SAS เผยมุมมองคาดการณ์อนาคตเอไอ ปี 2567

SAS เผยมุมมองคาดการณ์อนาคตเอไอ ปี 2567

ปัญญาประดิษฐ์ หรือเอไอ (AI) นั้นอยู่ในทุก ๆ ที่ และมีการพูดคุยกันมากมายเกี่ยวกับสิ่งที่เอไอสามารถทำได้ และภัยคุกคามของเอไอ ศักยภาพของเอไอจะได้รับการตระหนักถึงในปีหน้าหรือไม่ แซส (SAS) ผู้นำด้านเอไอและการวิเคราะห์ ได้ขอให้ผู้บริหารและผู้เชี่ยวชาญทั่วทั้งบริษัท คาดการณ์แนวโน้มและการพัฒนาธุรกิจและเทคโนโลยีที่สำคัญในแวดวงเอไอสำหรับปี 2567 และนี่คือบางส่วนที่พวกเขาคาดการณ์ว่าจะเกิดขึ้น

ปัญญาประดิษฐ์เชิงรู้สร้างจะส่งเสริม (ไม่เข้ามาแทนที่) กลยุทธ์เอไอที่ครอบคลุม

“เทคโนโลยีปัญญาประดิษฐ์เชิงรู้สร้าง (Generative AI) นั้น ทำสิ่งต่าง ๆ ได้มากมาย แต่ก็ใช่ว่าจะทำได้ทุกอย่าง ในปี 2567 องค์กรต่าง ๆ จะเปลี่ยนจากการมองปัญญาประดิษฐ์เชิงรู้สร้างในฐานะเทคโนโลยีแบบสแตนด์อะโลน มาเป็นการบูรณาการเข้ากับส่วนเสริมของกลยุทธ์เอไอเฉพาะอุตสาหกรรม โดยในด้านการธนาคารนั้น สามารถนำมาใช้สร้างข้อมูลจำลองในการทดสอบภาวะวิกฤติ (Stress Test) เพื่อคาดการณ์ความเสี่ยงและหลีกเลี่ยงการสูญเสีย ส่วนในด้านการดูแลสุขภาพ อาจสร้างแผนการรักษาเฉพาะบุคคลได้ สำหรับด้านการผลิต ปัญญาประดิษฐ์เชิงรู้สร้างสามารถจำลองการผลิตเพื่อค้นหาวิธีการปรับปรุงคุณภาพ ความน่าเชื่อถือ การบำรุงรักษา ประสิทธิภาพการใช้พลังงาน และผลผลิต”

ไบรอัน แฮร์ริส (Bryan Harris) ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของแซส เผยว่า

“ในปี 2566 ผู้คนต่างกังวลว่าเอไอจะแย่งงานไป แต่ในปี 2567 การพูดคุยจะมุ่งเน้นไปที่งานที่เอไอสร้างขึ้นมา ตัวอย่างที่ชัดเจนคือวิศวกรรมที่รวดเร็ว ซึ่งเชื่อมโยงศักยภาพของโมเดลเข้ากับการใช้งานจริง โดยเอไอกำลังช่วยให้พนักงานในทุกระดับทักษะและทุกบทบาททำงานได้อย่างมีประสิทธิภาพและมีประสิทธิผลมากขึ้น และแม้ว่าการเปิดตัวเทคโนโลยีเอไอใหม่ในปี 2567 อาจทำให้ตลาดงานเกิดการหยุดชะงักในระยะสั้น แต่จะนำไปสู่การสร้างงานและบทบาทใหม่ ๆ มากมาย ซึ่งจะช่วยขับเคลื่อนการเติบโตทางเศรษฐกิจ”

อูโด สกลาโว (Udo Sglavo) รองประธานฝ่ายการวิเคราะห์ขั้นสูงของแซส

“ในฐานะนักการตลาด เราต้องฝึกฝนในแนวทางปฏิบัติทางการตลาดอย่างมีความรับผิดชอบ แง่มุมต่าง ๆ ของเรื่องนี้หมายถึงการตระหนักว่าเอไอนั้นไม่สมบูรณ์แบบ และระมัดระวังต่ออคติที่อาจเกิดขึ้น แม้ว่าเอไอ จะมีศักยภาพในการปรับปรุงโปรแกรมการตลาดและการโฆษณา เรารู้ว่าข้อมูลและแบบจำลองที่มีอคติสามารถนำไปสู่ผลลัพธ์ที่มีอคติได้ ในการตลาดของเอสเอเอสนั้น เรากำลังดำเนินการโดยใช้การ์ดโมเดล ซึ่งเหมือนกับรายการส่วนผสมสำหรับเอไอ ไม่ว่าคุณจะสร้างหรือใช้เอไอ คุณต้องรับผิดชอบต่อผลกระทบของมัน นั่นเป็นเหตุผลว่าทำไมนักการตลาดทุกคนถึงสามารถตรวจสอบการ์ดโมเดลได้ แม้ว่าจะไม่ใช่ผู้เชี่ยวชาญด้านเทคโนโลยีก็ตาม สิ่งนี้ช่วยให้เรามั่นใจได้ว่าอัลกอริทึมของเรามีประสิทธิภาพและยุติธรรม โดยทำการปรับเปลี่ยนตามความจำเป็น”

