Category: Uncategorized

วันพุธที่ 21 พฤษภาคม 2568 ผมได้รับเกียรติจากสถาบันวิทยาการประกอบการแห่งอโยธยา (IESA) ให้มาแบ่งปันมุมมองเรื่อง ‘AI กับการศึกษาเภสัชศาสตร์’ (AI in Pharmacy Edu) กับคณาจารย์และน้องๆ นักศึกษาครับ ตอนที่รับโจทย์มา แวบแรกในหัวคือ “จะเริ่มตรงไหนดี?” เพราะคำว่า AI ทุกวันนี้มันเหมือนคลื่นยักษ์ที่ซัดเข้ามาในทุกวงการ ไม่เว้นแม้แต่งานที่เราทำอยู่ทุกวัน หลายคนอาจจะรู้สึกเหมือนผมครับ คือเริ่มจะ “overwhelmed” หรือมึนงงไปหมดว่าแล้วมันจะเกี่ยวกับชีวิตเรายังไง เราจะตามมันทันได้ยังไง?

ผมอยากชวนทุกท่านลองนึกภาพตามนะครับ แค่เมื่อคืนวาน Google ก็เพิ่งเปิดตัว AI รุ่นใหม่ในงาน Google I/O วันซืน Microsoft ก็ปล่อยฟีเจอร์ AI ใหม่ๆ ออกมาเป็นพรวน ไม่กี่วันก่อน ChatGPT ก็อัปเดตความสามารถใหม่ที่ชื่อ Codex ซึ่งช่วยเขียนโปรแกรมคอมพิวเตอร์ (coding) ได้! เรื่องนี้ทำเอาโปรแกรมเมอร์หลายคนเริ่มรู้สึกว่าอาชีพตัวเองไม่มั่นคง (secure) อีกต่อไปแล้ว ขนาดผมเองที่ติดตามเรื่องนี้อย่างใกล้ชิด ยังยอมรับเลยครับว่า “ตามไม่ทัน!”

เรื่องนี้ทำให้ผมนึกย้อนไปเมื่อ 2-3 ปีก่อน ตอนนั้นถ้ามีใครถามว่าอยากให้ลูกหลานเรียนอะไร คำตอบยอดฮิตคงหนีไม่พ้น “เรียน coding สิ!” มีการส่งเสริมเรื่อง STEM ศึกษา (STEM Study) กันยกใหญ่ ให้เด็กๆ คิดแบบโปรแกรมเมอร์ (programming thinking) ตั้งแต่เล็กๆ ซึ่งก็ไม่ใช่เรื่องเสียหายนะครับ เพราะวิธีคิด (mindset) ที่ถูกต้องสำคัญมาก มันจะนำทางเราไปในทิศทางที่ถูก แต่ถ้าเราโตมาเป็นแค่โปรแกรมเมอร์ที่เขียนโค้ดง่ายๆ เป็นอย่างเดียว วันนี้อาจจะหนาวๆ ร้อนๆ หน่อย เพราะหลายๆ งาน โดยเฉพาะงานระดับเริ่มต้น (junior level) กำลังถูก AI เข้ามาแทนที่แล้วจริงๆ

ท่านอาจารย์จักรพันธ์กรุณาแนะนำผมว่าโดยปัจจุบันผมทำบริษัทของตัวเองชื่อ ฟาร์ม คอนเน็กชั่น (Pharm Connection) เน้นจัดอบรมให้บุคลากรในอุตสาหกรรมยาเป็นหลัก และอีกบทบาทคือเป็นกรรมการฝ่ายวิชาการของสมาคมเภสัชกรรมการตลาด (ประเทศไทย) หรือ PAMT ซึ่งเราก็จัดคอร์สพัฒนาศักยภาพคนในวงการอยู่เสมอ อย่างล่าสุดมีคอร์สระยะสั้น 4 เดือนของวิทยาลัยการบริหารเภสัชกิจ (ภายใต้สภาเภสัชกรรม) ที่ช่วยปั้นผู้จัดการรุ่นใหม่ (Junior Manager) ให้เติบโตอย่างรวดเร็ว และแน่นอนครับ เราบรรจุเรื่อง AI เข้าไปในหลักสูตรด้วย เพราะเรารู้ว่า AI เก่งเรื่อง “เฟรมเวิร์ก” (framework) มาก

