Software-as-a-Service หรือ SaaS หมายถึงซอฟต์แวร์ที่ใช้ได้จากที่ตั้งส่วนกลาง ในลักษณะที่เป็น subscription หรือบางทีเรียกว่า on-demand ผ่านการบริการทาง cloud ที่มักเป็นการบริการจาก third-party provider คุณสมบัติดังกล่าวทำให้การใช้ซอฟต์แวร์มีราคาถูกลงจากการแชร์ทรัพยากร และตัดปัญหาเรื่องการจัดซื้อ และดูแลรักษา hardware นอกจากนี้ SaaS ยังเรียกใช้ได้ง่ายจากทุกที่ทุกเวลาได้จากหลากหลายช่องทาง (cross-platform) นอกจากนี้การอัพเกรดซอฟต์แวร์ก็ทำได้อย่างง่ายดาย และรวดเร็วผ่านอินเตอร์เน็ตโดยไม่ต้องมีเจ้าหน้าที่ปฏิบัติการเข้าไป on-siteโปรเจคซอฟต์แวร์ต่างๆ ก็สามารถสร้างขึ้นมาจนใช้งานได้ในเวลาอันรวดเร็วด้วยการเรียกใช้ Application Programming Interface (API) จาก SaaS ตามเท่าที่ต้องการผ่านการสื่อสารทางอินเตอร์เน็ต ทำให้ปัจจุบัน SaaS ได้เข้ามาแย่งชิงส่วนแบ่งในตลาดจาก on-premise software แบบดั้งเดิมที่ต้องมีการติดตั้งซอฟต์แวร์บนเครื่องเพื่อใช้ on-site เฉพาะในองค์กรนั้นเท่านั้น มากขึ้นเรื่อย ๆ ด้วยอัตราการเติบโตที่สูงกว่ามาก

เช่นเดียวกันกับ Software-as-a-Service AI-as-a-Service (AIaaS) หมายถึงบริการการทำงานของ AI ในลักษณะแบบ as a service นั่นคือการเรียกใช้งาน AI ในเวลาที่ต้องการผ่านอินเตอร์เน็ตไปยัง server ส่วนกลาง ที่เป็นที่ตั้งการให้บริการ AI วิธีการเช่นนี้ทำให้ AI มีราคาค่าบริการ และค่าดูแลรักษาที่เข้าถึงได้ อีกทั้งการอัพเกรดโมเดล AI ก็ทำได้อย่างง่ายดาย และรวดเร็ว ซึ่งมีประโยชน์มากเพราะ AI ควรที่จะได้รับการเรียนรู้ใหม่อยู่ตลอดเวลา แม้อาจไม่จำเป็นต้องเรียนรู้ถึงขั้นในเวลาเรียลไทม์ AI-as-a-service จึงเป็นลักษณะการให้บริการ AI ที่คาดว่าจะมีความแพร่หลายมากยิ่งขึ้น เช่นเดียวกับที่ SaaS ได้เข้ามา

AI-as-a-Service สำหรับรูปแบบ On-premise

ภาพประกอบ : Canva

โดยคำจำกัดความแล้ว on-premise AI-as-a-Service ฟังดูอาจจะเป็นการเรียกชื่อที่ไม่ถูกต้องซักเท่าไหร่ อย่างไรก็ตาม AI สามารถนำไปใช้งานใน on-premise ได้เช่นกันในรูปแบบ as a service โดยการ deploy ตัว AI ในลักษณะของ microservice ที่ทำงานอยู่บน server ซึ่งตั้งอยู่ on-premise โดยมีวิธีเรียกใช้เช่นเดียวกับ AI-as-a-Service ที่อยู่บน external cloud แต่เรียกผ่าน Wide Area Network ความต่างกันที่สำคัญเป็นเพียงว่ายังต้องมีการจัดซื้อและค่าดูแลรักษา (maintenance) ของฮาร์ดแวร์ที่ใช้ host AI นั้นด้วยซึ่งอาจทำให้มีค่าใช้จ่ายที่เพิ่มเติม รวมถึงราคาค่าบริการที่สูงขึ้น

ตัวอย่างรูปแบบการใช้งาน AI-as-a-Service

• Optical Character Recognition (OCR): บริการเหล่านี้สามารถส่งรูปถ่าย รูปสแกนไปยัง service แล้วสามารถได้รับผลการดึงข้อมูลที่แปลงเป็นตัวหนังสือ (text) ส่งไปใน structured format ที่ computer program อื่นเข้าใจ และนำข้อมูลไปใช้ต่อได้ เช่น JSON format

