ช่องว่างความเชื่อมั่นคืออุปสรรคตัวจริงของการนำ AI มาใช้

ความเชื่อมั่น AI คืออะไร และทำไมช่องว่างความไว้วางใจจึงกลายเป็นปัญหาใหญ่

ความเชื่อมั่น AI คือระดับที่ผู้ใช้และองค์กรไว้วางใจให้ระบบปัญญาประดิษฐ์ช่วยตัดสินใจหรือลงมือทำงานแทนมนุษย์ โดยเชื่อว่าผลลัพธ์มีความถูกต้อง ปลอดภัย สามารถอธิบายได้ และรับผิดชอบได้เมื่อเกิดข้อผิดพลาด ความเชื่อมั่นไม่ได้เกิดจากความรู้สึกเพียงอย่างเดียว แต่ต้องมีหลักฐานเชิงประจักษ์ นโยบายกำกับดูแล และฐานข้อมูลคุณภาพรองรับ หากความคาดหวังของคนสูงกว่าความสามารถที่พิสูจน์ได้ของ AI ช่องว่างแห่งความไว้วางใจหรือ Trust gap ก็จะเปิดกว้าง จนกลายเป็นอุปสรรคสำคัญต่อการนำ AI มาใช้ในทางปฏิบัติ

รายงาน Data and AI Impact Report: The New Economics of Trust ฉบับที่สองซึ่งจัดทำโดยบริษัทเทคโนโลยีร่วมกับสถาบันวิจัยด้านข้อมูลและ AI สะท้อนภาพนี้อย่างชัดเจน จากการสำรวจผู้จัดการ 2,699 รายใน 28 ประเทศและ 4 อุตสาหกรรมหลัก ได้แก่ ธนาคาร ประกันภัย วิทยาศาสตร์ชีวภาพ และภาครัฐ ผลการศึกษาไม่ได้เพียงนับว่าใครใช้ AI มากแค่ไหน แต่ชี้ให้เห็นว่าเมื่อความเชื่อมั่นไม่ตามทันการใช้งานจริง ต่อให้ลงทุนในโครงการ AI จำนวนมาก ผลตอบแทนจากการลงทุนก็ไม่เติบโตตาม ความเชื่อมั่น AI จึงไม่ใช่ประเด็นเสริม แต่เป็นเงื่อนไขหลักของการนำ AI มาใช้ให้คุ้มค่า

โลกกำลังเร่งใช้ Agentic AI แต่ความไว้วางใจกลับลดลง

ในขณะที่องค์กรทั่วโลกเร่งลงทุน Agentic AI หรือ AI แบบตัวแทนที่มีความเป็นอิสระในการลงมือทำงานและตัดสินใจเอง ความเชื่อมั่นกลับถอยหลังอย่างน่ากังวล ระดับความเชื่อมั่นในระบบสร้างข้อความและเนื้อหาแบบ Generative AI อยู่ที่ 76% แต่เมื่อขยับไปใช้ AI แบบตัวแทน ตัวเลขลดเหลือ 66% สะท้อนว่าทุกครั้งที่ให้ AI มีอิสระมากขึ้น ความกลัวเรื่องความผิดพลาดและความรับผิดชอบก็เพิ่มตาม ช่องว่างความเชื่อมั่น AI จึงยิ่งชัดเจนในยุค Agentic AI ที่ไม่ได้แค่ช่วยคิด แต่เริ่มลงมือทำแทน

ดัชนีความน่าเชื่อถือหรือ Trustworthiness Index ในภูมิภาคหนึ่งเพิ่มขึ้น 8.8 จุด จาก 57.7 เป็น 66.5 ขณะที่ Trust gap ลดจาก 14.6 จุด เหลือ 6.6 จุด ตัวเลขเหล่านี้ทำให้หลายคนสบายใจว่ากรอบ Trustworthy AI กำลังเดินหน้า แต่หากมองลึกลงไป จะเห็นว่าการพัฒนาขีดความสามารถของ AI โดยเฉพาะ Agentic AI วิ่งเร็วกว่าการสร้างโครงสร้างพื้นฐานรองรับ ความพร้อมด้าน AI ขั้นสูงเพิ่มขึ้น 20.5 จุด แต่ความพร้อมของโครงสร้างพื้นฐานเพิ่มเพียง 4.1 จุด การวิ่งนำด้วยเทคโนโลยีโดยที่ฐานรองรับและความเชื่อมั่นยังไม่แข็งแรงจึงกลายเป็นสูตรสำเร็จของความเสี่ยง มากกว่าสูตรสำเร็จของผลลัพธ์