ลองคิดดูนะครับ เวลาเราทำธุรกิจ เราก็ต้องใช้เฟรมเวิร์กใช่ไหมครับ ไม่ว่าจะเป็น SWOT Analysis, การวิเคราะห์ข้อมูลอินไซต์ (insight data) เพื่อไปสู่การทำ Segmentation, Targeting, Positioning (STP) หรือแม้แต่การวางกลยุทธ์ 4P ทั้งหมดนี้คือเฟรมเวิร์กทั้งนั้น ถ้าเรามี “สารตั้งต้น” หรือข้อมูลที่ดี การใช้ AI ช่วยวิเคราะห์จะทรงพลังกว่าเดิมมหาศาล นี่คืออาวุธที่เราติดให้กับนักการตลาดรุ่นใหม่ครับ

วันนี้ผมเลยอยากมา “แชร์” มุมมองเรื่อง AI กับงานเภสัชกรรม โดยเฉพาะในมิติการศึกษากับคณาจารย์และน้องๆ ที่ IESA แห่งนี้ อาจจะมี 4 ประเด็นหลักๆ ที่อยากชวนคุยกันครับ:

1. บทบาทของเทคโนโลยีในงานเภสัชกรรมยุคดิจิทัล
2. การนำ AI และระบบอัตโนมัติ (automation) มาใช้กับงานเภสัชกรรม (ตรงนี้จะมี use case เยอะหน่อย)
3. ศัพท์แสง AI ที่ควรรู้ และแพลตฟอร์มที่น่าสนใจ
4. เราจะเตรียมตัวอย่างไรในยุคนี้

AI ไม่ใช่เรื่องใหม่ แต่ทำไมเพิ่งมาบูม?

จริงๆ แล้ว AI (Artificial Intelligence) หรือปัญญาประดิษฐ์ อยู่กับเรามานานมากแล้วครับ ตั้งแต่ยุคที่เราเริ่มมีข้อมูลเยอะๆ อย่างเครื่องถอดรหัสอีนิกม่า (Enigma) ในสงครามโลกครั้งที่ 2 ที่นำไปสู่การสร้างคอมพิวเตอร์ นั่นก็คือจุดเริ่มต้นของการพยายามเลียนแบบพฤติกรรมมนุษย์ พอมีคอมพิวเตอร์ เราก็เริ่มทำให้เครื่องจักรฉลาดขึ้นเรื่อยๆ คำว่า AI จึงมีมาตั้งแต่ยุค 1980s-1990s แล้วครับ

คำถามคือ ทำไม AI ยุคแรกๆ ถึงไม่แพร่หลายเท่าวันนี้? นั่นเพราะ AI ยุคเก่าเหมือน “ผู้เชี่ยวชาญเฉพาะทาง” ครับ ต้องใช้ข้อมูลเฉพาะ ป้อนคำสั่งเฉพาะผ่านแพลตฟอร์มเฉพาะ ลองนึกภาพสมัยผมเรียน MBA อาจารย์ให้เอาข้อมูลแบบสอบถามมาทำ Segmentation เราก็ต้องใช้สติปัญญาของเราเอง หรือถ้าจะใช้ AI ก็ต้องรู้ภาษา Python ต้องทำ Clustering Analysis ซึ่งมันไม่ง่ายสำหรับทุกคน AI ยุคแรกๆ นี้เราเรียกว่า ANI (Artificial Narrow Intelligence) หรือปัญญาประดิษฐ์เชิงแคบ คือเก่งเฉพาะเรื่อง เช่น AI อ่านฟิล์มเอกซเรย์เพื่อหารอยโรค ก็จะเก่งแค่อ่านฟิล์ม

