เตือนองค์กรรับมือโลก AI ถอด 6 บทเรียนสำคัญ กับ ความเสี่ยงลดคนเร็วเกินไป

วันที่ AI สามารถสร้างซอฟต์แวร์ เขียนรายงาน ออกแบบงาน และทำงานแทนมนุษย์ได้ภายในเวลาไม่กี่นาที คำถามสำคัญของโลกธุรกิจจึงไม่ใช่อีกต่อไปว่า “AI จะเข้ามาหรือไม่” แต่คือ “องค์กรจะเปลี่ยนตัวเองทันหรือไม่” เพราะยิ่ง AI ทำให้การสร้างสิ่งต่างๆ ง่ายและถูกลง ความสามารถที่เคยสร้างความได้เปรียบให้กับองค์กรกลับอาจมีมูลค่าน้อยลง 

ขณะเดียวกัน ความเชี่ยวชาญ วิจารณญาณ ความรู้ที่สะสมในองค์กร และความสามารถในการออกแบบระบบให้ AI ทำงานร่วมกับมนุษย์ กลับกลายเป็นสินทรัพย์ที่มีความสำคัญมากขึ้น

เอสซีบี เท็นเอกซ์ (SCB 10X) บริษัทด้านการลงทุนในเทคโนโลยีเปลี่ยนโลก (Disruptive Technology) ภายใต้กลุ่มเอสซีบีเอกซ์ (SCBX Group) ถอด 6 บทเรียนที่กำลังสะท้อนว่า AI ไม่ได้เข้ามาเปลี่ยนเพียงวิธีทำงาน แต่กำลังเปลี่ยนวิธีคิดเกี่ยวกับธุรกิจทั้งระบบ ตั้งแต่สิ่งที่องค์กรสร้าง วิธีที่ซอฟต์แวร์ถูกใช้งาน ไปจนถึงคำถามว่า “ลูกค้า” ในอนาคตอาจไม่ใช่มนุษย์

1. AI ลดต้นทุนการสร้าง แต่เพิ่มคุณค่าของ “วิจารณญาณ”

การเข้ามาของเครื่องมือ AI สำหรับพัฒนาซอฟต์แวร์ทำให้การสร้างหรือจำลองผลิตภัณฑ์พื้นฐานสามารถทำได้ง่ายและรวดเร็วขึ้น ส่งผลให้ความได้เปรียบทางการแข่งขันไม่ได้อยู่เพียงความสามารถในการลงมือทำอีกต่อไป แต่จะขยับไปสู่ความเชี่ยวชาญเฉพาะทาง การสร้างผลิตภัณฑ์ที่มีความแตกต่าง และการพัฒนาโครงสร้างพื้นฐานที่ระบบ AI อื่นสามารถนำไปต่อยอดได้

แนวโน้มดังกล่าวไม่ได้จำกัดอยู่เฉพาะอุตสาหกรรมซอฟต์แวร์ เพราะ AI สามารถช่วยสร้างรายงาน งานออกแบบ และคอนเทนต์ได้ในเวลาอันรวดเร็ว สิ่งที่มีคุณค่ามากขึ้นจึงเป็น “วิจารณญาณ” รสนิยม และความสามารถในการแยกแยะว่าสิ่งใดมีคุณภาพ น่าเชื่อถือ และสร้างคุณค่าได้จริง มากกว่าการแข่งขันกันด้านปริมาณหรือความเร็วในการผลิต

2. AI ส่วนบุคคลไม่เท่ากับ “ความทรงจำขององค์กร”

แม้ AI จะสามารถจดจำบริบทและสนับสนุนการทำงานของพนักงานแต่ละคนได้มากขึ้น แต่ความรู้และประสบการณ์ที่สะสมอยู่กับบุคคลอาจสูญหายไปพร้อมกับพนักงานเมื่อพ้นจากองค์กร

บทสนทนาในซีรีส์สะท้อนถึงแนวทางของ Enterprise AI รวมถึงบริษัทอย่าง Ema ที่สามารถบันทึกได้ไม่เพียงผลลัพธ์ของการทำงาน แต่รวมถึงเหตุผลและกระบวนการคิดเบื้องหลังการตัดสินใจ ซึ่งอาจช่วยให้องค์กรสร้าง “ความทรงจำขององค์กร” หรือ Institutional Memory ที่สามารถสะสมองค์ความรู้ เชื่อมโยงข้อมูล และค้นหารูปแบบหรืออินไซต์ใหม่ๆ ที่อาจไม่เคยถูกค้นพบมาก่อน

3. จากการใช้งานผ่านหน้าจอ สู่การ “บอกผลลัพธ์ที่ต้องการ”

รูปแบบการปฏิสัมพันธ์ระหว่างมนุษย์กับซอฟต์แวร์กำลังเปลี่ยนจากเดิมที่ผู้ใช้ต้องเรียนรู้เมนูและ Dashboard ไปสู่การสนทนากับ AI Agents และกำลังพัฒนาไปอีกขั้น โดยผู้ใช้สามารถระบุเพียง “ผลลัพธ์ที่ต้องการ” ขณะที่ระบบเป็นผู้กำหนดขั้นตอนในการดำเนินงาน ขณะเดียวกัน SCB 10X ยังติดตามบริษัทเทคโนโลยีเกิดใหม่ที่กำลังพัฒนาประสบการณ์ผู้ใช้และโมเดลการคิดค่าบริการรูปแบบใหม่ จากเดิมที่ซอฟต์แวร์คิดค่าบริการตามจำนวนผู้ใช้งาน หรือ Software Seats ไปสู่การประเมินมูลค่าซอฟต์แวร์จาก “ผลลัพธ์” ที่สามารถส่งมอบให้กับลูกค้าได้จริง

