CEO ของ Moody’s: AI มีปัญหาความไว้วางใจ – โมเดลที่ดีขึ้นไม่สามารถแก้ปัญหานี้ได้

(SeaPRwire) –   แทบทุกสัปดาห์ ข่าวพาดหัวเกี่ยวกับ AI ถูกครอบงำด้วยข่าวของโมเดลล่าสุด ไม่กี่วันก่อน Meta ประกาศโมเดลใหม่ล่าสุดของพวกเขาชื่อ Muse Spark ซึ่งเป็นโมเดลแรกภายใต้แผนก AI ที่ปรับปรุงใหม่ จากการทดสอบวัดมาตรฐานภายใน โมเดลใหม่นี้สามารถแข่งขันกับคู่แข่งชั้นนำได้ในหลายงาน

อย่างไรก็ตาม การเปิดตัวโมเดลใหม่แต่ละครั้งเผยให้เห็นบางสิ่งที่ขัดกับความรู้สึกนึกคิด: ยิ่งมีโมเดลมากมายหลั่งไหลเข้าสู่ตลาดมากเท่าไหร่ พวกมันก็ยิ่งกลายเป็นสินค้าโภคภัณฑ์มากขึ้นเท่านั้น หากเป็นเช่นนั้น คำถามก็คือ: อะไรคือสิ่งที่ทำให้ธุรกิจต่างๆ ที่พยายามนำ AI ไปใช้และขยายขนาดแตกต่างจากผู้อื่น?

คำตอบสรุปได้ในหนึ่งคำว่า ความน่าเชื่อถือ

เมื่อเวลาผ่านไป โมเดลที่อยู่บนโต๊ะทำงานของคุณจะมีความสำคัญน้อยกว่าข้อมูลข่าวสารที่เชื่อถือได้และเชื่อมโยงกันซึ่งป้อนเข้าสู่โมเดลนั้น ฉันคิดถึงข้อมูลข่าวสารที่เชื่อมโยงกันในฐานะข้อมูลที่คัดสรรมาจากแหล่งข้อมูลที่จัดระเบียบและหลากหลาย ผลที่ได้คือ โมเดล AI สามารถให้เหตุผลกับข้อมูลทั้งหมดได้ในครั้งเดียว แทนที่จะทำงานจากภาพเดียวที่ไม่สมบูรณ์

นี่เป็นอีกวิธีหนึ่งที่จะคิดเกี่ยวกับมัน: โมเดล AI คือรถยนต์ที่เรากำลังขับและพวกมันกำลังพัฒนาขึ้นทุกวัน อย่างไรก็ตาม ข้อมูลและข่าวกรองคือระบบนำทาง – ความแตกต่างระหว่างการรู้ว่าคุณกำลังเคลื่อนที่กับการรู้ว่าคุณกำลังไปที่ไหน GPS พื้นฐานที่ทำงานบนแผนที่ที่ล้าสมัยอาจพาคุณไปถึงที่ไหนสักแห่ง – แต่มันจะพาคุณไปถึงที่นั่นอย่างน่าเชื่อถือและรวดเร็วหรือไม่?

อาจจะ

แต่ “อาจจะ” นั้นไม่ดีพอเมื่อพูดถึงการตัดสินใจที่เสี่ยงสูง – โดยเฉพาะในภาคบริการทางการเงิน เรากำลังพูดถึงการตัดสินใจที่สำคัญที่สุดบางอย่างของโลกซึ่งส่งผลกระทบต่อความสามารถของผู้คนในการกู้ยืมเงิน ได้รับประกันภัยในราคาที่เหมาะสม และรักษาเงินของพวกเขาให้ปลอดภัยจากอาชญากรทางการเงิน โมเดลเหล่านี้ต้องการแหล่งข้อมูลที่เป็นความจริงเพื่อใช้ให้เหตุผล – มิฉะนั้น เราไม่เพียงเพิ่มโอกาสของผลลัพธ์ที่ไม่ดี แต่เรากำลังพนันกับความเชื่อมั่นของสาธารณณะ ในช่วงเวลาที่ความไว้วางใจในสถาบันต่างๆ ทั่วโลกกำลังลดลง

Jensen Huang ซีอีโอของ NVIDIA กล่าวถึงจุดนี้ไว้เมื่อไม่นานมานี้ว่า “ข้อมูลที่มีโครงสร้างคือความจริงพื้นฐานของ AI” เขากำลังระบุสิ่งที่อุตสาหกรรมยอมรับได้ช้า นั่นคือ โมเดลที่ทรงพลังต้องการข้อมูลที่เชื่อถือได้ และไม่ใช่ข้อมูลทั้งหมดที่จะได้รับเกียรตินั้น

ข้อมูลจำเป็นต้องถูกจัดระเบียบ ทำให้เป็นมาตรฐาน และปรับเทียบให้สอดคล้องกับวิธีที่โลกทำงานจริงๆ มันเป็นงานที่ต้องใช้ความพยายามอย่างมากและไม่สามารถทำได้เพียงโดยการดึงข้อมูลจากเว็บ นั่นคือเหตุผลที่องค์กรที่รวมเอาโมเดลที่ดีที่สุดเข้ากับข้อมูลข่าวสารที่เชื่อมโยงกันประเภทนี้จะสร้างความไว้วางใจ นอกจากนี้ มันยังจะทำให้มั่นใจได้ว่าการตัดสินใจบนพื้นฐานของ AI สามารถปกป้องได้ต่อคณะกรรมการ หน่วยงานกำกับดูแล ลูกค้า และผู้ถือหุ้น

