ປັນຍາປະດິດທີ່ສ້າງສັນສາມາດອີງໃສ່ເຮັດຫຍັງໄດ້ແດ່ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ?

ບົດສະຫຼຸບຜູ້ບໍລິຫານ

ປັນຍາປະດິດທີ່ສ້າງສັນ (AI) - ເທັກໂນໂລຢີທີ່ຊ່ວຍໃຫ້ເຄື່ອງຈັກສາມາດສ້າງຂໍ້ຄວາມ, ຮູບພາບ, ລະຫັດ ແລະ ອື່ນໆ - ໄດ້ມີການເຕີບໂຕຢ່າງໄວວາໃນຊຸມປີມໍ່ໆມານີ້. ເອກະສານສີຂາວສະບັບນີ້ໃຫ້ພາບລວມທີ່ສາມາດເຂົ້າເຖິງໄດ້ກ່ຽວກັບສິ່ງທີ່ AI ທີ່ສ້າງສັນສາມາດ ຢ່າງໜ້າເຊື່ອຖື ໃນປະຈຸບັນໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ, ແລະສິ່ງທີ່ມັນຄາດວ່າຈະເຮັດໃນທົດສະວັດຕໍ່ໄປ. ພວກເຮົາໄດ້ສຳຫຼວດການນຳໃຊ້ຂອງມັນໃນທົ່ວການຂຽນ, ສິລະປະ, ການຂຽນໂປຣແກຣມ, ການບໍລິການລູກຄ້າ, ການດູແລສຸຂະພາບ, ການສຶກສາ, ການຂົນສົ່ງ ແລະ ການເງິນ, ໂດຍເນັ້ນໃຫ້ເຫັນບ່ອນທີ່ AI ດຳເນີນການດ້ວຍຕົນເອງ ແລະ ບ່ອນທີ່ການກວດສອບຂອງມະນຸດຍັງຄົງມີຄວາມສຳຄັນຫຼາຍ. ຕົວຢ່າງໃນໂລກຕົວຈິງໄດ້ຖືກລວມເຂົ້າເພື່ອສະແດງໃຫ້ເຫັນທັງຄວາມສຳເລັດ ແລະ ຂໍ້ຈຳກັດ. ການຄົ້ນພົບທີ່ສຳຄັນລວມມີ:

• ການຮັບຮອງເອົາຢ່າງກວ້າງຂວາງ: ໃນປີ 2024, 65% ຂອງບໍລິສັດທີ່ໄດ້ຮັບການສຳຫຼວດລາຍງານວ່າໄດ້ໃຊ້ AI ທີ່ສ້າງສັນເປັນປະຈຳ - ເກືອບສອງເທົ່າຂອງສ່ວນແບ່ງຈາກປີກ່ອນ ( ສະພາບຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ). ແອັບພລິເຄຊັນກວມເອົາການສ້າງເນື້ອຫາການຕະຫຼາດ, chatbots ການສະໜັບສະໜູນລູກຄ້າ, ການສ້າງລະຫັດ, ແລະອື່ນໆ.

• ຄວາມສາມາດດ້ານອັດຕະໂນມັດໃນປະຈຸບັນ: AI ທີ່ສ້າງສັນໃນປະຈຸບັນສາມາດຈັດການກັບ ໜ້າວຽກທີ່ມີໂຄງສ້າງ ແລະ ຊ້ຳໆໄດ້ ໂດຍມີການກວດກາໜ້ອຍທີ່ສຸດ. ຕົວຢ່າງລວມມີການສ້າງລາຍງານຂ່າວແບບສູດໂດຍອັດຕະໂນມັດ (ເຊັ່ນ: ສະຫຼຸບລາຍໄດ້ຂອງບໍລິສັດ) ( Philana Patterson – ໂປຣໄຟລ໌ຊຸມຊົນ ONA ), ການຜະລິດລາຍລະອຽດຜະລິດຕະພັນ ແລະ ຈຸດເດັ່ນຂອງການທົບທວນໃນເວັບໄຊທ໌ອີຄອມເມີຊ, ແລະ ການຕື່ມຂໍ້ມູນໃສ່ລະຫັດໂດຍອັດຕະໂນມັດ. ໃນຂົງເຂດເຫຼົ່ານີ້, AI ມັກຈະເສີມຂະຫຍາຍແຮງງານຂອງມະນຸດໂດຍການເຂົ້າຄວບຄຸມການສ້າງເນື້ອຫາປົກກະຕິ.

• ມະນຸດໃນວົງວຽນສຳລັບໜ້າວຽກທີ່ສັບສົນ: ສຳລັບໜ້າວຽກທີ່ສັບສົນ ຫຼື ເປີດໃຫ້ໃຊ້ງານຫຼາຍຂຶ້ນ - ເຊັ່ນ: ການຂຽນສ້າງສັນ, ການວິເຄາະລາຍລະອຽດ, ຫຼື ຄຳແນະນຳທາງການແພດ - ການຊີ້ນຳຂອງມະນຸດຍັງເປັນສິ່ງຈໍາເປັນເພື່ອຮັບປະກັນຄວາມຖືກຕ້ອງຂອງຂໍ້ເທັດຈິງ, ການຕັດສິນດ້ານຈັນຍາບັນ, ແລະ ຄຸນນະພາບ. ການນຳໃຊ້ AI ຫຼາຍຢ່າງໃນປະຈຸບັນໃຊ້ຮູບແບບ "ມະນຸດໃນວົງວຽນ" ບ່ອນທີ່ AI ຮ່າງເນື້ອຫາ ແລະ ມະນຸດກວດສອບມັນ.

• ການປັບປຸງໄລຍະສັ້ນ: ໃນໄລຍະ 5-10 ປີຂ້າງໜ້າ, AI ທີ່ສ້າງສັນຄາດວ່າຈະ ມີຄວາມໜ້າເຊື່ອຖື ແລະ ເປັນເອກະລາດ . ຄວາມກ້າວໜ້າໃນຄວາມຖືກຕ້ອງຂອງຮູບແບບ ແລະ ກົນໄກການປ້ອງກັນອາດຈະຊ່ວຍໃຫ້ AI ສາມາດຈັດການວຽກງານສ້າງສັນ ແລະ ການຕັດສິນໃຈໄດ້ຫຼາຍຂຶ້ນດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍທີ່ສຸດ. ຕົວຢ່າງ, ຮອດປີ 2030 ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າ AI ຈະຈັດການການພົວພັນ ແລະ ການຕັດສິນໃຈດ້ານການບໍລິການລູກຄ້າສ່ວນໃຫຍ່ໃນເວລາຈິງ ( ເພື່ອຈິນຕະນາການເຖິງການປ່ຽນໄປສູ່ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງເຫຼົ່ານີ້ ), ແລະ ຮູບເງົາເລື່ອງໃຫຍ່ສາມາດຜະລິດໄດ້ດ້ວຍເນື້ອຫາທີ່ສ້າງຂຶ້ນໂດຍ AI 90% ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ).

• ຮອດປີ 2035: ໃນອີກໜຶ່ງທົດສະວັດ, ພວກເຮົາຄາດຫວັງວ່າ ຕົວແທນ AI ທີ່ເປັນເອກະລາດ ຈະເປັນເລື່ອງທຳມະດາໃນຫຼາຍໆຂົງເຂດ. ຜູ້ສອນ AI ສາມາດໃຫ້ການສຶກສາສ່ວນບຸກຄົນໄດ້ຢ່າງກວ້າງຂວາງ, ຜູ້ຊ່ວຍ AI ອາດຈະຮ່າງສັນຍາທາງກົດໝາຍ ຫຼື ບົດລາຍງານທາງການແພດຢ່າງໜ້າເຊື່ອຖືສຳລັບການລົງນາມຂອງຜູ້ຊ່ຽວຊານ, ແລະ ລະບົບຂັບເຄື່ອນດ້ວຍຕົນເອງ (ໂດຍການຊ່ວຍເຫຼືອຈາກການຈຳລອງແບບສ້າງສັນ) ອາດຈະດຳເນີນການດ້ານການຂົນສົ່ງແບບຄົບວົງຈອນ. ຢ່າງໃດກໍຕາມ, ບາງຂົງເຂດທີ່ລະອຽດອ່ອນ (ເຊັ່ນ: ການວິນິດໄສທາງການແພດທີ່ມີຄວາມສ່ຽງສູງ, ການຕັດສິນໃຈທາງກົດໝາຍສຸດທ້າຍ) ອາດຈະຍັງຕ້ອງການການຕັດສິນຂອງມະນຸດເພື່ອຄວາມປອດໄພ ແລະ ຄວາມຮັບຜິດຊອບ.

• ຄວາມກັງວົນກ່ຽວກັບດ້ານຈັນຍາບັນ ແລະ ຄວາມໜ້າເຊື່ອຖື: ໃນຂະນະທີ່ຄວາມເປັນເອກະລາດຂອງ AI ເພີ່ມຂຶ້ນ, ຄວາມກັງວົນກໍ່ເພີ່ມຂຶ້ນເຊັ່ນກັນ. ບັນຫາຕ່າງໆໃນປະຈຸບັນນີ້ລວມມີ ການຫຼອນ (AI ປະດິດຂໍ້ເທັດຈິງ), ອະຄະຕິໃນເນື້ອຫາທີ່ສ້າງຂຶ້ນ, ການຂາດຄວາມໂປ່ງໃສ, ແລະ ການໃຊ້ໃນທາງທີ່ຜິດເພື່ອຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ. ການຮັບປະກັນວ່າ AI ສາມາດ ເຊື່ອຖືໄດ້ ເມື່ອດຳເນີນການໂດຍບໍ່ມີການກວດສອບແມ່ນສິ່ງສຳຄັນທີ່ສຸດ. ມີຄວາມຄືບໜ້າ - ຕົວຢ່າງ, ອົງກອນຕ່າງໆກຳລັງລົງທຶນຫຼາຍຂຶ້ນໃນການຫຼຸດຜ່ອນຄວາມສ່ຽງ (ການແກ້ໄຂຄວາມຖືກຕ້ອງ, ຄວາມປອດໄພທາງໄຊເບີ, ບັນຫາຊັບສິນທາງປັນຍາ) ( ສະພາບຂອງ AI: ການສຳຫຼວດທົ່ວໂລກ | McKinsey ) - ແຕ່ຕ້ອງມີການຄຸ້ມຄອງທີ່ເຂັ້ມແຂງ ແລະ ກອບດ້ານຈັນຍາບັນ.

• ໂຄງສ້າງຂອງເອກະສານສະບັບນີ້: ພວກເຮົາເລີ່ມຕົ້ນດ້ວຍການແນະນຳກ່ຽວກັບ AI ທີ່ສ້າງສັນ ແລະ ແນວຄວາມຄິດຂອງການນຳໃຊ້ແບບອັດຕະໂນມັດ ທຽບກັບ ການນຳໃຊ້ພາຍໃຕ້ການຊີ້ນຳ. ຫຼັງຈາກນັ້ນ, ສຳລັບແຕ່ລະຂົງເຂດຫຼັກ (ການຂຽນ, ສິລະປະ, ການຂຽນໂປຣແກຣມ, ແລະອື່ນໆ), ພວກເຮົາສົນທະນາກ່ຽວກັບສິ່ງທີ່ AI ສາມາດເຮັດໄດ້ຢ່າງໜ້າເຊື່ອຖືໃນມື້ນີ້ ທຽບກັບສິ່ງທີ່ຈະເກີດຂຶ້ນໃນອະນາຄົດ. ພວກເຮົາສະຫຼຸບດ້ວຍສິ່ງທ້າທາຍທີ່ຫຼາກຫຼາຍ, ການຄາດຄະເນໃນອະນາຄົດ, ແລະ ຄຳແນະນຳສຳລັບການນຳໃຊ້ AI ທີ່ສ້າງສັນຢ່າງມີຄວາມຮັບຜິດຊອບ.

ໂດຍລວມແລ້ວ, AI ທີ່ສ້າງສັນໄດ້ພິສູດໃຫ້ເຫັນແລ້ວວ່າສາມາດຈັດການກັບໜ້າວຽກທີ່ໜ້າປະຫລາດໃຈຫຼາຍຢ່າງໂດຍບໍ່ມີການຊີ້ນຳຈາກມະນຸດຢ່າງຕໍ່ເນື່ອງ. ໂດຍການເຂົ້າໃຈຂໍ້ຈຳກັດໃນປະຈຸບັນ ແລະ ທ່າແຮງໃນອະນາຄົດ, ອົງກອນ ແລະ ສາທາລະນະຊົນສາມາດກະກຽມຕົວໄດ້ດີຂຶ້ນສຳລັບຍຸກສະໄໝທີ່ AI ບໍ່ພຽງແຕ່ເປັນເຄື່ອງມືເທົ່ານັ້ນ, ແຕ່ຍັງເປັນຜູ້ຮ່ວມມືທີ່ເປັນເອກະລາດໃນການເຮັດວຽກ ແລະ ຄວາມຄິດສ້າງສັນ.

ບົດນຳ

ປັນຍາປະດິດສາມາດ ວິເຄາະ ຂໍ້ມູນໄດ້ດົນແລ້ວ, ແຕ່ເມື່ອບໍ່ດົນມານີ້ລະບົບ AI ໄດ້ຮຽນຮູ້ທີ່ຈະ ສ້າງ - ການຂຽນບົດຂຽນ, ການແຕ່ງຮູບພາບ, ຊອບແວການຂຽນໂປຣແກຣມ, ແລະອື່ນໆ. AI ທີ່ສ້າງສັນ (ເຊັ່ນ GPT-4 ສຳລັບຂໍ້ຄວາມ ຫຼື DALL·E ສຳລັບຮູບພາບ) ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນຂະໜາດໃຫຍ່ເພື່ອຜະລິດເນື້ອຫາໃໝ່ເພື່ອຕອບສະໜອງຕໍ່ການກະຕຸ້ນ. ຄວາມກ້າວໜ້ານີ້ໄດ້ປ່ອຍຄື້ນແຫ່ງນະວັດຕະກຳໃນທົ່ວອຸດສາຫະກຳຕ່າງໆ. ຢ່າງໃດກໍຕາມ, ຄຳຖາມທີ່ສຳຄັນເກີດຂຶ້ນ: ພວກເຮົາສາມາດໄວ້ວາງໃຈ AI ໃຫ້ເຮັດຫຍັງໄດ້ແດ່ໂດຍທີ່ມະນຸດບໍ່ກວດສອບຜົນຜະລິດຂອງມັນຄືນໃໝ່?

ເພື່ອຕອບຄຳຖາມນີ້, ມັນເປັນສິ່ງສຳຄັນທີ່ຈະຕ້ອງຈຳແນກລະຫວ່າງ ການນຳໃຊ້ AI ການຊີ້ນຳ ແລະ ແບບອັດຕະໂນມັດ

• AI ພາຍໃຕ້ການຊີ້ນຳຂອງມະນຸດ ໝາຍເຖິງສະຖານະການທີ່ຜົນຜະລິດຂອງ AI ຖືກກວດສອບ ຫຼື ຄັດສັນໂດຍມະນຸດກ່ອນທີ່ຈະສຳເລັດ. ຕົວຢ່າງ, ນັກຂ່າວອາດຈະໃຊ້ຜູ້ຊ່ວຍຂຽນຂອງ AI ເພື່ອຮ່າງບົດຄວາມ, ແຕ່ບັນນາທິການຈະແກ້ໄຂ ແລະ ອະນຸມັດມັນ.

• AI ແບບອັດຕະໂນມັດ (AI ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ) ໝາຍເຖິງລະບົບ AI ທີ່ປະຕິບັດໜ້າວຽກ ຫຼື ຜະລິດເນື້ອຫາທີ່ນຳໃຊ້ໂດຍກົງໂດຍມີການແກ້ໄຂຂອງມະນຸດໜ້ອຍ ຫຼື ບໍ່ມີເລີຍ. ຕົວຢ່າງຄື chatbot ອັດຕະໂນມັດທີ່ແກ້ໄຂຄຳຖາມຂອງລູກຄ້າໂດຍບໍ່ມີຕົວແທນຂອງມະນຸດ, ຫຼື ສຳນັກຂ່າວທີ່ເຜີຍແຜ່ສະຫຼຸບຄະແນນກິລາທີ່ສ້າງຂຶ້ນໂດຍ AI ໂດຍອັດຕະໂນມັດ.

AI ທີ່ສ້າງສັນໄດ້ຖືກນຳໃຊ້ແລ້ວໃນທັງສອງຮູບແບບ. ໃນປີ 2023-2025, ການຮັບຮອງເອົາໄດ້ເພີ່ມຂຶ້ນຢ່າງໄວວາ , ໂດຍອົງກອນຕ່າງໆກຳລັງທົດລອງຢ່າງກະຕືລືລົ້ນ. ການສຳຫຼວດທົ່ວໂລກໃນປີ 2024 ພົບວ່າ 65% ຂອງບໍລິສັດກຳລັງໃຊ້ AI ທີ່ສ້າງສັນເປັນປະຈຳ, ເພີ່ມຂຶ້ນຈາກປະມານໜຶ່ງສ່ວນສາມພຽງແຕ່ໜຶ່ງປີກ່ອນ ( ສະພາບຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ). ບຸກຄົນທົ່ວໄປກໍ່ໄດ້ຮັບເອົາເຄື່ອງມືເຊັ່ນ ChatGPT - ຄາດຄະເນວ່າ 79% ຂອງຜູ້ຊ່ຽວຊານມີປະສົບການຢ່າງໜ້ອຍກັບ AI ທີ່ສ້າງສັນພາຍໃນກາງປີ 2023 ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ AI ທີ່ສ້າງສັນ | McKinsey ). ການຮັບເອົາຢ່າງໄວວານີ້ແມ່ນຂັບເຄື່ອນໂດຍຄຳສັນຍາຂອງປະສິດທິພາບແລະຄວາມຄິດສ້າງສັນທີ່ເພີ່ມຂຶ້ນ. ແຕ່ມັນຍັງຄົງເປັນ "ມື້ເລີ່ມຕົ້ນ," ແລະບໍລິສັດຫຼາຍແຫ່ງຍັງຄົງສ້າງນະໂຍບາຍກ່ຽວກັບວິທີການນຳໃຊ້ AI ຢ່າງມີຄວາມຮັບຜິດຊອບ ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ AI ທີ່ສ້າງສັນ | McKinsey ).

ເປັນຫຍັງຄວາມເປັນເອກະລາດຈຶ່ງມີຄວາມສຳຄັນ: ການໃຫ້ AI ເຮັດວຽກໂດຍບໍ່ມີການຄວບຄຸມຂອງມະນຸດສາມາດປົດລັອກຜົນປະໂຫຍດດ້ານປະສິດທິພາບອັນໃຫຍ່ຫຼວງ - ອັດຕະໂນມັດວຽກງານທີ່ໜ້າເບື່ອທັງໝົດ - ແຕ່ມັນຍັງເພີ່ມຄວາມສ່ຽງສຳລັບຄວາມໜ້າເຊື່ອຖື. ຕົວແທນ AI ທີ່ເປັນເອກະລາດຕ້ອງເຮັດສິ່ງຕ່າງໆໃຫ້ຖືກຕ້ອງ (ຫຼືຮູ້ຂໍ້ຈຳກັດຂອງມັນ) ເພາະວ່າອາດຈະບໍ່ມີມະນຸດໃນເວລາຈິງເພື່ອຈັບຄວາມຜິດພາດ. ບາງວຽກງານໃຫ້ຕົວເອງເຮັດແບບນີ້ຫຼາຍກວ່າວຽກງານອື່ນໆ. ໂດຍທົ່ວໄປ, AI ເຮັດວຽກໄດ້ດີທີ່ສຸດໂດຍອັດຕະໂນມັດເມື່ອ:

• ໜ້າວຽກມີ ໂຄງສ້າງ ຫຼື ຮູບແບບທີ່ຊັດເຈນ (ຕົວຢ່າງ: ການສ້າງລາຍງານປົກກະຕິຈາກຂໍ້ມູນ).

• ຄວາມຜິດພາດມີຄວາມສ່ຽງຕໍ່າ ຫຼື ຍອມຮັບໄດ້ງ່າຍ (ເຊັ່ນ: ການສ້າງຮູບພາບທີ່ສາມາດຍົກເລີກໄດ້ຖ້າບໍ່ເປັນທີ່ໜ້າພໍໃຈ, ທຽບກັບການວິນິດໄສທາງການແພດ).

• ມີ ຂໍ້ມູນການຝຶກອົບຮົມ ທີ່ກວມເອົາສະຖານະການຕ່າງໆ, ດັ່ງນັ້ນຜົນຜະລິດຂອງ AI ຈຶ່ງອີງໃສ່ຕົວຢ່າງຕົວຈິງ (ຫຼຸດຜ່ອນການຄາດເດົາ).

ໃນທາງກົງກັນຂ້າມ, ວຽກງານທີ່ ເປີດກວ້າງ , ມີຄວາມສ່ຽງສູງ , ຫຼື ຕ້ອງການການຕັດສິນຢ່າງລະອຽດອ່ອນ ແມ່ນບໍ່ເໝາະສົມກັບການບໍ່ມີການຕິດຕາມກວດກາໃນທຸກມື້ນີ້.

ໃນພາກຕໍ່ໄປນີ້, ພວກເຮົາຈະກວດສອບຫຼາຍໆຂົງເຂດເພື່ອເບິ່ງວ່າ AI ທີ່ສ້າງສັນກຳລັງເຮັດຫຍັງຢູ່ໃນປັດຈຸບັນ ແລະ ມີຫຍັງຕໍ່ໄປ. ພວກເຮົາຈະພິຈາລະນາຕົວຢ່າງທີ່ເປັນຮູບປະທຳ - ຕັ້ງແຕ່ບົດຂ່າວທີ່ຂຽນໂດຍ AI ແລະ ຜົນງານສິລະປະທີ່ສ້າງຂຶ້ນໂດຍ AI, ຈົນເຖິງຜູ້ຊ່ວຍຂຽນລະຫັດ ແລະ ຕົວແທນບໍລິການລູກຄ້າແບບເສມືນ - ໂດຍເນັ້ນໃຫ້ເຫັນວ່າໜ້າວຽກໃດທີ່ AI ສາມາດເຮັດໄດ້ຕັ້ງແຕ່ຕົ້ນຈົນຈົບ ແລະ ໜ້າວຽກໃດຍັງຕ້ອງການມະນຸດຢູ່ໃນວົງຈອນ. ສຳລັບແຕ່ລະຂົງເຂດ, ພວກເຮົາແຍກຄວາມສາມາດໃນປະຈຸບັນ (ປະມານປີ 2025) ອອກຈາກການຄາດຄະເນທີ່ເປັນຈິງຂອງສິ່ງທີ່ສາມາດເຊື່ອຖືໄດ້ພາຍໃນປີ 2035.

ໂດຍການວາງແຜນປະຈຸບັນ ແລະ ອະນາຄົດຂອງ AI ທີ່ເປັນເອກະລາດໃນທົ່ວຂົງເຂດຕ່າງໆ, ພວກເຮົາມີຈຸດປະສົງເພື່ອໃຫ້ຜູ້ອ່ານມີຄວາມເຂົ້າໃຈທີ່ສົມດຸນ: ບໍ່ໂຄສະນາ AI ຫຼາຍເກີນໄປວ່າບໍ່ມີຂໍ້ຜິດພາດຢ່າງມະຫັດສະຈັນ, ຫຼື ປະເມີນຄວາມສາມາດທີ່ແທ້ຈິງ ແລະ ກຳລັງເຕີບໃຫຍ່ຂອງມັນຕໍ່າເກີນໄປ. ດ້ວຍພື້ນຖານນີ້, ຫຼັງຈາກນັ້ນພວກເຮົາຈະປຶກສາຫາລືກ່ຽວກັບສິ່ງທ້າທາຍທີ່ສຳຄັນໃນການໄວ້ວາງໃຈ AI ໂດຍບໍ່ມີການຊີ້ນຳ, ລວມທັງການພິຈາລະນາດ້ານຈັນຍາບັນ ແລະ ການຄຸ້ມຄອງຄວາມສ່ຽງ, ກ່ອນທີ່ຈະສະຫຼຸບດ້ວຍບົດຮຽນທີ່ສຳຄັນ.

AI ທີ່ສ້າງສັນໃນການຂຽນ ແລະ ການສ້າງເນື້ອຫາ

ໜຶ່ງໃນຂົງເຂດທຳອິດທີ່ AI ທີ່ສ້າງສັນໄດ້ສ້າງຄວາມປະທັບໃຈຄືການສ້າງຂໍ້ຄວາມ. ຮູບແບບພາສາຂະໜາດໃຫຍ່ສາມາດຜະລິດທຸກຢ່າງໄດ້ຕັ້ງແຕ່ບົດຄວາມຂ່າວ ແລະ ສຳເນົາການຕະຫຼາດ ຈົນເຖິງໂພສສື່ສັງຄົມ ແລະ ບົດສະຫຼຸບເອກະສານ. ແຕ່ການຂຽນນີ້ສາມາດເຮັດໄດ້ຫຼາຍປານໃດໂດຍບໍ່ມີບັນນາທິການທີ່ເປັນມະນຸດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ເປັນຜູ້ຂຽນເນື້ອຫາປະຈຳໂດຍອັດຕະໂນມັດ

ວຽກງານການຂຽນປະຈຳວັນ ທີ່ຫຼາກຫຼາຍໄດ້ຢ່າງໜ້າເຊື່ອຖື ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດໜ້ອຍທີ່ສຸດ ຫຼື ບໍ່ມີການແຊກແຊງຈາກມະນຸດເລີຍ. ຕົວຢ່າງທີ່ດີແມ່ນໃນວົງການຂ່າວ: Associated Press ໄດ້ໃຊ້ລະບົບອັດຕະໂນມັດເປັນເວລາຫຼາຍປີເພື່ອສ້າງລາຍງານລາຍໄດ້ຂອງບໍລິສັດຫຼາຍພັນລາຍງານໃນແຕ່ລະໄຕມາດໂດຍກົງຈາກຟີດຂໍ້ມູນທາງການເງິນ ( Philana Patterson – ໂປຣໄຟລ໌ຊຸມຊົນ ONA ). ບົດຄວາມຂ່າວສັ້ນເຫຼົ່ານີ້ປະຕິບັດຕາມແມ່ແບບ (ເຊັ່ນ “ບໍລິສັດ X ລາຍງານລາຍໄດ້ຂອງ Y, ເພີ່ມຂຶ້ນ Z%...”) ແລະ AI (ໂດຍໃຊ້ຊອບແວສ້າງພາສາທຳມະຊາດ) ສາມາດຕື່ມຂໍ້ມູນຕົວເລກ ແລະ ຄຳເວົ້າໄດ້ໄວກວ່າມະນຸດຄົນໃດຄົນໜຶ່ງ. ລະບົບຂອງ AP ເຜີຍແຜ່ລາຍງານເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດ, ຂະຫຍາຍການຄອບຄຸມຂອງພວກມັນຢ່າງຫຼວງຫຼາຍ (ຫຼາຍກວ່າ 3,000 ເລື່ອງຕໍ່ໄຕມາດ) ໂດຍບໍ່ຕ້ອງມີນັກຂຽນທີ່ເປັນມະນຸດ ( ເລື່ອງລາຍໄດ້ອັດຕະໂນມັດຄູນ | The Associated Press ).

ວາລະສານກິລາກໍ່ໄດ້ຮັບການຍົກລະດັບເຊັ່ນດຽວກັນ: ລະບົບ AI ສາມາດເອົາສະຖິຕິເກມກິລາ ແລະ ສ້າງເລື່ອງລາວສະຫຼຸບໄດ້. ເນື່ອງຈາກວ່າໂດເມນເຫຼົ່ານີ້ແມ່ນຂັບເຄື່ອນດ້ວຍຂໍ້ມູນ ແລະ ເປັນສູດ, ຄວາມຜິດພາດຈຶ່ງຫາຍາກຕາບໃດທີ່ຂໍ້ມູນຖືກຕ້ອງ. ໃນກໍລະນີເຫຼົ່ານີ້, ພວກເຮົາເຫັນ ຄວາມເປັນເອກະລາດທີ່ແທ້ຈິງ - AI ຂຽນ ແລະ ເນື້ອຫາຈະຖືກເຜີຍແຜ່ທັນທີ.

ທຸລະກິດຕ່າງໆຍັງໃຊ້ AI ທີ່ສ້າງສັນເພື່ອຮ່າງລາຍລະອຽດຜະລິດຕະພັນ, ຈົດໝາຍຂ່າວທາງອີເມວ, ແລະເນື້ອຫາການຕະຫຼາດອື່ນໆ. ຕົວຢ່າງ, ບໍລິສັດອີຄອມເມີຊຍັກໃຫຍ່ Amazon ໃນປັດຈຸບັນໃຊ້ AI ເພື່ອສະຫຼຸບການທົບທວນຄືນຂອງລູກຄ້າສຳລັບຜະລິດຕະພັນ. AI ສະແກນຂໍ້ຄວາມຂອງການທົບທວນຄືນສ່ວນບຸກຄົນຫຼາຍໆຄັ້ງ ແລະສ້າງວັກທີ່ໂດດເດັ່ນສັ້ນໆກ່ຽວກັບສິ່ງທີ່ຄົນມັກ ຫຼື ບໍ່ມັກກ່ຽວກັບລາຍການ, ເຊິ່ງຫຼັງຈາກນັ້ນຈະສະແດງຢູ່ໃນໜ້າຜະລິດຕະພັນໂດຍບໍ່ມີການແກ້ໄຂດ້ວຍຕົນເອງ ( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ). ຂ້າງລຸ່ມນີ້ແມ່ນຕົວຢ່າງ ຂອງຄຸນສົມບັດນີ້ທີ່ນຳໃຊ້ໃນແອັບມືຖືຂອງ Amazon, ບ່ອນທີ່ພາກສ່ວນ "ລູກຄ້າເວົ້າ" ຖືກສ້າງຂຶ້ນທັງໝົດໂດຍ AI ຈາກຂໍ້ມູນການທົບທວນຄືນ:

( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ) ສະຫຼຸບການທົບທວນຄືນທີ່ສ້າງຂຶ້ນໂດຍ AI ໃນໜ້າຜະລິດຕະພັນອີຄອມເມີຊ. ລະບົບຂອງ Amazon ສະຫຼຸບຈຸດທົ່ວໄປຈາກການທົບທວນຄືນຂອງຜູ້ໃຊ້ (ເຊັ່ນ: ຄວາມສະດວກໃນການນໍາໃຊ້, ປະສິດທິພາບ) ເຂົ້າໃນວັກສັ້ນໆ, ສະແດງໃຫ້ຜູ້ຊື້ເຫັນວ່າ "AI ສ້າງຂຶ້ນຈາກຂໍ້ຄວາມຂອງການທົບທວນຄືນຂອງລູກຄ້າ."

ກໍລະນີການນຳໃຊ້ດັ່ງກ່າວສະແດງໃຫ້ເຫັນວ່າ ເມື່ອເນື້ອຫາປະຕິບັດຕາມຮູບແບບທີ່ຄາດເດົາໄດ້ ຫຼື ຖືກລວບລວມມາຈາກຂໍ້ມູນທີ່ມີຢູ່ແລ້ວ, AI ມັກຈະສາມາດຈັດການມັນໄດ້ດ້ວຍຕົວມັນເອງ . ຕົວຢ່າງອື່ນໆໃນປະຈຸບັນລວມມີ:

• ການອັບເດດສະພາບອາກາດ ແລະ ການຈະລາຈອນ: ສື່ມວນຊົນທີ່ໃຊ້ AI ເພື່ອລວບລວມລາຍງານສະພາບອາກາດປະຈຳວັນ ຫຼື ແຈ້ງການການຈະລາຈອນໂດຍອີງໃສ່ຂໍ້ມູນເຊັນເຊີ.

• ບົດລາຍງານທາງການເງິນ: ບໍລິສັດຕ່າງໆສ້າງບົດສະຫຼຸບທາງການເງິນທີ່ຊັດເຈນ (ຜົນໄດ້ຮັບປະຈຳໄຕມາດ, ການສະຫຼຸບຕະຫຼາດຫຼັກຊັບ) ໂດຍອັດຕະໂນມັດ. ນັບຕັ້ງແຕ່ປີ 2014, Bloomberg ແລະ ສຳນັກຂ່າວອື່ນໆໄດ້ໃຊ້ AI ເພື່ອຊ່ວຍໃນການຂຽນຂ່າວກ່ຽວກັບລາຍໄດ້ຂອງບໍລິສັດ - ຂະບວນການທີ່ເຮັດວຽກໂດຍອັດຕະໂນມັດເມື່ອຂໍ້ມູນຖືກປ້ອນເຂົ້າ ( 'ນັກຂ່າວຫຸ່ນຍົນ' ຂອງ AP ກຳລັງຂຽນເລື່ອງຂອງຕົນເອງດຽວນີ້ | The Verge ) ( ນັກຂ່າວ Wyoming ຖືກຈັບໄດ້ວ່າໃຊ້ AI ເພື່ອສ້າງຄຳເວົ້າປອມ, ເລື່ອງລາວ ).

• ການແປພາສາ ແລະ ການຖອດຂໍ້ຄວາມ: ການບໍລິການຖອດຂໍ້ຄວາມໃນປັດຈຸບັນໃຊ້ AI ເພື່ອສ້າງບົດບັນທຶກການປະຊຸມ ຫຼື ຄຳບັນຍາຍໂດຍບໍ່ມີພະນັກງານພິມທີ່ເປັນມະນຸດ. ໃນຂະນະທີ່ບໍ່ແມ່ນການສ້າງຜົນງານໃນແງ່ສ້າງສັນ, ວຽກງານພາສາເຫຼົ່ານີ້ຈະດຳເນີນໄປໂດຍອັດຕະໂນມັດດ້ວຍຄວາມແມ່ນຍຳສູງເພື່ອໃຫ້ໄດ້ສຽງທີ່ຊັດເຈນ.

• ການສ້າງຮ່າງ: ຜູ້ຊ່ຽວຊານຫຼາຍຄົນໃຊ້ເຄື່ອງມືຕ່າງໆເຊັ່ນ ChatGPT ເພື່ອຮ່າງອີເມວ ຫຼື ເອກະສານສະບັບທຳອິດ, ບາງຄັ້ງກໍ່ສົ່ງພວກມັນໂດຍມີການແກ້ໄຂໜ້ອຍຫຼາຍ ຫຼື ບໍ່ມີການແກ້ໄຂເລີຍ ຖ້າເນື້ອຫາມີຄວາມສ່ຽງຕ່ຳ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ສຳລັບການຂຽນບົດຄວາມທີ່ສັບສົນກວ່າ, ການເບິ່ງແຍງຂອງມະນຸດຍັງຄົງເປັນມາດຕະຖານໃນປີ 2025. ອົງການຂ່າວບໍ່ຄ່ອຍຈະເຜີຍແຜ່ບົດຄວາມສືບສວນ ຫຼື ວິເຄາະໂດຍກົງຈາກ AI - ບັນນາທິການຈະກວດສອບຄວາມຈິງ ແລະ ປັບປຸງຮ່າງທີ່ຂຽນໂດຍ AI. AI ສາມາດ ລອກແບບ ແລະ ໂຄງສ້າງ ໄດ້ດີ ແຕ່ອາດຈະນຳສະເໜີຂໍ້ຜິດພາດທາງຂໍ້ເທັດຈິງ (ມັກເອີ້ນວ່າ "ພາບຫຼອນ") ຫຼື ປະໂຫຍກທີ່ງຸ່ມງ່າມທີ່ມະນຸດຕ້ອງການຈັບ. ຕົວຢ່າງ, ໜັງສືພິມເຢຍລະມັນ Express ໄດ້ແນະນຳ "ເພື່ອນຮ່ວມງານດິຈິຕອນ" AI ຊື່ Klara ເພື່ອຊ່ວຍຂຽນບົດຄວາມຂ່າວເບື້ອງຕົ້ນ. Klara ສາມາດຮ່າງລາຍງານກິລາໄດ້ຢ່າງມີປະສິດທິພາບ ແລະ ແມ່ນແຕ່ຂຽນຫົວຂໍ້ຂ່າວທີ່ດຶງດູດຜູ້ອ່ານ, ປະກອບສ່ວນເຖິງ 11% ຂອງບົດຄວາມຂອງ Express - ແຕ່ ບັນນາທິການທີ່ເປັນມະນຸດຍັງທົບທວນທຸກໆບົດຄວາມເພື່ອຄວາມຖືກຕ້ອງ ແລະ ຄວາມຊື່ສັດຂອງນັກຂ່າວ, ໂດຍສະເພາະກ່ຽວກັບເລື່ອງທີ່ສັບສົນ ( 12 ວິທີທີ່ນັກຂ່າວໃຊ້ເຄື່ອງມື AI ໃນຫ້ອງຂ່າວ - Twipe ). ການຮ່ວມມືລະຫວ່າງມະນຸດ ແລະ AI ນີ້ແມ່ນເປັນເລື່ອງທຳມະດາໃນປະຈຸບັນ: AI ຈັດການກັບວຽກໜັກຂອງການສ້າງຂໍ້ຄວາມ, ແລະ ມະນຸດຄັດເລືອກ ແລະ ແກ້ໄຂຕາມຄວາມຕ້ອງການ.

ທັດສະນະສຳລັບປີ 2030-2035: ສູ່ການຂຽນດ້ວຍຕົນເອງທີ່ເຊື່ອຖືໄດ້

ໃນໄລຍະທົດສະວັດຕໍ່ໄປ, ພວກເຮົາຄາດຫວັງວ່າ AI ທີ່ສ້າງສັນຈະກາຍເປັນທີ່ໜ້າເຊື່ອຖືໄດ້ຫຼາຍຂຶ້ນໃນການສ້າງຂໍ້ຄວາມທີ່ມີຄຸນນະພາບສູງ ແລະ ຖືກຕ້ອງຕາມຄວາມເປັນຈິງ, ເຊິ່ງຈະຂະຫຍາຍຂອບເຂດວຽກງານການຂຽນທີ່ມັນສາມາດຈັດການໄດ້ດ້ວຍຕົນເອງ. ແນວໂນ້ມຫຼາຍຢ່າງສະໜັບສະໜູນສິ່ງນີ້:

• ປັບປຸງຄວາມຖືກຕ້ອງ: ການຄົ້ນຄວ້າຢ່າງຕໍ່ເນື່ອງກຳລັງຫຼຸດຜ່ອນແນວໂນ້ມຂອງ AI ໃນການຜະລິດຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ບໍ່ກ່ຽວຂ້ອງຢ່າງໄວວາ. ຮອດປີ 2030, ຮູບແບບພາສາທີ່ກ້າວໜ້າດ້ວຍການຝຶກອົບຮົມທີ່ດີກວ່າ (ລວມທັງເຕັກນິກການກວດສອບຂໍ້ເທັດຈິງທຽບກັບຖານຂໍ້ມູນໃນເວລາຈິງ) ສາມາດບັນລຸການກວດສອບຂໍ້ເທັດຈິງໃນລະດັບເກືອບມະນຸດພາຍໃນ. ນີ້ໝາຍຄວາມວ່າ AI ອາດຈະຮ່າງບົດຄວາມຂ່າວເຕັມທີ່ມີຄຳເວົ້າທີ່ຖືກຕ້ອງ ແລະ ສະຖິຕິທີ່ດຶງມາຈາກແຫຼ່ງຂໍ້ມູນໂດຍອັດຕະໂນມັດ, ເຊິ່ງຕ້ອງການການແກ້ໄຂໜ້ອຍ.

