ចម្លើយខ្លី៖ ក្រុមហ៊ុន AI គឺជាក្រុមហ៊ុនដែលផលិតផលស្នូល តម្លៃ ឬគុណសម្បត្តិប្រកួតប្រជែងរបស់វាពឹងផ្អែកលើ AI - ប្រសិនបើដក AI ចេញ នោះការផ្តល់ជូននឹងដួលរលំ ឬកាន់តែអាក្រក់ទៅៗ។ ប្រសិនបើ AI បរាជ័យនៅថ្ងៃស្អែក ហើយអ្នកនៅតែអាចផ្តល់ជូនជាមួយសៀវភៅបញ្ជី ឬកម្មវិធីមូលដ្ឋាន អ្នកទំនងជាប្រើប្រាស់ AI មិនមែនជា AI ដើមទេ។ ក្រុមហ៊ុន AI ពិតប្រាកដមានភាពខុសគ្នាតាមរយៈទិន្នន័យ ការវាយតម្លៃ ការដាក់ពង្រាយ និងរង្វិលជុំដ៏តឹងរ៉ឹង។
ចំណុចសំខាន់ៗ៖
ការពឹងផ្អែកស្នូល៖ ប្រសិនបើការដក AI ចេញធ្វើឱ្យផលិតផលខូច អ្នកកំពុងសម្លឹងមើលក្រុមហ៊ុន AI។
ការធ្វើតេស្តសាមញ្ញ៖ ប្រសិនបើអ្នកអាចដើរខ្វិនៗដោយគ្មាន AI អ្នកប្រហែលជាមាន AI ហើយ។
សញ្ញាប្រតិបត្តិការ៖ ក្រុមដែលពិភាក្សាអំពីភាពរសាត់ ការវាយតម្លៃសំណុំ ភាពយឺតយ៉ាវ និងរបៀបបរាជ័យ ច្រើនតែធ្វើការងារដ៏លំបាក។
ភាពធន់នឹងការប្រើប្រាស់ខុស៖ បង្កើតរបាំងការពារ ការត្រួតពិនិត្យ និងផែនការដកថយសម្រាប់ពេលដែលម៉ូដែលបរាជ័យ។
ការយកចិត្តទុកដាក់របស់អ្នកទិញ៖ ជៀសវាងការលាងសម្អាតដោយប្រើ AI ដោយទាមទារយន្តការ ម៉ែត្រិច និងការគ្រប់គ្រងទិន្នន័យឱ្យបានច្បាស់លាស់។
«ក្រុមហ៊ុន AI» ត្រូវបានគេបោះចោលដោយសេរី ដូច្នេះវាមានហានិភ័យនៃការមានន័យគ្រប់យ៉ាង និងគ្មានអ្វីទាំងអស់ក្នុងពេលតែមួយ។ ក្រុមហ៊ុនចាប់ផ្តើមអាជីវកម្មមួយអះអាងឋានៈ AI ពីព្រោះវាបន្ថែមប្រអប់បំពេញស្វ័យប្រវត្តិ។ ក្រុមហ៊ុនមួយទៀតបណ្តុះបណ្តាលគំរូ បង្កើតឧបករណ៍ ដឹកជញ្ជូនផលិតផល និងដាក់ពង្រាយទៅក្នុងបរិយាកាសផលិតកម្ម... ហើយនៅតែត្រូវបានដាក់បញ្ចូលគ្នាទៅក្នុងធុងតែមួយ។.
ដូច្នេះស្លាកសញ្ញាត្រូវការគែមមុតស្រួចជាងមុន។ ភាពខុសគ្នារវាងអាជីវកម្មដែលមានដើមកំណើតដោយ AI និងអាជីវកម្មស្តង់ដារដែលមានការរៀនសូត្រដោយម៉ាស៊ីនតិចតួចនឹងបង្ហាញឡើងយ៉ាងឆាប់រហ័សនៅពេលដែលអ្នកដឹងពីអ្វីដែលត្រូវរកមើល។.
អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖
🔗 របៀបដែល AI upscaling ដំណើរការ
ស្វែងយល់ពីរបៀបដែលម៉ូដែលបន្ថែមព័ត៌មានលម្អិតដើម្បីពង្រីករូបភាពបានស្អាត។
🔗 កូដ AI មើលទៅដូចអ្វី
សូមមើលឧទាហរណ៍នៃកូដដែលបានបង្កើត និងរបៀបដែលវាត្រូវបានរៀបចំឡើង។
🔗 តើក្បួនដោះស្រាយ AI ជាអ្វី?
ស្វែងយល់ពីក្បួនដោះស្រាយដែលជួយ AI រៀន ទស្សន៍ទាយ និងបង្កើនប្រសិទ្ធភាព។
🔗 តើអ្វីទៅជាការដំណើរការជាមុនរបស់ AI
ស្វែងយល់ពីជំហានដែលសម្អាត ដាក់ស្លាក និងធ្វើទ្រង់ទ្រាយទិន្នន័យសម្រាប់ការបណ្តុះបណ្តាល។
តើក្រុមហ៊ុន AI ជាអ្វី៖ និយមន័យដ៏ស្អាតស្អំដែលគាំទ្រ ✅
និយមន័យជាក់ស្តែង៖
ក្រុមហ៊ុន AI គឺជាអាជីវកម្មដែល ផលិតផលស្នូល តម្លៃ ឬគុណសម្បត្តិប្រកួតប្រជែងរបស់វាពឹងផ្អែកលើបញ្ញាសិប្បនិម្មិត - មានន័យថាប្រសិនបើអ្នកដក AI ចេញ “របស់របរ” របស់ក្រុមហ៊ុននឹងដួលរលំ ឬកាន់តែអាក្រក់ទៅៗ។ (OECD, NIST AI RMF)
មិនមែន “យើងបានប្រើ AI ម្តងក្នុងកម្មវិធី hackathon” នោះទេ។ មិនមែន “យើងបានបន្ថែម chatbot ទៅក្នុងទំព័រទំនាក់ទំនង” នោះទេ។ ច្រើនទៀតដូចជា៖
-
ផលិតផលនេះ គឺជា ប្រព័ន្ធ AI (ឬត្រូវបានដំណើរការដោយប្រព័ន្ធមួយពីដើមដល់ចប់) (OECD)
-
គុណសម្បត្តិរបស់ក្រុមហ៊ុនបានមកពីគំរូ ទិន្នន័យ ការវាយតម្លៃ និងការធ្វើម្តងទៀត (Google Cloud MLOps, NIST AI RMF Playbook - Measure)
-
បញ្ញាសិប្បនិម្មិតមិនមែនជាលក្ខណៈពិសេសទេ - វាគឺជាម៉ាស៊ីន 🧠⚙️
នេះជាវិធីពិនិត្យពោះវៀនងាយៗ៖
ស្រមៃមើលថា AI នឹងបរាជ័យនៅថ្ងៃស្អែក។ ប្រសិនបើអតិថិជននៅតែបង់ប្រាក់ឱ្យអ្នក ហើយអ្នកអាចនឹងមានបញ្ហាជាមួយសៀវភៅបញ្ជី ឬកម្មវិធីមូលដ្ឋាន អ្នកទំនងជាមាន AI មិនមែន AI ដើមទេ។.
