หลายคนอาจยังคาดไม่ถึง แต่ประเด็นของเทคโนโลยี และการสนับสนุนความเท่าเทียมของมนุษย์ มีส่วนเกี่ยวข้องกันอย่างแน่นแฟ้น เริ่มตั้งแต่การเข้ามาของอินเทอร์เน็ต หรือโซเชียลมีเดีย เชื่อมต่อผู้คนทุกระดับชั้นเข้าด้วยกัน ฉะนั้น AI ก็เป็นอีกหนึ่งวิทยาการที่สามารถนำมาส่งเสริมความเท่าเทียมได้ โดยเฉพาะในยุคสมัยที่นักพัฒนาทั้งหลายให้ความสำคัญกับความหลากหลายทางความคิด และความยั่งยืน

ปัญหาของ AI และความหลากหลาย

ครั้น AI เริ่มถูกใช้งานเป็นวงกว้างมากขึ้น ปัญหาต่าง ๆ ก็ยิ่งเห็นได้เด่นชัดมากขึ้น โดยเฉพาะในเรื่องของการประมวลผลที่ลำเอียง ซึ่งเป็นปัญหาที่เริ่มต้นมาจากฐานข้อมูลที่ถูกเก็บ และใช้ในการป้อน AI ระหว่างการฝึก จะเป็นข้อมูลที่เอนเอียงไปอยู่กับกลุ่มคนเพียงเล็กน้อยเท่านั้น ฉะนั้นเมื่อระบบถูกใช้เป็นวงกว้าง จึงจะมีกลุ่มคนมากมายที่ถูกกีดกันออกไป โดยรูปแบบความลำเอียงของ AI มีอยู่หลากหลายรูปแบบ เช่น
 

• Facial Recognition AI : ระบบ AI ในช่วงแรกจะมีปัญหาในการวิเคราะห์ใบหน้าของผู้สูงอายุ หรือคนผิวสี เพราะ AI จะใช้ฐานข้อมูลส่วนมากที่สุดเป็นชายผิวขาว
• Criminal Justice AI : ผู้พัฒนาเคยทดลองใช้ระบบ AI วิเคราะห์ และตัดสินผู้กระทำผิด โดยผลออกมากลายเป็นว่า algorithm ของ AI มีแนวโน้มที่จะวิเคราะห์ให้กลุ่มชนกลุ่มน้อย ผิวสี เป็นผู้กระทำความผิด อันเป็นผลพวงมาจากข้อมูลตั้งต้นที่มีความไม่บิดเบือน
• Natural Language Processing : ภาษาเป็นอีกหนึ่งหัวใจหลักในการทำให้ AI ไม่สามารถเข้าถึงกลุ่มคนได้ทั่วถึง เพราะ AI ยังมีข้อจำกัดด้านภาษาที่ไม่ใช่ภาษาอังกฤษ หรือใช้ตัวอักษรอัลฟาเบต จึงทำให้กลุ่มคนที่ไม่สามารถใช้ภาษาอังกฤษไม่สามารถใช้งาน AI ได้อย่างเต็มประสิทธิภาพ
   

เริ่มพัฒนา AI ให้ตอบโจทย์ DEIB

เมื่อ AI เริ่มถูกใช้มากขึ้นในสายงานที่เกี่ยวข้องกับคน เช่น HR ไปจนถึงการตลาด จึงต้องให้ความสำคัญกับ DEIB ที่เป็น 4 เสาหลักของความเท่าเทียม ได้แก่ Diversity (D) Equity (E) Inclusion (I) และ Belonging (B) โดยกล่าวว่าบริษัทที่ให้ความสำคัญ และสร้างสถานที่ทำงานที่หลากหลาย เปิดรับไอเดียใหม่ ๆ จากกลุ่มคนหลากหลายจะสามารถสร้างผลกำไรได้มากกว่าบริษัทที่ไม่เปิดรับถึง 43% มี ROI (Return on Investment) มากกว่า 20% และสร้าง innovation ใหม่ ๆ ได้มากกว่า 12%* 

*สถิติจาก diversio, 2023

ซึ่งสิ่งที่ AI จะต้องทำลายให้ได้คือ ‘ความลำเอียงที่เกิดขึ้นโดยไม่ตระหนัก’ (unconscious bias) ในที่ทำงาน ซึ่งจะสร้างสภาพการทำงานที่กีดกัน และเป็นพิษ โดยการนำ AI มาใช้ช่วยชี้วัด หรือประเมินการทำงานของพนักงาน อาจสามารถตัดในปัจจัยเรื่องเส้นสาย ความลำเอียงในเรื่องของสีผิว หรือเพศ แต่วัดกันที่ประสิทธิภาพในการทำงาน และศักยภาพของมนุษย์จริง ๆ ได้ 