• AI ສະເພາະໂດເມນ: ພວກເຮົາຈະເຫັນຮູບແບບການສ້າງແບບຈຳລອງທີ່ມີຄວາມຊ່ຽວຊານຫຼາຍຂຶ້ນທີ່ໄດ້ຮັບການປັບແຕ່ງໃຫ້ເໝາະສົມກັບບາງຂົງເຂດ (ກົດໝາຍ, ການແພດ, ການຂຽນດ້ານວິຊາການ). ຮູບແບບ AI ທາງກົດໝາຍຂອງປີ 2030 ອາດຈະຮ່າງສັນຍາມາດຕະຖານ ຫຼື ສະຫຼຸບກົດໝາຍກໍລະນີໄດ້ຢ່າງໜ້າເຊື່ອຖື - ວຽກງານທີ່ມີໂຄງສ້າງແບບສູດແຕ່ປະຈຸບັນຕ້ອງການເວລາຂອງທະນາຍຄວາມ. ຖ້າ AI ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບເອກະສານທາງກົດໝາຍທີ່ໄດ້ຮັບການຢືນຢັນ, ຮ່າງຂອງມັນອາດຈະໜ້າເຊື່ອຖືໄດ້ພຽງພໍທີ່ທະນາຍຄວາມຈະເບິ່ງໄດ້ໄວເທົ່ານັ້ນ.

• ແບບທຳມະຊາດ ແລະ ຄວາມສອດຄ່ອງ: ຮູບແບບຕ່າງໆກຳລັງດີຂຶ້ນໃນການຮັກສາສະພາບການໃນເອກະສານຍາວໆ, ເຊິ່ງນຳໄປສູ່ເນື້ອຫາຮູບແບບຍາວທີ່ສອດຄ່ອງ ແລະ ຊັດເຈນຫຼາຍຂຶ້ນ. ຮອດປີ 2035, ມັນເປັນໄປໄດ້ວ່າ AI ສາມາດຂຽນຮ່າງທຳອິດທີ່ດີຂອງປຶ້ມທີ່ບໍ່ແມ່ນນິຍາຍ ຫຼື ຄູ່ມືດ້ານວິຊາການດ້ວຍຕົວມັນເອງ, ໂດຍມະນຸດມີບົດບາດຫຼັກໃນການໃຫ້ຄຳປຶກສາ (ເພື່ອກຳນົດເປົ້າໝາຍ ຫຼື ໃຫ້ຄວາມຮູ້ພິເສດ).

ໃນທາງປະຕິບັດແລ້ວສິ່ງນີ້ອາດຈະເປັນແນວໃດ? ວາລະສານປະຈຳວັນ ອາດຈະກາຍເປັນອັດຕະໂນມັດເກືອບທັງໝົດສຳລັບບາງຈັງຫວະ. ພວກເຮົາອາດຈະເຫັນອົງການຂ່າວໃນປີ 2030 ມີລະບົບ AI ຂຽນບົດລາຍງານລາຍໄດ້, ເລື່ອງກິລາ, ຫຼືການອັບເດດຜົນການເລືອກຕັ້ງຄັ້ງທຳອິດ, ໂດຍບັນນາທິການຈະເກັບຕົວຢ່າງພຽງແຕ່ສອງສາມອັນເພື່ອຮັບປະກັນຄຸນນະພາບ. ແທ້ຈິງແລ້ວ, ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າສ່ວນແບ່ງເນື້ອຫາອອນໄລນ໌ທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆຈະຖືກສ້າງຂຶ້ນໂດຍເຄື່ອງຈັກ - ການຄາດຄະເນທີ່ກ້າຫານອັນໜຶ່ງໂດຍນັກວິເຄາະອຸດສາຫະກຳແນະນຳວ່າ ເຖິງ 90% ຂອງເນື້ອຫາອອນໄລນ໌ສາມາດຖືກສ້າງຂຶ້ນໂດຍ AI ພາຍໃນປີ 2026 ( ພາຍໃນປີ 2026, ເນື້ອຫາອອນໄລນ໌ທີ່ສ້າງຂຶ້ນໂດຍຄົນທີ່ບໍ່ແມ່ນມະນຸດຈະມີຈຳນວນຫຼາຍກວ່າເນື້ອຫາທີ່ສ້າງຂຶ້ນໂດຍມະນຸດຢ່າງຫຼວງຫຼາຍ - OODAloop ), ເຖິງແມ່ນວ່າຕົວເລກນັ້ນຍັງຖືກໂຕ້ວາທີກັນ. ເຖິງແມ່ນວ່າຜົນໄດ້ຮັບທີ່ອະນຸລັກຫຼາຍກວ່ານັ້ນກໍ່ໝາຍຄວາມວ່າໃນກາງຊຸມປີ 2030, ບົດຄວາມເວັບປະຈຳວັນສ່ວນໃຫຍ່, ສຳເນົາຜະລິດຕະພັນ, ແລະບາງທີອາດຈະແມ່ນແຕ່ຟີດຂ່າວສ່ວນຕົວແມ່ນຂຽນໂດຍ AI.

ໃນດ້ານ ການຕະຫຼາດ ແລະ ການສື່ສານຂອງບໍລິສັດ , AI ທີ່ສ້າງສັນອາດຈະຖືກມອບໝາຍໃຫ້ດຳເນີນການໂຄສະນາທັງໝົດດ້ວຍຕົນເອງ. ມັນສາມາດສ້າງ ແລະ ສົ່ງອີເມວການຕະຫຼາດສ່ວນບຸກຄົນ, ໂພສສື່ສັງຄົມອອນລາຍ, ແລະ ການປ່ຽນແປງຂໍ້ຄວາມໂຄສະນາ, ປັບປຸງຂໍ້ຄວາມຢ່າງຕໍ່ເນື່ອງໂດຍອີງໃສ່ປະຕິກິລິຍາຂອງລູກຄ້າ - ທັງໝົດໂດຍບໍ່ມີນັກຂຽນໂຄສະນາທີ່ເປັນມະນຸດຢູ່ໃນວົງຈອນ. ນັກວິເຄາະ Gartner ຄາດຄະເນວ່າພາຍໃນປີ 2025, ຢ່າງໜ້ອຍ 30% ຂອງຂໍ້ຄວາມການຕະຫຼາດສົ່ງອອກຂອງວິສາຫະກິດຂະໜາດໃຫຍ່ຈະຖືກສ້າງຂຶ້ນໂດຍ AI ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ), ແລະ ອັດຕາສ່ວນນີ້ຈະເພີ່ມຂຶ້ນພາຍໃນປີ 2030 ເທົ່ານັ້ນ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນເປັນສິ່ງສຳຄັນທີ່ຄວນສັງເກດວ່າ ຄວາມຄິດສ້າງສັນ ແລະ ການຕັດສິນຂອງມະນຸດຍັງຈະມີບົດບາດ, ໂດຍສະເພາະສຳລັບເນື້ອຫາທີ່ມີຄວາມສ່ຽງສູງ . ຮອດປີ 2035, AI ອາດຈະຈັດການຂ່າວປະກາດຂ່າວ ຫຼື ບົດຄວາມໃນບລັອກດ້ວຍຕົວມັນເອງ, ແຕ່ສຳລັບວາລະສານສືບສວນທີ່ກ່ຽວຂ້ອງກັບຄວາມຮັບຜິດຊອບ ຫຼື ຫົວຂໍ້ທີ່ລະອຽດອ່ອນ, ສື່ມວນຊົນອາດຈະຍັງຮຽກຮ້ອງໃຫ້ມີການກວດສອບຂອງມະນຸດ. ອະນາຄົດອາດຈະນຳເອົາວິທີການທີ່ມີລະດັບ: AI ຜະລິດເນື້ອຫາປະຈຳວັນສ່ວນໃຫຍ່ໂດຍອັດຕະໂນມັດ, ໃນຂະນະທີ່ມະນຸດສຸມໃສ່ການແກ້ໄຂ ແລະ ຜະລິດເນື້ອຫາຍຸດທະສາດ ຫຼື ເນື້ອຫາທີ່ມີຄວາມອ່ອນໄຫວ. ໂດຍພື້ນຖານແລ້ວ, ເສັ້ນຂອງສິ່ງທີ່ນັບວ່າເປັນ "ກິດຈະວັດປະຈຳວັນ" ຈະຂະຫຍາຍອອກໄປເມື່ອຄວາມຊຳນານຂອງ AI ເພີ່ມຂຶ້ນ.

ນອກຈາກນັ້ນ, ຮູບແບບເນື້ອຫາໃໝ່ໆ ເຊັ່ນ: ການເລົ່າເລື່ອງແບບໂຕ້ຕອບທີ່ສ້າງຂຶ້ນໂດຍ AI ຫຼື ບົດລາຍງານສ່ວນບຸກຄົນ ອາດຈະເກີດຂຶ້ນ. ຕົວຢ່າງ, ບົດລາຍງານປະຈຳປີຂອງບໍລິສັດສາມາດສ້າງຂຶ້ນໃນຫຼາຍຮູບແບບໂດຍ AI - ບົດລາຍງານສັ້ນໆສຳລັບຜູ້ບໍລິຫານ, ບົດລາຍງານແບບເລົ່າເລື່ອງສຳລັບພະນັກງານ, ບົດລາຍງານທີ່ມີຂໍ້ມູນຫຼາຍສຳລັບນັກວິເຄາະ - ແຕ່ລະສະບັບສ້າງຂຶ້ນໂດຍອັດຕະໂນມັດຈາກຂໍ້ມູນພື້ນຖານດຽວກັນ. ໃນການສຶກສາ, ປຶ້ມແບບຮຽນສາມາດຂຽນໄດ້ແບບໄດນາມິກໂດຍ AI ເພື່ອໃຫ້ເໝາະສົມກັບລະດັບການອ່ານທີ່ແຕກຕ່າງກັນ. ແອັບພລິເຄຊັນເຫຼົ່ານີ້ສາມາດເປັນເອກະລາດສ່ວນໃຫຍ່ແຕ່ໄດ້ຮັບການສະໜັບສະໜູນຈາກຂໍ້ມູນທີ່ຖືກຢືນຢັນ.

ເສັ້ນທາງການຂຽນຊີ້ໃຫ້ເຫັນວ່າໃນກາງຊຸມປີ 2030, AI ຈະເປັນນັກຂຽນທີ່ມີຜົນງານຫຼາຍ . ກຸນແຈສຳຄັນສຳລັບການດຳເນີນງານທີ່ເປັນເອກະລາດຢ່າງແທ້ຈິງຄືການສ້າງຄວາມໄວ້ວາງໃຈໃນຜົນຜະລິດຂອງມັນ. ຖ້າ AI ສາມາດສະແດງໃຫ້ເຫັນຄວາມຖືກຕ້ອງຂອງຂໍ້ເທັດຈິງ, ຄຸນນະພາບແບບແຜນ, ແລະ ຄວາມສອດຄ່ອງກັບມາດຕະຖານດ້ານຈັນຍາບັນຢ່າງຕໍ່ເນື່ອງ, ຄວາມຕ້ອງການສຳລັບການທົບທວນຄືນຂອງມະນຸດແບບບັນທັດຕໍ່ບັນທັດຈະຫຼຸດລົງ. ພາກສ່ວນຕ່າງໆຂອງເອກະສານສີຂາວນີ້, ພາຍໃນປີ 2035, ອາດຈະຖືກຮ່າງໂດຍນັກຄົ້ນຄວ້າ AI ໂດຍບໍ່ຕ້ອງການບັນນາທິການ - ຄວາມຄາດຫວັງທີ່ພວກເຮົາມີຄວາມຄິດໃນແງ່ດີຢ່າງລະມັດລະວັງ, ຖ້າມີມາດຕະການປ້ອງກັນທີ່ເໝາະສົມ.

AI ທີ່ສ້າງສັນໃນສິລະປະການເບິ່ງເຫັນ ແລະ ການອອກແບບ

ຄວາມສາມາດຂອງ AI ທີ່ສ້າງສັນໃນການສ້າງຮູບພາບ ແລະ ຜົນງານສິລະປະໄດ້ດຶງດູດຈິນຕະນາການຂອງສາທາລະນະຊົນ, ຕັ້ງແຕ່ຮູບແຕ້ມທີ່ສ້າງຂຶ້ນໂດຍ AI ທີ່ຊະນະການແຂ່ງຂັນສິລະປະ ຈົນເຖິງວິດີໂອ deepfake ທີ່ແຍກອອກຈາກພາບຕົວຈິງບໍ່ໄດ້. ໃນຂົງເຂດສາຍຕາ, ຮູບແບບ AI ເຊັ່ນ: ເຄືອຂ່າຍຄູ່ແຂ່ງທີ່ສ້າງສັນ (GANs) ແລະ ຮູບແບບການແຜ່ກະຈາຍ (ເຊັ່ນ: ການແຜ່ກະຈາຍທີ່ໝັ້ນຄົງ, Midjourney) ສາມາດຜະລິດຮູບພາບຕົ້ນສະບັບໂດຍອີງໃສ່ການກະຕຸ້ນຂໍ້ຄວາມ. ດັ່ງນັ້ນ, AI ສາມາດເຮັດວຽກເປັນນັກສິລະປິນ ຫຼື ນັກອອກແບບທີ່ເປັນເອກະລາດໄດ້ບໍ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ໃນຖານະຜູ້ຊ່ວຍສ້າງສັນ

ມາຮອດປີ 2025, ຮູບແບບການສ້າງແບບຈຳລອງແມ່ນມີຄວາມຊຳນານໃນການສ້າງ ຮູບພາບຕາມຄວາມຕ້ອງການ ດ້ວຍຄວາມແນ່ນອນທີ່ໜ້າປະທັບໃຈ. ຜູ້ໃຊ້ສາມາດຂໍໃຫ້ AI ຮູບພາບແຕ້ມ "ເມືອງຍຸກກາງໃນເວລາຕາເວັນຕົກດິນໃນແບບຂອງ Van Gogh" ແລະ ໄດ້ຮັບຮູບພາບສິລະປະທີ່ໜ້າເຊື່ອຖືພາຍໃນວິນາທີ. ສິ່ງນີ້ໄດ້ນຳໄປສູ່ການນຳໃຊ້ AI ຢ່າງກວ້າງຂວາງໃນການອອກແບບກຣາບຟິກ, ການຕະຫຼາດ, ແລະ ຄວາມບັນເທີງສຳລັບສິລະປະແນວຄວາມຄິດ, ຕົ້ນແບບ, ແລະ ແມ່ນແຕ່ຮູບພາບສຸດທ້າຍໃນບາງກໍລະນີ. ໂດຍສະເພາະ:

• ການອອກແບບກຣາບຟິກ ແລະ ຮູບພາບສະຕັອກ: ບໍລິສັດຕ່າງໆສ້າງກຣາບຟິກເວັບໄຊທ໌, ພາບປະກອບ ຫຼື ຮູບພາບສະຕັອກຜ່ານ AI, ເຊິ່ງຊ່ວຍຫຼຸດຜ່ອນຄວາມຕ້ອງການໃນການສັ່ງຈ້າງທຸກໆຊິ້ນສ່ວນຈາກນັກສິລະປິນ. ທີມງານກາລະຕະຫຼາດຫຼາຍຄົນໃຊ້ເຄື່ອງມື AI ເພື່ອຜະລິດໂຄສະນາ ຫຼື ຮູບພາບຜະລິດຕະພັນຫຼາກຫຼາຍຊະນິດເພື່ອທົດສອບສິ່ງທີ່ດຶງດູດຜູ້ບໍລິໂພກ.

• ສິລະປະ ແລະ ຮູບແຕ້ມປະກອບ: ນັກສິລະປິນແຕ່ລະຄົນຮ່ວມມືກັບ AI ເພື່ອລະດົມຄວາມຄິດ ຫຼື ຕື່ມລາຍລະອຽດຕ່າງໆ. ຕົວຢ່າງ, ນັກແຕ້ມຮູບປະກອບອາດຈະໃຊ້ AI ເພື່ອສ້າງທິວທັດພື້ນຫຼັງ, ເຊິ່ງຫຼັງຈາກນັ້ນພວກເຂົາກໍ່ເຊື່ອມໂຍງກັບຕົວລະຄອນທີ່ມະນຸດແຕ້ມ. ຜູ້ສ້າງປຶ້ມກາຕູນບາງຄົນໄດ້ທົດລອງໃຊ້ແຜງ ຫຼື ການໃສ່ສີທີ່ສ້າງຂຶ້ນໂດຍ AI.

• ສື່ ແລະ ບັນເທີງ: ສິລະປະທີ່ສ້າງຂຶ້ນໂດຍ AI ໄດ້ປາກົດຢູ່ໃນໜ້າປົກວາລະສານ ແລະ ໜ້າປົກປຶ້ມ. ຕົວຢ່າງທີ່ມີຊື່ສຽງແມ່ນ Cosmopolitan ເຊິ່ງມີນັກບິນອະວະກາດ - ເຊິ່ງລາຍງານວ່າເປັນຮູບພາບໜ້າປົກວາລະສານທຳອິດທີ່ສ້າງຂຶ້ນໂດຍ AI (OpenAI's DALL·E) ຕາມການຊີ້ນຳຂອງຜູ້ອຳນວຍການສິລະປະ. ໃນຂະນະທີ່ສິ່ງນີ້ກ່ຽວຂ້ອງກັບການກະຕຸ້ນ ແລະ ການຄັດເລືອກຂອງມະນຸດ, ຜົນງານສິລະປະຕົວຈິງແມ່ນການສະແດງດ້ວຍເຄື່ອງຈັກ.

ສິ່ງສຳຄັນ, ການນຳໃຊ້ສ່ວນໃຫຍ່ໃນປະຈຸບັນຍັງກ່ຽວຂ້ອງກັບການຄັດເລືອກ ແລະ ການປັບປຸງຮູບພາບຂອງມະນຸດ . AI ສາມາດບີບຮູບພາບອອກມາຫຼາຍສິບຮູບ, ແລະ ມະນຸດເລືອກຮູບທີ່ດີທີ່ສຸດ ແລະ ອາດຈະແກ້ໄຂມັນ. ໃນຄວາມໝາຍນັ້ນ, AI ກຳລັງເຮັດວຽກດ້ວຍຕົນເອງເພື່ອ ສ້າງ ທາງເລືອກ, ແຕ່ມະນຸດກຳລັງນຳພາທິດທາງສ້າງສັນ ແລະ ການເລືອກສຸດທ້າຍ. ມັນໜ້າເຊື່ອຖືສຳລັບການສ້າງເນື້ອຫາຫຼາຍຢ່າງຢ່າງວ່ອງໄວ, ແຕ່ບໍ່ຮັບປະກັນວ່າຈະຕອບສະໜອງຄວາມຕ້ອງການທັງໝົດໃນຄັ້ງທຳອິດ. ບັນຫາຕ່າງໆເຊັ່ນ: ລາຍລະອຽດທີ່ບໍ່ຖືກຕ້ອງ (ເຊັ່ນ: AI ແຕ້ມມືດ້ວຍຈຳນວນນິ້ວມືທີ່ບໍ່ຖືກຕ້ອງ, ຄວາມແປກປະຫຼາດທີ່ຮູ້ຈັກ) ຫຼື ຜົນໄດ້ຮັບທີ່ບໍ່ຕັ້ງໃຈໝາຍຄວາມວ່າຜູ້ກຳກັບສິລະປະຂອງມະນຸດມັກຈະຕ້ອງຄວບຄຸມຄຸນນະພາບຜົນຜະລິດ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ມີບາງໂດເມນທີ່ AI ໃກ້ຈະມີຄວາມເປັນເອກະລາດຢ່າງເຕັມທີ່:

• ການອອກແບບແບບສ້າງສັນ: ໃນຂົງເຂດຕ່າງໆເຊັ່ນ: ສະຖາປັດຕະຍະກຳ ແລະ ການອອກແບບຜະລິດຕະພັນ, ເຄື່ອງມື AI ສາມາດສ້າງຕົ້ນແບບການອອກແບບທີ່ຕອບສະໜອງຂໍ້ຈຳກັດສະເພາະໄດ້ໂດຍອັດຕະໂນມັດ. ຕົວຢ່າງ, ເນື່ອງຈາກຂະໜາດ ແລະ ໜ້າທີ່ທີ່ຕ້ອງການຂອງເຟີນີເຈີ, ອັລກໍຣິທຶມທີ່ສ້າງສັນອາດຈະສະແດງອອກການອອກແບບທີ່ເປັນໄປໄດ້ຫຼາຍຢ່າງ (ບາງອັນບໍ່ທຳມະດາ) ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດນອກເໜືອໄປຈາກສະເປັກເບື້ອງຕົ້ນ. ການອອກແບບເຫຼົ່ານີ້ສາມາດນຳໃຊ້ ຫຼື ປັບປຸງໂດຍມະນຸດໂດຍກົງ. ເຊັ່ນດຽວກັນ, ໃນດ້ານວິສະວະກຳ, AI ທີ່ສ້າງສັນສາມາດອອກແບບຊິ້ນສ່ວນຕ່າງໆ (ເຊັ່ນ: ອົງປະກອບຂອງເຮືອບິນ) ທີ່ໄດ້ຮັບການປັບປຸງໃຫ້ເໝາະສົມກັບນ້ຳໜັກ ແລະ ຄວາມແຂງແຮງ, ຜະລິດຮູບຮ່າງໃໝ່ໆທີ່ມະນຸດອາດຈະບໍ່ໄດ້ຄິດຂຶ້ນມາ.

• ຊັບສິນເກມວີດີໂອ: AI ສາມາດສ້າງໂຄງສ້າງ, ຮູບແບບ 3D, ຫຼືແມ່ນແຕ່ລະດັບທັງໝົດສຳລັບເກມວີດີໂອໂດຍອັດຕະໂນມັດ. ນັກພັດທະນາໃຊ້ສິ່ງເຫຼົ່ານີ້ເພື່ອເລັ່ງການສ້າງເນື້ອຫາ. ເກມອິນດີ້ບາງເກມໄດ້ເລີ່ມລວມເອົາຜົນງານສິລະປະທີ່ສ້າງຂຶ້ນຕາມຂັ້ນຕອນ ແລະ ແມ່ນແຕ່ການສົນທະນາ (ຜ່ານຮູບແບບພາສາ) ເພື່ອສ້າງໂລກເກມທີ່ກວ້າງຂວາງ ແລະ ມີຊີວິດຊີວາດ້ວຍຊັບສິນທີ່ມະນຸດສ້າງຂຶ້ນໜ້ອຍທີ່ສຸດ.

• ພາບເຄື່ອນໄຫວ ແລະ ວິດີໂອ (ທີ່ເກີດຂຶ້ນໃໝ່): ໃນຂະນະທີ່ມີຄວາມກ້າວໜ້າໜ້ອຍກວ່າຮູບພາບຄົງທີ່, AI ທີ່ສ້າງສັນສຳລັບວິດີໂອກຳລັງກ້າວໜ້າ. AI ສາມາດສ້າງຄລິບວິດີໂອສັ້ນໆ ຫຼື ພາບເຄື່ອນໄຫວຈາກການກະຕຸ້ນໄດ້ແລ້ວ, ເຖິງແມ່ນວ່າຄຸນນະພາບຈະບໍ່ສອດຄ່ອງກັນ. ເທັກໂນໂລຢີ Deepfake - ເຊິ່ງເປັນການສ້າງ - ສາມາດສ້າງການປ່ຽນໃບໜ້າ ຫຼື ສຽງທີ່ຄ້າຍຄືຈິງໄດ້. ໃນສະພາບແວດລ້ອມທີ່ຄວບຄຸມໄດ້, ສະຕູດິໂອສາມາດໃຊ້ AI ເພື່ອສ້າງສາກພື້ນຫຼັງ ຫຼື ພາບເຄື່ອນໄຫວຂອງຝູງຊົນໂດຍອັດຕະໂນມັດ.

ສິ່ງທີ່ໜ້າສັງເກດຄື Gartner ຄາດຄະເນວ່າ ຮອດປີ 2030, ພວກເຮົາຈະເຫັນ ຮູບເງົາທີ່ມີຊື່ສຽງທີ່ມີເນື້ອຫາ 90% ທີ່ສ້າງຂຶ້ນໂດຍ AI (ຈາກບົດຮູບເງົາຈົນເຖິງພາບ) ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ). ມາຮອດປີ 2025, ພວກເຮົາຍັງບໍ່ທັນຮອດຈຸດນັ້ນເທື່ອ - AI ບໍ່ສາມາດສ້າງຮູບເງົາຍາວໄດ້ດ້ວຍຕົນເອງ. ແຕ່ຊິ້ນສ່ວນຕ່າງໆຂອງປິດສະໜານັ້ນກຳລັງພັດທະນາ: ການສ້າງບົດຮູບເງົາ (AI ຂໍ້ຄວາມ), ການສ້າງຕົວລະຄອນ ແລະ ສາກ (AI ຮູບພາບ/ວິດີໂອ), ການສະແດງສຽງ (AI ສຽງໂຄນ), ແລະ ການຊ່ວຍເຫຼືອໃນການແກ້ໄຂ (AI ສາມາດຊ່ວຍໃນການຕັດ ແລະ ການຫັນປ່ຽນໄດ້ແລ້ວ).

ແນວໂນ້ມສຳລັບປີ 2030-2035: ສື່ທີ່ສ້າງຂຶ້ນໂດຍ AI ໃນຂອບເຂດກ້ວາງຂວາງ

ເມື່ອພິຈາລະນາໄປຂ້າງໜ້າ, ບົດບາດຂອງ AI ທີ່ສ້າງສັນໃນສິລະປະການເບິ່ງເຫັນ ແລະ ການອອກແບບຄາດວ່າຈະຂະຫຍາຍຕົວຢ່າງຫຼວງຫຼາຍ. ຮອດປີ 2035, ພວກເຮົາຄາດວ່າ AI ຈະເປັນ ຜູ້ສ້າງເນື້ອຫາຫຼັກ ໃນສື່ສາຍຕາຫຼາຍຢ່າງ, ເຊິ່ງມັກຈະດຳເນີນການດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍທີ່ສຸດນອກເໜືອຈາກຄຳແນະນຳໃນເບື້ອງຕົ້ນ. ຄວາມຄາດຫວັງບາງຢ່າງ:

• ຮູບເງົາ ແລະ ວິດີໂອທີ່ສ້າງຂຶ້ນດ້ວຍ AI ຢ່າງຄົບຖ້ວນ: ໃນສິບປີຂ້າງໜ້າ, ມັນເປັນໄປໄດ້ຫຼາຍທີ່ພວກເຮົາຈະໄດ້ເຫັນຮູບເງົາ ຫຼື ຊຸດທຳອິດທີ່ຜະລິດໂດຍ AI ເປັນສ່ວນໃຫຍ່. ມະນຸດອາດຈະໃຫ້ທິດທາງໃນລະດັບສູງ (ເຊັ່ນ: ໂຄງຮ່າງບົດ ຫຼື ແບບທີ່ຕ້ອງການ) ແລະ AI ຈະສະແດງພາບ, ສ້າງຄວາມຄ້າຍຄືກັບນັກສະແດງ, ແລະ ເຮັດໃຫ້ທຸກຢ່າງມີຊີວິດຊີວາ. ການທົດລອງໃນຕອນຕົ້ນໃນຮູບເງົາສັ້ນມີແນວໂນ້ມພາຍໃນສອງສາມປີ, ໂດຍມີຄວາມພະຍາຍາມສ້າງຮູບເງົາຍາວພາຍໃນຊຸມປີ 2030. ຮູບເງົາ AI ເຫຼົ່ານີ້ອາດຈະເລີ່ມຕົ້ນເປັນຮູບເງົາແບບ niche (animation ແບບທົດລອງ, ແລະອື່ນໆ) ແຕ່ອາດຈະກາຍເປັນກະແສຫຼັກເມື່ອຄຸນນະພາບດີຂຶ້ນ. ການຄາດຄະເນຮູບເງົາ 90% ພາຍໃນປີ 2030 ຂອງ Gartner ( ກໍລະນີການນຳໃຊ້ AI ແບບສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ), ໃນຂະນະທີ່ມີຄວາມທະເຍີທະຍານ, ແຕ່ເນັ້ນໜັກເຖິງຄວາມເຊື່ອຂອງອຸດສາຫະກຳວ່າການສ້າງເນື້ອຫາ AI ຈະມີຄວາມຊັບຊ້ອນພຽງພໍທີ່ຈະຮັບຜິດຊອບພາລະສ່ວນໃຫຍ່ໃນການສ້າງຮູບເງົາ.

• ການອອກແບບແບບອັດຕະໂນມັດ: ໃນຂົງເຂດຕ່າງໆເຊັ່ນ: ແຟຊັ່ນ ຫຼື ສະຖາປັດຕະຍະກຳ, AI ທີ່ສ້າງສັນອາດຈະຖືກນຳໃຊ້ເພື່ອຮ່າງແນວຄວາມຄິດການອອກແບບຫຼາຍຮ້ອຍຢ່າງໂດຍອັດຕະໂນມັດໂດຍອີງໃສ່ຕົວກຳນົດເຊັ່ນ "ຄ່າໃຊ້ຈ່າຍ, ວັດສະດຸ, ແບບ X", ປ່ອຍໃຫ້ມະນຸດເລືອກການອອກແບບສຸດທ້າຍ. ສິ່ງນີ້ປ່ຽນແປງການເຄື່ອນໄຫວໃນປະຈຸບັນ: ແທນທີ່ຈະໃຫ້ນັກອອກແບບສ້າງໃໝ່ທັງໝົດ ແລະ ອາດຈະໃຊ້ AI ເພື່ອເປັນແຮງບັນດານໃຈ, ນັກອອກແບບໃນອະນາຄົດອາດຈະເຮັດໜ້າທີ່ເປັນຜູ້ພິທັກ, ເລືອກການອອກແບບທີ່ສ້າງຂຶ້ນໂດຍ AI ທີ່ດີທີ່ສຸດ ແລະ ບາງທີອາດຈະປັບແຕ່ງມັນ. ຮອດປີ 2035, ສະຖາປະນິກອາດຈະປ້ອນຂໍ້ມູນຄວາມຕ້ອງການສຳລັບອາຄານ ແລະ ໄດ້ຮັບແຜນຜັງທີ່ສົມບູນເປັນຄຳແນະນຳຈາກ AI (ທັງໝົດມີໂຄງສ້າງທີ່ດີ, ໂດຍໄດ້ຮັບກົດລະບຽບວິສະວະກຳທີ່ຝັງຢູ່).

• ການສ້າງເນື້ອຫາສ່ວນບຸກຄົນ: ພວກເຮົາອາດຈະເຫັນ AI ສ້າງຮູບພາບຕ່າງໆໄດ້ທັນທີສຳລັບຜູ້ໃຊ້ແຕ່ລະຄົນ. ລອງນຶກພາບເຖິງປະສົບການວິດີໂອເກມ ຫຼື ຄວາມເປັນຈິງແບບເສມືນໃນປີ 2035 ບ່ອນທີ່ທິວທັດ ແລະ ຕົວລະຄອນສາມາດປັບຕົວເຂົ້າກັບຄວາມມັກຂອງຜູ້ຫຼິ້ນ, ເຊິ່ງສ້າງຂຶ້ນໃນເວລາຈິງໂດຍ AI. ຫຼື ກາຕູນສ່ວນບຸກຄົນທີ່ສ້າງຂຶ້ນໂດຍອີງໃສ່ມື້ຂອງຜູ້ໃຊ້ - AI "ກາຕູນປະຈຳວັນ" ທີ່ເປັນເອກະລາດທີ່ປ່ຽນບັນທຶກຂໍ້ຄວາມຂອງທ່ານໃຫ້ເປັນຮູບປະກອບໂດຍອັດຕະໂນມັດໃນແຕ່ລະແລງ.

• ຄວາມຄິດສ້າງສັນຫຼາຍຮູບແບບ: ລະບົບ AI ທີ່ສ້າງສັນແມ່ນມີຫຼາຍຮູບແບບເພີ່ມຂຶ້ນເລື້ອຍໆ - ຊຶ່ງໝາຍຄວາມວ່າພວກມັນສາມາດຈັດການຂໍ້ຄວາມ, ຮູບພາບ, ສຽງ, ແລະອື່ນໆຮ່ວມກັນ. ໂດຍການລວມສິ່ງເຫຼົ່ານີ້ເຂົ້າກັນ, AI ສາມາດໃຊ້ການກະຕຸ້ນງ່າຍໆເຊັ່ນ "ສ້າງແຄມເປນການຕະຫຼາດສຳລັບຜະລິດຕະພັນ X ໃຫ້ຂ້ອຍ" ແລະສ້າງບໍ່ພຽງແຕ່ຂໍ້ຄວາມທີ່ຂຽນເທົ່ານັ້ນ, ແຕ່ຍັງມີຮູບພາບທີ່ກົງກັນ, ບາງທີອາດແມ່ນຄລິບວິດີໂອໂຄສະນາສັ້ນໆ, ທັງໝົດທີ່ສອດຄ່ອງກັນໃນແບບ. ຊຸດເນື້ອຫາຄລິກດຽວແບບນີ້ອາດຈະເປັນການບໍລິການທີ່ມີແນວໂນ້ມໃນຕົ້ນຊຸມປີ 2030.

AI ຈະ ທົດແທນນັກສິລະປິນມະນຸດ ບໍ? ຄຳຖາມນີ້ມັກຈະເກີດຂຶ້ນເລື້ອຍໆ. ມັນເປັນໄປໄດ້ວ່າ AI ຈະເຂົ້າຄວບຄຸມວຽກງານການຜະລິດຫຼາຍຢ່າງ (ໂດຍສະເພາະແມ່ນສິລະປະທີ່ຊໍ້າຊ້ອນ ຫຼື ມີການປ່ຽນແປງໄວ ເຊິ່ງຈຳເປັນສຳລັບທຸລະກິດ), ແຕ່ສິລະປະຂອງມະນຸດຈະຍັງຄົງຢູ່ເພື່ອຄວາມຄິດສ້າງສັນ ແລະ ນະວັດຕະກຳ. ຮອດປີ 2035, AI ທີ່ເປັນເອກະລາດອາດຈະແຕ້ມຮູບໃນແບບຂອງນັກສິລະປິນທີ່ມີຊື່ສຽງໄດ້ຢ່າງໜ້າເຊື່ອຖື - ແຕ່ການສ້າງ ໃໝ່ ຫຼື ສິລະປະທີ່ສະທ້ອນເຖິງວັດທະນະທຳຢ່າງເລິກເຊິ່ງອາດຈະຍັງເປັນຈຸດແຂງຂອງມະນຸດ (ອາດຈະມີ AI ເປັນຜູ້ຮ່ວມມື). ພວກເຮົາຄາດຄະເນອະນາຄົດທີ່ນັກສິລະປິນມະນຸດເຮັດວຽກຮ່ວມກັບ “ນັກສິລະປິນຮ່ວມ” AI ທີ່ເປັນເອກະລາດ. ຄົນເຮົາອາດຈະມອບໝາຍ AI ສ່ວນຕົວເພື່ອສ້າງສິລະປະຢ່າງຕໍ່ເນື່ອງສຳລັບຫ້ອງວາງສະແດງດິຈິຕອນໃນເຮືອນຂອງຄົນເຮົາ, ຕົວຢ່າງ, ສະໜອງບັນຍາກາດສ້າງສັນທີ່ປ່ຽນແປງຢູ່ສະເໝີ.

ຈາກທັດສະນະຄວາມໜ້າເຊື່ອຖື, AI ທີ່ສ້າງພາບໄດ້ມີເສັ້ນທາງໄປສູ່ຄວາມເປັນເອກະລາດທີ່ງ່າຍກວ່າຂໍ້ຄວາມໃນບາງທາງ: ຮູບພາບສາມາດ "ດີພໍ" ຕາມຄວາມຄິດເຫັນສ່ວນຕົວເຖິງແມ່ນວ່າຈະບໍ່ສົມບູນແບບ, ໃນຂະນະທີ່ຄວາມຜິດພາດຕົວຈິງໃນຂໍ້ຄວາມແມ່ນມີບັນຫາຫຼາຍກວ່າ. ດັ່ງນັ້ນ, ພວກເຮົາເຫັນ ການຮັບຮອງເອົາຄວາມສ່ຽງຕໍ່າ - ຖ້າການອອກແບບທີ່ສ້າງໂດຍ AI ບໍ່ດີ ຫຼື ຜິດພາດ, ທ່ານພຽງແຕ່ບໍ່ໃຊ້ມັນ, ແຕ່ມັນບໍ່ກໍ່ໃຫ້ເກີດອັນຕະລາຍດ້ວຍຕົວມັນເອງ. ນີ້ໝາຍຄວາມວ່າໃນຊຸມປີ 2030, ບໍລິສັດຕ່າງໆອາດຈະສະບາຍໃຈທີ່ຈະປ່ອຍໃຫ້ AI ສ້າງການອອກແບບໂດຍບໍ່ມີການຊີ້ນຳ ແລະ ກ່ຽວຂ້ອງກັບມະນຸດເມື່ອມີສິ່ງທີ່ໃໝ່ ຫຼື ມີຄວາມສ່ຽງແທ້ໆ.

ສະຫຼຸບແລ້ວ, ຮອດປີ 2035, ປັນຍາປະດິດ (AI) ຄາດວ່າຈະເປັນຜູ້ສ້າງເນື້ອຫາທີ່ມີປະສິດທິພາບສູງໃນດ້ານຮູບພາບ, ເຊິ່ງອາດຈະຮັບຜິດຊອບຕໍ່ສ່ວນໃຫຍ່ຂອງຮູບພາບ ແລະ ສື່ຕ່າງໆທີ່ຢູ່ອ້ອມຮອບພວກເຮົາ. ມັນຈະສ້າງເນື້ອຫາຢ່າງໜ້າເຊື່ອຖືສຳລັບຄວາມບັນເທີງ, ການອອກແບບ ແລະ ການສື່ສານປະຈຳວັນ. ນັກສິລະປິນທີ່ເປັນເອກະລາດກຳລັງຈະມາເຖິງ - ເຖິງແມ່ນວ່າ AI ຈະຖືກເບິ່ງວ່າ ມີຄວາມຄິດສ້າງສັນ ຫຼື ພຽງແຕ່ເປັນເຄື່ອງມືທີ່ສະຫຼາດຫຼາຍກໍຕາມ, ແຕ່ການໂຕ້ວາທີຈະພັດທະນາຂຶ້ນເມື່ອຜົນຜະລິດຂອງມັນກາຍເປັນສິ່ງທີ່ບໍ່ສາມາດແຍກອອກຈາກສິ່ງທີ່ມະນຸດສ້າງຂຶ້ນໄດ້.

