องค์กรใช้ AI มากขึ้นแต่ยังไม่คืนทุน เพราะอะไร

AI โตแรง แต่ความพร้อมองค์กรยังอยู่แค่ระดับรับรู้

การนำ AI ไปใช้ในบริบทองค์กรหมายถึงการผสานเทคโนโลยีปัญญาประดิษฐ์เข้ากับข้อมูล กระบวนการ คน และการกำกับดูแล เพื่อยกระดับประสิทธิภาพการทำงาน ลดต้นทุน เพิ่มคุณค่าทางธุรกิจและสังคม โดยต้องมีโครงสร้างพื้นฐานข้อมูล สถาปัตยกรรมระบบ AI กลไกธรรมาภิบาล และตัวชี้วัดผลตอบแทนที่ชัดเจน มิใช่เพียงการทดลองใช้เครื่องมืออัตโนมัติแบบแยกส่วน

ภาพรวมที่น่าแปลกใจคือ การนำ AI ไปใช้ในองค์กรเพิ่มขึ้นแบบก้าวกระโดด แต่ระดับความพร้อมกลับติดอยู่เพียงขั้นรับรู้และทดลอง องค์กรจำนวนมากเริ่มมีระบบจัดเก็บข้อมูลพร้อมถึง 64.0% แต่คุณภาพข้อมูลที่พร้อมใช้กับ AI อยู่เพียง 40.8% ขณะเดียวกัน 51.6% ยังไม่มีสถาปัตยกรรมระบบ AI เพื่อรองรับการเชื่อมต่อและขยายผล นี่คือช่องว่างเชิงโครงสร้าง ไม่ใช่แค่ปัญหาเครื่องมือไม่พอ หากเป็นการขาดกรอบคิดเชิงยุทธศาสตร์ว่าต้องการใช้ AI เพื่ออะไรและจะวัดความสำเร็จอย่างไร บริบท Generative AI และการเริ่มใช้ Agentic AI ยิ่งทำให้โจทย์นี้เร่งด่วนมากขึ้น

ใช้เยอะแต่ยังวัดไม่ได้ว่า AI คุ้มค่าหรือไม่

ปัญหาใหญ่ที่สุดของการลงทุน AI ไทยไม่ใช่การขาดเทคโนโลยี แต่คือการวัดผลตอบแทนที่ยังเลือนลาง ผลสำรวจหนึ่งชี้ว่าองค์กรที่ใช้ AI แล้วถึง 86.4% ยังตอบไม่ได้ว่าได้ผลลัพธ์อะไรจากการใช้งาน โดย 49.4% ยังไม่เคยวัดผล และ 37.0% อยู่ระหว่างเก็บข้อมูล มีเพียง 13.6% ที่วัดผลแล้วและพบผลลัพธ์เชิงบวกอย่างชัดเจน นั่นหมายความว่าเกินแปดในสิบองค์กรกำลังใช้งบและเวลาไปกับ AI โดยไม่รู้ว่าคืนทุนหรือไม่

ในอีกด้านหนึ่ง ผลการศึกษาจาก SAP และ Oxford Economics ระบุว่าบริษัทในประเทศคาดหวังผลตอบแทนจากการลงทุนใน AI ที่ 18% ในปีนี้และจะเพิ่มเป็น 35% ในอีกสองปีข้างหน้า คำกล่าวอ้างที่ตรวจสอบได้คือ “องค์กรยังวัดไม่ได้ แต่กลับคาดหวังให้ ROI จาก AI เพิ่มเกือบสองเท่าในสองปี” การวัด ROI จาก AI ยังเน้นมิติการลดต้นทุนและเวลาทำงาน ขณะที่มิติการเพิ่มรายได้และส่วนแบ่งตลาดยังพิสูจน์ไม่ได้ชัดเจน เมื่อความฝันเรื่องผลตอบแทนวิ่งเร็วกว่ากลไกการวัดผล ความเสี่ยงของการลงทุนแบบลองผิดลองถูกจึงสูงกว่าที่ผู้บริหารจำนวนมากยอมรับ

งบลงทุนต่ำกว่าค่าเฉลี่ยโลก แต่ดันใช้ AI แบบไซโล

ในมุมการลงทุน AI ภาพที่เห็นไม่ใช่การใช้เงินฟุ่มเฟือย แต่เป็นงบประมาณที่ต่ำกว่าค่าเฉลี่ยโลกอย่างชัดเจน รายงานเดียวกันระบุว่าบริษัทในประเทศใช้งบประมาณเฉลี่ยด้าน AI น้อยกว่าค่าเฉลี่ยทั่วโลกอย่างมาก แม้การลงทุนด้าน AI เชิงกลยุทธ์จะเพิ่มขึ้น 13% แต่เกือบครึ่งหนึ่งขององค์กรหรือ 47% ยังคงนำ AI ไปใช้งานแบบแยกส่วนมากกว่าการใช้ทั่วทั้งองค์กร กล่าวอีกแบบคือเรากำลังกระจาย AI เป็นโครงการย่อยๆ ในหลายหน่วยงาน แต่ไม่สร้างโครงสร้างรวมเพื่อให้เกิดอำนาจยกกำลังสองของข้อมูลและกระบวนการ