ហើយមែនហើយ មានតំបន់កណ្តាលព្រិលៗ។ ដូចជារូបថតដែលថតតាមបង្អួចដែលមានអ័ព្ទ... មិនមែនជាពាក្យប្រៀបធៀបដ៏ល្អទេ ប៉ុន្តែអ្នកយល់ហើយ 😄
ភាពខុសគ្នារវាង “ក្រុមហ៊ុន AI” និង “ក្រុមហ៊ុនដែលបើកដំណើរការដោយ AI” (ផ្នែកនេះជួយសន្សំសំចៃអំណះអំណាង) 🥊
អាជីវកម្មទំនើបភាគច្រើនប្រើប្រាស់ AI ក្នុងទម្រង់ណាមួយ។ តែម្យ៉ាងវាមិនធ្វើឱ្យពួកគេក្លាយជាក្រុមហ៊ុន AI នោះទេ។ (OECD)
ជាធម្មតាក្រុមហ៊ុន AI៖
-
លក់សមត្ថភាព AI ដោយផ្ទាល់ (ម៉ូដែល អ្នកបើកយន្តហោះរួម ស្វ័យប្រវត្តិកម្មឆ្លាតវៃ)
-
បង្កើតប្រព័ន្ធ AI ផ្ទាល់ខ្លួនជាផលិតផលស្នូល
-
មានវិស្វកម្ម AI ដ៏ម៉ត់ចត់ ការវាយតម្លៃ និងការដាក់ពង្រាយជាមុខងារស្នូល (Google Cloud MLOps)
-
រៀនពីទិន្នន័យជាបន្តបន្ទាប់ និងបង្កើនប្រសិទ្ធភាពជារង្វាស់សំខាន់ 📈 (សៀវភៅស Google MLOps)
ជាធម្មតាក្រុមហ៊ុនដែលប្រើប្រាស់ AI៖
-
ប្រើប្រាស់ AI ផ្ទៃក្នុងដើម្បីកាត់បន្ថយថ្លៃដើម បង្កើនល្បឿនដំណើរការការងារ ឬកែលម្អការកំណត់គោលដៅ
-
នៅតែលក់របស់ផ្សេងទៀត (ទំនិញលក់រាយ សេវាកម្មធនាគារ ភស្តុភារ ប្រព័ន្ធផ្សព្វផ្សាយ។ល។)
-
អាចជំនួស AI ដោយកម្មវិធីបែបប្រពៃណី ហើយនៅតែ «ក្លាយជាខ្លួនវា»
ឧទាហរណ៍ (ជាទូទៅដោយចេតនា ពីព្រោះការជជែកវែកញែកអំពីម៉ាកយីហោគឺជាចំណង់ចំណូលចិត្តសម្រាប់មនុស្សមួយចំនួន)៖
-
ធនាគារមួយដែលប្រើប្រាស់ AI សម្រាប់ការរកឃើញការក្លែងបន្លំ - បើកដំណើរការដោយ AI
-
អ្នកលក់រាយម្នាក់កំពុងប្រើប្រាស់ AI សម្រាប់ការព្យាករណ៍ស្តុក - បើកដំណើរការដោយ AI
-
ក្រុមហ៊ុនដែលផលិតផលរបស់ខ្លួនជាភ្នាក់ងារគាំទ្រអតិថិជន AI - ទំនងជាក្រុមហ៊ុន AI
-
វេទិកាមួយដែលលក់ឧបករណ៍ត្រួតពិនិត្យ វាយតម្លៃ និងដាក់ពង្រាយគំរូ - ក្រុមហ៊ុន AI (ហេដ្ឋារចនាសម្ព័ន្ធ) (Google Cloud MLOps)
ដូច្នេះបាទ/ចាស៎… ពេទ្យធ្មេញរបស់អ្នកអាចប្រើ AI សម្រាប់កំណត់ពេលរំលឹក។ នោះមិនធ្វើឱ្យពួកគេក្លាយជាក្រុមហ៊ុន AI ទេ 😬🦷
អ្វីដែលធ្វើឱ្យក្រុមហ៊ុន AI ក្លាយជាក្រុមហ៊ុនល្អ 🏗️
មិនមែនក្រុមហ៊ុន AI ទាំងអស់សុទ្ធតែត្រូវបានបង្កើតឡើងដូចគ្នានោះទេ ហើយតាមពិតទៅ ក្រុមហ៊ុនខ្លះភាគច្រើនជាក្រុមហ៊ុនដែលមានភាពរស់រវើក និងដើមទុនបណ្តាក់ទុន។ កំណែល្អ របស់ក្រុមហ៊ុន AI ច្រើនតែមានលក្ខណៈមួយចំនួនដែលលេចឡើងម្តងហើយម្តងទៀត៖
-
ភាពជាម្ចាស់បញ្ហាច្បាស់លាស់៖ ពួកគេដោះស្រាយបញ្ហាជាក់លាក់មួយ មិនមែន "AI សម្រាប់អ្វីៗគ្រប់យ៉ាង" ទេ
-
លទ្ធផលដែលអាចវាស់វែងបាន៖ ភាពត្រឹមត្រូវ សន្សំសំចៃពេលវេលា កាត់បន្ថយថ្លៃដើម កំហុសតិចជាងមុន ការបម្លែងខ្ពស់ - ជ្រើសរើសអ្វីមួយ ហើយតាមដានវា (NIST AI RMF)
-
វិន័យទិន្នន័យ៖ គុណភាពទិន្នន័យ ការអនុញ្ញាត ការគ្រប់គ្រង និងរង្វិលជុំមតិប្រតិកម្មមិនមែនជាជម្រើសទេ (NIST AI RMF)
-
វប្បធម៌វាយតម្លៃ៖ ពួកគេសាកល្បងគំរូដូចមនុស្សពេញវ័យ - ជាមួយនឹងស្តង់ដារ ករណីគែម និងការត្រួតពិនិត្យ 🔍 (Google Cloud MLOps, Datadog)
-
ការពិតនៃការដាក់ពង្រាយ៖ ប្រព័ន្ធនេះដំណើរការក្នុងស្ថានភាពប្រចាំថ្ងៃដែលមិនស្អាត មិនមែនគ្រាន់តែនៅក្នុងការបង្ហាញប៉ុណ្ណោះទេ
-
គែមដែលអាចការពារបាន៖ ទិន្នន័យដូមេន ការចែកចាយ ការរួមបញ្ចូលលំហូរការងារ ឬឧបករណ៍កម្មសិទ្ធិ (មិនមែនគ្រាន់តែ "យើងហៅថា API")
សញ្ញាគួរឱ្យភ្ញាក់ផ្អើលមួយ៖
-
ប្រសិនបើក្រុមមួយនិយាយអំពី ភាពយឺតយ៉ាវ (latency), ការរសាត់ (slipping), សំណុំវាយតម្លៃ (eval sets), ការយល់ច្រឡំ (hallucinations) និងរបៀបបរាជ័យ (failure modes) ពួកគេទំនងជាកំពុងធ្វើការងារ AI ពិតប្រាកដ។ (IBM - Model drift, OpenAI - hallucinations, Google Cloud MLOps)
-
ប្រសិនបើពួកគេភាគច្រើននិយាយអំពី "បដិវត្តន៍ភាពស៊ីសង្វាក់គ្នាជាមួយនឹងភាពវៃឆ្លាត" អ្នកដឹងហើយថាវាយ៉ាងម៉េច 😅
តារាងប្រៀបធៀប៖ «ប្រភេទ» ក្រុមហ៊ុន AI ទូទៅ និងអ្វីដែលពួកគេកំពុងលក់ 📊🤝
ខាងក្រោមនេះគឺជាតារាងប្រៀបធៀបរហ័ស ប៉ុន្តែមិនល្អឥតខ្ចោះបន្តិច (ដូចជាអាជីវកម្មប្រចាំថ្ងៃ)។ តម្លៃគឺជា "រចនាប័ទ្មកំណត់តម្លៃធម្មតា" មិនមែនជាលេខពិតប្រាកដទេ ពីព្រោះវាប្រែប្រួលច្រើន។.