AI ທີ່ສ້າງສັນໃນການພັດທະນາຊອບແວ (ການຂຽນໂປຣແກຣມ)

ການພັດທະນາຊອບແວອາດເບິ່ງຄືວ່າເປັນວຽກງານທີ່ມີການວິເຄາະສູງ, ແຕ່ມັນຍັງມີອົງປະກອບທີ່ສ້າງສັນ - ການຂຽນລະຫັດແມ່ນການສ້າງຂໍ້ຄວາມໃນພາສາທີ່ມີໂຄງສ້າງພື້ນຖານ. AI ທີ່ສ້າງສັນທີ່ທັນສະໄໝ, ໂດຍສະເພາະຮູບແບບພາສາຂະໜາດໃຫຍ່, ໄດ້ພິສູດໃຫ້ເຫັນວ່າມີຄວາມຊຳນານໃນການຂຽນລະຫັດ. ເຄື່ອງມືຕ່າງໆເຊັ່ນ GitHub Copilot, Amazon CodeWhisperer, ແລະອື່ນໆເຮັດໜ້າທີ່ເປັນໂປຣແກຣມເມີຄູ່ AI, ແນະນຳຕົວຢ່າງລະຫັດ ຫຼື ແມ່ນແຕ່ໜ້າທີ່ທັງໝົດໃນຂະນະທີ່ນັກພັດທະນາພິມ. ສິ່ງນີ້ສາມາດກ້າວໄປສູ່ການຂຽນໂປຣແກຣມແບບອັດຕະໂນມັດໄດ້ໄກປານໃດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): AI ໃນຖານະຜູ້ຮ່ວມພັດທະນາການຂຽນໂປຣແກຣມ

ຮອດປີ 2025, ເຄື່ອງມືສ້າງລະຫັດ AI ໄດ້ກາຍເປັນເລື່ອງທຳມະດາໃນຂະບວນການເຮັດວຽກຂອງນັກພັດທະນາຫຼາຍຄົນ. ເຄື່ອງມືເຫຼົ່ານີ້ສາມາດຕື່ມຂໍ້ມູນໃສ່ແຖວລະຫັດໂດຍອັດຕະໂນມັດ, ສ້າງຮູບແບບຕົວຢ່າງ (ເຊັ່ນ: ຟັງຊັນມາດຕະຖານ ຫຼື ການທົດສອບ), ແລະ ແມ່ນແຕ່ຂຽນໂປຣແກຣມງ່າຍໆທີ່ມີຄຳອະທິບາຍພາສາທຳມະຊາດ. ສິ່ງສຳຄັນ, ພວກມັນດຳເນີນງານພາຍໃຕ້ການຊີ້ນຳຂອງນັກພັດທະນາ - ນັກພັດທະນາຈະທົບທວນ ແລະ ລວມເອົາຄຳແນະນຳຂອງ AI.

ຂໍ້ເທັດຈິງ ແລະ ຕົວເລກໃນປະຈຸບັນບາງຢ່າງ:

• ນັກພັດທະນາມືອາຊີບຫຼາຍກວ່າເຄິ່ງໜຶ່ງໄດ້ຮັບຮອງເອົາຜູ້ຊ່ວຍຂຽນລະຫັດ AI ໃນທ້າຍປີ 2023 ( ການຂຽນລະຫັດໃນ Copilot: ຂໍ້ມູນປີ 2023 ຊີ້ໃຫ້ເຫັນເຖິງຄວາມກົດດັນທີ່ຫຼຸດລົງຕໍ່ຄຸນນະພາບຂອງລະຫັດ (ລວມທັງການຄາດຄະເນປີ 2024) - GitClear ), ເຊິ່ງຊີ້ບອກເຖິງການຮັບເອົາຢ່າງໄວວາ. GitHub Copilot, ໜຶ່ງໃນເຄື່ອງມືທີ່ມີຢູ່ຢ່າງກວ້າງຂວາງອັນທຳອິດ, ໄດ້ຖືກລາຍງານວ່າສ້າງລະຫັດໂດຍສະເລ່ຍ 30-40% ໃນໂຄງການທີ່ມັນຖືກນຳໃຊ້ ( ການຂຽນລະຫັດບໍ່ແມ່ນ MOAT ອີກຕໍ່ໄປ. 46% ຂອງລະຫັດໃນ GitHub ແມ່ນແລ້ວ ... ). ນີ້ໝາຍຄວາມວ່າ AI ກຳລັງຂຽນສ່ວນສຳຄັນຂອງລະຫັດແລ້ວ, ເຖິງແມ່ນວ່າມະນຸດກຳລັງຄວບຄຸມ ແລະ ກວດສອບມັນ.

• ເຄື່ອງມື AI ເຫຼົ່ານີ້ເກັ່ງໃນວຽກງານຕ່າງໆເຊັ່ນ: ການຂຽນລະຫັດທີ່ຊໍ້າໆ (ເຊັ່ນ: ຄລາສຮູບແບບຂໍ້ມູນ, ວິທີການ getter/setter), ການປ່ຽນພາສາການຂຽນໂປຣແກຣມໜຶ່ງໄປເປັນອີກພາສາໜຶ່ງ, ຫຼື ການຜະລິດອັລກໍຣິທຶມທີ່ງ່າຍດາຍຄືກັບຕົວຢ່າງການຝຶກອົບຮົມ. ຕົວຢ່າງ, ນັກພັດທະນາສາມາດສະແດງຄວາມຄິດເຫັນ “// function to sort list of users by name” ແລະ AI ຈະສ້າງ function sort ທີ່ເໝາະສົມເກືອບທັນທີ.

• ພວກເຂົາຍັງຊ່ວຍໃນ ການແກ້ໄຂຂໍ້ຜິດພາດ ແລະ ຄຳອະທິບາຍ : ນັກພັດທະນາສາມາດວາງຂໍ້ຄວາມຜິດພາດ ແລະ AI ອາດຈະແນະນຳການແກ້ໄຂ, ຫຼືຖາມວ່າ "ລະຫັດນີ້ເຮັດຫຍັງ?" ແລະ ໄດ້ຮັບຄຳອະທິບາຍພາສາທຳມະຊາດ. ນີ້ແມ່ນເປັນເອກະລາດໃນແງ່ໜຶ່ງ (AI ສາມາດວິນິດໄສບັນຫາດ້ວຍຕົວມັນເອງ), ແຕ່ມະນຸດຕັດສິນໃຈວ່າຈະນຳໃຊ້ການແກ້ໄຂຫຼືບໍ່.

• ສິ່ງສຳຄັນ, ຜູ້ຊ່ວຍຂຽນລະຫັດ AI ໃນປະຈຸບັນບໍ່ແມ່ນວ່າບໍ່ມີຂໍ້ຜິດພາດ. ພວກເຂົາສາມາດແນະນຳລະຫັດທີ່ບໍ່ປອດໄພ, ຫຼືລະຫັດທີ່ ເກືອບ ແກ້ໄຂບັນຫາໄດ້ແຕ່ມີຂໍ້ບົກຜ່ອງເລັກນ້ອຍ. ດັ່ງນັ້ນ, ການປະຕິບັດທີ່ດີທີ່ສຸດໃນປະຈຸບັນແມ່ນ ການຮັກສາມະນຸດໃຫ້ຢູ່ໃນວົງຈອນ - ນັກພັດທະນາທົດສອບ ແລະ ແກ້ໄຂຂໍ້ຜິດພາດຂອງລະຫັດທີ່ຂຽນໂດຍ AI ຄືກັນກັບທີ່ພວກເຂົາເຮັດກັບລະຫັດທີ່ຂຽນໂດຍມະນຸດ. ໃນອຸດສາຫະກຳທີ່ມີການຄວບຄຸມ ຫຼື ຊອບແວທີ່ສຳຄັນ (ເຊັ່ນ: ລະບົບການແພດ ຫຼື ການບິນ), ການປະກອບສ່ວນຂອງ AI ໃດໆກໍ່ຜ່ານການທົບທວນຄືນຢ່າງເຂັ້ມງວດ.

ໃນປະຈຸບັນນີ້ບໍ່ມີລະບົບຊອບແວຫຼັກໃດທີ່ຖືກນຳໃຊ້ໂດຍ AI ທີ່ຂຽນຂຶ້ນທັງໝົດຕັ້ງແຕ່ເລີ່ມຕົ້ນໂດຍບໍ່ມີການເບິ່ງແຍງຂອງນັກພັດທະນາ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ການນຳໃຊ້ແບບອັດຕະໂນມັດ ຫຼື ເຄິ່ງອັດຕະໂນມັດບາງຢ່າງກຳລັງເກີດຂຶ້ນ:

• ການທົດສອບຫົວໜ່ວຍທີ່ສ້າງຂຶ້ນໂດຍອັດຕະໂນມັດ: AI ສາມາດວິເຄາະລະຫັດ ແລະ ຜະລິດການທົດສອບຫົວໜ່ວຍເພື່ອຄອບຄຸມກໍລະນີຕ່າງໆ. ຂອບການທົດສອບອາດຈະສ້າງ ແລະ ດຳເນີນການທົດສອບທີ່ຂຽນໂດຍ AI ເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດເພື່ອກວດຫາຂໍ້ຜິດພາດ, ເສີມຂະຫຍາຍການທົດສອບທີ່ຂຽນໂດຍມະນຸດ.

• ແພລດຟອມ Low-code/No-code ທີ່ມີ AI: ບາງແພລດຟອມອະນຸຍາດໃຫ້ຜູ້ທີ່ບໍ່ແມ່ນໂປຣແກຣມເມີສາມາດອະທິບາຍສິ່ງທີ່ເຂົາເຈົ້າຕ້ອງການ (ເຊັ່ນ "ສ້າງໜ້າເວັບທີ່ມີແບບຟອມຕິດຕໍ່ ແລະ ຖານຂໍ້ມູນເພື່ອບັນທຶກລາຍການ") ແລະ ລະບົບຈະສ້າງລະຫັດ. ໃນຂະນະທີ່ຍັງຢູ່ໃນໄລຍະຕົ້ນໆ, ສິ່ງນີ້ບອກເປັນນัยເຖິງອະນາຄົດທີ່ AI ສາມາດສ້າງຊອບແວໄດ້ໂດຍອັດຕະໂນມັດສຳລັບກໍລະນີການນຳໃຊ້ມາດຕະຖານ.

• ການຂຽນສະຄຣິບ ແລະ ລະຫັດກາວ: ລະບົບອັດຕະໂນມັດດ້ານໄອທີມັກຈະກ່ຽວຂ້ອງກັບການຂຽນສະຄຣິບເພື່ອເຊື່ອມຕໍ່ລະບົບຕ່າງໆ. ເຄື່ອງມື AI ມັກຈະສາມາດສ້າງສະຄຣິບຂະໜາດນ້ອຍເຫຼົ່ານີ້ໄດ້ໂດຍອັດຕະໂນມັດ. ຕົວຢ່າງ, ການຂຽນສະຄຣິບເພື່ອວິເຄາະໄຟລ໌ບັນທຶກ ແລະ ສົ່ງການແຈ້ງເຕືອນທາງອີເມວ - AI ສາມາດສ້າງສະຄຣິບທີ່ເຮັດວຽກໄດ້ໂດຍມີການແກ້ໄຂໜ້ອຍທີ່ສຸດ ຫຼື ບໍ່ມີການແກ້ໄຂເລີຍ.

ທັດສະນະສຳລັບປີ 2030-2035: ສູ່ຊອບແວ “ພັດທະນາຕົນເອງ”

ໃນທົດສະວັດຕໍ່ໄປ, ປັນຍາປະດິດທີ່ສ້າງສັນ (AI) ຄາດວ່າຈະຮັບພາລະດ້ານການຂຽນໂປຣແກຣມຫຼາຍຂຶ້ນ, ໂດຍຈະກ້າວໄປສູ່ການພັດທະນາຊອບແວທີ່ເປັນເອກະລາດຢ່າງເຕັມທີ່ສຳລັບໂຄງການບາງປະເພດ. ບາງການພັດທະນາທີ່ຄາດຄະເນໄວ້:

• ການປະຕິບັດຄຸນສົມບັດທີ່ສົມບູນ: ຮອດປີ 2030, ພວກເຮົາຄາດວ່າ AI ຈະສາມາດປະຕິບັດຄຸນສົມບັດແອັບພລິເຄຊັນງ່າຍໆໄດ້ຕັ້ງແຕ່ຕົ້ນຈົນຈົບ. ຜູ້ຈັດການຜະລິດຕະພັນອາດຈະອະທິບາຍຄຸນສົມບັດໃນພາສາທີ່ເຂົ້າໃຈງ່າຍ (“ຜູ້ໃຊ້ຄວນຈະສາມາດຕັ້ງລະຫັດຜ່ານຂອງເຂົາເຈົ້າຄືນໃໝ່ຜ່ານລິ້ງອີເມວ”) ແລະ AI ສາມາດສ້າງລະຫັດທີ່ຈຳເປັນ (ແບບຟອມດ້ານໜ້າ, ເຫດຜົນດ້ານຫຼັງ, ການອັບເດດຖານຂໍ້ມູນ, ການສົ່ງອີເມວ) ແລະລວມເຂົ້າກັບຖານຂໍ້ມູນລະຫັດ. AI ຈະເຮັດໜ້າທີ່ເປັນນັກພັດທະນາລະດັບນ້ອຍທີ່ສາມາດປະຕິບັດຕາມສະເປັກໄດ້ຢ່າງມີປະສິດທິພາບ. ວິສະວະກອນມະນຸດອາດຈະເຮັດການທົບທວນລະຫັດ ແລະ ດຳເນີນການທົດສອບ. ເມື່ອຄວາມໜ້າເຊື່ອຖືຂອງ AI ດີຂຶ້ນ, ການທົບທວນລະຫັດອາດຈະກາຍເປັນການອ່ານຜ່ານໄວໆຖ້າມີ.

• ການບຳລຸງຮັກສາລະຫັດອັດຕະໂນມັດ: ສ່ວນໃຫຍ່ຂອງວິສະວະກຳຊອບແວບໍ່ພຽງແຕ່ຂຽນລະຫັດໃໝ່ເທົ່ານັ້ນ, ແຕ່ຍັງເປັນການອັບເດດລະຫັດທີ່ມີຢູ່ແລ້ວ - ແກ້ໄຂຂໍ້ບົກຜ່ອງ, ປັບປຸງປະສິດທິພາບ, ປັບຕົວເຂົ້າກັບຄວາມຕ້ອງການໃໝ່. ນັກພັດທະນາ AI ໃນອະນາຄົດອາດຈະເກັ່ງໃນເລື່ອງນີ້. ໂດຍມີຖານຂໍ້ມູນລະຫັດ ແລະ ຄຳສັ່ງ (“ແອັບຂອງພວກເຮົາຂັດຂ້ອງເມື່ອຜູ້ໃຊ້ຫຼາຍຄົນເຂົ້າສູ່ລະບົບພ້ອມໆກັນ”), AI ອາດຈະຊອກຫາບັນຫາ (ເຊັ່ນ: ຂໍ້ບົກຜ່ອງທີ່ເກີດຂຶ້ນພ້ອມໆກັນ) ແລະ ແກ້ໄຂມັນ. ຮອດປີ 2035, ລະບົບ AI ອາດຈະຈັດການກັບປີ້ການບຳລຸງຮັກສາປົກກະຕິໂດຍອັດຕະໂນມັດໃນຕອນກາງຄືນ, ເຮັດໜ້າທີ່ເປັນທີມງານບຳລຸງຮັກສາທີ່ບໍ່ມີອິດເມື່ອຍສຳລັບລະບົບຊອບແວ.

• ການເຊື່ອມໂຍງ ແລະ ການນຳໃຊ້ API: ຍ້ອນວ່າລະບົບຊອບແວ ແລະ API ຫຼາຍຂຶ້ນມາພ້ອມກັບເອກະສານທີ່ອ່ານໄດ້ໂດຍ AI, ຕົວແທນ AI ສາມາດຄິດຫາວິທີການເຊື່ອມຕໍ່ລະບົບ A ກັບບໍລິການ B ໂດຍການຂຽນລະຫັດກາວ. ຕົວຢ່າງ, ຖ້າບໍລິສັດຕ້ອງການໃຫ້ລະບົບ HR ພາຍໃນຂອງເຂົາເຈົ້າຊິ້ງຂໍ້ມູນກັບ API ການຈ່າຍເງິນເດືອນໃໝ່, ເຂົາເຈົ້າອາດຈະມອບໝາຍໃຫ້ AI "ເຮັດໃຫ້ສິ່ງເຫຼົ່ານີ້ສື່ສານກັນ," ແລະມັນຈະຂຽນລະຫັດການເຊື່ອມໂຍງຫຼັງຈາກອ່ານລາຍລະອຽດຂອງທັງສອງລະບົບ.

• ຄຸນນະພາບ ແລະ ການເພີ່ມປະສິດທິພາບ: ຮູບແບບການສ້າງລະຫັດໃນອະນາຄົດອາດຈະລວມເອົາວົງຈອນຄຳຕິຊົມເພື່ອກວດສອບວ່າລະຫັດເຮັດວຽກ (ເຊັ່ນ: ດຳເນີນການທົດສອບ ຫຼື ການຈຳລອງໃນ sandbox). ນີ້ໝາຍຄວາມວ່າ AI ບໍ່ພຽງແຕ່ສາມາດຂຽນລະຫັດໄດ້ເທົ່ານັ້ນ ແຕ່ຍັງສາມາດແກ້ໄຂຕົວເອງໄດ້ໂດຍການທົດສອບມັນ. ຮອດປີ 2035, ພວກເຮົາສາມາດຈິນຕະນາການເຖິງ AI ທີ່, ເມື່ອໄດ້ຮັບໜ້າວຽກ, ຈະສືບຕໍ່ເຮັດຊ້ຳລະຫັດຂອງມັນຈົນກວ່າການທົດສອບທັງໝົດຈະຜ່ານ - ຂະບວນການທີ່ມະນຸດອາດຈະບໍ່ຈຳເປັນຕ້ອງຕິດຕາມກວດກາເປັນແຖວຕໍ່ແຖວ. ນີ້ຈະເພີ່ມຄວາມໄວ້ວາງໃຈຢ່າງຫຼວງຫຼາຍໃນລະຫັດທີ່ສ້າງຂຶ້ນດ້ວຍຕົນເອງ.

ຄົນເຮົາສາມາດຈິນຕະນາການເຖິງສະຖານະການພາຍໃນປີ 2035 ທີ່ໂຄງການຊອບແວຂະໜາດນ້ອຍ - ຕົວຢ່າງເຊັ່ນແອັບມືຖືທີ່ກຳນົດເອງສຳລັບທຸລະກິດ - ສາມາດພັດທະນາໄດ້ສ່ວນໃຫຍ່ໂດຍຕົວແທນ AI ທີ່ໄດ້ຮັບຄຳແນະນຳລະດັບສູງ. “ນັກພັດທະນາ” ທີ່ເປັນມະນຸດໃນສະຖານະການນັ້ນແມ່ນຜູ້ຈັດການໂຄງການ ຫຼື ຜູ້ກວດສອບຄວາມຖືກຕ້ອງຫຼາຍກວ່າ, ໂດຍລະບຸຄວາມຕ້ອງການ ແລະ ຂໍ້ຈຳກັດ (ຄວາມປອດໄພ, ແນວທາງການອອກແບບ) ແລະ ປ່ອຍໃຫ້ AI ເຮັດວຽກໜັກໃນການຂຽນໂປຣແກຣມຕົວຈິງ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ສຳລັບຊອບແວຂະໜາດໃຫຍ່ທີ່ສັບສົນ (ລະບົບປະຕິບັດການ, ອັລກໍຣິທຶມ AI ຂັ້ນສູງເອງ, ແລະອື່ນໆ), ຜູ້ຊ່ຽວຊານທີ່ເປັນມະນຸດຍັງຈະມີສ່ວນຮ່ວມຢ່າງເລິກເຊິ່ງ. ການແກ້ໄຂບັນຫາທີ່ສ້າງສັນ ແລະ ການອອກແບບສະຖາປັດຕະຍະກຳໃນຊອບແວອາດຈະຍັງຄົງເປັນໄປຕາມການນຳພາຂອງມະນຸດໄປໄລຍະໜຶ່ງ. AI ອາດຈະຈັດການກັບວຽກງານການຂຽນໂປຣແກຣມຫຼາຍຢ່າງ, ແຕ່ການຕັດສິນໃຈວ່າ ຫຍັງ ແລະ ອອກແບບໂຄງສ້າງໂດຍລວມແມ່ນສິ່ງທ້າທາຍທີ່ແຕກຕ່າງກັນ. ດັ່ງທີ່ກ່າວມາ, ຍ້ອນວ່າ AI ທີ່ສ້າງສັນເລີ່ມຮ່ວມມືກັນ - ຕົວແທນ AI ຫຼາຍຄົນທີ່ຈັດການອົງປະກອບຕ່າງໆຂອງລະບົບ - ມັນເປັນໄປໄດ້ວ່າພວກເຂົາສາມາດຮ່ວມກັນອອກແບບສະຖາປັດຕະຍະກຳໃນລະດັບໃດໜຶ່ງ (ຕົວຢ່າງ, AI ຄົນໜຶ່ງສະເໜີການອອກແບບລະບົບ, ອີກຄົນໜຶ່ງວິພາກວິຈານມັນ, ແລະ ພວກເຂົາເຮັດຊ້ຳອີກ, ໂດຍມີມະນຸດເປັນຜູ້ຄວບຄຸມຂະບວນການ).

ຜົນປະໂຫຍດທີ່ຄາດຫວັງໄວ້ອັນສຳຄັນຂອງ AI ໃນການຂຽນໂປຣແກຣມແມ່ນ ການຂະຫຍາຍຜົນຜະລິດ . Gartner ຄາດຄະເນວ່າ ຮອດປີ 2028, ວິສະວະກອນຊອບແວ 90% ຈະໃຊ້ຜູ້ຊ່ວຍລະຫັດ AI (ເພີ່ມຂຶ້ນຈາກໜ້ອຍກວ່າ 15% ໃນປີ 2024) ( GitHub Copilot ຢູ່ໃນອັນດັບຕົ້ນໆຂອງບົດລາຍງານການຄົ້ນຄວ້າກ່ຽວກັບຜູ້ຊ່ວຍລະຫັດ AI -- ວາລະສານ Visual Studio ). ນີ້ຊີ້ໃຫ້ເຫັນວ່າຜູ້ທີ່ຜິດປົກກະຕິ - ຜູ້ທີ່ບໍ່ໄດ້ໃຊ້ AI - ຈະມີໜ້ອຍ. ພວກເຮົາອາດຈະເຫັນການຂາດແຄນນັກພັດທະນາມະນຸດໃນບາງຂົງເຂດທີ່ຖືກຫຼຸດຜ່ອນໂດຍ AI ເຕີມເຕັມຊ່ອງຫວ່າງ; ໂດຍພື້ນຖານແລ້ວນັກພັດທະນາແຕ່ລະຄົນສາມາດເຮັດໄດ້ຫຼາຍກວ່ານີ້ດ້ວຍຜູ້ຊ່ວຍ AI ທີ່ສາມາດຮ່າງລະຫັດໄດ້ດ້ວຍຕົນເອງ.

ຄວາມໄວ້ວາງໃຈຈະຍັງຄົງເປັນບັນຫາຫຼັກ. ເຖິງແມ່ນວ່າໃນປີ 2035, ອົງກອນຕ່າງໆຈະຕ້ອງຮັບປະກັນວ່າລະຫັດທີ່ສ້າງຂຶ້ນດ້ວຍຕົນເອງນັ້ນປອດໄພ (AI ຕ້ອງບໍ່ນຳສະເໜີຊ່ອງໂຫວ່) ແລະ ສອດຄ່ອງກັບມາດຕະຖານທາງກົດໝາຍ/ຈັນຍາບັນ (ເຊັ່ນ: AI ບໍ່ລວມເອົາລະຫັດທີ່ລອກເອົາມາຈາກຫ້ອງສະໝຸດແຫຼ່ງເປີດໂດຍບໍ່ມີໃບອະນຸຍາດທີ່ເໝາະສົມ). ພວກເຮົາຄາດຫວັງວ່າເຄື່ອງມືການຄຸ້ມຄອງ AI ທີ່ໄດ້ຮັບການປັບປຸງໃຫ້ດີຂຶ້ນເຊິ່ງສາມາດກວດສອບ ແລະ ຕິດຕາມຕົ້ນກຳເນີດລະຫັດທີ່ຂຽນໂດຍ AI ເພື່ອຊ່ວຍໃຫ້ການຂຽນລະຫັດດ້ວຍຕົນເອງຫຼາຍຂຶ້ນໂດຍບໍ່ມີຄວາມສ່ຽງ.

ສະຫຼຸບແລ້ວ, ໃນກາງຊຸມປີ 2030, AI ທີ່ມີຄວາມສາມາດໃນການສ້າງແບບຈຳລອງມີແນວໂນ້ມທີ່ຈະຈັດການກັບສ່ວນໃຫຍ່ຂອງການຂຽນໂປຣແກຣມສຳລັບວຽກງານຊອບແວປົກກະຕິ ແລະ ຊ່ວຍເຫຼືອຢ່າງຫຼວງຫຼາຍໃນວຽກງານທີ່ສັບສົນ. ວົງຈອນການພັດທະນາຊອບແວຈະເປັນອັດຕະໂນມັດຫຼາຍຂຶ້ນ - ຕັ້ງແຕ່ຄວາມຕ້ອງການຈົນເຖິງການນຳໃຊ້ - ໂດຍ AI ອາດຈະສ້າງ ແລະ ນຳໃຊ້ການປ່ຽນແປງລະຫັດໂດຍອັດຕະໂນມັດ. ນັກພັດທະນາທີ່ເປັນມະນຸດຈະສຸມໃສ່ເຫດຜົນລະດັບສູງ, ປະສົບການຂອງຜູ້ໃຊ້, ແລະ ການຊີ້ນຳຫຼາຍຂຶ້ນ, ໃນຂະນະທີ່ຕົວແທນ AI ເຮັດວຽກຢ່າງລະອຽດກ່ຽວກັບລາຍລະອຽດການຈັດຕັ້ງປະຕິບັດ.

AI ທີ່ສ້າງສັນໃນການບໍລິການລູກຄ້າ ແລະ ການສະໜັບສະໜູນ

ຖ້າທ່ານໄດ້ພົວພັນກັບການສົນທະນາສະໜັບສະໜູນລູກຄ້າອອນໄລນ໌ໃນໄລຍະມໍ່ໆມານີ້, ມີໂອກາດດີທີ່ AI ຈະຢູ່ອີກຟາກໜຶ່ງສຳລັບຢ່າງໜ້ອຍບາງສ່ວນຂອງມັນ. ການບໍລິການລູກຄ້າແມ່ນຂົງເຂດທີ່ອຸດົມສົມບູນສຳລັບລະບົບອັດຕະໂນມັດຂອງ AI: ມັນກ່ຽວຂ້ອງກັບການຕອບຄຳຖາມຂອງຜູ້ໃຊ້, ເຊິ່ງ AI ທີ່ສ້າງສັນ (ໂດຍສະເພາະຮູບແບບການສົນທະນາ) ສາມາດເຮັດໄດ້ດີ, ແລະມັນມັກຈະປະຕິບັດຕາມສະຄຣິບ ຫຼື ບົດຄວາມຖານຄວາມຮູ້, ເຊິ່ງ AI ສາມາດຮຽນຮູ້ໄດ້. AI ສາມາດຈັດການກັບລູກຄ້າໄດ້ດ້ວຍຕົນເອງແນວໃດ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): Chatbots ແລະ ຕົວແທນສະເໝືອນທີ່ກຳລັງນຳໜ້າ

ໃນປະຈຸບັນ, ຫຼາຍອົງກອນໄດ້ນຳໃຊ້ AI chatbot ເປັນຈຸດຕິດຕໍ່ທຳອິດ ໃນການບໍລິການລູກຄ້າ. ສິ່ງເຫຼົ່ານີ້ມີຕັ້ງແຕ່ bot ທີ່ອີງໃສ່ກົດລະບຽບງ່າຍໆ ("ກົດ 1 ສຳລັບການຮຽກເກັບເງິນ, 2 ສຳລັບການສະໜັບສະໜູນ...") ຈົນເຖິງ chatbot AI ທີ່ສ້າງສັນຂັ້ນສູງທີ່ສາມາດຕີຄວາມຄຳຖາມແບບຟອມເສລີ ແລະ ຕອບແບບສົນທະນາໄດ້. ຈຸດສຳຄັນ:

• ການຈັດການຄຳຖາມທົ່ວໄປ: ຕົວແທນ AI ມີຄວາມສາມາດດີໃນການຕອບຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ, ໃຫ້ຂໍ້ມູນ (ເວລາເປີດຮ້ານ, ນະໂຍບາຍການຄືນເງິນ, ຂັ້ນຕອນການແກ້ໄຂບັນຫາທີ່ຮູ້ຈັກ), ແລະ ແນະນຳຜູ້ໃຊ້ຜ່ານຂັ້ນຕອນມາດຕະຖານ. ຕົວຢ່າງ, chatbot AI ສຳລັບທະນາຄານສາມາດຊ່ວຍຜູ້ໃຊ້ກວດສອບຍອດເງິນໃນບັນຊີຂອງເຂົາເຈົ້າ, ຕັ້ງຄ່າລະຫັດຜ່ານໃໝ່, ຫຼື ອະທິບາຍວິທີການສະໝັກຂໍເງິນກູ້ໂດຍບໍ່ຕ້ອງມີມະນຸດຊ່ວຍເຫຼືອ.

• ຄວາມເຂົ້າໃຈພາສາທຳມະຊາດ: ຮູບແບບການສ້າງແບບໃໝ່ທີ່ທັນສະໄໝຊ່ວຍໃຫ້ມີການໂຕ້ຕອບທີ່ຄ່ອງແຄ້ວ ແລະ “ຄ້າຍຄືມະນຸດ” ຫຼາຍຂຶ້ນ. ລູກຄ້າສາມາດພິມຄຳຖາມດ້ວຍຄຳເວົ້າຂອງຕົນເອງ ແລະ AI ໂດຍປົກກະຕິແລ້ວສາມາດເຂົ້າໃຈເຈດຕະນາໄດ້. ບໍລິສັດຕ່າງໆລາຍງານວ່າຕົວແທນ AI ໃນປະຈຸບັນມີຄວາມພໍໃຈຕໍ່ລູກຄ້າຫຼາຍກວ່າບັອດທີ່ຫຍຸ້ງຍາກໃນສອງສາມປີກ່ອນ - ເກືອບເຄິ່ງໜຶ່ງຂອງລູກຄ້າໃນປັດຈຸບັນເຊື່ອວ່າຕົວແທນ AI ສາມາດມີຄວາມເຫັນອົກເຫັນໃຈ ແລະ ມີປະສິດທິພາບເມື່ອແກ້ໄຂຄວາມກັງວົນ ( ສະຖິຕິການບໍລິການລູກຄ້າ AI 59 ສຳລັບປີ 2025 ), ສະແດງໃຫ້ເຫັນເຖິງຄວາມໄວ້ວາງໃຈທີ່ເພີ່ມຂຶ້ນໃນການບໍລິການທີ່ຂັບເຄື່ອນດ້ວຍ AI.

• ການສະໜັບສະໜູນຫຼາຍຊ່ອງທາງ: AI ບໍ່ພຽງແຕ່ຢູ່ໃນການສົນທະນາເທົ່ານັ້ນ. ຜູ້ຊ່ວຍສຽງ (ເຊັ່ນ: ລະບົບ IVR ທາງໂທລະສັບທີ່ມີ AI ຢູ່ເບື້ອງຫຼັງ) ກຳລັງເລີ່ມຈັດການກັບການໂທ, ແລະ AI ຍັງສາມາດຮ່າງການຕອບກັບອີເມວຕໍ່ການສອບຖາມຂອງລູກຄ້າເຊິ່ງອາດຈະອອກໄປໂດຍອັດຕະໂນມັດຖ້າຖືວ່າຖືກຕ້ອງ.

• ເມື່ອມະນຸດເຂົ້າມາແຊກແຊງ: ໂດຍປົກກະຕິແລ້ວ, ຖ້າ AI ສັບສົນ ຫຼື ຄຳຖາມສັບສົນເກີນໄປ, ມັນຈະມອບໝາຍໃຫ້ຕົວແທນທີ່ເປັນມະນຸດ. ລະບົບໃນປະຈຸບັນ ຮູ້ຂໍ້ຈຳກັດຂອງເຂົາເຈົ້າ ໃນຫຼາຍໆກໍລະນີ. ຕົວຢ່າງ, ຖ້າລູກຄ້າຖາມບາງສິ່ງບາງຢ່າງທີ່ຜິດປົກກະຕິ ຫຼື ສະແດງຄວາມອຸກອັ່ງ (“ນີ້ແມ່ນຄັ້ງທີສາມທີ່ຂ້ອຍຕິດຕໍ່ຫາເຈົ້າ ແລະ ຂ້ອຍຮູ້ສຶກເສຍໃຈຫຼາຍ…”), AI ອາດຈະລາຍງານເລື່ອງນີ້ໃຫ້ມະນຸດຮັບช่วงຕໍ່. ຂອບເຂດສຳລັບການມອບໝາຍແມ່ນຖືກກຳນົດໂດຍບໍລິສັດຕ່າງໆເພື່ອດຸ່ນດ່ຽງປະສິດທິພາບກັບຄວາມພໍໃຈຂອງລູກຄ້າ.

ບໍລິສັດຫຼາຍແຫ່ງໄດ້ລາຍງານວ່າການພົວພັນສ່ວນໃຫຍ່ໄດ້ຮັບການແກ້ໄຂໂດຍ AI ພຽງຢ່າງດຽວ. ອີງຕາມການສຳຫຼວດອຸດສາຫະກຳ, ປະມານ 70-80% ຂອງການສອບຖາມຂອງລູກຄ້າປົກກະຕິສາມາດຈັດການໄດ້ໂດຍ AI chatbots ໃນປະຈຸບັນ, ແລະປະມານ 40% ຂອງການພົວພັນກັບລູກຄ້າຂອງບໍລິສັດໃນທົ່ວຊ່ອງທາງຕ່າງໆແມ່ນເຮັດໂດຍອັດຕະໂນມັດ ຫຼື ໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI ( 52 ສະຖິຕິການບໍລິການລູກຄ້າ AI ທີ່ທ່ານຄວນຮູ້ - Plivo ). ດັດຊະນີການຮັບຮອງເອົາ AI ທົ່ວໂລກຂອງ IBM (2022) ຊີ້ບອກວ່າ 80% ຂອງບໍລິສັດໃຊ້ ຫຼື ວາງແຜນທີ່ຈະໃຊ້ AI chatbots ສຳລັບການບໍລິການລູກຄ້າພາຍໃນປີ 2025.

ການພັດທະນາທີ່ໜ້າສົນໃຈອີກຢ່າງໜຶ່ງຄື AI ບໍ່ພຽງແຕ່ຕອບສະໜອງຕໍ່ລູກຄ້າເທົ່ານັ້ນ, ແຕ່ຍັງ ຊ່ວຍເຫຼືອຕົວແທນມະນຸດຢ່າງມີປະສິດທິພາບ ໃນເວລາຈິງ. ຕົວຢ່າງ, ໃນລະຫວ່າງການສົນທະນາສົດ ຫຼື ການໂທ, AI ອາດຈະຟັງ ແລະ ໃຫ້ຄຳຕອບທີ່ແນະນຳ ຫຼື ຂໍ້ມູນທີ່ກ່ຽວຂ້ອງແກ່ຕົວແທນມະນຸດທັນທີ. ສິ່ງນີ້ເຮັດໃຫ້ເສັ້ນຂອງຄວາມເປັນເອກະລາດມົວລົງ - AI ບໍ່ໄດ້ຫັນໜ້າໄປຫາລູກຄ້າຄົນດຽວ, ແຕ່ມັນມີສ່ວນຮ່ວມຢ່າງຫ້າວຫັນໂດຍບໍ່ມີການສອບຖາມຂອງມະນຸດຢ່າງຊັດເຈນ. ມັນເຮັດໜ້າທີ່ເປັນທີ່ປຶກສາທີ່ເປັນເອກະລາດໃຫ້ກັບຕົວແທນຢ່າງມີປະສິດທິພາບ.

ທັດສະນະສຳລັບປີ 2030-2035: ການພົວພັນລູກຄ້າທີ່ຂັບເຄື່ອນດ້ວຍ AI ສ່ວນໃຫຍ່

ຮອດປີ 2030, ການພົວພັນດ້ານການບໍລິການລູກຄ້າສ່ວນໃຫຍ່ຄາດວ່າຈະກ່ຽວຂ້ອງກັບ AI, ໂດຍຫຼາຍວຽກງານຈະຖືກຈັດການໂດຍ AI ທັງໝົດຕັ້ງແຕ່ຕົ້ນຈົນຈົບ. ການຄາດຄະເນ ແລະ ແນວໂນ້ມທີ່ສະໜັບສະໜູນສິ່ງນີ້:

• ການແກ້ໄຂຄຳຖາມທີ່ມີຄວາມຊັບຊ້ອນສູງຂຶ້ນ: ຍ້ອນວ່າຮູບແບບ AI ປະສົມປະສານຄວາມຮູ້ຢ່າງກວ້າງຂວາງ ແລະ ປັບປຸງການໃຊ້ເຫດຜົນ, ພວກມັນຈະສາມາດຈັດການກັບຄຳຮ້ອງຂໍຂອງລູກຄ້າທີ່ຊັບຊ້ອນຫຼາຍຂຶ້ນ. ແທນທີ່ຈະຕອບພຽງແຕ່ “ຂ້ອຍຈະສົ່ງຄືນສິນຄ້າໄດ້ແນວໃດ?”, AI ໃນອະນາຄົດອາດຈະຈັດການກັບບັນຫາຫຼາຍຂັ້ນຕອນເຊັ່ນ “ອິນເຕີເນັດຂອງຂ້ອຍຂັດຂ້ອງ, ຂ້ອຍໄດ້ລອງຣີບູດແລ້ວ, ເຈົ້າສາມາດຊ່ວຍໄດ້ບໍ?” ໂດຍການວິນິດໄສບັນຫາຜ່ານການສົນທະນາ, ນຳພາລູກຄ້າຜ່ານການແກ້ໄຂບັນຫາຂັ້ນສູງ, ແລະ ພຽງແຕ່ຖ້າທຸກຢ່າງລົ້ມເຫຼວໃນການກຳນົດເວລາຊ່າງເຕັກນິກ - ໜ້າວຽກທີ່ໃນປະຈຸບັນອາດຈະຕ້ອງການຊ່າງເຕັກນິກສະໜັບສະໜູນມະນຸດ. ໃນການບໍລິການລູກຄ້າດ້ານການດູແລສຸຂະພາບ, AI ອາດຈະຈັດການກັບການກຳນົດເວລານັດໝາຍຂອງຄົນເຈັບ ຫຼື ການສອບຖາມປະກັນໄພແບບຕົ້ນທາງຫາທ້າຍ.

• ການແກ້ໄຂການບໍລິການແບບຕົ້ນທາງເຖິງທ້າຍ: ພວກເຮົາອາດຈະເຫັນ AI ບໍ່ພຽງແຕ່ບອກລູກຄ້າວ່າຕ້ອງເຮັດຫຍັງ, ແຕ່ຍັງ ເຮັດມັນ ໃນນາມຂອງລູກຄ້າພາຍໃນລະບົບ backend. ຕົວຢ່າງ, ຖ້າລູກຄ້າເວົ້າວ່າ "ຂ້ອຍຕ້ອງການປ່ຽນຖ້ຽວບິນຂອງຂ້ອຍໄປວັນຈັນໜ້າ ແລະ ເພີ່ມກະເປົາອີກໜ່ວຍໜຶ່ງ," ຕົວແທນ AI ໃນປີ 2030 ອາດຈະຕິດຕໍ່ໂດຍກົງກັບລະບົບການຈອງຂອງສາຍການບິນ, ປະຕິບັດການປ່ຽນແປງ, ດຳເນີນການຊຳລະເງິນສຳລັບກະເປົາ, ແລະ ຢືນຢັນໃຫ້ລູກຄ້າ - ທັງໝົດດ້ວຍຕົນເອງ. AI ກາຍເປັນຕົວແທນບໍລິການເຕັມຮູບແບບ, ບໍ່ພຽງແຕ່ເປັນແຫຼ່ງຂໍ້ມູນເທົ່ານັ້ນ.

