Agentic AI กับความท้าทายด้านข้อมูล (Agentic AI Data Challenges)

โดยเฉพาะเมื่อระบบทำงานผิดพลาด ซึ่งอาจสร้างความเสียหายได้มากกว่าที่คาดการณ์ไว้

ตัวอย่างหนึ่งเกิดขึ้นกับองค์กรด้านบริการทางการเงินระดับโลกที่พัฒนาระบบ AI Agent เพื่อช่วยตรวจสอบและกระทบยอดความผิดปกติในบัญชีแยกประเภท

แต่เมื่อระบบพบค่าข้อมูลที่เป็นค่าว่าง กลับเกิดกระบวนการประมวลผลซ้ำอย่างต่อเนื่อง ส่งผลให้มีการเรียกใช้ API ที่มีค่าใช้จ่ายสูงกว่า 15,000 ครั้งภายในเวลาไม่ถึงหนึ่งชั่วโมง

คิดเป็นค่าใช้จ่ายประมาณ 50,000 ดอลลาร์ พร้อมกับทำให้ฐานข้อมูลถูกล็อก เหตุการณ์ดังกล่าวได้รับการเปิดเผยในรายงานด้านความเสี่ยงและความยืดหยุ่นของ AI ที่เผยแพร่

หากมีระบบกำกับดูแลข้อมูลและมาตรการควบคุมที่รัดกุมมากเพียงพอ ผลกระทบจากเหตุการณ์ลักษณะนี้อาจลดลงได้

อย่างไรก็ตาม หลายองค์กรยังไม่ได้เตรียมความพร้อมของข้อมูลให้เหมาะสมกับการใช้งาน AI โดยมีการประเมินว่า โครงการ AI ถึง 60% ที่ขาดข้อมูลซึ่งพร้อมสำหรับการนำไปใช้งาน มีโอกาสล้มเหลว 

นอกจากนี้ การบริหารจัดการข้อมูลที่ไม่มีประสิทธิภาพและการขาดแนวทางกำกับดูแลที่เหมาะสม ยังส่งผลให้ระบบ AI ทำงานได้ไม่เต็มประสิทธิภาพและไม่สามารถสร้างผลตอบแทนจากการลงทุนได้ตามเป้าหมาย โดยปัญหานี้ยิ่งมีความท้าทายมากขึ้น เมื่อปริมาณการใช้ token มีแนวโน้มเพิ่มขึ้นถึงหลายเท่าภายในอนาคต

อีกหนึ่งประเด็นที่องค์กรส่วนใหญ่มักมองข้าม คือการประเมินต้นทุนที่แท้จริงต่อปริมาณข้อมูล เนื่องจากการทำให้ข้อมูลระดับองค์กรพร้อมรองรับ AI จำเป็นต้องผ่านหลายขั้นตอน ทั้งการรวบรวมข้อมูลจากแหล่งต่าง ๆ การจัดระเบียบและกำกับดูแล การรักษาความปลอดภัย

ตลอดจนการจัดทำดัชนีเพื่อให้ระบบสามารถค้นหาและเรียกใช้ข้อมูลได้อย่างมีประสิทธิภาพ ค่าใช้จ่ายเหล่านี้จึงกลายเป็นต้นทุนแฝงที่หลายองค์กรยังไม่ได้ติดตามหรือจัดสรรงบประมาณไว้อย่างชัดเจน

นอกจากนี้ ข้อมูลยังไม่ใช่ทรัพยากรที่จัดเตรียมเพียงครั้งเดียวแล้วสามารถใช้งานได้ตลอดไป เพราะยังมีค่าใช้จ่ายต่อเนื่องจากการจัดเก็บ การบำรุงรักษา และการปรับปรุงข้อมูลให้ทันสมัยอยู่เสมอ แต่ต้นทุนในส่วนนี้มักไม่ได้ถูกรวมไว้ในการคำนวณผลตอบแทนจากการลงทุนด้าน AI

ดังนั้น องค์กรควรเริ่มประเมินต้นทุนรวมในการเตรียมข้อมูลให้พร้อมสำหรับ AI ตลอดระยะเวลา 3 ปี โดยคำนวณค่าใช้จ่ายทั้งหมดต่อข้อมูลหนึ่งเทราไบต์ เพื่อให้เห็นภาระต้นทุนที่แท้จริงและสามารถวางแผนการลงทุนได้อย่างรอบด้าน

หากละเลยการประเมินดังกล่าว ค่าใช้จ่ายในการจัดการข้อมูลอาจกัดกร่อนมูลค่าที่องค์กรคาดหวังจากการนำ AI มาใช้งาน

ขณะเดียวกัน ปัญหาที่เกิดขึ้นระหว่างการทำงานของ Agentic AI เช่น การสะสมบริบทข้อมูลมากเกินความจำเป็น การประมวลผลซ้ำไม่รู้จบ และการไม่สามารถเรียกใช้ข้อมูลจากแคชได้อย่างมีประสิทธิภาพ ล้วนทำให้ต้นทุนต่อคำขอเพิ่มขึ้นอย่างรวดเร็ว โดยบางกรณีอาจสูงขึ้นถึง 30 เท่า แม้ว่าค่าใช้จ่ายต่อโทเคนจะมีแนวโน้มลดลงก็ตาม 