| ជម្រើស / ប្រភេទ | ទស្សនិកជនល្អបំផុត | តម្លៃ (ធម្មតា) | ហេតុអ្វីបានជាវាដំណើរការ |
|---|---|---|---|
| អ្នកបង្កើតគំរូគ្រឹះ | អ្នកអភិវឌ្ឍន៍ សហគ្រាស មនុស្សគ្រប់គ្នា.. | កិច្ចសន្យាធំៗ ផ្អែកលើការប្រើប្រាស់ | ម៉ូដែលទូទៅដ៏រឹងមាំក្លាយជាវេទិកាមួយ - ស្រទាប់ "ស្រដៀងនឹងប្រព័ន្ធប្រតិបត្តិការ" (ការកំណត់តម្លៃ OpenAI API) |
| កម្មវិធី Vertical AI (ផ្នែកច្បាប់ វេជ្ជសាស្ត្រ ហិរញ្ញវត្ថុ។ល។) | ក្រុមដែលមានដំណើរការការងារជាក់លាក់ | តម្លៃជាវ + កៅអី | ការរឹតបន្តឹងដែនកាត់បន្ថយភាពវឹកវរ; ភាពត្រឹមត្រូវអាចលោតផ្លោះ (នៅពេលធ្វើបានត្រឹមត្រូវ) |
| ជំនួយការ AI សម្រាប់ការងារចំណេះដឹង | ផ្នែកលក់, ការគាំទ្រ, អ្នកវិភាគ, និងប្រតិបត្តិការ | ក្នុងមួយខែសម្រាប់អ្នកប្រើប្រាស់ម្នាក់ៗ | សន្សំសំចៃពេលវេលាបានយ៉ាងរហ័ស រួមបញ្ចូលទៅក្នុងឧបករណ៍ប្រចាំថ្ងៃ... ស្អិតជាប់នៅពេលដែលវាល្អ (តម្លៃ Microsoft 365 Copilot) |
| MLOps / វេទិកាប្រតិបត្តិការគំរូ | ក្រុម AI ក្នុងផលិតកម្ម | កិច្ចសន្យាសហគ្រាស (ពេលខ្លះឈឺចាប់) | ការត្រួតពិនិត្យ ការដាក់ពង្រាយ ការគ្រប់គ្រង - មិនទាក់ទាញ ប៉ុន្តែចាំបាច់ (Google Cloud MLOps) |
| ក្រុមហ៊ុន Data + Labeling | អ្នកសាងសង់គំរូ, សហគ្រាស | ក្នុងមួយភារកិច្ច ក្នុងមួយស្លាក លាយបញ្ចូលគ្នា | ទិន្នន័យល្អជាងមុនច្រើនតែល្អជាងមុន (MIT Sloan / Andrew Ng លើ AI ដែលផ្ដោតលើទិន្នន័យ) |
| បញ្ញាសិប្បនិម្មិត Edge / បញ្ញាសិប្បនិម្មិតនៅលើឧបករណ៍ | ផ្នែករឹង + IoT អង្គការដែលយកចិត្តទុកដាក់ខ្លាំងចំពោះភាពឯកជន | ក្នុងមួយឧបករណ៍ ការផ្តល់អាជ្ញាប័ណ្ណ | ភាពយឺតយ៉ាវទាប + ភាពឯកជន; ក៏ដំណើរការក្រៅបណ្តាញផងដែរ (កិច្ចព្រមព្រៀងដ៏ធំ) (Nvidia, IBM) |
| ទីប្រឹក្សា/អ្នករួមបញ្ចូល AI | អង្គការមិនមែនដើមកំណើត AI | ផ្អែកលើគម្រោង អ្នករក្សា | ដំណើរការលឿនជាងការជួលបុគ្គលិកផ្ទៃក្នុង - ប៉ុន្តែអាស្រ័យលើទេពកោសល្យ ក្នុងការអនុវត្តជាក់ស្តែង |
| ការវាយតម្លៃ / ឧបករណ៍សុវត្ថិភាព | ម៉ូដែលដឹកជញ្ជូនរបស់ក្រុម | ការជាវដែលមានកម្រិត | ជួយជៀសវាងការបរាជ័យដោយស្ងៀមស្ងាត់ - ហើយបាទ/ចាស៎ វាសំខាន់ណាស់ (NIST AI RMF, OpenAI - ការយល់ច្រឡំ) |
សូមកត់សម្គាល់អ្វីមួយ។ “ក្រុមហ៊ុន AI” អាចមានន័យថាអាជីវកម្មខុសគ្នាខ្លាំង។ ខ្លះលក់ម៉ូដែល។ ខ្លះលក់ប៉ែលសម្រាប់សាងសង់ម៉ូដែល។ ខ្លះលក់ផលិតផលសម្រេច។ ម៉ាកដូចគ្នា ការពិតខុសគ្នាទាំងស្រុង។.
គំរូដើមសំខាន់ៗរបស់ក្រុមហ៊ុន AI (និងអ្វីដែលពួកគេធ្វើខុស) 🧩
ចូរយើងចូលទៅជ្រៅជាងនេះបន្តិច ពីព្រោះនេះជាកន្លែងដែលមនុស្សជំពប់ដួល។.
១) ក្រុមហ៊ុនដែលផ្តោតលើគំរូជាមុន 🧠
ទាំងនេះសាងសង់ ឬកែលម្អម៉ូដែល។ ចំណុចខ្លាំងរបស់ពួកវាជាធម្មតាគឺ៖
-
ទេពកោសល្យស្រាវជ្រាវ
-
ការបង្កើនប្រសិទ្ធភាពកុំព្យូទ័រ
-
រង្វិលជុំវាយតម្លៃ និងការធ្វើម្តងទៀត
-
ហេដ្ឋារចនាសម្ព័ន្ធបម្រើសេវាកម្មដែលមានដំណើរការខ្ពស់ (សៀវភៅស Google MLOps)
ចំណុចខ្វះខាតទូទៅ៖
-
ពួកគេសន្មតថា “គំរូល្អជាង” ស្មើនឹង “ផលិតផលល្អជាង” ដោយស្វ័យប្រវត្តិ។
វាមិនដូច្នោះទេ។ អ្នកប្រើប្រាស់មិនទិញគំរូទេ ពួកគេទិញលទ្ធផល។
២) ក្រុមហ៊ុន AI ដែលផ្តោតលើផលិតផលជាមុន 🧰
ទាំងនេះបង្កប់ AI នៅខាងក្នុងដំណើរការការងារ។ ពួកគេឈ្នះតាមរយៈ៖
-
ការចែកចាយ
-
UX និងការរួមបញ្ចូលគ្នា
-
រង្វិលជុំមតិប្រតិកម្មខ្លាំង
-
ភាពជឿជាក់លើសពីភាពវៃឆ្លាតឆៅ
ចំណុចខ្វះខាតទូទៅ៖
-
ពួកគេមើលស្រាលឥរិយាបថគំរូនៅក្នុងធម្មជាតិ។ អ្នកប្រើប្រាស់ពិតប្រាកដនឹងបំបែកប្រព័ន្ធរបស់អ្នកតាមវិធីថ្មីៗ និងច្នៃប្រឌិត។ ជារៀងរាល់ថ្ងៃ។.
៣) ក្រុមហ៊ុន AI ហេដ្ឋារចនាសម្ព័ន្ធ ⚙️
សូមគិតអំពីការត្រួតពិនិត្យ ការដាក់ពង្រាយ ការគ្រប់គ្រង ការវាយតម្លៃ និងការរៀបចំ។ ពួកគេឈ្នះតាមរយៈ៖
-
កាត់បន្ថយការឈឺចាប់ប្រតិបត្តិការ
-
ការគ្រប់គ្រងហានិភ័យ
-
ការធ្វើឱ្យ AI អាចធ្វើម្តងទៀតបាន និងមានសុវត្ថិភាព (NIST AI RMF, Google Cloud MLOps)
ចំណុចខ្វះខាតទូទៅ៖
-
ពួកគេបង្កើតសម្រាប់ក្រុមកម្រិតខ្ពស់ ហើយមិនអើពើនឹងអ្នកដទៃទាំងអស់ បន្ទាប់មកឆ្ងល់ថាហេតុអ្វីបានជាការទទួលយកមានល្បឿនយឺត។.
៤) ក្រុមហ៊ុន AI ដែលផ្តោតលើទិន្នន័យ 🗂️
ទាំងនេះផ្តោតលើបំពង់ទិន្នន័យ ការដាក់ស្លាក ទិន្នន័យសំយោគ និងការគ្រប់គ្រងទិន្នន័យ។ ពួកគេឈ្នះតាមរយៈ៖
-
ការកែលម្អគុណភាពសញ្ញាបណ្តុះបណ្តាល
-
កាត់បន្ថយសំឡេងរំខាន
-
ការអនុញ្ញាតឱ្យមានឯកទេស (MIT Sloan / Andrew Ng លើ AI ដែលផ្តោតលើទិន្នន័យ)
ចំណុចខ្វះខាតទូទៅ៖
-
ពួកគេលក់លើសលប់នូវពាក្យថា "ទិន្នន័យដោះស្រាយអ្វីៗគ្រប់យ៉ាង"។ ទិន្នន័យមានឥទ្ធិពលខ្លាំង ប៉ុន្តែអ្នកនៅតែត្រូវការការធ្វើគំរូល្អ និងការគិតគូរពីផលិតផលដ៏រឹងមាំ។.
អ្វីដែលស្ថិតនៅក្នុងក្រុមហ៊ុន AI នៅក្រោមគម្រប៖ ជង់ ប្រហែល 🧱
ប្រសិនបើអ្នកលួចមើលពីក្រោយវាំងនន ក្រុមហ៊ុន AI ពិតប្រាកដភាគច្រើនមានរចនាសម្ព័ន្ធផ្ទៃក្នុងស្រដៀងគ្នា។ មិនមែនជានិច្ចទេ ប៉ុន្តែជាញឹកញាប់។.