พนักงานไม่เชื่อผลลัพธ์ AI จนต้องแก้ไขเอง ทำให้ ROI หายไปตรงช่องว่างความเชื่อมั่น

อุปสรรค AI ตัวจริงไม่ได้อยู่ที่โมเดลไม่ล้ำหรือเครื่องไม่แรง แต่อยู่ที่คนในองค์กรไม่เชื่อผลลัพธ์ของมัน รายงานพบว่าผู้ใช้งาน 97.2% ปฏิเสธหรือเพิกเฉยต่อการตัดสินใจที่สร้างโดย AI อย่างน้อยในบางกรณี สาเหตุหลักคือ AI ไม่สามารถให้เหตุผลหรือคำอธิบายประกอบการตัดสินใจได้อย่างเข้าใจง่าย ทำให้คนรู้สึกว่าหากปล่อยให้ AI ตัดสินใจโดยไม่มีคำอธิบาย ก็เหมือนปล่อยให้กล่องดำกำหนดอนาคตธุรกิจ การตัดสินใจที่เดิมพันสูงจึงแทบไม่มีใครกล้าพึ่งพา AI โดยไม่ตรวจสอบเอง

เมื่อไม่เชื่อคำแนะนำของ AI พนักงานต้องเข้าไปแทรกแซง ลบล้าง หรือแก้ไขผลลัพธ์ด้วยตนเอง สิ่งนี้ยิ่งทำให้ช่องว่างความเชื่อมั่น AI กว้างขึ้น และอาจทำให้ธุรกิจเสียเวลา ผลผลิต และประสิทธิภาพทางธุรกิจ ในบางภูมิภาค เหตุผลอันดับต้นๆ ที่พนักงานไม่เชื่อคำแนะนำของ AI คือคำอธิบายที่ไม่เพียงพอ 37.8% และการขาดความเข้าใจบริบทตามสถานการณ์ 37% เมื่อ AI ไม่เข้าใจบริบทธุรกิจและไม่สามารถเล่าให้ฟังว่าตัดสินใจอย่างไร การนำ AI มาใช้ก็จะกลายเป็นภาระเพิ่มงาน ไม่ใช่ตัวคูณประสิทธิภาพ และผลตอบแทนจากการลงทุนหรือ ROI ก็จะหายไปในเวลาและแรงงานที่มนุษย์ต้องใช้ไปกับการแก้ไขผลลัพธ์

ผู้นำด้าน Trustworthy AI แต่ ROI ไม่ขยับ ภาพสะท้อนความสำเร็จที่ค้างอยู่บนกระดาษ

รายงานล่าสุดชี้ว่าภูมิภาคหนึ่งทำผลงานเหนือเกณฑ์มาตรฐานระดับโลกในทุกมิติของ AI ด้านความน่าเชื่อถือ ตั้งแต่คุณภาพและการกำกับดูแลข้อมูล การกำกับดูแลและการตรวจสอบโมเดล ความสามารถในการอธิบายและความยุติธรรม ไปจนถึงนโยบาย AI ที่มีความรับผิดชอบและการตรวจสอบบัญชีกับความรับผิดชอบ คะแนนแต่ละมิติขยับเพิ่มขึ้นตั้งแต่ 6.5 จนถึง 14 จุด หากมองเฉพาะดัชนีเหล่านี้ ภูมิภาคดูเหมือนเป็นผู้นำ Trustworthy AI ที่กำลังพุ่งขึ้นอย่างมั่นใจ

