จากโครงการ AI สู่ผลิตภัณฑ์ AI AIWin ใช้เวลาเดินทางมาห้าปี!
ด้วยประสบการณ์ที่สั่งสมจากการนำ AI ไปใช้ในองค์กร 30 แห่ง ทั้งโครงการเล็กและใหญ่ ในกว่า 10 สาขา AIWin จึงสร้างแพลตฟอร์ม Domain AI SaaS ขึ้น เพื่อช่วยให้องค์กรนำเทคโนโลยี AI ไปใช้ได้อย่างรวดเร็ว โดยคาดว่าจะประหยัดเวลาได้ราว 50% ขึ้นไป
AIWin ก่อตั้งขึ้นในปี 2016 เป็นผู้ให้บริการโซลูชันการรู้จำภาพด้วย AI สำหรับโรงงานอัจฉริยะ แพลตฟอร์ม Domain AI SaaS ช่วยลูกค้าทำงานต่าง ๆ ให้สำเร็จ ทั้งการทำความสะอาดข้อมูล การติดป้ายกำกับและจัดระเบียบข้อมูล การฝึกสอนและสร้างโมเดล AI และการผสานฮาร์ดแวร์และซอฟต์แวร์ พร้อมนำอัลกอริทึม AI ล่าสุดไปใช้งานจริงอย่างเป็นรูปธรรม
ห้าปีแห่งการลับคม AIWin หลอมประสบการณ์จากโครงการสู่ผลิตภัณฑ์ AI
Aaron Lin (林耿呈) CEO ของ AIWin กล่าวว่า บริษัทมีประสบการณ์การนำ AI ไปใช้งานจริงอย่างมากมาย โดยประสบความสำเร็จในการใช้งานจริงแล้ว ทั้งในอุตสาหกรรมลูกกอล์ฟ สิ่งทอ ปิโตรเคมี เซมิคอนดักเตอร์ และทรัพยากรน้ำ สั่งสมกรณีการใช้งานไว้เป็นจำนวนมาก
▲AIWin สั่งสมประสบการณ์โครงการ AI อย่างมากมาย และเปิดตัวแพลตฟอร์ม Domain AI SaaS ในภาพคือแผนผังสถาปัตยกรรมระบบของแพลตฟอร์ม
เขาวิเคราะห์ว่า การที่ภาคอุตสาหกรรมจะนำ AI ไปใช้งานจริงให้สำเร็จ ต้องเผชิญปัญหาหลักสามประการ ดังนี้
ปัญหาที่หนึ่ง ขาดแคลนบุคลากร: ตั้งแต่อุตสาหกรรมดั้งเดิมไปจนถึงอุตสาหกรรมเซมิคอนดักเตอร์ไฮเทค การหาบุคลากรที่ทำงานด้านเทคโนโลยี AI โดยตรง และเชี่ยวชาญความรู้เฉพาะสาขาไปพร้อมกันนั้นยากมาก โดยเฉพาะอุตสาหกรรมดั้งเดิมและวิสาหกิจขนาดกลางและขนาดย่อม แค่บุคลากร IT ก็หาได้ไม่ง่ายแล้ว ไม่ต้องพูดถึงบุคลากร AI แทนที่จะเสียเวลาหาบุคลากร AI ควรใช้แพลตฟอร์ม AI ที่มีอยู่แล้ว ซึ่งไม่ต้องเขียนโค้ด (No-Code) ช่วยให้ผู้เชี่ยวชาญเฉพาะสาขาที่มีอยู่เดิมใช้ AI และดูแล AI ได้ เช่นนี้จึงจะแก้ปัญหาการขาดแคลนบุคลากรด้านเทคโนโลยีในปัจจุบัน ได้อย่างถึงราก
ปัญหาที่สอง ประเมินผลของการใช้งานจริงได้ยาก: รายงานสถิติชี้ว่า อัตราความสำเร็จของการนำ AI ไปใช้งานจริงนั้นไม่สูง ในต่างประเทศ กรณีการใช้งาน AI จริงที่สร้างคุณค่าได้ก็มีเพียง 5% ส่วนอัตราความสำเร็จของการนำ AI ไปใช้งานจริง ที่ AIWin พิสูจน์ผ่านโครงการจริง ก็อยู่ที่ราว 5%~10%
Aaron Lin วิเคราะห์ว่า ความยากอยู่ที่ขั้นตอนการนำ AI ไปใช้ ซึ่งต้องเริ่มจากการนิยามปัญหา ทำความเข้าใจความรู้เฉพาะสาขาของอุตสาหกรรม นำโมเดล AI มาปรับใช้ แล้วจึงผสานเป็นโซลูชันที่บูรณาการอย่างเป็นระบบ จึงจะสร้างคุณค่าทางธุรกิจให้อุตสาหกรรมได้ ขั้นตอนต่อเนื่องเหล่านี้คือการบูรณาการข้ามสาขา การพิสูจน์ผลของการนำ AI ไปใช้งานจริงจึงยากมาก ต้องใช้เวลาและกำลังคนสั่งสมขึ้นมา จึงจะเกิดผล
