The Business Plus บิสิเนสพลัส
ในขณะที่องค์กรต่าง ๆ กำลังเร่งนำ AI มาประยุกต์ใช้ ความท้าทายสำคัญที่กำลังเกิดขึ้นเบื้องหลังคือปัญหาข้อมูลที่กระจัดกระจายและไม่เชื่อมต่อกัน
ปัจจุบัน ธุรกิจต้องดำเนินงานบนระบบที่หลากหลาย ทั้งระบบแบบดั้งเดิม แอปพลิเคชันบนคลาวด์ ระบบบริหารลูกค้าสัมพันธ์ (CRM) ระบบวางแผนทรัพยากรองค์กร (ERP) และแพลตฟอร์มวิเคราะห์ข้อมูล ซึ่งมักจะไม่สามารถเชื่อมต่อหรือสื่อสารกันได้อย่างมีประสิทธิภาพ ส่งผลให้เกิดสิ่งที่ Confluent เรียกว่า “Data Mess” หรือ “ความวุ่นวายของโครงสร้างข้อมูล” ซึ่งเกิดจากการเชื่อมต่อระบบที่กระจัดกระจายและตัดขาดจากกัน จนกลายเป็นอุปสรรคสำคัญต่อการระบุเจ้าของข้อมูล (Data Ownership) การติดตามเส้นทางข้อมูล (Data Lineage) และการรักษาคุณภาพข้อมูล
(คุณเคนนี่ ชิน ผู้อำนวยการภูมิภาคเอเชียตะวันออกเฉียงใต้ บริษัท คอนฟลูเอนท์)
คุณเคนนี่ ชิน ผู้อำนวยการภูมิภาคเอเชียตะวันออกเฉียงใต้ บริษัท คอนฟลูเอนท์ กล่าวว่า “องค์กรในปัจจุบันกำลังเผชิญกับสิ่งที่เราเรียกว่า ‘Data Mess’ จากการที่ระบบต่าง ๆ มีความกระจัดกระจายมากขึ้น ธุรกิจจึงจำเป็นต้องมีแนวทางที่มีประสิทธิภาพยิ่งกว่า เพื่อช่วยให้ข้อมูลสามารถค้นหาได้ง่าย มีความน่าเชื่อถือ ปลอดภัย และและพร้อมดึงไปใช้งานได้ทันทีในทุกทีม”
ที่ผ่านมา ข้อมูลขององค์กรส่วนใหญ่มักถูกจัดเก็บอยู่ในสองส่วนหลัก ได้แก่ ระบบปฏิบัติการ (Operational Systems) เช่น ระบบเรียกเก็บเงิน ระบบ CRM และฐานข้อมูลธุรกรรม ซึ่งทำหน้าที่สนับสนุนการดำเนินธุรกิจในแต่ละวัน และระบบวิเคราะห์ข้อมูล (Analytical Systems) เช่น Data Warehouse และ Dashboard ซึ่งใช้สำหรับการวิเคราะห์ข้อมูลและจัดทำรายงาน
อย่างไรก็ตาม ในปัจจุบันธุรกิจไม่สามารถแบกรับความล่าช้าระหว่างการการดำเนินงานและการตัดสินใจได้อีกต่อไป เมื่อองค์กรขับเคลื่อนเข้าสู่ระบบดิจิทัลและนำ AI มาใช้มากขึ้น ความสามารถในการเข้าถึงและจัดการกับข้อมูลแบบเรียลไทม์จึงกลายเป็นปัจจัยสำคัญมากยิ่งขึ้น
การเติบโตของธุรกิจแบบเรียลไทม์
นี่คือเหตุผลที่ Data Streaming Platform กำลังมีบทบาทสำคัญมากขึ้น
Data Streaming Platform คือแพลตฟอร์มที่สามารถรวบรวม ประมวลผล และส่งต่อข้อมูลระหว่างระบบและสภาพแวดล้อมคลาวด์ต่าง ๆ ได้อย่างต่อเนื่องแบบเรียลไทม์ ช่วยให้องค์กรสามารถดำเนินการกับข้อมูลได้ในขณะที่ข้อมูลยังคงมีความสดใหม่และมีคุณค่า แพลตฟอร์มจึงมักถูกเปรียบเป็น ระบบประสาทส่วนกลางขององค์กร ที่ช่วยให้ข้อมูลสามารถเคลื่อนย้ายได้อย่างไร้รอยต่อระหว่างแอปพลิเคชัน ทีมงาน และสภาพแวดล้อมต่าง ๆ ของระบบ
