การเตรียมความพร้อม โมเดล ภาษาขนาดใหญ่ สำหรับนักธุรกิจ

ลองจินตนาการถึงโลก ที่คอมพิวเตอร์นั้น ไม่เพียงแต่สามารถเข้าใจภาษามนุษย์ได้ แต่ยังสามารถสื่อสารได้เกือบเทียบเท่ามนุษย์ สิ่งนี้ไม่ได้เป็นเพียงความฝัน แต่กำลังเกิดขึ้นจริงในปัจจุบัน วันนี้ OPEN-TEC (Tech Knowledge Sharing Platform),  ภายใต้การดูแลของ TCC TECHNOLOGY GROUP ได้รวบรวมความรู้จากงานที่จัดขึ้นโดย AMCHAM Digital Economy Committee ภายใต้ชื่อ “การเตรียมความพร้อมโมเดลภาษาขนาดใหญ่ สำหรับนักธุรกิจ” ครอบคลุมหัวข้อตั้งแต่ เทคโนโลยีเบื้องหลังโมเดลภาษาขนาดใหญ่ (LLMs), Use Cases, สิ่งที่ได้ผลและไม่ได้ผล รวมไปถึงอนาคตของการทำงานในธุรกิจด้านต่าง ๆ 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 รวมถึงปลดล็อกโอกาสที่น่าตื่นเต้นมากมาย สำหรับอนาคต”

ถอดรหัสเทคโนโลยีเบื้องหลัง LLMs

โมเดลภาษาขนาดใหญ่ (LLMs) เกิดจากเรียนรู้ด้วยชุดข้อมูลขนาดใหญ่ บนอินเทอร์เน็ต ซึ่งโมเดลเหล่านี้ จะใช้ประโยชน์จากเครือข่ายประสาทเทียมขั้นสูงและเทคนิคการเรียนรู้แบบกระจายเพื่อประมวลผล และเข้าใจรูปแบบที่ซับซ้อนของข้อมูล กล่าวโดย คุณ Michael Araneta, AWS Banking Lead in Southeast Asia, Amazon Web Services ผู้ที่ได้ครอบคลุมถึง use cases ต่างๆ ของภาคบริการทางการเงินอย่าง การสร้างคำแนะนำ และข้อเสนอแนะ สำหรับพนักงานและผู้จัดการฝ่ายความสัมพันธ์ เพื่อให้สามารถสื่อสารกับลูกค้าได้ดียิ่งขึ้น ซึ่ง LLMs สามารถสร้างการตอบสนอง และประมวลผลออกมาได้คล้ายคลึงกับมนุษย์ และเข้าใจบริบทของลูกค้า 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

สำหรับฝ่ายทรัพยากรบุคคล นั้น  LLMs สามารถเข้ามาช่วยในการออกแบบขอบเขตการทำงานอัตโนมัติให้เป็นไปตามแบบแผนและความเหมาะสม กล่าวโดย คุณชุติมา สีบำรุงสาสน์ Independent Board & Advisor – Business & Organization Capabilities, Executive Coach นอกจากนี้ LLMs ยังสามารถช่วยในการจัดการผลการปฏิบัติงาน โดยการวิเคราะห์ความคิดเห็นและตัวชี้วัด รวมถึงเสนอแผนพัฒนาสายอาชีพ ที่ปรับแต่งเฉพาะบุคคล ซึ่งส่งเสริมการเติบโต และความพึงพอใจของพนักงาน ยิ่งไปกว่านั้นในด้านเทคโนโลยีและข้อมูล ดร. ธนชาติ ได้เน้นถึงบทบาทของ LLMs ในฐานะเพื่อนร่วมงาน ที่ช่วยในการวิจัยโดยการประมวลผลและสรุปข้อมูลจำนวนมาก อย่างรวดเร็ว เพื่อให้ได้ข้อมูลเชิงลึกที่มีคุณค่า

สิ่งที่ได้ผล และสิ่งที่ไม่ได้ผล

LLMs ช่วยเพิ่มประสิทธิภาพ และผลลัพธ์ในการทำงานที่ดียิ่งขึ้น ซึ่งสิ่งนี้ล้วนมีประโยชน์ค่อนข้างมากสำหรับฝ่ายทรัพยากรบุคคลและการสร้างสรรค์เนื้อหาต่างๆ อย่างไรก็ตาม ความแม่นยำของ LLMs นั้นจะขึ้นอยู่กับการฝึกฝนผ่านการป้อนข้อมูลที่มีคุณภาพ หากข้อมูลนั้น ไม่มีคุณภาพที่เพียงพอ ก็อาจนำไปสู่ผลลัพธ์ที่ไม่ถูกต้อง นอกจากนี้ คุณชุติมา ได้เน้นย้ำถึงความสำคัญของการพิจารณาด้านจริยธรรม โดยเฉพาะอย่างยิ่ง การสร้างความโปร่งใส และความยุติธรรมในการใช้เนื้อหาที่สร้างขึ้นโดย AI

