งบ AI เพิ่มขึ้นทุกทาง แต่กำลังคนยังเป็นคอขวดใหญ่
วิกฤตการขาดคนด้าน AI คือสถานการณ์ที่องค์กรเพิ่มงบลงทุนเทคโนโลยีอย่างรวดเร็วแต่ไม่มีบุคลากรที่มีทักษะ AI เพียงพอ ทำให้การนำ AI มาใช้จำกัดอยู่แค่โครงการทดลองหรือการใช้งานแบบกระจัดกระจาย ไม่สามารถขยายไปสู่ระดับองค์กรทั้งหมดและสร้างผลลัพธ์ทางธุรกิจที่ต่อเนื่องได้ ส่งผลให้ช่องว่างระหว่างวิสัยทัศน์ของผู้บริหารกับความสามารถจริงของทีมงานกว้างขึ้นเรื่อยๆ และทำให้องค์กรสูญเสียโอกาสในการแข่งขันระยะยาวแม้จะมีเครื่องมือ AI อยู่ในมือแล้วก็ตาม ผลสำรวจด้านความพร้อมในการใช้ AI ในธุรกิจที่จัดทำร่วมกับผู้บริหารไอที 1,000 คนใน 8 ตลาดในเอเชียพบว่า 99% ขององค์กรมองว่า AI เป็นวาระสำคัญ และ 95% เตรียมเพิ่มงบลงทุนผลิตภัณฑ์ AI อย่างต่อเนื่อง งบลงทุนถูกวางแผนครอบคลุมตั้งแต่โครงสร้างพื้นฐาน IaaS แพลตฟอร์ม PaaS ไปจนถึงบริการโมเดล MaaS โดย IaaS ได้รับความสนใจสูงสุดที่ 69% รองลงมาคือ PaaS 61% และ MaaS 58% ภาพรวมนี้บอกชัดว่าเงินกำลังไหลเข้า AI อย่างจริงจัง แต่คำถามสำคัญกว่า คือใครจะเป็นคนพาเงินก้อนนี้ไปแปลงเป็นมูลค่าจริงในองค์กร
จากทดลองสู่ระดับผู้นำ: ทำไมองค์กรยังติดหล่มขั้น Builder
แม้องค์กรจำนวนมากจะเริ่มใช้ AI ในงานจริงแล้ว แต่ส่วนใหญ่ยังติดอยู่ในระดับ “มีโปรเจกต์ AI” มากกว่าการ “ให้ AI กลายเป็นกลไกหลักของธุรกิจ” งานวิจัยที่สำรวจองค์กรชั้นนำและกลุ่ม Digital Native 60 แห่งระบุว่า 78% ขยับพ้นช่วงทดลองมาเป็นระดับผู้สร้างหรือ Builder แล้ว ทว่ากลับไม่มีองค์กรใดไปถึงระดับผู้นำหรือ Leader เลย และมีไม่ถึง 10% ที่มีความพร้อมรองรับ AI Workload ได้อย่างมีประสิทธิภาพ ตัวเลขเหล่านี้สะท้อนชัดว่าโครงสร้างพื้นฐานและการออกแบบระบบยังไม่ถูกคิดเผื่อการขยาย AI ไปทั่วทั้งองค์กร ต่างจากมุมมองของเทคโนโลยี AI รุ่นใหม่ที่กำลังเข้าสู่ยุค agentic AI ซึ่งไม่ได้หยุดแค่การสร้างโทเค็น แต่เน้นให้ AI ส่งมอบผลลัพธ์ที่นำไปปฏิบัติงานจริงได้บนโครงสร้างพื้นฐานคลาวด์ที่ยืดหยุ่นและปลอดภัย ถ้าองค์กรยังมอง AI เป็นเพียงเครื่องมือเสริมในบางส่วนของงาน ไม่ยอมจัดระเบียบข้อมูล สถาปัตยกรรมระบบ และกระบวนการตัดสินใจให้รองรับการขยายตัว การลงทุนก็จะวนอยู่กับการทดลอง ไม่ใช่การเปลี่ยนเกมธุรกิจ
ขาดแคลนทักษะ AI และบุคลากร AI-Native: ตัวจริงในการพา AI เข้าสู่กระบวนการทำงาน
หัวใจของวิกฤตการขาดคนไม่ใช่เพียงจำนวนพนักงาน แต่คือคุณภาพของทักษะที่สอดคล้องกับยุค AI การขาดแคลนทักษะ AI และบุคลากร AI-Native หมายถึงองค์กรไม่มีคนที่คิดงานโดยมอง AI เป็นตัวช่วยเชิงโครงสร้าง ตั้งแต่การออกแบบกระบวนการไปจนถึงการตัดสินใจ ทำให้แม้จะซื้อเครื่องมือดีแค่ไหนก็ไม่ถูกนำไปใช้ในงานประจำวันอย่างลึกพอ การสำรวจด้านแรงงานพบว่าการนำ AI เข้าสู่กระบวนการทำงานกลายเป็นเรื่องสำคัญขององค์กรขนาดใหญ่ ส่งผลให้ความต้องการบุคลากรกลุ่ม AI-Native พุ่งสูงขึ้นต่อเนื่อง คนกลุ่ม AI-Native ไม่ได้จำกัดอยู่แค่คนรุ่นใหม่ แต่หมายถึงคนที่เปิดรับเทคโนโลยีและประยุกต์ใช้ในการทำงานเชิงรุก เมื่อได้รับมอบหมายงาน พวกเขาจะไม่มองหาวิธีแก้ปัญหาด้วยซอฟต์แวร์แบบเดิม แต่จะคิดเชิงโครงสร้างและออกแบบให้ AI กลายเป็นส่วนหนึ่งของเวิร์กโฟลว์ตั้งแต่ต้น ปัญหาคือองค์กรจำนวนมากกำลังอยู่ในสภาวะ “Training Desert” โปรแกรม Upskilling ภายในยังมีน้อย ทำให้ช่องว่างระหว่างความคาดหวังของผู้จัดการกับความมั่นใจของพนักงานในเรื่อง AI กว้างขึ้นเรื่อยๆ