• ຕົວແທນ AI ທີ່ມີຢູ່ທົ່ວໄປ: ບໍລິສັດຕ່າງໆອາດຈະນຳໃຊ້ AI ໃນທຸກຈຸດຕິດຕໍ່ຂອງລູກຄ້າ - ໂທລະສັບ, ການສົນທະນາ, ອີເມວ, ສື່ສັງຄົມອອນລາຍ. ລູກຄ້າຫຼາຍຄົນອາດຈະບໍ່ຮູ້ວ່າພວກເຂົາກຳລັງເວົ້າກັບ AI ຫຼືມະນຸດ, ໂດຍສະເພາະເມື່ອສຽງຂອງ AI ກາຍເປັນທຳມະຊາດຫຼາຍຂຶ້ນ ແລະ ການຕອບກັບການສົນທະນາມີຄວາມຮັບຮູ້ເຖິງສະພາບການຫຼາຍຂຶ້ນ. ຮອດປີ 2035, ການຕິດຕໍ່ບໍລິການລູກຄ້າມັກຈະໝາຍເຖິງການພົວພັນກັບ AI ທີ່ສະຫຼາດທີ່ຈື່ຈຳການພົວພັນທີ່ຜ່ານມາຂອງທ່ານ, ເຂົ້າໃຈຄວາມມັກຂອງທ່ານ, ແລະ ປັບຕົວເຂົ້າກັບນ້ຳສຽງຂອງທ່ານ - ໂດຍພື້ນຖານແລ້ວເປັນຕົວແທນສະເໝືອນສ່ວນຕົວສຳລັບລູກຄ້າທຸກຄົນ.

• ການຕັດສິນໃຈດ້ວຍ AI ໃນການໂຕ້ຕອບ: ນອກເໜືອໄປຈາກການຕອບຄຳຖາມ, AI ຈະເລີ່ມຕັດສິນໃຈທີ່ຕ້ອງການການອະນຸມັດຈາກຜູ້ບໍລິຫານໃນປະຈຸບັນ. ຕົວຢ່າງ, ໃນປະຈຸບັນຕົວແທນທີ່ເປັນມະນຸດອາດຈະຕ້ອງການການອະນຸມັດຈາກຜູ້ຄວບຄຸມເພື່ອສະເໜີເງິນຄືນ ຫຼື ສ່ວນຫຼຸດພິເສດເພື່ອເອົາໃຈລູກຄ້າທີ່ໃຈຮ້າຍ. ໃນອະນາຄົດ, AI ສາມາດໄດ້ຮັບການມອບໝາຍໃຫ້ຕັດສິນໃຈເຫຼົ່ານັ້ນ, ພາຍໃນຂອບເຂດທີ່ກຳນົດໄວ້, ໂດຍອີງໃສ່ມູນຄ່າຕະຫຼອດຊີວິດຂອງລູກຄ້າທີ່ຄິດໄລ່ ແລະ ການວິເຄາະຄວາມຮູ້ສຶກ. ການສຶກສາໂດຍ Futurum/IBM ຄາດຄະເນວ່າໃນປີ 2030 ປະມານ 69% ຂອງການຕັດສິນໃຈທີ່ເຮັດໃນລະຫວ່າງການພົວພັນກັບລູກຄ້າໃນເວລາຈິງຈະເຮັດໂດຍເຄື່ອງຈັກອັດສະລິຍະ ( ເພື່ອຈິນຕະນາການຄືນໃໝ່ກ່ຽວກັບການປ່ຽນໄປສູ່ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງນີ້ ) - AI ຕັດສິນໃຈວິທີການປະຕິບັດທີ່ດີທີ່ສຸດໃນການໂຕ້ຕອບຢ່າງມີປະສິດທິພາບ.

• ການມີສ່ວນຮ່ວມຂອງ AI 100%: ບົດລາຍງານໜຶ່ງຊີ້ໃຫ້ເຫັນວ່າ AI ໃນທີ່ສຸດຈະມີບົດບາດໃນ ທຸກໆ ການພົວພັນກັບລູກຄ້າ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສຳລັບປີ 2025 ), ບໍ່ວ່າຈະເປັນທາງໜ້າ ຫຼື ໃນພື້ນຫຼັງ. ນັ້ນອາດໝາຍຄວາມວ່າເຖິງແມ່ນວ່າມະນຸດຈະພົວພັນກັບລູກຄ້າ, ພວກເຂົາກໍ່ຈະໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI (ໃຫ້ຄຳແນະນຳ, ດຶງຂໍ້ມູນ). ອີກທາງເລືອກໜຶ່ງ, ການຕີຄວາມໝາຍແມ່ນວ່າບໍ່ມີຄຳຖາມຂອງລູກຄ້າໃດໆທີ່ບໍ່ໄດ້ຮັບຄຳຕອບໃນເວລາໃດກໍ່ຕາມ - ຖ້າມະນຸດບໍ່ໄດ້ໃຊ້ງານ, AI ຈະຢູ່ທີ່ນັ້ນສະເໝີ.

ຮອດປີ 2035, ພວກເຮົາອາດຈະພົບວ່າຕົວແທນບໍລິການລູກຄ້າທີ່ເປັນມະນຸດໄດ້ກາຍເປັນຜູ້ຊ່ຽວຊານສຳລັບສະຖານະການທີ່ລະອຽດອ່ອນທີ່ສຸດ ຫຼື ມີການພົວພັນກັບລູກຄ້າຫຼາຍເທົ່ານັ້ນ (ເຊັ່ນ: ລູກຄ້າ VIP ຫຼື ການແກ້ໄຂຄຳຮ້ອງທຸກທີ່ສັບສົນທີ່ຕ້ອງການຄວາມເຫັນອົກເຫັນໃຈຈາກມະນຸດ). ການສອບຖາມເປັນປະຈຳ - ຕັ້ງແຕ່ການທະນາຄານຈົນເຖິງການຂາຍຍ່ອຍຈົນເຖິງການສະໜັບສະໜູນດ້ານເຕັກນິກ - ສາມາດໃຫ້ບໍລິການໂດຍກຸ່ມຕົວແທນ AI ທີ່ເຮັດວຽກ 24/7, ຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງຈາກແຕ່ລະການພົວພັນ. ການປ່ຽນແປງນີ້ສາມາດເຮັດໃຫ້ການບໍລິການລູກຄ້າມີຄວາມສອດຄ່ອງ ແລະ ທັນທີທັນໃດຫຼາຍຂຶ້ນ, ຍ້ອນວ່າ AI ບໍ່ໄດ້ເຮັດໃຫ້ຄົນລໍຖ້າຢູ່ ແລະ ສາມາດເຮັດວຽກຫຼາຍຢ່າງພ້ອມກັນໄດ້ຢ່າງບໍ່ຈຳກັດຕາມທິດສະດີ.

ມີສິ່ງທ້າທາຍຫຼາຍຢ່າງທີ່ຕ້ອງເອົາຊະນະສຳລັບວິໄສທັດນີ້: AI ຕ້ອງມີຄວາມເຂັ້ມແຂງສູງເພື່ອຮັບມືກັບຄວາມບໍ່ແນ່ນອນຂອງລູກຄ້າທີ່ເປັນມະນຸດ. ມັນຕ້ອງສາມາດຈັດການກັບຄຳສັບພາສາສະແລງ, ຄວາມໂກດແຄ້ນ, ຄວາມສັບສົນ, ແລະຄວາມຫຼາກຫຼາຍຂອງວິທີການສື່ສານຂອງຄົນ. ມັນຍັງຕ້ອງການຄວາມຮູ້ທີ່ທັນສະໄໝ (ບໍ່ມີປະໂຫຍດຖ້າຂໍ້ມູນຂອງ AI ລ້າສະໄໝ). ໂດຍການລົງທຶນໃນການເຊື່ອມໂຍງລະຫວ່າງ AI ແລະຖານຂໍ້ມູນຂອງບໍລິສັດ (ສຳລັບຂໍ້ມູນແບບເວລາຈິງກ່ຽວກັບການສັ່ງຊື້, ການຢຸດເຮັດວຽກ, ແລະອື່ນໆ), ອຸປະສັກເຫຼົ່ານີ້ສາມາດແກ້ໄຂໄດ້.

ທາງດ້ານຈັນຍາບັນ, ບໍລິສັດຕ່າງໆຈະຕ້ອງຕັດສິນໃຈວ່າເວລາໃດຄວນເປີດເຜີຍວ່າ "ທ່ານກຳລັງລົມກັບ AI" ແລະຮັບປະກັນຄວາມຍຸຕິທຳ (AI ບໍ່ໄດ້ປະຕິບັດຕໍ່ລູກຄ້າບາງຄົນໃນທາງລົບທີ່ແຕກຕ່າງກັນຍ້ອນການຝຶກອົບຮົມທີ່ມີອະຄະຕິ). ສົມມຸດວ່າສິ່ງເຫຼົ່ານີ້ໄດ້ຮັບການຄຸ້ມຄອງ, ກໍລະນີທຸລະກິດແມ່ນເຂັ້ມແຂງ: ການບໍລິການລູກຄ້າ AI ສາມາດຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ ແລະ ເວລາລໍຖ້າໄດ້ຢ່າງຫຼວງຫຼາຍ. ຕະຫຼາດສຳລັບ AI ໃນການບໍລິການລູກຄ້າຄາດວ່າຈະເຕີບໂຕເປັນຫຼາຍສິບພັນລ້ານໂດລາພາຍໃນປີ 2030 ( AI ໃນບົດລາຍງານຕະຫຼາດບໍລິການລູກຄ້າ 2025-2030: ກໍລະນີ ) ( ວິທີການສ້າງ AI ກຳລັງສົ່ງເສີມການຂົນສົ່ງ | Ryder ) ຍ້ອນວ່າອົງກອນຕ່າງໆລົງທຶນໃນຄວາມສາມາດເຫຼົ່ານີ້.

ສະຫຼຸບແລ້ວ, ຄາດຫວັງອະນາຄົດທີ່ ການບໍລິການລູກຄ້າດ້ວຍ AI ແບບອັດຕະໂນມັດເປັນເລື່ອງປົກກະຕິ . ການໄດ້ຮັບຄວາມຊ່ວຍເຫຼືອມັກຈະໝາຍເຖິງການພົວພັນກັບເຄື່ອງຈັກອັດສະລິຍະທີ່ສາມາດແກ້ໄຂບັນຫາຂອງທ່ານໄດ້ຢ່າງວ່ອງໄວ. ມະນຸດຍັງຈະຢູ່ໃນວົງຈອນສຳລັບການກວດສອບ ແລະ ການຈັດການກໍລະນີທີ່ສຳຄັນ, ແຕ່ຈະເປັນຜູ້ຄວບຄຸມກຳລັງແຮງງານ AI ຫຼາຍກວ່າ. ຜົນໄດ້ຮັບອາດຈະເປັນການບໍລິການທີ່ໄວຂຶ້ນ ແລະ ເປັນສ່ວນຕົວຫຼາຍຂຶ້ນສຳລັບຜູ້ບໍລິໂພກ - ຕາບໃດທີ່ AI ໄດ້ຮັບການຝຶກອົບຮົມ ແລະ ຕິດຕາມກວດກາຢ່າງຖືກຕ້ອງເພື່ອປ້ອງກັນຄວາມອຸກອັ່ງຂອງປະສົບການ "ສາຍດ່ວນຫຸ່ນຍົນ" ໃນອະດີດ.

AI ທີ່ສ້າງສັນໃນການດູແລສຸຂະພາບ ແລະ ການແພດ

ການດູແລສຸຂະພາບແມ່ນຂົງເຂດທີ່ມີຄວາມສ່ຽງສູງ. ແນວຄວາມຄິດຂອງ AI ທີ່ເຮັດວຽກໂດຍບໍ່ມີການຊີ້ນຳຂອງມະນຸດໃນການແພດເຮັດໃຫ້ເກີດທັງຄວາມຕື່ນເຕັ້ນ (ສຳລັບປະສິດທິພາບ ແລະ ການເຂົ້າເຖິງ) ແລະ ຄວາມລະມັດລະວັງ (ສຳລັບເຫດຜົນດ້ານຄວາມປອດໄພ ແລະ ຄວາມເຫັນອົກເຫັນໃຈ). AI ທີ່ສ້າງສັນໄດ້ເລີ່ມຕົ້ນສ້າງຄວາມກ້າວໜ້າໃນຂົງເຂດຕ່າງໆເຊັ່ນ: ການວິເຄາະຮູບພາບທາງການແພດ, ເອກະສານທາງດ້ານຄລີນິກ, ແລະ ແມ່ນແຕ່ການຄົ້ນພົບຢາ. ມັນສາມາດເຮັດຫຍັງໄດ້ດ້ວຍຕົວມັນເອງຢ່າງມີຄວາມຮັບຜິດຊອບ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ຊ່ວຍເຫຼືອແພດໝໍ, ບໍ່ແມ່ນທົດແທນພວກເຂົາ

ໃນປະຈຸບັນ, ປັນຍາປະດິດທີ່ສ້າງສັນໃນການດູແລສຸຂະພາບສ່ວນໃຫຍ່ແມ່ນເຮັດໜ້າທີ່ເປັນ ຜູ້ຊ່ວຍທີ່ມີປະສິດທິພາບ ໃຫ້ແກ່ຜູ້ຊ່ຽວຊານດ້ານການແພດ, ແທນທີ່ຈະເປັນຜູ້ຕັດສິນໃຈດ້ວຍຕົນເອງ. ຕົວຢ່າງ:

• ເອກະສານທາງການແພດ: ໜຶ່ງໃນການນຳໃຊ້ AI ທີ່ປະສົບຜົນສຳເລັດທີ່ສຸດໃນການດູແລສຸຂະພາບແມ່ນການຊ່ວຍເຫຼືອທ່ານໝໍໃນການເຮັດວຽກເອກະສານ. ຮູບແບບພາສາທຳມະຊາດສາມາດຖອດຂໍ້ຄວາມການໄປພົບແພດ ແລະ ສ້າງບັນທຶກທາງຄລີນິກ ຫຼື ສະຫຼຸບການອອກຈາກໂຮງໝໍ. ບໍລິສັດຕ່າງໆມີ “ຜູ້ຂຽນ AI” ທີ່ຟັງໃນລະຫວ່າງການກວດ (ຜ່ານໄມໂຄຣໂຟນ) ແລະ ສ້າງຮ່າງບັນທຶກການພົບແພດໂດຍອັດຕະໂນມັດໃຫ້ທ່ານໝໍກວດສອບ. ສິ່ງນີ້ຊ່ວຍປະຢັດເວລາຂອງແພດໃນການພິມ. ບາງລະບົບຍັງເພີ່ມຂໍ້ມູນບາງສ່ວນຂອງບັນທຶກສຸຂະພາບເອເລັກໂຕຣນິກໂດຍອັດຕະໂນມັດ. ສິ່ງນີ້ສາມາດເຮັດໄດ້ດ້ວຍການແຊກແຊງໜ້ອຍທີ່ສຸດ - ທ່ານໝໍພຽງແຕ່ແກ້ໄຂຂໍ້ຜິດພາດເລັກນ້ອຍໃນຮ່າງ, ຊຶ່ງໝາຍຄວາມວ່າການຂຽນບັນທຶກສ່ວນໃຫຍ່ແມ່ນເປັນເອກະລາດ.

• ລັງສີວິທະຍາ ແລະ ການຖ່າຍພາບ: AI, ລວມທັງຮູບແບບການສ້າງແບບຈຳລອງ, ສາມາດວິເຄາະລັງສີເອັກ, MRI, ແລະ CT scan ເພື່ອກວດຫາຄວາມຜິດປົກກະຕິ (ເຊັ່ນ: ເນື້ອງອກ ຫຼື ກະດູກຫັກ). ໃນປີ 2018, FDA ໄດ້ອະນຸມັດລະບົບ AI ສຳລັບການກວດຫາພະຍາດເບົາຫວານໃນຕາ (ສະພາບຕາ) ໃນຮູບພາບຈໍປະສາດຕາດ້ວຍຕົນເອງ - ໂດຍສະເພາະ, ມັນໄດ້ຮັບອະນຸຍາດໃຫ້ເຮັດການວິນິດໄສໂດຍບໍ່ມີການທົບທວນຈາກຜູ້ຊ່ຽວຊານໃນສະພາບການກວດສະເພາະນັ້ນ. ລະບົບນັ້ນບໍ່ແມ່ນ AI ການສ້າງແບບຈຳລອງ, ແຕ່ມັນສະແດງໃຫ້ເຫັນວ່າຜູ້ຄວບຄຸມໄດ້ອະນຸຍາດໃຫ້ມີການວິນິດໄສ AI ດ້ວຍຕົນເອງໃນກໍລະນີຈຳກັດ. ຮູບແບບການສ້າງແບບຈຳລອງມີບົດບາດໃນການສ້າງລາຍງານທີ່ຄົບຖ້ວນ. ຕົວຢ່າງ, AI ອາດຈະກວດສອບຮູບເອັກຂອງໜ້າເອິກ ແລະ ຮ່າງລາຍງານຂອງນັກວິທະຍາສາດລັງສີ ທີ່ກ່າວວ່າ "ບໍ່ມີການຄົ້ນພົບສ້ວຍແຫຼມ. ປອດສະອາດ. ຫົວໃຈມີຂະໜາດປົກກະຕິ." ຫຼັງຈາກນັ້ນນັກວິທະຍາສາດລັງສີພຽງແຕ່ຢືນຢັນ ແລະ ເຊັນຊື່. ໃນບາງກໍລະນີປົກກະຕິ, ລາຍງານເຫຼົ່ານີ້ອາດຈະອອກມາໂດຍບໍ່ມີການແກ້ໄຂຖ້ານັກວິທະຍາສາດລັງສີໄວ້ວາງໃຈ AI ແລະ ພຽງແຕ່ກວດສອບຢ່າງວ່ອງໄວ.

• ຕົວກວດສອບອາການ ແລະ ພະຍາບານສະເໝືອນ: chatbot AI ທີ່ສ້າງສັນກຳລັງຖືກນຳໃຊ້ເປັນຕົວກວດສອບອາການແຖວໜ້າ. ຄົນເຈັບສາມາດປ້ອນຂໍ້ມູນອາການຂອງເຂົາເຈົ້າ ແລະ ຮັບຄຳແນະນຳ (ຕົວຢ່າງ, “ມັນອາດຈະເປັນໄຂ້ຫວັດທຳມະດາ; ພັກຜ່ອນ ແລະ ດື່ມນ້ຳ, ແຕ່ໃຫ້ໄປພົບແພດຖ້າມີ X ຫຼື Y ເກີດຂຶ້ນ.”). ແອັບຕ່າງໆເຊັ່ນ Babylon Health ໃຊ້ AI ເພື່ອໃຫ້ຄຳແນະນຳ. ປະຈຸບັນ, ສິ່ງເຫຼົ່ານີ້ມັກຈະຖືກກຳນົດເປັນຂໍ້ມູນ, ບໍ່ແມ່ນຄຳແນະນຳທາງການແພດທີ່ແນ່ນອນ, ແລະ ພວກມັນຊຸກຍູ້ໃຫ້ຕິດຕາມກັບແພດມະນຸດສຳລັບບັນຫາຮ້າຍແຮງ.

• ການຄົ້ນພົບຢາ (ເຄມີສາດທີ່ສ້າງເອງ): ຮູບແບບ AI ທີ່ສ້າງເອງສາມາດສະເໜີໂຄງສ້າງໂມເລກຸນໃໝ່ສຳລັບຢາ. ນີ້ແມ່ນຢູ່ໃນຂົງເຂດການຄົ້ນຄວ້າຫຼາຍກວ່າການດູແລຄົນເຈັບ. AI ເຫຼົ່ານີ້ເຮັດວຽກດ້ວຍຕົນເອງເພື່ອແນະນຳສານປະກອບຫຼາຍພັນຊະນິດທີ່ມີຄຸນສົມບັດທີ່ຕ້ອງການ, ເຊິ່ງນັກເຄມີສາດຂອງມະນຸດຈະທົບທວນ ແລະ ທົດສອບໃນຫ້ອງທົດລອງ. ບໍລິສັດຕ່າງໆເຊັ່ນ Insilico Medicine ໄດ້ໃຊ້ AI ເພື່ອສ້າງຢາໃໝ່ໃນເວລາທີ່ສັ້ນລົງຢ່າງຫຼວງຫຼາຍ. ໃນຂະນະທີ່ສິ່ງນີ້ບໍ່ໄດ້ພົວພັນກັບຄົນເຈັບໂດຍກົງ, ມັນເປັນຕົວຢ່າງຂອງ AI ໃນການສ້າງວິທີແກ້ໄຂ (ການອອກແບບໂມເລກຸນ) ດ້ວຍຕົນເອງທີ່ມະນຸດຈະໃຊ້ເວລາດົນກວ່າທີ່ຈະຊອກຫາ.

• ການດຳເນີນງານດ້ານສຸຂະພາບ: AI ກຳລັງຊ່ວຍເພີ່ມປະສິດທິພາບການກຳນົດເວລາ, ການຄຸ້ມຄອງການສະໜອງ, ແລະ ການຂົນສົ່ງອື່ນໆໃນໂຮງໝໍ. ຕົວຢ່າງ, ຮູບແບບການສ້າງແບບຈຳລອງອາດຈະຈຳລອງການໄຫຼວຽນຂອງຄົນເຈັບ ແລະ ແນະນຳການປັບການກຳນົດເວລາເພື່ອຫຼຸດຜ່ອນເວລາລໍຖ້າ. ໃນຂະນະທີ່ບໍ່ສາມາດເບິ່ງເຫັນໄດ້ຊັດເຈນ, ແຕ່ເຫຼົ່ານີ້ແມ່ນການຕັດສິນໃຈທີ່ AI ສາມາດເຮັດໄດ້ດ້ວຍການປ່ຽນແປງດ້ວຍຕົນເອງໜ້ອຍທີ່ສຸດ.

ສິ່ງສຳຄັນທີ່ຕ້ອງລະບຸວ່າ ມາຮອດປີ 2025, ບໍ່ມີໂຮງໝໍໃດທີ່ປ່ອຍໃຫ້ AI ຕັດສິນໃຈທາງການແພດທີ່ສຳຄັນ ຫຼື ການປິ່ນປົວດ້ວຍຕົນເອງໂດຍບໍ່ມີການອະນຸມັດຈາກມະນຸດ. ການວິນິດໄສ ແລະ ການວາງແຜນການປິ່ນປົວຍັງຄົງຢູ່ໃນມືຂອງມະນຸດຢ່າງໜັກແໜ້ນ, ໂດຍມີ AI ໃຫ້ການປ້ອນຂໍ້ມູນ. ຄວາມໄວ້ວາງໃຈທີ່ຕ້ອງການສຳລັບ AI ເພື່ອບອກຄົນເຈັບຢ່າງເປັນອິດສະຫຼະຢ່າງເຕັມທີ່ວ່າ "ເຈົ້າເປັນມະເຮັງ" ຫຼື ສັ່ງຢາຍັງບໍ່ທັນມີເທື່ອ, ແລະ ມັນບໍ່ຄວນມີໂດຍບໍ່ມີການຢືນຢັນຢ່າງກວ້າງຂວາງ. ຜູ້ຊ່ຽວຊານດ້ານການແພດໃຊ້ປະໂຫຍດຈາກ AI ເປັນຕາຄູ່ທີສອງ ຫຼື ເປັນເຄື່ອງມືປະຢັດເວລາ, ແຕ່ພວກມັນກວດສອບຜົນຜະລິດທີ່ສຳຄັນ.

ທັດສະນະສຳລັບປີ 2030-2035: AI ໃນຖານະເພື່ອນຮ່ວມງານຂອງທ່ານໝໍ (ແລະອາດຈະເປັນພະຍາບານ ຫຼື ຮ້ານຂາຍຢາ)

ໃນທົດສະວັດທີ່ຈະມາເຖິງ, ພວກເຮົາຄາດຫວັງວ່າ AI ທີ່ສ້າງສັນຈະປະຕິບັດໜ້າວຽກທາງດ້ານການແພດທີ່ເປັນປະຈຳຫຼາຍຂຶ້ນດ້ວຍຕົນເອງ ແລະ ເພື່ອເສີມຂະຫຍາຍການເຂົ້າເຖິງການບໍລິການດ້ານສຸຂະພາບ:

• ການວິນິດໄສເບື້ອງຕົ້ນແບບອັດຕະໂນມັດ: ຮອດປີ 2030, AI ສາມາດຈັດການການວິເຄາະເບື້ອງຕົ້ນໄດ້ຢ່າງໜ້າເຊື່ອຖືສຳລັບອາການທົ່ວໄປຫຼາຍຢ່າງ. ລອງນຶກພາບລະບົບ AI ໃນຄລີນິກທີ່ອ່ານອາການຂອງຄົນເຈັບ, ປະຫວັດທາງການແພດ, ແມ່ນແຕ່ນ້ຳສຽງ ແລະ ສັນຍານໃບໜ້າຂອງເຂົາເຈົ້າຜ່ານກ້ອງຖ່າຍຮູບ, ແລະ ໃຫ້ຄຳແນະນຳໃນການວິນິດໄສ ແລະ ການກວດທີ່ແນະນຳ - ທັງໝົດກ່ອນທີ່ທ່ານຈະພົບແພດ. ຫຼັງຈາກນັ້ນ, ທ່ານໝໍສາມາດສຸມໃສ່ການຢືນຢັນ ແລະ ປຶກສາຫາລືກ່ຽວກັບການວິນິດໄສ. ໃນການແພດທາງໄກ, ຄົນເຈັບອາດຈະສົນທະນາກັບ AI ກ່ອນທີ່ຈະແກ້ໄຂບັນຫາ (ເຊັ່ນ: ການຕິດເຊື້ອທາງຮູດັງທີ່ອາດຈະເກີດຂຶ້ນ ທຽບກັບ ບາງສິ່ງບາງຢ່າງທີ່ຮ້າຍແຮງກວ່າ) ແລະ ຫຼັງຈາກນັ້ນເຊື່ອມຕໍ່ພວກເຂົາກັບແພດຖ້າຈຳເປັນ. ຜູ້ຄວບຄຸມອາດຈະອະນຸຍາດໃຫ້ AI ຢ່າງເປັນທາງການ ໂດຍບໍ່ມີການກວດສອບຂອງມະນຸດ ຖ້າພິສູດວ່າມີຄວາມຖືກຕ້ອງສູງ - ຕົວຢ່າງ, AI ທີ່ວິນິດໄສການຕິດເຊື້ອຫູໂດຍກົງຈາກຮູບພາບກ້ອງສ່ອງທາງໄກອາດຈະເປັນໄປໄດ້.

• ເຄື່ອງຕິດຕາມສຸຂະພາບສ່ວນຕົວ: ດ້ວຍການຂະຫຍາຍຕົວຂອງອຸປະກອນສວມໃສ່ໄດ້ (ໂມງອັດສະລິຍະ, ເຊັນເຊີສຸຂະພາບ), AI ຈະຕິດຕາມຄົນເຈັບຢ່າງຕໍ່ເນື່ອງ ແລະ ເຕືອນບັນຫາຕ່າງໆໂດຍອັດຕະໂນມັດ. ຕົວຢ່າງ, ຮອດປີ 2035, AI ຂອງອຸປະກອນສວມໃສ່ຂອງທ່ານອາດຈະກວດພົບການເຕັ້ນຂອງຫົວໃຈຜິດປົກກະຕິ ແລະ ກຳນົດເວລາໃຫ້ທ່ານປຶກສາແບບສະເໝືອນຢ່າງຮີບດ່ວນ ຫຼື ແມ່ນແຕ່ໂທຫາລົດສຸກເສີນຖ້າມັນກວດພົບອາການຂອງຫົວໃຈວາຍ ຫຼື ເສັ້ນເລືອດໃນສະໝອງຕີບ. ສິ່ງນີ້ຂ້າມໄປສູ່ຂອບເຂດການຕັດສິນໃຈດ້ວຍຕົນເອງ - ການຕັດສິນໃຈວ່າສະຖານະການເປັນເຫດສຸກເສີນ ແລະ ດຳເນີນການ - ເຊິ່ງເປັນການນຳໃຊ້ AI ທີ່ອາດຈະຊ່ວຍຊີວິດໄດ້ ແລະ ເປັນໄປໄດ້.

• ຄຳແນະນຳໃນການປິ່ນປົວ: AI ທີ່ສ້າງຂຶ້ນມາເຊິ່ງໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບເອກະສານທາງການແພດ ແລະ ຂໍ້ມູນຂອງຄົນເຈັບອາດຈະແນະນຳແຜນການປິ່ນປົວສ່ວນບຸກຄົນ. ຮອດປີ 2030, ສຳລັບພະຍາດທີ່ສັບສົນເຊັ່ນ: ມະເຮັງ, ກະດານເນື້ອງອກ AI ສາມາດວິເຄາະລັກສະນະທາງພັນທຸກໍາ ແລະ ປະຫວັດທາງການແພດຂອງຄົນເຈັບ ແລະ ຮ່າງວິທີການປິ່ນປົວທີ່ແນະນຳໂດຍອັດຕະໂນມັດ (ແຜນການປິ່ນປົວດ້ວຍທາງເຄມີ, ການເລືອກຢາ). ທ່ານໝໍທີ່ເປັນມະນຸດຈະທົບທວນມັນ, ແຕ່ເມື່ອເວລາຜ່ານໄປ ເມື່ອຄວາມໝັ້ນໃຈເພີ່ມຂຶ້ນ, ພວກເຂົາອາດຈະເລີ່ມຍອມຮັບແຜນການທີ່ສ້າງຂຶ້ນໂດຍ AI ໂດຍສະເພາະສຳລັບກໍລະນີປົກກະຕິ, ໂດຍປັບປ່ຽນເມື່ອຈຳເປັນເທົ່ານັ້ນ.

• ພະຍາບານສະເໝືອນ ແລະ ການດູແລຢູ່ເຮືອນ: AI ທີ່ສາມາດສົນທະນາ ແລະ ໃຫ້ຄຳແນະນຳທາງການແພດສາມາດຈັດການກັບການຕິດຕາມ ແລະ ການຕິດຕາມກວດກາການດູແລຊຳເຮື້ອໄດ້ຫຼາຍຢ່າງ. ຕົວຢ່າງ, ຄົນເຈັບຢູ່ເຮືອນທີ່ມີພະຍາດຊຳເຮື້ອສາມາດລາຍງານຕົວຊີ້ວັດປະຈຳວັນໃຫ້ກັບຜູ້ຊ່ວຍພະຍາບານ AI ເຊິ່ງໃຫ້ຄຳແນະນຳ (“ນ້ຳຕານໃນເລືອດຂອງທ່ານສູງໜ້ອຍໜຶ່ງ, ລອງພິຈາລະນາປັບອາຫານວ່າງຕອນແລງຂອງທ່ານ”) ແລະ ພຽງແຕ່ວົນຊ້ຳໆໃນພະຍາບານມະນຸດເມື່ອການອ່ານຄ່າຢູ່ນອກຂອບເຂດ ຫຼື ມີບັນຫາເກີດຂຶ້ນ. AI ນີ້ສາມາດເຮັດວຽກໄດ້ເປັນສ່ວນໃຫຍ່ພາຍໃຕ້ການຊີ້ນຳຈາກໄລຍະໄກຂອງແພດ.

• ການຖ່າຍພາບທາງການແພດ ແລະ ການວິເຄາະໃນຫ້ອງທົດລອງ - ທໍ່ສົ່ງອັດຕະໂນມັດຢ່າງຄົບຖ້ວນ: ຮອດປີ 2035, ການອ່ານການສະແກນທາງການແພດອາດຈະເຮັດໂດຍ AI ສ່ວນໃຫຍ່ໃນບາງຂົງເຂດ. ນັກວິທະຍາສາດລັງສີຈະເບິ່ງແຍງລະບົບ AI ແລະ ຈັດການກັບກໍລະນີທີ່ສັບສົນ, ແຕ່ການສະແກນປົກກະຕິສ່ວນໃຫຍ່ (ເຊິ່ງເປັນເລື່ອງປົກກະຕິ) ສາມາດ "ອ່ານ" ແລະ ເຊັນໂດຍ AI ໂດຍກົງ. ໃນທຳນອງດຽວກັນ, ການວິເຄາະສະໄລ້ພະຍາດວິທະຍາ (ຕົວຢ່າງ, ການກວດຫາຈຸລັງມະເຮັງໃນການກວດເນື້ອເຍື່ອ) ສາມາດເຮັດໄດ້ດ້ວຍຕົນເອງສຳລັບການກວດຫາໃນເບື້ອງຕົ້ນ, ເຊິ່ງເລັ່ງຜົນການກວດຫ້ອງທົດລອງໄດ້ຢ່າງຫຼວງຫຼາຍ.

• ການຄົ້ນພົບຢາ ແລະ ການທົດລອງທາງດ້ານຄລີນິກ: AI ອາດຈະອອກແບບບໍ່ພຽງແຕ່ໂມເລກຸນຢາເທົ່ານັ້ນ ແຕ່ຍັງສ້າງຂໍ້ມູນຄົນເຈັບສັງເຄາະສຳລັບການທົດລອງ ຫຼື ຊອກຫາຜູ້ສະໝັກການທົດລອງທີ່ດີທີ່ສຸດ. ມັນອາດຈະດຳເນີນການທົດລອງແບບເສມືນໂດຍອັດຕະໂນມັດ (ຈຳລອງວ່າຄົນເຈັບຈະມີປະຕິກິລິຍາແນວໃດ) ເພື່ອຈຳກັດທາງເລືອກກ່ອນການທົດລອງຕົວຈິງ. ສິ່ງນີ້ສາມາດນຳຢາອອກສູ່ຕະຫຼາດໄດ້ໄວຂຶ້ນດ້ວຍການທົດລອງທີ່ຂັບເຄື່ອນໂດຍມະນຸດໜ້ອຍລົງ.

ວິໄສທັດຂອງທ່ານ ໝໍ AI ທີ່ຈະມາແທນທ່ານໝໍທີ່ເປັນມະນຸດຢ່າງສົມບູນນັ້ນຍັງຢູ່ໄກ ແລະ ຍັງເປັນທີ່ຖົກຖຽງກັນຢູ່. ເຖິງແມ່ນວ່າໃນປີ 2035, ຄວາມຄາດຫວັງແມ່ນວ່າ AI ຈະເປັນ ເພື່ອນຮ່ວມງານ ກັບທ່ານໝໍ ແທນທີ່ຈະເປັນຕົວແທນໃຫ້ກັບການສຳຜັດຂອງມະນຸດ. ການວິນິດໄສທີ່ສັບສົນມັກຈະຕ້ອງການສະຕິປັນຍາ, ຈັນຍາບັນ ແລະ ການສົນທະນາເພື່ອເຂົ້າໃຈສະພາບການຂອງຄົນເຈັບ - ຂົງເຂດທີ່ທ່ານໝໍທີ່ເປັນມະນຸດເກັ່ງ. ດັ່ງທີ່ກ່າວມາ, AI ອາດຈະຈັດການ, ຕົວຢ່າງ, 80% ຂອງວຽກງານປົກກະຕິ: ເອກະສານ, ກໍລະນີທີ່ງ່າຍດາຍ, ການຕິດຕາມກວດກາ, ແລະອື່ນໆ, ຊ່ວຍໃຫ້ແພດທີ່ເປັນມະນຸດສາມາດສຸມໃສ່ 20% ທີ່ຫຍຸ້ງຍາກ ແລະ ຄວາມສຳພັນຂອງຄົນເຈັບ.

ມີອຸປະສັກທີ່ສຳຄັນ: ການອະນຸມັດດ້ານກົດລະບຽບສຳລັບ AI ທີ່ເປັນເອກະລາດໃນການດູແລສຸຂະພາບແມ່ນເຂັ້ມງວດ (ຢ່າງເໝາະສົມ). ລະບົບ AI ຈະຕ້ອງການການຢືນຢັນທາງດ້ານຄລີນິກຢ່າງກວ້າງຂວາງ. ພວກເຮົາອາດຈະເຫັນການຍອມຮັບເພີ່ມຂຶ້ນເທື່ອລະກ້າວ - ຕົວຢ່າງ, AI ໄດ້ຮັບອະນຸຍາດໃຫ້ກວດຫາ ຫຼື ປິ່ນປົວດ້ວຍຕົນເອງໃນເຂດທີ່ຂາດການບໍລິການທີ່ບໍ່ມີແພດໝໍ, ເປັນວິທີການຂະຫຍາຍການເຂົ້າເຖິງການດູແລສຸຂະພາບ (ລອງນຶກພາບ “ຄລີນິກ AI” ໃນບ້ານຫ່າງໄກສອກຫຼີກພາຍໃນປີ 2030 ທີ່ດຳເນີນການດ້ວຍການຊີ້ນຳທາງໄກເປັນໄລຍະຈາກທ່ານໝໍໃນເມືອງ).

ການພິຈາລະນາດ້ານຈັນຍາບັນມີຄວາມສຳຄັນຫຼາຍ. ຄວາມຮັບຜິດຊອບ (ຖ້າ AI ທີ່ເປັນເອກະລາດຜິດພາດໃນການວິນິດໄສ, ໃຜເປັນຜູ້ຮັບຜິດຊອບ?), ການຍິນຍອມທີ່ໄດ້ຮັບຂໍ້ມູນ (ຄົນເຈັບຈຳເປັນຕ້ອງຮູ້ວ່າ AI ມີສ່ວນຮ່ວມໃນການດູແລຂອງເຂົາເຈົ້າຫຼືບໍ່), ແລະ ການຮັບປະກັນຄວາມສະເໝີພາບ (AI ເຮັດວຽກໄດ້ດີສຳລັບປະຊາກອນທັງໝົດ, ຫຼີກລ່ຽງອະຄະຕິ) ແມ່ນສິ່ງທ້າທາຍທີ່ຕ້ອງແກ້ໄຂ. ສົມມຸດວ່າສິ່ງເຫຼົ່ານັ້ນໄດ້ຮັບການແກ້ໄຂແລ້ວ, ພາຍໃນກາງຊຸມປີ 2030, AI ທີ່ສ້າງຂຶ້ນສາມາດຖືກຖັກທໍເຂົ້າໃນການໃຫ້ບໍລິການດ້ານສຸຂະພາບ, ປະຕິບັດໜ້າວຽກຫຼາຍຢ່າງທີ່ເຮັດໃຫ້ຜູ້ໃຫ້ບໍລິການມະນຸດມີອິດສະຫຼະ ແລະ ອາດຈະເຂົ້າເຖິງຄົນເຈັບທີ່ມີການເຂົ້າເຖິງທີ່ຈຳກັດໃນປະຈຸບັນ.

