นอกจากเทรนด์เทคโนโลยีมาแรงที่ทุกองค์กรต้องการมีแล้ว AI ยังเป็นกลไกสำคัญที่กำลังเข้ามาเปลี่ยนภูมิทัศน์ของการดำเนินธุรกิจ จนส่งผลให้เกิดคลื่นการลงทุนมหาศาลใน AI อย่างต่อเนื่อง มีการประเมินว่ามูลค่าตลาด AI ทั่วโลกจะพุ่งแตะ 2 ล้านล้านดอลล่าร์ภายในปี 2573 (Statistia, 2566) นอกจากนี้ร้อยละ 79 นักวางแผนกลยุทธ์องค์กรระบุว่า AI จะมีอิทธิพลต่อความสำเร็จของธุรกิจในอีก 2 ปีข้างหน้า (ผลสำรวจของ Gartner)  

ท่ามกลางกระแสความนิยม AI กลับมีองค์กรจำนวนไม่น้อยที่ต้องพบกับความล้มเหลวในการนำ AI เข้าสู่กระบวนการทำงาน ซึ่งเป็นผลจากการปรับใช้ AI โดยไม่มีกลยุทธ์ที่เหมาะสม ด้วยเหตุนี้ AI Strategy จึงกลายเป็นประเด็นที่อยู่ในสปอร์ตไลท์ขององค์กรธุรกิจ

4 ปัจจัยที่ทำให้โครงการ AI ขององค์กรล้มเหลว

1.   วัตถุประสงค์ธุรกิจไม่ชัดเจน (Unclear Business Objective): ไม่ว่า AI จะมีขีดความสามารถหรือทันสมัยแค่ไหน แต่ถ้าการกำหนดเป้าหมาย/ความต้องการทางธุรกิจไม่ชัดเจน โครงการนั้นก็ยากที่จะประสบความสำเร็จ ดังนั้นขั้นตอนแรกของการปรับใช้ AI องค์กรต้องระบุวัตถุประสงค์และแนวทางที่ AI สามารถสนองตอบต่อเป้าหมายอย่างชัดเจน ซึ่งขั้นตอนนี้จะช่วยประหยัดทั้งเวลาและเงินทุน  

2.  ข้อมูลไม่มีคุณภาพ (Poor Data Quality): ก่อนเริ่มโครงการใด ๆ ที่เกี่ยวข้องกับ AI องค์กรต้องมี Good Data Governance Strategy เพื่อแสดงให้เห็นว่าข้อมูลขององค์กรมีคุณภาพ โปร่งใส ปลอดภัยและพร้อมใช้งาน เพราะข้อมูลล้าสมัย มีอคติและมีปริมาณน้อย จะนำไปสู่การสูญเสียทรัพยากรโดยเปล่าประโยชน์และโครงการล้มเหลวในที่สุด 

3.  ขาดความร่วมมือระหว่างทีม (Lack of Collaboration between Teams): การปล่อยให้ทีม Data Science และทีมงานอื่น ๆ ที่เกี่ยวข้องกับโครงการแยกกันทำงาน เป็นการเปิดประตูสู่ความล้มเหลวเพราะโครงการ AI มีความซับซ้อนต้องอาศัยความร่วมมือจากหลายฝ่าย ได้แก่ นักวิทยาศาสตร์ข้อมูล (Data Scientists) วิศวกรคอมพิวเตอร์ ผู้เชี่ยวชาญด้านไอที นักออกแบบ และผู้เชี่ยวชาญด้านธุรกิจ เพื่อบรรลุวัตถุประสงค์ความต้องการธุรกิจได้อย่างแท้จริง

4.  ขาดบุคลากรผู้เชี่ยวชาญเฉพาะด้าน (Lack of Talent): เป็นปัญหาที่ยากจะแก้ไข เพราะปัญหาขาดแคลนผู้เชี่ยวชาญด้าน Data และ AI เป็นความท้าทายในระดับอุตสาหกรรม การดำเนินโครงการโดยปราศจากผู้เชี่ยวชาญ ทำให้โอกาสประสบความสำเร็จน้อย อย่างไรก็ตามองค์กรสามารถจ้างผู้เชี่ยวชาญจากภายนอกหรือพันธมิตรด้านไอที เพื่อบรรลุเป้าหมายโครงการได้อย่างราบรื่นและสามารถรองรับการปรับลด/ขยายตัวของระบบดำเนินการได้ในอนาคต  

