AI ในธุรกิจ คืออะไรเมื่อต้องตอบโจทย์คอขวดจริง
AI ในธุรกิจ คือการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้แก้ปัญหาที่เป็นคอขวดขององค์กรอย่างเจาะจง ตั้งแต่การลดต้นทุน เพิ่มประสิทธิภาพ สร้างประสบการณ์ลูกค้าแบบเฉพาะบุคคล ไปจนถึงการต่อยอดสินค้าและโมเดลธุรกิจใหม่ แต่จะมีคุณค่าได้ก็ต่อเมื่อเชื่อมกับกลยุทธ์และตัวชี้วัดทางธุรกิจที่จับต้องได้ ไม่ใช่เพียงทดลองใช้เครื่องมือหรือรันโปรเจกต์ต้นแบบแบบกระจัดกระจาย
กรณีของ LINE MAN Wongnai ชี้ชัดว่าการลงทุน AI จะคุ้มค่า ก็ต่อเมื่อเริ่มจากการถามว่า เทคโนโลยีกำลังช่วยแก้ปัญหาธุรกิจตรงไหน และผลลัพธ์ที่ได้ให้ ROI จาก AI เพียงพอหรือไม่ ดร.ต้า วิโรจน์ จิรพัฒนกุล ถูกแต่งตั้งให้เป็นรองประธานฝ่าย AI คนแรก เพื่อขับเคลื่อนองค์กรสู่การเป็นบริษัทที่ขับเคลื่อนด้วย AI อย่างเต็มรูปแบบ เขาไม่ได้มอง AI เป็นของเล่นใหม่ แต่เป็นกลไกเชิงกลยุทธ์ในการแก้คอขวดที่ขวางการเติบโต
การแต่งตั้ง VP of AI: สัญญาณว่าบริษัทเอา AI จริงจัง
เมื่อ LINE MAN Wongnai เปิดตัว ดร.ต้า วิโรจน์ จิรพัฒนกุล ในฐานะ VP of AI คนแรกขององค์กร นี่ไม่ใช่แค่การเพิ่มตำแหน่ง แต่เป็นสัญญาณว่าบริษัทกำลังย้ายจากการทดลอง AI ไปสู่การทำให้เป็นระบบระดับองค์กร เพื่อเปลี่ยนตัวเองให้เป็น AI-Driven Company อย่างแท้จริง การเข้ามาเมื่อต้นปี 2569 หลังได้รับคำชวนจากผู้บริหารระดับสูง สะท้อนว่าฝั่งซีอีโอไม่ได้มอง AI เป็นเทรนด์ แต่เป็นทิศทางใหม่ของธุรกิจ
Generative AI ถูกมองว่าเป็นคลื่นเทคโนโลยีที่ทรงพลังและเปลี่ยนเกมได้เร็วกว่าอินเทอร์เน็ตหรือยุคโมบายด้วยซ้ำ จึงไม่แปลกที่ผู้บริหารจะตั้งแม่ทัพเฉพาะด้าน AI เพื่อทำ AI automation strategy ให้เดินไปในทิศทางเดียวกับกลยุทธ์บริษัท ที่น่าสนใจคือก่อนหน้านี้องค์กรได้จัดคอร์สเรียน AI ร่วมกับทีมของดร.ต้าอยู่แล้ว ทำให้เห็นว่าพนักงานจำนวนมากพร้อมทดลองและอยากใช้ AI เป็นแซนด์บ็อกซ์สำหรับโปรเจกต์ใหม่ คำถามจึงไม่ใช่ “จะใช้ AI ไหม” แต่คือ “จะใช้กับคอขวดไหนก่อน”
แก้ปัญหาคอขวด ก่อนซื้อเครื่องมือ: โฟกัสกล้ามเนื้อมัดใหญ่และจุดอั้นเติบโต
หัวใจของกลยุทธ์ AI ในธุรกิจ ของดร.ต้า คืออย่าเริ่มจากคำถามว่า “มี AI แล้วจะเอาไปทำอะไร” แต่ต้องเริ่มจากการหา Bottleneck หรือแก้ปัญหาคอขวด ที่ทำให้ธุรกิจโตช้าและต้นทุนสูง แล้วค่อยถามต่อว่า AI เข้าไปช่วยตรงนั้นได้หรือไม่ ตัวอย่างชัดเจนคือการมองหาส่วนที่เป็นกล้ามเนื้อมัดใหญ่ขององค์กร เช่น ทีม Developer ซึ่งใช้ทรัพยากรจำนวนมาก หาก AI ช่วยให้ทีมเหล่านี้เพิ่มประสิทธิภาพได้ 20-30 เปอร์เซ็นต์ จะสร้างผลกับบริษัทได้ทันที
อีกด้านคือคอขวดด้าน Operation โดยเฉพาะงาน Customer Support ที่ต้องใช้คนจำนวนมากและขยายตามจำนวนลูกค้า เช่นเดียวกับหลายแพลตฟอร์มที่ตัวระบบโตได้เร็ว แต่คนหน้างานตามไม่ทัน การนำ AI ไปช่วยในจุดที่ทั้งใช้ทรัพยากรเยอะและเป็นจุดอั้นการเติบโต จึงทำให้เกิด ROI จาก AI ที่วัดได้จริง มากกว่าการทดลอง Use Case กระจายแบบไม่เชื่อมโยงกับ Business Outcome นี่คือการตัดกับวัฒนธรรม Proof of Concept ที่มักจบลงแค่สไลด์พรีเซนต์ ไม่เคยกลายเป็นระบบใช้งานจริง
สามคานงัดของ AI: Automation, Personalization, Intelligence
