Data Driven Society

57 ข่าวในคอลัมน์นี้


วัฒนธรรมองค์กรสมัยใหม่แบบ Westrum

วัฒนธรรมขององค์กรเป็นสิ่งคาดการณ์การเคลื่อนที่ของข่าวสารข้อมูลขององค์กร ข้อมูลข่าวสารที่ดีต้องตอบคำถามของคนรับ ทันเวลา และใช้งานได้ องค์กรที่มีการไหลของข่าวสารข้อมูลที่ดีก็จะทำให้มีประสิทธิภาพในการทำงานที่ดี

ขอแค่ทำ 1% ให้ดีขึ้น ในแต่ละวัน ก็พอแล้ว (1% rule)

ลองคิดดูว่าถ้าเราสามารถพัฒนาตัวเองได้ 1% ทุกวันภายใน 1 ปี เราจะพัฒนา 37.78 เท่าจากเดิม ในทางกลับกันถ้าเราทำตัวเองให้แย่ลง 1% ทุกวัน ภายใน 1 ปี เราแทบจะไม่มีการพัฒนาอะไรเลย อยู่ที่ 0.03 เท่าจากเดิม

คิด 80/20

การมี mental model ที่หลากหลายช่วยให้เราคิดได้รอบคอบ มองปัญหาได้ครอบคลุมหลายมุม หนึ่งใน mental model ที่อยากแนะนำวันนี้ก็คือ กฎ 80/20

DDD (Dialogue & Deliberative Democracy) จากบทสนทนาเป็นบทอภิปรายแบบประชาธิปไตย

หากมีกระบวนการที่ทำให้คนที่มีหลากหลายความคิด มาร่วมกันคิด ปรึกษาหารือ อภิปราย (Deliberation) และสร้างการมีส่วนร่วมกันก็จะดีไม่น้อย นี่จึงเป็นที่มาของการอภิปรายแบบประชาธิปไตย (Deliberative Democracy)

เข้าใจหลายศาสตร์ เข้าใจสังคม เพื่อแก้ปัญหาโลกที่ซับซ้อน

เข้าใจหลายศาสตร์ เข้าใจสังคม เพื่อแก้ปัญหาโลกที่ซับซ้อน เป็นสิ่งที่ประเทศไทยสามารถเรียนรู้ได้ เพราะถือเป็นปัญหาและอุปสรรคหลักที่เรากำลังเผชิญอยู่

Data Labeling งานเสริมยุคใหม่ สอน AI ด้วยข้อมูล

ในยุคที่งาน AI/ML มีปริมาณที่เพิ่มขึ้น งาน Data Labeling Service จึงมีความต้องการในการจ้างงานที่สูงขึ้นเช่นกัน ซึ่งเป็นโอกาสที่ดีสำหรับบริษัทในประเทศไทยที่เราจะมีธุรกิจลักษณะนี้เพื่อขยายโอกาสให้กับผู้ด้อยโอกาสและกลุ่มเปราะบาง

ภาพสะท้อนของสังคมที่ขับเคลื่อนด้วยข้อมูล (Reflection on Data Driven Society)

ภาพสะท้อนของสังคมที่ขับเคลื่อนด้วยข้อมูล เพราะผมเชื่อว่าปัญหาหลายอย่างสามารถแก้ไขหรือทำให้ดีขึ้นได้ ถ้าทุกภาคส่วนที่เกี่ยวข้องร่วมกันนำข้อมูลมาแชร์ พูดคุย แลกเปลี่ยนมุมมอง สร้างความเข้าใจให้แก่กัน จนนำไปสู่การสังเคราะห์ และริเริ่มแนวคิดใหม่ในการแก้ปัญหา

สร้างผลลัพธ์ เพิ่มประสิทธิภาพด้วยศาสตร์ในการออกแบบองค์กร

เราอยู่ในยุคที่โลกมีการเปลี่ยนแปลงอย่างรวดเร็ว องค์กรก็เช่นเดียวกันก็ต้องปรับตัวให้รวดเร็ว การมีรูปแบบทีมและองค์กรที่เหมาะสมกับลักษณะงาน จะช่วยทำให้พนักงานทำงานร่วมกันได้อย่างมีประสิทธิภาพ

รู้รอบด้าน ลดความผิดพลาดของ AI

การพัฒนาของเทคโนโลยีสมัยใหม่เช่น AI นั้น มีความก้าวหน้ารวดเร็วเกินกว่ากฎระเบียบจะตามได้ทัน และยิ่งไปกว่านั้นเทคโนโลยีนี้ มีความสามารถในการตัดสินใจเองได้และอาจส่งผลกระทบต่อมนุษย์และสังคม

จะทำอย่างไร เมื่อ AI ทำงานผิดพลาด?

ในบทความนี้ผมขอสรุปสาเหตุและบทเรียนที่ได้เรียนรู้จากข้อผิดพลาดในการทำงานของ AI โดยทาง MITRE หน่วยงานที่ไม่แสวงหาผลกำไรที่ทำงานกับภาครัฐของสหรัฐอเมริกา ได้รวบรวมไว้

หลักการ 345 สร้างประสิทธิภาพองค์กรด้วย DevOps

หลักการ 345 ผู้อ่านสามารถนำไปประยุกต์ใช้กับการบริหารโครงการต่างๆ ที่มีเทคโนโลยีเป็นส่วนสำคัญของธุรกิจ เพื่อลดข้อผิดพลาดที่เกิดจากคนให้ได้มากที่สุด

1 2 3 5