AI จะเข้ามาแทนที่ Data Analyst จริงหรือไม่? ส่องบทบาทและความก้าวหน้าของ AI ในยุคที่องค์กรเริ่มลดแรงงานคน
ความนิยมของ AI ในวงการธุรกิจเพิ่มมากขึ้นเรื่อยๆ เช่นเดียวกับเรื่องของความกังวลในการเข้ามาแทนที่แรงงานมนุษย์ เป็นเหตุให้คนที่ขาดทักษะตกงาน อย่างไรก็ตาม ความกังวลไม่ได้เกิดขึ้นกับแรงงานที่ทำงาน Routine แต่ตำแหน่งอย่าง Data Analyst ที่ต้องรับมือกับการวิเคราะห์และจัดการข้อมูลภายในองค์กร ก็ถูกตั้งประเด็นคำถามขึ้นมาเหมือนกันว่า เมื่อ AI เข้ามาทำหน้าที่ในด้าน Data ได้แล้ว Data Analyst จะยังคงเป็นความต้องการขององค์กรหรือไม่?
ข้อถกเถียงนี้ยังคงเป็นประเด็นนิยมเมื่อพูดถึงการนำ AI เข้ามาใช้งานภายในองค์กร และในบทความนี้จะพาไปเจาะลึกถึงการทำงานทั้งของ Data Analyst และ AI ว่าจะมีความเป็นไปได้ไหมที่เทคโนโลยีจะเข้ามาแทนที่คน หรือสุดท้ายแล้วหากทั้ง 2 ส่วนนี้ต้องทำงานร่วมกันจะเป็นไปในรูปแบบใด
ทำความเข้าใจบทบาทของ Data Analyst และ AI
สำหรับบทบาทหน้าที่ของ Data Analyst หรือนักวิเคราะห์ข้อมูล ถือว่ามีความสำคัญมากสำหรับองค์กร มีหน้าที่ครอบคลุมตั้งแต่ วิเคราะห์ สังเคราะห์และแปลงข้อมูลดิบสู่ข้อมูลเชิงลึก รวมไปถึงข้อมูลทางสถิติ เพื่อใช้ในการตัดสินใจทางธุรกิจ อีกทั้งยังทำหน้าที่ในการลบและบริหารจัดการข้อมูล เพื่อให้สามารถเข้าถึงและนำมาใช้งานต่อได้ง่าย
โดยบทบาทหน้าที่หลักๆ ของ Data Analyst มี 5 ข้อ ดังนี้
- จัดการข้อมูล: ปรับแต่งและเกลาข้อมูลดิบ ในขณะเดียวกันก็ต้องจัดการให้ข้อมูลมีความแม่นำพร้อมใช้ในการวิเคราะห์
- บันทึกจัดทำเอกสาร: หน้าที่สำคัญที่สุดของ Data Analyst คือการจัดทำเอกสารข้อมูล เพื่อให้ทีมสามารถทำความเข้าใจข้อมูล เข้าถึง และนำไปใช้งานต่อได้
- วิเคราะห์ทางสถิติ: จัดการและวิเคราะห์ข้อมูลที่มีให้ออกมาในรูปแบบสถิติ
- ออกแบบข้อมูลให้เห็นภาพ: จัดการและแปลงข้อมูลที่มีความซับซ้อนให้อยู่ในรูปแบบที่เข้าใจง่ายและมองเห็นภาพ
- ร่วมออกแบบกลยุทธ์ทางธุรกิจ: อีกหนึ่งหน้าที่สำคัญของ Data Analyst คือการมีส่วนช่วยในการออกแบบกลยุทธ์และการตัดสินใจทางธุรกิจผ่านข้อมูลเชิงลึก
