แบ่งปันความรู้เทคโนโลยี เพื่อ “ขับเคลื่อนประเทศไทย”
Generative AIแรงจูงใจหลักที่ทำให้ Local LLM ได้รับความสนใจคือเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูล (Privacy) โดยเฉพาะในองค์กรที่ต้องจัดการข้อมูลอ่อนไหว ซึ่งการควบคุมทุกอย่างไว้ภายในเครือข่ายตนเองช่วยลดความเสี่ยงด้านข้อมูลรั่วไหลได้อย่างมีนัยสำคัญ
Power AutomateAI Automation คืออะไร ผสมผสาน AI กับระบบอัตโนมัติ ยกระดับธุรกิจ ลดเวลา ลดต้นทุน ผลลัพธ์ดีขึ้น
Copilot StudioGenerative AIเมื่อโลกเข้าสู่ยุคปัญญาประดิษฐ์ (AI) เต็มรูปแบบ เราเห็นความหลากหลายของเทคโนโลยีใหม่ ๆ ที่เกิดขึ้นอย่างต่อเนื่อง ในยุคที่เรามี Generative AI โดยหนึ่งในแนวคิดที่น่าจับตามองคือ Agentic AI หรือ “เอเจนติกเอไอ” ซึ่งเป็น AI ที่สามารถดำเนินการและตัดสินใจด้วยตนเอง โดยมีลักษณะคล้าย “ตัวแทน” (Agent) ที่เข้าใจเป้าหมาย รวมถึงมีความสามารถในการปรับตัวตามสถานการณ์ต่าง ๆ ได้ ในบทความนี้ จะพาคุณมาทำความเข้าใจว่า Agentic AI คืออะไร มีหลักการทำงานอย่างไร และสามารถนำไปประยุกต์ใช้ในด้านใดบ้าง
Generative AIChatGPT ทำอะไรให้ธุรกิจได้บ้าง และควรเริ่มตรงไหน บทความนี้อธิบายที่มาของ ChatGPT ตั้งแต่ OpenAI และโมเดล GPT ไปจนถึงรุ่นล่าสุด พร้อมตัวอย่างการใช้งานด้านบริการลูกค้า การตลาด HR และ Automation กรณีศึกษาจากองค์กรชั้นนำ แนวทางต่อยอด และข้อควรระวังด้านความปลอดภัยและจริยธรรม
Generative AIGenerative AI คือเทคโนโลยีที่สร้างข้อความ รูปภาพ เสียง และวิดีโอใหม่ได้จากคำสั่งของเรา บทความนี้พาทำความรู้จักตั้งแต่ความหมาย หลักการทำงานผ่าน Prompt ตัวอย่างการใช้งานในงาน Marketing, HR, Customer Service, Finance และ IT ประโยชน์ที่องค์กรได้รับ ไปจนถึงสิ่งที่ต้องคำนึงก่อนนำมาใช้ ทั้งจริยธรรม การเตรียมบุคลากร และการให้มนุษย์ควบคุมในกระบวนการสำคัญ
Generative AIGenerative AI กับ Agentic AI ต่างกันอย่างไร และงานแบบไหนควรเลือกใช้ตัวไหน บทความนี้เปรียบเทียบ AI สองประเภท ตั้งแต่ Generative AI ที่รอคำสั่งและสร้างเนื้อหา ไปจนถึง Agentic AI ที่วางแผน ตัดสินใจ และลงมือทำหลายขั้นตอนด้วยตัวเอง พร้อมอธิบายแนวคิด Chain of Thought ตัวอย่าง Agent จัดการการลาและ Personal Travel Agent ตารางเปรียบเทียบ เคล็ดลับการเลือกใช้ และข้อควรพิจารณาก่อนเริ่มใช้งานในองค์กร
Generative AIเมื่อองค์กรอยากให้ AI ตอบได้ตรงกับงานของตัวเอง ทางเลือกหลักมีอยู่สองทาง คือให้โมเดลไปค้นข้อมูลภายนอกมาประกอบคำตอบ หรือฝึกโมเดลเพิ่มด้วยข้อมูลเฉพาะด้าน บทความนี้อธิบาย RAG และ Fine-Tuning พร้อมตารางเปรียบเทียบด้านข้อมูล ค่าใช้จ่าย ความแม่นยำ และความเป็นส่วนตัว รวมถึงงานที่เหมาะกับแต่ละแนวทาง
