เปิดงานวิจัย MIT ใช้คนทำงานยังคุ้มทุนกว่า ทดสอบ AI ยังแทนที่งานส่วนใหญ่ไม่ได้ในตอนนี้

เปิดงานวิจัย MIT ใช้คนทำงานยังคุ้มทุนกว่า ทดสอบ AI ยังแทนที่งานส่วนใหญ่ไม่ได้ในตอนนี้

เปิดงานวิจัย MIT ใช้คนทำงานยังคุ้มทุนกว่า AI ทดสอบแล้ว AI ยังแทนที่งานส่วนใหญ่ไม่ได้ในตอนนี้

การนำ AI มาใช้ในอุตสาหกรรมต่างๆ เร่งตัวขึ้นในปีที่แล้ว หลังจากที่ ChatGPT ของ OpenAI และเครื่องมือสร้างสรรค์อื่นๆ ที่ใช้ระบบ AI แสดงให้เห็นถึงศักยภาพของเทคโนโลยีที่ซับซ้อน

ChatGPT และ Bard ที่เพิ่งเปลี่ยนชื่อเป็น Gemini ของ Google จุดชนวนความกังวลเกี่ยวกับการที่ AI จะเข้ามาแทนที่งานของมนุษย์ จากความสามารถของแชทบอทใหม่ที่แสดงให้เห็นถึงความเชี่ยวชาญในงานที่ก่อนหน้านี้มีเพียงมนุษย์เท่านั้นที่สามารถทำได้

ตอนนี้เลยได้เห็นบริษัทเทคโนโลยี ทั้ง Microsoft, Alphabet ในสหรัฐอเมริกา ไปจนถึง Baidu และ Alibaba Group ในจีน เปิดตัวบริการ AI ใหม่ๆ และเพิ่มแผนการพัฒนาเทคโนโลยี AI ด้วยความเร็ว ชนิดที่ผู้บริหารองค์กรธุรกิจบางคนเตือนว่า ‘รวดเร็วอย่างไม่ระมัดระวัง’

จะเห็นว่าความหวาดกลัวเกี่ยวกับผลกระทบของ AI ในเรื่องงานที่จะมาแทนที่มนุษย์กำลังเป็นปัญหาสำคัญ แต่ถ้าดูงานวิจัยล่าสุดของสถาบันเทคโนโลยีแมสซาชูเซตส์ (Massachusetts Institute of Technology) หรือ MIT ในสหรัฐอเมริกา อาจทำให้เบาใจได้บ้าง ?

MIT ได้ทำการสำรวจเชิงลึกว่า AI จะเข้ามาแทนที่การทำงานของมนุษย์ในอุตสาหกรรมต่างๆ แค่ไหน ซึ่งข้อสรุปที่ได้คือ AI ไม่สามารถแทนที่งานส่วนใหญ่ได้ในตอนนี้

ด้วยเหตุผลว่าการนำ AI มาใช้กับงานบางอย่าง ‘ยังไม่คุ้มค่า’

การสำรวจเชิงลึกเรื่องความสามารถแทนที่แรงงานคนของ AI ในรายงานศึกษาที่ชื่อ Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision? ที่เพิ่งเผยแพร่ออกมา

นักวิจัย MIT ได้จำลองว่า ถ้านำ AI มาใช้กับงานบางประเภทแล้วจะมี ‘ความน่าดึงดูดด้านต้นทุน’ หรือไม่ พูดง่ายๆ ช่วยลดต้นทุนได้แค่ไหน

โดยเน้นไปที่ Computer Vision ซึ่งเป็น AI แขนงหนึ่งที่ออกแบบให้สามารถมองเห็น และจดจำภาพนิ่งหรือภาพเคลื่อนไหวเพื่อนำไปวิเคราะห์ แยกแยะวัตถุต่างๆ ได้อย่างแม่นยำและรวดเร็ว คล้ายกับการมองเห็นของมนุษย์หรือดีกว่าด้วย

การใช้ Computer Vision AI หรือ AI ตามนุษย์ ที่สามารถแยกแยะวัตถุ จัดหมวดหมู่ ได้อย่างแม่นยำ ได้รับความสนใจจากอุตสาหกรรมบางประเภทว่าจะมาช่วยลดต้นทุนได้หรือไม่ เช่น ค้าปลีก คลังสินค้า ที่ช่วยตรวจแยกจัดหมวดสินค้า การขนส่งที่ช่วยตรวจจับวัตถุสำหรับการขับขี่อัตโนมัติ และงานอื่นๆ ที่ต้องใช้คุณสมบัติการมองเห็นเพื่อแยกแยะ

นักวิจัยเลยนำเอาระบบ Computer Vision AI ไปทดลองทำงานหลายอาชีพ แม้แต่ไปลองเป็นคนงานร้านเบเกอรี่สมมติขึ้นมา โดยนำ AI มาช่วยฟังก์ชั่นตรวจสอบส่วนผสมที่ชั่งตวงวัดเพื่อควบคุมคุณภาพ แต่นั่นเป็นเพียงงาน 6% ของหน้าที่ทั้งหมดที่คนงานทำขนมปังในร้านต้องทำ

ข้อสรุปโดยรวมจากการทดสอบ และรวบรวมข้อมูลเกี่ยวกับงานที่ใช้การมองเห็นประมาณ 1,000 งานใน 800 อาชีพ นักวิจัย MIT กล่าวว่างานที่ต้องใช้การมองเห็นมีเพียง 3% เท่านั้นที่ Computer Vision AI สามารถดำเนินการได้อย่างคุ้มค่าในปัจจุบัน รวมทั้งเมื่อคำนวณกับค่าจ้างพนักงาน กับการใช้ AI ทำงาน พบว่ามีเพียง 23% ของคนงานเท่านั้นที่สามารถทดแทนได้อย่างมีประสิทธิภาพเมื่อวัดในรูปของค่าจ้าง

ภาพรวมจึงยังไม่ได้ลดต้นทุนได้มากพอ ขณะที่เทคโนโลยียังมีค่าใช้จ่ายสูงในการติดตั้งและการใช้งาน ดังนั้นการให้มนุษย์ทำงานส่วนนี้ไปถือว่าประหยัดกว่า

แต่ก็ชะล่าใจไม่ได้ เมื่อนักวิจัยบอกว่า ความสามารถนี้อาจเพิ่มขึ้นเป็น 40% ได้ ภายในปี 2573 หรืออีก 6 ปีข้างหน้า หากต้นทุนการพัฒนาเทรนนนิ่ง AI ลดลง และมีความแม่นยำดีขึ้น

“การศึกษาของเราตรวจสอบ ด้วยการนำ Computer Vision AI ไปประยุกต์ใช้กับแต่ละอาชีพในเกือบทุกอุตสาหกรรมและทุกภาคส่วน” นีล ทอมป์สัน ผู้อำนวยการโครงการวิจัย FutureTech ของ MIT Computer Science and Artificial Intelligence Lab กล่าว

เขาบอกว่า มีความชัดเจนว่าระบบอัตโนมัติจะถูกใช้มากขึ้นในอุตสาหกรรมค้าปลีก และการดูแลสุขภาพ แต่จะใช้น้อยลงในบางประเภทอุตสาหกรรม เช่น การก่อสร้าง เหมืองแร่ และอสังหาริมทรัพย์

หมายความว่าจนถึงตอนนี้ การศึกษาของ MIT พบว่าเทคโนโลยี AI ยังมีราคาแพงเกินกว่าจะนำมาใช้แทนที่มนุษย์ในงานส่วนใหญ่ได้

แต่ความเร็วและความก้าวหน้าของเทคโนโลยี AI นั้นอย่างไรซะเราก็หนีไม่พ้นแน่นอน IMF ก็เพิ่งออกมาเตือนว่าเกือบ 40% ของตำแหน่งงานทั่วโลกจะได้รับผลกระทบ

เราจะสร้างสมดุลระหว่างศักยภาพของ AI กับผลกระทบด้านลบที่เกิดกับเราได้อย่างไร ยังเป็นคำถามใหญ่ของทุกประเทศ

ใครอยากอ่านเปเปอร์งานวิจัยของ MIT ตามไปอ่านได้ที่นี่  Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision? 

Chalathip ThirasoonthrakulWriterChalathip Thirasoonthrakul
Business and Economics Editor
[email protected]

Podcast

บทความที่เกี่ยวข้อง