AI Pilot ในองค์กรคืออะไร และทำไมถึงล้มเหลวเป็นส่วนใหญ่
AI pilot ในองค์กรคือการทดลองนำระบบปัญญาประดิษฐ์เข้าไปทำงานในเวิร์กโฟลว์ธุรกิจจริงในช่วงจำกัด เพื่อดูว่าช่วยให้กระบวนการทำงานเร็วขึ้น แม่นขึ้น หรือคุ้มค่ามากขึ้นหรือไม่ โดยมักเริ่มจากการใช้เครื่องมืออัตโนมัติหรือผู้ช่วยเสมือนในขั้นตอนบางส่วนของงาน และวัดผลจากผลลัพธ์เชิงธุรกิจที่จับต้องได้ เช่น เวลาทำงาน ค่าใช้จ่าย หรือรายได้ที่เพิ่มขึ้น นักวิจัย MIT พบว่า 95 เปอร์เซ็นต์ของ AI pilot ในองค์กรไม่สามารถสร้างผลลัพธ์ที่วัดผลได้ เมื่อเทียบกับอัตราล้มเหลวเพียง 25 เปอร์เซ็นต์ของโปรเจ็กต์ไอทีทั่วไป ตัวเลขนี้ไม่ได้บอกว่าเทคโนโลยี AI ใช้งานไม่ได้ แต่สะท้อนว่าองค์กรกำลังใช้เครื่องมือที่ทำงานได้บนกระบวนการที่ออกแบบไม่ดี เมื่อปล่อย AI ไปทำงานในเวิร์กโฟลว์ที่เต็มไปด้วยช่องโหว่ ข้อมูลกระจัดกระจาย และขาดกติกา มันจะผลิตงานผิดๆ ออกมาจำนวนมากด้วยความเร็วระดับเครื่องจักร ที่ร้ายกว่านั้นคือหลายทีมโทษโมเดลหรือผู้ขาย แต่ไม่ยอมรับว่าปัญหาหลักอยู่ที่การออกแบบเวิร์กโฟลว์และโครงสร้างความรับผิดชอบในองค์กรเอง
อัตโนมัติบนเวิร์กโฟลว์เสีย เท่ากับเร่งความผิดพลาดให้เร็วขึ้น
แก่นของปัญหา AI pilot failures ในองค์กรคือการเอา AI ไปอัตโนมัติบนกระบวนการทำงานที่เสียอยู่แล้ว โดยไม่มีขอบเขตและการกำกับดูแลที่ชัดเจน สโลแกนที่เหมาะที่สุดสำหรับสิ่งนี้คือ “Automating a Mess Produces a Faster Mess” เพราะทุกธุรกิจมักมีช่องโหว่เล็กๆ อยู่แล้ว ตั้งแต่ใบเสนอราคาที่อนุมัติแค่ปากเปล่า ไฟล์ลูกค้าที่อยู่ในหัวคนเดียว ไปจนถึงตารางราคาที่หมดอายุแต่ยังวนอยู่ในอีเมล มนุษย์ในองค์กรช่วยอุดรอยรั่วเหล่านี้ด้วยสัญชาตญาณและการใช้ดุลยพินิจ แต่ AI ทำไม่ได้ เมื่อเอาเข้าไปในเวิร์กโฟลว์ที่เปราะบาง มันแค่ผลิตเอาต์พุตปริมาณมากขึ้น โดยมีรอยรั่วเดิมๆ ส่งผลให้ข้อผิดพลาดไหลผ่านระบบด้วยความเร็วระดับเครื่องจักร ซึ่งกระทบผู้ใช้ปลายทางทันที ตั้งแต่ลูกค้าที่ได้รับข้อมูลผิด ไปจนถึงทีมปฏิบัติการที่ต้องมานั่งแก้งานตามหลัง Tim Mobley สรุปชัดว่าบริษัทส่วนใหญ่ไม่ได้มีปัญหา AI แต่มีปัญหาออกแบบเวิร์กโฟลว์ โดยเฉพาะจุดส่งต่องานระหว่าง AI กับมนุษย์ที่ทำให้ความรับผิดชอบหายไป
จากแชตบอตสู่ Operational AI: ให้ AI ทำงานในเวิร์กโฟลว์จริง
ช่วงไม่กี่ปีที่ผ่านมา องค์กรชอบวัดคุณค่า AI จากคุณภาพของการสื่อสาร เช่น เขียนอีเมล สรุปรายงาน หรือตอบคำถามได้ดีแค่ไหน ผลคือการลงทุนไปกับแชตบอตและผู้ช่วยสนทนา แต่สิ่งที่สร้างมูลค่าจริงใน enterprise AI deployment ไม่ใช่บทสนทนา หากเป็นความสามารถในการขับเคลื่อนงานผ่านเวิร์กโฟลว์ธุรกิจที่วัดผลได้ Operational AI เน้นให้ระบบสามารถทำงานในขั้นตอนธุรกิจจริง เช่น คัดเลือกซัพพลายเออร์ เตรียมเอกสารจัดซื้อ จัดลำดับลีดขาย ประสานงานขนส่ง หรือส่งต่อเคสผิดปกติไปยังคนที่รับผิดชอบ โดยอยู่ภายใต้สิทธิ์การเข้าถึงที่ชัดเจน