Generative AI มีศักยภาพที่จะดิสทรัปธุรกิจ ถึงขั้นทำให้ธุรกิจที่โดดเด่นกลายเป็นผู้ผลิตสินค้าหรือบริการทั่ว ๆ ไปที่ Generative AI ก็ทำได้ จากเดิมการพัฒนาผลิตภัณฑ์และบริการต่าง ๆ ต้องอาศัยแรงงานจำนวนมากและความคิดสร้างสรรค์ของมนุษย์ แต่เมื่อมี Generative AI หลาย ๆ งานกลับง่ายขึ้นมีประสิทธิภาพมากขึ้น แถมประหยัดต้นทุนอีกเป็นกอง
บางบริษัทอาจถือไพ่เหนือกว่าจากการใช้ประโยชน์เครื่องมือ Generative AI แบบสาธารณะได้ดีและเร็วกว่าคู่แข่ง แต่ข้อได้เปรียบนี้ไม่คงอยู่ตลอดไป เพราะในช่วงเวลาอันใกล้การใช้เครื่องมือ Generative AI จะกลายสกิลพื้นฐานที่ทุกคน ทุกบริษัทต้องใช้ ดังนั้นบริษัทที่แม้ในปัจจุบันจะอยู่ในสถานะที่เรียกได้ว่าประสบความสำเร็จก็ไม่ควรประมาท ต้องคิดทบทวนกลยุทธ์ทางธุรกิจและหาวิธีใหม่ในการเพิ่มมูลค่าให้กับสินค้าและบริการ
การคว้าโอกาสจาก Generative AI สร้างขึ้นนั้น ต้องอาศัยการนำไปใช้ที่เหมาะสม ซึ่งเป็นจุดที่หลายบริษัทอาจล้มเหลวได้ ซีอีโอและผู้บริหารต้องมั่นใจว่าเทคโนโลยีนี้ได้รับการพิจารณาและวางแผนการใช้งานเป็นส่วนพื้นฐานสำคัญของกลยุทธ์ของบริษัท ไม่ใช่เพียงประเด็นด้านเทคโนโลยีที่มอบหมายให้ฝ่ายไอทีดำเนินการ
บริษัทต้องคิดและวางแผนอย่างไรเพื่อเปลี่ยน Generative AI จากภัยคุกคามให้กลายเป็นโอกาส ภาคธุรกิจจะจะใช้ประโยชน์จากเทคโนโลยีนี้เพื่อสร้างความได้เปรียบในการแข่งขันได้อย่างไร ค้นหาคำตอบได้ที่บทความนี้
3 Level การใช้ประโยชน์จาก Generative AI
Level 1 – ใช้เครื่องมือ Generarive AI แบบสาธารณะ
บริษัทสามารถจัดหาโมเดลภาษาขนาดใหญ่ (LLMs) หรือ Generative AI แบบสาธารณะประเภทต่าง ๆ เช่น Midjourney และ Runway เพื่อช่วยให้พนักงานทำงานได้อย่างมีประสิทธิภาพมากขึ้น ยกตัวอย่าง พนักงานสามารถใช้เครื่องมือในระดับนี้เพื่อปรับปรุงการสื่อสารภายในองค์กรหรือเอกสารนำเสนอ สร้างสรรค์ไอเดียสำหรับผลิตภัณฑ์ใหม่ ช่วยพัฒนากระบวนการวิเคราะห์คู่แข่ง การเขียนข้อความเพื่อติดต่อกับลูกค้าสำหรับพนักงานขาย ปรับแต่งรูปภาพในสื่อการตลาด สร้างโพสต์สื่อสังคมออนไลน์ ฯลฯ
