การ์ทเนอร์เผยแนวโน้มสำคัญที่ส่งผลต่ออนาคตของวิทยาศาสตร์ข้อมูลและแมชชีนเลิร์นนิง (Data Science and Machine Learning หรือ DSML) ซึ่งเป็นผลมาจากวิวัฒนาการและการเติบโตของภาคอุตสาหกรรมอย่างรวดเร็ว เพื่อตอบสนองต่อการเพิ่มขึ้นอย่างมีนัยของข้อมูลในปัญญาประดิษฐ์ (AI) โดยเฉพาะอย่างยิ่งเมื่อธุรกิจโฟกัสการลงทุน Generative AI
ปีเตอร์ เครนสกี้ ผู้อำนวยการฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า แมชชีนเลิร์นนิงยังคงเติบโตอย่างรวดเร็วในภาคอุตสาหกรรมต่างๆ
ปีเตอร์ เครนสกี้ ผู้อำนวยการฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า แมชชีนเลิร์นนิงยังคงเติบโตอย่างรวดเร็วในภาคอุตสาหกรรมต่างๆ
ขณะเดียวกัน DSML กำลังพัฒนาจากเดิมที่มุ่งเน้นโมเดลการคาดการณ์ (Predictive Models) ไปเป็นให้ทุกคนสามารถเข้าถึงได้ในวงกว้างขึ้น ไดนามิก และเน้นข้อมูลเป็นหลัก รวมถึงได้รับแรงหนุนจาก Generative AI แม้อาจมีความเสี่ยงเกิดขึ้น แต่ก็มีความสามารถและช่วยสร้างยูสเคสการใช้งานใหม่ๆ ที่เป็นประโยชน์สำหรับนักวิทยาศาสตร์ข้อมูลและองค์กรด้วยเช่นกัน
การ์ทเนอร์ ได้รวบรวม 5 แนวโน้มสำคัญที่จะเป็นตัวกำหนดอนาคตของ DSML ไว้ดังนี้
เทรนด์ที่ 1: Cloud Data Ecosystems
แนวโน้มสำคัญที่จะเป็นตัวกำหนดอนาคตของ DSML คือ Cloud Data Ecosystems โดยที่ Data Ecosystem (ระบบนิเวศข้อมูล) กำลังเปลี่ยนจาก self-contained ซอฟต์แวร์ หรือการปรับใช้ซอฟต์แวร์แบบผสมผสานไปสู่คลาวด์เนทีฟโซลูชันเต็มรูปแบบ การ์ทเนอร์คาดว่า ภายในปี 2567 50% ของการนำระบบคลาวด์ใหม่มาใช้จะอยู่ในระบบนิเวศข้อมูลคลาวด์ที่เชื่อมโยงกัน มากกว่าการใช้โซลูชันผสานรวมแบบแมนนวล
Data Ecosystem มีส่วนสำคัญในการแก้ไขปัญหาด้านข้อมูลแบบกระจาย ตลอดจนการเข้าถึงและบูรณาการร่วมกับแหล่งข้อมูลภายนอกที่มีสภาพแวดล้อมใกล้เคียงกัน
เทรนด์ที่ 2: Edge AI
ถัดมา Edge AI ความต้องการ Edge AI ยังคงเพิ่มขึ้นเพื่อประมวลผลข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น ช่วยให้องค์กรได้รับข้อมูลเชิงลึกแบบเรียลไทม์ ช่วยตรวจจับแพตเทิร์นใหม่ๆ และปฏิบัติตามข้อกำหนดด้านความเป็นส่วนตัวของข้อมูลที่เข้มงวด โดย Edge AI ยังช่วยให้องค์กรธุรกิจต่างๆ สามารถปรับปรุงในด้านการพัฒนา การจัดวางระเบียบ การผสานรวมและการนำ AI มาใช้