ស្រទាប់ទិន្នន័យ📥
-
ការប្រមូល និងការទទួលទាន
-
ការដាក់ស្លាក ឬការត្រួតពិនិត្យខ្សោយ
-
ភាពឯកជន, ការអនុញ្ញាត, ការរក្សាទុក
-
រង្វិលជុំមតិប្រតិកម្ម (ការកែតម្រូវរបស់អ្នកប្រើប្រាស់ លទ្ធផល ការពិនិត្យឡើងវិញដោយមនុស្ស) (NIST AI RMF)
ស្រទាប់គំរូ 🧠
-
ការជ្រើសរើសគំរូមូលដ្ឋាន (ឬការបណ្តុះបណ្តាលពីដំបូង)
-
ការលៃតម្រូវល្អិតល្អន់ ការចម្រាញ់ វិស្វកម្មរហ័ស (បាទ/ចាស៎ នៅតែរាប់បញ្ចូល)
-
ប្រព័ន្ធទាញយកទិន្នន័យ (ស្វែងរក + ចំណាត់ថ្នាក់ + មូលដ្ឋានទិន្នន័យវ៉ិចទ័រ) (ឯកសារ RAG (Lewis et al., 2020), Oracle - ការស្វែងរកវ៉ិចទ័រ)
-
ឈុតវាយតម្លៃ និងសំណុំសាកល្បង (Google Cloud MLOps)
ស្រទាប់ផលិតផល🧑💻
-
UX ដែលដោះស្រាយភាពមិនប្រាកដប្រជា (សញ្ញាសម្គាល់ទំនុកចិត្ត ស្ថានភាព "ពិនិត្យឡើងវិញ")
-
របាំងការពារ (គោលនយោបាយ ការបដិសេធ ការបំពេញដោយសុវត្ថិភាព) (NIST AI RMF)
-
ការរួមបញ្ចូលលំហូរការងារ (អ៊ីមែល, CRM, ឯកសារ, ការលក់សំបុត្រ។ល។)
ស្រទាប់ប្រតិបត្តិការ 🛠️
-
ការតាមដានសម្រាប់ការរសាត់ និងការរិចរិល (IBM - Model drift, Google Cloud MLOps)
-
ការឆ្លើយតបទៅនឹងឧប្បត្តិហេតុ និងការដកថយ (Uber - សុវត្ថិភាពនៃការដាក់ពង្រាយ)
-
ការគ្រប់គ្រងថ្លៃដើម (កុំព្យូទ័រអាចជាសត្វចម្លែកតូចមួយដែលឃ្លាន)
-
អភិបាលកិច្ច សវនកម្ម ការគ្រប់គ្រងការចូលប្រើ (NIST AI RMF, ISO/IEC 42001)
ហើយផ្នែកដែលគ្មាននរណាម្នាក់ផ្សព្វផ្សាយ៖
-
ដំណើរការរបស់មនុស្ស - អ្នកពិនិត្យឡើងវិញ ការកើនឡើង ការធានាគុណភាព និងបំពង់បង្ហូរមតិកែលម្អរបស់អតិថិជន។
បញ្ញាសិប្បនិម្មិតមិនមែន "កំណត់វាហើយភ្លេចវាចោល" ទេ។ វាដូចជាការថែសួនច្រើនជាង។ ឬដូចជាការចិញ្ចឹមសត្វរ៉ាក់ឃូន។ វាអាចគួរឱ្យស្រលាញ់ ប៉ុន្តែវានឹងបំផ្លាញផ្ទះបាយរបស់អ្នកទាំងស្រុង ប្រសិនបើអ្នកមិនមើល 😬🦝
គំរូអាជីវកម្ម៖ របៀបដែលក្រុមហ៊ុន AI រកលុយបាន 💸
ក្រុមហ៊ុន AI ច្រើនតែធ្លាក់ចូលទៅក្នុងទម្រង់នៃការរកប្រាក់ទូទៅមួយចំនួន៖
-
ផ្អែកលើការប្រើប្រាស់ (ក្នុងមួយសំណើ ក្នុងមួយថូខឹន ក្នុងមួយនាទី ក្នុងមួយរូបភាព ក្នុងមួយភារកិច្ច) (ការកំណត់តម្លៃ OpenAI API, OpenAI - ថូខឹន)
-
ការជាវផ្អែកលើកៅអី (ក្នុងមួយអ្នកប្រើប្រាស់ក្នុងមួយខែ) (តម្លៃ Microsoft 365 Copilot)
-
ការកំណត់តម្លៃផ្អែកលើលទ្ធផល (កម្រ ប៉ុន្តែមានឥទ្ធិពល - បង់ក្នុងមួយការបម្លែង ឬសំបុត្រដែលបានដោះស្រាយ)
-
កិច្ចសន្យាសហគ្រាស (ការគាំទ្រ ការអនុលោមតាម កិច្ចព្រមព្រៀងសេវាកម្ម ការដាក់ពង្រាយតាមតម្រូវការ)
-
ការផ្តល់អាជ្ញាប័ណ្ណ (នៅលើឧបករណ៍ បង្កប់ រចនាប័ទ្ម OEM) (Nvidia)
ភាពតានតឹងដែលក្រុមហ៊ុន AI ជាច្រើនប្រឈមមុខ៖
-
អតិថិជនចង់បានការចំណាយដែលអាចព្យាករណ៍ទុកជាមុនបាន 😌
-
តម្លៃ AI អាចប្រែប្រួលទៅតាមការប្រើប្រាស់ និងជម្រើសម៉ូដែល 😵
ដូច្នេះក្រុមហ៊ុន AI ល្អៗ ពូកែខ្លាំងណាស់ក្នុង៖
-
ការបញ្ជូនភារកិច្ចទៅកាន់ម៉ូដែលថោកជាងនៅពេលដែលអាចធ្វើទៅបាន
-
លទ្ធផលនៃការរក្សាទុកទិន្នន័យ
-
សំណើសុំបាច់
-
ការគ្រប់គ្រងទំហំបរិបទ
-
ការរចនា UX ដែលមិនលើកទឹកចិត្ត "ការវិលជុំគ្មានទីបញ្ចប់នៃការណែនាំ" (យើងទាំងអស់គ្នាបានធ្វើវាហើយ…)
សំណួរសំខាន់៖ តើអ្វីដែលធ្វើឱ្យក្រុមហ៊ុន AI អាចការពារបាន 🏰
នេះជាផ្នែកដ៏ក្តៅគគុក។ មនុស្សជាច្រើនសន្មតថាប្រឡាយទឹកនេះគឺជា «គំរូរបស់យើងល្អជាង»។ ពេលខ្លះវាល្អជាង ប៉ុន្តែជាញឹកញាប់… មិនមែនទេ។.