การนำ AI ไปใช้แบบไซโลสะท้อนว่าหลายองค์กรยังมอง AI เป็นโครงการทดลองมากกว่าระบบประสาทหลักของธุรกิจ ทั้งที่งานเฉลี่ยเกือบหนึ่งในสี่หรือ 24% มี AI เข้ามาช่วยดำเนินการ และคาดว่าจะเพิ่มเป็น 42% ในอีกสองปี แต่มีเพียงประมาณ 40% ที่มีผู้นำด้าน AI โดยเฉพาะ 30% ที่กำหนด KPI ด้าน AI ให้ผู้บริหาร และ 35% ที่ฝึกอบรมผู้บริหารเรื่องศักยภาพและความเสี่ยงของ AI เมื่อยังไม่มีเจ้าภาพชัดเจน AI จึงกลายเป็นโครงการของฝ่ายไอทีหรือฝ่ายทดลอง มากกว่ากลยุทธ์ระดับองค์กรที่ทุกคนต้องรับผิดชอบร่วมกัน

Agentic AI ศักยภาพสูงแต่ความพร้อมจริงมีแค่ 2%

กระแส Agentic AI ถูกมองว่าเป็นคลื่นลูกใหม่ที่สร้างมูลค่าได้มากกว่าเดิม ผลการศึกษาระบุว่าเกือบ 78% ของธุรกิจมองว่า Agentic AI มีศักยภาพตั้งแต่ระดับปานกลางถึงสูงมากในการเปลี่ยนแปลงองค์กร แต่ในความเป็นจริงเทคโนโลยีนี้ยังอยู่ช่วงเริ่มต้น โดยมีเพียง 2% ของธุรกิจที่ระบุว่ามีความพร้อมอย่างเต็มที่สำหรับ Agentic AI ขณะที่ส่วนใหญ่บอกว่าพร้อมเพียงบางส่วนหรือยังไม่พร้อมเลย นี่คืออีกหนึ่งความย้อนแย้ง เราเห็นศักยภาพสูง แต่โครงสร้างความพร้อมทั้งข้อมูล ทักษะคน และกรอบกำกับดูแลยังไม่รองรับ

ปัญหาไม่ได้อยู่ที่การไม่รู้จักเทคโนโลยี แต่คือการขาดธรรมาภิบาลและกรอบควบคุมที่ชัดเจน ผลสำรวจด้านหนึ่งชี้ว่า 73.4% ขององค์กรยังไม่นำหลักจริยธรรม AI มาประยุกต์ใช้ ขณะที่อีกผลการศึกษาเผยว่ามีธุรกิจเพียงประมาณหนึ่งในสิบที่ระบุว่าทักษะหรือกระบวนการและกรอบการทำงานขององค์กรมีความพร้อมอย่างเต็มที่ในการกำกับดูแล AI อย่างมีประสิทธิภาพ เมื่อไม่มีเบรกและพวงมาลัยที่ดี การเหยียบคันเร่งด้วย Agentic AI จึงไม่ใช่ความกล้าหาญ แต่คือความเสี่ยงที่จะหมุนรถหลุดเส้นทาง

จากรับรู้สู่คืนทุน: ทางออกขององค์กรที่อยากได้ ROI จริงจาก AI

คำถามสำคัญไม่ใช่ว่าควรหยุดลงทุน AI หรือไม่ แต่คือจะยกระดับความพร้อม AI ขององค์กรจากระดับรับรู้ไปสู่ระดับคืนทุนและสร้างคุณค่าอย่างไร เป้าหมายระดับประเทศควรเป็นการทำให้องค์กรขยับจากการรับรู้และทดลองใช้ ไปสู่การใช้ AI ที่สร้าง productivity business value และ public value ภายใต้กรอบธรรมาภิบาลที่เหมาะสม นั่นหมายถึงการย้าย AI จากมุมห้องทดลองไปอยู่กลางยุทธศาสตร์องค์กร

1. กำหนดเป้าหมายชัดเจนว่า AI จะช่วยลดต้นทุน เพิ่มรายได้ หรือเพิ่มคุณค่าอย่างไร แล้วผูกกับ KPI ของผู้บริหาร
2. ยกระดับข้อมูลจากการแค่จัดเก็บ ไปสู่การทำความสะอาด จัดมาตรฐาน และออกแบบสถาปัตยกรรมระบบ AI ที่รองรับการขยายผล
3. ตั้งผู้นำด้าน AI และคณะทำงานข้ามสายงานเพื่อเชื่อมเทคโนโลยีกับธุรกิจและฝ่ายกำกับดูแล
4. สร้างระบบการวัด ROI จาก AI ตั้งแต่วันแรก ครอบคลุมทั้งต้นทุน เวลา รายได้ และความเสี่ยง
5. บ่มเพาะวัฒนธรรมธรรมาภิบาล AI เช่น การอธิบายได้ การรับผิดชอบ และการทบทวนผลกระทบต่อสังคมอย่างสม่ำเสมอ

เมื่อความคาดหวังเรื่องผลตอบแทนจาก AI สูงขึ้นต่อเนื่อง แต่โครงสร้างข้อมูล ทักษะ และธรรมาภิบาลยังล้าหลัง การเดินหน้าต่อไปแบบเดิมคือการเดิมพันที่แพงเกินไป การลงทุน AI ไทยจำเป็นต้องเปลี่ยนจากคำถามว่า “จะใช้เครื่องมืออะไร” ไปสู่ “จะออกแบบระบบให้ AI คืนทุนและรับผิดชอบต่อคนและสังคมอย่างไร” นั่นต่างหากคือเส้นบางๆ ระหว่างการตามกระแสกับการสร้างมูลค่าจริง