แต่ AI ในยุคนี้ที่เราตื่นเต้นกัน โดยเฉพาะตั้งแต่การมาของ ChatGPT เนี่ย มันแตกต่างออกไปครับ เพราะมันเข้าใจ “ภาษาธรรมชาติ” (Natural Language Processing – NLP) ของเราได้ พูดง่ายๆ คือเราคุยกับมันเหมือนคุยกับคนได้เลยครับ คำพูดหรือตัวอักษรที่เราพิมพ์เข้าไปจะถูกแปลงเป็นข้อมูลที่มีทิศทาง (vector database) ทำให้มัน “ทำนาย” คำต่อไปได้ เหมือนที่เห็น ChatGPT พิมพ์ตอบเราทีละคำนั่นแหละครับ

เป้าหมายของผู้สร้างอย่าง OpenAI คือการไปให้ถึง AGI (Artificial General Intelligence) หรือปัญญาประดิษฐ์ทั่วไป ที่รู้รอบด้าน สั่งงานได้ และทำให้เสร็จ! จากที่เคยคาดว่า AGI อาจใช้เวลาอีก 20 ปี ตอนนี้อาจจะเหลือแค่ 3-5 ปีเท่านั้น ส่วน ASI (Artificial Superintelligence) แบบในหนังไซไฟอย่าง Skynet ใน Terminator หรือ Jarvis ของ Iron Man อันนั้นยังอีกไกลครับ ตอนนี้เรากำลังอยู่ในช่วงเปลี่ยนผ่านจาก ANI ไป AGI ครับ

ดิจิทัลสี่สหาย: ABCD แห่งยุคข้อมูลข่าวสาร

การมาของเทคโนโลยีดิจิทัลเป็นเหมือนน้ำมันที่ราดเข้ากองไฟของ AI ครับ เพราะมันสร้างข้อมูลมหาศาล (Big Data) ลองนึกถึงโซเชียลมีเดียสิครับ คอนเทนต์เกิดขึ้นใหม่ทุกวินาที บริษัทที่ปรึกษาอย่าง Gartner จะสรุปทุกปีว่ามีเทคโนโลยีอะไรน่าจับตามอง ซึ่งถ้าเราสังเกตดีๆ จะมี “4 สหาย” ที่มาแรงทุกปี ผมขอเรียกว่า ABCD เพื่อง่ายต่อการจำครับ

• A – AI (Artificial Intelligence): พระเอกของเราในวันนี้
• B – Blockchain: เทคโนโลยีเก็บข้อมูลแบบกระจายศูนย์ ปลอมแปลงยาก ที่เราคุ้นเคยจากการใช้เก็บมูลค่าเงินดิจิทัล หรือในบางประเทศใช้ติดตามการขนส่งยา (supply chain) เพื่อป้องกันยาปลอม
• C – Cloud Computing: ทำให้เราไม่ต้องมีห้องเซิร์ฟเวอร์ (server) ใหญ่โตอีกต่อไป บริษัทสตาร์ทอัพใหม่ๆ แทบไม่มีห้องเซิร์ฟเวอร์แล้วครับ เขาเช่าระบบประมวลผลบนคลาวด์เอา ทำให้คอมพิวเตอร์เราไม่จำเป็นต้องแรงสุดๆ ก็ยังคุยกับ AI อย่าง OpenAI ได้ เพราะการประมวลผลส่วนใหญ่อยู่บนคลาวด์
• D – Data (Big Data): หัวใจสำคัญที่สุด! ท่านอาจารย์จักรพันธ์เคยถามผมว่ายุคนี้ต้องมี Big Data ไหมถึงจะไป AI ได้ ผมขอตอบว่าจริงๆ แล้วเราต้องการ “Good Data” หรือข้อมูลที่ดีมีคุณภาพต่างหากครับ