ปัญหาที่สาม ต้นทุน ไม่ว่าจะเป็นบุคลากรและเวลาที่ใช้ในการนำไปใช้ หรือการผสานความรู้เฉพาะสาขาเข้ากับ AI ล้วนต้องใช้เวลา และเมื่อใช้เวลาไปแล้ว ก็อาจเกิดภาวะลงทุนอย่างไร้ทิศทาง ต้นทุนแฝงของการนำไปใช้ถูกบีบให้เพิ่มขึ้นเรื่อย ๆ หากบวกอุปกรณ์ฮาร์ดแวร์ AI เข้าไปอีก เมื่อค่าใช้จ่ายที่เกี่ยวข้องทับถมกัน ก็จะนำไปสู่ภาวะลำบาก ที่ประเมินความคุ้มค่าระหว่างต้นทุนกับผลประโยชน์ไม่ได้
เพื่อแก้ปัญหาของภาคอุตสาหกรรมในการนำ AI ไปใช้ AIWin นำประสบการณ์จากการช่วยองค์กรใช้เทคโนโลยี AI แก้ปัญหาในกระบวนการผลิตหรือสายการผลิต มาพัฒนาเป็นโมเดล AI ที่ผ่านการพิสูจน์แล้ว และสร้าง AI SaaS แบบมาตรฐาน เพื่อแก้ปัญหาร่วมภายในแต่ละสาขา ส่วนปัญหาเฉพาะขององค์กรหรือความต้องการแบบปรับแต่ง จะปรับจูนแบบปรับแต่งเล็กน้อยบนพื้นฐานของมาตรฐานนั้น ในปัจจุบัน ผลิตภัณฑ์ของ AIWin แบ่งเป็นสองบริการหลัก คือแพลตฟอร์ม AI SaaS สำหรับการตรวจสอบเชิงแสง และแพลตฟอร์ม AI SaaS สำหรับการจัดการน้ำอัจฉริยะ ทั้งสองเป็นแพลตฟอร์ม NO-Code ที่ใช้งานง่าย เฝ้าติดตามและดูแลได้สะดวก ช่วยให้องค์กรนำเทคโนโลยี AI ไปใช้ได้ด้วยต้นทุนต่ำและประสิทธิภาพสูง
▲องค์กรที่นำ Domain AI SaaS ไปใช้ ได้ผลลัพธ์ที่เป็นรูปธรรม เช่น ต้นทุนลดลงและประสิทธิภาพเพิ่มขึ้น
Aaron Lin กล่าวว่า จากประโยชน์ของ AI ที่ AIWin พิสูจน์แล้ว การใช้แพลตฟอร์ม Domain AI SaaS ในด้านการตรวจสอบเชิงแสง ช่วยยกระดับคุณภาพได้ตั้งแต่ 10% ไปจนถึง 10 เท่า และลดต้นทุนแรงงานได้ 10%-50% ส่วนด้านการจัดการน้ำอัจฉริยะ ได้ผลด้านการเพิ่มประสิทธิภาพการใช้พลังงาน 10%-20%
อุตสาหกรรมสิ่งทอนำแพลตฟอร์ม AI ไปใช้ ตรวจพบข้อบกพร่องเพิ่มขึ้น 10% ประหยัดกำลังคนได้ครึ่งหนึ่ง
ตัวอย่างเช่น การตรวจจับข้อบกพร่องในอุตสาหกรรมสิ่งทอ ที่ผ่านมาใช้คนตรวจทุกชิ้น ซึ่งโดยทั่วไปมีอัตราการตรวจพบอยู่ระหว่าง 80%-90% หลังนำเทคโนโลยีการตรวจสอบเชิงแสงด้วย AI มาใช้ อัตราการตรวจพบเพิ่มขึ้นเป็น 95% ขึ้นไป จากนั้นจึงใช้คนตรวจซ้ำหรือสุ่มตรวจ ไม่เพียงเพิ่มอัตราการตรวจพบข้อบกพร่องได้ถึง 10% แต่ยังประหยัดกำลังคนได้เกือบครึ่งหนึ่ง นับเป็นประโยชน์ที่น่าพอใจอย่างยิ่ง
อีกตัวอย่างหนึ่ง ที่ผ่านมา เมื่อโรงบำบัดน้ำเสียควบคุมการบำบัดน้ำเสีย จะดูผลการเก็บตัวอย่างคุณภาพน้ำก่อน แล้วให้ช่างอาวุโสหรือช่างเทคนิคผู้เชี่ยวชาญ ปรับการทำงานของอุปกรณ์ด้วยมือ ตามสภาพที่เปลี่ยนไป จึงเฝ้าติดตามตลอดเวลาไม่ได้ และมักทำให้สิ้นเปลืองพลังงาน เมื่อเพิ่ม AI เข้าไป โมเดล AI จะอนุมานจากผลการเฝ้าติดตามว่า ต้องใช้กำลังขับของมอเตอร์หรืออุปกรณ์มากน้อยเพียงใด จึงควบคุมคุณภาพน้ำให้อยู่ในช่วงมาตรฐานที่กำหนดได้ คาดว่าจะลดการสิ้นเปลืองพลังงานได้ 20% ขึ้นไป ทั้งโรงบำบัดน้ำเสียชุมชนและบริษัทประปา ล้วนต้องการแพลตฟอร์มการจัดการน้ำอัจฉริยะ มาช่วยเฝ้าติดตามสภาพการบำบัดน้ำเสีย
