เช็กลิสต์โครงสร้างพื้นฐาน IT ก่อนเริ่มใช้ Generative AI

Generative AI กำลังเข้ามาเปลี่ยนวิธีการทำงานขององค์กร ตั้งแต่การสร้างคอนเทนต์ วิเคราะห์ข้อมูล ตอบคำถามลูกค้า ไปจนถึงการพัฒนาซอฟต์แวร์ แต่การนำ AI มาใช้งานให้เกิดประโยชน์ไม่ได้เริ่มต้นจากการเลือกเครื่องมือหรือสมัครใช้แพลตฟอร์มเพียงอย่างเดียว สิ่งสำคัญคือการตรวจสอบว่า โครงสร้างพื้นฐาน IT ขององค์กรมีความพร้อม ปลอดภัย และรองรับการขยายตัวมากน้อยเพียงใด

หากองค์กรเริ่มใช้งาน Generative AI โดยไม่เตรียมระบบให้เหมาะสม อาจเกิดปัญหาข้อมูลรั่วไหล ระบบทำงานช้า ค่าใช้จ่ายสูง หรือพนักงานใช้เครื่องมือ AI ที่ไม่ได้รับอนุญาต หรือที่เรียกว่า Shadow AI ดังนั้น เช็กลิสต์โครงสร้างพื้นฐาน IT ก่อนเริ่มใช้ Generative AI จึงเป็นแนวทางสำคัญที่ช่วยลดความเสี่ยงและทำให้การลงทุนด้าน AI คุ้มค่ามากขึ้น

Generative AI ต้องการโครงสร้างพื้นฐานแบบใด

Generative AI สามารถทำงานผ่านระบบคลาวด์ เซิร์ฟเวอร์ภายในองค์กร หรือรูปแบบผสมผสานระหว่าง Cloud และ On-Premises แต่ละรูปแบบมีข้อดีและข้อจำกัดแตกต่างกัน องค์กรจึงควรพิจารณาจากลักษณะข้อมูล ปริมาณการใช้งาน งบประมาณ และข้อกำหนดด้านความปลอดภัย

โครงสร้างพื้นฐานที่เหมาะสมควรรองรับองค์ประกอบต่อไปนี้

ระบบเครือข่ายที่มีความเร็วและเสถียรภาพ
ระบบจัดเก็บข้อมูลที่มีประสิทธิภาพ
การควบคุมสิทธิ์การเข้าถึง
ระบบสำรองและกู้คืนข้อมูล
ระบบรักษาความปลอดภัยทางไซเบอร์
การตรวจสอบประสิทธิภาพและการใช้งาน
การเชื่อมต่อกับระบบธุรกิจเดิม เช่น ERP, CRM หรือระบบบัญชี

เช็กลิสต์โครงสร้างพื้นฐาน IT ก่อนเริ่มใช้ Generative AI

1. สำรวจเป้าหมายและกรณีใช้งาน

ก่อนปรับปรุงระบบ IT ควรกำหนดให้ชัดเจนว่าองค์กรต้องการใช้ Generative AI เพื่ออะไร เพราะแต่ละกรณีใช้งานต้องการทรัพยากรและระดับความปลอดภัยแตกต่างกัน

ตัวอย่างกรณีใช้งาน ได้แก่

สร้างบทความ โพสต์โซเชียลมีเดีย และสื่อการตลาด
สรุปรายงานหรือเอกสารจำนวนมาก
ตอบคำถามลูกค้าผ่านแชตบอต
วิเคราะห์ข้อมูลเพื่อช่วยผู้บริหารตัดสินใจ
ช่วยเขียน ตรวจสอบ และอธิบายโค้ด
ค้นหาความรู้จากเอกสารภายในองค์กร
สร้างระบบผู้ช่วยสำหรับพนักงาน

ควรระบุด้วยว่าข้อมูลใดสามารถนำไปใช้กับ AI สาธารณะได้ และข้อมูลใดต้องใช้งานผ่านระบบปิดหรือแพลตฟอร์มที่องค์กรควบคุมเอง