และด้วยการทำงานของ Data Analyst ภายในทีมจะสามารถเข้าถึงข้อมูลที่ผ่านการกลั่นกรองได้สะดวกและง่ายขึ้น ช่วยลดระยะเวลาการทำงานของทีมอื่นๆ ลง ในขณะเดียวกันก็ช่วยเพิ่มประสิทธิภาพในการทำงานให้กับองค์กร และนอกจากจะมีหน้าที่จัดการข้อมูลแล้ว Data Analyst ยังมีส่วนช่วยในการปั้นข้อมูลเป็นสินทรัพย์เพื่อสร้างกลยุทธ์ ผลักดันการทำงานของฝ่ายอื่นๆ และค้นหาเทรนด์ใหม่ๆ เพื่อตอบรับกับความต้องการในการสร้างผลิตภัณฑ์และบริการเพื่อลูกค้า
ในขณะที่ Data Analyst ทำหน้าที่คัดกรองและขัดเกลาข้อมูล การดึงเอาเทคโนโลยีอย่าง AI เข้ามาช่วย หลายฝ่ายมองว่าจะเป็นตัวเลือกที่ดีในการผลักดันองค์กรไปข้างหน้า พร้อมกับดึงศักยภาพของคนให้มีมากขึ้น ร่วมกับการทำงานไปกับเทคโนโลยีสมัยใหม่
ในส่วนของการจัดการข้อมูล หน้าที่ของ AI ที่ใครๆ ต่างก็มองว่า จะเข้ามาแทนที่มนุษย์อย่างแน่นอน โดยการทำงานของ AI มีประสิทธิภาพในด้านต่างๆ ดังนี้
- AI กับความสามารถในการทำความเข้าใจ: AI ที่ผ่านการเทรน มีความสามารถในการทำความเข้าใจในเนื้อหา ข้อมูล ที่ถูกป้อนลงไปได้
- AI กับการเข้าถึงผลข้อมูลทางสถิติ: ด้วยข้อมูลที่ถูกป้อนลงไปเพื่อให้ AI เรียนรู้ เทคโนโลยีนี้สามารถวิเคราะห์และสร้างผลข้อมูลทางสถิติออกมาได้
- AI กับการเป็นตัวช่วยออกแบบและวัด KPI: ด้วยความสามารถในการวิเคราะห์และจัดการข้อมูล AI สามารถคาดการณ์และคำนวณ KPI เพื่อใช้ในการประเมิณธุรกิจ
- AI กับการจัดการบันทึกเอกสารเพื่อผู้ใช้งานที่ไม่ได้มีความสามารถเฉพาะทาง: เนื่องจาก AI มีสามารถป้อนข้อมูลและเรียนรู้ได้หลากหลายด้าน ทำให้เป็นเรื่องง่ายสำหรับผู้ที่ไม่ได้มีความสามารถเฉพาะทางในการเข้ามาศึกษาข้อมูล
นอกจากนี้แล้ว ปัจจุบันเราจะเห็นว่ามีบริการอย่าง AI Assistants หรือผู้ช่วย AI เพิ่มมากขึ้นในบริการของธุรกิจต่างๆ อีกทั้งยังมีบริการอย่าง ChatGPT ที่สามารถค้นหาข้อมูลและสร้างเนื้อหาตามที่เราต้องการได้ ซึ่งความสามารถเหล่านี้ส่งผลให้เกิดความกังวล ไม่ใช่เพียงแต่ด้านของการนำข้อมูลมาใช้งานในทางที่ผิด แต่รวมไปถึงด้านของการเข้ามาแทนที่แรงงานคนที่ทำงานเกี่ยวข้องกับการจัดการข้อมูล
อย่างไรก็ตาม ทั้งในฝั่งของผู้เชี่ยวชาญ นักพัฒนา และบุคคลที่เกี่ยวข้องกับการพัฒนา AI ก็มองไปในด้านเดียวกันว่า AI จะไม่สามารถเข้ามาแทนที่มนุษย์ในการทำงานด้าน Data ได้ แต่มนุษย์จะนำเอา AI เข้ามา “ช่วย” ในการทำงานแทน เนื่องจาก AI ยังมีข้อจำกัดอีกหลายอย่าง และงานด้านหน้าก็ขาดมนุษย์ไม่ได้
