ความก้าวหน้าอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) ที่สามารถเข้าใจภาษาของมนุษย์และโต้ตอบกับเราได้อย่างเป็นธรรมชาติ ได้ถูกนำมาประยุกต์ใช้ในภาคธุรกิจหลายอุตสาหกรรม ไม่ว่าจะเป็น การเงิน สุขภาพ การผลิต หรือความบันเทิง ตัวอย่างที่เห็นได้ชัดเจนคือ ChatGPT โมเดลภาษาขนาดใหญ่ในรูปแบบแชตบอต ที่ทุกคนต่างนำมาใช้กันอย่างแพร่หลายเพื่อช่วยเป็นเพื่อนคู่คิดให้เราทำงานกันอย่างสะดวกรวดเร็วขึ้น จากความสำเร็จนี้ บริษัทเทคโนโลยีจึงเริ่มหันมาพัฒนาโมเดลภาษาขนาดใหญ่ที่มีคุณสมบัติคล้ายๆ กันตามมาอีกมากมาย ไม่ว่าจะเป็น Bard, Claude, หรือ Cohere ฯลฯ&nbsp;&nbsp;

แต่สิ่งที่ทำให้ ChatGPT กลายเป็นโมเดลภาษาขนาดใหญ่ที่เหนือกว่าโมเดลอื่น แม้โมเดลแทบไม่มีความแตกต่างกัน เป็นเพราะการใช้ “คุณภาพของข้อมูล” ที่ดีกว่าเจ้าอื่นในการเทรนโมเดล เรื่องนี้สะท้อนให้เห็นชัดเจนว่า ธุรกิจเทคโนโลยีไม่ได้แข่งขันกันที่ “ความไฮเทค” หรือ “ความล้ำสมัย” ของเทคโนโลยีเพียงอย่างเดียว แต่อยู่ที่ “คุณภาพและปริมาณ” ของข้อมูล เป็นสำคัญ ที่จะทำให้โมเดลภาษาขนาดใหญ่เหล่านี้สามารถตอบคำถามของเราได้ถูกต้อง และเชื่อถือได้  หากลองนำแนวคิดนี้มาปรับใช้กับธุรกิจของเรา เคยลองสำรวจกันไหมว่าทุกวันนี้ธุรกิจของเราได้จัดการกับข้อมูลของบริษัทเราเองอย่างไรบ้าง&nbsp;

จากรายงานของ <a href="https://www.gartner.com/smarterwithgartner/how-to-improve-your-data-quality" target="_blank">Gartner</a> ได้ระบุว่า ในทุกๆ ปี การใช้ข้อมูลที่มีคุณภาพต่ำจะทำให้บริษัทต้องเสียค่าใช้จ่ายเพิ่มขึ้นโดยเฉลี่ยประมาณ 12.9 ล้านดอลลาร์สหรัฐ (หรือกว่า 452 ล้านบาท) ซึ่งนอกจากจะกระทบต่อรายได้ของธุรกิจแล้ว ในระยะยาว ข้อมูลที่มีคุณภาพต่ำจะยิ่งทำให้ภาพรวมของข้อมูลนั้นมีีความซับซ้อนมากขึ้น จนนำไปสู่การตัดสินใจทางธุรกิจที่ผิดพลาดได้&nbsp;

เพื่อช่วยให้บริษัท หรือหน่วยงานที่กำลังวางแผนพัฒนา AI ไปใช้ในธุรกิจ บทความนี้ จะแนะนำถึงความสำคัญของคุณภาพข้อมูล ความท้าทาย และแนวทางปฏิบัติว่าจะต้องทำความเข้าใจเรื่องอะไรบ้าง ก่อนที่จะเริ่มต้นสร้างระบบ AI&nbsp; เพื่อให้ได้ข้อมูลที่มีคุณภาพที่ดีที่สุดในการตอบโจทย์ธุรกิจ