2. ตรวจสอบเครือข่ายและอินเทอร์เน็ต

Generative AI ส่วนใหญ่ทำงานผ่าน API หรือแพลตฟอร์มคลาวด์ หากเครือข่ายไม่มีเสถียรภาพ ผู้ใช้อาจพบปัญหาการตอบสนองล่าช้า การเชื่อมต่อขาดหาย หรือไม่สามารถประมวลผลข้อมูลได้ต่อเนื่อง

สิ่งที่ควรตรวจสอบ ได้แก่

ความเร็วอินเทอร์เน็ตเพียงพอต่อจำนวนผู้ใช้งานหรือไม่
มีการจัดลำดับความสำคัญของทราฟฟิกหรือไม่
ระบบ Wi-Fi ครอบคลุมพื้นที่ทำงานหรือไม่
มี Firewall และระบบตรวจจับภัยคุกคามหรือไม่
มีการแบ่งเครือข่ายสำหรับผู้ใช้งานทั่วไปและระบบสำคัญหรือไม่
มีอินเทอร์เน็ตสำรองกรณีระบบหลักขัดข้องหรือไม่

สำหรับองค์กรที่เชื่อมต่อ AI เข้ากับระบบภายใน ควรออกแบบการเชื่อมต่อผ่าน API Gateway หรือระบบเครือข่ายที่มีการควบคุม เพื่อป้องกันการเข้าถึงระบบโดยตรงเกินความจำเป็น

3. ประเมินอุปกรณ์และพลังประมวลผล

หากใช้งาน Generative AI ผ่านผู้ให้บริการคลาวด์ องค์กรอาจไม่จำเป็นต้องลงทุนเครื่องเซิร์ฟเวอร์ประสิทธิภาพสูงมากนัก แต่คอมพิวเตอร์ของพนักงานยังควรมีคุณสมบัติเหมาะสมกับรูปแบบงาน เช่น การประมวลผลเอกสาร การประชุมออนไลน์ หรือการใช้ซอฟต์แวร์ AI ร่วมกับโปรแกรมสำนักงาน

กรณีที่องค์กรต้องการติดตั้งโมเดล AI ภายใน อาจต้องพิจารณาเพิ่มเติมเกี่ยวกับ

CPU และ RAM
GPU สำหรับการประมวลผลโมเดล
พื้นที่จัดเก็บข้อมูลความเร็วสูง
ระบบระบายความร้อน
ระบบไฟฟ้าสำรอง
ค่าใช้จ่ายในการบำรุงรักษาและอัปเกรด

การเลือกใช้ระบบ Cloud AI หรือบริการ Managed Service อาจเหมาะกับองค์กรที่ต้องการเริ่มต้นเร็วและควบคุมงบประมาณ โดยไม่ต้องดูแลฮาร์ดแวร์ทั้งหมดด้วยตนเอง

4. จัดระเบียบและจำแนกข้อมูล

ข้อมูลคือหัวใจสำคัญของการใช้งาน Generative AI หากข้อมูลไม่มีคุณภาพ ไม่เป็นปัจจุบัน หรือกระจัดกระจายอยู่หลายระบบ คำตอบที่ AI สร้างขึ้นอาจไม่ถูกต้องและนำไปใช้จริงไม่ได้

ควรแบ่งประเภทข้อมูลอย่างน้อยเป็น

ข้อมูลสาธารณะ
ข้อมูลภายในองค์กร
ข้อมูลส่วนบุคคล
ข้อมูลทางการเงิน
ข้อมูลลูกค้า
ความลับทางธุรกิจ
ทรัพย์สินทางปัญญา

จากนั้นกำหนดว่าข้อมูลแต่ละประเภทสามารถใช้กับ AI รูปแบบใดได้บ้าง รวมถึงกำหนดระยะเวลาการเก็บรักษา ผู้มีสิทธิ์เข้าถึง และวิธีการลบข้อมูลอย่างปลอดภัย