ສະຫຼຸບແລ້ວ, ຮອດປີ 2035 ການດູແລສຸຂະພາບອາດຈະເຫັນ AI ຖືກປະສົມປະສານຢ່າງເລິກເຊິ່ງ ແຕ່ສ່ວນຫຼາຍແມ່ນຢູ່ພາຍໃຕ້ຝາປິດ ຫຼື ໃນບົດບາດສະໜັບສະໜູນ. ພວກເຮົາຈະໄວ້ວາງໃຈ AI ໃຫ້ ເຮັດຫຼາຍຢ່າງດ້ວຍຕົວມັນເອງ - ອ່ານການສະແກນ, ເບິ່ງອາການສຳຄັນ, ຮ່າງແຜນການ - ແຕ່ຍັງມີຕາໜ່າງຄວາມປອດໄພຂອງມະນຸດທີ່ຍັງຄົງມີຢູ່ສຳລັບການຕັດສິນໃຈທີ່ສຳຄັນ. ຜົນໄດ້ຮັບອາດຈະເປັນລະບົບການດູແລສຸຂະພາບທີ່ມີປະສິດທິພາບ ແລະ ຕອບສະໜອງໄດ້ດີຂຶ້ນ, ບ່ອນທີ່ AI ຈັດການກັບພາລະໜັກ ແລະ ມະນຸດໃຫ້ຄວາມເຫັນອົກເຫັນໃຈ ແລະ ການຕັດສິນສຸດທ້າຍ.

AI ທີ່ສ້າງສັນໃນການສຶກສາ

ການສຶກສາແມ່ນອີກຂົງເຂດໜຶ່ງທີ່ AI ທີ່ສ້າງສັນກຳລັງສ້າງຄື້ນຟອງ, ຕັ້ງແຕ່ບັອດສອນທີ່ໃຊ້ AI ຈົນເຖິງການໃຫ້ຄະແນນແບບອັດຕະໂນມັດ ແລະ ການສ້າງເນື້ອຫາ. ການສອນ ແລະ ການຮຽນຮູ້ກ່ຽວຂ້ອງກັບການສື່ສານ ແລະ ຄວາມຄິດສ້າງສັນ, ເຊິ່ງເປັນຈຸດແຂງຂອງຮູບແບບການສ້າງ. ແຕ່ AI ສາມາດໄວ້ວາງໃຈໄດ້ໃນການສຶກສາໂດຍບໍ່ມີການຊີ້ນຳຂອງຄູບໍ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ຜູ້ສອນ ແລະ ຜູ້ສ້າງເນື້ອຫາໃນແບບມືອາຊີບ

ໃນປັດຈຸບັນ, AI ກຳລັງຖືກນຳໃຊ້ໃນການສຶກສາເປັນ ເຄື່ອງມືເສີມເປັນ ແທນທີ່ຈະເປັນຄູສອນແບບໂດດດ່ຽວ. ຕົວຢ່າງຂອງການນຳໃຊ້ໃນປະຈຸບັນ:

• ຜູ້ຊ່ວຍສອນພາສາດ້ວຍ AI: ເຄື່ອງມືຕ່າງໆເຊັ່ນ "Khanmigo" ຂອງ Khan Academy (ຂັບເຄື່ອນໂດຍ GPT-4) ຫຼືແອັບຮຽນພາສາຕ່າງໆໃຊ້ AI ເພື່ອຈຳລອງຄູສອນແບບໜຶ່ງຕໍ່ໜຶ່ງ ຫຼືຄູ່ສົນທະນາ. ນັກຮຽນສາມາດຖາມຄຳຖາມເປັນພາສາທຳມະຊາດ ແລະ ໄດ້ຮັບຄຳຕອບ ຫຼື ຄຳອະທິບາຍ. AI ສາມາດໃຫ້ຄຳແນະນຳສຳລັບບັນຫາວຽກບ້ານ, ອະທິບາຍແນວຄວາມຄິດໃນວິທີທີ່ແຕກຕ່າງກັນ, ຫຼືແມ່ນແຕ່ການສະແດງບົດບາດເປັນຕົວລະຄອນປະຫວັດສາດສຳລັບບົດຮຽນປະຫວັດສາດແບບໂຕ້ຕອບ. ຢ່າງໃດກໍຕາມ, ຄູສອນ AI ເຫຼົ່ານີ້ມັກຈະຖືກນຳໃຊ້ດ້ວຍຄວາມລະມັດລະວັງ; ຄູສອນ ຫຼື ຜູ້ຮັກສາແອັບມັກຈະຕິດຕາມການສົນທະນາ ຫຼື ກຳນົດຂອບເຂດກ່ຽວກັບສິ່ງທີ່ AI ສາມາດສົນທະນາໄດ້ (ເພື່ອຫຼີກເວັ້ນຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ເນື້ອຫາທີ່ບໍ່ເໝາະສົມ).

• ການສ້າງເນື້ອຫາສຳລັບຄູ: ປັນຍາປະດິດ AI ຊ່ວຍຄູໂດຍການສ້າງຄຳຖາມແບບທົດສອບ, ບົດສະຫຼຸບຂອງບົດອ່ານ, ໂຄງຮ່າງແຜນການສອນ, ແລະອື່ນໆ. ຄູອາດຈະຖາມ AI ວ່າ, "ສ້າງບັນຫາການຝຶກຊ້ອມ 5 ຢ່າງກ່ຽວກັບສົມຜົນກຳລັງສອງພ້ອມຄຳຕອບ," ຊ່ວຍປະຢັດເວລາໃນການກະກຽມ. ນີ້ແມ່ນການສ້າງເນື້ອຫາແບບອັດຕະໂນມັດ, ແຕ່ຄູມັກຈະທົບທວນຜົນຜະລິດເພື່ອຄວາມຖືກຕ້ອງ ແລະ ຄວາມສອດຄ່ອງກັບຫຼັກສູດ. ສະນັ້ນມັນເປັນອຸປະກອນທີ່ປະຫຍັດແຮງງານຫຼາຍກວ່າຄວາມເປັນເອກະລາດຢ່າງເຕັມສ່ວນ.

• ການໃຫ້ຄະແນນ ແລະ ຄຳຕິຊົມ: AI ສາມາດໃຫ້ຄະແນນການສອບເສັງແບບເລືອກຕອບໂດຍອັດຕະໂນມັດ (ບໍ່ມີຫຍັງໃໝ່ຢູ່ທີ່ນັ້ນ) ແລະ ສາມາດປະເມີນຄຳຕອບສັ້ນໆ ຫຼື ບົດຂຽນໄດ້ຫຼາຍຂຶ້ນເລື້ອຍໆ. ບາງລະບົບໂຮງຮຽນໃຊ້ AI ເພື່ອໃຫ້ຄະແນນຄຳຕອບທີ່ຂຽນ ແລະ ໃຫ້ຄຳຕິຊົມແກ່ນັກຮຽນ (ເຊັ່ນ: ການແກ້ໄຂໄວຍາກອນ, ຄຳແນະນຳເພື່ອຂະຫຍາຍການໂຕ້ຖຽງ). ໃນຂະນະທີ່ບໍ່ແມ່ນວຽກງານທີ່ສ້າງສັນ, AI ໃໝ່ຍັງສາມາດ ສ້າງ ລາຍງານຄຳຕິຊົມສ່ວນຕົວສຳລັບນັກຮຽນໂດຍອີງໃສ່ຜົນງານຂອງເຂົາເຈົ້າ, ໂດຍເນັ້ນໃສ່ຈຸດທີ່ຕ້ອງປັບປຸງ. ຄູອາຈານມັກຈະກວດສອບບົດຂຽນທີ່ໃຫ້ຄະແນນດ້ວຍ AI ຄືນໃໝ່ໃນຂັ້ນຕອນນີ້ເນື່ອງຈາກຄວາມກັງວົນກ່ຽວກັບລາຍລະອຽດເລັກໆນ້ອຍໆ.

• ລະບົບການຮຽນຮູ້ແບບປັບຕົວ: ເຫຼົ່ານີ້ແມ່ນແພລດຟອມທີ່ປັບຄວາມຍາກ ຫຼື ຮູບແບບຂອງເອກະສານໂດຍອີງໃສ່ຜົນງານຂອງນັກຮຽນ. AI ທີ່ສ້າງສັນຊ່ວຍເສີມສ້າງສິ່ງນີ້ໂດຍການສ້າງບັນຫາ ຫຼື ຕົວຢ່າງໃໝ່ໆທີ່ເໝາະສົມກັບຄວາມຕ້ອງການຂອງນັກຮຽນ. ຕົວຢ່າງ, ຖ້ານັກຮຽນກຳລັງປະສົບກັບບັນຫາກັບແນວຄວາມຄິດ, AI ອາດຈະສ້າງຄຳຖາມປຽບທຽບ ຫຼື ຄຳຖາມຝຶກຫັດອື່ນທີ່ສຸມໃສ່ແນວຄວາມຄິດນັ້ນ. ນີ້ແມ່ນເປັນເອກະລາດບາງສ່ວນ, ແຕ່ຢູ່ໃນລະບົບທີ່ອອກແບບໂດຍນັກການສຶກສາ.

• ການນຳໃຊ້ຂອງນັກຮຽນເພື່ອການຮຽນຮູ້: ນັກຮຽນໃຊ້ເຄື່ອງມືຕ່າງໆເຊັ່ນ ChatGPT ເພື່ອຊ່ວຍໃນການຮຽນຮູ້ - ຂໍຄວາມກະຈ່າງແຈ້ງ, ການແປພາສາ, ຫຼືແມ່ນແຕ່ການໃຊ້ AI ເພື່ອຮັບຄຳຕິຊົມກ່ຽວກັບຮ່າງບົດຂຽນ ("ປັບປຸງວັກນຳຂອງຂ້ອຍ"). ນີ້ແມ່ນການຊີ້ນຳດ້ວຍຕົນເອງ ແລະ ສາມາດເຮັດໄດ້ໂດຍບໍ່ມີຄວາມຮູ້ຂອງຄູ. AI ໃນສະຖານະການນີ້ເຮັດໜ້າທີ່ເປັນຜູ້ສອນຕາມຄວາມຕ້ອງການ ຫຼື ຜູ້ກວດສອບ. ສິ່ງທ້າທາຍແມ່ນການຮັບປະກັນວ່ານັກຮຽນໃຊ້ມັນເພື່ອການຮຽນຮູ້ແທນທີ່ຈະພຽງແຕ່ໄດ້ຮັບຄຳຕອບ (ຄວາມຊື່ສັດທາງວິຊາການ).

ເຫັນໄດ້ຢ່າງຊັດເຈນວ່າ ມາຮອດປີ 2025, AI ໃນການສຶກສາມີພະລັງຫຼາຍ ແຕ່ໂດຍປົກກະຕິແລ້ວຈະເຮັດວຽກກັບນັກການສຶກສາທີ່ເປັນມະນຸດເປັນຜູ້ຄວບຄຸມການປະກອບສ່ວນຂອງ AI. ມີຂໍ້ຄວນລະວັງທີ່ເຂົ້າໃຈໄດ້: ພວກເຮົາບໍ່ຕ້ອງການທີ່ຈະໄວ້ວາງໃຈ AI ໃນການສອນຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ຈັດການກັບການພົວພັນທີ່ລະອຽດອ່ອນຂອງນັກຮຽນໃນສູນຍາກາດ. ຄູອາຈານເບິ່ງຜູ້ສອນ AI ເປັນຜູ້ຊ່ວຍທີ່ເປັນປະໂຫຍດ ເຊິ່ງສາມາດໃຫ້ນັກຮຽນໄດ້ຝຶກຝົນຫຼາຍຂຶ້ນ ແລະ ຄຳຕອບທັນທີຕໍ່ຄຳຖາມປົກກະຕິ, ເຮັດໃຫ້ຄູອາຈານມີອິດສະຫຼະໃນການສຸມໃສ່ການໃຫ້ຄຳແນະນຳທີ່ເລິກເຊິ່ງກວ່າ.

ແນວໂນ້ມສຳລັບປີ 2030-2035: ຄູສອນ AI ສ່ວນບຸກຄົນ ແລະ ຜູ້ຊ່ວຍສອນແບບອັດຕະໂນມັດ

ໃນທົດສະວັດຕໍ່ໄປ, ພວກເຮົາຄາດວ່າ AI ທີ່ສ້າງສັນຈະຊ່ວຍໃຫ້ມີ ປະສົບການການຮຽນຮູ້ທີ່ເປັນສ່ວນຕົວ ແລະ ເປັນເອກະລາດ , ໃນຂະນະທີ່ບົດບາດຂອງຄູຈະພັດທະນາໄປ:

• ຜູ້ສອນສ່ວນຕົວ AI ສຳລັບນັກຮຽນທຸກຄົນ: ຮອດປີ 2030, ວິໄສທັດ (ແບ່ງປັນໂດຍຜູ້ຊ່ຽວຊານເຊັ່ນ Sal Khan ຈາກ Khan Academy) ແມ່ນວ່ານັກຮຽນແຕ່ລະຄົນສາມາດເຂົ້າເຖິງຜູ້ສອນ AI ທີ່ມີປະສິດທິພາບເທົ່າກັບຜູ້ສອນມະນຸດໃນຫຼາຍດ້ານ ( ຜູ້ສອນ AI ຄົນນີ້ສາມາດເຮັດໃຫ້ມະນຸດສະຫຼາດຂຶ້ນ 10 ເທົ່າ, ຜູ້ສ້າງຂອງມັນກ່າວ ). ຜູ້ສອນ AI ເຫຼົ່ານີ້ຈະມີໃຫ້ບໍລິການ 24/7, ຮູ້ປະຫວັດການຮຽນຮູ້ຂອງນັກຮຽນຢ່າງລະອຽດ, ແລະປັບຮູບແບບການສອນຂອງເຂົາເຈົ້າຕາມຄວາມເໝາະສົມ. ຕົວຢ່າງ, ຖ້ານັກຮຽນເປັນຜູ້ຮຽນທີ່ເບິ່ງເຫັນບັນຫາກັບແນວຄວາມຄິດພຶດຊະຄະນິດ, AI ອາດຈະສ້າງຄຳອະທິບາຍທີ່ເບິ່ງເຫັນໄດ້ ຫຼື ການຈຳລອງແບບໂຕ້ຕອບເພື່ອຊ່ວຍ. ເນື່ອງຈາກ AI ສາມາດຕິດຕາມຄວາມຄືບໜ້າຂອງນັກຮຽນໄດ້ຕະຫຼອດເວລາ, ມັນສາມາດຕັດສິນໃຈໄດ້ດ້ວຍຕົນເອງວ່າຈະທົບທວນຫົວຂໍ້ໃດຕໍ່ໄປ ຫຼື ເວລາໃດທີ່ຈະກ້າວໄປສູ່ທັກສະໃໝ່ - ການຈັດ ການແຜນການສອນ ສຳລັບນັກຮຽນຄົນນັ້ນຢ່າງມີປະສິດທິພາບໃນແງ່ມຸມຈຸລະພາກ.

• ຫຼຸດຜ່ອນພາລະວຽກຂອງຄູໃນໜ້າວຽກປົກກະຕິ: ການໃຫ້ຄະແນນ, ການເຮັດແບບຝຶກຫັດ, ການຮ່າງເອກະສານບົດຮຽນ - ໜ້າວຽກເຫຼົ່ານີ້ອາດຈະຖືກໂອນໄປໃຫ້ AI ເກືອບທັງໝົດພາຍໃນຊຸມປີ 2030. AI ສາມາດສ້າງວຽກບ້ານທີ່ກຳນົດເອງໄດ້ໜຶ່ງອາທິດສຳລັບຫ້ອງຮຽນ, ໃຫ້ຄະແນນວຽກມອບໝາຍທັງໝົດຂອງອາທິດທີ່ຜ່ານມາ (ເຖິງແມ່ນວ່າວຽກທີ່ເປີດກວ້າງ) ດ້ວຍຄຳຕິຊົມ, ແລະເນັ້ນໃຫ້ຄູຮູ້ວ່ານັກຮຽນອາດຈະຕ້ອງການຄວາມຊ່ວຍເຫຼືອເພີ່ມເຕີມກ່ຽວກັບຫົວຂໍ້ໃດ. ສິ່ງນີ້ອາດຈະເກີດຂຶ້ນດ້ວຍການປ້ອນຂໍ້ມູນຂອງຄູໜ້ອຍທີ່ສຸດ, ບາງທີອາດຈະພຽງແຕ່ເບິ່ງໄວໆເພື່ອຮັບປະກັນວ່າຄະແນນຂອງ AI ເບິ່ງຄືວ່າຍຸດຕິທຳ.

• ແພລດຟອມການຮຽນຮູ້ແບບປັບຕົວດ້ວຍຕົນເອງ: ພວກເຮົາອາດຈະເຫັນຫຼັກສູດທີ່ຂັບເຄື່ອນດ້ວຍ AI ຢ່າງເຕັມທີ່ສຳລັບວິຊາສະເພາະ. ລອງນຶກພາບຫຼັກສູດອອນໄລນ໌ທີ່ບໍ່ມີຄູສອນມະນຸດບ່ອນທີ່ຕົວແທນ AI ແນະນຳເອກະສານ, ໃຫ້ຕົວຢ່າງ, ຕອບຄຳຖາມ, ແລະປັບຈັງຫວະໂດຍອີງໃສ່ນັກຮຽນ. ປະສົບການຂອງນັກຮຽນອາດຈະເປັນເອກະລັກສະເພາະສຳລັບພວກເຂົາ, ສ້າງຂຶ້ນໃນເວລາຈິງ. ການຝຶກອົບຮົມຂອງບໍລິສັດ ແລະ ການຮຽນຮູ້ຂອງຜູ້ໃຫຍ່ບາງຢ່າງອາດຈະປ່ຽນໄປສູ່ຮູບແບບນີ້ໄວກວ່າ, ບ່ອນທີ່ໃນປີ 2035 ພະນັກງານສາມາດເວົ້າວ່າ "ຂ້ອຍຕ້ອງການຮຽນຮູ້ມາໂຄຣ Excel ຂັ້ນສູງ" ແລະຄູສອນ AI ຈະສອນພວກເຂົາຜ່ານຫຼັກສູດສ່ວນບຸກຄົນ, ລວມທັງການສ້າງບົດຝຶກຫັດ ແລະ ການປະເມີນຜົນວິທີແກ້ໄຂຂອງພວກເຂົາ, ໂດຍບໍ່ມີຄູຝຶກມະນຸດ.

• ຜູ້ຊ່ວຍ AI ໃນຫ້ອງຮຽນ: ໃນຫ້ອງຮຽນທາງກາຍະພາບ ຫຼື ຫ້ອງຮຽນສະເໝືອນ, AI ສາມາດຟັງການສົນທະນາໃນຫ້ອງຮຽນ ແລະ ຊ່ວຍຄູໄດ້ທັນທີ (ຕົວຢ່າງ, ການບອກຄຳແນະນຳຜ່ານຫູຟັງ: “ນັກຮຽນຫຼາຍຄົນເບິ່ງຄືວ່າສັບສົນກ່ຽວກັບແນວຄວາມຄິດນັ້ນ, ບາງທີອາດຈະຍົກຕົວຢ່າງອື່ນ”). ມັນຍັງສາມາດຄວບຄຸມເວທີສົນທະນາຫ້ອງຮຽນອອນໄລນ໌, ຕອບຄຳຖາມທີ່ນັກຮຽນຖາມໂດຍກົງ (“ວຽກມອບໝາຍຮອດເວລາໃດ?” ຫຼື ແມ່ນແຕ່ການຊີ້ແຈງຈຸດບັນຍາຍ) ດັ່ງນັ້ນຄູຈຶ່ງບໍ່ຖືກລົບກວນດ້ວຍອີເມວ. ຮອດປີ 2035, ການມີຄູຮ່ວມ AI ຢູ່ໃນຫ້ອງ, ໃນຂະນະທີ່ຄູທີ່ເປັນມະນຸດສຸມໃສ່ການຊີ້ນຳລະດັບສູງ ແລະ ລັກສະນະແຮງຈູງໃຈ, ອາດຈະເປັນມາດຕະຖານ.

• ການເຂົ້າເຖິງການສຶກສາທົ່ວໂລກ: ຄູສອນ AI ທີ່ເປັນເອກະລາດສາມາດຊ່ວຍໃຫ້ການສຶກສາແກ່ນັກຮຽນໃນເຂດທີ່ຂາດແຄນຄູສອນ. ແທັບເລັດທີ່ມີຄູສອນ AI ອາດຈະເປັນຄູສອນຫຼັກສຳລັບນັກຮຽນທີ່ມີການສຶກສາຈຳກັດ, ເຊິ່ງກວມເອົາການຮູ້ໜັງສືຂັ້ນພື້ນຖານ ແລະ ຄະນິດສາດ. ຮອດປີ 2035, ນີ້ອາດຈະເປັນໜຶ່ງໃນການນຳໃຊ້ທີ່ມີຜົນກະທົບຫຼາຍທີ່ສຸດ - AI ເຊື່ອມຕໍ່ຊ່ອງຫວ່າງບ່ອນທີ່ຄູສອນມະນຸດບໍ່ມີ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ການຮັບປະກັນຄຸນນະພາບ ແລະ ຄວາມເໝາະສົມທາງດ້ານວັດທະນະທຳຂອງການສຶກສາ AI ໃນສະພາບການທີ່ແຕກຕ່າງກັນຈະມີຄວາມສຳຄັນຫຼາຍ.

AI ຈະທົດແທນຄູບໍ? ເປັນໄປບໍ່ໄດ້ຢ່າງຄົບຖ້ວນ. ການສອນບໍ່ພຽງແຕ່ເປັນການສະໜອງເນື້ອຫາເທົ່ານັ້ນ - ແຕ່ມັນຍັງແມ່ນການໃຫ້ຄຳແນະນຳ, ແຮງບັນດານໃຈ, ການສະໜັບສະໜູນທາງສັງຄົມ-ອາລົມ. ອົງປະກອບຂອງມະນຸດເຫຼົ່ານັ້ນຍາກສຳລັບ AI ທີ່ຈະສຳເນົາໄດ້. ແຕ່ AI ສາມາດກາຍເປັນ ຄູສອນຄົນທີສອງ ໃນຫ້ອງຮຽນ ຫຼື ແມ່ນແຕ່ຄູສອນຄົນທຳອິດສຳລັບການຖ່າຍທອດຄວາມຮູ້, ເຮັດໃຫ້ນັກການສຶກສາທີ່ເປັນມະນຸດຕ້ອງສຸມໃສ່ສິ່ງທີ່ມະນຸດເຮັດໄດ້ດີທີ່ສຸດຄື: ຄວາມເຫັນອົກເຫັນໃຈ, ການກະຕຸ້ນ, ແລະ ສົ່ງເສີມການຄິດຢ່າງມີວິຈານ.

ມີຄວາມກັງວົນທີ່ຕ້ອງຈັດການຄື: ການຮັບປະກັນວ່າ AI ໃຫ້ຂໍ້ມູນທີ່ຖືກຕ້ອງ (ບໍ່ມີການຫຼອນທາງການສຶກສາກ່ຽວກັບຂໍ້ເທັດຈິງທີ່ບໍ່ຖືກຕ້ອງ), ການຫຼີກລ່ຽງອະຄະຕິໃນເນື້ອຫາການສຶກສາ, ການຮັກສາຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນນັກຮຽນ, ແລະ ການຮັກສານັກຮຽນໃຫ້ມີສ່ວນຮ່ວມ (AI ຕ້ອງມີແຮງຈູງໃຈ, ບໍ່ພຽງແຕ່ຖືກຕ້ອງ). ພວກເຮົາອາດຈະເຫັນການຮັບຮອງ ຫຼື ການຮັບຮອງລະບົບການສຶກສາ AI - ຄ້າຍຄືກັບປຶ້ມແບບຮຽນ - ເພື່ອຮັບປະກັນວ່າພວກມັນຕອບສະໜອງມາດຕະຖານ.

ສິ່ງທ້າທາຍອີກອັນໜຶ່ງແມ່ນການເພິ່ງພາອາໄສຫຼາຍເກີນໄປ: ຖ້າຄູສອນ AI ໃຫ້ຄຳຕອບໄວເກີນໄປ, ນັກຮຽນອາດຈະບໍ່ຮຽນຮູ້ຄວາມອົດທົນ ຫຼື ການແກ້ໄຂບັນຫາ. ເພື່ອຫຼຸດຜ່ອນສິ່ງນີ້, ຄູສອນ AI ໃນອະນາຄົດອາດຈະຖືກອອກແບບມາໃຫ້ນັກຮຽນມີຄວາມຫຍຸ້ງຍາກໃນບາງຄັ້ງ (ຄືກັບຄູສອນທີ່ເປັນມະນຸດ) ຫຼື ຊຸກຍູ້ໃຫ້ເຂົາເຈົ້າແກ້ໄຂບັນຫາດ້ວຍຄຳແນະນຳແທນທີ່ຈະໃຫ້ວິທີແກ້ໄຂ.

ຮອດປີ 2035, ຫ້ອງຮຽນອາດຈະຖືກປ່ຽນແປງ: ນັກຮຽນແຕ່ລະຄົນມີອຸປະກອນທີ່ເຊື່ອມຕໍ່ກັບ AI ນຳພາພວກເຂົາໃນຈັງຫວະຂອງຕົນເອງ, ໃນຂະນະທີ່ຄູສອນຈັດກິດຈະກຳກຸ່ມ ແລະ ໃຫ້ຄວາມເຂົ້າໃຈຂອງມະນຸດ. ການສຶກສາສາມາດມີປະສິດທິພາບ ແລະ ເໝາະສົມກັບຄວາມຕ້ອງການຫຼາຍຂຶ້ນ. ຄຳສັນຍາແມ່ນນັກຮຽນທຸກຄົນໄດ້ຮັບຄວາມຊ່ວຍເຫຼືອທີ່ເຂົາເຈົ້າຕ້ອງການເມື່ອເຂົາເຈົ້າຕ້ອງການມັນ - ປະສົບການ "ຄູສອນສ່ວນຕົວ" ທີ່ແທ້ຈິງໃນຂອບເຂດກ້ວາງຂວາງ. ຄວາມສ່ຽງແມ່ນການສູນເສຍການສຳຜັດຂອງມະນຸດບາງຢ່າງ ຫຼື ການນຳໃຊ້ AI ໃນທາງທີ່ຜິດ (ເຊັ່ນ: ນັກຮຽນໂກງຜ່ານ AI). ແຕ່ໂດຍລວມແລ້ວ, ຖ້າຈັດການໄດ້ດີ, AI ທີ່ສ້າງສັນຈະກ້າວໄປສູ່ປະຊາທິປະໄຕ ແລະ ເສີມຂະຫຍາຍການຮຽນຮູ້ໂດຍການເປັນເພື່ອນຮ່ວມທາງທີ່ມີຄວາມຮູ້ ແລະ ພ້ອມທີ່ຈະຊ່ວຍເຫຼືອໃນການເດີນທາງການສຶກສາຂອງນັກຮຽນ.

AI ທີ່ສ້າງສັນໃນການຂົນສົ່ງ ແລະ ລະບົບຕ່ອງໂສ້ການສະໜອງ

ການຂົນສົ່ງ - ສິລະປະ ແລະ ວິທະຍາສາດໃນການເຄື່ອນຍ້າຍສິນຄ້າ ແລະ ການຄຸ້ມຄອງລະບົບຕ່ອງໂສ້ການສະໜອງ - ອາດເບິ່ງຄືວ່າບໍ່ແມ່ນຂົງເຂດແບບດັ້ງເດີມສຳລັບ AI ທີ່ "ສ້າງສັນ", ແຕ່ການແກ້ໄຂບັນຫາ ແລະ ການວາງແຜນທີ່ສ້າງສັນແມ່ນກຸນແຈສຳຄັນໃນຂົງເຂດນີ້. AI ທີ່ສ້າງສັນສາມາດຊ່ວຍໄດ້ໂດຍການຈຳລອງສະຖານະການ, ການເພີ່ມປະສິດທິພາບແຜນການ, ແລະ ແມ່ນແຕ່ການຄວບຄຸມລະບົບຫຸ່ນຍົນ. ເປົ້າໝາຍໃນການຂົນສົ່ງແມ່ນປະສິດທິພາບ ແລະ ການປະຫຍັດຕົ້ນທຶນ, ເຊິ່ງສອດຄ່ອງກັບຈຸດແຂງຂອງ AI ໃນການວິເຄາະຂໍ້ມູນ ແລະ ການສະເໜີວິທີແກ້ໄຂ. ດັ່ງນັ້ນ AI ສາມາດມີຄວາມເປັນເອກະລາດໄດ້ແນວໃດໃນການດຳເນີນງານລະບົບຕ່ອງໂສ້ການສະໜອງ ແລະ ການດຳເນີນງານດ້ານການຂົນສົ່ງ?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ການເພີ່ມປະສິດທິພາບ ແລະ ການປັບປຸງໃຫ້ມີປະສິດທິພາບດ້ວຍການຄວບຄຸມຂອງມະນຸດ

ໃນປະຈຸບັນ, AI (ລວມທັງວິທີການສ້າງແບບຈຳລອງບາງຢ່າງ) ຖືກນຳໃຊ້ໃນດ້ານການຂົນສົ່ງເປັນຫຼັກໃນການໃຊ້ເປັນ ເຄື່ອງມືສະໜັບສະໜູນການຕັດສິນໃຈ :

• ການເພີ່ມປະສິດທິພາບເສັ້ນທາງ: ບໍລິສັດຕ່າງໆເຊັ່ນ UPS ແລະ FedEx ໄດ້ໃຊ້ອັລກໍຣິທຶມ AI ເພື່ອເພີ່ມປະສິດທິພາບເສັ້ນທາງການຈັດສົ່ງແລ້ວ - ຮັບປະກັນວ່າຜູ້ຂັບຂີ່ຈະໃຊ້ເສັ້ນທາງທີ່ມີປະສິດທິພາບສູງສຸດ. ຕາມປະເພນີ, ສິ່ງເຫຼົ່ານີ້ແມ່ນອັລກໍຣິທຶມການຄົ້ນຄວ້າການດຳເນີນງານ, ແຕ່ປະຈຸບັນວິທີການສ້າງແບບສ້າງສັນສາມາດຊ່ວຍສຳຫຼວດຍຸດທະສາດການກຳນົດເສັ້ນທາງທາງເລືອກພາຍໃຕ້ເງື່ອນໄຂຕ່າງໆ (ການຈະລາຈອນ, ສະພາບອາກາດ). ໃນຂະນະທີ່ AI ແນະນຳເສັ້ນທາງ, ຜູ້ສົ່ງຕໍ່ ຫຼື ຜູ້ຈັດການທີ່ເປັນມະນຸດຈະຕັ້ງຄ່າພາລາມິເຕີ (ເຊັ່ນ: ບຸລິມະສິດ) ແລະ ສາມາດຍົກເລີກໄດ້ຖ້າຈຳເປັນ.

• ການວາງແຜນການໂຫຼດ ແລະ ພື້ນທີ່: ສຳລັບລົດບັນທຸກບັນຈຸສິນຄ້າ ຫຼື ຕູ້ຄອນເທນເນີຂົນສົ່ງ, AI ສາມາດສ້າງແຜນການໂຫຼດທີ່ດີທີ່ສຸດ (ກ່ອງໃດຈະໄປໃສ). AI ທີ່ສ້າງໄດ້ອາດຈະສ້າງການຕັ້ງຄ່າການຫຸ້ມຫໍ່ຫຼາຍຢ່າງເພື່ອເພີ່ມການໃຊ້ພື້ນທີ່ໃຫ້ສູງສຸດ, ໂດຍພື້ນຖານແລ້ວແມ່ນການ "ສ້າງ" ວິທີແກ້ໄຂທີ່ມະນຸດສາມາດເລືອກໄດ້. ສິ່ງນີ້ໄດ້ຖືກເນັ້ນໃຫ້ເຫັນໂດຍການສຶກສາທີ່ສັງເກດວ່າລົດບັນທຸກມັກຈະແລ່ນຫວ່າງ 30% ໃນສະຫະລັດ, ແລະ ການວາງແຜນທີ່ດີກວ່າ - ໂດຍໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI - ສາມາດຫຼຸດຜ່ອນສິ່ງເສດເຫຼືອນັ້ນໄດ້ ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງໄດ້ອັນດັບຕົ້ນໆໃນການຂົນສົ່ງ ). ແຜນການໂຫຼດທີ່ສ້າງໂດຍ AI ເຫຼົ່ານີ້ມີຈຸດປະສົງເພື່ອຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍນໍ້າມັນເຊື້ອໄຟ ແລະ ການປ່ອຍອາຍພິດ, ແລະ ໃນບາງສາງພວກມັນຖືກປະຕິບັດດ້ວຍການປ່ຽນແປງດ້ວຍຕົນເອງໜ້ອຍທີ່ສຸດ.

• ການຄາດຄະເນຄວາມຕ້ອງການ ແລະ ການຄຸ້ມຄອງສິນຄ້າຄົງຄັງ: ຮູບແບບ AI ສາມາດຄາດຄະເນຄວາມຕ້ອງການຜະລິດຕະພັນ ແລະ ສ້າງແຜນການເກັບສິນຄ້າຄືນ. ຮູບແບບການສ້າງແບບຈຳລອງອາດຈະຈຳລອງສະຖານະການຄວາມຕ້ອງການທີ່ແຕກຕ່າງກັນ (ເຊັ່ນ: AI "ຈິນຕະນາການ" ການເພີ່ມຂຶ້ນຂອງຄວາມຕ້ອງການຍ້ອນວັນພັກທີ່ກຳລັງຈະມາເຖິງ) ແລະ ວາງແຜນສິນຄ້າຄົງຄັງຕາມຄວາມເໝາະສົມ. ສິ່ງນີ້ຊ່ວຍໃຫ້ຜູ້ຈັດການລະບົບຕ່ອງໂສ້ການສະໜອງກຽມພ້ອມ. ປະຈຸບັນ, AI ໃຫ້ການຄາດຄະເນ ແລະ ຄຳແນະນຳ, ແຕ່ໂດຍປົກກະຕິແລ້ວມະນຸດຈະຕັດສິນໃຈສຸດທ້າຍກ່ຽວກັບລະດັບການຜະລິດ ຫຼື ການສັ່ງຊື້.

• ການປະເມີນຄວາມສ່ຽງ: ລະບົບຕ່ອງໂສ້ການສະໜອງທົ່ວໂລກປະເຊີນກັບການລົບກວນ (ໄພພິບັດທາງທຳມະຊາດ, ຄວາມລ່າຊ້າຂອງທ່າເຮືອ, ບັນຫາທາງການເມືອງ). ລະບົບ AI ໃນປັດຈຸບັນໄດ້ລວບລວມຂ່າວ ແລະ ຂໍ້ມູນເພື່ອລະບຸຄວາມສ່ຽງທີ່ອາດຈະເກີດຂຶ້ນ. ຕົວຢ່າງ, ບໍລິສັດຂົນສົ່ງແຫ່ງໜຶ່ງໃຊ້ gen AI ເພື່ອສະແກນອິນເຕີເນັດ ແລະ ໝາຍເສັ້ນທາງການຂົນສົ່ງທີ່ມີຄວາມສ່ຽງ (ພື້ນທີ່ທີ່ອາດຈະມີບັນຫາຍ້ອນ, ເຊັ່ນ: ພະຍຸເຮີຣິເຄນ ຫຼື ຄວາມບໍ່ສະຫງົບທີ່ກຳລັງຈະມາເຖິງ) ( ກໍລະນີການນຳໃຊ້ gen AI ອັນດັບຕົ້ນໆໃນການຂົນສົ່ງ ). ດ້ວຍຂໍ້ມູນດັ່ງກ່າວ, ຜູ້ວາງແຜນສາມາດປ່ຽນເສັ້ນທາງການຂົນສົ່ງໂດຍອັດຕະໂນມັດໄປຕາມຈຸດທີ່ມີບັນຫາ. ໃນບາງກໍລະນີ, AI ອາດຈະແນະນຳການປ່ຽນແປງເສັ້ນທາງ ຫຼື ການປ່ຽນແປງຮູບແບບການຂົນສົ່ງໂດຍອັດຕະໂນມັດ, ເຊິ່ງມະນຸດຈະອະນຸມັດ.

• ລະບົບອັດຕະໂນມັດຂອງສາງ: ສາງຫຼາຍແຫ່ງແມ່ນເຮັດວຽກແບບເຄິ່ງອັດຕະໂນມັດດ້ວຍຫຸ່ນຍົນສຳລັບການເກັບ ແລະ ຫຸ້ມຫໍ່. AI ທີ່ສ້າງສັນສາມາດຈັດສັນໜ້າວຽກໃຫ້ຫຸ່ນຍົນ ແລະ ມະນຸດໄດ້ແບບໄດນາມິກເພື່ອໃຫ້ການໄຫຼວຽນທີ່ດີທີ່ສຸດ. ຕົວຢ່າງ, AI ອາດຈະສ້າງຄິວວຽກສຳລັບຜູ້ເກັບຫຸ່ນຍົນໃນແຕ່ລະເຊົ້າໂດຍອີງໃສ່ຄຳສັ່ງຊື້. ນີ້ມັກຈະເປັນເອກະລາດຢ່າງເຕັມທີ່ໃນການປະຕິບັດ, ໂດຍຜູ້ຈັດການພຽງແຕ່ຕິດຕາມກວດກາ KPIs - ຖ້າຄຳສັ່ງຊື້ເພີ່ມຂຶ້ນຢ່າງບໍ່ຄາດຄິດ, AI ຈະປັບການດຳເນີນງານດ້ວຍຕົນເອງ.

• ການຄຸ້ມຄອງກອງລົດ: AI ຊ່ວຍໃນການກຳນົດເວລາການບຳລຸງຮັກສາຍານພາຫະນະໂດຍການວິເຄາະຮູບແບບ ແລະ ສ້າງຕາຕະລາງການບຳລຸງຮັກສາທີ່ດີທີ່ສຸດເພື່ອຫຼຸດຜ່ອນເວລາທີ່ຢຸດເຮັດວຽກ. ມັນຍັງສາມາດຈັດກຸ່ມການຂົນສົ່ງເພື່ອຫຼຸດຜ່ອນການເດີນທາງ. ການຕັດສິນໃຈເຫຼົ່ານີ້ສາມາດເຮັດໄດ້ໂດຍຊອບແວ AI ໂດຍອັດຕະໂນມັດຕາບໃດທີ່ມັນຕອບສະໜອງຄວາມຕ້ອງການດ້ານການບໍລິການ.

ໂດຍລວມແລ້ວ, ມາຮອດປີ 2025, ມະນຸດໄດ້ກຳນົດເປົ້າໝາຍ (ເຊັ່ນ: "ຫຼຸດຜ່ອນຕົ້ນທຶນແຕ່ຮັບປະກັນການຈັດສົ່ງພາຍໃນ 2 ມື້") ແລະ AI ຜະລິດວິທີແກ້ໄຂ ຫຼື ຕາຕະລາງເວລາເພື່ອບັນລຸເປົ້າໝາຍດັ່ງກ່າວ. ລະບົບສາມາດດຳເນີນການໄດ້ທຸກໆມື້ໂດຍບໍ່ມີການແຊກແຊງຈົນກວ່າຈະມີບາງສິ່ງບາງຢ່າງຜິດປົກກະຕິເກີດຂຶ້ນ. ການຂົນສົ່ງຫຼາຍຢ່າງກ່ຽວຂ້ອງກັບການຕັດສິນໃຈທີ່ຊ້ຳໆ (ການຂົນສົ່ງນີ້ຄວນອອກຈາກເວລາໃດ? ສາງໃດທີ່ຈະປະຕິບັດຕາມຄຳສັ່ງຊື້ນີ້?), ເຊິ່ງ AI ສາມາດຮຽນຮູ້ທີ່ຈະເຮັດໄດ້ຢ່າງຕໍ່ເນື່ອງ. ບໍລິສັດຕ່າງໆຄ່ອຍໆໄວ້ວາງໃຈ AI ໃຫ້ຈັດການກັບການຕັດສິນໃຈຈຸລະພາກເຫຼົ່ານີ້ ແລະ ແຈ້ງເຕືອນຜູ້ຈັດການເມື່ອມີຂໍ້ຍົກເວັ້ນເກີດຂຶ້ນ.