ผลกระทบจากการพัฒนา AI ต่อการทำงานของ Data Analyst
นอกจากที่กล่าวมาข้างต้นแล้ว AI ยังมีศักยภาพในการทำงานต่างๆ ที่เกี่ยวข้องกับการจัดการ Data ตัวอย่างฟีเจอร์ที่เราเห็นในปัจจุบันและกำลังเป็นที่น่าจับตามอง อย่างเช่น
- ผู้ช่วย AI ในการสื่อสาร: หรือ AI Assistants ที่สามารถส่งมอบข้อมูลหรือเนื้อหาที่ผู้ใข้งานต้องการ เพียงแค่เสิร์ชผ่านข้อความหรือคำถามสั้น ๆ เพียงเท่านั้น AI ก็สามารถสร้างคำตอบหรือผลงานออกมาให้ผู้ใช้งานได้ทันที ซึ่งบางครั้งเราจะเห็นว่า แม้แต่พนักงานในองค์กรก็เลือกที่จะค้นหาคำตอบผ่าน AI ก่อนจะถามกับฝ่าย Data Analyst เสียอีก
- จัดการเอกสารและวิเคราะห์ผล: ด้วยข้อมูลและเนื้อหาที่ถูกต้องที่นักพัฒนาเทรนให้กับ AI เทคโนโลยีนี้สามารถวิเคราะห์และเรียบเรียงออกมาในรูปแบบต่าง ๆ ให้ผู้ใช้งานเข้าใจง่าย ทั้งในแบบตาราง ข้อมูลตัวเลข ให้สามารถนำข้อมูลเหล่านี้ไปใช้ในการวิเคราะห์ต่อได้ง่ายขึ้น
- คาดการณ์และแนะนำ: ด้วยความสามารถในการคัดกรองและวิเคราะห์จากข้อมูลที่นักพัฒนาป้อนเข้าไป AI ยังสามารถให้คำแนะนำและคาดการณ์ความเป็นไปได้ผ่านข้อมูลหรือสถิติที่ป้อนเข้าไป พร้อมกับเสนอแนวทางในการแก้ปัญหาและการดำเนินงานในอนาคตให้กับองค์กรได้
ถึงแม้ว่าความกังวลในการเข้ามาแทนที่มนุษย์ของ AI นั้นจะเพิ่มมากขึ้นในองค์กร ผู้เชี่ยวชาญยังคงมองว่า นี่คือทางออกใหม่ที่จะมาเพิ่มทักษะให้คนในองค์กร พร้อมกับเดินหน้าธุรกิจควบคู่ไปกับการ Transform องค์กรสู่ดิจิทัล เพียงแค่ให้องค์กรหันมาเพิ่มทักษะและปรับแผนการทำงานให้มนุษย์และเทคโนโลยีทำงานร่วมกันได้
อย่างไรก็ตาม AI ยังคงมีข้อจำกัดและไม่สามารถทำงานได้เทียบเท่ามนุษย์ในหลายปัจจัย ทำให้หลายฝ่ายเชื่อว่า AI ไม่มีทางที่จะเข้ามาแทนที่คนในการทำงานด้าน Data อย่างแน่นอน
ข้อจำกัดของ AI กับการจัดการด้าน Data Governance
หากจะให้พูดถึงเรื่องความสามารถและประสิทธิภาพของ AI เราสามารถยกประเด็นต่างๆ ขึ้นมาอธิบายได้หลายอย่าง เช่นเดียวกันกับเรื่องของ “ข้อจำกัด” เพราะอย่างที่เราทราบกันดีว่า AI ก็ถูกมองว่าเป็นเทคโนโลยีอันตรายเช่นกัน