ภายในปี 2568 มากกว่า 55% ของการวิเคราะห์ข้อมูลทั้งหมดโดยโครงข่ายประสาทเทียมเชิงลึก (Deep Neural Networks) จะเกิดขึ้น ณ ตำแหน่งข้อมูลในระบบ Edge จากเดิมที่น้อยกว่า 10% ในปี 2564 โดยองค์กรควรระบุแอปพลิเคชัน และจำเป็นต้องฝึกและคาดคะเน AI เพื่อย้ายไปยังสภาพแวดล้อม Edge ที่ใกล้กับ IoT
การ์ทเนอร์ ได้รวบรวม 5 แนวโน้มสำคัญที่จะเป็นตัวกำหนดอนาคตของ DSML ไว้ดังนี้
เทรนด์ที่ 1: Cloud Data Ecosystems
แนวโน้มสำคัญที่จะเป็นตัวกำหนดอนาคตของ DSML คือ Cloud Data Ecosystems โดยที่ Data Ecosystem (ระบบนิเวศข้อมูล) กำลังเปลี่ยนจาก self-contained ซอฟต์แวร์ หรือการปรับใช้ซอฟต์แวร์แบบผสมผสานไปสู่คลาวด์เนทีฟโซลูชันเต็มรูปแบบ การ์ทเนอร์คาดว่า ภายในปี 2567 50% ของการนำระบบคลาวด์ใหม่มาใช้จะอยู่ในระบบนิเวศข้อมูลคลาวด์ที่เชื่อมโยงกัน มากกว่าการใช้โซลูชันผสานรวมแบบแมนนวล
Data Ecosystem มีส่วนสำคัญในการแก้ไขปัญหาด้านข้อมูลแบบกระจาย ตลอดจนการเข้าถึงและบูรณาการร่วมกับแหล่งข้อมูลภายนอกที่มีสภาพแวดล้อมใกล้เคียงกัน
เทรนด์ที่ 2: Edge AI
ถัดมา Edge AI ความต้องการ Edge AI ยังคงเพิ่มขึ้นเพื่อประมวลผลข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น ช่วยให้องค์กรได้รับข้อมูลเชิงลึกแบบเรียลไทม์ ช่วยตรวจจับแพตเทิร์นใหม่ๆ และปฏิบัติตามข้อกำหนดด้านความเป็นส่วนตัวของข้อมูลที่เข้มงวด โดย Edge AI ยังช่วยให้องค์กรธุรกิจต่างๆ สามารถปรับปรุงในด้านการพัฒนา การจัดวางระเบียบ การผสานรวมและการนำ AI มาใช้
ภายในปี 2568 มากกว่า 55% ของการวิเคราะห์ข้อมูลทั้งหมดโดยโครงข่ายประสาทเทียมเชิงลึก (Deep Neural Networks) จะเกิดขึ้น ณ ตำแหน่งข้อมูลในระบบ Edge จากเดิมที่น้อยกว่า 10% ในปี 2564 โดยองค์กรควรระบุแอปพลิเคชัน และจำเป็นต้องฝึกและคาดคะเน AI เพื่อย้ายไปยังสภาพแวดล้อม Edge ที่ใกล้กับ IoT
เทรนด์ที่ 3: Responsible AI
Responsible AI หรือ AI ที่มีความรับผิดชอบ ทำให้ AI กลายเป็นพลังบวกแทนที่จะเป็นภัยคุกคามต่อสังคมและตัวมันเอง โดยยังครอบคลุมหลายแง่มุมของการทำธุรกิจให้ถูกต้องและเป็นตัวเลือกทางจริยธรรมเมื่อองค์กรมีการนำ AI มาใช้อย่างอิสระ เช่น ธุรกิจและคุณค่าทางสังคม ความเสี่ยง ความไว้วางใจ ความโปร่งใส และความรับผิดชอบ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 โมเดลการฝึก AI ล่วงหน้าที่ 1% ของผู้จำหน่าย AI จะทำให้ Responsible AI กลายเป็นประเด็นที่สังคมกังวล
