ไขข้อสงสัยขายบ้านเอง VS ขายผ่านเอเจนต์ แบบไหนเหมาะ เลือกอย่างไรไม่ให้ว้าวุ่น

ไขข้อสงสัยขายบ้านเอง VS ขายผ่านเอเจนต์ แบบไหนเหมาะ เลือกอย่างไรไม่ให้ว้าวุ่น

ไขข้อสงสัยขายบ้านเอง VS ขายผ่านเอเจนต์ แบบไหนเหมาะ เลือกอย่างไรไม่ให้ว้าวุ่น

ปัจจัยด้านเศรษฐกิจ การเงิน และสังคมมีผลอย่างมากต่อการเติบโตของตลาดอสังหาริมทรัพย์ โดยที่ทั้งผู้ซื้อและผู้ขายต้องพิจารณาความท้าทายรอบด้านอย่างรอบคอบ ซึ่งในทางปฏิบัติของการซื้อหรือขายอสังหาริมทรัพย์มีรายละเอียดต่าง ๆ มากมายตลอดกระบวนการซื้อหรือขาย ตั้งแต่การเลือกโครงการ ทำเล เจ้าของบ้านหรือผู้พัฒนา ราคา ค่าใช้จ่าย ค่าธรรมเนียมจิปาถะ ไปจนถึงการทำเรื่องธุรกรรมต่าง ๆ ส่วนในฝั่งของผู้ขายก็ต้องการขายให้ได้เร็วที่สุด เพื่อลดภาระดอกเบี้ยหรือคืนทุนให้เร็วที่สุด ซึ่งแนวโน้มการใช้เอเจนต์อสังหาฯ มาทำหน้าที่จุกจิกเหล่านี้แทนกำลังได้รับความนิยม ด้วยความรู้ความเข้าใจ คำแนะนำ และช่องทางการดำเนินงานต่าง ๆ ที่จะช่วยลดความยุ่งยากและประหยัดเวลาของทั้งผู้ซื้อและผู้ขายไปได้อย่างชัดเจน 

การซื้อ ขาย หรือเช่าบ้านให้ได้ตรงใจถ้าไม่มีประสบการณ์มาก่อนก็อาจเป็นเรื่องปวดหัวมากถึงมากที่สุด เพราะกว่าจะพบที่อยู่อาศัยที่ถูกใจต้องผ่านหลายกระบวนการ ตั้งแต่ประเภทของบ้านที่อยากได้ งบประมาณที่มี ทำเลที่ตอบโจทย์ ฟังก์ชั่นใช้สอย ฯลฯ ซึ่งทั้งหมดนี้ต้องใช้เวลา สมอง และพลังงานมหาศาล ซึ่งในความเป็นจริงแล้วทั้งผู้ซื้อ ผู้ขาย ผู้เช่า หรือผู้ปล่อยเช่าอสังหาฯ สามารถให้เอเจนต์ทำหน้าที่ต่าง ๆ ที่มีรายละเอียด ข้อมูล การติดต่อประสานงานและขั้นตอนที่จุกจิกแทนได้ การเลือกใช้เอเจนต์ที่มีคุณภาพและได้รับการรับรอง จึงกลายเป็นอีกตัวช่วยที่จะช่วยให้ผู้บริโภคสามารถใช้เวลา สมอง และงบประมาณกับเรื่องสำคัญนี้ได้อย่างมีประสิทธิภาพ 

ความท้าทายของมือใหม่ ขายบ้านเองง่ายอย่างที่คิดจริงหรือ

จากการปรับขึ้นอัตราดอกเบี้ยอย่างต่อเนื่อง ทำให้ผู้บริโภคที่วางแผนซื้อบ้านในเวลานี้มีความกังวลใจต่อภาระค่าใช้จ่ายและเลือกชะลอการซื้อที่อยู่อาศัยออกไปก่อน โดยหันมาเลือกเช่าที่อยู่อาศัยแทน ขณะที่โครงการรีเซลหรือโครงการมือสอง ซึ่งมีต้นทุนราคาที่ถูกกว่าบ้านใหม่ กลายเป็นอีกตัวเลือกที่น่าสนใจในกลุ่มผู้ซื้อเพื่ออยู่อาศัยจริง (Real Demand) ที่มีงบประมาณจำกัดและมีความจำเป็นต้องซื้อที่อยู่อาศัยในเวลานี้ ถือเป็นโอกาสอันดีที่ผู้มีสินค้าบ้าน/คอนโดฯ มือสองจะนำออกมาขายสู่ตลาดเพื่อตอบรับความต้องการที่มีในตอนนี้

อย่างไรก็ดี ภายใต้โอกาสนั้นก็ยังมีความท้าทายซ่อนอยู่ เนื่องจากการขายอสังหาฯ มีความแตกต่างจากการขายสินค้าทั่วไปพอสมควร อันดับแรกผู้ที่ต้องการขายที่อยู่อาศัยมือสองต้องทำความเข้าใจก่อนว่า แม้ที่อยู่อาศัยจะมีความจำเป็นต่อการดำรงชีวิต แต่ถือเป็นทรัพย์สินที่มีราคาสูงเมื่อเทียบกับรายได้ ก่อนตัดสินใจซื้อจึงต้องใช้ความละเอียดรอบคอบในการพิจารณาอย่างถี่ถ้วน แม้การประกาศขายบ้านเองนั้นมีข้อดีตรงที่ผู้ขายได้รับเงินเต็มจำนวนทั้งหมดโดยไม่ต้องเสียค่าคอมมิชชั่นเหมือนการขายผ่านเอเจนต์ แต่ในทางตรงกันข้าม การประกาศขายที่อยู่อาศัยมือสองไม่ใช่เรื่องง่ายที่ทุกคนจะประสบความสำเร็จ หากไม่เคยมีประสบการณ์ด้านนี้มาก่อน ดีดีพร็อพเพอร์ตี้ (DDproperty) เว็บไซต์มาร์เก็ตเพลสด้านอสังหาริมทรัพย์อันดับ 1 ของไทย ชวนผู้บริโภคมาทำความเข้าใจเกี่ยวกับความท้าทายที่ถูกมองข้ามเมื่อคิดขายบ้านเอง ได้แก่