คุณภาพของข้อมูล หรือ Data Quality คือ การวัดคุณภาพของข้อมูลว่ามีความน่าเชื่อถือเพียงใด และช่วยให้เราสามารถเลือกข้อมูลที่มีคุณภาพสูงไปใช้งานเพื่อผลลัพธ์ที่ดีที่สุด ซึ่งข้อมูลที่มีคุณภาพสูงจะนำไปสู่การสร้าง AI ที่สามารถตอบโจทย์และนำไปแก้ปัญหาธุรกิจได้อย่างสม่ำเสมอ ฉะนั้นการจะวัดคุณภาพของข้อมูลจึงต้องมีกระบวนการวางแผน การดำเนินการ การควบคุมแนวทางปฏิบัติ และเทคนิคการจัดการคุณภาพตามความต้องการและงบประมาณของธุรกิจนั้นๆ เพื่อให้แน่ใจว่าข้อมูลสามารถนำไปดำเนินการได้ และมีคุณค่าต่อผู้ใช้งานข้อมูล&nbsp;

ใน<a href="https://visai.ai/ai-solutions">การพัฒนา AI </a>คุณภาพข้อมูลมีความสำคัญอย่างยิ่ง เนื่องจากคุณภาพข้อมูลส่งผลโดยตรงต่อประสิทธิภาพ ความแม่นยำ และความน่าเชื่อถือของโมเดล AI ข้อมูลที่มีคุณภาพสูงจะช่วยให้โมเดลสามารถทำนายข้อมูลที่ดีขึ้น มอบผลลัพธ์ที่น่าเชื่อถือ และยังช่วยเสริมสร้างความมั่นใจให้ผู้ใช้งานด้วย&nbsp;

การประเมินคุณภาพข้อมูล เบื้องต้นจะวัดจากสภาพของข้อมูล เช่น ข้อมูลนั้นสามารถนำไปใช้ได้ตรงตามวัตถุประสงค์หรือไม่ ข้อมูลถูกต้อง มีการใช้หน่วยวัดที่สม่ำเสมอว่าข้อมูลมีความครบถ้วน หรือเป็นปัจจุบันหรือไม่ นอกจากนี้ยังรวมถึงการจัดการกับอคติที่มีอยู่ในข้อมูล เพื่อป้องกันไม่ให้ AI แสดงผลออกมา แล้วส่งผลกระทบในเชิงลบต่อผู้อื่น&nbsp;

Garbage In, Garbage Out ใส่ข้อมูลคุณภาพแบบไหน ก็ได้แบบนั้น&nbsp;

Garbage In, Garbage Out (GIGO) หรือแปลเป็นภาษาไทยว่า เข้าผิด ออกผิด หรือจะแปลตามตัวก็ได้ว่า ขยะเข้า ขยะออก เป็นวลีที่ใช้สื่อถึงในงานสารสนเทศ เพื่อเน้นยำถึงความสำคัญของคุณภาพข้อมูล ที่จะใส่ลงไปในระบบคอมพิวเตอร์ กล่าวคือ หากเราใช้ข้อมูลที่มีคุณภาพต่ำ ไม่ถูกต้อง หรือไม่เกี่ยวข้อง มาฝึกฝนโมเดล (AI) หรือการเรียนรู้ของเครื่อง (ML) ผลลัพธ์ที่ได้ก็จะมีคุณภาพต่ำไปด้วย

เพื่อหลีกเลี่ยงปัญหา GIGO นี้ นักพัฒนาหรือผู้ใช้ AI จึงต้องแน่ใจว่าข้อมูลที่ใช้ในระบบ AI มีความถูกต้อง และมีคุณภาพสูง ซึ่งการจะมีข้อมูลแบบนี้ได้ก็จะต้องตกลงกันภายในองค์กรว่าข้อมูลที่จะนำมาใช้ จะใช้หน่วยวัดใด เก็บข้อมูลอย่างไร หรือเก็บข้อมูลที่ไหนถึงจะสามารถนำมาใช้งานได้ทันที&nbsp;&nbsp;

ปัจจัยที่ Data Scientist ใช้ในการวัดคุณภาพข้อมูลก่อนพัฒนา AI&nbsp;

