สรุป 5 ขั้นตอนการติดตั้งระบบ Cognitive Computing / AI สำหรับใช้งานในองค์กร จากประสบการณ์จริงในประเทศไทยโดย IBM Thailand

ทางทีมงาน TechTalkThai มีโอกาสได้มาร่วมงาน IBM Asean Connect 2017 ที่จัดขึ้นที่ประเทศสิงคโปร์ และมีโอกาสได้พูดคุยนอกรอบกันเองกับทีมงานวิศวกรของ IBM Thailand ที่มีส่วนเกี่ยวข้องในการ Deploy ระบบ IBM Watson ซึ่งเป็น Cognitive Computing สำหรับใช้งานจริงในสถาบันการเงินและอุตสาหกรรมหลากหลายในประเทศไทย จนได้ข้อสรุปออกมาเป็นขั้นตอนการติดตั้งระบบ Cognitive Computing หรือ Artificial Intelligence (AI) ให้ผู้อ่านนำไปใช้เป็นแนวทางกันได้ดังนี้ครับ

Credit: ShutterStock.com

 

1. กำหนดวัตถุประสงค์เชิงธุรกิจของระบบ Cognitive Computing / AI ก่อน

โครงการแนว Cognitive Computing หรือ AI นั้นจะไม่สามารถเกิดขึ้นได้เลยหากฝ่ายบริหารหรือธุรกิจไม่เห็นคุณค่าของเทคโนโลยีเหล่านี้ และไม่เข้าใจถึงความคุ้มค่าในการลงทุนพัฒนาเทคโนโลยีเหล่านี้ขึ้นมา ดังนั้นการเริ่มต้นจากฝ่ายบริหารหรือธุรกิจก่อนจึงถือเป็นแนวทางที่ดี และจะทำให้โครงการเหล่านี้มีวัตถุประสงค์รวมถึงวิธีการชี้วัดที่ชัดเจน และสามารถแปลงตัวเลขการลงทุนให้กลายเป็นความคุ้มค่าในการลงทุนกลับมาได้อย่างง่ายดายยิ่งขึ้น และทำให้องค์กรต่างๆ ตัดสินใจได้ง่ายขึ้นว่าควรจะเริ่มต้นลงทุนกับเทคโนโลยีเหล่านี้หรือไม่

แน่นอนว่าวัตถุประสงค์ที่กำหนดในเบื้องต้นนี่ก็อาจเป็นแค่แนวทางคร่าวๆ เท่านั้น เพราะหลังจากที่ได้เริ่มทดลองใช้งาน Cognitive Computing หรือ AI จริงๆ แล้วก็อาจทำให้องค์กรได้เห็นถึงมุมมองใหม่ๆ และเกิดไอเดียใหม่ๆ ต่อยอดเพิ่มเติมขึ้นมาอีกภายหลังได้

ตัวอย่างที่น่าสนใจที่เกิดขึ้นจริงในไทยแล้ว เช่น การนำ Cognitive Computing ไปใช้ตรวจจับ Fraud Detection ด้วยแนวทางใหม่ๆ, การนำ AI ไปเรียนรู้บทสนทนาระหว่างลูกค้ากับ Call Center เพื่อทำการปรับปรุงระบบ, การนำ Cognitive Computing ไปช่วยโรงพยาบาลในการตรวจอาการของผู้ป่วย และอื่นๆ ส่วนทั่วโลกนั้น IBM ก็มีกรณีศึกษาแทบจะครบในทุกๆ อุตสาหกรรมแล้ว

 

2. ตรวจเทียบกับฐานข้อมูล Cognitive Computing / AI ทั่วโลก เพื่อทำความเข้าใจเบื้องต้น และกำหนดเพิ่มเติมว่าต้องพัฒนาระบบอะไรต่อยอดขึ้นมาอีกบ้าง

IBM นั้นมีฐานลูกค้าในทุกกลุ่มอุตสาหกรรมทั่วโลกที่มีการใช้งาน Cognitive Computing / AI จริงอยู่แล้ว ทำให้ IBM มี Template สำหรับให้เริ่มต้นใช้งานในแต่ละอุตสาหกรรมได้อย่างรวดเร็ว ซึ่ง Template เหล่านี้ก็จะทำให้องค์กรมองเห็นภาพของผลลัพธ์คร่าวๆ ได้ตั้งแต่ก่อนเริ่มทดลองติดตั้งใช้งานจริงด้วยซ้ำ และทำให้เห็นภาพว่าในอุตสาหกรรมเดียวกันนี้ ทั่วโลกได้นำ Cognitive Computing / AI ไปใช้ทำอะไรบ้าง รวมถึงยังมีฐานข้อมูลให้เปรียบเทียบเป็นแนวทางว่าเกิดอะไรขึ้นบ้างจากพฤติกรรมของลูกค้าหรือข้อมูลในรูปแบบต่างๆ ทำให้ก้าวแรกสามารถเริ่มต้นได้ง่ายดายกว่าการเริ่มต้นจากศูนย์

ในขณะเดียวกัน แต่ละองค์กรก็สามารถปรับแต่ง Template ที่มีอยู่ให้ตรงกับวัตถุประสงค์การใช้งานได้อย่างรวดเร็วมากยิ่งขึ้น อีกทั้งยังสามารถกำหนดได้ว่าจะต้องพัฒนาระบบ Cognitive Computing / AI อะไรเพิ่มเติมเองบ้าง ทำให้การกำหนด Scope ของโครงการมีความแม่นยำมากยิ่งขึ้น

 

