ពីការយល់ច្រលំទៅភ្នាក់ងារបញ្ឆោតទាំងឡាយ មានហានិភ័យច្បាស់លាស់ក្នុងការប្រើប្រាស់ AI ។
ហើយក្រុមហ៊ុនភាគច្រើនមិនអាចមានលទ្ធភាពអង្គុយចេញពីបដិវត្តន៍ AI ទេ។ ការដោះស្រាយជាមួយនឹងការពិតដ៏ឆ្ងាញ់នេះតំណាងឱ្យបញ្ហាប្រឈមជាមូលដ្ឋានសម្រាប់អ្នកដឹកនាំអាជីវកម្មនាពេលបច្ចុប្បន្ន ហើយនាយកប្រតិបត្តិមកពីក្រុមហ៊ុនឈានមុខជាច្រើនបានមករួមគ្នាដើម្បីចែករំលែកការយល់ដឹង និងបទពិសោធន៍របស់ពួកគេនៅក្រុមហ៊ុន Fortune Brainstorm Tech នៅ Apsen រដ្ឋ Colorado ។
នៅផ្នែកខាងលើនៃបញ្ជីអាទិភាពគឺការទទួលខុសត្រូវ។ នេះមានន័យថាអាចតាមដាន ហើយប្រសិនបើចាំបាច់ តាមដានជំហានទាំងអស់ដែលប្រព័ន្ធ AI ឬភ្នាក់ងារ AI បានអនុវត្តដើម្បីបំពេញកិច្ចការជាក់លាក់មួយ។
លោក Edwin Olson ស្ថាបនិក និងជានាយកប្រតិបត្តិនៃក្រុមហ៊ុនបច្ចេកវិទ្យាបើកបរស្វយ័ត May Mobility បាននិយាយថា “សំណួរសំខាន់មួយដែលយើងយកចិត្តទុកដាក់គឺរបៀបបង្កើតប្រព័ន្ធដែលដំណើរការឱ្យបានញឹកញាប់តាមដែលអាចធ្វើទៅបាន” ។ “ប៉ុន្តែអ្វីដែលសំខាន់ផងដែរនោះគឺថាកំហុសនឹងកើតឡើងនៅពេលណាមួយ។ តើអ្នកបង្កើតតម្លាភាព និងភាពមើលឃើញដោយរបៀបណា ដើម្បីឱ្យអ្នកយល់ពីមូលហេតុដែលវាមានកំហុស ហើយបន្ទាប់មកនិយាយជាមួយនិយតករអំពីរបៀបដែលអ្នកដឹងថាអ្នកបានដោះស្រាយបញ្ហានោះនៅពេលអនាគត។”
Caitlin Halferty ប្រធានផ្នែកទិន្នន័យនៅ Thomson Reuters បានបន្ទរពីអារម្មណ៍នេះ ដោយសង្កត់ធ្ងន់លើសារៈសំខាន់នៃលទ្ធផល AI ប្រកបដោយតម្លាភាព៖ “ខ្ញុំធ្វើនេះដោយខ្លួនឯងជាមួយក្រុមរបស់ខ្ញុំ ខ្ញុំលើកទឹកចិត្តរឿងនេះជាមួយអតិថិជនរបស់ខ្ញុំ ហើយត្រូវប្រាកដថាមានវិធីមួយដើម្បីផ្ទៀងផ្ទាត់លទ្ធផលនៃម៉ូដែលណាមួយដែលអ្នកប្រើ។”
ជាមួយនឹងផលប័ត្រនៃសេវាកម្មដែលដំណើរការដោយ AI ដែលផ្តោតលើអ្នកជំនាញក្នុងវិស័យដូចជាការអនុលោមតាមច្បាប់ និងពន្ធនោះ Thomson Reuters ចាំបាច់ត្រូវផ្តោតលើការគ្រប់គ្រង AI ជាមុនសិន។ Halferty បាននិយាយថា តម្លាភាពគឺជាមូលដ្ឋានគ្រឹះមួយក្នុងចំនោមស្នូលទាំងបួននៃអ្វីដែលក្រុមហ៊ុនហៅថាផលិតផល “fiduciary” រួមជាមួយនឹងភាពឯកជន និងសុវត្ថិភាព អ្នកជំនាញលើប្រធានបទ និងមាតិកាដែលអាចទុកចិត្តបាន។