อาจกล่าวได้ว่าบริษัทเกือบทั้งหมดในทุกอุตสาหกรรม ไม่ว่าจะเป็น บริษัทเทคโนโลยี ผู้ผลิตสินค้าอุปโภคบริโภค สถาปนิก หรือบริษัทที่ปรึกษา ควรพิจารณาการนำเครื่องมือระดับนี้ไปใช้ เหมือนอย่างที่อินเทอร์เน็ตกลายเป็นสิ่งจำเป็นสำหรับการอยู่รอดและเจริญรุ่งเรืองในช่วงปลายยุค 90 Generative AI ก็เช่นเดียวกัน Generative AI ที่มีให้บริการสาธารณะจะมีความสำคัญมากขึ้นตามลำดับ เนื่องจากความแม่นยำ ความสามารถในการประยุกต์ใช้ และความปลอดภัยที่เพิ่มขึ้น ไม่เพียงแต่โมเดลภาษาขนาดใหญ่ (LLMs) ทั่วไปอย่าง ChatGPT ของ OpenAI และ Gemini ของ Google แต่ยังรวมถึงโมเดลเฉพาะอุตสาหกรรม เช่น Alexi สำหรับสำนักกฎหมาย และ Karbon AI สำหรับบริษัทบัญชี รวมถึงโมเดลเฉพาะฟังก์ชันการทำงาน เช่น Copy.ai สำหรับการแก้ไขต้นฉบับ และ GitHub Copilot สำหรับการเขียนโค้ด บริษัทที่ไม่นำเครื่องมือดังกล่าวไปใช้ จะอยู่ในภาวะเสียเปรียบอย่างรุนแรง
ในระยะสั้นบางธุรกิจจะสามารถสร้างความได้เปรียบโดยใช้ประโยชน์จากเครื่องมือเหล่านี้อย่างชาญฉลาดหรือรวดเร็วกว่าคู่แข่ง บริษัทที่ผลักดันให้เกิดการเปลี่ยนแปลงกระบวนการทางธุรกิจพื้นฐานจากการใช้ Generative AI จะยิ่งได้เปรียบมากขึ้น ขณะเดียวกันบริษัทที่ช้าเกินไปก็จะล้าหลัง สิ่งสำคัญคือ การพึ่งพาโมเดล AI เพียงอย่างเดียว ซึ่งทุกคนสามารถเข้าถึงได้นั้น จะนำมาซึ่งความได้เปรียบเพียงชั่วคราวเท่านั้น ก่อนที่จะกลายเป็นมาตรฐานขั้นพื้นฐานที่ทุกบริษัทใช้
การใช้ Generative AI ในระดับที่ 1 ประเด็นสำคัญที่บริษัทต้องพิจารณา คือ พนักงานสามารถแชร์ หรือ ใช้ข้อมูลภายในองค์กรกับเครื่องมือ Generative AI แบบสาธารณะได้มากน้อยแค่ไหน เมื่อใดก็ตามที่เครื่องมือเหล่านี้ใช้ข้อมูลที่เป็นกรรมสิทธิ์ย่อมก่อให้เกิดความกังวลด้านความปลอดภัยของข้อมูลและการแข่งขัน อย่างไรก็ตาม เราได้เห็นผู้ให้บริการ Generative AI ดำเนินการแก้ไขปัญหานี้แล้ว โดยการเพื่อแยกข้อมูล และ AI ของลูกค้าแต่ละธุรกิจออกจากกัน (ring-fencing)
Level 2 – ใช้เครื่องมือ Generative AI แบบ Customize ได้
ธุรกิจสามารถสร้างเครื่องมือ Generative AI เป็นของตัวเอง โดยอาศัยข้อมูลและความรู้ที่สั่งสมจากการให้บริการลูกค้า อาจสร้างจากโมเดลแบบโอเพ่นซอร์ส (open-source models) หรือใช้โมเดลจากบริษัท LLM อื่น ๆ เช่น Anthropic และ Cohere เครื่องมือเหล่านี้สามารถเพิ่มประสบการณ์ที่ดีให้กับลูกค้าด้วยจยการทำให้ผลิตภัณฑ์ใช้งานง่ายขึ้นและเพิ่มความสามารถใหม่ ๆ เช่น การแนะนำสินค้าหรือบริการที่ตรงกับความต้องการของลูกค้าแต่ละคน
คำถามสำคัญ คือ ข้อมูลของคุณมีศักยภาพสำหรับสร้างโมเดล AI ที่เหนือกว่าหรือไม่ ?
