เหรียญอีกด้านของ Machine Learning

31 ต.ค. 2563 | 06:00 น.

 

 

คอลัมน์ เศรษฐกิจ...อีกนิด ก็หลักสี่ (.ศูนย์)  โดย ผศ.ดร.ศรายุทธ เรืองสุวรรณ คณะบริหารธุรกิจ ม.เกษตรศาสตร์

หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 3,623 หน้า 5 วันที่ 1 - 4 พฤศจิกายน 2563

 

 

ทุกวันนี้ ไม่ว่าจะเป็นผู้บริหารระดับสูงขององค์กรขนาดใหญ่ ไปจนถึงชาวบ้านร้านตลาดต่างก็ยอมรับว่า ธุรกิจที่จะเติบโตในอนาคตจะต้องเป็นธุรกิจที่ถูกขับเคลื่อนด้วยข้อมูล (Data-driven Business) เราก็เลยมีคนพูดถึงแต่ Big Data หรือ Data Analytics ราวกับว่า ธุรกิจจะประสบความสำเร็จได้ในอนาคตก็คงมีแต่ธุรกิจที่ให้ความสำคัญกับข้อมูลเท่านั้น แต่ก็มิใช่เรื่องที่กล่าวเกินจริงแต่อย่างใด หากจะกล่าวว่า “ธุรกิจที่ใช้ข้อมูลในการวางแผน ดำเนินการ และวัดผลด้วยข้อมูล จะเป็นธุรกิจที่มีโอกาสประสบความสำเร็จสูงกว่า” และก็มิใช่เรื่องแปลกแต่อย่างใด เพราะธุรกิจแบบดั้งเดิมก็ใช้ข้อมูลในการทำธุรกิจ เช่น ข้อมูลลูกค้า ข้อมูลงบการเงิน เป็นต้น เพียงแต่มิได้เน้นว่า ธุรกิจจะมองเรื่องข้อมูลเป็นเรื่องสำคัญจริงๆ อีกเรื่องหนึ่งขององค์กร 

สมัยที่ผมเรียนวิชาการบริหารเชิงกลยุทธ์ ตัวอย่างบริษัทที่ใหญ่ที่สุดลำดับต้นๆ ของโลกมักจะเป็นบริษัทที่เกี่ยวข้องกับอุตสาหกรรมการผลิตหรืออุตสาหกรรมหนัก เช่น Exxon Mobil หรือ GE แต่วันนี้ โมเมนตัมมันย้ายมาอยู่ที่อุตสาหกรรมเทคโนโลยีสารสนเทศ ไม่ว่าจะเป็นบริษัทไอทีอย่าง Amazon หรือ Facebook เหตุที่เป็นเช่นนี้ก็เพราะ “ข้อมูลกลายเป็นอาวุธทางธุรกิจที่มีอานุภาพทำลายล้างสูงที่สุด”  

การครอบครองข้อมูลก็เปรียบเสมือนการครอบครองหัวใจของลูกค้า เพราะผู้บริหารจะรู้ว่า เขาควรจะขายอะไร ขายให้ใคร ขายที่ไหน ขายเมื่อไหร่ และขายอย่างไร โดยการบริหารจัดการซึ่งเริ่มตั้งแต่การพัฒนาผลิตภัณฑ์ไปจนการทำฐานข้อมูลการบริหารความสัมพันธ์กับลูกค้าจะใช้ทรัพยากรได้อย่างคุ้มค่าที่สุด เนื่องจากบริษัทจะใช้เงินและใช้คนตรงเป้าหมายอย่างแม่นยำ

คุณลักษณะสำคัญอย่างหนึ่งของการใช้ข้อมูลในการบริหารจัดการธุรกิจ คือ การพยากรณ์เรื่องราวต่างๆ จากฐานข้อมูลที่บริษัทจัดเก็บไว้ โดยใช้ Machine Learning เป็นเครื่องมือการพยากรณ์ การใช้เทคโนโลยีทางด้านข้อมูลดังกล่าวจะ ช่วยให้เราสืบเสาะแสวงหาคุณลักษณะ หรือบุคลิกของลูกค้าได้อย่างง่ายดาย และสามารถทำนายเกี่ยวกับข้อมูลที่เป็นความลับหรือข้อมูลที่อ่อนไหวของคนๆ นั้นได้ด้วยซํ้าไป  

ผมเพิ่งอ่านบทความหนึ่ง ซึ่งตีพิมพ์ใน Harvard Business Review ในเดือนตุลาคม 2563 ที่พูดถึงเทคโนโลยี การพยากรณ์โดยใช้ Machine Learning แต่บทความนี้ไม่ได้พูดถึงประโยชน์ที่ได้จากการใช้งานข้อมูล แต่กลับให้ความคิดเห็นเกี่ยวกับประเด็นของการใช้ Machine Learning ที่สุ่มเสี่ยงต่อการละเมิดจริยธรรม แม้ว่าผลลัพธ์จากการทำนายจะมาจากข้อมูลของการกดไลค์บน Facebook การสืบค้นข้อมูลจาก Google หรือแม้แต่การสั่งซื้อสินค้าออนไลน์ ซึ่งมิได้เป็นข้อมูลที่อ่อนไหวเลยก็ตาม แต่บริษัทกลับนำข้อมูลเหล่านั้นมาประมวลผลเพื่อพยากรณ์ว่า ลักษณะหรือบุคลิกของแต่ละคนเป็นอย่างไร และนำไปใช้ในการวางแผนทำธุรกิจกับคนเหล่านั้นแบบเฉพาะเจาะจงแต่ละคนได้ราวกับจับวางเลยทีเดียว

