Thoughtworks (NASDAQ: TWKS) เผยรายงาน Technology Radar ฉบับที่ 28 ซึ่งเป็นรายงานประจำทุก 6 เดือน ที่รวบรวมข้อมูลจากการสังเกต พูดคุย และประสบการณ์ในการแก้ปัญหาความท้าทายทางธุรกิจที่ยากที่สุดของลูกค้าทั่วโลก ในฉบับล่าสุดนี้ ได้ระบุถึงปัญญาประดิษฐ์ (AI) ซึ่งมีการใช้งานมากขึ้นในภาคธุรกิจ ว่าเมื่อนำมาใช้กับแนวทางด้านวิศวกรรมที่มีประสิทธิภาพ จะทำให้เกิดคุณค่าและประโยชน์สูงสุดแก่ลูกค้าได้
การวิเคราะห์ข้อมูลและ AI การมีข้อมูลและโค้ดที่เพียงพอหรือไม่จึงไม่ใช่ปัญหาอีกต่อไป ดังนั้นจึงควรมุ่งเน้นไปที่การมีโค้ดและข้อมูลที่มีคุณภาพ เพื่อสร้าง model ที่จะตอบสนองต่อความเปลี่ยนแปลงระบบได้อย่างมีเสถียรภาพ เป็นเรื่องที่ดีที่ปัจจุบันการใช้เครื่องมือในเรื่องดังกล่าวกำลังแพร่หลายขึ้นรวมทั้งมีการเปลี่ยนแปลงที่มีการทดลองเป็นตัวขับเคลื่อน การทดสอบด้าน data sanity และโมเดลข้อมูลที่จะทำให้ data pipelines ซึ่งเป็นส่วนสำคัญของระบบวิเคราะห์ข้อมูลมีประสิทธิภาพมากขึ้น การนำแนวทางปฏิบัติที่ดีที่สุดมาใช้ในการทดสอบโมเดลและการรับรองคุณภาพนั้นเป็นสิ่งสำคัญมากในการแก้ปัญหาอคติจาก AI และรับประกันว่าระบบ ML นั้นจะให้ผลลัพธ์ที่เสมอภาค และเป็นธรรม
ดร. รีเบคกา พาร์สันส์ ประธานเจ้าหน้าที่บริหารฝ่ายเทคโนโลยี ของ Thoughtworks กล่าวว่า “ธุรกิจส่วนใหญ่ได้ทดลองใช้การวิเคราะห์ข้อมูลและ AI แล้ว ซึ่งชี้ให้เห็นว่ามีการใช้งานเครื่องมือเหล่านี้มากขึ้น การใช้งาน AI ร่วมกับแนวทางด้านวิศวกรรมที่ดี จะทำให้เกิดโซลูชันที่ขับเคลื่อนด้วยข้อมูลและมีความน่าเชื่อถือมากขึ้น ทั้งยังเกิดฐานผู้ใช้งานที่หลากหลายมากขึ้นด้วย ซึ่งเป็นสิ่งตรงกันข้ามกับgenerative AI เราจึงแนะนำธุรกิจให้ระมัดระวังเพื่อหลีกเลี่ยงการใช้งานที่ไม่เหมาะสม ที่จะให้เกิดความเสี่ยงด้านชื่อเสียงและความปลอดภัยได้”
ประเด็นสำคัญในรายงาย Technology Radar ฉบับที่ 28 มีดังนี้:
การเพิ่มขึ้นอย่างรวดเร็วของ practical AI: เมื่อไม่กี่เดือนที่ผ่านมา เครื่องมืออย่าง ChatGPT ได้เปลี่ยนทิศทางความเข้าใจของอุตสาหกรรมเทคโนโลยี รวมทั้งความคิดเกี่ยวกับความสามารถของ AI ว่าทำอะไรได้บ้าง ผู้ใช้งานจึงควรลองหาช่องทางใหม่ๆ แต่ก็ต้องระมัดระวังข้อจำกัดและความเสี่ยงของเครื่องมือเหล่านี้ด้วย
Accessibility สำหรับทุกระบบ: ความสามารถในการเข้าถึงไม่ใช่เรื่องใหม่ที่ต้องกังวล แต่เป็นการแพร่ขยายของความคิดและเครื่องมือในด้านนี้ เพื่อให้ทีมงานด้านผลิตภัณฑ์และวิศวกรรมสามารถแก้ไขปัญหาได้โดยง่าย และตอนนี้ก็ไม่มีเหตุผลที่ดี หากจะไม่นำaccessibility มาพิจารณาในการพัฒนาระบบ รวมทั้งการนำไปใช้
ข้อควรระวังของการใช้ Lambda: แม้ว่าฟังก์ชัน Serverless จะมีประโยชน์มาก แต่ก็อาจทำให้เกิดความเคยชินที่ไม่ดี ที่นำไปสู่การตัดสินใจที่ไม่ดีเกี่ยวกับ Architecture และทำให้เกิดความซับซ้อนมากยิ่งขึ้น การใช้ประโยชน์ฟังก์ชัน Serverless ให้ได้ประโยชน์มากที่สุดนั้น จึงต้องแน่ใจ และชัดเจนว่าจะใช้ที่ไหน รวมทั้งตระหนักถึงผลลัพธ์ที่อาจเกิดขึ้นตามมา
ความแม่นยำด้านวิศวกรรมผนวกกับการวิเคราะห์ข้อมูลและ AI: ถ้าหากไร้ข้อมูลที่มีคุณภาพ ทีมงานที่ใช้ AI ก็อาจมีความเสี่ยงเรื่องความถูกต้องแม่นยำ และความไว้วางใจจากผู้ใช้งาน การใช้งานการวิเคราะห์ข้อมูลและ AI อย่างมีประสิทธิภาพต้องใช้ร่วมกับแนวทางด้านวิศวกรรมที่มีประสิทธิภาพ เช่น การทดสอบโมเดล การทำ integration และ monitoring อย่างต่อเนื่อง เป็นเรื่องดีที่ตอนนี้มีเครื่องมือในการทำงานมากขึ้น Thoughtworks จึงแนะนำให้ทีมทำงานใช้ประโยชน์จาก ecosystem ที่กำลังเติบโตมากขึ้น
ต้องเลือกระหว่าง declare หรือ program: การเลือกระหว่าง declarative specifications กับภาษาโปรแกรมสำหรับใช้งานทั่วไปสำหรับงานใดงานหนึ่งเป็นสิ่งสำคัญที่ต้องพิจารณาอย่างต่อเนื่องสำหรับนักพัฒนาซอฟต์แวร์ ตอนนี้ยังไม่มีคำตอบที่ชัดเจนมากนักว่าควรจะเลือกอะไร นั่นหมายความว่ามันจำเป็นมากๆ ที่ต้องทบทวนถึงประโยชน์และความเสี่ยงอยู่เสมอเมื่อต้องใช้งานในสถานการณ์ใหม่ๆ
