ลงทุน AI พุ่งแรง แต่กำลังคนคือคอขวดตัวจริง
วิกฤตขาดแคลนบุคลากร AI คือสถานการณ์ที่องค์กรทุ่มงบประมาณและโครงสร้างพื้นฐานเพื่อใช้ปัญญาประดิษฐ์อย่างเต็มที่ แต่กลับไม่มีคนที่มีทักษะเพียงพอในการออกแบบ พัฒนา และดูแลระบบ AI ทำให้แผนงานเชิงกลยุทธ์หยุดชะงัก โครงการต้องเลื่อนหรือหดขอบเขตลง และผลตอบแทนจากการลงทุนไม่เป็นไปตามที่คาดหวัง ทั้งที่ผู้บริหารส่วนใหญ่เห็นตรงกันว่า AI เป็นหัวใจสำคัญของการแข่งขันในยุคถัดไป ซึ่งทำให้ตลาดแรงงานด้าน AI ตึงตัวมากผิดปกติและกลายเป็นอุปสรรคกลางทางของการเปลี่ยนผ่านสู่ธุรกิจดิจิทัล.
รายงานสำรวจ “The AI Business Application Readiness and Accessibility Survey” ที่สนับสนุนโดยผู้ให้บริการโครงสร้างพื้นฐาน AI รายใหญ่ในภูมิภาค ได้สำรวจผู้มีอำนาจตัดสินใจด้านไอที 1,000 คนในแปดตลาดเอเชียในช่วงกลางปี 2025 และพบภาพเดียวกันแทบทุกประเทศ: 99% ขององค์กรยกให้ AI เป็นวาระสำคัญของธุรกิจ แต่เมื่อถามถึงอุปสรรค กลับชี้ไปที่การขาดความเชี่ยวชาญภายในองค์กรในสัดส่วนสูงถึง 37% ในภาพรวม ปัญหานี้จึงไม่ใช่เรื่องเทคโนโลยีหรือเงินทุนเป็นหลัก หากเป็นเรื่อง “ไม่มีคนทำ” มากกว่า ซึ่งสะท้อนว่าการบริหารคนสำคัญไม่แพ้การบริหารระบบ.
ตัวเลขการลงทุน AI เอเชียบอกอะไรบ้าง
เมื่อมองจากด้านงบประมาณ จะเห็นชัดว่าภูมิภาคนี้ไม่ได้ลังเลกับการลงทุน AI เลย การลงทุน AI เอเชียกำลังเปลี่ยนจากการทดลอง มาเป็นการวางระบบถาวร ทั้งในส่วนโครงสร้างพื้นฐานและเครื่องมือสำหรับทีมพัฒนา AI องค์กรกว่า 75% ระบุว่า AI เป็นส่วนที่แยกไม่ออกจากการดำเนินงานประจำวันแล้ว และนั่นคือสัญญาณว่าการแข่งกันลงทุนกำลังถึงจุดที่ใครไม่มีระบบ AI ก็เท่ากับไม่มีโครงสร้างพื้นฐานธุรกิจยุคใหม่ แต่ตัวเลขสวยงามเหล่านี้กลับตั้งคำถามต่อว่า “ถ้าทุกคนลงทุน ใครกันแน่ที่ดูแลระบบทั้งหมดนี้ให้ปลอดภัยและสร้างมูลค่าได้จริง”.
95% ขององค์กรในเอเชียตั้งใจเพิ่มงบลงทุนผลิตภัณฑ์ AI โดยเฉพาะงบด้านโครงสร้างพื้นฐาน IaaS ที่ 69% ของผู้ตอบแบบสำรวจระบุว่าจะเติบโตมากกว่า 20% ตามด้วย PaaS 61% และ MaaS 58% โครงสร้างพื้นฐานกำลังถูกวางอย่างเข้มข้น แต่นี่คือการลงทุนที่เน้น “เครื่องมือ” มากกว่า “คน” งานวิเคราะห์ข้อมูลและการตัดสินใจ (66%) เครื่องมือบริการลูกค้าเช่นแชทบอท (64%) การตลาดและคอนเทนต์ (58%) การพัฒนาผลิตภัณฑ์และเขียนโค้ด (55%) ตลอดจนงาน HR (38%) ล้วนเริ่มใช้ AI ในระบบหลักแล้ว ผลกระทบต่อผู้ใช้ทั่วไปคือบริการเร็วขึ้น ฉลาดขึ้น แต่เบื้องหลังคือทีมที่กำลังแบกรับงานเกินกำลังเพราะท่อส่งคนไม่โตตามงบ.
