โลกของการพัฒนาเทคโนโลยีนั้นเต็มไปด้วยความซับซ้อนวุ่นวาย และ AI ดูเหมือนจะเป็นส่วนที่ซับซ้อนมากที่สุด ซึ่ง Gartner คาดการณ์ไว้ว่าภายในปี 2026 องค์กรที่พัฒนา AI ที่มุ่งเน้นเรื่องความน่าเชื่อถือ กว่า 75% จะประสบความสำเร็จ ขณะที่อีก 40% จะล้มเหลว ใครที่ตามข่าว AI ในปี 2022 คงพอจะรู้ว่าอัตราความล้มเหลวของโปรเจค AI นั้นมีเปอร์เซ็นสูงขนาดไหน อ้างอิงจากแหล่งข่าวและการวิเคราะห์ โปรเจค AI มีอัตราความล้มเหลวสูงถึง 60-80% เลยทีเดียว

แค่เปอร์เซ็นดังกล่าวก็ดูน่าเป็นห่วงแล้ว ยิ่งถ้าเอามาวางเทียบกับอัตราความล้มเหลวของโปรเจคไอทีในวงกว้างนั้นยิ่งเพิ่มความเจ็บปวดเข้าไปอีกเพราะ 2 ใน 3 โปรเจคเทคโนโลยีขนาดใหญ่ ไม่สามารถส่งมอบได้ทันเวลา เกินงบประมาณ หรือไม่ตรงตามความคาดหวังของผู้ใช้ เพราะอะไรเปอร์เซ็นต์ความล้มเหลวของโปรเจค AI ถึงได้สูงได้ขนาดนี้? แล้วทำไมมันถึงแตกต่างกับเปอร์เซ็นของ IT landscape อะไรคือสาเหตุของหายนะแห่งความล้มเหลวนี้กันแน่?

ก่อนหน้านี้เราได้พูดถึงปรัชญาทางธุรกิจของบริษัทที่ประสบความสำเร็จเพื่อชี้ให้เห็นถึงประโยชน์ของการใช้งาน AI ซึ่งแน่นอนว่าต้องมีประโยชน์อยู่แล้ว แต่การนำพัธกิจไปใช้กับองค์กรทั่วไปนั้นเป็นเรื่องที่ท้าทาย ในบทความนี้เราจะนำเสนอ API-led และ มุมมองทางเทคนิคอื่น ๆ สำหรับการใช้งาน AI เช่น วิธีใช้ API-led ระบุตัว AI เพื่อช่วยลดอัตราความล้มเหลวของโปรเจคเหล่านี้

ทำไมต้องใช้กลยุทธ์ Integration สำหรับ AI?

ก่อนที่จะเข้าเรื่อง AI และ API-led ไปลึกกว่านี้ หากยังไม่คุ้นเคยกับวิธีการใช้งาน API-led ขอแนะนำให้ศึกษาเกี่ยวกับ API-led Connectivity ก่อน

Integration และ AI มีอะไรเหมือนกันบ้าง? ก่อนอื่นคงต้องบอกว่าการใช้งาน AI นั้นเป็นปัญหาของ integration และที่อัตราความล้มเหลวสูงก็เป็นเพราะความล้มเหลวของ integration รอบตัว AI นั่นเอง ดังนั้นจึงจำเป็นต้องมีสถาปัตยกรรม integration ที่มีคุณภาพจึงจะทำให้โปรเจค AI ประสบผลสำเร็จได้

เปรียบ AI และ Integration เป็นเหมือนท่อประปา หน้าที่หลักของ Integration คือ คอยดูแลการไหลเวียนของข้อมูล ขณะที่ AI ต้องพึ่งพาข้อมูลเหล่านั้นเพื่อนำมาประมวลผลเป็นข้อมูลเชิงลึกให้แก่องค์กร AI ทำหน้าที่เพิ่มข้อมูลให้แก่องค์กร แต่หากไม่มีวิธีการลำเลียงข้อมูลที่ดีจาก AI หนึ่งไปยังอีก AI หนึ่งแล้ว การใช้งาน AI ก็ไม่อาจเกิดขึ้นได้ สถาปัตยกรรม Integration สามารถคาดการณ์ได้ว่าโปรเจค AI นั้นจะประสบความสำเร็จหรือล้มเหลวได้

AI ยังคงเจออุปสรรค ต้องมาแก้ปัญหาที่ถูกแก้ไปแล้วใน Integration Space อีกด้วย ซึ่งปัญหาคือสถาปัตกรรมรูปแบบ Monolithic นี้มีข้อมูลเป็นกลุ่มก้อนขนาดใหญ่ ทั้งที่โดยปกติแล้ว AI ถูกออกแบบมาเพื่อแก้ปัญหาเพียงอย่างเดียว เป็นผลให้ระบบต้องใช้การเชื่อมต่อมากมายเพียงเพื่อการใช้งานเพียงครั้งเดียวเท่านั้น

