มาดูกันว่า AI สามารถนำไปประยุกต์ใช้ในด้านต่างๆ อย่างไรได้บ้าง

Machine Learning (ML) และ Deep Learning (DL) ได้ถูกนำมาช่วยปรับปรุงประสิทธิภาพการทำงานในด้านต่างๆ เช่น การแก้ไขปัญหาที่เกี่ยวข้องกับการคัดแยกรูปภาพ การตรวจจับวัตถุ การวิเคราะห์การถดถอย การประมวลผลภาษาของมนุษย์ การรวมโมเดลการเรียนรู้ที่หลากหลาย และอื่นๆ เทคนิคเหล่านี้ใช้การทำงานร่วมกันกับชุดข้อมูลที่หลากหลายเข้าด้วยกัน เช่น ข้อความ ข้อมูลล็อก ชุดเวลา รูปภาพ เสียง ฯลฯ

กรณีการใช้งาน AI ในธุรกิจค้าปลีก

การใช้งาน AI ในภาคธุรกิจค้าปลีกมุ่งเน้นการแก้ไขปัญหาเรื่องการปรับปรุงประสิทธิภาพในซัพพลายเชน ระดับสินค้าคงคลัง ราคา รวมไปถึงการปรับปรุงประสบการณ์สำหรับลูกค้า

