วิเคราะห์และรีวิว: UN ร่วมมือกับ Google เตรียมข้อมูลระดับโลกให้พร้อมสำหรับ AI Agents

สหประชาชาติประกาศความร่วมมือกับ Google เปิดตัว UN System Data Commons ระบบที่สร้างบนเทคโนโลยี Data Commons แบบโอเพนซอร์สของ Google เพื่อจัดระเบียบสถิติระดับโลกให้ AI agents เรียกใช้และวิเคราะห์ต่อได้ง่ายขึ้น

แรงผลักดันสำคัญมาจากงานวิจัยของ UNICEF ที่พบว่าโมเดล AI ยอดนิยมยังตอบคำถามเกี่ยวกับตัวชี้วัดการพัฒนาโลกได้แม่นยำต่ำมาก นั่นทำให้การจัดระเบียบข้อมูลต้นทางกลายเป็นเรื่องเร่งด่วนกว่าที่คิด

เมื่อข้อมูลของโลกต้องพร้อมให้ AI อ่าน

UN System Data Commons ต้องทำให้ข้อมูลจากหน่วยงานต่างๆ ของ UN มีที่มาและบริบทชัดเจนพอให้ AI agent อ่านต่อได้ เมื่อ Google เข้ามาช่วยวางโครงสร้างข้อมูล งานจึงไม่ใช่แค่ทำให้ค้นเจอ แต่ต้องทำให้ระบบรู้ด้วยว่าตัวเลขแต่ละตัวหมายถึงอะไร มาจากปีไหน และเก็บด้วยวิธีใด

AI agent จะดึงข้อมูลไปสร้างกราฟหรือบทวิเคราะห์ได้อย่างน่าเชื่อถือ ก็ต่อเมื่อระบบแนบแหล่งที่มา ช่วงเวลา ประเทศ และวิธีเก็บข้อมูลไว้ครบ คนจึงยังตรวจสอบคำตอบได้ก่อนนำไปใช้ตัดสินใจจริง

วันที่ค้นตัวเลขของ UN แล้วไม่ได้คำตอบในไม่กี่วินาที

เหตุผลที่โครงการนี้เกิดขึ้นตอนนี้ไม่ใช่เรื่องบังเอิญ UNICEF ทดสอบโมเดล AI ขนาดใหญ่ 6 ตัวด้วยคำถามกว่า 133,000 ข้อเกี่ยวกับตัวชี้วัดการพัฒนาโลก ผลออกมาคือโมเดลตอบถูกเพียง 21.2% เท่านั้น

João Pedro Azevedo หัวหน้านักสถิติของ UNICEF สรุปปัญหาไว้ตรงๆ ว่า “About three in five responses did not provide a usable number at all” หรือราวสามในห้าของคำตอบทั้งหมดไม่มีตัวเลขที่ใช้งานได้จริงเลย เพราะโมเดลมักเลี่ยงการฟันธงตัวเลขที่ชัดเจนเมื่อข้อมูลต้นทางกระจัดกระจายและไม่มีบริบทกำกับ

ปัญหานี้ไม่ได้อยู่ที่ความฉลาดของโมเดลอย่างเดียว แต่อยู่ที่ข้อมูลต้นทางของ UN เองที่กระจายอยู่คนละหน่วยงาน ใช้คำจำกัดความและรูปแบบไฟล์ต่างกัน จนแม้แต่มนุษย์ยังต้องไล่เทียบเอกสารกันเองก่อนมั่นใจว่าตัวเลขพูดถึงเรื่องเดียวกัน

จากคลังสถิติของ UN สู่ชั้นข้อมูลสำหรับ AI agents

โครงการนี้ไม่ใช่แชตบอตตัวใหม่ แต่เป็นชั้นโครงสร้างข้อมูลที่วางตัวชี้วัดของ UN ให้ AI agents ค้นหา เชื่อมโยงแหล่งที่มา ตรวจสอบความหมาย และนำไปใช้ต่อได้ง่ายขึ้น ปัจจุบันมี 26 หน่วยงานของ UN ที่ประกาศเข้าร่วม โดยตั้งเป้าว่าจะนำข้อมูลสถิติราว 80% ของทั้งระบบ UN ขึ้นแพลตฟอร์มนี้ให้ได้ภายในปี 2027

ความร่วมมือกับ Google จึงอยู่ในภาพใหญ่เดียวกับ Data Commons ซึ่งเป็นเทคโนโลยีที่ Google ใช้เชื่อมข้อมูลสาธารณะจากหลายแหล่งเข้าด้วยกันอยู่แล้ว การนำมาปรับใช้กับข้อมูล UN คือการเปลี่ยนสถิติจากเอกสารที่ต้องเปิดหาเอง ให้กลายเป็นข้อมูลที่ระบบเข้าใจและเรียกใช้ได้เป็นขั้นตอนมากขึ้น

