ทำไมองค์กรเริ่มเลิกใช้ AI Agent แม้ลงทุนหนัก และบทเรียนที่ได้

AI agent คืออะไร และทำไมองค์กรถึงเริ่มถอย

AI agent หมายถึงซอฟต์แวร์ที่ใช้ปัญญาประดิษฐ์ทำงานแบบกึ่งอัตโนมัติหรืออัตโนมัติเต็มรูปแบบ แทนที่พนักงานต้องโต้ตอบระบบเองทุกขั้นตอน โดย AI agent สามารถรับคำสั่ง วิเคราะห์ข้อมูล ประสานงานหลายระบบ และตัดสินใจตามกติกาที่กำหนด ทำให้ถูกมองว่าเป็นแรงงานดิจิทัลที่จะยกระดับประสิทธิภาพ กระนั้นการนำ AI agent มาใช้ในองค์กรกลับเต็มไปด้วยต้นทุนแฝง ความซับซ้อนด้านเทคนิค และความเสี่ยงเชิงความปลอดภัยที่สูงกว่าที่ผู้บริหารจำนวนมากประเมินไว้ตั้งแต่ต้น

รายงานหนึ่งระบุว่าองค์กรราว 7 ใน 10 แห่งเตรียมยุติการใช้งานโซลูชัน Agentic AI ที่พัฒนาจากทีมวิศวกรฝั่งผู้ให้บริการภายในปี 2028 เนื่องจากภาระค่าใช้จ่ายที่บานปลาย คำถามจึงไม่ใช่ว่า AI agent ดีหรือไม่ แต่คือเหตุใดองค์กรที่เคยเร่งลงทุน จึงเลือกชะลอหรือถอยออกจากโครงการเหล่านี้ ทั้งที่กระแส AI ยังแรงต่อเนื่อง การถอยครั้งนี้สะท้อนความผิดพลาดเชิงกลยุทธ์มากกว่าความล้มเหลวทางเทคโนโลยี และนี่คือประเด็นที่ผู้นำทุกคนควรเรียนรู้

ต้นทุนบานปลาย: เมื่อ AI agent ใช้ทรัพยากรมากกว่ามนุษย์หลายเท่า

หัวใจของปัญหา AI agent adoption อยู่ที่ enterprise AI costs ที่พุ่งขึ้นอย่างควบคุมยาก โครงสร้างค่าบริการแบบ AI subscription ผสมกับค่าที่ปรึกษาสูง ทำให้ต้นทุนต่อ use case กลายเป็นภาระระยะยาวที่คุ้มค่าได้ยาก ยิ่งองค์กรพึ่งพาโซลูชันจาก vendor มากเท่าใด ยิ่งเสี่ยงต้องจ่ายต่อเนื่องโดยไม่สามารถลดสเกลหรือโอนความรู้เข้าสู่ทีมภายในได้ทันเวลา

ด้านเชิงเทคนิค AI agent กำลังกินทรัพยากรมากกว่าที่ผู้บริหารส่วนใหญ่คิด ซีอีโอของบริษัทวิจัยแห่งหนึ่งชี้ว่า AI ในปัจจุบันถูกใช้โดย AI เองมากกว่ามนุษย์ถึง 5 เท่า ข้อมูลจากแพลตฟอร์มหนึ่งแสดงว่า agent ใช้โทเคนราว 7.3 ล้านล้านโทเคน ขณะที่มนุษย์ใช้เพียง 1.4 ล้านล้านภายในเดือนสิงหาคม นับตั้งแต่จุดที่ปริมาณการใช้ของ agent แซงมนุษย์เมื่อเดือนกุมภาพันธ์ ปริมาณโทเคนของ agent เพิ่มขึ้น 14 เท่า ขณะที่ฝั่งมนุษย์เพิ่มเพียง 2.8 เท่า กล่าวอีกอย่าง AI agents consume 5x more tokens and computational resources than human interactions ซึ่งแปลตรงๆ ว่าค่าโครงสร้างพื้นฐานและหน่วยความจำในดาต้าเซ็นเตอร์จะบวมขึ้นอย่างหลีกเลี่ยงไม่ได้

