ไม่กี่ปีที่ผ่านมาและนับจากนี้ไป บริบททางเศรษฐกิจได้เปลี่ยนไปจากอดีตมากมาย ด้วยปัจจัยหลายประการ โดยเฉพาะปัจจัยด้าน Disruptive Technology จำนวนมากมายที่ส่งผลกระทบต่อแทบทุกธุรกิจ เช่น 4G/5G, social media, VR(Virtual Reality), AR(Augmented Reality), blockchain, cloud computing, online shopping, e-payment, IoT, mobile application, electronics vehicle, drone, robotics, algorithmic trading robot, RPA (robotic process automation), eKYC (electronics know your customer), 3D printing, smart farming ฯลฯ ซึ่งเทคโนโลยีเหล่านี้ล้วนมีส่วนเกี่ยวข้องกับ AI (Artifitial Intelligence) ทั้งสิ้น

• การสื่อสารผ่านอินเทอร์เน็ตที่รวดเร็วมากขึ้นเรื่อยๆ
• การประมวลผลของฮาร์ดแวร์ที่มีประสิทธิภาพต่อราคาที่เพิ่มสูงขึ้นมหาศาล
• การผสมผสานการประมวลผลแบบดั้งเดิมและการประมวลผลบนคลาวด์
• การเผยแพร่ผลงานค้นคว้าวิจัย และสื่อการเรียน ผ่านสื่อสังคมออนไลน์ ทำให้ผู้คนทั้งโลกเข้าถึงแหล่งความรู้ได้มหาศาลและหลากหลาย เร่งให้เกิดการเรียนรู้ที่รวดเร็ว ง่าย สะดวก เกิดการแบ่งปันและต่อยอดความรู้จากคนทั่วโลก
• การค้นคว้าวิจัยด้าน AI และการนำมาใช้ มีความง่าย สะดวก และรวดเร็วกว่าในอดีตมาก การปรับตัวขององค์กรให้ทันและใช้ประโยชน์จากปัจจัยเหล่านี้ให้เกิดคุณค่าสูงสุดจึงเป็นสิ่งท้าทาย

     การนำ AI มาใช้ในองค์กร ไม่ใช่แค่การค้นคว้าวิจัยและพัฒนาโมเดล AI ขึ้นมาก็จะสามารถนำไปใช้ได้ทันที แต่จำเป็นต้องมี ecosystem ที่เหมาะสมและมีประสิทธิภาพ เพื่อให้สามารถวัดผลการนำโมเดล AI ไปใช้ได้รวดเร็ว สามารถรันเพื่อสนับสนุนแอพพลิเคชั่นต่างๆ ขององค์กร เพื่อให้ไปสนับสนุนธุรกิจได้อย่างเกิดประโยชน์เต็มที่

     การเข้าใจ ecosystem ที่จะสนับสนุนงาน AI ได้อย่างดี จึงเป็นปัจจัยสำคัญที่สามารถใช้เป็นเครื่องชี้วัด ชี้เป็นชี้ตายในการทำ digital transformation และการนำ AI มาใช้ในองค์กรได้เลยทีเดียว เพราะไม่ใช่แค่มีเงินแล้วทำเรื่องจัดซื้อ/จัดจ้าง แล้วจะได้ ecosystem ที่ดีเสมอไป

     วิชานี้จึงเน้นสอนด้าน ecosystem โดยมุ่งเน้นในส่วน data architecture เพราะการประมวลผลข้อมูลถือเป็นหัวใจสำคัญของงาน AI เพื่อให้ผู้เรียนเข้าใจถึงองค์ประกอบและประเด็นสำคัญต่างๆ ในการสร้างและดูแล data architecture เพื่อให้สนับสนุนการใช้ AI ขับเคลื่อนธุรกิจขององค์กรได้อย่างประสิทธิภาพ โดยมุ่งเน้นการอธิบายความหมายกับข้อดี/ข้อเสีย และการจัดวางองค์ประกอบสำคัญ (data architecture building block) ต่างๆ เพื่อให้ผู้เรียนเข้าใจการสร้าง data architecture blueprint ต่อไป

     วิชานี้อธิบายแนวทางการอิมพลีเม้นต์คร่าวๆ โดยจะไม่เจาะจงเทคโนโลยีใดเทคโนโลยีหนึ่งหรือยี่ห้อใดยี่ห้อหนึ่งเพื่อตีกรอบผู้เรียนโดยไม่จำเป็น และไม่มีเวิร์กช็อปเขียนโปรแกรม แต่จะมีเวิร์กช็อปฝึกจัดวาง data architecture เพื่อให้ผู้เรียนเห็นภาพและเข้าใจ สามารถกลับไปศึกษาเพิ่มเติมต่อไปและนำไปประยุกต์ใช้งานจริงในองค์กรได้