Anthropic เปิดในสิงคโปร์: MOU ส่งสัญญาณอะไรจริง ๆ

ห้องแล็บ AI อีกแห่งมาปักธงในสิงคโปร์ เมื่อวันที่ 14 ตุลาคม Anthropic เปิดสำนักงานที่นี่และลงนามบันทึกความเข้าใจกับรัฐบาล ผมอาศัยและสร้างธุรกิจในเมืองนี้ จึงอ่านประกาศนี้ด้วยสองคำถาม: มันผูกมัดอะไรจริง ๆ และมันเปลี่ยนอะไรสำหรับบริษัทที่ใช้ AI สื่อสารกับลูกค้าในเอเชีย?

เกิดอะไรขึ้น

ตามประกาศของ Anthropic สิงคโปร์เป็นสำนักงานแห่งที่ห้าในเอเชียแปซิฟิก MOU ทำกับ Ministry of Digital Development and Information (MDDI) ลงนามโดย Kai Fong Chng ปลัดกระทรวง MDDI และ Ben Mann ผู้ร่วมก่อตั้ง Anthropic ระหว่างงาน Singapore International Cyber Week โดยมีรัฐมนตรี Josephine Teo เป็นสักขีพยาน

MOU ครอบคลุมสามด้าน: ความร่วมมือด้านความปลอดภัย ความมั่นคง และการประเมินโมเดล AI การวิจัยเรื่องการนำ AI ไปใช้และผลกระทบ และการนำไปใช้อย่างรับผิดชอบทั้งในภาครัฐและเอกชน กิจกรรมที่วางแผนไว้รวมถึงการแลกเปลี่ยนทางเทคนิคกับสถาบันด้านความปลอดภัยและการรับรอง AI ของสิงคโปร์ในเรื่องการประเมิน มาตรฐานการทดสอบ และการรับมือเหตุการณ์ การสนับสนุนธุรกิจขนาดกลางและขนาดย่อม และการแบ่งปันงานวิจัย เช่น Economic Index ของ Anthropic

ตัวเลขบางส่วนในโพสต์น่าสนใจ Anthropic ระบุว่าสิงคโปร์อยู่อันดับสองจาก 121 ประเทศในการใช้ Claude.ai เมื่อเทียบกับจำนวนประชากร โดยสูงเกือบหกเท่าของที่ขนาดประเทศจะคาดการณ์ได้ บริษัทระบุว่าวิศวกรและเจ้าหน้าที่เทคนิคของ GovTech Singapore มากกว่า 1,500 คนใช้ Claude Code แล้ว และผู้ช่วยฝ่ายขาย BriX ของ Grab ซึ่งสร้างบน Claude ช่วยประหยัดเวลาทีมขายได้ประมาณ 40,000 ชั่วโมงต่อไตรมาส ตัวเลขเหล่านี้เป็นของบริษัทเอง

รายละเอียดที่ผมพบว่าน่าสนใจที่สุดคือเรื่องในอดีต Anthropic ระบุว่าเข้าร่วม Generative AI Evaluation Sandbox ที่ดำเนินการโดย IMDA และ AI Verify Foundation ในปี 2023 และต่อมาร่วมมือกับทั้งสองในโครงการ red-teaming ในภาษาอังกฤษ จีนกลาง มาเลย์ และทมิฬ

ทำไมเรื่องนี้จึงสำคัญ

การเปิดสำนักงานเป็นเรื่องที่ตีความเกินจริงได้ง่าย MOU คือการแสดงเจตนา ไม่ใช่ผลิตภัณฑ์ ผมเพิ่งเขียนประเด็นที่เกี่ยวข้องบน e27: Singapore and Romania don't need another MOU, they need first customers ข้อตกลงจะมีความหมายเมื่อมันกลายเป็นงานที่มีคนใช้ได้จริง

สิ่งที่ทำให้ MOU ฉบับนี้น่าจับตาคือข้อว่าด้วยการประเมิน สิงคโปร์มีความสม่ำเสมออย่างผิดปกติในการมองการประเมิน AI เป็นโครงสร้างพื้นฐาน: แซนด์บ็อกซ์ ชุดเครื่องมือทดสอบ และตอนนี้คือการแลกเปลี่ยนเรื่องการประเมินโมเดลกับห้องแล็บแนวหน้า สำหรับธุรกิจ นี่คือส่วนที่ทบต้น มาตรฐานการทดสอบที่ชัดเจนทำให้ธนาคาร บริษัทโทรคมนาคม หรือผู้ค้าปลีกตอบตกลงกับการนำ AI ไปใช้ได้ง่ายขึ้น เพราะภาระการพิสูจน์ถูกแบ่งปันและบันทึกไว้

