Generative AI จะสามารถทำอะไรได้บ้างโดยไม่ต้องมีการแทรกแซงจากมนุษย์?

บทสรุปผู้บริหาร

ปัญญาประดิษฐ์เชิงกำเนิด (AI) ซึ่งเป็นเทคโนโลยีที่ช่วยให้เครื่องจักรสามารถสร้างข้อความ รูปภาพ โค้ด และอื่นๆ ได้นั้น ได้เติบโตอย่างก้าวกระโดดในช่วงไม่กี่ปีที่ผ่านมา เอกสารฉบับนี้นำเสนอภาพรวมที่เข้าใจง่ายเกี่ยวกับสิ่งที่ AI เชิงกำเนิดสามารถ อย่างน่าเชื่อถือ ในปัจจุบันโดยไม่ต้องอาศัยการแทรกแซงจากมนุษย์ และสิ่งที่คาดว่าจะเกิดขึ้นในทศวรรษหน้า เราได้สำรวจการใช้งาน AI ในด้านการเขียน งานศิลปะ การเขียนโค้ด การบริการลูกค้า การดูแลสุขภาพ การศึกษา โลจิสติกส์ และการเงิน โดยเน้นย้ำถึงจุดที่ AI ทำงานได้อย่างอิสระ และจุดที่การควบคุมดูแลโดยมนุษย์ยังคงมีความสำคัญอย่างยิ่งยวด ตัวอย่างจากสถานการณ์จริงถูกนำมาใช้เพื่อแสดงให้เห็นถึงทั้งความสำเร็จและข้อจำกัด ผลการวิจัยที่สำคัญประกอบด้วย:

• การนำไปใช้อย่างแพร่หลาย: ในปี 2024 บริษัทที่สำรวจ 65% รายงานว่ามีการใช้ AI เชิงสร้างสรรค์ (generative AI) เป็นประจำ ซึ่งเพิ่มขึ้นเกือบสองเท่าจากปีก่อนหน้า ( สถานะ AI ต้นปี 2024 | McKinsey ) การประยุกต์ใช้งานครอบคลุมตั้งแต่การสร้างเนื้อหาทางการตลาด แชทบอทสนับสนุนลูกค้า การสร้างโค้ด และอื่นๆ อีกมากมาย

• ความสามารถอัตโนมัติในปัจจุบัน: AI เชิงสร้างสรรค์ในปัจจุบันสามารถจัดการ งานที่มีโครงสร้างและซ้ำซากได้ น่าเชื่อถือโดยแทบไม่มีการควบคุมดูแล ตัวอย่างเช่น การสร้างรายงานข่าวแบบสูตรสำเร็จโดยอัตโนมัติ (เช่น สรุปผลประกอบการของบริษัท) ( Philana Patterson – ONA Community Profile ) การสร้างคำอธิบายผลิตภัณฑ์และรีวิวที่น่าสนใจบนเว็บไซต์อีคอมเมิร์ซ และการเติมโค้ดอัตโนมัติ ในด้านเหล่านี้ AI มักจะเข้ามาเสริมศักยภาพการทำงานของมนุษย์โดยเข้ามาควบคุมการสร้างเนื้อหาตามปกติ

• การควบคุมดูแลโดยมนุษย์ (Human-in-the-Loop) สำหรับงานที่ซับซ้อน: สำหรับงานที่ซับซ้อนหรืองานที่เปิดกว้าง เช่น การเขียนเชิงสร้างสรรค์ การวิเคราะห์อย่างละเอียด หรือคำแนะนำทางการแพทย์ การควบคุมดูแลโดยมนุษย์ยังคงเป็นสิ่งจำเป็นเพื่อให้มั่นใจถึงความถูกต้องของข้อเท็จจริง การตัดสินอย่างมีจริยธรรม และคุณภาพ ปัจจุบันการใช้งาน AI จำนวนมากใช้รูปแบบ "การควบคุมดูแลโดยมนุษย์" ซึ่ง AI จะร่างเนื้อหาและมนุษย์จะตรวจสอบเนื้อหา

• การปรับปรุงในระยะสั้น: ในอีก 5-10 ปีข้างหน้า คาดการณ์ว่า AI แบบสร้าง (generative AI) จะมี ความน่าเชื่อถือและทำงานอัตโนมัติ ขึ้น ความก้าวหน้าด้านความแม่นยำของแบบจำลองและกลไกป้องกันอาจช่วยให้ AI สามารถจัดการงานด้านความคิดสร้างสรรค์และการตัดสินใจได้มากขึ้น โดยอาศัยข้อมูลจากมนุษย์น้อยที่สุด ยกตัวอย่างเช่น ภายในปี 2030 ผู้เชี่ยวชาญคาดการณ์ว่า AI จะจัดการการโต้ตอบและการตัดสินใจด้านการบริการลูกค้าส่วนใหญ่แบบเรียลไทม์ ( เพื่อเปลี่ยนแนวคิดสู่ CX ใหม่ นักการตลาดต้องทำ 2 สิ่งนี้ ) และภาพยนตร์ฟอร์มยักษ์อาจสร้างด้วยเนื้อหาที่สร้างโดย AI ถึง 90% ( กรณีการใช้งาน AI แบบสร้างสำหรับอุตสาหกรรมและองค์กร )

• ภายในปี 2035: ภายในหนึ่งทศวรรษ เราคาดว่า เอเจนต์ AI อัตโนมัติ จะกลายเป็นเรื่องธรรมดาในหลายสาขา ผู้สอน AI สามารถให้การศึกษาเฉพาะบุคคลในระดับกว้าง ผู้ช่วย AI อาจร่างสัญญาทางกฎหมายหรือรายงานทางการแพทย์ได้อย่างน่าเชื่อถือเพื่อให้ผู้เชี่ยวชาญอนุมัติ และระบบขับเคลื่อนอัตโนมัติ (ซึ่งช่วยด้วยการจำลองแบบสร้างภาพ) อาจดำเนินการด้านโลจิสติกส์แบบครบวงจร อย่างไรก็ตาม บางประเด็นที่ละเอียดอ่อน (เช่น การวินิจฉัยทางการแพทย์ที่มีความสำคัญสูง การตัดสินขั้นสุดท้ายทางกฎหมาย) น่าจะยังคงต้องใช้การตัดสินใจของมนุษย์เพื่อความปลอดภัยและความรับผิดชอบ

• ข้อกังวลด้านจริยธรรมและความน่าเชื่อถือ: เมื่อ AI มีอิสระในการตัดสินใจมากขึ้น ความกังวลก็เพิ่มขึ้นเช่นกัน ปัญหาในปัจจุบันประกอบด้วย ภาพหลอน (AI สร้างข้อเท็จจริง) อคติในเนื้อหาที่สร้างขึ้น การขาดความโปร่งใส และการนำข้อมูลบิดเบือนไปใช้ในทางที่ผิด สิ่งสำคัญที่สุดคือการทำให้ AI เชื่อถือได้ เมื่อ ทำงานโดยไม่มีการกำกับดูแล ความก้าวหน้ากำลังเกิดขึ้น ตัวอย่างเช่น องค์กรต่างๆ กำลังลงทุนมากขึ้นในการลดความเสี่ยง (การจัดการกับความถูกต้องแม่นยำ ความปลอดภัยทางไซเบอร์ ปัญหาทรัพย์สินทางปัญญา) ( The State of AI: Global survey | McKinsey ) แต่จำเป็นต้องมีกรอบการกำกับดูแลและจริยธรรมที่แข็งแกร่ง

• โครงสร้างของบทความนี้: เราจะเริ่มต้นด้วยบทนำเกี่ยวกับ AI แบบกำเนิด (generative AI) และแนวคิดการใช้งานแบบอัตโนมัติและแบบมีผู้ดูแล จากนั้น ในแต่ละสาขาหลัก (เช่น การเขียน ศิลปะ การเขียนโค้ด ฯลฯ) เราจะอภิปรายถึงสิ่งที่ AI สามารถทำได้อย่างน่าเชื่อถือในปัจจุบัน เมื่อเทียบกับสิ่งที่จะเกิดขึ้นในอนาคต เราจะสรุปด้วยความท้าทายที่ครอบคลุม การคาดการณ์ในอนาคต และคำแนะนำสำหรับการใช้ประโยชน์จาก AI แบบกำเนิดอย่างมีความรับผิดชอบ

โดยรวมแล้ว ปัญญาประดิษฐ์เชิงสร้างสรรค์ (generative AI) ได้พิสูจน์แล้วว่าสามารถรับมือกับงานที่หลากหลายได้อย่างน่าทึ่งโดยไม่ต้องอาศัยการควบคุมจากมนุษย์ตลอดเวลา ด้วยการทำความเข้าใจขีดจำกัดในปัจจุบันและศักยภาพในอนาคต องค์กรต่างๆ และสาธารณชนจะสามารถเตรียมพร้อมรับมือกับยุคที่ปัญญาประดิษฐ์ไม่ได้เป็นเพียงแค่เครื่องมือ แต่เป็นผู้ร่วมมือที่เป็นอิสระในการทำงานและความคิดสร้างสรรค์

การแนะนำ

ปัญญาประดิษฐ์สามารถ วิเคราะห์ ข้อมูลมานานแล้ว แต่เมื่อไม่นานมานี้ ระบบ AI ได้เรียนรู้วิธี การสร้างสรรค์ สิ่งต่างๆ เช่น การเขียนร้อยแก้ว การเรียบเรียงภาพ การเขียนโปรแกรมซอฟต์แวร์ และอื่นๆ อีกมากมาย AI เชิงสร้างสรรค์ (เช่น GPT-4 สำหรับข้อความ หรือ DALL·E สำหรับรูปภาพ) ได้รับการฝึกฝนจากชุดข้อมูลขนาดใหญ่เพื่อสร้างเนื้อหาใหม่ๆ ตามคำกระตุ้น ความก้าวหน้าครั้งนี้ได้ก่อให้เกิดนวัตกรรมใหม่ๆ ในหลายอุตสาหกรรม อย่างไรก็ตาม คำถามสำคัญก็เกิดขึ้น นั่นคือ เราจะไว้วางใจให้ AI ทำอะไรได้ด้วยตัวเอง โดยที่มนุษย์ไม่ต้องตรวจสอบผลลัพธ์ซ้ำอีกครั้ง

ในการตอบคำถามนี้ สิ่งสำคัญคือต้องแยกแยะระหว่าง แบบมีการดูแล และ แบบอัตโนมัติ :

• AI ที่มนุษย์ควบคุม (Human-supervised AI) หมายถึงสถานการณ์ที่ผลลัพธ์ของ AI ได้รับการตรวจสอบหรือคัดสรรโดยบุคลากรก่อนที่จะสรุปผล ตัวอย่างเช่น นักข่าวอาจใช้ผู้ช่วยเขียน AI เพื่อร่างบทความ แต่บรรณาธิการเป็นผู้ตรวจทานและอนุมัติ

• AI อัตโนมัติ (AI ที่ไม่มีการแทรกแซงจากมนุษย์) หมายถึงระบบ AI ที่ดำเนินงานหรือสร้างเนื้อหาที่นำไปใช้งานโดยตรงโดยแทบไม่มีการแก้ไขจากมนุษย์ ตัวอย่างเช่น แชทบอทอัตโนมัติที่ตอบข้อสงสัยของลูกค้าโดยไม่ต้องมีเจ้าหน้าที่ หรือสำนักข่าวที่เผยแพร่สรุปผลการแข่งขันกีฬาที่สร้างโดย AI โดยอัตโนมัติ

Generative AI กำลังถูกนำไปใช้งานในทั้งสองโหมดแล้ว ในปี 2023-2025 การนำไปใช้งานเพิ่มสูงขึ้นอย่างรวดเร็ว โดยองค์กรต่างๆ ต่างกระตือรือร้นที่จะทดลองทำการทดลอง ผลสำรวจทั่วโลกในปี 2024 พบว่า 65% ของบริษัทต่างๆ กำลังใช้ generative AI เป็นประจำ ซึ่งเพิ่มขึ้นจากประมาณหนึ่งในสามเมื่อปีก่อน ( สถานะของ AI ต้นปี 2024 | McKinsey ) บุคคลทั่วไปก็หันมาใช้เครื่องมืออย่าง ChatGPT เช่นกัน โดยประเมินว่า 79% ของผู้เชี่ยวชาญได้สัมผัสกับ generative AI อย่างน้อยบางส่วนภายในกลางปี ​​2023 ( สถานะของ AI ในปี 2023: ปีแห่งการก้าวกระโดดของ Generative AI | McKinsey ) การใช้งานอย่างรวดเร็วนี้ขับเคลื่อนโดยคำมั่นสัญญาของประสิทธิภาพและความคิดสร้างสรรค์ที่เพิ่มขึ้น อย่างไรก็ตาม ยังคงเป็น "ช่วงเริ่มต้น" และหลายบริษัทยังคงกำหนดนโยบายเกี่ยวกับวิธีการใช้ AI อย่างมีความรับผิดชอบ ( สถานะของ AI ในปี 2023: ปีแห่งการก้าวกระโดดของ Generative AI | McKinsey )

ทำไมความเป็นอิสระจึงสำคัญ: การปล่อยให้ AI ทำงานโดยปราศจากการควบคุมของมนุษย์สามารถปลดล็อกประโยชน์ด้านประสิทธิภาพมหาศาล นั่นคือการทำให้งานที่น่าเบื่อหน่ายกลายเป็นระบบอัตโนมัติทั้งหมด แต่ก็เพิ่มความเสี่ยงต่อความน่าเชื่อถือด้วยเช่นกัน ตัวแทน AI อัตโนมัติต้องทำงานให้ถูกต้อง (หรือรู้ขีดจำกัด) เพราะอาจไม่มีมนุษย์คอยจับผิดแบบเรียลไทม์ งานบางอย่างเอื้อต่อการทำงานอัตโนมัติมากกว่างานอื่นๆ โดยทั่วไป AI จะทำงานได้ดีที่สุดเมื่อ:

• งานมี โครงสร้างหรือรูปแบบที่ชัดเจน (เช่น การสร้างรายงานประจำจากข้อมูล)

• ข้อผิดพลาดมีความเสี่ยงต่ำหรือยอมรับได้ง่าย (เช่น การสร้างภาพที่สามารถทิ้งได้หากไม่น่าพอใจ เมื่อเทียบกับการวินิจฉัยทางการแพทย์)

• มี ข้อมูลการฝึกอบรม ที่ครอบคลุมสถานการณ์ต่างๆ ดังนั้นผลลัพธ์ของ AI จึงมาจากตัวอย่างจริง (ลดการคาดเดา)

ในทางตรงกันข้าม งานที่ ปลายเปิด มี ความเสี่ยงสูง หรือต้องใช้การตัดสินใจอย่างละเอียดถี่ถ้วนนั้น ไม่เหมาะสมที่จะไม่มีการกำกับดูแลใดๆ ในปัจจุบัน

ในหัวข้อต่อไปนี้ เราจะพิจารณาหลากหลายสาขาเพื่อดูว่า AI เชิงสร้างสรรค์กำลังทำอะไรอยู่ในปัจจุบันและอนาคต เราจะดูตัวอย่างที่เป็นรูปธรรม ตั้งแต่บทความข่าวที่เขียนด้วย AI และงานศิลปะที่สร้างโดย AI ไปจนถึงผู้ช่วยเขียนโค้ดและเจ้าหน้าที่บริการลูกค้าเสมือนจริง โดยเน้นย้ำว่างานใดบ้างที่ AI สามารถทำได้แบบครบวงจร และงานใดบ้างที่ยังต้องมีมนุษย์ร่วมทำงานด้วย สำหรับแต่ละสาขา เราได้แยกความสามารถในปัจจุบัน (ประมาณปี 2025) ออกจากการคาดการณ์ที่เป็นจริงว่าอะไรจะเชื่อถือได้ภายในปี 2035

ด้วยการวิเคราะห์ปัจจุบันและอนาคตของ AI อัตโนมัติในทุกสาขา เรามุ่งหวังที่จะมอบความเข้าใจที่สมดุลให้กับผู้อ่าน โดยไม่ได้โฆษณาเกินจริงว่า AI ไร้ข้อผิดพลาดอย่างน่าอัศจรรย์ หรือไม่ได้โฆษณาความสามารถที่แท้จริงและกำลังเติบโตของ AI ต่ำเกินไป ด้วยพื้นฐานนี้ เราจะหารือถึงความท้าทายที่สำคัญในการไว้วางใจ AI โดยปราศจากการกำกับดูแล ซึ่งรวมถึงข้อพิจารณาด้านจริยธรรมและการจัดการความเสี่ยง ก่อนที่จะสรุปด้วยประเด็นสำคัญ

AI เชิงสร้างสรรค์ในการเขียนและการสร้างเนื้อหา

หนึ่งในโดเมนแรกๆ ที่ AI เชิงสร้างสรรค์ (generative AI) ได้รับความนิยมอย่างมากคือการสร้างข้อความ โมเดลภาษาขนาดใหญ่สามารถสร้างทุกอย่างได้ ตั้งแต่บทความข่าวและข้อความโฆษณา ไปจนถึงโพสต์บนโซเชียลมีเดียและบทสรุปของเอกสาร แต่งานเขียนเหล่านี้สามารถทำได้มากแค่ไหนหากไม่มีบรรณาธิการที่เป็นมนุษย์?

ความสามารถปัจจุบัน (2025): AI เป็นตัวเขียนเนื้อหาประจำวันโดยอัตโนมัติ

งานเขียนประจำวัน ที่หลากหลายได้อย่างน่าเชื่อถือ โดยแทบไม่มีการแทรกแซงจากมนุษย์เลยหรือแทบไม่มีเลย ตัวอย่างที่โดดเด่นคือในวงการข่าว สำนักข่าวเอพี (AP) ได้ใช้ระบบอัตโนมัติมาเป็นเวลาหลายปีเพื่อสร้างรายงานผลประกอบการของบริษัทนับพันฉบับในแต่ละไตรมาสโดยตรงจากข้อมูลทางการเงิน ( Philana Patterson – ONA Community Profile ) ข่าวสั้นเหล่านี้มีรูปแบบ (เช่น “บริษัท X รายงานผลประกอบการ Y เพิ่มขึ้น Z%...”) และปัญญาประดิษฐ์ (ใช้ซอฟต์แวร์สร้างภาษาธรรมชาติ) สามารถกรอกตัวเลขและเรียบเรียงคำพูดได้เร็วกว่ามนุษย์ ระบบของ AP จะเผยแพร่รายงานเหล่านี้โดยอัตโนมัติ ทำให้รายงานครอบคลุมมากขึ้นอย่างมาก (มากกว่า 3,000 เรื่องต่อไตรมาส) โดยไม่จำเป็นต้องใช้มนุษย์เขียน ( Automated income stories multiply | The Associated Press )

การรายงานข่าวกีฬาก็ได้รับการพัฒนาในทำนองเดียวกัน ระบบ AI สามารถนำสถิติการแข่งขันกีฬามาสร้างเป็นเรื่องราวสรุปได้ เนื่องจากข้อมูลเหล่านี้ขับเคลื่อนด้วยข้อมูลและมีสูตรสำเร็จ ข้อผิดพลาดจึงเกิดขึ้นน้อยมาก ตราบใดที่ข้อมูลถูกต้อง ในกรณีนี้ เราจะเห็นถึง ความเป็นอิสระอย่างแท้จริง นั่นคือ AI จะเขียนและเผยแพร่เนื้อหาได้ทันที

ธุรกิจต่างๆ กำลังใช้ AI เชิงสร้างสรรค์ (generative AI) ในการร่างคำอธิบายผลิตภัณฑ์ จดหมายข่าวอีเมล และเนื้อหาทางการตลาดอื่นๆ ยกตัวอย่างเช่น Amazon ยักษ์ใหญ่ด้านอีคอมเมิร์ซ ปัจจุบันได้นำ AI มาใช้เพื่อสรุปรีวิวสินค้าของลูกค้า AI จะสแกนข้อความรีวิวแต่ละรายการจำนวนมาก และจัดทำย่อหน้าสั้นๆ เพื่อแสดงสิ่งที่ลูกค้าชอบหรือไม่ชอบเกี่ยวกับสินค้านั้นๆ ซึ่งจะแสดงบนหน้าสินค้าโดยไม่ต้องแก้ไขด้วยตนเอง ( Amazon ปรับปรุงประสบการณ์การรีวิวของลูกค้าด้วย AI ) ด้านล่างนี้คือตัวอย่าง ของฟีเจอร์นี้ที่ติดตั้งบนแอปพลิเคชันมือถือของ Amazon ซึ่งส่วน "ความคิดเห็นของลูกค้า" ถูกสร้างขึ้นโดย AI จากข้อมูลรีวิวทั้งหมด:

( Amazon ปรับปรุงประสบการณ์การรีวิวจากลูกค้าด้วย AI ) สรุปรีวิวที่สร้างโดย AI บนหน้าสินค้าอีคอมเมิร์ซ ระบบของ Amazon จะสรุปประเด็นทั่วไปจากรีวิวของผู้ใช้ (เช่น ความสะดวกในการใช้งาน ประสิทธิภาพ) ลงในย่อหน้าสั้นๆ แล้วแสดงให้ผู้ซื้อเห็นว่า "AI สร้างจากข้อความรีวิวของลูกค้า"

กรณีการใช้งานดังกล่าวแสดงให้เห็นว่า เมื่อเนื้อหาเป็นไปตามรูปแบบที่คาดการณ์ได้หรือรวบรวมจากข้อมูลที่มีอยู่ AI มักจะสามารถจัดการเนื้อหานั้นได้ด้วยตนเอง ตัวอย่างอื่นๆ ในปัจจุบัน ได้แก่:

• การอัปเดตสภาพอากาศและการจราจร: สื่อต่างๆ ที่ใช้ AI เพื่อรวบรวมรายงานสภาพอากาศรายวันหรือข่าวสารการจราจรโดยอิงจากข้อมูลเซ็นเซอร์

• รายงานทางการเงิน: บริษัทต่างๆ จัดทำสรุปทางการเงินที่เข้าใจง่าย (ผลประกอบการรายไตรมาส รายงานสรุปตลาดหุ้น) โดยอัตโนมัติ ตั้งแต่ปี 2014 บลูมเบิร์กและสำนักข่าวอื่นๆ ได้ใช้ AI เพื่อช่วยเขียนข่าวสั้นๆ เกี่ยวกับผลประกอบการของบริษัท ซึ่งเป็นกระบวนการที่ทำงานโดยอัตโนมัติเป็นส่วนใหญ่เมื่อป้อนข้อมูล ( นักข่าวหุ่นยนต์ของ AP กำลังเขียนข่าวของตัวเองอยู่ในขณะนี้ | The Verge ) ( นักข่าวจากไวโอมิงถูกจับได้ว่าใช้ AI สร้างคำพูดและข่าวปลอม )

• การแปลและการถอดเสียง: ปัจจุบันบริการถอดเสียงใช้ AI เพื่อสร้างบันทึกการประชุมหรือคำบรรยายโดยไม่ต้องใช้มนุษย์พิมพ์ดีด แม้จะไม่ได้สร้างสรรค์ในแง่ของความคิดสร้างสรรค์ แต่งานด้านภาษาเหล่านี้ทำงานโดยอัตโนมัติด้วยความแม่นยำสูงเพื่อเสียงที่ชัดเจน

• การสร้างร่าง: ผู้เชี่ยวชาญหลายคนใช้เครื่องมือเช่น ChatGPT ในการร่างอีเมลหรือเอกสารเวอร์ชันแรก โดยบางครั้งจะส่งโดยแทบไม่มีการแก้ไขเลยหากเนื้อหามีความเสี่ยงต่ำ

อย่างไรก็ตาม สำหรับงานเขียนที่ซับซ้อนมากขึ้น การกำกับดูแลโดยมนุษย์ยังคงเป็นบรรทัดฐานในปี 2025 องค์กรข่าวมักไม่ค่อยเผยแพร่บทความเชิงสืบสวนหรือวิเคราะห์โดยตรงจาก AI บรรณาธิการจะตรวจสอบข้อเท็จจริงและปรับปรุงร่างที่เขียนโดย AI AI สามารถ เลียนแบบรูปแบบและโครงสร้าง ได้ดี แต่อาจทำให้เกิดข้อผิดพลาดเชิงข้อเท็จจริง (มักเรียกว่า "ภาพหลอน") หรือการใช้ถ้อยคำที่ไม่เหมาะสมซึ่งมนุษย์จำเป็นต้องจับได้ ตัวอย่างเช่น หนังสือพิมพ์เยอรมัน Express ได้นำ "เพื่อนร่วมงานดิจิทัล" AI ชื่อ Klara มาช่วยเขียนข่าวเบื้องต้น Klara สามารถร่างรายงานกีฬาได้อย่างมีประสิทธิภาพและแม้แต่เขียนพาดหัวข่าวที่ดึงดูดผู้อ่าน ซึ่งคิดเป็น 11% ของบทความใน Express แต่ บรรณาธิการมนุษย์ยังคงตรวจสอบความถูกต้องและความซื่อสัตย์ของบทความทุกชิ้น โดยเฉพาะอย่างยิ่งในเรื่องที่ซับซ้อน ( 12 วิธีที่นักข่าวใช้เครื่องมือ AI ในห้องข่าว - Twipe ) ความร่วมมือระหว่างมนุษย์และ AI นี้เป็นเรื่องปกติในปัจจุบัน: AI จัดการงานหนักในการสร้างข้อความ และมนุษย์จะดูแลและแก้ไขตามความจำเป็น

แนวโน้มปี 2030-2035: สู่การเขียนอิสระที่เชื่อถือได้

ในทศวรรษหน้า เราคาดว่าปัญญาประดิษฐ์เชิงสร้างสรรค์ (generative AI) จะมีความน่าเชื่อถือมากขึ้นในการสร้างข้อความที่มีคุณภาพสูงและถูกต้องตามข้อเท็จจริง ซึ่งจะขยายขอบเขตงานเขียนที่ปัญญาประดิษฐ์สามารถจัดการได้โดยอัตโนมัติ แนวโน้มหลายประการสนับสนุนสิ่งนี้:

• ความแม่นยำที่เพิ่มขึ้น: การวิจัยอย่างต่อเนื่องกำลังลดแนวโน้มของ AI ในการสร้างข้อมูลเท็จหรือไม่เกี่ยวข้องอย่างรวดเร็ว ภายในปี 2030 โมเดลภาษาขั้นสูงที่มีการฝึกอบรมที่ดีขึ้น (รวมถึงเทคนิคในการตรวจสอบข้อเท็จจริงกับฐานข้อมูลแบบเรียลไทม์) จะสามารถตรวจสอบข้อเท็จจริงภายในองค์กรได้ในระดับใกล้เคียงกับมนุษย์ ซึ่งหมายความว่า AI อาจร่างบทความข่าวฉบับเต็มพร้อมการอ้างอิงที่ถูกต้องและสถิติที่ดึงมาจากแหล่งข้อมูลโดยอัตโนมัติ ซึ่งแทบไม่ต้องแก้ไขเลย

