ໃນຂະນະທີ່ມີບໍລິສັດຍີ່ປຸ່ນຂະຫຍາຍຕົວເຂົ້າສູ່ລາວເພີ່ມຂຶ້ນ, ການພະຍາຍາມນຳໃຊ້ AI ຢູ່ສຳນັກງານທ້ອງຖິ່ນໂດຍພຽງແຕ່ນຳເອົາວິທີການຂອງສຳນັກງານໃຫຍ່ໃນຍີ່ປຸ່ນມາໃຊ້ໂດຍກົງນັ້ນ, ຫຼາຍກໍລະນີພົບວ່າບໍ່ສາມາດດຳເນີນການຕໍ່ໄປໄດ້. ບັນຫາທີ່ເກີດຂຶ້ນຄື "ກຳແພງສອງຊັ້ນ" ເຊັ່ນ: ແນວທາງປະຕິບັດທີ່ວາງໄວ້ໂດຍສຳນັກງານໃຫຍ່ບໍ່ສາມາດນຳໃຊ້ໄດ້ຈິງໃນທ້ອງຖິ່ນ, ພະນັກງານທ້ອງຖິ່ນເກີດຄວາມສັບສົນກັບຄູ່ມືທີ່ເປັນພາສາຍີ່ປຸ່ນ, ຫຼື ສຳນັກງານໃຫຍ່ເພີ່ມຄວາມເຂັ້ມງວດໃນການກວດສອບໂດຍທີ່ບໍ່ເຂົ້າໃຈສະພາບການເຮັດວຽກຕົວຈິງໃນທ້ອງຖິ່ນ.

ຫາກປ່ອຍໃຫ້ກຳແພງນີ້ຄົງຢູ່, ຈະເຮັດໃຫ້ການນຳໃຊ້ AI ດ້ວຍບັນຊີສ່ວນຕົວໃນທ້ອງຖິ່ນແຜ່ຂະຫຍາຍອອກໄປ ຈົນກາຍເປັນ Shadow AI ທີ່ບໍ່ສາມາດຄວບຄຸມໄດ້, ໃນຂະນະທີ່ສຳນັກງານໃຫຍ່ກໍຕົກຢູ່ໃນສະພາວະທີ່ "ບໍ່ຮູ້ວ່າທ້ອງຖິ່ນກຳລັງເຮັດຫຍັງຢູ່". ທັງສອງຝ່າຍຕ່າງກໍມີຄວາມບໍ່ພໍໃຈ, ເຮັດໃຫ້ເກີດວົງຈອນອຸບາດທີ່ການນຳໃຊ້ AI ບໍ່ສາມາດຝັງຮາກຖານໃນອົງກອນໄດ້.

ບົດຄວາມນີ້ຈະຮວບຮວມພາບລວມເພື່ອໃຫ້ບໍລິສັດຍີ່ປຸ່ນທີ່ເຂົ້າມາໃນລາວສາມາດນຳໃຊ້ AI ໃຫ້ຝັງຮາກຖານໃນທ້ອງຖິ່ນໄດ້ຢ່າງໝັ້ນຄົງ, ໂດຍເລີ່ມຈາກການເຂົ້າໃຈສະຖານະການປັດຈຸບັນ, ຕົວຕົນທີ່ແທ້ຈິງຂອງ "ກຳແພງສອງຊັ້ນ", 3 ຂັ້ນຕອນໃນການພັດທະນາພະນັກງານທ້ອງຖິ່ນ, ລະບົບການປະສານງານກັບສຳນັກງານໃຫຍ່, ໄປຈົນເຖິງຂໍ້ຜິດພາດທີ່ມັກພົບເຫັນ. ຈຸດປະສົງແມ່ນເພື່ອສະເໜີໂຄງຮ່າງການດຳເນີນງານທີ່ທັງຜູ້ຮັບຜິດຊອບໃນທ້ອງຖິ່ນ ແລະ ຜູ້ຄວບຄຸມໃນສຳນັກງານໃຫຍ່ສາມາດກ້າວໄປໃນທິດທາງດຽວກັນ.

ກ່ອນອື່ນໝົດ, ຂໍໃຫ້ເບິ່ງພາບລວມຂອງບໍລິສັດຍີ່ປຸ່ນທີ່ເຂົ້າມາລົງທຶນໃນລາວ ແລະ ສະພາບຄວາມເປັນຈິງຂອງເຄື່ອງມື AI ທີ່ຖືກນຳໃຊ້ຢູ່ໜ້າວຽກ. ການເຂົ້າໃຈຈຸດນີ້ຈະຊ່ວຍໃຫ້ການອະທິບາຍກ່ຽວກັບ "ກຳແພງສອງຊັ້ນ" ແລະ ການອອກແບບລະບົບການດຳເນີນງານໃນພາກຕໍ່ໄປມີຄວາມຊັດເຈນຍິ່ງຂຶ້ນ. ຂໍໃຫ້ທ່ານອ່ານໂດຍພິຈາລະນາໄປພ້ອມກັນວ່າ ສາຂາບໍລິສັດຂອງທ່ານຕັ້ງຢູ່ຈຸດໃດໃນພາບລວມນີ້.

ບໍລິສັດຍີ່ປຸ່ນທີ່ມີຖານການຜະລິດຢູ່ໃນລາວ ກວມເອົາຫຼາຍຂະແໜງການ ເຊັ່ນ: ອຸດສາຫະກຳການຜະລິດ, ການກໍ່ສ້າງ, ບໍລິສັດການຄ້າ, ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure, ການເງິນ ແລະ ການບໍລິການດ້ານບຸກຄະລາກອນ. ຂະໜາດຂອງພະນັກງານສ່ວນໃຫຍ່ແມ່ນເປັນຖານການຜະລິດຂະໜາດກາງທີ່ມີພະນັກງານຕັ້ງແຕ່ສິບກວ່າຄົນຈົນເຖິງຫຼາຍຮ້ອຍຄົນ ລວມທັງພະນັກງານທ້ອງຖິ່ນ, ແລະ ຫຼາຍບໍລິສັດກໍຍັງໃຊ້ລະບົບ ERP, ລະບົບບັນຊີ ແລະ ລະບົບ HR ທີ່ແຍກອອກຈາກລະບົບການເຮັດວຽກຂອງສຳນັກງານໃຫຍ່.

ສະຖານະການທົ່ວໄປທີ່ພົບເຫັນຄື ເຖິງວ່າຈະມີພະນັກງານໄອທີ ແຕ່ກໍເປັນພຽງການເຮັດວຽກຄວບຄູ່ກັນພຽງ 1-2 ຄົນເທົ່ານັ້ນ, ສ່ວນພະນັກງານຊາວຢີ່ປຸ່ນທີ່ປະຈຳການກໍມີຈຳນວນໜ້ອຍພຽງ 1-3 ຄົນ ເຮັດໃຫ້ການຕັດສິນໃຈສ່ວນໃຫຍ່ໃນໜ້າວຽກຖືກມອບໝາຍໃຫ້ພະນັກງານທ້ອງຖິ່ນ. ໂຄງສ້າງບຸກຄະລາກອນນີ້ ມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ວິທີການນຳເອົາ AI ມາໃຊ້ ເຊິ່ງຈະກ່າວເຖິງໃນພາຍຫຼັງ. ຖ້າຫາກວາງແຜນໂດຍອີງໃສ່ຊັບພະຍາກອນດຽວກັນກັບສຳນັກງານໃຫຍ່, ມັນຈະບໍ່ສາມາດດຳເນີນການໃນທ້ອງຖິ່ນໄດ້ຢ່າງແນ່ນອນ.

