ทำไมการนำ AI ไปใช้งานในองค์กรขนาดใหญ่ถึงสะดุด

การนำ AI ไปใช้งานในองค์กรไม่ใช่แค่เรื่องเทคโนโลยี

การนำ AI ไปใช้งานในองค์กรขนาดใหญ่คือกระบวนการเปลี่ยนแปลงองค์กรที่รวมทั้งการลงทุนด้านเทคโนโลยี การปรับโครงสร้างงาน และการสร้างวัฒนธรรมใหม่ให้พนักงานใช้เครื่องมืออัตโนมัติในการตัดสินใจและทำงานประจำวันอย่างสอดคล้องกับเป้าหมายธุรกิจ ไม่ใช่แค่การเปิดให้เข้าถึงโมเดล AI แล้วหวังว่าคนจะใช้เอง หัวใจของบทความนี้คือข้อนี้ การนำ AI ไปใช้งานล้มเหลวได้แม้บริษัทจะมีโครงสร้างพื้นฐานล้ำหน้า กรณี Oracle ที่ใช้เวลาและทรัพยากรจำนวนมากสร้างโครงสร้าง AI ให้ลูกค้า แต่ยังหาทางทำให้ AI มีประโยชน์ต่อพนักงานของตัวเองไม่ลงตัวในช่วงปีก่อน แสดงให้เห็นว่าปัญหาไม่ได้อยู่ที่โมเดล แต่อยู่ที่การออกแบบการเปลี่ยนแปลงองค์กร ในอีกด้าน GM ที่ให้ผู้บริหารแข่งขันกันเรื่องตัวเลขการใช้ AI แต่ทีมการเงินยังอยู่ระดับกลางของกลุ่ม ก็สะท้อนว่าความพร้อมของแต่ละทีมไม่เท่ากัน

Oracle โครงสร้าง AI ล้ำหน้าแต่การใช้งานจริงสะดุด

Oracle ใช้เวลากว่าสองปีลงทุนระดับมหาศาลเพื่อช่วยลูกค้ารัน AI แต่การนำ AI ในองค์กรตัวเองกลับตามหลัง โคซีอีโอ Clay Magouyrk ยอมรับว่าปีที่แล้วบริษัทยังไม่รู้ว่าจะทำให้ระบบ generative AI มีประโยชน์ต่อพนักงานวงกว้างอย่างไรแม้เริ่มมีการใช้ในงานสนับสนุนลูกค้าแล้ว แต่ยังไม่แพร่หลายไปถึงทีมพัฒนา ทีมการเงิน หรือฝ่ายขาย จุดเปลี่ยนเกิดขึ้นเมื่อฝ่าย CIO Jae Evans นำ ChatGPT Enterprise และเครื่องมือเขียนโค้ด Codex เข้ามาในช่วงเมษายนถึงพฤษภาคม และไม่ได้แค่เปิดระบบให้ใช้ แต่ตั้งมาตรฐานองค์กร การควบคุมความปลอดภัย และนโยบายภายใน จนทำให้การนำไปใช้งานแตะ 80 เปอร์เซ็นต์ภายในสามเดือน ซึ่งเขาเรียกว่าเป็นความสำเร็จที่มาพร้อมกับอาการช็อคเมื่อเห็นค่าใช้จ่ายที่ตามมา ข้อเท็จจริงนี้ชี้ชัดว่า การเปลี่ยนแปลงองค์กรรอบ AI ต้องมีทั้งกติกา และความโปร่งใสเรื่องต้นทุน ไม่เช่นนั้น AI จะกลายเป็นหลุมค่าใช้จ่ายมากกว่าตัวช่วยประสิทธิภาพ

เมื่อความเร็วของ AI ชนกับกระบวนการเดิมใน Oracle

ผลลัพธ์ที่ Oracle เห็นชัดคือความเร็ว นักพัฒนาสามารถสร้างโค้ดด้วยเครื่องมือ AI ภายในเวลาประมาณหนึ่งสัปดาห์ งานเทียบเท่าที่ต้องใช้ทีมหลายคนพัฒนานานถึงสองถึงสามไตรมาสตามคำอธิบายของ Jae Evans คำพูดนี้ควรถูกจดจำ เพราะมันแสดงพลังของ AI ต่อการออกแบบงาน แต่ก็เป็นจุดเริ่มของปัญหาใหม่เช่นกัน Clay Magouyrk เตือนว่าการเขียนโค้ดเร็วขึ้นไม่ได้หมายความว่าทุกอย่างในกระบวนการพัฒนาซอฟต์แวร์จะเร็วขึ้นพันเท่า เขาย้ำว่าบริษัทยังต้องออกแบบใหม่ทั้งขั้นตอนการทดสอบ การตรวจสอบความถูกต้อง การดีพลอย และการจัดการปล่อยผลิตภัณฑ์ให้ทันกับความเร็วของการสร้างโค้ด เรียกว่าความท้าทายของ AI คือการย้ายคอขวดจากขั้นตอนหนึ่งไปอีกขั้นตอนหนึ่ง หากองค์กรไม่ยอมรื้อกระบวนการตั้งแต่ต้นจนจบ การนำ AI ไปใช้งานก็จะกลายเป็นการเพิ่มความซับซ้อนมากกว่าการเพิ่มประสิทธิภาพ

