เมื่อวันพฤหัสที่ผ่านมา ออราเคิลประเทศไทยจัดงาน Oracle Cloud Day 2018 และผมได้มีโอกาสสัมภาษณ์ Christopher Chelliah ตำแหน่ง Group Vice President and Chief Architect, Core Technology and Cloud ดูแลสินค้ากลุ่มคลาวด์ในภูมิภาคเอเชียแปซิฟิกทั้งหมด

ก่อนการสัมภาษณ์ คุณ Chelliah ได้บรรยายในงานถึงคลาวด์ในยุคต่อไปของออราเคิลที่เน้นความสามารถห้าด้านหลัก ได้แก่ การทำงานเป็นอัตโนมัติ (Autonomous Platform Service), ควบคุมโครงสร้างพื้นฐานด้วยโค้ด (Infrastructure as Code), IoT, Blockchain, และ AI

ในบรรดาฟีเจอร์หลักบล็อคเชนดูจะแตกต่างที่สุด เพราะไม่ใช่ผู้ให้บริการทุกรายจะให้ความสนใจให้บริการนัก อย่างไมโครซอฟท์ที่มีบริการบล็อคเชนบน Azure หลายตัวก็ไม่ได้โปรโมทนัก ส่วน AWS นั้นถึงซีอีโอถึงกับเคยให้ความเห็นไว้ว่าบล็อคเชนน่าจะใช้งานอื่นนอกจากสมุดบัญชีแบบกระจายตัว (distributed ledger) ได้ไม่มากนัก สำหรับงานด้าน AI แม้การนำเสนอของคุณ Chelliah จะระบุว่าเป็นด้านหลัก แต่ฟีเจอร์ของออราเคิลเช่น Coversational AI ก็ยังต้องอาศัยเทคโนโลยีของผู้ให้บริการรายอื่น เช่น บริการ text-to-speech และ speech-to-text ทำให้โดยตัวโซลูชั่นไม่ได้ครบในตัวเอง

สองประเด็นนี้จึงกลายเป็นประเด็นหลักในการสัมภาษณ์ต่อไปนี้

มุมมองของออราเคิลต่อบล็อคเชนเป็นอย่างไร มันจะเปลี่ยนแปลงวงการใดได้บ้าง

การใช้งานบล็อคเชนจะไปได้ไกลกว่าบริการเงินเป็นอย่างมาก ด้วยลักษณ์สามประการของบล็อคเชน 1. ทำหน้าที่เป็นสมุดบัญชี 2. ตัวสมุดบัญชีกระจายตัวไปให้ทุกคนที่เกี่ยวข้องกับรายการนั้น 3. เมื่อเขียนข้อมูลลงไปแล้วไม่สามารถแก้ไขหรือลบได้

ตัวอย่างหนึ่งคือข้อมูลสุขภาพ เมื่อเราไปโรงพยาบาลเราต้องตรวจและได้ข้อมูลต่างๆ จำนวนมาก ข้อมูลนั้นเป็นของคนไข้ และอาจจะมีหลายคนต้องการเข้าถึงข้อมูลนั้น บริษัทยาอาจจะต้องการข้อมูลเพื่อพัฒนายาต่อไป, รัฐบาลต้องการข้อมูลเพื่อการบริหารระบบสุขภาพโดยรวม บริษัทยาอาจจะขอข้อมูลเป็นรายคน

อีกตัวอย่างคือรถยนต์ที่เราอาจจะตื่นเต้นกับรถไร้คนขับ แต่รถทุกวันนี้ก็สร้างข้อมูลจากเซ็นเซอร์ต่างๆ ขึ้นมามหาศาล เช่น อัตราเร่ง ลักษณะการขับขี่ ทุกวันนี้บริษัทรถบางบริษัทอาจจะส่งข้อมูลเหล่านี้กลับไปยังผู้ผลิต แต่ถ้าบริษัทยางสามารถขอข้อมูลได้โดยตรง, หรือหน่วยงานรัฐที่ดูแลถนนสามารถขอข้อมูลได้เช่นกัน ไปจนถึงบริษัทน้ำมัน บริษัทเหล่านี้สามารถขอเข้าถึงข้อมูลโดยให้ค่าตอบแทนกับเจ้าของข้อมูลได้โดยตรงโดยไม่มีตัวกลาง

ใครก็ตามที่คิดว่าบล็อคเชนใช้ได้กับธุรกิจการเงินเท่านั้นก็นับว่าสายตาสั้น (shortsighted) อย่างมาก

บริการของออราเคิลตอนนี้ยังต้องอาศัยความสามารถของภายนอกอยู่ เช่น text-to-speech ในอนาคตบริษัทจะพัฒนาเทคโนโลยีของตัวเองไหม

เราลงทุนกับเทคโนโลยีที่เราสร้างความแตกต่างได้ โดยตัว Conversational AI ต่างจากบริการอย่าง speech-to-text (STT) และ text-to-speech (TTS) ทั้งสองอย่างเป็นเพียงยอดภูเขาน้ำแข็งของบริการที่ฉลาดอื่นๆ คำถามสำคัญกว่าคือเราจะนำบริการเหล่านี้ไปสร้างคุณค่าทางธุรกิจได้อย่างไร