ສຳລັບແນວໂນ້ມແຍກຕາມຂະແໜງການ, ໃນອຸດສາຫະກຳການຜະລິດ ແລະ ການກໍ່ສ້າງ ມັກຈະມີການສື່ສານດ້ວຍພາສາລາວໃນໜ້າວຽກຫຼາຍ, ເຮັດໃຫ້ການນຳໃຊ້ AI ເພື່ອພະນັກງານທ້ອງຖິ່ນມີຄວາມກ້າວໜ້າໄດ້ງ່າຍກວ່າ. ສ່ວນບໍລິສັດການຄ້າ ແລະ ການເງິນ ເນື່ອງຈາກຕ້ອງມີການລາຍງານ ແລະ ປຶກສາຫາລືຢ່າງໃກ້ຊິດກັບສຳນັກງານໃຫຍ່, ການແບ່ງປັນຂໍ້ມູນດ້ວຍຫຼາຍພາສາຈຶ່ງມີຄວາມສຳຄັນເປັນພິເສດ. ການຈັດລຳດັບຄວາມສຳຄັນໂດຍອີງໃສ່ຄຸນລັກສະນະຂອງແຕ່ລະຂະແໜງການ ແມ່ນມີຄວາມກ່ຽວຂ້ອງໂດຍກົງກັບການອອກແບບນະໂຍບາຍຂອງແຕ່ລະທ້ອງຖິ່ນ.

ເຄື່ອງມື AI ທີ່ຖືກນຳໃຊ້ຕົວຈິງໃນພື້ນທີ່ ສ່ວນໃຫຍ່ແມ່ນ Chat-based Generative AI ທີ່ໃຊ້ໃນການແປພາສາ, ການບັນທຶກກອງປະຊຸມ, ການຮ່າງອີເມວ ແລະ ການສ້າງຮ່າງເອກະສານ. ການນຳໃຊ້ຫຼັກແມ່ນການແປພາສາ, ການບັນທຶກກອງປະຊຸມ, ການຮ່າງອີເມວ ແລະ ການສ້າງຮ່າງເອກະສານ, ສ່ວນການນຳໃຊ້ຟັງຊັນ AI ທີ່ຖືກລວມເຂົ້າໃນລະບົບການເຮັດວຽກນັ້ນຍັງມີຈຳກັດ. ການນຳໃຊ້ທີ່ສະເພາະເຈາະຈົງໃນແຕ່ລະອຸດສາຫະກຳ ເຊັ່ນ: ການກວດສອບຮູບພາບດ້ວຍ AI ໃນໜ້າວຽກການຜະລິດ ຫຼື ການປັບປຸງການຈັດສັນລົດຂົນສົ່ງໃນວຽກງານໂລຈິສຕິກ ຍັງຢູ່ໃນຂັ້ນຕອນຂອງກໍລະນີສຶກສາທີ່ກ້າວໜ້າເທົ່ານັ້ນ.

ສິ່ງທີ່ໜ້າສົນໃຈຄື ເນື່ອງຈາກມີຄວາມຈຳເປັນຕ້ອງຮອງຮັບຫຼາຍພາສາ ທັງພາສາລາວ ແລະ ພາສາໄທ, ຈຶ່ງມີຫຼາຍສາຂາທີ່ພະນັກງານໃນພື້ນທີ່ເລີ່ມນຳໃຊ້ AI ແປພາສາໃນຊີວິດປະຈຳວັນກ່ອນສຳນັກງານໃຫຍ່. ການນຳໃຊ້ໃນລັກສະນະ "ເຂົ້າໃຈອີເມວພາສາຍີ່ປຸ່ນຈາກສຳນັກງານໃຫຍ່ດ້ວຍພາສາລາວ" ຫຼື "ຮ່າງການຕອບກັບຄູ່ຄ້າດ້ວຍພາສາທ້ອງຖິ່ນ" ແມ່ນສາມາດເຮັດໃຫ້ສຳເລັດໄດ້ດ້ວຍສະມາດໂຟນສ່ວນຕົວ, ເຮັດໃຫ້ມີການເລີ່ມນຳໃຊ້ໂດຍບໍ່ຕ້ອງລໍຖ້າການອະນຸມັດຈາກສຳນັກງານໃຫຍ່.

ການເຄື່ອນໄຫວແບບ "ທ້ອງຖິ່ນນຳໜ້າ" ນີ້ ອາດກາຍເປັນຄວາມສ່ຽງທີ່ຈະເຮັດໃຫ້ເກີດກົດລະບຽບສະເພາະຕົວຂຶ້ນມາໂດຍທີ່ສຳນັກງານໃຫຍ່ບໍ່ທັນຮູ້ຕົວ, ສະນັ້ນ ຈຶ່ງຈຳເປັນຕ້ອງມີການຈັດການດ້ານທຳມາພິບານ (Governance) ໃຫ້ຮຽບຮ້ອຍໂດຍໄວ. ການທົບທວນຄືນເຄື່ອງມືທີ່ກຳລັງຖືກນຳໃຊ້ໃນພື້ນທີ່ ແລະ ການເຂົ້າໃຈສະພາບການນຳໃຊ້ຕົວຈິງ ແມ່ນການກະທຳເບື້ອງຕົ້ນທີ່ມີປະສິດທິຜົນ.

ບໍ່ຄືກັບການນຳໃຊ້ AI ຂອງບໍລິສັດລາວທົ່ວໄປ, ບໍລິສັດຍີ່ປຸ່ນຕ້ອງຜ່ານຜ່າ "ກຳແພງທ້ອງຖິ່ນ" ແລະ "ກຳແພງສຳນັກງານໃຫຍ່" ໄປພ້ອມໆກັນ. ຖ້າມອງພຽງແຕ່ທ້ອງຖິ່ນ ກໍຈະພົບກັບບັນຫາດ້ານບຸກຄະລາກອນ ແລະ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure, ແລະ ຖ້າມອງພຽງແຕ່ສຳນັກງານໃຫຍ່ ກໍຈະມີຂໍ້ຮຽກຮ້ອງດ້ານການບໍລິຫານຈັດການ ແລະ ການຄຸ້ມຄອງຄວາມສ່ຽງ. ຖ້າບໍ່ອອກແບບການດຳເນີນງານທີ່ຕອບໂຈດຄວາມຕ້ອງການຂອງທັງສອງຝ່າຍພ້ອມກັນ, ຄວາມບໍ່ພໍໃຈກໍຈະເກີດຂຶ້ນຈາກຝ່າຍໃດຝ່າຍໜຶ່ງ. ໃນທີ່ນີ້, ພວກເຮົາຈະມາຈັດລະບຽບວ່າກຳແພງສອງຊັ້ນນີ້ເກີດຂຶ້ນມາຈາກໃສ.

ການດຳເນີນງານຂອງບໍລິສັດຍີ່ປຸ່ນໃນລາວມີການໃຊ້ 3 ພາສາປະປົນກັນ ຄື: ພາສາຍີ່ປຸ່ນ, ພາສາລາວ ແລະ ພາສາອັງກິດ. ໂດຍປົກກະຕິແລ້ວ, ຄຳສັ່ງຈາກສຳນັກງານໃຫຍ່ຈະເປັນພາສາຍີ່ປຸ່ນ, ການປະຕິບັດງານໃນທ້ອງຖິ່ນຈະເປັນພາສາລາວ, ສ່ວນການຕິດຕໍ່ສື່ສານກັບຜູ້ສະໜອງສິນຄ້າ (Vendor) ຫຼື ພາຍໃນພາກພື້ນ ASEAN ຈະເປັນພາສາອັງກິດ, ເຊິ່ງບໍ່ແມ່ນເລື່ອງແປກທີ່ພາສາຈະມີການປ່ຽນແປງໄປມາພາຍໃນຂະບວນການເຮັດວຽກດຽວກັນ. ເຖິງແມ່ນວ່າຈະເປັນການບໍລິການລູກຄ້າແບບດຽວກັນ, ແຕ່ກໍເກີດມີໂຄງສ້າງທີ່ຊັບຊ້ອນ ເຊັ່ນ: ການລາຍງານຕໍ່ສຳນັກງານໃຫຍ່ເປັນພາສາຍີ່ປຸ່ນ, ບົດບັນທຶກການປະຊຸມພາຍໃນທ້ອງຖິ່ນເປັນພາສາລາວ, ແລະ ໃບສະເໜີລາຄາໃຫ້ຄູ່ຄ້າເປັນພາສາອັງກິດ.