กรณีการใช้งาน AI ที่พบเห็นอย่างแพร่หลายในธุรกิจค้าปลีกมีดังนี้

  • การจัดการซัพพลายเชนและสินค้าคงคลัง: ลำพังเพียงแค่ในทวีปอเมริกาเหนือ ภาวะขาดทุนจากการจัดเก็บสต็อกที่มากเกินไปมีมูลค่าสูงถึง 123.4 พันล้านดอลลาร์/ปี ขณะที่ความสูญเสียจากปัญหาสินค้าหมดสต็อกมีมูลค่าถึง 129.5 พันล้านดอลลาร์/ปี  นี่คือจุดที่หลายๆ บริษัทให้ความสนใจเป็นพิเศษ โดยเฉพาะอย่างยิ่งบริษัทที่มีร้านค้าสาขาจำนวนมากและมีศูนย์จัดส่งสินค้าในภูมิภาคต่างๆ  ทุกวันนี้ร้านค้าปลีกใช้เทคโนโลยี AI เพื่อทำนายเกี่ยวกับความต้องการสินค้า ทำความเข้าใจเกี่ยวกับพฤติกรรมการซื้อ จัดการสินค้าคงคลัง และลดความสูญเสียที่เป็นผลมาจากปัญหาสินค้าค้างสต็อกและปัญหาสินค้าหมดสต็อก โดยเทคโนโลยีดังกล่าวทำหน้าที่วิเคราะห์ช่องว่างในการดำเนินงาน เพื่อคาดการณ์ล่วงหน้าและเติมสต็อกสินค้าในระดับที่เหมาะสมสำหรับแต่ละร้าน รวมไปถึงการจัดวางสินค้าในลักษณะที่เหมาะสม และการจัดกลุ่มสินค้าโปรโมชั่นที่เกี่ยวข้องกัน
    • ตัวอย่าง: Blue Yonder ผู้นำด้านการจัดหาโซลูชั่น AI สำหรับธุรกิจค้าปลีก ใช้ AI เพื่อลดความสูญเสียจากกรณีสินค้าค้างสต็อกและสินค้าหมดสต็อก
  • การปรับปรุงการกำหนดราคา: เนื่องจากธุรกิจนี้มีส่วนต่างกำไรที่น้อยมาก ดังนั้นการปรับปรุงในเรื่องราคาจึงช่วยเพิ่มรายได้และผลกำไรให้กับองค์กร โดยหมายรวมถึงแต่ไม่จำกัดเฉพาะ (1) การระบุปัจจัยต่างๆ ที่ส่งผลกระทบต่อราคา เช่น สภาพอากาศ สภาพตลาด และดัชนีต่างๆ ภายในร้านค้า (2) การกำหนดระดับราคาที่เหมาะสมสำหรับผลิตภัณฑ์ใหม่ และตอบสนองต่อการกำหนดราคาของคู่แข่งโดยอัตโนมัติ
    • ตัวอย่าง: Einstein Discovery ของ Salesforce เป็นเครื่องมือที่ขับเคลื่อนด้วย AI สำหรับการปรับปรุงการกำหนดราคา และ Wise Athena ใช้ ML เพื่อคาดการณ์ราคาสินค้า/ความต้องการ และวิเคราะห์ว่าราคาอาจส่งผลกระทบอย่างไรบ้างต่อการแย่งส่วนแบ่งตลาดของสินค้า
  • การค้าปลีกเชิงประสบการณ์และการสื่อสาร: การใช้ AI เพื่อนำเสนอประสบการณ์การช้อปปิ้งที่ดีกว่า โดยค้นหาวิธีการใหม่ๆ ในการดึงดูดลูกค้า และให้คำแนะนำโดยอัตโนมัติโดยใช้เอนจิ้นการแนะนำแบบเฉพาะบุคคล  ร้านค้าที่ไม่มีเคาน์เตอร์ชำระเงินถูกขับเคลื่อนด้วยเทคโนโลยีคอมพิวเตอร์วิทัศน์ (Computer Vision)/การจดจำใบหน้า และ AI  หุ่นยนต์ที่รองรับการสนทนาจะสร้างแผนที่ดิจิตอลและให้บริการภายในอาคารตามสถานที่ที่เกี่ยวข้อง ขณะที่แชทบอทจะช่วยปรับปรุงการให้บริการแก่ลูกค้า และการช้อปปิ้งโดยใช้ระบบสั่งงานด้วยเสียงจะช่วยเพิ่มความสะดวกในการจับจ่ายใช้สอยอย่างเหนือชั้น
    • ตัวอย่าง: Amazon-Go เป็นร้านค้าแบบไม่มีเคาน์เตอร์ชำระเงิน ซึ่งขับเคลื่อนด้วย AI และการใช้ Alexa ในการเลือกซื้อสินค้าก็ได้รับความนิยมแพร่หลายมากขึ้น  FashionAI เป็นระบบให้คำแนะนำแบบ mix-and-match ที่เหมาะกับลูกค้าแต่ละราย ให้บริการโดย Alibaba  ส่วน Ask-eBay ช่วยเพิ่มความสะดวกในการค้นหาแคตตาล็อกสินค้ากว่า 60 ล้านรายการ รวมถึงการซื้อสินค้าโดยใช้ Google Home

กรณีการใช้งาน AI ในธุรกิจการเงิน

บริษัทที่ปรับใช้เทคโนโลยี AI ในภาคการเงิน ควบคู่ไปกับการดำเนินกลยุทธ์เชิงรุก มีส่วนต่างกำไรในธุรกิจสูงขึ้นอย่างมาก  ทั้งนี้ AI ได้รับการใช้งานในหลากหลายรูปแบบสำหรับบริการด้านธนาคาร ประกันภัย และการลงทุน  ระบบต่างๆ ใช้เทคโนโลยี AI กับแหล่งข้อมูลที่ไม่มีโครงสร้าง เพื่อค้นหาตัวบ่งชี้ที่สำคัญเกี่ยวกับการลงทุนและความเสี่ยงภายในเวลาที่รวดเร็วกว่าวิธีการแบบเดิมๆ