  • ตั้งราคาขายตามใจ ไม่สนราคาตลาด ขั้นตอนการตั้งราคาขายบ้านมือสองนั้นถือว่ามีความสำคัญอันดับต้น ๆ เนื่องจากถือเป็นปัจจัยแรกที่ดึงดูดผู้ซื้อ ผู้ขายมือใหม่หลายคนมักจะเลือกตั้งราคาตามที่ต้องการ โดยลืมพิจารณาปัจจัยสำคัญคือราคาขายของสินค้าประเภทเดียวกันในทำเลนั้น ๆ ซึ่งถือเป็นคู่แข่งโดยตรงที่ผู้ซื้อสามารถเปรียบเทียบได้ทันที ผู้ขายควรจะศึกษาราคาขายเฉลี่ยของที่อยู่อาศัยมือสองประเภทเดียวกันในทำเลนั้น ๆ ก่อน หากเป็นบ้าน/คอนโดฯ ที่ผ่อนชำระอยู่ก็ต้องตั้งราคาให้ครอบคลุมภาระหนี้ที่เหลือ โดยหักค่าเสื่อมของอสังหาฯ ออก และต้องไม่ลืมรวมค่าใช้จ่ายในกรณีที่ต้องซ่อมแซมจุดชำรุดแล้วตกแต่งบ้านให้สวยงามพร้อมเข้าอยู่ ค่าทำการตลาดเมื่อประกาศขาย รวมทั้งบวกค่าใช้จ่ายในวันโอนกรรมสิทธิ์ในส่วนที่ผู้ขายต้องรับผิดชอบด้วย โดยราคาขายควรเหมาะสมกับสภาพอสังหาฯ ไม่แพงเกินไปจนผู้ซื้อเมินตั้งแต่ครั้งแรก และไม่ถูกจนทำให้เกิดข้อสงสัยว่าที่อยู่อาศัยนั้นมีปัญหาซ่อนอยู่ หรือผู้ขายร้อนเงิน ซึ่งจะทำให้เสี่ยงโดนกดราคาเพิ่ม
  • ไม่เข้าใจการวางแผนการตลาด การประกาศขายอสังหาฯ นั้นมีทั้งรูปแบบออฟไลน์และออนไลน์ให้เลือก ปัจจัยสำคัญคือต้องเริ่มต้นวางแผนทำการตลาดให้ครอบคลุมกลุ่มผู้ซื้อมากที่สุด ใช้ข้อความให้ดึงดูดใจจากราคาและความคุ้มค่าจากของแถมที่มอบให้ เลือกใช้รูปถ่ายที่สวยงามในมุมที่ทำให้บ้านดูกว้างขวาง ไม่อึดอัด ข้อควรคำนึงคือการประกาศขายผ่านช่องทางออนไลน์นั้นแม้จะมีความสะดวกและเข้าถึงผู้คนได้มากกว่า แต่ในทางกลับกันก็มีการแข่งขันที่สูงไม่น้อย ดังนั้นการประกาศฟรีตามเว็บไซต์มาร์เก็ตเพลสหรือโซเชียลมีเดียอาจไม่เพียงพอ บางครั้งจำเป็นต้องมีค่าใช้จ่ายในการเพิ่มยอดผู้เข้าชม หรือให้เข้าถึงกลุ่มเป้าหมายมากขึ้น ซึ่งจะช่วยเพิ่มโอกาสในการขาย ขณะเดียวกันผู้ขายอาจไม่สามารถล่วงรู้ได้เลยว่าต้องใช้ระยะเวลานานเพียงใดกว่าจะปิดการขายได้ หากไม่มีความรู้ความเข้าใจที่ดีพอเพื่อวางแผนการตลาด อาจทำให้ไม่สามารถขายออกได้ง่ายหรืองบส่วนนี้บานปลาย
  • ไม่มีเวลาเพียงพอในการพาผู้ซื้อเยี่ยมชม เมื่อมีผู้สนใจซื้อและขอนัดหมายเยี่ยมชมที่อยู่อาศัยที่ประกาศขายจริง ผู้ขายต้องเป็นคนดำเนินการเอง ซึ่งปกติแล้วจะมีการขอเยี่ยมชมเรื่อย ๆ จากหลากหลายลูกค้าที่สนใจ ซึ่งผู้ขายต้องทำใจว่าอาจต้องใช้เวลาในการเปิดบ้านและพาไปเยี่ยมชมและให้ข้อมูลหลาย ๆ ครั้งจนกว่าจะขายได้ หรือบางกรณีที่ผู้สนใจซื้อสะดวกนัดหมาย แต่อาจจะไม่ตรงกับช่วงเวลาที่ผู้ขายว่าง ซึ่งหากเกิดกรณีที่ต้องเลื่อนนัดหรือปฏิเสธนัดบ่อย ๆ ก็เป็นการลดโอกาสที่จะขายได้ตามไปด้วย เนื่องจากผู้ซื้ออาจสนใจโครงการอื่นที่ไปดูแทนหรือมีความจำเป็นเร่งด่วนในการหาบ้านใหม่ นอกจากนี้ผู้ขายยังต้องเผชิญความท้าทายในการพิจารณาว่าผู้ที่สนใจซื้อนั้นเป็นลูกค้าจริง หรือเป็นแค่มิจฉาชีพที่แฝงตัวมา
  • ขาดทักษะในการต่อรอง ผู้ขายต้องมีทักษะในการสื่อสารและวาทศิลป์ที่ดีในการดึงดูดใจเมื่อให้ข้อมูลบ้านที่จะขาย เพื่อให้สามารถปิดการขายได้ภายในเวลาที่รวดเร็วและขายได้ตามราคาที่ตั้งไว้ ซึ่งผู้ขายมือใหม่ที่ไม่มีประสบการณ์ด้านการขายบ้าน/คอนโดฯ มาก่อน มักเผชิญความท้าทายเมื่อผู้ซื้อต้องการให้ลดราคาลง หรือต่อรองราคาโดยมีเงื่อนไขต่าง ๆ เช่น ขอลดราคาโดยไม่เอาเฟอร์นิเจอร์ หรือหาจุดชำรุดมากดดันขอลดราคาเพิ่ม นอกจากนี้ ระหว่างการสื่อสารกันนั้น ผู้ขายไม่ควรบอกเหตุผลการขายในเชิงลบที่อาจเสี่ยงต่อการถูกกดราคา หรือยกเลิกการซื้อในภายหลังเช่นกัน
  • ขาดความรู้ความเข้าใจเรื่องเอกสารสัญญา การซื้อขายที่อยู่อาศัยมือสองนั้นมีรายละเอียดที่แตกต่างจากการซื้อขายทรัพย์สินอื่น ๆ และซับซ้อนกว่า ผู้ขายต้องศึกษาและทำความเข้าใจในเรื่องการทำสัญญาการขายให้รอบคอบและครอบคลุม รายละเอียดในสัญญาต้องชัดเจนทั้งในเรื่องราคา เงื่อนไข เวลาในการดำเนินงานต่าง ๆ หรือค่าเสียเวลาหากผู้ซื้อเปลี่ยนใจยกเลิกสัญญาในภายหลัง นอกจากนี้ยังต้องมีความรู้เรื่องสินเชื่อ การเตรียมเอกสารในการทำธุรกรรมต่าง ๆ ขณะเดียวกันยังต้องศึกษาเรื่องค่าใช้จ่ายวันโอนกรรมสิทธิ์ เพื่อทำความเข้าใจว่าส่วนไหนบ้างที่ผู้ขายต้องรับผิดชอบเอง ซึ่งควรคำนวณค่าใช้จ่ายส่วนนี้ไว้ในราคาขายบ้านตั้งแต่แรก รายละเอียดเหล่านี้ต้องใช้เวลาศึกษาให้ถี่ถ้วนก่อนจะประกาศขาย เพื่อป้องกันข้อผิดพลาดในภายหลัง

“เอเจนต์” สะพานเชื่อมผู้ขายและผู้ซื้อ มีดีมากกว่าแค่ขายบ้าน

รายละเอียดของการซื้อ-ขายบ้าน/คอนโดฯ มือสองนั้นแตกต่างจากการซื้อบ้านใหม่ไม่น้อย ผู้ขายมือใหม่จึงจำเป็นต้องใช้เวลาศึกษารายละเอียดทั้งในด้านการตลาดและเอกสารสัญญา ถือเป็นเรื่องท้าทายสำหรับผู้ไม่เคยมีประสบการณ์มาก่อนในการบริหารจัดการขั้นตอนต่าง ๆ หรือไม่มีเวลาเพียงพอในการทำทุกอย่างด้วยตนเอง การเลือกใช้บริการเอเจนต์อสังหาฯ จึงเป็นทางเลือกที่น่าสนใจและช่วยอำนวยความสะดวกให้การขายบ้าน/คอนโดฯ เป็นไปอย่างราบรื่น อย่างไรก็ดี บางคนอาจมีความเชื่อผิด ๆ มองว่าเอเจนต์ทำได้แค่ขายเพียงอย่างเดียว จึงเสียดายเงินหากต้องจ่ายค่าคอมมิชชั่น ซึ่งแท้จริงแล้วเอเจนต์มืออาชีพนั้นมีบทบาทอยู่ในทุกขั้นตอนของเส้นทางการซื้อขายที่อยู่อาศัย ดังนี้ 