ເຖິງແມ່ນວ່າຈະມີການນຳໃຊ້ເຄື່ອງມື AI ເຂົ້າມາ, ແຕ່ຖ້າຫາກແມ່ແບບຂອງ Prompt ເປັນພຽງພາສາຍີ່ປຸ່ນ ຫຼື ຄູ່ມືການໃຊ້ງານເປັນພຽງພາສາອັງກິດ, ພະນັກງານໃນທ້ອງຖິ່ນກໍຈະບໍ່ສາມາດນຳໃຊ້ໄດ້ຢ່າງເຕັມປະສິດທິພາບ. ເຖິງແມ່ນວ່າຈະປັບໃຫ້ເປັນເອກະພາບໂດຍການໃຊ້ພາສາອັງກິດເປັນຫຼັກ, ແຕ່ກໍຍັງມີອຸປະສັກດ້ານພາສາທີສອງສຳລັບເຈົ້າຂອງພາສາລາວ ແລະ ມີອຸປະສັກທີ່ຍາກກວ່າພາສາທີສອງສຳລັບເຈົ້າຂອງພາສາຍີ່ປຸ່ນ.

ໃນດ້ານວັດທະນະທຳ, ຍັງມີຊ່ອງຫວ່າງລະຫວ່າງສຳນັກງານໃຫຍ່ທີ່ຍີ່ປຸ່ນ ແລະ ໜ້າວຽກໃນລາວ ໃນເລື່ອງຂອງຄວາມລະອຽດຂອງຄຳສັ່ງ ແລະ ຂັ້ນຕອນການອະນຸມັດວຽກງານ, ເຊິ່ງມີຄວາມສ່ຽງທີ່ວ່າການປ້ອນ "ຄວາມຕ້ອງການແບບຍີ່ປຸ່ນ" ໃຫ້ກັບ AI ອາດຈະໄດ້ຮັບຄຳຕອບທີ່ບໍ່ສອດຄ່ອງກັບສະພາບການເຮັດວຽກຕົວຈິງໃນທ້ອງຖິ່ນ. ດັ່ງນັ້ນ, ບຸກຄະລາກອນຫຼັກໃນທ້ອງຖິ່ນຈຶ່ງຈຳເປັນຕ້ອງມີທັກສະໃນການຂຽນ Prompt ໃໝ່ ໃຫ້ສອດຄ່ອງກັບບໍລິບົດຂອງທ້ອງຖິ່ນ.

ການບໍລິຫານຈັດການທີ່ສຳນັກງານໃຫຍ່ໄດ້ວາງໄວ້ນັ້ນ ແມ່ນຖືກຕ້ອງໃນແງ່ຂອງການຄຸ້ມຄອງຄວາມສ່ຽງຂອງບໍລິສັດໂດຍລວມ. ແນວໃດກໍຕາມ, ຖ້ານຳມາບັງຄັບໃຊ້ໂດຍກົງກັບໜ່ວຍງານທ້ອງຖິ່ນ, ຄວາມຊັກຊ້າເຊັ່ນ: "ຕ້ອງໃຊ້ເວລາ 3 ເດືອນໃນການອະນຸມັດການນຳໃຊ້" ຫຼື "ການຂໍນຳໃຊ້ຕ້ອງຜ່ານສຳນັກງານໃຫຍ່" ຈະບໍ່ສອດຄ່ອງກັບຄວາມໄວໃນການດຳເນີນງານຂອງທ້ອງຖິ່ນ. ວັດທະນະທຳທາງທຸລະກິດໃນຕະຫຼາດລາວມີການຕັດສິນໃຈທີ່ວ່ອງໄວ ແລະ ມີຫຼາຍສະຖານະການທີ່ຕ້ອງຕອບສະໜອງຄວາມຕ້ອງການຂອງຄູ່ຄ້າພາຍໃນບໍ່ເທົ່າໃດມື້, ດັ່ງນັ້ນການໃຊ້ເວລາຫຼາຍເດືອນໃນການອະນຸມັດຈຶ່ງເຮັດໃຫ້ເສຍໂອກາດທາງທຸລະກິດ. ສົ່ງຜົນໃຫ້ພະນັກງານທ້ອງຖິ່ນນຳໃຊ້ AI ສ່ວນຕົວໂດຍພະລະການ ຫຼື "Shadow AI" ເກີດຂຶ້ນ, ເຊິ່ງໃນແງ່ຂອງການຄວບຄຸມຂໍ້ມູນແລ້ວ ມັນກັບກາຍເປັນການເພີ່ມຄວາມສ່ຽງໃຫ້ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ. ຂໍ້ມູນຂອງບໍລິສັດອາດຈະຮົ່ວໄຫຼເຂົ້າໄປໃນບັນຊີຟຣີສ່ວນຕົວ ແລະ ມີຄວາມເປັນໄປໄດ້ທີ່ຈະຖືກນຳໄປລວມ ຫຼື Merge ເຂົ້າໃນຂໍ້ມູນການຮຽນຮູ້ (Training Data).

ການແກ້ໄຂຊ່ອງຫວ່າງລະຫວ່າງການບໍລິຫານຂອງສຳນັກງານໃຫຍ່ ແລະ ຄວາມໄວຂອງທ້ອງຖິ່ນຄືຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ທີ່ເປັນຄວາມຫຍຸ້ງຍາກສະເພາະຂອງບໍລິສັດຍີ່ປຸ່ນ. ສິ່ງທີ່ຕ້ອງການບໍ່ແມ່ນການຫຼຸດຜ່ອນມາດຕະຖານການບໍລິຫານ, ແຕ່ແມ່ນການອອກແບບໂດຍການແບ່ງຂອບເຂດການຕັດສິນໃຈໃນທ້ອງຖິ່ນ ແລະ ຂອບເຂດທີ່ຕ້ອງໄດ້ຮັບການອະນຸມັດຈາກສຳນັກງານໃຫຍ່ໄວ້ລ່ວງໜ້າ. ໂຄງສ້າງສອງຊັ້ນທີ່ສາມາດນຳໃຊ້ໄດ້ຈິງຄື: ກໍລະນີການນຳໃຊ້ພາຍໃນບໍລິສັດທີ່ມີມູນຄ່າຕ່ຳກວ່າ 〇〇 ໂດລາສະຫະລັດ ໃຫ້ເປັນການຕັດສິນໃຈຂອງທ້ອງຖິ່ນ, ສ່ວນກໍລະນີທີ່ມີຂໍ້ມູນລູກຄ້າ, ຂໍ້ມູນສ່ວນຕົວ ແລະ ຂໍ້ມູນລັບ ໃຫ້ເປັນການອະນຸມັດຂອງສຳນັກງານໃຫຍ່. ພ້ອມກັນນັ້ນ, ຄວນມີການເຮັດລາຍການນິຍາມຂໍ້ມູນລູກຄ້າ ແລະ ເຄື່ອງມືທີ່ກ່ຽວຂ້ອງ, ໂດຍກໍລະນີຍົກເວັ້ນຕ່າງໆຕ້ອງໄດ້ຮັບການອະນຸມັດລ່ວງໜ້າຈາກພະແນກລະບົບຂໍ້ມູນຂ່າວສານຂອງສຳນັກງານໃຫຍ່.

ພາຍໃຕ້ເງື່ອນໄຂຂອງກຳແພງສອງຊັ້ນ, ການທີ່ພະນັກງານໃນທ້ອງຖິ່ນຈະນຳໃຊ້ AI ໃຫ້ເກີດປະສິດທິພາບສູງສຸດນັ້ນ ຈຳເປັນຕ້ອງມີວິທີການແບບເປັນຂັ້ນຕອນ. ໃນທີ່ນີ້, ພວກເຮົາຂໍນຳສະເໜີ 3 ຂັ້ນຕອນທີ່ເໝາະສົມກັບສະພາບຄວາມເປັນຈິງຂອງບໍລິສັດຍີ່ປຸ່ນ. ການບໍ່ເລີ່ມຕົ້ນນຳໃຊ້ກັບທຸກວຽກງານໃນທັນທີ, ແຕ່ຫາກເລີ່ມຈາກປະສົບການຄວາມສຳເລັດນ້ອຍໆໄປສູ່ການລວມ ຫຼື Merge ວຽກງານຂະໜາດໃຫຍ່ຢ່າງເປັນຂັ້ນຕອນນັ້ນ ຄືກຸນແຈສຳຄັນທີ່ຈະເຮັດໃຫ້ AI ຢັ່ງຮາກຖານໄດ້ຢ່າງໝັ້ນຄົງ.

ຂັ້ນຕອນທຳອິດແມ່ນການກຽມປະສົບການ AI ໃຫ້ພະນັກງານທ້ອງຖິ່ນໄດ້ສຳຜັດດ້ວຍພາສາລາວ ເຊິ່ງເປັນພາສາແມ່. ໂດຍເລີ່ມຈາກກໍລະນີການນຳໃຊ້ທີ່ເຫັນຜົນທັນທີໃນວຽກງານປະຈຳວັນ ເຊັ່ນ: ການແປພາສາ, ການຮ່າງອີເມວ ແລະ ການສະຫຼຸບເນື້ອໃນກອງປະຊຸມ. ຖ້າຫາກສຳນັກງານໃຫຍ່ເປັນຜູ້ຊີ້ນຳໂດຍການບັງຄັບວ່າ "ໃຫ້ໃຊ້ພາສາອັງກິດກ່ອນ" ຈະເຮັດໃຫ້ເກີດຊ່ອງວ່າງລະຫວ່າງຜູ້ທີ່ສາມາດໃຊ້ງານໄດ້ ແລະ ຜູ້ທີ່ບໍ່ສາມາດໃຊ້ງານໄດ້.

ສິ່ງທີ່ເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ໃນທີ່ນີ້ຄື ການກຽມເທມເພລດຂອງ Prompt ໃຫ້ມີທັງພາສາລາວ ແລະ ພາສາຍີ່ປຸ່ນ. ຖ້າມີພຽງພາສາໃດໜຶ່ງ ກໍຈະເຮັດໃຫ້ກຸ່ມຄົນໃດໜຶ່ງຖືກປະຖິ້ມໄວ້ຢ່າງແນ່ນອນ. ໃນໄລຍະ 1 ເດືອນທຳອິດ, ໃຫ້ສຸມໃສ່ການໃຫ້ພະນັກງານທ້ອງຖິ່ນໄດ້ສຳຜັດກັບ AI ດ້ວຍພາສາລາວ ແລະ ສ້າງປະສົບການຄວາມສຳເລັດນ້ອຍໆໃຫ້ເກີດຂຶ້ນ. ພຽງແຕ່ເລີ່ມຈາກການຮ້ອງຂໍງ່າຍໆ ເຊັ່ນ: "ຊ່ວຍສະຫຼຸບກອງປະຊຸມມື້ນີ້ໃຫ້ແດ່" ຫຼື "ຂຽນອີເມວຂອບໃຈລູກຄ້າໃຫ້ແດ່", ເຄັດລັບໃນການໃຊ້ງານກໍຈະສາມາດຮຽນຮູ້ໄດ້ພາຍໃນໄລຍະເວລາອັນສັ້ນ.

ໃນໄລຍະເລີ່ມຕົ້ນ, ການບໍ່ໄລ່ຕາມຄວາມສົມບູນແບບຂອງຄຸນນະພາບຜົນລັດກໍມີຄວາມສຳຄັນເຊັ່ນກັນ. ຂໍພຽງແຕ່ໃຫ້ໄດ້ຄະແນນ 70 ກໍພໍ ເພື່ອໃຫ້ພະນັກງານທ້ອງຖິ່ນໄດ້ຮັບຮູ້ເຖິງຄວາມຮູ້ສຶກທີ່ວ່າວຽກງານທີ່ຕ້ອງກັບມາແກ້ໄຂໃໝ່ຫຼຸດລົງ ແລະ ສະສົມປະສົບການຄວາມສຳເລັດໄວ້. ສ່ວນການປັບປຸງຄວາມຖືກຕ້ອງແມ່ນຈະດຳເນີນໄປເອງໂດຍທຳມະຊາດຜ່ານການປັບປຸງ Prompt ຫຼັງຈາກທີ່ເລີ່ມນຳໃຊ້ໄປແລ້ວ.

ໃນຂັ້ນຕອນຕໍ່ໄປ, ຈະມີການປັບປ່ຽນແນວທາງການນຳໃຊ້ AI ທີ່ກຳນົດໂດຍສຳນັກງານໃຫຍ່ໃຫ້ເຂົ້າກັບບໍລິບົດຂອງປະເທດລາວ. ໂດຍເນັ້ນໃສ່ຂໍ້ຫ້າມ ແລະ ຂະບວນການອະນຸມັດ, ຈະມີການແປເອກະສານຕົ້ນສະບັບຂອງສຳນັກງານໃຫຍ່ຢ່າງຄົບຖ້ວນ ພ້ອມທັງເພີ່ມເຕີມຂໍ້ມູນທີ່ສອດຄ່ອງກັບຂັ້ນຕອນການສະເໜີຂໍອະນຸມັດ ແລະ ລະດັບການປະຕິບັດງານຕົວຈິງໃນທ້ອງຖິ່ນ. ການແປພຽງຢ່າງດຽວອາດບໍ່ພຽງພໍ, ດັ່ງນັ້ນການແນບຕາຕະລາງການນຳໃຊ້ທີ່ລະບຸຕົວຢ່າງຢ່າງຈະແຈ້ງວ່າ "ວຽກງານໃດສາມາດໃຊ້ເຄື່ອງມືໃດໄດ້" ຈະຊ່ວຍຫຼຸດຜ່ອນຄວາມສັບສົນໃຫ້ແກ່ພະນັກງານໃນທ້ອງຖິ່ນໄດ້.

ຂໍ້ຜິດພາດທີ່ມັກພົບເຫັນຄື ການນຳເອົາແນວທາງຂອງສຳນັກງານໃຫຍ່ມາແປດ້ວຍເຄື່ອງມືແປພາສາແລ້ວນຳໄປໃຊ້ງານທັນທີ. ບໍລິບົດສະເພາະຂອງຍີ່ປຸ່ນ (ຕົວຢ່າງ: ການອ້າງອີງເຖິງກົດໝາຍພາຍໃນກ່ຽວກັບການຈັດການຂໍ້ມູນສ່ວນບຸກຄົນ) ບໍ່ສາມາດນຳໃຊ້ໄດ້ໃນທຸກຂໍ້ ເນື່ອງຈາກລະບົບກົດໝາຍຂອງລາວມີຄວາມແຕກຕ່າງກັນ. ປະເທດລາວມີກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນ ແລະ ກົດໝາຍວ່າດ້ວຍໄຊເບີທີ່ຖືກບັງຄັບໃຊ້ແລ້ວ, ຖ້າບໍ່ມີການປັບໃຫ້ສອດຄ່ອງກັບກົດໝາຍເຫຼົ່ານີ້ ອາດຈະເຮັດໃຫ້ເກີດຄວາມສ່ຽງຕໍ່ການລະເມີດກົດໝາຍໃນທ້ອງຖິ່ນ. ຄວນໃຫ້ທີ່ປຶກສາກົດໝາຍໃນທ້ອງຖິ່ນກວດສອບ ແລະ ປັບປ່ຽນໃຫ້ສອດຄ່ອງກັບກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນ ແລະ ກົດໝາຍວ່າດ້ວຍໄຊເບີຂອງລາວ. ສ່ວນເອກະສານທີ່ປັບປ່ຽນແລ້ວນັ້ນ, ແທນທີ່ຈະບໍລິຫານຈັດການສະບັບສຳນັກງານໃຫຍ່ ແລະ ສະບັບທ້ອງຖິ່ນແຍກອອກຈາກກັນ, ຄວນບໍລິຫານຈັດການໃນຮູບແບບ "ສະບັບສຳນັກງານໃຫຍ່ + ສ່ວນທີ່ແຕກຕ່າງຂອງທ້ອງຖິ່ນ" ເພື່ອໃຫ້ສາມາດນຳການປັບປຸງຈາກສຳນັກງານໃຫຍ່ມາປັບໃຊ້ໃນທ້ອງຖິ່ນໄດ້ຢ່າງວ່ອງໄວ ແລະ ຫຼຸດຜ່ອນຂັ້ນຕອນການເຮັດວຽກ.

