ลองจินตนาการถึงโลกที่คอมพิวเตอร์นั้นไม่เพียงแต่สามารถเข้าใจภาษามนุษย์ได้ แต่ยังสามารถสื่อสารได้เกือบเทียบเท่ามนุษย์ สิ่งนี้ไม่ได้เป็นเพียงความฝัน แต่กำลังเกิดขึ้นจริงในปัจจุบัน วันนี้ OPEN-TEC (Tech Knowledge Sharing Platform), ภายใต้การดูแลของ TCC TECHNOLOGY GROUP ได้รวบรวมความรู้จากงานที่จัดขึ้นโดย AMCHAM Digital Economy Committee ภายใต้ชื่อ "การเตรียมความพร้อมโมเดลภาษาขนาดใหญ่สำหรับนักธุรกิจ" ครอบคลุมหัวข้อตั้งแต่ เทคโนโลยีเบื้องหลังโมเดลภาษาขนาดใหญ่ (LLMs), Use Cases, สิ่งที่ได้ผลและไม่ได้ผล รวมไปถึงอนาคตของการทำงานในธุรกิจด้านต่างๆ อาทิเช่น การเงิน ทรัพยากรบุคคล และการเขียนโค้ด โดยมีคุณวลีพร สายะสิต AMCHAM Digital Economy Committee Co-Chair & GM of TCC Technology เป็นผู้ดำเนินรายการ กล่าวว่า "โมเดลภาษาขนาดใหญ่ (LLMs) เช่น ChatGPT, Claude, Gemini ได้รับการฝึกฝนด้วยข้อมูลจำนวนมหาศาลทำให้สามารถสร้างข้อความและตอบคำถามในลักษณะที่คล้ายคลึงกับมนุษย์ ซึ่ง LLMs นั้นถือเป็นหนึ่งในรูปแบบของ GenAI ที่พัฒนาวิธีการโต้ตอบของมนุษย์กับเทคโนโลยี รวมถึงปลดล็อกโอกาสที่น่าตื่นเต้นมากมายสำหรับอนาคต"
ถอดรหัสเทคโนโลยีเบื้องหลัง LLMs
โมเดลภาษาขนาดใหญ่ (LLMs) เกิดจากเรียนรู้ด้วยชุดข้อมูลขนาดใหญ่บนอินเทอร์เน็ต ซึ่งโมเดลเหล่านี้จะใช้ประโยชน์จากเครือข่ายประสาทเทียมขั้นสูงและเทคนิคการเรียนรู้แบบกระจายเพื่อประมวลผลและเข้าใจรูปแบบที่ซับซ้อนของข้อมูล กล่าวโดย คุณ Michael Araneta, AWS Banking Lead in Southeast Asia, Amazon Web Services ผู้ที่ได้ครอบคลุมถึง use cases ต่างๆ ของภาคบริการทางการเงินอย่าง การสร้างคำแนะนำและข้อเสนอแนะสำหรับพนักงานและผู้จัดการฝ่ายความสัมพันธ์เพื่อให้สามารถสื่อสารกับลูกค้าได้ดียิ่งขึ้น ซึ่ง LLMs สามารถสร้างการตอบสนองและประมวลผลออกมาได้คล้ายคลึงกับมนุษย์และเข้าใจบริบทของลูกค้า อีกทั้งยังมี GenAI ที่ถือเป็นพื้นฐานในการทำให้ LLMs นั้นสามารถสร้างข้อความ ภาพ และวิดีโอ โดยเลียนแบบภาษาและกระบวนการสร้างสรรค์ของมนุษย์ได้ นอกจากนี้ ดร. ธนชาติ นุ่มนนท์ Executive Director, IMC Institute กล่าวเสริมว่า LLMs นั้นแตกต่างจากโมเดล machine learning แบบเดิม เนื่องจากได้รับการเรียนรู้ด้วยข้อมูลที่ไม่ได้ระบุประเภทของข้อมูลให้ชัดเจนว่าเป็นข้อมูลประเภทไหน ไม่มีการติดป้ายกำกับ (Unlabeled Data) บนอินเทอร์เน็ต ซึ่งวิธีการเรียนรู้ในลักษณะนี้อาจยังมีข้อจำกัดในด้านความถูกต้องแม่นยำของข้อมูลและความเป็นไปได้ในการเกิดอคติ