  • เป็นที่ปรึกษา คอยดูแลในทุกขั้นตอน เอเจนต์มีประสบการณ์และความรู้ความเข้าใจในการซื้อขายอสังหาฯ เป็นอย่างดี จากการศึกษาตลาด เรียนรู้ทักษะที่เกี่ยวข้อง และติดตามข่าวสารในแวดวงอสังหาฯ ตลอดเวลา เอเจนต์จะช่วยดูแลตั้งแต่ขั้นตอนการตั้งราคาขายบ้าน/คอนโดฯ ที่เหมาะสม ตรวจสอบจุดบกพร่องที่ควรซ่อมแซม ให้คำปรึกษาเพื่อปรับปรุงตกแต่งบ้าน/คอนโดฯ ให้สวยงามขึ้น เพื่อช่วยให้ขายบ้านได้ราคาดีและดึงดูดใจผู้ซื้อ นอกจากนี้ เอเจนต์ยังมีความรู้ที่เกี่ยวข้องกับการทำสัญญา การขอสินเชื่อในฝั่งผู้ซื้อ และการโอนกรรมสิทธิ์ ถือเป็นที่ปรึกษาที่ช่วยเตรียมการ อำนวยความสะดวก และแก้ไขปัญหาในการขายที่อยู่อาศัยให้ราบรื่น ประหยัดเวลาของผู้ขายมากขึ้น และลดความยุ่งยากในขั้นตอนที่ไม่คุ้นชินออกไป
  • เป็นทั้งนักวิเคราะห์และนักวางแผนการตลาด การประกาศขายที่อยู่อาศัยให้ได้รับผลตอบรับที่ดีนั้น เอเจนต์ต้องทำการวิเคราะห์ในทุกขั้นตอน เพื่อนำมาวางแผนขายบ้าน/คอนโดฯ มือสองให้มีประสิทธิภาพที่สุด โดยต้องศึกษาจุดเด่นของอสังหาฯ ที่ต้องการขาย นำมาวิเคราะห์โอกาสในทำเลนั้นๆ โดยเปรียบเทียบกับที่อยู่อาศัยประเภทเดียวกันที่ประกาศขายในทำเลนั้น ๆ ว่ามีจำนวนมากน้อยเพียงใด อยู่ในระดับราคาเท่าไร ผู้ซื้อที่เป็นกลุ่มเป้าหมายหลักคือใคร มีการติดตามสื่อผ่านช่องทางไหนบ้างและนำข้อมูลทั้งหมดมาวางแผนว่าจะประกาศขายในสื่อออฟไลน์และออนไลน์ที่ใดบ้าง ใช้ระยะเวลาเท่าไร และมีกลยุทธ์ใดบ้างที่จะนำมาใช้เพื่อกระตุ้นให้ปิดการขายได้ไวขึ้น 
  • สวมบท Matchmaker ช่วยจับคู่และสกรีนผู้ซื้อ เอเจนต์จะมีประสบการณ์การซื้อ-ขายในตลาดมากกว่าผู้บริโภคทั่วไป จึงมีความเข้าใจความต้องการที่ต่างกันทั้งของผู้ซื้อและผู้ขาย และมีเครือข่ายของเอเจนต์เองหรือฐานข้อมูลลูกค้าของบริษัทที่จะช่วยเพิ่มโอกาสในการเข้าถึงกลุ่มเป้าหมายได้มากขึ้น เชื่อมโยงให้ผู้ขายได้พบกับผู้ซื้อที่มีความต้องการที่ตรงกัน ขณะเดียวกัน เอเจนต์ยังมีประสบการณ์ที่จะช่วยประเมินว่าผู้สนใจซื้อคนไหนมีศักยภาพในการซื้อมากเพียงพอ นอกจากจะเป็นตัวแทนในการพาผู้สนใจซื้อมาเยี่ยมชมโครงการแล้ว ยังมีเทคนิคและทักษะที่ดีในการเจรจา เป็นเสมือนคนกลางที่ลดความร้อนแรงเมื่อมีการต่อรองราคา ช่วยหลีกเลี่ยงการโดนกดราคาจากผู้สนใจซื้อโดยตรง และโน้มน้าวให้เห็นความคุ้มค่าของบ้าน เพื่อให้เกิดการตัดสินใจซื้อในราคาที่ตั้งไว้หรือใกล้เคียง
  • เป็นผู้เชี่ยวชาญในด้านเอกสารและสัญญา เอเจนต์ต้องมีความรู้ด้านกฎหมายที่เกี่ยวข้องกับการทำธุรกรรม เพื่อให้สามารถช่วยผู้ขายได้ตั้งแต่เริ่มต้น ไม่ว่าจะเป็นขั้นตอนการตรวจสอบว่าที่อยู่อาศัยอยู่ในเงื่อนไขที่สามารถขายได้ มีหนี้ค้างชำระหรือพันธะกับทางธนาคารหรือไม่ ซึ่งจะไม่สามารถโอนกรรมสิทธิ์บ้านที่ติดจำนองได้ จนกว่าจะเคลียร์หนี้กับธนาคารและทำเรื่องปลอดจำนองก่อน รวมทั้งแนะนำการไถ่ถอนหลักทรัพย์กรณีที่ที่อยู่อาศัยนั้นยังติดผ่อนธนาคาร ทั้งหมดนี้ล้วนเป็นเรื่องที่ต้องจัดการให้เรียบร้อย เพื่อไม่ให้มีปัญหาภายหลังเมื่อมีการตกลงซื้อขาย นอกจากนี้ เอเจนต์ยังสามารถช่วยเตรียมเอกสารในการทำสัญญาต่าง ๆ ครอบคลุมตั้งแต่การทำสัญญาจะซื้อจะขาย การวางเงินมัดจำ การช่วยลูกค้าขอสินเชื่อ การเตรียมสัญญาซื้อขายและเอกสารต่าง ๆ ตลอดจนการโอนกรรมสิทธิ์ ลดเวลาในการดำเนินการเอง และช่วยให้มั่นใจในความถูกต้อง

เลือกเอเจนต์อย่างไรให้ปลอดภัย ไร้กังวลเรื่องโดนหลอก

ก่อนตัดสินใจเลือกเอเจนต์ ผู้ขายควรตรวจสอบประวัติและใบอนุญาตประกอบวิชาชีพจากสมาคมนายหน้าอสังหาริมทรัพย์ไทย ซึ่งมีการสอบวัดความรู้ทางด้านการเป็นตัวแทนและสอบวัดจรรยาบรรณวิชาชีพ รวมทั้งขอดูผลงานการขายที่ผ่านมาก่อน เพื่อพิจารณาคุณภาพและความรู้ความสามารถของเอเจนต์เบื้องต้น จากนั้นจึงตกลงรายละเอียดในสัญญาว่าจ้างเอเจนต์ให้เรียบร้อยว่า ภายใต้ค่านายหน้านั้นครอบคลุมบริการอะไรบ้าง เช่น ค่าทำการตลาด ค่าเดินทางพาลูกค้าเยี่ยมชมโครงการ เพื่อป้องกันค่าใช้จ่ายแฝงที่อาจเพิ่มมาในภายหลังโดยไม่รู้ตัว รวมทั้งระบุเงื่อนไขที่ชัดเจนในการขาย 

  • หากเอเจนต์สามารถขายบ้านในราคาสูงกว่าที่ตกลงไว้ในตอนต้น เจ้าของบ้านจะตกลงให้จำนวนเงินส่วนที่เกินเป็นของเอเจนต์หรือไม่
  • เมื่อตกลงว่าจ้างแล้ว ค่านายหน้าจะต้องจ่ายในทุกกรณีที่ขายบ้าน/คอนโดฯ นั้นสำเร็จ แม้เจ้าของบ้านจะขายได้เองหรือไม่
  • บางครั้งสัญญาจะระบุว่าเจ้าของต้องแต่งตั้งให้เอเจนต์นั้น ๆ เป็นตัวแทนขายแต่เพียงผู้เดียว ห้ามมิให้เอเจนต์ผู้อื่นเป็นตัวแทนขายเป็นอันขาด ภายในระยะเวลาตามที่กำหนด ซึ่งถือเป็นวิธีป้องกันให้เอเจนต์ไม่มีความเสี่ยงที่จะถูกเจ้าของบ้านหรือเอเจนต์คนอื่นขายตัดหน้า
ข้อมูลจากแบบสอบถามความคิดเห็นของผู้บริโภคที่มีต่อตลาดที่อยู่อาศัย DDproperty Thailand Consumer Sentiment Study รอบล่าสุด