ขาดแคลนบุคลากร AI: อุปสรรคการใช้ AI ที่มองข้ามไม่ได้
แม้หลายองค์กรจะพูดถึงความปลอดภัยข้อมูลและต้นทุนเป็นอุปสรรคการใช้ AI แต่สิ่งที่กำลังกัดกร่อนโครงการในระยะยาวกลับเป็นทักษะ AI ที่ขาดแคลน ความกังวลเรื่องความเป็นส่วนตัวและความปลอดภัยข้อมูลมาเป็นอันดับหนึ่งที่ 48% ตามด้วยค่าใช้จ่ายในการนำไปใช้ 42% ทว่าเมื่อลงลึกในระดับบุคลากร 37% ชี้ชัดว่าการขาดความเชี่ยวชาญภายในองค์กรคือข้อจำกัดสำคัญ หากไม่มีคนที่เข้าใจโมเดล ข้อมูล และสถาปัตยกรรม AI+Cloud ระดับลึก องค์กรก็เสี่ยงทำระบบที่ทั้งเปลืองงบและไม่ตอบโจทย์ธุรกิจ แถมยังเพิ่มความเสี่ยงต่อการรั่วไหลของข้อมูลโดยไม่จำเป็น ซึ่งทำให้ฝ่ายบริหารลังเลและชะลอการใช้งานในวงกว้าง.
กรณีที่น่าสนใจคือมุมมองขององค์กรบางตลาดที่เน้นขอการสนับสนุนด้านบุคลากรเป็นอันดับแรกถึง 63% ซึ่งถือเป็นสัดส่วนสูงที่สุดในการศึกษา สะท้อนว่าการขาดแคลนบุคลากร AI ไม่ใช่ปัญหาปลีกย่อย แต่เป็นความเสี่ยงเชิงกลยุทธ์ ถ้าองค์กรตั้งใจให้ AI เป็นตัวผลักดันนวัตกรรม (64%) เพิ่มประสิทธิภาพ (63%) และสร้างรายได้ใหม่ (48%) แต่ไม่มีทีมงานพร้อม โครงการก็ไม่อาจเดินไปถึงเป้าหมายได้ ความจริงที่ตรงไปตรงมาคือ งบประมาณและเทคโนโลยีซื้อได้ แต่ความเชี่ยวชาญที่ลึกและต่อเนื่องต้องใช้เวลาในการสร้าง และตลาดแรงงานปัจจุบันไม่ได้ผลิตคนเร็วเท่ากับที่องค์กรเพิ่มงบลงทุน.
เมื่อโซลูชันไม่ครบวงจร องค์กรถูกบังคับให้สร้างทีมเอง
อีกด้านหนึ่งของปัญหาคือการที่โซลูชัน AI แบบครบวงจรยังไม่ตอบโจทย์งานเฉพาะทาง หลายองค์กรเข้าถึงผลิตภัณฑ์ AI รายโซลูชันได้ไม่ยาก เฉลี่ยถึง 91% ระบุว่ามีโซลูชันแพร่หลายในตลาด แต่งานจริงต้องการระบบที่เชื่อมต่อกับเวิร์กโฟลว์เดิมอย่างแนบเนียน มีมาตรฐานด้านดาต้าไปป์ไลน์และความปลอดภัยเดียวกัน ซึ่งสแต็ก AI+Cloud แบบบูรณาการแม้จะตอบโจทย์ได้ดี แต่ก็ยังต้องอาศัยทีมภายในที่เข้าใจสถาปัตยกรรมเต็มรูปแบบ ผู้ตอบแบบสำรวจ 45% จึงพึงพอใจกับข้อเสนอแบบบูรณาการเต็มแสต็ก มากกว่าการใช้โมเดลเดี่ยว ๆ บนมัลติคลาวด์หรือแบบไม่มีโครงสร้างพื้นฐานคลาวด์ควบคู่.
