ตัวเลขที่น่าตกใจ การลงทุนมหาศาลแต่ได้ผลน้อยเพราะไม่เชื่อข้อมูล
การลงทุน AI ระดับองค์กรคือการนำเทคโนโลยีปัญญาประดิษฐ์เข้าไปอยู่ในระบบงาน ธุรกิจ และแอปพลิเคชันขององค์กรอย่างต่อเนื่อง โดยหวังให้ช่วยตัดสินใจ ทำงานอัตโนมัติ และสร้างมูลค่าทางธุรกิจ แต่ความสำเร็จของ enterprise AI implementation กลับขึ้นอยู่กับคุณภาพข้อมูล การกำกับดูแล และความสามารถในการมองเห็นต้นทุนและความเสี่ยงของระบบทั้งหมด ไม่ใช่แค่ความฉลาดของโมเดล AI เอง งานวิจัยหนึ่งพบว่าองค์กรลงทุนใน generative AI หลักหลายหมื่นล้าน แต่มีเพียงประมาณ 5 เปอร์เซ็นต์ของการใช้งานระดับองค์กรกว่า 300 รายการที่ให้ผลตอบแทนทางการเงินที่วัดได้ ตัวเลขนี้ไม่ใช่ปัญหาด้านเทคโนโลยีอย่างเดียว แต่สะท้อนว่าส่วนใหญ่ยังไม่สามารถสร้างข้อมูลที่เชื่อถือได้และ AI data quality governance ที่จริงจัง ผลคือโครงการ AI กลายเป็นต้นทุนสูงที่ยากจะอธิบายความคุ้มค่าให้ผู้บริหารและผู้ถือหุ้น
ขยะเข้า เหตุร้ายออก เมื่อองค์กรไม่สร้างความเชื่อถือในข้อมูล
ปัญหาหลักของการจัดการ AI องค์กรไม่ใช่การเขียนโมเดล แต่คือการจัดการข้อมูลและบริบทที่รายล้อมข้อมูลนั้น ถ้าข้อมูลต้นทางไม่ชัดเจน ไม่รู้ว่าใครเป็นเจ้าของ มาจากไหน และมีกฎธุรกิจอะไรผูกอยู่ ผลลัพธ์จาก AI ย่อมไม่น่าเชื่อถือ ผู้เชี่ยวชาญด้านข้อมูลเตือนมานานแล้วว่าจากเดิมที่เคยพูดว่า ขยะเข้า ขยะออก วันนี้กลายเป็น ขยะเข้า เหตุร้ายออก เพราะตัวแทน AI สามารถเอาข้อมูลที่น่าสงสัยไปสร้างคำตอบที่ดูมั่นใจมากจนคนหลงเชื่อ เมื่อแชทบอทภายในตอบผิดแต่เต็มไปด้วยความมั่นใจ ผู้ใช้เพียงคนเดียวอาจเลิกใช้ AI และความเชื่อถือในระบบทั้งชุดก็พังตามไปด้วย ที่น่ากังวลกว่านั้นคือ AI ยังสามารถขุดเจอข้อมูลมืดหรือข้อมูลที่องค์กรคิดว่าซ่อนไว้เหมือนถุงเท้าสกปรกใต้เตียงแล้วนำไปใช้โดยไม่มีบริบท ทำให้ความเสี่ยง AI ขยายตัวเงียบ ๆ ผ่านการตัดสินใจที่มีผลต่อกระบวนการสำคัญ
Shadow AI และช่องว่างการกำกับดูแล กำลังเปิดประตูภัยจากคนใน
ในโลกการทำงานจริง AI ไม่ได้เข้ามาเฉพาะผ่านโครงการทางการ แต่ผ่านการใช้ของพนักงานในชีวิตประจำวันด้วย ข้อมูลชี้ให้เห็นว่าการใช้ AI ในที่ทำงานกำลังเพิ่มขึ้นอย่างรวดเร็วและมักข้ามช่องทางการอนุมัติของฝ่ายไอทีปกติ พนักงานจำนวนมากเลือกติดตั้งเครื่องมือ AI ส่วนตัวหรือส่วนขยายบนเบราว์เซอร์เอง ส่งผลให้กิจกรรม Shadow AI หรือการใช้ AI ที่ไม่ได้รับอนุญาตเติบโตถึงสี่เท่าเมื่อวัดจากระบบ DLP ที่ติดตามการรั่วไหลของข้อมูล พร้อมกันนั้นพนักงานในบริษัทมากกว่า 90 เปอร์เซ็นต์ที่ถูกศึกษา