Alexandr Wang: การสร้าง Scale AI การเปลี่ยนแปลงงานด้วย Agents และการแข่งขันกับจีน

ในยุคที่ AI กำลังปฏิวัติทุกวงการอย่างรวดเร็ว การทำความเข้าใจเบื้องหลังความสำเร็จของบริษัทที่อยู่ในจุดศูนย์กลางของการพัฒนา AI จึงเป็นเรื่องสำคัญอย่างยิ่ง คลิปวิดีโอที่เราจะวิเคราะห์ในบทความนี้ นำเสนอเรื่องราวของ Alexandr Wang ซีอีโอและผู้ก่อตั้ง Scale AI ซึ่งเป็นบริษัทที่เริ่มต้นจากไอเดีย API สำหรับแรงงานมนุษย์ธรรมดา ๆ แต่เติบโตจนกลายเป็นโครงสร้างพื้นฐานสำคัญของ AI ในอเมริกา และล่าสุดได้รับการลงทุนจาก Meta กว่า 14 พันล้านดอลลาร์ สร้างมูลค่าบริษัทสูงถึง 29 พันล้านดอลลาร์

บทความนี้จะพาเราเจาะลึกประวัติความเป็นมาของ Scale AI ตั้งแต่จุดเริ่มต้นใน Y Combinator (YC) การเปลี่ยนแปลงธุรกิจ การพัฒนาด้านเทคนิคที่สำคัญ ไปจนถึงการแข่งขันกับจีนในวงการ AI พร้อมการวิเคราะห์เชิงลึกและมุมมองต่ออนาคตของงานและเทคโนโลยี AI ที่กำลังจะเกิดขึ้น

จุดเริ่มต้นของ Alexandr Wang กับ Scale AI ที่ Y Combinator

ก่อนที่จะก้าวเข้าสู่โลกของการเป็นผู้ประกอบการ Alexandr Wang เคยทำงานเป็นวิศวกรซอฟต์แวร์ที่ Quora ในช่วงปี 2014-2015 ซึ่งในเวลานั้นตลาดเริ่มให้ความสำคัญกับวิศวกร Machine Learning (ML) มากกว่าวิศวกรซอฟต์แวร์ทั่วไป เขายังได้เข้าร่วมค่ายฤดูร้อนที่จัดโดยกลุ่มนักตรรกะ (rationalists) ในซานฟรานซิสโก ซึ่งมีบุคคลสำคัญในวงการ AI เช่น Paul Christiano, Greg Brockman และ Eliezer Yudkowski มาให้ความรู้และแรงบันดาลใจ ทำให้เขาได้รับรู้ถึงความสำคัญของ AI และ AI Safety ตั้งแต่ช่วงต้นอย่างลึกซึ้ง

เมื่อเข้าเรียนที่ MIT อายุ 18 ปี เขาเน้นศึกษาด้าน AI อย่างจริงจังและต่อมาได้สมัครเข้าร่วม Y Combinator โดยช่วงนั้นมีฟองสบู่แชทบอท (chatbot boom) เกิดขึ้นในปี 2016 ซึ่งได้รับแรงกระตุ้นจากแอปพลิเคชันต่าง ๆ และวิสัยทัศน์ของ Facebook ที่มุ่งเน้นการพัฒนาแชทบอท

ในช่วงต้น Scale AI วางเป้าหมายสร้างแชทบอทสำหรับแพทย์ แต่พบว่าแชทบอทต้องการข้อมูลจำนวนมหาศาลและแรงงานมนุษย์มากมายเพื่อให้ทำงานได้ดี จึงเปลี่ยนแนวคิดมาเป็น API สำหรับงานที่ต้องใช้แรงงานมนุษย์ (human labor) หรือพูดง่าย ๆ คือ “เรียกคนทำงานผ่าน API” ซึ่งเป็นแนวคิดที่แหวกแนวและสร้างแรงบันดาลใจให้กับชุมชนสตาร์ทอัพในเวลานั้นอย่างมาก

