สัมมนากลยุทธ์รับมืออุตสาหกรรมแห่งอนาคต - สมาคมอุตสาหกรรมอัจฉริยะเกาหลี

เมื่อวันที่ 24 ตุลาคมที่ผ่านมา ตามคำเชิญของสมาคมอุตสาหกรรมอัจฉริยะเกาหลี (KOIIA) คุณอีฮวานโฮ ซีอีโอของ CLEVI ได้เข้าร่วมและกล่าวสุนทรพจน์ในงาน 'สถาบันพัฒนาบุคลากรหลักสำหรับบริษัทขนาดกลางปี 2025 สัมมนากลยุทธ์รับมืออุตสาหกรรมแห่งอนาคต'

เราได้เข้าร่วมในเซสชัน 'กรณีการนำเทคโนโลยี AI มาใช้และกลยุทธ์การดำเนินงาน DX' ในหัวข้อ 'กรณีการใช้ Physical AI ปัจจัยความล้มเหลวและกลยุทธ์การปรับปรุงในกระบวนการนำเอเจนต์ RAG มาใช้'

เมื่อความสนใจในเอเจนต์ AI เพิ่มสูงขึ้นในช่วงที่ผ่านมา บริษัทจำนวนมากขึ้นเรื่อย ๆ ก็กำลังพิจารณานำ AI มาใช้เช่นกัน โดยเป็นที่เข้าใจกันว่า สถาบันและบริษัทจำนวนมากได้นำ AI มาทดลองใช้และดำเนินงานแล้ว

แต่น่าเสียดาย จากการสำรวจพบว่าในบริษัทและสถาบันจำนวนมาก ไม่สามารถสร้าง ROI ได้ตามที่ต้องการ หรือฟังก์ชันที่ทำงานได้ใน PoC กลับไม่สามารถให้คำตอบที่เหมาะสมหรือไม่ทำงานในโครงการจริงหรือหน้างาน

ข้อมูลเหล่านี้ทำให้บริษัทจำนวนมากลังเลที่จะนำ AI มาใช้อย่างเร่งรีบ

ในการบรรยายครั้งนี้ คุณอีฮวานโฮ ซีอีโอของ CLEVI ได้อธิบายอย่างละเอียดถึงข้อจำกัดของระบบ RAG ซึ่งเป็นหนึ่งในสาเหตุสำคัญของความล้มเหลวในการนำ AI มาใช้อย่างเร่งรีบ รวมถึงโมเดลโอเพนซอร์สและ Small LLM (SLM) พร้อมอธิบายว่าเหตุใดกรณีการนำไปใช้ก่อนหน้านี้จึงล้มเหลว

ท้ายที่สุด เหตุผลที่เราใช้ AI ก็เพราะคาดหวังให้ AI ทำงานแทนมนุษย์ หรือแสดงประสิทธิภาพที่ดีกว่ามนุษย์

อย่างไรก็ตาม เนื่องจากพนักงานภาคปฏิบัติของบริษัทที่นำ AI มาใช้ในปัจจุบันไม่สามารถไว้วางใจคุณภาพคำตอบของ AI ได้ จึงมีเสียงร้องเรียนเพิ่มขึ้นว่า ภาระงานกลับเพิ่มขึ้น เพราะต้องตรวจสอบเนื้อหาคำตอบของ AI ทีละรายการ

สาเหตุส่วนใหญ่เกิดจากการที่บริษัทต่าง ๆ นำโมเดล SLM แบบโอเพนซอร์สมาปรับแต่งด้วยข้อมูลเพิ่มเติม แล้วใช้เป็นโซลูชัน

ในเชิงสัญชาตญาณ เราอาจคิดว่า AI จะฉลาดขึ้นเมื่อเรียนรู้สิ่งใหม่ ๆ แต่ในทางกลับกัน เมื่อให้ AI เรียนรู้ความรู้ใหม่ AI จะสูญเสียความทรงจำในอดีต หรือก็คือน้ำหนักพารามิเตอร์ที่กำหนดขึ้นโดยพลการ

ปัญหาที่ร้ายแรงยิ่งกว่านั้นคือ ไม่มีใครรู้ว่า AI สูญเสียข้อมูลหรือความรู้ใดไปบ้าง

เนื่องจากการนำ AI มาใช้ไม่ใช่เรื่องที่ต้องใช้ทรัพยากรเพียงเล็กน้อย คุณคงได้ดำเนินการตรวจสอบและยืนยันหลายด้านตั้งแต่ช่วง PoC แล้ว

เหตุใดปัญหาดังกล่าวจึงไม่ปรากฏในตอนนั้น? แน่นอนว่าเป็นเพราะมีการฝึกฝนซ้ำด้วยข้อมูลเป้าหมาย

เมื่อสอน AI ที่รู้จักเพียงตัวเลขให้เรียนรู้ตัวอักษร และหลังจากนั้นตั้งคำถามเกี่ยวกับตัวอักษรเท่านั้น AI จึงตอบได้ดีเป็นเรื่องธรรมดา แต่ในสถานที่ทำงานจริง เราจำเป็นต้องใช้เพียงโมเดลที่เชี่ยวชาญเฉพาะด้านในโดเมนใดโดเมนหนึ่งเท่านั้นหรือ?

