หลายโครงการมีการใช้ AI เพื่อแก้ปัญหาต่าง ๆ เช่น การนำ AI มาตรวจจับใบหน้าเพื่อจดจำหน้าลูกค้าสำหรับร้านค้าปลีก, การนำ AI มาวิเคราะห์การตลาดและการเสนอ Promotion หรือ การนำ AI เพื่อวิเคราะห์กลโกงต่าง ๆ (Fraud Detection) เป็นต้น
อย่างไรก็ตาม พบว่า โครงการที่มีการประกาศใช้ AI มีความล้มเหลวถึง 85% จากโครงการทั้งหมด ด้วยสาเหตุต่าง ๆ ดังต่อไปนี้
1. ต้องการใช้ AI แต่ยังไม่รู้ว่า AI คืออะไร
ปัญหาหลักของหน่วยงานใหญ่ หรือหน่วยงานภาครัฐ คือ การได้รับนโยบายมาเป็นหัวข้อใหญ่ ๆ ต้องการทำโครงการ Big Data ต้องการทำโครงการ AI แต่มิได้ชี้แจงเป้าหมายของโครงการอย่างชัดเจน อาจเป็นเพราะผู้บริหารยังไม่มีโจทย์ แต่นั้นกำลังบอกว่า เราต้องการใช้เทคโนโลยีโดยไม่รู้ด้วยซ้ำว่าเทคโนโลยีนั้นจะแก้ปัญหาอะไรให้เราได้บ้าง
2. ใช้ AI สำเร็จรูปโดยไม่สนใจว่า AI นั้นเรียนรู้มาจากข้อมูลอะไร
AI แต่ละประเภทจะถูกสร้างขึ้นมาจาก Algorithm ที่ไม่เหมือนกัน และจำเป็นต้องเรียนรู้มาจาก Big Data หรือ ข้อมูลต้นแบบ การใช้ AI สำเร็จรูป จะมีข้อเสียตรงที่ไม่สามารถปรับจูน Algorithm ได้ อีกทั้งในส่วนของข้อมูลต้นแบบ หากเป็นข้อมูลต้นแบบที่ไม่เหมาะกับสิ่งแวดล้อมของเรา การใช้ AI นั้น อาจจะไม่ตอบโจทย์ เช่น ใช้ Face Recognition ที่พัฒนามาจากรูปหน้าของชาวตะวันตก จะทำให้การประมาณการณ์รูปลักษณ์ หรืออายุ มีความคลาดเคลื่อนอย่างมาก เป็นต้น
3.ไม่มีระบบ Big Data ทำให้ไม่สามารถนำ AI มาขึ้นระบบเพื่อใช้งานได้อย่างแท้จริง
ในระบบ AI นอกจากจะต้องใช้ Big Data มาเป็นต้นแบบสำหรับการพัฒนา หรือ Train แล้วนั้น การใช้งาน หรือ Test ก็จำเป็นจะต้องมีระบบในการนำเข้า หรือ Feed ข้อมูลเพื่อผ่านมายังระบบ AI ก่อนที่จะแสดงเป็นผลลัพธ์ในการกระทำต่างๆ (ขึ้นอยู่กับประเภทของ AI) ดังนั้นก่อนที่จะนำ AI มาใช้งาน จะต้องมีระบบ Big Data เสียก่อน เพื่อการ Feed ข้อมูลอย่างเป็นระบบ และอัตโนมัติ
4.อยากได้ผลลัพธ์จนละเลยการทำความเข้าใจว่า AI แต่ละประเภทจำเป็นต้องได้รับการทดสอบและบำรุงรักษาในระยะยาว
ในความเป็นจริง AI จะตอบโจทย์ได้หรือไม่ จำเป็นต้องมีการทดสอบ เพื่อประเมินความแม่นยำเสียก่อน หากผลลัพธ์ที่ได้เป็นที่น่าพอใจ จึงจะอนุมัติให้มีการใช้งาน นอกจากนี้ AI ส่วนใหญ่ เป็น AI ที่เรียนรู้จากข้อมูลในอดีต ดังนั้นในระยะยาวจะต้องมีการ Re-train หรือ ปรับจูน Algorithm เพื่อพัฒนาให้ AI นั้นมีประสิทธิภาพการทำงานที่ดีขึ้น ซึ่งองค์กรต่าง ๆ จะต้องคำนึงถึงการดูแลรักษา AI ในระยะยาวอีกด้วย
การหารายได้จากข้อมูล หรือ Data Monetization ทำอย่างไร?
