เมื่อข้อมูลสาธารณะทำให้ AI กลายเป็นสินค้าโหล

Oracle จึงวางเดิมพันครั้งใหญ่ในเส้นทางนี้ บริษัทประกาศแผนลงทุนกว่า 50 พันล้านดอลลาร์เพื่อสร้างโครงสร้างพื้นฐานและระบบ AI ที่สามารถทำงานกับข้อมูลภายในองค์กรได้อย่างปลอดภัยและมีประสิทธิภาพ เป้าหมายคือการทำให้ Oracle กลายเป็นผู้นำในตลาด AI ที่เน้นการใช้ข้อมูลเชิงลึกของธุรกิจ ไม่ใช่เพียงการประมวลผลข้อมูลสาธารณะเหมือนคู่แข่ง

มุมมองของ Ellison สะท้อนให้เห็นถึงความแตกต่างเชิงกลยุทธ์ระหว่าง Oracle และบริษัทเทคโนโลยีรายอื่น ๆ ขณะที่ Google และ OpenAI มุ่งเน้นการสร้างโมเดลที่ใหญ่ขึ้นและฉลาดขึ้นจากข้อมูลสาธารณะ Oracle กลับเลือกเส้นทางที่เน้นการเชื่อมโยง AI เข้ากับข้อมูลที่มีความเฉพาะตัวของลูกค้า ซึ่งอาจเป็นข้อมูลการเงิน การดำเนินงาน หรือข้อมูลเชิงลึกอื่น ๆ ที่ไม่เปิดเผยต่อสาธารณะ

หากมองในเชิงธุรกิจ แนวทางนี้มีความหมายอย่างมาก เพราะองค์กรต่าง ๆ มักกังวลเรื่องความปลอดภัยและความเป็นส่วนตัวของข้อมูล การที่ Oracle เสนอว่า AI สามารถทำงานกับข้อมูลเหล่านี้ได้โดยไม่เสี่ยงต่อการรั่วไหล ย่อมเป็นข้อเสนอที่ดึงดูดใจ และอาจสร้างความแตกต่างที่ชัดเจนจากคู่แข่งที่ยังคงพึ่งพาข้อมูลสาธารณะเป็นหลัก

Ellison ยังชี้ให้เห็นว่า การฝึกโมเดลด้วยข้อมูลสาธารณะเพียงอย่างเดียวอาจทำให้ AI มีข้อจำกัดในการตอบคำถามเชิงลึกหรือการแก้ปัญหาที่ซับซ้อนในระดับองค์กร ตัวอย่างเช่น การวิเคราะห์แนวโน้มทางการเงินภายในบริษัท หรือการคาดการณ์ความต้องการของลูกค้าเฉพาะกลุ่ม ซึ่งข้อมูลเหล่านี้ไม่สามารถหาได้จากอินเทอร์เน็ต แต่มีอยู่ในระบบภายในขององค์กรเท่านั้น

การมุ่งเน้นไปที่ข้อมูลภายในยังสอดคล้องกับแนวโน้มที่กำลังเกิดขึ้นในวงการเทคโนโลยี หลายบริษัทเริ่มตระหนักว่าการแข่งขันในอนาคตจะไม่ได้อยู่ที่ขนาดของโมเดลหรือจำนวนพารามิเตอร์ แต่จะอยู่ที่คุณภาพและความเฉพาะตัวของข้อมูลที่ใช้ฝึก AI การมีข้อมูลที่ไม่เหมือนใครจะทำให้โมเดลสามารถสร้างคุณค่าใหม่ ๆ ที่คู่แข่งไม่สามารถเลียนแบบได้ง่าย

Oracle จึงพยายามวางตัวเองเป็น “ผู้ให้บริการ AI สำหรับองค์กร” ที่เน้นการใช้ข้อมูลเชิงลึกของลูกค้าเป็นหลัก ซึ่งหากประสบความสำเร็จ แนวทางนี้อาจเปลี่ยนสมการการแข่งขันในตลาด AI จากการแข่งกันสร้างโมเดลที่ใหญ่ที่สุด ไปสู่การแข่งกันสร้างโมเดลที่มีความเฉพาะตัวและมีคุณค่ามากที่สุด

อย่างไรก็ตาม เส้นทางนี้ก็ไม่ง่าย Oracle ต้องพิสูจน์ให้เห็นว่าระบบของตนสามารถทำงานกับข้อมูลภายในได้อย่างปลอดภัยจริง และสามารถสร้างผลลัพธ์ที่เหนือกว่าการใช้ข้อมูลสาธารณะ ความท้าทายคือการสร้างความเชื่อมั่นให้กับลูกค้าว่าข้อมูลที่สำคัญที่สุดของพวกเขาจะไม่ถูกนำไปใช้ผิดวัตถุประสงค์หรือเสี่ยงต่อการรั่วไหล

ในอีกด้านหนึ่ง บริษัทเทคโนโลยีรายใหญ่ที่เน้นข้อมูลสาธารณะก็ยังคงมีข้อได้เปรียบในด้านขนาดและความหลากหลายของข้อมูล โมเดลที่ฝึกจากอินเทอร์เน็ตสามารถตอบคำถามทั่วไปได้อย่างกว้างขวางและครอบคลุม ซึ่งเป็นสิ่งที่องค์กรยังคงต้องการในหลายกรณี

ดังนั้นการแข่งขันระหว่างสองแนวทางนี้ การใช้ข้อมูลสาธารณะกับการใช้ข้อมูลภายใน อาจจะดำเนินไปควบคู่กัน และผลลัพธ์สุดท้ายจะขึ้นอยู่กับว่าตลาดให้คุณค่ากับสิ่งใดมากกว่า

สิ่งที่แน่นอนคือ มุมมองของ Ellison ได้เปิดประเด็นสำคัญให้กับวงการ AI ว่า การพัฒนาในอนาคตอาจไม่ได้วัดกันที่ความใหญ่หรือความฉลาดของโมเดลเพียงอย่างเดียว แต่จะวัดกันที่ความสามารถในการสร้างคุณค่าจากข้อมูลที่มีความเฉพาะตัวและมีความหมายต่อธุรกิจจริง ๆ และนี่คือพื้นที่ที่ Oracle ตั้งใจจะครองความเป็นผู้นำ

Key Takeaways

• ข้อบกพร่องพื้นฐานของ AI ยักษ์ใหญ่: ทุกโมเดลถูกฝึกด้วยข้อมูลสาธารณะ ทำให้คล้ายกันและยากจะแตกต่าง
• แนวทางของ Oracle: เน้นการใช้ข้อมูลภายในองค์กรที่ปลอดภัยและมีคุณค่าเฉพาะตัว
• การลงทุนมหาศาล: Oracle ทุ่มกว่า 50 พันล้านดอลลาร์เพื่อสร้างโครงสร้างพื้นฐาน AI สำหรับองค์กร
• ผลกระทบต่อการแข่งขัน: ตลาด AI อาจเปลี่ยนจากการแข่งกันสร้างโมเดลที่ใหญ่ที่สุด ไปสู่การแข่งกันสร้างโมเดลที่มีคุณค่ามากที่สุด

…..

เรียบเรียงโดย AiNextopia

Sources: Oracle’s Larry Ellison says big tech AI models all suffer from the same fundamental flaw.