เมื่อโซลูชัน End-to-End สำหรับอุตสาหกรรมเฉพาะทางยังไม่แพร่หลาย องค์กรก็แทบถูกบังคับให้สร้างทีมวิศวกร AI และสถาปนิกระบบเองเพื่อออกแบบและปรับแต่งโซลูชันให้เข้ากับบริบทของตน นั่นทำให้การรับสมัครวิศวกร AI กลายเป็นสนามแข่งขันที่ดุเดือด ทั้งในด้านเงินเดือน โครงการที่ท้าทาย และโอกาสการเติบโตในสายงาน ในขณะที่ผู้ให้บริการคลาวด์รายใหญ่ประกาศลงทุนขยายโครงสร้างพื้นฐานระบบคลาวด์และ AI อย่างน้อย 380,000 ล้านหยวน (ประมาณ USD 53,000 ล้าน หรือราว ฿1,908,000 ล้าน) ในระยะเวลา 3 ปี ฝั่งองค์กรผู้ใช้กลับต้องวิ่งไล่สร้างทักษะภายในให้ทัน มิฉะนั้นจะเหลือแต่โครงสร้างพื้นฐานที่ไม่มีใครขับเคลื่อนให้ไปถึงมูลค่าทางธุรกิจ.
กลยุทธ์หาคนเก่ง AI ให้ทันการลงทุน
ถ้าโจทย์ใหญ่คือขาดแคลนบุคลากร AI การแก้ปัญหาจึงต้องเริ่มจากการออกแบบกลยุทธ์คนใหม่ทั้งหมด ไม่ใช่คิดว่า “หาคนเก่งเพิ่มอีกนิด” แล้วจบ องค์กรต้องวางโครงสร้างทักษะตั้งแต่ระดับพื้นฐานไปจนถึงเชิงลึก เริ่มจากการยกระดับทักษะดิจิทัลทีมเดิมให้เข้าใจแนวคิด AI และดาต้า จากนั้นสร้างแกนกลางทีม AI ที่ประกอบด้วยวิศวกร AI นักวิทยาศาสตร์ข้อมูล วิศวกร MLOps และผู้เชี่ยวชาญด้านความปลอดภัยข้อมูล การรับสมัครวิศวกร AI จึงควรเปิดกว้างทั้งสายคอมพิวเตอร์ วิทยาศาสตร์ข้อมูล และวิศวกรรมที่พร้อมเรียนรู้โมเดลใหม่ ไม่ยึดติดเฉพาะตำแหน่งที่ระบุว่าเป็น “AI engineer” ในประกาศงาน.
กลยุทธ์ที่ใช้งานได้จริงคือผสมผสานสามแนวทาง: หนึ่ง สร้างโปรแกรม reskill และ upskill ภายในสำหรับคนที่สนใจสายดาต้าและ AI สอง สร้างความร่วมมือกับมหาวิทยาลัยและสถาบันฝึกอบรมให้ผลิตคนที่ตรงกับงานจริง และสาม ใช้บริการที่ปรึกษา AI ภายนอกในช่วงตั้งต้น เพื่อให้ทีมภายในเรียนรู้จากโครงการจริงแทนการอ่านคู่มืออย่างเดียว ในขณะเดียวกัน ผู้บริหารต้องปรับคาดหวังให้สอดคล้องกับตลาดแรงงาน ไม่ใช่หวังได้ “ผู้เชี่ยวชาญครบทุกด้านในคนเดียว” แต่ต้องออกแบบทีมที่ผสมทักษะหลากหลาย เพื่อรองรับการใช้ AI ในงานวิเคราะห์ข้อมูล งานลูกค้า การตลาด และ HR ซึ่งวันนี้เริ่มเป็นงานหลักไปแล้ว.