ผมอยากจะเน้นเรื่อง Data เป็นพิเศษครับ คนที่มี Data ที่แม่นยำและถูกต้อง (accurate) จะเป็นผู้ชนะในเกมนี้ ลองคิดดูนะครับ ทำไมวงการสุขภาพ (healthcare) ที่มีคนเก่ง AI ทั้งใน Google, Microsoft, OpenAI อยู่เต็มไปหมด ถึงยังไม่ถูกพลิกโฉม (disrupt) เท่าที่ควร? เพราะคนเหล่านั้นมีเครื่องมือ แต่พวกเขา “เข้าถึง Data ไม่ได้” ครับ!

พวกเราในสายสุขภาพนี่แหละครับที่มี Data อยู่ในมือ เภสัชกรร้านยามีข้อมูลการเจ็บป่วยของสมาชิกในชุมชน เภสัชกรโรงพยาบาลเห็นภาพรวมว่าคนไข้แต่ละคนได้รับยาอะไร ได้รับการรักษา (intervention) อะไรมาบ้าง ถ้าเราสามารถนำ Data เหล่านี้มาใช้ประโยชน์ได้ มันจะเป็นจุดเปลี่ยนที่สำคัญมากครับ

จาก AI รับคำสั่ง สู่ AI สร้างสรรค์ (Generative AI)

AI ยุคแรกๆ ที่เป็น ANI นั้น มักจะทำงานเป็นอย่างๆ ไป (task AI) เช่น รับข้อมูลมาแล้วทำนาย (prediction) อย่างที่ธนาคารใช้ AI วิเคราะห์ข้อมูลลูกค้าเพื่อทำนายความเสี่ยงในการเบี้ยวหนี้สินเชื่อ หรือโรงพยาบาลใช้ข้อมูลคลังยาทำนายการจัดซื้อยาให้เหมาะสม (optimization) หรือการจัดกลุ่ม (classification) รูปหมาแมวจากรูปภาพเป็นพันๆ รูป ซึ่งหลักการเดียวกันนี้ถูกนำไปใช้กับฟิล์มเอกซเรย์, CT Scan จนเกิดเป็นศาสตร์ที่เรียกว่า Computer Vision ทำให้คอมพิวเตอร์ “เห็น” และ “เข้าใจ” ภาพได้

แต่ AI ที่กำลังฮิตติดลมบนตอนนี้คือ Generative AI หรือ AI ที่สามารถ “สร้างสรรค์” สิ่งใหม่ๆ ได้ครับ จุดเริ่มต้นของมันน่าสนใจมาก พวกเรารู้จัก Google Translate ใช่ไหมครับ มันก็คือ AI ตัวหนึ่งที่เรียนรู้การแปลภาษาที่โครงสร้างต่างกันมากๆ จนแม่นยำขึ้นทุกปี แล้วก็มีคนหัวใส (คือ OpenAI นี่แหละ) คิดว่า “ถ้าเราป้อนข้อมูลความรู้มหาศาลเข้าไปใน AI แบบนี้ มันจะฉลาดขึ้นกว่าแค่แปลภาษาไหม?” ผลลัพธ์ก็คือ ChatGPT ที่ไปกวาดความรู้ (ทั้งจริงทั้งเท็จ) บนอินเทอร์เน็ตมาเรียนรู้ จนกลายเป็น “โมเดลภาษาขนาดใหญ่” (Large Language Model – LLM) อย่างที่เราเห็นกัน

LLM พวกนี้ (เช่น GPT ของ OpenAI, Claude ของ Anthropic, หรือ Grok ของ Elon Musk) มันเหมือน “หม้อแปลงอัจฉริยะ” ครับ (Generative Pre-trained Transformer – GPT) เราสั่งให้มันเขียนบทความ, ทำนายคำ, สร้างรูปภาพ (อย่างที่ผมลองสั่งให้สร้างภาพเภสัชกรสไตล์ Ghibli Art), สังเคราะห์เสียง หรือแม้แต่สร้างวิดีโอก็ยังได้! นี่คือพลังของ Generative AI ที่ทำงานได้หลากหลาย (multi-modal) ครับ