การเพิ่มความได้เปรียบขององค์กรด้วย LLMs

คุณ Michael กล่าวว่า การศึกษา และการมีผู้นำทางความคิดที่ก้าวหน้าเป็นกุญแจสำคัญ สำหรับแต่ละองค์กรในการเลือกใช้ Gen AI และ เทคโนโลยีใหม่ๆ ในการสนับสนุนพนักงานให้สามารถเข้าใจ และเข้าถึงการใช้ LLMs

ที่ถูกต้อง ซึ่งสิ่งเหล่านี้ จะช่วยให้องค์กรสามารถเพิ่มความโดดเด่นของธุรกิจ โดยการยกระดับประสบการณ์ที่ดี ให้แก่ลูกค้า และเพิ่มประสิทธิภาพในการดำเนินงาน นอกจากนี้ ทางด้านฝ่ายทรัพยากรบุคคล คุณชุติมา ได้กล่าวเพิ่มเติมว่า LLMs สามารถเข้ามาช่วยบริหารจัดการการทำงานภายในทีมได้ โดยเฉพาะอย่างยิ่ง การทำงานในรูปแบบซ้ำ ๆ อย่างอัตโนมัติ ซึ่งสิ่งเหล่านี้จะช่วยให้ฝ่ายทรัพยากรบุคคล สามารถมุ่งเน้นไปที่กิจกรรมเชิงกลยุทธ์ ที่ขับเคลื่อนการเติบโตของธุรกิจ แทนได้ อีกทั้ง การเปลี่ยนแปลงนี้ ไม่เพียงแต่เพิ่มประสิทธิภาพ แต่ยังช่วยเพิ่มความพึงพอใจ และการพัฒนาของพนักงาน อีกด้วย

อนาคตของการทำงาน : การเปลี่ยนแปลงและโอกาส

ผลกระทบของ LLMs ต่ออนาคตของการทำงานนั้นลึกซึ้ง คุณชุติมา ได้กล่าวว่า สิ่งสำคัญที่องค์กร จำต้องเตรียมความพร้อมให้แก่พนักงาน สำหรับการเปลี่ยนแปลงทางเทคโนโลยีนี้ ก็จะมีตั้งแต่การฝึกอบรมพนักงาน ไปจนถึงการเสริมสร้างวัฒนธรรมที่ช่วยให้พนักงานสามารถเข้าใจขั้นตอนการเปลี่ยนแปลงต่าง ๆ ได้อย่างราบรื่น นอกจากนี้ สำหรับสถาบันการเงิน คุณ Michael ได้เน้นย้ำถึงความสามารถของ LLMs ที่จะช่วยเพิ่มความโดดเด่นทางด้านธุรกิจด้วยการปรับเปลี่ยนแนวทางการสื่อสารระหว่างลูกค้าด้วยการสร้างประสบการณ์การบริการที่มีประสิทธิภาพ อีกทั้ง ด้านข้อมูลและการเขียนโค้ดที่มีทั้งโอกาสและความท้าทาย โดย ดร. ธนชาติ ได้กล่าวว่า LLMs สามารถช่วยในการเขียนโค้ดที่มีรูปแบบซ้ำๆได้โดยอัตโนมัติ ทำให้นักพัฒนาสามารถมุ่งเน้นไปที่การเขียนโค้ดที่ซับซ้อนและสร้างสรรค์มากขึ้น รวมถึงเน้นย้ำถึงการป้อนข้อมูลที่มีคุณภาพ และการฝึกอบรมที่เพียงพอที่ปัจจุบันยังคงเป็นความท้าทายที่สำคัญที่ต้องบริหารจัดการ

สุดท้ายนี้ ในมุมมองของผู้นำธุรกิจ การทำความเข้าใจเทคโนโลยีเบื้องหลัง LLMs การใช้ประโยชน์จาก LLMs อย่างมีประสิทธิภาพ และการเตรียมพร้อม สำหรับผลกระทบต่ออนาคตของการทำงาน นั้น ถือเป็นขั้นตอนที่สำคัญ ในการควบคุมเทคโนโลยีนี้ ให้ดำเนินต่อไป อย่างมีศักยภาพ อีกทั้งการนำ AI อย่าง LLMs มาประยุกต์ใช้ถือเป็นสัญญาณของการปลี่ยนแปลง ที่สำคัญเกินกว่า ที่เราจะสามารถจินตนาการได้ นอกจากนี้ การยอมรับเทคโนโลยีเหล่านี้ ให้เป็นส่วนหนึ่งของธุรกิจ ไม่เพียงแต่จะรักษาความสามารถ ในการแข่งขันได้ แต่ยังขับเคลื่อนนวัตกรรม และการเติบโตในยุคดิจิทัลด้วยอีกเช่นกัน

ที่มา : บทความนี้ รวบรวม โดย 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

TAG : 0 0 Google +0 เขียนเมื่อ :  พฤหัสบดี 14 พฤศจิกายน 2567  14:38:59 เข้าชม : 1598274 ครั้ง