เคยตั้งคำถามไหมครับ ว่าทำไม AI แชตบอตของบริษัทตอบคำถามทั่วไปได้เก่ง แต่พอถามเรื่องนโยบายภายใน เช่น เพดานการเบิกค่าเดินทางของพนักงาน โมเดลกลับตอบตามตัวเลขของหน่วยงานรัฐ ซึ่งไม่ใช่นโยบายของบริษัทเลย สาเหตุก็คือโมเดล AI เหล่านี้ถูกฝึกด้วยข้อมูลมหาศาลจากทั่วโลก แต่ไม่เคยถูกฝึกด้วยข้อมูลเฉพาะของธุรกิจคุณมาก่อน และเครื่องมือที่ใช้แก้จุดนี้ก็คือ Fine-tuning ครับ
Fine-tuning โมเดล AI คืออะไร
Fine-tuning คือกระบวนการนำโมเดล AI ที่ถูกฝึกมาแล้วอย่างกว้างขวาง เช่น GPT, Gemini, Llama หรือแม้แต่ Typhoon โมเดลภาษาไทย มาฝึกต่อด้วยข้อมูลเฉพาะขององค์กร เพื่อให้โมเดลตอบคำถาม พูดจา และตัดสินใจในแบบที่สอดคล้องกับธุรกิจของเรามากขึ้น
ลองเปรียบเทียบกับคน: โมเดลพื้นฐานก็เหมือนพนักงานใหม่ที่เก่งและฉลาดรอบด้าน แต่ยังไม่รู้จังหวะงานของบริษัท ไม่รู้ศัพท์ภายในหรือนโยบายเฉพาะ แม้แต่ชื่อสินค้าที่ทีมขายเรียกติดปาก Fine-tuning คือการอบรมให้เขาเรียนรู้เรื่องเหล่านี้จนตอบโต้ได้เหมือนคนที่ทำงานที่นี่มานานนั่นเอง
จุดสำคัญคือเราไม่ได้สร้างโมเดลขึ้นจากศูนย์ แค่นำโมเดลที่เก่งอยู่แล้วมาปรับให้รู้จักโลกของธุรกิจเราเท่านั้น จึงประหยัดต้นทุนกว่าการสร้าง AI เองแบบมหาศาล
เมื่อไหร่ธุรกิจควรใช้ Fine-tuning
ปัญหาที่ Fine-tuning แก้ได้ตรงจุดมักมีลักษณะดังนี้:
- มีศัพท์และบริบทเฉพาะ เช่น ชื่อยา ชื่อชิ้นส่วน สแลงในองค์กร หรือชื่อย่อผลิตภัณฑ์
- ต้องการโทนการตอบแบบเฉพาะ เช่น ทางการ นอบน้อม หรือกระชับแบบคอลเซ็นเตอร์
- มีกฎและนโยบายภายในค่อนข้างคงที่ เช่น เงื่อนไขการรับประกัน ขั้นตอนเคลม ราคาส่ง
แต่ต้องย้ำว่าไม่ใช่ทุกกรณีควร Fine-tuning ถ้าข้อมูลเปลี่ยนทุกวัน เช่น ราคาหรือโปรโมชัน การใช้ RAG (Retrieval-Augmented Generation) ที่ให้โมเดลค้นข้อมูลล่าสุดจากฐานข้อมูลมาใช้ประกอบการตอบจะเหมาะกว่า เพราะการเทรนข้อมูลที่เปลี่ยนตลอดเวลานั้นทั้งแพงและไม่ทันการณ์
Fine-tuning, RAG และ Prompt ต่างกันอย่างไร
หลายคนเข้าใจว่าเขียน Prompt ให้ดีก็พอแล้ว ซึ่งถูกสำหรับงานทั่ว ๆ ไป แต่ Prompt มีขีดจำกัดคือไม่สามารถสร้างความรู้ที่โมเดลไม่เคยเห็นได้ และการยัดกฎเยอะ ๆ เข้าไปในทุกคำถามก็ทำให้โมเดลตอบช้าและค่าใช้จ่ายต่อการเรียกสูงขึ้น
