ขั้นตอนการทำงาน Artificial Intelligence ของเรา
ทุกโปรเจกต์ AI ของเราผ่าน 6 ขั้นตอนที่ชัดเจน แต่ละขั้นตอนมีผลลัพธ์ที่ส่งมอบให้คุณตรวจสอบก่อนเดินหน้าต่อ ไม่มีเซอร์ไพรส์ตอนจบโปรเจกต์
6 ขั้นตอนจากปัญหาสู่ผลลัพธ์
แต่ละขั้นตอนใช้เวลาเท่าไหร่ และคุณจะได้อะไรกลับไป
ประเมินปัญหาและความเป็นไปได้
เราเริ่มด้วยการประชุมกับทีมของคุณ 1-2 ครั้ง (แต่ละครั้งราว 90 นาที) เพื่อเข้าใจว่าปัญหาที่ต้องการแก้คืออะไร ข้อมูลที่มีอยู่เพียงพอหรือไม่ และ AI เป็นทางออกที่เหมาะสมจริงหรือเปล่า บางครั้งคำตอบคือระบบ rule-based ธรรมดาก็เพียงพอแล้ว ถ้าเป็นอย่างนั้น เราจะบอกตรง ๆ แทนที่จะขายโปรเจกต์ที่ไม่จำเป็น ขั้นตอนนี้ใช้เวลา 1-2 สัปดาห์ ผลลัพธ์ที่ส่งมอบคือเอกสาร Feasibility Report ที่ระบุขอบเขตโปรเจกต์ ความเสี่ยง และ KPI เป้าหมาย
เตรียมและทำความสะอาดข้อมูล
ข้อมูลดิบจากระบบของคุณ (ERP, CRM, ฐานข้อมูล, สเปรดชีต) จะถูกดึงมาตรวจสอบคุณภาพ เราดูว่ามีค่าว่าง ข้อมูลซ้ำ หรือรูปแบบไม่สม่ำเสมอตรงไหนบ้าง แล้วจัดการให้เรียบร้อยก่อนนำไปฝึกโมเดล ขั้นตอนนี้สำคัญมาก เพราะโมเดลที่ดีแค่ไหนก็ให้ผลลัพธ์แย่ถ้าข้อมูลไม่ดี ใช้เวลา 2-3 สัปดาห์ขึ้นอยู่กับปริมาณข้อมูล ผลลัพธ์คือ Data Quality Report และ dataset ที่พร้อมใช้งาน
สร้างและทดสอบโมเดล
วิศวกรของเราทดลองอัลกอริทึมหลายตัวกับข้อมูลของคุณ เปรียบเทียบผลลัพธ์ แล้วเลือกตัวที่ให้ค่าความแม่นยำดีที่สุดภายใต้ข้อจำกัดด้านเวลาประมวลผลและทรัพยากร เราไม่ยึดติดกับเครื่องมือใดเครื่องมือหนึ่ง จะใช้ PyTorch, TensorFlow หรือ scikit-learn ก็ได้ ขึ้นอยู่กับลักษณะของปัญหา ใช้เวลา 3-4 สัปดาห์ ผลลัพธ์คือโมเดลต้นแบบพร้อมรายงานประสิทธิภาพที่ทีมของคุณตรวจสอบได้
ทดสอบกับผู้ใช้จริง
ก่อนเปิดใช้งานเต็มรูปแบบ เรานำโมเดลไปทดสอบกับกลุ่มผู้ใช้จริงในทีมของคุณ อาจเป็นแผนกเดียวหรือสาขาเดียวก่อน เพื่อดูว่าผลลัพธ์ตรงกับความคาดหวังหรือไม่ และ UX ของระบบใช้งานง่ายพอหรือเปล่า ข้อเสนอแนะจากผู้ใช้จริงถูกนำมาปรับปรุงโมเดลและหน้าจอทันที ขั้นตอนนี้ใช้เวลา 1-2 สัปดาห์
ปรับใช้งานจริงบนระบบของคุณ
โมเดลที่ผ่านการทดสอบจะถูก deploy บนโครงสร้างพื้นฐานที่คุณเลือก ไม่ว่าจะเป็น cloud (AWS, GCP, Azure) หรือเซิร์ฟเวอร์ภายในองค์กร เราตั้งค่า monitoring เพื่อติดตามประสิทธิภาพของโมเดลแบบเรียลไทม์ ถ้าค่าความแม่นยำลดลงต่ำกว่าเกณฑ์ที่ตกลงกันไว้ ระบบจะแจ้งเตือนทีมเราอัตโนมัติ ใช้เวลา 1-2 สัปดาห์สำหรับ deployment และ 1 สัปดาห์สำหรับ burn-in period