ภาพประกอบ : Shutterstock

• Face verification: บริการนี้จะรับรูปที่มีหน้าสองรูปไปเทียบกันเพื่อตอบว่าหน้าในสองรูปนั้นเป็นคนๆเดียวกันหรือไม่ และส่งผลการตัดสินใจกลับไปที่ระบบ บางครั้ง API สามารถกำหนดความเข้มข้นในการตรวจจับตามความต้องการได้อีกด้วย ผ่านพารามิเตอร์ที่กำหนดตอนเรียกใช้ API

ภาพประกอบ : Canva

• Q&A chatbot: บริการที่รับคำถามไปในลักษณะข้อความ AI จะนำไปประมวลผลทำความเข้าใจทางภาษาของคำถามนั้น แล้วไปสืบค้นจากฐานข้อมูลภายในว่าคำตอบไหนที่เหมาะที่สุดกับคำถามนั้น AI ลักษณะนี้ต้องมีฐานข้อมูลซึ่งอาจมาจากการรวบรวมโดยอัตโนมัติ หรือผู้ใช้จัดเตรียมไว้ล่วงหน้าสำหรับการถามในลักษณะต่าง ๆ กัน แต่เกี่ยวกับเนื้อหาในฐานข้อมูลที่มีอยู่

ภาพประกอบ : Canva

• Sentiment analysis: บริการที่รับข้อความในลักษณะข้อความ แล้ว AI จะประเมินว่าข้อความนั้นมีความรู้สึกเป็นเชิงบวกหรือลบ เช่น ความคิดเห็นลูกค้า หรือ comment เกี่ยวกับแบรนด์ตาม social network ต่าง ๆ แล้วส่งผลกลับไป

ภาพประกอบ : Canva

จะเห็นได้ว่า AI-as-a-Service สามารถให้บริการได้หลากหลายรูปแบบ ในแต่ละบริการมักจะเป็น task เล็ก ๆ ย่อย ๆ ที่ AI ตัวนั้นชำนาญ API บางตัวอาจทำหลายอย่างในคราวเดียวกัน เช่น เข้าใจความหมายหรือ “intent” ของข้อความที่ส่งมาใน chatbot ในขณะเดียวกันก็วิเคราะห์ sentiment ไปด้วย ซึ่งการรวมกันอาจจะเหมาะกับการใช้งานใน call center ที่มักต้องใช้ทั้งสองอย่างนั้นอยู่แล้ว หรือบางครั้งบริการ AI ที่ทำ OCR ก็สามารถจะรีเทิร์นตำแหน่งของข้อมูลบนบัตรได้ด้วย ในบางกรณีอาจสามารถ customize AI-as-a-Service เพื่อให้ทำหลายอย่างภายในเพื่อผลลัพธ์อันเดียว เช่น กระบวนการเคลมประกันผ่านการส่งเอกสารเป็นชุดจนได้ผลการตัดสินใจที่จะรีเทิร์นกลับไป การใช้งาน AI-as-a-Service จึงเปรียบเสมือนเราส่งงานพร้อมข้อมูลที่จำเป็นให้ใครสักคนแล้วรอให้คนนั้นส่งผลกลับมาให้เรา

ข้อควรพิจารณาเมื่อเลือกใช้ AI-as-a-Service เพื่อการนำไปใช้ในธุรกิจให้ได้ประโยชน์สูงสุด

ภาพประกอบ : Canva

• ความแม่นยำ: AI-as-a-Service นั้น มีความแม่นยำในการทำงานที่เพียงพอต่อการใช้งานหรือไม่ อย่างไรก็ตาม ความแม่นยำในแต่ละอย่างไม่จำเป็นต้องเท่ากัน เช่น การถอดอักขระด้วย OCR ในส่วนของรายละเอียดของรายการในใบเสร็จรับเงินอาจไม่สำคัญเท่ากับความแม่นยำในการอ่านตัวเลข
  
  
• บริการที่น่าเชื่อถือ (Service reliability and availability): ธุรกิจควรตรวจสอบว่า up-time ของ service ตอบโจทย์ทางธุรกิจหรือไม่ เช่น โอกาส Down-time มีมากหรือไม่ หรือมีการรับประกัน Service Level Agreement (SLA) ที่เท่าไหร่ ธุรกิจอาจพิจารณาด้วยว่าจำเป็นต้องเปิดบริการอยู่ตลอดเวลา 24/7 หรือว่าสามารถทำเป็น Batch แค่ตอนจบวันได้ และบริการ AI เหล่านี้จะใช้ไปตลอดเป็นเวลาหลายปีหรือไม่ สิ่งเหล่านี้นอกจากจะมีผลต่อคุณภาพและความเสถียรของการให้บริการแล้ว ยังมีผลต่อราคาอีกด้วย การเรียกใช้ครั้งเดียวใน 1 วัน ในสิ่งที่ไม่สำคัญอาจลดราคาการใช้งานได้โดยไม่มีผลกระทบต่อผลทางธุรกิจ และการทำสัญญาเป็นรายปีก็มักจะได้ราคาพิเศษอีกด้วย
  