การแข่งขันเรื่อง AI ภายใน GM และช่องว่างระดับกลาง

ในขณะที่ Oracleต่อสู้กับโครงสร้างงาน GM เลือกใช้แรงกดดันเชิงการแข่งขันด้านการนำ AI ไปใช้งาน ฝ่ายการเงินของบริษัทเผยว่าผู้บริหารระดับสูงที่รายงานตรงต่อซีอีโอ Mary Barra ตรวจดูตัวเลขการใช้ AI รายเดือนจำแนกตามฟังก์ชันและแผนก และมีการแข่งกันอย่างเป็นมิตรว่าทีมใดใช้ AI มากกว่า แต่ Paul Jacobson ซีเอฟโอบอกตรงๆ ว่าทีมของเขาเองยังเป็นแค่ทีมระดับกลางในตาราง GM กำลังเพิ่มการใช้ AI ในหลายฝ่าย ตั้งแต่เครื่องมือเสนอแนวทางออกแบบรถ ไปจนถึงระบบแจ้งเตือนความเสี่ยงในห่วงโซ่อุปทาน เพื่อเร่งวงจรตั้งแต่การออกแบบถึงการผลิต เขายังบอกว่าความทะเยอทะยานด้าน AI ของ GM ยังอยู่ช่วงเริ่มต้น และต้องเรียนรู้ว่ามันจะเปลี่ยนธุรกิจอย่างไร รวมถึงการพลิกบทบาทของนักวิเคราะห์การเงินจากใช้เวลาส่วนใหญ่กับการอธิบายผลลัพธ์ที่ผ่านมา ไปใช้เวลาส่วนใหญ่กับการคาดการณ์อนาคตด้วย AI สิ่งเหล่านี้สะท้อนว่าแม้ฝ่ายบริหารจะผลักดัน AI อย่างแรง ระดับทีมกลางก็ยังมีความลังเลและช่องว่างด้านทักษะอยู่มาก

บทเรียนเชิงองค์กรจาก Oracle และ GM ต่อการนำ AI ไปใช้งาน

กรณี Oracle และ GM บอกเราตรงๆ ว่า AI ในองค์กรขนาดใหญ่ไม่ใช่เรื่องซื้อระบบแล้วจบ ความท้าทายของ AI คือการทำให้พนักงานทุกระดับเห็นคุณค่า ใช้ได้จริง และไม่สร้างคอขวดใหม่หรือค่าใช้จ่ายพุ่งแบบไม่มีใครรับผิดชอบ Oracle ต้องสร้างมาตรฐานองค์กร การควบคุมความปลอดภัย และนโยบายภายในก่อนถึงจะดันให้เกิดการใช้งานวงกว้างและยังต้องออกแบบกระบวนการใหม่ตั้งแต่การทดสอบจนถึงการปล่อยผลิตภัณฑ์ ด้าน GM แสดงให้เห็นพลังของการแข่งขันภายในและแรงกดดันจากตลาดรถยนต์ที่กำลังเปลี่ยนด้วยเทคโนโลยีใหม่ แต่ก็ทำให้เห็นว่าทีมระดับกลางสามารถกลายเป็นจุดตามไม่ทันแม้มีคำสั่งจากผู้บริหารระดับสูง บทสรุปสำหรับองค์กรอื่นคือ การเปลี่ยนแปลงองค์กรรอบ AI ต้องวางแผนทั้งโครงสร้างพื้นฐาน การจัดการความเปลี่ยนแปลง และการติดตามการนำไปใช้งานของแต่ละทีมอย่างโปร่งใส หากไม่แก้ช่องว่างระหว่างเทคโนโลยีกับคน AI จะเป็นเพียงคำสวยงามในยุทธศาสตร์ มากกว่าจะเป็นผลลัพธ์ที่วัดได้