Context Governance: A Proposed Extension to Governance Paradigms in the Age of Artificial Intelligence [Series 2]
Context Governance: A Proposed Extension to Governance Paradigms in the Age of Artificial Intelligence
บทคัดย่อ
บทความนี้เสนอ การกำกับดูแลบริบท (Context Governance) ในฐานะส่วนขยายของกระบวนทัศน์การกำกับดูแลเดิม ได้แก่ การกำกับดูแลข้อมูล การกำกับดูแลสารสนเทศ และการกำกับดูแลความรู้ วรรณกรรมปัจจุบันด้านการกำกับดูแล AI มุ่งเน้นคุณภาพข้อมูล ความเป็นส่วนตัว อคติของอัลกอริทึม และจริยธรรม (OECD, 2019; UNESCO, 2021) แต่ให้แนวทางจำกัดเกี่ยวกับการกำกับดูแล "บริบท" ที่ระบบ AI ใช้ในการตีความหลักฐานและสร้างเหตุผล บทความนี้เสนอว่าการกำกับดูแลบริบทเป็นกระบวนทัศน์ที่แตกต่างและจำเป็น เนื่องจากคุณภาพการให้เหตุผลของ AI ขึ้นอยู่กับคุณภาพของบริบท ไม่ใช่เพียงคุณภาพของข้อมูล การกำกับดูแลบริบทนิยามว่าเป็นการจัดการอย่างเป็นระบบต่อข้อมูลเชิงบริบทที่ระบบ AI ใช้ในการตีความหลักฐาน ประกอบด้วย 4 องค์ประกอบหลัก ได้แก่ (1) การจำแนกบริบท (2) วงจรชีวิตบริบท (3) การจัดลำดับความสำคัญของบริบท และ (4) แหล่งที่มาของบริบท บทความอภิปรายความแตกต่างจากการกำกับดูแลข้อมูล สารสนเทศ และความรู้ พร้อมเสนอกรอบการปฏิบัติการ การกำกับดูแลบริบทตอบคำถามว่าองค์กรจะรับประกันได้อย่างไรว่า AI ใช้บริบทที่ถูกต้อง สอดคล้องกับพันธกิจ และตรวจสอบย้อนกลับได้ กรอบแนวคิดนี้เป็นเชิงทฤษฎี การตรวจสอบเชิงประจักษ์เป็นงานวิจัยในอนาคต
คำสำคัญ: การกำกับดูแลบริบท, การกำกับดูแล AI, การกำกับดูแลความรู้, การให้เหตุผลของ AI, ปัญญาองค์กร, อธิปไตยทางความรู้
1. บทนำ
การกำกับดูแลข้อมูล (DAMA International, 2017) การกำกับดูแลสารสนเทศ (ISO 15489-1:2016) และการกำกับดูแลความรู้ (Foss, 2007) เป็นสาขาที่จัดตั้งแล้วในวรรณกรรมการจัดการองค์กร อย่างไรก็ตาม การเกิดขึ้นของปัญญาประดิษฐ์แบบรู้สร้าง โดยเฉพาะแบบจำลองภาษาขนาดใหญ่ ทำให้เกิดความท้าทายใหม่ แบบจำลองภาษาขนาดใหญ่อาจเข้าถึงข้อมูลที่ถูกต้อง แต่ให้ข้อเสนอแนะที่ผิดพลาดเนื่องจากการประยุกต์ใช้บริบทที่ไม่ถูกต้อง ปัญหานี้เรียกว่า การประยุกต์ใช้บริบทที่คลาดเคลื่อน (Context Misapplication)
Model Context Protocol (Anthropic, 2024) แก้ปัญหาทางเทคนิคเรื่องการจัดหาบริบทให้ AI แต่ไม่ได้แก้ปัญหาทางองค์กรเรื่องการกำกับดูแลบริบท คำถามที่ยังไม่มีคำตอบคือ องค์กรควรจัดการ จำแนก จัดลำดับความสำคัญ และตรวจสอบบริบทที่ AI ใช้อย่างไร
บทความนี้ตอบคำถามวิจัยหลัก 2 ข้อ ดังนี้
คำถามวิจัยที่ 1: การกำกับดูแลบริบทแตกต่างจากการกำกับดูแลข้อมูล สารสนเทศ และความรู้อย่างไร
คำถามวิจัยที่ 2: องค์ประกอบและกลไกของการกำกับดูแลบริบทสำหรับระบบ AI ควรเป็นอย่างไร
บทความนี้เสนอ การกำกับดูแลบริบท ในฐานะส่วนขยายของกระบวนทัศน์การกำกับดูแล ไม่ได้อ้างว่าได้ทดสอบแล้ว แต่เสนอกรอบสำหรับการวิจัยและการนำไปใช้ในอนาคต
2. วิวัฒนาการของกระบวนทัศน์การกำกับดูแล
2.1 การกำกับดูแลข้อมูล สารสนเทศ และความรู้