บริษัทต่าง ๆ จะสามารถใช้ Generative AI เพื่อยกระดับคุณค่าที่มอบให้แก่ลูกค้าได้ เฉพาะในกรณีที่มีข้อมูลศักยภาพเพียงพอ เพื่อสร้างโมเดล Generative AI ที่เหนือกว่าเครื่องมือ AI สาธารณะอย่าง ChatGPT หรือ Midjourney โดยข้อมูลของบริษัทจะต้องไม่สามารถถูกข้อมูลสาธารณะอื่น ๆ แทนที่ได้โดยง่าย โดยเฉพาะอย่างยิ่งข้อมูลสาธารณะที่สามารถนำมาใช้เทรนด์โมเดล AI ที่คล้ายคลึงกันได้
อย่างไรก็ตาม ข้อมูลภายในบริษัทมักมีคุณค่ามากกว่าข้อมูลสาธารณะและสามารถสร้างข้อได้เปรียบที่แตกต่างด้วยความเฉพาะตัวของข้อมูลที่เกี่ยวข้องกับผลิตภัณฑ์หรือกลุ่มอุตสาหกรรมที่เกี่ยวข้อง และตรงกับความต้องการเฉพาะของลูกค้า ที่สามารถสร้างคำแนะนำ เนื้อหา และผลลัพธ์อื่น ๆ ที่ไม่สามารถเลียนแบบได้โดยเครื่องมือ AI ทั่วไปที่ได้รับการฝึกอบรมจากข้อมูลสาธารณะและข้อมูลในอดีต นอกจากนี้การใช้ Generative AI ในระดับที่ 2 บริษัทจำเป็นต้องมุ่งเน้นไปที่การเทรนด์ข้อมูลและปรับแต่งเครื่องมือ AI ที่กำหนดเอง เพื่อให้แน่ใจว่าผลลัพธ์มีความแม่นยำสูงสุด ลดการสร้างข้อมูลผิดพลาด (hallucinations) และมีความเกี่ยวข้องกับลูกค้าอย่างมาก
กรณีตัวอย่าง
กรณีผู้ให้บริการผลิตภัณฑ์ซอฟต์แวร์ (โดยเฉพาะซอฟต์แวร์ที่ซับซ้อน) สามารถแชทอินเทอร์เฟสแบบเฉพาะเจาะจงผลิตภัณฑ์นั้น ๆ (product-specific chat interfaces) บนพื้นฐานของ Generative AI ได้ ดังที่ Des Traynor ผู้ร่วมก่อตั้งและประธานฝ่ายกลยุทธ์ของ Intercom บริษัทที่ให้บริการเครื่องมือออนไลน์สำหรับบริการลูกค้า (product-specific) กล่าวว่า “จุดเด่น ของ chat interfaces นี้ คือ การช่วยให้ผู้ให้บริการไม่ต้องแลกความง่ายในการใช้งานเพื่อความสามารถในการปรับแต่ง customizability (customizability)” การใช้งานผลิตภัณฑ์ซอฟต์แวร์จึงกลายเป็นเรื่องสนุกสนานสำหรับทุกคน ไม่เพียงแค่ผู้เชี่ยวชาญ และสามารถปรับแต่งอัตโนมัติให้เหมาะกับกรณีการใช้งานที่หลากหลาย แทนที่จะต้องวนเวียนกับเมนูแบบเลื่อนลง (drop-down menus) และรู้ว่าต้องป้อนข้อมูลใด ที่จุดไหน ผู้ใช้สามารถพูดคุยกับ chat interfacesได้ ราวกับว่ามีผู้ช่วยส่วนตัว