สิ่งที่เปลี่ยนไปจากการค้นข้อมูลแบบเดิม

จากเดิมที่ต้องเปิดพอร์ทัลหรือไล่ดูไฟล์สถิติทีละหน่วยงาน ข้อมูลที่เตรียมสำหรับ AI agents ทำให้ระบบค้นหา เชื่อมโยง และวิเคราะห์ต่อเป็นขั้นตอนได้ง่ายขึ้น

ลองนึกภาพการใช้งานจริงของข้อมูลที่พร้อมให้ตัวแทน AI

เมื่อข้อมูลจากหลายหน่วยงานของ UN อยู่ในโครงสร้างเดียวกัน AI agent จะค้นตัวชี้วัดที่เกี่ยวข้อง แล้วรวมเป็นคำตอบเดียวพร้อมที่มาให้ตรวจสอบได้

นักวิเคราะห์สามารถสั่งให้ AI ดึงข้อมูลการพัฒนามาจัดเป็นแดชบอร์ดหรือกราฟตามประเทศและช่วงเวลาได้ทันที ลดงานจัดข้อมูลซ้ำๆ ที่เคยต้องทำเองทุกครั้ง

ตัวเลขที่ UNICEF เปิดเผยเองก็สะท้อนแนวโน้มนี้ ผู้เข้าชมเว็บไซต์ UNICEF ที่มาจาก ChatGPT เพิ่มขึ้น 67% ในปีนี้ และเซสชันที่มาจากระบบ AI คิดเป็นราว 6.4% ของทราฟฟิกทั้งหมดในปี 2026 แปลว่าคนเริ่มถามสถิติผ่าน AI มากขึ้นจริง ไม่ใช่แค่ทฤษฎี

ทางเลือกอื่นมีอะไร และแนวทางของ UN ต่างกันตรงไหน

จุดต่างของ UN คือการเตรียมข้อมูลให้ AI ค้น เชื่อม และอธิบายที่มาได้ตั้งแต่ต้นทาง โดยอาศัยเทคโนโลยี Data Commons ที่ Google พัฒนาไว้อยู่แล้ว ไม่ใช่แค่เปิดฐานข้อมูลให้คนเข้าไปค้นเองแบบที่แพลตฟอร์มอื่นทำ

จุดแข็งของโครงการ และสิ่งที่ยังต้องพิสูจน์

จุดแข็งคือการรวมข้อมูลจากหน่วยงานระดับโลกไว้ในโครงสร้างเดียว แล้วเปิดให้ AI ค้นและเชื่อมโยงข้อมูลได้ง่ายขึ้น จึงมีโอกาสลดช่องว่างความแม่นยำที่งานวิจัยของ UNICEF ชี้ให้เห็น

ราคาที่ไม่ได้อยู่บนหน้าโครงการ

Google.org สนับสนุนทุนให้โครงการนี้ราว 2 ล้านดอลลาร์สหรัฐ แต่ต้นทุนจริงของการทำข้อมูลให้พร้อมสำหรับ AI ไม่ได้จบแค่เงินก้อนนั้น งานที่ตามมาคือการทำความสะอาดข้อมูล กำกับสิทธิ์การใช้งาน ดูแล API และยืนยันแหล่งที่มาต่อเนื่อง ทุกครั้งที่หน่วยงานต้นทางเปลี่ยนรูปแบบหรือเปลี่ยนเจ้าของข้อมูล

ยังมีค่าใช้จ่ายด้านความปลอดภัยและความเป็นส่วนตัวที่มองไม่เห็นจากภายนอก เช่น การควบคุมสิทธิ์เข้าถึง การตรวจสอบคำตอบของ AI agents และการแก้ไขข้อมูลที่คลาดเคลื่อน ทีมงานเองก็ต้องฝึกให้รู้เท่าทันข้อจำกัดของ AI ไม่อย่างนั้นระบบอาจตอบได้เร็วขึ้น แต่พาคนใช้ไปผิดบริบทเหมือนเดิมครับ

คำถามสำคัญไม่ใช่แค่ AI อ่านข้อมูลได้หรือยัง

ความสำเร็จของโครงการนี้ควรวัดจากตัวเลขความแม่นยำที่ขยับขึ้นจาก 21.2% ไม่ใช่แค่ AI agents เรียกข้อมูลได้เร็วขึ้น เพราะถ้าโมเดลยังตอบผิดบ่อยเท่าเดิม การจัดโครงสร้างข้อมูลใหม่ก็แก้ปัญหาที่ต้นเหตุไม่ได้

ต้องติดตามว่า UN และ Google จะทำให้ 26 หน่วยงานที่เข้าร่วมขยายไปถึงเป้า 80% ภายในปี 2027 ได้จริงหรือไม่ และจะเปิดให้ AI ค่ายอื่นนอกจาก Google ใช้ข้อมูลชุดนี้ได้มากแค่ไหน เพราะข้อมูลที่เข้าถึงง่ายแต่ตรวจสอบไม่ได้ก็ยังเสี่ยงทำให้คนเข้าใจผิดอยู่ดี