การกำหนดสัดส่วนความเสี่ยง เพื่อส่งมอบคุณค่า AI และระมัดระวังเมื่อใช้โซลูชันและแบบจำลองต่าง ๆ โดยขอการรับประกันจากผู้จำหน่ายเพื่อให้มั่นใจว่าพวกเขากำลังจัดการความเสี่ยงและปฏิบัติตามกฎระเบียบ ปกป้ององค์กรจากการสูญเสียทางการเงินที่อาจเกิดขึ้น รวมถึงการดำเนินคดีทางกฎหมาย และความเสียหายต่อชื่อเสียง
เทรนด์ที่ 4: Data-Centric AI
อีกเทรน์ที่มาแรง Data-Centric AI หรือ AI ที่เน้นข้อมูลเป็นศูนย์กลาง แสดงถึงการเปลี่ยนแปลงจากแนวทางที่ยึดโมเดลและโค้ดเป็นศูนย์กลางไปสู่การมุ่งเน้นด้านข้อมูลมากขึ้นเพื่อสร้างระบบ AI ที่ดีขึ้น โซลูชันอาทิ การจัดการข้อมูลเฉพาะของ AI (AI-Specific Data Management) ข้อมูลสังเคราะห์ (Synthetic Data) และเทคโนโลยีการติดฉลากข้อมูล (Data Labeling Technologies) มีจุดมุ่งหมายเพื่อแก้ปัญหาความท้าทายด้านข้อมูลมากมาย รวมถึงความสามารถในการเข้าถึง ปริมาณ ความเป็นส่วนตัว ความปลอดภัย ความซับซ้อน และขอบเขตการใช้งาน
การใช้Generative AI เพื่อสร้างข้อมูลสังเคราะห์มีการเติบโตอย่างรวดเร็ว ช่วยลดภาระในการรับข้อมูลในโลกความเป็นจริง และยังสามารถช่วยฝึกฝนโมเดลการเรียนรู้ของเครื่อง (Machine Learning) ได้อย่างมีประสิทธิภาพ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2567 60% ของข้อมูลสำหรับ AI จะถูกสังเคราะห์ขึ้นเพื่อจำลองความเป็นจริง สถานการณ์ในอนาคต และลดความเสี่ยงของ AI เพิ่มขึ้นจาก 1% ในปี 2564
เทรนด์ที่ 5: Accelerated AI Investment
การลงทุนใน AI จะยังเติบโตอย่างรวดเร็ว องค์กรผ่านรวมถึงอุตสาหกรรมที่ต้องการเติบโตผ่านเทคโนโลยี AI และธุรกิจที่ใช้ AI การ์ทเนอร์คาดการณ์ว่า ภายในสิ้นปี 2569 จะมีการลงทุนมากกว่า 10,000 ล้านดอลลาร์สหรัฐฯ สำหรับเริ่มต้นใช้ระบบ AI ที่อาศัยโมเดลพื้นฐาน ซึ่งเป็นโมเดล AI ขนาดใหญ่ที่ได้รับการฝึกฝนจากข้อมูลจำนวนมหาศาล
การ์ทเนอร์จากผู้บริหารมากกว่า 2,500 ราย ยังพบว่า 45% เผยว่ากระแส ChatGPT ที่มาแรงกระตุ้นให้พวกเขาเพิ่มการลงทุนด้าน AI ขณะที่ 70% ระบุว่าองค์กรของพวกเขาอยู่ในโหมดการสำรวจและทดสอบการใช้ Generative AI และ 19% อยู่ในช่วงทดลองใช้หรือผลิตใช้
Responsible AI หรือ AI ที่มีความรับผิดชอบ ทำให้ AI กลายเป็นพลังบวกแทนที่จะเป็นภัยคุกคามต่อสังคมและตัวมันเอง โดยยังครอบคลุมหลายแง่มุมของการทำธุรกิจให้ถูกต้องและเป็นตัวเลือกทางจริยธรรมเมื่อองค์กรมีการนำ AI มาใช้อย่างอิสระ เช่น ธุรกิจและคุณค่าทางสังคม ความเสี่ยง ความไว้วางใจ ความโปร่งใส และความรับผิดชอบ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 โมเดลการฝึก AI ล่วงหน้าที่ 1% ของผู้จำหน่าย AI จะทำให้ Responsible AI กลายเป็นประเด็นที่สังคมกังวล