AI กับเส้นทางผู้ป่วย (Patient Journey) ที่เปลี่ยนไป

เมื่อก่อนถ้าเราป่วย ก็ไปโรงพยาบาลหรือร้านยา แต่เดี๋ยวนี้เป็นยังไงครับ? “Search ก่อน!” ใช่ไหมครับ และที่น่าสนใจคือ คนไม่ได้ Search แค่ใน Google แล้วนะครับ หลายคนไป Search ใน TikTok! ผมเคยไปงานประชุมต่างจังหวัด น้องผู้แทนยา (medical representative) จะหาร้านอาหาร เขาเปิด TikTok ครับ! เขาบอกว่ามันเห็นภาพเคลื่อนไหว เห็นบรรยากาศร้านจริงๆ

ทีนี้พอคนไปหาข้อมูลเองจากโซเชียลมีเดีย ซึ่งมีทั้งข้อมูลจริง เท็จ ปนเปกันไปหมด เราจะทำยังไงให้เขาได้ข้อมูลที่ถูกต้อง? เครื่องมือหนึ่งคือ Digital Health Platform หรือแอปพลิเคชันสุขภาพเฉพาะทาง เช่น แอปฯ ช่วยดูแลอาการปวดเมื่อย (บางตัวได้ FDA approve เป็นเครื่องมือแพทย์แล้วนะครับ) แอปฯ ช่วยบำบัดอาการนอนไม่หลับ (insomnia) หรือช่วยเลิกบุหรี่ ถ้ายังไม่พอ ก็อาจจะใช้บริการสุขภาพทางไกล (Telehealth) ซึ่งรวมทั้ง Telepharmacy และ Telemedicine คือการปรึกษาบุคลากรการแพทย์แบบหนึ่งต่อหนึ่งผ่านระบบออนไลน์ แต่ถ้าอาการหนักจริงๆ สุดท้ายก็ยังต้องมาที่สถานพยาบาล (on-site service) อยู่ดี นี่คือ Patient Journey ยุคใหม่ที่ AI กำลังจะเข้ามามีบทบาทมากขึ้นเรื่อยๆ ครับ

