AI เก่งขึ้นไม่ได้แปลว่าตลาดจะรับทันที…Deutsche Bank เตือน

แม้ประสิทธิภาพทางเทคนิคของปัญญาประดิษฐ์ (AI) จะพัฒนาขึ้น แต่ไม่ได้หมายความว่าองค์กรจะนำไปใช้กับงานได้ทันที หรือเทคโนโลยีจะได้รับการยอมรับอย่างแพร่หลายในตลาด เนื่องจากความเป็นไปได้ทางเทคนิคกับการยอมรับในตลาดเป็นคนละเรื่องกัน

นักวิจัยของดอยช์แบงก์ (Deutsche Bank) ระบุในรายงานชื่อ ‘จุดจบของ AI: ประวัติโดยสังเขปของการคาดการณ์เทคโนโลยีที่ผิดพลาด’ ว่า ไม่ควรตัดสินอนาคตของ AI จากมุมมองเชิงบวกหรือแนวคิดเรื่องจุดจบเพียงด้านใดด้านหนึ่ง รายงานระบุว่า นอกจากคาดการณ์ว่าเทคโนโลยีจะพัฒนาไปได้ไกลเพียงใดแล้ว ยังเป็นเรื่องยากที่จะประเมินช่วงเวลาที่จะมีการนำไปใช้จริง รูปแบบการยอมรับของสังคม และผลกระทบทางเศรษฐกิจ

รายงานยกตัวอย่างความล้มเหลวของการคาดการณ์เทคโนโลยีในอดีต โดยชี้ว่า การคาดการณ์ประสิทธิภาพหรือความเป็นไปได้ของเทคโนโลยีแตกต่างจากการประเมินว่าเทคโนโลยีดังกล่าวจะหยั่งรากในสังคมและอุตสาหกรรมเมื่อใด

อัลเบิร์ต ไอน์สไตน์มองในปี 1934 ว่าการนำพลังงานนิวเคลียร์มาใช้จริงเป็นเรื่องยาก อย่างไรก็ตาม ไม่ถึง 10 ปีต่อมา มนุษยชาติก็สามารถทำให้เกิดปฏิกิริยาลูกโซ่นิวเคลียร์ฟิชชันอย่างต่อเนื่องได้

การคาดการณ์เกี่ยวกับอินเทอร์เน็ตก็ผิดพลาดเช่นกัน บ็อบ เมตคาล์ฟ (Bob Metcalfe) ผู้ร่วมคิดค้นอีเทอร์เน็ต คาดการณ์ในปี 1995 ว่าอินเทอร์เน็ตจะ ‘ล่มสลายอย่างยิ่งใหญ่’ ในปีถัดมา และหลังจากการคาดการณ์ไม่เป็นจริง เขาได้บดและกลืนบทความที่ระบุคำคาดการณ์ดังกล่าวด้วยตัวเอง

ในวงการ AI ก็มีกรณีคล้ายกัน เจฟฟรีย์ ฮินตัน (Geoffrey Hinton) ผู้บุกเบิกดีปเลิร์นนิง เคยกล่าวในปี 2016 ว่าดีปเลิร์นนิงอาจทำได้ดีกว่าแพทย์รังสีวิทยาภายใน 5-10 ปี และเสนอว่าระบบสาธารณสุขควรหยุดฝึกอบรมแพทย์รังสีวิทยา

อย่างไรก็ตาม ดอยช์แบงก์ระบุว่า จำนวนแพทย์รังสีวิทยากลับเพิ่มขึ้นประมาณ 10% ในช่วง 10 ปีที่ผ่านมา รายงานวิเคราะห์ว่า แม้ AI จะทำให้งานบางส่วนของการอ่านภาพทางการแพทย์เป็นระบบอัตโนมัติ แต่การตีความผล การวินิจฉัยทางคลินิก การสื่อสารระหว่างผู้ป่วยกับบุคลากรทางการแพทย์ และการตัดสินใจตามสถานการณ์เป็นเรื่องที่แยกออกจากกัน