4. ลูกค้ารายต่อไปของธุรกิจอาจไม่ใช่มนุษย์

การเติบโตของการซื้อสินค้าและบริการผ่านระบบที่ขับเคลื่อนด้วย AI กำลังสร้างโจทย์ใหม่ให้กับภาคธุรกิจ เพราะลูกค้าในอนาคตอาจเป็น AI Agent ที่ทำหน้าที่ค้นหา เปรียบเทียบ และตัดสินใจแทนมนุษย์

อย่างไรก็ตาม ประสบการณ์ดิจิทัลของธุรกิจส่วนใหญ่ในปัจจุบันยังไม่ได้ถูกออกแบบมาเพื่อรองรับการทำงานร่วมกับ AI หรือ Agents โดยตรง เมื่อช่องทางหรือขั้นตอนการใช้งานที่ออกแบบมาสำหรับมนุษย์ไม่สามารถตอบสนองความต้องการของ AI Agents ได้ ระบบอาจต้องค้นหาวิธีการอื่นเพื่อบรรลุเป้าหมาย

ประเด็นดังกล่าวทำให้ธุรกิจจำเป็นต้องเริ่มคิดถึงการออกแบบโครงสร้างพื้นฐานและประสบการณ์การใช้งานที่รองรับเส้นทางของลูกค้าซึ่งขับเคลื่อนด้วย AI Agents ตั้งแต่ต้น

5. Pilot สำเร็จ ไม่ได้หมายความว่า AI พร้อมใช้งานจริงในระดับองค์กร

การพิสูจน์ว่า AI สามารถทำงานเฉพาะด้านได้สำเร็จในระดับขั้นทดลอง หรือ Pilot เป็นเพียงจุดเริ่มต้นของการนำ AI ไปใช้จริงในองค์กร เมื่อระบบต้องขยายการใช้งานในระดับใหญ่ขึ้น องค์กรต้องพิจารณาความสามารถในการรองรับปริมาณการใช้งานที่แตกต่างกัน ข้อมูลที่มีความไม่แน่นอน สถานการณ์ที่ซับซ้อน รวมถึงกรณีที่ระบบเกิดข้อผิดพลาด

ความพร้อมสำหรับการใช้งานจริงจึงไม่ได้ขึ้นอยู่กับความสามารถของโมเดล AI เพียงอย่างเดียว แต่ต้องมีการกำหนดความรับผิดชอบในการตัดสินใจอย่างชัดเจน การติดตามตรวจสอบการทำงานอย่างต่อเนื่อง ตลอดจนกระบวนการรับมือและการส่งต่อเมื่อระบบไม่สามารถดำเนินการได้ตามที่คาดหวัง

6. ต้นทุน AI อาจสูงกว่าที่องค์กรคาด และผลประหยัดอาจไม่เกิดขึ้นจริง

อีกหนึ่งประเด็นสำคัญคือ ช่องว่างระหว่างภาพของ AI ในเชิงเศรษฐศาสตร์กับความเป็นจริงเมื่อนำมาใช้งานในระดับองค์กร โดยผลการศึกษาจาก MIT Project NANDA พบว่า 95% ของโครงการนำร่องด้าน Generative AI ในองค์กรไม่สามารถสร้างผลลัพธ์ที่วัดผลได้อย่างชัดเจน

ความท้าทายสำคัญไม่ได้อยู่เพียงค่าใช้จ่ายของ AI แต่ยังรวมถึงต้นทุนและความซับซ้อนในการเชื่อมต่อ AI เข้ากับระบบและกระบวนการทำงานเดิมขององค์กร

ขณะเดียวกัน ตำแหน่งงานประมาณหนึ่งในสามที่ถูกลดลงด้วยเหตุผลที่เกี่ยวข้องกับ AI ในช่วงปีที่ผ่านมา ถูกกลับมาจ้างใหม่ในภายหลัง สะท้อนความเสี่ยงที่องค์กรอาจลดทอนความเชี่ยวชาญของบุคลากรเร็วกว่าที่จะสามารถสร้างหรือทดแทนความสามารถเหล่านั้นได้

ดังนั้น การประเมินผลตอบแทนจากการลงทุนด้าน AI หรือ AI ROI จึงไม่ควรมองเฉพาะต้นทุนในการนำเทคโนโลยีมาใช้เทียบกับผลลัพธ์ทางธุรกิจที่เกิดขึ้น แต่ต้องพิจารณาด้วยว่าองค์กรยังสามารถรักษาความเชี่ยวชาญ ประสบการณ์ และวิจารณญาณที่จำเป็นต่อการดำเนินธุรกิจไว้ได้หรือไม่

ทั้ง 6 ประเด็นสะท้อนว่า การรับมือ AI ในระดับองค์กรกำลังเปลี่ยนจากคำถามว่า “AI สามารถทำงานนั้นได้หรือไม่” ไปสู่คำถามที่สำคัญกว่า คือองค์กรจะออกแบบวิธีการทำงาน กระบวนการตัดสินใจ การจัดเก็บและถ่ายทอดองค์ความรู้ รวมถึงการสร้างคุณค่าร่วมกับ AI ได้อย่างไร