ดร.ต้าเสนอว่าคุณค่าของ AI ในธุรกิจ มาจากสามคานงัดสำคัญคือ Automation, Personalization และ Intelligence ซึ่งช่วยให้บริษัทสร้างความแตกต่างในต้นทุนที่ต่ำลงหรือที่เขาเรียกว่า Low-cost Differentiation AI automation strategy ที่ดีไม่ใช่แค่การลดคน แต่คือการใช้ Automation เพื่อลดงานซ้ำ เพิ่ม Productivity และลดต้นทุน เช่น ให้ AI ตรวจเอกสารของร้านค้าหรือไรเดอร์ที่เดิมต้องใช้คนเปิดดูทีละหน้า
ด้าน Personalization ทำให้บริการแบบเฉพาะบุคคลกับลูกค้าจำนวนมากกลายเป็นเรื่องทำได้จริง จากเดิมที่ Account Manager ดูแลได้เฉพาะร้านค้ารายใหญ่ AI สามารถวิเคราะห์ข้อมูลและให้คำแนะนำกับร้านค้ารายเล็กจำนวนมากได้ในระดับที่มนุษย์ทำไม่ได้ ส่วน Intelligence เปิดโอกาสให้สร้างคุณค่าใหม่ เช่น ในการศึกษา AI อาจทำให้การเฉลยโจทย์กลายเป็นสิ่งที่ไม่มีมูลค่าเหมือนเดิม แต่ช่วยสร้างสื่อ Interactive ที่ให้ผู้เรียนปรับตัวแปรและเห็นผลลัพธ์ทันที ทำให้ประสบการณ์ดีขึ้น นี่คือการขยับจากทำของเดิมให้เร็วขึ้น ไปสู่การนิยามคุณค่าใหม่ให้ลูกค้า
เชื่อม AI กับ ROI จริง: จาก Customer Support ถึง Developer และวัฒนธรรมการใช้งาน
AI ของ LINE MAN Wongnai ถูกวัดจากผลลัพธ์ทางธุรกิจ ไม่ใช่จำนวนฟีเจอร์ ตัวอย่างคือการนำ AI ไปช่วยงาน Customer Support จนสัดส่วนคำสั่งซื้อที่ถูกยกเลิกหลังติดต่อทีมบริการลูกค้าลดจากกว่า 50 เปอร์เซ็นต์ เหลือราว 30 เปอร์เซ็นต์ ซึ่งส่วนต่างประมาณ 20 จุดเปอร์เซ็นต์นี้คิดเป็นมูลค่ากว่าร้อยล้านบาทต่อปี นี่คือประโยคที่ควรถูกเขียนติดผนังทุกองค์กรว่า “ลูกค้าไม่ได้ต้องการ AI เขาต้องการผลลัพธ์”
ในฝั่ง Developer องค์กรมีทีมขนาดราว 400 คน และได้นำ Coding Agent มาช่วยงานเพื่อลดภาระการตรวจโค้ดซ้ำๆ ซึ่งหากเพิ่มประสิทธิภาพได้ระดับ 20-30 เปอร์เซ็นต์ จะสร้างผลกระทบต่อธุรกิจอย่างมีนัยสำคัญ ยังมีการสร้าง Leaderboard ภายในเพื่อจัดอันดับว่าทีมไหนใช้ AI ในการทำงานมากที่สุด และชวนทีมที่ใช้เยอะมาแชร์ประสบการณ์ ขณะที่ทีมที่ใช้ไม่มากจะถูกชวนคุยนอกรอบว่า ติดปัญหาอะไร นี่คือการเปลี่ยนจากการวัดการใช้เครื่องมือ ไปสู่การวัด Business Outcome และการสร้างวัฒนธรรมการใช้ AI ในระดับองค์กร
จาก POC สู่ระบบใช้งานจริง: เลือก Use Case ที่ Impact สูงและเทคโนโลยีพร้อม
หลายองค์กรติดกับดัก Proof of Concept ทำโปรเจกต์ตัวอย่างสวยหรูแต่ไม่เคยเข้าสู่การใช้งานจริง เพราะไม่เคยถามสองคำถามพื้นฐานว่า หนึ่ง งานนี้สำคัญกับธุรกิจแค่ไหน และสอง AI ทำงานนี้ได้ดีพอหรือยัง ดร.ต้าอธิบายแนวคิด Jagged Frontier ว่าขีดความสามารถของ AI ไม่ได้เรียบเสมอ งานบางอย่าง AI เก่งมาก แต่อีกงานที่ดูคล้ายกันอาจยังทำได้ไม่ดี Use Case ที่ดีต้องอยู่ในจุดตัดของ Impact สูงและความพร้อมของเทคโนโลยี
สิ่งที่ทดลองวันนี้แล้วยังไม่เวิร์ก ไม่ได้แปลว่าอีกไม่กี่สัปดาห์หรือรุ่นโมเดลใหม่จะยังทำไม่ได้ เพราะขีดความสามารถของ AI ขยับเร็วมาก ดังนั้นองค์กรต้องเตรียมทั้งสายทดลองและสายผลิตให้พร้อม เมื่อเทคโนโลยีถึงจุดที่พร้อม ก็สามารถดันจาก POC ไปสู่ระบบใช้งานจริงที่สร้าง ROI จาก AI ได้ทันที การเปลี่ยนผ่านสู่ยุคที่บริษัทเทคระดับโลกกำลังนำ AI มาใช้และปรับโครงสร้างคนอย่างจริงจัง ทำให้คำถามไม่ใช่ว่า “จะโดนกระแสนี้หรือไม่” แต่คือ “จะเตรียมตัวรับมืออย่างไร” เพราะโลกธุรกิจไปทางนั้นกันหมดแล้ว