AI ในงานเภสัชกรรม: กรณีศึกษาที่น่าสนใจ

1. AI เพื่อการพยากรณ์และวินิจฉัยโรค:
   • มีการนำ AI มาช่วยพยากรณ์โรคจากข้อมูลอุปกรณ์สวมใส่ (wearable devices)
   • บริษัท IQVIA มีฐานข้อมูล Digital Medicine Database ที่แสดงให้เห็นการเติบโตของแอปฯ ช่วยวินิจฉัยโรคกว่า 100 แอปฯ
   • ตัวอย่าง: Percepta AI ช่วยอ่านภาพรังสีวินิจฉัย, เสียง AI ของ VISTEC (มหาวิทยาลัยของ ปตท.) ที่ใช้วิเคราะห์การนอนหลับ, Presenta AI ของอาจารย์หมอศิริราชที่ให้นักศึกษาแพทย์จำลองการวินิจฉัยคนไข้
2. AI กับการบริหารจัดการ Workflow ในโรงพยาบาล/ร้านยา:
   • AI Soap Mate (โปรเจกต์ส่วนตัวของผม): ลองจินตนาการว่าน้องเภสัชกรคุยกับคนไข้ บันทึกอาการ แล้ว AI ช่วยวิเคราะห์ข้อมูลตามเฟรมเวิร์ก SOAP (Subjective, Objective, Assessment, Plan) และ Export ออกมาเป็นรายงานได้เลย
   • Robotic Process Automation (RPA): ผมทำวิจัย ป.เอก เรื่องการใช้ RPA ในร้านยาชุมชน พบว่างานหลังบ้าน (back-end) อย่างการจัดการคลังสินค้า การดูแลข้อมูลคนไข้ สามารถทำเป็นระบบอัตโนมัติได้เยอะมาก เช่น สร้างบอทไปกวาดข้อมูลจากหน้าเว็บแดชบอร์ดของ Arincare มาประมวลผลด้วย ChatGPT แล้วสร้างเป็นรายงานเฉพาะบุคคล หรือสกัดราคาสินค้าคู่แข่งจากหลายๆ เว็บไซต์พร้อมกัน แล้วเซฟลง Excel โดยอัตโนมัติ ทั้งหมดนี้ทำได้ด้วยโปรแกรมอย่าง Power Automate ที่มีอยู่ใน Windows อยู่แล้ว
3. AI กับเภสัชกรรมทางไกล (Telepharmacy):
   • ช่วงโควิด บางโรงเรียนแพทย์มีผู้ใช้บริการ Telepharmacy สูงถึง 30%
   • การสร้างเว็บไซต์/แพลตฟอร์มร้านยาด้วย AI: ผมลองสั่ง ChatGPT 4.0 ให้เขียนรายละเอียดบริการร้านยา แล้วให้มัน Generate Code สร้างเป็นหน้าเว็บไซต์ (landing page) ง่ายๆ ได้ใน 5 นาที! หรือใช้แพลตฟอร์มอย่าง Lovable.dev พิมพ์บอกว่า “ช่วยออกแบบระบบนัดหมายปรึกษาเภสัชกรร้านยาที่สตูลหน่อย โดยให้คนไข้กรอกข้อมูลแล้วระบบส่งนัดหมายผ่าน Google Meet” ไม่ถึง 5 นาที ได้แพลตฟอร์ม Telepharmacy ของตัวเอง! ร้านยาทุกร้านสามารถมีแพลตฟอร์มของตัวเองได้ ไม่ต้องรอใคร
4. AI กับการตรวจสอบการตีกันของยา (Drug Interaction):
   • เรื่องนี้สำคัญมากครับ มีงานวิจัยใน Journal of Clinical Pharmacology ทดลองให้ ChatGPT (รุ่น 3.5) เช็ค Drug Interaction พบว่าความไว (sensitivity) ต่ำมาก คือตอบถูกแค่ 16 จาก 100 เคส! นี่ชี้ให้เห็นว่า AI ทั่วไปอาจไม่เหมาะ ต้องเป็น AI ที่ถูกฝึกมาโดยเฉพาะ (fine-tuned) ด้วยข้อมูลยาที่ถูกต้องและครบถ้วน
   • ที่โรงพยาบาลในเกาหลีใต้ (Seoul National University Hospital) เขาพัฒนา AI ของตัวเอง โดยป้อนข้อมูลคลินิก ความเห็นผู้เชี่ยวชาญ แล้วให้ IT specialist อัปเดตระบบ กลายเป็น Knowledge Base ของโรงพยาบาล ช่วยลดปัญหา “Alert Fatigue” หรือการที่เภสัชกรเมินการแจ้งเตือนยาตีกันเพราะมันเด้งบ่อยเกินไป