"ไม่ว่าจะเป็นการนำเทคโนโลยี AI อย่างแมชชีนเลิร์นนิง ดีปเลิร์นนิง หรือโครงข่ายประสาทเทียมแบบปรับตัวเชิงพลวัต และอัลกอริทึมควบคุมเชิงพลวัตมาใช้ ล้วนต้องอาศัยเงื่อนไขทั้งเชิงอัตวิสัยและภววิสัยที่สอดรับกัน หากไม่ยอมเปลี่ยนกระบวนการผลิต และพึ่งพา AI ทั้งหมด ก็ยังจะจบลงด้วยความล้มเหลว" Aaron Lin กล่าวอย่างตรงไปตรงมาว่า AI ไม่ใช่ยาวิเศษ และอาจกลายเป็น "กระจกส่องความจริง" ที่ทำให้สิ่งที่คนเคยมองข้ามปรากฏออกมาทีละอย่าง ดังนั้น กระบวนการสื่อสารและปรับจูนกับลูกค้า เพื่อกำหนดให้ชัดเจนว่า ต้องการปรับปรุงปัญหาใด และจะพิสูจน์ผลประโยชน์อย่างไร จึงมีความสำคัญอย่างยิ่ง
ยืนหยัดมั่นคงในไต้หวัน มองไกลสู่ตลาดเอเชียตะวันออกเฉียงใต้ ตั้งเป้า IPO ภายใน 5 ปี
Aaron Lin ยังชี้ว่า เทคโนโลยี AI ต้องพัฒนาอย่างไม่หยุดนิ่ง เป้าหมายที่กำลังมุ่งมั่นในปัจจุบัน คือพยายามให้ AI เรียนรู้ได้ดีโดยไม่ต้องใช้ข้อมูลมากเกินไป นอกจากนี้ ก็ไม่ควรพึ่งพา AI มากเกินไป เขากล่าวว่า AI เป็นดาบสองคม หากพึ่งพามากเกินไปก็ต้องอาศัยข้อมูลมหาศาล แต่การเก็บรวบรวมและทำความสะอาดข้อมูลจำนวนมากนั้นใช้เวลามาก การใช้อัลกอริทึมแบบดั้งเดิมร่วมกับเทคโนโลยี AI จึงเป็นวิธีที่ดีที่สุดในปัจจุบัน ในระหว่างที่เทคโนโลยี AI ยังไม่สมบูรณ์ ก็ใช้อัลกอริทึมแบบดั้งเดิมกับเทคโนโลยี AI ที่มีอยู่ แก้ปัญหาของลูกค้าไปก่อน เมื่อสาขาที่ใกล้เคียงปัญญาประดิษฐ์แบบเข้ม เช่น การเรียนรู้อัตโนมัติของ AI ความสัมพันธ์เชิงเหตุและผล และ Mata data learning มีความก้าวหน้าครั้งสำคัญแล้ว ก็จะช่วยนำมาซึ่งโซลูชันที่มีคุณค่าทางธุรกิจยิ่งขึ้น
นอกจากส่งเสริมการประยุกต์ใช้ ในอุตสาหกรรมของไต้หวันอย่างต่อเนื่องแล้ว AIWin ยังมีแผนขยายแพลตฟอร์ม Domain AI SaaS ไปยังประเทศในเอเชียตะวันออกเฉียงใต้และประเทศอื่น ๆ ในปี 2022 ช่วงนี้ AIWin กำลังเดินหน้าระดมทุนรอบ A อย่างจริงจัง เพื่อต่อยอดจากความสำเร็จที่มีอยู่ ขยายทั้งความลึกและความกว้างของ Domain AI SaaS อย่างต่อเนื่อง ในระยะกลางจะระดมทุนรอบ A+ หรือรอบ B ด้วย และหวังว่าในอีกราว 5 ปีข้างหน้า จะบรรลุเป้าหมายการนำหุ้นเข้าจดทะเบียนในตลาดหลักทรัพย์ (IPO)
▲ทีมงาน AIWin
▲Aaron Lin (林耿呈) ผู้ก่อตั้งและ CEO ของ AIWin
ที่มาของบทความ: https://aihub.org.tw/ai_case/ef6fbbe259b4012145c58d34341b6f31