กับดัก learned helplessness และโครงการ AI ที่ถูกทิ้งกลางทาง

ความท้าทายของ agentic AI challenges ไม่ได้อยู่แค่ค่าใช้จ่าย แต่คือ mind-set ของผู้นำองค์กร นักอนาคตศาสตร์รายหนึ่งชี้ว่าองค์กรขนาดใหญ่จำนวนมากกำลังเทเงินจำนวนมหาศาลไปกับโครงการนำร่องที่ไม่มีแผนรองรับชัดเจน เมื่อชนกับข้อกังวลด้านความปลอดภัยภายใน องค์กรจึงจบลงด้วยโครงการ AI ที่กลายเป็นของกำพร้า ไม่ได้เชื่อมกับกระบวนการทำงานจริง พนักงานบางส่วนเริ่มหงุดหงิดและสร้างเครื่องมือของตนเองขึ้นมา ซึ่งสะท้อนการขาดทิศทางร่วมกันภายใน

ที่น่ากังวลกว่านั้นคือภาวะ learned helplessness ของผู้นำ เมื่อมีเครื่องมือ AI เต็มไปหมด แต่กลับไม่รู้จะใช้อย่างไรให้เกิดผลทางธุรกิจ เหมือนคนขับแท็กซี่ที่ต้องยื่นโทรศัพท์ให้ผู้โดยสารพิมพ์ที่อยู่เอง เพราะพึ่งระบบนำทางจนไม่กล้าตัดสินใจแล้ว ผลคือความกลัวตกกระแสผสมกับความไม่เข้าใจ ROI ที่แท้จริง ทำให้บางบริษัทถึงขั้นเตรียมใช้เงินระดับหลายร้อยล้านไปกับโทเคน AI โดยไม่มีกรอบกลยุทธ์ชัดเจน ภาพนี้สะท้อนว่า AI implementation strategy จำนวนไม่น้อยถูกขับเคลื่อนด้วย FOMO มากกว่าด้วยเป้าหมายทางธุรกิจที่ชัดเจน

โครงสร้างผิดตั้งแต่ต้น: FDE, ความรู้ภายใน และความเสี่ยงสำหรับผู้ใช้งาน

รายงานจากสำนักหนึ่งเตือนชัดว่า ความล้มเหลวของสัญญา Forward-Deployed Engineer ที่สร้าง Agentic AI ให้ลูกค้า มักเกิดจากข้อผิดพลาดเชิงโครงสร้างก่อนจะล้มเหลวในเชิงเทคนิค โมเดลที่องค์กรฝากการออกแบบและพัฒนาไว้กับทีมภายนอก ทำให้ขาดบุคลากรภายในที่มีทักษะรับช่วงต่อ เมื่อสัญญาจบ ระบบจึงถูกทิ้งไว้โดยไม่มีเจ้าภาพ ส่งผลให้โครงการต้องหยุดชะงักและไม่สามารถต่อยอดได้ นี่คือ agentic AI challenges ที่องค์กรจำนวนมากกำลังเผชิญอยู่จริง

ในแง่ผู้ใช้งานปลายทาง ผลกระทบชัดเจนกว่าเดิมมาก พนักงานต้องอยู่กับระบบ AI ที่ไม่เสถียรหรือไม่มีทีมดูแล ทำให้ต้องสร้างเครื่องมือเองหรือหาช่องทางลัดในการทำงาน ขณะเดียวกัน ปริมาณโทเคนจาก agent กว่า 85% เป็นการอ่านข้อมูลที่เคยเห็นแล้วผ่าน cached prompts ซึ่งหมายถึงการเผาฐานทรัพยากรไปกับการประมวลผลซ้ำ มีกรณีที่ศูนย์บริการลูกค้ารายหนึ่งพบว่าในการใช้งานของ agent บนโมเดลหนึ่ง มากถึง 96% คือการอ่านบทสนทนาเก่า หากแนวโน้มนี้ดำเนินต่อไป การแข่งขันแย่งทรัพยากรคอมพิวต์และหน่วยความจำอาจสะเทือนถึงระดับผู้ใช้ทั่วไปที่ต้องจ่ายค่าบริการสูงขึ้น หรือได้ประสบการณ์ใช้งานที่ช้าลง