กรณีของผู้ผลิตซอฟต์แวร์ระดับองค์กรที่เสนอผลิตภัณฑ์สำหรับการจัดการค่าใช้จ่ายในการเดินทาง อาจเพิ่มเครื่องมือ Generative AI ที่ได้รับการเทรนด์ด้วยข้อมูลที่พนักงานส่งค่าใช้จ่ายมาก่อนหน้า ซึ่งครอบคลุมคำขอหลากหลายประเภทจากพนักงานในตำแหน่งต่าง ๆ พนักงานเพียงแค่บอก AI ว่าต้องการเบิกค่าใช้จ่ายการเดินทางล่าสุด ระบบ AI จะแนะนำกระบวนการทั้งหมด ระบุว่าใบเสร็จใดที่ต้องอัปโหลดและต้องการข้อมูลอะไรเพิ่มเติม อีกทั้งยังช่วยแนะนำให้ระบุสถานการณ์พิเศษที่ควรพิจารณา เช่น “ผมลาพักร้อนในวันพุธและพฤหัสบดี” เพื่อให้ AI ทราบว่าต้องยกเว้นค่าใช้จ่ายและเบี้ยเลี้ยงในวันเหล่านั้น เครื่องมือจะประมวลผลการคืนเงินตามนโยบายของบริษัท หากเกิดความยุ่งยากใด ๆ AI จะถามผู้ใช้เพื่อขอข้อมูลเพิ่มเติม
หรือลองพิจารณากรณีธนาคารและบริษัทบริการทางการเงินอื่นๆ ที่สามารถนำ Generative AI ระดับ 2 ไปใช้ ด้วยการสร้าง “ผู้ให้คำปรึกษาการลงทุนส่วนตัว (private banker)” โดยระบบ AI นี้จะได้รับการเทรนด์จากคำแนะนำที่นายธนาคารเคยมอบให้แก่ลูกค้าเดิมมาก่อน จากนั้นจึงนำไปใช้กับลูกค้าใหม่ที่ต้องการคำแนะนำด้านการลงทุนที่ปรับแต่งตามสถานการณ์และความต้องการของตนเอง
ในรูปแบบที่ง่ายที่สุดการนำ Generative AI ระดับ 2 มาใช้ ประกอบด้วยการรวมเครื่องมือ Generative AI เข้ากับข้อมูลภายในบริษัท เพื่อให้ลูกค้าได้รับรูปแบบการใช้งานที่เป็นธรรมชาติมากขึ้นและเป็นส่วนตัวมากขึ้น ธุรกิจจำนวนมากจะสามารถปรับปรุงโมเดลที่ปรับแต่งของตนให้ดีขึ้นอย่างต่อเนื่องโดยการนำข้อมูลฟีดแบคจากผู้ใช้มาพัฒนาซึ่งเป็นทิศทางของการใช้งาน Generative AI ในระดับถัดไป
Level 3 – สร้างวงจรรับฟีดแบ็คจากผู้ใช้งานแบบอัตโนมัติและต่อเนื่อง
เมื่อนำเครื่องมือ Generative AI มาใช้อย่างเต็มรูปแบบ เครื่องมือเหล่านี้จะสามารถดึงข้อมูลฟีดแบ็คที่เชื่อถือได้จากกระบวนการใช้งานผลิตภัณฑ์หรือบริการของลูกค้า ข้อมูลเหล่านี้จะถูกป้อนกลับเข้าสู่โมเดลโดยอัตโนมัติเพื่อปรับปรุงความสามารถของโมเดล โดยแทบไม่ต้องอาศัยการแทรกแซงจากมนุษย์ บริษัทที่อนุญาตให้เครื่องมือ Generative AI วิเคราะห์ว่าระบบมีประโยชน์ต่อการบรรลุเป้าหมายของลูกค้ามากน้อยเพียงใดจะได้รับข้อมูลฟีดแบ็คที่เชื่อถือได้มากที่สุด