ว่าด้วยเรื่องของการกำกับดูแล AI ถูกยกมาเป็นประเด็นถกเถียงกันบ่อยครั้งถึงเรื่องของความปลอดภัย ทำให้ทั้งฝั่งของภาครัฐ ภาคเอกชน และหน่วยงานกำกับดูแลต่างหันมาแก้ปัญหาผ่านการกำหนดกฎเกณฑ์ที่เหมาะสมในการใช้งาน AI ทั้งในส่วนของธุรกิจและประชาชน
ซึ่งประเด็นสำคัญของการกำกับดูแล AI ยังรวมไปถึง Data Governance หรือ การกำกับดูแลด้านข้อมูลด้วยเช่นกัน เพราะหากมีการกำกับดูแลด้านนี้ดีเท่าไหร่ การพัฒนาและการทำงานของ AI ก็จะมีประสิทธิภาพมากขึ้น
การกำกับดูแลด้านข้อมูลที่ดีนี้จะส่งเสริมการทำงานของ AI ในหลายด้าน อย่างเช่น
- เพิ่มความมั่นใจให้กับออริจินัลคอนเทนต์: การกำกับดูแลด้านข้อมูลที่ดีจะช่วยเสริมให้ AI สามารถผลิตเนื้อหาหรือให้ข้อมูลที่ถูกต้อง โดยข้อมูลที่จะป้อนลงไปเพื่อเทรน AI เป็นข้อมูลที่ถูกต้อง เหมาะสม หลากหลาย และไม่ลำเอียง
- ลดข้อมูลที่ไม่ถูกต้องและลำเอียง: ด้วยการกำกับดูแลที่ดี จะช่วยลดการเทรนข้อมูลที่ลำเอียงและไม่ถูกต้องให้กับ AI ได้ ด้วยการออกแบบโปรโตคอลที่สามารถปรับปรุงได้ต่อเนื่อง มีเครื่องมือในการจัดการกับข้อมูลที่ผิดตรรกะและข้อมูลเท็จ
- ปรับเนื้อหาให้ทันสมัย: ด้วยการกำกับดูแลที่ดี และการพัฒนาโปรโตคอลให้สามารถเพิ่มเติมข้อมูลใหม่ๆ ที่ถูกต้องลงไปได้ จะช่วยให้ AI สามารถส่งมอบข้อมูลที่ทันสมัย ทันโลก
- เสริมความมั่นใจให้เป็นเครื่องมือช่วยงานมนุษย์: การกำกับดูแลด้านข้อมูลที่ดีจะช่วยเน้นย้ำว่าการทำงานของ “มนุษย์” นั้นมีความสำคัญมาก ในขณะที่นำ AI เข้ามาเป็นเครื่องมือช่วยทำงาน มนุษย์จะเป็นผู้ที่เพิ่มประสิทธิภาพและเป็นผู้ทำงานออกมาให้สำเร็จผ่าน Critical Thinking และความเชี่ยวชาญ และเป็นผู้เพิ่มความหน้าเชื่อถือให้กับผลงานที่ออกมา
หากกล่าวโดยสรุปถึงประเด็นด้าน Data Governance ที่ปัจจุบันยังคงเป็นประเด็นถกเถียงกันในการนำมาปรับกับเทคโนโลยี AI ซึ่งถ้ามีการปรับปรุง พัฒนาให้เหมาะสมได้ จะช่วยให้การทำงานของ AI เข้ากันได้ดีมากขึ้นกับการทำงานของคน
อนาคตของ AI และ Data Analyst
ถึงแม้ว่าปัจจุบัน AI จะยังคงมีเรื่องราวให้กังวลกันในเรื่องของการกำกับดูแล แต่หากเราสามารถปรับและพัฒนาให้ทำงานร่วมกันได้อย่างมีประสิทธิภาพในอนาคต ซึ่งการทำงานร่วมกันระหว่าง AI และ มนุษย์ สามารถทำได้ในแบบที่ “มนุษย์ทำงานช่วย AI” และ “AI ทำงานช่วยมนุษย์”