• AI เฉพาะโดเมน: เราจะเห็นโมเดลเชิงสร้างสรรค์เฉพาะทางมากขึ้นที่ปรับแต่งให้เหมาะกับสาขาเฉพาะทาง (กฎหมาย การแพทย์ และการเขียนเชิงเทคนิค) โมเดล AI ทางกฎหมายในปี 2030 อาจสามารถร่างสัญญามาตรฐานหรือสรุปคดีความได้อย่างน่าเชื่อถือ ซึ่งเป็นงานที่โครงสร้างเป็นแบบแผน แต่ปัจจุบันต้องใช้เวลาของทนายความ หาก AI ได้รับการฝึกฝนจากเอกสารทางกฎหมายที่ผ่านการตรวจสอบแล้ว ร่างเอกสารอาจมีความน่าเชื่อถือมากพอที่ทนายความจะพิจารณาเพียงแวบเดียว

• สไตล์และความสอดคล้องตามธรรมชาติ: โมเดลต่างๆ กำลังพัฒนาไปอย่างมีประสิทธิภาพมากขึ้นในการรักษาบริบทในเอกสารขนาดยาว นำไปสู่เนื้อหาในรูปแบบยาวที่มีความสอดคล้องและตรงประเด็นมากขึ้น ภายในปี 2035 มีความเป็นไปได้ที่ AI จะสามารถเขียนร่างแรกของหนังสือสารคดีหรือคู่มือทางเทคนิคได้ด้วยตัวเอง โดยมนุษย์จะมีบทบาทหลักในการให้คำแนะนำ (เพื่อกำหนดเป้าหมายหรือให้ความรู้เฉพาะทาง)

ในทางปฏิบัติแล้ว สถานการณ์เช่นนี้จะเป็นอย่างไร? การรายงานข่าวประจำวัน อาจกลายเป็นระบบอัตโนมัติเกือบทั้งหมดในบางจังหวะ เราอาจได้เห็นสำนักข่าวในปี 2030 มีระบบ AI เขียนรายงานผลประกอบการ ข่าวกีฬา หรืออัปเดตผลการเลือกตั้งฉบับแรก โดยบรรณาธิการจะสุ่มตัวอย่างเพียงไม่กี่ฉบับเพื่อรับรองคุณภาพ ผู้เชี่ยวชาญคาดการณ์ว่าเนื้อหาออนไลน์จะเติบโตอย่างต่อเนื่องโดยเครื่องจักร นักวิเคราะห์อุตสาหกรรมคาดการณ์ว่าเนื้อหา ออนไลน์มากถึง 90% อาจสร้างขึ้นโดย AI ภายในปี 2026 ( ภายในปี 2026 เนื้อหาออนไลน์ที่สร้างโดยสิ่งมีชีวิตที่ไม่ใช่มนุษย์จะมีจำนวนมากกว่าเนื้อหาที่สร้างโดยมนุษย์อย่างมาก — OODAloop ) แม้ว่าตัวเลขดังกล่าวจะเป็นที่ถกเถียงกัน แม้ผลลัพธ์ที่อนุรักษ์นิยมกว่านั้นก็หมายความว่าภายในกลางทศวรรษ 2030 บทความบนเว็บทั่วไป ข้อความผลิตภัณฑ์ และอาจรวมถึงฟีดข่าวส่วนบุคคลส่วนใหญ่ล้วนเขียนโดย AI

ใน ด้านการตลาดและการสื่อสารองค์กร ปัญญาประดิษฐ์ (AI) เชิงสร้างสรรค์ (Generative AI) มีแนวโน้มที่จะได้รับความไว้วางใจให้ดำเนินแคมเปญทั้งหมดโดยอัตโนมัติ AI สามารถสร้างและส่งอีเมลการตลาด โพสต์บนโซเชียลมีเดีย และข้อความโฆษณาที่ปรับแต่งตามความต้องการของลูกค้า โดยปรับเปลี่ยนข้อความอย่างต่อเนื่องตามปฏิกิริยาของลูกค้า โดยไม่ต้องอาศัยมนุษย์คอยควบคุม นักวิเคราะห์ของ Gartner คาดการณ์ว่าภายในปี 2025 ข้อความการตลาดขาออกขององค์กรขนาดใหญ่อย่างน้อย 30% จะถูกสร้างขึ้นโดย AI ( กรณีการใช้งานของ AI เชิงสร้างสรรค์สำหรับอุตสาหกรรมและองค์กร ) และเปอร์เซ็นต์นี้จะเพิ่มขึ้นภายในปี 2030

อย่างไรก็ตาม สิ่งสำคัญที่ต้องทราบคือ ความคิดสร้างสรรค์และการตัดสินใจของมนุษย์ยังคงมีบทบาท โดยเฉพาะอย่างยิ่งสำหรับเนื้อหาที่มีความเสี่ยงสูง ภายในปี 2035 AI อาจจัดการข่าวประชาสัมพันธ์หรือบล็อกโพสต์ได้ด้วยตัวเอง แต่สำหรับการรายงานข่าวเชิงสืบสวนที่เกี่ยวข้องกับความรับผิดชอบหรือประเด็นละเอียดอ่อน สื่อต่างๆ อาจยังคงยืนกรานให้มนุษย์เป็นผู้กำกับดูแล อนาคตน่าจะนำแนวทางแบบขั้นบันไดมาใช้: AI ผลิตเนื้อหาประจำวันจำนวนมากโดยอัตโนมัติ ขณะที่มนุษย์มุ่งเน้นไปที่การแก้ไขและผลิตเนื้อหาเชิงกลยุทธ์หรือละเอียดอ่อน โดยพื้นฐานแล้ว ขอบเขตของสิ่งที่ถือว่าเป็น "งานประจำ" จะขยายกว้างขึ้นเมื่อความเชี่ยวชาญของ AI เติบโตขึ้น

นอกจากนี้ อาจเกิดรูปแบบเนื้อหาใหม่ๆ เช่น เรื่องเล่าเชิงโต้ตอบที่สร้างโดย AI หรือรายงานส่วนบุคคล ยกตัวอย่างเช่น รายงานประจำปีของบริษัทอาจถูกสร้างขึ้นด้วย AI ได้หลายรูปแบบ เช่น รายงานสรุปสำหรับผู้บริหาร รายงานบรรยายสำหรับพนักงาน และรายงานที่อัดแน่นไปด้วยข้อมูลสำหรับนักวิเคราะห์ โดยแต่ละรูปแบบจะสร้างขึ้นโดยอัตโนมัติจากข้อมูลพื้นฐานเดียวกัน ในด้านการศึกษา AI สามารถเขียนตำราเรียนแบบไดนามิกเพื่อให้เหมาะกับระดับการอ่านที่แตกต่างกัน แอปพลิเคชันเหล่านี้ส่วนใหญ่อาจทำงานได้อย่างอิสระ แต่ได้รับการสนับสนุนจากข้อมูลที่ผ่านการตรวจสอบแล้ว

แนวโน้มการเขียนชี้ให้เห็นว่าภายในกลางทศวรรษ 2030 AI จะเป็นนักเขียนที่มีผลงานมากมาย กุญแจสำคัญสำหรับการดำเนินงานที่เป็นอิสระอย่างแท้จริงคือการสร้างความไว้วางใจในผลลัพธ์ หาก AI สามารถแสดงให้เห็นถึงความถูกต้องของข้อเท็จจริง คุณภาพเชิงสำนวน และสอดคล้องกับมาตรฐานจริยธรรมได้อย่างสม่ำเสมอ ความจำเป็นในการตรวจสอบโดยมนุษย์ทีละบรรทัดก็จะลดน้อยลง ภายในปี 2035 บางส่วนของเอกสารไวท์เปเปอร์ฉบับนี้อาจถูกร่างโดยนักวิจัย AI โดยไม่ต้องมีบรรณาธิการ ซึ่งเป็นแนวโน้มที่เราค่อนข้างมั่นใจ หากมาตรการป้องกันที่เหมาะสมถูกนำมาใช้

AI เชิงสร้างสรรค์ในศิลปะภาพและการออกแบบ

ความสามารถในการสร้างภาพและงานศิลปะของ Generative AI ได้ดึงดูดจินตนาการของสาธารณชน ตั้งแต่ภาพวาดที่ AI สร้างขึ้นเพื่อคว้ารางวัลจากการประกวดศิลปะ ไปจนถึงวิดีโอ Deepfake ที่แทบไม่ต่างจากภาพจริง ในด้านภาพ โมเดล AI เช่น Generative Adversarial Networks (GANs) และโมเดล Diffusion (เช่น Stable Diffusion และ Midjourney) สามารถสร้างภาพต้นฉบับโดยอิงจากข้อความแจ้งเตือนได้ ดังนั้น AI สามารถทำงานเป็นศิลปินหรือนักออกแบบอิสระได้หรือไม่

ความสามารถปัจจุบัน (2025): AI ในฐานะผู้ช่วยสร้างสรรค์

ในปี พ.ศ. 2568 โมเดลเชิงสร้างสรรค์ (generative models) มีความเชี่ยวชาญในการสร้าง ภาพตามสั่ง ด้วยความแม่นยำที่น่าประทับใจ ผู้ใช้สามารถสั่งให้ AI วาดภาพ “เมืองยุคกลางยามพระอาทิตย์ตกดินในสไตล์ของแวนโก๊ะ” และได้รับภาพที่สวยงามและสมจริงภายในไม่กี่วินาที สิ่งนี้นำไปสู่การใช้งาน AI อย่างแพร่หลายในการออกแบบกราฟิก การตลาด และความบันเทิง สำหรับงานศิลปะแนวคิด ต้นแบบ และแม้แต่ภาพสุดท้ายในบางกรณี โดยเฉพาะอย่างยิ่ง:

• การออกแบบกราฟิกและภาพสต็อก: บริษัทต่างๆ สร้างกราฟิก ภาพประกอบ หรือภาพสต็อกบนเว็บไซต์ด้วย AI ซึ่งช่วยลดความจำเป็นในการจ้างศิลปินมาทำงานทุกชิ้น ทีมการตลาดหลายทีมใช้เครื่องมือ AI เพื่อสร้างโฆษณาหรือภาพผลิตภัณฑ์ที่หลากหลาย เพื่อทดสอบว่าแบบไหนที่ดึงดูดใจผู้บริโภค

• ศิลปะและภาพประกอบ: ศิลปินแต่ละคนจะทำงานร่วมกับ AI เพื่อระดมความคิดหรือเติมรายละเอียด เช่น นักวาดภาพประกอบอาจใช้ AI เพื่อสร้างฉากหลัง จากนั้นจึงนำไปผสานเข้ากับตัวละครที่วาดโดยมนุษย์ ผู้สร้างหนังสือการ์ตูนบางคนได้ทดลองใช้แผงหรือระบายสีที่สร้างโดย AI

• สื่อและบันเทิง: งานศิลปะที่สร้างโดย AI เคยปรากฏบนปกนิตยสารและปกหนังสือมาแล้ว ตัวอย่างที่โด่งดังคือ Cosmopolitan ซึ่งมีภาพนักบินอวกาศ ซึ่งถือเป็นภาพปกนิตยสารภาพแรกที่ AI (DALL·E ของ OpenAI) สร้างสรรค์ขึ้นภายใต้การกำกับของอาร์ตไดเรกเตอร์ แม้ว่ากระบวนการนี้จะต้องใช้มนุษย์เป็นผู้กำหนดและคัดเลือก แต่ผลงานศิลปะจริงนั้นถูกเรนเดอร์ด้วยเครื่องจักร

ที่สำคัญ การใช้งานส่วนใหญ่ในปัจจุบันยังคงเกี่ยวข้องกับการดูแลและทำซ้ำโดยมนุษย์ AI สามารถผลิตภาพออกมาได้หลายสิบภาพ และมนุษย์จะเลือกภาพที่ดีที่สุดและอาจปรับแต่งภาพเหล่านั้น ในแง่นี้ AI ทำงานโดยอัตโนมัติเพื่อ สร้าง ตัวเลือกต่างๆ แต่มนุษย์เป็นผู้กำหนดทิศทางการสร้างสรรค์และคัดเลือกขั้นสุดท้าย AI มีความน่าเชื่อถือในการสร้างเนื้อหาจำนวนมากได้อย่างรวดเร็ว แต่ไม่ได้รับประกันว่าจะตรงตามข้อกำหนดทั้งหมดในครั้งแรก ปัญหาต่างๆ เช่น รายละเอียดที่ไม่ถูกต้อง (เช่น AI วาดรูปมือด้วยจำนวนนิ้วที่ไม่ถูกต้อง หรือลักษณะเฉพาะที่ทราบกันดี) หรือผลลัพธ์ที่ไม่พึงประสงค์ หมายความว่าโดยทั่วไปแล้ว ผู้อำนวยการศิลป์ซึ่งเป็นมนุษย์จำเป็นต้องควบคุมดูแลคุณภาพของผลงาน

อย่างไรก็ตาม มีโดเมนที่ AI กำลังใกล้จะมีความเป็นอิสระเต็มที่:

• การออกแบบเชิงสร้างสรรค์: ในสาขาต่างๆ เช่น สถาปัตยกรรมและการออกแบบผลิตภัณฑ์ เครื่องมือ AI สามารถสร้างต้นแบบการออกแบบที่ตรงตามข้อกำหนดเฉพาะได้โดยอัตโนมัติ ตัวอย่างเช่น เมื่อได้ขนาดและฟังก์ชันที่ต้องการของเฟอร์นิเจอร์ อัลกอริทึมเชิงสร้างสรรค์อาจสร้างผลงานออกแบบที่ใช้งานได้จริงหลายแบบ (บางแบบค่อนข้างแปลกใหม่) โดยไม่ต้องอาศัยการแทรกแซงจากมนุษย์นอกเหนือจากข้อกำหนดเบื้องต้น จากนั้นมนุษย์สามารถนำไปใช้หรือปรับแต่งผลงานออกแบบเหล่านี้ได้โดยตรง เช่นเดียวกัน ในด้านวิศวกรรม AI เชิงสร้างสรรค์สามารถออกแบบชิ้นส่วน (เช่น ชิ้นส่วนเครื่องบิน) ให้เหมาะสมกับน้ำหนักและความแข็งแรง ทำให้เกิดรูปทรงใหม่ๆ ที่มนุษย์อาจไม่เคยคิดฝันมาก่อน

• ทรัพยากรวิดีโอเกม: AI สามารถสร้างพื้นผิว โมเดล 3 มิติ หรือแม้แต่ฉากทั้งหมดสำหรับวิดีโอเกมได้โดยอัตโนมัติ นักพัฒนาใช้สิ่งเหล่านี้เพื่อเร่งการสร้างคอนเทนต์ เกมอินดี้บางเกมได้เริ่มนำงานศิลป์ที่สร้างขึ้นตามขั้นตอนและแม้แต่บทสนทนา (ผ่านโมเดลภาษา) มาใช้เพื่อสร้างโลกเกมอันกว้างใหญ่และมีชีวิตชีวา โดยใช้ทรัพยากรที่มนุษย์สร้างขึ้นเพียงเล็กน้อย

• แอนิเมชันและวิดีโอ (กำลังพัฒนา): แม้ว่าจะมีการพัฒนาน้อยกว่าภาพนิ่ง แต่ AI เชิงสร้างสรรค์สำหรับวิดีโอกำลังก้าวหน้า AI สามารถสร้างคลิปวิดีโอสั้นๆ หรือแอนิเมชันจากข้อความแจ้งเตือนได้ แม้ว่าคุณภาพจะยังไม่คงที่ เทคโนโลยี Deepfake ซึ่งเป็นเทคโนโลยีเชิงสร้างสรรค์ สามารถสร้างการสลับหน้าหรือเสียงพูดที่สมจริงได้ ในสภาพแวดล้อมที่มีการควบคุม สตูดิโอสามารถใช้ AI เพื่อสร้างฉากหลังหรือแอนิเมชันฝูงชนโดยอัตโนมัติ

ที่น่าสังเกตคือ Gartner คาดการณ์ว่าภายในปี 2030 เราจะได้เห็น ภาพยนตร์ฟอร์มยักษ์ที่ 90% ของเนื้อหาทั้งหมดสร้างด้วย AI (ตั้งแต่บทภาพยนตร์ไปจนถึงภาพ) ( กรณีศึกษาการใช้ AI เชิงสร้างสรรค์สำหรับอุตสาหกรรมและองค์กร ) แต่ในปี 2025 เรายังไปไม่ถึงจุดนั้น เพราะ AI ไม่สามารถสร้างภาพยนตร์ยาวๆ ได้อย่างอิสระ แต่ชิ้นส่วนต่างๆ ของปริศนานี้กำลังพัฒนาอยู่ ได้แก่ การสร้างบทภาพยนตร์ (AI ข้อความ), การสร้างตัวละครและฉาก (AI ภาพ/วิดีโอ), การพากย์เสียง (AI เสียงโคลน) และการช่วยเหลือด้านการตัดต่อ (AI สามารถช่วยในการตัดต่อและการเปลี่ยนฉากได้แล้ว)

แนวโน้มปี 2030-2035: สื่อที่สร้างโดย AI ในระดับขนาดใหญ่

มองไปข้างหน้า บทบาทของ AI เชิงสร้างสรรค์ (generative AI) ในงานศิลปะภาพและการออกแบบมีแนวโน้มที่จะขยายตัวอย่างมาก ภายในปี 2035 เราคาดการณ์ว่า AI จะเป็น ผู้สร้างคอนเทนต์หลัก ในสื่อภาพมากมาย โดยมักจะทำงานโดยอาศัยข้อมูลจากมนุษย์เพียงเล็กน้อย นอกเหนือจากการให้คำแนะนำเบื้องต้น ความคาดหวังบางประการมีดังนี้:

• ภาพยนตร์และวิดีโอที่สร้างโดย AI อย่างสมบูรณ์: ในอีกสิบปีข้างหน้า เป็นไปได้มากที่เราจะได้เห็นภาพยนตร์หรือซีรีส์เรื่องแรกๆ ที่สร้างโดย AI เป็นส่วนใหญ่ มนุษย์อาจทำหน้าที่กำกับในระดับสูง (เช่น โครงร่างบทหรือสไตล์ที่ต้องการ) และ AI จะเรนเดอร์ฉาก สร้างภาพเหมือนนักแสดง และสร้างแอนิเมชันทุกอย่าง การทดลองภาพยนตร์สั้นในช่วงแรกน่าจะเกิดขึ้นภายในอีกไม่กี่ปีข้างหน้า และจะมีการทดลองแบบยาวภายในปี 2030 ภาพยนตร์ AI เหล่านี้อาจเริ่มต้นจากกลุ่มเฉพาะ (แอนิเมชันทดลอง ฯลฯ) แต่ก็อาจกลายเป็นกระแสหลักได้เมื่อคุณภาพดีขึ้น การคาดการณ์ภาพยนตร์ของ Gartner คาดว่าจะเติบโต 90% ภายในปี 2030 ( กรณีการใช้งาน AI แบบสร้างสรรค์สำหรับอุตสาหกรรมและองค์กร ) แม้จะมีความทะเยอทะยาน แต่ก็เน้นย้ำถึงความเชื่อของอุตสาหกรรมที่ว่าการสร้างเนื้อหาด้วย AI จะมีความซับซ้อนเพียงพอที่จะแบกรับภาระส่วนใหญ่ในการสร้างภาพยนตร์

• การออกแบบอัตโนมัติ: ในสาขาต่างๆ เช่น แฟชั่นหรือสถาปัตยกรรม ปัญญาประดิษฐ์ (AI) เชิงสร้างสรรค์ (generative AI) น่าจะถูกนำมาใช้เพื่อร่างแนวคิดการออกแบบหลายร้อยแบบโดยอัตโนมัติ โดยอิงตามพารามิเตอร์ต่างๆ เช่น "ต้นทุน วัสดุ สไตล์ X" โดยปล่อยให้มนุษย์เป็นผู้เลือกแบบร่างขั้นสุดท้าย สิ่งนี้จะพลิกโฉมพลวัตปัจจุบัน: แทนที่นักออกแบบจะสร้างสรรค์ผลงานตั้งแต่ต้น และอาจใช้ AI เป็นแรงบันดาลใจ นักออกแบบในอนาคตอาจทำหน้าที่เป็นผู้ดูแลมากขึ้น โดยเลือกแบบร่างที่ดีที่สุดที่ AI สร้างขึ้น และอาจปรับแต่งมันเอง ภายในปี 2035 สถาปนิกอาจป้อนข้อกำหนดสำหรับอาคาร และได้รับแบบแปลนที่สมบูรณ์จาก AI (ซึ่งทั้งหมดมีโครงสร้างที่สมบูรณ์ เป็นไปตามกฎทางวิศวกรรมที่ฝังไว้)

• การสร้างเนื้อหาเฉพาะบุคคล: เราอาจเห็น AI สร้างภาพกราฟิกให้ผู้ใช้แต่ละคนได้ทันที ลองนึกภาพเกมวิดีโอหรือประสบการณ์เสมือนจริงในปี 2035 ที่ฉากและตัวละครปรับเปลี่ยนตามความต้องการของผู้เล่น ซึ่งสร้างขึ้นแบบเรียลไทม์โดย AI หรือการ์ตูนช่องที่ปรับแต่งตามวันของผู้ใช้ – AI “การ์ตูนไดอารี่ประจำวัน” อัตโนมัติที่จะเปลี่ยนสมุดบันทึกของคุณให้เป็นภาพประกอบโดยอัตโนมัติทุกเย็น

• ความคิดสร้างสรรค์แบบหลายรูปแบบ: ระบบ AI เชิงสร้างสรรค์กำลังพัฒนาไปในรูปแบบหลายรูปแบบมากขึ้น หมายความว่าระบบเหล่านี้สามารถจัดการข้อความ รูปภาพ เสียง และอื่นๆ ร่วมกันได้ การรวมระบบเหล่านี้เข้าด้วยกันจะช่วยให้ AI สามารถทำตามคำสั่งง่ายๆ เช่น "สร้างแคมเปญการตลาดสำหรับผลิตภัณฑ์ X ให้ฉัน" และสร้างเนื้อหาที่ไม่ใช่แค่ข้อความ แต่รวมถึงกราฟิกที่เข้ากัน หรือแม้แต่คลิปวิดีโอโปรโมตสั้นๆ ที่มีสไตล์สอดคล้องกัน บริการชุดเนื้อหาแบบคลิกเดียวนี้มีแนวโน้มที่จะเปิดตัวในช่วงต้นทศวรรษ 2030

AI จะ เข้ามาแทนที่ศิลปินมนุษย์ หรือไม่? คำถามนี้มักเกิดขึ้นเสมอ AI มีแนวโน้มว่าจะเข้ามาแทนที่งานสร้างสรรค์จำนวนมาก (โดยเฉพาะงานศิลปะที่ทำซ้ำๆ หรืองานศิลปะที่ต้องใช้เวลาและความพยายามอย่างรวดเร็ว ซึ่งจำเป็นต่อธุรกิจ) แต่ศิลปะของมนุษย์จะยังคงเป็นผลงานด้านความคิดริเริ่มและนวัตกรรม ภายในปี 2035 AI อัตโนมัติอาจสามารถวาดภาพในสไตล์ของศิลปินชื่อดังได้อย่างน่าเชื่อถือ แต่การสร้างสรรค์งาน ใหม่ หรือศิลปะที่สะท้อนวัฒนธรรมอย่างลึกซึ้งอาจยังคงเป็นจุดแข็งของมนุษย์ (โดยอาจมี AI เข้ามามีส่วนร่วม) เราคาดการณ์อนาคตที่ศิลปินมนุษย์จะทำงานร่วมกับ “ศิลปินร่วม” ของ AI อัตโนมัติ เราอาจมอบหมายให้ AI ส่วนตัวสร้างสรรค์งานศิลปะอย่างต่อเนื่องสำหรับแกลเลอรีดิจิทัลที่บ้าน เพื่อมอบบรรยากาศแห่งความคิดสร้างสรรค์ที่เปลี่ยนแปลงตลอดเวลา

จากมุมมองด้านความน่าเชื่อถือ AI เชิงภาพมีเส้นทางสู่ความเป็นอิสระที่ง่ายกว่าข้อความในบางแง่มุม กล่าวคือ รูปภาพอาจ "ดีพอ" ในระดับอัตวิสัย แม้จะไม่สมบูรณ์แบบ ในขณะที่ข้อผิดพลาดเชิงข้อเท็จจริงในข้อความนั้นสร้างปัญหาได้มากกว่า ดังนั้น เราจึงเห็น การนำไปใช้งานที่มีความเสี่ยงค่อนข้างต่ำ หากแบบที่ AI สร้างขึ้นนั้นดูไม่สวยงามหรือผิดพลาด คุณก็แค่ไม่ใช้มัน แต่มันก็ไม่ได้ก่อให้เกิดอันตรายใดๆ เลย ซึ่งหมายความว่าภายในทศวรรษ 2030 บริษัทต่างๆ อาจรู้สึกสบายใจที่จะปล่อยให้ AI ผลิตงานออกแบบโดยไม่มีการควบคุมดูแล และเกี่ยวข้องกับมนุษย์เฉพาะเมื่อจำเป็นต้องมีสิ่งแปลกใหม่หรือมีความเสี่ยงอย่างแท้จริงเท่านั้น

โดยสรุปแล้ว คาดว่าภายในปี 2035 ปัญญาประดิษฐ์เชิงสร้างสรรค์ (generative AI) จะเป็นผู้สร้างคอนเทนต์ที่ทรงพลังในด้านภาพ ซึ่งน่าจะมีส่วนสำคัญในการสร้างภาพและสื่อต่างๆ รอบตัวเรา ปัญญาประดิษฐ์จะสร้างคอนเทนต์สำหรับความบันเทิง การออกแบบ และการสื่อสารในชีวิตประจำวันได้อย่างน่าเชื่อถือ ศิลปินอิสระกำลังอยู่ในขั้นตอนการพัฒนา อย่างไรก็ตาม ปัญญาประดิษฐ์จะถูกมองว่าเป็น เครื่องมือสร้างสรรค์ หรือเป็นเพียงเครื่องมืออัจฉริยะ ยังคงเป็นประเด็นถกเถียงที่จะเกิดขึ้นต่อไป เมื่อผลลัพธ์ของปัญญาประดิษฐ์เริ่มแยกไม่ออกจากสิ่งที่มนุษย์สร้างขึ้น

AI เชิงสร้างสรรค์ในการพัฒนาซอฟต์แวร์ (การเขียนโค้ด)

การพัฒนาซอฟต์แวร์อาจดูเหมือนเป็นงานที่ต้องใช้การวิเคราะห์สูง แต่ในขณะเดียวกันก็มีองค์ประกอบเชิงสร้างสรรค์ด้วยเช่นกัน การเขียนโค้ดคือการสร้างข้อความในภาษาที่มีโครงสร้าง AI เชิงกำเนิดสมัยใหม่ โดยเฉพาะโมเดลภาษาขนาดใหญ่ ได้รับการพิสูจน์แล้วว่ามีความเชี่ยวชาญในการเขียนโค้ด เครื่องมืออย่าง GitHub Copilot, Amazon CodeWhisperer และอื่นๆ ทำหน้าที่เป็นโปรแกรมเมอร์คู่ AI โดยแนะนำโค้ดสั้นๆ หรือแม้แต่ฟังก์ชันทั้งหมดขณะที่นักพัฒนาพิมพ์ การพัฒนานี้จะสามารถพัฒนาไปสู่การเขียนโปรแกรมอัตโนมัติได้ไกลแค่ไหน?