ตัวอย่างเช่น ในธุรกิจค้าปลีก ระบบสินค้าคงคลังจำเป็นต้องเชื่อมข้อมูลให้ตรงกัน ทั้งบนแอปพลิเคชันมือถือ เว็บไซต์ และหน้าร้าน เพื่อให้เห็นจำนวนสินค้าคงเหลือที่แม่นยำและเติมสต็อกได้เร็วขึ้น เมื่อลูกค้าสั่งซื้อสินค้า ระบบจะอัปเดตยอดสินค้าคงเหลือในทุกช่องทางทันที พร้อมแจ้งเตือนระบบจัดซื้อให้เตรียมเติมสินค้าในเวลาเดียวกัน
นอกจากจะช่วยเพิ่มประสิทธิภาพในการดำเนินงานแล้ว Data Streaming ยังช่วยให้องค์กรยกระดับการกำกับดูแลข้อมูลและการปฏิบัติตามข้อกำหนดได้ดียิ่งขึ้น โดยการควบคุมข้อมูลตั้งแต่ต้นทาง ซึ่งช่วยเพิ่มคุณภาพและความสม่ำเสมอของข้อมูลทั่วทั้งองค์กร
เมื่อธุรกิจเดินหน้าสู่ความทันสมัย ความสามารถในการเคลื่อนย้ายและประมวลผลข้อมูลแบบทันทีไม่ได้เป็นเพียงรากฐานของการเปลี่ยนผ่านสู่ยุคดิจิทัลเท่านั้น แต่ยังเป็นพื้นฐานสำคัญของการนำ AI มาใช้งานอีกด้วย
ทำไมความสำเร็จของ AI จึงต้องพึ่งพาข้อมูลแบบเรียลไทม์
ประเทศไทยกำลังพัฒนาอย่างต่อเนื่องในการก้าวสู่เศรษฐกิจดิจิทัลที่ทันสมัยและพร้อมรองรับ AI โดยองค์กรต่าง ๆ เริ่มหันมาศึกษาแอปพลิเคชันที่ขับเคลื่อนด้วย AI และ Intelligent Agents เพื่อทำงานอัตโนมัติและช่วยสนับสนุนการตัดสินใจมากขึ้น
อย่างไรก็ตาม ความสำเร็จของเทคโนโลยีเหล่านี้ขึ้นอยู่กับคุณภาพและการเข้าถึงข้อมูลขององค์กรเป็นสำคัญ แม้ที่ผ่านมาผู้คนจะให้ความสนใจกับโมเดลภาษาขนาดใหญ่ (LLMs) แต่หลายองค์กรกลับพบว่า มูลค่าทางธุรกิจที่แท้จริงมาจากการเชื่อมต่อระบบ AI เข้ากับข้อมูลการดำเนินงานจริงขององค์กรเอง
คุณเคนนี่ ชิน กล่าวเสริมว่า “องค์กรส่วนใหญ่ไม่ได้พัฒนาโมเดล AI ขึ้นมาจากศูนย์ แต่เน้นไปที่การสร้างแอปพลิเคชันและ AI Agents ที่นำโมเดลที่มีอยู่แล้วมาผสานเข้ากับข้อมูลทางธุรกิจของตนเอง ดังนั้น โจทย์สำคัญจึงอยู่ที่การทำให้ข้อมูลเหล่านั้นพร้อมใช้งานได้แบบเรียลไทม์ และมีความแม่นยำน่าเชื่อถือ”
หากปราศจากข้อมูลที่เป็นปัจจุบันและตรงตามบริบท ระบบ AI ก็มีความเสี่ยงที่จะประมวลผลลัพธ์ที่ไม่เป็นปัจจุบันหรือให้คำแนะนำที่ไม่ครบถ้วน Data Streaming Platform จึงเข้ามาช่วยแก้ปัญหานี้ด้วยการส่งข้อมูลธุรกิจที่เกี่ยวข้องไปยังแอปพลิเคชัน AI อย่างต่อเนื่องทันทีที่มีเหตุการณ์เกิดขึ้น ทำให้ระบบ AI ประมวลผลลัพธ์ได้อย่างแม่นยำ ทันเวลา และนำไปใช้งานจริงได้