รายงานระบุว่าควรแยกการทำให้ภารกิจบางส่วนในงานหนึ่งเป็นระบบอัตโนมัติ ออกจากการที่อาชีพทั้งอาชีพจะหายไป การทำให้ฟังก์ชันบางอย่างเป็นระบบอัตโนมัติจึงไม่ได้หมายความว่าจะนำไปสู่การเปลี่ยนแปลงโครงสร้างการจ้างงานทั้งหมดในทันที

เทคโนโลยีขับขี่อัตโนมัติก็อธิบายได้ในทิศทางเดียวกัน การเพิ่มประสิทธิภาพทางเทคนิคเป็นเพียงขั้นแรกของการนำไปใช้งานจริง ขณะที่การรับมือสถานการณ์สุดขั้ว ข้อกำหนดด้านกฎระเบียบ ความรับผิดชอบเมื่อเกิดอุบัติเหตุ และการยอมรับของผู้บริโภค ล้วนต้องได้รับการแก้ไขก่อนการนำไปใช้งานเชิงพาณิชย์

สำหรับ AI ประสิทธิภาพของโมเดลเพียงอย่างเดียวไม่ได้เป็นปัจจัยตัดสินว่าองค์กรจะนำไปใช้ในวงกว้างหรือไม่ ความสามารถในการผสานเทคโนโลยีเข้ากับกระบวนการทำงานเดิม รวมถึงความเต็มใจของผู้ใช้และองค์กรที่จะจ่ายเงินสำหรับฟังก์ชันดังกล่าว อาจมีผลต่อการยอมรับจริง

AI สำหรับองค์กรจำเป็นต้องเชื่อมโยงข้อมูลและระบบงานเข้าด้วยกัน นอกเหนือจากการพัฒนาโมเดลเอง แนวคิดของเซลส์ฟอร์ซ (Salesforce) ที่ต้องการเชื่อมข้อมูลขององค์กรและกระบวนการทำงานเข้ากับเอเจนต์ AI จึงอาจมองได้ว่าเป็นกรณีศึกษาของการผสานประสิทธิภาพทางเทคนิคเข้ากับงานจริง

ดอยช์แบงก์ยังระบุว่า แรงจูงใจของผู้มีส่วนได้ส่วนเสียเป็นหนึ่งในปัจจัยที่ทำให้การคาดการณ์เกี่ยวกับ AI มีลักษณะสุดโต่ง บริษัท AI ต้องโน้มน้าวผู้คนด้วยวิสัยทัศน์ด้านเทคโนโลยี นักลงทุนต้องการเรื่องราวการเติบโต ขณะที่บริษัทที่ปรึกษาอาจเน้นความเร่งด่วนของการเปลี่ยนผ่าน

ผู้กำหนดนโยบายต้องอธิบายความจำเป็นของการเข้าแทรกแซงด้านกฎระเบียบ ส่วนสื่อและแพลตฟอร์มโซเชียลมีแนวโน้มขยายการคาดการณ์ที่เป็นลบหรือใช้อารมณ์ รายงานจึงชี้ว่า มุมมองเชิงบวกสุดโต่งและแนวคิดเรื่องจุดจบอาจได้รับความสนใจมากกว่าการประเมินที่รอบคอบและยอมรับความไม่แน่นอน

รายงานไม่ได้ปฏิเสธความเสี่ยงที่ AI อาจก่อให้เกิดขึ้น แต่เน้นย้ำว่าควรพิจารณาการผสาน AI เข้ากับงานขององค์กร รูปแบบการนำไปใช้เชิงพาณิชย์ กฎระเบียบ และการยอมรับของสังคมควบคู่ไปกับการพัฒนาเทคโนโลยี

ท่ามกลางการขยายตัวของโครงสร้างพื้นฐาน AI และการนำ AI ไปใช้กับงานองค์กรในประเทศไทยและตลาดต่าง ๆ ประเด็นสำคัญจึงไม่ได้อยู่ที่ประสิทธิภาพของ AI เท่านั้น แต่อยู่ที่กระบวนการทำให้เทคโนโลยีหยั่งรากในกระบวนการทำงานจริงด้วย รายงานของดอยช์แบงก์ย้ำว่า ความเร็วในการพัฒนา AI กับช่วงเวลาที่ตลาดจะยอมรับไม่ควรถูกมองว่าเป็นเรื่องเดียวกัน