เจนนิเฟอร์ เชส (Jennifer Chase) ประธานเจ้าหน้าที่ฝ่ายการตลาดของแซส

“แม้ผู้บริโภคจะส่งสัญญาณถึงการระมัดระวังต่อการฉ้อโกงมากขึ้น แต่มิจฉาชีพก็ใช้ประโยชน์จากเทคโนโลยีขั้นสูงเช่น ปัญญาประดิษฐ์เชิงรู้สร้าง และดีปเฟก (Deepfake) เพื่อพัฒนาฝีมือในการหลอกลวง ซึ่งมีมูลค่าหลายล้านล้านดอลลาร์สหรัฐ โดยข้อความฟิชชิงดูซับซ้อนยิ่งขึ้น และเว็บไซต์ลอกเลียนแบบก็ดูน่าเชื่อถืออย่างมาก มิจฉาชีพยังสามารถโคลนเสียงด้วยเสียงเพียงไม่กี่วินาที โดยใช้วิธีง่าย ๆ บนเครื่องมือออนไลน์”

“เรากำลังเข้าสู่ยุคมืดแห่งการฉ้อโกง ซึ่งธนาคารและสหพันธ์เครดิตยูเนียนต้องแย่งชิงเวลาที่เสียไปด้วยการรีบนำเอไอมาใช้ ซึ่งไม่ต้องสงสัยเลยว่าได้รับแรงจูงใจจากการเปลี่ยนแปลงด้านกฎระเบียบที่กำลังผลักดันให้สถาบันเหล่านี้มีความรับผิดชอบมากขึ้นในการจัดการกับภัยคุกคามที่เพิ่มขึ้นของการหลอกลวง โดยเฉพาะอย่างยิ่งการหลอกลวงให้เหยื่อโอนเงิน (APP) และกิจกรรมการฉ้อโกงอื่น ๆ”

สตู แบรดลีย์ (Stu Bradley) รองประธานอาวุโสฝ่ายโซลูชันความเสี่ยง การฉ้อโกง และการปฏิบัติตามกฎระเบียบของแซส

“ซีไอโอเคยต่อสู้กับ ‘ไอทีเงา’ มาก่อนในอดีต และตอนนี้กำลังจะต้องเผชิญกับ ‘เอไอเงา’ ซึ่งหมายถึงโซลูชันในองค์กรที่นำมาใช้หรือสร้างขึ้นโดยไม่ได้รับการอนุมัติหรือตรวจสอบอย่างเป็นทางการจากฝ่ายไอที พนักงานจะยังคงใช้เครื่องมือปัญญาประดิษฐ์เชิงรู้สร้างต่อไปเพื่อเพิ่มประสิทธิภาพการทำงาน แม้จะด้วยเจตนาที่ดีก็ตาม แต่ซีไอโอก็ต้องดิ้นรนอย่างต่อเนื่องเพื่อดูว่าจะใช้เครื่องมือปัญญาประดิษฐ์เชิงรู้สร้างเหล่านี้ได้มากน้อยเพียงใด และควรมีการกำหนดมาตรการป้องกันที่จำเป็นเพื่อปกป้ององค์กรของตนจากความเสี่ยงที่อาจเกิดขึ้น”

เจย์ อัปเชิร์ช (Jay Upchurch) ประธานเจ้าหน้าที่ฝ่ายสารสนเทศ (CIO) ของแซส

“ขั้นตอนสำคัญถัดไปของปัญญาประดิษฐ์เชิงรู้สร้างคือการรวมข้อความ รูปภาพ และเสียงเข้าไว้ในโมเดลเดียวที่เรียกว่าเอไอต่อเนื่องหลายรูปแบบ ซึ่งสามารถประมวลผลอินพุตที่หลากหลายได้พร้อมกัน นำไปสู่แอปพลิเคชันที่รับรู้บริบทมากขึ้น ซึ่งสนับสนุนการตัดสินใจที่มีประสิทธิภาพมากขึ้น ตัวอย่างเช่น สามารถใช้เพื่อสร้างวัตถุ 3 มิติ สภาพแวดล้อม และข้อมูลเชิงพื้นที่ได้ ซึ่งจะมีแอปพลิเคชันที่ใช้งานได้จริงในความเป็นจริงเสริม (AR) ความเป็นจริงเสมือน (VR) และการจำลองระบบทางกายภาพที่ซับซ้อน เช่น ฝาแฝดดิจิทัล”



แหล่งที่มา

Scroll to Top