กรณีการใช้งาน AI ที่พบเห็นอย่างแพร่หลายในธุรกิจการเงินมีดังนี้

  • การตรวจจับการฉ้อโกง: ระบบ AI ใช้การเรียนรู้ตามกฎเกณฑ์และเทคนิคต่างๆ เพื่อแยกแยะ ตีความ ค้นหา และเชื่อมโยงข้อมูลเชิงลึกที่เกี่ยวข้อง เพื่อรองรับการระบุธุรกรรมที่บ่งชี้ถึงแบบแผนของกิจกรรมที่เป็นการฉ้อโกง  มีบริษัทเพียงไม่กี่แห่งที่ใช้ AI เพื่อช่วยให้ธนาคารต่างๆ ทั่วโลกสามารถตรวจสอบข้อมูลที่เก็บไว้ในบันทึกข้อมูลลูกค้า โดยเป็นส่วนหนึ่งของความพยายามในการทำความเข้าใจเกี่ยวกับลูกค้า
    • ตัวอย่าง: Trifacta และ NiceActimize เป็นสองบริษัทที่ใช้ AI เพื่อตรวจจับการฉ้อโกง ขณะที่ Onfido นำเสนอโซลูชั่นการตรวจสอบตัวตนด้วยการตรวจสอบเอกสารที่ยืนยันตัวตนของบุคคล และเปรียบเทียบกับข้อมูลไบโอเมตริกในส่วนของใบหน้า และอ้างอิงกับฐานข้อมูลเครดิตระหว่างประเทศและรายชื่อบุคคลที่ต้องเฝ้าระวัง  ส่วน ZAML เป็นแพลตฟอร์ม ML ที่พัฒนาโดย ZestFinance ใช้สำหรับให้คะแนนลูกค้าที่มีประวัติเครดิตตามข้อจำกัด
  • ระบบให้คำแนะนำ: กรณีการใช้งานทั่วไปที่เกี่ยวข้องกับบริการด้านการเงิน การประกันภัย และการลงทุน  ระบบดังกล่าวใช้เทคโนโลยี AI ในการเรียนรู้ และนำเสนอคำแนะนำการลงทุนที่เหมาะกับแต่ละบุคคล โดยอ้างอิงเป้าหมายการลงทุนของบุคคลนั้น รวมไปถึงระดับความเสี่ยงที่ยอมรับได้ และสภาพตลาด  โมเดล AI จะถูกฝึกฝนเพื่อช่วยให้ลูกค้าได้รับผลิตภัณฑ์ด้านประกันภัยในระดับที่ถูกต้อง และในทำนองเดียวกัน เทคโนโลยีดังกล่าวจะถูกใช้ในการประมวลผลและกลั่นกรองข้อมูลเชิงลึกจากคำขอกู้ยืม/การจดจำนองและข้อมูลที่เกี่ยวข้อง
    • ตัวอย่าง: Next Best Action จาก Morgan Stanley เป็นแพลตฟอร์ม ML สำหรับที่ปรึกษาที่ต้องการให้คำแนะนำเกี่ยวกับการซื้อ-ขายหลักทรัพย์ และทำงานประจำโดยอัตโนมัติ  ระบบ COIN (Contract Intelligence) ที่ใช้งานโดย JPMC ทำหน้าที่วิเคราะห์เอกสารด้านกฎหมาย และดึงเอาประเด็นข้อมูลและข้อกำหนดที่สำคัญออกมา  ส่วนระบบ AIERA (Artificial Intelligence Equity Research Analyst) จาก Wells Fargo ทำหน้าที่ตรวจสอบติดตามหุ้นและแสดงความเห็นในกรณีที่หุ้นมีราคาปรับขึ้นหรือลดลง
  • บอทสำหรับงานบริการลูกค้า: วิธีการเรียนรู้ที่ใช้ในการตีความและตอบสนองความต้องการและปัญหาของลูกค้าโดยอัตโนมัติ ช่วยเพิ่มประสิทธิภาพและประหยัดค่าใช้จ่ายในธุรกิจธนาคาร ประกันภัย และหลักทรัพย์  โมเดลต่างๆ จะได้รับการฝึกฝนด้วยชุดข้อมูลที่เป็นข้อความ โดยใช้วิธีการประมวลผลภาษาของมนุษย์ (Natural Language Processing – NLP) และโดยทั่วไปแล้วก็มักจะส่งให้เป็นหน้าที่ของสมาร์ทโฟนสำหรับการคาดคะแนชุดข้อความส่วนนี้ให้
    • ตัวอย่าง: Erica จาก Bank of America เป็นแชทบอทที่ขับเคลื่อนด้วย AI ขณะที่ Wells Fargo ใช้แนวทางที่คล้ายคลึงกัน

