ไมโครซอฟต์ เผย หมดยุคโมเดล AI ระดับท็อป สู่การใช้โมเดลขนาดย่อมเยา

คุณราล์ฟ ฮอปเตอร์ รองประธานบริหารและประธานเจ้าหน้าที่บริหารฝ่ายรายได้ ไมโครซอฟท์ คุณธนวัฒน์ สุธรรมพันธุ์ กรรมการผู้จัดการใหญ่ บริษัท ไมโครซอฟท์ ประเทศไทย ได้แสดงความเห็นในการ นำเทคโนโลยี AI มาใช้ในการเปลี่ยนแปลงองค์กรในทางปฏิบัติ (Frontier Transformation) อย่างน่าสนใจ ภายในงาน Microsoft AI Tour ดังนี้

การนำเทคโนโลยี AI มาใช้ในองค์กรปัจจุบันได้ก้าวข้ามจากการเป็นเพียงแนวคิดไปสู่การลงมือปฏิบัติจริง จุดโฟกัสของการพัฒนาได้เปลี่ยนจากการตั้งคำถามถึงโครงสร้างพื้นฐานทางเทคโนโลยี ไปสู่การมุ่งเน้นว่าระบบอัจฉริยะเหล่านี้จะเข้ามาช่วยปรับปรุงกระบวนการและผลลัพธ์การทำงานได้อย่างไร

ปัจจัยที่จะชี้วัดความสำเร็จในการประยุกต์ใช้ AI ไม่ได้อยู่ที่ความล้ำหน้าของเครื่องมือเพียงอย่างเดียว เนื่องจากทุกองค์กรเข้าถึงได้เท่าเทียมกัน ความแตกต่างที่แท้จริงในการสร้างความได้เปรียบจึงมาจากชุดข้อมูล (Data) และองค์ความรู้เฉพาะของแต่ละองค์กร ซึ่งเป็นแกนหลักสำคัญที่ระบบใช้เพื่อการประมวลผลและไม่สามารถลอกเลียนแบบกันได้

ทางด้านสถาปัตยกรรมการพัฒนาในยุคถัดไป จะไม่สามารถพึ่งพา AI เพียงโมเดลเดียวรับจบทุกงานได้อีกต่อไป การทำงานแบบ Multimodal ที่เลือกระบบให้เหมาะสมกับฟังก์ชันงานหรืออุตสาหกรรมเฉพาะด้านจึงกลายเป็นมาตรฐานใหม่ ซึ่งเปิดโอกาสให้นักพัฒนาสามารถเลือกเชื่อมต่อกับโมเดลนับหมื่นรูปแบบเพื่อแก้ปัญหาได้อย่างแม่นยำ

การหันมาใช้โมเดลเล็กลง เป็นการเปิดโอกาสให้ธุรกิจขนาดย่อมสามารถพัฒนาระบบ AI Agents หรือแอปพลิเคชันขนาดเล็กขึ้นมาใช้งานเองได้ องค์กรขนาดเล็กสามารถนำ AI มาจัดการปัญหาระบบหลังบ้าน เช่น การตลาด การรายงานทางการเงิน หรือระบบ CRM ความรวดเร็วในการสร้าง Agent เหล่านี้ช่วยลดข้อจำกัดด้านกำลังคนได้อย่างมีประสิทธิภาพ

โครงสร้างของระบบ Agentic AI รุ่นใหม่ถูกออกแบบให้ทำงานร่วมกันอย่างเป็นระบบตั้งแต่ฐานข้อมูลไปจนถึงส่วนติดต่อผู้ใช้ การพัฒนามักประกอบด้วยชั้นการจัดการเวิร์กโฟลว์ข้อมูล ชั้นควบคุมความปลอดภัยและการติดตามระบบ ไปจนถึงชั้นแพลตฟอร์มที่เอื้อให้เกิดการสร้างสรรค์ประสบการณ์และแอปพลิเคชันใหม่ๆ

ในด้านการบริหารจัดการทรัพยากรการประมวลผล โมเดลตัวเล็กจะลดต้นทุนต่อ Token ในการใช้งาน และจะยิ่งลดลงตามการพัฒนาเทคโนโลยี องค์กรยังสามารถควบคุมงบประมาณได้ผ่านการเลือกใช้โมเดลหลายระดับให้ตรงกับความซับซ้อนของงาน โดยไม่จำเป็นต้องพึ่งพาโมเดลขนาดใหญ่ที่มีต้นทุนสูงสำหรับกระบวนการพื้นฐานอีกต่อไป