การสร้างวงจรข้อมูลป้อนกลับ (feedback loop) ที่เป็นเอกลักษณ์สำหรับผลิตภัณฑ์หรือบริการของแต่ละบริษัท คือ เป้าหมายสูงสุด ยิ่งมีผู้ใช้บริการมากเท่าไรก็ยิ่งสร้างข้อมูลป้อนกลับมากขึ้นเท่านั้น ซึ่งช่วยให้ Generative AI สามารถปรับปรุงตนเองได้ดียิ่งขึ้น นำไปสู่จำนวนผู้ใช้งาน จำนวนการใช้งาน และจำนวนข้อมูลป้อนกลับที่มากขึ้น กลายเป็นวงจรที่หมุนเวียนไปเรื่อย ๆ ผลลัพธ์ที่ได้ คือ การสร้างความได้เปรียบในการแข่งขันที่ทวีความแข็งแกร่งขึ้นอย่างต่อเนื่อง
กรณีตัวอย่าง
กรณีของ “Chegg” ซึ่งเป็นบริษัทด้านการศึกษาออนไลน์ กำลังใช้ Generative AI เพื่อสร้างผู้ช่วยสอนที่ปรับแต่งให้เหมาะกับนักเรียนแต่ละคน เครื่องมือการศึกษาออนไลน์นี้ได้รับการเทรนด์จากคลังเนื้อหาที่เป็นกรรมสิทธิ์ของบริษัท และข้อมูลการใช้งานผลิตภัณฑ์ของนักเรียน นักเรียนสามารถโต้ตอบกับระบบผ่านทางอินเตอร์เฟสสนทนา ซึ่งสามารถปรับแต่งคำแนะนำให้ตรงตามความต้องการของแต่ละคน เครื่องมือนี้จะปรับปรุงเนื้อหาการเรียนรู้ เช่น แฟลชการ์ดและข้อสอบฝึกหัดอย่างต่อเนื่อง พร้อมการวิเคราะห์จุดสำคัญที่เป็นปัญหาร่วมกันของผู้ใช้ เพื่อสร้าง feedback loop ระหว่างผู้ใช้ทั้งหมด นอกจากนี้ ยังสร้าง feedback loop เฉพาะ สำหรับผู้ใช้แต่ละคนอีกด้วย ช่วยให้เครื่องมือสามารถปรับเปลี่ยนความเร็วในการสอน เนื้อหา และความยากของข้อสอบฝึกหัด ตามผลการเรียนของแต่ละบุคคล จึงช่วยให้นักเรียนเรียนรู้ได้ดีขึ้น ในขณะเดียวกันก็สร้าง feedback loop ที่เชื่อถือได้ ช่วยให้เครื่องมือนี้พัฒนาต่อไปได้อย่างต่อเนื่อง
กรณีของบริษัทผู้ผลิตเกมออนไลน์สามารถใช้ Generative AI เพื่อสร้างและปรับปรุงตัวละครที่ผู้เล่นไม่ได้ควบคุม หรือ NPC (non-player character) อย่างต่อเนื่อง โดยใช้ข้อมูลวิธีที่ผู้เล่นตอบสนองและมีปฏิสัมพันธ์กับ NPC ต่าง ๆ ในระหว่างการเล่นเกม บริษัทยังสามารถใช้ Generative AI ในการทดลองกับบทและสภาพแวดล้อมต่าง ๆ และเรียนรู้เกือบจะเรียลไทม์ว่าสิ่งใดที่สามารถดึงดูดผู้เล่น