ยังคงใช้เครื่องมือ AI ส่วนบุคคลควบคู่ไปหลังโครงการนำร่องของนายจ้างไม่สามารถสร้างความเชื่อมั่นให้พวกเขาได้ ปรากฏการณ์นี้ไม่ใช่แค่เรื่องประสิทธิภาพ แต่คือภัยด้านความปลอดภัยและความเสี่ยงการละเมิดกฎระเบียบ เพราะมีทั้งซอฟต์แวร์ที่ไม่ได้รับอนุญาต การแชร์ข้อมูลที่ไม่ถูกตรวจสอบ และกระบวนการอัตโนมัติที่ไม่มีใครมองเห็นว่า AI กำลังทำอะไรอยู่
CIO ถูกถามรับผิดชอบ แต่กลับมองไม่เห็นต้นทุนและความเสี่ยงทั้งระบบ
ในองค์กรยุคใหม่ CIO และทีมไอทีถูกคาดหวังให้ตอบคำถามว่า AI ทำให้ธุรกิจดีขึ้นแค่ไหน คุ้มค่าแค่ไหน และเสี่ยงอะไรบ้าง แต่โครงสร้างระบบที่ซับซ้อนตั้งแต่แอปพลิเคชัน Data Pipeline API Cloud Capacity Security Controls ไปจนถึงข้อมูลที่ AI เข้าถึงทำให้การมองภาพรวมกลายเป็นเรื่องยากอย่างยิ่ง การย้ายระบบไปสู่คลาวด์และการฝัง AI ในระบบ SaaS ทำให้ Customer Journey หนึ่งรายการเชื่อมต่อทั้งฐานข้อมูลในศูนย์ข้อมูลเดิม บริการคลาวด์ API และระบบชำระเงิน หากตรวจสอบแยกส่วน ทีมงานอาจได้รับการแจ้งเตือนหลายรายการแต่ไม่รู้ว่ามาจากปัญหาเดียวกัน ผลคือ CIO ต้องรับผิดชอบเมื่อระบบ AI ล้มเหลวหรือเกิดเหตุด้านความปลอดภัย แต่กลับขาด visibility แบบศูนย์กลางที่บอกได้ว่าโมเดล แอปพลิเคชัน ความจุระบบ การใช้โทเคน และต้นทุนกำลังเคลื่อนไหวอย่างไรในภาพรวม และช่องว่างนี้เปิดโอกาสให้ความเสี่ยง AI ขยายตัวก่อนที่ระเบียบการกำกับดูแลและโครงสร้างความปลอดภัยจะตามทัน
จากการเร่งใช้ AI สู่การจัดการ AI องค์กรแบบยั่งยืน
เมื่อปัญญาประดิษฐ์ไม่ใช่อนาคตแต่เป็นความจริงในทุกวันของการทำงาน องค์กรไม่สามารถคิดแค่การนำ AI เข้าไปใช้ได้อีกต่อไป แต่ต้องเปลี่ยนโฟกัสจาก AI deployment ไปสู่ AI oversight แบบครบวงจร การจัดการ AI องค์กรที่ยั่งยืนต้องตั้งคำถามใหม่ว่า เรามีการมอนิเตอร์ต่อเนื่องครอบคลุมตั้งแต่คุณภาพโมเดล ข้อมูลที่เชื่อถือได้ ไปจนถึงการเข้าใช้งานของตัวแทน AI หรือไม่ มีการควบคุมต้นทุนที่ผูกกับการใช้โทเคนและทรัพยากรคลาวด์หรือไม่ และมีการบริหารความเสี่ยง AI แบบชัดเจนหรือยัง ทุกวันนี้มีเพียงบางส่วนขององค์กรที่ใช้การมอนิเตอร์แบบต่อเนื่องและการเข้ารหัสตั้งแต่ต้นจนจบ ในขณะที่องค์กรที่รักษาความปลอดภัยได้ดีที่สุดกลับให้ความสำคัญกับ AI data quality governance และการสร้าง guardrails รอบการทำงานของตัวแทน AI มากกว่า หากองค์กรยังเดินหน้าอย่างรวดเร็วโดยไม่ออกแบบการจัดการ AI องค์กรตั้งแต่ต้น การลงทุนมหาศาลก็จะยังให้ผลตอบแทนเพียงเศษส่วนเล็ก ๆ และทิ้งระเบิดเวลาเรื่องความเชื่อถือและความเสี่ยงไว้ข้างหลัง
