การลงทุน AI กำลังเปลี่ยนจากกระแส GenAI สู่การเลือกเทคนิคให้เหมาะกับงาน

Gartner ชี้ว่าการลงทุนด้าน AI กำลังเปลี่ยนจากกระแสของ Generative AI ไปสู่การลงทุนที่เป็นรากฐานและขยายผลได้จริง ประเด็นสำคัญคือ AI ไม่ได้มีเพียงเทคนิคเดียว และโจทย์ธุรกิจแต่ละแบบก็เหมาะกับเทคนิคที่ต่างกัน

สิ่งที่สะท้อนเรื่องนี้ได้ดีคือแผนผังความเหมาะสมของเทคนิค AI ที่จับคู่กลุ่มงานกับเทคนิคต่าง ๆ และแสดงว่า Generative AI ไม่ใช่คำตอบที่ดีที่สุดสำหรับทุกงาน บทความนี้สรุปเทคนิค AI หลักที่ควรรู้จัก และวิธีเลือกให้เหมาะกับโจทย์

ทำไมการลงทุน AI กำลังย้ายจากกระแสสู่รากฐาน

ในช่วงที่ผ่านมา ความสนใจส่วนใหญ่ทุ่มไปที่ Generative AI จนหลายองค์กรเข้าใจว่า AI คือ GenAI แต่เมื่อต้องสร้างคุณค่าจริงในระดับองค์กร คำถามเปลี่ยนจาก จะใช้ GenAI อย่างไร ไปเป็น เทคนิค AI แบบใดเหมาะกับงานนี้ที่สุด

การลงทุนที่ยั่งยืนจึงไม่ใช่การไล่ตามกระแส แต่คือการวางรากฐานที่ขยายผลได้และเลือกเทคนิคให้ตรงกับโจทย์ องค์กรที่เข้าใจว่ามีเทคนิค AI หลายแบบ จะจัดสรรการลงทุนได้คุ้มค่ากว่าการทุ่มไปที่ GenAI เพียงอย่างเดียว

6 เทคนิค AI หลักที่ควรรู้จัก

แผนผังของ Gartner จัดกลุ่มเทคนิค AI ที่พบบ่อยไว้หกแบบ แต่ละแบบเหมาะกับงานต่างกัน

1. Generative models : หรือโมเดลกำเนิด เหมาะกับการสร้างเนื้อหา การสนทนาโต้ตอบ การค้นพบความรู้ และงานด้านการรับรู้

2. Nongenerative machine learning : หรือแมชชีนเลิร์นนิงแบบไม่กำเนิด เหมาะกับการพยากรณ์ การจำแนกประเภท และการตรวจจับความผิดปกติ

3. Optimization : หรือการหาค่าที่เหมาะที่สุด เหมาะกับการวางแผน การตัดสินใจเชิงข้อมูล และระบบอัตโนมัติที่ต้องจัดสรรทรัพยากรภายใต้ข้อจำกัด

4. Simulation : หรือการจำลองสถานการณ์ เหมาะกับการพยากรณ์และการตัดสินใจที่ต้องทดสอบสถานการณ์สมมติ

5. Rules and heuristics : หรือกฎและฮิวริสติก เหมาะกับงานอัตโนมัติที่มีเงื่อนไขชัดเจนและการตัดสินใจตามกฎ

6. Graphs : หรือการวิเคราะห์เชิงกราฟ เหมาะกับการวางแผน ระบบแนะนำ การค้นพบความรู้ และการวิเคราะห์ความสัมพันธ์ที่เชื่อมโยงกัน

เลือกเทคนิคให้เหมาะกับโจทย์

ข้อมูลจากแผนผังชี้ชัดว่า Generative AI โดดเด่นเฉพาะบางกลุ่มงาน เช่น การสร้างเนื้อหา การสนทนาโต้ตอบ การค้นพบความรู้ และการรับรู้ ขณะที่งานอย่างการพยากรณ์ การวางแผน และการตัดสินใจเชิงข้อมูล มักเหมาะกับแมชชีนเลิร์นนิงแบบไม่กำเนิด การหาค่าที่เหมาะที่สุด การจำลอง หรือการวิเคราะห์เชิงกราฟมากกว่า

นี่คือเหตุผลที่การทุ่มลงทุนไปที่ GenAI เพียงอย่างเดียวอาจพลาดคุณค่าส่วนใหญ่ในองค์กร การเลือกเทคนิคให้ตรงกับลักษณะของงานคือสิ่งที่ทำให้การลงทุน AI ให้ผลตอบแทนสูงและขยายผลได้จริง

คำถามที่พบบ่อย (FAQ)

• ทำไมการลงทุน AI จึงเปลี่ยนจาก GenAI สู่รากฐาน

เพราะเมื่อต้องสร้างคุณค่าจริงในระดับองค์กร โจทย์เปลี่ยนจากการใช้ GenAI ไปสู่การเลือกเทคนิค AI ที่เหมาะกับงานและขยายผลได้ การลงทุนที่ยั่งยืนจึงเน้นรากฐานมากกว่ากระแส

• เทคนิค AI หลักมีอะไรบ้าง

ตามแผนผังของ Gartner มีหกแบบ ได้แก่ Generative models, Nongenerative machine learning, Optimization, Simulation, Rules and heuristics และ Graphs โดยแต่ละแบบเหมาะกับงานต่างกัน

• Generative AI เหมาะกับงานแบบไหน

เหมาะกับการสร้างเนื้อหา การสนทนาโต้ตอบ การค้นพบความรู้ และการรับรู้ ส่วนงานพยากรณ์ วางแผน และตัดสินใจเชิงข้อมูล มักเหมาะกับเทคนิคอื่นอย่าง ML แบบไม่กำเนิด การหาค่าที่เหมาะที่สุด หรือการวิเคราะห์เชิงกราฟมากกว่า

สรุป

การลงทุน AI ที่สร้างคุณค่าจริงกำลังเปลี่ยนจากการไล่ตามกระแส GenAI ไปสู่การวางรากฐานและเลือกเทคนิคให้เหมาะกับงาน แผนผังเทคนิค AI ของ Gartner ย้ำว่า Generative AI ไม่ใช่คำตอบที่ดีที่สุดสำหรับทุกโจทย์

สำหรับผู้บริหาร การเข้าใจว่ามีเทคนิค AI หลายแบบและเลือกให้ตรงกับลักษณะของงาน คือสิ่งที่ทำให้การลงทุน AI คุ้มค่าและขยายผลได้ องค์กรที่ลงทุนตามโจทย์จริงจะได้เปรียบกว่าองค์กรที่ทุ่มไปที่กระแสเพียงอย่างเดียว