ต่อให้เราทุ่มทุนสร้างโมเดล AI ที่เก่งแค่ไหน แต่หากเรามีข้อมูลที่ไม่มีคุณภาพ เทคโนโลยี AI ก็ย่อมไม่สามารถสร้างผลลัพธ์ที่จะช่วยเพิ่มประสิทธิภาพให้กับธุรกิจได้ ดังนั้นนักวิทยาศาสตร์ข้อมูลของ VISAI จะให้ความสำคัญกับการจัดการข้อมูลให้พร้อมใช้ก่อนที่จะนำมาฝึกฝนโมเดลเป็นอย่างมาก โดยมีปัจจัย 2 เรื่องในการเตรียมข้อมูลให้พร้อม คือ

1. การทำความเข้าใจข้อมูล&nbsp;

โดยภาพรวมนักวิทยาศาสตร์ข้อมูล (Data Scientist) จะใช้แนวทางการตรวจสอบข้อมูลเบื้องต้น ที่ชื่อว่า Exploratory Data Analysis (EDA) คือ การทำความเข้าใจและสำรวจข้อมูลเบื้องต้นว่ามีความพร้อมสำหรับนำมาใช้ในการฝึกฝน AI หรือไม่ เช่น การทำความเข้าใจตัวแปรและความสัมพันธ์ระหว่างตัวแปร ว่าเป็นข้อมูลชนิดไหน มีข้อมูลว่างเปล่า (null value) เยอะแค่ไหน ช่วงของข้อมูลกว้างแค่ไหน และแต่ละตัวแปรมีความสัมพันธ์กันอย่างไร โดยกระบวนการเหล่านี้จะทำให้นักวิทยาศาสตร์ข้อมูลสามารถประเมินข้อมูลได้ว่ามีความผิดพลาดมากน้อยแค่ไหน ต้องแก้ไขตัวแปรใดถึงจะไม่ทำให้การวิเคราะห์ข้อมูลผิดเพี้ยน ซึ่งข้อมูลในรูปแบบตาราง (Tabular Data) กับข้อมูลในรูปแบบข้อความ (Text) จะใช้แนวทางการตรวจสอบ EDA แตกต่างกัน ยกตัวอย่างแนวทางการใช้ EDA กับข้อมูลในรูปแบบข้อความ ที่ทีมงานนักวิทยาศาสตร์ข้อมูล VISAI ใช้ในการตรวจสอบข้อมูลก่อนพัฒนาโมเดล AI&nbsp; เช่น&nbsp;

<br>อย่างไรก็ตาม การทำความเข้าใจข้อมูลนั้นต้องอาศัยประสบการณ์ที่สูง เนื่องจากชุดข้อมูลแต่ละชนิดนั้นจำเป็นที่จะต้องอาศัยความรู้ในชุดข้อมูลธุรกิจนั้นๆ ด้วย กล่าวคือ นักวิทยาศาสตร์ข้อมูลนั้นต้องคอยปรึกษาผู้เชี่ยวชาญในองค์ความรู้ข้อมูลนั้นๆ (Domain Experts) อย่างละเอียดเพื่อเช็กให้แน่ใจว่า แนวทางการตรวจสอบข้อมูลนั้นถูกต้องทั้งในแง่มุมของสถิติ และในแง่มุมของธุรกิจ&nbsp;

2. การกำกับข้อมูลให้เป็นมาตรฐานเดียวกัน

นักวิทยาศาสตร์ข้อมูลจะทำหน้าที่วิเคราะห์และตรวจสอบข้อมูลว่ามีการกำกับหรือระบุประเภทของข้อมูล (Type) ช่วง (Range) รูปแบบ (Pattern) อย่างถูกต้อง สม่ำเสมอ และข้อมูลเป็นปัจจุบันหรือไม่ ตัวอย่างเช่น หากมีการเก็บข้อมูลลูกค้า โดยไม่มีการปรับอายุตามปีที่ผ่านไป เช่น ตอนกรอกใส่ 30 ปี และไม่มีการปรับเป็น 31 ปีเมื่อผ่านไป 1 ปี ข้อมูลนี้ก็อาจจะนำมาใช้งานไม่ได้ เพราะถือว่าเป็นข้อมูลที่ไม่อัพเดต และส่งผลทำให้แผนการวิเคราะห์เพื่อนำไปใช้ในเชิงธุรกิจผิดพลาดได้ หรือหากมีการระบุไว้ว่า อัพเดตข้อมูลวันที่เท่าไหร่ แต่ไม่บอกว่าอัพเดตข้อมูลอะไรบ้าง ก็จะทำให้ไม่ทราบอยู่ดีว่าข้อมูลนี้เป็นปัจจุบันหรือไม่&nbsp;