3. กำหนดกลุ่มข้อมูลที่ต้องใช้ในการให้ Cognitive Computing / AI เรียนรู้ และเลือกวิธีการในการเข้าถึงข้อมูลเหล่านั้นให้ปลอดภัย

เมื่อมีความชัดเจนมากขึ้นแล้วว่าเราจะนำ Cognitive Computing / AI มาใช้ทำอะไรบ้าง ก็จะทำให้ทีมงานเริ่มเห็นภาพว่าจะต้องใช้ข้อมูลอะไรในการเปิดให้ Cognitive Computing / AI เข้ามาเรียนรู้ และองค์กรก็จะต้องหาทางนำข้อมูลเหล่านั้นที่มีอยู่ภายในองค์กรออกมาใช้งานให้ได้ ไม่ว่าจะเป็นการดึงข้อมูลออกมาเป็น Batch, การดึงข้อมูลออกมาเป็น Stream หรือการพัฒนา API เพื่อต่อยอดให้การนำข้อมูลเหล่านั้นออกมาใช้มีความปลอดภัยและสามารถบริหารจัดการรวมถึงตรวจสอบได้มากขึ้นเป็นเรื่องเป็นราว

สำหรับ IBM เองนั้นประเด็นนี้ถือว่าค่อนข้างสำคัญ เพราะการแปลงข้อมูลให้สามารถเข้าถึงได้ API นั้นจะส่งผลดีต่อองค์กรในระยะยาว ไม่ว่าจะเป็นการนำข้อมูลไปใช้เพื่อทำ Big Data Analytics, การส่งข้อมูลต่อให้ Cognitive Computing ได้เรียนรู้ รวมถึงกรณีอื่นๆ เพื่อให้องค์กรสามารถควบคุมการเข้าถึงข้อมูลเหล่านี้และมีหลักฐานสำหรับการ Audit ได้อย่างครบถ้วน ในขณะที่ยังคงรักษาความปลอดภัยให้แก่ข้อมูลสำคัญขององค์กรเหล่านี้ได้ ทำให้ IBM มักจะเสนอ IBM DataPower Gateway สำหรับทำหน้าที่เป็น API Gateway ที่มีความปลอดภัยสูงและบริหารจัดการได้ง่ายดายสำหรับแต่ละองค์กรนั่นเอง

 

4. ทดลองใช้งาน และปรับแต่งระบบให้ตรงตามความต้องการอย่างต่อเนื่อง

ขั้นตอนถัดมาก็คือการเริ่มต้นใช้งานจริง ที่เบื้องต้นแล้ว Cognitive Computing / AI มักจะตรวจจับเหตุการณ์หรือ Pattern ต่างๆ ได้ทันทีตั้งแต่วันแรกที่เริ่มต้นใช้งาน แต่ผลลัพธ์ที่ได้ในวันแรกนั้นก็อาจยังไม่ตรงวัตถุประสงค์หรือความคาดหวังขององค์กรนัก งานถัดมาจึงต้องเป็นการทำ Tuning การเรียนรู้และความถูกต้องของข้อมูลอย่างต่อเนื่อง เพื่อให้ระบบทำงานได้อย่างถูกต้องแม่นยำยิ่งขึ้นไปเรื่อยๆ

 

5. ทบทวนอยู่เสมอว่าระบบตอบโจทย์ที่ต้องการหรือไม่ แม่นยำหรือไม่ จะปรับปรุงอะไรบ้าง และจะต่อยอดอะไรได้อีกบ้าง

เมื่อมีการใช้งานจริงเป็นที่เรียบร้อยแล้ว ขั้นตอนสำคัญถัดมาก็คือการหมั่นทบทวนว่าระบบเหล่านั้นทำงานได้ดีหรือแม่นยำหรือไม่ ผลกระทบที่เกิดขึ้นต่อธุรกิจเป็นอย่างไร และสามารถปรับปรุงได้อีกหรือไม่ รวมไปถึงเกิดไอเดียหรือแนวทางใหม่ๆ ที่ต้องการทดลองพัฒนาขึ้นมาต่อยอดหรือไม่ ซึ่งในระยะยาวแล้วการสร้างระบบ Cognitive Computing / AI ขึ้นมาแก้โจทย์ปัญหาใหม่ๆ นั้นก็คือการสร้างนวัตกรรมใหม่ๆ เพิ่มเติมให้แก่ธุรกิจองค์กรนั่นเอง

 

สำหรับผู้ที่สนใจรายละเอียดฉบับเต็ม ลองติดต่อทีมงาน IBM Thailand ได้เลยนะครับ ทาง IBM มีทีมวิศวกรพร้อมให้คำปรึกษาในเทคโนโลยีด้านนี้โดยเฉพาะอยู่ครับ

About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

Microsoft แพตช์ช่องโหว่ Zero-day 4 รายการในการอัปเดตประจำเดือนพฤศจิกายน 2024

Microsoft ออกแพตช์ความปลอดภัยประจำเดือนพฤศจิกายน 2024 แก้ไขช่องโหว่ 91 รายการ รวมถึงช่องโหว่ Zero-day 4 รายการ โดยมี 2 รายการที่ถูกนำไปใช้โจมตีแล้ว

Red Hat เตรียมเข้าซื้อกิจการ Neural Magic เสริมทัพด้าน AI Optimization

Red Hat ประกาศเข้าซื้อกิจการ Neural Magic สตาร์ทอัพด้าน AI ที่พัฒนาเทคโนโลยีการปรับแต่งโมเดล AI ให้ทำงานได้อย่างมีประสิทธิภาพบนฮาร์ดแวร์ทั่วไป