การตัดสินใจเน้นตลาดรถยนต์ขับเคลื่อนอัตโนมัติ

หลังจากเปิดตัว API ได้ไม่นาน บริษัทได้รับความสนใจจากบริษัทสตาร์ทอัพใน YC ชื่อ Cruise ซึ่งเป็นผู้พัฒนารถยนต์ขับเคลื่อนอัตโนมัติ และกลายเป็นลูกค้ารายใหญ่ที่สุดของ Scale AI อย่างรวดเร็ว การตัดสินใจโฟกัสที่ตลาดรถยนต์ขับเคลื่อนอัตโนมัติเป็นจุดเปลี่ยนสำคัญที่ช่วยให้ Scale AI เติบโตอย่างรวดเร็ว แม้ในตอนนั้นนักลงทุนจะมองว่าตลาดนี้เล็กเกินไปที่จะสร้างธุรกิจขนาดใหญ่ แต่ Alexandr เชื่อว่าตลาดนี้มีศักยภาพมหาศาลเพราะได้รับการสนับสนุนจากนักลงทุนและบริษัทใหญ่หลายแห่ง

แม้ว่าตลาดรถยนต์ขับเคลื่อนอัตโนมัติจะไม่ใหญ่พอที่จะทำให้ Scale AI เป็นธุรกิจยักษ์ใหญ่เพียงอย่างเดียว แต่การโฟกัสตลาดนี้ทำให้บริษัทสามารถสร้างระบบและฐานลูกค้าได้แข็งแกร่งก่อนที่จะขยายไปยังตลาดอื่น ๆ

การรับรู้และผลกระทบของ Scaling Laws ในวงการ AI

ในช่วงแรกของการพัฒนารถยนต์ขับเคลื่อนอัตโนมัติ การใช้แนวคิด scaling laws ยังไม่แพร่หลาย เนื่องจากอัลกอริทึมต้องทำงานบนฮาร์ดแวร์ในรถยนต์ที่มีข้อจำกัดด้านการประมวลผลอย่างมาก แต่เมื่อ Scale AI เริ่มร่วมงานกับ OpenAI ในปี 2019 ซึ่งเป็นยุคของ GPT-2 การรับรู้ถึงพลังของการขยายขนาดโมเดลเริ่มชัดเจนขึ้น

GPT-3 ที่เปิดตัวในปี 2020 ถือเป็นจุดเปลี่ยนสำคัญที่แสดงให้เห็นถึงความสำคัญของ scaling laws และการพัฒนาโมเดลที่ใหญ่ขึ้นสามารถสร้างผลลัพธ์ที่ดีขึ้นอย่างมีนัยสำคัญ ก่อนที่โลกจะตื่นตัวกับเทคโนโลยีนี้อย่างกว้างขวาง

Alexandr เล่าว่าประสบการณ์ส่วนตัวที่ทำให้เขารับรู้ถึงความเปลี่ยนแปลงนี้คือการเห็นเพื่อนของเขาโต้ตอบกับ GPT-3 ด้วยอารมณ์ที่คล้ายกับการพูดคุยกับมนุษย์จริง ๆ จนเหมือนกับว่า AI เริ่มผ่านการทดสอบ Turing test แบบหยาบ ๆ แล้ว

เทคโนโลยี Generative AI และการเปลี่ยนแปลงธุรกิจ

หลังจากนั้นในปี 2022 เทคโนโลยี Generative AI อย่าง DALL·E และ ChatGPT ได้สร้างความเปลี่ยนแปลงครั้งใหญ่ในวงการ Scale AI เองก็ได้ร่วมมือกับ OpenAI ในการพัฒนา InstructGPT ซึ่งเป็นรากฐานของ ChatGPT ที่ทำให้บริษัทและอุตสาหกรรม AI โดยรวมก้าวเข้าสู่ยุคใหม่ของการใช้งาน AI ที่แพร่หลายและทรงพลัง

จุดเปลี่ยนนี้ทำให้หลายบริษัทเริ่มปรับเปลี่ยนทิศทางธุรกิจ และ Scale AI เองก็เห็นแนวโน้มของตลาดที่ต้องการข้อมูลและโมเดลที่ปรับแต่งเฉพาะสำหรับธุรกิจแต่ละรายมากขึ้น

