คำศัพท์ AI สำหรับองค์กร
คู่มือและบทความสำหรับผู้บริหาร ทีม IT และเจ้าของข้อมูล เริ่มจากความเสี่ยงที่มองเห็น แล้วกำหนดขอบเขตการใช้ Private AI ร่วมกัน
Private AI
Private AI คือแนวทางออกแบบระบบ AI ที่องค์กรกำหนดขอบเขตข้อมูล ผู้ใช้ โมเดล และการติดตั้งได้ ความเป็นส่วนตัวเกิดจากสถาปัตยกรรมและการปฏิบัติจริง ไม่ได้เกิดจากชื่อผลิตภัณฑ์เพียงอย่างเดียว
อ่านเพิ่มเติมLocal LLM
Local LLM คือโมเดลภาษาที่ประมวลผลบนเครื่องหรือเซิร์ฟเวอร์ในสภาพแวดล้อมที่เลือก การวางโมเดลไว้ใกล้ข้อมูลช่วยกำหนดเส้นทางการประมวลผล แต่ยังต้องตรวจบริการ OCR, Embedding และการส่ง Logs แยกต่างหาก
อ่านเพิ่มเติมOn-premise AI
On-Premise AI คือการติดตั้งระบบในโครงสร้างพื้นฐานที่องค์กรดูแลเอง ขอบเขตไม่ได้มีเพียงเครื่อง GPU แต่รวมเครือข่าย การจัดเก็บข้อมูล ระบบยืนยันตัวตน การสำรอง และการรับมือเหตุขัดข้อง
อ่านเพิ่มเติมEnterprise RAG
Retrieval-Augmented Generation หรือ RAG คือการค้นข้อมูลที่เกี่ยวข้องแล้วส่งเป็นบริบทให้โมเดลสร้างคำตอบ Enterprise RAG เพิ่มข้อกำหนดด้านสิทธิ์ รุ่นเอกสาร และการตรวจสอบ เพื่อให้การค้นใช้ความรู้ที่ผู้ถามได้รับอนุญาต
อ่านเพิ่มเติมAI Agent
AI Agent คือระบบที่ใช้โมเดลช่วยเลือกขั้นตอนและเรียกเครื่องมือเพื่อทำงานตามเป้าหมาย จึงต้องกำหนดสิทธิ์ของการกระทำ นอกเหนือจากสิทธิ์อ่านเอกสาร การที่โมเดลเสนอให้ทำ ไม่ได้แปลว่าผู้ใช้ได้รับอนุญาตให้ทำ
อ่านเพิ่มเติมRole-based access control (RBAC)
Role-Based Access Control กำหนดสิทธิ์ตามบทบาท เช่น ผู้ดูแล ผู้จัดการ และสมาชิก โดยต้องผูกกับ Workspace แหล่งข้อมูล และ Agent ไม่ใช้แค่การซ่อนปุ่มในหน้าจอ
อ่านเพิ่มเติมWorkspace
Workspace รวมผู้ใช้ เอกสาร และ Agent ที่เกี่ยวข้องกับฝ่าย ลูกค้า หรือโครงการเดียวกัน ทำให้ขอบเขตงานมองเห็นได้ และช่วยป้องกันการเลือกชุดความรู้ผิดบริบท
อ่านเพิ่มเติมShadow AI
Shadow AI คือการใช้ AI ที่อยู่นอกกระบวนการอนุมัติหรือการมองเห็นขององค์กร ความเสี่ยงขึ้นกับชนิดข้อมูล เครื่องมือ บัญชี และสัญญาที่ใช้ ไม่ควรสรุปว่าบริการ Public AI ทุกแบบไม่ปลอดภัย
อ่านเพิ่มเติมAudit log
บันทึกการใช้ AI ควรบอกได้ว่าใครทำอะไร ใช้ข้อมูลและโมเดลใด เกิดขึ้นเมื่อไร และใครตรวจย้อนหลังได้ ต้องจัดสมดุลระหว่างหลักฐานที่จำเป็นกับข้อมูลอ่อนไหวใน Logs
