คลื่นลงทุน AI พุ่งขึ้น แต่ธรรมาภิบาลและงบยังตามไม่ทัน
ช่องว่างระหว่างการลงทุน AI governance องค์กรกับความพร้อมด้านธรรมาภิบาลและการควบคุมต้นทุนคือปัญหาหลักที่ทำให้องค์กรแม้จะเพิ่มงบประมาณและขยายการใช้งาน AI ทั่วทั้งธุรกิจแล้ว แต่ยังไม่สามารถสร้างแพลตฟอร์ม AI ที่ใช้ซ้ำได้ ควบคุมค่าใช้จ่าย และลดความเสี่ยงเชิงปฏิบัติการและจริยธรรมจากการใช้งาน Agentic AI และระบบอัตโนมัติขั้นสูงได้อย่างเป็นระบบ ส่งผลให้ประโยชน์ด้านผลิตภาพถูกกัดกร่อนด้วยงบบานปลายและการจัดการ AI ที่ไม่มีกลยุทธ์รองรับตั้งแต่ต้น.
ภาพรวมในภูมิภาคเอเชียแปซิฟิกสะท้อนชัดว่าองค์กรกำลังกระโดดจากการทดลองไปสู่การใช้งานจริงด้วยความเร็วสูง แต่ขาดเบรกด้านธรรมาภิบาลและงบประมาณที่แม่นยำ ผลสำรวจ CIO Playbook ชี้ว่า 96% ขององค์กรในภูมิภาคมีแผนเพิ่มการลงทุนด้าน AI โดยเฉลี่ย 15% และ 66% ก้าวผ่านขั้นทดลองไปสู่การใช้งานทั่วทั้งองค์กรแล้ว สิ่งนี้ทำให้คำถามสำคัญเปลี่ยนจาก “ใช้ AI ได้หรือไม่” ไปเป็น “จะจัดการ AI อย่างไรให้เชื่อถือได้และไม่ทำให้งบบานปลาย”
AI governance องค์กรล่าช้ากว่าโครงการจริง ช่องว่างที่เสี่ยงจะแพง
ปัญหาไม่ได้อยู่ที่เทคโนโลยี AI แต่อยู่ที่แพลตฟอร์มและกรอบการกำกับดูแลที่องค์กรยังสร้างไม่เสร็จก่อนใช้งานจริง การวิจัยระดับโลกที่สำรวจผู้นำธุรกิจและเทคโนโลยี 397 คนชี้ว่าอุปสรรคที่ใหญ่ที่สุดของ AI ในตอนนี้คือข้อจำกัดด้านข้อมูล ระบบ และรูปแบบการกำกับดูแลที่ไม่พร้อมรองรับการขยายผล 41% มองว่าการบูรณาการ AI กับระบบและกระบวนการเดิมคือความท้าทายหลัก และ 38% พบว่าการขยายจากโครงการนำร่องไปสู่แพลตฟอร์มระดับองค์กรเป็นอุปสรรคสำคัญ ช่องว่างเหล่านี้ไม่ได้เป็นแค่ปัญหาทางเทคนิค แต่กลายเป็นต้นทุนแฝงที่องค์กรต้องจ่ายในรูปของความไร้ประสิทธิภาพและความเสี่ยง.
ยิ่งน่าเป็นห่วงเมื่อการใช้งาน AI ในองค์กรเพิ่มขึ้นขณะที่ AI governance องค์กรยังตามหลัง ผลสำรวจในภูมิภาคระบุว่าแม้ 60% ขององค์กรมีประสบการณ์ใช้งาน AI แล้ว แต่มีเพียงประมาณ 1 ใน 4 ที่มีกรอบการกำกับดูแล AI อย่างครอบคลุม นั่นหมายความว่ามีโครงการ AI จำนวนมากที่เดินหน้าโดยไม่มีหลักเกณฑ์ชัดเจนเรื่องคุณภาพข้อมูล ความเป็นส่วนตัว ความปลอดภัย และความรับผิดชอบ เมื่อรวมกับความคาดหวังต่อตัวแทน AI ที่จะเข้ามาจัดการกระบวนการหลักของธุรกิจเพิ่มจากเฉลี่ย 17% ในปัจจุบันเป็น 39% ภายในสองปีข้างหน้า ความล่าช้าของธรรมาภิบาลจึงเท่ากับการปล่อยให้ต้นทุนความเสี่ยงสะสมอย่างเงียบๆ.