โมเดลเฉพาะทาง (Fine-tuning) และความสำคัญของข้อมูลเฉพาะธุรกิจ

หนึ่งในแนวโน้มสำคัญที่ Alexandr เน้นคือการที่บริษัทต่าง ๆ จะสร้างโมเดล AI ที่ปรับแต่ง (fine-tuned) สำหรับงานเฉพาะของตนเอง โดยใช้ข้อมูลและสภาพแวดล้อมเฉพาะของธุรกิจนั้น ๆ ทำให้โมเดลกลายเป็นทรัพย์สินทางปัญญาหลักของบริษัทในอนาคต

การแบ่งปันข้อมูลเชิงลึกหรือชุดทดสอบ (evals) ระหว่างบริษัทจึงเป็นเรื่องที่เกิดความขัดแย้ง เพราะนั่นคือ “แนวกันชน” หรือ moat ที่ปกป้องความได้เปรียบทางธุรกิจของแต่ละองค์กร

Alexandr มองว่าแม้จะมีความกดดันให้เปิดเผยข้อมูลบางส่วนเพื่อพัฒนา AI ให้ดีขึ้น แต่ในระยะยาวแต่ละบริษัทจะต้องรักษาข้อมูลและชุดทดสอบของตัวเองไว้เพื่อสร้างความแตกต่างและสร้างมูลค่าในตลาดที่มีการแข่งขันสูง

มุมมองเชิงบวกต่ออนาคตของงานในยุค AI

หนึ่งในประเด็นที่น่าสนใจคือทัศนะของ Alexandr ต่ออนาคตของงานในยุค AI เขามองว่า AI จะไม่ทำให้มนุษย์ตกงานทั้งหมด แต่จะเปลี่ยนแปลงรูปแบบการทำงานให้ซับซ้อนและมีความเฉพาะทางมากขึ้น

ตัวอย่างที่เห็นได้ชัดคือการเขียนโปรแกรม ที่โมเดล AI เริ่มทำหน้าที่เป็นผู้ช่วยผู้พัฒนา (assistant) และในอนาคตจะกลายเป็น “กลุ่มเอเย่นต์” (swarm of agents) ที่ถูกบริหารจัดการโดยมนุษย์ในบทบาทของผู้จัดการ (manager) ซึ่งต้องคอยติดตามและแก้ไขปัญหาที่เกิดขึ้น

แม้ว่าจะมีเสียงทำนายว่า AI จะมาทำหน้าที่บริหารจัดการเอเย่นต์แทนมนุษย์ แต่ Alexandr เชื่อว่าการบริหารจัดการนั้นซับซ้อนและต้องการความเข้าใจเชิงลึกในวิสัยทัศน์และเป้าหมายที่มนุษย์เท่านั้นที่จะสามารถกำหนดได้

ดังนั้น ในอนาคต งานของมนุษย์จะเปลี่ยนไปเป็นการจัดการและประสานงานกับ AI agents มากขึ้น พร้อมทั้งการแก้ไขและปรับปรุงระบบเมื่อเกิดปัญหา

การพัฒนา Scale AI และจุดเปลี่ยนสำคัญในธุรกิจ

ในช่วงแรก Scale AI มุ่งเน้นการผลิตข้อมูล (data) สำหรับ AI โดยเฉพาะในอุตสาหกรรมรถยนต์ขับเคลื่อนอัตโนมัติเป็นเวลาหลายปี ซึ่งการมุ่งเน้นนี้ทำให้บริษัทต้องก้าวให้ทันกับการเปลี่ยนแปลงและความก้าวหน้าของ AI ในแต่ละอุตสาหกรรม

ตัวอย่างเช่น การเริ่มทำงานกับ OpenAI ในปี 2019 ด้านโมเดลภาษา และการร่วมงานกับกระทรวงกลาโหมสหรัฐฯ ในปี 2020 ด้านการประยุกต์ใช้ AI ในงานด้านความมั่นคงและกลาโหม ก่อนที่ตลาดเหล่านี้จะโตขึ้นอย่างก้าวกระโดดในเวลาต่อมา

ในปี 2021-2022 Scale AI เริ่มขยายธุรกิจไปสู่การพัฒนาแอปพลิเคชัน AI และ agentic workflows สำหรับองค์กรธุรกิจและรัฐบาล ซึ่งเป็นการเปลี่ยนแปลงครั้งใหญ่จากธุรกิจที่เน้นการดำเนินงาน (operational) มาเป็นธุรกิจที่เน้นการพัฒนาแอปพลิเคชันที่มี AI เป็นแกนกลาง