ความสามารถปัจจุบัน (2025): AI เป็นผู้ช่วยนำร่องการเขียนโค้ด

ภายในปี 2025 เครื่องมือสร้างโค้ด AI ได้กลายเป็นเรื่องปกติในเวิร์กโฟลว์ของนักพัฒนาหลายคน เครื่องมือเหล่านี้สามารถเติมโค้ดอัตโนมัติ สร้างโค้ดสำเร็จรูป (เช่น ฟังก์ชันมาตรฐานหรือการทดสอบ) และแม้แต่เขียนโปรแกรมง่ายๆ ที่มีคำอธิบายเป็นภาษาธรรมชาติ อย่างไรก็ตาม สิ่งสำคัญคือ เครื่องมือเหล่านี้ทำงานภายใต้การดูแลของนักพัฒนา โดยนักพัฒนาจะตรวจสอบและผสานรวมคำแนะนำของ AI

ข้อเท็จจริงและตัวเลขปัจจุบันบางส่วน:

• นักพัฒนาซอฟต์แวร์มืออาชีพกว่าครึ่งได้นำผู้ช่วยเขียนโค้ด AI มาใช้ในช่วงปลายปี 2023 ( Coding on Copilot: ข้อมูลปี 2023 ชี้ให้เห็นถึงแรงกดดันที่ลดลงต่อคุณภาพโค้ด (รวมถึงการคาดการณ์ปี 2024) - GitClear ) ซึ่งบ่งชี้ว่าการใช้งานเพิ่มขึ้นอย่างรวดเร็ว GitHub Copilot ซึ่งเป็นหนึ่งในเครื่องมือแรกๆ ที่แพร่หลาย มีรายงานว่าสร้างโค้ดโดยเฉลี่ย 30-40% ในโปรเจกต์ที่ใช้งาน ( การเขียนโค้ดไม่ใช่ MOAT อีกต่อไป 46% ของโค้ดบน GitHub ถูกใช้งานแล้ว ) ซึ่งหมายความว่า AI ได้เขียนโค้ดส่วนสำคัญๆ อยู่แล้ว แม้ว่ามนุษย์จะเป็นผู้ควบคุมและตรวจสอบโค้ดก็ตาม

• เครื่องมือ AI เหล่านี้มีความโดดเด่นในงานต่างๆ เช่น การเขียนโค้ดซ้ำๆ (เช่น คลาสของแบบจำลองข้อมูล เมธอด getter/setter) การแปลงภาษาโปรแกรมหนึ่งเป็นอีกภาษาหนึ่ง หรือการสร้างอัลกอริทึมที่เข้าใจง่ายซึ่งคล้ายกับตัวอย่างการเทรน ตัวอย่างเช่น นักพัฒนาสามารถคอมเมนต์ “// ฟังก์ชันเพื่อเรียงลำดับรายชื่อผู้ใช้ตามชื่อ” แล้ว AI จะสร้างฟังก์ชันการเรียงลำดับที่เหมาะสมได้เกือบจะในทันที

• พวกมันยังช่วยใน การแก้ไขข้อบกพร่องและอธิบาย : นักพัฒนาสามารถวางข้อความแสดงข้อผิดพลาดไว้ แล้ว AI อาจแนะนำวิธีแก้ไข หรือถามว่า "โค้ดนี้ทำอะไร" แล้วจะได้รับคำอธิบายเป็นภาษาธรรมชาติ ซึ่งในแง่หนึ่งแล้ว AI จะทำงานโดยอัตโนมัติ (AI สามารถวินิจฉัยปัญหาได้ด้วยตัวเอง) แต่มนุษย์จะเป็นผู้ตัดสินใจว่าจะแก้ไขหรือไม่

• ที่สำคัญ ผู้ช่วยเขียนโค้ด AI ในปัจจุบันไม่ได้ไร้ข้อผิดพลาด พวกเขาสามารถแนะนำโค้ดที่ไม่ปลอดภัย หรือโค้ดที่ เกือบ จะแก้ปัญหาได้แต่มีบั๊กเล็กๆ น้อยๆ ดังนั้น แนวทางปฏิบัติที่ดีที่สุดในปัจจุบันคือการ ให้มนุษย์มีส่วนร่วม โดยนักพัฒนาจะทดสอบและแก้ไขบั๊กโค้ดที่เขียนโดย AI เช่นเดียวกับโค้ดที่เขียนโดยมนุษย์ ในอุตสาหกรรมที่มีการควบคุมหรือซอฟต์แวร์สำคัญ (เช่น ระบบทางการแพทย์หรือการบิน) การมีส่วนร่วมของ AI ใดๆ จะต้องผ่านการตรวจสอบอย่างเข้มงวด

ปัจจุบันยังไม่มีระบบซอฟต์แวร์หลักใดที่เขียนขึ้นโดย AI ตั้งแต่ต้นโดยปราศจากการกำกับดูแลของนักพัฒนา อย่างไรก็ตาม มีการใช้งานแบบอัตโนมัติหรือกึ่งอัตโนมัติเกิดขึ้นบ้าง:

• การทดสอบยูนิตที่สร้างขึ้นโดยอัตโนมัติ: AI สามารถวิเคราะห์โค้ดและสร้างการทดสอบยูนิตเพื่อครอบคลุมกรณีต่างๆ เฟรมเวิร์กการทดสอบอาจสร้างและรันการทดสอบที่เขียนโดย AI เหล่านี้โดยอัตโนมัติเพื่อตรวจจับข้อบกพร่อง ซึ่งช่วยเสริมการทดสอบที่เขียนโดยมนุษย์

• แพลตฟอร์มแบบโลว์โค้ด/โนโค้ดที่ใช้ AI: บางแพลตฟอร์มอนุญาตให้ผู้ที่ไม่ใช่โปรแกรมเมอร์อธิบายสิ่งที่ต้องการได้ (เช่น "สร้างเว็บเพจพร้อมแบบฟอร์มติดต่อและฐานข้อมูลเพื่อบันทึกรายการ") และระบบจะสร้างโค้ดขึ้นมาเอง แม้ว่าจะยังอยู่ในช่วงเริ่มต้น แต่นี่เป็นการบ่งชี้ถึงอนาคตที่ AI สามารถสร้างซอฟต์แวร์สำหรับกรณีการใช้งานมาตรฐานได้โดยอัตโนมัติ

• การเขียนสคริปต์และโค้ด Glue: ระบบอัตโนมัติด้านไอทีมักเกี่ยวข้องกับการเขียนสคริปต์เพื่อเชื่อมต่อระบบ เครื่องมือ AI มักจะสามารถสร้างสคริปต์ขนาดเล็กเหล่านี้ได้โดยอัตโนมัติ ตัวอย่างเช่น การเขียนสคริปต์เพื่อวิเคราะห์ไฟล์บันทึกและส่งการแจ้งเตือนทางอีเมล AI สามารถสร้างสคริปต์ที่ใช้งานได้จริงโดยแทบไม่ต้องแก้ไขหรือแก้ไขเลย

แนวโน้มปี 2030-2035: มุ่งสู่ซอฟต์แวร์ “พัฒนาตนเอง”

ในทศวรรษหน้า คาดว่า AI เชิงกำเนิด (generative AI) จะเข้ามามีบทบาทในการเขียนโค้ดมากขึ้น โดยจะเข้าใกล้การพัฒนาซอฟต์แวร์แบบอัตโนมัติเต็มรูปแบบสำหรับโครงการบางประเภทมากขึ้น พัฒนาการที่คาดการณ์ไว้มีดังนี้:

• การนำฟีเจอร์ไปใช้อย่างครบวงจร: ภายในปี 2030 เราคาดการณ์ว่า AI จะสามารถนำฟีเจอร์แอปพลิเคชันง่ายๆ มาใช้ได้อย่างครบวงจร ผู้จัดการผลิตภัณฑ์อาจอธิบายฟีเจอร์ด้วยภาษาที่เข้าใจง่าย (“ผู้ใช้ควรสามารถรีเซ็ตรหัสผ่านได้ผ่านลิงก์อีเมล”) และ AI สามารถสร้างโค้ดที่จำเป็น (แบบฟอร์มส่วนหน้า, ตรรกะส่วนหลัง, การอัปเดตฐานข้อมูล, การส่งอีเมล) และรวมโค้ดเข้ากับฐานโค้ด AI จะทำหน้าที่เป็นนักพัฒนาระดับจูเนียร์ที่สามารถปฏิบัติตามข้อกำหนดได้อย่างมีประสิทธิภาพ วิศวกรมนุษย์อาจเพียงแค่ตรวจสอบโค้ดและทดสอบ เมื่อความน่าเชื่อถือของ AI ดีขึ้น การตรวจสอบโค้ดอาจกลายเป็นเพียงการดูคร่าวๆ หรืออาจทำได้เลย

• การบำรุงรักษาโค้ดอัตโนมัติ: วิศวกรรมซอฟต์แวร์ไม่ได้มีแค่การเขียนโค้ดใหม่เท่านั้น แต่ยังรวมถึงการอัปเดตโค้ดที่มีอยู่เดิมด้วย ไม่ว่าจะเป็นการแก้ไขข้อบกพร่อง การปรับปรุงประสิทธิภาพ และการปรับตัวให้เข้ากับข้อกำหนดใหม่ๆ นักพัฒนา AI ในอนาคตน่าจะมีความเชี่ยวชาญในเรื่องนี้ เมื่อมีฐานโค้ดและคำสั่ง ("แอปของเราขัดข้องเมื่อมีผู้ใช้เข้าสู่ระบบพร้อมกันมากเกินไป") AI อาจระบุตำแหน่งปัญหา (เช่น บั๊กที่เกิดพร้อมกัน) และแก้ไขได้ ภายในปี 2035 ระบบ AI อาจจัดการตั๋วการบำรุงรักษาตามปกติได้โดยอัตโนมัติภายในชั่วข้ามคืน ทำหน้าที่เป็นทีมบำรุงรักษาที่ไม่รู้จักเหน็ดเหนื่อยให้กับระบบซอฟต์แวร์

• การรวมระบบและการใช้งาน API: เนื่องจากระบบซอฟต์แวร์และ API จำนวนมากขึ้นมาพร้อมกับเอกสารประกอบที่ AI สามารถอ่านได้ ตัวแทน AI จึงสามารถหาวิธีเชื่อมต่อระบบ A กับ Service B ได้อย่างอิสระโดยการเขียนโค้ดเชื่อมประสาน ตัวอย่างเช่น หากบริษัทต้องการให้ระบบ HR ภายในองค์กรซิงค์กับ API เงินเดือนใหม่ บริษัทอาจมอบหมายให้ AI "ทำให้ระบบเหล่านี้สื่อสารกัน" และ AI จะเขียนโค้ดรวมระบบหลังจากอ่านข้อมูลจำเพาะของทั้งสองระบบแล้ว

• คุณภาพและการปรับปรุงประสิทธิภาพ: โมเดลการสร้างโค้ดในอนาคตน่าจะมีวงจรป้อนกลับ (feedback loop) เพื่อตรวจสอบว่าโค้ดทำงานจริงหรือไม่ (เช่น รันการทดสอบหรือการจำลองในแซนด์บ็อกซ์) ซึ่งหมายความว่า AI ไม่เพียงแต่สามารถเขียนโค้ดได้เท่านั้น แต่ยังแก้ไขตัวเองได้ด้วยการทดสอบโค้ด ภายในปี 2035 เราอาจจินตนาการถึง AI ที่สามารถทำซ้ำโค้ดอย่างต่อเนื่องจนกว่าการทดสอบทั้งหมดจะผ่าน ซึ่งเป็นกระบวนการที่มนุษย์อาจไม่จำเป็นต้องตรวจสอบทีละบรรทัด ซึ่งจะช่วยเพิ่มความน่าเชื่อถือให้กับโค้ดที่สร้างขึ้นโดยอัตโนมัติได้อย่างมาก

ภายในปี 2035 เราสามารถจินตนาการถึงสถานการณ์ที่โปรเจกต์ซอฟต์แวร์ขนาดเล็ก เช่น แอปพลิเคชันมือถือที่ออกแบบเฉพาะสำหรับธุรกิจ อาจได้รับการพัฒนาส่วนใหญ่โดยเอเจนต์ AI ที่ได้รับคำสั่งระดับสูง “นักพัฒนา” ที่เป็นมนุษย์ในสถานการณ์นั้นจะทำหน้าที่เป็นผู้จัดการโครงการหรือผู้ตรวจสอบความถูกต้อง โดยจะระบุข้อกำหนดและข้อจำกัด (เช่น ความปลอดภัย แนวทางการออกแบบ) และปล่อยให้ AI ทำหน้าที่เขียนโค้ดหนักๆ จริงๆ

อย่างไรก็ตาม สำหรับซอฟต์แวร์ขนาดใหญ่ที่ซับซ้อน (ระบบปฏิบัติการ อัลกอริทึม AI ขั้นสูง ฯลฯ) ผู้เชี่ยวชาญที่เป็นมนุษย์จะยังคงมีส่วนร่วมอย่างลึกซึ้ง การแก้ปัญหาเชิงสร้างสรรค์และการออกแบบสถาปัตยกรรมในซอฟต์แวร์น่าจะยังคงดำเนินการโดยมนุษย์ไปอีกระยะหนึ่ง AI อาจจัดการงานเขียนโค้ดได้มากมาย แต่การตัดสินใจว่า อะไร และออกแบบโครงสร้างโดยรวมนั้นเป็นความท้าทายที่แตกต่างออกไป อย่างไรก็ตาม เมื่อ AI เชิงกำเนิดเริ่มทำงานร่วมกัน – เอเจนต์ AI หลายตัวที่จัดการส่วนประกอบต่างๆ ของระบบ – จึงมีความเป็นไปได้ที่ AI เหล่านี้จะสามารถออกแบบสถาปัตยกรรมร่วมกันได้ในระดับหนึ่ง (ตัวอย่างเช่น AI ตัวหนึ่งเสนอการออกแบบระบบ อีกตัวหนึ่งวิจารณ์ และทำซ้ำ โดยมีมนุษย์ควบคุมกระบวนการ)

ประโยชน์หลักที่คาดว่าจะได้รับจาก AI ในการเขียนโค้ดคือ การเพิ่มผลผลิต Gartner คาดการณ์ว่าภายในปี 2028 วิศวกรซอฟต์แวร์ 90% จะใช้ผู้ช่วยเขียนโค้ด AI (เพิ่มขึ้นจากไม่ถึง 15% ในปี 2024) ( GitHub Copilot ติดอันดับรายงานการวิจัยเกี่ยวกับผู้ช่วยเขียนโค้ด AI -- นิตยสาร Visual Studio ) ซึ่งชี้ให้เห็นว่าผู้ที่ไม่ได้ใช้ AI จะมีจำนวนน้อย นอกจากนี้ เราอาจเห็นปัญหาการขาดแคลนนักพัฒนาที่เป็นมนุษย์ในบางด้าน ซึ่งบรรเทาลงได้ด้วย AI เข้ามาเติมเต็มช่องว่าง โดยพื้นฐานแล้ว นักพัฒนาแต่ละคนสามารถทำอะไรได้มากกว่าด้วยผู้ช่วย AI ที่สามารถเขียนโค้ดได้โดยอัตโนมัติ

ความไว้วางใจจะยังคงเป็นประเด็นสำคัญ แม้กระทั่งในปี 2035 องค์กรต่างๆ จะต้องมั่นใจว่าโค้ดที่สร้างขึ้นโดยอัตโนมัตินั้นมีความปลอดภัย (AI ต้องไม่ก่อให้เกิดช่องโหว่) และสอดคล้องกับบรรทัดฐานทางกฎหมาย/จริยธรรม (เช่น AI ไม่รวมโค้ดที่คัดลอกมาจากไลบรารีโอเพนซอร์สโดยไม่ได้รับใบอนุญาตที่ถูกต้อง) เราคาดหวังว่าจะมีเครื่องมือกำกับดูแล AI ที่ดีขึ้น ซึ่งสามารถตรวจสอบและติดตามแหล่งที่มาของโค้ดที่เขียนโดย AI เพื่อช่วยให้สามารถเขียนโค้ดได้ด้วยตนเองมากขึ้นโดยไม่มีความเสี่ยง

โดยสรุป ในช่วงกลางทศวรรษ 2030 ปัญญาประดิษฐ์ (Generative AI) มีแนวโน้มที่จะเข้ามาจัดการงานเขียนโค้ดส่วนใหญ่สำหรับงานซอฟต์แวร์ทั่วไป และช่วยงานที่ซับซ้อนได้อย่างมาก วงจรชีวิตการพัฒนาซอฟต์แวร์จะมีระบบอัตโนมัติมากขึ้น ตั้งแต่การกำหนดความต้องการไปจนถึงการใช้งานจริง โดย AI มีแนวโน้มที่จะสร้างและปรับใช้การเปลี่ยนแปลงโค้ดโดยอัตโนมัติ นักพัฒนามนุษย์จะให้ความสำคัญกับตรรกะระดับสูง ประสบการณ์ผู้ใช้ และการกำกับดูแลมากขึ้น ขณะที่เอเจนต์ AI จะค่อยๆ ดำเนินการตามรายละเอียดการใช้งานจริง

AI เชิงสร้างสรรค์ในการบริการและการสนับสนุนลูกค้า

หากคุณเคยโต้ตอบกับฝ่ายสนับสนุนลูกค้าออนไลน์ในช่วงที่ผ่านมา มีโอกาสสูงที่ AI จะอยู่ที่ปลายสายอย่างน้อยก็บางส่วน ฝ่ายบริการลูกค้าเป็นสาขาที่พร้อมสำหรับระบบอัตโนมัติของ AI โดยเกี่ยวข้องกับการตอบคำถามของผู้ใช้ ซึ่ง AI เชิงสร้างสรรค์ (โดยเฉพาะโมเดลการสนทนา) สามารถทำได้ค่อนข้างดี และมักจะทำตามสคริปต์หรือบทความฐานความรู้ ซึ่ง AI สามารถเรียนรู้ได้ AI สามารถจัดการลูกค้าได้โดยอัตโนมัติอย่างไร

ความสามารถปัจจุบัน (2025): แชทบอทและตัวแทนเสมือนที่ก้าวขึ้นมาเป็นผู้นำ

ปัจจุบัน องค์กรหลายแห่งเลือกใช้ แชทบอท AI เป็นช่องทางการติดต่อแรก ในการบริการลูกค้า ซึ่งมีตั้งแต่บอทแบบง่ายๆ ที่มีกฎเกณฑ์ตายตัว (“กด 1 สำหรับการเรียกเก็บเงิน กด 2 สำหรับการสนับสนุน…”) ไปจนถึงแชทบอท AI ขั้นสูงที่สามารถแปลคำถามแบบอิสระและโต้ตอบแบบสนทนาได้ ประเด็นสำคัญ:

• การจัดการคำถามที่พบบ่อย: ตัวแทน AI มีความเชี่ยวชาญในการตอบคำถามที่พบบ่อย ให้ข้อมูล (เวลาทำการของร้านค้า นโยบายการคืนเงิน ขั้นตอนการแก้ไขปัญหาที่ทราบ) และแนะนำผู้ใช้ตามขั้นตอนมาตรฐาน ตัวอย่างเช่น แชทบอท AI สำหรับธนาคารสามารถช่วยผู้ใช้ตรวจสอบยอดคงเหลือในบัญชี รีเซ็ตรหัสผ่าน หรืออธิบายวิธีการขอสินเชื่อได้โดยอัตโนมัติ โดยไม่ต้องอาศัยความช่วยเหลือจากมนุษย์

• ความเข้าใจภาษาธรรมชาติ: โมเดลเชิงกำเนิดสมัยใหม่ช่วยให้การโต้ตอบมีความลื่นไหลและ "เหมือนมนุษย์" มากขึ้น ลูกค้าสามารถพิมพ์คำถามด้วยคำพูดของตนเอง และโดยปกติแล้ว AI จะสามารถเข้าใจเจตนาได้ บริษัทต่างๆ รายงานว่าเอเจนต์ AI ในปัจจุบันสร้างความพึงพอใจให้กับลูกค้าได้มากกว่าบอทที่ไม่ค่อยดีเมื่อไม่กี่ปีก่อน โดยลูกค้าเกือบครึ่งหนึ่งเชื่อว่าเอเจนต์ AI สามารถแสดงความเห็นอกเห็นใจและมีประสิทธิภาพในการแก้ไขปัญหา ( สถิติการบริการลูกค้า AI 59 รายการสำหรับปี 2025 ) แสดงให้เห็นถึงความไว้วางใจที่เพิ่มขึ้นในบริการที่ขับเคลื่อนด้วย AI

• รองรับหลายช่องทาง: AI ไม่ได้อยู่แค่การแชทเท่านั้น ผู้ช่วยเสียง (เช่น ระบบ IVR บนโทรศัพท์ที่ใช้ AI เป็นหลัก) เริ่มรับสายโทรศัพท์ และ AI ยังสามารถร่างอีเมลตอบกลับคำถามของลูกค้า ซึ่งอาจถูกตอบกลับโดยอัตโนมัติหากคำถามนั้นถูกต้อง

• เมื่อมนุษย์เข้ามาแทรกแซง: โดยทั่วไป หาก AI เกิดความสับสนหรือคำถามซับซ้อนเกินไป มันจะส่งต่อคำถามไปยังมนุษย์ ซึ่งระบบในปัจจุบันสามารถ รู้ขีดจำกัดของตัวเอง ในหลายกรณี ตัวอย่างเช่น หากลูกค้าถามอะไรแปลกๆ หรือแสดงความไม่พอใจ ("นี่เป็นครั้งที่สามแล้วที่ฉันติดต่อคุณ และฉันรู้สึกหงุดหงิดมาก...") AI อาจตั้งค่าให้มนุษย์เข้ามาจัดการแทน เกณฑ์การส่งต่อคำถามถูกกำหนดโดยบริษัทต่างๆ เพื่อสร้างสมดุลระหว่างประสิทธิภาพและความพึงพอใจของลูกค้า

หลายบริษัทรายงานว่าการโต้ตอบส่วนใหญ่ได้รับการแก้ไขด้วย AI เพียงอย่างเดียว จากผลสำรวจอุตสาหกรรม พบว่าประมาณ 70-80% ของคำถามที่พบบ่อยของลูกค้าในปัจจุบันสามารถจัดการได้โดยแชทบอท AI และประมาณ 40% ของการโต้ตอบกับลูกค้าของบริษัทต่างๆ ผ่านช่องทางต่างๆ ได้รับการปรับให้เป็นระบบอัตโนมัติหรือได้รับความช่วยเหลือจาก AI แล้ว ( 52 สถิติการบริการลูกค้าด้วย AI ที่คุณควรรู้ - Plivo ) ดัชนีการนำ AI มาใช้ทั่วโลกของ IBM (2022) ระบุว่า 80% ของบริษัทใช้หรือวางแผนที่จะใช้แชทบอท AI สำหรับการบริการลูกค้าภายในปี 2025

พัฒนาการที่น่าสนใจอย่างหนึ่งคือ AI ไม่เพียงแต่ตอบสนองต่อลูกค้าเท่านั้น แต่ยัง ช่วยเหลือเจ้าหน้าที่ที่เป็นมนุษย์ ในเชิงรุกแบบเรียลไทม์อีกด้วย ยกตัวอย่างเช่น ระหว่างการแชทสดหรือการโทร AI อาจรับฟังและให้คำแนะนำหรือข้อมูลที่เกี่ยวข้องแก่เจ้าหน้าที่ที่เป็นมนุษย์ได้ทันที ซึ่งทำให้เส้นแบ่งระหว่างความเป็นอิสระของ AI เลือนหายไป – AI ไม่ได้เผชิญหน้ากับลูกค้าเพียงลำพัง แต่มีส่วนร่วมอย่างแข็งขันโดยไม่ต้องมีการร้องขอจากมนุษย์โดยตรง AI ทำหน้าที่เป็นที่ปรึกษาอิสระให้กับเจ้าหน้าที่ได้อย่างมีประสิทธิภาพ

แนวโน้มปี 2030-2035: การโต้ตอบกับลูกค้าที่ขับเคลื่อนด้วย AI เป็นหลัก

ภายในปี 2030 คาดว่าการโต้ตอบบริการลูกค้าส่วนใหญ่จะเกี่ยวข้องกับ AI โดยส่วนใหญ่แล้ว AI จะเป็นผู้ดูแลทั้งหมดตั้งแต่ต้นจนจบ การคาดการณ์และแนวโน้มที่สนับสนุนเรื่องนี้มีดังนี้:

• แก้ไขปัญหาข้อสงสัยที่ซับซ้อนยิ่งขึ้น: เมื่อโมเดล AI ผสานรวมความรู้ที่กว้างขวางและปรับปรุงการใช้เหตุผล พวกเขาจะสามารถจัดการกับคำขอของลูกค้าที่ซับซ้อนยิ่งขึ้นได้ แทนที่จะตอบคำถามเพียงว่า "ฉันจะคืนสินค้าได้อย่างไร" AI ในอนาคตอาจจัดการกับปัญหาหลายขั้นตอน เช่น "อินเทอร์เน็ตของฉันล่ม ฉันลองรีบูตแล้ว คุณช่วยได้ไหม" โดยการวินิจฉัยปัญหาผ่านบทสนทนา แนะนำลูกค้าเกี่ยวกับการแก้ไขปัญหาขั้นสูง และเฉพาะเมื่อทุกอย่างล้มเหลว เช่น การนัดหมายช่างเทคนิค ซึ่งในปัจจุบันอาจต้องใช้เจ้าหน้าที่ฝ่ายสนับสนุน ในงานบริการลูกค้าด้านการดูแลสุขภาพ AI อาจจัดการการนัดหมายผู้ป่วยหรือคำถามเกี่ยวกับประกันภัยแบบครบวงจร