ความสม่ำเสมอนั้นก็เป็นอีกสิ่งที่สำคัญเช่นกัน ข้อมูลที่สม่ำเสมอจะทำให้การนำไปใช้ต่อทำได้อย่างมีประสิทธิภาพมากขึ้น ตัวอย่างเช่น หากเราต้องการจะสร้าง AI แปลภาษา แล้วไม่กำหนดให้ชัดเจนว่า Facebook ต้องสะกดภาษาไทยแบบใด นักกำกับอาจเขียนคำนี้หลายรูปแบบ ไม่ว่าจะเป็น เฟสบุค เฟสบุ้ค เฟซบุ๊ค ฯลฯ ส่งผลทำให้ AI มีความสับสนได้ ฉะนั้นแล้ว ความสม่ำเสมอของนิยามในข้อมูลต่างๆ นั้นมีความสำคัญต่อคุณภาพข้อมูลเพื่อนำไปใช้ในการสร้าง AI เช่นกัน&nbsp;

ความท้าทายในการสร้างข้อมูลที่มีคุณภาพสำหรับพัฒนา AI&nbsp;

ตลอดการพัฒนาโซลูชัน AI ให้ธุรกิจหลากหลายอุตสาหกรรมที่ผ่านมา ทีมงาน Data Scientist ส่วนใหญ่พบว่า ธุรกิจมักเจอกับความท้าทายในการเรื่องการจัดการข้อมูล คือ

1. ข้อมูลไม่ตรงโจทย์ของธุรกิจ &nbsp;

หลายองค์กรมีการเก็บข้อมูลไว้แต่ไม่สามารถนำมาใช้ได้ เนื่องจากชุดข้อมูลที่มีอาจไม่ได้อัพเดต หรืออาจมีอคติ (Bias) ที่ไม่เป็นประโยชน์ต่อการพัฒนาระบบ AI ตัวอย่างที่น่าสนใจของเรื่องนี้ คือ&nbsp; GPT-2 โมเดล Transformer ที่ใช้ข้อมูลภาษาอังกฤษในรูปแบบข้อความดิบ (raw-texts) ซึ่งเป็นข้อมูลที่ได้รวบรวมจากหน้าเว็บไซต์ที่เป็นลิงค์ขาออก (outbound links) จาก Reddit และมีการกำหนดคุณภาพของข้อมูลไว้ว่าหน้าเว็บไซต์นั้นจะต้องมีคนกดไลก์อย่างน้อย 3 คน มาฝึกฝนโมเดล โดยไม่มีมนุษย์ทำหน้าที่กำกับ แต่ผลลัพธ์ที่ได้นั้นแฝงไปด้วยมุมมองที่มีอคติต่อคนผิวดำออกมาด้วย ลองดูตัวอย่างข้อความจากรูปด้านล่าง&nbsp;

จะขอยกอีกหนึ่งตัวอย่างที่ใกล้ตัวเข้ามาอีก คือ ธุรกิจต้องการหา AI ช่วยทำนายราคาสินค้าที่คาดว่าลูกค้าจะซื้อของแต่ละคนได้ โดยได้มีการเก็บประวัติการซื้อของลูกค้าไว้ เพื่อกะว่าจะมาหาค่าเฉลี่ยของการซื้อว่าลูกค้าคนนี้น่าจะสนใจซื้อสินค้าในช่วงราคาเท่านี้ แต่ท้ายที่สุดแล้ว ข้อมูลนั้นยังมีการ label ยังไม่ถูกต้อง เพราะสินค้าที่ลูกค้าเคยซื้อไปในอดีต อาจจะแพงกว่าหรือถูกกว่ากำลังซื้อในปัจจุบันของลูกค้าไปแล้วก็ได้ ดังนั้น การเลือกข้อมูลที่จะมาใช้ฝึกฝนโมเดล ไม่ว่าจะเป็น โมเดลทำนายราคา หรือโมเดลใดๆ จึงต้องมีการตรวจสอบคุณภาพก่อนเสมอว่า ข้อมูลมีคุณภาพเพียงพอที่จะฝึกฝนโมเดลหรือไม่