อ่านเพิ่มเติมEnterprise AI
Private AI คือแนวทางออกแบบระบบ AI ที่องค์กรกำหนดขอบเขตข้อมูล ผู้ใช้ โมเดล และการติดตั้งได้ ความเป็นส่วนตัวเกิดจากสถาปัตยกรรมและการปฏิบัติจริง ไม่ได้เกิดจากชื่อผลิตภัณฑ์เพียงอย่างเดียว
อ่านเพิ่มเติมPrivate LLM
Local LLM คือโมเดลภาษาที่ประมวลผลบนเครื่องหรือเซิร์ฟเวอร์ในสภาพแวดล้อมที่เลือก การวางโมเดลไว้ใกล้ข้อมูลช่วยกำหนดเส้นทางการประมวลผล แต่ยังต้องตรวจบริการ OCR, Embedding และการส่ง Logs แยกต่างหาก
อ่านเพิ่มเติมSovereign AI
Data Control ครอบคลุมข้อมูลต้นทาง ชิ้นข้อความ Embedding ดัชนี แคช คำตอบ และ Logs ต้องรู้ว่าแต่ละส่วนอยู่ที่ใด ใครเข้าถึงได้ และจะลบหรือกู้คืนอย่างไร
อ่านเพิ่มเติมRAG
Retrieval-Augmented Generation หรือ RAG คือการค้นข้อมูลที่เกี่ยวข้องแล้วส่งเป็นบริบทให้โมเดลสร้างคำตอบ Enterprise RAG เพิ่มข้อกำหนดด้านสิทธิ์ รุ่นเอกสาร และการตรวจสอบ เพื่อให้การค้นใช้ความรู้ที่ผู้ถามได้รับอนุญาต
อ่านเพิ่มเติมGrounding
Source Citation เชื่อมคำตอบกับเอกสาร ส่วน หน้า และรุ่นที่ใช้ เพื่อให้ผู้ใช้ตรวจว่าเนื้อหาต้นฉบับสนับสนุนข้อสรุปจริงหรือไม่ การมีชื่อไฟล์ท้ายคำตอบเพียงอย่างเดียวไม่รับประกันความถูกต้อง
อ่านเพิ่มเติมSemantic search
Enterprise Search คือการค้นหาข้อมูลจากหลายแหล่งขององค์กรภายใต้สิทธิ์ผู้ใช้ การค้นด้วยคำสำคัญเหมาะกับรหัสหรือชื่อเฉพาะ ส่วนการค้นเชิงความหมายช่วยหาข้อมูลที่ใช้ถ้อยคำต่างกัน การใช้ทั้งสองแนวทางต้องทดสอบกับงานจริง
อ่านเพิ่มเติมLLM
โมเดลภาษาขนาดใหญ่ที่สร้างข้อความจากรูปแบบที่เรียนรู้และบริบท ไม่ใช่ฐานข้อเท็จจริงที่รับรองความถูกต้อง
Embedding
การแทนข้อความหรือข้อมูลเป็นเวกเตอร์ตัวเลขเพื่อเปรียบเทียบความสัมพันธ์ ต้องเลือกโมเดลและประเมินกับภาษาและงานจริง
Vector database
ระบบจัดเก็บและค้นเวกเตอร์ ต้องดูแลสิทธิ์ สำรองข้อมูล และลบข้อมูลที่เกี่ยวข้องเมื่อเอกสารต้นทางเปลี่ยน
Vector search
การค้นเวกเตอร์ที่ใกล้กับคำถาม ความคล้ายไม่ได้แปลว่าเนื้อหาถูกต้องหรือผู้ใช้มีสิทธิ์อ่าน
ไม่พบผลลัพธ์ ลองใช้คำอื่น
แหล่งข้อมูลอ้างอิง
แหล่งข้อมูลสาธารณะใช้ประกอบคำอธิบายหลักการ ไม่ได้เป็นการรับรองผลิตภัณฑ์ RAGBOX
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
รอผู้เชี่ยวชาญตรวจทานก่อนใช้งานจริง ไม่ได้เป็นคำแนะนำกฎหมายหรือภาษีเฉพาะกรณี