ທັດສະນະສຳລັບປີ 2030-2035: ລະບົບຕ່ອງໂສ້ການສະໜອງທີ່ຂັບເຄື່ອນດ້ວຍຕົນເອງ

ການປະສານງານທີ່ເປັນເອກະລາດ ຫຼາຍຂຶ້ນ ໃນດ້ານການຂົນສົ່ງທີ່ຂັບເຄື່ອນໂດຍ AI:

• ຍານພາຫະນະອັດຕະໂນມັດ ແລະ ໂດຣນ: ລົດບັນທຸກທີ່ຂັບເຄື່ອນດ້ວຍຕົນເອງ ແລະ ໂດຣນຈັດສົ່ງສິນຄ້າ, ໃນຂະນະທີ່ຫົວຂໍ້ AI/ຫຸ່ນຍົນທີ່ກວ້າງຂວາງກວ່າ, ຈະສົ່ງຜົນກະທົບໂດຍກົງຕໍ່ການຂົນສົ່ງ. ຮອດປີ 2030, ຖ້າສິ່ງທ້າທາຍດ້ານກົດລະບຽບ ແລະ ເຕັກນິກຖືກເອົາຊະນະ, ພວກເຮົາອາດຈະມີ AI ຂັບລົດບັນທຸກຢູ່ເທິງທາງຫຼວງເປັນປະຈຳ ຫຼື ໂດຣນທີ່ຈັດການການຈັດສົ່ງໄລຍະສຸດທ້າຍໃນຕົວເມືອງ. AI ເຫຼົ່ານີ້ຈະຕັດສິນໃຈໃນເວລາຈິງ (ການປ່ຽນເສັ້ນທາງ, ການຫຼີກລ່ຽງອຸປະສັກ) ໂດຍບໍ່ມີຄົນຂັບ. ມຸມມອງທີ່ສ້າງໄດ້ແມ່ນຢູ່ໃນວິທີທີ່ AI ຂອງຍານພາຫະນະເຫຼົ່ານີ້ຮຽນຮູ້ຈາກຂໍ້ມູນ ແລະ ການຈຳລອງທີ່ກວ້າງຂວາງ, ເຊິ່ງມີປະສິດທິພາບໃນການ "ຝຶກອົບຮົມ" ໃນສະຖານະການທີ່ນັບບໍ່ຖ້ວນ. ກອງເຮືອທີ່ຂັບເຄື່ອນດ້ວຍຕົນເອງຢ່າງເຕັມທີ່ສາມາດດຳເນີນການໄດ້ 24/7, ໂດຍມະນຸດພຽງແຕ່ຕິດຕາມກວດກາຈາກໄລຍະໄກເທົ່ານັ້ນ. ສິ່ງນີ້ເຮັດໃຫ້ອົງປະກອບຂອງມະນຸດຈຳນວນຫຼວງຫຼາຍ (ຄົນຂັບ) ອອກຈາກການດຳເນີນງານດ້ານການຂົນສົ່ງ, ເຊິ່ງເພີ່ມຄວາມເປັນເອກະລາດຢ່າງຫຼວງຫຼາຍ.

• ລະບົບຕ່ອງໂສ້ການສະໜອງທີ່ຟື້ນຟູຕົນເອງ: ປັນຍາປະດິດທີ່ສ້າງຂຶ້ນອາດຈະຖືກນໍາໃຊ້ເພື່ອຈໍາລອງສະຖານະການລະບົບຕ່ອງໂສ້ການສະໜອງຢ່າງຕໍ່ເນື່ອງ ແລະ ກະກຽມແຜນການສຸກເສີນ. ຮອດປີ 2035, ປັນຍາປະດິດອາດຈະກວດພົບໂດຍອັດຕະໂນມັດເມື່ອໂຮງງານຜູ້ສະໜອງປິດຕົວລົງ (ຜ່ານຂ່າວ ຫຼື ຟີດຂໍ້ມູນ) ແລະ ປ່ຽນ ການຈັດຊື້ໄປຫາຜູ້ສະໜອງທາງເລືອກອື່ນທີ່ມັນໄດ້ກວດສອບແລ້ວໃນການຈໍາລອງທັນທີ. ນີ້ໝາຍຄວາມວ່າລະບົບຕ່ອງໂສ້ການສະໜອງ "ຟື້ນຟູ" ຕົວມັນເອງຈາກການລົບກວນດ້ວຍປັນຍາປະດິດເປັນຜູ້ລິເລີ່ມ. ຜູ້ຈັດການທີ່ເປັນມະນຸດຈະໄດ້ຮັບແຈ້ງກ່ຽວກັບສິ່ງທີ່ AI ໄດ້ເຮັດ, ແທນທີ່ຈະເປັນຜູ້ທີ່ລິເລີ່ມວິທີແກ້ໄຂຊົ່ວຄາວ.

• ການເພີ່ມປະສິດທິພາບສິນຄ້າຄົງຄັງແບບຕົ້ນທາງຫາທ້າຍ: AI ສາມາດຈັດການສິນຄ້າຄົງຄັງໄດ້ໂດຍອັດຕະໂນມັດໃນທົ່ວເຄືອຂ່າຍສາງ ແລະ ຮ້ານຄ້າທັງໝົດ. ມັນຈະຕັດສິນໃຈວ່າຈະຍ້າຍສິນຄ້າຄົງຄັງເວລາໃດ ແລະ ຢູ່ໃສ (ບາງທີອາດຈະໃຊ້ຫຸ່ນຍົນ ຫຼື ຍານພາຫະນະອັດຕະໂນມັດເພື່ອເຮັດແນວນັ້ນ), ຮັກສາສິນຄ້າຄົງຄັງໃຫ້ພຽງພໍໃນແຕ່ລະສະຖານທີ່. ໂດຍພື້ນຖານແລ້ວ AI ດຳເນີນການຫໍຄວບຄຸມລະບົບຕ່ອງໂສ້ການສະໜອງ: ເບິ່ງການໄຫຼທັງໝົດ ແລະ ປັບປຸງໃນເວລາຈິງ. ຮອດປີ 2035, ແນວຄວາມຄິດຂອງລະບົບຕ່ອງໂສ້ການສະໜອງ "ຂັບເຄື່ອນດ້ວຍຕົນເອງ" ອາດໝາຍຄວາມວ່າລະບົບຄິດໄລ່ແຜນການແຈກຢາຍທີ່ດີທີ່ສຸດໃນແຕ່ລະມື້, ສັ່ງຜະລິດຕະພັນ, ກຳນົດເວລາການດຳເນີນງານຂອງໂຮງງານ, ແລະ ຈັດການຂົນສົ່ງທັງໝົດດ້ວຍຕົວມັນເອງ. ມະນຸດຈະເບິ່ງແຍງຍຸດທະສາດໂດຍລວມ ແລະ ຈັດການກັບຂໍ້ຍົກເວັ້ນທີ່ຢູ່ນອກເໜືອຄວາມເຂົ້າໃຈໃນປະຈຸບັນຂອງ AI.

• ການອອກແບບແບບສ້າງສັນໃນດ້ານການຂົນສົ່ງ: ພວກເຮົາສາມາດເຫັນ AI ອອກແບບເຄືອຂ່າຍລະບົບຕ່ອງໂສ້ການສະໜອງໃໝ່. ສົມມຸດວ່າບໍລິສັດຂະຫຍາຍໄປສູ່ພາກພື້ນໃໝ່; AI ສາມາດສ້າງສະຖານທີ່ສາງ, ການເຊື່ອມຕໍ່ການຂົນສົ່ງ, ແລະນະໂຍບາຍສິນຄ້າຄົງຄັງທີ່ດີທີ່ສຸດສຳລັບພາກພື້ນນັ້ນໂດຍໃຫ້ຂໍ້ມູນ - ສິ່ງທີ່ທີ່ປຶກສາ ແລະ ນັກວິເຄາະເຮັດໃນທຸກມື້ນີ້. ຮອດປີ 2030, ບໍລິສັດອາດຈະອີງໃສ່ຄຳແນະນຳຂອງ AI ສຳລັບການເລືອກເອົາການອອກແບບລະບົບຕ່ອງໂສ້ການສະໜອງ, ໂດຍໄວ້ວາງໃຈໃຫ້ມັນຊັ່ງນໍ້າໜັກປັດໄຈຕ່າງໆໄດ້ໄວຂຶ້ນ ແລະ ອາດຈະຊອກຫາວິທີແກ້ໄຂທີ່ສ້າງສັນ (ເຊັ່ນ: ສູນການແຈກຢາຍທີ່ບໍ່ຊັດເຈນ) ທີ່ມະນຸດພາດ.

• ການເຊື່ອມໂຍງເຂົ້າກັບການຜະລິດ (ອຸດສາຫະກຳ 4.0): ການຂົນສົ່ງບໍ່ໄດ້ຢືນຢູ່ຄົນດຽວ; ມັນເຊື່ອມໂຍງກັບການຜະລິດ. ໂຮງງານໃນອະນາຄົດອາດຈະມີ AI ທີ່ສ້າງຕາຕະລາງການຜະລິດ, ສັ່ງຊື້ວັດຖຸດິບໃຫ້ທັນເວລາ, ແລະຫຼັງຈາກນັ້ນສັ່ງໃຫ້ເຄືອຂ່າຍການຂົນສົ່ງສົ່ງຜະລິດຕະພັນທັນທີ. AI ປະສົມປະສານນີ້ອາດໝາຍເຖິງການວາງແຜນຂອງມະນຸດໂດຍລວມໜ້ອຍລົງ - ລະບົບຕ່ອງໂສ້ທີ່ລຽບງ່າຍຈາກການຜະລິດຈົນເຖິງການຈັດສົ່ງທີ່ຂັບເຄື່ອນດ້ວຍອັລກໍຣິທຶມທີ່ເພີ່ມປະສິດທິພາບສຳລັບຕົ້ນທຶນ, ຄວາມໄວ, ແລະ ຄວາມຍືນຍົງ. ຮອດປີ 2025, ລະບົບຕ່ອງໂສ້ການສະໜອງທີ່ມີປະສິດທິພາບສູງແມ່ນຂັບເຄື່ອນດ້ວຍຂໍ້ມູນ; ຮອດປີ 2035 ພວກມັນອາດຈະຖືກຂັບເຄື່ອນດ້ວຍ AI ເປັນສ່ວນໃຫຍ່.

• ການບໍລິການລູກຄ້າແບບເຄື່ອນໄຫວໃນດ້ານການຂົນສົ່ງ: ໂດຍອີງໃສ່ AI ຂອງການບໍລິການລູກຄ້າ, AI ຂອງລະບົບຕ່ອງໂສ້ການສະໜອງອາດຈະຕິດຕໍ່ໂດຍກົງກັບລູກຄ້າ ຫຼື ລູກຄ້າ. ຕົວຢ່າງ, ຖ້າລູກຄ້າລາຍໃຫຍ່ຕ້ອງການປ່ຽນການສັ່ງຊື້ສິນຄ້າຈຳນວນຫຼາຍຂອງເຂົາເຈົ້າໃນນາທີສຸດທ້າຍ, ຕົວແທນ AI ສາມາດເຈລະຈາທາງເລືອກທີ່ເປັນໄປໄດ້ (ເຊັ່ນ "ພວກເຮົາສາມາດຈັດສົ່ງເຄິ່ງໜຶ່ງໄດ້ດຽວນີ້, ເຄິ່ງໜຶ່ງໃນອາທິດໜ້າຍ້ອນຂໍ້ຈຳກັດ") ໂດຍບໍ່ຕ້ອງລໍຖ້າຜູ້ຈັດການທີ່ເປັນມະນຸດ. ນີ້ກ່ຽວຂ້ອງກັບ AI ທີ່ສ້າງຄວາມເຂົ້າໃຈທັງສອງຝ່າຍ (ຄວາມຕ້ອງການຂອງລູກຄ້າ ທຽບກັບ ຄວາມສາມາດໃນການດຳເນີນງານ) ແລະ ການຕັດສິນໃຈທີ່ເຮັດໃຫ້ການດຳເນີນງານເປັນໄປຢ່າງราบລื่น ໃນຂະນະທີ່ເຮັດໃຫ້ລູກຄ້າພໍໃຈ.

ຜົນປະໂຫຍດທີ່ຄາດວ່າຈະໄດ້ຮັບແມ່ນລະບົບການຂົນສົ່ງທີ່ມີ ປະສິດທິພາບ, ທົນທານ ແລະ ຕອບສະໜອງໄດ້ ດີຂຶ້ນ. ບໍລິສັດຕ່າງໆຄາດຄະເນການປະຫຍັດທີ່ມະຫາສານ - McKinsey ຄາດຄະເນວ່າການເພີ່ມປະສິດທິພາບຂອງລະບົບຕ່ອງໂສ້ການສະໜອງທີ່ຂັບເຄື່ອນດ້ວຍ AI ສາມາດຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ ແລະ ປັບປຸງລະດັບການບໍລິການໄດ້ຢ່າງຫຼວງຫຼາຍ, ເຊິ່ງເພີ່ມມູນຄ່າຫຼາຍພັນຕື້ໂດລາໃນທົ່ວອຸດສາຫະກຳຕ່າງໆ ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ AI ທີ່ສ້າງສັນ | McKinsey ).

ເຖິງຢ່າງໃດກໍ່ຕາມ, ການປ່ຽນການຄວບຄຸມໄປສູ່ AI ຫຼາຍຂຶ້ນກໍ່ມີຄວາມສ່ຽງເຊັ່ນກັນ, ເຊັ່ນ: ຄວາມຜິດພາດທີ່ເພີ່ມຂຶ້ນຖ້າເຫດຜົນຂອງ AI ມີຂໍ້ບົກຜ່ອງ (ເຊັ່ນ: ສະຖານະການທີ່ບໍ່ດີຂອງລະບົບຕ່ອງໂສ້ການສະໜອງ AI ທີ່ເຮັດໃຫ້ບໍລິສັດໝົດສະຕັອກໂດຍບໍ່ໄດ້ຕັ້ງໃຈຍ້ອນຄວາມຜິດພາດຂອງການສ້າງແບບຈຳລອງ). ມາດຕະການປ້ອງກັນເຊັ່ນ "ການຕັດສິນໃຈທີ່ສຳຄັນໂດຍມະນຸດ" ຫຼືຢ່າງໜ້ອຍແຜງຄວບຄຸມທີ່ອະນຸຍາດໃຫ້ມີມະນຸດເຂົ້າມາຄວບຄຸມຢ່າງວ່ອງໄວອາດຈະຍັງຄົງຢູ່ຈົນຮອດປີ 2035. ເມື່ອເວລາຜ່ານໄປ, ເມື່ອການຕັດສິນໃຈຂອງ AI ພິສູດໃຫ້ເຫັນ, ມະນຸດຈະຮູ້ສຶກສະບາຍໃຈຫຼາຍຂຶ້ນທີ່ຈະກ້າວກັບຄືນ.

ສິ່ງທີ່ໜ້າສົນໃຈແມ່ນ ໂດຍການເພີ່ມປະສິດທິພາບເພື່ອປະສິດທິພາບ, ບາງຄັ້ງ AI ອາດຈະເຮັດການເລືອກທີ່ຂັດແຍ້ງກັບຄວາມມັກຂອງມະນຸດ ຫຼື ການປະຕິບັດແບບດັ້ງເດີມ. ຕົວຢ່າງ, ການເພີ່ມປະສິດທິພາບຢ່າງດຽວອາດຈະນໍາໄປສູ່ສິນຄ້າຄົງຄັງທີ່ບໍ່ມີປະສິດທິພາບຫຼາຍ, ເຊິ່ງມີປະສິດທິພາບແຕ່ອາດຈະຮູ້ສຶກວ່າມີຄວາມສ່ຽງ. ຜູ້ຊ່ຽວຊານດ້ານລະບົບຕ່ອງໂສ້ການສະໜອງໃນປີ 2030 ອາດຈະຕ້ອງປັບສະຕິປັນຍາຂອງເຂົາເຈົ້າ ເພາະວ່າ AI, ເຊິ່ງວິເຄາະຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ, ອາດຈະສະແດງໃຫ້ເຫັນວ່າຍຸດທະສາດທີ່ຜິດປົກກະຕິຂອງມັນເຮັດວຽກໄດ້ດີກວ່າ.

ສຸດທ້າຍ, ພວກເຮົາຕ້ອງພິຈາລະນາວ່າ ຂໍ້ຈຳກັດທາງດ້ານຮ່າງກາຍ (ພື້ນຖານໂຄງລ່າງ, ຄວາມໄວຂອງຂະບວນການທາງກາຍະພາບ) ຈຳກັດຄວາມໄວໃນການປ່ຽນແປງຂອງການຂົນສົ່ງ, ສະນັ້ນການປະຕິວັດຢູ່ທີ່ນີ້ແມ່ນກ່ຽວກັບການວາງແຜນ ແລະ ການນຳໃຊ້ຊັບສິນທີ່ສະຫຼາດກວ່າຄວາມເປັນຈິງທາງກາຍະພາບໃໝ່ທັງໝົດ. ແຕ່ເຖິງແມ່ນວ່າຢູ່ໃນຂອບເຂດເຫຼົ່ານັ້ນ, ວິທີແກ້ໄຂທີ່ສ້າງສັນຂອງ AI ທີ່ສ້າງສັນ ແລະ ການເພີ່ມປະສິດທິພາບຢ່າງບໍ່ຢຸດຢັ້ງສາມາດປັບປຸງວິທີການເຄື່ອນຍ້າຍສິນຄ້າທົ່ວໂລກໄດ້ຢ່າງຫຼວງຫຼາຍດ້ວຍການວາງແຜນດ້ວຍຕົນເອງໜ້ອຍທີ່ສຸດ.

ສະຫຼຸບແລ້ວ, ການຂົນສົ່ງພາຍໃນປີ 2035 ອາດຈະເຮັດວຽກຄ້າຍຄືກັບເຄື່ອງຈັກອັດຕະໂນມັດທີ່ມີນ້ຳມັນດີ: ສິນຄ້າໄຫຼວຽນຢ່າງມີປະສິດທິພາບ, ເສັ້ນທາງປັບຕົວຕາມການລົບກວນໃນເວລາຈິງ, ສາງເກັບມ້ຽນຈັດການຕົນເອງດ້ວຍຫຸ່ນຍົນ, ແລະລະບົບທັງໝົດຮຽນຮູ້ ແລະ ປັບປຸງຢ່າງຕໍ່ເນື່ອງຈາກຂໍ້ມູນ - ທັງໝົດຖືກຄວບຄຸມໂດຍ AI ທີ່ສ້າງຂື້ນເອງເຊິ່ງເຮັດໜ້າທີ່ເປັນສະໝອງຂອງການດຳເນີນງານ.

AI ທີ່ສ້າງສັນໃນດ້ານການເງິນ ແລະ ທຸລະກິດ

ອຸດສາຫະກຳການເງິນມີສ່ວນກ່ຽວຂ້ອງກັບຂໍ້ມູນຂ່າວສານຫຼາຍຢ່າງ - ບົດລາຍງານ, ການວິເຄາະ, ການສື່ສານກັບລູກຄ້າ - ເຮັດໃຫ້ມັນເປັນພື້ນຖານທີ່ອຸດົມສົມບູນສຳລັບ AI ທີ່ສ້າງສັນ. ຕັ້ງແຕ່ການທະນາຄານຈົນເຖິງການຄຸ້ມຄອງການລົງທຶນ ແລະ ການປະກັນໄພ, ອົງກອນຕ່າງໆກຳລັງສຳຫຼວດ AI ສຳລັບລະບົບອັດຕະໂນມັດ ແລະ ການສ້າງຄວາມເຂົ້າໃຈ. ຄຳຖາມແມ່ນວ່າ, ວຽກງານທາງດ້ານການເງິນອັນໃດທີ່ AI ສາມາດຈັດການໄດ້ຢ່າງໜ້າເຊື່ອຖືໂດຍບໍ່ມີການຄວບຄຸມຈາກມະນຸດ, ໂດຍພິຈາລະນາເຖິງຄວາມສຳຄັນຂອງຄວາມຖືກຕ້ອງ ແລະ ຄວາມໄວ້ວາງໃຈໃນຂົງເຂດນີ້?

ຄວາມສາມາດໃນປະຈຸບັນ (2025): ບົດລາຍງານອັດຕະໂນມັດ ແລະ ການສະໜັບສະໜູນການຕັດສິນໃຈ

ມາຮອດປະຈຸບັນນີ້, ປັນຍາປະດິດ (AI) ທີ່ມີປະສິດທິພາບສູງ ກຳລັງປະກອບສ່ວນທາງດ້ານການເງິນໃນຫຼາຍວິທີ, ເຊິ່ງມັກຈະຢູ່ພາຍໃຕ້ການຊີ້ນຳຂອງມະນຸດ:

• ການສ້າງລາຍງານ: ທະນາຄານ ແລະ ບໍລິສັດທາງດ້ານການເງິນຜະລິດລາຍງານຈຳນວນຫຼາຍ - ສະຫຼຸບລາຍໄດ້, ຄຳເຫັນຂອງຕະຫຼາດ, ການວິເຄາະຫຼັກຊັບ, ແລະອື່ນໆ. AI ໄດ້ຖືກນຳໃຊ້ເພື່ອຮ່າງລາຍງານເຫຼົ່ານີ້ແລ້ວ. ຕົວຢ່າງ, Bloomberg ໄດ້ພັດທະນາ BloombergGPT , ຮູບແບບພາສາຂະໜາດໃຫຍ່ທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນທາງການເງິນ, ເພື່ອຊ່ວຍໃນວຽກງານຕ່າງໆເຊັ່ນ: ການຈັດປະເພດຂ່າວ ແລະ ຖາມ-ຕອບ ສຳລັບຜູ້ໃຊ້ປາຍທາງຂອງເຂົາເຈົ້າ ( AI ທີ່ສ້າງໃໝ່ກຳລັງຈະມາສູ່ການເງິນ ). ໃນຂະນະທີ່ການນຳໃຊ້ຫຼັກຂອງມັນແມ່ນຊ່ວຍໃຫ້ມະນຸດຊອກຫາຂໍ້ມູນ, ມັນສະແດງໃຫ້ເຫັນເຖິງບົດບາດທີ່ເພີ່ມຂຶ້ນຂອງ AI. ຄວາມເຂົ້າໃຈແບບອັດຕະໂນມັດ (ບໍລິສັດ AP ເຮັດວຽກຮ່ວມກັບ) ຍັງໄດ້ສ້າງບົດຄວາມທາງການເງິນ. ຈົດໝາຍຂ່າວການລົງທຶນຫຼາຍສະບັບໃຊ້ AI ເພື່ອສະຫຼຸບການເຄື່ອນໄຫວຂອງຕະຫຼາດປະຈຳວັນ ຫຼື ຕົວຊີ້ວັດທາງເສດຖະກິດ. ໂດຍປົກກະຕິແລ້ວ, ມະນຸດຈະທົບທວນຄືນສິ່ງເຫຼົ່ານີ້ກ່ອນທີ່ຈະສົ່ງໃຫ້ລູກຄ້າ, ແຕ່ມັນເປັນການແກ້ໄຂທີ່ວ່ອງໄວແທນທີ່ຈະຂຽນຕັ້ງແຕ່ເລີ່ມຕົ້ນ.

• ການສື່ສານກັບລູກຄ້າ: ໃນທະນາຄານຂາຍຍ່ອຍ, chatbot AI ຈະຈັດການກັບການສອບຖາມຂອງລູກຄ້າກ່ຽວກັບຍອດເງິນໃນບັນຊີ, ທຸລະກຳ, ຫຼື ຂໍ້ມູນຜະລິດຕະພັນ (ປະສົມປະສານເຂົ້າກັບໂດເມນການບໍລິການລູກຄ້າ). ນອກຈາກນີ້, AI ສາມາດສ້າງຈົດໝາຍແນະນຳທາງດ້ານການເງິນສ່ວນບຸກຄົນ ຫຼື ການຊຸກຍູ້. ຕົວຢ່າງ, AI ອາດຈະລະບຸວ່າລູກຄ້າສາມາດປະຫຍັດຄ່າທຳນຽມ ແລະ ຂຽນຂໍ້ຄວາມໂດຍອັດຕະໂນມັດແນະນຳວ່າພວກເຂົາປ່ຽນໄປໃຊ້ບັນຊີປະເພດອື່ນ, ເຊິ່ງຫຼັງຈາກນັ້ນຈະອອກໄປດ້ວຍການແຊກແຊງຂອງມະນຸດໜ້ອຍທີ່ສຸດ. ການສື່ສານສ່ວນບຸກຄົນແບບນີ້ໃນຂອບເຂດກ້ວາງຂວາງແມ່ນການນຳໃຊ້ AI ໃນປະຈຸບັນໃນດ້ານການເງິນ.

• ການກວດຫາ ແລະ ການແຈ້ງເຕືອນການສໍ້ໂກງ: AI ທີ່ສ້າງຂຶ້ນສາມາດຊ່ວຍສ້າງເລື່ອງລາວ ຫຼື ຄຳອະທິບາຍສຳລັບຄວາມຜິດປົກກະຕິທີ່ກວດພົບໂດຍລະບົບການສໍ້ໂກງ. ຕົວຢ່າງ, ຖ້າກິດຈະກຳທີ່ໜ້າສົງໄສຖືກໝາຍ, AI ອາດຈະສ້າງຂໍ້ຄວາມອະທິບາຍສຳລັບລູກຄ້າ (“ພວກເຮົາສັງເກດເຫັນການເຂົ້າສູ່ລະບົບຈາກອຸປະກອນໃໝ່…”) ຫຼື ລາຍງານສຳລັບນັກວິເຄາະ. ການກວດຫາແມ່ນອັດຕະໂນມັດ (ໂດຍໃຊ້ການກວດຫາຄວາມຜິດປົກກະຕິຂອງ AI/ML), ແລະ ການສື່ສານແມ່ນອັດຕະໂນມັດເພີ່ມຂຶ້ນເລື້ອຍໆ, ເຖິງແມ່ນວ່າການກະທຳສຸດທ້າຍ (ການບລັອກບັນຊີ) ມັກຈະມີການກວດສອບຈາກມະນຸດ.

• ການໃຫ້ຄຳປຶກສາດ້ານການເງິນ (ຈຳກັດ): ທີ່ປຶກສາຫຸ່ນຍົນບາງຄົນ (ແພລດຟອມການລົງທຶນແບບອັດຕະໂນມັດ) ໃຊ້ອັລກໍຣິທຶມ (ບໍ່ຈຳເປັນຕ້ອງເປັນ AI ທີ່ສ້າງສັນ) ເພື່ອຈັດການຫຼັກຊັບໂດຍບໍ່ມີທີ່ປຶກສາທີ່ເປັນມະນຸດ. AI ທີ່ສ້າງສັນກຳລັງເຂົ້າມາໂດຍ, ຕົວຢ່າງ, ສ້າງຄຳເຫັນກ່ຽວກັບເຫດຜົນທີ່ການຊື້ຂາຍບາງຢ່າງຖືກສ້າງຂຶ້ນ ຫຼື ບົດສະຫຼຸບຂອງປະສິດທິພາບຫຼັກຊັບທີ່ປັບແຕ່ງໃຫ້ເໝາະສົມກັບລູກຄ້າ. ຢ່າງໃດກໍຕາມ, ຄຳແນະນຳດ້ານການເງິນທີ່ບໍລິສຸດ (ເຊັ່ນ: ການວາງແຜນການເງິນທີ່ສັບສົນ) ສ່ວນໃຫຍ່ແມ່ນຍັງອີງໃສ່ມະນຸດ ຫຼື ອັລກໍຣິທຶມທີ່ອີງໃສ່ກົດລະບຽບ; ຄຳແນະນຳທີ່ສ້າງສັນແບບອິດສະຫຼະໂດຍບໍ່ມີການກຳກັບດູແລມີຄວາມສ່ຽງຍ້ອນຄວາມຮັບຜິດຊອບຖ້າມັນຜິດ.

• ການປະເມີນຄວາມສ່ຽງ ແລະ ການຮັບປະກັນ: ບໍລິສັດປະກັນໄພກຳລັງທົດສອບ AI ເພື່ອຂຽນບົດລາຍງານການປະເມີນຄວາມສ່ຽງໂດຍອັດຕະໂນມັດ ຫຼື ແມ່ນແຕ່ຮ່າງເອກະສານນະໂຍບາຍ. ຕົວຢ່າງ, ໂດຍໃຫ້ຂໍ້ມູນກ່ຽວກັບຊັບສິນ, AI ສາມາດສ້າງຮ່າງກົມມະທັນປະກັນໄພ ຫຼື ບົດລາຍງານຂອງຜູ້ຮັບປະກັນທີ່ອະທິບາຍເຖິງປັດໄຈຄວາມສ່ຽງ. ປະຈຸບັນມະນຸດກວດສອບຜົນຜະລິດເຫຼົ່ານີ້ ເພາະວ່າຄວາມຜິດພາດໃດໆໃນສັນຍາອາດຈະມີຄ່າໃຊ້ຈ່າຍສູງ.

• ການວິເຄາະຂໍ້ມູນ ແລະ ຄວາມເຂົ້າໃຈ: AI ສາມາດກວດສອບຜ່ານງົບການເງິນ ຫຼື ຂ່າວ ແລະ ສ້າງບົດສະຫຼຸບໄດ້. ນັກວິເຄາະໃຊ້ເຄື່ອງມືທີ່ສາມາດສະຫຼຸບບົດລາຍງານປະຈຳປີ 100 ໜ້າເປັນຈຸດສຳຄັນໄດ້ທັນທີ, ຫຼື ສະກັດເອົາບົດຮຽນຫຼັກໆຈາກບົດບັນທຶກການໂທລາຍງານລາຍໄດ້. ບົດສະຫຼຸບເຫຼົ່ານີ້ຊ່ວຍປະຢັດເວລາ ແລະ ສາມາດນຳໃຊ້ໂດຍກົງໃນການຕັດສິນໃຈ ຫຼື ສົ່ງຕໍ່ໄດ້, ແຕ່ນັກວິເຄາະທີ່ສະຫຼາດຈະກວດສອບລາຍລະອຽດທີ່ສຳຄັນສອງເທື່ອ.

ໂດຍຫຍໍ້ແລ້ວ, AI ໃນປະຈຸບັນໃນດ້ານການເງິນເຮັດໜ້າທີ່ເປັນນັກວິເຄາະ/ນັກຂຽນທີ່ບໍ່ມີອິດເມື່ອຍ , ສ້າງເນື້ອຫາທີ່ມະນຸດປັບປຸງ. ການນຳໃຊ້ທີ່ເປັນເອກະລາດຢ່າງເຕັມທີ່ສ່ວນໃຫຍ່ແມ່ນຢູ່ໃນຂົງເຂດທີ່ໄດ້ກຳນົດໄວ້ຢ່າງດີເຊັ່ນ: ຂ່າວທີ່ຂັບເຄື່ອນດ້ວຍຂໍ້ມູນ (ບໍ່ຕ້ອງໃຊ້ການຕັດສິນແບບອັດຕະວິໄນ) ຫຼື ການຕອບສະໜອງການບໍລິການລູກຄ້າ. ການໄວ້ວາງໃຈ AI ໂດຍກົງກັບການຕັດສິນໃຈກ່ຽວກັບເງິນ (ເຊັ່ນ: ການໂອນເງິນ, ການປະຕິບັດການຊື້ຂາຍນອກເໜືອຈາກຂັ້ນຕອນວິທີການທີ່ກຳນົດໄວ້ລ່ວງໜ້າ) ແມ່ນຫາຍາກເນື່ອງຈາກຄວາມສ່ຽງສູງ ແລະ ການກວດສອບດ້ານກົດລະບຽບ.

ທັດສະນະສຳລັບປີ 2030-2035: ນັກວິເຄາະ AI ແລະ ການດຳເນີນງານການເງິນແບບອັດຕະໂນມັດ

ເມື່ອເບິ່ງໄປຂ້າງໜ້າ, ຮອດປີ 2035, AI ທີ່ສາມາດສ້າງພະລັງໃໝ່ໄດ້ອາດຈະຖືກຝັງເລິກເຂົ້າໃນການດຳເນີນງານທາງດ້ານການເງິນ, ເຊິ່ງອາດຈະຈັດການວຽກງານຫຼາຍຢ່າງໄດ້ດ້ວຍຕົນເອງ:

• ນັກວິເຄາະດ້ານການເງິນ AI: ພວກເຮົາອາດຈະເຫັນລະບົບ AI ທີ່ສາມາດວິເຄາະບໍລິສັດ ແລະ ຕະຫຼາດ ແລະ ຜະລິດຄຳແນະນຳ ຫຼື ບົດລາຍງານໃນລະດັບນັກວິເຄາະການຄົ້ນຄວ້າຫຸ້ນຂອງມະນຸດ. ຮອດປີ 2030, AI ສາມາດອ່ານເອກະສານທາງການເງິນທັງໝົດຂອງບໍລິສັດ, ປຽບທຽບກັບຂໍ້ມູນອຸດສາຫະກຳ, ແລະ ຜະລິດບົດລາຍງານຄຳແນະນຳການລົງທຶນ (“ຊື້/ຂາຍ” ດ້ວຍເຫດຜົນ) ດ້ວຍຕົວມັນເອງ. ບາງກອງທຶນ hedge fund ກຳລັງໃຊ້ AI ເພື່ອສ້າງສັນຍານການຊື້ຂາຍແລ້ວ; ຮອດຊຸມປີ 2030, ບົດລາຍງານການຄົ້ນຄວ້າ AI ອາດຈະເປັນເລື່ອງທຳມະດາ. ຜູ້ຈັດການຫຼັກຊັບຂອງມະນຸດອາດຈະເລີ່ມໄວ້ວາງໃຈການວິເຄາະທີ່ສ້າງຂຶ້ນໂດຍ AI ເປັນໜຶ່ງໃນຂໍ້ມູນອື່ນໆ. ຍັງມີທ່າແຮງສຳລັບ AI ໃນການຄຸ້ມຄອງຫຼັກຊັບດ້ວຍຕົນເອງ: ຕິດຕາມກວດກາຢ່າງຕໍ່ເນື່ອງ ແລະ ປັບສົມດຸນການລົງທຶນຕາມຍຸດທະສາດທີ່ໄດ້ກຳນົດໄວ້ລ່ວງໜ້າ. ໃນຄວາມເປັນຈິງ, ການຊື້ຂາຍແບບອັລກໍຣິທຶມແມ່ນເປັນອັດຕະໂນມັດຫຼາຍແລ້ວ - AI ທີ່ສ້າງສັນອາດຈະເຮັດໃຫ້ຍຸດທະສາດສາມາດປັບຕົວໄດ້ຫຼາຍຂຶ້ນໂດຍການສ້າງ ແລະ ທົດສອບຮູບແບບການຊື້ຂາຍໃໝ່ເອງ.

• ການວາງແຜນການເງິນແບບອັດຕະໂນມັດ: ທີ່ປຶກສາ AI ທີ່ຫັນໜ້າເຂົ້າຫາຜູ້ບໍລິໂພກສາມາດຈັດການການວາງແຜນການເງິນປົກກະຕິສຳລັບບຸກຄົນ. ຮອດປີ 2030, ທ່ານອາດຈະບອກ AI ກ່ຽວກັບເປົ້າໝາຍຂອງທ່ານ (ການຊື້ເຮືອນ, ການອອມເງິນສຳລັບວິທະຍາໄລ) ແລະມັນສາມາດສ້າງແຜນການທາງການເງິນທີ່ຄົບຖ້ວນ (ງົບປະມານ, ການຈັດສັນການລົງທຶນ, ຄຳແນະນຳດ້ານປະກັນໄພ) ທີ່ເໝາະສົມກັບທ່ານ. ໃນເບື້ອງຕົ້ນ, ຜູ້ວາງແຜນການເງິນທີ່ເປັນມະນຸດອາດຈະທົບທວນມັນ, ແຕ່ເມື່ອຄວາມໝັ້ນໃຈເພີ່ມຂຶ້ນ, ຄຳແນະນຳດັ່ງກ່າວອາດຈະຖືກມອບໃຫ້ຜູ້ບໍລິໂພກໂດຍກົງ, ພ້ອມດ້ວຍຂໍ້ປະຕິເສດຄວາມຮັບຜິດຊອບທີ່ເໝາະສົມ. ສິ່ງສຳຄັນແມ່ນການຮັບປະກັນວ່າຄຳແນະນຳຂອງ AI ສອດຄ່ອງກັບລະບຽບການ ແລະ ຢູ່ໃນຜົນປະໂຫຍດສູງສຸດຂອງລູກຄ້າ. ຖ້າແກ້ໄຂໄດ້, AI ສາມາດເຮັດໃຫ້ຄຳແນະນຳທາງການເງິນຂັ້ນພື້ນຖານສາມາດເຂົ້າເຖິງໄດ້ງ່າຍຂຶ້ນໃນລາຄາຕໍ່າ.

• ການເຮັດວຽກອັດຕະໂນມັດຢູ່ຫຼັງຫ້ອງການ: AI ທີ່ສ້າງຂຶ້ນອາດຈະຈັດການເອກະສານຫຼາຍຢ່າງຢູ່ຫຼັງຫ້ອງການໂດຍອັດຕະໂນມັດ - ໃບສະໝັກຂໍກູ້ຢືມ, ບົດລາຍງານການປະຕິບັດຕາມ, ສະຫຼຸບການກວດສອບ. ຕົວຢ່າງ, AI ສາມາດຮັບເອົາຂໍ້ມູນການເຮັດທຸລະກຳທັງໝົດ ແລະ ສ້າງບົດລາຍງານການກວດສອບ ທີ່ລາຍງານຄວາມກັງວົນໃດໆ. ຜູ້ກວດສອບໃນປີ 2035 ອາດໃຊ້ເວລາຫຼາຍໃນການທົບທວນຂໍ້ຍົກເວັ້ນທີ່ຖືກລາຍງານໂດຍ AI ແທນທີ່ຈະກວດສອບທຸກຢ່າງດ້ວຍຕົນເອງ. ໃນທຳນອງດຽວກັນ, ສຳລັບການປະຕິບັດຕາມ, AI ສາມາດສ້າງບົດລາຍງານກິດຈະກຳທີ່ໜ້າສົງໄສ (SARs) ສຳລັບຜູ້ຄວບຄຸມໂດຍບໍ່ຕ້ອງມີນັກວິເຄາະຂຽນພວກມັນຕັ້ງແຕ່ເລີ່ມຕົ້ນ. ການສ້າງເອກະສານປົກກະຕິເຫຼົ່ານີ້ໂດຍອັດຕະໂນມັດ, ໂດຍມີການກວດສອບຂອງມະນຸດຍ້າຍໄປສູ່ພື້ນຖານຂໍ້ຍົກເວັ້ນ, ສາມາດກາຍເປັນມາດຕະຖານໄດ້.

