โครงการ AI ทดลองคืออะไร และภาพรวมปัญหาผลตอบแทนที่ไม่เข้าเป้า
โครงการ AI ทดลองหมายถึงการนำระบบปัญญาประดิษฐ์มาทดลองใช้ในกระบวนการธุรกิจเฉพาะส่วน เพื่อพิสูจน์แนวคิดและวัดผลกระทบต่อประสิทธิภาพหรือกำไร ก่อนตัดสินใจขยายผลในระดับองค์กร โครงการลักษณะนี้มักถูกออกแบบให้ทำงานในสภาพแวดล้อมที่ควบคุมได้ มีทีมเทคนิคดูแลอย่างใกล้ชิด แต่ไม่ได้เชื่อมโยงกับโครงสร้างการทำงานจริงอย่างครบถ้วน ส่งผลให้เมื่อย้ายออกจากห้องทดลองไปสู่โลกการปฏิบัติจริง ประสิทธิภาพและผลตอบแทนกลับตกลงอย่างเห็นได้ชัด งานวิจัยจากสถาบันด้านเทคโนโลชีชั้นนำพบว่า 95% ของโครงการ AI ทดลองในสถาบันการเงินไม่มีผลกระทบต่อกำไรที่วัดได้เลย นั่นหมายความว่าปัญหาโครงการ AI ล้มเหลวไม่ได้อยู่ที่ตัวเทคโนโลยี แต่เป็นการจัดการองค์กรและการนำ AI มาใช้ที่ไม่สอดคล้องกับเป้าหมายทางธุรกิจ ผลตอบแทน AI ไม่ดี จึงเป็นสัญญาณเตือนว่าองค์กรยังไม่เข้าใจว่าต้องเปลี่ยนอะไรบ้างรอบตัวโมเดล AI
สามความผิดพลาดในโครงการ AI ที่ทำให้ผลตอบแทนหายไปกับอากาศ
เมื่อมองใกล้ ๆ จะเห็นรูปแบบความผิดพลาดในโครงการ AI ล้มเหลวซ้ำไปซ้ำมา ความผิดพลาดในโครงการ AI ข้อแรก คือการมองว่า AI เป็นแค่ส่วนเสริมในขั้นตอนหนึ่งของกระบวนการเดิม โดยไม่กล้าถามว่ากระบวนการนั้นจำเป็นและมีประสิทธิภาพจริงหรือไม่ หากขั้นตอนทำงานไม่มีประสิทธิภาพตั้งแต่แรก AI ก็เพียงแค่จำและทำซ้ำความไม่มีประสิทธิภาพนั้นในระดับอัตโนมัติ ข้อผิดพลาดที่สองคือการประเมินภาระด้านการกำกับดูแลและการปฏิบัติตามกฎระเบียบต่ำเกินไป โดยเฉพาะธุรกิจการเงินที่มีข้อกำหนดเข้มข้น การผลักภาระงานที่ละเอียดอ่อนทั้งหมดไปให้ AI ทำโดยไม่ออกแบบกระบวนการตรวจสอบและรับผิดชอบที่ชัดเจน ย่อมเสี่ยงทั้งเชิงกฎหมายและชื่อเสียง และสุดท้าย หลายองค์กรลืมฝึกอบรมพนักงานให้เข้าใจและใช้ AI อย่างถูกต้อง พนักงานที่ไม่มั่นใจในเครื่องมือใหม่ย่อมต่อต้านหรือใช้แบบผิวเผิน ส่งผลให้โมเดลที่ดีบนกระดาษไม่ถูกใช้จนเกิดมูลค่าจริง
ช่องว่างระหว่างคำสัญญาของผู้ขาย AI กับผลลัพธ์จริงในองค์กร
ในไม่กี่ปีที่ผ่านมา การนำ AI มาใช้ในภาคการเงินเพิ่มขึ้นอย่างรวดเร็ว บริษัทแห่กันซื้อโมเดลและลงนามสัญญากับผู้จำหน่ายมากขึ้น แต่ผลลัพธ์กลับน้อยหรือถึงขั้นน่าผิดหวัง ช่องว่างระหว่างคำสัญญาของผู้ขาย AI กับสิ่งที่องค์กรทำได้จริงจึงขยายกว้างขึ้นเรื่อย ๆ แม้เทคโนโลยีจะฉลาดขึ้นก็ตาม ผู้เชี่ยวชาญบางรายชี้ว่าปัจจุบัน AI เขียนโค้ดและสร้างซอฟต์แวร์ได้มากกว่าก่อนหน้าเป็นร้อยเท่า แต่ลูกค้าส่วนใหญ่กลับเพิ่มผลผลิตได้เพียงสองถึงสามเท่าเท่านั้น ปัญหาจึงไม่ใช่ขีดความสามารถของระบบ AI ที่ยังไม่พอ แต่คือคอขวดด้านมนุษย์และองค์กร โครงสร้างบทบาทและกระบวนการถูกออกแบบไว้ตั้งแต่ยุคก่อน AI ทำให้ AI ต้องเข้าไปอยู่ในช่องแคบ ๆ ของกระบวนการเดิมแทนที่จะช่วยออกแบบวิธีทำงานใหม่ ผลตอบแทน AI ไม่ดีจึงสะท้อนว่าองค์กรยังไม่กล้าปรับโมเดลการดำเนินงานให้รองรับวิธีทำงานที่ AI เป็นศูนย์กลางอย่างแท้จริง และยังไม่ตอบคำถามเรื่องข้อมูลว่าใครเป็นเจ้าของและใครได้ใช้ต่อ เมื่อ AI เข้ามาอยู่กลางระหว่างบริษัทกับลูกค้า
ทำไมตัวเลข ROI จาก AI ยังต่ำ และองค์กรควรตั้งกรอบวัดความสำเร็จอย่างไร
แม้หลายบริษัทเชื่อว่า AI จะกลายเป็นหัวใจของธุรกิจ แต่งานวิจัยเชิงธุรกิจพบว่าเพียงประมาณ 40% ของบริษัทเท่านั้นที่เห็นว่า AI เพิ่มกำไร และในกลุ่มนั้นมีก็แค่ 6% ที่บอกว่ากำไรเพิ่มขึ้นอย่างมีนัยสำคัญ ตัวเลขเหล่านี้ตอกย้ำว่าการลงทุน AI จำนวนมากยังไม่แปลงเป็น ROI ที่จับต้องได้ โครงการ AI ล้มเหลวจึงมักเกิดจากการขาดกรอบวัดผลที่โฟกัสไปที่ตัวเลขธุรกิจ มากกว่าความตื่นเต้นด้านเทคโนโลยี องค์กรจำนวนมากเปิดโครงการนำร่องแล้วไปหยุดอยู่ที่การสาธิตฟีเจอร์ ไม่ใช่การติดตามตัวชี้วัดอย่างสม่ำเสมอ หากผ่านไปหกเดือนแล้วยังไม่สามารถระบุได้ชัดเจนว่าโมเดลช่วยประหยัดเวลาพนักงานกี่ชั่วโมง หรือเพิ่มกำไรกี่เปอร์เซ็นต์ แสดงว่าโครงการนั้นยังไม่ทำงานอย่างที่ควร การนำ AI มาใช้จึงต้องเริ่มจากคำถามเรื่องผลลัพธ์ทางธุรกิจ แล้วจึงย้อนกลับมาดูว่าต้องเปลี่ยนกระบวนการคน ข้อมูล และการกำกับดูแลอย่างไร ไม่ใช่เริ่มจากถามว่าเทคโนโลยีทำอะไรได้บ้าง
วิธีแก้สามความผิดพลาด: จากโครงการทดลองสู่ระบบ AI ที่สร้างกำไรจริง
หากต้องการให้โครงการ AI ทดลองเปลี่ยนจากโชว์เทคโนโลยีเป็นเครื่องสร้างกำไร องค์กรต้องยอมรับว่าคอขวดไม่ใช่ AI แต่เป็นคนและรูปแบบการทำงาน ขั้นแรก ต้องออกแบบโครงการไม่ใช่รอบโมเดล แต่รอบกระบวนการธุรกิจที่กล้าปรับใหม่ ถ้าขั้นตอนเดิมไม่จำเป็นหรือไม่สร้างมูลค่า ต้องกล้าตัดหรือออกแบบใหม่ให้ AI เข้ามาอยู่ในแกนกลางของการตัดสินใจ ขั้นต่อมาคือการตั้งโครงสร้างการกำกับดูแลและการปฏิบัติตามกฎระเบียบให้ชัดเจน ตั้งแต่บทบาทผู้รับผิดชอบ ไปจนถึงวิธีตรวจสอบความถูกต้องของผลลัพธ์ เพื่อปิดช่องโหว่ด้านความเสี่ยง พร้อมกันนั้นต้องลงทุนในการพัฒนาทักษะพนักงานให้เข้าใจข้อจำกัดและศักยภาพของ AI แทนการผลักให้ทีมเทคนิคทำงานอยู่ลำพัง สุดท้าย ต้องมีการจัดการการเปลี่ยนแปลงอย่างต่อเนื่อง ตั้งวงสนทนาข้ามฝ่ายเพื่อให้เป้าหมาย ความสามารถ และความคาดหวังจาก AI ถูกปรับให้ตรงกันอยู่เสมอ เพราะแม้ AI จะเก่งขึ้นทุกปี ช่องว่างระหว่างสิ่งที่องค์กรคาดหวังกับสิ่งที่ทำได้จริงยังต้องอาศัยการจัดการมนุษย์เป็นตัวปิด