គុណសម្បត្តិការពារទូទៅ៖
-
ទិន្នន័យផ្ទាល់ខ្លួន (ជាពិសេសដែនជាក់លាក់)
-
ការចែកចាយ (បង្កប់នៅក្នុងលំហូរការងារដែលអ្នកប្រើប្រាស់រស់នៅរួចហើយ)
-
ថ្លៃដើមនៃការប្តូរ (ការធ្វើសមាហរណកម្ម ការផ្លាស់ប្តូរដំណើរការ ទម្លាប់ក្រុម)
-
ទំនុកចិត្តលើម៉ាក (ជាពិសេសសម្រាប់ដែនដែលមានហានិភ័យខ្ពស់)
-
ឧត្តមភាពប្រតិបត្តិការ (ការដឹកជញ្ជូន AI ដែលអាចទុកចិត្តបានក្នុងទ្រង់ទ្រាយធំគឺពិបាក) (Google Cloud MLOps)
-
ប្រព័ន្ធដែលប្រើប្រាស់មនុស្សក្នុងរង្វង់ (ដំណោះស្រាយចម្រុះអាចមានប្រសិទ្ធភាពលើសពីស្វ័យប្រវត្តិកម្មសុទ្ធសាធ) (NIST AI RMF, EU AI Act - ការត្រួតពិនិត្យដោយមនុស្ស (មាត្រា 14))
ការពិតមួយដែលមិនស្រួលបន្តិច៖
ក្រុមហ៊ុនពីរអាចប្រើគំរូមូលដ្ឋានដូចគ្នា ហើយនៅតែមានលទ្ធផលខុសគ្នាខ្លាំង។ ភាពខុសគ្នាជាធម្មតាគឺអ្វីៗគ្រប់យ៉ាងនៅជុំវិញគំរូ - ការរចនាផលិតផល ការវាយតម្លៃ រង្វិលជុំទិន្នន័យ និងរបៀបដែលពួកគេដោះស្រាយការបរាជ័យ។
របៀបសម្គាល់ការលាងសម្អាតដោយ AI (ហៅម្យ៉ាងទៀតថា "យើងបានបន្ថែមពន្លឺចែងចាំង ហើយហៅវាថាភាពវៃឆ្លាត") 🚩
ប្រសិនបើអ្នកកំពុងវាយតម្លៃពីអ្វីដែលក្រុមហ៊ុន AI មាននៅក្នុងធម្មជាតិ សូមប្រយ័ត្នចំពោះសញ្ញាក្រហមទាំងនេះ៖
-
គ្មានការពិពណ៌នាអំពីសមត្ថភាព AI ច្បាស់លាស់ទេ៖ ការធ្វើទីផ្សារច្រើន គ្មានយន្តការ
-
វេទមន្តបង្ហាញ៖ ការបង្ហាញគួរឱ្យចាប់អារម្មណ៍ មិនចាំបាច់និយាយអំពីករណីគែមទេ
-
គ្មានរឿងរ៉ាវវាយតម្លៃទេ៖ ពួកគេមិនអាចពន្យល់ពីរបៀបដែលពួកគេសាកល្បងភាពជឿជាក់បានទេ (Google Cloud MLOps)
-
ចម្លើយទិន្នន័យរលកដៃ៖ មិនច្បាស់លាស់ថាទិន្នន័យមកពីណា ឬវាត្រូវបានគ្រប់គ្រងយ៉ាងដូចម្តេច (NIST AI RMF)
-
គ្មានផែនការសម្រាប់ការត្រួតពិនិត្យទេ៖ ពួកវាធ្វើសកម្មភាពដូចជាគំរូមិនរសាត់បាត់ទៅ (IBM - Model drift)
-
ពួកគេមិនអាចពន្យល់ពីរបៀបបរាជ័យបានទេ៖ អ្វីៗគឺ "ស្ទើរតែល្អឥតខ្ចោះ" (គ្មានអ្វីល្អឥតខ្ចោះ) (OpenAI - ការយល់ច្រឡំ)
ទង់ពណ៌បៃតង (ផ្ទុយពីនេះ ធ្វើឲ្យស្ងប់ចិត្ត) ✅៖
-
ពួកគេបង្ហាញពីរបៀបដែលពួកគេវាស់ស្ទង់ការអនុវត្ត
-
ពួកគេនិយាយអំពីដែនកំណត់ដោយមិនភ័យស្លន់ស្លោ
-
ពួកគេមានផ្លូវពិនិត្យឡើងវិញដោយមនុស្ស និងការកើនឡើងនៃបញ្ហា (NIST AI RMF, EU AI Act - ការត្រួតពិនិត្យដោយមនុស្ស (មាត្រា 14))
-
ពួកគេយល់ពីតម្រូវការឯកជនភាព និងការអនុលោមតាមច្បាប់ (NIST AI RMF, EU AI Act)
-
ពួកគេអាចនិយាយថា "យើងមិនធ្វើបែបនោះទេ" ដោយមិនចាំបាច់បាក់ទឹកចិត្ត 😅
ប្រសិនបើអ្នកកំពុងសាងសង់មួយ៖ បញ្ជីត្រួតពិនិត្យជាក់ស្តែងសម្រាប់ការក្លាយជាក្រុមហ៊ុន AI 🧠📝
ប្រសិនបើអ្នកកំពុងព្យាយាមផ្លាស់ប្តូរពី "ក្រុមហ៊ុនដែលបើកដំណើរការដោយ AI" ទៅជា "ក្រុមហ៊ុន AI" នេះគឺជាផ្លូវដែលអាចអនុវត្តបាន៖
-
ចាប់ផ្តើមជាមួយនឹងលំហូរការងារមួយដែលធ្វើឲ្យមនុស្សឈឺចាប់គ្រប់គ្រាន់ ដែលពួកគេនឹងចំណាយប្រាក់ដើម្បីជួសជុលវា
-
លទ្ធផលឧបករណ៍ដំបូង (មុនពេលអ្នកធ្វើមាត្រដ្ឋាន)
-
បង្កើតសំណុំវាយតម្លៃពីករណីអ្នកប្រើប្រាស់ពិតប្រាកដ (Google Cloud MLOps)
-
បន្ថែមរង្វិលជុំមតិប្រតិកម្មពីថ្ងៃដំបូង
-
ធ្វើឱ្យរបាំងការពារជាផ្នែកមួយនៃការរចនា មិនមែនជាការគិតគូរពីក្រោយនោះទេ (NIST AI RMF)
-
កុំសាងសង់លើសកម្រិត - ដឹកជញ្ជូនក្រូចឆ្មារតូចចង្អៀតដែលអាចទុកចិត្តបាន
-
ចាត់ទុកការដាក់ពង្រាយដូចជាផលិតផល មិនមែនជាជំហានចុងក្រោយទេ (Google Cloud MLOps)
ដូចគ្នានេះដែរ ដំបូន្មានផ្ទុយពីវិចារណញាណដែលមានប្រសិទ្ធភាព៖
-
ចំណាយពេលច្រើនលើអ្វីដែលកើតឡើងនៅពេលដែល AI ខុសជាជាងពេលដែលវាត្រឹមត្រូវ។
នោះហើយជាកន្លែងដែលទំនុកចិត្តត្រូវបានឈ្នះ ឬបាត់បង់។ (NIST AI RMF)
សេចក្តីសង្ខេបចុងក្រោយ🧠✨
ដូច្នេះ… អ្វីដែលក្រុមហ៊ុន AI មានលក្ខណៈ គឺអាស្រ័យទៅលើឆ្អឹងខ្នងសាមញ្ញមួយ៖
វាជាក្រុមហ៊ុនមួយដែល AI គឺជាម៉ាស៊ីនមិនមែនជាគ្រឿងតុបតែងទេ។ ប្រសិនបើអ្នកដក AI ចេញ ហើយផលិតផលឈប់មានន័យ (ឬបាត់បង់គុណសម្បត្តិរបស់វា) អ្នកប្រហែលជាកំពុងសម្លឹងមើលក្រុមហ៊ុន AI ពិតប្រាកដមួយ។ ប្រសិនបើ AI គ្រាន់តែជាឧបករណ៍មួយក្នុងចំណោមឧបករណ៍ជាច្រើន វាជាការត្រឹមត្រូវជាងក្នុងការហៅវាថា AI-enabled។
ហើយទាំងពីរគឺល្អ។ ពិភពលោកត្រូវការទាំងពីរ។ ប៉ុន្តែស្លាកសញ្ញាមានសារៈសំខាន់នៅពេលអ្នកកំពុងវិនិយោគ ជួល ទិញកម្មវិធី ឬព្យាយាមស្វែងយល់ថាតើអ្នកកំពុងត្រូវបានលក់ជាមនុស្សយន្ត ឬរូបចម្លាក់ក្រដាសកាតុងដែលមានភ្នែកហ្គូហ្គល 🤖👀
ឧទាហរណ៍ក្នុងពិភពពិត៖ ការបង្កើតក្រុមហ៊ុនគាំទ្រការតម្រៀប AI
សេណារីយ៉ូ
ស្រមៃមើលក្រុមហ៊ុនចាប់ផ្តើមអាជីវកម្មតូចមួយដែលកំពុងសាងសង់ជំនួយការតម្រៀបជំនួយ AI សម្រាប់ហាងពាណិជ្ជកម្មអេឡិចត្រូនិកបែប Shopify។ នេះគឺជាឧទាហរណ៍ប្រឌិត មិនមែនជាការសិក្សាករណីក្រុមហ៊ុនពិតប្រាកដនោះទេ។.
ផលិតផលនេះមិនគ្រាន់តែបន្ថែម chatbot ទៅក្នុង helpdesk នោះទេ។ ការងារកណ្តាលរបស់វាគឺអានសំបុត្រអតិថិជនចូល ចាត់ថ្នាក់បញ្ហា ស្នើការឆ្លើយតប រាយការណ៍ករណីហានិភ័យសងប្រាក់វិញ និងបញ្ជូនអ្វីដែលងាយរងគ្រោះដល់ភ្នាក់ងារមនុស្ស។.
ដក AI ចេញ នោះផលិតផលភាគច្រើននឹងរលាយបាត់ទៅជាឧបករណ៍ដាក់ស្លាកមូលដ្ឋានមួយ។ នោះធ្វើឱ្យវាកាន់តែខិតជិតក្រុមហ៊ុន AI ជាជាងកម្មវិធីជំនួយដែលបើកដំណើរការដោយ AI ពីព្រោះតម្លៃចម្បងអាស្រ័យលើការចាត់ថ្នាក់ ការព្យាករណ៍ ការទាញយក និងការកែលម្អជាបន្តបន្ទាប់។.