กรณีของบริษัทบริการสตรีมมิ่งและการผลิตคอนเทนต์ (เช่น ดิสนีย์, HBO และเน็ตฟลิกซ์) เป็นอีกกลุ่มตัวอย่างที่เหมาะสมสำหรับการนำ Generative AI ระดับ 3 ไปใช้ โดยบริษัทเหล่านี้สามารถพัฒนาโซลูชัน AI ที่เป็นกรรมสิทธิ์ของตนเองเพื่อปรับแต่งรายการต่าง ๆ เช่น การปรับบางฉากให้เหมาะกับผู้ชมที่ต่างกัน ยกตัวอย่าง เครื่องมือ Runway สามารถช่วยผลิตคอนเทนต์ที่ตรงกับรสนิยมของผู้ชมได้ดียิ่งขึ้น โดยพิจารณาจากปัจจัยต่าง ๆ เช่น ความอดทนต่อเนื้อหา ภาษาสำหรับผู้ใหญ่ ความอ่อนไหวของผู้ชมในแต่ละประเทศ หรือลักษณะของรายการอื่น ๆ ที่ผู้ใช้รับชม ซึ่งโมเดล AI นี้จะอัปเดตตัวเองตามพฤติกรรมของผู้บริโภค เช่น ผู้ชมยังคงรับชมต่อหลังจากฉากที่ปรับแล้วหรือไม่ รวมถึงความคิดเห็นที่ผู้บริโภคแสดงออกมา นอกจากนี้ โมเดล AI จะนำข้อมูลเชิงลึกเหล่านั้นไปปรับใช้กับโปรเจคในอนาคตอีกด้วย
กรณีของบริษัทที่ปรึกษาการวิจัยหรือเอเจนซี่การตลาด ก็ควรพิจารณานำโซลูชัน Generative AI ระดับ 3 ไปใช้งาน ยกตัวอย่าบริษัทที่ปรึกษาสามารถสร้างโมเดล AI ที่สามารถสร้างฉบับร่างของรายงานวิจัยได้ พนักงานจะทำการปรับแต่งร่างเบื้องต้นเหล่านั้น โดยข้อมูลฟีดแบ็ตจากการปรับแต่งจะถูกป้อนกลับให้โมเดล AI อย่างต่อเนื่อง เพื่อให้สามารถสร้างฉบับร่างของรายงานวิจัยที่ดีขึ้นในอนาคต เครื่องมือประเภทนี้เปรียบเสมือนการเร่งกระบวนการเรียนรู้ให้เร็วขึ้นสำหรับบริษัทและพนักงาน โดยบริษัทต้องมั่นใจว่าเครื่องมือ AI จะไม่นำข้อมูลลับของลูกค้ารายหนึ่งไปใช้กับอีกบริษัทหนึ่ง โดยเฉพาะอย่างยิ่งหากเป็นบริษัทในอุตสาหกรรมเดียวกัน
ความท้าทายหลักในการก้าวไปสู่การใช้งาน Generative AI ระดับ 3 คือ การคิดหาวิธีรับฟีดแบ็คโดยไม่รบกวนประสบการณ์ของผู้ใช้ ฟีดแบ็คควรเกิดขึ้นตามธรรมชาติขณะใช้งานผลิตภัณฑ์ เช่น เครื่องมือผู้ช่วยสอนออนไลน์ของ Chegg จะสังเกตว่านักเรียนทำข้อสอบฝึกหัดได้ดีแค่ไหน ในแต่ละคำถามระบบจะได้รับข้อมูลเชิงลึกทันทีว่านักเรียนมีปัญหาที่จุดใด ช่วยให้ระบบปรับเปลี่ยนวิธีการอธิบายแนวคิด ปรับระดับความยากและประเภทของคำถามในข้อสอบครั้งต่อไป โดยไม่ส่งผลกระทบต่อประสบการณ์การสอบของนักเรียน