 

เหรียญอีกด้านของ Machine Learning

 

แต่อย่างที่เกริ่นไว้ การทำนายผลที่ Machine Learning สามารถบอกได้ เช่น การทำนายรสนิยมทางเพศ การระบุว่าคุณตั้งครรภ์หรือไม่ การบ่งบอกแนวโน้มที่คุณจะลาออกจากงาน หรือแม้แต่การทายว่า คุณใกล้จะเสียชีวิตหรือไม่ ในบทความยังระบุว่า นักวิจัยทางด้านข้อมูลสามารถระบุกลุ่มชนหรือเชื้อชาติของแต่ละคนจากการเรียนรู้ข้อมูลผ่านการใช้งาน Facebook หรือรัฐบาลจีนใช้เทคโนโลยีการระบุจดจำใบหน้า (Facial Recognition) ในการระบุและติดตามชนเผ่าอุยกูร์ ซึ่งเป็นชนกลุ่มน้อยในประเทศจีน  

หากถามว่า การทำนายจากเทคโนโลยีการพยากรณ์บนฐานข้อมูลที่มิได้จำเพาะเจาะจงใดๆ เป็นเรื่องเหมาะสมหรือไม่ ลองพิจารณากรณีศึกษาในประเทศสหรัฐอเมริกา ซึ่งเกี่ยวกับเรื่องราวการทำนายกลุ่มเป้าหมายว่า “พวกเขาตั้งครรภ์หรือไม่?” น่าจะเป็นตัวอย่างที่โด่งดังที่สุดของอัลกอริทึ่มที่ทำนายเรื่องราวที่อ่อนไหว ในปี 2555 เรื่องราวของ New York Times ที่เขียนเกี่ยวกับบริษัทต่างๆ ที่ใช้ข้อมูลเป็นเครื่องมือในการทำธุรกิจ 

 

 

 

 

หนึ่งในนั้น คือ เหตุการณ์ที่บริษัทส่งคูปองสินค้าสำหรับทารกให้กับว่าที่คุณแม่วัยรุ่น และพ่อของพวกเธอได้รับทราบว่า ลูกสาวของเขากำลังตั้งท้อง จริงๆ มันไม่ใช่เรื่องที่เกี่ยวกับการที่แบบจำลอง สามารถทำนายว่า พวกเธอตั้งท้องจริงหรือไม่ แต่กลับเป็นเรื่องว่า การทำนายเรื่องนี้เป็นความเสี่ยงที่จะละเมิดความเป็นส่วนตัวหรือไม่ต่างหาก แม้ว่าบริษัทจะอ้างว่า พวกเขาพยากรณ์จากข้อมูลเท่านั้น มิได้ไปสืบค้นหาข้อมูลส่วนตัวของลูกค้าสักหน่อย แต่ภาวะการตั้งครรภ์เป็นเรื่องที่ต้องเป็นความลับหรือไม่ เพราะแม้แต่บุคลากรทางการแพทย์ที่มีสิทธิล่วงรู้เรื่องดังกล่าว แต่ก็ไม่มีสิทธิเปิดเผยข้อมูลประเภทนี้ การทำนายเรื่องราวที่อ่อนไหวแบบนี้อาจจะส่งผลกระทบที่คาดไม่ถึงต่อลูกค้าผู้หญิงวัยรุ่นของบริษัท เพราะอาจจะเป็นไปได้ว่า ความมั่นคงในงานของพวกเธออาจจะไม่เหมือนดังเดิม   

หากลองคิดอย่างละเอียด เรื่องนี้ไม่ได้เกี่ยวกับกรณีของการประมาทในการรักษาข้อมูลความลับหรือการโจรกรรมข้อมูล แต่เป็นการสร้างข้อมูลใหม่ หรือพูดง่ายๆ “การค้นพบความจริงที่ลำบากใจของผู้คน” องค์กรที่จัดเก็บข้อมูลที่ไม่ได้เป็นความลับในปริมาณที่มากเพียงพอที่จะทำนายเรื่องพวกนี้ได้ ก็มักจะเป็นองค์กรที่ได้เปรียบในการขายสินค้าหรือบริการให้แก่ลูกค้ามากกว่าคู่แข่ง เพราะองค์กรทางธุรกิจเหล่านี้สามารถชี้นำผู้คนต่างๆ โดยใช้ข้อมูลที่ค้นพบใหม่ ซึ่งราวกับว่า ข้อมูลเหล่านี้เสกมาจากอากาศ 