• ການຮຽກຮ້ອງ ແລະ ການຮັບປະກັນປະກັນໄພ: AI ສາມາດປະມວນຜົນການຮຽກຮ້ອງປະກັນໄພ (ດ້ວຍຫຼັກຖານຮູບພາບ, ແລະອື່ນໆ), ກຳນົດການຄຸ້ມຄອງ, ແລະ ສ້າງຈົດໝາຍຕັດສິນໃຈຈ່າຍເງິນໂດຍອັດຕະໂນມັດ. ພວກເຮົາອາດຈະຮອດຈຸດທີ່ການຮຽກຮ້ອງທີ່ຊັດເຈນ (ເຊັ່ນ: ອຸບັດຕິເຫດລົດໃຫຍ່ທີ່ມີຂໍ້ມູນທີ່ຊັດເຈນ) ຖືກແກ້ໄຂທັງໝົດໂດຍ AI ພາຍໃນນາທີຫຼັງຈາກຍື່ນ. ການຂຽນນະໂຍບາຍການຮັບປະກັນໃໝ່ອາດຈະຄ້າຍຄືກັນ: AI ປະເມີນຄວາມສ່ຽງ ແລະ ສ້າງເງື່ອນໄຂນະໂຍບາຍ. ຮອດປີ 2035, ບາງທີກໍລະນີທີ່ສັບສົນ ຫຼື ຂອບເຂດຊາຍແດນເທົ່ານັ້ນທີ່ຈະຖືກຍົກລະດັບໄປສູ່ຜູ້ຮັບປະກັນໄພທີ່ເປັນມະນຸດ.

• ການສໍ້ໂກງ ແລະ ຄວາມປອດໄພ: AI ອາດຈະມີຄວາມສຳຄັນຫຼາຍກວ່າເກົ່າໃນການກວດສອບ ແລະ ຕອບສະໜອງຕໍ່ການສໍ້ໂກງ ຫຼື ໄພຂົ່ມຂູ່ທາງໄຊເບີໃນດ້ານການເງິນ. ຕົວແທນ AI ທີ່ເປັນເອກະລາດອາດຈະຕິດຕາມກວດກາທຸລະກຳໃນເວລາຈິງ ແລະ ດຳເນີນການທັນທີ (ບລັອກບັນຊີ, ຢຸດທຸລະກຳ) ເມື່ອເງື່ອນໄຂທີ່ແນ່ນອນບັນລຸ, ຈາກນັ້ນຜະລິດເຫດຜົນ. ຄວາມໄວແມ່ນມີຄວາມສຳຄັນຫຼາຍຢູ່ທີ່ນີ້, ສະນັ້ນຕ້ອງການການມີສ່ວນຮ່ວມຂອງມະນຸດໜ້ອຍທີ່ສຸດ. ສ່ວນທີ່ສ້າງໄດ້ອາດຈະມາໃນການສື່ສານການກະທຳເຫຼົ່ານີ້ໃຫ້ກັບລູກຄ້າ ຫຼື ຜູ້ຄວບຄຸມໃນທາງທີ່ຊັດເຈນ.

• ການສະໜັບສະໜູນຜູ້ບໍລິຫານ: ລອງນຶກພາບເຖິງ “ຫົວໜ້າພະນັກງານ” ຂອງ AI ທີ່ສາມາດສ້າງບົດລາຍງານທຸລະກິດສຳລັບຜູ້ບໍລິຫານໄດ້ທັນທີ. ເມື່ອຖາມວ່າ “ພະແນກເອີຣົບຂອງພວກເຮົາມີຜົນງານແນວໃດໃນໄຕມາດນີ້ ແລະ ມີປັດໄຈຫຼັກອັນໃດແດ່ເມື່ອທຽບກັບປີກາຍ?” ແລະ AI ຈະຜະລິດບົດລາຍງານທີ່ກະທັດຮັດພ້ອມດ້ວຍຕາຕະລາງ, ທັງໝົດແມ່ນຖືກຕ້ອງ, ດຶງມາຈາກຂໍ້ມູນ. ການລາຍງານ ແລະ ການວິເຄາະແບບເຄື່ອນໄຫວ ແລະ ເປັນເອກະລາດແບບນີ້ອາດຈະກາຍເປັນເລື່ອງງ່າຍຄືກັບການສົນທະນາ. ຮອດປີ 2030, ການສອບຖາມ AI ສຳລັບຄວາມສະຫຼາດທາງທຸລະກິດ ແລະ ການໄວ້ວາງໃຈໃຫ້ມັນໃຫ້ຄຳຕອບທີ່ຖືກຕ້ອງສາມາດທົດແທນບົດລາຍງານຄົງທີ່ ແລະ ບາງທີອາດຈະເປັນບົດບາດຂອງນັກວິເຄາະບາງຢ່າງ.

ການຄາດຄະເນທີ່ໜ້າສົນໃຈຢ່າງໜຶ່ງຄື: ຮອດຊຸມປີ 2030, ເນື້ອຫາທາງການເງິນສ່ວນໃຫຍ່ (ຂ່າວ, ບົດລາຍງານ, ແລະອື່ນໆ) ອາດຈະຖືກສ້າງຂຶ້ນໂດຍ AI . ດຽວນີ້, ສຳນັກຂ່າວຕ່າງໆເຊັ່ນ Dow Jones ແລະ Reuters ໃຊ້ລະບົບອັດຕະໂນມັດສຳລັບຂ່າວບາງຢ່າງ. ຖ້າແນວໂນ້ມນັ້ນຍັງສືບຕໍ່, ແລະ ເນື່ອງຈາກການລະເບີດຂອງຂໍ້ມູນທາງການເງິນ, AI ອາດຈະຮັບຜິດຊອບໃນການກັ່ນຕອງ ແລະ ສື່ສານສ່ວນໃຫຍ່ຂອງມັນ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ຄວາມໄວ້ວາງໃຈ ແລະ ການກວດສອບຈະເປັນສິ່ງສຳຄັນ. ອຸດສາຫະກຳການເງິນແມ່ນຖືກຄວບຄຸມຢ່າງເຂັ້ມງວດ ແລະ AI ໃດໆທີ່ດຳເນີນງານດ້ວຍຕົນເອງຈະຕ້ອງຕອບສະໜອງມາດຕະຖານທີ່ເຂັ້ມງວດ:

• ຮັບປະກັນວ່າບໍ່ມີພາບຫຼອນ (ທ່ານບໍ່ສາມາດໃຫ້ນັກວິເຄາະ AI ປະດິດມາດຕະການທາງການເງິນທີ່ບໍ່ແມ່ນຄວາມຈິງ - ເຊິ່ງອາດຈະເຮັດໃຫ້ຕະຫຼາດເຂົ້າໃຈຜິດໄດ້).

• ການຫຼີກລ່ຽງອະຄະຕິ ຫຼື ການປະຕິບັດທີ່ຜິດກົດໝາຍ (ເຊັ່ນ: ການຍົກເລີກການຕັດສິນໃຈໃຫ້ກູ້ຢືມໂດຍບໍ່ໄດ້ຕັ້ງໃຈ ເນື່ອງຈາກຂໍ້ມູນການຝຶກອົບຮົມທີ່ມີອະຄະຕິ).

• ການກວດສອບ: ຜູ້ຄວບຄຸມອາດຈະຮຽກຮ້ອງໃຫ້ການຕັດສິນໃຈຂອງ AI ສາມາດອະທິບາຍໄດ້. ຖ້າ AI ປະຕິເສດເງິນກູ້ ຫຼື ຕັດສິນໃຈຊື້ຂາຍ, ຕ້ອງມີເຫດຜົນທີ່ສາມາດກວດສອບໄດ້. ຮູບແບບການສ້າງແບບຈຳລອງສາມາດເປັນກ່ອງດຳໄດ້, ສະນັ້ນ ຄາດຫວັງວ່າການພັດທະນາ AI ທີ່ສາມາດອະທິບາຍໄດ້ ເພື່ອເຮັດໃຫ້ການຕັດສິນໃຈຂອງພວກເຂົາໂປ່ງໃສ.

10 ປີຂ້າງໜ້າອາດຈະກ່ຽວຂ້ອງກັບການຮ່ວມມືຢ່າງໃກ້ຊິດລະຫວ່າງ AI ແລະຜູ້ຊ່ຽວຊານດ້ານການເງິນ, ເຊິ່ງຄ່ອຍໆເຄື່ອນຍ້າຍເສັ້ນຄວາມເປັນເອກະລາດເມື່ອຄວາມໝັ້ນໃຈເພີ່ມຂຶ້ນ. ໄຊຊະນະໃນຕອນຕົ້ນຈະມາໃນລະບົບອັດຕະໂນມັດທີ່ມີຄວາມສ່ຽງຕໍ່າ (ເຊັ່ນ: ການສ້າງບົດລາຍງານ). ສິ່ງທີ່ຍາກກວ່ານັ້ນແມ່ນການຕັດສິນຫຼັກໆເຊັ່ນ: ການຕັດສິນໃຈກ່ຽວກັບສິນເຊື່ອ ຫຼື ການເລືອກການລົງທຶນ, ແຕ່ເຖິງແມ່ນວ່າຢູ່ທີ່ນັ້ນ, ເມື່ອປະຫວັດການຕິດຕາມຂອງ AI ສ້າງຂຶ້ນ, ບໍລິສັດຕ່າງໆອາດຈະໃຫ້ຄວາມເປັນເອກະລາດຫຼາຍຂຶ້ນ. ຕົວຢ່າງ, ບາງທີກອງທຶນ AI ອາດຈະດໍາເນີນການກັບຜູ້ຄວບຄຸມທີ່ເປັນມະນຸດຜູ້ທີ່ແຊກແຊງພຽງແຕ່ຖ້າປະສິດທິພາບຫຼຸດລົງ ຫຼື ຖ້າ AI ສະແດງຄວາມບໍ່ແນ່ນອນ.

ໃນດ້ານເສດຖະກິດ, McKinsey ຄາດຄະເນວ່າ AI (ໂດຍສະເພາະ Gen AI) ສາມາດເພີ່ມມູນຄ່າປະມານ 200-340 ຕື້ໂດລາໃຫ້ແກ່ການທະນາຄານໃນແຕ່ລະປີ ແລະ ມີຜົນກະທົບຂະໜາດໃຫຍ່ທີ່ຄ້າຍຄືກັນໃນຕະຫຼາດປະກັນໄພ ແລະ ທຶນ ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ Generative AI | McKinsey ) ( ອະນາຄົດຂອງ Generative AI ແມ່ນຫຍັງ? | McKinsey ). ນີ້ແມ່ນຜ່ານປະສິດທິພາບ ແລະ ຜົນການຕັດສິນໃຈທີ່ດີຂຶ້ນ. ເພື່ອຈັບເອົາມູນຄ່າດັ່ງກ່າວ, ການວິເຄາະທາງດ້ານການເງິນ ແລະ ການສື່ສານປະຈຳຫຼາຍຢ່າງອາດຈະຖືກຫັນໄປໃຊ້ກັບລະບົບ AI.

ສະຫຼຸບແລ້ວ, ຮອດປີ 2035, AI ທີ່ສາມາດສ້າງໄດ້ສາມາດເປັນຄືກັບກອງທັບຂອງນັກວິເຄາະ, ທີ່ປຶກສາ, ແລະ ພະນັກງານທີ່ເຮັດວຽກໃນທົ່ວຂະແໜງການເງິນ, ເຮັດວຽກສ່ວນໃຫຍ່ ແລະ ການວິເຄາະທີ່ຊັບຊ້ອນດ້ວຍຕົນເອງ. ມະນຸດຍັງຈະຕັ້ງເປົ້າໝາຍ ແລະ ຈັດການຍຸດທະສາດລະດັບສູງ, ການພົວພັນກັບລູກຄ້າ, ແລະ ການກວດສອບ. ໂລກການເງິນ, ດ້ວຍຄວາມລະມັດລະວັງ, ຈະຂະຫຍາຍຄວາມເປັນເອກະລາດເທື່ອລະກ້າວ - ແຕ່ທິດທາງແມ່ນຈະແຈ້ງວ່າການປະມວນຜົນຂໍ້ມູນ ແລະ ແມ່ນແຕ່ຄຳແນະນຳໃນການຕັດສິນໃຈຈະມາຈາກ AI ຫຼາຍຂຶ້ນເລື້ອຍໆ. ໂດຍຫຼັກການແລ້ວ, ສິ່ງນີ້ນຳໄປສູ່ການບໍລິການທີ່ໄວຂຶ້ນ (ເງິນກູ້ທັນທີ, ຄຳແນະນຳຕະຫຼອດ 24 ຊົ່ວໂມງ), ຄ່າໃຊ້ຈ່າຍຕ່ຳລົງ, ແລະ ອາດຈະມີຄວາມເປັນກາງຫຼາຍຂຶ້ນ (ການຕັດສິນໃຈໂດຍອີງໃສ່ຮູບແບບຂໍ້ມູນ). ແຕ່ການຮັກສາຄວາມໄວ້ວາງໃຈຈະມີຄວາມສຳຄັນຫຼາຍ; ຄວາມຜິດພາດຂອງ AI ທີ່ມີຊື່ສຽງສູງໃນດ້ານການເງິນອາດຈະເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍທີ່ໃຫຍ່ຫຼວງ (ລອງນຶກພາບເຖິງການເກີດອຸບັດຕິເຫດກະທັນຫັນທີ່ເກີດຈາກ AI ຫຼື ຜົນປະໂຫຍດທີ່ຖືກປະຕິເສດຢ່າງຜິດພາດຕໍ່ຫຼາຍພັນຄົນ). ດັ່ງນັ້ນ, ການປ້ອງກັນ ແລະ ການກວດສອບຂອງມະນຸດອາດຈະຍັງຄົງຢູ່ໂດຍສະເພາະສຳລັບການກະທຳທີ່ຕ້ອງປະເຊີນໜ້າກັບຜູ້ບໍລິໂພກ, ເຖິງແມ່ນວ່າຂະບວນການເຮັດວຽກພາຍໃນຫ້ອງການຈະກາຍເປັນເອກະລາດສູງກໍຕາມ.

ສິ່ງທ້າທາຍ ແລະ ການພິຈາລະນາດ້ານຈັນຍາບັນ

ໃນທຸກຂົງເຂດເຫຼົ່ານີ້, ໃນຂະນະທີ່ AI ທີ່ສ້າງສັນໄດ້ຮັບຄວາມຮັບຜິດຊອບທີ່ເປັນເອກະລາດຫຼາຍຂຶ້ນ, ຊຸດຂອງສິ່ງທ້າທາຍທົ່ວໄປ ແລະ ຄຳຖາມດ້ານຈັນຍາບັນກໍ່ເກີດຂຶ້ນ. ການຮັບປະກັນວ່າ AI ເປັນຕົວແທນທີ່ເປັນເອກະລາດທີ່ໜ້າເຊື່ອຖື ແລະ ເປັນປະໂຫຍດບໍ່ພຽງແຕ່ເປັນວຽກງານດ້ານວິຊາການເທົ່ານັ້ນ, ແຕ່ຍັງເປັນວຽກງານທາງສັງຄົມອີກດ້ວຍ. ໃນທີ່ນີ້ພວກເຮົາລະບຸຄວາມກັງວົນທີ່ສຳຄັນ ແລະ ວິທີການແກ້ໄຂພວກມັນ (ຫຼື ຈະຕ້ອງໄດ້ຮັບການແກ້ໄຂ):

ຄວາມໜ້າເຊື່ອຖື ແລະ ຄວາມແມ່ນຍຳ

ບັນຫາການຫຼອນປະສາດ: ຮູບແບບ AI ທີ່ສ້າງຂຶ້ນສາມາດຜະລິດຜົນຜະລິດທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ຖືກສ້າງຂຶ້ນທັງໝົດທີ່ເບິ່ງຄືວ່າໝັ້ນໃຈ. ນີ້ແມ່ນອັນຕະລາຍໂດຍສະເພາະເມື່ອບໍ່ມີມະນຸດຢູ່ໃນວົງຈອນເພື່ອຈັບຄວາມຜິດພາດ. chatbot ອາດຈະໃຫ້ຄໍາແນະນໍາທີ່ຜິດພາດແກ່ລູກຄ້າ, ຫຼື ບົດລາຍງານທີ່ຂຽນໂດຍ AI ອາດຈະມີສະຖິຕິທີ່ແຕ່ງຂຶ້ນ. ມາຮອດປີ 2025, ຄວາມບໍ່ຖືກຕ້ອງໄດ້ຮັບການຍອມຮັບວ່າເປັນຄວາມສ່ຽງອັນດັບຕົ້ນໆຂອງ AI ທີ່ສ້າງຂຶ້ນໂດຍອົງກອນຕ່າງໆ ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ AI ທີ່ສ້າງຂຶ້ນ | McKinsey ) ( ສະພາບຂອງ AI: ການສຳຫຼວດທົ່ວໂລກ | McKinsey ). ໃນອະນາຄົດ, ເຕັກນິກຕ່າງໆເຊັ່ນ: ການກວດສອບຄວາມຈິງກັບຖານຂໍ້ມູນ, ການປັບປຸງສະຖາປັດຕະຍະກໍາແບບຈໍາລອງ, ແລະ ການຮຽນຮູ້ການເສີມສ້າງດ້ວຍຄໍາຕິຊົມກໍາລັງຖືກນຳໃຊ້ເພື່ອຫຼຸດຜ່ອນການຫຼອນປະສາດ. ລະບົບ AI ທີ່ເປັນເອກະລາດອາດຈະຕ້ອງການການທົດສອບຢ່າງເຂັ້ມງວດ ແລະ ບາງທີອາດຈະມີການຢັ້ງຢືນຢ່າງເປັນທາງການສໍາລັບວຽກງານທີ່ສໍາຄັນ (ເຊັ່ນ: ການສ້າງລະຫັດທີ່ອາດຈະນໍາເອົາຂໍ້ຜິດພາດ/ຂໍ້ບົກຜ່ອງດ້ານຄວາມປອດໄພຖ້າຜິດພາດ).

ຄວາມສອດຄ່ອງ: ລະບົບ AI ຈຳເປັນຕ້ອງເຮັດວຽກໄດ້ຢ່າງໜ້າເຊື່ອຖືໃນໄລຍະເວລາ ແລະ ໃນທຸກສະຖານະການ. ຕົວຢ່າງ, AI ອາດຈະເຮັດໄດ້ດີໃນຄຳຖາມມາດຕະຖານ ແຕ່ພົບບັນຫາທີ່ຫຍຸ້ງຍາກ. ການຮັບປະກັນປະສິດທິພາບທີ່ສອດຄ່ອງຈະຕ້ອງມີຂໍ້ມູນການຝຶກອົບຮົມຢ່າງກວ້າງຂວາງ ເຊິ່ງກວມເອົາສະຖານະການທີ່ຫຼາກຫຼາຍ ແລະ ການຕິດຕາມກວດກາຢ່າງຕໍ່ເນື່ອງ. ຫຼາຍອົງກອນວາງແຜນທີ່ຈະມີວິທີການປະສົມປະສານ - AI ເຮັດວຽກໄດ້, ແຕ່ຕົວຢ່າງແບບສຸ່ມຈະຖືກກວດສອບໂດຍມະນຸດ - ເພື່ອວັດແທກອັດຕາຄວາມຖືກຕ້ອງຢ່າງຕໍ່ເນື່ອງ.

ການປ້ອງກັນຄວາມຜິດພາດ: ເມື່ອ AI ເປັນເອກະລາດ, ການໃຫ້ມັນຮັບຮູ້ຄວາມບໍ່ແນ່ນອນຂອງຕົນເອງແມ່ນມີຄວາມສຳຄັນຫຼາຍ. ລະບົບຄວນໄດ້ຮັບການອອກແບບມາເພື່ອ "ຮູ້ວ່າເວລາທີ່ມັນບໍ່ຮູ້." ຕົວຢ່າງ, ຖ້າທ່ານໝໍ AI ບໍ່ແນ່ໃຈກ່ຽວກັບການວິນິດໄສ, ມັນຄວນຈະໝາຍເຕືອນໃຫ້ມະນຸດກວດສອບແທນທີ່ຈະໃຫ້ການຄາດເດົາແບບສຸ່ມ. ການສ້າງການປະເມີນຄວາມບໍ່ແນ່ນອນເຂົ້າໃນຜົນຜະລິດຂອງ AI (ແລະການມີຂອບເຂດສຳລັບການມອບໝາຍໂດຍອັດຕະໂນມັດຂອງມະນຸດ) ແມ່ນຂົງເຂດການພັດທະນາທີ່ມີການເຄື່ອນໄຫວ.

ອະຄະຕິ ແລະ ຄວາມຍຸຕິທຳ

AI ທີ່ສ້າງສັນຮຽນຮູ້ຈາກຂໍ້ມູນປະຫວັດສາດເຊິ່ງອາດມີອະຄະຕິ (ເຊື້ອຊາດ, ເພດ, ແລະອື່ນໆ). AI ທີ່ເປັນເອກະລາດອາດຈະສືບຕໍ່ ຫຼື ແມ່ນແຕ່ຂະຫຍາຍອະຄະຕິເຫຼົ່ານັ້ນ:

• ໃນການຈ້າງງານ ຫຼື ການຮັບເຂົ້າຮຽນ, ຜູ້ຕັດສິນໃຈດ້ານ AI ອາດຈະຈຳແນກໄດ້ຢ່າງບໍ່ຍຸດຕິທຳ ຖ້າຂໍ້ມູນການຝຶກອົບຮົມຂອງຕົນມີອະຄະຕິ.

• ໃນການບໍລິການລູກຄ້າ, AI ອາດຈະຕອບສະໜອງຕໍ່ຜູ້ໃຊ້ແຕກຕ່າງກັນໂດຍອີງໃສ່ພາສາຖິ່ນ ຫຼື ປັດໃຈອື່ນໆ ເວັ້ນເສຍແຕ່ວ່າໄດ້ກວດສອບຢ່າງລະອຽດ.

• ໃນຂົງເຂດຄວາມຄິດສ້າງສັນ, AI ອາດຈະເປັນຕົວແທນຂອງວັດທະນະທໍາ ຫຼື ຮູບແບບສະເພາະໃດໜຶ່ງໜ້ອຍກວ່າຄວາມເປັນຈິງ ຖ້າຊຸດການຝຶກອົບຮົມບໍ່ສົມດຸນ.

ການແກ້ໄຂບັນຫານີ້ຮຽກຮ້ອງໃຫ້ມີການຄັດເລືອກຊຸດຂໍ້ມູນຢ່າງລະມັດລະວັງ, ການທົດສອບຄວາມລຳອຽງ, ແລະ ບາງທີອາດມີການປັບປ່ຽນອັລກໍຣິທຶມເພື່ອຮັບປະກັນຄວາມຍຸຕິທຳ. ຄວາມໂປ່ງໃສແມ່ນກຸນແຈສຳຄັນ: ບໍລິສັດຕ່າງໆຈະຕ້ອງເປີດເຜີຍເງື່ອນໄຂການຕັດສິນໃຈກ່ຽວກັບ AI, ໂດຍສະເພາະຖ້າ AI ທີ່ເປັນເອກະລາດມີຜົນກະທົບຕໍ່ໂອກາດ ຫຼື ສິດທິຂອງຜູ້ໃດຜູ້ໜຶ່ງ (ເຊັ່ນ: ການໄດ້ຮັບເງິນກູ້ ຫຼື ວຽກເຮັດງານທຳ). ໜ່ວຍງານຄຸ້ມຄອງກຳລັງເອົາໃຈໃສ່ຢູ່ແລ້ວ; ຕົວຢ່າງ, ກົດໝາຍ AI ຂອງ EU (ທີ່ກຳລັງດຳເນີນການໃນກາງຊຸມປີ 2020) ອາດຈະຮຽກຮ້ອງໃຫ້ມີການປະເມີນຄວາມລຳອຽງສຳລັບລະບົບ AI ທີ່ມີຄວາມສ່ຽງສູງ.

ຄວາມຮັບຜິດຊອບ ແລະ ຄວາມຮັບຜິດຊອບທາງກົດໝາຍ

ເມື່ອລະບົບ AI ທີ່ເຮັດວຽກດ້ວຍຕົນເອງກໍ່ໃຫ້ເກີດອັນຕະລາຍ ຫຼື ເຮັດຜິດພາດ, ໃຜເປັນຜູ້ຮັບຜິດຊອບ? ຂອບກົດໝາຍກຳລັງຕາມທັນ:

• ບໍລິສັດທີ່ນຳໃຊ້ AI ອາດຈະມີຄວາມຮັບຜິດຊອບຄືກັນກັບການຮັບຜິດຊອບຕໍ່ການກະທຳຂອງພະນັກງານ. ຕົວຢ່າງ, ຖ້າ AI ໃຫ້ຄຳແນະນຳດ້ານການເງິນທີ່ບໍ່ດີເຊິ່ງສົ່ງຜົນໃຫ້ເກີດການສູນເສຍ, ບໍລິສັດອາດຈະຕ້ອງຊົດເຊີຍໃຫ້ລູກຄ້າ.

• ມີການໂຕ້ວາທີກ່ຽວກັບ “ບຸກຄະລິກກະພາບ” ຂອງ AI ຫຼືວ່າ AI ທີ່ກ້າວໜ້າອາດຈະມີຄວາມຮັບຜິດຊອບບາງສ່ວນຫຼືບໍ່, ແຕ່ນັ້ນເປັນເລື່ອງທາງທິດສະດີຫຼາຍກວ່າໃນປັດຈຸບັນ. ໃນທາງປະຕິບັດ, ຄວາມຜິດຈະຕິດຕາມກັບໄປຫານັກພັດທະນາ ຫຼື ຜູ້ປະກອບການ.

• ຜະລິດຕະພັນປະກັນໄພໃໝ່ອາດຈະມີຂຶ້ນສຳລັບຄວາມລົ້ມເຫຼວຂອງ AI. ຖ້າລົດບັນທຸກທີ່ຂັບເຄື່ອນດ້ວຍຕົນເອງເຮັດໃຫ້ເກີດອຸບັດຕິເຫດ, ການປະກັນໄພຂອງຜູ້ຜະລິດອາດຈະຄຸ້ມຄອງມັນ, ຄ້າຍຄືກັບຄວາມຮັບຜິດຊອບຂອງຜະລິດຕະພັນ.

• ການບັນທຶກເອກະສານ ແລະ ການບັນທຶກການຕັດສິນໃຈຂອງ AI ຈະມີຄວາມສຳຄັນສຳລັບການກວດສອບຫຼັງການເສຍຊີວິດ. ຖ້າມີບາງຢ່າງຜິດພາດເກີດຂຶ້ນ, ພວກເຮົາຈຳເປັນຕ້ອງກວດສອບເສັ້ນທາງການຕັດສິນໃຈຂອງ AI ເພື່ອຮຽນຮູ້ຈາກມັນ ແລະ ມອບໝາຍຄວາມຮັບຜິດຊອບ. ຜູ້ຄວບຄຸມອາດຈະບັງຄັບໃຫ້ມີການບັນທຶກສຳລັບການກະທຳຂອງ AI ທີ່ເປັນເອກະລາດຍ້ອນເຫດຜົນນີ້.

ຄວາມໂປ່ງໃສ ແລະ ການອະທິບາຍໄດ້

ປັນຍາປະດິດທີ່ເຮັດວຽກດ້ວຍຕົນເອງຄວນຈະສາມາດອະທິບາຍເຫດຜົນຂອງມັນໃນແງ່ທີ່ມະນຸດເຂົ້າໃຈໄດ້, ໂດຍສະເພາະໃນຂົງເຂດຕ່າງໆ (ການເງິນ, ການດູແລສຸຂະພາບ, ລະບົບຍຸຕິທຳ). ປັນຍາປະດິດທີ່ເຮັດວຽກດ້ວຍຕົນເອງແມ່ນຂົງເຂດທີ່ພະຍາຍາມເປີດກ່ອງດຳ:

• ສຳລັບການປະຕິເສດເງິນກູ້ໂດຍ AI, ກົດລະບຽບ (ເຊັ່ນດຽວກັບໃນສະຫະລັດ, ECOA) ອາດຈະຮຽກຮ້ອງໃຫ້ຜູ້ສະໝັກມີເຫດຜົນ. ດັ່ງນັ້ນ AI ຕ້ອງສະແດງປັດໄຈຕ່າງໆ (ເຊັ່ນ "ອັດຕາສ່ວນໜີ້ສິນຕໍ່ລາຍໄດ້ສູງ") ເປັນຄຳອະທິບາຍ.

• ຜູ້ໃຊ້ທີ່ພົວພັນກັບ AI (ເຊັ່ນ: ນັກຮຽນທີ່ມີຄູສອນ AI ຫຼື ຄົນເຈັບທີ່ມີແອັບສຸຂະພາບ AI) ສົມຄວນທີ່ຈະຮູ້ວ່າມັນມາຮອດຄຳແນະນຳແນວໃດ. ມີຄວາມພະຍາຍາມທີ່ຈະເຮັດໃຫ້ການຫາເຫດຜົນຂອງ AI ສາມາດຕິດຕາມໄດ້ງ່າຍຂຶ້ນ, ບໍ່ວ່າຈະໂດຍການເຮັດໃຫ້ຮູບແບບງ່າຍຂຶ້ນ ຫຼື ໂດຍການມີຮູບແບບອະທິບາຍຂະໜານ.

• ຄວາມໂປ່ງໃສຍັງໝາຍຄວາມວ່າຜູ້ໃຊ້ຄວນຮູ້ວ່າ ເວລາໃດທີ່ ພວກເຂົາກຳລັງພົວພັນກັບ AI ທຽບກັບມະນຸດ. ແນວທາງດ້ານຈັນຍາບັນ (ແລະອາດຈະມີກົດໝາຍບາງຢ່າງ) ມີແນວໂນ້ມທີ່ຈະຮຽກຮ້ອງໃຫ້ມີການເປີດເຜີຍຖ້າລູກຄ້າກຳລັງລົມກັບບັອດ. ສິ່ງນີ້ປ້ອງກັນການຫຼອກລວງ ແລະ ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ຍິນຍອມ. ບາງບໍລິສັດໃນປັດຈຸບັນຕິດແທັກເນື້ອຫາທີ່ຂຽນໂດຍ AI ຢ່າງຈະແຈ້ງ (ເຊັ່ນ “ບົດຄວາມນີ້ຖືກສ້າງຂຶ້ນໂດຍ AI”) ເພື່ອຮັກສາຄວາມໄວ້ວາງໃຈ.

ຄວາມເປັນສ່ວນຕົວ ແລະ ການປົກປ້ອງຂໍ້ມູນ

AI ທີ່ສ້າງສັນມັກຈະຕ້ອງການຂໍ້ມູນ - ລວມທັງຂໍ້ມູນສ່ວນຕົວທີ່ອາດຈະລະອຽດອ່ອນ - ເພື່ອເຮັດວຽກ ຫຼື ຮຽນຮູ້. ການດຳເນີນງານແບບອັດຕະໂນມັດຕ້ອງເຄົາລົບຄວາມເປັນສ່ວນຕົວ:

• ຕົວແທນບໍລິການລູກຄ້າ AI ຈະເຂົ້າເຖິງຂໍ້ມູນບັນຊີເພື່ອຊ່ວຍລູກຄ້າ; ຂໍ້ມູນນັ້ນຕ້ອງໄດ້ຮັບການປົກປ້ອງ ແລະ ນຳໃຊ້ສຳລັບໜ້າວຽກເທົ່ານັ້ນ.

• ຖ້າຄູສອນ AI ສາມາດເຂົ້າເຖິງໂປຣໄຟລ໌ນັກຮຽນໄດ້, ມີການພິຈາລະນາພາຍໃຕ້ກົດໝາຍເຊັ່ນ FERPA (ໃນສະຫະລັດ) ເພື່ອຮັບປະກັນຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນການສຶກສາ.

• ຮູບແບບຂະໜາດໃຫຍ່ສາມາດຈື່ຈຳຂໍ້ມູນສະເພາະຕ່າງໆຈາກຂໍ້ມູນການຝຶກອົບຮົມຂອງເຂົາເຈົ້າໄດ້ໂດຍບໍ່ໄດ້ຕັ້ງໃຈ (ເຊັ່ນ: ການນຳເອົາທີ່ຢູ່ຂອງບຸກຄົນທີ່ເຫັນໃນລະຫວ່າງການຝຶກອົບຮົມກັບຄືນມາ). ເຕັກນິກຕ່າງໆເຊັ່ນ: ຄວາມເປັນສ່ວນຕົວທີ່ແຕກຕ່າງກັນ ແລະ ການປິດບັງຂໍ້ມູນໃນການຝຶກອົບຮົມແມ່ນມີຄວາມສຳຄັນເພື່ອປ້ອງກັນການຮົ່ວໄຫຼຂອງຂໍ້ມູນສ່ວນຕົວໃນຜົນຜະລິດທີ່ສ້າງຂຶ້ນ.

• ກົດລະບຽບຕ່າງໆເຊັ່ນ GDPR ໃຫ້ສິດແກ່ບຸກຄົນກ່ຽວກັບການຕັດສິນໃຈແບບອັດຕະໂນມັດທີ່ມີຜົນກະທົບຕໍ່ເຂົາເຈົ້າ. ຜູ້ຄົນສາມາດຮ້ອງຂໍໃຫ້ມີການທົບທວນຄືນຂອງມະນຸດ ຫຼື ການຕັດສິນໃຈທີ່ບໍ່ເປັນອັດຕະໂນມັດຢ່າງດຽວ ຖ້າມັນສົ່ງຜົນກະທົບຕໍ່ເຂົາເຈົ້າຢ່າງຫຼວງຫຼາຍ. ຮອດປີ 2030, ກົດລະບຽບເຫຼົ່ານີ້ອາດຈະພັດທະນາໄປເມື່ອ AI ມີຄວາມແຜ່ຫຼາຍຫຼາຍຂຶ້ນ, ອາດຈະນຳສະເໜີສິດໃນການອະທິບາຍ ຫຼື ການເລືອກທີ່ຈະບໍ່ເຂົ້າຮ່ວມການປະມວນຜົນຂອງ AI.

ຄວາມປອດໄພ ແລະ ການລ່ວງລະເມີດ

ລະບົບ AI ອັດຕະໂນມັດອາດເປັນເປົ້າໝາຍຂອງການແຮັກ ຫຼື ອາດຈະຖືກນຳໃຊ້ເພື່ອເຮັດສິ່ງທີ່ເປັນອັນຕະລາຍ:

• ເຄື່ອງສ້າງເນື້ອຫາ AI ອາດຈະຖືກນຳໃຊ້ໃນທາງທີ່ຜິດເພື່ອສ້າງຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງໃນຂອບເຂດກ້ວາງ (ວິດີໂອ deepfake, ບົດຂ່າວປອມ), ເຊິ່ງເປັນຄວາມສ່ຽງທາງສັງຄົມ. ຈັນຍາບັນຂອງການປ່ອຍຮູບແບບການສ້າງທີ່ມີປະສິດທິພາບສູງແມ່ນໄດ້ຮັບການໂຕ້ວາທີຢ່າງຮ້ອນແຮງ (ໃນເບື້ອງຕົ້ນ OpenAI ໄດ້ລະມັດລະວັງກັບຄວາມສາມາດຂອງຮູບພາບຂອງ GPT-4, ຕົວຢ່າງ). ​​ວິທີແກ້ໄຂລວມມີການໃສ່ນ້ຳໃສ່ເນື້ອຫາທີ່ສ້າງຂຶ້ນໂດຍ AI ເພື່ອຊ່ວຍກວດຫາປອມ, ແລະ ການໃຊ້ AI ເພື່ອຕໍ່ສູ້ກັບ AI (ເຊັ່ນ: ອັລກໍຣິທຶມການກວດຫາສຳລັບ deepfakes).

• ຖ້າ AI ຄວບຄຸມຂະບວນການທາງກາຍະພາບ (ໂດຣນ, ລົດยนต์, ການຄວບຄຸມອຸດສາຫະກຳ), ການຮັກສາຄວາມປອດໄພຈາກການໂຈມຕີທາງໄຊເບີແມ່ນມີຄວາມສຳຄັນຫຼາຍ. ລະບົບອັດຕະໂນມັດທີ່ຖືກແຮັກສາມາດກໍ່ໃຫ້ເກີດອັນຕະລາຍໃນໂລກຕົວຈິງ. ນີ້ໝາຍເຖິງການເຂົ້າລະຫັດທີ່ເຂັ້ມແຂງ, ການປ້ອງກັນຄວາມຜິດພາດ, ແລະຄວາມສາມາດໃນການລົບລ້າງ ຫຼື ປິດລະບົບຂອງມະນຸດ ຖ້າມີບາງສິ່ງບາງຢ່າງເບິ່ງຄືວ່າຖືກໂຈມຕີ.

• ນອກນັ້ນຍັງມີຄວາມກັງວົນວ່າ AI ຈະກ້າວໄປເກີນຂອບເຂດທີ່ຕັ້ງໃຈໄວ້ (ສະຖານະການ "AI ທີ່ຫຼອກລວງ"). ໃນຂະນະທີ່ AI ໃນປະຈຸບັນບໍ່ມີອຳນາດ ຫຼື ເຈດຕະນາ, ຖ້າລະບົບເອກະລາດໃນອະນາຄົດມີລັກສະນະເປັນຕົວແທນຫຼາຍຂຶ້ນ, ຕ້ອງມີຂໍ້ຈຳກັດ ແລະ ການຕິດຕາມກວດກາທີ່ເຂັ້ມງວດເພື່ອຮັບປະກັນວ່າພວກມັນຈະບໍ່ປະຕິບັດການຄ້າທີ່ບໍ່ໄດ້ຮັບອະນຸຍາດ ຫຼື ລະເມີດກົດໝາຍເນື່ອງຈາກຈຸດປະສົງທີ່ລະບຸໄວ້ບໍ່ຖືກຕ້ອງ.

ການນໍາໃຊ້ດ້ານຈັນຍາບັນ ແລະ ຜົນກະທົບຕໍ່ມະນຸດ

ສຸດທ້າຍ, ການພິຈາລະນາດ້ານຈັນຍາບັນທີ່ກວ້າງຂວາງກວ່າ:

• ການຍົກຍ້າຍວຽກເຮັດງານທຳ: ຖ້າ AI ສາມາດເຮັດວຽກງານໄດ້ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ, ຈະເກີດຫຍັງຂຶ້ນກັບວຽກເຫຼົ່ານັ້ນ? ໃນອະດີດ, ເທັກໂນໂລຢີເຮັດໃຫ້ວຽກບາງຢ່າງເປັນອັດຕະໂນມັດແຕ່ສ້າງວຽກອື່ນໆ. ການຫັນປ່ຽນອາດຈະເປັນເລື່ອງທີ່ເຈັບປວດສຳລັບຜູ້ອອກແຮງງານທີ່ມີທັກສະໃນວຽກທີ່ກາຍເປັນອັດຕະໂນມັດ. ສັງຄົມຈະຕ້ອງຈັດການສິ່ງນີ້ໂດຍຜ່ານການປັບປຸງທັກສະ, ການສຶກສາ, ແລະອາດຈະຄິດຄືນໃໝ່ກ່ຽວກັບການສະໜັບສະໜູນທາງເສດຖະກິດ (ບາງຄົນແນະນຳວ່າ AI ອາດຈະຕ້ອງການແນວຄວາມຄິດເຊັ່ນ: ລາຍໄດ້ພື້ນຖານທົ່ວໄປຖ້າວຽກຫຼາຍຢ່າງເປັນອັດຕະໂນມັດ). ການສຳຫຼວດສະແດງໃຫ້ເຫັນຄວາມຮູ້ສຶກປະສົມ - ການສຶກສາໜຶ່ງພົບວ່າໜຶ່ງສ່ວນສາມຂອງຜູ້ອອກແຮງງານກັງວົນກ່ຽວກັບ AI ທີ່ຈະມາແທນວຽກ, ໃນຂະນະທີ່ຄົນອື່ນເຫັນວ່າມັນເປັນການກຳຈັດຄວາມເບື່ອໜ່າຍ.