ในกรณีที่ไม่สามารถสร้างระบบรับฟีดแบ็คจากผู้ใช้ได้อย่างเป็นธรรมชาติและมีคุณภาพสูง บริษัทจำเป็นต้องหันไปขอความคิดเห็นจากลูกค้าโดยตรง โดยรบกวนผู้ใช้งานให้น้อยที่สุด ขณะเดียวกันก็ต้องชี้แจงให้ผู้ใช้ทราบว่าการให้ความคิดเห็นนั้นจะเป็นประโยชน์ต่อผู้ใช้อย่างไร เช่น “โปรดประเมินคะแนนการให้บริการจากแชทบอทของเรา ด้วยคะแนนระหว่าง 1 ถึง 10 เพื่อให้ระบบเรียนรู้และสามารถบริการคุณได้ดียิ่งขึ้นในอนาคต” และหากการขอความคิดเห็นโดยตรงจากลูกค้าสร้างความรำคาญมากเกินไป หรือ ได้ข้อมูที่ไม่น่าเชื่อถือ บริษัทสามารถให้พนักงานเข้ามามีส่วนร่วมในกระบวนการนี้แทน
โดยสรุป การใช้ Generative AI ในระดับ 3 ต้องมุ่งเน้นไปที่การรีดีไซน์ผลิตภัณฑ์และบริการออนไลน์ รวมถึงกระบวนการภายในบางอย่างเพื่อบูรณาการใช้ Generative AI เข้ากับประสบการณ์ของลูกค้าทั้งหมดได้อย่างราบรื่น ซึ่งจะช่วยให้บริษัทได้ข้อมูลฟีดแบ็คจากจากลูกค้าได้อย่างกว้างขวาง ลึกซึ้ง และมีคุณภาพสูงสุด
อาจดูเหมือนว่าเฉพาะบริษัทขนาดใหญ่เท่านั้นที่จะมีทรัพยากรเพียงพอในการใช้งาน Generative AI ระดับ 2 และ 3 แต่ในความเป็นจริงแล้วการปรับแต่งเครื่องมือ Generative AI โดยใช้ข้อมูลของบริษัทเองนั้นกำลังกลายเป็นเรื่องง่ายและราคาถูกลงเรื่อย ๆ บริษัทสามารถซื้อบริการ Generative AI จากผู้ให้บริการต่าง ๆ เช่น OpenAI (ChatGPT Enterprise), Microsoft (Bing Chat Enterprise) และ Anthropic (Claude for businesses) และปรับแต่งให้เข้ากับข้อมูลของตน ซึ่งสามารถมั่นใจได้ว่าข้อมูลของบริษัทจะได้รับการรักษาความปลอดภัยและความเป็นส่วนตัว ข้อมูลไม่รั่วไหล การซื้อบริการ Generative AI นอกจะคล้ายกับการซื้อบริการ Cloud Computing ที่มีราคาลดลงอย่างต่อเนื่องในขณะที่ระดับความปลอดภัยเพิ่มขึ้น หรือบริษัทสร้างเครื่องมือ Generative AI ของตนเองโดยใช้โมเดลแบบโอเพ่นซอร์ส และเทรนด์โมเดลด้วยข้อมูลของตนเอง ซึ่งจะทำให้ทุกอย่างอยู่ภายใต้การควบคุมของบริษัทเช่นเดียวกับการทำ Cloud Computing บนเซิร์ฟเวอร์ของตนเอง
การที่จะคว้าโอกาสที่ Generative AI สร้างขึ้นนั้น ต้องอาศัยการนำไปใช้ที่เหมาะสม ซึ่งเป็นจุดที่หลายบริษัทอาจล้มเหลวได้ ซีอีโอและผู้บริหารต้องมั่นใจว่าเทคโนโลยีนี้ได้รับการพิจารณาในฐานะส่วนสำคัญของกลยุทธ์ของบริษัท ไม่ใช่เพียงประเด็นด้านเทคโนโลยีที่มอบหมายให้ฝ่ายไอทีดำเนินการ …