អ្វីដែលជំនួយការត្រូវការ
ដើម្បីធ្វើឱ្យជំនួយការមានប្រសិទ្ធភាព ក្រុមនឹងត្រូវការ៖
សំបុត្រគាំទ្រអតិថិជនពី 3-6 ខែចុងក្រោយ ដោយទិន្នន័យឯកជនត្រូវបានដកចេញ
បញ្ជីនៃគោលការណ៍សងប្រាក់វិញ ការប្រគល់មកវិញ ការដឹកជញ្ជូន និងការបញ្ចុះតម្លៃដែលត្រូវបានអនុម័ត
ឧទាហរណ៍នៃការឆ្លើយតបរបស់មនុស្ស "ល្អ"
សំណុំនៃប្រភេទសំបុត្រ ដូចជាទំនិញខូច ការដឹកជញ្ជូនយឺត សំណើសុំសងប្រាក់វិញ ការបញ្ជាទិញដែលបាត់ សំណួរអំពីផលិតផល និងអតិថិជនដែលខឹងសម្បារ
ច្បាប់សម្រាប់ពេលដែល AI ត្រូវតែបង្កើនប្រសិទ្ធភាពជំនួសឱ្យការឆ្លើយតប
ប៊ូតុងមតិប្រតិកម្មសាមញ្ញមួយសម្រាប់ភ្នាក់ងារ៖ “បានទទួល” “បានកែសម្រួល” ឬ “បានបដិសេធ”
ឧទាហរណ៍នៃការណែនាំ
អ្នកគឺជាជំនួយការតម្រៀបជំនួយសម្រាប់ហាងពាណិជ្ជកម្មអេឡិចត្រូនិក។ សូមអានសាររបស់អតិថិជនម្នាក់ៗ ហើយប្រគល់សារចំនួនបួនមកវិញ៖ ប្រភេទសំបុត្រ កម្រិតបន្ទាន់ ការឆ្លើយតបដែលបានស្នើ និងថាតើមនុស្សម្នាក់ត្រូវតែពិនិត្យមើលវាមុនពេលផ្ញើឬអត់។.
តែងតែបង្កើនជម្លោះសងប្រាក់វិញ ការគំរាមកំហែងផ្នែកច្បាប់ ការទាមទារសំណងផ្នែកវេជ្ជសាស្ត្រ បញ្ហាទូទាត់ សារប្រមាថ និងករណីដែលព័ត៌មានលម្អិតការបញ្ជាទិញរបស់អតិថិជនបាត់។.
ប្រើប្រាស់តែឯកសារគោលនយោបាយដែលត្រូវបានអនុម័តដោយហាងប៉ុណ្ណោះ។ ប្រសិនបើចម្លើយមិនមាននៅក្នុងគោលនយោបាយទេ សូមនិយាយថាត្រូវការការពិនិត្យឡើងវិញដោយមនុស្ស។ កុំបង្កើតច្បាប់សងប្រាក់វិញ កាលបរិច្ឆេទដឹកជញ្ជូន លេខកូដបញ្ចុះតម្លៃ ឬព័ត៌មានតាមដាន។.
របៀបសាកល្បងវា
មុននឹងលក់ផលិតផលនេះជាផលិតផលពិត ក្រុមគួរតែដំណើរការសំណុំវាយតម្លៃតូចមួយ។.
ឧទាហរណ៍៖
សាកល្បងសំបុត្រគាំទ្រចាស់ចំនួន 100 ដែលប្រភេទត្រឹមត្រូវត្រូវបានគេស្គាល់រួចហើយ
រួមបញ្ចូលសំបុត្រមិនល្អឥតខ្ចោះយ៉ាងហោចណាស់ 20 ដែលមានកំហុសអក្ខរាវិរុទ្ធ លេខលំដាប់ដែលបាត់ ភាសាអារម្មណ៍ ឬបញ្ហាច្រើននៅក្នុងសារតែមួយ
ប្រៀបធៀបប្រភេទ AI ទល់នឹងប្រភេទមនុស្ស
ពិនិត្យមើលថាតើច្បាប់ស្តីពីការបង្កើនប្រសិទ្ធភាពត្រូវបានអនុវត្តតាមឬអត់
សុំឱ្យភ្នាក់ងារជំនួយពីរនាក់វាយតម្លៃការឆ្លើយតបដែលបានណែនាំថា "អាចផ្ញើបាន" "ត្រូវការកែសម្រួល" ឬ "ខុស"
តាមដានលទ្ធផលជារៀងរាល់សប្តាហ៍ មិនមែនតែម្តងក្នុងការបង្ហាញសាកល្បងនោះទេ
លទ្ធផល
លទ្ធផលជាឧទាហរណ៍៖ ផ្អែកលើពេលវេលាសម្រាប់សំបុត្រគំរូចំនួន 100 មុន និងក្រោយពេលប្រើប្រាស់លំហូរការងារ។.
ការជ្រើសរើសដោយដៃ៖ សំបុត្រចំនួន ១០០ × ២.៥ នាទីក្នុងមួយសន្លឹក = ២៥០ នាទី
ការជ្រើសរើសដោយជំនួយពី AI៖ សំបុត្រ 100 សន្លឹក × រយៈពេលពិនិត្យឡើងវិញ 45 វិនាទីសម្រាប់សំបុត្រនីមួយៗ = 75 នាទី
ពេលវេលាប៉ាន់ស្មានដែលបានសន្សំ៖ ១៧៥ នាទីក្នុង ១០០ សំបុត្រ ឬ ៧០%
គោលដៅភាពត្រឹមត្រូវនៃប្រភេទមុនពេលដាក់ឱ្យដំណើរការ៖ យ៉ាងហោចណាស់ 90 ក្នុងចំណោម 100 សំបុត្រត្រូវបានចាត់ថ្នាក់យ៉ាងត្រឹមត្រូវ
គោលដៅសុវត្ថិភាពនៃការកើនឡើង៖ ការកើនឡើងដែលខកខានចំនួន 0 នៅទូទាំងប្រភេទដែលតម្រូវដោយការពិនិត្យដោយមនុស្ស
អ្នកទិញអាចផ្ទៀងផ្ទាត់លេខទាំងនេះដោយដំណើរការការធ្វើតេស្ត 100 សន្លឹកដូចគ្នានៅក្នុងផ្នែកជំនួយផ្ទាល់ខ្លួនរបស់ពួកគេ និងប្រៀបធៀបចំណាត់ថ្នាក់ AI ជាមួយនឹងស្លាកមនុស្សកាលពីអតីតកាល។.
អ្វីដែលអាចខុសបាន
ហានិភ័យធំបំផុតមិនមែនថា AI ស្តាប់ទៅអាក្រក់នោះទេ។ វាគឺថាវាស្តាប់ទៅមានទំនុកចិត្ត ខណៈពេលដែលវាខុស។.
កំហុសទូទៅរួមមាន៖
ការអនុញ្ញាតឱ្យ AI សន្យាសងប្រាក់វិញដែលវាមិនអាចអនុម័តបាន
ការប្រើប្រាស់ឯកសារគោលនយោបាយហួសសម័យ
ការវាស់វែងតែ "ការឆ្លើយតបដែលមើលទៅស្អាត" ជំនួសឱ្យការបញ្ជូនផ្លូវត្រឹមត្រូវ
ការមិនអើពើនឹងករណីដូចជាការទារប្រាក់វិញ ការគំរាមកំហែង ឬអតិថិជនងាយរងគ្រោះ
ការរំលងការពិនិត្យឡើងវិញដោយមនុស្សសម្រាប់សំបុត្រដែលមានហានិភ័យខ្ពស់
ការអះអាងពី "ស្វ័យប្រវត្តិកម្ម 95%" ដោយមិនពន្យល់ពីអ្វីដែលត្រូវបានសាកល្បង
ក្រុមហ៊ុន AI ដ៏ម៉ឺងម៉ាត់មួយនឹងចាត់ទុកបញ្ហាទាំងនេះថាជាបញ្ហារចនាផលិតផល មិនមែនជាកំណត់ចំណាំដែលឆ្គងនោះទេ។.
សម្ភារៈសិក្សាជាក់ស្តែង
ឧទាហរណ៍នេះបង្ហាញពីភាពខុសគ្នារវាងតម្លៃ AI ពិតប្រាកដ និងការតុបតែង AI។ ក្រុមហ៊ុននេះមិនមែនជា "AI" ទេ ពីព្រោះវាប្រើគំរូនៅកន្លែងណាមួយនៅក្នុងជង់។ វាគឺជាក្រុមហ៊ុន AI ពីព្រោះការចាត់ថ្នាក់ ការទាញយក ការវាយតម្លៃ ការកើនឡើង និងរង្វិលជុំមតិត្រឡប់ គឺជាម៉ាស៊ីនរបស់ផលិតផល។.