2. ขาดการกำกับข้อมูลที่ถูกต้อง&nbsp;&nbsp;

ในการทำความเข้าใจข้อมูล โดยเฉพาะข้อมูลที่ต้องอาศัยความรู้ทางเทคนิค เช่น ข้อมูลกฎหมาย ข้อมูลการแพทย์ ข้อมูลการเงิน การทำงานของนักวิทยาศาสตร์ข้อมูลอาจยังไม่เพียงพอ หรือบางครั้งก็ล้มเหลว เพราะไม่มีพื้นฐานความรู้ของชุดข้อมูลนั้นๆ เพื่อที่จะมาตรวจสอบข้อมูลได้ การทำงานกับข้อมูลลักษณะนี้จึงต้องการ Domain Expert ที่มีความรู้ความเข้าใจพื้นฐานของข้อมูลมาทำงานร่วมกับนักวิทยาศาสตร์ข้อมูลและนักกำกับข้อมูล เพื่อช่วยในการให้คำปรึกษา หรือแนวทางการกำกับข้อมูลที่ถูกต้อง&nbsp;

3.&nbsp; ขาดทีมงานช่วยกำกับข้อมูล 

งานกำกับข้อมูลเป็นงานที่หาคนทำค่อนข้างยาก เพราะเป็นงานที่ใช้เวลา และผลตอบแทนไม่สูงนัก ผู้ที่จะมากำกับข้อมูลจึงต้องมีความตั้งใจในการกำกับข้อมูลให้ถูกต้องและมีความสม่ำเสมอ โดยเฉพาะอย่างยิ่ง หากชุดข้อมูลมีปริมาณมาก เช่น มีข้อมูลเกิน 1 ล้านรายการ ทีมงานก็คงไม่สามารถตรวจสอบข้อมูลทั้งหมดเองได้ ธุรกิจก็อาจจะต้องเริ่มพิจารณาถึงการหา Outsource มาช่วยในการกำกับข้อมูล แต่ถ้างบประมาณที่ใช้ในการกำกับข้อมูลสูงกว่างบประมาณสร้างโมเดล การทำโครงการพัฒนาระบบ AI ขึ้นมาใช้ ก็อาจจะไม่คุ้มค่าได้&nbsp;&nbsp;

แนวทางในการเริ่มต้นทำข้อมูลให้มีคุณภาพ&nbsp;

สำหรับธุรกิจใดที่อยากจะเริ่มต้นจัดทำข้อมูล เพื่อเตรียมไว้สำหรับวิเคราะห์ หรือพัฒนา AI เรามีข้อแนะนำจากทีมงานนักวิทยาศาสตร์ข้อมูลดังนี้&nbsp;

1. ลงทุนกับการเตรียมข้อมูล อย่าเพิ่งรีบทำโมเดล &nbsp;

ให้ความสำคัญกับการวางโครงสร้างของข้อมูล ก่อนเริ่มลงมือสร้างโมเดล โดยในทางปฏิบัติ นักวิทยาศาสตร์ข้อมูลส่วนใหญ่จะใช้เวลา 70-80% ในการจัดการกับข้อมูลให้ถูกต้องก่อนที่จะนำไปฝึกฝนโมเดล ไม่ว่าจะเป็น การทำความเข้าใจถึงความต้องการของธุรกิจ การทำความเข้าใจข้อมูล เพื่อระบุ รวบรวม หรือวิเคราะห์ชุดข้อมูลนั้นๆ ว่าเราจะต้องทำความสะอาดอย่างไร หรือการเตรียมข้อมูลให้พร้อมใช้ก่อนนำไปฝึกฝนโมเดล เราจึงควรใช้เวลาไปกับการทำข้อมูลให้มีคุณภาพมากกว่าจะทำยังไงให้โมเดลเก่งที่สุด&nbsp;