บทเรียนจากองค์กรที่ยังเดินหน้า แต่ไม่เร่งขยายแบบหลับหูหลับตา

แม้หลายองค์กรเริ่มถอยจากโครงการ AI agent จาก vendor แต่ไม่ได้หมายความว่าทุกคนหันหลังให้ AI agent adoption ตรงกันข้าม รายงานการสำรวจหนึ่งพบว่า 40% ขององค์กรขนาดใหญ่กำลังขยายการใช้งาน AI agents เพิ่มขึ้นจาก 27% ในปีก่อนหน้า ต่างกันตรงที่บริษัทที่เดินต่ออย่างมีวินัยเริ่มให้ความสำคัญกับการพิสูจน์ผลประโยชน์ก่อนการขยายสเกล ตัวอย่างเช่น กลุ่มธุรกิจอาหารรายใหญ่ระบุชัดว่าโจทย์สำคัญไม่ใช่ว่าจะใช้ AI หรือไม่ แต่คือจะใช้ให้คุ้มกับต้นทุนอย่างไร โดยเลือกเดินเกมแบบค่อยเป็นค่อยไป พิจารณาประโยชน์และต้นทุนควบคู่กัน เพื่อเลี่ยงสถานการณ์ที่ประโยชน์น้อยกว่าค่าใช้จ่าย

บริษัทด้านอสังหาริมทรัพย์รายใหญ่รายหนึ่งยอมรับว่าไม่สามารถหลีกเลี่ยงการใช้ AI ได้ เพราะพนักงานเริ่มนำเครื่องมือต่างๆ มาช่วยงานแล้ว สิ่งที่องค์กรต้องคิดจึงไม่ใช่การห้าม แต่คือจะกำหนดกรอบการใช้งานและความเร็วในการเดินหน้าอย่างไรให้เหมาะสม ปัจจุบันกลุ่มนี้เริ่มทำงานกับพันธมิตรด้าน AI โดยไม่เลือกเครื่องมือเพียงเพราะตอบโจทย์เฉพาะหน้า แต่ต้องดูด้วยว่าสามารถรองรับการเปลี่ยนแปลงในระยะยาวได้หรือไม่ แนวทางนี้สอดคล้องกับคำแนะนำที่ให้ใช้ FDE เฉพาะโจทย์ที่ต้องการความเชี่ยวชาญเชิงลึก และวาง exit strategy ตั้งแต่วันแรกของสัญญา เพื่อป้องกันการพึ่งพา vendor แบบไร้กำหนด

ข้อสรุป: ถอยหนึ่งก้าวเพื่อวางกลยุทธ์ AI ที่ฉลาดกว่า

การที่องค์กรจำนวนมากเตรียมเลิกใช้โซลูชัน AI agent จาก vendor ภายในไม่กี่ปีข้างหน้า ไม่ใช่สัญญาณว่าคลื่น AI กำลังจบ แต่เป็นสัญญาณว่ารอบแรกของการลงทุนเต็มไปด้วยความคาดหวังเกินจริงและการวางแผนที่ขาดวินัย Gartner ระบุว่าองค์กรราว 70% จะยุติโครงการ Agentic AI แบบ FDE ภายในปี 2028 เนื่องจากต้นทุนบานปลายและปัญหาการส่งมอบงานให้ทีมภายใน เมื่อผสานกับข้อมูลว่า AI agents consume 5x more tokens than humans และมีแนวโน้มเพิ่มขึ้นเรื่อยๆ การถอยออกมาทบทวนจึงเป็นการป้องกันความเสียหายระยะยาว มากกว่าการเดินต่อแบบหลับหูหลับตา

บทเรียนสำคัญมีอยู่สามข้อ หนึ่ง AI ไม่ได้แก้ทุกปัญหาโดยอัตโนมัติ หากขาดกลยุทธ์และกลไกภายในที่รองรับ การเพิ่ม agent เข้าไปย่อมเพิ่มต้นทุนมากกว่าประโยชน์ สอง การพึ่ง vendor โดยไม่สร้างความรู้และความรับผิดชอบในองค์กรเป็นระเบิดเวลาที่จะระเบิดเมื่อสัญญาสิ้นสุด สาม ผู้นำต้องหลุดจาก learned helplessness เลิกวิ่งตาม FOMO แล้วกลับมาวาง AI implementation strategy ที่ชัดเจน ยืดหยุ่น และเน้นการสร้างมูลค่าจริง องค์กรที่กล้าถอยหนึ่งก้าวเพื่อออกแบบกรอบใหม่ จะเป็นคนที่พร้อมที่สุดในรอบต่อไปของ AI agent adoption