• การแก้ไขปัญหาการบริการแบบครบวงจร: เราอาจเห็น AI ไม่ใช่แค่บอกลูกค้าว่าต้องทำอะไร แต่ลงมือ ทำ แทนลูกค้าในระบบเบื้องหลังด้วย ตัวอย่างเช่น หากลูกค้าบอกว่า "ฉันต้องการเปลี่ยนเที่ยวบินเป็นวันจันทร์หน้าและเพิ่มกระเป๋าอีกใบ" ในปี 2030 เจ้าหน้าที่ AI อาจเชื่อมต่อกับระบบการจองของสายการบินโดยตรง ดำเนินการเปลี่ยนแปลง ชำระเงินค่ากระเป๋า และยืนยันการจองให้ลูกค้าทราบ ทั้งหมดนี้ทำได้โดยอัตโนมัติ AI จะกลายเป็นเจ้าหน้าที่ให้บริการเต็มรูปแบบ ไม่ใช่แค่แหล่งข้อมูล

• ตัวแทน AI ที่มีอยู่ทุกหนแห่ง: บริษัทต่างๆ มีแนวโน้มที่จะนำ AI มาใช้งานในทุกจุดสัมผัสของลูกค้า ไม่ว่าจะเป็นโทรศัพท์ แชท อีเมล หรือโซเชียลมีเดีย ลูกค้าหลายรายอาจไม่ทันสังเกตว่ากำลังพูดคุยกับ AI หรือมนุษย์ โดยเฉพาะอย่างยิ่งเมื่อเสียง AI กลายเป็นธรรมชาติมากขึ้น และการตอบกลับแชทมีความเข้าใจบริบทมากขึ้น ภายในปี 2035 การติดต่อฝ่ายบริการลูกค้าอาจหมายถึงการมีปฏิสัมพันธ์กับ AI อัจฉริยะที่จดจำการโต้ตอบในอดีตของคุณ เข้าใจความต้องการของคุณ และปรับให้เข้ากับน้ำเสียงของคุณ ซึ่งโดยพื้นฐานแล้วก็คือตัวแทนเสมือนที่ปรับแต่งให้เหมาะกับลูกค้าทุกคน

• การตัดสินใจของ AI ในการโต้ตอบ: นอกเหนือจากการตอบคำถามแล้ว AI จะเริ่มทำการตัดสินใจที่ปัจจุบันต้องได้รับการอนุมัติจากผู้บริหาร ตัวอย่างเช่น ในปัจจุบัน เจ้าหน้าที่ที่เป็นมนุษย์อาจต้องได้รับการอนุมัติจากหัวหน้างานเพื่อเสนอเงินคืนหรือส่วนลดพิเศษเพื่อเอาใจลูกค้าที่กำลังโกรธ ในอนาคต AI อาจได้รับความไว้วางใจให้ตัดสินใจภายในขอบเขตที่กำหนด โดยอ้างอิงจากมูลค่าตลอดช่วงชีวิตของลูกค้าที่คำนวณได้และการวิเคราะห์ความรู้สึก การศึกษาโดย Futurum/IBM คาดการณ์ว่าภายในปี 2030 ประมาณ 69% ของการตัดสินใจที่เกิดขึ้นระหว่างการติดต่อลูกค้าแบบเรียลไทม์จะกระทำโดยเครื่องจักรอัจฉริยะ ( เพื่อพลิกโฉมการเปลี่ยนแปลงสู่ CX นักการตลาดต้องทำ 2 สิ่งนี้ ) ซึ่ง AI จะสามารถตัดสินใจเลือกแนวทางปฏิบัติที่ดีที่สุดในการโต้ตอบได้อย่างมีประสิทธิภาพ

• การมีส่วนร่วมของ AI 100%: รายงานฉบับหนึ่งชี้ให้เห็นว่าในที่สุด AI จะเข้ามามีบทบาทใน ทุก การปฏิสัมพันธ์กับลูกค้า ( สถิติการบริการลูกค้าด้วย AI 59 รายการสำหรับปี 2025 ) ไม่ว่าจะเกิดขึ้นก่อนหรือหลัง ซึ่งอาจหมายความว่าแม้ว่ามนุษย์จะโต้ตอบกับลูกค้า พวกเขาจะได้รับความช่วยเหลือจาก AI (เช่น การให้คำแนะนำ การดึงข้อมูล) อีกนัยหนึ่ง การตีความคือไม่มีคำถามของลูกค้าใดที่ไม่ได้รับคำตอบ ไม่ว่าเวลาใด หากมนุษย์ออฟไลน์ AI ก็จะอยู่ที่นั่นเสมอ

ภายในปี 2035 เราอาจพบว่าเจ้าหน้าที่ฝ่ายบริการลูกค้าที่เป็นมนุษย์มีความเชี่ยวชาญเฉพาะด้านเฉพาะในสถานการณ์ที่ละเอียดอ่อนหรือต้องสัมผัสบ่อยที่สุด (เช่น ลูกค้า VIP หรือการแก้ไขปัญหาข้อร้องเรียนที่ซับซ้อนซึ่งต้องการความเห็นอกเห็นใจจากมนุษย์) การสอบถามข้อมูลทั่วไป ตั้งแต่ธนาคาร ค้าปลีก ไปจนถึงฝ่ายสนับสนุนด้านเทคนิค อาจได้รับบริการจากเจ้าหน้าที่ AI ที่ทำงานตลอด 24 ชั่วโมงทุกวัน และเรียนรู้จากการโต้ตอบแต่ละครั้งอย่างต่อเนื่อง การเปลี่ยนแปลงนี้อาจทำให้การบริการลูกค้ามีความสอดคล้องและรวดเร็วยิ่งขึ้น เนื่องจาก AI ไม่ทำให้ลูกค้าต้องรอสาย และในทางทฤษฎีสามารถทำงานหลายอย่างพร้อมกันเพื่อจัดการกับลูกค้าได้ไม่จำกัดจำนวนครั้ง

วิสัยทัศน์นี้ยังมีความท้าทายที่ต้องเอาชนะ นั่นคือ AI ต้องมีความแข็งแกร่งอย่างยิ่งยวดเพื่อรับมือกับความไม่แน่นอนของลูกค้ามนุษย์ ต้องสามารถรับมือกับคำแสลง ความโกรธ ความสับสน และวิธีการสื่อสารที่หลากหลายของผู้คนได้ นอกจากนี้ยังต้องมีความรู้ที่ทันสมัย ​​(ไม่มีประโยชน์หากข้อมูลของ AI ล้าสมัย) การลงทุนในการบูรณาการระหว่าง AI และฐานข้อมูลของบริษัท (สำหรับข้อมูลแบบเรียลไทม์เกี่ยวกับคำสั่งซื้อ การหยุดให้บริการ ฯลฯ) จะช่วยแก้ไขอุปสรรคเหล่านี้ได้

ในทางจริยธรรม บริษัทต่างๆ จะต้องตัดสินใจว่าเมื่อใดควรเปิดเผยว่า "คุณกำลังพูดคุยกับ AI" และต้องมั่นใจว่ามีความยุติธรรม (AI จะไม่ปฏิบัติต่อลูกค้าบางรายในทางลบเนื่องจากการฝึกอบรมที่ลำเอียง) สมมติว่ามีการจัดการสิ่งเหล่านี้ เหตุผลทางธุรกิจมีความน่าเชื่อถือ: การบริการลูกค้าด้วย AI สามารถลดต้นทุนและเวลารอคอยได้อย่างมาก ตลาด AI ด้านการบริการลูกค้าคาดว่าจะเติบโตถึงหลายหมื่นล้านดอลลาร์ภายในปี 2030 ( รายงานตลาด AI ด้านการบริการลูกค้า ปี 2025-2030: กรณีศึกษา ) ( How Generative AI is Boosting Logistics | Ryder ) เนื่องจากองค์กรต่างๆ ลงทุนในศักยภาพเหล่านี้

โดยสรุปแล้ว คาดหวังอนาคตที่ การบริการลูกค้าด้วย AI อัตโนมัติจะกลายเป็นบรรทัดฐาน การขอความช่วยเหลือมักหมายถึงการได้พูดคุยกับเครื่องจักรอัจฉริยะที่สามารถแก้ไขปัญหาของคุณได้อย่างรวดเร็ว มนุษย์จะยังคงได้รับการดูแลและจัดการกรณีฉุกเฉินต่างๆ แต่ในฐานะหัวหน้างานของบุคลากรด้าน AI ผลลัพธ์ที่ได้คือบริการที่รวดเร็วและตรงตามความต้องการของลูกค้ามากขึ้น ตราบใดที่ AI ได้รับการฝึกฝนและติดตามอย่างเหมาะสม เพื่อป้องกันความหงุดหงิดจากประสบการณ์ "สายด่วนหุ่นยนต์" ในอดีต

AI เชิงสร้างสรรค์ในด้านการดูแลสุขภาพและการแพทย์

การดูแลสุขภาพเป็นสาขาที่มีความเสี่ยงสูง แนวคิดที่ว่า AI จะทำงานโดยปราศจากการควบคุมดูแลของมนุษย์ในวงการแพทย์นั้นก่อให้เกิดทั้งความตื่นเต้น (ในด้านประสิทธิภาพและการเข้าถึง) และความระมัดระวัง (ด้วยเหตุผลด้านความปลอดภัยและความเห็นอกเห็นใจ) AI เชิงกำเนิดได้เริ่มเข้ามามีบทบาทในสาขาต่างๆ เช่น การวิเคราะห์ภาพทางการแพทย์ การบันทึกข้อมูลทางคลินิก และแม้แต่การค้นพบยา AI จะสามารถทำอะไรได้บ้างด้วยตัวเองอย่างมีความรับผิดชอบ

ความสามารถปัจจุบัน (2025): ช่วยเหลือแพทย์ ไม่ใช่แทนที่พวกเขา

ปัจจุบัน ปัญญาประดิษฐ์ (AI) เชิงสร้างสรรค์ (generative AI) ในระบบการดูแลสุขภาพ มักทำหน้าที่เป็น ผู้ช่วยที่มีประสิทธิภาพ สำหรับบุคลากรทางการแพทย์ มากกว่าที่จะเป็นผู้ตัดสินใจเอง ตัวอย่างเช่น

• เอกสารทางการแพทย์: หนึ่งในการนำ AI มาใช้ในระบบสาธารณสุขที่ประสบความสำเร็จมากที่สุดคือการช่วยแพทย์จัดการเอกสาร แบบจำลองภาษาธรรมชาติสามารถถอดความการพบแพทย์และสร้างบันทึกทางคลินิกหรือสรุปการจำหน่ายได้ บริษัทต่างๆ มี "AI scribes" ที่คอยฟังระหว่างการตรวจ (ผ่านไมโครโฟน) และจัดทำร่างบันทึกการพบแพทย์โดยอัตโนมัติเพื่อให้แพทย์ตรวจสอบ วิธีนี้ช่วยประหยัดเวลาในการพิมพ์ของแพทย์ บางระบบยังกรอกข้อมูลในบันทึกสุขภาพอิเล็กทรอนิกส์โดยอัตโนมัติ ซึ่งสามารถทำได้โดยแทบไม่ต้องแทรกแซง แพทย์เพียงแค่แก้ไขข้อผิดพลาดเล็กๆ น้อยๆ ในร่างบันทึก ซึ่งหมายความว่าการเขียนบันทึกส่วนใหญ่เป็นอิสระ

• รังสีวิทยาและการถ่ายภาพ: AI รวมถึงแบบจำลองเชิงสร้างสรรค์ สามารถวิเคราะห์ภาพเอกซเรย์ MRI และ CT scan เพื่อตรวจหาความผิดปกติ (เช่น เนื้องอกหรือกระดูกหัก) ในปี 2018 สำนักงานคณะกรรมการอาหารและยา (FDA) ได้อนุมัติระบบ AI สำหรับการตรวจจับภาวะเบาหวานขึ้นจอประสาทตา (ภาวะทางตา) โดยอัตโนมัติในภาพจอประสาทตา โดยเฉพาะอย่างยิ่ง ระบบนี้ได้รับอนุญาตให้ทำการวินิจฉัยโดยไม่ต้องมีผู้เชี่ยวชาญเฉพาะทางในบริบทการคัดกรองเฉพาะนั้น ระบบดังกล่าวไม่ใช่ AI เชิงสร้างสรรค์ แต่แสดงให้เห็นว่าหน่วยงานกำกับดูแลอนุญาตให้มีการวินิจฉัยด้วย AI โดยอัตโนมัติในบางกรณี แบบจำลองเชิงสร้างสรรค์มีบทบาทในการสร้างรายงานที่ครอบคลุม ตัวอย่างเช่น AI อาจตรวจเอกซเรย์ทรวงอกและ ร่างรายงานของรังสีแพทย์ โดยระบุว่า "ไม่พบอาการเฉียบพลัน ปอดปกติ หัวใจมีขนาดปกติ" จากนั้นรังสีแพทย์จะยืนยันและลงนาม ในบางกรณี รายงานเหล่านี้อาจเผยแพร่ได้โดยไม่ต้องแก้ไข หากรังสีแพทย์เชื่อถือ AI และทำการตรวจสอบอย่างรวดเร็ว

• โปรแกรมตรวจสอบอาการและพยาบาลเสมือนจริง: แชทบอท AI เชิงสร้างสรรค์กำลังถูกใช้เป็นเครื่องมือตรวจสอบอาการเบื้องต้น ผู้ป่วยสามารถป้อนอาการและรับคำแนะนำ (เช่น "อาจเป็นหวัดธรรมดา พักผ่อนและดื่มน้ำให้เพียงพอ แต่หากมีอาการ X หรือ Y ควรไปพบแพทย์") แอปพลิเคชันอย่าง Babylon Health ใช้ AI ในการให้คำแนะนำ ปัจจุบัน คำแนะนำเหล่านี้มักถูกจัดกรอบเป็นข้อมูล ไม่ใช่คำแนะนำทางการแพทย์ที่ชัดเจน และแนะนำให้ติดตามผลกับแพทย์ผู้เชี่ยวชาญหากมีปัญหาร้ายแรง

• การค้นพบยา (เคมีเชิงกำเนิด): แบบจำลอง AI เชิงกำเนิดสามารถนำเสนอโครงสร้างโมเลกุลใหม่สำหรับยาได้ ซึ่งเกี่ยวข้องกับการวิจัยมากกว่าการดูแลผู้ป่วย AI เหล่านี้ทำงานโดยอัตโนมัติเพื่อแนะนำสารประกอบที่มีคุณสมบัติตามที่ต้องการหลายพันชนิด ซึ่งนักเคมีมนุษย์จะตรวจสอบและทดสอบในห้องปฏิบัติการ บริษัทต่างๆ เช่น Insilico Medicine ได้ใช้ AI เพื่อสร้างสารประกอบที่มีคุณสมบัติตามที่ต้องการสำหรับยาใหม่ๆ ในเวลาอันสั้นกว่ามาก แม้ว่าวิธีนี้จะไม่ได้โต้ตอบกับผู้ป่วยโดยตรง แต่ก็เป็นตัวอย่างของ AI ที่สร้างโซลูชัน (การออกแบบโมเลกุล) โดยอัตโนมัติ ซึ่งมนุษย์อาจต้องใช้เวลานานกว่ามากในการค้นหา

• การดำเนินงานด้านการดูแลสุขภาพ: AI กำลังช่วยเพิ่มประสิทธิภาพการจัดตารางนัดหมาย การจัดการอุปกรณ์ และโลจิสติกส์อื่นๆ ในโรงพยาบาล ตัวอย่างเช่น แบบจำลองเชิงสร้างสรรค์อาจจำลองการไหลของผู้ป่วยและแนะนำการปรับตารางนัดหมายเพื่อลดเวลาการรอคอย แม้ว่าจะไม่ชัดเจนนัก แต่สิ่งเหล่านี้เป็นการตัดสินใจที่ AI สามารถทำได้โดยแทบไม่ต้องเปลี่ยนแปลงอะไรด้วยตนเองเลย

สิ่งสำคัญที่ต้องระบุคือ ณ ปี 2568 ไม่มีโรงพยาบาลใดปล่อยให้ AI ตัดสินใจทางการแพทย์หรือการรักษาที่สำคัญได้อย่างอิสระโดยไม่ต้องผ่านความเห็นชอบจากมนุษย์ การวินิจฉัยและการวางแผนการรักษายังคงอยู่ในมือมนุษย์ โดย AI จะเป็นผู้ให้ข้อมูล ความไว้วางใจที่จำเป็นสำหรับ AI ในการบอกผู้ป่วยโดยอัตโนมัติว่า “คุณเป็นมะเร็ง” หรือสั่งจ่ายยานั้นยังไม่เกิดขึ้น และไม่ควรเกิดขึ้นโดยปราศจากการตรวจสอบอย่างละเอียด บุคลากรทางการแพทย์ใช้ประโยชน์จาก AI ในฐานะคู่หูอีกคู่หรือเครื่องมือประหยัดเวลา แต่ AI จะช่วยตรวจสอบผลลัพธ์ที่สำคัญ

แนวโน้มปี 2030-2035: AI ในฐานะเพื่อนร่วมงานของแพทย์ (และอาจเป็นพยาบาลหรือเภสัชกร)

ในทศวรรษหน้า เราคาดหวังว่า AI เชิงสร้างสรรค์จะเข้ามาทำหน้าที่ทางคลินิกทั่วไปมากขึ้นโดยอัตโนมัติ และจะขยายขอบเขตของบริการด้านการดูแลสุขภาพ:

• การวินิจฉัยเบื้องต้นอัตโนมัติ: ภายในปี 2030 AI สามารถวิเคราะห์เบื้องต้นสำหรับโรคทั่วไปหลายชนิดได้อย่างน่าเชื่อถือ ลองนึกภาพระบบ AI ในคลินิกที่อ่านอาการ ประวัติทางการแพทย์ แม้กระทั่งน้ำเสียงและสัญญาณสีหน้าของผู้ป่วยผ่านกล้อง และให้คำแนะนำในการวินิจฉัยและการตรวจที่แนะนำ ทั้งหมดนี้ก่อนที่แพทย์จะตรวจคนไข้เสียอีก แพทย์จึงสามารถมุ่งเน้นไปที่การยืนยันและพูดคุยเกี่ยวกับการวินิจฉัยได้ ในระบบเทเลเมดิซีน ผู้ป่วยอาจพูดคุยกับ AI ก่อนเพื่อจำกัดขอบเขตของปัญหา (เช่น การติดเชื้อไซนัสที่น่าจะเป็น เทียบกับโรคที่รุนแรงกว่า) จากนั้นจึงเชื่อมต่อผู้ป่วยกับแพทย์หากจำเป็น หน่วยงานกำกับดูแลอาจอนุญาตให้ AI อย่างเป็นทางการ โดยไม่ต้องมีมนุษย์ควบคุมดูแล หากพิสูจน์ได้ว่ามีความแม่นยำสูงมาก เช่น AI ที่สามารถวินิจฉัยการติดเชื้อที่หูโดยตรงได้จากภาพจากกล้องตรวจหู (otoscope) ก็เป็นไปได้

• เครื่องตรวจสอบสุขภาพส่วนบุคคล: ด้วยการขยายตัวของอุปกรณ์สวมใส่ (สมาร์ทวอทช์ เซ็นเซอร์สุขภาพ) AI จะคอยตรวจสอบผู้ป่วยอย่างต่อเนื่องและแจ้งเตือนปัญหาต่างๆ โดยอัตโนมัติ ยกตัวอย่างเช่น ภายในปี 2035 AI ของอุปกรณ์สวมใส่ของคุณอาจตรวจพบจังหวะการเต้นของหัวใจที่ผิดปกติ และจัดตารางนัดหมายให้คุณเข้ารับการปรึกษาออนไลน์แบบเร่งด่วนโดยอัตโนมัติ หรือแม้แต่โทรเรียกรถพยาบาลหากตรวจพบสัญญาณของอาการหัวใจวายหรือโรคหลอดเลือดสมอง สิ่งนี้ก้าวเข้าสู่ขอบเขตการตัดสินใจโดยอัตโนมัติ นั่นคือการตัดสินใจว่าสถานการณ์นั้นเป็นเหตุฉุกเฉินและลงมือปฏิบัติ ซึ่งเป็นการใช้ AI ที่อาจเป็นไปได้และช่วยชีวิตได้

• คำแนะนำการรักษา: ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ที่ได้รับการฝึกอบรมจากเอกสารทางการแพทย์และข้อมูลผู้ป่วย อาจแนะนำแผนการรักษาเฉพาะบุคคลได้ ภายในปี 2030 สำหรับโรคที่ซับซ้อน เช่น มะเร็ง คณะกรรมการเนื้องอก AI จะสามารถวิเคราะห์องค์ประกอบทางพันธุกรรมและประวัติทางการแพทย์ของผู้ป่วย และร่างแผนการรักษาที่แนะนำโดยอัตโนมัติ (แผนเคมีบำบัด การเลือกยา) แพทย์ที่เป็นมนุษย์จะตรวจสอบแผนการรักษา แต่เมื่อเวลาผ่านไป เมื่อความมั่นใจเพิ่มขึ้น พวกเขาอาจเริ่มยอมรับแผนการรักษาที่ AI สร้างขึ้นโดยเฉพาะสำหรับกรณีทั่วไป โดยจะปรับเปลี่ยนเฉพาะเมื่อจำเป็นเท่านั้น

• พยาบาลเสมือนจริงและการดูแลที่บ้าน: AI ที่สามารถสนทนาและให้คำแนะนำทางการแพทย์ สามารถจัดการการติดตามผลและการดูแลผู้ป่วยเรื้อรังได้มากมาย ตัวอย่างเช่น ผู้ป่วยที่มีอาการเรื้อรังที่บ้านสามารถรายงานค่ารายวันไปยังผู้ช่วยพยาบาล AI ซึ่งจะให้คำแนะนำ ("ระดับน้ำตาลในเลือดของคุณสูงเล็กน้อย ควรพิจารณาปรับอาหารว่างมื้อเย็น") และจะเรียกใช้งานพยาบาลมนุษย์เฉพาะเมื่อค่าที่อ่านได้อยู่นอกช่วงหรือมีปัญหาเกิดขึ้น AI นี้สามารถทำงานโดยอัตโนมัติเป็นส่วนใหญ่ภายใต้การดูแลจากระยะไกลของแพทย์

• การถ่ายภาพทางการแพทย์และการวิเคราะห์ทางห้องปฏิบัติการ – ระบบอัตโนมัติเต็มรูปแบบ: ภายในปี 2035 การอ่านผลสแกนทางการแพทย์อาจดำเนินการโดย AI เป็นหลักในบางสาขา รังสีแพทย์จะควบคุมดูแลระบบ AI และจัดการกรณีที่ซับซ้อน แต่การสแกนปกติส่วนใหญ่ (ซึ่งปกติ) สามารถ "อ่าน" และลงนามโดย AI ได้โดยตรง ในทำนองเดียวกัน การวิเคราะห์สไลด์ทางพยาธิวิทยา (เช่น การตรวจหาเซลล์มะเร็งในชิ้นเนื้อ) สามารถดำเนินการได้โดยอัตโนมัติสำหรับการคัดกรองเบื้องต้น ซึ่งจะช่วยเร่งผลการตรวจทางห้องปฏิบัติการได้อย่างมาก

• การค้นพบยาและการทดลองทางคลินิก: AI น่าจะไม่เพียงแต่จะออกแบบโมเลกุลของยาเท่านั้น แต่ยังสร้างข้อมูลผู้ป่วยสังเคราะห์สำหรับการทดลองหรือค้นหาตัวเลือกการทดลองที่เหมาะสมที่สุดอีกด้วย AI อาจทำการทดลองเสมือนจริงโดยอัตโนมัติ (จำลองปฏิกิริยาของผู้ป่วย) เพื่อจำกัดตัวเลือกก่อนการทดลองจริง วิธีนี้สามารถนำยาออกสู่ตลาดได้เร็วขึ้นด้วยการทดลองที่ควบคุมโดยมนุษย์น้อยลง

วิสัยทัศน์ของ แพทย์ AI ที่จะมาแทนที่แพทย์มนุษย์โดยสมบูรณ์นั้นยังคงห่างไกลและยังคงเป็นที่ถกเถียงกันอยู่ แม้กระทั่งภายในปี 2035 ความคาดหวังก็คือ AI จะทำหน้าที่เป็น เพื่อนร่วมงาน ของแพทย์ แทนที่จะมาแทนที่การสัมผัสของมนุษย์ การวินิจฉัยโรคที่ซับซ้อนมักต้องอาศัยสัญชาตญาณ จริยธรรม และการสนทนา เพื่อทำความเข้าใจบริบทของผู้ป่วย ซึ่งเป็นสิ่งที่แพทย์มนุษย์มีความเชี่ยวชาญ อย่างไรก็ตาม AI อาจจัดการงานประจำได้ถึง 80% เช่น งานเอกสาร คดีความที่ไม่ซับซ้อน การติดตามตรวจสอบ ฯลฯ ซึ่งช่วยให้แพทย์มนุษย์สามารถมุ่งเน้นไปที่งาน 20% ที่ซับซ้อนและความสัมพันธ์กับผู้ป่วยได้

มีอุปสรรคสำคัญ: การอนุมัติตามกฎระเบียบสำหรับ AI อัตโนมัติในระบบสาธารณสุขนั้นมีความเข้มงวด (ซึ่งก็สมเหตุสมผล) ระบบ AI จำเป็นต้องมีการตรวจสอบทางคลินิกอย่างละเอียด เราอาจเห็นการยอมรับเพิ่มขึ้นเรื่อยๆ เช่น AI ได้รับอนุญาตให้วินิจฉัยหรือรักษาผู้ป่วยในพื้นที่ที่ขาดแคลนบริการซึ่งไม่มีแพทย์ประจำอยู่ เพื่อขยายการเข้าถึงบริการด้านสาธารณสุข (ลองนึกภาพ “คลินิก AI” ในหมู่บ้านห่างไกลภายในปี 2030 ซึ่งดำเนินการโดยมีแพทย์ในเมืองคอยดูแลทางไกลเป็นระยะๆ)

ประเด็นทางจริยธรรมมีความสำคัญอย่างยิ่งยวด ความรับผิดชอบ (หาก AI อัตโนมัติวินิจฉัยผิดพลาด ใครคือผู้รับผิดชอบ) การยินยอมโดยได้รับข้อมูลครบถ้วน (ผู้ป่วยจำเป็นต้องรู้ว่า AI มีส่วนเกี่ยวข้องกับการดูแลของพวกเขาหรือไม่) และการสร้างความเท่าเทียม (AI ทำงานได้ดีกับทุกประชากร หลีกเลี่ยงอคติ) ล้วนเป็นความท้าทายที่ต้องดำเนินการ หากปัญหาเหล่านี้ได้รับการแก้ไข ภายในกลางทศวรรษ 2030 AI เชิงสร้างสรรค์อาจถูกผนวกเข้ากับระบบบริการสุขภาพ โดยทำหน้าที่ต่างๆ มากมายที่ปลดปล่อยผู้ให้บริการที่เป็นมนุษย์ และอาจเข้าถึงผู้ป่วยที่ปัจจุบันเข้าถึงบริการได้จำกัด