ปัจจัยสำคัญส่วนหนึ่งมาจากการเตรียมข้อมูลที่ไม่พร้อมและการขาดระบบกำกับดูแลที่มีประสิทธิภาพ ซึ่งสะท้อนให้เห็นว่า การลงทุนด้าน AI ไม่ควรมุ่งเน้นเฉพาะการพัฒนาเทคโนโลยี แต่ต้องให้ความสำคัญกับการจัดการข้อมูลและต้นทุนตลอดกระบวนการใช้งานด้วย

ข้อมูลหัวใจสำคัญของ AI

ในหลายแง่มุม สถานการณ์การนำ AI มาใช้ในปัจจุบันมีความคล้ายคลึงกับช่วงเริ่มต้นของการเปลี่ยนผ่านสู่ระบบคลาวด์

ซึ่งในเวลานั้นองค์กรต้องเผชิญกับการใช้งานระบบ IT นอกเหนือการควบคุมของฝ่ายไอที พนักงานบางส่วนเลือกใช้เทคโนโลยีหรือจัดสรรทรัพยากรด้วยตนเองเพื่อเพิ่มความคล่องตัวในการทำงาน โดยไม่ได้ผ่านกระบวนการกำกับดูแลที่กำหนดไว้ 

ขณะเดียวกัน องค์กรก็เผชิญแรงกดดันให้เร่งปรับปรุงระบบและย้ายภาระงานไปสู่เทคโนโลยีสมัยใหม่ เพื่อให้สามารถใช้ประโยชน์จากการลดต้นทุนได้อย่างเต็มที่

นอกจากเรื่องต้นทุนแล้ว โครงสร้างพื้นฐานด้านข้อมูลที่ได้รับการจัดการอย่างเป็นระบบยังช่วยเสริมความแข็งแกร่งด้านความปลอดภัยอีกด้วย เนื่องจากปัจจุบันผู้โจมตีทางไซเบอร์เริ่มนำ AI มาใช้สนับสนุนการโจมตีในหลายขั้นตอน ตั้งแต่การค้นหาเป้าหมายไปจนถึงการเข้าถึงระบบและขโมยข้อมูล

เป้าหมายขององค์กรจึงไม่ใช่เพียงการเพิ่มการใช้ AI แต่คือการบริหารจัดการเทคโนโลยีอย่างเป็นระบบ เพื่อให้ประสิทธิภาพ ค่าใช้จ่าย และผลตอบแทนจากการลงทุนมีความชัดเจนและคาดการณ์ได้

แนวคิดนี้สอดคล้องกับมุมมองของรัฐมนตรีว่าการกระทรวงการต่างประเทศสิงคโปร์ที่ให้สัมภาษณ์กับ CNBC ว่า ความน่าเชื่อถือเกิดจากการดำเนินงานที่สม่ำเสมอ คาดการณ์ได้ และมีเสถียรภาพ ซึ่งช่วยลดต้นทุนการทำธุรกรรมและสร้างคุณค่าให้ธุรกิจในระยะยาว

ใช้เครื่องมือที่มีอยู่ให้เต็มศักยภาพ

ในความเป็นจริง เครื่องมือสำหรับบริหารต้นทุนคลาวด์ จัดเก็บ ปกป้องข้อมูล และควบคุมสิทธิ์การเข้าถึง AI มีอยู่แล้วในระบบที่องค์กรใช้งาน เพียงแต่ยังไม่ได้ใช้ศักยภาพอย่างเต็มที่ โดยเฉพาะซอฟต์แวร์สำรองข้อมูลที่สามารถรวบรวม จัดทำดัชนี กำจัดข้อมูลซ้ำซ้อน และปรับมาตรฐานข้อมูลจากหลายแหล่ง ทั้งศูนย์ข้อมูล คลาวด์ และระบบระยะไกล

การนำเครื่องมือเหล่านี้มาผสานกับแพลตฟอร์มอัจฉริยะ จะช่วยให้องค์กรบริหารจัดการข้อมูล ตรวจสอบการเข้าถึง และกำหนดนโยบายความปลอดภัยได้อย่างมีประสิทธิภาพมากขึ้น พร้อมต่อยอดระบบเดิมด้วยเทคโนโลยีที่รองรับ Agentic AI 

สิ่งสำคัญคือ การบริหารจัดการข้อมูลต้องเป็นกระบวนการต่อเนื่อง ไม่ใช่โครงการที่ทำเพียงครั้งเดียว เพราะข้อมูลและความต้องการใช้งาน AI เปลี่ยนแปลงอยู่เสมอ อีกทั้งความผิดพลาดในยุค AI สามารถขยายผลได้ภายในเวลาอันสั้น

ดังนั้น ความสำเร็จในการนำ AI มาใช้จึงไม่ได้ขึ้นอยู่กับความล้ำหน้าของเทคโนโลยีหรือความเร็วในการประมวลผลเพียงอย่างเดียว แต่ยังขึ้นอยู่กับการมีระบบบริหารจัดการและกำกับดูแลข้อมูลที่รัดกุม เพื่อให้ข้อมูลมีคุณภาพ ปลอดภัย และพร้อมรองรับการใช้งาน AI อย่างยั่งยืน

ความสำเร็จของ AI ไม่ได้ขึ้นอยู่กับเทคโนโลยีเพียงอย่างเดียว แต่ต้องมีข้อมูลที่พร้อมใช้งาน ปลอดภัย และบริหารจัดการได้ดี เพื่อควบคุมต้นทุน ลดความเสี่ยง และสร้างผลตอบแทนในระยะยาว.