การทดสอบและตรวจสอบความถูกต้องของผลลัพธ์จาก AI

ผู้ก่อตั้งธุรกิจอาหารจากพืช (Plant-based) ใช้ AI เพื่อขยายขนาดสูตรอาหารและสร้างตารางสารก่อภูมิแพ้ (allergen matrices) อย่างรวดเร็ว ความผิดพลาดเพียงแค่ 1 กรัมอาจนำไปสู่การเรียกคืนสินค้าหรือการรีวิวในแง่ลบ การใช้ AI โดยไม่มีการตรวจสอบจะเปลี่ยนความรวดเร็วให้กลายเป็นความเสี่ยง

ใช้ระบบสามระดับเพื่อให้ความพยายามของคุณสอดคล้องกับระดับความเสี่ยง

  • การเปลี่ยนแปลงที่มีความเสี่ยงต่ำ: การปรับปริมาณเครื่องเทศเล็กน้อยไม่เกิน 5% ใช้การตรวจสอบทานอย่างรวดเร็วเพื่ออนุมัติโดยอัตโนมัติ
  • การเปลี่ยนแปลงที่มีความเสี่ยงปานกลาง: การใช้ซัพพลายเออร์รายใหม่สำหรับสารก่อภูมิแพ้ ให้ทำการสุ่มตรวจส่วนผสมทุกรายการด้วยตนเอง
  • การเปลี่ยนแปลงที่มีความเสี่ยงสูง: การเพิ่มสารก่อภูมิแพ้ชนิดใหม่หรือการเปลี่ยนส่วนผสมที่มีปริมาณน้อยกว่า 1 กรัม สิ่งเหล่านี้จำเป็นต้องใช้ระเบียบปฏิบัติแบบเต็มรูปแบบ

การเปลี่ยนแปลงที่มีความเสี่ยงสูงต้องมีสามขั้นตอน:

  1. ตรวจสอบส่วนผสมทุกรายการเทียบกับฐานข้อมูลสารก่อภูมิแพ้ที่เชื่อถือได้
  2. ตรวจสอบคำแถลง (declarations) ของซัพพลายเออร์ทั้งหมด
  3. ใช้เครื่องมือ Reverse Audit Tool เครื่องมือนี้จะตรวจสอบปริมาณที่ AI คำนวณได้ โดยการคำนวณย้อนกลับจากชุดการผลิตที่ขยายขนาดแล้วกลับไปยังสูตรต้นฉบับ

ลองพิจารณาสถานการณ์นี้ คุณกำลังขยายขนาดการผลิตเป็น 100 กก. AI ระบุว่าคุณต้องใช้เม็ดมะม่วงหิมพานต์ 2,050 กรัม แต่ในสูตรต้นฉบับของคุณ เม็ดมะม่วงหิมพานต์มีน้ำหนักน้อยกว่า 1 กรัม สิ่งนี้ทำให้เป็นการเปลี่ยนแปลงที่มีความเสี่ยงสูง คุณจึงใช้ Reverse Audit Tool และพบข้อผิดพลาดของจุดทศนิยม คุณจึงแก้ไขเป็น 205 กรัมก่อนที่จะเริ่มการผลิต

ปฏิบัติตามเวิร์กโฟลว์นี้เพื่อความปลอดภัย:

  • จำแนกประเภทการเปลี่ยนแปลง: ตัดสินใจว่ามีความเสี่ยงต่ำ ปานกลาง หรือสูง ตรวจสอบการเพิ่มสารก่อภูมิแพ้หรือการเปลี่ยนซัพพลายเออร์
  • ดำเนินการตรวจสอบที่เหมาะสม: ใช้สเปรดชีตสำหรับการเสี่ยงต่ำ ใช้การสุ่มตรวจด้วยตนเองสำหรับการเสี่ยงปานกลาง และใช้ฐานข้อมูลรวมถึงกระบวนการตรวจสอบ (audit) แบบเต็มรูปแบบสำหรับการเสี่ยงสูง
  • ทำการทดสอบทางประสาทสัมผัส (sensory test): ทำการทดลองปรุงในปริมาณน้อยเสมอ AI ไม่สามารถชิมรสชาติได้ หากรสชาติหรือเนื้อสัมผัสผิดเพี้ยน ให้แก้ไขข้อมูลที่ป้อนให้ AI ก่อนที่จะขยายขนาดการผลิต

จัดสรรเวลา 2 ถึง 3 ชั่วโมงต่อผลิตภัณฑ์ใหม่เพื่อการประกันคุณภาพ (quality assurance) นี่ไม่ใช่ภาระงานที่เพิ่มขึ้น แต่มันคือการประกันความเสี่ยงให้กับแบรนด์ของคุณ เวิร์กโฟลว์ที่อิงตามความเสี่ยงจะเปลี่ยนการขยายขนาดด้วย AI จากการเสี่ยงดวงให้กลายเป็นตาข่ายรองรับความปลอดภัย คุณจะสามารถปกป้องฉลากสินค้าและคุณภาพของผลิตภัณฑ์ไปพร้อมกับการรักษาความรวดเร็วของ AI

Source: https://dev.to/ken_deng_ai/testing-and-validating-ai-outputs-quality-assurance-for-scaling-and-labeling-2478

Optional learning community: https://t.me/GyaanSetuAi