ตรวจความพร้อมของข้อมูลก่อนเริ่มโปรเจกต์ AI

วิธีตรวจ Data Readiness ก่อนทำ AI ตั้งแต่ความครบถ้วน ความถูกต้อง สิทธิ์เข้าถึง ไปจนถึงเจ้าของข้อมูล บทความนี้ช่วยประเมินว่าข้อมูลพร้อมใช้จริงหรือควรแก้ปัญหาพื้นฐานก่อนลงทุน

องค์กรอาจมีข้อมูลจำนวนมากแต่ยังใช้ AI ไม่ได้ เพราะข้อมูลอยู่หลายระบบ ไม่มีรหัสอ้างอิงเดียวกัน ขาดประวัติ หรือไม่มีผู้รับผิดชอบ ความพร้อมของข้อมูลจึงไม่ได้วัดจากจำนวนไฟล์หรือขนาด Database

ข้อมูลต้องตอบโจทย์ Use Case

เริ่มจากระบุว่า AI ต้องสร้างผลลัพธ์อะไร หากต้องการคาดการณ์เครื่องจักรเสีย ต้องมีข้อมูลการทำงานตามเวลา ประวัติซ่อม และเหตุการณ์เสียจริง หากต้องการระบบตอบคำถาม ต้องมีเอกสารที่ถูกต้อง เป็นปัจจุบัน และระบุได้ว่าเวอร์ชันใดมีผลใช้งาน

3 ด้านที่ต้องตรวจ

• ด้านแรก : คือ คุณภาพ ตรวจความครบถ้วน ความถูกต้อง ความซ้ำ และความสม่ำเสมอของรูปแบบ 
• ด้านที่สอง : คือ การเข้าถึง ตรวจว่าระบบมี API หรือวิธีดึงข้อมูลหรือไม่ ใครมีสิทธิ์ และข้อมูลอัปเดตเร็วพอกับ Workflow หรือไม่
• ด้านที่สาม : คือ Governance ต้องมีเจ้าของข้อมูล นิยามข้อมูล ระยะเวลาเก็บ และกระบวนการแก้ไขเมื่อพบข้อผิดพลาด

ทดสอบข้อมูลอย่างไร

ควรสุ่มข้อมูลจริงมาทำ Data Profiling และให้ผู้เชี่ยวชาญจากหน่วยงานธุรกิจตรวจความหมาย หากต้องใช้ AI จัดประเภทหรือทำนาย ต้องตรวจว่ามีตัวอย่างผลลัพธ์ที่ถูกต้องเพียงพอหรือไม่

สำหรับ Generative AI ควรทดสอบว่าระบบค้นเอกสารที่เกี่ยวข้องได้หรือไม่ และคำตอบสามารถเชื่อมกลับไปยังแหล่งข้อมูลต้นทางได้ ไม่ควรวัดจากความลื่นไหลของภาษาเพียงอย่างเดียว

TELUS สร้าง Platform AI บนระบบข้อมูลที่รวมศูนย์ผ่าน BigQuery เพื่อให้การพัฒนา Agent และการใช้ข้อมูลในองค์กรมีพื้นฐานร่วมกัน

Schaeffler เชื่อมข้อมูลจาก ERP, MES และเครื่องจักร เพื่อช่วยค้นหาสาเหตุของปัญหาการผลิต แสดงว่าคุณค่าของ AI ขึ้นอยู่กับการเชื่อมข้อมูลธุรกิจและข้อมูลหน้างานเข้าด้วยกัน

คำถามที่พบบ่อย

ข้อมูลต้องสมบูรณ์ 100% ก่อนทำ AI หรือไม่

ไม่จำเป็น แต่ต้องทราบข้อจำกัดและมีข้อมูลเพียงพอสำหรับทดสอบ Use Case อย่างน่าเชื่อถือ

Excel สามารถใช้เริ่มต้นได้หรือไม่

ใช้ได้หากข้อมูลมีโครงสร้างและควบคุมเวอร์ชันได้ แต่เมื่อขยายระบบควรมีแหล่งข้อมูลกลางและกระบวนการอัปเดตที่ชัดเจน

สรุป

Data Readiness ต้องพิจารณาความเหมาะสมกับ Use Case คุณภาพ การเข้าถึง และ Governance หากข้อมูลยังไม่มีเจ้าของหรือไม่สามารถเชื่อมกับผลลัพธ์จริง การแก้โครงสร้างข้อมูลอาจให้ประโยชน์มากกว่าการเร่งสร้างโมเดล