Generative AI ได้เปลี่ยนแปลงการวิเคราะห์ระดับองค์กรอย่างมาก โดยทำให้ผู้ใช้ทั่วทั้งองค์กรสามารถเข้าถึงได้ และ Agentic AI สัญญาว่าจะไปไกลกว่านั้นด้วยการทำงานอัตโนมัติและดำเนินการตามข้อมูลเชิงลึกของ Agent
อย่างไรก็ตาม หากข้อมูลเชิงลึกที่ผลิตออกมาไม่สามารถช่วยธุรกิจได้ องค์กรก็จะพลาดผลตอบแทนจากการลงทุนที่คาดหวัง และหากข้อมูลเชิงลึกที่ผิดพลาดไปกระตุ้นให้เกิดการดำเนินการที่ไม่ถูกต้อง อาจนำไปสู่ความเสียหายด้านชื่อเสียงหรือทางการเงินได้
จากการสำรวจพบว่า แม้ว่าปัจจุบันจะมีมากกว่าครึ่งหนึ่งของข้อมูลเชิงลึกที่ Agent สร้างขึ้น แต่ก็ยังไม่สามารถช่วยธุรกิจได้อย่างมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งในส่วนของข้อมูลเชิงลึกเชิงสั่งการ (prescriptive insights)
สาเหตุหลักที่ถูกระบุโดยผู้บริหารคือการขาดบริบททางธุรกิจ (business context) และอีกหนึ่งปัญหาคือ Agent สร้างข้อมูลเชิงลึกมากเกินไปจนไม่สามารถประเมินและดำเนินการได้อย่างเหมาะสม ซึ่งปัจจุบันยังต้องใช้แรงงานของมนุษย์ในการตรวจสอบเป็นรายกรณีไป
บริษัทที่ถูกสำรวจกำลังให้ความสำคัญกับการเสริมสร้าง AI และธรรมาภิบาลข้อมูล (data governance) เพื่อให้ได้ข้อมูลเชิงลึกจาก Agent ที่ดีขึ้น ซึ่งผู้เชี่ยวชาญเห็นด้วยว่าชั้นความหมาย (semantic layer) มีความสำคัญอย่างยิ่งสำหรับ Agent ที่มีประสิทธิภาพสูง
ศัพท์ที่ควรรู้
- Generative AI – ปัญญาประดิษฐ์เชิงกำเนิด คือ AI ที่สามารถสร้างเนื้อหาใหม่ๆ ได้ เช่น ข้อความหรือโค้ด
- Agentic AI – คือ AI ที่ถูกออกแบบมาให้ทำงานเป็นตัวแทนหรือผู้ปฏิบัติการอัตโนมัติในระบบต่างๆ
- Prescriptive insights – คือข้อมูลเชิงลึกที่ไม่ได้แค่บอกว่าเกิดอะไรขึ้น แต่ยังบอกด้วยว่าควรทำอย่างไรต่อไป
- Semantic layer – คือชั้นของข้อมูลที่ช่วยให้ระบบเข้าใจความหมายและบริบทของข้อมูลได้อย่างถูกต้อง
ที่มา: technologyreview.com