Use Case : Uber ใช้ AI เสริมความเท่าเทียมในที่ทำงาน

Uber เป็นบริษัทให้บริการด้านการขนส่งยักษ์ใหญ่ของทางฝั่งอเมริกา และยุโรป โดยมีพนักงานที่ทำหน้าที่ขับรถอยู่ในระบบกว่า 3.5 ล้านคน จึงไม่สามารถใช้เพียงคนอย่างเดียวในการวิเคราะห์การทำงานของพนักงานทุกคนได้ หรือหากใช้คนวิเคราะห์อาจมีการตัดสินที่ลำเอียง Uber จึงมีการใช้ AI Algorithm เข้ามาวิเคราะห์การทำงานของนักขับขี่แต่ละคน โดยนำปัจจัยต่าง ๆ มาวิเคราะห์ เช่นเรตติ้งที่ได้รับจากผู้โดยสาร ลักษณะความหลากหลายของงานที่รับ ความสม่ำเสมอ  อัตราการเกิดอุบัติเหตุ รวมไปถึงกำไรที่ผู้ขับได้ ซึ่งเป็นปัจจัยที่ล้วนเกี่ยวข้องกับประสิทธิภาพในการทำงานทั้งสิ้น
 

Use Case : AI ที่ให้ความสำคัญกับความหลากหลาย Diversio

หนึ่งในผู้บุกเบิก DEIB ในวงการ AI คือ Diversio โดยรูปแบบจะคล้ายกับ extension ที่สามารถเชื่อมเข้ากับ HR ของบริษัทใดก็ได้ โดย AI จะเข้าไปวิเคราะห์ความหลากหลายของพนักงานในบริษัท วิเคราะห์ออกมาเป็นข้อมูลที่เข้าถึงง่าย จากนั้นรายงานว่าหากอยากทำให้ที่ทำงานมีความหลากหลายมากขึ้น ผู้ประกอบการควรจะทำอย่างไร ? รวมไปถึงวิเคราะห์ผลลัพธ์ที่จะเกิดขึ้นเมื่อที่ทำงานมีความหลากหลายมากขึ้น โดยมีฐานข้อมูลมาจากบริษัทชั้นนำมากมายกว่า 20,000 บริษัท ซึ่ง Diversio ได้ถูกบริษัทใหญ่ ๆ นำไปใช้งานจริงแล้ว ไม่ว่าจะเป็นยักษ์ใหญ่ด้านการเงินการลงทุน Morgan Stanley บริษัทข้ามชาติอย่าง Honda ไปจนถึง Amazon และอื่น ๆ อีกมากมาย
 

ผู้พัฒนา AI จะต้องหลากหลาย และเท่าเทียม

สุดท้าย เราจะต้องมาพูดในแง่มุมของผู้พัฒนาระบบ AI เสียเอง ในการที่จะสร้าง AI ที่มีพื้นฐาน DEIB ภายในทีมผู้พัฒนาจะต้องมีความหลากหลายเสียเอง ซึ่งเป็นสิ่งที่ผู้พัฒนารายใหญ่หลากหลายทีมเริ่มหันมาให้ความสำคัญมากขึ้น โดยนี่คือเทรนด์ต่าง ๆ ที่ผู้พัฒนาควรตระหนัก

• เพิ่มแง่มุมของคนกลุ่มน้อย : AI แม้จะมีประสิทธิภาพ ก็สามารถเป็นภาพสะท้อนความลำเอียงของผู้พัฒนา ฉะนั้นในการที่จะทำให้ AI ฉลาดขึ้น และเข้าใจคนมากขึ้น ควรเพิ่มข้อมูลจากหลากหลายแหล่ง เพื่อทำให้มุมมอง การวิเคราะห์ของ AI มีความหลากหลายมากขึ้น
• ดีไซน์ที่มีความ User-centric : AI ที่ดีจะต้องให้ความสำคัญกับคน ไม่ได้แทนที่ และจะต้องไม่จำกัดอีกด้วยว่าผู้ใช้จะต้องเป็นเพียงผู้มีความรู้ด้านโปรแกรม หรือมีความเชี่ยวชาญด้านคอมพิวเตอร์เท่านั้น ผู้พัฒนาระบบ AI เริ่มให้ความสำคัญกับ UX/UI ที่เข้าถึงคนกลุ่มใหญ่มากขึ้น หรือจะเป็นรูปแบบ low code / no code ไปจนถึง drag and drop ที่ใคร ๆ ก็สามารถใช้ได้ ก็ล้วนมีส่วนสร้างความ inclusion มากขึ้นเท่านั้น
• รวมเรื่องวัฒนธรรมเข้ากับ AI : วัฒนธรรมเฉพาะกลุ่ม นำไปสู่ความเข้าใจชนชาติที่หลากหลายมากขึ้น การรวบรวมวิถีปฏิบัติของทุกชนชั้น ชาติพันธ์ุ สามารถนำไปสู่ความเข้าใจผู้คนที่หลากหลายมากขึ้น ในท้ายที่สุดระบบ AI จะมีความฉลาด และเข้าใจบริบทสังคมต่าง ๆ มากขึ้น

ทั้งนี้ทั้งนั้น เราไม่ควรรู้สึกว่า AI เป็นผู้ดี หรือผู้ร้าย มันขึ้นอยู่กับการนำระบบมาใช้งาน ในบริบทที่ถูกต้อง ตัวคุณ และบริษัทเองก็จะต้องเริ่มสร้างวัฒนธรรมที่เปิดกว้างก่อน แล้วจึงนำเทคโนโลยีต่าง ๆ มาเสริมสร้างสภาพแวดล้อมที่เป็นมิตร และเปิดกว้าง