การกำกับดูแลข้อมูล มุ่งเน้นคุณภาพ ความปลอดภัย สายธาร และวงจรชีวิตของข้อมูล (DAMA International, 2017) การกำกับดูแลสารสนเทศ มุ่งเน้นการจัดการบันทึกและสารสนเทศตามมาตรฐาน ISO 15489-1 (2016) การกำกับดูแลความรู้ มุ่งเน้นการจัดการทรัพย์สินความรู้ ทรัพย์สินทางปัญญา และการแบ่งปันความเชี่ยวชาญ (Foss, 2007)
2.2 ช่องว่าง: การกำกับดูแลบริบท
วรรณกรรมทั้งสามสาขาไม่ได้กล่าวถึงการกำกับดูแล "บริบท" ที่ระบบ AI ใช้ในการตีความ Nonaka และ Takeuchi (1995) อธิบาย Ba ว่าเป็นบริบทร่วมสำหรับการสร้างความรู้ แต่ไม่ได้กำหนดวิธีการกำกับดูแล Ba ในบริบท AI กรอบการกำกับดูแล AI ของ OECD (2019) และ UNESCO (2021) กล่าวถึงข้อมูลและอัลกอริทึม แต่ไม่ได้กล่าวถึงบริบทการให้เหตุผล
บทความนี้เสนอ ว่าช่องว่างนี้สำคัญ เนื่องจาก LLM ให้เหตุผลโดยอาศัยบริบทใน Prompt หากบริบทผิด การให้เหตุผลจะผิด แม้ข้อมูลจะถูก ดังนั้นจึงจำเป็นต้องมี การกำกับดูแลบริบท เป็นกระบวนทัศน์ที่ 4
2.3 นิยามที่เสนอ: การกำกับดูแลบริบท
บทความนี้เสนอนิยาม การกำกับดูแลบริบทว่าเป็นการจัดการอย่างเป็นระบบต่อข้อมูลเชิงบริบทที่ระบบ AI ใช้ในการตีความหลักฐาน สร้างเหตุผล และสร้างข้อเสนอแนะ โดยมีเป้าหมายเพื่อให้มั่นใจว่าบริบทนั้นถูกต้อง สอดคล้องกับพันธกิจ ทันสมัย และตรวจสอบย้อนกลับได้
3. กรอบการกำกับดูแลบริบท
3.1 หลักการพื้นฐาน
บทความนี้เสนอหลักการ 4 ประการสำหรับการกำกับดูแลบริบท
หลักการที่ 1: ลำดับความสำคัญของบริบทมาก่อนเนื้อหา
บริบทกำหนดว่า AI ควรตีความเนื้อหาอย่างไร ดังนั้นการกำกับดูแลบริบทต้องมาก่อนการกำกับดูแลเนื้อหาที่สร้างโดย AI
หลักการที่ 2: แหล่งที่มาบังคับ
บริบททุกชิ้นที่ AI ใช้ต้องมีแหล่งที่มา เวลาประทับ เจ้าของ และรุ่น หากขาดองค์ประกอบใด ห้ามใช้บริบทนั้น
หลักการที่ 3: ลำดับชั้นของบริบท
บริบทไม่ได้เท่ากัน บทความนี้เสนอ ลำดับชั้น 4 ระดับ ได้แก่ องค์ความรู้องค์กร > บริบทหลักฐาน > บริบทการทำงาน > บริบทการสนทนา เมื่อเกิดความขัดแย้ง บริบทที่มีลำดับสูงกว่าจะมีผลบังคับ
หลักการที่ 4: การกำกับดูแลโดยมนุษย์
การส่งเสริมบริบทสู่องค์ความรู้องค์กรต้องได้รับการอนุมัติจากมนุษย์ AI ห้ามส่งเสริมบริบทด้วยตนเอง
3.2 องค์ประกอบ 4 ประการ
3.2.1 การจำแนกบริบท
บทความนี้เสนออนุกรมวิธาน 4 ประเภท:
บริบทการสนทนา: ข้อมูลชั่วคราวจากการปฏิสัมพันธ์ ลำดับความสำคัญต่ำสุด
บริบทการทำงาน: เอกสาร ร่าง รายงานที่อยู่ระหว่างดำเนินการ
บริบทหลักฐาน: ข้อมูลที่ผ่านการตรวจสอบแล้ว เช่น สถิติ ผลการวิจัย
องค์ความรู้องค์กร: ความรู้ที่ผ่านการอนุมัติเป็นนโยบายหรือมาตรฐาน ลำดับความสำคัญสูงสุด
3.2.2 วงจรชีวิตบริบท
บทความนี้เสนอขั้นตอน 6 ขั้น: การบันทึก → การจำแนก → การตรวจสอบ → การส่งเสริม → การจัดเก็บ → การนำกลับมาใช้ การส่งเสริมต้องผ่านประตูการตรวจสอบโดยมนุษย์
3.2.3 การจัดลำดับความสำคัญของบริบท
เมื่อ AI ได้รับบริบทหลายชิ้นที่ขัดแย้งกัน บทความนี้เสนอ ให้ใช้กฎลำดับชั้น องค์ความรู้องค์กรมีผลบังคับเหนือบริบทหลักฐาน บริบทหลักฐานมีผลบังคับเหนือบริบทการทำงาน และบริบทการทำงานมีผลบังคับเหนือบริบทการสนทนา
3.2.4 แหล่งที่มาของบริบท
