เทคโนโลยีปัญญาประดิษฐ์ (AI) ได้ก่อให้เกิดการเปลี่ยนแปลงกระบวนทัศน์ครั้งสำคัญ เทียบเท่ากับการเปลี่ยนผ่านจากเมนเฟรมไปสู่เดสก์ท็อป จากอินเทอร์เน็ตไปสู่โมบาย...
ฌอน โคลว์ส ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ คอนฟลูเอนท์ (Confluent) ผู้ให้บริการแพลตฟอร์มดาต้าสตรีมมิง เปิดมุมมองว่า การเปลี่ยนแปลงที่เกิดขึ้นนี้กำลังเปลี่ยนวิธีการทำงานและมุมมองต่อการทำงานไปอย่างสิ้นเชิง
อย่างไรก็ดี แม้ว่า AI จะมีมานานแล้ว แต่ความแตกต่างครั้งใหญ่ของ Generative AI (Gen AI) อยู่ที่วิธีการสร้างโมเดลและการโต้ตอบกับผู้ใช้
ขณะที่โมเดลแมชีนเลิร์นนิงแบบดั้งเดิมมักประมวลผลผ่านกระบวนการแบบแบทช์ออฟไลน์และนำกลับมาใช้ซ้ำได้ยากนอกบริบทเดิม แต่ Gen AI ได้เปลี่ยนไปสู่การสร้างโมเดลวัตถุประสงค์ทั่วไปขนาดใหญ่ที่สามารถนำไปใช้ซ้ำได้ในแอปพลิเคชันจำนวนมาก
สิ่งที่ท้าทายคือ แม้จะมีศักยภาพสูง แต่ความท้าทายที่ใหญ่ที่สุดของ Gen AI คือการที่โมเดลทั่วไปเหล่านี้ อาจไม่มีความเข้าใจในธุรกิจ ลูกค้า และข้อมูล ที่เพียงพอ
ข้อมูลระบุว่า 95% ของโครงการ GenAI ไม่สามารถสร้างผลตอบแทนได้ เนื่องจากโมเดล LLM ขาด “บริบท” ที่จำเป็นต่อการตัดสินใจอย่างน่าเชื่อถือ องค์กรจึงต้องพึ่งพาหลายโซลูชันเพื่อปิดช่องว่างนี้ ส่งผลให้เกิดเวิร์กโฟลว์ที่ซับซ้อนและขยายการใช้งานได้ยาก
อีกทางหนึ่ง องค์กรต้องเผชิญแรงกดดันในการปรับระบบให้ทันสมัย และต้องส่งมอบประสบการณ์/การดำเนินงานแบบเรียลไทม์ แต่ทีมงานมักต้องเลือกระหว่าง “ความเร็ว” กับ “การกำกับดูแล” โดยการเร่งขยายระบบให้เร็วเกินไปอาจเสี่ยงต่อการไม่สอดคล้องตามข้อกำกับดูแล ในขณะที่การควบคุมที่เข้มงวดเกินไปก็ทำให้การสร้างนวัตกรรมช้าลง
หลายองค์กรยังไม่สามารถนำ AI มาใช้งานได้จริง เพราะข้อมูลถูกแยกอยู่ในระบบที่ไม่เชื่อมต่อกัน อีกทั้งการทำงานของกระบวนการรวมข้อมูลแบบเดิมและการเชื่อมสถาปัตยกรรมข้อมูลแบบแมนนวลถูกสร้างขึ้นเพื่อแก้ปัญหา แต่กลับทำให้ทีมงานทำงานได้ช้าลงกว่าเดิม
ก้าวเข้าสู่ "คลื่นลูกที่สาม" ของ AI
- จาก Predictive AI (ยุคแรก): เน้นการทำนายผล เช่น การทำนายว่าลูกค้าคนใดจะยกเลิกบริการ (customer churn) แต่เมื่อ AI ทำนายแล้ว ยังคงต้องมีมนุษย์เข้ามาดำเนินการต่อเพื่อรักษากลุ่มลูกค้านั้นไว้
- Generative AI (ยุคที่สอง): เช่น ChatGPT ได้มีการเพิ่ม "สมอง" เข้าไปในระบบ AI ซึ่งช่วยให้ระบบเหล่านี้สามารถโต้ตอบและตอบสนองได้แบบเรียลไทม์
- Agentic AI (ยุคปัจจุบัน): นอกเหนือจากการตอบสนองแบบ Gen AI แล้ว Agentic AI ยังสามารถดำเนินการ (take action) ได้ด้วย
ดังนั้นเพื่อให้องค์กรสามารถสร้างแอปพลิเคชัน Gen AI และ Agentic AI ในระดับที่ใหญ่ขึ้นและมีเสถียรภาพได้จำเป็นต้องใช้แพลตฟอร์ม “Data Streaming” เพื่อช่วยในการบูรณาการข้อมูล ทำให้สามารถรวมข้อมูลทั้งหมดจากระบบต่างๆ ที่องค์กรใช้งาน และเตรียมข้อมูลให้พร้อมสำหรับโมเดล AI
รวมไปถึง การขับเคลื่อนด้วยเหตุการณ์ (Event Driven Approach) เป็นแนวทางที่สำคัญในการออกแบบ ช่วยให้แอปพลิเคชันที่ต้องเผชิญหน้ากับลูกค้าถูกแยกออกจาก AI ที่ทำงานอยู่เบื้องหลัง ทำให้เกิดความยืดหยุ่นสูง เนื่องจากองค์กรสามารถปรับเปลี่ยนเทคโนโลยีที่แตกต่างกันตามนวัตกรรมใหม่ๆ ได้
สำหรับคอนฟลูเอนท์ มุ่งนำเสนอโซลูชันที่จะเข้ามาตอบโจทย์ความต้องการขององค์กรในการเริ่มต้นและขยายระบบ AI ที่ขับเคลื่อนด้วยเหตุการณ์ (event-driven AI) บนสถาปัตยกรรมที่มีการจัดการอย่างครบวงจร
ขณะเดียวกัน ขับเคลื่อนการวิเคราะห์และประมวลผลข้อมูลแบบเรียลไทม์ทั่วทั้งระบบคลาวด์ พร้อมส่งมอบบริบทที่ถูกต้องเข้าสู่แอปพลิเคชัน AI โดยตรง เพื่อให้ได้ระบบ AI ที่เชื่อถือได้ ปลอดภัย และรองรับการขยายการใช้งานได้ตรงกับบริบทของธุรกิจ
โดยมีผลิตภัณฑ์เรือธงคือ Tableflow โซลูชันครบวงจร มีความสามารถในการเชื่อมโยงระบบปฏิบัติการ ระบบวิเคราะห์ และระบบ AI เข้าด้วยกันในสภาพแวดล้อมแบบ Hybrid และ Multicloud