มีผลลัพธ์ที่วัดได้ และมีร่องรอยการตัดสินใจครบถ้วน แชตอินเทอร์เฟซที่ดีช่วยให้งานดูง่ายขึ้น แต่ Operational AI เปลี่ยนวิธีที่งานถูกทำให้เสร็จ องค์กรที่มองแค่เครื่องมือสนทนาจะติดอยู่ในระดับทดลอง ไม่เชื่อมต่อกับเวิร์กโฟลว์จริง ในทางกลับกัน ผู้ที่โฟกัสว่า AI เข้าไปอยู่ในกระบวนการซ้ำๆ ที่มีผลทางเศรษฐกิจ เช่น จัดซื้อ โลจิสติกส์ หรือการออนบอร์ดลูกค้า จะเห็นว่าคุณค่าของ AI คือการเปลี่ยนข้อมูลกระจัดกระจายให้กลายเป็นการกระทำที่เสร็จสมบูรณ์
กติกา เจ้าของงาน และมนุษย์ในสายงาน: แกนของ AI governance ที่ดี
เมื่อองค์กรพยายามนำ AI ไปวางในสภาพแวดล้อมการทำงานจริง จะพบช่องว่างทันที ตั้งแต่ดาต้าแตกกระจาย ซอฟต์แวร์เดิมที่ต้องเชื่อมต่อ ข้อกำกับดูแล การอนุมัติ ข้อมูลไม่ครบ ไปจนถึงคำถามว่าใครรับผิดชอบ ถ้าไม่มีคำตอบชัด AI จะกลายเป็นชั้นบางๆ บนกระบวนการเดิมแทนที่จะเปลี่ยนโครงสร้างการทำงาน AI governance ที่ใช้ได้จริงเริ่มจากการตั้งขอบเขต ไม่ใช่ถามว่า AI ทำอะไรได้บ้าง แต่ถามว่ามันไม่ควรทำอะไร ระบบเสนอราคาอาจต้องมีราคาต่ำสุด แชตบอตบริการลูกค้าต้องพูดได้เฉพาะนโยบายในรายการ และส่งต่อเรื่องอื่นให้คนตรวจ ระบบสั่งซื้อควรมี sanity check เช่น ไม่ให้รับออร์เดอร์ผิดปกติอย่าง 18,000 ขวดน้ำ ที่สำคัญคือการกำหนดเจ้าของงาน ถ้าไม่มีมนุษย์ที่มีชื่อและบทบาทรับผิดชอบเอาต์พุตแต่ละชิ้น การใช้ AI ไม่ใช่อัตโนมัติแต่เป็นการสละความรับผิดชอบ “An AI deployment with no named human owner is not automation It’s abdication” คือคำเตือนที่ทุกองค์กรควรแปะไว้หน้าห้องประชุม
ทำไมต้องเริ่มจากการแก้เวิร์กโฟลว์เสีย ก่อนขยาย AI ทั่วองค์กร
วันนี้การใช้งาน AI ในธุรกิจขนาดเล็กเติบโตอย่างรวดเร็ว การใช้ generative AI เพิ่มจาก 40 เปอร์เซ็นต์เป็น 58 เปอร์เซ็นต์ภายในปีเดียว และธุรกิจที่ใช้ AI มีโอกาสรายได้เติบโตมากกว่าธุรกิจที่ไม่ใช้ถึง 2.3 เท่า ขณะที่ 91 เปอร์เซ็นต์ของธุรกิจเล็กที่ใช้ AI รายงานว่ามีรายได้เพิ่มขึ้นอย่างชัดเจน ข้อมูลนี้ชี้ว่าไม่ใช่เวลาที่จะหลีกเลี่ยง AI แต่เป็นเวลาที่ต้องใช้ให้ถูกทาง ในขณะเดียวกัน การคาดการณ์ระบุว่ามากกว่า 40 เปอร์เซ็นต์ของโปรเจ็กต์ agentic AI จะถูกยกเลิกภายในสิ้นปี 2027 เพราะบานปลายด้านต้นทุน ผลตอบแทนไม่ชัด และการควบคุมความเสี่ยงที่ไม่พอ ถ้าองค์กรยังใช้สูตร “ซื้อเครื่องมือ รัน pilot แล้วรอเวทมนตร์” จะเดินตามเส้นทางล้มเหลวแบบเดิม ทางเลือกที่จริงคือการเริ่มจากเวิร์กโฟลว์ ระบุว่ากระบวนการไหนซ้ำบ่อย มีผลทางธุรกิจ และยังเต็มไปด้วยการประสานงานมือ จากนั้นออกแบบใหม่ให้มีขอบเขตชัด มีตัวชี้วัดผลลัพธ์ และโมเดลจัดการข้อยกเว้นที่ส่งต่อให้มนุษย์ เมื่อทำได้ AI จะเปลี่ยนเศรษฐศาสตร์ ความเร็ว และคุณภาพของงานได้จริง องค์กรที่ชนะจะไม่ใช่ผู้ที่ลบมนุษย์ออกจากทุกขั้นตอน แต่เป็นผู้ที่ดีไซน์สมดุลระหว่างอัตโนมัติ การควบคุม และดุลยพินิจของคน
