงาน AIS ACADEMY for THAIS 2026 เผย 93% องค์กรยังขยายผล AI ไม่ได้ ชี้ความท้าทายอยู่ที่โจทย์ ข้อมูล และกระบวนการทำงานจริง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- 93% ขององค์กรนำ AI ไปใช้แล้วยังขยายผลต่อไม่ได้ตามสถิติจาก AWS
- Google ชี้ AI เปลี่ยนแปลงระดับพื้นฐานเทียบเท่าการค้นพบไฟและไฟฟ้า
- Dr. Leslie Teo เผยความสามารถ AI โตเร็วกว่ากฎของมัวร์เกือบสามเท่า
- ช่องว่างจริงอยู่ที่บริบท การประเมินผล และโครงที่ครอบการทำงาน
งาน AIS ACADEMY for THAIS 2026: MASTERING AI BEYOND BORDERS จัดโดย AIS Academy เปิดฉากด้วยประเด็นสำคัญที่สะท้อนภาพการนำเทคโนโลยีไปใช้จริงในภาคธุรกิจ โดยคุณวัตสัน ถิรภัทรพงศ์ Country Manager ของ Amazon Web Services (AWS) ประเทศไทย ได้หยิบยกตัวเลขที่น่าสนใจขึ้นมาเปิดเซสชันบนเวที AI for Business ว่ามีองค์กรถึง 93% ที่นำปัญญาประดิษฐ์ไปใช้งานแล้วแต่ยังไม่สามารถขยายผลต่อให้เกิดมูลค่าทางธุรกิจได้
คุณวัตสัน ขยายความว่าตัวเลขดังกล่าวไม่ได้แปลว่าโครงการประสบความล้มเหลว แต่สะท้อนว่าการใช้งานส่วนใหญ่ยังหยุดอยู่เพียงแค่ระดับพื้นฐาน เช่น การสรุปรายงานการประชุมหรือการย่อเอกสาร ซึ่งสอดคล้องกับมุมมองของผู้บริหารจาก Google Cloud, Sea (Thailand), AI Singapore และ AWS ที่เห็นตรงกันว่าอุปสรรคสำคัญในปัจจุบันไม่ใช่ข้อจำกัดด้านความสามารถของโมเดลอีกต่อไป แต่เป็นเรื่องของโจทย์ที่ตั้งขึ้น ความพร้อมของข้อมูล บุคลากร และกระบวนการทำงานภายในองค์กร
การปูพื้นฐานเรื่องมุมมองต่อเทคโนโลยีถูกเริ่มต้นในเซสชัน 'ปลดล็อกศักยภาพมนุษย์ด้วย AI' โดยคุณสรุจ ทิพเสนา Country Manager จาก Google Cloud ประเทศไทย ซึ่งได้อ้างอิงคำพูดของ Sundar Pichai ประธานเจ้าหน้าที่บริหารของ Google ว่าปัญญาประดิษฐ์ไม่ใช่แค่เครื่องมือธรรมดา แต่เป็นการเปลี่ยนแปลงทางเทคโนโลยีระดับรากฐานที่มีความสำคัญเทียบเท่ากับการค้นพบไฟหรือกระแสไฟฟ้าในอดีต
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
"ความสามารถของ AI ไม่ใช่ข้อจำกัดอีกต่อไป สิ่งที่ยังเป็นข้อจำกัดคือโจทย์ที่ตั้ง ความพร้อมของข้อมูล บุคลากร และกระบวนการทำงาน"
เวที AIS ACADEMY for THAIS 2026
ในมุมมองของคุณสรุจ หากองค์กรยังมองเทคโนโลยีนี้เป็นเพียงเครื่องมือทั่วไป ขอบเขตการใช้งานก็จะจำกัดอยู่เพียงแคบๆ แต่หากเปลี่ยนมุมมองเป็นการเปลี่ยนผ่านทางเทคโนโลยี คำถามที่ตามมาจะเปลี่ยนเป็นการพิจารณาว่าเราสามารถสร้างสรรค์อะไรจากสิ่งนี้ได้บ้าง เหมือนกับที่มนุษยชาติตั้งคำถามและต่อยอดจากการมีไฟฟ้าใช้ พร้อมกันนี้ยังได้ยกตัวอย่างโครงการจาก Google DeepMind เช่น AlphaGenome สำหรับถอดรหัสพันธุกรรม AlphaFold สำหรับวิเคราะห์โครงสร้างโปรตีนที่ย่นเวลาจากเป็นปีให้เหลือเพียงสุดสัปดาห์ และ WeatherNext 3 โมเดลพยากรณ์อากาศที่เพิ่มความละเอียดระดับตำบล
การที่ผู้บริหารระดับสูงจากค่ายเทคโนโลยีระดับโลกต่างมองตรงกันว่าปัญหาไม่ได้อยู่ที่ศักยภาพของโมเดล สะท้อนให้เห็นว่าองค์กรยุคใหม่ต้องให้ความสำคัญกับการปรับกระบวนการทำงานภายในและการเตรียมความพร้อมของข้อมูล ควบคู่ไปกับการสรรหาเทคโนโลยี มิฉะนั้นการลงทุนมหาศาลก็จะไม่ก่อให้เกิดผลตอบแทนที่คุ้มค่าตามที่ตั้งเป้าไว้
ด้าน Dr. Leslie Teo จาก AI Singapore ได้กล่าวในเซสชัน The Age of Useful AI: AI Now, AGI Ahead? โดยเปรียบเทียบว่าการมีเครื่องมือครบครันเหมือนกระเป๋าวิเศษของโดราเอมอนไม่ได้การันตีว่าจะแก้ปัญหาจริงได้ พร้อมชี้ให้เห็นความสำคัญของนาฬิกา 2 เรือน ได้แก่ Frontier Clock ที่วัดความก้าวหน้าของโมเดล และ Impact Clock ที่วัดความเร็วในการนำไปใช้งานจริงอย่างน่าเชื่อถือ พร้อมระบุว่าช่องว่างที่แท้จริงมี 3 เรื่อง คือ บริบท การประเมินผล และโครงที่ครอบการทำงาน
ที่มา: Techsauce
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น