ทำไมองค์กรลงทุน AI แต่ผลิตภาพไม่ขยับ และจะแก้อย่างไร

AI กลายเป็นต้นทุนคงที่ ไม่ใช่เครื่องยนต์ผลิตภาพ เพราะอะไร

ปัญหาช่องว่างผลิตภาพของ AI หรือ AI productivity gap คือสถานการณ์ที่องค์กรเร่งลงทุนในเครื่องมือ ปรับใช้ AI และขับเคลื่อน digital transformation แต่กลับไม่เห็นผลิตภาพ การเติบโต หรือผลตอบแทนจากการลงทุนเพิ่มขึ้นอย่างเป็นรูปธรรม สะท้อนว่าเทคโนโลยีถูกซื้อมาใช้ แต่โครงสร้างการทำงาน ทักษะคน และกลยุทธ์ธุรกิจยังไม่เปลี่ยนตาม ทำให้ AI กลายเป็นเพียงต้นทุนคงที่ ไม่ใช่เครื่องยนต์สร้างมูลค่าใหม่และความได้เปรียบในการแข่งขัน

ภาพรวมระดับชาติยังสะท้อนปัญหาเดียวกัน เมื่อการจัดอันดับความสามารถในการแข่งขันดิจิทัล IMD World Digital Competitiveness Ranking ระบุว่าประเทศหนึ่งอยู่ในอันดับที่ 39 ของโลกจาก 69 ประเทศ ในด้านความสามารถในการแข่งขันดิจิทัล และอยู่ในอันดับรองในภูมิภาคแม้จะมีฐานกำลังคนสายวิทยาศาสตร์แข็งแรงก็ตาม นั่นหมายความว่า ประเทศนั้นใช้ดิจิทัลมาก แต่ยังสร้างเทคโนโลยีเองได้น้อย ช่องว่างนี้คือจุดเริ่มต้นของการเป็น “ผู้บริโภค AI” มากกว่า “ผู้สร้าง AI”

ในระดับ SME ข้อมูลจากหน่วยงานด้านวิสาหกิจชี้ว่าองค์กรขนาดเล็กและกลางเปิดรับ digital transformation ในทุกด้าน แต่คะแนนส่วนใหญ่ยังอยู่แค่ระดับพื้นฐาน เพราะติดข้อจำกัดด้านกลยุทธ์ เทคโนโลยี และทักษะบุคลากร เมื่อฐานยังไม่แข็งแรง การทุ่มงบซื้อ AI จึงมักจบที่การใช้แบบกระจายตัว ขาดทิศทาง และวัดผลไม่ได้ว่าช่วยเพิ่มผลิตภาพหรือไม่

เมื่อ SME ลงทุน AI แต่ขาดยุทธศาสตร์และคนที่ใช้เป็น

กรอบ digital transformation 5 ด้านของภาค SME แสดงให้เห็นว่าคะแนนการบริหารจัดการธุรกิจขยับจาก 1.1 เป็น 1.4 การติดต่อซัพพลายเออร์จาก 1.6 เป็น 1.8 การจัดการกระบวนการผลิตจาก 1.2 เป็น 1.3 การสร้างความสัมพันธ์กับลูกค้าจาก 1.1 เป็น 1.2 และการพัฒนาออกแบบผลิตภัณฑ์จาก 0.7 เป็น 1.0 ซึ่งยังถือว่าต่ำสุดเมื่อเทียบด้านอื่น (คะแนนเต็ม 4) ตัวเลขเหล่านี้สะท้อนว่า SME ถูกแรงกดดันเรื่อง digital transformation Thailand อย่างชัดเจน แต่การยกระดับยังคงอยู่เพียงขั้นต้น

ในมุม SME AI adoption ข้อมูลชี้ว่า 65.3% ของ SME เห็นผลลัพธ์จากการใช้ AI และดิจิทัลอย่างชัดเจน ขณะที่ 28% ยังไม่เห็นผล และ 6.7% ระบุว่าใช้แล้วไม่เกิดประโยชน์ ข้อเท็จจริงที่น่าสังเกตคือกลุ่มที่ประสบความสำเร็จได้ประโยชน์ด้านความสะดวกและรวดเร็วในการทำงาน 15.4% การเพิ่มช่องทางขายและรายได้ 12.8% การบริหารสต็อก 11.9% การปรับคุณภาพสินค้าและบริการ 10.3% และการเข้าถึงตลาดใหม่ 10.2% ซึ่งล้วนเป็นผลลัพธ์ระดับปฏิบัติการ ไม่ใช่การเปลี่ยนโมเดลธุรกิจหรือโครงสร้างผลิตภาพทั้งระบบ