Use Case: การนำ LLMs ไปใช้ประโยชน์
สำหรับฝ่ายทรัพยากรบุคคลนั้น LLMs สามารถเข้ามาช่วยในการออกแบบขอบเขตการทำงานอัตโนมัติให้เป็นไปตามแบบแผนและความเหมาะสม กล่าวโดย คุณชุติมา สีบำรุงสาสน์ Independent Board & Advisor - Business & Organization Capabilities, Executive Coach นอกจากนี้ LLMs ยังสามารถช่วยในการจัดการผลการปฏิบัติงานโดยการวิเคราะห์ความคิดเห็นและตัวชี้วัด รวมถึงเสนอแผนพัฒนาสายอาชีพที่ปรับแต่งเฉพาะบุคคล ซึ่งส่งเสริมการเติบโตและความพึงพอใจของพนักงาน ยิ่งไปกว่านั้นในด้านเทคโนโลยีและข้อมูล ดร. ธนชาติ ได้เน้นถึงบทบาทของ LLMs ในฐานะเพื่อนร่วมงาน ที่ช่วยในการวิจัยโดยการประมวลผลและสรุปข้อมูลจำนวนมากอย่างรวดเร็ว เพื่อให้ได้ข้อมูลเชิงลึกที่มีคุณค่า
สิ่งที่ได้ผลและสิ่งที่ไม่ได้ผล
LLMs ช่วยเพิ่มประสิทธิภาพและผลลัพธ์ในการทำงานที่ดียิ่งขึ้น ซึ่งสิ่งนี้ล้วนมีประโยชน์ค่อนข้างมากสำหรับฝ่ายทรัพยากรบุคคลและการสร้างสรรค์เนื้อหาต่างๆ อย่างไรก็ตาม ความแม่นยำของ LLMs นั้นจะขึ้นอยู่กับการฝึกฝนผ่านการป้อนข้อมูลที่มีคุณภาพ หากข้อมูลนั้นไม่มีคุณภาพที่เพียงพอก็อาจนำไปสู่ผลลัพธ์ที่ไม่ถูกต้อง นอกจากนี้ คุณชุติมา ได้เน้นย้ำถึงความสำคัญของการพิจารณาด้านจริยธรรมโดยเฉพาะอย่างยิ่งการสร้างความโปร่งใสและความยุติธรรมในการใช้เนื้อหาที่สร้างขึ้นโดย AI
การเพิ่มความได้เปรียบขององค์กรด้วย LLMs
คุณ Michael กล่าวว่าการศึกษาและการมีผู้นำทางความคิดที่ก้าวหน้าเป็นกุญแจสำคัญสำหรับแต่ละองค์กรในการเลือกใช้ Gen AI และ เทคโนโลยีใหม่ๆ ในการสนับสนุนพนักงานให้สามารถเข้าใจและเข้าถึงการใช้ LLMs ที่ถูกต้อง ซึ่งสิ่งเหล่านี้จะช่วยให้องค์กรสามารถเพิ่มความโดดเด่นของธุรกิจโดยการยกระดับประสบการณ์ที่ดีให้แก่ลูกค้าและเพิ่มประสิทธิภาพในการดำเนินงาน นอกจากนี้ ทางด้านฝ่ายทรัพยากรบุคคล คุณชุติมา ได้กล่าวเพิ่มเติมว่า LLMs สามารถเข้ามาช่วยบริหารจัดการการทำงานภายในทีมได้ โดยเฉพาะอย่างยิ่ง การทำงานในรูปแบบซ้ำๆ อย่างอัตโนมัติ ซึ่งสิ่งเหล่านี้จะช่วยให้ฝ่ายทรัพยากรบุคคลสามารถมุ่งเน้นไปที่กิจกรรมเชิงกลยุทธ์ที่ขับเคลื่อนการเติบโตของธุรกิจแทนได้ อีกทั้ง การเปลี่ยนแปลงนี้ไม่เพียงแต่เพิ่มประสิทธิภาพแต่ยังช่วยเพิ่มความพึงพอใจและการพัฒนาของพนักงานอีกด้วย