แรงบันดาลใจจาก AWS และการมองตลาดอนันต์

Alexandr ยกตัวอย่างกรณีศึกษาของ Amazon ที่เปลี่ยนจากร้านขายของออนไลน์กลายเป็นผู้ให้บริการคลาวด์ AWS ซึ่งในตอนแรกนักวิเคราะห์มองว่าเป็นไอเดียที่แปลกและไม่เกี่ยวข้องกับธุรกิจหลัก แต่กลับกลายเป็นธุรกิจที่มีตลาดเติบโตแบบไม่มีที่สิ้นสุด

Scale AI เองก็มีวิสัยทัศน์คล้ายกัน คือการมองเห็นว่าทุกองค์กรในอนาคตจะต้องปรับโครงสร้างธุรกิจด้วยเทคโนโลยี AI และ agentic workflows ซึ่งจะเป็นตลาดที่ใหญ่และเติบโตได้ไม่สิ้นสุด

การแข่งขันด้าน AI ระหว่างสหรัฐฯ กับจีน

หนึ่งในประเด็นที่ถูกหยิบยกขึ้นมาคือการแข่งขันระหว่างสหรัฐฯ และจีนในวงการ AI Alexandr มองว่าจีนมีข้อได้เปรียบในด้านข้อมูล (data) เพราะสามารถละเลยกฎหมายลิขสิทธิ์และความเป็นส่วนตัว ทำให้จีนสามารถรวบรวมและใช้ข้อมูลจำนวนมหาศาลได้อย่างไม่จำกัด

นอกจากนี้ รัฐบาลจีนยังมีโครงการสนับสนุนขนาดใหญ่ในการทำ data labeling รวมถึงการจัดตั้งศูนย์ข้อมูลและโรงงานที่ใช้หุ่นยนต์เก็บข้อมูล ซึ่งแม้หลายบริษัทสหรัฐฯ จะพึ่งพาข้อมูลจากจีนในการฝึกสอนโมเดลหุ่นยนต์ Foundation Models ก็ตาม

ในขณะที่สหรัฐฯ ยังคงมีความได้เปรียบในด้านนวัตกรรมและอัลกอริทึม แต่การรั่วไหลของความลับทางเทคนิคและการจารกรรมทางไซเบอร์ทำให้จีนสามารถไล่ตามและบางครั้งก็เกือบจะแซงหน้าได้

ข้อจำกัดด้านพลังงานและฮาร์ดแวร์

อีกประเด็นที่น่าวิตกคือความล่าช้าในการผลิตพลังงานของสหรัฐฯ ที่เติบโตแบบช้า ๆ เทียบกับจีนที่เพิ่มกำลังผลิตพลังงานอย่างรวดเร็ว แม้ว่าส่วนใหญ่ยังคงพึ่งพาถ่านหินก็ตาม

ด้านฮาร์ดแวร์ สหรัฐฯ พบว่าการผลิตชิ้นส่วนและอุปกรณ์มีต้นทุนสูงและซับซ้อน ขณะที่จีนสามารถผลิตหุ่นยนต์ที่มีคุณภาพและราคาถูกกว่าได้มาก ซึ่งเป็นความท้าทายที่สำคัญในการแข่งขันด้านเทคโนโลยีขั้นสูง

การใช้ AI ในงานด้านความมั่นคงและกลาโหม

Scale AI กำลังพัฒนาระบบที่ชื่อ Thunder Forge ร่วมกับ Indo Pacific Command ที่ฮาวาย เพื่อใช้ AI ในการวางแผนและดำเนินงานทางทหารโดยอัตโนมัติ

ระบบนี้เปลี่ยนกระบวนการวางแผนที่เดิมใช้เวลาหลายวันให้เหลือเพียงไม่กี่นาที ด้วยการแปลงกระบวนการทำงานของมนุษย์เป็นชุดของเอเย่นต์ AI ที่ทำงานร่วมกันอย่างมีประสิทธิภาพและรวดเร็ว

จุดเด่นอีกอย่างคือความสามารถในการแสดงเหตุผลและขั้นตอนการคิดของ AI ที่ช่วยให้มนุษย์เข้าใจและตรวจสอบการตัดสินใจได้อย่างชัดเจน ซึ่งแตกต่างจากบางระบบที่ซ่อนกระบวนการภายในไว้