ที่น่ากังวลกว่านั้นคือแผนการลงทุนต่อเนื่อง มีเพียง 16.5% ที่มีแผนลงทุนเพิ่มเติมชัดเจน ขณะที่ 38.9% ขึ้นอยู่กับสภาวะเศรษฐกิจ 29.2% คงระดับการลงทุนเดิม และ 15.4% ไม่มีแผนลงทุนเลย สัญญาณนี้บอกเราว่า หาก SME ยังมอง AI เป็นโครงการรายปี ไม่ใช่ยุทธศาสตร์ระยะยาว ช่องว่างผลิตภาพจะยิ่งถ่างกว้าง เพราะคู่แข่งที่สร้างขีดความสามารถด้าน AI ต่อเนื่องจะดึงตลาดและกำไรไปก่อน

AI ไม่ขาด เครื่องมือไม่ขาด แต่ “คน” คือคอขวดตัวจริง

การวิเคราะห์จากผู้บริหารสถาบันการศึกษาชั้นนำระดับโลกชี้ชัดว่าปัญหาหลักของเศรษฐกิจยุค AI ไม่ใช่การขาดเทคโนโลยี แต่คือการขาด Human Capital หรือทุนมนุษย์คุณภาพสูง เทคโนโลยีอย่าง AI, ซอฟต์แวร์ หรือแพลตฟอร์มต่างๆ สามารถซื้อได้เหมือนกันแทบทุกประเทศ สิ่งที่ซื้อไม่ได้คือคนที่แปลงเทคโนโลยีเหล่านั้นให้กลายเป็นนวัตกรรม ผลิตภาพ และธุรกิจใหม่

ศาตราจารย์เกียรติคุณ แอนดรูว์ เค. โรส คณบดีคณะบริหารธุรกิจของมหาวิทยาลัยแห่งหนึ่งกล่าวว่า หากจะลงทุนได้เพียงเรื่องเดียวในอีกสิบปี เงินก้อนนั้นควรถูกใช้เพื่อพัฒนาคน ตั้งแต่มหาวิทยาลัยวิจัย ห้องปฏิบัติการนวัตกรรม ไปจนถึงระบบที่เปิดให้ประชาชนเลือกพัฒนาทักษะของตัวเอง เขาย้ำว่า มหาวิทยาลัยของประเทศรายได้ปานกลางส่วนใหญ่ทำหน้าที่ผลิตบัณฑิตเข้าสู่ตลาดแรงงาน แต่หากต้องการขยับขึ้นเป็นประเทศพัฒนาแล้ว มหาวิทยาลัยต้องผลิตงานวิจัย เทคโนโลยี และองค์ความรู้ใหม่ ไม่ใช่แค่แรงงานสำเร็จรูป

AI productivity gap จึงไม่ได้เกิดเพราะ AI ยังไม่เก่งพอ แต่เกิดเพราะโครงสร้างคนและองค์กรยังไม่พร้อมรองรับการเปลี่ยนแปลงทั้งระบบ บทเรียนจากเทคโนโลยีในอดีต เช่น ตู้ ATM หรืออินเทอร์เน็ต แสดงให้เห็นว่าพอเทคโนโลยีเข้ามา งานแบบเดิมบางส่วนหายไป แต่ก็เกิดงานใหม่จำนวนมาก เช่น นักออกแบบเว็บไซต์ หรือผู้เชี่ยวชาญด้าน cybersecurity ที่เติบโตเป็นอุตสาหกรรมมูลค่าสูง คำถามคือระบบการศึกษาและองค์กรพร้อมผลิต “คนแบบใหม่” ที่ทำงานร่วมกับ AI แล้วหรือยัง