Agentic AI ค่าใช้จ่ายบานปลาย เพราะองค์กรยังคิดจากมุมเทคโนโลยีมากกว่ากลยุทธ์
Agentic AI ถูกยกขึ้นมาเป็นวาระใหญ่ของผู้บริหาร แต่หลายองค์กรกำลังเข้าไปใช้โดยไม่เข้าใจผลกระทบด้านงบประมาณอย่างแท้จริง Agentic AI ไม่ได้ตอบคำถามครั้งเดียวแล้วจบ แต่ทำงานเป็นตัวแทนที่ดำเนินกระบวนการต่อเนื่อง สร้างเวิร์กโฟลว์และตัดสินใจหลายชั้น ทำให้จำนวนงานที่ระบบต้องประมวลผลสูงกว่าที่คาดไว้มาก ผลคือค่าใช้จ่ายด้านโครงสร้างพื้นฐานและโมเดลเพิ่มขึ้นแบบก้าวกระโดดจนกระทบงบ IT ทั้งระบบ หากมอง Agentic AI แค่ในมุม “ฟังก์ชันล้ำสมัย” โดยไม่ผูกกับกลยุทธ์ต้นทุนและสถาปัตยกรรมระบบที่เหมาะสม จะยิ่งผลักองค์กรเข้าสู่กับดักงบบานปลายอย่างหลีกเลี่ยงไม่ได้.
ข้อมูลจากภูมิภาคชี้ตรงกันว่า Agentic AI ค่าใช้จ่ายสูงเกินแผนไปไกล เลอโนโวระบุว่า 92% ขององค์กรที่นำ Agentic AI ไปใช้งานรายงานว่ามีค่าใช้จ่ายสูงกว่างบประมาณที่กำหนดไว้ ขณะเดียวกันการวิจัยระดับโลกพบว่าปัจจุบันตัวแทน AI จัดการกระบวนการหลักของธุรกิจเฉลี่ย 17% และคาดว่าจะขยับเป็น 26% ในอีก 12 เดือนก่อนจะแตะ 39% ภายในสองปี แนวโน้มนี้ชี้ชัดว่าองค์กรกำลังเพิ่มความพึ่งพา Agentic AI อย่างรวดเร็วโดยที่กรอบการจัดการ AI ต้นทุน โครงสร้างพื้นฐาน และความปลอดภัยยังไม่สอดรับ ซึ่งเป็นสูตรผสมของค่าใช้จ่ายที่ยากจะควบคุม.
จากโครงการทดลองสู่แพลตฟอร์ม AI ใช้ซ้ำได้: ทำไมกลยุทธ์และโครงสร้างพื้นฐานจึงเป็นหัวใจ
การเปลี่ยนจากโครงการทดลองแบบแยกส่วนไปสู่แพลตฟอร์ม AI ที่ใช้ซ้ำได้ทั่วทั้งองค์กรไม่ใช่เรื่องของการเพิ่มโมเดลให้มากขึ้น แต่เป็นเรื่องการออกแบบสถาปัตยกรรมธุรกิจและเทคโนโลยีใหม่ตั้งแต่ฐาน การวิจัยร่วมระดับโลกชี้ว่าความได้เปรียบในการแข่งขันในยุค AI จะเป็นขององค์กรที่สามารถสร้างแพลตฟอร์ม AI ที่นำกลับมาใช้ซ้ำและปรับขนาดได้ มากกว่าที่จะเพียงติดตั้งโครงการ AI เฉพาะจุด ซึ่งต้องอาศัยการผสมผสานระหว่างโครงสร้างพื้นฐาน เทคโนโลยี ข้อมูล การกำกับดูแล ความปลอดภัย และรูปแบบการดำเนินงานที่เป็นหนึ่งเดียว ถ้าไม่มีภาพรวมแบบนี้ การลงทุนเพิ่มจะยิ่งแตกกระจายเป็นโครงการย่อยที่ใช้ทรัพยากรมากแต่ส่งมูลค่ารวมต่ำ.
