ที่ปรึกษา AI ดาวรุ่งจากดูไบ วัยเพียง 25 ปี เปิดเผยกลยุทธ์เบื้องหลังความสำเร็จหลังกวาดรายได้กว่า 1.8 ล้านบาท (50,000 ดอลลาร์สหรัฐ) ภายในสองเดือน จากการเจาะตลาดโซลูชันปัญญาประดิษฐ์สั่งทำพิเศษ (Bespoke AI) ให้แก่องค์กรที่ต้องการยกระดับธุรกิจด้วยโมเดลภาษาขนาดใหญ่ (LLMs) โดยเฉพาะการเปลี่ยนโฟกัสจาก 'แชตบอท' สู่ 'ซอฟต์แวร์เพิ่มรายได้โดยตรง' ย้ำชัด "ChatGPT" คือตัวเร่งปฏิกิริยาที่ทำให้ตลาดองค์กรยอมจ่ายพรีเมียมเพื่อลดต้นทุนและเพิ่มขีดความสามารถในการแข่งขันอย่างแท้จริง
ถอดรหัสความสำเร็จ "จากนักพัฒนาโครงข่ายฯ สู่ผู้เชี่ยวชาญด้าน LLMs"
ความสำเร็จทางการเงินที่น่าจับตาของ ซาชา แอบต์ลิน (Sasha Aptlin) ที่ปรึกษาด้าน AI และผู้ก่อตั้งบริษัท "Aptford" ในปี 2022 สะท้อนภาพการเปลี่ยนผ่านของอุตสาหกรรมเทคโนโลยีได้อย่างชัดเจน แอบต์ลินเริ่มต้นเส้นทางในสายงาน Machine Learning ด้วยการพัฒนาเทคโนโลยีพื้นฐานอย่าง Computer Vision, Natural Language Processing (NLP) และระบบแนะนำข้อมูล (Recommendation Systems) ก่อนจะผันตัวสู่การเป็นผู้ประกอบการที่มุ่งมั่นจะช่วยให้องค์กรธุรกิจสามารถ "ปลดล็อกศักยภาพสูงสุดของ AI"
ในช่วงแรกของการก่อตั้งบริษัท แอบต์ลินยอมรับว่างานส่วนใหญ่เป็นเพียงการพัฒนา Proof of Concept (POC) และให้คำแนะนำเบื้องต้นเกี่ยวกับการประยุกต์ใช้ NLP ในการประมวลผลและสร้างภาษามนุษย์ให้คอมพิวเตอร์เข้าใจ อย่างไรก็ตาม จุดเปลี่ยนสำคัญเกิดขึ้นทันทีหลังการเปิดตัวของ ChatGPT ในช่วงปลายปี 2022 ซึ่งทำให้ความต้องการโซลูชัน AI ในระดับองค์กรพุ่งทะยานขึ้นอย่างที่ไม่เคยมีมาก่อน
เทรนด์ใหม่ "ธุรกิจต้องการ 'AI ที่สร้างรายได้' ไม่ใช่แค่ 'แชตบอทบริการลูกค้า'"
แอบต์ลินกลายเป็นที่ปรึกษาที่เป็นที่ต้องการอย่างสูงในกลุ่มผู้ก่อตั้งสตาร์ทอัปและผู้ประกอบการ เนื่องจากองค์กรเหล่านี้เริ่มตระหนักถึงศักยภาพของ Generative AI ในการลดต้นทุนการดำเนินงานและยกระดับประสิทธิภาพทางธุรกิจ โดยเฉพาะอย่างยิ่งในกลุ่มที่ขาดแคลนทักษะเชิงเทคนิคในการใช้งานโมเดลขนาดใหญ่
"ในช่วงแรก ลูกค้าส่วนใหญ่เข้ามาพร้อมกับโจทย์การสร้าง Chatbot เพื่อการบริการลูกค้า" แอบต์ลินกล่าววิเคราะห์ "แต่ทิศทางได้เปลี่ยนไปแล้วอย่างสิ้นเชิง ปัจจุบันลูกค้าต้องการซอฟต์แวร์ AI ที่สามารถผสานเข้ากับกระบวนการทำงานและเพิ่มรายได้ให้กับธุรกิจได้โดยตรง"
โปรเจกต์เด่นที่พิสูจน์วิสัยทัศน์นี้รวมถึงการสร้าง "AI ผู้ช่วยฝึกอบรมฝ่ายขาย" สำหรับบริษัทเทรนนิ่ง ซึ่งเป็นระบบที่สามารถประมวลผลแบบทดสอบ ประเมินทักษะพนักงานอัตโนมัติ และจัดทำแผนพัฒนารายบุคคล (Personalized Development Plan) ตามชุดข้อมูลที่ได้รับ นอกจากนี้ ยังมี "AI โค้ช" สำหรับโครงการเร่งการเติบโตของสตาร์ทอัปที่สามารถให้คำแนะนำผู้ก่อตั้งแบบเรียลไทม์ และระบบบริหารขนส่งอัจฉริยะที่ช่วยบริษัทโลจิสติกส์ลดภาระงานซ้ำซ้อน
เจาะลึกดีลสินเชื่อ "บทพิสูจน์การลดต้นทุนแรงงานมหาศาล"