​

สถานที่ทำงานของเราต้องเผชิญกับสภาพแวดล้อมและข้อมูลใหม่ ๆ ทุกวัน แต่ AI ที่เรียนรู้โดยการทำลายองค์ความรู้เดิมแบบสุ่ม ไม่สามารถรับประกันได้ทั้งความสามารถในการใช้งานทั่วไปและความแม่นยำ

ดังนั้น จึงจำเป็นต้องมีโมเดลภาษาขนาดใหญ่แบบ From-scratch Foundation หรือเทคโนโลยีที่สามารถสร้างโมเดลดังกล่าวได้

เนื่องจากโมเดลเหล่านี้มีความรู้เกือบทั้งหมดบนโลก จึงให้คุณภาพคำตอบและความแม่นยำในระดับสูง

สำหรับโดเมนเฉพาะทาง หากใช้เทคโนโลยีที่เรียกว่า SFT(Supervised Fine-Tuning) หรือหากมีข้อมูลในปริมาณน้อย ใช้ระบบ RAG หรือเทคโนโลยีฐานข้อมูลเชิงความหมาย ซึ่งเป็นระบบฐานข้อมูลอัจฉริยะที่ CLEVI พัฒนาขึ้นเอง ก็จะสามารถเอาชนะข้อจำกัดของ SLM ที่ผ่านการปรับแต่งได้

เนื่องจากรัฐบาลเองก็ตระหนักถึงความสำคัญของโมเดลพื้นฐานดังกล่าว จึงให้การสนับสนุนอย่างเต็มที่

นั่นคือโครงการ National Representative AI โดยเป้าหมายสำคัญที่สุดของโครงการนี้น่าจะเป็นการสร้างอธิปไตยทางดิจิทัล

CLEVI เองก็ตระหนักถึงข้อเสียร้ายแรงที่อาจเกิดขึ้นเมื่อใช้โมเดลโอเพนซอร์ส เราจึงพัฒนาอย่างเป็นอิสระตั้งแต่การรวบรวมข้อมูลไปจนถึงการออกแบบสถาปัตยกรรม และใช้สิ่งเหล่านี้ฝึกฝนโมเดลของ CLEVI

ปัจจุบัน โมเดลของ CLEVI มีประสิทธิภาพที่ไม่ด้อยไปกว่า AI ชั้นนำของโลกแม้แต่น้อยเมื่อแข่งขันกัน

โดยเฉพาะอย่างยิ่ง เนื่องจากเรามีโมเดลที่พัฒนาขึ้นเอง CLEVI จึงไม่ต้องเผชิญกับปัญหาการพึ่งพิง ซึ่งอาจเกิดขึ้นเมื่อใช้โมเดลภายนอก

ปัจจุบัน การนำ AI มาใช้กำลังกลายเป็นสิ่งจำเป็น ไม่ใช่ทางเลือกอีกต่อไป แต่การนำเทคโนโลยีล่าสุดมาใช้เพียงอย่างเดียวไม่ใช่เรื่องง่ายที่จะทำให้ได้ผลลัพธ์ตามที่ต้องการ

นวัตกรรมที่แท้จริงจะเริ่มต้นขึ้นเมื่อเราเข้าใจข้อจำกัดของเทคโนโลยีอย่างถูกต้อง และวางกลยุทธ์ที่เหมาะสมที่สุดกับสภาพแวดล้อมและเป้าหมายขององค์กร

ด้วยขีดความสามารถด้านเทคโนโลยีที่แตกต่าง เช่น โมเดลภาษาขนาดใหญ่ที่พัฒนาขึ้นเองและฐานข้อมูลเชิงความหมาย CLEVI กำลังช่วยลดการลองผิดลองถูกและความเสี่ยงที่องค์กรต้องเผชิญในกระบวนการนำ AI มาใช้ให้เหลือน้อยที่สุด

ต่อจากนี้ เราจะรับฟังเสียงจากหน้างานอย่างต่อเนื่อง และมุ่งมั่นอย่างเต็มที่เพื่อเป็นพันธมิตรด้าน AI ที่องค์กรต่าง ๆ ไว้วางใจได้มากยิ่งขึ้น ขอให้คุณร่วมสร้างความสำเร็จที่แท้จริงในการนำ AI มาใช้ไปพร้อมกับ CLEVI