ปัญหาต้นทุนจึงผูกแนบกับการเลือกโครงสร้างพื้นฐานที่เหมาะกับลักษณะงาน ไม่ใช่แค่เลือกโมเดลที่ฉลาดที่สุด เลอโนโวเสนอว่าหน้าที่ที่มีความไม่แน่นอนหรือเกิดขึ้นเป็นช่วงๆ ยังเหมาะกับคลาวด์ ขณะที่งานที่ชัดเจน ต่อเนื่อง และมีปริมาณสูง เช่น การจัดสรรงานบริการลูกค้า การตอบคำถามด้านทรัพยากรบุคคล หรือระบบค้นหาข้อมูลแบบ Retrieval-Augmented Search อาจเหมาะกับการประมวลผลแบบ On-Premises หรือ Edge มากกว่า แนวคิดนี้สะท้อนหลักการ “ประสิทธิภาพต่อหน่วยงบ” ซึ่งถ้าองค์กรไม่ยอมปรับสถาปัตยกรรมการจัดการ AI ให้สอดคล้อง ก็จะใช้ทรัพยากรแพงเกินความจำเป็นในงานจำนวนมาก.
เมื่อต้นทุน AI ลดลงได้ถึง 90% ถ้าองค์กรจริงจังกับการจัดการ AI ตั้งแต่ต้น
ข่าวดีคือ ต้นทุน AI ลดลงได้มากกว่าที่หลายองค์กรคิด หากมอง AI เป็นระบบที่จะต้องออกแบบให้คุ้มค่าระยะยาว ไม่ใช่แค่การลองใช้โมเดลใหม่ๆ รายงานการทดลองระดับองค์กรกับเครื่องมือ agentic coding แสดงให้เห็นว่าการใช้เทคนิคปรับต้นทุน ตั้งแต่การสลับไปใช้โมเดลแบบเปิด การปรับวิธีส่งงาน (routing) จนถึงการลดการใช้โทเคนส่วนเกิน สามารถทำให้บางองค์กรลดค่าใช้จ่ายด้าน AI ลงได้สูงสุดถึง 90% ของบิลการเขียนโค้ดด้วย AI นอกจากนี้ฟีเจอร์ Smart Router ที่เลือกโมเดลให้เหมาะกับงานยังช่วยลดต้นทุนเฉลี่ยต่อภารกิจลงกว่า 30% ขณะที่การปรับระบบ harness และการตั้งค่าการแคชช่วยลดโทเคนที่สร้างลงเกือบ 50% โดยไม่กระทบคุณภาพผลลัพธ์.
แต่การจะใช้ประโยชน์จากเทคนิคเหล่านี้ได้จริง องค์กรต้องมีวุฒิภาวะด้านการจัดการ AI มากพอ ทั้งในมิติ governance การบูรณาการ และการวัดผล การวิจัยระดับโลกสะท้อนว่ามีเพียง 26% ของธุรกิจที่ประเมินตนเองว่ามีความพร้อมด้านการดำเนินงาน AI ในระดับสูงแล้ว แม้จะมีมากกว่าครึ่งที่จัดสรรงบ IT อย่างน้อย 5% ให้กับ AI ขณะเดียวกันลำดับความสำคัญการลงทุนในอนาคตเริ่มขยับไปสู่การปรับปรุงการกำกับดูแลและการปฏิบัติตามกฎระเบียบด้าน AI (44%) การบูรณาการ AI เข้ากับระบบที่มีอยู่ (42%) และการเสริมความปลอดภัยและความยืดหยุ่นของระบบ AI (39%) แนวทางนี้สอดคล้องกับมุมมองที่ว่าองค์กรต้องตั้งเป้า “ประสิทธิภาพต่อหน่วยงบ” ไม่ใช่เพียง “ปัญญาสูงสุด” ในการเลือกใช้โมเดล.