บทความนี้เสนอข้อกำหนดบังคับ ว่าบริบททุกชิ้นต้องมีข้อมูลเมตา 4 รายการ ได้แก่ แหล่งที่มา เวลาประทับ เจ้าของ และรุ่น หากขาดข้อมูลใด ให้ถือว่าบริบทนั้นไม่น่าเชื่อถือและห้ามใช้ในการให้เหตุผล
4. ความแตกต่างจากการกำกับดูแลอื่น
null
ตารางที่ 1 แสดงว่าการกำกับดูแลบริบทแก้ปัญหาที่แตกต่างจากการกำกับดูแลอื่น โดยมุ่งเน้นคุณภาพการให้เหตุผลของ AI ไม่ใช่เพียงคุณภาพของข้อมูลนำเข้า
5. นัยและการประยุกต์ใช้
5.1 นัยเชิงทฤษฎี
การกำกับดูแลบริบทขยายทฤษฎีการสร้างความรู้ของ Nonaka และ Takeuchi (1995) โดยเพิ่ม "การกำกับดูแล Ba" ในฐานะเงื่อนไขจำเป็นสำหรับการสร้างความรู้แบบมนุษย์-AI ร่วมกัน และยังขยายองค์กรแห่งการเรียนรู้ของ Senge (1990) โดยระบุว่า "บริบท" เป็นวินัยที่ 6 ต่อจาก Personal Mastery, Mental Models, Shared Vision, Team Learning, Systems Thinking
5.2 นัยเชิงปฏิบัติ
สำหรับองค์กรภาครัฐ การกำกับดูแลบริบทมีนัย 3 ประการ
อธิปไตยทางความรู้: องค์กรควบคุมว่า AI ใช้บริบทใด แม้เปลี่ยนผู้ให้บริการ LLM
ความรับผิดชอบ: ทุกข้อเสนอแนะของ AI ตรวจสอบย้อนกลับไปยังบริบทที่ใช้ได้
การไม่ผูกขาดผู้ให้บริการ: บริบทจัดเก็บในคลังขององค์กร ไม่ผูกติดกับ LLM
5.3 ข้อจำกัด
กรอบนี้เป็นเชิงแนวคิด ยังไม่ได้ทดสอบเชิงประจักษ์ การนำไปใช้อาจต้องการทรัพยากรการกำกับดูแลสูง ซึ่งอาจเป็นอุปสรรคสำหรับองค์กรขนาดเล็ก การวิจัยในอนาคตควรทดสอบต้นทุนและประโยชน์ของการกำกับดูแลบริบท
6. บทสรุปและงานวิจัยในอนาคต
บทความนี้เสนอการกำกับดูแลบริบทในฐานะส่วนขยายของกระบวนทัศน์การกำกับดูแลเดิม คุณูปการหลักคือการนิยามองค์ประกอบ 4 ประการและการแสดงความแตกต่างจากการกำกับดูแลอื่น
งานวิจัยในอนาคต:
การศึกษากรณีการนำการกำกับดูแลบริบทไปใช้
การพัฒนาเมตริกวัดคุณภาพบริบท
การศึกษาผลกระทบของการกำกับดูแลบริบทต่ออาการหลอนของ LLM
การกำกับดูแลบริบทอาจเป็น "ลายเซ็น" ของการกำกับดูแล AI ยุคต่อไป
เอกสารอ้างอิง
Anthropic. (2024). Model Context Protocol: An open standard for connecting AI assistants to data sources. https://www.anthropic.com/news/model-context-protocol
DAMA International. (2017). DAMA-DMBOK: Data management body of knowledge (2nd ed.). Technics Publications.
Foss, N. J. (2007). The emerging knowledge governance approach: Challenges and characteristics. *Organization, 14*(1), 29–52. https://doi.org/10.1177/1350508407071859
International Organization for Standardization. (2016). ISO 15489-1:2016 Information and documentation — Records management — Part 1: Concepts and principles.
Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company: How Japanese companies create the dynamics of innovation. Oxford University Press.
Organisation for Economic Co-operation and Development. (2019). Recommendation of the Council on Artificial Intelligence. OECD/LEGAL/0449.
Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday.
UNESCO. (2021). Recommendation on the ethics of artificial intelligence. SHS/BIO/REC-AIETHICS/2021.
ความคิดเห็น
แสดงความคิดเห็น