นาวาล ราวิคานต์: แล็บ AI ใช้ 'Flywheel' ดึงคนเก่งและข้อมูล

มีการวิเคราะห์ว่าแล็บ AI ชั้นนำกำลังสร้างโครงสร้างแบบ ‘ฟลายวีล’ (Flywheel) เพื่อดึงดูดบุคลากรที่มีความสามารถสูงและข้อมูลผู้ใช้งาน มาช่วยยกระดับประสิทธิภาพของโมเดล

นาวาล ราวิคานต์(Naval Ravikant) ผู้ก่อตั้งและนักลงทุนของแองเจิลลิสต์ (AngelList) โพสต์ข้อความบน X เมื่อวันที่ 10 อธิบายกลยุทธ์ของแล็บ AI ชั้นนำ โดยเนื้อหาดังกล่าวมีรายงานจาก PANews

นาวาลกล่าวว่า “ให้คนที่เก่งที่สุดได้ใช้โมเดลชั้นนำ จากนั้นดึงข้อมูลอินพุตของพวกเขา เอาต์พุตของตัวโมเดลเอง รวมถึงข้อมูลสังเคราะห์และสภาพแวดล้อมการฝึกที่เกิดขึ้นจากตรงนั้น กลับมาใส่ในการฝึกโมเดลอีกครั้ง” คำกล่าวนี้สะท้อนว่าแล็บ AI ไม่ได้หยุดอยู่แค่การดึงดูดบุคลากร แต่ยังเชื่อมโยงผลลัพธ์ที่เกิดจากการใช้งานเข้ากับการพัฒนาโมเดลด้วย

ฟลายวีลหมายถึงโครงสร้างวงจรที่การเพิ่มขึ้นของผู้ใช้งานและการพัฒนาบริการส่งเสริมกันและกัน เมื่อแล็บ AI ดึงดูดบุคลากรที่มีความสามารถสูงได้ อินพุตและผลลัพธ์คุณภาพสูงก็จะสะสมมากขึ้น และการนำสิ่งเหล่านี้ไปพัฒนาโมเดลก็อาจดึงดูดผู้ใช้งานเข้ามาเพิ่มอีก

ในโครงสร้างนี้ ผู้ใช้งานไม่ได้เป็นเพียงผู้บริโภคทั่วไป แต่กลายเป็นผู้มีส่วนร่วมในกระบวนการพัฒนาโมเดล อินพุตและเอาต์พุตที่เกิดจากงานหลากหลายรูปแบบสามารถนำไปใช้เป็นข้อมูลประกอบการตัดสินใจว่าโมเดลควรตอบสนองต่อความต้องการแบบใด

นาวาลระบุว่าเหตุผลที่ผู้ใช้งานยังคงเลือกใช้โมเดลชั้นนำต่อเนื่อง มาจากการแข่งขันระหว่างแล็บ AI ด้วยกันเอง เขาอธิบายว่าเมื่อแล็บต่าง ๆ แข่งขันกันด้านประสิทธิภาพ โมเดลก็จะได้รับการพัฒนาอย่างรวดเร็ว และผู้ใช้งานก็มองหาโมเดลชั้นนำเพื่อให้ได้ผลลัพธ์ที่ดีกว่า

การวิเคราะห์นี้ชี้ว่า แทนที่จะตัดสินความได้เปรียบทางการแข่งขันด้วยประสิทธิภาพของโมเดลเพียงอย่างเดียว โครงสร้างที่เชื่อมโยงบุคลากร ผู้ใช้งาน ข้อมูล และสภาพแวดล้อมการฝึก อาจกลายเป็นส่วนหนึ่งของความสามารถในการแข่งขันได้เช่นกัน ยิ่งมีผู้ใช้งานมากเท่าไร กรณีการใช้งานก็ยิ่งหลากหลายขึ้น และแล็บก็มีช่องทางปรับวิธีฝึกโมเดลรวมถึงสภาพแวดล้อมการประเมินผลได้มากขึ้นตามไปด้วย

จุดที่ถือเป็นแกนกลางคือการใช้ข้อมูลอินพุตร่วมกับผลลัพธ์ของโมเดล และหากเพิ่มข้อมูลสังเคราะห์กับสภาพแวดล้อมการฝึกที่เกิดจากกระบวนการใช้งานเข้าไปด้วย ก็จะเกิดโครงสร้างที่การใช้บริการกลายเป็นทรัพยากรสำหรับรอบการฝึกโมเดลครั้งถัดไป

เรื่องนี้ยังเชื่อมโยงกับการแข่งขันดึงดูดบุคลากรระหว่างแพลตฟอร์ม AI ด้วย ก่อนหน้านี้เคยมีการวิเคราะห์ว่าการเคลื่อนย้ายบุคลากรรอบแพลตฟอร์ม AI อาจส่งผลต่อรูปแบบองค์กรของบริษัท รวมถึงเกณฑ์การตัดสินใจของนักพัฒนาและผู้ใช้งาน

อย่างไรก็ตาม คำกล่าวครั้งนี้เป็นเพียงการวิเคราะห์ของนาวาลต่อกลยุทธ์ของแล็บ AI เท่านั้น ไม่ได้เป็นการยืนยันว่าแล็บใดแล็บหนึ่งกำลังใช้ข้อมูลในลักษณะเดียวกันจริง หรือมีผลลัพธ์เกิดขึ้นตามที่กล่าวถึง

ใจความสำคัญของการวิเคราะห์นี้คือ ระหว่างที่การแข่งขันระหว่างแล็บ AI ยังดำเนินต่อไป โครงสร้างที่การดึงดูดบุคลากร ปริมาณการใช้งานโมเดล และวิธีการใช้ข้อมูล เชื่อมโยงกันอาจแข็งแกร่งขึ้นอีก ส่วนสถานการณ์การนำไปใช้จริงของแต่ละแล็บและผลลัพธ์ที่เกิดขึ้น ยังต้องมีการตรวจสอบแยกต่างหาก