សំណួរដែលសួរញឹកញាប់
តើអ្វីទៅដែលចាត់ទុកថាជាក្រុមហ៊ុនដែលមានបញ្ញាសិប្បនិម្មិត (AI) ធៀបនឹងក្រុមហ៊ុនដែលមានបញ្ញាសិប្បនិម្មិត (AI)?
ក្រុមហ៊ុន AI គឺជាក្រុមហ៊ុនមួយដែលផលិតផលស្នូល តម្លៃ ឬគុណសម្បត្តិប្រកួតប្រជែងពឹងផ្អែកលើ AI - ប្រសិនបើដក AI ចេញ នោះការផ្តល់ជូននឹងដួលរលំ ឬកាន់តែអាក្រក់ទៅៗ។ ក្រុមហ៊ុនដែលប្រើប្រាស់ AI ប្រើប្រាស់ AI ដើម្បីពង្រឹងប្រតិបត្តិការ (ដូចជាការព្យាករណ៍ ឬការរកឃើញការក្លែងបន្លំ) ប៉ុន្តែនៅតែលក់អ្វីមួយដែលមិនមែនជា AI។ ការសាកល្បងសាមញ្ញមួយ៖ ប្រសិនបើ AI បរាជ័យនៅថ្ងៃស្អែក ហើយអ្នកនៅតែអាចដំណើរការជាមួយកម្មវិធីមូលដ្ឋានបាន អ្នកទំនងជាប្រើប្រាស់ AI។.
តើខ្ញុំអាចដឹងយ៉ាងរហ័សដោយរបៀបណាថាអាជីវកម្មមួយពិតជាក្រុមហ៊ុន AI?
សូមពិចារណាអំពីអ្វីដែលនឹងកើតឡើងប្រសិនបើ AI ឈប់ដំណើរការ។ ប្រសិនបើអតិថិជននៅតែបង់ប្រាក់ ហើយអាជីវកម្មអាចដើរយឺតជាមួយសៀវភៅបញ្ជី ឬកម្មវិធីប្រពៃណី វាប្រហែលជាមិនមែនជា AI ដើមទេ។ ក្រុមហ៊ុន AI ពិតប្រាកដក៏មានទំនោរនិយាយក្នុងន័យប្រតិបត្តិការជាក់ស្តែងផងដែរ៖ សំណុំវាយតម្លៃ ភាពយឺតយ៉ាវ ការរសាត់បាត់ ការយល់ច្រឡំ ការត្រួតពិនិត្យ និងរបៀបបរាជ័យ។ ប្រសិនបើវាគ្រាន់តែជាការធ្វើទីផ្សារប៉ុណ្ណោះ ហើយគ្មានយន្តការទេ នោះគឺជាទង់ក្រហម។.
តើអ្នកត្រូវបណ្តុះបណ្តាលគំរូផ្ទាល់ខ្លួនរបស់អ្នកឱ្យក្លាយជាក្រុមហ៊ុន AI ដែរឬទេ?
ទេ។ ក្រុមហ៊ុន AI ជាច្រើនបង្កើតផលិតផលដ៏រឹងមាំនៅលើកំពូលនៃម៉ូដែលដែលមានស្រាប់ ហើយនៅតែមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ជា AI-native នៅពេលដែល AI គឺជាម៉ាស៊ីននៃផលិតផល។ អ្វីដែលសំខាន់គឺថាតើម៉ូដែល ទិន្នន័យ ការវាយតម្លៃ និងរង្វិលជុំនៃការធ្វើម្តងទៀតជំរុញដំណើរការ និងភាពខុសគ្នាដែរឬទេ។ ទិន្នន័យដែលមានកម្មសិទ្ធិ ការរួមបញ្ចូលលំហូរការងារ និងការវាយតម្លៃយ៉ាងម៉ត់ចត់អាចបង្កើតគែមពិតប្រាកដសូម្បីតែគ្មានការបណ្តុះបណ្តាលពីដំបូងក៏ដោយ។.
តើក្រុមហ៊ុន AI សំខាន់ៗមានអ្វីខ្លះ ហើយតើពួកគេខុសគ្នាយ៉ាងដូចម្តេច?
ប្រភេទទូទៅរួមមាន កម្មវិធីបង្កើតគំរូមូលដ្ឋាន កម្មវិធី AI បញ្ឈរ (ដូចជាឧបករណ៍ផ្នែកច្បាប់ ឬវេជ្ជសាស្ត្រ) អ្នកបើកយន្តហោះរួមសម្រាប់ការងារចំណេះដឹង វេទិកាប្រតិបត្តិការគំរូ MLOps/អាជីវកម្មទិន្នន័យ និងស្លាក បញ្ញាសិប្បនិម្មិតគែម/នៅលើឧបករណ៍ ក្រុមហ៊ុនប្រឹក្សាយោបល់/អ្នករួមបញ្ចូល និងអ្នកផ្តល់សេវាឧបករណ៍វាយតម្លៃ/សុវត្ថិភាព។ ពួកគេទាំងអស់គ្នាអាចជា "ក្រុមហ៊ុន AI" ប៉ុន្តែពួកគេលក់របស់ផ្សេងៗគ្នាខ្លាំងណាស់៖ គំរូ ផលិតផលសម្រេច ឬហេដ្ឋារចនាសម្ព័ន្ធដែលធ្វើឱ្យ AI ផលិតកម្មអាចទុកចិត្តបាន និងអាចគ្រប់គ្រងបាន។.
តើក្រុមហ៊ុន AI ធម្មតាមើលទៅដូចអ្វីនៅក្រោមក្រណាត់?
ក្រុមហ៊ុន AI ជាច្រើនចែករំលែកជង់រដុបមួយ៖ ស្រទាប់ទិន្នន័យ (ការប្រមូល ការដាក់ស្លាក ការគ្រប់គ្រង រង្វិលជុំមតិប្រតិកម្ម) ស្រទាប់គំរូ (ការជ្រើសរើសគំរូមូលដ្ឋាន ការលៃតម្រូវល្អិតល្អន់ ការស្វែងរក RAG/វ៉ិចទ័រ ឈុតវាយតម្លៃ) ស្រទាប់ផលិតផល (UX សម្រាប់ភាពមិនប្រាកដប្រជា របាំងការពារ ការរួមបញ្ចូលលំហូរការងារ) និងស្រទាប់ប្រតិបត្តិការ (ការត្រួតពិនិត្យសម្រាប់ការរសាត់បាត់ ការឆ្លើយតបទៅនឹងឧប្បត្តិហេតុ ការគ្រប់គ្រងថ្លៃដើម ការធ្វើសវនកម្ម)។ ដំណើរការរបស់មនុស្ស - អ្នកពិនិត្យ ការកើនឡើង ការធានាគុណភាព - ជារឿយៗជាឆ្អឹងខ្នងដែលមិនគួរឱ្យចាប់អារម្មណ៍។.
តើម៉ែត្រអ្វីខ្លះដែលបង្ហាញថាក្រុមហ៊ុន AI កំពុងធ្វើ «ការងារពិតប្រាកដ» មិនមែនគ្រាន់តែជាការបង្ហាញប៉ុណ្ណោះ?
សញ្ញាខ្លាំងជាងនេះទៅទៀតគឺលទ្ធផលដែលអាចវាស់វែងបានដែលភ្ជាប់ទៅនឹងផលិតផល៖ ភាពត្រឹមត្រូវ ការសន្សំសំចៃពេលវេលា ការកាត់បន្ថយថ្លៃដើម កំហុសតិចជាងមុន ឬការបំលែងខ្ពស់ជាងមុន - រួមផ្សំជាមួយនឹងវិធីសាស្ត្រច្បាស់លាស់សម្រាប់វាយតម្លៃ និងតាមដានរង្វាស់ទាំងនោះ។ ក្រុមពិតប្រាកដបង្កើតស្តង់ដារ ករណីសាកល្បងគែម និងតាមដានការអនុវត្តបន្ទាប់ពីការដាក់ពង្រាយ។ ពួកគេក៏មានគម្រោងសម្រាប់ពេលដែលគំរូខុស មិនមែនគ្រាន់តែពេលដែលវាត្រឹមត្រូវនោះទេ ពីព្រោះការជឿទុកចិត្តអាស្រ័យលើការដោះស្រាយការបរាជ័យ។.