การกำหนดสัดส่วนความเสี่ยง เพื่อส่งมอบคุณค่า AI และระมัดระวังเมื่อใช้โซลูชันและแบบจำลองต่าง ๆ โดยขอการรับประกันจากผู้จำหน่ายเพื่อให้มั่นใจว่าพวกเขากำลังจัดการความเสี่ยงและปฏิบัติตามกฎระเบียบ ปกป้ององค์กรจากการสูญเสียทางการเงินที่อาจเกิดขึ้น รวมถึงการดำเนินคดีทางกฎหมาย และความเสียหายต่อชื่อเสียง
เทรนด์ที่ 4: Data-Centric AI
อีกเทรน์ที่มาแรง Data-Centric AI หรือ AI ที่เน้นข้อมูลเป็นศูนย์กลาง แสดงถึงการเปลี่ยนแปลงจากแนวทางที่ยึดโมเดลและโค้ดเป็นศูนย์กลางไปสู่การมุ่งเน้นด้านข้อมูลมากขึ้นเพื่อสร้างระบบ AI ที่ดีขึ้น โซลูชันอาทิ การจัดการข้อมูลเฉพาะของ AI (AI-Specific Data Management) ข้อมูลสังเคราะห์ (Synthetic Data) และเทคโนโลยีการติดฉลากข้อมูล (Data Labeling Technologies) มีจุดมุ่งหมายเพื่อแก้ปัญหาความท้าทายด้านข้อมูลมากมาย รวมถึงความสามารถในการเข้าถึง ปริมาณ ความเป็นส่วนตัว ความปลอดภัย ความซับซ้อน และขอบเขตการใช้งาน
การใช้Generative AI เพื่อสร้างข้อมูลสังเคราะห์มีการเติบโตอย่างรวดเร็ว ช่วยลดภาระในการรับข้อมูลในโลกความเป็นจริง และยังสามารถช่วยฝึกฝนโมเดลการเรียนรู้ของเครื่อง (Machine Learning) ได้อย่างมีประสิทธิภาพ การ์ทเนอร์คาดการณ์ว่า ภายในปี 2567 60% ของข้อมูลสำหรับ AI จะถูกสังเคราะห์ขึ้นเพื่อจำลองความเป็นจริง สถานการณ์ในอนาคต และลดความเสี่ยงของ AI เพิ่มขึ้นจาก 1% ในปี 2564
เทรนด์ที่ 5: Accelerated AI Investment
การลงทุนใน AI จะยังเติบโตอย่างรวดเร็ว องค์กรผ่านรวมถึงอุตสาหกรรมที่ต้องการเติบโตผ่านเทคโนโลยี AI และธุรกิจที่ใช้ AI การ์ทเนอร์คาดการณ์ว่า ภายในสิ้นปี 2569 จะมีการลงทุนมากกว่า 10,000 ล้านดอลลาร์สหรัฐฯ สำหรับเริ่มต้นใช้ระบบ AI ที่อาศัยโมเดลพื้นฐาน ซึ่งเป็นโมเดล AI ขนาดใหญ่ที่ได้รับการฝึกฝนจากข้อมูลจำนวนมหาศาล
การ์ทเนอร์จากผู้บริหารมากกว่า 2,500 ราย ยังพบว่า 45% เผยว่ากระแส ChatGPT ที่มาแรงกระตุ้นให้พวกเขาเพิ่มการลงทุนด้าน AI ขณะที่ 70% ระบุว่าองค์กรของพวกเขาอยู่ในโหมดการสำรวจและทดสอบการใช้ Generative AI และ 19% อยู่ในช่วงทดลองใช้หรือผลิตใช้