แนวโน้มการให้ความสำคัญกับโครงสร้างพื้นฐานข้อมูลที่พร้อมรองรับ AI สะท้อนถึงการเปลี่ยนแปลงเชิงบวกในระบบนิเวศดิจิทัลของไทย เนื่องจากองค์กรต่าง ๆ เริ่มก้าวข้ามขั้นตอนการทดลอง และเดินหน้าสร้างแอปพลิเคชัน AI ที่ใช้งานได้จริงและสร้างมูลค่าทางธุรกิจที่วัดผลได้
การวางรากฐานเพื่ออนาคตดิจิทัลของประเทศไทย
เมื่อองค์กรยกระดับจากการทดลองใช้ AI ไปสู่การปรับใช้ในระบบจริง การเข้าถึงข้อมูลที่เชื่อมโยงถึงกันอย่างสมบูรณ์และแม่นยำน่าเชื่อถือ จึงกลายเป็นหัวใจสำคัญที่มองข้ามไม่ได้
เพื่อรองรับการยกระดับนี้ Confluent จึงเข้ามาช่วยองค์กรต่าง ๆ สามารถเชื่อมต่อข้อมูลธุรกิจเข้ากับแอปพลิเคชัน AI ได้โดยตรงแบบเรียลไทม์ ผ่านนวัตกรรมอย่าง Streaming Agents ที่ช่วยให้ข้อมูลธุรกิจที่ตรงตามบริบทบริบทไหลเข้าสู่ระบบ AI ได้อย่างลื่นไหลและไร้รอยต่อ
ขณะเดียวกัน Confluent ยังเดินหน้าลงทุนใน Partner Ecosystem ของไทย ด้วยการอัปสกิลพาร์ตเนอร์และเหล่า System Integrator ในเทคโนโลยีอย่าง Apache Flink เพื่อรองรับความต้องการด้านโครงสร้างพื้นฐานยุค AI ที่กำลังขยายตัวอย่างต่อเนื่อง
“นวัตกรรมทางเทคโนโลยีเพียงอย่างเดียวคงยังไม่เพียงพอ การสร้างศักยภาพและทักษะให้บุคลากรในประเทศก็มีความสำคัญไม่แพ้กันในการช่วยให้องค์กรไทยสามารถนำ AI และเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลไปปรับใช้ได้อย่างเต็มรูปแบบ” คุณเคนนี่ ชิน กล่าว
การสร้างการเติบโตทางดิจิทัลอย่างยั่งยืน
เมื่อการเปิดรับ AI เร่งตัวขึ้น ความได้เปรียบทางการแข่งขันจะขึ้นอยู่กับความสามารถขององค์กรในการส่งมอบข้อมูลที่น่าเชื่อถือแบบเรียลไทม์ไปยังระบบ AI มากขึ้นเรื่อย ๆ
เพื่อรองรับการเปลี่ยนแปลงสำคัญนี้ Confluent ยังคงเดินหน้าลงทุนอย่างต่อเนื่อง ทั่งในด้านนวัตกรรมเทคโนโลยีและการพัฒนาระบบนิเวศ รวมถึงโครงการริเริ่มลงทุนในพันธมิตรทั่วโลกมูลค่า 200 ล้านดอลลาร์สหรัฐที่ได้ประกาศไปก่อนหน้านี้
“องค์กรควรเปิดโอกาสให้เกิดการทดลองและเรียนรู้ได้อย่างรวดเร็ว” คุณเคนนี่ กล่าว “ขณะเดียวกัน องค์กรก็ต้องเร่งส่งเสริมความรู้และยกระดับทักษะที่จำเป็นให้แก่บุคลากร เพื่อให้ทุกคนสามารถใช้ประโยชน์จาก AI และเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลได้อย่างเต็มประสิทธิภาพ”
สำหรับประเทศไทย ความสามารถในการเปลี่ยนข้อมูลที่เคยกระจัดกระจายให้กลายเป็นสินทรัพย์เชิงกลยุทธ์แบบเรียลไทม์ อาจกลายเป็นจุดเปลี่ยนสำคัญ ในขณะที่องค์กรต่าง ๆ เดินหน้าบนเส้นทางการเปลี่ยนผ่านสู่ยุคดิจิทัลและการประยุกต์ใช้ AI ต่อไปในอนาคต