តើក្រុមហ៊ុន AI ជាទូទៅរកលុយដោយរបៀបណា ហើយតើអន្ទាក់កំណត់តម្លៃអ្វីខ្លះដែលអ្នកទិញគួរតាមដាន?
គំរូទូទៅរួមមានការកំណត់តម្លៃផ្អែកលើការប្រើប្រាស់ (ក្នុងមួយសំណើ/ថូខឹន/ភារកិច្ច) ការជាវផ្អែកលើកៅអី ការកំណត់តម្លៃផ្អែកលើលទ្ធផល (កម្រជាង) កិច្ចសន្យាសហគ្រាសជាមួយ SLA និងអាជ្ញាប័ណ្ណសម្រាប់ AI ដែលបានបង្កប់ ឬនៅលើឧបករណ៍។ ភាពតានតឹងសំខាន់មួយគឺភាពអាចទស្សន៍ទាយបាន៖ អតិថិជនចង់បានការចំណាយដែលមានស្ថេរភាព ខណៈពេលដែលថ្លៃដើម AI អាចប្រែប្រួលទៅតាមការប្រើប្រាស់ និងជម្រើសគំរូ។ អ្នកលក់ដ៏រឹងមាំគ្រប់គ្រងរឿងនេះជាមួយនឹងការបញ្ជូនបន្តទៅគំរូដែលមានតម្លៃថោកជាង ការដាក់ក្នុងឃ្លាំងសម្ងាត់ ការចាត់ថ្នាក់ជាបាច់ និងការគ្រប់គ្រងទំហំបរិបទ។.
តើអ្វីទៅដែលធ្វើឱ្យក្រុមហ៊ុន AI អាចការពារបាន ប្រសិនបើមនុស្សគ្រប់គ្នាអាចប្រើគំរូស្រដៀងគ្នាបាន?
ជារឿយៗ ស្នាមប្រេះមិនមែនគ្រាន់តែជា "គំរូល្អជាង" នោះទេ។ ការការពារអាចមកពីទិន្នន័យដែនកម្មសិទ្ធិ ការចែកចាយនៅក្នុងលំហូរការងារដែលអ្នកប្រើប្រាស់រស់នៅរួចហើយ ការផ្លាស់ប្តូរថ្លៃដើមពីការរួមបញ្ចូល និងទម្លាប់ ការជឿទុកចិត្តលើម៉ាកយីហោនៅក្នុងតំបន់ដែលមានហានិភ័យខ្ពស់ និងឧត្តមភាពប្រតិបត្តិការក្នុងការដឹកជញ្ជូន AI ដែលអាចទុកចិត្តបាន។ ប្រព័ន្ធដែលមនុស្សប្រើប្រាស់ក្នុងរង្វិលជុំក៏អាចមានប្រសិទ្ធភាពខ្ពស់ជាងស្វ័យប្រវត្តិកម្មសុទ្ធសាធផងដែរ។ ក្រុមពីរអាចប្រើគំរូដូចគ្នា និងទទួលបានលទ្ធផលខុសគ្នាខ្លាំងដោយផ្អែកលើអ្វីៗគ្រប់យ៉ាងនៅជុំវិញវា។.
តើខ្ញុំអាចសម្គាល់ការលាងសម្អាតដោយ AI យ៉ាងដូចម្តេចនៅពេលវាយតម្លៃអ្នកលក់ ឬក្រុមហ៊ុនចាប់ផ្តើមអាជីវកម្ម?
សូមប្រយ័ត្នចំពោះការអះអាងមិនច្បាស់លាស់ដែលគ្មានសមត្ថភាព AI ច្បាស់លាស់ “វេទមន្តបង្ហាញ” ដែលគ្មានករណីគែម និងអសមត្ថភាពក្នុងការពន្យល់ពីការវាយតម្លៃ ការគ្រប់គ្រងទិន្នន័យ ការត្រួតពិនិត្យ ឬរបៀបបរាជ័យ។ ការអះអាងដែលមានទំនុកចិត្តខ្លាំងពេកដូចជា “ស្ទើរតែល្អឥតខ្ចោះ” គឺជាសញ្ញាព្រមានមួយទៀត។ ទង់ពណ៌បៃតងរួមមានការវាស់វែងដែលមានតម្លាភាព ដែនកំណត់ច្បាស់លាស់ ផែនការត្រួតពិនិត្យសម្រាប់ការរសាត់បាត់ និងការពិនិត្យឡើងវិញរបស់មនុស្ស ឬផ្លូវបង្កើនប្រសិទ្ធភាពដែលបានកំណត់យ៉ាងល្អ។ ក្រុមហ៊ុនដែលអាចនិយាយថា “យើងមិនធ្វើបែបនោះទេ” ជារឿយៗគួរឱ្យទុកចិត្តជាងក្រុមហ៊ុនដែលសន្យាគ្រប់យ៉ាង។.
ឯកសារយោង
-
OECD - oecd.ai
-
អង្គការ OECD - oecd.org
-
វិទ្យាស្ថានជាតិស្តង់ដារ និងបច្ចេកវិទ្យា (NIST) - NIST AI RMF (AI 100-1) - nist.gov
-
សៀវភៅណែនាំសម្រាប់ក្របខ័ណ្ឌគ្រប់គ្រងហានិភ័យ AI របស់ NIST (AI RMF) - វិធានការ - nist.gov
-
Google Cloud - MLOps៖ បំពង់ចែកចាយបន្ត និងស្វ័យប្រវត្តិកម្មក្នុងការរៀនម៉ាស៊ីន - google.com
-
Google - មគ្គុទ្ទេសក៍សម្រាប់អ្នកអនុវត្តចំពោះ MLOps (ឯកសារស) - google.com
-
Google Cloud - តើ MLOps ជាអ្វី? - google.com
-
Datadog - ការអនុវត្តល្អបំផុតនៃក្របខ័ណ្ឌវាយតម្លៃ LLM - datadoghq.com
-
IBM - ការរសាត់នៃគំរូ - ibm.com
-
OpenAI - ហេតុអ្វីបានជាគំរូភាសាមានអារម្មណ៍ស្រមើស្រមៃ - openai.com
-
OpenAI - តម្លៃ API - openai.com
-
មជ្ឈមណ្ឌលជំនួយ OpenAI - តើថូខឹនជាអ្វី និងរបៀបរាប់វា - openai.com
-
Microsoft - តម្លៃ Microsoft 365 Copilot - microsoft.com
-
សាលាគ្រប់គ្រង MIT Sloan - ហេតុអ្វីបានជាដល់ពេលសម្រាប់បញ្ញាសិប្បនិម្មិតដែលផ្តោតលើទិន្នន័យ - mit.edu
-
NVIDIA - តើ Edge AI ជាអ្វី? - nvidia.com
-
IBM - Edge ទល់នឹង cloud AI - ibm.com
-
Uber - ការលើកកម្ពស់ស្តង់ដារសុវត្ថិភាពនៃការដាក់ពង្រាយគំរូ ML - uber.com
-
អង្គការអន្តរជាតិសម្រាប់ការធ្វើស្តង់ដារភាវូបនីយកម្ម (ISO) - ទិដ្ឋភាពទូទៅនៃ ISO/IEC 42001 - iso.org
-
arXiv - ការបង្កើតដែលបានបង្កើនការទាញយកសម្រាប់កិច្ចការ NLP ដែលពឹងផ្អែកលើចំណេះដឹង (Lewis et al., 2020) - arxiv.org
-
Oracle - ការស្វែងរកវ៉ិចទ័រ - oracle.com
-
ច្បាប់ស្តីពីបញ្ញាសិប្បនិម្មិត (EU) - ការត្រួតពិនិត្យពីមនុស្ស (មាត្រា 14) - artificialintelligenceact.eu
-
គណៈកម្មការអឺរ៉ុប - ក្របខ័ណ្ឌបទប្បញ្ញត្តិស្តីពី AI (ទិដ្ឋភាពទូទៅនៃច្បាប់ AI) - europa.eu
-
យូធូប - youtube.com
-
ហាងជំនួយការ AI - របៀបដែលការបង្កើនប្រសិទ្ធភាព AI ដំណើរការ - aiassistantstore.com
-
ហាងជំនួយការ AI - លេខកូដ AI មើលទៅដូចអ្វី - aiassistantstore.com
-
ហាងជំនួយការ AI - អ្វីទៅជាក្បួនដោះស្រាយ AI - aiassistantstore.com
-
ហាងជំនួយការ AI - តើការកែច្នៃជាមុនរបស់ AI ជាអ្វី - aiassistantstore.com