การทำ red-teaming หลายภาษามีความสำคัญด้วยเหตุผลอีกประการ การทดสอบด้านความปลอดภัยและคุณภาพที่เผยแพร่ส่วนใหญ่ยังทำเป็นภาษาอังกฤษ แต่ผู้คนในเอเชียตะวันออกเฉียงใต้ไม่ได้ช้อป ร้องเรียน หรือค้นหาด้วยภาษาอังกฤษเท่านั้น โมเดลที่ทำงานได้ดีในภาษาอังกฤษแต่คลาดเคลื่อนในภาษามาเลย์หรือทมิฬไม่ใช่โมเดลที่ปลอดภัยสำหรับตลาดนี้

งานวิจัยของผมบอกอะไร

งานปริญญาเอกของผมที่ NUS เกี่ยวกับการเรียนรู้ว่าผู้คนเป็นใครจากหลายแหล่งข้อมูลพร้อมกัน: โพสต์ รูปภาพ การเช็กอิน และข้อมูลเซนเซอร์จากเครือข่ายต่าง ๆ ข้อค้นพบหนึ่งที่ผมจำได้ไม่ลืมมาในภายหลัง ใน I Know Where You Are Coming From (AAAI 2020): แหล่งข้อมูลที่คุณเลือกเปลี่ยนความแม่นยำของแบบจำลองผู้ใช้ของ AI ภาษาก็เป็นแหล่งข้อมูลเช่นกัน โมเดลที่ได้รับการประเมินในภาษาเดียวยังไม่ได้รับการประเมินกับประชากรที่คุณให้บริการ

ตรรกะเดียวกันขับเคลื่อนงานของผมด้าน AI ที่อธิบายได้สำหรับการตลาด ใน Against Opacity (ACM Multimedia 2023) เราคาดการณ์อัตราการคลิกผ่านของครีเอทีฟโฆษณาใหม่ และใช้ผู้ช่วย LLM อธิบายว่าอะไรขับเคลื่อนการคาดการณ์นั้น ใน MindFuse (ACM Multimedia 2025) เราผสานการให้คะแนนครีเอทีฟเข้ากับ LLM เพื่อร่วมสร้างกลยุทธ์จากข้อมูลโฆษณาจริง ในทั้งสองกรณี คำอธิบายคือสิ่งที่ทำให้นักการตลาดเชื่อถือและนำผลลัพธ์ไปใช้ได้ การประเมินและการอธิบายคือสองครึ่งของคำสัญญาเดียวกัน: แสดงให้ผมเห็นว่ามันได้ผล และแสดงให้เห็นว่าทำไม

ดังนั้นเมื่อรัฐบาลและห้องแล็บตกลงทำงานร่วมกันเรื่องมาตรฐานการประเมิน ผมมองว่าเป็นข่าวดีสำหรับนักการตลาด ไม่ใช่แค่สำหรับหน่วยงานกำกับดูแล มันคือจุดเริ่มต้นของภาษากลางสำหรับคำว่า "AI นี้เหมาะกับงานนี้ในตลาดนี้"

สิ่งที่บริษัทในสิงคโปร์ควรทำตอนนี้

• ทดสอบในภาษาที่ลูกค้าของคุณใช้ หากแชตบอตหรือเครื่องมือคอนเทนต์ของคุณให้บริการผู้พูดภาษามาเลย์ ทมิฬ หรือจีนกลาง ให้ประเมินในภาษาเหล่านั้นก่อนเปิดตัว ไม่ใช่แค่ภาษาอังกฤษ
• บันทึกการประเมินของคุณ แม้ยังไม่มีใครขอ บันทึกสั้น ๆ ว่าทดสอบอะไร อย่างไร และได้ผลอย่างไร คือสินทรัพย์ด้านการปฏิบัติตามกฎที่ถูกที่สุดที่คุณจะสร้างได้
• ถามผู้ขายเรื่องการประเมิน ไม่ใช่แค่ฟีเจอร์ พวกเขาทดสอบอะไร ในภาษาใด และอะไรที่ล้มเหลว?
• ใช้โครงการของภาครัฐ โดยเฉพาะ SME ควรดูว่ารัฐบาลและพันธมิตรเสนออะไรภายใต้ MOU นี้และโครงการที่คล้ายกัน ก่อนจ้างที่ปรึกษาราคาแพง
• ให้มนุษย์เป็นผู้ตัดสินใจขั้นสุดท้ายสำหรับทุกสิ่งที่พูดในนามแบรนด์ของคุณในภาษาใหม่

สิงคโปร์เก่งในการเปลี่ยนข้อตกลงให้เป็นมาตรฐาน หาก MOU นี้สร้างแนวทางการประเมินเชิงปฏิบัติสำหรับ AI หลายภาษาได้ มันจะมีความสำคัญไกลเกินกว่าสำนักงานของบริษัทเดียว

คำถามที่พบบ่อย