  
• ความรวดเร็วในการทำงาน(Speed of response) : ผู้ใช้ควรทดสอบให้แน่ใจว่าการใช้งานจริงมีการตอบรับ และส่งผลมาให้อย่างรวดเร็วเพียงพอต่อการใช้งาน เช่น การยืนยันตัวตนด้วยใบหน้าต้องการการตอบสนองในหลัก 1-2 วินาที แต่ AI-as-a-Service ที่ทำการประมวลผลเอกสารการเคลมประกัน อาจสามารถใช้เวลานานเป็นหลายสิบวินาทีได้ เนื่องจากผู้ใช้งานไม่จำเป็นต้องรอผลการประมวลผล ทั้งนี้อย่าลืมด้วยว่าความเร็วของอินเตอร์เน็ตก็มีผลต่อประสบการณ์ของผู้ใช้งาน  แม้ AI-as-a-Service จะทำงานได้เร็ว แต่ถ้าความเร็วการส่งข้อมูลผ่านอินเตอร์เน็ตไม่เพียงพอต่อแอปพลิเคชันนั้น ก็จะส่งผลทำให้ประสบการณ์ของผู้ใช้งานเปลี่ยนไป
  
  
• Confidence Score: AI-as-a-Service ควรมีตัวเลขบ่งบอกโอกาสในความผิดพลาดออกมาในลักษณะของ confidence score ซึ่งเป็นเสมือนค่าความมั่นใจของ AI นั้น เพื่อประกอบการแสดงผลหรือตัดสินใจเมื่อได้รับผลจาก AI มาแล้ว หาก confidence score ต่ำเกินไป user อาจต้องเข้าไปตรวจสอบ หากไม่มีตัวเลขเหล่านี้ การใช้งานอาจไม่ได้รับการตรวจสอบ เว้นเสียแต่ว่าความผิดพลาดเหล่านั้นเป็นเรื่องที่รับได้
  
  
• API specification: AI-as-a-Service ที่ดีต้องมีเอกสาร API specification ที่ชัดเจน เข้าใจง่าย นำไปใช้ได้ง่าย โดยไม่มีความผิดพลาดที่ไม่คาดคิด ซึ่งจะทำให้การนำไปใช้งานเรียบง่ายไร้ปัญหา
  
  
• Dashboard: บริการ AI-as-a-Service มักต้องมี dashboard ให้ผู้ใช้เห็น usage ของตน หรือจัดการเรื่องเครดิตในบัญชี และความปลอดภัยเบื้องต้นของ API key ของตนเอง
  
  
• Onboarding experience & support: การเข้าไปเริ่มใช้บริการ เริ่มตั้งแต่การทดลองใช้ฟรี การนำไป integrate และการชำระเงิน ประสบการณ์การใช้งานอีกทั้ง technical support มีส่วนสำคัญที่จะทำให้การนำ AI-as-a-Service ไปใช้ประสบความสำเร็จ 
  
  
• แพ็คเกจราคา : AIaaS provider ส่วนใหญ่มักมีแพ็คเกจราคาให้เลือกหลากหลายแบบ เช่น
  
• Pay-as-you-go: เป็นลักษณะแบบ pre-paid เหมือนเติมเงินบริการโทรศัพท์มือถือ ซื้อเครดิตไว้เท่าไหร่ก็ใช้ได้เท่านั้น ถ้าหมดแล้วต้องซื้อเครดิตเติมใหม่ การซื้อเครดิตครั้งละมาก ๆ บางครั้งอาจได้ส่วนลด แต่ให้สังเกตเงื่อนไขการหมดอายุของเครดิตให้ดี และวางแผนตามที่ธุรกิจของเราต้องการ ข้อดีคือการวางแผนได้เองตามความต้องการแต่ละช่วง ข้อเสียคือต้องคอยกลับมาจัดการอยู่เสมอ
  
• Monthly plan หรือ Subscription: เป็นลักษณะแบบ post-paid เหมือนการจ่ายรายเดือนการใช้บริการโทรศัพท์มือถือ โดยแต่ละ package จะมี quota ว่าใช้ได้เท่านั้นเท่านี้ หากใช้เกิน จะมีที่เรียกว่า overage charge ซี่งมักจะเป็นราคาต่อ unit การใช้บริการที่เกินมา (เหมือนในบริการโทรศัพท์มือถือ ก็จะคิดตามนาทีที่เกินจาก package) ข้อดีของ monthly plan คือรายจ่ายมักจะ fixed เหมือนการ subscribe บริการ Netflix หรือ Spotify เหมาะกับการใช้งานที่ปริมาณค่อนข้างคงที่ในแต่ละเดือน บางครั้งมีข้อเสนอการจ่ายล่วงหน้ารายปีเพื่อส่วนลดพิเศษอีกด้วย
  