- Prompt Engineering: ลงทุนต่ำสุด ปรับเปลี่ยนเร็ว เหมาะกับงานทั่วไปและขั้นทดลอง
- RAG: เชื่อมกับฐานข้อมูลและเอกสารของบริษัท เหมาะกับข้อมูลที่ต้องอัปเดตบ่อยและต้องการอ้างอิงแหล่งที่มา
- Fine-tuning: ปรับทักษะ ศัพท์เฉพาะ และบุคลิกการตอบ เหมาะกับข้อมูลที่ค่อนข้างคงที่และใช้ซ้ำ ๆ
ในโปรเจกต์จริง ทั้งสองวิธีมักใช้ร่วมกัน เช่น Fine-tuning ให้โมเดลรู้จักศัพท์และสไตล์ของธุรกิจ แล้วใช้ RAG ดึงข้อมูลล่าสุดมาตอบ ทำให้เร็วขึ้น ถูกต้องขึ้น และประหยัดค่า API ได้มาก
งบประมาณด้าน IT ของธุรกิจคืออะไร สำคัญอย่างไร
งบประมาณด้าน IT คือค่าใช้จ่ายทั้งหมดที่ธุรกิจจัดสรรไว้สำหรับเทคโนโลยีสารสนเทศ ตั้งแต่ค่าอุปกรณ์ ซอฟต์แวร์ บริการคลาวด์ ระบบ ERP การรักษาความปลอดภัยข้อมูล ไปจนถึงค่าจ้างทีมพัฒนาและดูแลระบบ เจ้าของธุรกิจหลายคนมองว่างบตรงนี้เป็นค่าใช้จ่ายที่อยากตัดทิ้งก่อนเสมอ แต่แท้จริงแล้วมันคืองบที่สร้างความสามารถในการแข่งขัน
ลองจินตนาการว่าเว็บขายของพังทั้งวัน ยอดขายหายไปเท่าไร หรือข้อมูลลูกค้ารั่วไหล ความเชื่อมั่นหายไปแค่ไหน ปัญหาเหล่านี้ล้วนมีต้นทุนแพงกว่าค่าใช้จ่าย IT ที่ประหยัดไว้หลายเท่า ธุรกิจที่จัดงบ IT อย่างมีวินัยจึงได้เปรียบ เพราะแก้ปัญหาเชิงรุกได้ ไม่ใช่ตั้งรับแบบไฟไหม้แล้วค่อยหาถังดับเพลิง
AI ก็ควรถูกบรรจุไว้ในงบประมาณด้าน IT เช่นกัน ไม่ใช่ค่าใช้จ่ายลับเฉพาะเวลาเริ่มโปรเจกต์ เมื่อมีงบที่ชัดเจน ธุรกิจจะตัดสินใจด้วยข้อมูล ไม่ใช่ด้วยอารมณ์หรือกระแสโฆษณา
ต้นทุนของ AI Agent และ Fine-tuning ประมาณเท่าไหร่
เมื่อเข้าใจหลักการแล้ว คำถามถัดมาคือราคาเท่าไหร่ ลองแยกเป็นการลงทุนสองระดับ
ต้นทุน AI Agent
AI Agent คือระบบ AI ที่ทำงานหลายขั้นตอนได้เอง เช่น รับออเดอร์ ตรวจสต็อก ประสานงาน และตอบลูกค้าผ่านไลน์หรือเว็บ ต้นทุนหลักที่ต้องเผื่อคือค่าเรียกใช้โมเดล (API) ต่อหนึ่งการสนทนา ซึ่งปัจจุบันหลายโมเดลมีราคาแค่หลักสิบสตางค์ถึงหลักบาทเศษ ๆ ธุรกิจที่ลูกค้าแชทกับบอทหลักพันครั้งต่อเดือนจึงอาจเสียค่า API หลักร้อยถึงหลักหมื่นบาทต่อเดือน แต่ค่าใช้จ่ายก้อนใหญ่กว่ามักเป็นการพัฒนาและเชื่อมต่อระบบ ตั้งแต่การพิสูจน์ตัวตน ฐานข้อมูล การแจ้งเตือนถึงพนักงาน ไปจนถึงการบำรุงรักษาระยะยาว