อนาคตของการทำงาน: การเปลี่ยนแปลงและโอกาส
ผลกระทบของ LLMs ต่ออนาคตของการทำงานนั้นลึกซึ้ง คุณชุติมา ได้กล่าวว่า สิ่งสำคัญที่องค์กรจำต้องเตรียมความพร้อมให้แก่พนักงานสำหรับการเปลี่ยนแปลงทางเทคโนโลยีนี้ก็จะมีตั้งแต่การฝึกอบรมพนักงานไปจนถึงการเสริมสร้างวัฒนธรรมที่ช่วยให้พนักงานสามารถเข้าใจขั้นตอนการเปลี่ยนแปลงต่างๆได้อย่างราบรื่น นอกจากนี้ สำหรับสถาบันการเงิน คุณ Michael ได้เน้นย้ำถึงความสามารถของ LLMs ที่จะช่วยเพิ่มความโดดเด่นทางด้านธุรกิจด้วยการปรับเปลี่ยนแนวทางการสื่อสารระหว่างลูกค้าด้วยการสร้างประสบการณ์การบริการที่มีประสิทธิภาพ อีกทั้ง ด้านข้อมูลและการเขียนโค้ดที่มีทั้งโอกาสและความท้าทาย โดย ดร. ธนชาติ ได้กล่าวว่า LLMs สามารถช่วยในการเขียนโค้ดที่มีรูปแบบซ้ำๆได้โดยอัตโนมัติ ทำให้นักพัฒนาสามารถมุ่งเน้นไปที่การเขียนโค้ดที่ซับซ้อนและสร้างสรรค์มากขึ้น รวมถึงเน้นย้ำถึงการป้อนข้อมูลที่มีคุณภาพและการฝึกอบรมที่เพียงพอที่ปัจจุบันยังคงเป็นความท้าทายที่สำคัญที่ต้องบริหารจัดการ
สุดท้ายนี้ ในมุมมองของผู้นำธุรกิจ การทำความเข้าใจเทคโนโลยีเบื้องหลัง LLMs การใช้ประโยชน์จาก LLMs อย่างมีประสิทธิภาพ และการเตรียมพร้อมสำหรับผลกระทบต่ออนาคตของการทำงานนั้นถือเป็นขั้นตอนที่สำคัญในการควบคุมเทคโนโลยีนี้ให้ดำเนินต่อไปอย่างมีศักยภาพ อีกทั้งการนำ AI อย่าง LLMs มาประยุกต์ใช้ถือเป็นสัญญาณของการปลี่ยนแปลงที่สำคัญเกินกว่าที่เราจะสามารถจินตนาการได้ นอกจากนี้ การยอมรับเทคโนโลยีเหล่านี้ให้เป็นส่วนหนึ่งของธุรกิจไม่เพียงแต่จะรักษาความสามารถในการแข่งขันได้แต่ยังขับเคลื่อนนวัตกรรมและการเติบโตในยุคดิจิทัลด้วยอีกเช่นกัน
ที่มา: บทความนี้รวบรวมโดย AMCHAM Digital Economy Committee ประกอบด้วย คุณ Nitin Modi, Director of Deloitte Thailand, คุณ Lyn Kok, Founder & CEO of Mula-X และ คุณวลีพร สายะสิต, GM of TCC Technology