ข้อมูลสำคัญควรเข้ารหัสทั้งขณะจัดเก็บและขณะส่งผ่านเครือข่าย พร้อมจัดการกุญแจเข้ารหัสอย่างเป็นระบบ

5. ตรวจสอบระบบจัดเก็บข้อมูลและการสำรองข้อมูล

การนำ AI มาใช้มักทำให้เกิดข้อมูลใหม่จำนวนมาก เช่น Prompt เอกสารผลลัพธ์ ไฟล์แนบ บันทึกการใช้งาน และข้อมูลจากระบบเชื่อมต่อ ดังนั้นควรประเมินว่าพื้นที่จัดเก็บข้อมูลเพียงพอหรือไม่

เช็กลิสต์ที่ควรดำเนินการ ได้แก่

สำรองข้อมูลตามรอบเวลาที่กำหนด
เก็บสำเนาสำรองแยกจากระบบหลัก
ทดสอบการกู้คืนข้อมูลเป็นประจำ
กำหนดสิทธิ์เข้าถึงพื้นที่จัดเก็บ
ตรวจสอบประวัติการดาวน์โหลดและแบ่งปันไฟล์
กำหนดนโยบายลบข้อมูลที่หมดอายุ

ระบบสำรองข้อมูลที่ดีควรตอบคำถามได้ว่า หากข้อมูล AI ถูกลบ ถูกเข้ารหัสโดยมัลแวร์ หรือระบบผู้ให้บริการหยุดทำงาน องค์กรจะกู้คืนข้อมูลและกลับมาดำเนินธุรกิจได้ภายในเวลาเท่าใด

6. ยกระดับระบบ Identity and Access Management

การควบคุมสิทธิ์เป็นหนึ่งในหัวข้อที่ไม่ควรมองข้าม โดยเฉพาะเมื่อ AI สามารถเข้าถึงเอกสาร ระบบฐานข้อมูล หรือข้อมูลลูกค้าได้

ควรเตรียมระบบดังต่อไปนี้

Single Sign-On หรือ SSO
Multi-Factor Authentication หรือ MFA
การกำหนดสิทธิ์ตามบทบาทหน้าที่
หลักการ Least Privilege
การจัดการบัญชีผู้ดูแลระบบ
การแยกบัญชีผู้ใช้งานและบัญชีบริการ
การตรวจสอบและยกเลิกสิทธิ์ของพนักงานที่ลาออก
การบันทึก Log การเข้าถึงข้อมูล

การให้ AI เข้าถึงข้อมูลทั้งหมดโดยไม่มีการจำกัดสิทธิ์ อาจทำให้ผู้ใช้ได้รับข้อมูลที่ไม่ควรเห็น หรือเปิดโอกาสให้ผู้ไม่หวังดีใช้ช่องโหว่เพื่อดึงข้อมูลสำคัญออกจากระบบ

7. วางระบบรักษาความปลอดภัยสำหรับ AI

Generative AI มีความเสี่ยงเฉพาะ เช่น Prompt Injection, การเปิดเผยข้อมูลจาก Prompt, การใช้ปลั๊กอินที่ไม่ปลอดภัย และการนำข้อมูลจากแหล่งภายนอกมาใช้โดยไม่ตรวจสอบ

ผลการศึกษาของ IBM ระบุว่า 13% ขององค์กรที่อยู่ในการศึกษารายงานเหตุการณ์ความปลอดภัยที่เกี่ยวข้องกับโมเดลหรือแอปพลิเคชัน AI และในกลุ่มที่เกิดเหตุการณ์ดังกล่าว 97% ระบุว่าไม่มีการควบคุมสิทธิ์สำหรับ AI อย่างเหมาะสม