ผลกระทบจากการวางรากฐานข้อมูลผิดพลาดกำลังปรากฏให้เห็นแล้ว จากข้อมูลของ MIT โครงการนำร่อง AI 95% ล้มเหลวในการสร้างผลกระทบที่วัดได้ นั่นเป็นส่วนหนึ่งเพราะรากฐานข้อมูลอ่อนแอเกินไป โมเดลที่ทรงพลังขึ้นไม่ได้แก้ปัญหานี้ – หากจะมีอะไร พวกมันทำให้ผลที่ตามมาของการสร้างผลลัพธ์ที่ไม่ดีตรวจจับได้ยากขึ้นและมีค่าใช้จ่ายสูงขึ้นในการแก้ไข

อ่านข่าวและความเสี่ยงของผลลัพธ์ที่ไม่ดีนั้นชัดเจน: อัตราภาษีศุลกากรกำลังปรับเปลี่ยนการค้าโลกข้ามคืน ภูมิรัฐศาสตร์กำลังวาดเส้นทางซัพพลายเชนใหม่ เหตุการณ์สภาพอากาศรุนแรงกำลังท้าทายโมเดลในอดีต และการโจมตีทางไซเบอร์กำลังกำหนดเป้าหมายไปที่โครงสร้างพื้นฐานที่สำคัญ ตามที่รายงาน Global Risks 2026 ของ World Economic Forum ชี้ให้เห็นอย่างชัดเจน ความเสี่ยงยังคงขยายตัวในด้านขนาด การเชื่อมโยงถึงกัน และความเร็ว

สำหรับธนาคาร บริษัทประกันภัย และผู้จัดการสินทรัพย์ การเชื่อมโยงนี้ไม่ใช่เรื่องทางทฤษฎี – มันคือความแตกต่างระหว่างการตอบสนองต่อความเสี่ยงและการอยู่ข้างหน้าความเสี่ยง ในยุคแห่งความเสี่ยงแบบทวีคูณนี้ ความท้าทายที่กำหนดไม่ได้มีเพียงว่าภัยคุกคามกำลังเพิ่มขึ้นในขนาดเท่านั้น – แต่พวกมันยังเพิ่มขึ้นในด้านการเชื่อมโยงอีกด้วย ตัวอย่างเช่น เหตุการณ์สภาพอากาศรุนแรงที่ทำลายโครงสร้างพื้นฐานอาจส่งผลกระทบต่อโหนดซัพพลายเชนที่สำคัญ ซึ่งมีผลกระทบทางอนุพันธ์ต่อการเติบโตทางเศรษฐกิจและสินเชื่อ สำหรับบริษัทบริการทางการเงิน การใช้ AI ทั่วไปร่วมกับข้อมูลที่กระจัดกระจายไม่สามารถให้คำตอบที่สามารถปกป้องได้เกี่ยวกับวิธีการประเมินความเสี่ยงเหล่านั้น อย่างไรก็ตาม ข้อมูลข่าวสารที่เชื่อมโยงกัน – ซึ่งครอบคลุมชุดข้อมูลที่แตกต่างกันเกี่ยวกับสภาพอากาศ สินเชื่อ และการปฏิบัติตามข้อกำหนด – สามารถทำให้คุณเข้าใกล้คำตอบที่คุณเชื่อถือได้มากขึ้น

เมื่อแหล่งข้อมูลมากขึ้นถูกรวมเข้าด้วยกัน ภาพของความเสี่ยงที่สมบูรณ์กว่า แม่นยำกว่า และดำเนินการได้มากกว่าที่วิธีการแบบแยกส่วนจะผลิตได้ก็ปรากฏขึ้น นั่นคือเหตุผลที่บริษัทที่รวมข้อมูลจากบุคคลที่สามควบคู่ไปกับข้อมูลที่พวกเขาเป็นเจ้าของจะเป็นผู้ที่ตัดสินใจได้ดีขึ้นและเร็วขึ้น – และสามารถปกป้องการตัดสินใจเหล่านั้นเมื่อถึงเวลาสำคัญ

ในช่วงสามปีที่ผ่านมา ความซับซ้อนและความสามารถของโมเดลได้พัฒนาขึ้นอย่างมาก อย่างไรก็ตาม ถึงเวลาแล้วที่จะเริ่มโฟกัสที่การทำให้ข้อมูลข่าวสารที่อยู่เบื้องหลังพวกมันสมบูรณ์แบบ สิ่งเหล่านี้ไม่ใช่การตัดสินใจที่สงวนไว้เฉพาะสำหรับวิศวกรเท่านั้น แต่สำหรับทุกคนที่จริงจังกับการปลดปล่อยพลังที่แท้จริงของ AI องค์กรทุกแห่งที่นำ AI ไปใช้ใน規模ใหญ่จำเป็นต้องถามทีมข้อมูลของตนด้วยคำถามเดียวกับที่ถามผู้ขาย AI: ข้อมูลข่าวสารนี้เชื่อถือได้ เชื่อมโยงกัน และทดสอบกับผลลัพธ์จริงแล้วหรือไม่?

เพราะเดิมพันนั้นไปไกลกว่ารายได้และการเติบโต มันยังสำคัญสำหรับทุกคนที่กังวลเกี่ยวกับการเสริมสร้างความไว้วางใจในสถาบันซึ่งตลาดต่างๆ ดำเนินอยู่ Moody’s ก่อตั้งขึ้นเมื่อกว่าศตวรรษที่แล้วด้วยความเชื่อที่ว่าตลาดทำงานได้ดีขึ้นเมื่อทุกคนมีสิทธิ์เข้าถึงข้อมูลและการวิเคราะห์ที่โปร่งใส เข้มงวด และเป็นอิสระ สิ่งนี้เป็นจริงในวันนี้เช่นเดียวกับในเวลานั้น และ AI ไม่ได้เปลี่ยนหลักการนั้น – มันเพียงแต่เพิ่มต้นทุนของการทำผิดพลาด