• ການຫຼຸດລົງຂອງທັກສະມະນຸດ: ຖ້າຄູສອນ AI ສອນ ແລະ AI ຂັບເຄື່ອນໂດຍອັດຕະໂນມັດ ແລະ AI ຂຽນລະຫັດ, ຜູ້ຄົນຈະສູນເສຍທັກສະເຫຼົ່ານີ້ບໍ? ການເພິ່ງພາ AI ຫຼາຍເກີນໄປອາດຈະເຮັດໃຫ້ຄວາມຊ່ຽວຊານຫຼຸດລົງ; ມັນເປັນສິ່ງທີ່ໂຄງການການສຶກສາ ແລະ ການຝຶກອົບຮົມຈະຕ້ອງປັບຕົວ, ຮັບປະກັນວ່າຜູ້ຄົນຍັງຮຽນຮູ້ພື້ນຖານເຖິງແມ່ນວ່າ AI ຈະຊ່ວຍໄດ້ກໍຕາມ.

• ການຕັດສິນໃຈດ້ານຈັນຍາບັນ: AI ຂາດການຕັດສິນໃຈດ້ານສິນທຳຂອງມະນຸດ. ໃນການດູແລສຸຂະພາບ ຫຼື ກົດໝາຍ, ການຕັດສິນໃຈທີ່ອີງໃສ່ຂໍ້ມູນຢ່າງດຽວອາດຈະຂັດແຍ້ງກັບຄວາມເມດຕາ ຫຼື ຄວາມຍຸຕິທຳໃນແຕ່ລະກໍລະນີ. ພວກເຮົາອາດຈະຕ້ອງເຂົ້າລະຫັດຂອບດ້ານຈັນຍາບັນເຂົ້າໃນ AI (ຂົງເຂດການຄົ້ນຄວ້າດ້ານຈັນຍາບັນຂອງ AI, ຕົວຢ່າງ, ການຈັດການຕັດສິນໃຈຂອງ AI ໃຫ້ສອດຄ່ອງກັບຄຸນຄ່າຂອງມະນຸດ). ຢ່າງໜ້ອຍ, ການຮັກສາມະນຸດໃຫ້ຢູ່ໃນວົງຈອນສຳລັບການຕັດສິນໃຈທີ່ມີຈັນຍາບັນແມ່ນແນະນຳ.

• ການມີສ່ວນຮ່ວມ: ການຮັບປະກັນວ່າຜົນປະໂຫຍດຂອງ AI ຖືກແຈກຢາຍຢ່າງກວ້າງຂວາງແມ່ນເປົ້າໝາຍດ້ານຈັນຍາບັນ. ຖ້າບໍລິສັດໃຫຍ່ສາມາດຊື້ AI ທີ່ກ້າວໜ້າໄດ້, ທຸລະກິດຂະໜາດນ້ອຍ ຫຼື ພາກພື້ນທີ່ທຸກຍາກອາດຈະຖືກປະໄວ້ທາງຫຼັງ. ຄວາມພະຍາຍາມແບບເປີດ ແລະ ວິທີແກ້ໄຂ AI ລາຄາບໍ່ແພງສາມາດຊ່ວຍໃຫ້ການເຂົ້າເຖິງເປັນປະຊາທິປະໄຕໄດ້. ນອກຈາກນີ້, ອິນເຕີເຟດຄວນຖືກອອກແບບເພື່ອໃຫ້ທຸກຄົນສາມາດໃຊ້ເຄື່ອງມື AI (ພາສາທີ່ແຕກຕ່າງກັນ, ການເຂົ້າເຖິງສຳລັບຜູ້ພິການ, ແລະອື່ນໆ), ຖ້າບໍ່ດັ່ງນັ້ນພວກເຮົາຈະສ້າງຊ່ອງຫວ່າງດິຈິຕອນໃໝ່ຂອງ "ຜູ້ທີ່ມີຜູ້ຊ່ວຍ AI ແລະ ຜູ້ທີ່ບໍ່ມີ."

ການຫຼຸດຜ່ອນຄວາມສ່ຽງໃນປະຈຸບັນ: ໃນດ້ານດີ, ໃນຂະນະທີ່ບໍລິສັດຕ່າງໆໄດ້ເປີດຕົວ Gen AI, ມີຄວາມຮັບຮູ້ ແລະ ການດຳເນີນການກ່ຽວກັບບັນຫາເຫຼົ່ານີ້ເພີ່ມຂຶ້ນ. ໃນທ້າຍປີ 2023, ເກືອບເຄິ່ງໜຶ່ງຂອງບໍລິສັດທີ່ໃຊ້ AI ໄດ້ເຮັດວຽກຢ່າງຫ້າວຫັນເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງເຊັ່ນ: ຄວາມບໍ່ຖືກຕ້ອງ ( ສະພາບຂອງ AI ໃນປີ 2023: ປີທີ່ໂດດເດັ່ນຂອງ Generative AI | McKinsey ) ( ສະພາບຂອງ AI: ການສຳຫຼວດທົ່ວໂລກ | McKinsey ), ແລະ ຈຳນວນດັ່ງກ່າວກຳລັງເພີ່ມຂຶ້ນ. ບໍລິສັດເທັກໂນໂລຢີໄດ້ສ້າງຕັ້ງຄະນະກຳມະການຈັນຍາບັນຂອງ AI; ລັດຖະບານກຳລັງຮ່າງລະບຽບການ. ສິ່ງສຳຄັນແມ່ນການລວມເອົາຈັນຍາບັນເຂົ້າໃນການພັດທະນາ AI ຕັ້ງແຕ່ເລີ່ມຕົ້ນ (“ຈັນຍາບັນໂດຍການອອກແບບ”), ແທນທີ່ຈະຕອບສະໜອງໃນພາຍຫຼັງ.

ສະຫຼຸບແລ້ວກ່ຽວກັບສິ່ງທ້າທາຍຕ່າງໆ: ການໃຫ້ AI ເປັນເອກະລາດຫຼາຍຂຶ້ນແມ່ນດາບສອງຄົມ. ມັນສາມາດໃຫ້ປະສິດທິພາບ ແລະ ນະວັດຕະກໍາ, ແຕ່ມັນຮຽກຮ້ອງໃຫ້ມີຄວາມຮັບຜິດຊອບສູງ. ໃນຊຸມປີຕໍ່ໜ້າອາດຈະເຫັນການປະສົມປະສານຂອງວິທີແກ້ໄຂທາງເທັກໂນໂລຢີ (ເພື່ອປັບປຸງພຶດຕິກໍາຂອງ AI), ວິທີແກ້ໄຂຂະບວນການ (ນະໂຍບາຍ ແລະ ຂອບການຕິດຕາມກວດກາ), ແລະ ບາງທີອາດຈະມີມາດຕະຖານ ຫຼື ການຮັບຮອງໃໝ່ (ລະບົບ AI ອາດຈະຖືກກວດສອບ ແລະ ຮັບຮອງຄືກັບເຄື່ອງຈັກ ຫຼື ເຄື່ອງເອເລັກໂຕຣນິກໃນປະຈຸບັນ). ການນໍາທາງສິ່ງທ້າທາຍເຫຼົ່ານີ້ຢ່າງສໍາເລັດຜົນຈະເປັນຕົວກໍານົດວ່າພວກເຮົາສາມາດເຊື່ອມໂຍງ AI ເປັນເອກະລາດເຂົ້າໃນສັງຄົມໄດ້ຢ່າງລາບລື່ນໃນລັກສະນະທີ່ເສີມຂະຫຍາຍສະຫວັດດີພາບ ແລະ ຄວາມໄວ້ວາງໃຈຂອງມະນຸດ.

ສະຫຼຸບ

ປັນຍາປະດິດ AI ໄດ້ພັດທະນາຢ່າງໄວວາຈາກການທົດລອງແບບໃໝ່ໄປສູ່ເທັກໂນໂລຢີທົ່ວໄປທີ່ມີການປ່ຽນແປງທີ່ສຳຜັດທຸກມຸມຂອງຊີວິດຂອງພວກເຮົາ. ເອກະສານສີຂາວນີ້ໄດ້ສຳຫຼວດວິທີການ, ພາຍໃນປີ 2025, ລະບົບ AI ໄດ້ຂຽນບົດຄວາມ, ອອກແບບຮູບພາບ, ການຂຽນໂປຣແກຣມ, ສົນທະນາກັບລູກຄ້າ, ສະຫຼຸບບັນທຶກທາງການແພດ, ສອນນັກຮຽນ, ເພີ່ມປະສິດທິພາບລະບົບຕ່ອງໂສ້ການສະໜອງ, ແລະ ການຮ່າງບົດລາຍງານທາງການເງິນ. ສິ່ງສຳຄັນ, ໃນຫຼາຍໆໜ້າວຽກເຫຼົ່ານີ້ AI ສາມາດດຳເນີນງານໄດ້ ໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດໜ້ອຍຫຼາຍ ຫຼື ບໍ່ມີການແຊກແຊງຂອງມະນຸດເລີຍ , ໂດຍສະເພາະສຳລັບວຽກທີ່ມີການກຳນົດໄວ້ຢ່າງດີ ແລະ ເຮັດຊ້ຳໄດ້. ບໍລິສັດ ແລະ ບຸກຄົນກຳລັງເລີ່ມໄວ້ວາງໃຈ AI ໃຫ້ປະຕິບັດໜ້າທີ່ເຫຼົ່ານີ້ດ້ວຍຕົນເອງ, ໂດຍໄດ້ຮັບຜົນປະໂຫຍດທັງໃນຄວາມໄວ ແລະ ຂະໜາດ.

ເມື່ອຫວນຄິດໄປເຖິງປີ 2035, ພວກເຮົາຢືນຢູ່ໃນຈຸດສຸດຍອດຂອງຍຸກສະໄໝທີ່ AI ຈະກາຍເປັນຜູ້ຮ່ວມມືທີ່ແຜ່ຫຼາຍກວ່າເກົ່າ - ເຊິ່ງມັກຈະເປັນ ກຳລັງແຮງງານດິຈິຕອນທີ່ເບິ່ງບໍ່ເຫັນ ເຊິ່ງຈັດການກັບກິດຈະວັດປະຈຳວັນ ເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ສິ່ງທີ່ພິເສດ. ພວກເຮົາຄາດຫວັງວ່າ AI ທີ່ມີພະລັງຈະຂັບລົດ ແລະ ລົດບັນທຸກໄດ້ຢ່າງໜ້າເຊື່ອຖືໃນຖະໜົນຫົນທາງຂອງພວກເຮົາ, ຈັດການສິນຄ້າຄົງຄັງໃນສາງໃນຕອນກາງຄືນ, ຕອບຄຳຖາມຂອງພວກເຮົາໃນຖານະຜູ້ຊ່ວຍສ່ວນຕົວທີ່ມີຄວາມຮູ້, ໃຫ້ຄຳແນະນຳແບບໜຶ່ງຕໍ່ໜຶ່ງແກ່ນັກຮຽນທົ່ວໂລກ, ແລະ ແມ່ນແຕ່ຊ່ວຍຄົ້ນພົບວິທີການປິ່ນປົວໃໝ່ໃນການແພດ - ທັງໝົດນີ້ດ້ວຍການຊີ້ນຳໂດຍກົງໜ້ອຍທີ່ສຸດ. ເສັ້ນແບ່ງລະຫວ່າງເຄື່ອງມື ແລະ ຕົວແທນຈະມົວລົງ ຍ້ອນວ່າ AI ປ່ຽນຈາກການປະຕິບັດຕາມຄຳແນະນຳຢ່າງຕັ້ງໜ້າ ໄປສູ່ການສ້າງວິທີແກ້ໄຂຢ່າງຕັ້ງໜ້າ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ການເດີນທາງໄປສູ່ອະນາຄົດຂອງ AI ທີ່ເປັນເອກະລາດນີ້ຕ້ອງໄດ້ຮັບການນຳພາດ້ວຍຄວາມລະມັດລະວັງ. ດັ່ງທີ່ພວກເຮົາໄດ້ລະບຸໄວ້, ແຕ່ລະຂົງເຂດມີຂໍ້ຈຳກັດ ແລະ ຄວາມຮັບຜິດຊອບຂອງຕົນເອງຄື:

• ການກວດສອບຄວາມເປັນຈິງໃນປະຈຸບັນ: AI ບໍ່ແມ່ນວ່າບໍ່ມີຂໍ້ຜິດພາດ. ມັນເກັ່ງໃນການຮັບຮູ້ຮູບແບບ ແລະ ການສ້າງເນື້ອຫາ ແຕ່ຂາດຄວາມເຂົ້າໃຈທີ່ແທ້ຈິງ ແລະ ສະຕິປັນຍາທົ່ວໄປໃນຄວາມໝາຍຂອງມະນຸດ. ດັ່ງນັ້ນ, ສຳລັບດຽວນີ້, ການເບິ່ງແຍງຂອງມະນຸດຍັງຄົງເປັນຕາໜ່າງຄວາມປອດໄພ. ການຮັບຮູ້ບ່ອນທີ່ AI ພ້ອມທີ່ຈະບິນດ່ຽວ (ແລະບ່ອນທີ່ມັນບໍ່ພ້ອມທີ່ຈະບິນ) ແມ່ນສິ່ງສຳຄັນຫຼາຍ. ຄວາມສຳເລັດຫຼາຍຢ່າງໃນມື້ນີ້ມາຈາກ ທີມງານລະຫວ່າງມະນຸດ ແລະ AI , ແລະວິທີການປະສົມປະສານນີ້ຈະສືບຕໍ່ມີຄຸນຄ່າບ່ອນທີ່ຄວາມເປັນເອກະລາດຢ່າງເຕັມທີ່ຍັງບໍ່ທັນມີຄວາມລະມັດລະວັງ.

• ຄຳສັນຍາຂອງມື້ອື່ນ: ດ້ວຍຄວາມກ້າວໜ້າໃນສະຖາປັດຕະຍະກຳແບບຈຳລອງ, ເຕັກນິກການຝຶກອົບຮົມ, ແລະ ກົນໄກການຕິດຕາມກວດກາ, ຄວາມສາມາດຂອງ AI ຈະສືບຕໍ່ຂະຫຍາຍຕົວ. ທົດສະວັດຕໍ່ໄປຂອງການຄົ້ນຄວ້າ ແລະ ພັດທະນາສາມາດແກ້ໄຂຈຸດເຈັບປວດຫຼາຍຢ່າງໃນປະຈຸບັນ (ຫຼຸດຜ່ອນອາການຫຼອນ, ປັບປຸງຄວາມສາມາດໃນການຕີຄວາມ, ການຈັດ AI ໃຫ້ສອດຄ່ອງກັບຄຸນຄ່າຂອງມະນຸດ). ຖ້າເປັນດັ່ງນັ້ນ, ລະບົບ AI ພາຍໃນປີ 2035 ອາດຈະເຂັ້ມແຂງພໍທີ່ຈະໄດ້ຮັບຄວາມໄວ້ວາງໃຈໃນຄວາມເປັນເອກະລາດຫຼາຍຂຶ້ນ. ການຄາດຄະເນໃນເອກະສານນີ້ - ຕັ້ງແຕ່ຄູສອນ AI ຈົນເຖິງທຸລະກິດທີ່ດຳເນີນງານດ້ວຍຕົນເອງສ່ວນໃຫຍ່ - ອາດຈະເປັນຄວາມເປັນຈິງຂອງພວກເຮົາ, ຫຼືແມ່ນແຕ່ຖືກເອົາຊະນະໂດຍນະວັດຕະກຳທີ່ຍາກທີ່ຈະຈິນຕະນາການໃນມື້ນີ້.

• ບົດບາດ ແລະ ການປັບຕົວຂອງມະນຸດ: ແທນທີ່ຈະ AI ມາແທນທີ່ມະນຸດຢ່າງສົມບູນ, ພວກເຮົາຄາດຄະເນບົດບາດທີ່ພັດທະນາໄປ. ຜູ້ຊ່ຽວຊານໃນທຸກຂົງເຂດອາດຈະຕ້ອງມີຄວາມຊຳນານໃນການເຮັດວຽກ ກັບ AI - ນຳພາມັນ, ກວດສອບມັນ, ແລະ ສຸມໃສ່ດ້ານຕ່າງໆຂອງວຽກງານທີ່ຕ້ອງການຄວາມເຂັ້ມແຂງຂອງມະນຸດຢ່າງຈະແຈ້ງເຊັ່ນ: ຄວາມເຫັນອົກເຫັນໃຈ, ການຄິດຢ່າງມີຍຸດທະສາດ, ແລະ ການແກ້ໄຂບັນຫາທີ່ສັບສົນ. ການສຶກສາ ແລະ ການຝຶກອົບຮົມກຳລັງແຮງງານຄວນຫັນມາເນັ້ນໜັກໃສ່ທັກສະຂອງມະນຸດທີ່ເປັນເອກະລັກເຫຼົ່ານີ້, ເຊັ່ນດຽວກັນກັບຄວາມຮູ້ດ້ານ AI ສຳລັບທຸກຄົນ. ຜູ້ກຳນົດນະໂຍບາຍ ແລະ ຜູ້ນຳທຸລະກິດຄວນວາງແຜນການຫັນປ່ຽນໃນຕະຫຼາດແຮງງານ ແລະ ຮັບປະກັນລະບົບສະໜັບສະໜູນສຳລັບຜູ້ທີ່ໄດ້ຮັບຜົນກະທົບຈາກອັດຕະໂນມັດ.

• ຈັນຍາບັນ ແລະ ການຄຸ້ມຄອງ: ບາງທີສິ່ງທີ່ສຳຄັນທີ່ສຸດ, ຂອບການນຳໃຊ້ ແລະ ການຄຸ້ມຄອງ AI ທີ່ມີຈັນຍາບັນຕ້ອງສະໜັບສະໜູນການເຕີບໂຕທາງດ້ານເຕັກໂນໂລຢີນີ້. ຄວາມໄວ້ວາງໃຈແມ່ນສະກຸນເງິນຂອງການຮັບຮອງເອົາ - ຜູ້ຄົນຈະປ່ອຍໃຫ້ AI ຂັບລົດ ຫຼື ຊ່ວຍໃນການຜ່າຕັດຖ້າພວກເຂົາເຊື່ອວ່າມັນປອດໄພ. ການສ້າງຄວາມໄວ້ວາງໃຈນັ້ນກ່ຽວຂ້ອງກັບການທົດສອບທີ່ເຂັ້ມງວດ, ຄວາມໂປ່ງໃສ, ການມີສ່ວນຮ່ວມຂອງຜູ້ມີສ່ວນຮ່ວມ (ເຊັ່ນ: ການມີສ່ວນຮ່ວມຂອງແພດໃນການອອກແບບ AI ທາງການແພດ, ຄູສອນໃນເຄື່ອງມືການສຶກສາ AI), ແລະ ລະບຽບການທີ່ເໝາະສົມ. ການຮ່ວມມືລະຫວ່າງປະເທດອາດຈະເປັນສິ່ງຈຳເປັນເພື່ອຈັດການກັບສິ່ງທ້າທາຍຕ່າງໆເຊັ່ນ: deepfakes ຫຼື AI ໃນສົງຄາມ, ຮັບປະກັນມາດຕະຖານທົ່ວໂລກສຳລັບການນຳໃຊ້ທີ່ມີຄວາມຮັບຜິດຊອບ.

ສະຫຼຸບແລ້ວ, AI ທີ່ສ້າງສັນແມ່ນເຄື່ອງຈັກທີ່ມີປະສິດທິພາບຂອງຄວາມກ້າວໜ້າ. ຖ້າໃຊ້ຢ່າງສະຫຼາດ, ມັນສາມາດບັນເທົາມະນຸດຈາກຄວາມເບື່ອໜ່າຍ, ປົດລັອກຄວາມຄິດສ້າງສັນ, ປັບແຕ່ງການບໍລິການ, ແລະແກ້ໄຂຊ່ອງຫວ່າງ (ນຳເອົາຄວາມຊ່ຽວຊານມາໃຊ້ໃນບ່ອນທີ່ຜູ້ຊ່ຽວຊານຂາດແຄນ). ສິ່ງສຳຄັນແມ່ນການນຳໃຊ້ມັນໃນລັກສະນະທີ່ ຂະຫຍາຍທ່າແຮງຂອງມະນຸດແທນທີ່ຈະເຮັດໃຫ້ມັນຕົກຕ່ຳ . ໃນທັນທີ, ນັ້ນໝາຍເຖິງການຮັກສາມະນຸດໃຫ້ຢູ່ໃນວົງຈອນເພື່ອນຳພາ AI. ໃນໄລຍະຍາວ, ມັນໝາຍເຖິງການເຂົ້າລະຫັດຄຸນຄ່າຂອງມະນຸດເຂົ້າໃນຫຼັກຂອງລະບົບ AI ເພື່ອວ່າເຖິງແມ່ນວ່າພວກເຂົາຈະປະຕິບັດຢ່າງເປັນອິດສະຫຼະ, ພວກເຂົາກໍ່ປະຕິບັດເພື່ອຜົນປະໂຫຍດສູງສຸດຂອງພວກເຮົາ.

ໂດເມນ	ຄວາມເປັນເອກະລາດທີ່ໜ້າເຊື່ອຖືໃນປະຈຸບັນ (2025)	ຄາດວ່າຈະມີເອກະລາດທີ່ໜ້າເຊື່ອຖືໄດ້ພາຍໃນປີ 2035
ການຂຽນ ແລະ ເນື້ອຫາ	- ຂ່າວປະຈຳວັນ (ກິລາ, ລາຍໄດ້) ສ້າງຂຶ້ນໂດຍອັດຕະໂນມັດ.- ການທົບທວນຜະລິດຕະພັນສະຫຼຸບໂດຍ AI.- ຮ່າງບົດຄວາມ ຫຼື ອີເມວສຳລັບການແກ້ໄຂໂດຍມະນຸດ. ( Philana Patterson – ໂປຣໄຟລ໌ຊຸມຊົນ ONA ) ( Amazon ປັບປຸງປະສົບການການທົບທວນຂອງລູກຄ້າດ້ວຍ AI )	- ເນື້ອຫາຂ່າວ ແລະ ການຕະຫຼາດສ່ວນໃຫຍ່ຖືກຂຽນໂດຍອັດຕະໂນມັດດ້ວຍຄວາມຖືກຕ້ອງຕາມຂໍ້ເທັດຈິງ. - AI ຜະລິດບົດຄວາມ ແລະ ຂ່າວປະກາດຂ່າວທີ່ສົມບູນໂດຍບໍ່ມີການກວດສອບໜ້ອຍທີ່ສຸດ. - ເນື້ອຫາທີ່ເປັນສ່ວນບຸກຄົນສູງສ້າງຂຶ້ນຕາມຄວາມຕ້ອງການ.
ສິລະປະ ແລະ ການອອກແບບທາງສາຍຕາ	- AI ສ້າງຮູບພາບຈາກການກະຕຸ້ນ (ມະນຸດເລືອກທີ່ດີທີ່ສຸດ).- ສິລະປະແນວຄວາມຄິດ ແລະ ການປ່ຽນແປງການອອກແບບທີ່ສ້າງຂຶ້ນດ້ວຍຕົນເອງ.	- AI ຜະລິດສາກວິດີໂອ/ຮູບເງົາ ແລະ ຮູບພາບທີ່ສັບສົນໄດ້ຢ່າງຄົບຖ້ວນ.- ການອອກແບບຜະລິດຕະພັນ/ສະຖາປັດຕະຍະກຳທີ່ຕອບສະໜອງຄວາມຕ້ອງການ.- ສື່ສ່ວນບຸກຄົນ (ຮູບພາບ, ວິດີໂອ) ສ້າງຂຶ້ນຕາມຄວາມຕ້ອງການ.
ການຂຽນໂປຣແກຣມ	- AI ເຕີມລະຫັດໂດຍອັດຕະໂນມັດ ແລະ ຂຽນຟັງຊັນງ່າຍໆ (ກວດສອບໂດຍນັກພັດທະນາ).- ການສ້າງການທົດສອບແບບອັດຕະໂນມັດ ແລະ ການແນະນຳຂໍ້ຜິດພາດ. ( ການຂຽນລະຫັດໃນ Copilot: ຂໍ້ມູນປີ 2023 ຊີ້ໃຫ້ເຫັນເຖິງຄວາມກົດດັນທີ່ຫຼຸດລົງຕໍ່ຄຸນນະພາບຂອງລະຫັດ (ລວມທັງການຄາດຄະເນປີ 2024) - GitClear ) ( GitHub Copilot ຢູ່ໃນອັນດັບຕົ້ນໆຂອງບົດລາຍງານການຄົ້ນຄວ້າກ່ຽວກັບຜູ້ຊ່ວຍລະຫັດ AI -- ວາລະສານ Visual Studio )	- AI ປະຕິບັດຄຸນສົມບັດທັງໝົດຈາກສະເປັກຢ່າງໜ້າເຊື່ອຖື.- ການດີບັກແບບອັດຕະໂນມັດ ແລະ ການບຳລຸງຮັກສາລະຫັດສຳລັບຮູບແບບທີ່ຮູ້ຈັກ.- ການສ້າງແອັບທີ່ໃຊ້ລະຫັດໜ້ອຍດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍ.
ບໍລິການລູກຄ້າ	- Chatbot ຕອບຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ, ແກ້ໄຂບັນຫາງ່າຍໆ (ກໍລະນີທີ່ສັບສົນ).- AI ຈັດການປະມານ 70% ຂອງການສອບຖາມປົກກະຕິໃນບາງຊ່ອງທາງ. ( ສະຖິຕິການບໍລິການລູກຄ້າ AI 59 ສຳລັບປີ 2025 ) ( ຮອດປີ 2030, 69% ຂອງການຕັດສິນໃຈໃນລະຫວ່າງການພົວພັນກັບລູກຄ້າຈະເປັນ ... )	- AI ຈັດການການພົວພັນກັບລູກຄ້າສ່ວນໃຫຍ່ແບບຕົ້ນທາງຫາປາຍທາງ, ລວມທັງການສອບຖາມທີ່ສັບສົນ.- ການຕັດສິນໃຈແບບເວລາຈິງຂອງ AI ສຳລັບສ່ວນຫຼຸດການບໍລິການ (ການຄືນເງິນ, ການຍົກລະດັບ).- ຕົວແທນມະນຸດສະເພາະສຳລັບການຍົກລະດັບ ຫຼື ກໍລະນີພິເສດເທົ່ານັ້ນ.
ການດູແລສຸຂະພາບ	- AI ຮ່າງບັນທຶກທາງການແພດ; ແນະນຳການວິນິດໄສທີ່ທ່ານໝໍຕ້ອງກວດສອບ.- AI ອ່ານການສະແກນບາງຢ່າງ (ລັງສີວິທະຍາ) ດ້ວຍຄວາມລະມັດລະວັງ; ຄັດແຍກກໍລະນີງ່າຍໆ. ( ຜະລິດຕະພັນການຖ່າຍພາບທາງການແພດ AI ອາດຈະເພີ່ມຂຶ້ນຫ້າເທົ່າພາຍໃນປີ 2035 )	- AI ກວດຫາພະຍາດທົ່ວໄປ ແລະ ຕີຄວາມໝາຍຮູບພາບທາງການແພດສ່ວນໃຫຍ່ໄດ້ຢ່າງໜ້າເຊື່ອຖື.- AI ຕິດຕາມຄົນເຈັບ ແລະ ເລີ່ມການດູແລ (ເຊັ່ນ: ການເຕືອນຢາ, ການແຈ້ງເຕືອນສຸກເສີນ).- “ພະຍາບານ” AI ແບບເສມືນຈະຈັດການຕິດຕາມປົກກະຕິ; ທ່ານໝໍສຸມໃສ່ການດູແລທີ່ສັບສົນ.
ການສຶກສາ	- ຄູສອນ AI ຕອບຄຳຖາມຂອງນັກຮຽນ, ສ້າງບັນຫາການປະຕິບັດ (ຕິດຕາມກວດກາຄູ).- AI ຊ່ວຍໃນການໃຫ້ຄະແນນ (ພ້ອມດ້ວຍການທົບທວນຄູ). ([AI ທີ່ສ້າງຂື້ນສຳລັບການສຶກສາອະນຸບານ-ມັດທະຍົມຕອນປາຍ	ບົດລາຍງານການຄົ້ນຄວ້າໂດຍ Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
ໂລຈິດສະຕິກ	- AI ເພີ່ມປະສິດທິພາບເສັ້ນທາງການຈັດສົ່ງ ແລະ ການຫຸ້ມຫໍ່ (ມະນຸດກຳນົດເປົ້າໝາຍ).- AI ລະບຸຄວາມສ່ຽງຂອງລະບົບຕ່ອງໂສ້ການສະໜອງ ແລະ ແນະນຳການຫຼຸດຜ່ອນຄວາມສ່ຽງ. ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນອັນດັບຕົ້ນໆໃນການຂົນສົ່ງ )	- ສ່ວນໃຫຍ່ແມ່ນການຈັດສົ່ງດ້ວຍຕົນເອງ (ລົດບັນທຸກ, ໂດຣນ) ພາຍໃຕ້ການຊີ້ນຳຂອງຕົວຄວບຄຸມ AI.- AI ປ່ຽນເສັ້ນທາງການຂົນສົ່ງໂດຍອັດຕະໂນມັດເມື່ອເກີດການລົບກວນ ແລະ ປັບປ່ຽນສາງສິນຄ້າຄົງຄັງ.- ການປະສານງານລະບົບຕ່ອງໂສ້ການສະໜອງແບບຕົ້ນທາງຫາປາຍທາງ (ການສັ່ງຊື້, ການແຈກຢາຍ) ບໍລິຫານໂດຍ AI.
ການເງິນ	- AI ສ້າງບົດລາຍງານທາງການເງິນ/ສະຫຼຸບຂ່າວ (ກວດສອບໂດຍມະນຸດ).- ທີ່ປຶກສາຫຸ່ນຍົນຈັດການຫຼັກຊັບງ່າຍໆ; ການສົນທະນາ AI ຈັດການກັບການສອບຖາມຂອງລູກຄ້າ. ( AI ທີ່ສ້າງສັນກຳລັງຈະມາສູ່ການເງິນ )	- ນັກວິເຄາະ AI ຜະລິດຄໍາແນະນໍາການລົງທຶນ ແລະ ບົດລາຍງານຄວາມສ່ຽງທີ່ມີຄວາມແມ່ນຍໍາສູງ.- ການຊື້ຂາຍແບບອັດຕະໂນມັດ ແລະ ການດຸ່ນດ່ຽງຫຼັກຊັບພາຍໃນຂອບເຂດທີ່ກໍານົດໄວ້.- AI ອະນຸມັດເງິນກູ້/ການຮຽກຮ້ອງມາດຕະຖານໂດຍອັດຕະໂນມັດ; ມະນຸດຈັດການຂໍ້ຍົກເວັ້ນ.

ເອກະສານອ້າງອີງ:

1. Patterson, Philana. ເລື່ອງລາວລາຍຮັບອັດຕະໂນມັດເພີ່ມຂຶ້ນຫຼາຍເທົ່າຕົວ . The Associated Press (2015) – ອະທິບາຍການສ້າງລາຍງານລາຍຮັບຫຼາຍພັນສະບັບແບບອັດຕະໂນມັດຂອງ AP ໂດຍບໍ່ມີຜູ້ຂຽນເປັນມະນຸດ ( ເລື່ອງລາວລາຍຮັບອັດຕະໂນມັດເພີ່ມຂຶ້ນຫຼາຍເທົ່າຕົວ | The Associated Press ).

2. McKinsey & Company. ສະພາບຂອງ AI ໃນຕົ້ນປີ 2024: ການຮັບຮອງເອົາ AI ລຸ້ນ Gen ເພີ່ມຂຶ້ນຢ່າງໄວວາ ແລະ ເລີ່ມສ້າງມູນຄ່າ . (2024) – ລາຍງານ 65% ຂອງອົງກອນຕ່າງໆທີ່ໃຊ້ AI ລຸ້ນ Gen ເປັນປະຈຳ, ເກືອບສອງເທົ່າຈາກປີ 2023 ( ສະພາບຂອງ AI ໃນຕົ້ນປີ 2024 | McKinsey ), ແລະ ປຶກສາຫາລືກ່ຽວກັບຄວາມພະຍາຍາມຫຼຸດຜ່ອນຄວາມສ່ຽງ ( ສະພາບຂອງ AI: ການສຳຫຼວດທົ່ວໂລກ | McKinsey ).

3. Gartner. ນອກເໜືອໄປຈາກ ChatGPT: ອະນາຄົດຂອງ AI ທີ່ສ້າງສັນສຳລັບວິສາຫະກິດ . (2023) - ຄາດຄະເນວ່າພາຍໃນປີ 2030, 90% ຂອງຮູບເງົາທີ່ມີຊື່ສຽງສາມາດຖືກສ້າງຂຶ້ນໂດຍ AI ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ) ແລະ ເນັ້ນໃສ່ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນເຊັ່ນ: ການອອກແບບຢາ ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນສຳລັບອຸດສາຫະກຳ ແລະ ວິສາຫະກິດ ).

4. Twipe. 12 ວິທີທີ່ນັກຂ່າວໃຊ້ເຄື່ອງມື AI ໃນຫ້ອງຂ່າວ . (2024) – ຕົວຢ່າງຂອງ AI “Klara” ຢູ່ສຳນັກຂ່າວທີ່ຂຽນບົດຄວາມ 11%, ໂດຍມີບັນນາທິການທີ່ເປັນມະນຸດກວດສອບເນື້ອຫາ AI ທັງໝົດ ( 12 ວິທີທີ່ນັກຂ່າວໃຊ້ເຄື່ອງມື AI ໃນຫ້ອງຂ່າວ - Twipe ).

5. ຂ່າວ Amazon.com. Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI . (2023) – ປະກາດສະຫຼຸບການທົບທວນຄືນທີ່ສ້າງຂຶ້ນໂດຍ AI ໃນໜ້າຜະລິດຕະພັນເພື່ອຊ່ວຍຜູ້ຊື້ ( Amazon ປັບປຸງປະສົບການການທົບທວນຄືນຂອງລູກຄ້າດ້ວຍ AI ).

6. Zendesk. 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສຳລັບປີ 2025. (2023) – ຊີ້ບອກວ່າຫຼາຍກວ່າສອງສ່ວນສາມຂອງອົງກອນ CX ຄິດວ່າ AI ທີ່ສ້າງສັນຈະເພີ່ມ “ຄວາມອົບອຸ່ນ” ໃນການບໍລິການ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສຳລັບປີ 2025 ) ແລະຄາດຄະເນ AI ໃນ 100% ຂອງການພົວພັນກັບລູກຄ້າໃນທີ່ສຸດ ( 59 ສະຖິຕິການບໍລິການລູກຄ້າ AI ສຳລັບປີ 2025 ).

7. Futurum Research & SAS. ປະສົບການ 2030: ອະນາຄົດຂອງປະສົບການຂອງລູກຄ້າ . (2019) – ການສຳຫຼວດພົບວ່າຍີ່ຫໍ້ຕ່າງໆຄາດວ່າປະມານ 69% ຂອງການຕັດສິນໃຈໃນລະຫວ່າງການມີສ່ວນຮ່ວມຂອງລູກຄ້າຈະຖືກເຮັດໂດຍເຄື່ອງຈັກອັດສະລິຍະພາຍໃນປີ 2030 ( ເພື່ອຈິນຕະນາການຄືນໃໝ່ກ່ຽວກັບການປ່ຽນໄປສູ່ CX, ນັກກາລະຕະຫຼາດຕ້ອງເຮັດ 2 ສິ່ງນີ້ ).

8. Dataiku. ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນອັນດັບຕົ້ນໆໃນການຂົນສົ່ງ . (2023) – ອະທິບາຍວິທີທີ່ GenAI ເພີ່ມປະສິດທິພາບການໂຫຼດ (ຫຼຸດຜ່ອນພື້ນທີ່ລົດບັນທຸກຫວ່າງປະມານ 30%) ( ກໍລະນີການນຳໃຊ້ AI ທີ່ສ້າງສັນອັນດັບຕົ້ນໆໃນການຂົນສົ່ງ ) ແລະ ໝາຍເຖິງຄວາມສ່ຽງຂອງລະບົບຕ່ອງໂສ້ການສະໜອງໂດຍການສະແກນຂ່າວ.

9. ວາລະສານ Visual Studio. GitHub Copilot ຄອງອັນດັບໜຶ່ງໃນບົດລາຍງານການຄົ້ນຄວ້າກ່ຽວກັບຜູ້ຊ່ວຍລະຫັດ AI . (2024) – ສົມມຸດຕິຖານການວາງແຜນຍຸດທະສາດຂອງ Gartner: ຮອດປີ 2028, 90% ຂອງນັກພັດທະນາວິສາຫະກິດຈະໃຊ້ຜູ້ຊ່ວຍລະຫັດ AI (ເພີ່ມຂຶ້ນຈາກ 14% ໃນປີ 2024) ( GitHub Copilot ຄອງອັນດັບໜຶ່ງໃນບົດລາຍງານການຄົ້ນຄວ້າກ່ຽວກັບຜູ້ຊ່ວຍລະຫັດ AI -- ວາລະສານ Visual Studio ).

10. ຂ່າວ Bloomberg. ແນະນຳ BloombergGPT . (2023) – ລາຍລະອຽດຮູບແບບພາລາມິເຕີ 50B ຂອງ Bloomberg ເພື່ອແນໃສ່ວຽກງານທາງດ້ານການເງິນ, ສ້າງຂຶ້ນໃນ Terminal ສຳລັບການຖາມ-ຕອບ ແລະ ການສະໜັບສະໜູນການວິເຄາະ ( Generative AI ກຳລັງຈະມາສູ່ການເງິນ ).

ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:

🔗 ວຽກທີ່ AI ບໍ່ສາມາດທົດແທນໄດ້ - ແລະວຽກໃດແດ່ທີ່ AI ຈະທົດແທນ?
ທັດສະນະທົ່ວໂລກກ່ຽວກັບພູມສັນຖານວຽກທີ່ພັດທະນາຢູ່, ກວດສອບວ່າບົດບາດໃດທີ່ປອດໄພຈາກການລົບກວນຂອງ AI ແລະບົດບາດໃດທີ່ມີຄວາມສ່ຽງຫຼາຍທີ່ສຸດ.

🔗 AI ສາມາດຄາດເດົາຕະຫຼາດຫຼັກຊັບໄດ້ບໍ?
ການຄົ້ນຫາຢ່າງເລິກເຊິ່ງກ່ຽວກັບຄວາມສາມາດ, ຂໍ້ຈຳກັດ ແລະ ການພິຈາລະນາດ້ານຈັນຍາບັນຂອງການໃຊ້ AI ສຳລັບການຄາດຄະເນຕະຫຼາດຫຼັກຊັບ.

🔗 ປັນຍາປະດິດ (AI) ສາມາດນຳໃຊ້ໃນຄວາມປອດໄພທາງໄຊເບີໄດ້ແນວໃດ?
ຮຽນຮູ້ວິທີການນຳໃຊ້ປັນຍາປະດິດເພື່ອປ້ອງກັນໄພຂົ່ມຂູ່ທາງໄຊເບີ, ຕັ້ງແຕ່ການກວດຈັບຄວາມຜິດປົກກະຕິຈົນເຖິງການສ້າງແບບຈຳລອງໄພຂົ່ມຂູ່.