องค์กรจึงควรดำเนินการดังนี้

ใช้ระบบป้องกันข้อมูลรั่วไหล หรือ DLP
ตรวจสอบข้อมูลก่อนส่งเข้า AI
กำหนดรายการเครื่องมือ AI ที่ได้รับอนุญาต
ตรวจสอบ API และปลั๊กอินจากบุคคลที่สาม
เปิดใช้งานระบบบันทึกและตรวจสอบกิจกรรม
สแกนช่องโหว่ของระบบอย่างสม่ำเสมอ
เตรียมแผนรับมือเมื่อเกิดข้อมูลรั่วไหล
ทดสอบความปลอดภัยของ Prompt และการเชื่อมต่อระบบ

IBM ยังรายงานว่าเหตุการณ์ด้าน AI ที่เกี่ยวข้องกับห่วงโซ่อุปทาน เช่น แอปพลิเคชัน API หรือปลั๊กอินที่ถูกโจมตี อาจนำไปสู่การเปิดเผยข้อมูลและการหยุดชะงักของการดำเนินงาน

8. กำหนดนโยบายการใช้งาน AI และป้องกัน Shadow AI

Shadow AI เกิดขึ้นเมื่อพนักงานนำเครื่องมือ AI มาใช้งานโดยไม่ผ่านการอนุมัติหรือการกำกับดูแลจากฝ่าย IT และฝ่ายความปลอดภัย แม้จะช่วยให้ทำงานเร็วขึ้น แต่มีความเสี่ยงที่ข้อมูลลูกค้า เอกสารภายใน หรือทรัพย์สินทางปัญญาจะถูกส่งไปยังบริการภายนอก

นโยบายการใช้ AI ควรระบุอย่างชัดเจนว่า

เครื่องมือใดได้รับอนุญาตให้ใช้งาน
ข้อมูลประเภทใดห้ามป้อนเข้าสู่ AI
ใครมีสิทธิ์อนุมัติการใช้เครื่องมือใหม่
ต้องตรวจสอบผลลัพธ์จาก AI อย่างไร
ต้องเปิดเผยการใช้ AI ในงานประเภทใด
ต้องจัดเก็บ Prompt และผลลัพธ์หรือไม่
หากเกิดเหตุการณ์ข้อมูลรั่วไหลต้องแจ้งใคร

การอบรมพนักงานมีความสำคัญไม่แพ้เทคโนโลยี เพราะผู้ใช้งานคือแนวป้องกันด่านแรกขององค์กร

9. เชื่อมต่อระบบเดิมอย่างมีแผน

องค์กรจำนวนมากต้องการให้ AI ทำงานร่วมกับระบบ ERP, CRM, ระบบคลังสินค้า หรือฐานข้อมูลภายใน การเชื่อมต่อควรเริ่มจากระบบที่มีความสำคัญและความเสี่ยงต่ำก่อน แล้วจึงขยายไปยังระบบอื่น

ควรพิจารณาเรื่องต่อไปนี้

ใช้ API ที่มีการยืนยันตัวตน
จำกัดข้อมูลที่ส่งต่อระหว่างระบบ
แยกสภาพแวดล้อมทดสอบและใช้งานจริง
กำหนดสิทธิ์ของ Service Account
ตรวจสอบข้อมูลก่อนและหลังการประมวลผล
มีระบบสำรองเมื่อ AI หรือ API ไม่พร้อมใช้งาน
กำหนดผู้รับผิดชอบแต่ละระบบอย่างชัดเจน

ไม่ควรให้ AI มีสิทธิ์แก้ไขข้อมูลสำคัญโดยอัตโนมัติทันที ควรเริ่มจากการให้ AI แนะนำหรือสร้างร่างผลลัพธ์ และให้มนุษย์ตรวจสอบก่อนดำเนินการจริง

10. วางระบบติดตามประสิทธิภาพและค่าใช้จ่าย

การใช้งาน AI ผ่าน API มักคิดค่าบริการตามจำนวนคำ ขนาดข้อมูล หรือจำนวนคำขอ หากไม่มีระบบติดตาม องค์กรอาจมีค่าใช้จ่ายสูงกว่าที่คาดไว้