การบริหารจัดการและวัฒนธรรมองค์กรที่เน้นคุณภาพ

Alexandr เน้นย้ำว่าเคล็ดลับความสำเร็จของ Scale AI คือการใส่ใจในรายละเอียดและคุณภาพของงานอย่างเข้มข้น ตั้งแต่การเลือกพนักงานจนถึงการตรวจสอบคุณภาพข้อมูลที่ส่งถึงลูกค้า

เขายังเล่าว่าแม้ Scale จะเติบโตเป็นบริษัทใหญ่ แต่เขายังตรวจสอบและอนุมัติการจ้างงานทุกคนด้วยตัวเอง เพื่อรักษามาตรฐานและความใส่ใจในทุกขั้นตอน

วัฒนธรรมองค์กรของ Scale AI จึงเป็นการปลูกฝังคุณภาพที่เป็น “fractal” หรือลงไปทุกระดับชั้นขององค์กร เพื่อให้ทุกคนในทีมมีความรับผิดชอบและใส่ใจในงานที่ทำอย่างสูงสุด

บทสรุปจาก Insiderly

เรื่องราวของ Alexandr Wang และ Scale AI สะท้อนภาพการเดินทางของสตาร์ทอัพที่เริ่มจากไอเดียเล็ก ๆ แต่ด้วยการมองการณ์ไกลและกลยุทธ์ที่ชัดเจน ทำให้สามารถก้าวสู่การเป็นโครงสร้างพื้นฐานสำคัญของวงการ AI ได้อย่างมั่นคง

การปรับตัวและเปลี่ยนแปลงอย่างรวดเร็วในโลก AI ที่เปลี่ยนแปลงตลอดเวลาเป็นสิ่งที่ทุกองค์กรต้องเผชิญ และการมีวัฒนธรรมองค์กรที่เน้นคุณภาพและความใส่ใจในรายละเอียดเป็นหัวใจสำคัญของความสำเร็จ

นอกจากนี้ มุมมองเชิงบวกเกี่ยวกับอนาคตของงานในยุค AI ที่เน้นการทำงานร่วมกันระหว่างมนุษย์และ AI agents แสดงให้เห็นถึงความเป็นไปได้ใหม่ ๆ ที่ AI จะช่วยเพิ่มประสิทธิภาพและสร้างโอกาสในตลาดแรงงาน

การแข่งขันกับจีนที่มีข้อได้เปรียบด้านข้อมูลและการผลิตฮาร์ดแวร์เป็นความท้าทายที่สำคัญของสหรัฐฯ ซึ่งต้องการนโยบายและการลงทุนเชิงกลยุทธ์เพื่อรักษาความได้เปรียบในระยะยาว

สุดท้ายนี้ สิ่งที่ย้ำเตือนจากเรื่องราวของ Alexandr คือ “การใส่ใจและความมุ่งมั่น” ในทุก ๆ งานที่ทำ เป็นสิ่งที่ไม่อาจมองข้ามได้สำหรับผู้ที่ต้องการสร้างความสำเร็จในโลกที่ขับเคลื่อนด้วยเทคโนโลยี AI

คำศัพท์เฉพาะทางที่น่าสนใจ

• AI (Artificial Intelligence) - ปัญญาประดิษฐ์ คือระบบที่สามารถเรียนรู้และทำงานที่ต้องใช้ความคิดของมนุษย์ได้
• API (Application Programming Interface) - ชุดคำสั่งที่ช่วยให้โปรแกรมติดต่อสื่อสารกันได้
• Scaling Laws - กฎเกณฑ์ที่อธิบายความสัมพันธ์ระหว่างขนาดของโมเดล AI กับประสิทธิภาพการทำงาน
• Fine-tuning - การปรับแต่งโมเดล AI ให้เหมาะสมกับงานเฉพาะทางโดยใช้ข้อมูลเฉพาะ
• Agentic Workflows - กระบวนการทำงานที่ใช้ AI agents เป็นผู้ดำเนินการแทนมนุษย์ในขั้นตอนต่าง ๆ
• Evals (Evaluations) - ชุดทดสอบหรือเกณฑ์วัดที่ใช้ประเมินประสิทธิภาพของโมเดล AI

Source: