หากพิมพ์คำว่า ‘อาทิตย์ สุริยะวงศ์กุล’ ในช่องค้นหา ข้อมูลที่อินเทอร์เน็ตส่งกลับมาอย่างรวดเร็วคือ ชื่อของผู้ชายคนหนึ่ง พร้อมกับบทบาทหลายอย่างในสายสังคมศาสตร์ที่เขาคลุกคลีอย่าง ทั้งการเป็นผู้ประสานงานเครือข่ายพลเมืองเน็ต (Thai Netizen Network) กลุ่มพลเมืองที่รวมตัวกันเพื่อสนับสนุนสิทธิพลเมืองออนไลน์ แต่ตอนนี้ชื่อเดียวกันพ่วงมากับตำแหน่ง Product Owner, AI บริษัท ไวซ์ไซท์ (ประเทศไทย) จำกัด บริษัทผู้ให้บริการวิเคราะห์ข้อมูล ที่เรียกว่าเป็นเบอร์ต้นๆ ของ Social Analytics ในประเทศไทย ความน่าสนใจของผู้ชายคนนี้คือ การเป็นนักสังคมศาสตร์ ที่ทำงานอยู่ในสายงานทางเทคโนโลยีที่ดูเหมือนจะไม่เข้ากันอย่าง Big Data 

...


 
GM Live : อยากให้อธิบายคำว่า Big Data แบบง่ายๆ ให้คนทั่วไปเข้าใจ
อาทิตย์ สุริยะวงศ์กุล : Big Data ถ้าแปลตรงตัวก็คือข้อมูลขนาดใหญ่ ใหญ่แค่ไหนเราก็นึกไม่ออกเหมือนกัน ก็มีคนพยายามจะไปอธิบายแง่มุมความใหญ่แบบนี้ว่าเป็นข้อมูลที่มาแรงและมาแบบถี่ๆ มากันต่อเนื่องไม่ขาดสาย ก็เป็นแง่มุมหนึ่งว่าภาษาอังกฤษเขาใช้คำว่า 4V พวก Volume, Variety, Veracity และ Velocity พอข้อมูลมากองเยอะๆ แล้วจะไปอยู่ตรงไหน เพราะว่าข้อมูลมันมีปริมาณเยอะ มาเร็ว และก็ใหญ่โตมาก มีความสลับซับซ้อน ซึ่งข้อมูลก็อาจจะไม่ได้มาในรูปแบบตารางหรือว่าดูปุ๊ปแล้วเข้าใจได้เลย ต้องใช้เวลา คือใหญ่ในแง่ที่จะต้องใช้เวลาทำความเข้าใจกับมันเยอะขึ้นหรือเปล่า  ก็จะมีแง่มุมอยู่ ซึ่งผมคิดว่าก็ต้องถามเหมือนกัน อย่างเช่น มีคนถามว่าถ้าเรามีฐานข้อมูลที่เป็นตารางจำนวนเจ็ดสิบล้านเรคคอร์ดของประชากรไทย ละคำว่าเจ็ดสิบล้านคนจริงหรือเปล่าไว้ก่อนนะ (หัวเราะ) อันถือว่าเป็น Big Data ไหม บางคนบอกว่าถ้าในแง่มุมปริมาณอาจจะใช่ แต่ในแง่ความสลับซับซ้อนอาจจะไม่ใช่ก็ได้ เพราะว่ามีข้อมูลแค่ ชื่ออะไร เกิดที่ไหน อายุเท่าไหร่ ที่ไม่ได้มีความซับซ้อนอะไร ก็ถกเถียงกันได้ว่า Big เราจะทำให้ Big ตรงไหน แต่ก็อย่างที่ว่าไปก็จะมีการพูดถึงเรื่องปริมาณและความเร็วที่วิ่งเข้ามา ถ้าพูดถึงความสลับซับซ้อนและความไม่แน่ไม่นอนที่น่าปวดหัว 
 
GM Live : เอา Big Data ไปใช้งานยังไง 
อาทิตย์ สุริยะวงศ์กุล : อย่างที่บอกไปใน Big Data ว่าคือข้อมูลที่มาอย่างรวดเร็วและมากองรวมกัน ถ้ามนุษย์ธรรมดาสามารถย่อยข้อมูลได้จำนวนเท่ากับคอมพิวเตอร์ สมมติเป็นข้อมูลหนังสือ 800 บรรทัดต่อวัน แต่ว่าข้อมูลเข้ามา 2,000 บรรทัดต่อวัน เราประมวลผลไม่ทันแล้วจะทำอย่างไร ใช้คนสองคนได้ไหม หรือว่าถ้าต่อมาเกิดมี 20,000 บรรทัด หรือห้าล้านบรรทัด ก็ไม่รู้จะไปหาคนจำนวนนั้นมาจากไหน ต้องใช้เครื่องนี้หรือเปล่า เรื่องนี้พวกปัญญาประดิษฐ์ก็เริ่มเข้ามาแล้ว เริ่มใช้คอมพิวเตอร์ในการประมวลผล ถามว่าทำไมต้องเป็นปัญญาประดิษฐ์ มีแง่มุมหนึ่งในความ Big Data คือเริ่มสลับซับซ้อน ข้อมูลเริ่มมีความไม่แน่ไม่นอน ถ้าเกิดเป็นข้อมูลขนาดใหญ่แบบสมัยก่อนที่อยู่ในตารางที่มีรูปชัดเจน เราอาจจะเขียนขึ้นมาจัดการกับข้อมูลได้ ซึ่งเป็นเรื่องที่คอมพิวเตอร์เก่ง ทำงานเร็ว แต่ถ้าข้อมูลไม่ได้มาแบบที่เป็นตาราง เราเขียนกฎง่ายๆ มาจัดการไม่ได้แล้ว กฎอาจจะต้องซับซ้อนมากขึ้น พอมาถึงจุดหนึ่งมนุษย์ก็จะเริ่มคิดไม่ออกว่าจะเติมกฎอะไรเข้าไปดี หรืออาจจะเติมได้โดยที่ไม่ทำให้กฎอื่นๆ พัง แล้วทำงานขัดแย้งกัน อาจจะทำให้เสียเวลาได้ 


 
ทีนี้เราจะใช้คอมพิวเตอร์หรือปัญญาประดิษฐ์มาช่วยคิดกฎได้ไหม ซึ่งมีวิธีการอยู่ บางทีมนุษย์เข้าใจบ้างไม่เข้าใจบ้าง แต่สุดท้ายก็เหมือนกล่องดำที่เราโยนข้อมูลเข้าไปแล้วก็ได้ผลลัพธ์ออกมา เราบอกว่าอันนี้จะช่วยให้เรามีประสาทในการอ่านหนังสือมากกว่า 800 บรรทัดต่อวัน ผมคิดว่าความเอาแน่เอาแน่ไม่ได้ของข้อมูลทำให้คนเริ่มมองหาระบบ AI มากขึ้น และบังเอิญว่าพฤติกรรมของคนเราก็มีลักษณะแบบนี้ด้วย ผมเชื่อว่าถ้าเราไปสัมภาษณ์คนแต่ละคน ถ้าเราไปทำแบบสอบถามในจำนวนมากๆ แล้วมากองรวมกัน การพิจารณาคนให้เป็นกลุ่มๆ คงยาก แต่ทำได้นะ ไม่ได้บอกว่าทำไม่ได้  พื้นฐานผมเรียนสังคมวิทยาก็จะมีเรื่องของการจัดกลุ่มคน คนก็จะเถียงกันว่าคุณจะใช้วิธีไหน จะจัดประเภทของคนตามหลักการใด ภูมิลำเนา ชาติพันธุ์ ภาษา วัฒนธรรม ซึ่งก็สามารถแตกแขนงออกไปได้อีก เราก็บอกว่าไม่รู้ เราอยากได้ผลลัพธ์แบบนี้ จะแบ่งอะไรก็แบ่งมาแล้วแต่โจทย์ ถ้าเราต้องการทำความเข้าใจคน การพยายามอธิบายว่าทำไมถึงมีประโยชน์สำหรับโจทย์และความสนใจแบบนั้น แต่ว่าโจทย์บางโจทย์อาจไม่ต้องการรู้ว่าทำไม ฉันอยากรู้แค่ว่าฉันจะต้องทำอะไรต่อ ผมคิดว่าถ้าโจทย์ประมาณนี้ ปัญญาประดิษฐ์ในปัจจุบันก็พอจะตอบได้ พูดง่ายๆ ว่าเก่งในด้านนี้ คุณจะไปถามจี้ว่าทำไมคิดแบบนี้ไม่ได้ แต่ว่าให้ผลลัพธ์ออกมา มีแนวโน้มที่จะเก่งพอๆ กับคน เก่งมากกว่าคน หรือบางครั้งอาจจะเก่งน้อยกว่าคนนิดหน่อย แต่ทำงานได้เยอะกว่า ผมว่าเป็นเรื่องที่น่าสนใจ 


 
กลับมาที่คำถามว่าทำไม เพราะว่าเริ่มมีคนมากขึ้นพยายามที่จะมาดูว่า พอเรานำข้อมูลมาใช้ก็อยากรู้ว่าจะเอามาใช้อย่างไร เราก็มี AI มาช่วยใช้ข้อมูลตรงนี้ได้ ไม่จำเป็นต้อง AI เสมอไป เพราะ AI ไม่ได้เป็นคำตอบสำหรับทุกอย่าง เราจะประมวลผลข้อมูลในรูปแบบอื่นก็ได้ แต่ก็มีบางอย่างที่ AI ถนัดกว่า ถ้าเราเขียนเป็นกฎ เราอธิบายเป็นขั้นตอนได้ว่าทำไมโปรแกรมคิดแบบนี้ ปัจจุบันเราไปดูข้างในของ AI เราจะไม่เข้าใจว่าทำไมคิดแบบนี้ ซึ่งผมบอกว่าบางงานผมยอมรับได้ ปัจจุบันมีบางงานที่ยอมรับไม่ได้ AI เริ่มเข้ามามีส่วนในการตัดสินใจในบางประเด็น ที่เริ่มเกี่ยวข้องกับการให้คุณให้โทษต่อบุคคล สุดท้ายก็อาจจะเป็นการเลือกปฏิบัติ ซึ่งกฎหมายบางประเทศไม่ยอมรับ เลยบอกว่าถ้าคุณจะใช้ AI กับเรื่องเหล่านี้ คุณต้องอธิบายให้ได้ว่าข้างในกล่องดำทำงานอย่างไร ซึ่งเป็นเรื่องยากและก็เป็นสาขาใหม่ที่หลายๆ ประเทศในปัจจุบันก็กำลังมุ่งไปทางนี้ อย่างที่ฝรั่งเศส ประธานาธิบดีประกาศถึงยุทธศาสตร์ AI ว่าจะเดินไปทางไหน เขาก็ย้ำว่า ฝรั่งเศสพยายามจะสร้าง AI ที่สามารถอธิบายภายในของตัวมันได้ เรียกว่า Expandable AI ที่คุณต้องอธิบายสาเหตุได้ ซึ่งในยุโรปก็จะมีคุณค่าที่ยึดถือในเรื่องความโปร่งใส ไม่ได้บอกว่าต่อต้าน AI แต่ให้มาช่วยคนทำงานได้ ถ้าเมื่อไหร่ที่คุณให้คุณให้โทษกับบุคคลหรือถ้าเราเคยเรียกร้อง Accountabilty หรือความโปร่งใสที่ตรวจสอบได้กับมนุษย์ เราก็ควรที่จะเรียกร้องการตรวจสอบความโปร่งใสแบบเดียวกันกับเครื่องเหล่านี้ด้วยหรือเปล่า ซึ่งเป็นคำถามที่กำลังทำกันอยู่ตอนนี้ เป็นสาขาค่อนข้างใหม่
 
GM Live : ตอนนี้ Big Data มาเกี่ยวข้องกับเรายังไงบ้าง
อาทิตย์ สุริยะวงศ์กุล : โฟกัสที่ Wisesight คิดว่าน่าจะมีอันหนึ่งที่ใช้อยู่ สมมติมีแบรนด์เข้ามา อยากรู้ว่าลูกค้าส่วนใหญ่คิดเห็นอย่างไร เมื่อก่อนการจะรู้เรื่องพวกนี้ได้ ลองนึกถึงแกน การทำวิจัยมีสองแบบ คือ เชิงปริมาณกับเชิงคุณภาพ ในเชิงคุณภาพ เราเข้าไปอ่านใจเขาลำบาก ถ้าเราอยากรู้อะไร เราก็ต้องสัมภาษณ์เขา หรือการทำ Focus Group เฉพาะกลุ่มก็เป็นวิธีหนึ่งที่วิจัยเชิงคุณภาพใช้กันค่อนข้างเยอะ หรือมนุษยวิทยา เราถามเขาเฉยๆ เราอาจจะไม่ได้เห็นเยอะ แต่เราดูว่าจริงๆ เขาทำอะไร เราก็ไปสังเกตการณ์อย่างมีส่วนร่วม ไปอยู่ในชุมชนหรือสถานที่นั้นเป็นเดือนเป็นปีเลย บางทีก็ต้องเข้าห้องทดลอง หรือนักมนุษยวิทยาบางคนอยากจะพัฒนากระบวนการทำงานของสำนักงานให้ดีขึ้น ก็ไปฝังตัวอยู่ในสำนักงานนั้นประหนึ่งเป็นพนักงาน และเฝ้าสังเกตว่าควรทำงานกันอย่างไร บริษัทใหญ่ๆ อย่าง IBM ก็ใช้วิธีนี้เหมือนกันในการที่จะศึกษาพฤติกรรมของคนทำงาน ทีนี้ของพวกนี้ต้องใช้เวลา แล้วทำ Scale ใหญ่ลำบาก แต่ข้อมูลที่ได้มาก็มีความลึก ถ้าเราทำแบบนั้นไม่ได้ เราก็มาทำเชิงปริมาณ ที่ผ่านมาหลักๆ ก็คือแบบสอบถามหรือโพลสำรวจ ซึ่งข้อมูลจะหยาบมาก อย่างที่แกนข้างต้นบอกไว้ว่า ถ้าเราอยากรู้ข้อมูลเชิงคุณภาพก็ต้องไปสัมภาษณ์ ลงไปสังเกตการณ์ ถ้าอยากรู้เชิงปริมาณก็ต้องทำแบบสอบถาม แล้วถ้าเราอยากรู้ว่าเขาทำอะไรในเชิงปริมาณในสเกลใหญ่ๆ ได้ไหม แน่นอนเราสัมภาษณ์ได้ ทำแบบสอบถามได้ แล้วแกนตรงนี้ทำอะไร การไปอ่านสิ่งที่คนคุยกันหรือทำกันในระบบเครือข่ายคือสิ่งที่เราทำได้ ซึ่งจริงๆ แล้วก็มีหลายอย่าง เช่น การบันทึกข้อมูลของลูกค้าไม่ว่าจะเป็นห้างฯ หรือร้านสะดวกซื้อจะมีการบันทึกว่า คนที่มาซื้อเป็นเพศอะไร อายุเท่าไหร่ เป็นเด็กหรือผู้ใหญ่ ก็จะเป็นการกะเอา เสร็จแล้วถ้าอยากรู้ว่าซื้อของอะไรไปก็จะอยู่ตามใบเสร็จ อันนี้คือข้อมูลที่เก็บจากพฤติกรรมจริง หรือว่าการโอนเงินซื้อของออนไลน์ และ Google Map เขาก็จะเก็บข้อมูลว่ารถของเราวิ่งจากไหนไปไหน อันนี้ก็คือข้อมูลที่เกิดจากพฤติกรรมจริงๆ อีกอย่างหนึ่งคือเรื่องความคิดเห็น ซึ่งอยู่ในโซเชียลมีเดีย 


 
สิ่งที่ Wisesight ทำกับสองอย่างนี้ก็คือเก็บข้อมูลมากๆ ซึ่งเป็นข้อมูลสาธารณะที่คนพูดกันในเว็บบอร์ดหรือเพจสาธารณะก็จะมีโปรแกรมที่เข้าไปดูในส่วนนี้ได้ ซึ่ง Facebook หรือแพลตฟอร์มอื่นๆ เขาเปิดให้คนที่ลงทะเบียนเข้าไปดูได้ เราก็สามารถประมวลข้อมูลออกมาได้ว่าคิดเห็นอย่างไร ลูกค้าบางรายก็อาจนำข้อมูลนี้ไปประกอบกับข้อมูลที่มีอยู่แล้ว สมมติว่าเป็นห้างฯ หรือร้านอาหารก็มีข้อมูลว่าคนกินอะไร ซื้ออะไร พอเอาข้อมูลมาประกอบกับความคิดเห็น จะสามารถลิ้งค์อะไรบางอย่างได้ อย่างเช่น ออกแคมเปญร้านอาหาร ผลตอบรับเป็นอย่างไร วิพากษ์วิจารณ์อย่างไร ยอดขายเป็นอย่างไร สัมพันธ์กันอย่างไร ซึ่งถ้ามีข้อมูลทั้งสองอันนี้ว่าคิดเห็นอย่างไรในแง่ความรู้สึก สมมติเย็นวันศุกร์คนมักจะโพสต์กันว่าไปกินอะไรดี มีการเช็คอินที่เป็นข้อมูลสาธารณะ ทำให้เรารู้ว่าคนอยู่ตรงนั้นจริง แล้วมีการใช้จ่ายจริงหรือเปล่า ซึ่งแบรนด์แต่ละแบรนด์ก็จะมีข้อมูลตรงนี้กันอยู่แล้ว เขาจะสามารถนำมาประกอบและทำให้เห็นภาพว่าสุดท้ายที่ลงทุนไป มีผลตอบรับเป็นอย่างไร ควรจะปรับแผนอย่างไรบ้าง 
 
GM Live : เจ้าของข้อมูลเองควรระวังเรื่องข้อมูลส่วนตัวของตัวเองหรือไม่
อาทิตย์ สุริยะวงศ์กุล : ตรงนี้ผมคิดว่าสำคัญ หลักการแรกก็คือข้อมูลส่วนบุคคลเป็นของคนๆ นั้น ข้อมูลใน Facebook ที่เราโพสต์ข้อความ โพสต์รูปลงไป ถ้าเราเต็มใจและก็มีข้อตกลงร่วมกัน คือรู้ว่าตัวเองกำลังทำอะไร ผมคิดว่าโอเค สุดท้าย Facebook จะนำข้อมูลที่เจ้าของอนุญาตและอยู่ในเพจสาธารณะออกมาให้กับผู้สร้างแอป ซึ่ง Wisesight ก็สามารถดึงข้อมูลส่วนนี้ออกมาได้ 


 
แต่ประเด็นก็คือจะทำอย่างไรให้ผู้บริโภครู้ว่าแชร์ข้อมูลอยู่ หลังจากการคำนวณแล้วคิดว่าเขายอมรับได้หรือไม่ว่ามีแบรนด์ที่รู้เรื่องรสนิยมของผู้บริโภคแต่ละคนโดยรวม เวลาส่ง Target Ads ลง Facebook เราไม่สามารถเจาะเป็นคนๆ ได้ แต่เป็นเรื่องการส่งข้อมูลไปให้คนที่สนใจ การที่บอกว่า Facebook นำข้อมูลไปเป็นสถิติแล้วรู้ได้ว่าเราอยู่ในกล่องแบบนี้ เป็นเรื่องที่เรายอมรับได้หรือเปล่า ผมคิดว่าถ้ามีข้อตกลงร่วมกันในเรื่องนี้ก็โอเค แต่เมื่อไหร่ที่คนมารู้ทีหลังว่าไม่โอเค ซึ่งตอนนั้นเราอาจจะไม่รู้ว่าเราจะจัดการอย่างไร ปัจจุบันแพลตฟอร์มมีวิธีที่จะสามารถกำจัดข้อมูลพวกนี้ออกไปได้ อย่างกฎหมายที่คุณกล้าพูดถึงคือ GDPR ของยุโรปที่กำหนดว่าต้องมี Right to Object คือเมื่อไหร่ที่เราไม่อยากที่จะให้ประมวลผลข้อมูล เราควรจะมีสิทธิ์ในการขอหยุดการประมวลผลได้ หรือในแง่ความโปร่งใสก็จะมีเรื่องของ Right to be Informed คือเวลามีการทำอะไรจะต้องมีการแจ้งทุกขั้นตอน ซึ่งผมคิดว่าแพลตฟอร์มจำนวนมากตระหนักถึงเรื่องนี้มากขึ้น พยายามทำตามกฎ เพราะถ้าไม่ทำตามกฎ นอกจากเชิงกฎหมายแล้ว ก็จะมีผลกระทบอื่นตามมา แม้ว่าคนจะไม่ได้อยู่ในยุโรปก็ตาม แพลตฟอร์มต่างๆ ก็พยายามที่จะทำตามกฎ เพราะถ้าไม่ทำตามก็มีโอกาสที่จะถูกแบน ซึ่งคิดว่าไม่ว่าจะแอป ไหนก็ไม่อยากจะถูกแบน จะทำอย่างไรให้ผู้ใช้เข้าใจว่าอำนาจควรจะอยู่ที่เรา ข้อมูลเป็นของเรา ถ้าเราควบคุมได้ว่าจะนำข้อมูลนี้ไปแลกกับอะไรแล้วเป็นผลดี แต่วันหนึ่งถ้าเรารู้สึกไม่อยากใช้แล้วก็ถอนคืน ถ้าเขาควบคุมได้ก็ยังโอเค แต่ถ้าควบคุมไม่ได้ ให้ข้อมูลไปแล้วและมีการตุกติก จะถอนคืนแล้ววุ่นวายมาก ซึ่งผมคิดว่าในยุคของการขายของในดิจิทัล พอคนไม่เห็นหน้าค่าตากันแล้วต้องมีการซื้อขายหรือทำธุรกรรมอะไรก็ตาม จะอยู่บนฐานของความเชื่อใจ ถ้าพอเห็นหน้าค่าตา รู้ว่าคนนี้เป็นเพื่อนเรา การสร้างความเชื่อใจอาจจะง่ายหน่อย แต่ในยุคอินเทอร์เน็ตที่เราไม่เห็นหน้าค่าตามาก่อน การสร้างความเชื่อใจจะยากมาก เมื่อใดที่เขาสร้างความเชื่อใจขึ้นมาได้แล้ว ก็ไม่อยากที่จะสูญเสียมันไป จึงเป็นสิ่งที่ Facebook พยายามอยู่ตลอดมาเพื่อเรียกความเชื่อใจ พยายามปรับนโยบายต่างๆ ไม่ได้บอกว่านโยบายที่เขาปรับดีหรือไม่ แต่มีแนวโน้มความเคร่งครัดเพิ่มมากขึ้น และพยายามทำงานร่วมกับองค์กรที่ดูแลข้อมูลสิทธิส่วนบุคคลมากขึ้น ผมว่าเป็น Currency เราสามารถซื้อขายกันได้ ซึ่งข้อมูลก็เป็น Currency แบบหนึ่ง Trust ก็เป็น Currency แบบหนึ่ง บางทีเราไม่ต้องเอาอะไรไปแลกเลย เรามีเครดิต เราเชื่อใจกัน ก็ได้ของมาเหมือนกัน ผมว่าแพลตฟอร์มหลายตัวทำงานอยู่บนความเชื่อใจกัน ความน่าเชื่อถือ พยายามทำตามกฎ และทำให้ผู้บริโภคเชื่อใจเขาให้ได้ ผมว่าเป็นสิ่งที่สำคัญ 
 
จะทำอย่างไรให้ผู้ใช้เข้าใจว่าอำนาจควรจะอยู่ที่เรา ข้อมูลเป็นของเรา ถ้าเราควบคุมได้ว่าจะนำข้อมูลนี้ไปแลกกับอะไรแล้วเป็นผลดี แต่วันหนึ่งถ้าเรารู้สึกไม่อยากใช้แล้วก็ถอนคืน
GM Live : Big Data ทำให้เกิดอาชีพอะไร และอาชีพไหนที่อาจหายไป  
อาทิตย์ สุริยะวงศ์กุล : จริงๆ ผมก็เป็นคนหนึ่งที่ไม่เชื่อในคำว่า Data Scientist นะ แน่นอนว่าเป็นงานที่เพื่อนผมทำ แต่คิดว่าทักษะในการวิเคราะห์ข้อมูลเป็นสิ่งที่จำเป็นสำหรับอาชีพพนักงานออฟฟิศทุกคนอยู่แล้ว คุณใช้ Spreadsheet ได้คุณก็มีทักษะในการวิเคราะห์แล้ว หรือครูที่ต้องจัดตารางสอนของแต่ละเทอม เช่น เทอมนี้ต้องสอน 7 ตัว จะจัดตารางสอน 7 ตัวใน 5 วันได้อย่างไรโดยที่ต้องไม่ชนกับชั้นเรียนอื่น ผมคิดว่าก็เป็นทักษะในการจัดการข้อมูลแบบหนึ่งเหมือนกัน หรือข้อมูลที่ผ่านมา เช่น การลงเรียนเทอมหนึ่งกับเทอมสองมีความแตกต่างกัน คุณควรจะเปิดสอนวิชานี้ในเทอมแรกดีกว่าไหม บางทีอาจจะอธิบายออกมาไม่ได้ แต่อยู่ที่ครูหรืออาจารย์ที่จะมาจัดการเรื่องนี้ พออธิบายเรื่องนี้ไม่ได้ กว่าที่คนๆ หนึ่งจะไปถึงจุดที่สามาารถดูข้อมูลและจัดการได้ด้วยตัวเอง ต้องใช้เวลาหลายปีกว่าจะได้ ผมคิดว่าไม่ว่าจะเป็น Big Data หรือ AI ก็ตาม จะเป็นไปได้ไหมว่าไม่ต้องรอนานขนาดนั้น ให้เครื่องมาจัดการอาจจะใช้เวลาเพียงแค่ 2 เดือนจนเชี่ยวชาญเท่ากับคนที่ถูกฝึกมา 5 ปีได้ ฉะนั้นอาชีพเหล่านี้จะอยู่ในกลุ่มเสี่ยง แต่จะพูดว่าอาชีพก็จะไม่ใช่เสียทีเดียว ทักษะในการจัดการข้อมูลมีอยู่ในทุกอาชีพ ผมว่างานหรืออาชีพที่ถูกแทนด้วยโปรแกรมเหล่านี้ได้ ก็จะถูกแทนที่ แต่ถามว่าอาชีพนั้นหายไปไหม ก็ไม่หายไป อย่างอาชีพครูจะหายไปไหม ผมคิดว่าไม่หายไป สุดท้ายเราไปโรงเรียนคงไม่ได้ไปเอาความรู้อย่างเดียว ครูสามารถทำหน้าที่เป็นกระบวนกรหรือ Facilitate ในกรณีที่นักเรียนติดขัดในเรื่องต่างๆ ก็สามารถแนะนำได้ มีคนบอกว่าทักษะการแนะนำนักเรียนแบบนี้ ต่อไปคอมพิวเตอร์จะเข้ามาทำแทน แล้วทักษะอะไรที่ครูยังทำได้อยู่บ้าง อย่างเการทำงานกลุ่มของนักเรียน อาจจะสังเกตว่ามีคนในกลุ่มบางคนที่ไม่มีหน้าที่ในกลุ่มเลย หรือไม่มีสิทธิ์ในการแสดงความคิดเห็น ครูอาจจะลองแก้ไขด้วยการย้ายคนๆ นั้นไปอยู่ในสภาพแวดล้อมของกลุ่มอื่น พบว่าเขามีหน้าที่ในกลุ่มมากขึ้น ทำให้คาดการณ์ได้ว่าสภาพแวดล้อมในกลุ่มไม่พร้อมสำหรับคนนั้นหรือเปล่า ซึ่งคอมฯ อาจจะยังทำไม่ได้ ฉะนั้นอาชีพครูอาจจะไม่หายไป แต่คอมพิวเตอร์จะเข้ามาช่วยงานบางอย่างของครูและให้ครูไปทำหน้าที่อื่นแทน จะเป็นไปได้ไหม ผมคิดว่ามีบางงานที่คอมพิวเตอร์ไม่สามารถเข้ามาทดแทนได้ คือ งานที่ต้องลงมือทำ อยู่ในสภาวะที่ควบคุมตลอดเวลาไม่ได้ อย่างงานในสนามกีฬา งานสำรวจ งานประมง ซึ่งเป็นงานที่ใช้แรงงาน ไม่ได้ใช้ความคิด แต่ใช้ทักษะสูงมาก ถ้าใครเคยดูสารคดีจับปูอลาสก้า เงินเดือนคนพวกนี้จะสูงมาก แต่ถามว่ามีเครื่องจักรมากมาย ทำไมถึงให้คนทำงานในทักษะที่อันตรายอยู่ เพราะมนุษย์มี Sense บางอย่างที่ยังไม่สามารถคีย์เข้าไปในคอมฯ ได้ คนมีการตัดสินใจที่ใช้ข้อมูลน้อยแต่สามารถปรับตัวได้ อาชีพเหล่านี้จึงยังอยู่ แต่อาชีพที่ทำงานเป็นกิจวัตรอาจจะมีความเสี่ยง ถ้าคุณคิดว่าสัดส่วนมีเฉพาะงานประจำเท่านั้น อย่างเช่นการตรวจเอกสารที่ได้มา ซึ่งได้พูดคุยกับคนน้อยหรือไม่ได้จัดการกับสภาวะที่มีการเปลี่ยนแปลงอยู่ตลอดเวลาเลย ผมคิดว่าถ้าสัดส่วนของงานเป็นแบบนี้ ก็มีความเป็นไปได้ที่จะถูกแทนที่ ผมก็ยังไม่เชื่อว่าอาชีพจะหายไป 


 
ลองนึกถึงอาชีพเสมียนหรือเลขา เป็นอาชีพที่เก่าแก่มากแต่ก็ไม่หายไป เมื่อก่อนเสมียนกับเลขา สามารถพิมพ์ดีดได้ ถึงแม้ว่าปัจจุบันจะไม่มีแล้ว แต่อาชีพนี้ก็ไม่ได้หายไป อาจจะเปลี่ยนไปใช้คอม หรือว่าการพูดด้วยเสียงแทน แต่ก็ยังมีคนบางส่วนที่ต้องการใครเข้ามาช่วยประสานหรือการเตือนความจำ ซึ่งเดี๋ยวนี้คอมพิวเตอร์ก็เตือนได้ แต่คุณก็ต้องเข้าไปกรอกข้อมูลเสียก่อน ซึ่งก็มีคนบางส่วนที่เขาไม่อยากกรอก และต้องการใครสักคนมากรอกให้ ผมว่าก็ยังไปได้อยู่ แต่หน้าตาของอาชีพก็จะเปลี่ยนไป หรืออาชีพ Personal Trainer เช่นโยคะ ก็ไม่รู้ว่าจะหามาจากไหน ผมเลยรู้สึกว่าเป็นคำถามที่ผมเลือกที่จะไม่สนใจแล้วกัน ซึ่งก็มักจะมีคนตั้งคำถามมาให้อยู่เรื่อยๆ ผมเคยอ่านบทความของ David Graeber ที่พูดถึงเรื่อง Bullshit Jobs เป็นอาการที่ไม่ได้เป็นการเบื่องานหรือเพื่อนร่วมงาน แต่มาคิดว่าทำงานนี้ไปทำไมในเมื่อเราไม่ทำงานนี้โลกก็ยังอยู่ได้ ต่อให้เราใช้ AI ในการทำงาน แต่เป็นงาน Bullshit Jobs จะทำไปทำไม ส่วนตัวคิดว่าการที่ AI จะเข้ามาแทนคนหรือไม่ แน่นอนว่าต้องคิดในเรื่องของสวัสดิการ หลักประกันสังคมต่างๆ จะทำอย่างไรกับคนเหล่านี้ ถ้าสุดท้ายคอมพิวเตอร์ทำงานทุกอย่างแทนได้ คอมพิวเตอร์จะเข้ากับกลุ่มประกันสังคมไหม ไม่แน่ใจเพราะผมไม่ได้เชี่ยวชาญเรื่องนี้ ผมสนใจว่าถ้ามีงานจำนวนหนึ่งที่มองว่าไม่ได้มีความหมายอะไรไม่ว่าคนหรือคอมฯ ทำก็ตาม จะให้คอม มาทำแทนทำไม
 
GM Live : งานแบบไหนที่ Big Data ทำได้ดี
อาทิตย์ สุริยะวงศ์กุล : ผมคิดว่ามีอยู่ 2 เรื่อง สิ่งที่ Big Data หรือ AI ทำได้ก็คือ Classification จำแนกได้ว่าจะนำข้อมูลไปลงกล่องไหน กล่องพวกนี้มนุษย์เป็นคนสร้างขึ้นมา ซึ่งบางทีเครื่องจักรอาจจะสร้างกล่องขึ้นมาให้ก็ได้ แต่สุดท้ายมนุษย์ก็เป็นคนให้ความหมายกับกล่องเหล่านี้ ขึ้นอยู่กับว่ามนุษย์จะทำให้มีความหมายหรือไม่ ผมคิดว่าตัวเครื่องยังบอกไม่ได้ว่ากล่องไหนมีความหมายอย่างไร แต่สิ่งที่เครื่องหรือนักวิเคราะห์พยายามจะทำก็คือ การแปลง Big Data ให้เป็น Small Data เพราะ Big Data เฉพาะเครื่องที่อ่านได้เท่านั้น ซึ่งใหญ่เกินกว่าที่คนจะอ่านได้ อย่างเช่น ข้อมูลของคนที่คุยกันในโซเชียลมีเป็นสิบล้านพันล้านเรคคอร์ด เราอ่านไม่ไหว ช่วยสรุปมาเป็นสไลด์นำเสนอ 2 แผ่นได้ไหม นี่คือเราพยายามจะทำ Big Data ให้เป็น Small Data แต่ถามว่าคุณค่าที่เราใช้ในการตัดสินใจและเปลี่ยนจาก Big Data มาเป็น Small Data ก็คือมนุษย์ เครื่องจักรอาจจะแนะนำบางอย่าง แต่เราก็ต้องหยิบออกมา ซึ่งสุดท้ายแล้วก็มีคุณค่าต่อการตัดสินใจของมนุษย์ในทุกๆ งานอยู่แล้วเครื่องจักรช่วยเราประมวลผลข้อมูลขนาดใหญ่ แต่เราเป็นคนบอกว่าของที่ได้มาโอเคหรือไม่ ก็ยังคงต้องมีมนุษย์อยู่ ผมว่าตอบไม่ได้อยู่ดี สมมติเราป้อนงานจำนวนมากเข้าไป แล้วเครื่องประมวลผลออกมา มีกล่องอยู่ 5 กล่อง ก็ต้องเป็นเราที่บอกว่างานกล่องไหนที่มีคุณค่า ไม่มีคุณค่าอยู่ดี ผมคิดว่า เครื่องจักรคงตอบลำบาก แต่ถ้าบอกเครื่องว่ากล่องไหนมีความหมายอย่างไร และให้เครื่องตัดสินใจว่างานนี้ควรอยู่กล่องไหน จะสามารถทำได้ แต่การให้ความหมายของข้อมูลจะมีความลำบาก 
 
วันนี้ก็มี Data Scientist เงินเดือนหลักหมื่นหลักแสน แต่อาจจะไม่ต้องมีแล้วก็ได้
GM Live : Big Data ในอีก 5 ปีข้างหน้าจะเป็นยังไง
อาทิตย์ สุริยะวงศ์กุล : ผมไม่รู้ (หัวเราะ) 5 ปี ในสเกลอินเทอร์เน็ตนานมาก แต่อันหนึ่งที่พอจัดการได้ก็คือ ถ้าเราอธิบายจาก Cutting Edge State of Art ผมไม่รู้ว่าอีก 5 ปีจะเป็นอย่างไร แต่แนวโน้มในเครื่องประดิษฐกรรมจะเกิดขึ้นก่อนในประเทศอื่น ซึ่งต้องยอมรับว่าประเทศของเรายากที่จะเป็นประเทศแถวหน้าของการผลิตเทคโนโลยี อีกอย่างเราก็มีแนวโน้มที่จะรับของเข้ามา ซึ่งกว่าของจะมาถึงเมืองไทยจะยังช้าอยู่ประมาณ 3-5 ปี ถ้าอยากรู้ว่าเมืองไทยอีก 5 ปีข้างหน้าจะเป็นอย่างไร ก็ต้องลองดูที่อื่น ยกตัวอย่างเรื่องงาน ถ้าบริษัทขายของเริ่มมีแนวโน้มที่จะสร้างโกดังไร้มนุษย์ จะมีแต่หุ่นยนต์ และมีคนมาทำหน้าที่ซ่อมบำรุงและตรวจสอบระบบ จะมีความเป็นไปได้ไหม หรืออาจจะไม่มีก็ได้ไม่จำเป็น แต่ถึงจะหักลบต้นทุนแล้วพบว่าไม่มีความจำเป็น ก็ยังต้องมีโกดังขนาดใหญ่ไว้ในเมืองไทยอยู่ เพราะแจ็ค หม่า ตั้งศูนย์โลจิสติกส์ที่มาเลเซียแล้ว เป็นไปได้หรือเปล่าผมไม่รู้ แต่ในแง่เทคโนโลยีผมว่ามีทางเป็นไปได้ หมายถึงว่าต้นทุนอาจจะถูกลงและ มีความคุ้มค่ามากขึ้นสำหรับบริษัทขนาดกลางและเล็ก หรือจะเป็นอีกแบบไปเลยก็ได้ บริษัทขนาดกลางและเล็กไม่จำเป็นจะต้องมีโกดังเป็นของตัวเองก็ได้ อาจจะมีธุรกิจแบบใหม่ขึ้นมา ไม่ต้องทำอะไรเลย สิ่งที่จะทำคือโกดัง ซึ่งในปัจจุบันมีแล้วอย่างเช่นบางออฟฟิศ เพราะบางออฟฟิศมีขนาดเล็ก และก็มีที่จัดเก็บเอกสารที่สำคัญ ซึ่งส่วนใหญ่ก็คือเอกสารทางการเงินต่างๆ ปัจจุบันเริ่มมีการจัดเก็บเอกสารออกไปจากออฟฟิศแล้ว หากต้องการที่จะใช้ก็ให้โทรเรียกแทน ซึ่งมีมานานแล้ว แต่จะเป็นไปได้ไหมว่าคนที่จะทำจะกลายเป็นหุ่นยนต์ อันนี้อาจจะเป็นไปได้มากกว่าสำหรับเมืองไทย ในแง่ที่ว่าของพวกนี้ก็ต้องจัดเก็บในประเทศ อาจจะมีกฎหมายบางอย่างที่จำกัดว่าเอกสารนี้จะสามารถเรียกได้เร็ว บริบทก็จะต่างกับการส่งสินค้าทั่วไป เพราะว่าเป็นเอกสารที่ต้องใช้ในตอนนั้น เป็นไปได้ที่คลังเก็บเอกสารจะมีโกดังแบบที่ Amazon และ Alibaba มี หรือเมืองจีนที่เวลาไปไหนมาไหนก็แทบจะไม่ใช้เงินสดแล้ว ก็อาจจะเป็นไปได้ในเมืองไทย แต่ก็ต้องตั้งคำถามเหมือนกันว่าเวลามีของพวกนี้ เรากำลังกีดกันใครออกไปหรือเปล่า มีหลายปัจจัยที่เราต้องดู อย่างที่ผมบอกว่าต้องดูว่าที่อื่นเขามีเทคโนโลยีอะไร ซึ่งจะมีช่วงดีเลย์และสุดท้ายของพวกนี้ก็น่าจะเข้ามาได้ แต่ก็มีบริบทของไทยในด้านของวัฒนธรรม กฎหมาย ซึ่งไม่ใช่มีแค่ประเทศไทย ผมไม่ได้บอกว่าประเทศไทยมีอะไรที่ต่างจากชาวโลก ผมคิดว่าบางแง่มุมของบางประเทศก็เหมือนกับไทย แต่เทคโนโลยีอะไรที่จะเข้ามาอยู่ในตลาดที่จะถูกลง หลายๆ ครั้งที่ไม่ได้ถูกตัดสินด้วยเทคโนโลยี เรามีตัวอย่างในอดีตมากมายเลย หลายคนจะชอบยกตัวอย่าง เทป Betamax เทียบกับ VHS ก็ไม่ได้หมายวามว่าเทคโนโลยีที่เหนือกว่าจะชนะเสมอไป หรือปัจจุบันเรามีฟอร์แมตที่ใช้ในการบีบอัดเพลงที่ดีกว่า MP3 แต่ MP3 ก็ยังได้รับความนิยม เพราะคนใช้กันเยอะ เพราะฉะนั้นไม่ได้ตัดสินกันที่เทคโนโลยีอย่างเดียว ก็คล้ายๆ กับเวลาพูดถึงหน้าตาประเทศไทยว่าในอีก 5 ปีข้างหน้าจะเป็นอย่างไร ผมคิดว่าเราดูเทคโนโลยีในเทรนด์โลกได้ว่าเป็นอย่างไร แล้วผมคิดว่ายังมีเรื่องแง่มุมทางวัฒนธรรม สังคม กฎหมายที่สำคัญเหมือนกัน
 
GM Live : เราต้องปรับตัวยังไงในยุคสมัย Big Data ครองเมือง   
อาทิตย์ สุริยะวงศ์กุล : ผมคิดว่าช่วงนี้ Big Data ก็คงเป็น Buzzword แหละ เดี๋ยวนี้เขาชอบใช้คำว่า New Normal ก็เป็นอีกหนึ่ง Buzzword  ก่อนหน้านี้คนจะพูดถึงคำว่า Computerization คือทุกองค์กรต้องใช้คอมพิวเตอร์ ปัจจุบันไม่มีใครพูดถึงกันแล้ว เพราะทุกองค์กรล้วนใช้คอมพิวเตอร์กันหมด ผมคิดว่าต่อไปทุกๆ ที่ก็คงต้องทำ และต่อไปอาจจะไม่ต้องใช้ผู้เชี่ยวชาญก็ได้ ทุกวันนี้ก็มี Data Scientist เงินเดือนหลักหมื่นหลักแสน แต่อาจจะไม่ต้องมีแล้วก็ได้ คุณอาจจะดาวน์โหลดแอปมา คุณอยากจะประมวลอะไรก็แค่คลิก เขาก็จะประมวลมาให้คุณ คุณอาจจะลงทุนจ่ายเงินห้าพันบาทเพื่อซื้อแอป ตัวหนึ่งมาใช้แทน Data Scientist มีความเป็นไปได้ ผมไม่ได้คิดว่าเป็นเรื่องน่าตื่นเต้นในแง่ทักษะ เพราะถ้าเรียนเศรษฐศาสตร์ คอมพิวเตอร์หรือสถิติมาก็เป็นเรื่องที่ในแง่ความรู้ความเข้าใจมีมานานแล้ว แต่ที่น่าตื่นเต้นคือเราจะนำเรื่องพวกนี้ไปปรับใช้กับอะไรได้บ้าง เมื่อก่อนเรามีข้อจำกัดทางด้านเทคโนโลยีอยู่ เรามีความรู้ทางด้านสถิติ ด้านคอมพิวเตอร์มากมาย แต่คอมพิวเตอร์ยังเร็วไม่พอที่จะให้มาทดลองทำงานในสเกลใหญ่ มีที่จัดเก็บข้อมูลไม่เพียงพอ ข้อมูลยังไม่หลากหลาย หรือต้นทุนในการที่จะออกไปสำรวจและจัดเก็บข้อมูลมีราคาสูง ในตอนนี้ทุกคนขยับเคลื่อนไหวร่างกายก็จะมีการ Generate ข้อมูลอยู่ตลอดเวลา ผมคิดว่าในแง่ทักษะไม่ใช่เรื่องน่าตื่นเต้น เพราะเป็นเรื่องค่อนข้างเก่าแล้ว อาจจะมีเรื่องใหม่ๆ อยู่บ้าง สิ่งที่น่าตื่นเต้นคือคุณทดสอบพรมแดนนี้แล้วเอามาใช้กับอะไรได้บ้าง แต่ก็เหมือนกับการหักร้างถางพง เวลาไปเจอพรมแดนใหม่ๆ นอกจากเรื่องตื่นเต้นแล้ว คุณก็จะเจอเรื่องน่าประหลาดใจหรือเรื่องที่คาดไม่ถึง รวมทั้งข้อผิดพลาด แล้วจะทำให้เกิดความพัง 


 
กรณี Facebook ก็เป็นความพังแบบหนึ่ง Facebook มีสโลแกนประมาณว่าต้องไปให้สุด ถ้าพังก็ Fix แต่เขาก็ได้บทเรียนว่าบางอย่างใช้วิธีนี้ไม่ได้ เพราะว่ามันไม่ใช่แค่คอมพิวเตอร์ที่พัง เครื่องปิ้งขนมปังเสียหรือทีวีดูไม่ได้ เวลาระบบพังบางทีชีวิตคนก็พังตามไปด้วย กรณี Facebook คนก็อ้างว่าความประมาทเลินเล่อนำพาไปสู่ระบบการเลือกตั้งที่พัง แต่ประเด็นผมก็คือ ในพรมแดนนี้ยังมีเรื่องที่เรายังไม่รู้เยอะแยะเต็มไปหมด การระมัดระวังจนเกินไป ก็จะไม่ทำให้เราเดินไปข้างหน้า เพราะจะไม่กล้าลองสิ่งใหม่ๆ แต่ถ้าทุ่มไปจนสุดชนิดที่ไม่มี Safety หรือความปลอดภัยเลย ไม่ใช่แค่เราเท่านั้นที่ตาย เราอาจจะพาคนทั้งโลกตายไปด้วย ผมคิดว่าพรมแดนนี้น่าตื่นเต้น เราต้องเดินไป แต่ต้องปกป้องคนที่เป็นเจ้าของข้อมูลด้วย เราอยากจะวิ่งไปพร้อมกับข้อมูลคนอื่นอยู่ เราต้องคิดเรื่องนี้เอาไว้ เขาอาจจะให้ ความยินยอมเรามาในการทำเรื่องๆ หนึ่ง แต่ถ้าเราจะ ก้าวไปมากกว่านั้น เขายังจะให้ความยินยอมเราอยู่หรือเปล่า เรามีมาตรการคุ้มครองมากแค่ไหนที่จะทำให้เราพังแค่คนเดียวในฐานะผู้บุกเบิก โดยไม่พาให้คนที่ไม่รู้อิโหน่อิเหน่พังไปกับเราด้วย ผมเชื่อว่าถ้าบริษัทไหนตอบได้ คนก็จะเชื่อใจแพลตฟอร์มนั้น