ຂັ້ນຕອນທີ 3 ແມ່ນການປ່ຽນທັກສະສ່ວນບຸກຄົນໃຫ້ກາຍເປັນຄວາມຮູ້ຂອງອົງກອນ. ໂດຍການລວບລວມ Prompt ທີ່ໃຊ້ໄດ້ຜົນໃນພື້ນທີ່, ວິທີການໃຊ້ທີ່ຜິດພາດ, ແລະ Template ຂອງແຕ່ລະວຽກໄວ້ໃນໂຟນເດີທີ່ແບ່ງປັນກັນ ຫຼື Wiki ເພື່ອໃຫ້ພະນັກງານໃໝ່ສາມາດເຂົ້າເຖິງໄດ້. ການຈັດໝວດໝູ່ຕາມປະເພດວຽກ ແລະ ຕຳແໜ່ງງານ ຈະຊ່ວຍຫຼຸດຜ່ອນເວລາໃນການຊອກຫາຂໍ້ມູນທີ່ຈຳເປັນໄດ້ຢ່າງຫຼວງຫຼາຍ.

ກຸນແຈສຳຄັນໃນການເຮັດໃຫ້ເກີດຄວາມຍືນຍົງຄື ການເລືອກ AI Champion (ຜູ້ຊຸກຍູ້ການນຳໃຊ້) 1-2 ຄົນຈາກພະນັກງານໃນພື້ນທີ່ ແລະ ຈັດກອງປະຊຸມແບ່ງປັນຂໍ້ມູນສັ້ນໆເປັນປະຈຳທຸກອາທິດ. ການສະສົມກໍລະນີສຶກສາຕົວຈິງຈາກໜ້າວຽກຈະຊ່ວຍໃຫ້ເກີດຄວາມຊຳນານໄດ້ໄວກວ່າການຈັດຝຶກອົບຮົມແບບ Top-down ຢ່າງຕໍ່ເນື່ອງ. ຝ່າຍສຳນັກງານໃຫຍ່ຄວນໃຫ້ Feedback ຕໍ່ກໍລະນີສຶກສາທີ່ມີການແບ່ງປັນ ເພື່ອສ້າງຄວາມຮູ້ສຶກວ່າ "ມີຜູ້ຄອຍຕິດຕາມເບິ່ງແຍງຢູ່".

ນອກຈາກນີ້, ຄວນພິຈາລະນາມອບເງິນອຸດໜູນ ຫຼື ການປະເມີນຜົນໃນຕຳແໜ່ງງານໃຫ້ແກ່ Champion ເຫຼົ່ານີ້. ເນື່ອງຈາກການຈັດລະບຽບຄວາມຮູ້ໃນລະຫວ່າງການເຮັດວຽກຫຼັກນັ້ນມີພາລະໜັກ, ການສ້າງກົນໄກທີ່ສະແດງໃຫ້ເຫັນຢ່າງຈະແຈ້ງວ່າ ນີ້ແມ່ນບົດບາດທີ່ມີຄວາມສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງອົງກອນ ຈະເປັນການຮັບປະກັນຄວາມຍືນຍົງໃນການນຳໃຊ້ຕໍ່ໄປ.

ເມື່ອການດຳເນີນງານໃນທ້ອງຖິ່ນມີຄວາມໝັ້ນຄົງຫຼາຍຂຶ້ນ, ຄວາມສຳຄັນຂອງການປະສານງານກັບສຳນັກງານໃຫຍ່ກໍຍິ່ງເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ. ນັ້ນກໍຍ້ອນວ່າເມື່ອໜ່ວຍງານທ້ອງຖິ່ນສາມາດເຄື່ອນໄຫວໄດ້ຢ່າງອິດສະຫຼະຫຼາຍເທົ່າໃດ, ຄວາມສ່ຽງທີ່ສຳນັກງານໃຫຍ່ຈະເບິ່ງບໍ່ເຫັນການເຮັດວຽກພາຍໃນ ຫຼື "Black Box" ກໍຈະສູງຂຶ້ນເທົ່ານັ້ນ. ໃນທີ່ນີ້, ພວກເຮົາຈະສະຫຼຸບຈຸດສຳຄັນຂອງລະບົບການດຳເນີນງານເພື່ອບໍ່ໃຫ້ການປະສານງານເກີດຄວາມຜິດພາດ. ເປົ້າໝາຍແມ່ນການອອກແບບທີ່ສາມາດຮັກສາຄວາມສົມດຸນລະຫວ່າງຄວາມເປັນອິດສະຫຼະຂອງທ້ອງຖິ່ນ ແລະ ການຄວບຄຸມຂອງສຳນັກງານໃຫຍ່ໃຫ້ໄປດ້ວຍກັນໄດ້.

ສິ່ງທີ່ສຳນັກງານໃຫຍ່ຈຳເປັນຕ້ອງມີ ຄືຂະບວນການກວດສອບເພື່ອຕິດຕາມສະຖານະການການນຳໃຊ້ AI ໃນທ້ອງຖິ່ນຢ່າງສະໝໍ່າສະເໝີ. ໂດຍໃຫ້ລວມເອົາການລາຍງານບັນທຶກການນຳໃຊ້ປະຈຳເດືອນ, ການກວດສອບຕົວຢ່າງຂອງກໍລະນີການນຳໃຊ້ທີ່ສຳຄັນ, ແລະ ການຊອກຫາຄວາມສ່ຽງຕໍ່ການລະເມີດກົດລະບຽບ ເຂົ້າເປັນສ່ວນໜຶ່ງຂອງການດຳເນີນງານທີ່ບໍ່ຊັບຊ້ອນ. ພຽງແຕ່ໃຫ້ຜູ້ຮັບຜິດຊອບດ້ານ AI ຂອງທ້ອງຖິ່ນ ແລະ ສຳນັກງານໃຫຍ່ໄດ້ສົນທະນາກັນຜ່ານທາງອອນລາຍເປັນເວລາ 1 ຊົ່ວໂມງ ໃນທຸກໆໄຕມາດ ກໍສາມາດຊ່ວຍໃຫ້ເກີດການແບ່ງປັນຄວາມເຂົ້າໃຈກ່ຽວກັບສະຖານະການຕົວຈິງໄດ້ຢ່າງຫຼວງຫຼາຍ.

ສິ່ງທີ່ຄວນຫຼີກລ່ຽງໃນທີ່ນີ້ ຄືການອອກແບບຂະບວນການທີ່ໜັກໜ່ວງເກີນໄປ ເຊັ່ນ: "ການໃຫ້ສຳນັກງານໃຫຍ່ກວດສອບບັນທຶກທັງໝົດດ້ວຍຕົນເອງ". ເພາະມັນຈະເປັນການເພີ່ມອຸປະສັກທາງດ້ານຈິດໃຈໃຫ້ກັບພະນັກງານໃນທ້ອງຖິ່ນ ແລະ ອາດຈະສົ່ງຜົນໃຫ້ເກີດການນຳໃຊ້ Shadow AI ຫຼາຍຂຶ້ນ. ຄວນອອກແບບລະບົບທີ່ສາມາດເຮັດວຽກໄດ້ຢ່າງມີປະສິດທິພາບດ້ວຍການປະສົມປະສານລະຫວ່າງການກວດສອບແບບສຸ່ມ ແລະ ການລາຍງານສະຫຼຸບ ໂດຍໃຫ້ເໝາະສົມກັບຂະໜາດຂອງທ້ອງຖິ່ນນັ້ນໆ.