โดยสรุปแล้ว ภายในปี 2035 วงการสาธารณสุขน่าจะเห็น AI เข้ามามีบทบาทอย่างลึกซึ้ง แต่ส่วนใหญ่จะมีบทบาทสนับสนุนหรือมีบทบาทสนับสนุนเบื้องหลัง เราจะเชื่อมั่นว่า AI จะ ทำงานหลายอย่างได้ด้วยตัวเอง เช่น อ่านผลการสแกน เฝ้าดูสัญญาณชีพ และร่างแผนงานต่างๆ แต่ยังคงมีเครือข่ายความปลอดภัยจากมนุษย์คอยกำกับดูแลการตัดสินใจที่สำคัญ ผลลัพธ์ที่ได้คือระบบสาธารณสุขที่มีประสิทธิภาพและตอบสนองความต้องการได้มากขึ้น โดยที่ AI จะจัดการงานหนักๆ และมนุษย์จะเป็นผู้ให้ความเห็นอกเห็นใจและตัดสินใจขั้นสุดท้าย

AI เชิงสร้างสรรค์ในการศึกษา

การศึกษาเป็นอีกสาขาหนึ่งที่ AI เชิงสร้างสรรค์กำลังได้รับความนิยม ตั้งแต่บอทติวเตอร์ที่ขับเคลื่อนด้วย AI ไปจนถึงระบบให้คะแนนและการสร้างเนื้อหาอัตโนมัติ การเรียนการสอนเกี่ยวข้องกับการสื่อสารและความคิดสร้างสรรค์ ซึ่งเป็นจุดแข็งของโมเดลเชิงสร้างสรรค์ แต่ AI จะสามารถไว้วางใจให้สอนได้โดยไม่ต้องมีครูคอยควบคุมดูแลได้หรือไม่

ความสามารถปัจจุบัน (2025): ผู้สอนและผู้สร้างเนื้อหาที่พร้อมเสมอ

ขณะนี้ AI กำลังถูกนำมาใช้ในการศึกษาในฐานะ เครื่องมือเสริม ไม่ใช่เป็นเพียงเครื่องมือสำหรับครูแบบเดี่ยวๆ ตัวอย่างการใช้งานในปัจจุบัน:

• ผู้ช่วยติวเตอร์ AI: เครื่องมืออย่าง “Khanmigo” ของ Khan Academy (ขับเคลื่อนโดย GPT-4) หรือแอปเรียนภาษาต่างๆ ใช้ AI เพื่อจำลองการสอนแบบตัวต่อตัวหรือคู่สนทนา นักเรียนสามารถถามคำถามเป็นภาษาธรรมชาติและได้รับคำตอบหรือคำอธิบาย AI สามารถให้คำแนะนำสำหรับโจทย์การบ้าน อธิบายแนวคิดในรูปแบบต่างๆ หรือแม้แต่แสดงบทบาทสมมติเป็นบุคคลสำคัญทางประวัติศาสตร์ในบทเรียนประวัติศาสตร์แบบโต้ตอบ อย่างไรก็ตาม ติวเตอร์ AI เหล่านี้มักถูกควบคุมดูแล ครูหรือผู้ดูแลแอปมักจะตรวจสอบบทสนทนาหรือกำหนดขอบเขตว่า AI สามารถพูดคุยอะไรได้บ้าง (เพื่อหลีกเลี่ยงข้อมูลที่ผิดหรือเนื้อหาที่ไม่เหมาะสม)

• การสร้างเนื้อหาสำหรับครู: Generative AI ช่วยครูโดยการสร้างคำถามแบบทดสอบ สรุปเนื้อหาที่อ่าน โครงร่างแผนการสอน และอื่นๆ ครูอาจขอให้ AI "สร้างแบบฝึกหัด 5 ข้อเกี่ยวกับสมการกำลังสองพร้อมคำตอบ" ซึ่งช่วยประหยัดเวลาในการเตรียมเนื้อหา นี่คือการสร้างเนื้อหาแบบอัตโนมัติ แต่ครูมักจะตรวจสอบผลลัพธ์เพื่อความถูกต้องและสอดคล้องกับหลักสูตร ดังนั้นจึงเป็นอุปกรณ์ที่ประหยัดแรงงานมากกว่าที่จะเป็นอิสระอย่างสมบูรณ์

• การให้คะแนนและผลตอบรับ: AI สามารถให้คะแนนข้อสอบแบบเลือกตอบได้โดยอัตโนมัติ (ไม่มีอะไรใหม่) และยังสามารถประเมินคำตอบสั้นๆ หรือเรียงความได้อีกด้วย ระบบโรงเรียนบางแห่งใช้ AI ในการให้คะแนนคำตอบแบบเขียนและให้ผลตอบรับแก่นักเรียน (เช่น การแก้ไขไวยากรณ์ การแนะนำเพื่อขยายความ) แม้ว่าจะไม่ใช่งานเชิงสร้างสรรค์โดยตรง แต่ AI รุ่นใหม่ยังสามารถ สร้าง รายงานผลตอบรับส่วนบุคคลสำหรับนักเรียนโดยอิงจากผลการเรียน โดยเน้นย้ำจุดที่ต้องปรับปรุง ครูมักจะตรวจสอบเรียงความที่ AI ให้ผลตอบรับซ้ำในขั้นตอนนี้ เนื่องจากกังวลเกี่ยวกับความแตกต่างเล็กน้อย

• ระบบการเรียนรู้แบบปรับตัว: แพลตฟอร์มเหล่านี้จะช่วยปรับระดับความยากหรือรูปแบบของเนื้อหาตามผลการเรียนของนักเรียน ปัญญาประดิษฐ์ (Generative AI) ช่วยเพิ่มประสิทธิภาพการเรียนรู้โดยการสร้างโจทย์ปัญหาหรือตัวอย่างใหม่ๆ ขึ้นมาทันทีตามความต้องการของนักเรียน ตัวอย่างเช่น หากนักเรียนกำลังประสบปัญหากับแนวคิดหนึ่งๆ ปัญญาประดิษฐ์อาจสร้างแบบฝึกหัดหรือคำถามเปรียบเทียบอื่นๆ ที่เน้นแนวคิดนั้นขึ้นมา วิธีนี้ค่อนข้างเป็นอิสระ แต่เป็นระบบที่ออกแบบโดยนักการศึกษา

• การใช้งานของนักเรียนเพื่อการเรียนรู้: นักเรียนใช้เครื่องมือต่างๆ เช่น ChatGPT เพื่อช่วยในการเรียนรู้ เช่น การขอคำชี้แจง การแปล หรือแม้แต่การใช้ AI เพื่อขอคำติชมเกี่ยวกับร่างเรียงความ ("ปรับปรุงย่อหน้าบทนำ") การดำเนินการนี้สามารถทำได้ด้วยตนเองและสามารถทำได้โดยที่ครูไม่รู้ AI ในสถานการณ์นี้ทำหน้าที่เป็นติวเตอร์หรือผู้ตรวจทานตามต้องการ ความท้าทายคือการทำให้มั่นใจว่านักเรียนใช้เครื่องมือนี้เพื่อการเรียนรู้ แทนที่จะเพียงแค่ได้รับคำตอบ (ความซื่อสัตย์ทางวิชาการ)

เป็นที่ชัดเจนว่าในปี 2025 AI ในระบบการศึกษานั้นทรงพลัง แต่โดยทั่วไปแล้วจะทำงานโดยมีนักการศึกษาที่เป็นมนุษย์คอยดูแลและกลั่นกรองผลงานของ AI ข้อควรระวังที่เข้าใจได้คือ เราไม่ต้องการไว้วางใจให้ AI สอนข้อมูลที่ไม่ถูกต้องหรือจัดการปฏิสัมพันธ์ที่ละเอียดอ่อนของนักเรียนแบบไร้ทิศทาง ครูมองว่าติวเตอร์ AI เป็นผู้ช่วยที่มีประโยชน์ ซึ่งสามารถให้นักเรียนได้ฝึกฝนมากขึ้น และให้คำตอบทันทีสำหรับคำถามทั่วไป ทำให้ครูมีอิสระในการมุ่งเน้นไปที่การให้คำปรึกษาที่ลึกซึ้งยิ่งขึ้น

แนวโน้มปี 2030-2035: ผู้สอน AI ส่วนบุคคลและผู้ช่วยสอนอัตโนมัติ

ในทศวรรษหน้า เราคาดว่า AI เชิงสร้างสรรค์จะทำให้เกิด ประสบการณ์การเรียนรู้ที่เป็นส่วนตัวและเป็นอิสระ ในขณะที่บทบาทของครูก็มีการพัฒนาเช่นกัน:

• ติวเตอร์ AI ส่วนตัวสำหรับนักเรียนทุกคน: ภายในปี 2030 วิสัยทัศน์ (ที่ผู้เชี่ยวชาญอย่าง Sal Khan จาก Khan Academy ร่วมกัน) คือนักเรียนทุกคนจะสามารถเข้าถึงติวเตอร์ AI ที่มีประสิทธิภาพเทียบเท่าติวเตอร์จริงในหลายๆ ด้าน ( ผู้สร้างกล่าวว่าติวเตอร์ AI ตัวนี้สามารถทำให้มนุษย์ฉลาดขึ้น 10 เท่า ) ติวเตอร์ AI เหล่านี้จะพร้อมให้บริการตลอด 24 ชั่วโมงทุกวัน เข้าใจประวัติการเรียนรู้ของนักเรียนอย่างละเอียด และปรับรูปแบบการสอนให้เหมาะสม ตัวอย่างเช่น หากนักเรียนเป็นผู้เรียนแบบภาพที่กำลังดิ้นรนกับแนวคิดพีชคณิต AI อาจสร้างคำอธิบายภาพหรือการจำลองแบบโต้ตอบแบบไดนามิกเพื่อช่วยเหลือ เนื่องจาก AI สามารถติดตามความก้าวหน้าของนักเรียนได้ตลอดเวลา จึงสามารถตัดสินใจได้เองว่าจะทบทวนหัวข้อใดต่อไปหรือเมื่อใดจึงจะพัฒนาทักษะใหม่ ซึ่งจะ ช่วยจัดการแผนการสอน สำหรับนักเรียนคนนั้นในระดับจุลภาค

• ลดภาระงานของครูในงานประจำ: การให้คะแนน การทำแบบฝึกหัด และการร่างเนื้อหาบทเรียน งานเหล่านี้เกือบทั้งหมดอาจถูกยกไปให้ AI รับผิดชอบภายในปี 2030 AI สามารถสร้างการบ้านที่ปรับแต่งให้เหมาะกับชั้นเรียนได้หนึ่งสัปดาห์ ให้คะแนนงานทั้งหมดของสัปดาห์ที่แล้ว (แม้กระทั่งงานปลายเปิด) พร้อมคำติชม และเน้นย้ำให้ครูทราบว่านักเรียนคนใดอาจต้องการความช่วยเหลือเพิ่มเติมในหัวข้อใด สิ่งนี้สามารถทำได้โดยแทบไม่ต้องให้ครูเข้ามามีส่วนร่วม หรืออาจเพียงแค่ดูผ่านๆ เพื่อให้แน่ใจว่าคะแนนของ AI ยุติธรรม

• แพลตฟอร์มการเรียนรู้แบบปรับตัวอัตโนมัติ: เราอาจเห็นหลักสูตรที่ขับเคลื่อนด้วย AI อย่างเต็มรูปแบบสำหรับบางวิชา ลองนึกภาพหลักสูตรออนไลน์ที่ไม่มีผู้สอนที่เป็นมนุษย์ ซึ่งเอเจนต์ AI จะแนะนำเนื้อหา ยกตัวอย่าง ตอบคำถาม และปรับจังหวะตามผู้เรียน ประสบการณ์ของผู้เรียนอาจเป็นเอกลักษณ์เฉพาะตัว สร้างขึ้นแบบเรียลไทม์ การฝึกอบรมในองค์กรและการเรียนรู้สำหรับผู้ใหญ่บางประเภทอาจเปลี่ยนไปใช้รูปแบบนี้เร็วกว่า ซึ่งภายในปี 2035 พนักงานสามารถพูดว่า "ฉันต้องการเรียนรู้แมโคร Excel ขั้นสูง" และผู้สอน AI จะสอนพวกเขาผ่านหลักสูตรเฉพาะบุคคล ซึ่งรวมถึงการสร้างแบบฝึกหัดและการประเมินวิธีแก้ปัญหา โดยไม่ต้องมีผู้ฝึกสอนที่เป็นมนุษย์

• ผู้ช่วย AI ในห้องเรียน: ในห้องเรียนจริงหรือห้องเรียนเสมือนจริง AI สามารถฟังการอภิปรายในชั้นเรียนและช่วยเหลือครูได้ทันที (เช่น กระซิบคำแนะนำผ่านหูฟัง เช่น “นักเรียนหลายคนดูสับสนกับแนวคิดนี้ ลองยกตัวอย่างอื่นดู”) นอกจากนี้ยังสามารถดูแลฟอรัมออนไลน์ ตอบคำถามที่นักเรียนถามตรงๆ ได้อย่าง (เช่น “งานส่งเมื่อไหร่” หรือแม้แต่อธิบายประเด็นการบรรยายให้ชัดเจน) เพื่อไม่ให้ครูต้องถูกอีเมลรบกวน ภายในปี 2035 การมีครู AI ร่วมสอนในห้อง ขณะที่ครูที่เป็นมนุษย์จะเน้นการให้คำแนะนำในระดับที่สูงขึ้นและด้านแรงจูงใจ อาจกลายเป็นมาตรฐาน

• การเข้าถึงการศึกษาทั่วโลก: ติวเตอร์ AI อัตโนมัติอาจช่วยให้การศึกษาแก่นักเรียนในพื้นที่ที่ขาดแคลนครู แท็บเล็ตที่มีติวเตอร์ AI อาจทำหน้าที่เป็นผู้สอนหลักสำหรับนักเรียนที่มีการศึกษาจำกัด ครอบคลุมทั้งการอ่านออกเขียนได้และคณิตศาสตร์ขั้นพื้นฐาน ภายในปี 2035 นี่อาจเป็นหนึ่งในการใช้งานที่มีผลกระทบมากที่สุด – AI เชื่อมช่องว่างในที่ที่ไม่มีครูที่เป็นมนุษย์ อย่างไรก็ตาม การรับรองคุณภาพและความเหมาะสมทางวัฒนธรรมของการศึกษา AI ในบริบทที่แตกต่างกันจึงเป็นสิ่งสำคัญอย่างยิ่ง

AI จะเข้ามาแทนที่ครูหรือไม่? ไม่น่าจะเป็นไปได้ทั้งหมด การสอนไม่ใช่แค่การนำเสนอเนื้อหา แต่มันคือการเป็นที่ปรึกษา แรงบันดาลใจ และการสนับสนุนทางสังคมและอารมณ์ ซึ่งองค์ประกอบเหล่านี้ของมนุษย์นั้น AI เลียนแบบได้ยาก แต่ AI สามารถเป็น ครูคนที่สอง ในห้องเรียน หรือแม้กระทั่งครูคนแรกสำหรับการถ่ายทอดความรู้ ทำให้นักการศึกษาที่เป็นมนุษย์ต้องมุ่งเน้นไปที่สิ่งที่มนุษย์ทำได้ดีที่สุด นั่นคือ การเอาใจใส่ กระตุ้น และส่งเสริมการคิดเชิงวิพากษ์

มีข้อกังวลที่ต้องจัดการ ได้แก่ การทำให้แน่ใจว่า AI ให้ข้อมูลที่ถูกต้อง (ไม่มีภาพหลอนทางการศึกษาเกี่ยวกับข้อเท็จจริงเท็จ) การหลีกเลี่ยงอคติในเนื้อหาทางการศึกษา การรักษาความเป็นส่วนตัวของข้อมูลนักเรียน และการดึงดูดให้นักเรียนมีส่วนร่วม (AI จำเป็นต้องสร้างแรงจูงใจ ไม่ใช่แค่ถูกต้อง) เราน่าจะได้เห็นการรับรองหรือการรับรองระบบการศึกษา AI – คล้ายกับหนังสือเรียน – เพื่อให้มั่นใจว่าระบบเหล่านั้นเป็นไปตามมาตรฐาน

อีกความท้าทายหนึ่งคือการพึ่งพามากเกินไป หากติวเตอร์ AI ให้คำตอบเร็วเกินไป นักเรียนอาจไม่สามารถเรียนรู้ความเพียรพยายามหรือการแก้ปัญหาได้ เพื่อลดปัญหานี้ ติวเตอร์ AI ในอนาคตอาจได้รับการออกแบบให้บางครั้งปล่อยให้นักเรียนประสบปัญหา (เช่นเดียวกับติวเตอร์ที่เป็นมนุษย์) หรือกระตุ้นให้นักเรียนแก้ปัญหาด้วยคำแนะนำแทนที่จะแจกแจงวิธีแก้ปัญหา

ภายในปี 2035 ห้องเรียนอาจได้รับการเปลี่ยนแปลง นักเรียนแต่ละคนจะมีอุปกรณ์ที่เชื่อมต่อกับ AI คอยให้คำแนะนำตามจังหวะของตนเอง ขณะที่ครูเป็นผู้ควบคุมกิจกรรมกลุ่มและให้ข้อมูลเชิงลึกเกี่ยวกับมนุษย์ การศึกษาอาจมีประสิทธิภาพและเหมาะสมยิ่งขึ้น ความหวังคือนักเรียนทุกคนจะได้รับความช่วยเหลือที่ต้องการเมื่อต้องการ ซึ่งเป็นประสบการณ์ “ติวเตอร์ส่วนตัว” ที่แท้จริงในทุกระดับ ความเสี่ยงคือการสูญเสียการสัมผัสของมนุษย์หรือการนำ AI ไปใช้ในทางที่ผิด (เช่น การโกงผ่าน AI) แต่โดยรวมแล้ว หากบริหารจัดการได้ดี ปัญญาประดิษฐ์ (Generative AI) จะช่วยสร้างความเป็นประชาธิปไตยและยกระดับการเรียนรู้ โดยเป็นเพื่อนร่วมทางที่พร้อมให้ความรู้และพร้อมช่วยเหลือนักเรียนเสมอ

AI เชิงสร้างสรรค์ในโลจิสติกส์และห่วงโซ่อุปทาน

โลจิสติกส์ ซึ่งเป็นทั้งศาสตร์และศิลป์ของการเคลื่อนย้ายสินค้าและการจัดการห่วงโซ่อุปทาน อาจดูไม่ใช่ศาสตร์ดั้งเดิมของ “เจเนอเรทีฟ” AI แต่การแก้ปัญหาและการวางแผนอย่างสร้างสรรค์คือกุญแจสำคัญในสาขานี้ เจเนอเรทีฟ AI สามารถช่วยได้โดยการจำลองสถานการณ์ ปรับปรุงแผนงาน และแม้แต่ควบคุมระบบหุ่นยนต์ เป้าหมายของโลจิสติกส์คือประสิทธิภาพและการประหยัดต้นทุน ซึ่งสอดคล้องกับจุดแข็งของ AI ในการวิเคราะห์ข้อมูลและนำเสนอโซลูชัน แล้ว AI จะสามารถทำงานได้อย่างอิสระในการดำเนินงานห่วงโซ่อุปทานและโลจิสติกส์ได้อย่างไร

ความสามารถปัจจุบัน (2025): การปรับให้เหมาะสมและเพิ่มประสิทธิภาพด้วยการกำกับดูแลโดยมนุษย์

ปัจจุบัน AI (รวมถึงแนวทางเชิงสร้างสรรค์บางอย่าง) ถูกนำมาใช้ในระบบโลจิสติกส์ โดยหลักๆ แล้วเป็น เครื่องมือสนับสนุนการตัดสินใจ :

• การปรับปรุงเส้นทาง: บริษัทต่างๆ เช่น UPS และ FedEx ได้ใช้อัลกอริทึม AI เพื่อเพิ่มประสิทธิภาพเส้นทางการจัดส่ง เพื่อให้มั่นใจว่าพนักงานขับรถจะเลือกเส้นทางที่มีประสิทธิภาพสูงสุด เดิมทีอัลกอริทึมเหล่านี้คืออัลกอริทึมการวิจัยการดำเนินงาน แต่ปัจจุบันวิธีการแบบสร้างเส้นทางสามารถช่วยสำรวจกลยุทธ์การกำหนดเส้นทางอื่นๆ ภายใต้เงื่อนไขต่างๆ (เช่น การจราจร สภาพอากาศ) ในขณะที่ AI แนะนำเส้นทาง ผู้จัดการหรือผู้จัดส่งที่เป็นมนุษย์จะเป็นผู้กำหนดพารามิเตอร์ (เช่น ลำดับความสำคัญ) และสามารถแก้ไขหรือยกเลิกได้หากจำเป็น

• การวางแผนการโหลดและพื้นที่: สำหรับรถบรรทุกหรือตู้คอนเทนเนอร์ AI สามารถสร้างแผนการโหลดที่เหมาะสมที่สุด (กล่องไหนควรไปที่ไหน) AI แบบสร้างใหม่อาจสร้างรูปแบบการบรรจุที่หลากหลายเพื่อเพิ่มประสิทธิภาพการใช้พื้นที่ ซึ่งโดยพื้นฐานแล้วคือการ "สร้าง" โซลูชันที่มนุษย์สามารถเลือกใช้ได้ ประเด็นนี้ถูกเน้นย้ำโดยการศึกษาที่ระบุว่ารถบรรทุกในสหรัฐอเมริกามักวิ่งเปล่า 30% และการวางแผนที่ดีขึ้นซึ่งช่วยเสริมด้วย AI สามารถลดของเสียนั้นได้ ( กรณีการใช้งาน AI แบบสร้างใหม่ยอดนิยมในด้านโลจิสติกส์ ) แผนการโหลดที่สร้างโดย AI เหล่านี้มีจุดมุ่งหมายเพื่อลดต้นทุนเชื้อเพลิงและการปล่อยมลพิษ และในคลังสินค้าบางแห่ง แผนเหล่านี้ดำเนินการโดยมีการเปลี่ยนแปลงด้วยตนเองเพียงเล็กน้อย

• การคาดการณ์ความต้องการและการจัดการสินค้าคงคลัง: แบบจำลอง AI สามารถคาดการณ์ความต้องการสินค้าและสร้างแผนการเติมสต็อคสินค้าได้ แบบจำลองเชิงกำเนิดอาจจำลองสถานการณ์ความต้องการที่แตกต่างกัน (เช่น AI "จินตนาการ" ความต้องการที่เพิ่มขึ้นเนื่องจากวันหยุดที่กำลังจะมาถึง) และวางแผนสินค้าคงคลังให้สอดคล้องกัน ซึ่งช่วยให้ผู้จัดการซัพพลายเชนสามารถเตรียมความพร้อมได้ ปัจจุบัน AI นำเสนอการคาดการณ์และข้อเสนอแนะ แต่โดยทั่วไปแล้วมนุษย์จะเป็นผู้ตัดสินใจขั้นสุดท้ายเกี่ยวกับระดับการผลิตหรือการสั่งซื้อ

• การประเมินความเสี่ยง: ห่วงโซ่อุปทานทั่วโลกกำลังเผชิญกับภาวะหยุดชะงัก (ภัยธรรมชาติ ความล่าช้าของท่าเรือ ปัญหาทางการเมือง) ปัจจุบันระบบ AI วิเคราะห์ข่าวสารและข้อมูลเพื่อระบุความเสี่ยงที่อาจเกิดขึ้น ตัวอย่างเช่น บริษัทโลจิสติกส์แห่งหนึ่งใช้ Gen AI เพื่อสแกนอินเทอร์เน็ตและทำเครื่องหมายเส้นทางการขนส่งที่มีความเสี่ยง (พื้นที่ที่อาจประสบปัญหา เช่น พายุเฮอริเคนที่กำลังเคลื่อนตัวเข้ามาหรือเหตุการณ์ความไม่สงบ) ( กรณีการใช้งาน Generative AI ชั้นนำในโลจิสติกส์ ) ด้วยข้อมูลดังกล่าว ผู้วางแผนสามารถเปลี่ยนเส้นทางการขนส่งโดยอัตโนมัติเพื่อหลีกเลี่ยงจุดที่เกิดปัญหา ในบางกรณี AI อาจแนะนำการเปลี่ยนเส้นทางหรือเปลี่ยนรูปแบบการขนส่งโดยอัตโนมัติ ซึ่งมนุษย์จะเป็นผู้อนุมัติในภายหลัง

• ระบบอัตโนมัติในคลังสินค้า: คลังสินค้าหลายแห่งมีระบบกึ่งอัตโนมัติพร้อมหุ่นยนต์สำหรับหยิบและบรรจุสินค้า AI แบบ Generative สามารถจัดสรรงานให้กับหุ่นยนต์และมนุษย์แบบไดนามิกเพื่อการทำงานที่ราบรื่นที่สุด ตัวอย่างเช่น AI อาจสร้างคิวงานให้กับหุ่นยนต์หยิบสินค้าทุกเช้าตามคำสั่งซื้อ ซึ่งมักจะดำเนินการโดยอัตโนมัติ โดยผู้จัดการเพียงแค่ติดตาม KPI เท่านั้น หากคำสั่งซื้อเพิ่มขึ้นอย่างไม่คาดคิด AI จะปรับการดำเนินงานโดยอัตโนมัติ

• การจัดการยานพาหนะ: AI ช่วยในการจัดตารางการบำรุงรักษายานพาหนะโดยการวิเคราะห์รูปแบบและจัดทำตารางการบำรุงรักษาที่เหมาะสมที่สุดเพื่อลดระยะเวลาการหยุดทำงาน นอกจากนี้ยังสามารถจัดกลุ่มการขนส่งเพื่อลดจำนวนเที่ยวการเดินทาง ซอฟต์แวร์ AI สามารถตัดสินใจเหล่านี้ได้โดยอัตโนมัติ ตราบใดที่เป็นไปตามข้อกำหนดในการให้บริการ