นับถอยหลังเปิดบ้าน Thailand Digital Valley @EEC สวรรค์ของสตาร์ตอัพทุกสัญชาติ
5.นักพัฒนา AI ไม่ได้มีความรู้ในด้านนั้นอย่างแท้จริง
ปัญหาเรื่องผู้เชี่ยวชาญเป็นปัญหาในวงกว้าง เพราะเมื่อไม่สามารถวัดความเชี่ยวชาญได้ ทำให้สุดท้ายแล้วการทำงานล้มเหลว และเกิดเป็นประสบการณ์ที่ไม่ดีของผู้ว่าจ้าง ดังนั้นสิ่งที่ง่ายที่สุด คือ การดูที่ผลงาน และการตั้งคำถาม เพื่อทดสอบว่าผู้เชี่ยวชาญสามารถอธิบายคำตอบได้อย่างชัดเจนหรือไม่
6.งานบางประเภทไม่จำเป็นต้องเป็น AI และไม่เหมาะที่จะใช้ AI
ในบทความ หรือข่าวบางครั้ง มีการกล่าวว่าใช้ AI แต่เนื้อข่าวเป็นการกล่าวถึงการเขียนโปรแกรมแบบ Rule-based เสียมากกว่า ซึ่งการใช้ Rule-based ยังสามารถตอบโจทย์ได้ เพียงแต่ในทางเทคนิค Rule-based จะไม่ได้เรียกว่า AI แต่เป็นการเขียนโปรแกรมลักษณะหนึ่ง การใช้คำว่า AI อย่างฟุ่มเฟือย จะทำให้คำว่า AI ไม่มีความหมายอย่างแท้จริง อีกทั้ง ปัญหาบางปัญหา ไม่จำเป็นต้องใช้ AI แต่หากมีคำว่า AI อาจจะทำให้การพัฒนานั้นมีราคาต้นทุนที่สูงเกินไป และอาจจะเป็นการใช้เทคโนโลยีที่ไม่เหมาะสม
ข้อสังเกตจากทั้ง 6 ข้อนี้ คือ ความล้มเหลว เกิดจาก “ความไม่เข้าใจ” เพราะถ้าหาก “เข้าใจ” จะสามารถใช้งานได้อย่างถูกต้อง เหมาะสม ซึ่งแท้จริงแล้ว AI ไม่ได้อัจฉริยะไปกว่ามนุษย์ เพียงแต่ AI สามารถจดจำ และประมวลผลได้รวดเร็วกว่า ดังนั้น หากเราเข้าใจการทำงานของ AI ได้อย่างดี ก็จะสามารถประยุกต์ใช้ AI ได้ และโครงการนั้นก็จะประสบความสำเร็จ
สุดท้ายนี้ แม้ส่วนใหญ่จะเป็นโครงการที่ล้มเหลว แต่ก็ยังมีส่วนน้อยที่ประสบความสำเร็จ เป็นเครื่องพิสูจน์ได้ว่า การใช้ AI ยังคงมีความสำเร็จอยู่บ้าง และกลุ่มที่ทำได้สำเร็จนั้น ก็อาจจะเป็นกลุ่มที่สามารถ Disrupt คู่แข่งได้ก่อนนั่นเอง
ข่าวอื่น ๆ ที่น่าสนใจ
บิสกิต โซลูชั่น แนะร้านอาหาร ใช้ AI ช่วยฟังเสียงลูกค้า เพิ่มยอดขาย บริหารประสบการณ์ลูกค้า
Alibaba Cloud เตรียมเปิดตัว Blockchain Node Service เป็นครั้งแรก พร้อมให้บริการ Q1/2566