โดยทั่วไปแล้วการขายที่อยู่อาศัยผ่านเอเจนต์จะต้องเสียค่านายหน้าหรือค่าคอมมิชชั่นประมาณ 3% ของราคาซื้อขาย และเอเจนต์จะเก็บค่านายหน้าเมื่อลูกค้าทำสัญญาซื้อขายเรียบร้อยแล้วหรือปิดการขายได้แล้วนั่นเอง ผู้บริโภคจึงควรพิจารณาข้อดีและข้อจำกัดอย่างถี่ถ้วนก่อนตัดสินใจว่าการเลือกขายบ้านด้วยตนเอง หรือผ่านเอเจนต์ วิธีไหนที่เหมาะสมกับความต้องการและตอบโจทย์มากที่สุด ข้อมูลจากแบบสอบถามความคิดเห็นของผู้บริโภคที่มีต่อตลาดที่อยู่อาศัย DDproperty Thailand Consumer Sentiment Study รอบล่าสุด พบว่า เหตุผลที่ผู้บริโภคตัดสินใจเลือกซื้ออสังหาฯ ผ่านเอเจนต์อสังหาฯ นั้น 2 ใน 3 (68%) มองว่า เอเจนต์ช่วยให้ประหยัดเวลาจากการทำธุรกรรมได้มากขึ้น ตามมาด้วย 51% มองว่าเอเจนต์อสังหาฯ มีความรู้และความเชี่ยวชาญมากกว่าตนเอง และ 45% ยอมจ่ายเงินใช้เอเจนต์เพื่อลดความยุ่งยากในกระบวนการซื้อขายลง ขณะที่ปัจจัยสำคัญที่มีผลต่อการเลือกเอเจนต์นั้น มากกว่า 2 ใน 3 (71%) พิจารณาจากความเชี่ยวชาญเฉพาะทางของเอเจนต์ ตามมาด้วยประสบการณ์ของเอเจนต์ 63% และชื่อเสียงของบริษัทที่เอเจนต์สังกัดอยู่ 55% ซึ่งจะช่วยให้มั่นใจได้ว่าเอเจนต์นั้นมีความสามารถเพียงพอและน่าเชื่อถือ

นอกจากนี้ 8 ใน 10 ของผู้บริโภค (81%) เผยว่าให้ความสำคัญกับการเลือกใช้เอเจนต์ที่ได้รับการยืนยันตัวตน (Agent Verification) เพื่อป้องกันการถูกหลอกลวงหรือเจอมิจฉาชีพแฝงตัวมา อย่างไรก็ดี หากผู้บริโภคยังไม่มั่นใจเมื่อต้องใช้เอเจนต์อสังหาฯ ก็สามารถเลือกใช้ “เอเจนต์ที่ได้รับการยืนยันตัวตน (Agent Verification)” ของดีดีพร็อพเพอร์ตี้ ที่มีการแสดงข้อมูลการติดต่อที่ชัดเจน และความเชี่ยวชาญเบื้องต้น ซึ่งจะทำให้มั่นใจได้ว่าเอเจนต์ที่ผ่านการลงทะเบียนในโครงการนี้ และได้ป้ายสัญลักษณ์สีเขียว “ยืนยันตัวตน” หรือ “Verified” บนเว็บไซต์ www.ddproperty.com ตรงปก มีความน่าเชื่อถือ และไว้ใจได้ ช่วยให้คุณมั่นใจได้ว่าทุกการซื้อ-ขาย-เช่าบนเส้นทางอสังหาฯ นี้จะเป็นไปอย่างราบรื่น และไร้กังวล 

Red Hat OpenStack Services on OpenShift คือ Red Hat OpenStack Platform เจเนอเรชันถัดไป

Red Hat OpenStack Services on OpenShift คือ Red Hat OpenStack Platform เจเนอเรชันถัดไป

Red Hat OpenStack Services on OpenShift คือ Red Hat OpenStack Platform เจเนอเรชันถัดไป

เร้ดแฮทประกาศการพัฒนา Red Hat OpenStack Services on OpenShift* รุ่นพรีวิว ซึ่งเป็นการพัฒนาครั้งสำคัญของ Red Hat OpenStack Platform จากตลอดสองสามปีที่ผ่านมาที่เร้ดแฮทมุ่งมั่นผสานให้ Red Hat OpenStack Platform และ Red Hat OpenShift ทำงานร่วมกันเพื่อช่วยให้เซอร์วิสโพรไวเดอร์สเกลได้เร็วขึ้นและใช้ทรัพยากรได้อย่างมีประสิทธิภาพสูงสุด โดยสามารถช่วยทีมบริหารจัดการ OpenStack บนคลาวด์ต่าง ๆ เพื่อให้ผู้ใช้งานได้ประโยชน์จากการดำเนินการที่ทันสมัยมากขึ้นของ OpenShift การผสานรวม Kubernetes กับ OpenStack จะช่วยให้องค์กรต่าง ๆ สามารถบริหารจัดการทรัพยากรได้มีประสิทธิภาพมากขึ้น มีความสามารถในการสเกล มีความยืดหยุ่นในการใช้ไฮบริดคลาวด์ อย่างมาก มีการพัฒนาและแนวปฏิบัติของ DevOps ที่ไม่ซับซ้อน และอื่น ๆ อีกมาก

แต่การผสานรวมเทคโนโลยีต่าง ๆ ให้ทำงานร่วมกันนั้น ต้องการการวางแผนและการกำหนดค่าคุณสมบัติต่าง ๆ ที่รัดกุม เพื่อขับเคลื่อนให้การทำงานของสองแพลตฟอร์มเป็นไปอย่างราบรื่น และความต้องการนี้คือที่มาของ Red Hat OpenStack Services on OpenShift ซึ่งลูกค้าสามารถคงการลงทุนกับ OpenStack APIs เช่น Nova, Swift, Cinder, Neutron, Keystone และอื่น ๆ ไว้ได้ ช่วยให้มีค่าใช้จ่ายในการบริหารจัดการต่ำลง ในขณะเดียวกันก็สามารถปรับปรุงการดำเนินการให้ทันสมัยขึ้นจากการผสมผสานโปรเจกต์คอนเทนเนอร์ใหม่ ๆ การเปลี่ยนแปลงนี้ไม่ได้บังคับให้ผู้ใช้ต้อง re-write หรือเปลี่ยนเวิร์กโหลด OpenStack ที่ใช้อยู่ และเพื่อให้ได้ประโยชน์มากขึ้น สถาปัตยกรรมใหม่นี้ช่วยให้ผู้ใช้ไม่ต้องไปยุ่งเกี่ยวกับเวิร์กเกอร์โหนดของ OpenStack เลย เราจะย้าย control plane ของ OpenStack ของผู้ใช้ไปเป็นเวิร์กโหลดของ OpenShift โดยไม่รบกวน OpenStack worker nodes และเมื่อเวลาผ่านไป OpenStack worker nodes จะยังได้รับการอัปเกรดต่อเนื่องตามไลฟ์ไซเคิลของ OpenStack เหมือนเช่นเคย

เร้ดแฮทกำลังมอบเส้นทางการลงทุนที่รองรับสิ่งที่จะเกิดขึ้นอย่างแน่นอนในอนาคตให้กับลูกค้า OpenStack ของเรา Red Hat OpenStack Services on OpenShift ช่วยให้องค์กรต่าง ๆ สามารถติดตั้งเพื่อใช้งานได้ง่าย ใช้งานได้รวดเร็วอย่างมาก และมอบการบริหารจัดการแบบรวมศูนย์ตั้งแต่ศูนย์กลางหลักไปจนถึง edge การปรับปรุงประสิทธิภาพสำคัญทั้งสามอย่างนี้ เกิดจากความคิดเห็นตรงของลูกค้าที่ให้กับเรา นอกจากนี้ Red Hat OpenStack Services on OpenShift ยังมีความสามารถต่าง ๆ ดังนี้