มนุษย์ทำงานช่วย AI
- เทรน (Training) หน้าที่หลักของมนุษย์ในการพัฒนา AI คือ การเทรน AI ให้มีประสิทธิภาพมากพอเพื่อนำมาใช้งาน ยกตัวอย่างเช่น การทำงานของ Siri และ Alexa ในฐานะ AI Assistants ที่จะต้องมีความแม่นยำ เพื่อเป็นผู้ช่วยให้กับผู้ใช้งานและเป็นหน้าเป็นตาให้กับแบรนด์ ซึ่งปัจจุบัน จะเห็นว่า เครื่องมืออย่าง AI Assistants ถูกพัฒนาให้สามารถรองรับคำสั่งที่มีความซับซ้อน และรองรับภาษาพูดเฉพาะถิ่นได้ดีขึ้น
- อธิบาย (Explaining) ในการเทรน AI ไม่ได้มีเพียงการป้อนข้อมูลต่างๆ ลงไปได้เลยทันที แต่ยังต้องอาศัยความเชี่ยวชาญ และความชำนาญเฉพาะด้านของมนุษย์ในการเพิ่มเติมคำอธิบายลงไปในการเทรน AI เพื่อให้มีการแสดงผลลัพธ์ออกมาได้ดีที่สุด และเนื่องจากแต่ละอุตสาหกรรมมีความต้องการแตกต่างกัน อย่างในทางการแพทย์ก็ต้องการข้อมูลเฉพาะทางทางการแพทย์ ในขณะที่ทางกฎหมายก็ต้องการความชำนาญเช่นเดียวกับทนายหรือนักกฎหมาย ซึ่งในอุตสาหกรรมเหล่านี้ต้องมีข้อมูลที่ถูกต้องและแม่นยำ
- ดูแล (Sustaining) เมื่อมีการนำ AI มาเทรนให้เหมาะสมกับในการทำงานในอุตสาหกรรมนั้นๆ แล้ว มนุษย์ยังต้องทำหน้าที่เป็นผู้ดูแล และสนับสนุนระบบ AI ต่อ เพื่อรักษาให้การทำงานของ AI เป็นไปอย่างเหมาะสม ปลอดภัย และต่อเนื่อง โดยเฉพาะในการทำงานวิเคราะห์และออกแบบแนวทางในอนาคตให้กับองค์กร ยกตัวอย่างเช่น การทำงานของธนาคารบางแห่งที่มีการนำ AI เข้ามาช่วยในการคัดกรองลูกค้าว่าคนไหนมีเครดิตดีสามารถขอกู้เงินได้ ซึ่งธนาคารบางแห่งต้องพบกับปัญหาความผิดพลาดของ AI ที่ยังคงมีความลำเอียง บ้างเพราะขาดข้อมูลที่อัพเดตแล้ว หรืออย่าง Apple ที่เคยใช้ AI ในการจัดเก็บข้อมูลของลูกค้าเพื่อนำมาพัฒนาสินค้าและบริการของตัวเอง จนเกิดเป็นประเด็นว่า Apple มีสิทธิอะไรมารวบรวมข้อมูลของลูกค้าโดยไม่ได้รับอนุญาต จึงมีการฟอร์มทีมขึ้นมาเพื่อติดตาม แก้ปัญหา และดูแลการทำงานของเทคโนโลยีให้เป็นไปอย่างเหมาะสม
AI ทำงานช่วยมนุษย์
