นอกจากเทรนด์เทคโนโลยีที่มาแรงจนทุกองค์กรต้องการมีแล้ว AI ยังเป็นกลไกสำคัญที่กำลังเข้ามาเปลี่ยนภูมิทัศน์ของการดำเนินธุรกิจ ส่งผลให้เกิดคลื่นการลงทุนมหาศาลใน AI อย่างต่อเนื่อง มีการประเมินว่ามูลค่าตลาด AI ทั่วโลกจะพุ่งแตะ 2 ล้านล้านดอลลาร์ภายในปี 2573 (Statistia, 2566) นอกจากนี้ ร้อยละ 79 นักวางแผนกลยุทธ์องค์กรระบุว่า AI จะมีอิทธิพลต่อความสำเร็จของธุรกิจในอีก 2 ปีข้างหน้าด้วย (ผลสำรวจของ Gartner)  

ท่ามกลางกระแสความนิยม AI กลับมีองค์กรจำนวนไม่น้อยที่ต้องพบกับความล้มเหลวในการนำ AI เข้าสู่กระบวนการทำงาน ซึ่งเป็นผลจากการประยุกต์ใช้ AI ในธุรกิจโดยไม่มีกลยุทธ์ที่เหมาะสม ด้วยเหตุนี้ AI Strategy จึงกลายเป็นประเด็นที่อยู่ในสปอร์ตไลท์ขององค์กรธุรกิจ 

4 ปัจจัยที่ทำให้โครงการ AI ขององค์กรล้มเหลว 

1. วัตถุประสงค์ธุรกิจไม่ชัดเจน (Unclear Business Objective) 

ไม่ว่า AI จะมีขีดความสามารถหรือทันสมัยแค่ไหน แต่ถ้าการกำหนดเป้าหมาย/ความต้องการทางธุรกิจไม่ชัดเจน โครงการนั้นก็ยากที่จะประสบความสำเร็จ ดังนั้นขั้นตอนแรกของการประยุกต์ใช้ AI องค์กรจำเป็นต้องระบุวัตถุประสงค์และแนวทางที่ AI สามารถตอบสนองต่อเป้าหมายได้อย่างชัดเจน ซึ่งขั้นตอนนี้จะช่วยประหยัดทั้งเวลาและเงินทุน 

2. ข้อมูลไม่มีคุณภาพ (Poor Data Quality) 

ก่อนเริ่มโครงการใดๆ ที่เกี่ยวข้องกับ AI องค์กรต้องมี Good Data Governance Strategy เพื่อแสดงให้เห็นว่า ข้อมูลขององค์กรมีคุณภาพ โปร่งใส ปลอดภัย และพร้อมใช้งาน เพราะข้อมูลที่ล้าสมัย มีอคติ และมีปริมาณน้อย จะนำไปสู่การสูญเสียทรัพยากรโดยเปล่าประโยชน์ และอาจทำให้โครงการล้มเหลวในที่สุด 

3. ขาดความร่วมมือระหว่างทีม (Lack of Collaboration between Teams) 

การปล่อยให้ทีม Data Science และทีมงานอื่นๆ ที่เกี่ยวข้องกับโครงการแยกกันทำงาน เป็นการเปิดประตูสู่ความล้มเหลว เพราะโครงการ AI มีความซับซ้อนมากต้องอาศัยความร่วมมือจากหลายฝ่าย ซึ่งได้แก่ นักวิทยาศาสตร์ข้อมูล (Data Scientists) วิศวกรคอมพิวเตอร์ ผู้เชี่ยวชาญด้านไอที นักออกแบบ และผู้เชี่ยวชาญด้านธุรกิจ เพื่อให้บรรลุวัตถุประสงค์ความต้องการธุรกิจได้อย่างแท้จริง 

4. ขาดบุคลากรผู้เชี่ยวชาญเฉพาะด้าน (Lack of Talent) 

ปัญหาขาดแคลนผู้เชี่ยวชาญด้าน Data และ AI เป็นปัญหาที่ยากจะแก้ไข และยังคงเป็นความท้าทายในระดับอุตสาหกรรม การดำเนินโครงการโดยปราศจากผู้เชี่ยวชาญ ทำให้โอกาสประสบความสำเร็จน้อยมาก อย่างไรก็ตาม องค์กรสามารถจ้างผู้เชี่ยวชาญจากภายนอกหรือพันธมิตรด้านไอที เพื่อบรรลุเป้าหมายโครงการได้อย่างราบรื่น และสามารถรองรับการปรับลด/ขยายตัวของระบบดำเนินการได้ในอนาคต 