แต่เมื่อหันไปดูดัชนีผลลัพธ์ ภาพกลับสวนทาง ดัชนีผลลัพธ์ลดลงเล็กน้อยจาก 58.3 เป็น 58.0 และสัดส่วนองค์กรที่ระบุว่าได้รับ ROI ที่คุ้มค่าและอยู่ในระดับสูงลดลงจาก 36.7% เหลือ 28.7% รายงานจึงสรุปว่าการลงทุนใน AI ที่มีความน่าเชื่อถือยังไม่สามารถแปลงเป็นผลลัพธ์ทางธุรกิจที่วัดผลได้อย่างสม่ำเสมอ นี่คือความย้อนแย้งสำคัญ องค์กรสร้างกรอบกำกับดูแลและคะแนน Trustworthy AI ได้สูง แต่เมื่อมองที่หน้างานจริง พนักงานยังไม่เชื่อ AI ต้องแก้ไขผลลัพธ์เอง ฐานข้อมูลยังไม่แข็งแรง โครงสร้างพื้นฐานเติบโตช้ากว่าเทคโนโลยี Agentic AI ช่องว่างระหว่างความพร้อมบนกระดาษกับความสำเร็จในทางปฏิบัติจึงยังเปิดกว้าง

หากไม่ปิดช่องว่างความเชื่อมั่น AI การเร่งใช้ Agentic AI จะยิ่งเพิ่มความเสี่ยงมากกว่ามูลค่า

ประเด็นสำคัญที่รายงานเตือนคือ โครงสร้างพื้นฐานของภูมิภาคพัฒนาในอัตราที่ช้ากว่า แม้ความพร้อมด้าน AI ขั้นสูงเพิ่มขึ้น 20.5 จุด แต่ความพร้อมของโครงสร้างพื้นฐานเพิ่มขึ้นเพียง 4.1 จุด ช่องว่างด้านโครงสร้างพื้นฐานจึงเป็นประเด็นที่ต้องจับตาในช่วงที่องค์กรกำลังก้าวไปสู่การใช้งาน Agentic AI หากปล่อยให้ AI ทำงานอัตโนมัติมากขึ้นโดยไม่มีฐานข้อมูลที่แข็งแรง ระบบตรวจสอบสม่ำเสมอ และคำอธิบายที่คนเข้าใจได้ ความผิดพลาดระดับ 25% ในงานที่ซับซ้อนก็ย่อมเป็นระดับที่ไม่มีใครกล้ารับผิดชอบ

รายงานชี้ชัดว่าธุรกิจส่วนใหญ่ใช้ AI บนแพลตฟอร์มข้อมูลที่ไม่สมบูรณ์หรือล้าสมัย หากไม่มีรากฐานข้อมูลที่แข็งแรงเพื่อสร้างความโปร่งใสและความสามารถในการอธิบาย ธุรกิจจะจัดการ AI อย่างมีประสิทธิภาพและใช้ประโยชน์จากคุณค่าที่เทคโนโลยีนี้มอบให้ได้ยาก มีเพียง 17.5% ของธุรกิจที่มีโครงสร้างพื้นฐานข้อมูลซึ่งเหมาะสมต่อการใช้งาน Agentic AI และธุรกิจที่มีแพลตฟอร์มข้อมูลที่ได้รับการปรับให้เหมาะสมมีโอกาสได้รับ ROI จากโครงการ AI มากกว่าถึงสี่เท่า เมื่อมองภาพรวม สิ่งที่ต้องเร่งจึงไม่ใช่การติดตั้งโมเดลใหม่อีกหนึ่งตัว แต่คือการสร้างความเชื่อมั่น AI ผ่านการกำกับดูแลข้อมูล การอธิบายผลลัพธ์ให้คนเข้าใจ และการเปลี่ยนวิธีทำงานขององค์กรให้พร้อมอยู่กับ AI อย่างแท้จริง หากไม่ปิดช่องว่างความเชื่อมั่น การเร่งนำ AI มาใช้อาจกลายเป็นการเร่งสะสมความเสี่ยง มากกว่าการเร่งสร้างมูลค่า