ຫົວຂໍ້ໃນການກວດສອບຄວນຈຳກັດໃຫ້ເຫຼືອພຽງ 3 ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ເພື່ອບໍ່ໃຫ້ຈຸດປະສົງຫຼົງທາງ ຄື: ການສົ່ງຂໍ້ມູນລູກຄ້າອອກໄປພາຍນອກ, ການປ້ອນຂໍ້ມູນສ່ວນບຸກຄົນ, ແລະ ລະດັບການເພິ່ງພາ AI ໃນການຕັດສິນໃຈທາງທຸລະກິດ. ການແຍກການສົນທະນານອກເໜືອຈາກ 3 ຈຸດນີ້ໄປໄວ້ໃນວາລະການປຶກສາຫາລືກ່ຽວກັບ Roadmap ແລະ ການບໍ່ປະປົນກັນລະຫວ່າງການກວດສອບກັບການສະເໜີແນະເພື່ອປັບປຸງ ກໍເປັນເຄັດລັບໃນການຮັກສາຄວາມຄ່ອງຕົວຂອງການດຳເນີນງານ.

ສິ່ງທີ່ເປັນຄໍຂວດຫຼາຍທີ່ສຸດໃນການແບ່ງປັນຂໍ້ມູນລະຫວ່າງສຳນັກງານໃຫຍ່ ແລະ ທ້ອງຖິ່ນ ຄືການແປບົດບັນທຶກການປະຊຸມ ແລະ ລາຍງານປະຈຳວັນ. ຖ້ານຳ AI ເຂົ້າມາປະຍຸກໃຊ້ ແລະ ສ້າງ ຂະບວນການ ຫຼື Pipeline ທີ່ສາມາດສ້າງ ແລະ ແບ່ງປັນຂໍ້ມູນໂດຍອັດຕະໂນມັດໃນ 3 ພາສາ ຄື: ລາວ, ຍີ່ປຸ່ນ ແລະ ອັງກິດ ຈະຊ່ວຍຫຼຸດຕົ້ນທຶນໃນການຕິດຕາມສະຖານະການຂອງສຳນັກງານໃຫຍ່ລົງໄດ້ຢ່າງມະຫາສານ.

ການຈັດຕັ້ງປະຕິບັດບໍ່ຈຳເປັນຕ້ອງເຮັດໃຫ້ຊັບຊ້ອນ. ພຽງແຕ່ສ້າງ ຂະບວນການ ຫຼື Pipeline ພື້ນຖານ ຄື: ຖອດຂໍ້ຄວາມຈາກສຽງບັນທຶກການປະຊຸມ → ສະຫຼຸບຫຍໍ້ → ແປເປັນ 3 ພາສາ → ໂພສລົງໃນຊ່ອງທາງທີ່ກຳນົດໄວ້, ໂດຍໃນເດືອນທຳອິດໃຫ້ດຳເນີນການໄປພ້ອມກັບການຮັບຟັງຄຳຕິຊົມກ່ຽວກັບຄວາມຖືກຕ້ອງ, ຄຸນນະພາບການແປ ແລະ ຄວາມຄົບຖ້ວນຂອງຂໍ້ມູນກໍຈະມີຄວາມສະຖຽນຂຶ້ນໃນໄລຍະເວລາອັນສັ້ນ.

ຂໍ້ຄວນລະວັງ ຄືການຈັດການກັບຂໍ້ມູນສຽງ. ການບັນທຶກສຽງການປະຊຸມທີ່ມີຊື່ລູກຄ້າ, ຊື່ຄູ່ຄ້າ, ຈຳນວນເງິນ ແລະ ອື່ນໆ ມັກຈະຕົກຢູ່ໃນໝວດ "ຂໍ້ມູນລັບ" ຕາມແນວທາງປະຕິບັດຂອງສຳນັກງານໃຫຍ່. ຈຳເປັນຕ້ອງຕັດສິນໃຈເລືອກລະຫວ່າງການໃຊ້ໂມເດວທີ່ເຮັດວຽກຢູ່ເທິງ On-premise ຫຼື VPC, ຫຼື ການເພີ່ມຂະບວນການກັ່ນຕອງຂໍ້ມູນ (Masking) ກ່ອນສົ່ງຜ່ານ API ພາຍນອກ.

ສຸດທ້າຍ, ໃຫ້ກຳນົດຄວາມເຂົ້າໃຈຜິດ ແລະ ຮູບແບບຄວາມຜິດພາດທີ່ມັກເກີດຂຶ້ນຊ້ຳໆໃນຂະບວນການນຳໃຊ້. ການຮູ້ຈຸດນີ້ຈະຊ່ວຍຫຼຸດຜ່ອນກັບດັກທີ່ສາມາດຫຼີກລ່ຽງໄດ້ລ່ວງໜ້າຢ່າງຫຼວງຫຼາຍ. ການຮຽນຮູ້ຈາກຄວາມຜິດພາດຂອງບໍລິສັດອື່ນໃນອຸດສາຫະກຳດຽວກັນ ຈະຊ່ວຍໃຫ້ບໍລິສັດຂອງທ່ານສາມາດຫຼຸດຜ່ອນຕົ້ນທຶນໃນການນຳໃຊ້ໄດ້ຢ່າງມະຫາສານ.

ສົມມຸດຕິຖານທີ່ວ່າ "ຖ້າມີພະນັກງານທ້ອງຖິ່ນທີ່ມີທັກສະພາສາອັງກິດ ກໍຈະສາມາດໃຊ້ AI ໄດ້ທັນທີ" ນັ້ນ ແມ່ນຖືກພຽງເຄິ່ງດຽວ ແລະ ຜິດພຽງເຄິ່ງດຽວ. ເຖິງແມ່ນວ່າຈະສາມາດຂຽນ Prompt ພາສາອັງກິດຂັ້ນພື້ນຖານໄດ້ ແຕ່ການທີ່ຈະແປຄວາມໝາຍຂອງບໍລິບົດໃນວຽກງານໃຫ້ອອກມາເປັນພາສາຢ່າງຖືກຕ້ອງນັ້ນ ຈຳເປັນຕ້ອງມີທັກສະອື່ນເພີ່ມເຕີມ. ນອກຈາກນີ້, ໃນກໍລະນີທີ່ນຳຜົນລັດທີ່ປ້ອນເຂົ້າເປັນພາສາອັງກິດໄປໃຊ້ກັບລູກຄ້າທ້ອງຖິ່ນທີ່ເປັນພາສາລາວ ກໍຈະເກີດການແກ້ໄຂງານຄືນຍ້ອນບັນຫາການແປພາສາ.

ໃນທາງກົງກັນຂ້າມ, ການໃຫ້ຄົນລາວເຈົ້າຂອງພາສາເປັນຜູ້ຂຽນຄຳສັ່ງເປັນພາສາລາວ ແລ້ວແປສະເພາະສ່ວນທີ່ຈຳເປັນເປັນພາສາອັງກິດ ຫຼື ພາສາຍີ່ປຸ່ນນັ້ນ ມັກຈະເຮັດໃຫ້ຜົນຜະລິດຂອງວຽກງານໂດຍລວມສູງກວ່າ. ເຮົາຄວນພິຈາລະນາເປັນແຕ່ລະວຽກງານວ່າ ຈະໃຊ້ພາສາອັງກິດເປັນພາສາກາງ ຫຼື ຈະດຳເນີນການແບບຫຼາຍພາສາຕໍ່ໄປ.