10 ข้อผิดพลาดขององค์กรที่ทำให้ AI Strategy ไม่ถึงฝั่งฝัน 

แม้องค์กรธุรกิจจะสามารถลดความเสี่ยงจากความล้มเหลว ด้วยการวาง AI Strategy แต่หลายองค์กรกลับดำเนินกลยุทธ์ผิดพลาดเสียเอง จนทำให้โครงการ AI ไปไม่ถึงเป้าหมายที่วางไว้ วันนี้ บลูบิค (Bluebik) ขอพาคุณไปพบกับข้อผิดพลาดอันดับต้นๆ ขององค์กรในการดำเนินแผน AI Strategy  

1. การปรับใช้กลยุทธ์บริหารจัดการความเปลี่ยนแปลงล้มเหลว (Failure to Adopt a Change Management Strategy) 

มีองค์กรจำนวนมากเข้าใจผิดว่าการปรับใช้ AI เป็นเพียงการเชื่อมโยงเทคโนโลยีใหม่เข้ากับกระบวนการทำงานเดิม แต่แท้จริงแล้วการปรับใช้ AI ในองค์กรเป็นการเปลี่ยนแปลงวัฒนธรรม และกระบวนการดำเนินงานของทั้งองค์กร ดังนั้นผู้บริหารจำเป็นต้องสื่อสารอย่างชัดเจนและโปร่งใส เกี่ยวกับกระบวนการต่างๆ เพื่อลดแรงต่อต้านและความเข้าใจผิดของพนักงาน ตลอดจนผู้ที่มีส่วนได้ส่วนเสีย  

2. การประเมินขีดความสามารถ AI สูงเกินไป (Overestimate AI Capabilities) 

แม้ AI เป็นเครื่องมือที่ทรงพลังสำหรับธุรกิจ แต่ AI ไม่ได้มีพลังวิเศษที่เสกทุกอย่างได้ตามต้องการ การคาดหวังผลลัพธ์สูงเกินจริงจึงทำให้หลายโครงการล้มเหลว ดังนั้นองค์กรควรตระหนักถึงข้อจำกัดและพึงระลึกเสมอว่า โมเดล AI จำเป็นต้องมีการปรับแต่งและปรับปรุงอย่างต่อเนื่อง  

3. ความล้มเหลวในการทดสอบและตรวจสอบความถูกต้อง (Failure to Test and Validate) 

บ่อยครั้งที่การทดสอบและการตรวจสอบความถูกต้องของระบบ AI ไม่เข้มงวดและไม่รัดกุมมากพอ นำไปสู่ผลลัพธ์ที่ผิดพลาดจนระบบล่ม หรือเกิดความเสียหายระดับรุนแรงต่อองค์กร เพราะ AI เป็นระบบที่ซับซ้อน ดังนั้นองค์กรจำเป็นต้องมีแผนการทดสอบและแนวทางการตรวจสอบที่เข้มแข็ง เพื่อมั่นใจได้ว่า ระบบมีความปลอดภัยสูง ถูกต้อง และเชื่อถือได้  

4. การมองข้ามผลกระทบด้านจริยธรรมและความเป็นส่วนตัว (Ignoring Ethical and Privacy Implications) 

ปัจจุบันจริยธรรมและความปลอดภัยของข้อมูล เป็นประเด็นที่สังคมกำลังให้ความสนใจอย่างมาก การมองข้ามประเด็นเหล่านี้จึงเป็นความเสี่ยงที่อาจกระทบต่อภาพลักษณ์องค์กร และปัญหาด้านกฎหมายได้ ดังนั้นการกำหนด AI Strategy จำเป็นต้องมีประเด็นความโปร่งใส ความยุติธรรม และมาตรการด้านความปลอดภัยในระบบ AI 

5. การละเลยกลยุทธ์ด้านข้อมูล (Neglecting Data Strategy) 

“ไม่มีข้อมูล ไม่มี AI” การละเลยกลยุทธ์ด้านข้อมูล (Data Strategy) ขององค์กรทำให้ AI ขาดข้อมูลสำคัญที่จำเป็นต่อกระบวนการทำงาน ดังนั้นองค์กรที่ต้องการใช้งาน AI จึงต้องมี Data Strategy ครอบคลุมตั้งแต่การรวบรวมและการจัดเก็บข้อมูล ตลอดจนการบริหารจัดการ การเข้าถึงและคุณภาพของข้อมูล 

6. การจัดสรรทรัพยากรไม่เพียงพอ (Allocating Inadequate Resources) 

การพัฒนา AI ไว้ใช้ในองค์กรต้องใช้เงินทุนจำนวนมากในการพัฒนาเทคโนโลยี ผู้เชี่ยวชาญ ข้อมูลและโครงสร้างพื้นฐาน เพื่อให้องค์กรสามารถใช้ประโยชน์สูงสุดจาก AI แต่ธุรกิจส่วนใหญ่กลับพิจารณาเงินลงทุนในโครงการน้อยกว่าที่ควรจะเป็น ส่งผลให้ทรัพยากรและเงินทุนไม่เพียงพอในการพัฒนา ทำให้หลายโครงการไม่สามารถพัฒนาได้ต่อเนื่อง และล้มเหลวในที่สุด 