โดยรวมแล้ว ณ ปี 2025 มนุษย์เป็นผู้กำหนดวัตถุประสงค์ (เช่น "ลดต้นทุนให้เหลือน้อยที่สุด แต่รับประกันการจัดส่งภายใน 2 วัน") และ AI จะคิดค้นโซลูชันหรือกำหนดเวลาเพื่อให้บรรลุเป้าหมายนั้น ระบบสามารถทำงานแบบวันต่อวันโดยไม่มีการแทรกแซงใดๆ จนกว่าจะเกิดเหตุการณ์ผิดปกติขึ้น งานโลจิสติกส์จำนวนมากเกี่ยวข้องกับการตัดสินใจซ้ำๆ (สินค้าชิ้นนี้ควรออกจากคลังสินค้าใด? คลังสินค้าใด?) ซึ่ง AI สามารถเรียนรู้ที่จะตัดสินใจได้อย่างสม่ำเสมอ บริษัทต่างๆ ค่อยๆ ไว้วางใจให้ AI จัดการการตัดสินใจเล็กๆ น้อยๆ เหล่านี้ และแจ้งเตือนผู้จัดการเฉพาะเมื่อเกิดเหตุการณ์ผิดปกติเท่านั้น

แนวโน้มปี 2030-2035: ห่วงโซ่อุปทานขับเคลื่อนอัตโนมัติ

ในทศวรรษหน้า เราสามารถมองเห็น ด้านโลจิสติกส์ที่ขับเคลื่อนด้วย AI อัตโนมัติ

• ยานยนต์ไร้คนขับและโดรน: รถบรรทุกไร้คนขับและโดรนส่งของ แม้จะเป็นหัวข้อที่กว้างกว่าเกี่ยวกับ AI/หุ่นยนต์ แต่กลับส่งผลกระทบโดยตรงต่อโลจิสติกส์ ภายในปี 2030 หากสามารถเอาชนะความท้าทายด้านกฎระเบียบและเทคนิคได้ เราอาจมี AI ขับรถบรรทุกบนทางหลวงเป็นประจำ หรือโดรนขนส่งในระยะทางสุดท้ายในเมือง AI เหล่านี้จะตัดสินใจแบบเรียลไทม์ (เช่น เปลี่ยนเส้นทาง หลีกเลี่ยงสิ่งกีดขวาง) โดยไม่ต้องใช้มนุษย์เป็นคนขับ ประเด็นสำคัญอยู่ที่วิธีที่ AI ของยานยนต์เหล่านี้เรียนรู้จากข้อมูลและการจำลองสถานการณ์จำนวนมาก ซึ่งช่วย "ฝึกอบรม" ในสถานการณ์ต่างๆ ได้อย่างมีประสิทธิภาพ กองยานพาหนะไร้คนขับเต็มรูปแบบสามารถปฏิบัติงานได้ตลอด 24 ชั่วโมงทุกวัน โดยมีเพียงมนุษย์คอยตรวจสอบจากระยะไกลเท่านั้น สิ่งนี้จะช่วยลดภาระของมนุษย์ (คนขับ) ในกระบวนการโลจิสติกส์ และเพิ่มอิสระในการดำเนินงานได้อย่างมาก

• ห่วงโซ่อุปทานที่สามารถฟื้นฟูตัวเองได้: มีแนวโน้มว่าจะมีการนำ AI เชิงสร้างสรรค์มาใช้ในการจำลองสถานการณ์ห่วงโซ่อุปทานอย่างต่อเนื่องและจัดทำแผนฉุกเฉิน ภายในปี 2035 AI อาจตรวจจับได้โดยอัตโนมัติเมื่อโรงงานซัพพลายเออร์ปิดตัวลง (ผ่านข่าวสารหรือฟีดข้อมูล) และ ทันที ซึ่งหมายความว่าห่วงโซ่อุปทานจะ “ฟื้นฟูตัวเอง” จากปัญหาการหยุดชะงัก โดยที่ AI จะเป็นผู้ริเริ่ม ผู้จัดการที่เป็นมนุษย์จะได้รับแจ้งถึงสิ่งที่ AI ได้ทำ แทนที่จะเป็นผู้ที่ริเริ่มวิธีแก้ปัญหา

• การปรับปรุงสินค้าคงคลังแบบครบวงจร: AI สามารถจัดการสินค้าคงคลังได้โดยอัตโนมัติทั่วทั้งเครือข่ายคลังสินค้าและร้านค้า AI จะตัดสินใจว่าจะเคลื่อนย้ายสินค้าเมื่อใดและที่ไหน (อาจใช้หุ่นยนต์หรือยานยนต์อัตโนมัติ) โดยรักษาสินค้าคงคลังให้เพียงพอในแต่ละพื้นที่ AI ทำหน้าที่ควบคุมหอควบคุมห่วงโซ่อุปทาน โดยดูกระบวนการทั้งหมดและปรับเปลี่ยนแบบเรียลไทม์ ภายในปี 2035 แนวคิดของห่วงโซ่อุปทานแบบ "ขับเคลื่อนอัตโนมัติ" อาจหมายถึงระบบที่วางแผนการกระจายสินค้าที่ดีที่สุดในแต่ละวัน สั่งสินค้า จัดตารางการผลิตในโรงงาน และจัดการการขนส่งทั้งหมดด้วยตนเอง มนุษย์จะควบคุมกลยุทธ์โดยรวมและจัดการกับข้อยกเว้นที่ AI ไม่อาจเข้าใจได้ในปัจจุบัน

• การออกแบบเชิงสร้างสรรค์ (Generative Design) ในโลจิสติกส์: เราอาจเห็น AI ออกแบบเครือข่ายซัพพลายเชนใหม่ สมมติว่าบริษัทขยายกิจการไปยังภูมิภาคใหม่ AI สามารถสร้างสถานที่ตั้งคลังสินค้า เส้นทางการขนส่ง และนโยบายสินค้าคงคลังที่เหมาะสมที่สุดสำหรับภูมิภาคนั้นได้จากข้อมูล ซึ่งเป็นสิ่งที่ที่ปรึกษาและนักวิเคราะห์กำลังทำอยู่ในปัจจุบัน ภายในปี 2030 บริษัทต่างๆ อาจอาศัยคำแนะนำจาก AI ในการเลือกออกแบบซัพพลายเชน โดยเชื่อมั่นว่า AI จะพิจารณาปัจจัยต่างๆ ได้เร็วขึ้น และอาจค้นพบวิธีแก้ปัญหาที่สร้างสรรค์ (เช่น ศูนย์กลางการกระจายสินค้าที่ไม่ชัดเจน) ซึ่งมนุษย์มองข้าม

• การบูรณาการกับการผลิต (อุตสาหกรรม 4.0): โลจิสติกส์ไม่ได้ทำงานเพียงลำพัง แต่ยังเชื่อมโยงกับการผลิต โรงงานในอนาคตอาจมี AI เชิงสร้างสรรค์ที่ทำหน้าที่จัดตารางการผลิต สั่งวัตถุดิบแบบทันเวลา และสั่งให้เครือข่ายโลจิสติกส์จัดส่งสินค้าทันที AI แบบบูรณาการนี้อาจหมายถึงการวางแผนโดยมนุษย์โดยรวมที่น้อยลง ห่วงโซ่อุปทานที่ราบรื่นตั้งแต่การผลิตไปจนถึงการจัดส่ง ขับเคลื่อนด้วยอัลกอริทึมที่ปรับให้เหมาะสมทั้งด้านต้นทุน ความเร็ว และความยั่งยืน ภายในปี 2025 ห่วงโซ่อุปทานที่มีประสิทธิภาพสูงจะขับเคลื่อนด้วยข้อมูล และภายในปี 2035 ห่วงโซ่อุปทานเหล่านี้อาจขับเคลื่อนด้วย AI เป็นส่วนใหญ่

• การบริการลูกค้าแบบไดนามิกในโลจิสติกส์: AI ในระบบซัพพลายเชนสามารถเชื่อมต่อกับลูกค้าหรือไคลเอนต์ได้โดยตรงผ่าน AI บริการลูกค้า ยกตัวอย่างเช่น หากลูกค้ารายใหญ่ต้องการเปลี่ยนแปลงคำสั่งซื้อจำนวนมากในนาทีสุดท้าย ตัวแทน AI จะสามารถเจรจาต่อรองทางเลือกที่เป็นไปได้ (เช่น "เราสามารถจัดส่งครึ่งหนึ่งตอนนี้ ครึ่งหนึ่งสัปดาห์หน้าเนื่องจากข้อจำกัด") โดยไม่ต้องรอผู้จัดการที่เป็นมนุษย์ ซึ่งเกี่ยวข้องกับ AI เชิงสร้างสรรค์ที่เข้าใจทั้งสองฝ่าย (ความต้องการของลูกค้าเทียบกับความสามารถในการดำเนินงาน) และตัดสินใจเพื่อให้การดำเนินงานราบรื่นและตอบสนองความต้องการของลูกค้า

ประโยชน์ที่คาดหวังคือ ที่มีประสิทธิภาพ ยืดหยุ่น และตอบสนอง บริษัทต่างๆ คาดการณ์ว่าจะสามารถประหยัดค่าใช้จ่ายได้มหาศาล – McKinsey ประเมินว่าการปรับปรุงห่วงโซ่อุปทานที่ขับเคลื่อนด้วย AI จะช่วยลดต้นทุนและปรับปรุงระดับการบริการได้อย่างมีนัยสำคัญ ซึ่งอาจเพิ่มมูลค่าได้หลายล้านล้านดอลลาร์ในทุกอุตสาหกรรม ( สถานะของ AI ในปี 2023: ปีแห่งความสำเร็จของ Generative AI | McKinsey )

อย่างไรก็ตาม การเปลี่ยนให้ AI เข้ามาควบคุมมากขึ้นก็มีความเสี่ยงเช่นกัน เช่น ข้อผิดพลาดแบบลูกโซ่หากตรรกะของ AI มีข้อบกพร่อง (เช่น สถานการณ์อันน่าตกตะลึงที่ห่วงโซ่อุปทาน AI ทำให้บริษัทขาดสต็อกโดยไม่ได้ตั้งใจเนื่องจากข้อผิดพลาดในการสร้างแบบจำลอง) มาตรการป้องกันอย่าง "มนุษย์ร่วมมือในการตัดสินใจครั้งสำคัญ" หรืออย่างน้อยที่สุดแดชบอร์ดที่ช่วยให้มนุษย์ควบคุมได้อย่างรวดเร็ว น่าจะยังคงอยู่จนถึงปี 2035 เมื่อเวลาผ่านไป เมื่อการตัดสินใจของ AI พิสูจน์ให้เห็น มนุษย์จะรู้สึกสบายใจมากขึ้นที่จะถอยออกมา

ที่น่าสนใจคือ การปรับประสิทธิภาพให้เหมาะสมนั้น บางครั้ง AI อาจตัดสินใจเลือกสิ่งที่ขัดแย้งกับความต้องการของมนุษย์หรือแนวปฏิบัติดั้งเดิม ยกตัวอย่างเช่น การปรับประสิทธิภาพเพียงอย่างเดียวอาจนำไปสู่สินค้าคงคลังที่ลดลงอย่างมาก ซึ่งมีประสิทธิภาพแต่ก็อาจมีความเสี่ยง ผู้เชี่ยวชาญด้านซัพพลายเชนในปี 2030 อาจต้องปรับสัญชาตญาณ เพราะ AI ซึ่งประมวลผลข้อมูลจำนวนมหาศาล อาจแสดงให้เห็นว่ากลยุทธ์ที่ไม่ธรรมดาของมันนั้นได้ผลดีกว่าจริง ๆ

สุดท้ายนี้ เราต้องพิจารณาว่า ข้อจำกัดทางกายภาพ (โครงสร้างพื้นฐาน ความเร็วของกระบวนการทางกายภาพ) เป็นข้อจำกัดที่โลจิสติกส์สามารถเปลี่ยนแปลงได้รวดเร็วเพียงใด ดังนั้น การปฏิวัติในครั้งนี้จึงมุ่งเน้นไปที่การวางแผนและการใช้สินทรัพย์อย่างชาญฉลาดมากขึ้น แทนที่จะเป็นความจริงทางกายภาพแบบใหม่โดยสิ้นเชิง แต่แม้จะอยู่ในขอบเขตดังกล่าว โซลูชันที่สร้างสรรค์และการปรับปรุงประสิทธิภาพอย่างต่อเนื่องของ AI เชิงสร้างสรรค์ก็สามารถปรับปรุงวิธีการขนส่งสินค้าทั่วโลกได้อย่างมากด้วยการวางแผนด้วยตนเองเพียงเล็กน้อย

โดยสรุปแล้ว ในปี 2035 ระบบโลจิสติกส์อาจดำเนินการในลักษณะเดียวกับเครื่องจักรอัตโนมัติที่ได้รับการหล่อลื่นอย่างดี นั่นคือ สินค้าจะไหลเวียนอย่างมีประสิทธิภาพ เส้นทางต่างๆ ปรับเปลี่ยนตามเวลาจริงเพื่อรองรับการหยุดชะงัก คลังสินค้าจะจัดการตัวเองด้วยหุ่นยนต์ และระบบทั้งหมดจะเรียนรู้และปรับปรุงอย่างต่อเนื่องจากข้อมูล ทั้งหมดนี้ควบคุมโดย AI เชิงสร้างสรรค์ที่ทำหน้าที่เป็นสมองของการดำเนินการ

AI เชิงสร้างสรรค์ในด้านการเงินและธุรกิจ

อุตสาหกรรมการเงินต้องรับมือกับข้อมูลจำนวนมาก ทั้งรายงาน การวิเคราะห์ และการสื่อสารกับลูกค้า จึงเป็นพื้นที่ที่เหมาะสมสำหรับการนำ AI เชิงสร้างสรรค์มาใช้ ตั้งแต่ธนาคาร การจัดการการลงทุน ไปจนถึงการประกันภัย องค์กรต่างๆ กำลังสำรวจ AI เพื่อการทำงานอัตโนมัติและการสร้างข้อมูลเชิงลึก คำถามคือ AI สามารถจัดการงานทางการเงินใดบ้างได้อย่างน่าเชื่อถือโดยไม่ต้องมีมนุษย์ควบคุมดูแล เมื่อพิจารณาถึงความสำคัญของความแม่นยำและความน่าเชื่อถือในสาขานี้

ความสามารถปัจจุบัน (2025): รายงานอัตโนมัติและการสนับสนุนการตัดสินใจ

ณ ปัจจุบัน AI เชิงสร้างสรรค์มีส่วนสนับสนุนในด้านการเงินในหลายๆ วิธี โดยมักอยู่ภายใต้การดูแลของมนุษย์:

• การสร้างรายงาน: ธนาคารและบริษัทการเงินจัดทำรายงานจำนวนมาก เช่น สรุปผลประกอบการ บทวิเคราะห์ตลาด การวิเคราะห์พอร์ตโฟลิโอ เป็นต้น ปัจจุบันมีการใช้ AI ในการร่างรายงานเหล่านี้แล้ว ตัวอย่างเช่น Bloomberg ได้พัฒนา BloombergGPT ซึ่งเป็นโมเดลภาษาขนาดใหญ่ที่ฝึกฝนจากข้อมูลทางการเงิน เพื่อช่วยในงานต่างๆ เช่น การจำแนกข่าวและการถาม-ตอบสำหรับผู้ใช้ปลายทาง ( Generative AI กำลังจะมาสู่ภาคการเงิน ) แม้ว่าการใช้งานหลักคือการช่วยให้มนุษย์ค้นหาข้อมูล แต่ก็แสดงให้เห็นถึงบทบาทที่เพิ่มขึ้นของ AI Automated Insights (บริษัทที่ AP ร่วมมือด้วย) ยังสร้างบทความทางการเงินอีกด้วย จดหมายข่าวการลงทุนหลายฉบับใช้ AI เพื่อสรุปความเคลื่อนไหวของตลาดหรือตัวชี้วัดทางเศรษฐกิจรายวัน โดยทั่วไปแล้ว มนุษย์จะตรวจสอบสิ่งเหล่านี้ก่อนส่งให้ลูกค้า แต่การแก้ไขสามารถทำได้อย่างรวดเร็วแทนที่จะเขียนใหม่ตั้งแต่ต้น

• การสื่อสารกับลูกค้า: ในธุรกิจธนาคารค้าปลีก แชทบอท AI จะจัดการกับคำถามของลูกค้าเกี่ยวกับยอดคงเหลือในบัญชี ธุรกรรม หรือข้อมูลผลิตภัณฑ์ (โดยผสานเข้ากับการบริการลูกค้า) นอกจากนี้ AI ยังสามารถสร้างจดหมายแนะนำทางการเงินหรือจดหมายเตือนเฉพาะบุคคลได้ ตัวอย่างเช่น AI อาจระบุว่าลูกค้าสามารถประหยัดค่าธรรมเนียมได้ และร่างข้อความโดยอัตโนมัติเพื่อแนะนำให้เปลี่ยนไปใช้บัญชีประเภทอื่น ซึ่งข้อความจะถูกส่งออกไปโดยแทบไม่มีการแทรกแซงจากมนุษย์ การสื่อสารแบบเฉพาะบุคคลเช่นนี้ในระดับขนาดใหญ่คือการใช้งาน AI ในด้านการเงินในปัจจุบัน

• การตรวจจับและแจ้งเตือนการฉ้อโกง: ปัญญาประดิษฐ์ (Generative AI) สามารถช่วยสร้างคำบรรยายหรือคำอธิบายสำหรับความผิดปกติที่ระบบตรวจจับการฉ้อโกงตรวจพบ ตัวอย่างเช่น หากมีการแจ้งกิจกรรมที่น่าสงสัย AI อาจสร้างข้อความอธิบายสำหรับลูกค้า (“เราสังเกตเห็นการเข้าสู่ระบบจากอุปกรณ์ใหม่…”) หรือรายงานสำหรับนักวิเคราะห์ การตรวจจับจะดำเนินการโดยอัตโนมัติ (โดยใช้การตรวจจับความผิดปกติด้วย AI/ML) และการสื่อสารก็จะเป็นระบบอัตโนมัติมากขึ้นเรื่อยๆ แม้ว่าการดำเนินการขั้นสุดท้าย (การบล็อกบัญชี) มักจะมีการตรวจสอบโดยมนุษย์อยู่บ้าง

• การให้คำปรึกษาทางการเงิน (จำกัด): ที่ปรึกษาทางการเงินอัตโนมัติ (robo-advisor) บางรายใช้อัลกอริทึม (ไม่จำเป็นต้องเป็น AI เชิงสร้างสรรค์) เพื่อจัดการพอร์ตโฟลิโอโดยไม่ต้องใช้ที่ปรึกษาที่เป็นมนุษย์ AI เชิงสร้างสรรค์เข้ามามีบทบาท เช่น การให้ความเห็นเกี่ยวกับสาเหตุที่ทำการซื้อขายบางรายการ หรือสรุปผลการดำเนินงานของพอร์ตโฟลิโอที่ปรับแต่งให้เหมาะกับลูกค้า อย่างไรก็ตาม การให้คำปรึกษาทางการเงินแบบบริสุทธิ์ (เช่น การวางแผนทางการเงินที่ซับซ้อน) ส่วนใหญ่ยังคงใช้อัลกอริทึมที่มนุษย์หรืออิงตามกฎเกณฑ์ การให้คำปรึกษาเชิงสร้างสรรค์แบบอิสระที่ปราศจากการกำกับดูแลมีความเสี่ยงเนื่องจากความรับผิดหากผิดพลาด

• การประเมินความเสี่ยงและการรับประกันภัย: บริษัทประกันภัยกำลังทดสอบ AI เพื่อเขียนรายงานการประเมินความเสี่ยงหรือแม้แต่ร่างเอกสารกรมธรรม์โดยอัตโนมัติ ตัวอย่างเช่น เมื่อได้รับข้อมูลเกี่ยวกับทรัพย์สิน AI สามารถสร้างร่างกรมธรรม์ประกันภัยหรือรายงานของผู้รับประกันภัยที่อธิบายปัจจัยเสี่ยงต่างๆ ได้ ปัจจุบันมนุษย์ตรวจสอบผลลัพธ์เหล่านี้ เพราะข้อผิดพลาดใดๆ ในสัญญาอาจก่อให้เกิดค่าใช้จ่ายสูง

• การวิเคราะห์ข้อมูลและข้อมูลเชิงลึก: AI สามารถวิเคราะห์งบการเงินหรือข่าวสารต่างๆ และสร้างบทสรุปได้ นักวิเคราะห์ใช้เครื่องมือที่สามารถสรุปรายงานประจำปี 100 หน้าให้กลายเป็นประเด็นสำคัญได้ทันที หรือดึงข้อมูลสำคัญจากรายงานผลประกอบการทางโทรศัพท์ บทสรุปเหล่านี้ช่วยประหยัดเวลาและสามารถนำไปใช้ในการตัดสินใจหรือส่งต่อได้โดยตรง แต่นักวิเคราะห์ที่รอบคอบจะตรวจสอบรายละเอียดสำคัญอีกครั้ง

โดยพื้นฐานแล้ว AI ในวงการการเงินในปัจจุบันทำหน้าที่เป็นนักวิเคราะห์/นักเขียนที่ไม่รู้จักเหน็ดเหนื่อย สร้างสรรค์คอนเทนต์ที่มนุษย์ต้องขัดเกลา การใช้งานแบบอัตโนมัติเต็มรูปแบบส่วนใหญ่มักอยู่ในขอบเขตที่กำหนดไว้อย่างชัดเจน เช่น ข่าวสารที่ขับเคลื่อนด้วยข้อมูล (ไม่จำเป็นต้องมีการตัดสินใจแบบอัตวิสัย) หรือการตอบสนองการบริการลูกค้า การไว้วางใจให้ AI ตัดสินใจเกี่ยวกับเงินโดยตรง (เช่น การโอนเงิน การดำเนินการซื้อขายนอกเหนือจากอัลกอริทึมที่กำหนดไว้ล่วงหน้า) เป็นเรื่องที่หาได้ยาก เนื่องจากมีความเสี่ยงสูงและมีการตรวจสอบจากหน่วยงานกำกับดูแล

แนวโน้มปี 2030-2035: นักวิเคราะห์ AI และการดำเนินงานทางการเงินอัตโนมัติ

เมื่อมองไปข้างหน้า ภายในปี 2035 AI เชิงสร้างสรรค์อาจฝังรากลึกในกระบวนการทางการเงิน และอาจจัดการงานต่างๆ มากมายโดยอัตโนมัติ:

• นักวิเคราะห์ทางการเงินด้วย AI: เราอาจเห็นระบบ AI ที่สามารถวิเคราะห์บริษัทและตลาด และให้คำแนะนำหรือรายงานในระดับนักวิเคราะห์วิจัยหุ้นที่เป็นมนุษย์ ภายในปี 2030 AI จะสามารถอ่านเอกสารทางการเงินทั้งหมดของบริษัท เปรียบเทียบกับข้อมูลอุตสาหกรรม และจัดทำรายงานคำแนะนำการลงทุน ("ซื้อ/ขาย" พร้อมเหตุผล) ได้ด้วยตัวเอง กองทุนป้องกันความเสี่ยงบางแห่งกำลังใช้ AI เพื่อสร้างสัญญาณการซื้อขาย และภายในปี 2030 รายงานการวิจัยด้วย AI อาจกลายเป็นเรื่องธรรมดา ผู้จัดการพอร์ตโฟลิโอที่เป็นมนุษย์อาจเริ่มเชื่อถือการวิเคราะห์ที่สร้างโดย AI เป็นข้อมูลป้อนเข้าอย่างหนึ่ง ยิ่งไปกว่านั้น AI ยังมีศักยภาพในการจัดการพอร์ตโฟลิโอโดยอัตโนมัติ โดยติดตามและปรับสมดุลการลงทุนอย่างต่อเนื่องตามกลยุทธ์ที่กำหนดไว้ล่วงหน้า อันที่จริง การซื้อขายแบบอัลกอริทึมเป็นระบบอัตโนมัติอยู่แล้ว – AI เชิงสร้างสรรค์อาจทำให้กลยุทธ์ต่างๆ มีความยืดหยุ่นมากขึ้นโดยการสร้างและทดสอบรูปแบบการซื้อขายใหม่ๆ ด้วยตัวเอง

• การวางแผนทางการเงินอัตโนมัติ: ที่ปรึกษา AI ที่ดูแลลูกค้าสามารถจัดการการวางแผนทางการเงินประจำวันสำหรับบุคคลได้ ภายในปี 2030 คุณอาจบอกเป้าหมายของคุณให้ AI ทราบ (เช่น การซื้อบ้าน การออมเงินเพื่อเรียนต่อ) และ AI สามารถสร้างแผนการเงินฉบับสมบูรณ์ (เช่น งบประมาณ การจัดสรรเงินลงทุน คำแนะนำด้านประกันภัย) ที่เหมาะสมกับคุณได้ ในขั้นต้น นักวางแผนการเงินที่เป็นมนุษย์อาจตรวจสอบแผนการเงิน แต่เมื่อความมั่นใจเพิ่มขึ้น คำแนะนำดังกล่าวอาจถูกส่งไปยังผู้บริโภคโดยตรง พร้อมข้อความปฏิเสธความรับผิดชอบที่เหมาะสม สิ่งสำคัญคือต้องแน่ใจว่าคำแนะนำของ AI เป็นไปตามกฎระเบียบและเป็นประโยชน์สูงสุดสำหรับลูกค้า หากสามารถแก้ไขปัญหานี้ได้ AI จะทำให้คำแนะนำทางการเงินขั้นพื้นฐานเข้าถึงได้ง่ายขึ้นในราคาประหยัด

• ระบบอัตโนมัติสำหรับ Back-Office: Generative AI อาจจัดการเอกสาร Back-Office จำนวนมากโดยอัตโนมัติ เช่น ใบสมัครกู้ยืม รายงานการปฏิบัติตามข้อกำหนด และสรุปผลการตรวจสอบ ยกตัวอย่างเช่น AI อาจรับข้อมูลธุรกรรมทั้งหมดและ สร้างรายงานการตรวจสอบ เพื่อแจ้งข้อกังวลต่างๆ ผู้ตรวจสอบบัญชีในปี 2035 อาจใช้เวลามากขึ้นในการตรวจสอบข้อยกเว้นที่ AI ระบุไว้ แทนที่จะตรวจสอบทุกอย่างด้วยตนเอง ในทำนองเดียวกัน สำหรับการปฏิบัติตามข้อกำหนด AI สามารถสร้างรายงานกิจกรรมที่น่าสงสัย (SAR) ให้กับหน่วยงานกำกับดูแลได้โดยไม่ต้องมีนักวิเคราะห์เขียนขึ้นใหม่ทั้งหมด การสร้างเอกสารประจำเหล่านี้โดยอัตโนมัติ โดยมีการกำกับดูแลโดยมนุษย์เป็นพื้นฐาน อาจกลายเป็นมาตรฐาน