คำถามที่น่าชวนค้นหาคำตอบคงหนีไม่พ้นว่า ถ้าเรามีข้อมูลที่ทำนายได้แม่นยำเกินไป การทำนายนั้นจะพลิกกลับจนกลายเป็นผลเสียแก่สังคมหรือไม่? ที่ผ่านมา เรามักจะคิดแค่ว่า ถ้าการทำนายไม่แม่นยำ เราจะมีต้นทุนที่ไม่ก่อให้เกิดรายได้ แต่หากการทำนายนั้นมีความถูกต้องและแม่นยำอย่างยิ่ง เราจะมีต้นทุนจากความถูกต้องแม่นยำนั้นหรือเปล่า

ในบทความยกตัวอย่างเรื่องของบริษัท Hewlett-Packard หรือ HP ในปี 2556 HP พัฒนาระบบคะแนนสำหรับการพยากรณ์ตัวพนักงานของบริษัทกว่าสามแสนคน ซึ่งเกี่ยวกับความน่าจะเป็นที่พนักงานแต่ละคนจะลาออกจากงาน HP เรียกระบบนี้ว่า “Flight Risk Score” ลองจินตนาการว่า พนักงานที่ถูกทำนายว่าจะลาออกจะถูกมองจากหัวหน้างานอย่างไร 

นอกจากนี้ เทคโนโลยีการระบุจดจำใบหน้าก็ถูกใช้ในการสะกดรอยตามแต่ละคนว่าอยู่แห่งหนใด และเมื่อเวลาใด การประยุกต์ใช้เทคโนโลยีแบบนี้นำไปสู่คำถามพื้นฐานว่า เราถูกลดเสรีภาพในการเดินทางโดยไม่ต้องการให้ผู้อื่นรู้หรือไม่ และไม่ต้องแปลกใจเลยว่า บริษัทไอทีระดับโลกย่อมต้องนำเครื่องมือนี้มาใช้ อย่างแน่นอน

 

 

 

 

เรื่องที่ชวนพิศวงอีกเรื่องหนึ่ง คือ บริษัทที่ปรึกษารับจ้างพัฒนาแบบจำลองที่บริษัทจะสูญเสียพนักงาน เพื่อให้ฝ่ายทรัพยากรมนุษย์ใช้เป็นเครื่องมือในการวางแผนและบริหารอัตรากำลังของบริษัท บริษัทที่ปรึกษาได้พัฒนาเครื่องมือสำหรับการพยากรณ์ความเสี่ยงของการเสียชีวิตของพนักงานแต่ละคนให้กับฝ่ายทรัพยากรมนุษย์ด้วย เพราะถือว่าการเสียชีวิตก็เป็นสาเหตุหนึ่งของการสูญเสียพนักงานเฉกเช่นเดียวกับสาเหตุอื่นๆ แล้วฝ่ายทรัพยากรมนุษย์ต้องการที่จะรับทราบเรื่องแบบนี้จริงๆ หรือ?

หากเป็นเรื่องของการระบุตัวตนเพื่อการยิงโฆษณาได้ตรงกลุ่มเป้าหมาย เราคงเชื่อว่า เครื่องมือแบบนี้ดีแน่ๆ เพราะทำให้การใช้เม็ดเงินเพื่อการโฆษณาสินค้าเป็นไปอย่างมีประสิทธิภาพและประสิทธิผลพร้อมๆ กัน แต่ถ้าเราลองคิดว่า เทคโนโลยีนี้ถูกนำไปใช้ในทางการเมือง ผลลัพธ์จะเกิดอะไรขึ้น ถ้าเทคโนโลยีสามารถระบุตัวคนได้อย่างแม่นยำ และการส่งโฆษณาตรงไปยังกลุ่มเป้าหมายเพื่อการล้างสมอง ผมไม่แน่ใจว่า ระหว่างประโยชน์กับโทษ อันไหนจะมากกว่ากันเสียด้วยซํ้า

การพูดถึงเรื่องจริยธรรมเกี่ยวกับการใช้ข้อมูลมีมาอย่างยาวนานและต่อเนื่อง แต่มักจะพูดเกี่ยวกับข้อมูลจริงเท่านั้น มิได้พูดถึงข้อมูลที่ได้จากการพยากรณ์ของแบบจำลองที่แม่นยำ และแน่นอนว่า ระบบเศรษฐกิจที่สร้างมูลค่าเพิ่มได้สูงที่สุดทุกวันนี้เป็นระบบที่วางอยู่บนฐานของการใช้ประโยชน์ของข้อมูล การพัฒนาประเทศไทยที่ขับเคลื่อนด้วยข้อมูลย่อมเป็นประโยชน์อย่างแน่แท้ 

แต่เราได้คิดถึงเหรียญอีกด้านของการใช้ข้อมูลแล้วหรือยัง และเมื่อไหร่ที่เราควรหันกลับมาถกเถียงเรื่องราวอีกด้านของเหรียญกันสักที และการกำกับดูแลของภาครัฐมีความพร้อมเพียงใด ที่จะป้องกันปัญหาก่อนที่ผลกระทบจะรุนแรงเกินกว่าที่เราจะควบคุมได้ทันท่วงที