กรณีการใช้งาน AI ในด้านกลาโหม/ภาครัฐ

กล่าวอย่างกว้างๆ ก็คือ AI ถูกใช้งานในสองด้านด้วยกัน ได้แก่ การประหยัดค่าใช้จ่ายโดยอาศัยระบบงานอัตโนมัติในหน่วยงานภาครัฐ และการใช้งานในกองทัพ

กรณีการใช้งาน AI ที่พบเห็นอย่างแพร่หลายในภาครัฐมีดังนี้

  • การปรับปรุงประสิทธิภาพและการประหยัดค่าใช้จ่าย: เทคโนโลยีด้านการรู้คิดจะเปลี่ยนแปลงลักษณะของงานต่างๆ ในภาครัฐ โดยปัญหาที่พบเห็นได้ทั่วไปคือ ทรัพยากรที่จำกัด ความจำเป็นในการวิเคราะห์ข้อมูลจำนวนมากเพื่อใช้ในการตัดสินใจ และงานเอกสารมากมายที่บั่นทอนประสิทธิภาพการทำงาน  แอพพลิเคชั่นที่ใช้ AI ช่วยลดความสิ้นเปลือง ลดค่าใช้จ่าย แก้ไขปัญหาข้อจำกัดเกี่ยวกับทรัพยากรโดยอาศัยระบบงานอัตโนมัติ ซึ่งช่วยเพิ่มความถูกต้องแม่นยำในการทำงานได้อีกทางหนึ่ง  ข้อมูลวิจัยของ Deloitte ชี้ว่าการใช้งาน AI ในภาครัฐจะช่วยลดค่าใช้จ่ายด้านแรงงานได้มากถึง 41.1 พันล้านดอลลาร์ในช่วง 5-7 ปี ถ้าหากมีการลงทุนใน AI ในระดับที่สูง
  • กลาโหมAI และหุ่นยนต์ในตลาดการป้องกันประเทศทั่วโลกมีมูลค่าสูงถึง 39.22 พันล้านดอลลาร์ในปี 2561 และคาดว่าจะเพิ่มเป็น 61 พันล้านดอลลาร์ภายในปี 2570  เทคโนโลยีหุ่นยนต์, NLP, คอมพิวเตอร์วิทัศน์, การรู้จำเสียงพูด เป็นเทคโนโลยีที่จะมีการใช้งานมากที่สุด  ปัจจุบัน โดรนที่ขับเคลื่อนด้วย AI ถูกใช้ในงานด้านข่าวกรอง ขณะที่หุ่นยนต์ที่ขับเคลื่อนด้วย ML ถูกใช้ในงานค้นหาและกู้ภัย และมีการใช้ DL เพื่อสร้างการรับรู้ตามสถานการณ์สำหรับหุ่นยนต์และโดรน  นอกจากนี้ เนื่องจากหน่วยงานของกองทัพมีการปรับเปลี่ยนสู่ดิจิตอลเพิ่มมากขึ้น จึงจำเป็นที่จะต้องได้รับการรักษาความปลอดภัยอย่างเข้มงวด และเตรียมรับมือกับมัลแวร์และการโจมตีในรูปแบบฟิชชิ่งต่อดาต้าเซ็นเตอร์ และเทคโนโลยี AI ถูกใช้ประโยชน์เพิ่มมากขึ้นเพื่อรองรับงานสำคัญๆ เหล่านี้