  • ความยืดหยุ่นสูงขึ้น: ด้วยความสามารถในการรันแอปพลิเคชันได้ทั้งระบบภายในองค์กร (bare-metal), เวอร์ชวล และคอนเทนเนอร์ ร่วมกัน ช่วยให้ลูกค้าสามารถรันเวิร์กโหลดบนสภาพแวดล้อมที่จะส่งผลดีต่อธุรกิจได้มากที่สุด ไม่ว่าจะอยู่ที่จุดในของเส้นทางการทรานส์ฟอร์มด้านไอทีของตน
  • การประมวลผลแบบขนานที่รวดเร็ว: เพื่อการใช้งานอย่างฉับพลันและทำซ้ำได้ ด้วยการใช้ Red Hat Ansible Automation Platform และ OpenShift Go Operators ที่จะช่วยลดเวลา ลดความซับซ้อนและลดความเสี่ยง
  • ความสามารถในการสเกล: ด้วยการบริหารจัดการผ่าน control plane แบบใหม่ (ชุดเครื่องมือสำหรับการใช้งานและการจัดการ OpenStack control plane as Kubernetes-native pods)
  • เพิ่มประสิทธิภาพการอัปเดตและอัปเกรดต่าง ๆ โดยใช้ rolling updates/capabilities ที่มีอยู่ใน Red Hat OpenShift เป็นวิธีการอัปเดต podified บริการ OpenStack ที่ราบรื่นและเชื่อถือได้ ในขณะที่ยังคงความพร้อมใช้สูงไว้ด้วย
  • ความปลอดภัยที่รัดกุมขึ้น: ด้วยการใช้การสื่อสารที่เข้ารหัสระหว่างบริการต่าง ๆ memorn cache ที่เข้ารหัส และการควบคุมการเข้าถึงตามบทบาทที่ปลอดภัย เพื่อมอบโมเดลรักษาความปลอดภัยพื้นฐานที่รัดกุมมากขึ้น
  • ประสิทธิภาพที่เพิ่มขึ้นของ Openstack Observability ช่วยให้ลูกค้าเข้าใจสภาพความเป็นไปของไฮบริดคลาวด์ที่ใช้อยู่ได้อย่างลึกซึ้งมากขึ้น แดชบอร์ดที่ได้รับการปรับปรุงใหม่มอบความสามารถในการสังเกตเป็นหนึ่งเดียว ด้วยชุดเวอร์ชวลไลเซชันที่ได้รับการปรับปรุงและรวมอยู่แล้วใน Openshift Observability UI นอกจากนี้ลูกค้ายังสามารถสร้างแดชบอร์ดเพื่อปรับแต่งความต้องการด้าน Observability ของตนเองได้   

เดินหน้าต่อ

จากนี้ Red Hat OpenStack Services on OpenShift จะอยู่บนฟอร์มแฟกเตอร์รุ่นต่อไปเท่านั้น โดยมี control plane โฮสต์บน Red Hat OpenShift และ Red Hat Enterprise Linux-based dataplane ภายนอกที่บริหารจัดการด้วย Red Hat Ansible Automation Platform Red Hat OpenStack Platform 17.1 เป็นเวอร์ชันล่าสุดของผลิตภัณฑ์ที่ใช้คลาสสิกฟอร์มแฟกเตอร์ของ control plane ซึ่งสามารถรันบนระบบที่อยู่ภายในหรือเวอร์ชวลไลซ์ก็ได้ ผ่านการบริหารจัดการจาก OpenStack Director การสนับสนุนให้กับคลาสสิกฟอร์มแฟกเตอร์จะมีให้จนสิ้นสุดไลฟ์ไซเคิลของเวอร์ชัน 17.1 นี้ (พ.ศ. 2570) ลูกค้าที่ต้องการย้ายการทำงานจะสามารถติดตั้งคอนโทรลเลอร์ใหม่กับ OpenShift เพื่อเข้าใช้ทรัพยากรการประมวลผล โดยไม่ต้องปรับการใช้เวิร์กโหลดที่กำลังทำงานอยู่ใหม่

พันธสัญญาของเร้ดแฮทและการลงทุนด้าน OpenStack ยังคงแข็งแกร่ง เราเป็นผู้นำของการมีส่วนร่วมและมีวิศวกรมากกว่า 250 คนที่ยังคงเป็นผู้นำด้านนวัตกรรมทั้งในระดับโปรเจกต์และผลิตภัณฑ์ OpenStack ยังคงเป็นองค์ประกอบสำคัญของโครงสร้างพื้นฐานไอทีขนาดใหญ่ โดยเฉพาะในด้านโทรคมนาคมและเซอร์วิสโพรไวเดอร์  การพัฒนานี้จะเพิ่มประสิทธิภาพให้กับการใช้งาน การจัดการ และการดูแลรักษาฟุตพริ้นท์ OpenStack ขององค์กร

Generative AI in the Enterprise

AI สำหรับอุตสาหกรรมอาหารและเครื่องดื่ม

Generative AI in the Enterprise

By Terry Smagh, Senior Vice President and General Manager for Asia Pacific and Japan, Infor

AI has certainly been hitting the headlines in 2023. We’ve had warnings of its potential to bring about the extinction of humanity, claims that it poses a national security threat, calls for all training of AIs above a certain capacity to be halted for at least six months and a resignation by the ‘Godfather’ of AI. Generative AI (GenAI) models, such as ChatGPT, seem to be some of the most discussed, with much debate around their potential to transform our everyday lives. But what about in an enterprise environment? How can businesses harness the potential power of this truly transformative technology and to what end?

Although the field of GenAI is still pretty nascent, we are definitely at an inflection point in AI and computing in general. Most of the large language models making a splash in the generative AI space are good at Natural Language Processing (NLP). Across a multitude of industries, these GenAI models can help with NLP based applications, such as providing interactive help. You can expose your knowledge base/end-user manuals and documentation through a GenAI-based interactive chatbot, which will make finding information vastly easier for users.  

Another immediate benefit, although a considerably bigger challenge, is to provide an NLP-based enterprise-wide search capability on business data. This is of course an ever-evolving space, with enterprise software businesses already hard at work investigating how GenAI models can complement existing NLP solutions and AI offerings. This could be by enhancing contextual experiences, integrating voice chat capabilities with digital assistants or machine learning (ML) models through AI platforms, and extending enterprise search into image recognition capabilities.

And, because GenAI models enable users to tap into a variety of data sources to generate text and code, formulate predictions and summaries, perform translations, analyse images and more, they can be used for a variety of enterprise use cases. These include writing e-mails, reports, product documentation and web content; creating job descriptions and requisitions; performing product and vendor comparisons, and assembling photos, music tracks and videos for marketing campaigns. And you can also put the NLP skills of GenAI models to good use to summarise books, review and proofread any content, and provide ideas to jumpstart an initiative.

GenAI in action

So, what does this look like in practice? Well, for example, companies with IT and software engineering departments can initiate a healthy practice of leveraging tools such as Microsoft’s Copilot or AWS CodeWhisperer for code generation. For businesses that need to build their own industry specific language models, simply verify general information, get reviews and recommendations by sourcing the web, or have a need to combine their private enterprise data and enrich this with information in the public domain, they can integrate with GenAI tools and platforms such as Open AI’s ChatGPT or AWS Bedrock. 

Challenges ahead

The pace of change in the world of GenAI is quick and organisations that don’t respond in time may be left behind. Ideally, businesses should be embracing this powerful technology rather than rejecting it. But that definitely doesn’t mean that one-size-fits-all when it comes to GenAI models and there are certainly a number of challenges to be addressed before GenAI models can gain widespread adoption in enterprise environments. 