เปิด 10 ข้อผิดพลาดขององค์กรที่ทำให้ AI Strategy ไม่ถึงฝั่งฝัน

         แม้องค์กรธุรกิจสามารถลดความเสี่ยงจากความล้มเหลว ด้วยการวาง AI Strategy แต่หลายองค์กรกลับดำเนินกลยุทธ์ผิดพลาดเสียเอง จนทำให้โครงการ AI ไปไม่ถึงเป้าหมายที่วางไว้ 

         วันนี้ บลูบิค พาคุณไปพบกับข้อผิดพลาดอันดับต้น ๆ ขององค์กรในการดำเนินแผน AI Strategy 

1.   การปรับใช้กลยุทธ์บริหารจัดการความเปลี่ยนแปลงล้มเหลว (Failure to Adopt a Change Management Strategy): มีองค์กรจำนวนมากเข้าใจผิดว่าการปรับใช้ AI เป็นเพียงการเชื่อมโยงเทคโนโลยีใหม่เข้ากับกระบวนการทำงานเดิม แต่แท้จริงแล้วการปรับใช้ AI ในองค์กรเป็นการเปลี่ยนแปลงวัฒนธรรมและกระบวนการดำเนินงานของทั้งองค์กร ดังนั้นผู้บริหารจำเป็นต้องสื่อสารอย่างชัดเจนและโปร่งใส เกี่ยวกับกระบวนการต่าง ๆ เพื่อลดแรงต่อต้านและความเข้าใจผิดของพนักงานตลอดจนผู้ที่มีส่วนได้ส่วนเสีย 

2.  การประเมินขีดความสามารถ AI สูงเกินไป (Overestimate AI Capabilities): แม้ AI เป็นเครื่องมือที่ทรงพลังสำหรับธุรกิจ แต่ AI ไม่มีมนต์วิเศษที่เสกทุกอย่างได้ตามต้องการ การคาดหวังผลลัพธ์สูงเกินจริงทำให้หลายโครงการล้มเหลว ดังนั้นองค์กรควรตระหนักถึงข้อจำกัดและระลึกเสมอว่าโมเดล AI จำเป็นต้องมีการปรับแต่งและปรับปรุงอย่างต่อเนื่อง   

3.  ความล้มเหลวในการทดสอบและตรวจสอบความถูกต้อง (Failure to Test and Validate): บ่อยครั้งที่การทดสอบและตรวจสอบความถูกต้องระบบ AI ที่ไม่เข้มงวดและรัดกุมมากพอ นำไปสู่ผลลัพธ์ที่ผิดพลาด ระบบล่มหรือความเสียหายระดับรุนแรงต่อองค์กร เพราะ AI เป็นระบบที่ซับซ้อน ดังนั้นองค์กรจำเป็นต้องมีแผนการทดสอบและแนวทางการตรวจสอบเข้มแข็ง เพื่อมั่นใจได้ว่าระบบมีความปลอดภัยสูง ถูกต้องและเชื่อถือได้ 

4.  การมองข้ามผลกระทบด้านจริยธรรมและความเป็นส่วนตัว (Ignoring Ethical and Privacy Implications): ปัจจุบันจริยธรรมและความปลอดภัยของข้อมูล เป็นประเด็นที่สังคมกำลังให้ความสนใจอย่างมาก การมองข้ามประเด็นเหล่านี้เป็นความเสี่ยงที่อาจกระทบถึงภาพลักษณ์องค์กรและปัญหาด้านกฎหมายได้ ดังนั้นการกำหนด AI Strategy จำเป็นต้องบรรจุประเด็น ความโปร่งใส ความยุติธรรมและมาตรการด้านความปลอดภัยในระบบ AI ด้วย  

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 ทำให้หลายโครงการไม่สามารถพัฒนาได้ต่อเนื่องและล้มเหลวในที่สุด