ຈາກຕົວຢ່າງທີ່ສັງເກດເຫັນຕົວຈິງ, ສູນປະຕິບັດງານທີ່ດຳເນີນໄປໄດ້ດ້ວຍດີແມ່ນມີການປ່ຽນພາສາຕາມລັກສະນະວຽກງານ ເຊັ່ນ: ການສື່ສານກັບພາຍນອກໃຊ້ພາສາອັງກິດ, ບັນທຶກກອງປະຊຸມພາຍໃນໃຊ້ພາສາລາວ ແລະ ການລາຍງານຕໍ່ສຳນັກງານໃຫຍ່ໃຊ້ພາສາຍີ່ປຸ່ນ. ການເລືອກວິທີແກ້ໄຂທີ່ເໝາະສົມທີ່ສຸດສຳລັບແຕ່ລະວຽກງານ ໂດຍມີໂຄງສ້າງທີ່ໃຫ້ AI ເປັນຜູ້ຮັບຜິດຊອບໃນການປ່ຽນພາສາ ແມ່ນມີຄວາມເປັນຈິງຫຼາຍກວ່າການບັງຄັບໃຫ້ໃຊ້ພາສາໃດໜຶ່ງເປັນພາສາດຽວ.

ຂໍ້ແນະນຳທີ່ໃຊ້ໄດ້ຜົນໃນສຳນັກງານໃຫຍ່ ອາດຈະບໍ່ໃຫ້ຜົນລັດດຽວກັນໃນທ້ອງຖິ່ນ. ເນື່ອງຈາກລະບົບກົດໝາຍ, ພາສາ, ຄວາມໄວໃນການເຮັດວຽກ ແລະ ໂຄງສ້າງບຸກຄະລາກອນຂອງທ້ອງຖິ່ນມີຄວາມແຕກຕ່າງກັນທັງໝົດ, ຈຶ່ງບໍ່ສາມາດໃຊ້ເນື້ອຫາແບບດຽວກັນໄດ້. ເຖິງຢ່າງໃດກໍຕາມ, ການສ້າງຂໍ້ແນະນຳຂຶ້ນໃໝ່ແຕ່ຕົ້ນກໍບໍ່ແມ່ນວິທີທີ່ເປັນໄປໄດ້ໃນທາງປະຕິບັດ.

ສິ່ງທີ່ແນະນຳຄື ການຮັກສາຂໍ້ແນະນຳຂອງສຳນັກງານໃຫຍ່ໄວ້ເປັນ "ມາດຕະຖານ" ພ້ອມກັບການແຍກສ່ວນຕ່າງຂອງສະບັບທ້ອງຖິ່ນອອກມາເປັນເອກະສານຕ່າງຫາກຢ່າງຈະແຈ້ງ. ການຄຸ້ມຄອງສະເພາະສ່ວນທີ່ແຕກຕ່າງຈະເຮັດໃຫ້ການປັບປຸງຕາມສຳນັກງານໃຫຍ່ເຮັດໄດ້ງ່າຍຂຶ້ນ ແລະ ສາມາດຮັກສາຄວາມສອດຄ່ອງໄປພ້ອມກັບການສະທ້ອນສະພາບຄວາມເປັນຈິງຂອງທ້ອງຖິ່ນໄດ້.

ໂຄງສ້າງທີ່ສາມາດນຳໃຊ້ໄດ້ດີຄື ການຮັກສາຂໍ້ແນະນຳດ້ານ AI ຂອງສຳນັກງານໃຫຍ່ໄວ້ເປັນເອກະສານມາດຕະຖານ, ໃນຂະນະທີ່ເອກະສານເສີມຂອງລາວຈະລະບຸຂໍ້ຍົກເວັ້ນ, ຂໍ້ກຳນົດເພີ່ມເຕີມ, ວັນທີກວດສອບກົດໝາຍ ແລະ ຜູ້ຮັບຜິດຊອບໃນການແກ້ໄຂໃຫ້ຊັດເຈນ. ເອກະສານເສີມຂອງທ້ອງຖິ່ນຈະຖືກທົບທວນເປັນໄລຍະ ຕາມການອັບເດດກົດໝາຍທີ່ກ່ຽວຂ້ອງ ແລະ ການປັບປ່ຽນກົດລະບຽບຂອງສຳນັກງານໃຫຍ່.

Q1. ຖ້າສຳນັກງານໃຫຍ່ຍັງບໍ່ອະນຸຍາດໃຫ້ໃຊ້ AI, ທາງສາຂາທ້ອງຖິ່ນສາມາດນຳໃຊ້ກ່ອນໄດ້ຫຼືບໍ່?

ການນຳໃຊ້ກ່ອນໂດຍບໍ່ໄດ້ຮັບການອະນຸມັດຈາກສຳນັກງານໃຫຍ່ ມັກຈະກາຍເປັນສາເຫດຂອງບັນຫາໃນພາຍຫຼັງ. ວິທີທີ່ເປັນຈິງທີ່ສຸດຄືການຈັດທຳເອກະສານສະຫຼຸບຄວາມຈຳເປັນໃນການນຳໃຊ້ຢູ່ທ້ອງຖິ່ນ ແລ້ວສະເໜີຕໍ່ພະແນກລະບົບຂໍ້ມູນຂ່າວສານຂອງສຳນັກງານໃຫຍ່ ເພື່ອຂໍອະນຸມັດເປັນກຸ່ມທົດລອງ (Pilot). ຖ້າລະບຸ 3 ຢ່າງນີ້ໃຫ້ຊັດເຈນຄື: "ຈຳກັດຂອບເຂດ, ຈຳກັດໄລຍະເວລາ, ແລະ ຈຳກັດຜູ້ໃຊ້ງານ" ຈະເຮັດໃຫ້ສຳນັກງານໃຫຍ່ອະນຸມັດໄດ້ງ່າຍຂຶ້ນ.

Q2. ຄວນຈັດການແນວໃດກັບການໃຊ້ບັນຊີສ່ວນຕົວຂອງພະນັກງານທ້ອງຖິ່ນ?

ແທນທີ່ຈະຫ້າມຢ່າງເດັດຂາດ, ການນຳໃຊ້ແບບ Whitelist ທີ່ວ່າ "ອະນຸຍາດໃຫ້ໃຊ້ສະເພາະວຽກທີ່ກຳນົດໄວ້ ໂດຍໃຊ້ເຄື່ອງມືທີ່ລະບຸເທົ່ານັ້ນ" ຈະສາມາດນຳໃຊ້ໄດ້ຈິງຫຼາຍກວ່າ. ຖ້າຫ້າມຢ່າງດຽວ ຈະເກີດຊ່ອງວ່າງຂຶ້ນມາສະເໝີ ແລະ ຈະເຮັດໃຫ້ການຄວບຄຸມບໍ່ໄດ້ຜົນ. ການຫ້າມໃຊ້ບັນຊີສ່ວນຕົວໃນການເຮັດວຽກຢ່າງຊັດເຈນ ແລະ ຫັນມາແຈກຢາຍບັນຊີທີ່ມີໃບອະນຸຍາດ (License) ທີ່ບໍລິສັດຈັດຫາໃຫ້ ຄືທາງອອກທີ່ເປັນຈິງທີ່ສຸດ.

Q3. ຄວາມຖືກຕ້ອງຂອງການຮອງຮັບພາສາລາວມີລະດັບໃດ?