7. ขาดการปรับปรุงและอัปเดตอย่างต่อเนื่อง (Treating AI as a Single Project) 

AI Strategy ที่ดี ต้องมีแผนการบำรุงรักษา อัปเดตข้อมูล และปรับปรุงระบบอย่างต่อเนื่อง ให้สอดรับกับเทรนด์เทคโนโลยีและสภาพแวดล้อมด้านดิจิทัลที่เปลี่ยนแปลงอยู่ตลอดเวลา แต่หลายองค์กรกลับมองว่าโครงการ AI เป็นโครงการที่ลงทุนเพียงครั้งเดียว ทำให้เมื่อระยะเวลาผ่านไปผลลัพธ์จาก AI ไม่แม่นยำและไม่มีประสิทธิภาพ  

8. การมองข้ามขีดความสามารถด้าน Scalability (Ignoring about Scalability) 

องค์กรมากมายเริ่มต้นด้วยโครงการ AI ขนาดเล็ก โดยไม่คำนึงถึงขีดความสามารถด้าน Scalability ในอนาคต ทำให้แอปฯ AI ต้องเผชิญกับปัญหาคอขวด และไร้ประสิทธิภาพเมื่อเวลาผ่านไป 

9. โครงสร้างพื้นฐานไม่รองรับ (Neglect Infrastructure Requirements) 

โครงสร้างพื้นฐานที่ไม่สามารถรองรับโมเดล AI จะเป็นอุปสรรคต่อการทำงาน และข้อจำกัดในการติดตั้งโมเดล AI ขั้นสูงในอนาคต ซึ่งปัญหานี้ส่งผลต่อประสิทธิภาพ ความน่าเชื่อถือของแอปฯ AI และทำให้องค์กรอาจสูญเสียเงินลงทุนไปโดยเปล่าประโยชน์ 

10. ไม่สามารถบูรณาการการทำงานกับระบบเดิม (Inadequately Integrating with Existing Systems) 

การบูรณาการการทำงานที่ไม่มีประสิทธิภาพ ส่งผลให้แอปฯ ML ทำงานได้ไม่เต็มที่/เกิดความผิดพลาดและเป็นต้นเหตุให้กระบวนการทางธุรกิจหยุดชะงักได้ นอกจากนี้ยังทำให้สูญเสียทรัพยากร และเป็นอุปสรรคต่อการพัฒนา และการเชื่อมต่อ AI ในระบบนิเวศขององค์กร  

แนวทางการประยุกต์ใช้ AI Strategy ให้บรรลุตามเป้าหมาย 

การประยุกต์ใช้ AI ในองค์กรเปรียบเสมือนกับการเดินทางที่ต้องกำหนดเป้าหมาย เข้าใจขีดความสามารถขององค์กรอย่างลึกซึ้ง และต้องให้ความสำคัญอย่างสม่ำเสมอกับการทดสอบ ความเป็นส่วนตัว ผู้เชี่ยวชาญ กลยุทธ์ข้อมูล และขีดความสามารถในการปรับลด/เพิ่ม  

ในขณะที่ AI Strategy ที่ดีจะช่วยให้องค์กรสามารถรับมือกับความท้าทายที่ซับซ้อนของ AI อันได้แก่ การใช้ประโยชน์และการระบุเป้าหมายที่ถูกต้องของโครงการ ดังนั้นไม่ว่าจะเป็นกระบวนการหรือแอปฯใด คุณก็สามารถประสบความสำเร็จได้ ถ้ามีเป้าหมายที่ชัดเจนและกลยุทธ์ที่สอดรับกับเป้าหมายทางธุรกิจ  

บลูบิค (Bluebik) ที่ปรึกษาชั้นนำที่มีประสบการณ์มากกว่า 10 ปี ใน Data & AI Strategy จนถึงการวางรากฐานด้านข้อมูล และการพัฒนากลยุทธ์ AI ที่เหมาะสมสำหรับลูกค้าแต่ละราย พร้อมเป็นส่วนหนึ่งที่จะช่วยให้ธุรกิจสามารถใช้ประโยชน์จาก AI ได้สูงสุด ทั้งในระยะสั้นและยาว เพื่อให้สามารถรับมือกับความท้าทายใหม่ๆ ทางธุรกิจและเทคโนโลยีในอนาคต สำหรับผู้ที่สนใจบริการด้าน AI สามารถติดต่อสอบถามหรือปรึกษาเราได้ที่ [email protected] หรือโทรศัพท์ 02-636-7011 

ขอบคุณข้อมูลอ้างอิงจาก ibm, plainconcepts