  
• Pay-per-use: เป็นลักษณะแบบใช้เท่าไหร่จ่ายเท่านั้น บางที่อาจมีขั้นต่ำที่ต้องจ่ายต่อเดือน (ซึ่งก็จะทำให้คล้ายการเป็น monthly plan) แต่ยิ่งใช้มักจะยิ่งได้ราคาต่อหน่วยที่ถูกลง
  
  
• Free trial: ผู้ให้บริการ AIaaS ทุกที่มักมีการให้ทดลองใช้ฟรี ไม่ว่าจะเป็นรูปแบบผ่านหน้าเว็บ browser หรือการให้ทดลอง integrate กับ API ก่อนที่จะนำไปสู่การใช้งานจริง บริการ Free trial ไม่มีความแตกต่างทางด้านความแม่นยำของ AI เพียงแต่อาจไม่รับรอง SLA หรือ speed of response เหมือนการใช้งานจริงเมื่อใช้บริการแบบชำระเงิน
  
  
• ความปลอดภัยของข้อมูล: AIaaS จำเป็นต้องมีระบบ security ที่ดีเพื่อปกป้องข้อมูล แม้ว่า AIaaS หลายตัว ไม่ได้ทำการเก็บข้อมูล คือ ไม่มี data at rest ทำให้การเข้ามาขโมยข้อมูลชุดใหญ่อาจจะไม่เกิดขึ้น อย่างไรก็ตามการปกป้องข้อมูล account การป้องกัน attack ที่จะกระทบผลที่ AI ตัวนั้นส่งกลับมาให้เรา ก็มากเพียงพอที่ทำให้ต้องมีมาตรฐานความปลอดภัยของ cloud ที่ดี (สังเกตุจาก ISO 27001 หรือ CSA Star Certification) 
  
  
• กฎหมายและข้อบังคับ: ผู้ให้บริการ AIaaS หลายเจ้ามี hosting server อยู่นอกประเทศ กฎหมายคุ้มครองข้อมูลส่วนบุคคลไทย(PDPA) ไม่ห้ามการส่งข้อมูลส่วนตัวลูกค้าไปเก็บหรือประมวลผลที่ต่างประเทศ ตราบใดที่ประเทศที่ตั้ง server นั้นมีกฎหมายคุ้มครองข้อมูลส่วนบุคคลเช่นกัน (ซึ่ง public cloud provider ทุกเจ้า comply ในข้อนี้) อย่างไรก็ตาม องค์กรหรือธุรกิจในฐานะผู้ควบคุมข้อมูล (Data Controller) ยังคงต้องขอความยินยอมเจ้าของข้อมูลในการส่งข้อมูลให้ผู้ประมวลผลช่วง (Data Processor) ซึ่งได้แก่ ผู้ให้บริการ AIaaS ทำการประมวลผลได้เพื่อตอบโจทย์การบริการให้ลูกค้า

The Future of AIaaS

ด้วยแนวโน้มการใช้งาน AI ที่มีมากขึ้นเรื่อย ๆ ในขณะที่หลายองค์กรโดยเฉพาะกลุ่ม SME อาจไม่ได้มีความเชี่ยวชาญในการสร้างและดูแลรักษา AI เพื่อใช้งานได้ AI-as-a-Service เป็นทางเลือกที่จะช่วยให้การนำ AI มาใช้เป็นเรื่องง่ายดายในราคาที่จับต้องได้ บริการ AIaaS มีให้เลือกอย่างหลากหลายและสามารถเรียกใช้งานได้จากโค้ดเพียงหนึ่งบรรทัด ซึ่งจะทำให้นักพัฒนาซอฟต์แวร์ทั่วไปและแผนก IT ในองค์กร สามารถนำมาใช้สร้างแอปพลิเคชันขององค์กรนั้นเองได้ อีกทั้งเราจะพบว่ามีแนวโน้มที่จะมี platform ที่ช่วยในการสร้าง AI เองเพื่อการ customization ของโมเดลจากข้อมูลภายใน โดยผู้ใช้ไม่จำเป็นต้องมีความรู้ทาง AI มากนัก นอกจากนี้ ประโยชน์ของการที่ AIaaS สามารถทำการอัพเดตโมเดลได้อย่างรวดเร็ว และมีการพัฒนาจากข้อมูลที่มาจากหลายแหล่งตลอดเวลา ทำให้ผลความแม่นยำดีขึ้นได้อย่างรวดเร็ว เป็นประโยชน์กับทุกธุรกิจที่ใช้งาน AIaaS จึงเป็นอีกหนึ่งเทคโนโลยีที่จะถูกนำมาช่วยสร้างความได้เปรียบในธุรกิจต่าง ๆ ได้มากยิ่งขึ้น