ເຄື່ອງມື AI ຫຼັກໆສ່ວນໃຫຍ່ຮອງຮັບພາສາລາວ, ແຕ່ຄວາມຖືກຕ້ອງຈະຫຼຸດລົງເມື່ອພົບກັບຄຳສັບສະເພາະທາງ ຫຼື ສຳນວນສະເພາະຖິ່ນ. ເມື່ອນຳມາໃຊ້ໃນວຽກງານ ຕ້ອງໃຫ້ພະນັກງານທ້ອງຖິ່ນທົດລອງໃຊ້ກ່ອນສະເໝີ ເພື່ອປະເມີນວ່າຄວາມຖືກຕ້ອງນັ້ນສາມາດນຳມາໃຊ້ໃນວຽກງານຕົວຈິງໄດ້ຫຼືບໍ່. ໃນຂະແໜງການສະເພາະທາງ ເຊັ່ນ: ກົດໝາຍ, ການແພດ, ຫຼື ເຕັກນິກ, ການເພີ່ມຄຳສັບສະເພາະ (Glossary) ລົງໃນ Prompt ລ່ວງໜ້າ ຈະຊ່ວຍປັບປຸງຄວາມຖືກຕ້ອງໃຫ້ດີຂຶ້ນຢ່າງຫຼວງຫຼາຍ.

Q4. ຄວນເຮັດໃຫ້ເຄື່ອງມືທີ່ໃຊ້ລະຫວ່າງສຳນັກງານໃຫຍ່ ແລະ ທ້ອງຖິ່ນເປັນອັນດຽວກັນຫຼືບໍ່?

ຖ້າເຮັດໃຫ້ເປັນອັນດຽວກັນໄດ້ກໍຖືວ່າເປັນເລື່ອງທີ່ດີ, ແຕ່ຂຶ້ນກັບລັກສະນະວຽກງານ ເພາະບາງເຄື່ອງມືອາດຈະເກັ່ງໃນການປະມວນຜົນພາສາລາວ ໃນຂະນະທີ່ບາງເຄື່ອງມືອາດຈະມີຄຸນນະພາບສູງໃນພາສາຍີ່ປຸ່ນ. ຄວນໃຫ້ຄວາມສຳຄັນກັບຄຸນນະພາບຂອງຜົນລັພ (Output) ແລະ ການເຮັດໃຫ້ ຂະບວນການ ຫຼື Pipeline ການແບ່ງປັນຂໍ້ມູນເປັນອັນດຽວກັນ ຫຼາຍກວ່າການເຮັດໃຫ້ເຄື່ອງມືເປັນອັນດຽວກັນ. ຖ້າຈຳເປັນຕ້ອງໃຊ້ຫຼາຍເຄື່ອງມືຮ່ວມກັນ, ຄວນເຮັດໃຫ້ລະບົບການຈັດການ Log ການໃຊ້ງານເປັນອັນດຽວກັນເທົ່ານັ້ນ.

Q5. ການສະໜັບສະໜູນຈາກສຳນັກງານໃຫຍ່ຫາທ້ອງຖິ່ນ ຄວນເປັນຮູບແບບໃດ?

ແທນທີ່ຈະໃຫ້ພະນັກງານທ້ອງຖິ່ນເຂົ້າຮ່ວມການຝຶກອົບຮົມພາສາຍີ່ປຸ່ນ, ການທີ່ສຳນັກງານໃຫຍ່ຈັດເວລາສົນທະນາກັບຜູ້ຮັບຜິດຊອບຢູ່ທ້ອງຖິ່ນອາທິດລະ 30 ນາທີ ເພື່ອຮັບຟັງບັນຫາໂດຍກົງ ຈະມີປະສິດທິຜົນກວ່າ. ເມື່ອບັນຫາທີ່ແທ້ຈິງຢູ່ທ້ອງຖິ່ນຖືກສົ່ງໄປເຖິງສຳນັກງານໃຫຍ່ ແລະ ຖືກນຳໄປສະທ້ອນໃນການປັບປຸງແນວທາງປະຕິບັດຂອງສຳນັກງານໃຫຍ່ໃນຄັ້ງຕໍ່ໄປ, ວົງຈອນນີ້ຈະເລີ່ມໝູນວຽນ ແລະ ເຮັດໃຫ້ຄວາມເຊື່ອໝັ້ນລະຫວ່າງສອງຝ່າຍເລິກເຊິ່ງຂຶ້ນ.

ການນຳໃຊ້ AI ຂອງບໍລິສັດຍີ່ປຸ່ນທີ່ເຂົ້າມາລົງທຶນໃນລາວ ມີສິ່ງທ້າທາຍທີ່ແຕກຕ່າງຈາກຂັ້ນຕອນການນຳໃຊ້ຂອງວິສາຫະກິດຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍທົ່ວໄປ. ໂດຍອີງໃສ່ກຳແພງສອງຊັ້ນຄື: ພາສາ-ວັດທະນະທຳ ແລະ ການບໍລິຫານຈັດການຂອງສຳນັກງານໃຫຍ່, ການເລີ່ມຕົ້ນຈາກພາສາແມ່ຂອງພະນັກງານທ້ອງຖິ່ນ, ການປັບກົດລະບຽບຂອງສຳນັກງານໃຫຍ່ໃຫ້ເຂົ້າກັບທ້ອງຖິ່ນ (Localization) ແລະ ການສ້າງພື້ນຖານຄວາມຮູ້ຮ່ວມກັນ—ການປະຕິບັດຕາມ 3 ຂັ້ນຕອນນີ້ ຈະຊ່ວຍໃຫ້ການດຳເນີນງານລະຫວ່າງສຳນັກງານທ້ອງຖິ່ນ ແລະ ສຳນັກງານໃຫຍ່ມີ "ທິດທາງດຽວກັນ" ຫຼາຍຂຶ້ນ.

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ບໍ່ແມ່ນການທີ່ສຳນັກງານໃຫຍ່ຜ່ອນປົນການຄວບຄຸມ ຫຼື ການທີ່ສຳນັກງານທ້ອງຖິ່ນແລ່ນຕາມເສັ້ນທາງຂອງຕົນເອງ. ແຕ່ແມ່ນການແບ່ງບົດບາດຂອງທັງສອງຝ່າຍໃຫ້ຊັດເຈນ, ແລ້ວເຊື່ອມຕໍ່ກັນຄືນໃໝ່ດ້ວຍການກວດສອບແບບເບົາບາງ ແລະ ການແບ່ງປັນຂໍ້ມູນຫຼາຍພາສາ. ຖ້າສ້າງຮູບແບບນີ້ໄດ້ພາຍໃນ 3 ເດືອນຫຼັງຈາກການເລີ່ມຕົ້ນ, ການນຳໃຊ້ AI ຢູ່ສຳນັກງານລາວ ຈະກາຍເປັນຊັບສິນທາງຍຸດທະສາດຂອງກຸ່ມບໍລິສັດທັງໝົດ.

ຖ້າສາມາດສ້າງສະພາວະທີ່ "AI ເປັນຂົວເຊື່ອມຕໍ່ດ້ານພາສາ ແລະ ວັດທະນະທຳ" ລະຫວ່າງສຳນັກງານທ້ອງຖິ່ນ ແລະ ສຳນັກງານໃຫຍ່ໄດ້, ຄວາມວ່ອງໄວໃນຕະຫຼາດລາວ ແລະ ການບໍລິຫານຈັດການຂອງສຳນັກງານໃຫຍ່ ກໍສາມາດດຳເນີນໄປຄຽງຄູ່ກັນໄດ້. ໃນການປະຊຸມຄັ້ງທຳອິດຂອງໂຄງການນຳໃຊ້, ຂໍແນະນຳໃຫ້ແບ່ງປັນພາບລວມຂອງບົດຄວາມນີ້ໃຫ້ທັງສອງຝ່າຍຮັບຊາບ ແລະ ຕົກລົງເຫັນດີກ່ຽວກັບບົດບາດ ແລະ ຂັ້ນຕອນຕ່າງໆ. ຖ້າເລີ່ມຕົ້ນຈາກຈຸດນັ້ນ, ພາຍໃນ 1 ປີຂ້າງໜ້າ ສະພາວະທີ່ວ່າ "ສຳນັກງານລາວ ເປັນສຳນັກງານຂອງກຸ່ມທີ່ມີຄວາມກ້າວໜ້າດ້ານການນຳໃຊ້ AI ຫຼາຍທີ່ສຸດ" ກໍມີຄວາມເປັນໄປໄດ້ສູງ.