First, there’s the issue of reliability. While the generated content from a large language model looks original, it is in fact mimicking a pattern based on a similar training data set it has been exposed to. Many times, the generated information is known to be false. And the same question can generate different answers. 

Secondly, we have privacy issues. The data and the input conditions that the users share are used to train the larger model. So, valuable trade secrets or PII data can be shared, inadvertently leading to compliance violations. In addition, the generation and exchange of business-specific content must adhere to strict legal and data privacy requirements – for example, when companies perform a Data Protection Impact Assessment (DPIA) they must ensure compliance with the General Data Protection Regulation (GDPR). Most of the GenAI platform vendors do offer the possibility of keeping your enterprise data exclusive and not used for general training purposes but it’s important that businesses who plan to use GenAI take this into account. 

Then there’s the issue of bias. Content generated by AI is tailor-made based on the input prompt. You can also train the model using favourable data points only without exposing it to the full picture. Ultimately, you can mould the output the way you want – both useful and harmful. The tone of generated content could be authoritative while in fact it could be a subjective view and it would be easy to manipulate a gullible user and influence their views pretty convincingly with GenAI.  Also, the risk of generating fake news, fake video and audio clips will only get higher. 

Moderation filters

That’s not to say that these challenges are insurmountable. One way to combat these threats is to apply the proper moderation filters on the end user interface through which GenAI tools can be used by ‘normal’ users. And, without a doubt, for business use, enterprises must follow a ‘human in the middle’ approach. i.e., all generated content must be moderated by a real person before being rolled out for regular consumption. Human control and moderation will be required for some time to boost the accuracy and consistency of the generated content, help reduce socio-political biases and ensure that a company’s competitive edge is not compromised.

Considering all of the above, enterprises need to develop a point of view of how GenAI applies to them. Additionally, it will be vital to follow the best practices from GenAI vendors – for example, the use of moderation filters from Open AI. What we are also seeing is individual countries scrambling to come up with their own AI policies, something else that businesses will need to take into account, making sure the local AI policy is adhered to, following the proper protocols as outlined by respective governments.

Rapid evolution

In terms of how Generative AI will evolve over the next five-to-ten years, investments in the technology will increase tremendously – both in terms of generating better models as well as in the hardware space, with faster more powerful chips and the need for more network bandwidths.  Its impact should definitely not be underestimated. All media content we will consume in the coming years will be influenced by GenAI; the internet search as we know it will move more towards a tailored, conversational experience; tools that detect content generated by AI will get more smarter, and regulatory and compliance will get ever-tighter.

ChatGPT and other GenAI models represent disruptive solutions that already are helping consumers refine the search process, automate the creation of content and boost individual productivity. While we expect enterprises to adopt this powerful technology rapidly, we also hope they are aware of the potential risks, inaccuracy and privacy concerns involved too. Naturally, it’s only a matter of time before the GenAI space matures and addresses such concerns. In the meantime, with human control and moderation, GenAI models have the potential to revolutionise enterprise environments.

การประยุกต์ใช้ Generative AI ในองค์กร

AI สำหรับอุตสาหกรรมอาหารและเครื่องดื่ม

การประยุกต์ใช้ Generative AI ในองค์กร

บทความโดย เทอร์รี สมา, รองประธานอาวุโสและผู้จัดการทั่วไป ประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่น, บริษัทอินฟอร์

AI ได้กลายเป็นประเด็นที่ได้รับความสนใจอย่างมากในปี 2566 นี้ เราได้รับคำเตือนเกี่ยวกับศักยภาพของ AI ที่อาจทำให้มนุษยชาติสูญพันธุ์ได้ โดยอ้างว่า AI เป็นภัยคุกคามต่อความมั่นคงของชาติ ตลอดจนเรียกร้องให้ระงับการป้อนข้อมูล (trained) AI จนสูงเกินขีดความสามารถที่กำหนดเป็นเวลาอย่างน้อยหกเดือน รวมทั้งการลาออกจากวงการของ ‘เจ้าพ่อ’ แห่ง AI  สำหรับโมเดล Generative AI (GenAI) ประเภทต่าง ๆ ChatGPT ดูเหมือนจะมีการพูดถึงมากที่สุด พร้อมกันนี้ได้มีการถกเถียงกันอย่างมากเกี่ยวกับศักยภาพในการเปลี่ยนแปลงชีวิตประจำวัน  แต่ในสภาพแวดล้อมขององค์กร ธุรกิจจะสามารถควบคุมพลังแห่งศักยภาพของเทคโนโลยีที่ก่อให้เกิดการเปลี่ยนแปลงอย่างแท้จริงนี้ได้อย่างไร และการนำ AI ไปใช้ในธุรกิจจะทำให้เกิดผลลัพธ์อะไร

แม้ว่าศาสตร์ด้าน GenAI ยังเป็นเรื่องใหม่ แต่ที่แน่นอนคือเราได้มาถึงจุดเปลี่ยนแปลงด้าน AI และการประมวลผลทั่วไป  โมเดลภาษาขนาดใหญ่ (Large Language Models – LLMs) ที่โดดเด่นของ generative AI ส่วนใหญ่จะเก่งด้านการประมวลผลภาษาธรรมชาติ (Natural Language Processin – NLP) เพราะสามารถช่วยแอปพลิเคชันต่าง ๆ ที่ใช้ NLP ในอุตสาหกรรมหลากหลายประเภทได้ เช่น การให้ความช่วยเหลือแบบมีปฏิสัมพันธ์ ที่ช่วยให้ผู้ใช้เข้าถึงฐานข้อมูลความรู้/คู่มือผู้ใช้และเอกสารอื่น ๆ ผ่านแชตบอตโต้ตอบที่สร้างบนแพลตฟอร์ม GenAI ซึ่งจะทำให้ผู้ใช้ค้นหาข้อมูลที่ต้องการได้ง่ายขึ้นมาก

แม้จะเป็นความท้าทายที่ยากมากก็ตาม แต่ประโยชน์อีกประการที่ธุรกิจจะได้รับในทันทีคือ สามารถใช้ NLP เพื่อค้นหาข้อมูลธุรกิจทั่วทั้งองค์กร ซึ่งแน่นอนว่าความสามารถในด้านนี้ต้องมีการพัฒนาอยู่ตลอดเวลาโดยธุรกิจซอฟต์แวร์ระดับองค์กรที่ทำงานกันอย่างหนัก เพื่อหาวิธีทำให้โมเดล GenAI สามารถทำงานร่วมกับ NLP และ AI ที่มีอยู่แล้วได้อย่างสมบูรณ์ ด้วยการยกระดับประสบการณ์ตามบริบท ผสานรวมกับการแชทเสียงกับผู้ช่วยดิจิทัล หรือใช้โมเดลแมชชีนเลิร์นนิง (ML) และการจดจำรูปภาพผ่านแพลตฟอร์ม AI เพื่อปรับปรุงการค้นหาทางธุรกิจ

เนื่องจาก GenAI รูปแบบต่าง ๆ ทำให้ผู้ใช้สามารถเข้าถึงแหล่งข้อมูลที่หลากหลายได้ เพื่อสร้างข้อความและโค้ด สร้างการคาดการณ์และสรุปผล ทำการแปลภาษา วิเคราะห์รูปภาพ และอื่น ๆ ดังนั้น จึงสามารถนำไปใช้กับงานระดับองค์กรได้หลากหลายกรณี ตั้งแต่การเขียนอีเมล รายงาน เอกสารผลิตภัณฑ์และเนื้อหาบนเว็บ สร้างคำอธิบายลักษณะงานและข้อกำหนด ไปจนถึงการเปรียบเทียบผลิตภัณฑ์และผู้ขายการรวบรวมภาพถ่าย ข้อมูลดนตรีและวิดีโอสำหรับทำแคมเปญการตลาด  นอกจากนี้ยังนำไปใช้กับการสรุปหนังสือ แก้ไขและตรวจทานเนื้อหา และเสนอไอเดียเพื่อเริ่มต้นโครงการต่าง ๆ ได้อีกด้วย

การทำงานของ GenAI

แล้วเทคโนโลยีนี้จะนำไปใช้จริงได้อย่างไร ตัวอย่าง บริษัทที่มีแผนกไอทีและวิศวกรรมซอฟต์แวร์สามารถเริ่มแนวปฏิบัติที่ดีในการใช้เครื่องมือต่าง ๆ สำหรับสร้างโค้ด เช่น Copilot ของ Microsoft หรือ AWS CodeWhisperer  สำหรับธุรกิจต้องการสร้างโมเดลภาษาเฉพาะอุตสาหกรรมของตน สามารถตรวจสอบข้อมูลทั่วไป อ่านรีวิวและคำแนะนำจากเว็บต่าง ๆ หรือต้องการรวบรวมข้อมูลภายในองค์กรเข้ากับข้อมูลจากโดเมนสาธารณะเพื่อให้เป็นประโยขน์มากขึ้น ก็สามารถผสานข้อมูลเหล่านั้นได้ด้วยเครื่องมือและแพลตฟอร์ม GenAI ต่าง ๆ เช่น ChatGPT ของ Open AI หรือ AWS Bedrock 

ความท้าทายที่จะเกิดขึ้น

การเปลี่ยนแปลงในโลกของ GenAI เป็นไปอย่างรวดเร็ว องค์กรที่ไม่ตอบสนองให้ทันเวลาอาจถูกทิ้งไว้ข้างหลัง  โดยหลักการแล้วธุรกิจควรเปิดใจรับเทคโนโลยีอันทรงพลังนี้แทนที่จะปฏิเสธไม่ยอมใช้  แต่นั่นก็ไม่ได้หมายความว่าโมเดล GenAI จะเหมาะกับการใช้งานในธุรกิจทุกประเภท และก่อนที่โมเดล GenAI ต่าง ๆ จะได้รับการยอมรับอย่างกว้างขวางในการทำงานระดับองค์กร แน่นอนว่าจะต้องจัดการแก้ไขปัญหามากมายให้ลุล่วงเสียก่อน

ประการแรกคือ ปัญหาเรื่องความน่าเชื่อถือ  แม้ว่าเนื้อหาที่สร้างจากโมเดลภาษาขนาดใหญ่ดูเหมือนจะเป็นต้นฉบับ แต่ในความเป็นจริงเนื้อหาดังกล่าวเป็นการลอกเลียนแบบจากชุดข้อมูลคล้ายกันที่เคยได้รับการเทรนมาก่อน  เป็นที่ทราบกันดีว่าข้อมูลที่ AI สร้างขึ้นนี้มักมีข้อผิดพลาดเกิดขึ้นบ่อย ๆ โดยคำถามเดียวกันอาจมีคำตอบได้หลากหลายแบบ

ประการที่สองคือ ปัญหาความเป็นส่วนตัว  เนื่องจากเงื่อนไขของข้อมูลและ input ที่ผู้ใช้แชร์จะถูกนำไปเทรนโมเดลที่มีขนาดใหญ่ขึ้น  ดังนั้น ความลับทางการค้าหรือข้อมูลที่ใช้ในการระบุตัวตน (Personal Identifiable Information – PII) ที่มีค่าอาจถูกแชร์ต่อ จนนำไปสู่การละเมิดการปฏิบัติตามข้อกำหนดโดยไม่ได้ตั้งใจ  นอกจากนี้ การสร้างและการแลกเปลี่ยนเนื้อหาเฉพาะทางธุรกิจจะต้องปฏิบัติตามข้อกำหนดทางกฎหมายและความเป็นส่วนตัวของข้อมูลอย่างเข้มงวด เช่น เมื่อบริษัทดำเนินการประเมินผลกระทบด้านการคุ้มครองข้อมูลส่วนบุคคล (Data Protection Impact Assessment – DPIA) พวกเขาจะต้องตรวจสอบให้แน่ใจว่าได้ปฏิบัติตามกฎระเบียบคุ้มครองข้อมูลส่วนบุคคล (General Data Protection Regulation – GDPR) แล้ว  ส่วนใหญ่เวนเดอร์แพลตฟอร์ม GenAI จะรักษาข้อมูลองค์กรไว้เป็นพิเศษและไม่นำไปใช้เทรนโมเดลทั่วไป กระนั้นก็ตาม ธุรกิจที่วางแผนใช้ GenAI จะต้องคำนึงถึงความสำคัญในเรื่องนี้ให้มาก

นอกจากนี้ยังมีปัญหาเรื่องอคติ เพราะ AI จะสร้างเนื้อหาที่ปรับแต่งตามคำสั่ง prompt  นอกจากนี้ คุณยังสามารถเทรน AI ได้ด้วยข้อมูลที่ชอบเท่านั้นโดยไม่ต้องเปิดเผยให้เห็นภาพรวมทั้งหมด  ซึ่งในท้ายที่สุดแล้วคุณก็จะสามารถกำหนดผลลัพธ์ทั้งแบบที่เป็นประโยชน์และเป็นอันตรายได้ตามต้องการ  แม้ว่าลักษณะเนื้อหาที่ GenAI สร้างขึ้นอาจจะน่าเชื่อถือ แต่ในความเป็นจริงอาจเป็นมุมมองส่วนตัวที่สามารถจูงใจผู้ใช้ที่ใสซื่อ และส่งอิทธิพลต่อมุมมองของพวกเขาอย่างน่าเชื่อถือ  นอกจากนี้ความเสี่ยงในการสร้างข่าวปลอม วิดีโอ และคลิปเสียงปลอมก็จะยิ่งทวีขึ้นเป็นเงาตามตัว

ตัวกรองการตรวจสอบ

ที่กล่าวมาข้างต้นนั้นไม่ได้หมายความว่าจะแก้ไขไม่ได้ วิธีที่จะสู้กับภัยคุกคามเหล่านี้คือ การนำตัวกรองการตรวจสอบที่เหมาะสมมาใช้บนอินเทอร์เฟซของผู้ใช้ปลายทาง ซึ่งจะช่วยให้แน่ใจว่าผู้ใช้ทั่วไปจะสามารถใช้เครื่องมือต่าง ๆ ของ GenAI ได้  สำหรับการใช้งานทางธุรกิจ ไม่ต้องสงสัยเลยว่าองค์กรจะต้องปฏิบัติตามแนวทาง ‘ใช้คนเป็นโซ่ข้อกลาง’ กล่าวคือ เนื้อหาที่สร้างขึ้นทั้งหมดจะต้องได้รับการตรวจสอบโดยบุคคลจริงก่อนจะนำไปใช้งานประจำหรือเผยแพร่สู่สาธารณะ  โดยจะต้องมีมนุษย์ควบคุมและตรวจสอบงานหรือเนื้อหาที่สร้างขึ้นไปสักระยะหนึ่ง เพื่อเพิ่มความแม่นยำและความสอดคล้องของเนื้อหาที่สร้างขึ้น ลดอคติทางสังคมและการเมือง และตรวจสอบจนแน่ใจว่าความได้เปรียบทางการแข่งขันของบริษัทจะไม่ถูกเปิดเผยออกสู่สาธารณะ

เมื่อพิจารณาปัจจัยทั้งหมดข้างต้นแล้ว ธุรกิจจึงจำเป็นต้องพัฒนามุมมองในการประยุกต์ใช้ GenAI  นอกจากนี้ การดำเนินการตามแนวปฏิบัติที่ดีที่สุดจากเวนเดอร์ GenAI ก็ถือเป็นเรื่องที่สำคัญยิ่ง เช่น การใช้ตัวกรองการตรวจสอบจาก Open AI  และอีกประเด็นที่ธุรกิจจะต้องคำนึงถึงคือ แต่ละประเทศต่างกำลังพยายามสร้างนโยบายด้าน AI ของตนเอง ดังนั้น จึงต้องตรวจสอบให้แน่ใจว่าธุรกิจมีการปฏิบัติตามนโยบาย AI ในท้องถิ่น และสอดคล้องกับแนวทางที่รัฐบาลนั้น ๆ กำหนด