ศัพท์ AI และเครื่องมือที่เภสัชกรรุ่นใหม่ควรรู้จัก

• Large Language Model (LLM): โมเดลภาษาขนาดใหญ่ที่เป็นหัวใจของ AI อย่าง ChatGPT
• Prompt Engineering: คือ “ศิลปะการตั้งคำถาม” หรือการเขียนคำสั่ง (prompt) ให้ AI เข้าใจและตอบสนองได้ตรงจุดที่สุด โครงสร้างที่ผมใช้บ่อยคือ RTF: Role (บทบาทของ AI), Task (งานที่ให้ทำ), Format (รูปแบบผลลัพธ์)
• Retrieval Augmented Generation (RAG): เทคนิคที่ทำให้ AI ตอบแม่นขึ้นโดยการให้มันไป “ค้นคว้า” ข้อมูลจากแหล่งที่เรากำหนดไว้ก่อนตอบ เช่น โรงพยาบาลเอาฐานข้อมูลตัวเองมาให้ AI เรียนรู้
• AI Agents: AI ที่ไม่ได้แค่ตอบคำถาม แต่สามารถ “ลงมือทำ” งานบางอย่างให้เราได้
• NotebookLM (จาก Google): เครื่องมือสุดเจ๋ง! เราสามารถอัปโหลดไฟล์ PDF, PowerPoint, Text file หรือแม้แต่ลิงก์ YouTube เข้าไป แล้วให้มันสรุปเนื้อหา, สร้าง Study Guide, ทำ Mind Map หรือแม้แต่สร้าง Podcast สั้นๆ จากเนื้อหานั้นได้เลย! ลองนึกภาพน้องๆ นักศึกษาใส่เอกสารประกอบการเรียนเข้าไป แล้วให้ AI ช่วยสรุปสิครับ ชีวิตดีขึ้นเยอะ!
• การทำ Automation ด้วยเครื่องมือ No-Code/Low-Code: เช่น Power Automate, Zapier ที่ช่วยให้เราสร้าง Workflow อัตโนมัติโดยไม่ต้องเขียนโค้ดซับซ้อน อย่างตัวอย่างการสแกนเรซูเม่ (Resume) ที่ผมทำให้ดู คืออัปโหลดไฟล์ PDF เรซูเม่เข้า Google Drive แล้วให้ AI (ผมใช้ Claude) ช่วยวิเคราะห์เทียบกับ Job Description ว่าผู้สมัครคนนี้มีจุดแข็ง จุดอ่อนตรงไหน สอดคล้องกับตำแหน่งงานกี่เปอร์เซ็นต์ ควรเรียกสัมภาษณ์ไหม ทั้งหมดนี้เกิดขึ้นอัตโนมัติ!

ความท้าทายและวิธีรับมือ: Hallucination และ Good Data

AI ก็มีจุดอ่อนครับ ที่เจอบ่อยคือ AI Hallucination หรือการที่ AI ตอบมั่ว ตอบผิด หรือแต่งเรื่องขึ้นมาเอง มันไม่ใช่ความผิดของ AI โดยตรง แต่เพราะมันเรียนรู้จากข้อมูลบนอินเทอร์เน็ตที่มีทั้งถูกและผิดปนกันไป วิธีลดปัญหานี้:

1. Prompt Engineering ที่ดี: ชี้เป้าให้ AI ไปหาข้อมูลจากแหล่งที่น่าเชื่อถือ
2. เลือกใช้ Model ที่เหมาะสม: AI แต่ละตัวมีบุคลิกต่างกัน GPT-4o อาจจะช่างคุย Claude อาจจะคิดเยอะกว่า
3. ใช้ RAG: ให้ AI ค้นคว้าข้อมูลเฉพาะที่เราป้อนให้
4. Fine-tuning: สอน AI เพิ่มเติม ปรับแก้เมื่อมันตอบผิด
5. Human Oversight: สำคัญที่สุดคือ “คน” ต้องตรวจสอบความถูกต้องเสมอ โดยเฉพาะในงานที่เกี่ยวข้องกับสุขภาพและชีวิต

และกลับมาที่เรื่อง Good Data ครับ น้องๆ นักศึกษาลองคิดดูนะครับ เวลาเรียนวิชาต่างๆ เราได้เอกสาร ตำรามากมาย แต่พอจบไป หลายคนอาจจะยังสกัดความรู้เหล่านั้นออกมาเป็น “ชุดข้อมูลที่พร้อมใช้งาน” ไม่ได้ เช่น จะเปิดร้านยา ต้องซื้อยาเข้าร้านเป็นพันรายการ ควรเลือกตัวไหน? ถ้าเราเริ่มสร้างฐานข้อมูลของเราเองตั้งแต่ตอนนี้ เช่น ชื่อยา ชื่อสามัญ ข้อบ่งใช้ ขนาดยา ฯลฯ พอมีข้อมูลที่ดี มันจะเป็นสปริงบอร์ดให้เราต่อยอดกับ AI ได้อย่างมหาศาล