โปรเจกต์ที่ท้าทายและสร้างผลลัพธ์เชิงเศรษฐศาสตร์ที่สูงที่สุดคือการพัฒนาแพลตฟอร์ม AI ภายในให้กับบริษัทสินเชื่อที่อยู่อาศัยในซานฟรานซิสโก ทีมงานของแอบต์ลินได้ทำการฝึกฝนโมเดล (Train Model) ด้วยเอกสารทางกฎหมายและข้อมูลภายในบริษัททั้งหมด เพื่อให้เจ้าหน้าที่สินเชื่อสามารถเข้าถึงคำตอบของคำถามลูกค้าที่ซับซ้อนได้ภายในไม่กี่วินาที จากเดิมที่ต้องใช้เวลากว่า 20 นาทีในการค้นหาและรวบรวมข้อมูล
"ผลลัพธ์ของโครงการนี้เหนือความคาดหมายอย่างมาก มันไม่เพียงแต่เร่งความเร็วในการบริการ แต่ยังส่งผลต่อการลดต้นทุนแรงงานได้ในระดับมหาศาล" เขาย้ำถึงความคุ้มค่าของการลงทุนใน AI แบบเฉพาะทาง
โครงสร้างการทำงานและมูลค่าทางเศรษฐกิจ
ระหว่างเดือนธันวาคม 2023 ถึงกุมภาพันธ์ 2024 แอบต์ลินสามารถสร้างรายได้รวมกว่า 50,000 ดอลลาร์จากสัญญางานเพียงสองฉบับ และคาดว่าจะมีรายได้เพิ่มอีก 12,000 ดอลลาร์จากลูกค้าที่เลื่อนโครงการออกไป ตัวเลขนี้ตอกย้ำถึงแนวโน้มที่ลูกค้าองค์กรยินดีที่จะจ่ายในราคาสูง เพื่อแลกกับระบบ AI ที่ถูกออกแบบมาเพื่อเพิ่มขีดความสามารถในการทำกำไรของธุรกิจตนเองโดยเฉพาะ
โครงสร้างการให้คำปรึกษาของเขาแบ่งเป็น 3 เฟสหลัก: (1) การวิเคราะห์และกำหนดขอบเขตโครงการ (Defining Scope) โดยการเจาะลึกกระบวนการทำงานของลูกค้า (2) การสร้างซอฟต์แวร์ต้นแบบและปรับจูน (Prototyping & Tuning) ตามข้อเสนอแนะ และ (3) การทบทวนผลลัพธ์และต่อยอดแนวคิด (Review & Roadmap)
โดยเฉลี่ยแล้ว โครงการใช้เวลาดำเนินการประมาณ 4 สัปดาห์ และอาจยืดออกไปถึง 6 สัปดาห์สำหรับระบบที่มีความซับซ้อนสูง โดยอาศัยโมเดลพื้นฐาน (Foundation Models) จากผู้ให้บริการรายใหญ่ เช่น OpenAI, Anthropic และ Cohere เป็นแกนหลัก
ความท้าทายทางกฎหมายและความคาดหวังที่ไม่สมจริง
แอบต์ลินชี้ว่าความท้าทายที่ใหญ่ที่สุดไม่ใช่เรื่องเทคนิค แต่คือ "การบริหารความคาดหวังของลูกค้า" "ลูกค้าจำนวนมากต้องการให้ผมสร้างระบบที่มีความสามารถเทียบเท่าภาพยนตร์ ‘Her’ ภายในระยะเวลาอันสั้น ซึ่งในความเป็นจริงมันเป็นไปไม่ได้" เขากล่าวพร้อมเน้นย้ำถึงความจำเป็นในการให้ความรู้แก่ลูกค้า
นอกจากนี้ การยุติโครงการบางส่วนเกิดขึ้นเนื่องจากความกังวลของลูกค้าในประเด็นด้านการเก็บข้อมูล (Data Privacy) และการปฏิบัติตามกฎหมาย (Compliance) โดยเฉพาะในเขตอำนาจศาลที่ยังไม่มีกรอบการกำกับดูแล AI ที่ชัดเจนและสมบูรณ์
เขี้ยวเล็บเด็ดเชิงกลยุทธ์สำหรับองค์กร
แอบต์ลินฝากข้อคิดเชิงกลยุทธ์สำหรับผู้บริหารที่ต้องการนำ AI มาใช้ในระดับเจาะลึกว่า
ทำความเข้าใจ LLM: เริ่มต้นจากการทำความเข้าใจกลไกและขีดจำกัดของ Large Language Model เพื่อระบุจุดที่มันสามารถแก้ไขปัญหาทางธุรกิจได้อย่างแม่นยำ (Problem-Solution Fit)
ใช้ประโยชน์จากข้อมูลภายใน: องค์กรต้องลงทุนในการรวบรวมและจัดระเบียบข้อมูลภายในทั้งหมด ตั้งแต่บันทึกการประชุมไปจนถึงเอกสารการตลาด เพื่อใช้เป็นชุดข้อมูลในการฝึกฝนโมเดลให้มีความเฉพาะเจาะจงกับบริบทขององค์กรมากที่สุด
"อย่าลังเลที่จะเริ่มทดลองและลงมือปฏิบัติด้วยตนเอง เพราะเมื่อคุณได้ ‘เปื้อนมือ’ กับเทคโนโลยีจริง ๆ คุณจะสามารถมองเห็นศักยภาพที่ AI สามารถพลิกโฉม (Game Changer) กลยุทธ์ทางธุรกิจของคุณได้อย่างแท้จริง" แอบต์ลิน กล่าวทิ้งท้าย