การพัฒนาอย่างรวดเร็ว

สำหรับการพัฒนา Generative AI ที่จะเกิดขึ้นในอีกห้าถึงสิบปีข้างหน้า การลงทุนในเทคโนโลยีนี้จะเพิ่มขึ้นอย่างมหาศาลทั้งในด้านการสร้างโมเดลที่ดีขึ้นและในส่วนของฮาร์ดแวร์ ด้วยชิปที่เร็วแรงทรงพลังมากขึ้นและความต้องการด้านแบนด์วิธเน็ตเวิร์กที่สูงขึ้น อนึ่ง เราไม่ควรประเมินผลกระทบของ AI ต่ำจนเกินไป เพราะเนื้อหาสื่อทั้งหมดที่เราจะเสพและใช้งานในปีต่อ ๆ ไป ล้วนได้รับอิทธิพลจาก GenAI ทั้งนั้น ส่วนการค้นหาทางอินเทอร์เน็ตอย่างที่เราทราบกันดี จะได้รับการปรับแต่งให้เหมาะสมมากขึ้น เครื่องมือตรวจจับเนื้อหาที่สร้างโดย AI จะชาญฉลาดขึ้น พร้อมกับกฎระเบียบและการปฏิบัติตามข้อกฎหมายที่จะเข้มงวดยิ่งขึ้น

ChatGPT และโมเดล GenAI อื่น ๆ เป็นตัวอย่างของโซลูชันพลิกโฉมธุรกิจที่ช่วยผู้บริโภคปรับปรุงกระบวนการค้นหา สร้างเนื้อหาอัตโนมัติ พร้อมเพิ่มประสิทธิภาพการทำงานของแต่ละบุคคล  แม้ว่าเราจะคาดหวังให้องค์กรต่าง ๆ นำเทคโนโลยีอันทรงพลังนี้มาใช้อย่างรวดเร็ว แต่ก็ต้องตระหนักถึงความเสี่ยง ความไม่แม่นยำ และข้อกังวลด้านความเป็นส่วนตัวที่อาจเกิดขึ้นด้วย ดังนั้น จึงเป็นเรื่องที่ต้องใช้เวลากว่าเทคโนโลยี GenAI จะพัฒนาถึงขีดที่สามารถจัดการกับข้อกังวลดังกล่าวได้ โดยในระหว่างนี้ มนุษย์จะต้องควบคุมและกลั่นกรองการนำศักยภาพของโมเดล GenAI ไปใช้ในการเปลี่ยนแปลงธุรกิจ 

Red Hat Collaborates with Intel to Deliver Open Source Industrial Automation to the Manufacturing Shop Floor

Nokia และ Red Hat ประกาศความร่วมมือให้บริการ โซลูชันโทรคมนาคมระดับ Best-in-Class บนแพลตฟอร์มโครงสร้างพื้นฐานของ Red Hat และ Core Network Applications ของ Nokia

Red Hat Collaborates with Intel to Deliver Open Source Industrial Automation to the Manufacturing Shop Floor

Manufacturers will now have access to a new industrial edge platform that helps build smarter, more open software-defined factoriesto the Manufacturing Shop Floor

Red Hat, Inc., the world’s leading provider of open source solutions, announced a new industrial edge platform, designed in collaboration with Intel, that will provide a modern approach to building and operating industrial controls.

By transforming the way manufacturers operate, scale and innovate with standard IT technologies delivered to the plant floor and real-time data insights, the platform will enable industrial control system (ICS) vendors, system integrators (SIs) and manufacturers to automate previously manual industrial automation tasks including: system development, deployment and management, cybersecurity risk reduction, prescriptive and predictive maintenance improvements for factory agility, co-locating deterministic and non-deterministic workloads and reducing turnaround time.

Smart factories, or software-defined factories, are playing a crucial role in amplifying the speed at which manufacturers can innovate. According to a report by McKinsey, “Smart manufacturing has the potential to create up to $3.7 trillion in value by 2025, driving growth, innovation, and competitiveness across sectors.” By breaking down the barriers between IT and OT, manufacturers can embrace collaboration with new functionality and proactively strengthen and speed up operations, with the flexibility and intelligence to scale based on demand.

The industrial edge platform is intended to provide a holistic solution that spans from real-time shop floor control and artificial intelligence/machine learning (AI/ML) to full IT manageability – delivering greater customer choice for data gravity or edge-to-cloud style architectures and improved overall equipment efficiency (OEE). To continuously support this effort, Red Hat and Intel are working to integrate Intel-based platforms and Intel Edge Controls for Industrial (Intel ECI) with current and future versions of Red Hat Enterprise Linux, starting with collaboration in upstream Linux communities like the Fedora Project and CentOS Stream. This collaboration extends to bringing these controls and platforms to Red Hat Device Edge (early access), Red Hat Ansible Automation Platform and Red Hat OpenShift. With this collaboration organizations can benefit from:

  • Fully integrated real-time capabilities from silicon to software, to support industrial automation for predictable performance;
  • Advanced management and network automation for system deployment and management without heavy handed resource usage, simplifying the industrial network creation and management using open standards-based tools;
  • Scalability and flexibility through a software-defined platform approach that facilitates more portable, scalable control and maximizes adaptability;
  • Uninterrupted operations supported by high-availability and redundancy attributes built-in with the platform;
  • Simplified AI workload integration with the ability to take an AI workload and run it next to a control workload, helping simplify hardware complexity, and enabling AI to more easily improve product quality, system uptime, maintenance needs and more;
  • Enhanced cybersecurity posture by removing human error elements with automated patching and updates, an immutable operating system plane and a platform built on hardened, production-tested components.

To underpin this platform, Red Hat – in collaboration with Intel – will deliver a real-time kernel that provides lower latency and reduced jitter, helping applications run repeatedly with greater reliability. This new industrial edge platform will be built on open standards and community-driven innovation, driven by thousands of developers globally, helping to drive more simplified integration with other hardware and software components. Additionally, core code transparency and a clear roadmap and release cycle help take the guesswork out of when new releases are available and their accompanying features. Red Hat’s industry-leading enterprise developer support backs IT teams with a best-in-class developer toolchain, bringing greater deployment consistency regardless of deployment model or integrator, further removing guesswork and choice paralysis around modern developer tooling. 

Software-defined factories in action

Manufacturing innovation has been hampered by the limitations of legacy industrial controls and siloed organizational structures for decades. With this new platform, organizations will be able to benefit from an open edge platform that allows simplified integration of components in an easy-to-use, reliable solution for industrial automation. Industry leaders like ABB, Schneider Electric and Codesys are already working to successfully implement new industry edge platforms to build modern industry controls.

Supporting Quotes

Francis Chow, vice president and general manager, In-Vehicle Operating System and Edge, Red Hat

“From transforming traditional IT infrastructures to helping software-defined vehicles deliver scalable digital solutions across industrial edge, Red Hat has a proven history in driving not just modernization across industries, but innovation. Now, Red Hat has set our sights on bringing that same level of transformation to manufacturing plants across the globe with a new edge platform with Intel. We believe that by helping converge both IT and operational technologies, the next industrial revolution can arrive sooner, more quickly and built on a backbone of open source software.”

Christine Boles, vice president in the network and edge group and general manager of federal and industrial solutions, Intel Corporation

“For years, Intel and Red Hat have worked together to transform and support a range of industries. Bringing together Red Hat’s expertise in cloud-to-edge application platform delivery and Intel’s strength in edge to cloud compute platforms, including industrial hardware and software, will deliver the software-defined capabilities and transformation to meet the resilient, flexible and reliable requirements of today’s manufacturing.”