เมื่อมี AI แต่ไม่มีทีมที่ใช้ให้เกิดมูลค่า: ผลสะเทือนต่อธุรกิจและผู้ใช้ทั่วไป
องค์กรจำนวนมากชอบประกาศว่า “เราใช้ AI แล้ว” แต่ไม่ค่อยตอบคำถามให้ตรงว่า “AI สร้างมูลค่าอะไรที่เห็นได้ชัดบ้าง” งานวิจัยด้านโครงสร้างพื้นฐานเตือนอย่างตรงไปตรงมาว่า ความท้าทายของ AI ในตอนนี้ไม่ใช่เรื่อง “เรามี AI หรือยัง” แต่คือ “เราทำให้ AI กลายเป็นส่วนหนึ่งของธุรกิจได้จริงหรือยัง” การมีเครื่องมือ AI อยู่ในมุมหนึ่งขององค์กรอาจสร้างภาพลักษณ์ทันสมัย แต่หากไม่เชื่อมกับข้อมูล การปฏิบัติงาน และการตัดสินใจหลายส่วน ผลลัพธ์ที่ได้ก็จะเล็กตามไปด้วย ตัวอย่างในภาคการเงินและประกันภัยเริ่มแสดงให้เห็นผลลัพธ์ที่คนทั่วไปสัมผัสได้ เมื่อ AI ถูกผูกเข้ากับกระบวนการจริง เช่น การบริหารสภาพคล่องเงินสดในตู้ ATM การประเมินราคาที่ดินที่เคยใช้เวลาหลายวันเหลือแค่ไม่กี่นาที และการตรวจจับบัญชีม้าก่อนเกิดความเสียหาย แต่กรณีเช่นนี้ยังถือเป็นข้อยกเว้นมากกว่ากฎ เพราะองค์กรส่วนใหญ่ไม่มีทีมที่พร้อมเชื่อม AI เข้ากับระบบงานในระดับลึก ผลก็คือผู้ใช้ทั่วไปยังได้รับประโยชน์จาก AI แบบกระจัดกระจาย ไม่ใช่ประสบการณ์บริการที่ดีขึ้นอย่างทั่วถึง
ทางออก: ลงทุนในคน โครงสร้าง และกฎ ก่อนที่จะสายเกินไป
เมื่อเงินลงทุน AI พุ่งสูงขึ้นอย่างต่อเนื่องในระดับภูมิภาค และมีแผนขยายโครงสร้างพื้นฐานคลาวด์และ AI ด้วยวงเงินมหาศาลในช่วง 3 ปีข้างหน้า การไม่เร่งแก้โจทย์คนและโครงสร้างจะทำให้เม็ดเงินส่วนใหญ่กลายเป็นค่าใช้จ่ายที่ไม่สร้างผลตอบแทน ผู้บริหารจำนวนมากยังมองข้อจำกัดด้านงบประมาณและความยากในการวัด ROI เป็นอุปสรรคสำคัญ ในขณะที่งบไอทีสำหรับ AI ยังอยู่ในระดับต่ำเมื่อเทียบกับความคาดหวัง การรอให้เห็นผลชัดก่อนลงทุนจึงเสี่ยงทำให้ตกขบวน เพราะองค์กรที่กล้าเอา AI เข้าไปอยู่ในกระบวนการทำงานจริงเริ่มเห็นประโยชน์เชิงประสิทธิภาพและความปลอดภัยแล้ว ถ้าองค์กรต้องการก้าวจาก Builder ไปสู่ Leader ทางออกไม่ใช่การเพิ่มจำนวนโปรเจกต์ AI แต่ต้องคิดตั้งแต่ต้นว่าระบบที่สร้างขึ้นจะรองรับการขยายตัวได้อย่างไร ทั้งด้านโครงสร้างพื้นฐาน สถาปัตยกรรม Hybrid การใช้ On-premise, Colocation, และ Cloud รวมถึงการจัดการข้อมูลให้สอดคล้องกับบริบทของแต่ละองค์กร สิ่งที่ควรทำทันทีคือ 1) วางแผน Upskilling ที่จริงจังเพื่อลดวิกฤตการขาดคน 2) นิยามบทบาทบุคลากร AI-Native ให้ชัด และเปิดพื้นที่ให้พวกเขาออกแบบงานใหม่ และ 3) กำหนดกรอบการใช้ AI ให้ชัดเพื่อให้ทีมกล้าทดลองโดยไม่เสี่ยงเกินไป หากไม่ทำตอนนี้ งบ AI ที่เพิ่มขึ้นจะกลายเป็นหลักฐานว่าการลงทุนด้านเทคโนโลยีที่ไม่มีการลงทุนในคนควบคู่กันนั้นแพงแต่ไม่คุ้มค่า