ภายใน Integration Space สิ่งนี้ทำให้เกิดปัญหาในการประมวลผล และชะลอเวลาในการพัฒนา เช่นเดียวกันกับระบบ AI โมเดล Monolithic นั้นใช้เวลาในการพัฒนามากเกินไป และไม่สามารถนำกลับมาใช้งานซ้ำได้ในโปรเจคอื่นในอนาคต อีกทั้งยังขาดประสิทธิภาพในการคำนวนปริมาณข้อมูล

API-led AI คืออะไร?

API-led Artificial Intelligence คือวิธีการมอง AI อย่างง่าย ๆ ตามมาตรฐานทั่วไป เป้าหมาย คือ การสร้างบล็อกเล็ก ๆ ที่ใช้ซ้ำได้ขึ้น เพื่อมาปรับใช้ทั่วองค์กร สำหรับผู้อ่านที่มีความรู้เกี่ยวกับ AI อยู่แล้ว นี่อาจฟังดูเป็นไปไม่ได้ หรือเป็นคำแนะนำไม่เข้าท่า คุณจะแตกโมเดล AI ออกเป็นชิ้นเล็กๆได้อย่างไร? โมเดลบางตัวอาจจะแตกออกไม่ได้ก็จริง แต่มีบางระบบสามารถทำได้

มาดูตัวอย่างจากระบบแนะนำร้านอาหารฟาสต์ฟู้ดของกัน สมมุติว่าคุณต้องการแนะนำเมนูให้แก่ลูกค้าขณะที่เขากำลังสั่งอาหาร และคุณต้องการปรับใช้ข้อมูลนี้กับระบบไดร์ฟทรู ระบบการทานที่ร้าน และการสั่งผ่านมือถือ วิธีการแบบเก่า คือ สร้างระบบขึ้นมาสามระบบเพื่อใช้แยกกันในแต่ละครั้ง ทีมสร้างระบบไดร์ฟทรูจะต้องทำการทดสอบและปรับใช้ระบบ เมื่อเสร็จแล้วก็เริ่มทำแบบเดิมอีกครั้งให้กับระบบอื่นๆ วนไป ข้อมูลลูกค้าที่รับมาจากระบบไดร์ฟทรูอาจมีบ้างที่ซ้ำกัน แต่บางข้อมูลในระบบไดร์ฟทรูก็ไม่ใช่จะมีอยู่ในระบบทานที่ร้านหรือสั่งผ่านมือถือทั้งหมด

แล้ว API-led หน้าตาเป็นแบบไหน? ขั้นแรกจะดูข้อมูลฟีเจอร์ที่ข้องเกี่ยวกันกับทั้งสามระบบ เช่น ข้อเสนอตอนนี้ ช่วงเวลาระหว่างวัน และตำแหน่งของร้านอาหาร ด้วยข้อมูลดังกล่าว เราจะสร้าง AI ที่สามารถแก้ปัญหาทั้ง 3 ระบบได้ในเวลาเดียวกัน แม้ว่ามันจะทำงานด้วยตัวเองไม่ได้ แต่เราสามารถเพิ่มผลลัพท์จากระบบนี้ในทุกๆ ครั้งที่ใช้งานด้วยโมเดลเพิ่มเติมที่มีขนาดเล็กลงกว่าเดิม โมเดลดังกล่าวสามารถนำมาใช้ซ้ำกับอีกสองระบบที่เหลือโดยไม่จำเป็นต้องปรับแต่งใด ๆ เลย ช่วยย่นระยะเวลาลงสู่ตลาดได้มากสำหรับการตั้งค่าระบบอื่น ๆ ที่มีความเกี่ยวข้องกันต่อไป

สร้างองค์กรอัจฉริยะด้วยวิธีที่ดีกว่า

API-led AI ทำให้เก็บเกี่ยวประโยชน์จากการใช้งาน API-led for AI ได้อย่างเต็มที่ API-led จะช่วยสร้างรากฐานอนาคตที่สำคัญต่อการเร่งพัฒนาระบบผ่านการใช้งานซ้ำและ abstraction ซึ่งพิสูจน์แล้วว่า API-led เป็นทางออกที่เปี่ยมประสิทธิภาพต่อปัญหาของปัญญาประดิษฐ์

ศึกษาข้อมูลเพิ่มเติมเกี่ยวกับประโยชน์ของ API-led ได้จากแคตตาล็อกของ MuleSoft เกี่ยวกับกรณีศึกษาของ Integration หรือ ติดต่อเรา