ท่านอาจารย์จักรพันธ์เคยชวนคุยเรื่องการรวมศูนย์ข้อมูล (consolidate data) ในวงการสุขภาพ ซึ่งเป็นเรื่องที่ดีมากครับ แต่ความท้าทายของประเทศไทยคือความระมัดระวังเรื่องข้อมูลส่วนบุคคล (Data Privacy) ซึ่งก็เป็นเรื่องที่ถูกต้อง แต่เราต้องหาจุดสมดุลระหว่างความปลอดภัยกับนวัตกรรม (innovation) ให้ได้

เราจะเตรียมตัวอย่างไรในยุค AI ครองเมือง?

การศึกษาแบบเดิมๆ ที่เน้นการบรรยายในห้องอย่างเดียว อาจจะทำให้ความรู้เข้าหัวเราแค่ 25% แต่ถ้าเรานำ AI มาประยุกต์ใช้ เช่น ทำคลิปสั้นๆ 1-2 นาที สรุปเนื้อหา หรือใช้ซอฟต์แวร์อย่าง NotebookLM มาช่วยสร้าง Study Guide มันจะทำให้การเรียนรู้มีประสิทธิภาพมากขึ้นเยอะครับ

สำหรับคณาจารย์ อาจจะต้องปรับบทบาทจากการเป็น “ผู้สอน” (teacher) มาเป็น “ผู้อำนวยการเรียนรู้” (facilitator) มากขึ้น ออกแบบประสบการณ์การเรียนรู้ที่ให้นักศึกษาได้ลงมือทำจริง ได้ใช้เครื่องมือ AI จริงๆ ส่วนน้องๆ นักศึกษา ต้องเปิดใจเรียนรู้เทคโนโลยีใหม่ๆ ฝึกทักษะการใช้ AI เหล่านี้ให้คล่อง เพราะมันคือเครื่องมือที่จะทำให้เราทำงานได้เร็วขึ้น เก่งขึ้น และมีเวลาไปโฟกัสกับงานที่ต้องใช้ “ความเป็นมนุษย์” มากขึ้น เช่น การให้คำปรึกษา การดูแลคนไข้ด้วยหัวใจ

บทสรุปส่งท้าย

AI ไม่ได้มาเพื่อแทนที่เราครับ แต่มาเพื่อเป็น “ผู้ช่วยอัจฉริยะ” ที่จะปลดปล่อยศักยภาพของเราให้ก้าวไปได้ไกลกว่าเดิม การเดินทางของ AI ในวงการเภสัชศาสตร์เพิ่งเริ่มต้นเท่านั้น ยังมีอะไรให้เราเรียนรู้และค้นพบอีกมากมาย ผมเชื่อว่าหากสถาบันการศึกษาอย่าง IESA เริ่มนำ AI มาบูรณาการกับการเรียนการสอนอย่างจริงจัง เราจะสามารถผลิตบัณฑิตเภสัชกรรุ่นใหม่ที่มีทั้งความรู้ ทักษะ และความเข้าใจในเทคโนโลยี พร้อมที่จะขับเคลื่อนวงการสุขภาพของไทยให้ก้าวหน้าได้อย่างแน่นอนครับ

แล้วเราล่ะครับ ในฐานะนักศึกษา คณาจารย์ หรือผู้ประกอบการในอนาคต เราจะเริ่มจับคลื่น AI ลูกนี้อย่างไร ให้เป็นประโยชน์กับตัวเราและวงการเภสัชกรรมไทยได้อย่างยั่งยืน? นี่คือคำถามที่ผมอยากฝากให้ทุกท่านกลับไปขบคิดต่อครับ

ขอบคุณครับ