• การเคลมและการพิจารณารับประกันภัย: AI สามารถประมวลผลการเคลมประกันภัย (พร้อมหลักฐานภาพถ่าย ฯลฯ) กำหนดความคุ้มครอง และสร้างจดหมายแจ้งผลการจ่ายเงินโดยอัตโนมัติ เราอาจไปถึงจุดที่การเคลมที่ตรงไปตรงมา (เช่น อุบัติเหตุทางรถยนต์ที่มีข้อมูลชัดเจน) จะได้รับการชำระโดย AI ทั้งหมดภายในไม่กี่นาทีหลังจากยื่นเรื่อง การพิจารณารับประกันภัยกรมธรรม์ใหม่อาจคล้ายคลึงกัน: AI จะประเมินความเสี่ยงและสร้างเงื่อนไขกรมธรรม์ ภายในปี 2035 อาจมีเฉพาะกรณีที่ซับซ้อนหรืออยู่ในขอบเขตเท่านั้นที่จะถูกส่งต่อไปยังผู้รับประกันภัยที่เป็นมนุษย์

• การฉ้อโกงและความปลอดภัย: AI น่าจะมีบทบาทสำคัญยิ่งขึ้นในการตรวจจับและตอบสนองต่อการฉ้อโกงหรือภัยคุกคามทางไซเบอร์ในภาคการเงิน ตัวแทน AI อัตโนมัติอาจตรวจสอบธุรกรรมแบบเรียลไทม์และดำเนินการทันที (เช่น บล็อกบัญชี หยุดธุรกรรม) เมื่อถึงเกณฑ์ที่กำหนด จากนั้นจึงให้เหตุผลประกอบ ความเร็วเป็นสิ่งสำคัญอย่างยิ่งในกรณีนี้ ดังนั้นจึงต้องการการมีส่วนร่วมของมนุษย์ให้น้อยที่สุด ส่วนที่ทำให้เกิดผลอาจมาจากการสื่อสารการดำเนินการเหล่านี้กับลูกค้าหรือหน่วยงานกำกับดูแลอย่างชัดเจน

• ฝ่ายสนับสนุนผู้บริหาร: ลองนึกภาพ “หัวหน้าเจ้าหน้าที่” ของ AI ที่สามารถสร้างรายงานธุรกิจสำหรับผู้บริหารได้ทันที ถามว่า “ฝ่ายยุโรปของเรามีผลการดำเนินงานในไตรมาสนี้เป็นอย่างไร และมีปัจจัยขับเคลื่อนหลักอะไรบ้างเมื่อเทียบกับปีที่แล้ว” แล้ว AI จะสร้างรายงานที่กระชับพร้อมแผนภูมิที่ถูกต้องแม่นยำ โดยดึงข้อมูลจากข้อมูล การรายงานและการวิเคราะห์แบบไดนามิกและอัตโนมัติแบบนี้อาจกลายเป็นเรื่องง่ายเหมือนการสนทนา ภายในปี 2030 การสอบถาม AI สำหรับปัญญาประดิษฐ์ด้านธุรกิจและไว้วางใจให้ AI ให้คำตอบที่ถูกต้อง อาจเข้ามาแทนที่รายงานแบบคงที่ และอาจรวมถึงบทบาทนักวิเคราะห์บางส่วนด้วย

การคาดการณ์ที่น่าสนใจอย่างหนึ่งคือ ภายในปี 2030 คอนเทนต์ทางการเงินส่วนใหญ่ (ข่าว รายงาน ฯลฯ) อาจสร้างขึ้นโดย AI สำนักข่าวอย่าง Dow Jones และ Reuters ก็เริ่มใช้ระบบอัตโนมัติสำหรับข่าวบางประเด็นแล้ว หากแนวโน้มนี้ยังคงดำเนินต่อไป และเมื่อพิจารณาจากจำนวนข้อมูลทางการเงินที่เพิ่มขึ้นอย่างรวดเร็ว AI อาจเป็นผู้รับผิดชอบในการกรองและสื่อสารข้อมูลส่วนใหญ่เหล่านี้

อย่างไรก็ตาม ความน่าเชื่อถือและการตรวจสอบจะเป็นสิ่งสำคัญ อุตสาหกรรมการเงินมีกฎระเบียบที่เข้มงวด และ AI ใดๆ ที่ดำเนินงานโดยอัตโนมัติจะต้องเป็นไปตามมาตรฐานที่เข้มงวด:

• เพื่อให้แน่ใจว่าไม่มีภาพหลอน (คุณไม่สามารถให้ผู้วิเคราะห์ AI คิดค้นตัวชี้วัดทางการเงินที่ไม่ใช่ของจริงได้ เพราะอาจทำให้ตลาดเข้าใจผิดได้)

• หลีกเลี่ยงอคติหรือการปฏิบัติที่ผิดกฎหมาย (เช่น การกำหนดขอบเขตโดยไม่ได้ตั้งใจในการตัดสินใจให้สินเชื่อเนื่องจากข้อมูลการฝึกอบรมที่ลำเอียง)

• ความสามารถในการตรวจสอบ: หน่วยงานกำกับดูแลน่าจะกำหนดให้การตัดสินใจของ AI ต้องมีคำอธิบาย หาก AI ปฏิเสธสินเชื่อหรือตัดสินใจซื้อขาย จะต้องมีเหตุผลที่สามารถตรวจสอบได้ แบบจำลองเชิงกำเนิดอาจเป็นกล่องดำ ดังนั้นควรคาดหวังการพัฒนา AI ที่สามารถอธิบายได้ เพื่อทำให้การตัดสินใจมีความโปร่งใส

ในอีก 10 ปีข้างหน้า ความร่วมมืออย่างใกล้ชิดระหว่าง AI และผู้เชี่ยวชาญด้านการเงินน่าจะค่อยๆ พัฒนาไปตามลำดับขั้นของความเป็นอิสระเมื่อความเชื่อมั่นเพิ่มขึ้น ความสำเร็จในระยะแรกจะมาจากระบบอัตโนมัติที่มีความเสี่ยงต่ำ (เช่น การสร้างรายงาน) การตัดสินใจที่สำคัญๆ เช่น การตัดสินใจด้านสินเชื่อหรือการเลือกลงทุนจะยากขึ้น แต่ถึงอย่างนั้น เมื่อ AI มีประวัติการทำงานที่ดีขึ้น บริษัทต่างๆ อาจให้อิสระกับ AI มากขึ้น ยกตัวอย่างเช่น กองทุน AI อาจดำเนินการโดยมีมนุษย์เป็นผู้ดูแล ซึ่งจะเข้าแทรกแซงเฉพาะเมื่อผลการดำเนินงานเบี่ยงเบนไปจากเป้าหมาย หรือเมื่อ AI ตรวจพบความไม่แน่นอน

ในเชิงเศรษฐกิจ McKinsey ประเมินว่า AI (โดยเฉพาะ gen AI) สามารถเพิ่มมูลค่าให้กับระบบธนาคารได้ประมาณ 200,000-340,000 ล้านดอลลาร์ต่อปี และจะส่งผลกระทบอย่างมากต่อตลาดประกันภัยและตลาดทุน ( สถานะของ AI ในปี 2023: ปีแห่งความสำเร็จของ Generative AI | McKinsey ) ( อนาคตของ Generative AI คืออะไร? | McKinsey ) ซึ่งเป็นผลมาจากประสิทธิภาพและผลลัพธ์การตัดสินใจที่ดีขึ้น เพื่อให้ได้มูลค่าดังกล่าว การวิเคราะห์ทางการเงินและการสื่อสารตามปกติจำนวนมากน่าจะถูกโอนไปยังระบบ AI

โดยสรุป ภายในปี 2035 ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) อาจเปรียบเสมือนกองทัพนักวิเคราะห์ระดับจูเนียร์ ที่ปรึกษา และเสมียนที่ทำงานในภาคการเงิน โดยทำงานส่วนใหญ่ที่ต้องใช้ทักษะและวิเคราะห์ที่ซับซ้อนอย่างอิสระ มนุษย์จะยังคงตั้งเป้าหมายและจัดการกลยุทธ์ระดับสูง ความสัมพันธ์กับลูกค้า และการกำกับดูแล โลกการเงินจะค่อยๆ ขยายขอบเขตความเป็นอิสระมากขึ้นเรื่อยๆ แต่ทิศทางที่ชัดเจนคือการประมวลผลข้อมูลและแม้แต่คำแนะนำการตัดสินใจจะมาจากปัญญาประดิษฐ์มากขึ้นเรื่อยๆ ในอุดมคติ สิ่งนี้จะนำไปสู่บริการที่รวดเร็วขึ้น (สินเชื่อทันที คำแนะนำตลอด 24 ชั่วโมง) ต้นทุนที่ลดลง และอาจมีความเป็นกลางมากขึ้น (การตัดสินใจโดยอิงจากรูปแบบข้อมูล) แต่การรักษาความไว้วางใจจะเป็นสิ่งสำคัญอย่างยิ่ง ข้อผิดพลาดของปัญญาประดิษฐ์ที่โดดเด่นเพียงครั้งเดียวในภาคการเงินอาจก่อให้เกิดความเสียหายมหาศาล (ลองนึกภาพเหตุการณ์แฟลชแครชที่เกิดจากปัญญาประดิษฐ์ หรือผลประโยชน์ที่ผู้คนหลายพันคนถูกปฏิเสธโดยไม่ได้ตั้งใจ) ดังนั้น มาตรการป้องกันและการตรวจสอบโดยมนุษย์จึงน่าจะยังคงอยู่ โดยเฉพาะอย่างยิ่งกับการดำเนินการที่ต้องเผชิญกับผู้บริโภค แม้ว่ากระบวนการภายในองค์กรจะมีอิสระในระดับสูงก็ตาม

ความท้าทายและข้อควรพิจารณาทางจริยธรรม

ในทุกด้านเหล่านี้ เมื่อ AI เชิงสร้างสรรค์ (generative AI) เข้ามามีบทบาทรับผิดชอบแบบอัตโนมัติมากขึ้น ความท้าทายและคำถามด้านจริยธรรมทั่วไปก็เกิดขึ้น การทำให้ AI เป็นตัวแทนอัตโนมัติที่เชื่อถือได้และเป็นประโยชน์นั้นไม่ใช่แค่ภารกิจทางเทคนิคเท่านั้น แต่ยังเป็นภารกิจทางสังคมอีกด้วย ในที่นี้ เราจะสรุปข้อกังวลสำคัญๆ และวิธีการจัดการ (หรือจะต้องจัดการ) ดังนี้

ความน่าเชื่อถือและความแม่นยำ

ปัญหาภาพหลอน: โมเดล Generative AI สามารถผลิตผลลัพธ์ที่ไม่ถูกต้องหรือถูกสร้างขึ้นมาทั้งหมดซึ่งดูน่าเชื่อถือ โดยเฉพาะอย่างยิ่งเมื่อไม่มีมนุษย์คอยจับผิด แชทบอทอาจให้คำแนะนำที่ผิดแก่ลูกค้า หรือรายงานที่เขียนโดย AI อาจมีสถิติที่แต่งขึ้น ณ ปี 2025 องค์กรต่างๆ ยอมรับว่าความไม่แม่นยำเป็นความเสี่ยงสูงสุดของ Generative AI ( สถานะของ AI ในปี 2023: ปีแห่งความสำเร็จของ Generative AI | McKinsey ) ( สถานะของ AI: แบบสำรวจทั่วโลก | McKinsey ) ในอนาคต เทคนิคต่างๆ เช่น การตรวจสอบข้อเท็จจริงกับฐานข้อมูล การปรับปรุงสถาปัตยกรรมโมเดล และการเรียนรู้แบบเสริมแรงด้วยฟีดแบ็ก กำลังถูกนำมาใช้เพื่อลดภาพหลอน ระบบ AI อัตโนมัติอาจจำเป็นต้องมีการทดสอบอย่างเข้มงวด และอาจต้องมีการตรวจสอบอย่างเป็นทางการสำหรับงานสำคัญ (เช่น การสร้างโค้ดที่อาจนำไปสู่ข้อบกพร่อง/ข้อบกพร่องด้านความปลอดภัยหากผิดพลาด)

ความสม่ำเสมอ: ระบบ AI จำเป็นต้องทำงานได้อย่างน่าเชื่อถือตลอดเวลาและในทุกสถานการณ์ ตัวอย่างเช่น AI อาจทำงานได้ดีกับคำถามมาตรฐาน แต่อาจมีปัญหาในกรณีพิเศษ การรับรองประสิทธิภาพการทำงานที่สม่ำเสมอจำเป็นต้องอาศัยข้อมูลการฝึกอบรมที่ครอบคลุมสถานการณ์ที่หลากหลายและการติดตามตรวจสอบอย่างต่อเนื่อง หลายองค์กรวางแผนที่จะใช้วิธีการแบบผสมผสาน (AI ใช้งานได้จริง แต่จะมีการสุ่มตัวอย่างโดยมนุษย์) เพื่อวัดอัตราความแม่นยำอย่างต่อเนื่อง

ระบบป้องกันความผิดพลาด: เมื่อ AI ทำงานอัตโนมัติ การที่มันรับรู้ถึงความไม่แน่นอนของตัวเองจึงเป็นสิ่งสำคัญ ระบบควรได้รับการออกแบบให้ "รู้เมื่อไม่รู้" ยกตัวอย่างเช่น หากแพทย์ที่ใช้ AI ไม่แน่ใจในการวินิจฉัยโรค ระบบควรตั้งค่าสถานะให้มนุษย์ตรวจสอบ แทนที่จะให้เดาแบบสุ่ม การสร้างการประมาณค่าความไม่แน่นอนในผลลัพธ์ของ AI (และการกำหนดเกณฑ์สำหรับการส่งต่อข้อมูลโดยมนุษย์โดยอัตโนมัติ) ถือเป็นส่วนสำคัญในการพัฒนา

อคติและความยุติธรรม

ปัญญาประดิษฐ์เชิงสร้างสรรค์เรียนรู้จากข้อมูลในอดีตซึ่งอาจมีอคติ (เช่น เชื้อชาติ เพศ ฯลฯ) ปัญญาประดิษฐ์อัตโนมัติอาจสืบทอดหรือขยายอคติเหล่านั้นได้:

• ในการจ้างงานหรือการรับเข้าเรียน ผู้ตัดสินใจด้าน AI สามารถเลือกปฏิบัติอย่างไม่เป็นธรรมได้หากข้อมูลการฝึกอบรมมีความลำเอียง

• ในการบริการลูกค้า AI อาจตอบสนองต่อผู้ใช้แตกต่างกันไปขึ้นอยู่กับภาษาถิ่นหรือปัจจัยอื่นๆ เว้นแต่จะได้รับการตรวจสอบอย่างรอบคอบ

• ในสาขาความคิดสร้างสรรค์ AI อาจแสดงถึงวัฒนธรรมหรือรูปแบบบางอย่างไม่เพียงพอหากชุดการฝึกอบรมไม่สมดุล

การแก้ไขปัญหานี้จำเป็นต้องอาศัยการดูแลจัดการชุดข้อมูลอย่างรอบคอบ การทดสอบอคติ และอาจรวมถึงการปรับเปลี่ยนอัลกอริทึมเพื่อให้มั่นใจถึงความเป็นธรรม ความโปร่งใสคือกุญแจสำคัญ บริษัทต่างๆ จะต้องเปิดเผยเกณฑ์การตัดสินใจด้าน AI โดยเฉพาะอย่างยิ่งหาก AI อัตโนมัติส่งผลกระทบต่อโอกาสหรือสิทธิ์ของบุคคล (เช่น การกู้ยืมเงินหรือการจ้างงาน) หน่วยงานกำกับดูแลกำลังให้ความสนใจอยู่แล้ว เช่น พระราชบัญญัติ AI ของสหภาพยุโรป (ซึ่งอยู่ระหว่างดำเนินการในช่วงกลางทศวรรษ 2020) อาจกำหนดให้มีการประเมินอคติสำหรับระบบ AI ที่มีความเสี่ยงสูง

ความรับผิดชอบและความรับผิดทางกฎหมาย

เมื่อระบบ AI ที่ทำงานโดยอัตโนมัติก่อให้เกิดอันตรายหรือเกิดข้อผิดพลาด ใครคือผู้รับผิดชอบ? กรอบกฎหมายกำลังตามทัน:

• บริษัทที่นำ AI มาใช้มีแนวโน้มที่จะต้องรับผิดชอบ คล้ายกับการรับผิดชอบต่อการกระทำของพนักงาน ตัวอย่างเช่น หาก AI ให้คำแนะนำทางการเงินที่ไม่ดีจนส่งผลให้เกิดการสูญเสีย บริษัทอาจต้องจ่ายค่าชดเชยให้กับลูกค้า

• มีการถกเถียงกันเกี่ยวกับ "ความเป็นบุคคล" ของ AI หรือ AI ขั้นสูงอาจมีส่วนรับผิดชอบบางส่วนหรือไม่ แต่ปัจจุบันเรื่องนี้อยู่ในเชิงทฤษฎีมากกว่า ในทางปฏิบัติ การตำหนิจะย้อนกลับไปยังนักพัฒนาหรือผู้ปฏิบัติงาน

• ผลิตภัณฑ์ประกันภัยใหม่ๆ อาจเกิดขึ้นเพื่อรองรับความล้มเหลวของ AI หากรถบรรทุกไร้คนขับเกิดอุบัติเหตุ ประกันภัยของผู้ผลิตอาจครอบคลุมความเสียหายนั้น เช่นเดียวกับความรับผิดต่อผลิตภัณฑ์

• การบันทึกและบันทึกการตัดสินใจของ AI จะมีความสำคัญอย่างยิ่งต่อกระบวนการชันสูตรพลิกศพ หากมีข้อผิดพลาดเกิดขึ้น เราจำเป็นต้องตรวจสอบเส้นทางการตัดสินใจของ AI เพื่อเรียนรู้จากข้อผิดพลาดนั้นและมอบหมายความรับผิดชอบ หน่วยงานกำกับดูแลอาจกำหนดให้มีการบันทึกการดำเนินการของ AI อัตโนมัติด้วยเหตุผลนี้โดยเฉพาะ

ความโปร่งใสและการอธิบายได้

ในอุดมคติแล้ว AI อัตโนมัติควรสามารถอธิบายเหตุผลของมันด้วยภาษาที่มนุษย์เข้าใจได้ โดยเฉพาะอย่างยิ่งในสาขาที่เกี่ยวข้อง (การเงิน สาธารณสุข ระบบยุติธรรม) AI ที่อธิบายได้คือสาขาที่พยายามเปิดกล่องดำ:

• สำหรับการปฏิเสธสินเชื่อโดย AI กฎระเบียบ (เช่น ECOA ในสหรัฐอเมริกา) อาจกำหนดให้ผู้ขอสินเชื่อต้องระบุเหตุผล ดังนั้น AI จึงต้องแสดงปัจจัยต่างๆ (เช่น "อัตราส่วนหนี้สินต่อรายได้สูง") ออกมาเป็นคำอธิบาย

• ผู้ใช้ที่โต้ตอบกับ AI (เช่น นักเรียนที่มีติวเตอร์ AI หรือผู้ป่วยที่มีแอปสุขภาพ AI) ควรได้รับรู้ว่า AI เข้าถึงคำแนะนำได้อย่างไร ขณะนี้กำลังมีความพยายามที่จะทำให้การใช้เหตุผลของ AI สามารถติดตามผลได้ง่ายขึ้น ไม่ว่าจะด้วยการลดความซับซ้อนของแบบจำลอง หรือการมีแบบจำลองเชิงอธิบายคู่ขนาน

• ความโปร่งใสยังหมายความว่าผู้ใช้ควรทราบ เมื่อ ต้องติดต่อกับ AI และมนุษย์ แนวทางปฏิบัติทางจริยธรรม (และอาจรวมถึงกฎหมายบางฉบับ) มีแนวโน้มที่จะกำหนดให้เปิดเผยข้อมูลหากลูกค้ากำลังพูดคุยกับบอท วิธีนี้ช่วยป้องกันการหลอกลวงและอนุญาตให้ผู้ใช้ยินยอมได้ ปัจจุบันบางบริษัทได้ติดแท็กเนื้อหาที่เขียนโดย AI อย่างชัดเจน (เช่น "บทความนี้สร้างขึ้นโดย AI") เพื่อรักษาความน่าเชื่อถือ

ความเป็นส่วนตัวและการคุ้มครองข้อมูล

ปัญญาประดิษฐ์เชิงสร้างสรรค์มักต้องการข้อมูล ซึ่งรวมถึงข้อมูลส่วนบุคคลที่อาจมีความละเอียดอ่อน เพื่อการทำงานหรือการเรียนรู้ การดำเนินงานอัตโนมัติต้องเคารพความเป็นส่วนตัว:

• เจ้าหน้าที่ฝ่ายบริการลูกค้า AI จะเข้าถึงข้อมูลบัญชีเพื่อช่วยเหลือลูกค้า โดยข้อมูลดังกล่าวจะต้องได้รับการปกป้องและใช้เฉพาะเพื่อจุดประสงค์ดังกล่าวเท่านั้น

• หากผู้สอน AI สามารถเข้าถึงโปรไฟล์นักเรียนได้ จะมีข้อพิจารณาภายใต้กฎหมาย เช่น FERPA (ในสหรัฐอเมริกา) เพื่อให้แน่ใจว่าข้อมูลด้านการศึกษามีความเป็นส่วนตัว

• โมเดลขนาดใหญ่อาจจดจำรายละเอียดเฉพาะจากข้อมูลการฝึกได้โดยไม่ได้ตั้งใจ (เช่น การดึงที่อยู่ของบุคคลที่เห็นระหว่างการฝึกกลับมา) เทคนิคต่างๆ เช่น ความเป็นส่วนตัวที่แตกต่างกันและการไม่ระบุตัวตนของข้อมูลในการฝึกมีความสำคัญในการป้องกันการรั่วไหลของข้อมูลส่วนบุคคลในผลลัพธ์ที่สร้างขึ้น

• กฎระเบียบอย่างเช่น GDPR ให้สิทธิ์แก่บุคคลในการตัดสินใจอัตโนมัติที่ส่งผลกระทบต่อพวกเขา บุคคลสามารถขอให้มีการตรวจสอบโดยมนุษย์หรือขอให้การตัดสินใจไม่ดำเนินการอัตโนมัติเพียงอย่างเดียวได้ หากมีผลกระทบต่อพวกเขาอย่างมีนัยสำคัญ ภายในปี 2030 กฎระเบียบเหล่านี้อาจมีการพัฒนาเมื่อ AI แพร่หลายมากขึ้น ซึ่งอาจนำไปสู่สิทธิในการอธิบายหรือเลือกไม่รับการประมวลผล AI

ความปลอดภัยและการละเมิด

ระบบ AI อัตโนมัติอาจเป็นเป้าหมายในการแฮ็กหรืออาจถูกใช้ประโยชน์เพื่อทำสิ่งที่เป็นอันตรายได้:

• เครื่องสร้างเนื้อหา AI อาจถูกนำไปใช้ในทางที่ผิดเพื่อสร้างข้อมูลบิดเบือนในวงกว้าง (เช่น วิดีโอดีปเฟก บทความข่าวปลอม) ซึ่งเป็นความเสี่ยงต่อสังคม จริยธรรมในการเผยแพร่โมเดลสร้างภาพที่ทรงพลังยังเป็นที่ถกเถียงกันอย่างดุเดือด (เช่น ในตอนแรก OpenAI ระมัดระวังเกี่ยวกับความสามารถของภาพใน GPT-4) วิธีแก้ปัญหาประกอบด้วยการใส่ลายน้ำในเนื้อหาที่สร้างโดย AI เพื่อช่วยตรวจจับเนื้อหาปลอม และการใช้ AI เพื่อต่อสู้กับ AI (เช่น อัลกอริทึมการตรวจจับดีปเฟก)

• หาก AI ควบคุมกระบวนการทางกายภาพ (โดรน รถยนต์ ระบบควบคุมอุตสาหกรรม) การรักษาความปลอดภัยจากการโจมตีทางไซเบอร์จึงเป็นสิ่งสำคัญอย่างยิ่ง ระบบอัตโนมัติที่ถูกแฮ็กอาจสร้างความเสียหายในโลกแห่งความเป็นจริงได้ ซึ่งหมายความว่าระบบเข้ารหัสที่แข็งแกร่ง ระบบป้องกันความล้มเหลว และความสามารถในการควบคุมหรือปิดระบบโดยมนุษย์หากมีสิ่งใดที่ดูเหมือนจะถูกบุกรุก

• นอกจากนี้ยังมีความกังวลว่า AI จะก้าวข้ามขอบเขตที่ตั้งใจไว้ (สถานการณ์ "AI จอมปลอม") แม้ว่า AI ในปัจจุบันจะยังไม่มีอำนาจหรือเจตนา แต่หากระบบอัตโนมัติในอนาคตมีตัวแทนมากขึ้น ก็จำเป็นต้องมีการควบคุมและการตรวจสอบอย่างเข้มงวด เพื่อให้แน่ใจว่าระบบจะไม่ทำการค้าที่ไม่ได้รับอนุญาตหรือละเมิดกฎหมายเนื่องจากวัตถุประสงค์ที่ระบุไม่ถูกต้อง

การใช้ที่ถูกต้องตามจริยธรรมและผลกระทบต่อมนุษย์

สุดท้ายนี้ การพิจารณาทางจริยธรรมที่กว้างกว่า:

• การแทนที่งาน: หาก AI สามารถทำงานได้โดยไม่ต้องอาศัยมนุษย์ จะเกิดอะไรขึ้นกับงานเหล่านั้น? ในอดีต เทคโนโลยีทำให้บางงานเป็นระบบอัตโนมัติ แต่กลับสร้างงานอื่นๆ ขึ้นมา การเปลี่ยนผ่านนี้อาจสร้างความเจ็บปวดให้กับแรงงานที่มีทักษะในงานที่กลายเป็นระบบอัตโนมัติ สังคมจำเป็นต้องบริหารจัดการเรื่องนี้ด้วยการพัฒนาทักษะใหม่ การศึกษา และอาจต้องทบทวนการสนับสนุนทางเศรษฐกิจ (บางคนเสนอว่า AI อาจจำเป็นต้องมีแนวคิดเช่นรายได้พื้นฐานถ้วนหน้า หากงานจำนวนมากถูกทำให้เป็นระบบอัตโนมัติ) ผลสำรวจต่างๆ แสดงให้เห็นถึงความรู้สึกที่หลากหลาย โดยงานวิจัยชิ้นหนึ่งพบว่าแรงงานหนึ่งในสามกังวลเกี่ยวกับ AI ที่เข้ามาแทนที่งาน ขณะที่งานวิจัยอื่นๆ มองว่า AI ช่วยลดภาระงาน