បច្ចេកទេសសំខាន់មួយទៀតដែលបានលើកឡើងដោយក្រុមអ្នកវិភាគជាច្រើនគឺការបង្កើតប្រព័ន្ធដែលអាចគ្រប់គ្រងគ្នាទៅវិញទៅមកប្រកបដោយប្រសិទ្ធភាព។ នៅ May Mobility លោក Olson បាននិយាយថា នេះពាក់ព័ន្ធនឹងការដំឡើងប្រព័ន្ធនៅក្នុងរថយន្តស្វយ័ត ដែលមានសមត្ថភាពក្លែងធ្វើសេណារីយ៉ូផ្សេងៗក្នុងពេលតែមួយ ដោយវាយតម្លៃពួកគេ និងជ្រើសរើសជម្រើសដ៏ល្អបំផុត។
ប្រព័ន្ធបែបនេះក៏អាចត្រូវបានប្រើនៅក្នុងបរិយាកាសសាជីវកម្ម និងក្នុងដំណើរការការងារប្រចាំថ្ងៃផងដែរ។ Elena Kvochko ស្ថាបនិក និងជានាយកប្រតិបត្តិនៃ Trustguard AI ហៅវាថា “LLM as Judge” និងប្រើភាពស្រដៀងគ្នានៃបន្ទប់ព័ត៌មានដើម្បីពន្យល់ពីរបៀបដែលវាដំណើរការ។
“អ្នកមានមនុស្សម្នាក់ ឬភ្នាក់ងារដែលវាមានតួនាទីជាអ្នកនិពន្ធ ហើយបន្ទាប់មកមនុស្សម្នាក់ទៀត ឬភ្នាក់ងារដែលវាមានតួនាទីជាអ្នកកែសម្រួល។ គោលបំណងតែមួយគត់របស់ពួកគេគឺស្វែងរកកំហុស ឬភាពមិនត្រឹមត្រូវដែលអ្នកនិពន្ធអាចនឹងខកខាន។ ដូច្នេះជាមូលដ្ឋាន អ្នកចង់ឱ្យប្រព័ន្ធ LLM របស់អ្នកត្រូវបានរចនាឡើងដើម្បីកែលម្អខ្លួនឯងក៏ដូចគ្នាដែរ”។
ប៉ុន្តែ Kvochko បន្ថែមថា ចំណុចសំខាន់គឺថា ការផ្ទៀងផ្ទាត់ត្រូវតែរៀបចំនៅក្នុងប្រព័ន្ធ AI ដាច់ដោយឡែក។ នាងបាននិយាយថា “ពួកគេមិនចង់ឱ្យ AI វាយតម្លៃការងាររបស់ពួកគេទេ” ។
រចនាសម្ព័នឆ្លាតវៃសម្រាប់ការផ្ទៀងផ្ទាត់ AI កាន់តែមានសារៈសំខាន់ ខណៈដែលបច្ចេកវិទ្យាត្រូវចំណាយពេលលើការងារកាន់តែច្រើន និងលើសពីសមត្ថភាពរបស់មនុស្សក្នុងការត្រួតពិនិត្យការងារទាំងអស់។
លោក Gregor Stewart ប្រធានផ្នែក AI របស់ SentinelOne បាននិយាយថា “អ្នកបញ្ចប់នៅកន្លែងដែលមានការងារច្រើន ការងារជាច្រើនដែលត្រូវពិនិត្យឡើងវិញ ដែលអ្នកពិតជាមិនអាចទទួលខុសត្រូវបាន” ។
លោកបានចង្អុលទៅលើការសរសេរកូដកុំព្យូទ័រ ដែលលោកបាននិយាយថាមានប្រហែលមួយឆ្នាំមុនឧស្សាហកម្មផ្សេងទៀត។ ជំនួសឱ្យការឱ្យមនុស្សធ្វើការផ្ទៀងផ្ទាត់រាប់ម៉ឺនបន្ទាត់នៃកូដដែលសរសេរដោយ AI ក្រុមកំពុងស្វែងរកមធ្យោបាយសម្រាប់ភ្នាក់ងារដើម្បីធ្វើត្រាប់តាមដំណើរការមួយចំនួនដែលត្រូវបានបង្កើតឡើងជាច្រើនទសវត្សរ៍មុនសម្រាប់មនុស្សនៅក្នុងឧស្សាហកម្មសំខាន់សុវត្ថិភាព។
លោក Stewart បាននិយាយថា “ខ្ញុំគិតថាយើងនឹងឃើញការកើតឡើងវិញនៃបច្ចេកទេសមួយចំនួនដែលយើងបានបង្កើតសម្រាប់បច្ចេកវិទ្យាដែលមានសារៈសំខាន់សុវត្ថិភាពត្រូវបាននាំចូលទៅក្នុងការអនុវត្តជាក់ស្តែង” ។