ต้นทุน Fine-tuning
ส่วนการ Fine-tuning มีค่าใช้จ่ายหลัก 3 ส่วน คือ (1) การเตรียมและตรวจสอบชุดข้อมูลฝึก ซึ่งต้องใช้ตัวอย่างคุณภาพ 500 ถึง 5,000 ชุดขึ้นไปตามความยากของงาน ส่วนใหญ่เป็นเวลาของทีมและผู้เชี่ยวชาญ (2) ค่าเทรนและจัดเก็บโมเดล ซึ่งหากใช้โมเดลโอเพนซอร์สขนาดเล็กบนบริการคลาวด์ อาจเริ่มต้นที่หลักหมื่นบาทโดยไม่ต้องซื้อฮาร์ดแวร์มาเอง และ (3) ค่าเทรนซ้ำเมื่อนโยบายหรือข้อมูลหลักเปลี่ยนไป หลายโปรเจกต์ธุรกิจไทยจึงมีงบประมาณตั้งแต่หลักหมื่นถึงหลักแสนบาท ซึ่งเมื่อเทียบกับการสร้างโมเดล AI เองจากศูนย์ที่ต้องลงทุนหลักล้านขึ้นไป ถือว่าเข้าถึงได้จริง
ธุรกิจแบบไหนควรเริ่มต้น
เริ่มง่าย ๆ ด้วยการตั้งคำถาม 3 ข้อ: งานนี้ทำซ้ำ ๆ ทุกวันหรือไม่ คำตอบที่ผิดพลาดทำให้เสียเงินหรือเสียลูกค้าหรือไม่ และเรามีตัวอย่างข้อมูลคุณภาพเพียงพอหรือไม่ ถ้าตอบว่าทั้งสามข้อ งานนั้นเหมาะจะเริ่มต้นกับ AI และหากพบว่านิสัยการตอบเป็นปัญหาหลักก็ค่อยขยับไป Fine-tuning ในขั้นถัดไป
คำแนะนำสำหรับการเริ่มต้นคืออย่าเทรนโมเดลก่อนจะเข้าใจปัญหาจริง เริ่มจากแชตบอตหรือ AI Agent พื้นฐานก่อน เก็บคำถามจริงของลูกค้าและพนักงาน ดูว่าตรงไหนที่คำตอบพลาดเพราะศัพท์หรือบริบท แล้วค่อย Fine-tuning เฉพาะส่วนนั้น ยิ่งเก็บข้อมูลจริงเร็วเท่าไหร่ ระบบยิ่งฉลาดเร็วเท่านั้น และอย่าลืมว่า Fine-tuning ไม่ใช่เวทมนตร์ มันเพิ่มศัพท์และพฤติกรรมให้โมเดลได้จริง แต่ไม่สามารถใส่ความรู้ใหม่ที่ไม่อยู่ในข้อมูลฝึกได้ จึงต้องใช้ออกแบบคู่กับ RAG เสมอ
ถ้าคุณอยากต่อยอดจากแชตบอตทั่วไปไปสู่ระบบ AI ที่เข้าใจธุรกิจของคุณอย่างแท้จริง ทีมงาน pythonthailand.com (Para-Studio เชียงใหม่) รับเขียนโปรแกรมและเว็บไซต์ด้วย Python-Django พร้อมพัฒนาระบบ AI อัตโนมัติ รวมถึงงาน Fine-tuning ให้กับธุรกิจไทย เรายินดีช่วยวิเคราะห์ว่าโปรเจกต์ของคุณเหมาะกับ Fine-tuning, RAG หรือแค่ปรับ Prompt เพื่อให้งบประมาณด้าน IT ถูกใช้อย่างคุ้มค่าที่สุด พูดคุยกันได้ที่หน้า /contact ได้เลยครับ
หากชอบบทความดีๆ โปรดติดตามพวกเราด้วยนะคะ 🙏