ดูแลและปรับปรุงต่อเนื่อง
AI ไม่ใช่ระบบที่ติดตั้งแล้วลืมได้ ข้อมูลเปลี่ยน พฤติกรรมลูกค้าเปลี่ยน โมเดลจึงต้องถูกฝึกใหม่เป็นระยะ เราเสนอสัญญาดูแลรายไตรมาสหรือรายปี ซึ่งรวมการ retrain โมเดล ตรวจสอบประสิทธิภาพ และปรับ feature ใหม่ตามข้อมูลล่าสุด ทีมของคุณจะได้รับรายงานประสิทธิภาพทุกเดือนพร้อมคำแนะนำที่เป็นรูปธรรม
ทำไมขั้นตอนจึงสำคัญ
โปรเจกต์ AI ที่ล้มเหลวส่วนใหญ่ไม่ได้ล้มเหลวเพราะเทคโนโลยี แต่เพราะข้ามขั้นตอนสำคัญไป เช่น ไม่ตรวจสอบคุณภาพข้อมูลก่อนสร้างโมเดล หรือไม่ทดสอบกับผู้ใช้จริงก่อน deploy
กระบวนการ 6 ขั้นตอนของเราออกแบบมาเพื่อลดความเสี่ยงเหล่านี้ แต่ละขั้นตอนมี "ประตู" ที่ต้องผ่านก่อนเดินหน้าต่อ ถ้าข้อมูลยังไม่พร้อม เราจะไม่เริ่มสร้างโมเดล ถ้าโมเดลยังไม่ถึงเกณฑ์ เราจะไม่ deploy
วิธีนี้ทำให้ลูกค้าของเราเห็นความคืบหน้าทุกสัปดาห์ ไม่ต้องรอ 6 เดือนแล้วลุ้นว่าผลลัพธ์จะออกมาดีหรือไม่
คำถามที่พบบ่อย
สิ่งที่ลูกค้าถามเราก่อนเริ่มโปรเจกต์
ขึ้นอยู่กับประเภทของโปรเจกต์ สำหรับโมเดลพยากรณ์ยอดขาย เราต้องการข้อมูลย้อนหลังอย่างน้อย 12 เดือน สำหรับแชทบอท เราต้องการตัวอย่างคำถาม-คำตอบอย่างน้อย 200-300 คู่ ในการประชุมครั้งแรก เราจะประเมินว่าข้อมูลของคุณเพียงพอหรือไม่ และถ้ายังไม่พอ เราจะแนะนำวิธีเก็บเพิ่มเติม
เราเซ็นสัญญา NDA กับลูกค้าทุกราย ข้อมูลถูกเข้ารหัสทั้งขณะส่งและขณะจัดเก็บ วิศวกรของเราเข้าถึงข้อมูลผ่าน VPN เท่านั้น และเมื่อโปรเจกต์เสร็จสิ้น ข้อมูลทั้งหมดจะถูกลบออกจากระบบของเราภายใน 30 วัน เว้นแต่ลูกค้าต้องการให้เก็บไว้สำหรับการ retrain ในอนาคต
โปรเจกต์ขนาดเล็ก เช่น แชทบอทสำหรับ FAQ ใช้เวลา 6-8 สัปดาห์ โปรเจกต์ขนาดกลาง เช่น ระบบพยากรณ์ยอดขาย ใช้เวลา 10-14 สัปดาห์ โปรเจกต์ที่ซับซ้อน เช่น ระบบ Computer Vision สำหรับสายการผลิต อาจใช้เวลา 16-20 สัปดาห์ ระยะเวลาจริงขึ้นอยู่กับความพร้อมของข้อมูลและความซับซ้อนของระบบที่ต้องเชื่อมต่อ
ได้ เราดูแลทุกส่วนตั้งแต่ต้นจนจบ รวมถึงการตั้งค่า cloud infrastructure ลูกค้าหลายรายของเราเป็นธุรกิจครอบครัวที่มีพนักงาน IT เพียง 1-2 คน เราจะอบรมทีมของคุณให้ใช้งานระบบที่ส่งมอบได้ด้วยตัวเอง และมีช่องทาง support ให้ถามเมื่อติดปัญหา