• ทักษะมนุษย์ถูกกัดกร่อน: หากผู้สอน AI สอน และ AI ทำงานอัตโนมัติ และ AI เขียนโค้ด ผู้คนจะสูญเสียทักษะเหล่านี้ไปหรือไม่? การพึ่งพา AI มากเกินไปอาจส่งผลเสียต่อความเชี่ยวชาญในกรณีที่เลวร้ายที่สุด ซึ่งเป็นเรื่องที่โปรแกรมการศึกษาและฝึกอบรมจะต้องปรับตัว เพื่อให้มั่นใจว่าผู้คนยังคงเรียนรู้พื้นฐานได้ แม้ว่า AI จะเข้ามาช่วยก็ตาม

• การตัดสินใจอย่างมีจริยธรรม: AI ขาดการตัดสินทางศีลธรรมของมนุษย์ ในด้านสาธารณสุขหรือกฎหมาย การตัดสินใจที่ขับเคลื่อนด้วยข้อมูลเพียงอย่างเดียวอาจขัดแย้งกับความเห็นอกเห็นใจหรือความยุติธรรมในแต่ละกรณี เราอาจจำเป็นต้องเข้ารหัสกรอบจริยธรรมลงใน AI (ซึ่งเป็นสาขาหนึ่งของการวิจัยจริยธรรมของ AI เช่น การปรับการตัดสินใจของ AI ให้สอดคล้องกับค่านิยมของมนุษย์) อย่างน้อยที่สุด การให้มนุษย์มีส่วนร่วมในการตัดสินใจอย่างมีจริยธรรมก็เป็นสิ่งที่แนะนำ

• การมีส่วนร่วม: การสร้างหลักประกันว่าประโยชน์ของ AI จะถูกกระจายไปอย่างกว้างขวางเป็นเป้าหมายทางจริยธรรม หากบริษัทขนาดใหญ่สามารถจัดหา AI ขั้นสูงได้ ธุรกิจขนาดเล็กหรือภูมิภาคที่ยากจนกว่าอาจถูกทิ้งไว้ข้างหลัง ความพยายามของโอเพนซอร์สและโซลูชัน AI ราคาประหยัดสามารถช่วยสร้างความเท่าเทียมในการเข้าถึงได้ นอกจากนี้ อินเทอร์เฟซควรได้รับการออกแบบให้ทุกคนสามารถใช้เครื่องมือ AI ได้ (เช่น ภาษาที่แตกต่างกัน การเข้าถึงสำหรับผู้พิการ ฯลฯ) มิฉะนั้นเราจะสร้างช่องว่างทางดิจิทัลใหม่ว่า "ใครมีผู้ช่วย AI และใครไม่มี"

การบรรเทาความเสี่ยงในปัจจุบัน: ในด้านบวก เมื่อบริษัทต่างๆ เริ่มนำ Gen AI มาใช้ จะมีการตระหนักรู้และดำเนินการเกี่ยวกับประเด็นเหล่านี้มากขึ้น ปลายปี 2023 เกือบครึ่งหนึ่งของบริษัทที่ใช้ AI ได้ดำเนินการอย่างแข็งขันเพื่อบรรเทาความเสี่ยง เช่น ความไม่ถูกต้อง ( สถานะของ AI ในปี 2023: ปีแห่งความสำเร็จของ Generative AI | McKinsey ) ( สถานะของ AI: แบบสำรวจทั่วโลก | McKinsey ) และตัวเลขดังกล่าวก็เพิ่มขึ้นเรื่อยๆ บริษัทเทคโนโลยีได้จัดตั้งคณะกรรมการจริยธรรมด้าน AI ขึ้น และรัฐบาลกำลังร่างกฎระเบียบ กุญแจสำคัญคือการผนวกจริยธรรมเข้ากับการพัฒนา AI ตั้งแต่เริ่มต้น (“จริยธรรมโดยการออกแบบ”) แทนที่จะตอบสนองในภายหลัง

สรุปความท้าทาย: การให้อิสระแก่ AI มากขึ้นเป็นดาบสองคม มันสามารถนำมาซึ่งประสิทธิภาพและนวัตกรรมได้ แต่ก็ต้องอาศัยความรับผิดชอบที่สูง ในปีต่อๆ ไป เราน่าจะได้เห็นการผสมผสานระหว่างโซลูชันทางเทคโนโลยี (เพื่อปรับปรุงพฤติกรรมของ AI) โซลูชันด้านกระบวนการ (กรอบนโยบายและการกำกับดูแล) และบางทีอาจมีมาตรฐานหรือการรับรองใหม่ๆ (ระบบ AI อาจได้รับการตรวจสอบและรับรองเช่นเดียวกับเครื่องยนต์หรืออุปกรณ์อิเล็กทรอนิกส์ในปัจจุบัน) การรับมือกับความท้าทายเหล่านี้ได้สำเร็จจะเป็นตัวกำหนดว่าเราจะสามารถนำ AI อัตโนมัติเข้ามาใช้อย่างราบรื่นในสังคม เพื่อเพิ่มพูนความเป็นอยู่และความไว้วางใจของมนุษย์ได้อย่างไร

บทสรุป

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ได้พัฒนาอย่างรวดเร็วจากการทดลองครั้งใหม่สู่เทคโนโลยีอเนกประสงค์ที่พลิกโฉมชีวิตของเราในทุกแง่มุม รายงานฉบับนี้ได้สำรวจว่าภายในปี 2025 ระบบ AI ได้เริ่มเขียนบทความ ออกแบบกราฟิก เขียนโค้ดซอฟต์แวร์ พูดคุยกับลูกค้า สรุปบันทึกทางการแพทย์ สอนพิเศษนักศึกษา เพิ่มประสิทธิภาพห่วงโซ่อุปทาน และร่างรายงานทางการเงิน ที่สำคัญคือ ในงานเหล่านี้ AI สามารถทำงานได้ โดยแทบไม่มีการแทรกแซงจากมนุษย์ โดยเฉพาะอย่างยิ่งสำหรับงานที่มีการกำหนดขอบเขตชัดเจนและสามารถทำซ้ำได้ บริษัทและบุคคลทั่วไปเริ่มไว้วางใจให้ AI ดำเนินงานเหล่านี้อย่างอิสระ ได้รับประโยชน์ทั้งในด้านความเร็วและขนาด

มองไปข้างหน้าถึงปี 2035 เรายืนอยู่บนขอบเหวของยุคที่ AI จะกลายเป็นผู้ร่วมมือที่แพร่หลายยิ่งขึ้น ซึ่งมักจะเป็น แรงงานดิจิทัลที่ไม่มีใคร รู้จัก คอยจัดการกิจวัตรประจำวันเพื่อให้มนุษย์สามารถมุ่งเน้นไปที่สิ่งที่พิเศษได้ เราคาดการณ์ว่า AI เชิงสร้างสรรค์ (generative AI) จะขับเคลื่อนรถยนต์และรถบรรทุกบนท้องถนนได้อย่างน่าเชื่อถือ จัดการสินค้าคงคลังในคลังสินค้าได้ภายในคืนเดียว ตอบคำถามของเราในฐานะผู้ช่วยส่วนตัวที่มีความรู้ ให้คำแนะนำแบบตัวต่อตัวแก่นักศึกษาทั่วโลก และแม้แต่ช่วยค้นพบวิธีรักษาใหม่ๆ ในวงการแพทย์ ทั้งหมดนี้อยู่ภายใต้การกำกับดูแลโดยตรงที่น้อยลงเรื่อยๆ เส้นแบ่งระหว่างเครื่องมือและเอเจนต์จะเลือนลางลง เมื่อ AI เปลี่ยนจากการทำตามคำสั่งแบบพาสซีฟไปสู่การสร้างสรรค์วิธีแก้ปัญหาเชิงรุก

อย่างไรก็ตาม การเดินทางสู่อนาคตแห่ง AI อัตโนมัตินี้ต้องดำเนินไปอย่างระมัดระวัง ดังที่เราได้สรุปไว้ แต่ละโดเมนมีข้อจำกัดและความรับผิดชอบของตัวเอง:

• การตรวจสอบความเป็นจริงในปัจจุบัน: AI ไม่ได้ไร้ข้อผิดพลาด AI โดดเด่นในด้านการจดจำรูปแบบและการสร้างเนื้อหา แต่ขาดความเข้าใจที่แท้จริงและสามัญสำนึกในความหมายของมนุษย์ ดังนั้น ณ ขณะนี้ การกำกับดูแลโดยมนุษย์ยังคงเป็นตาข่ายนิรภัย การรับรู้ว่า AI พร้อมทำงานเดี่ยวเมื่อใด (และเมื่อใดที่ไม่พร้อม) เป็นสิ่งสำคัญยิ่ง ความสำเร็จมากมายในปัจจุบันมาจาก ทีมมนุษย์-AI และแนวทางแบบผสมผสานนี้จะยังคงมีประโยชน์ต่อไปในกรณีที่ระบบอัตโนมัติเต็มรูปแบบยังไม่พร้อม

• คำสัญญาแห่งอนาคต: ด้วยความก้าวหน้าทางสถาปัตยกรรมแบบจำลอง เทคนิคการฝึกอบรม และกลไกการกำกับดูแล ความสามารถของ AI จะขยายตัวอย่างต่อเนื่อง ทศวรรษหน้าของการวิจัยและพัฒนาอาจช่วยแก้ปัญหาปัจจุบันได้หลายประการ (เช่น ลดอาการประสาทหลอน ปรับปรุงความสามารถในการตีความ และปรับ AI ให้สอดคล้องกับค่านิยมของมนุษย์) หากเป็นเช่นนั้น ระบบ AI ภายในปี 2035 อาจแข็งแกร่งเพียงพอที่จะได้รับความไว้วางใจให้มีอิสระในการทำงานมากขึ้น การคาดการณ์ในบทความนี้ ตั้งแต่ครูสอน AI ไปจนถึงธุรกิจที่บริหารจัดการเองเป็นส่วนใหญ่ อาจเป็นความจริง หรืออาจเหนือกว่านวัตกรรมที่ยากจะจินตนาการได้ในปัจจุบัน

• บทบาทและการปรับตัวของมนุษย์: แทนที่ AI จะเข้ามาแทนที่มนุษย์โดยตรง เราคาดการณ์ว่าบทบาทต่างๆ กำลังพัฒนาไป ผู้เชี่ยวชาญในทุกสาขาอาชีพน่าจะจำเป็นต้องมีความเชี่ยวชาญในการทำงาน กับ AI ทั้งการชี้นำ ตรวจสอบ และมุ่งเน้นไปที่งานที่ต้องการจุดแข็งเฉพาะของมนุษย์ เช่น ความเห็นอกเห็นใจ การคิดเชิงกลยุทธ์ และการแก้ปัญหาที่ซับซ้อน การศึกษาและการฝึกอบรมบุคลากรควรปรับเปลี่ยนเพื่อเน้นย้ำทักษะเฉพาะของมนุษย์เหล่านี้ รวมถึงความรู้ด้าน AI สำหรับทุกคน ผู้กำหนดนโยบายและผู้นำธุรกิจควรวางแผนสำหรับการเปลี่ยนแปลงในตลาดแรงงาน และสร้างความมั่นใจว่ามีระบบสนับสนุนสำหรับผู้ที่ได้รับผลกระทบจากระบบอัตโนมัติ

• จริยธรรมและการกำกับดูแล: สิ่งสำคัญที่สุดประการหนึ่งคือ กรอบการใช้งานและการกำกับดูแล AI อย่างมีจริยธรรมจะต้องเป็นรากฐานของการเติบโตทางเทคโนโลยีนี้ ความไว้วางใจคือหัวใจสำคัญของการยอมรับ ผู้คนจะยอมให้ AI ขับเคลื่อนรถยนต์หรือช่วยเหลือในการผ่าตัดก็ต่อเมื่อพวกเขาเชื่อมั่นว่าปลอดภัย การสร้างความไว้วางใจนั้นต้องอาศัยการทดสอบอย่างเข้มงวด ความโปร่งใส การมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย (เช่น การให้แพทย์มีส่วนร่วมในการออกแบบ AI ทางการแพทย์ ครูผู้สอนในเครื่องมือการศึกษา AI) และกฎระเบียบที่เหมาะสม ความร่วมมือระหว่างประเทศอาจเป็นสิ่งจำเป็นในการรับมือกับความท้าทายต่างๆ เช่น ดีปเฟก หรือ AI ในการทำสงคราม เพื่อให้มั่นใจว่ามีบรรทัดฐานระดับโลกสำหรับการใช้งานอย่างมีความรับผิดชอบ

สรุปแล้ว ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) เปรียบเสมือนกลไกขับเคลื่อนความก้าวหน้าอันทรงพลัง หากใช้ปัญญาประดิษฐ์อย่างชาญฉลาด ปัญญาประดิษฐ์สามารถช่วยบรรเทาภาระงานหนักของมนุษย์ ปลดล็อกความคิดสร้างสรรค์ ปรับแต่งบริการให้ตรงกับความต้องการ และแก้ไขช่องว่าง (นำความเชี่ยวชาญมาสู่พื้นที่ที่ผู้เชี่ยวชาญขาดแคลน) กุญแจสำคัญคือการนำปัญญาประดิษฐ์ไปประยุกต์ใช้ในลักษณะที่ ขยายศักยภาพของมนุษย์ ไม่ใช่ทำให้ถูกมองข้าม ในระยะเริ่มต้น หมายถึงการให้มนุษย์มีส่วนร่วมในการควบคุม AI ในระยะยาว หมายถึงการฝังคุณค่าด้านมนุษยธรรมไว้ในแกนกลางของระบบปัญญาประดิษฐ์ เพื่อให้แม้ในขณะที่ระบบเหล่านี้ทำงานอย่างอิสระ ก็จะทำงานเพื่อประโยชน์สูงสุดของพวกเราทุกคน

โดเมน	ความเป็นอิสระที่เชื่อถือได้ในปัจจุบัน (2025)	คาดว่าจะมีความเป็นอิสระที่เชื่อถือได้ภายในปี 2035
การเขียนและเนื้อหา	- ข่าวประจำวัน (กีฬา รายได้) สร้างขึ้นโดยอัตโนมัติ - สรุปบทวิจารณ์ผลิตภัณฑ์โดย AI - ร่างบทความหรืออีเมลสำหรับการแก้ไขโดยมนุษย์ ( Philana Patterson – โปรไฟล์ชุมชน ONA ) ( Amazon ปรับปรุงประสบการณ์การรีวิวของลูกค้าด้วย AI )	- เนื้อหาข่าวสารและการตลาดส่วนใหญ่เขียนขึ้นโดยอัตโนมัติด้วยความถูกต้องตามข้อเท็จจริง - AI สร้างบทความและข่าวเผยแพร่ที่สมบูรณ์โดยมีการควบคุมดูแลน้อยที่สุด - เนื้อหาที่ปรับแต่งตามความต้องการอย่างสูง
ศิลปะภาพและการออกแบบ	- AI สร้างภาพจากคำแนะนำ (มนุษย์เลือกสิ่งที่ดีที่สุด) - ศิลปะแนวคิดและการออกแบบที่สร้างขึ้นโดยอัตโนมัติ	- AI สร้างฉากวิดีโอ/ภาพยนตร์เต็มรูปแบบและกราฟิกที่ซับซ้อน - การออกแบบเชิงสร้างสรรค์ของผลิตภัณฑ์/สถาปัตยกรรมที่ตรงตามข้อกำหนด - สื่อส่วนบุคคล (รูปภาพ วิดีโอ) สร้างขึ้นตามความต้องการ
การเขียนโค้ดซอฟต์แวร์	- AI เติมโค้ดอัตโนมัติและเขียนฟังก์ชันง่ายๆ (ตรวจสอบโดยนักพัฒนา) - สร้างการทดสอบอัตโนมัติและแนะนำจุดบกพร่อง ( การเขียนโค้ดบน Copilot: ข้อมูลปี 2023 ชี้ให้เห็นถึงแรงกดดันที่ลดลงต่อคุณภาพโค้ด (รวมถึงการคาดการณ์ปี 2024) - GitClear ) ( GitHub Copilot ติดอันดับรายงานการวิจัยเกี่ยวกับผู้ช่วยเขียนโค้ด AI -- นิตยสาร Visual Studio )	- AI นำคุณสมบัติทั้งหมดจากสเปกมาใช้งานได้อย่างน่าเชื่อถือ - การดีบักอัตโนมัติและการบำรุงรักษาโค้ดสำหรับรูปแบบที่ทราบ - การสร้างแอปพลิเคชันด้วยโค้ดต่ำโดยมีอินพุตจากมนุษย์เพียงเล็กน้อย
ฝ่ายบริการลูกค้า	- Chatbots ตอบคำถามที่พบบ่อย แก้ไขปัญหาที่เรียบง่าย (ส่งต่อกรณีที่ซับซ้อน) - AI จัดการการสอบถามทั่วไปประมาณ 70% ในบางช่องทาง ( สถิติการบริการลูกค้าด้วย AI 59 รายการสำหรับปี 2025 ) ( ภายในปี 2030 การตัดสินใจ 69% ในระหว่างการโต้ตอบกับลูกค้าจะเป็น... )	- AI จัดการการโต้ตอบกับลูกค้าส่วนใหญ่แบบครบวงจร รวมถึงแบบสอบถามที่ซับซ้อน - การตัดสินใจแบบเรียลไทม์ด้วย AI สำหรับการผ่อนปรนบริการ (การคืนเงิน การอัปเกรด) - ตัวแทนที่เป็นมนุษย์สำหรับการยกระดับหรือกรณีพิเศษเท่านั้น
การดูแลสุขภาพ	- AI ร่างบันทึกทางการแพทย์ แนะนำการวินิจฉัยที่แพทย์ตรวจสอบได้ - AI อ่านผลการสแกนบางส่วน (รังสีวิทยา) ภายใต้การกำกับดูแล คัดแยกผู้ป่วยรายง่าย ( ผลิตภัณฑ์ภาพทางการแพทย์ AI อาจเพิ่มขึ้นห้าเท่าภายในปี 2035 )	- AI สามารถวินิจฉัยอาการเจ็บป่วยทั่วไปได้อย่างน่าเชื่อถือ และตีความภาพทางการแพทย์ส่วนใหญ่ - AI ตรวจสอบผู้ป่วยและเริ่มการดูแล (เช่น การแจ้งเตือนการทานยา การแจ้งเตือนฉุกเฉิน) - "พยาบาล" AI เสมือนจริงทำหน้าที่ติดตามผลตามปกติ แพทย์เน้นที่การดูแลที่ซับซ้อน
การศึกษา	- ติวเตอร์ AI ตอบคำถามนักเรียน สร้างปัญหาฝึกฝน (ครูเป็นผู้ควบคุมดูแล) - AI ช่วยในการให้คะแนน (พร้อมการตรวจสอบจากครู) ([Generative AI สำหรับการศึกษาระดับ K-12	รายงานการวิจัยโดย Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
โลจิสติกส์	- AI ช่วยเพิ่มประสิทธิภาพเส้นทางการจัดส่งและการบรรจุ (มนุษย์กำหนดเป้าหมาย) - AI ระบุความเสี่ยงในห่วงโซ่อุปทานและแนะนำวิธีบรรเทา ( กรณีการใช้งาน AI เชิงสร้างสรรค์ชั้นนำในโลจิสติกส์ )	- การจัดส่งสินค้าแบบขับเคลื่อนอัตโนมัติเป็นส่วนใหญ่ (รถบรรทุก โดรน) ซึ่งได้รับการควบคุมโดยตัวควบคุม AI - AI เปลี่ยนเส้นทางการขนส่งโดยอัตโนมัติเพื่อหลีกเลี่ยงการหยุดชะงัก และปรับสินค้าคงคลัง - การประสานงานห่วงโซ่อุปทานแบบครบวงจร (การสั่งซื้อ การจัดจำหน่าย) ที่ได้รับการจัดการโดย AI
การเงิน	- AI สร้างรายงานทางการเงิน/สรุปข่าว (ตรวจสอบโดยมนุษย์) - ที่ปรึกษาอัตโนมัติจัดการพอร์ตโฟลิโอแบบง่าย แชท AI จัดการคำถามของลูกค้า ( Generative AI กำลังมาสู่ภาคการเงิน )	- นักวิเคราะห์ AI จัดทำคำแนะนำการลงทุนและรายงานความเสี่ยงด้วยความแม่นยำสูง - การซื้อขายอัตโนมัติและการปรับสมดุลพอร์ตโฟลิโอภายในขีดจำกัดที่กำหนด - AI อนุมัติสินเชื่อ/การเรียกร้องมาตรฐานโดยอัตโนมัติ มนุษย์จัดการข้อยกเว้น

อ้างอิง:

1. Patterson, Philana. รายงานรายได้อัตโนมัติทวีคูณ สำนักข่าวเอพี (2015) – อธิบายการสร้างรายงานรายได้อัตโนมัติหลายพันฉบับของเอพีโดยไม่ต้องใช้คนเขียน ( รายงานรายได้อัตโนมัติทวีคูณ | สำนักข่าวเอพี )

2. McKinsey & Company สถานการณ์ของ AI ต้นปี 2024: การนำ Gen AI มาใช้เพิ่มขึ้นอย่างรวดเร็วและเริ่มสร้างมูลค่า (2024) – รายงานว่า 65% ขององค์กรใช้ Generative AI เป็นประจำ เพิ่มขึ้นเกือบสองเท่าจากปี 2023 ( สถานการณ์ของ AI ต้นปี 2024 | McKinsey ) และหารือเกี่ยวกับความพยายามในการลดความเสี่ยง ( สถานการณ์ของ AI: แบบสำรวจทั่วโลก | McKinsey )

3. Gartner. Beyond ChatGPT: อนาคตของ AI เชิงสร้างสรรค์สำหรับองค์กร (2023) – คาดการณ์ว่าภายในปี 2030 ภาพยนตร์ฟอร์มยักษ์ 90% อาจสร้างด้วย AI ( กรณีศึกษาการใช้ AI เชิงสร้างสรรค์สำหรับอุตสาหกรรมและองค์กร ) และเน้นย้ำกรณีศึกษาการใช้ AI เชิงสร้างสรรค์ เช่น การออกแบบยา ( กรณีศึกษาการใช้ AI เชิงสร้างสรรค์สำหรับอุตสาหกรรมและองค์กร )

4. Twipe 12 วิธีที่นักข่าวใช้เครื่องมือ AI ในห้องข่าว (2024) – ตัวอย่าง AI ของ “Klara” ในสำนักข่าวแห่งหนึ่งที่เขียนบทความ 11% โดยมีบรรณาธิการเป็นมนุษย์ตรวจสอบเนื้อหา AI ทั้งหมด ( 12 วิธีที่นักข่าวใช้เครื่องมือ AI ในห้องข่าว - Twipe )

5. ข่าว Amazon.com Amazon ปรับปรุงประสบการณ์การรีวิวของลูกค้าด้วย AI (2023) – ประกาศสรุปรีวิวที่สร้างด้วย AI บนหน้าสินค้าเพื่อช่วยเหลือผู้ซื้อ ( Amazon ปรับปรุงประสบการณ์การรีวิวของลูกค้าด้วย AI )

6. Zendesk สถิติการบริการลูกค้าด้วย AI จำนวน 59 รายการสำหรับปี 2025 (2023) – ระบุว่าองค์กร CX มากกว่าสองในสามคิดว่า AI เชิงสร้างสรรค์จะเพิ่ม "ความอบอุ่น" ให้กับบริการ ( สถิติการบริการลูกค้าด้วย AI จำนวน 59 รายการสำหรับปี 2025 ) และคาดการณ์ว่า AI จะเข้ามามีบทบาทในการโต้ตอบกับลูกค้าในที่สุด 100% ( สถิติการบริการลูกค้าด้วย AI จำนวน 59 รายการสำหรับปี 2025 )

7. Futurum Research & SAS. Experience 2030: อนาคตของประสบการณ์ลูกค้า (2019) – ผลสำรวจพบว่าแบรนด์ต่างๆ คาดการณ์ว่าภายในปี 2030 การตัดสินใจเกี่ยวกับการมีส่วนร่วมของลูกค้า ~69% จะทำโดยเครื่องจักรอัจฉริยะ ( เพื่อพลิกโฉมการเปลี่ยนแปลงสู่ CX นักการตลาดต้องทำ 2 สิ่งนี้ )

8. Dataiku กรณีการใช้งาน AI เชิงสร้างสรรค์ชั้นนำในโลจิสติกส์ (2023) – อธิบายว่า GenAI เพิ่มประสิทธิภาพการโหลดอย่างไร (ลดพื้นที่ว่างบนรถบรรทุกประมาณ 30%) ( กรณีการใช้งาน AI เชิงสร้างสรรค์ชั้นนำในโลจิสติกส์ ) และแจ้งเตือนความเสี่ยงในห่วงโซ่อุปทานด้วยการสแกนข่าวสาร

9. นิตยสาร Visual Studio GitHub Copilot ขึ้นแท่นอันดับหนึ่งในรายงานการวิจัยเกี่ยวกับผู้ช่วยโค้ด AI (2024) – สมมติฐานการวางแผนเชิงกลยุทธ์ของ Gartner: ภายในปี 2028 นักพัฒนาองค์กร 90% จะใช้ผู้ช่วยโค้ด AI (เพิ่มขึ้นจาก 14% ในปี 2024) ( GitHub Copilot ขึ้นแท่นอันดับหนึ่งในรายงานการวิจัยเกี่ยวกับผู้ช่วยโค้ด AI -- นิตยสาร Visual Studio )

10. ข่าว Bloomberg แนะนำ BloombergGPT (2023) – รายละเอียดโมเดลพารามิเตอร์ 50B ของ Bloomberg ที่มุ่งเน้นไปที่งานทางการเงิน สร้างขึ้นใน Terminal สำหรับคำถามและคำตอบและการสนับสนุนการวิเคราะห์ ( Generative AI กำลังจะมาสู่ภาคการเงิน )

บทความที่คุณอาจสนใจอ่านหลังจากนี้:

🔗 งานที่ AI ไม่สามารถแทนที่ได้ – และงานใดที่ AI จะเข้ามาแทนที่?
มุมมองระดับโลกเกี่ยวกับภูมิทัศน์งานที่กำลังเปลี่ยนแปลง โดยศึกษาว่าบทบาทใดปลอดภัยจากการหยุดชะงักของ AI และบทบาทใดมีความเสี่ยงสูงสุด

🔗 AI สามารถคาดการณ์ตลาดหุ้นได้หรือไม่?
เจาะลึกความสามารถ ข้อจำกัด และข้อควรพิจารณาทางจริยธรรมในการใช้ AI เพื่อคาดการณ์ตลาดหุ้น

🔗 เราจะนำ Generative AI มาใช้ในการรักษาความปลอดภัยทางไซเบอร์ได้อย่างไร
เรียนรู้ว่า Generative AI ถูกนำไปใช้เพื่อป้องกันภัยคุกคามทางไซเบอร์ได้อย่างไร ตั้งแต่การตรวจจับความผิดปกติไปจนถึงการสร้างแบบจำลองภัยคุกคาม