ควรติดตามตัวชี้วัด เช่น

จำนวนผู้ใช้งาน
จำนวนคำขอและปริมาณข้อมูล
ระยะเวลาตอบสนอง
อัตราความผิดพลาด
ค่าใช้จ่ายรายแผนก
จำนวนเหตุการณ์ด้านความปลอดภัย
ความพึงพอใจของผู้ใช้งาน
ผลลัพธ์ทางธุรกิจที่เกิดขึ้นจริง

ควรกำหนดงบประมาณและการแจ้งเตือนเมื่อมีการใช้งานเกินขอบเขต เพื่อป้องกันค่าใช้จ่ายที่ไม่คาดคิด

แนวทางเริ่มต้นสำหรับองค์กรขนาดเล็กและขนาดกลาง

องค์กรที่ยังไม่มีทีม IT ขนาดใหญ่สามารถเริ่มต้นอย่างเป็นขั้นตอนได้ โดยไม่จำเป็นต้องลงทุนระบบขนาดใหญ่ตั้งแต่แรก

เลือกกรณีใช้งานที่มีความเสี่ยงต่ำ เช่น การร่างอีเมลหรือสรุปเอกสารทั่วไป
กำหนดเครื่องมือ AI ที่ได้รับอนุญาตเพียงไม่กี่รายการ
จัดทำแนวทางห้ามป้อนข้อมูลสำคัญเข้าสู่ AI สาธารณะ
เปิดใช้งาน MFA และสำรองข้อมูลระบบหลัก
อบรมพนักงานเรื่องความปลอดภัยและการตรวจสอบผลลัพธ์
ประเมินประโยชน์ ค่าใช้จ่าย และความเสี่ยงทุกเดือน
ขยายการใช้งานเมื่อโครงสร้างพื้นฐานมีความพร้อม

แนวทางของ NIST AI Risk Management Framework: Generative AI Profile แนะนำให้องค์กรระบุและจัดการความเสี่ยงเฉพาะของ Generative AI ให้สอดคล้องกับเป้าหมายและบริบทของแต่ละองค์กร

สรุป

ก่อนเริ่มใช้ Generative AI องค์กรควรตรวจสอบโครงสร้างพื้นฐาน IT ให้ครอบคลุมทั้งเครือข่าย อุปกรณ์ ระบบคลาวด์ การจัดการข้อมูล การควบคุมสิทธิ์ ความปลอดภัย การสำรองข้อมูล และนโยบายการใช้งาน AI การเตรียมความพร้อมอย่างเป็นระบบจะช่วยลดความเสี่ยง เพิ่มประสิทธิภาพ และทำให้พนักงานใช้ AI ได้อย่างมั่นใจ

หากองค์กรของคุณกำลังวางแผนปรับปรุงโครงสร้างพื้นฐานด้าน IT หรือต้องการยกระดับระบบให้รองรับการทำงานในยุคดิจิทัล สามารถปรึกษาทีมงาน 2beshop.com เพื่อรับคำแนะนำและแนวทางในการวางระบบได้อย่างเหมาะสม ไม่ว่าจะเป็นด้าน Cloud, Network, Cybersecurity, Backup รวมถึงการเตรียมความพร้อมของ Server และระบบ IT สำหรับรองรับการนำ AI มาใช้งานในองค์กร

ทีมงานพร้อมช่วยประเมินความพร้อมของระบบ วิเคราะห์ความต้องการ และนำเสนอโซลูชันที่สอดคล้องกับลักษณะธุรกิจ เพื่อให้องค์กรสามารถวางแผนลงทุนด้าน IT ได้อย่างมีประสิทธิภาพ ลดความเสี่ยงด้านความปลอดภัย และรองรับการขยายตัวในอนาคต เพราะการนำ Generative AI มาใช้ให้เกิดประโยชน์สูงสุด ไม่ได้ขึ้นอยู่กับเทคโนโลยี AI เพียงอย่างเดียว แต่ต้องเริ่มจากโครงสร้างพื้นฐาน IT ที่แข็งแรง มีความพร้อม และสามารถรองรับการทำงานได้อย่างมั่นคงและปลอดภัยในระยะยาว