- เพิ่มรายละเอียด (Amplifying) AI นับว่าเป็นดาวเด่นในการทำงานอย่างเช่นการวิเคราะห์และการแนะนำเพื่อเพิ่มการตัดสินใจให้กับผู้ใช้งาน ซึ่งองค์กรต่างๆ ก็นำ AI มาใช้งานเพื่อการนี้โดยเฉพาะ ยกตัวอย่างในวงการการออกแบบเช่น เครื่องมือ Dreamcatcher ของ Autodesk ที่เข้ามาเปลี่ยนแปลงวงการนี้ ด้วยการเป็นเครื่องมือที่สามารถแนะนำแบบที่น่าสนใจ เพียงผู้ใช้งานป้อนข้อมูลที่ต้องการลงไป เครื่องมือนี้ก็จะ Generate ชิ้นงานในรูปแบบต่างๆ ตามข้อมูลที่ป้อนออกมาให้เลือก ทางนักออกแบบก็สามารถแก้ไขผลงานหรือปรับด้านรูปลักษณ์ให้ตรงกับความต้องการ (ด้านอารมณ์และความรู้สึก) ได้
- สื่อสาร (Interacting) อีกหนึ่งหน้าที่ของ AI ที่จะเข้ามาช่วยทุ่นแรงให้กับมนุษย์ได้ คือ การเข้ามาเป็นผู้ช่วยในการโต้ตอบสื่อสารกับลูกค้า อย่างที่เราเห็นในปัจจุบัน ทั้งร้านค้าขนาดเล็ก ขนาดใหญ่ หรือองค์กรระดับโลก ต่างก็มีผู้ช่วยในการตอบคำถามให้กับลูกค้าที่เข้าใช้งานบนแพลตฟอร์มออนไลน์ ยิ่งไปกว่านั้น ยังมีบริการอย่าง แชทบอท ที่ได้มีการพัฒนาปรับปรุงไปจนสามารถเป็นเครื่องมือผู้ช่วยในการทำงานได้ ยกตัวอย่างเช่น Copilot ของ Microsoft ที่เปิดให้ผู้ใช้งานสามารถใช้เพิ่มประสิทธิภาพการทำงานบน Microsoft 365 ได้ เป็นต้น
AI สามารถทำงานร่วมกับมนุษย์ ไม่ใช่ เข้ามาแทนที่มนุษย์ โดยเฉพาะอย่างยิ่งในการวิเคราะห์ข้อมูล ในขณะที่ AI สามารถรับผิดชอบกับหน้าที่ประจำ (Routine Tasks) ทางฝั่งของ Data Analyst ก็สามารถทำงานที่ใช้ทักษะและกลยุทธ์ได้มากขึ้น
อีกทั้ง การตัดสินของมนุษย์ หรือ Human Judgement นั้นไม่มีเครื่องมือหรือ AI ใดทำหน้าที่ได้เหมือน และการรับผิดชอบ หรือ Responsibility ที่เทคโนโลยีก็ไม่สามารถทำหน้าที่ได้แบบมนุษย์
และเพื่อให้มีการทำงานที่ชาญฉลาด Data Analyst ที่พร้อมเปิดรับจะใช้ AI ในการทำงานร่วมกันอย่างมีประสิทธิภาพได้ เนื่องจาก AI ยังคงถูกพัฒนาอย่างต่อเนื่อง ข้อมูลที่ถูกป้อนเข้าสู่เทคโนโลยีชนิดนี้จะเสริมให้การทำงานอย่าง การค้นหา Sources ใหม่ๆ สำหรับปรับปรุง Data หรือ การทดลอง Generate ข้อมูล เป็นต้น
ถึงแม้ว่า AI จะลดการทำงานด้วยทักษะบางอย่างของ Data Analyst ลง แต่หน้าที่ต่างๆ ที่ต้องอาศัยการวิเคราะห์โดยมนุษย์จะยังคงอยู่ เพียงแต่แรงงานอาจจะต้องปรับตัว เดินหน้าเรียนรู้ทักษะด้านอื่นๆ อย่างเทคโนโลยีเพื่อให้การทำงานร่วมกับ AI มีศักยภาพมากขึ้น
ที่มา: CastorDoc, Harvard Business Review, TechTarget, Forbes
RELATED BLOG