7.  ขาดการปรับปรุงและอัปเดตอย่างต่อเนื่อง (Treating AI as a Single Project): AI Strategy ที่ดีต้องมีแผนการบำรุงรักษา อัปเดตข้อมูล และปรับปรุงระบบอย่างต่อเนื่อง ให้สอดรับกับเทรนด์เทคโนโลยีและสภาพแวดล้อมด้านดิจิทัลที่เปลี่ยนแปลงอยู่ตลอดเวลา แต่หลายองค์กรกลับมองว่าโครงการ AI เป็นโครงการที่ลงทุนเพียงครั้งเดียว ทำให้เมื่อระยะเวลาผ่านไปผลลัพธ์จาก AI ไม่แม่นยำและไม่มีประสิทธิภาพ 

8.  การมองข้ามขีดความสามารถด้าน Scalability (Ignoring about Scalability): องค์กรมากมายเริ่มต้นด้วยโครงการ AI ขนาดเล็ก โดยไม่คำนึงถึงขีดความสามารถด้าน Scalability ในอนาคต ทำให้แอปฯ AI ต้องเผชิญกับปัญหาคอขวดและไร้ประสิทธิภาพเมื่อเวลาผ่านไป

9.  โครงสร้างพื้นฐานไม่รองรับ (Neglect Infrastructure Requirements): โครงสร้างพื้นฐานที่ไม่สามารถรองรับโมเดล AI จะเป็นอุปสรรคต่อการทำงานและข้อจำกัดในการติดตั้งโมเดล AI ขั้นสูงในอนาคต ซึ่งปัญหานี้ส่งผลต่อประสิทธิภาพและความน่าเชื่อถือของแอปฯ AI และทำให้องค์กรอาจสูญเสียเงินลงทุนไปโดยเปล่าประโยชน์

10. ไม่สามารถบูรณาการทำงานกับระบบเดิม (Inadequately Integrating with Existing Systems): การบูรณาการทำงานที่ไม่มีประสิทธิภาพ ส่งผลให้แอปฯ ML ทำงานได้ไม่เต็มที่/เกิดความผิดพลาดและเป็นต้นเหตุให้กระบวนการทางธุรกิจหยุดชะงักได้ นอกจากนี้ยังทำให้สูญเสียทรัพยากร และเป็นอุปสรรคต่อการพัฒนาและการเชื่อมต่อ AI ในระบบนิเวศขององค์กร 

ทำอย่างไรให้ AI Strategy บรรลุตามเป้าหมาย?

         การปรับใช้ AI ในองค์กรเปรียบเสมือนกับ การเดินทางที่ต้องกำหนดเป้าหมาย เข้าใจขีดความสามารถขององค์กรอย่างลึกซึ้ง และต้องให้ความสำคัญอย่างสม่ำเสมอกับการทดสอบ ความเป็นส่วนตัว ผู้เชี่ยวชาญ กลยุทธ์ข้อมูลและขีดความสามารถในการปรับลด/เพิ่ม 

         ในขณะที่ AI Strategy ที่ดีจะช่วยให้องค์กรสามารถรับมือกับความท้าทายที่ซับซ้อนของ AI อันได้แก่การใช้ประโยชน์และการระบุเป้าหมายที่ถูกต้องของโครงการ ดังนั้นไม่ว่าจะเป็นกระบวนการหรือแอปฯใดคุณก็สามารถประสบความสำเร็จได้ ถ้ามีเป้าหมายที่ชัดเจนและกลยุทธ์ที่สอดรับกับเป้าหมายทางธุรกิจ 

บลูบิค ที่ปรึกษาชั้นนำที่มีประสบการณ์มากกว่า 10 ปี ใน Data & AI Strategy จนถึงการวางรากฐานด้านข้อมูลและการพัฒนาโซลูชัน AI ที่เหมาะสมสำหรับลูกค้าแต่ละราย พร้อมเป็นส่วนหนึ่งที่จะช่วยให้ธุรกิจสามารถใช้ประโยชน์จาก AI ได้สูงสุดทั้งในระยะสั้นและยาว รับมือกับความท้าทายใหม่ ๆ ทางธุรกิจและเทคโนโลยี

สำหรับผู้ที่สนใจบริการด้าน AI สามารถติดต่อสอบถามหรือปรึกษาเราได้ที่

✉ [email protected] 

☎ 02-636-7011

ขอบคุณข้อมูลอ้างอิงจาก ibm, plainconcepts