2. ไม่เก็บข้อมูลแบบไม่มีมาตรฐานร่วม&nbsp;

หาพื้นที่เก็บข้อมูลที่เป็นระเบียบและถูกต้อง สามารถตรวจสอบได้ตลอดเวลาว่า ข้อมูลวันนี้เป็นอย่างไร เพราะปัญหาที่พบเจอได้บ่อยในภาคธุรกิจและอุตสาหกรรม คือ แต่ละแผนกหรือหน่วยงานนั้นเก็บข้อมูลในรูปแบบและนิยามของตัวเองโดยไม่มีมาตรฐานกลาง เมื่อถึงเวลาที่นักวิทยาศาสตร์ข้อมูลมาจัดการข้อมูลต่อ ก็จะไม่สามารถมองเห็นข้อมูลภาพรวมของทุกแผนกร่วมกันได้ ตัวอย่างเช่น หากแผนกเซลล์และแผนกจัดซื้อมีการกำหนดรหัสในการระบุลูกค้าต่างกัน การเชื่อมฐานข้อมูลของทั้งสองแผนกนั้นก็จะยากและอาจเกิดข้อผิดพลาดได้ง่าย ดังนั้นการออกแบบมาตรฐานในฐานข้อมูลร่วมกันนั้นจึงเป็นเรื่องสำคัญ เพื่อให้ข้อมูลของแต่ละแผนกสามารถนำมาใช้ร่วมกันในการวิเคราะห์ภาพกว้างได้&nbsp;&nbsp;

3. คอยตรวจสอบข้อมูลอย่างสม่ำเสมอ&nbsp;&nbsp;

วางแนวทางในการบันทึกข้อมูลที่ถูกต้อง และสอดคล้องกัน มีการสุ่มตรวจสอบรายการข้อมูลที่บันทึกไว้อย่างอย่างสม่ำเสมอ เพื่อตรวจสอบว่าข้อมูลยังถูกต้องและเป็นไปตามนิยามที่ใช้ในทางธุรกิจหรือไม่ ซึ่งอาจจะใช้เครื่องมือในการช่วยบันทึกข้อมูล หรือซอฟต์แวร์ในการจัดการและผสานข้อมูลให้เป็นระบบไว้ก่อนก็ได้ นอกจากนี้ ก็ต้องมีการวางแนวทางในการคัดเลือกผู้ที่จะมาเป็นนักกำกับข้อมูลด้วย โดยมีการทำแบบทดสอบเพื่อวัดความสามารถ รวมถึงวิสัยทัศน์ในการทำงานกับข้อมูลที่ตรงกันทั้งฝ่ายนักวิทยาศาสตร์ข้อมูลและฝ่ายธุรกิจ<br><br>--

สุดท้ายนี้ สิ่งที่ทีมงาน VISAI อยากฝากไว้คือ สิ่งที่จะทำให้องค์กรสามารถสร้างความแตกต่างได้ ไม่ใช่อยู่ที่ใครทำโมเดลเก่งกว่าใคร แต่เป็นการทำข้อมูลที่ดี มีการวัดผล และอัพเดตอย่างสม่ำเสมอ สำหรับบริษัทหรือหน่วยงานใดที่สนใจอยากพัฒนาระบบ AI ในการเพิ่มประสิทธิภาพให้ธุรกิจ สามารถปรึกษาทีมงาน VISAI ที่ให้บริการรับทำ AI ตั้งแต่ช่วยวิเคราะห์โจทย์ทางธุรกิจจนถึงพัฒนา AI ใช้ร่วมกับซอฟต์แวร์หรือแอปพลิเคชันในธุรกิจได้ที่ <a href="https://visai.ai/ai-solutions">AI Solutions</a>