จากผู้ใช้ AI สู่ผู้สร้าง AI: เปลี่ยนยุทธศาสตร์และระบบการเรียนรู้

ข้อมูลระดับชาติสะท้อนชัดว่าประเทศยังเป็นผู้ใช้มากกว่าผู้สร้างเทคโนโลยี โดยจุดอ่อนหลักคือการลงทุนวิจัยและพัฒนาจากภาคเอกชน จำนวนบทความวิชาการด้าน AI และการจดสิทธิบัตรที่เกี่ยวข้องกับ AI หากปล่อยให้แนวโน้มนี้ดำเนินต่อไป ก็เสี่ยงจะกลายเป็นเศรษฐกิจที่บริโภค AI ผลิตโดยผู้อื่น ซื้อเครื่องมือ นำเข้าโมเดล และจ่ายค่าลิขสิทธิ์ไปเรื่อยๆ ขณะที่ความรู้และผลกำไรระยะยาวไปตกอยู่กับผู้พัฒนาในต่างประเทศ

ทางออกเชิงโครงสร้างจึงต้องเริ่มจาก AI implementation strategy ที่มอง AI เป็นเรื่องของคนและวัฒนธรรมองค์กร มากกว่าโครงการไอที แนวคิด AI Literacy และการยกระดับพลเมืองสู่ระดับ AI Citizenship ถูกเสนอเป็นข้อแนะนำต่อภาครัฐ เพื่อเพิ่มผลิตภาพแรงงานทักษะสูงผ่านมาตรการสนับสนุนเชิงรุก ในทางปฏิบัติ นั่นหมายถึงการสอนให้ทุกคนเข้าใจ AI ใช้อย่างรับผิดชอบ รู้ข้อจำกัด และต่อยอดเครื่องมือเหล่านี้เข้ากับงานจริง ไม่ใช่เพียงห้ามใช้หรือปล่อยให้ใช้โดยไร้มาตรฐาน

ในระบบการศึกษา สถาบันชั้นนำเริ่มปรับวิธีสอนและการประเมินใหม่ โดยนำ AI เข้าไปในรายวิชา เปลี่ยนจากการประเมินด้วยรายงานอย่างเดียว เป็นการสอบปากเปล่า การอภิปราย และการวัดกระบวนการคิด เพื่อให้แน่ใจว่านักศึกษาเข้าใจเนื้อหา ไม่ใช่เพียงคัดลอกคำตอบจาก AI ส่วนในองค์กร ควรปรับ KPI ให้สะท้อนการเรียนรู้ทักษะใหม่ และเน้นถามถึงวิธีคิด กระบวนการตัดสินใจของพนักงาน แทนการวัดแต่ผลลัพธ์ปลายทางแบบเดิม

สรุป: AI จะเพิ่มผลิตภาพได้ ต่อเมื่อกล้ารื้อวิธีทำงานทั้งระบบ

แก่นของปัญหาไม่ใช่การที่ SME หรือสถาบันการศึกษายังไม่ใช้ AI แต่คือการใช้แบบ “เสริมเครื่องมือ” แทนการ “รื้อระบบ” เราเห็นแล้วว่า SME AI adoption จำนวนมากยังจำกัดอยู่ที่งานปลีกย่อย เพิ่มความเร็ว เพิ่มช่องทางขาย แต่ไม่เปลี่ยนโครงสร้างธุรกิจ ขณะที่สถาบันการศึกษาส่วนใหญ่ยังเน้นผลิตแรงงานมากกว่าผลิตองค์ความรู้ใหม่ AI productivity gap จึงเป็นอาการของโครงสร้างเก่าที่ถูกฝืนให้ใช้เครื่องมือใหม่

หากไม่อยากติดอยู่ในกับดักการเป็นผู้บริโภค AI องค์กรและประเทศต้องกล้าเปลี่ยนสามเรื่องพร้อมกัน หนึ่ง ยุทธศาสตร์ AI ต้องผูกกับเป้าหมายธุรกิจและการสร้างนวัตกรรมใหม่ ไม่ใช่แค่ลดต้นทุน สอง ต้องลงทุนในคนอย่างหนัก ตั้งแต่ AI Literacy ระดับประชาชนไปจนถึงการสร้างนักวิจัยและนักพัฒนา AI สาม ต้องกล้าปรับวิธีวัดผลงานและโครงสร้างงานให้เปิดทางให้งานรูปแบบใหม่เกิดขึ้น เมื่อเครื่องมือพร้อม คนพร้อม และระบบพร้อม AI จึงจะกลายเป็นเครื่องยนต์ผลิตภาพ ไม่ใช่เพียงค่าใช้จ่ายในงบไอที