แนวทางหนึ่งที่มีการใช้งาน คือบริษัทบำรุงรักษาเครื่องบิน ที่ใช้ Coversational AI กับช่างที่มือไม่ว่าง เมื่อช่างถามหาชิ้นส่วน Conversational AI เชื่อมต่อระบบ supply chain เพื่อนำชิ้นส่วนมาถึงมือช่างได้อย่างแม่นยำ ตัว STT และ TTS เป็นเพียงอินเทอร์เฟซ ที่หากไม่มีระบบประมวลผลที่ดีพอก็สร้างคุณค่าได้ยาก เราจึงลงทุนกับส่วนสำคัญก่อน

สำหรับงานอื่น การสร้างระบบ machine learning ต้องการส่วนประกอบสองอย่างคือ ข้อมูลและอัลกอริทึม ออราเคิลเป็นบริษัทที่ทำงานกับข้อมูลมาโดยตลอด ส่วนอัลกอริทึมนั้นลูกค้าสามารถใช้อัลกอริทึมใดก็ได้ ตั้งแต่อัลกอริทึมโอเพนซอร์ส หรืออัลกอริทึมจากผู้ให้บริการรายอื่น

ทำไมเซิร์ฟเวอร์ที่ Oracle Cloud จึงมีขนาดใหญ่ (เครื่องเล็กที่สุด 45 ดอลลาร์ต่อเดือน) มองแต่ลูกค้ารายใหญ่หรือไม่

เครื่องที่เล็กที่สุดของเรามี 2 ซีพียู แรม 7 กิกะไบต์ ขนาดพอๆ กับโน้ตบุ๊กที่เราใช้งานกันทั่วไปเท่านั้น เราไม่คิดว่าเครื่องขนาดนี้เป็นขนาดใหญ่เกินไปสำหรับงานส่วนใหญ่ ถ้ามีงานที่ต้องการเครื่องเล็กกว่านั้นอาจจะไปใช้คอมพิวเตอร์ขนาดเล็กอย่าง Rasberry Pi ก็ยังได้

เราเชื่อว่าเครื่องที่ขนาดเท่ากัน Oracle Cloud ทำราคาถูกกว่าคู่แข่งอยู่แล้ว และหากใช้งานฐานข้อมูลแบบ PaaS ประสิทธิภาพของเรายิ่งดีกว่ามาก และการคิดราคาเป็นแพ็กเกจรวมกันไม่คิดแยกส่วนย่อยๆ

ออราเคิลพูดถึง Autonomous Services หมายถึงอะไรบ้าง

มองให้เหมือนรถยนต์จากเดิมที่เป็นเกียร์อัตโนมัติ มันอาจจะทำงานบางอย่างได้อัตโนมัติเช่นเปลี่ยนเกียร์ แต่ไม่ได้เข้าใจสภาพภายนอกรถเหมือนรถอัตโนมัติที่สามารถทำได้มากกว่านั้นเพราะมันรับรู้ข้อมูลทั้งสภาพถนนภายนอก, สภาพอากาศ, สิ่งกีดขวางอื่นๆ ทำให้สามารถควบคุมทิศทาง, ความเร็ว, ไปจนถึงการเบรกฉุกเฉินด้วยตัวเอง

บริการคลาวด์ทุกวันนี้ในกลุ่ม PaaS เท่านั้น เรามองว่าระบบระดับ Autonomous ต้องอัตโนมัติได้มากกว่าเดิม ตั้งแต่การ สำรองข้อมูล, การกู้ข้อมูล และโดยเฉพาะการรักษาความปลอดภัยข้อมูล โดยระบบป้องกันข้อมูลแบบ Autonomous พยายามหารูปแบบการเข้าถึงข้อมูล ทั้งผู้เข้าถึง, เวลาที่เข้าถึง, สถานที่ที่ผู้ใช้เข้าถึงข้อมูล, ไปจนถึงเหตุผลที่ต้องการเข้าถึงข้อมูล

เมื่อเกิดเหตุ ระบบ machine learning สามารถแก้ไขด้วยตัวเองได้ เช่น เมื่อมีการเชื่อมต่อน่าสงสัย มันสามารถหยุดหรือดีเลย์การเชื่อมต่อไว้ก่อน, และเมื่อฐานข้อมูลมีปัญหาก็สามารถแก้ได้ด้วยตัวเอง บริการเหล่านี้เราประกาศตั้งแต่ปลายปีที่แล้วและเริ่มให้บริการไม่กี่สัปดาห์ที่ผ่านมา

ลูกค้าในไทยที่เริ่มใช้บริการแบบ Autonomous ไปแล้วคือ บุญเติม ที่ย้ายฐานข้อมูลขึ้นแพลตฟอร์มแบบ Autonomous และสามารถเพิ่มประสิทธิภาพการคิวรีได้ถึง 80 เท่าตัว จากระบบอัตโนมัติที่วิเคราะห์การคิวรีและปรับปรุงฐานข้อมูล สร้างอินเด็กซ์ให้ฐานข้อมูลได้เอง