AI ใช้ประโยชน์จริงได้เมื่อเริ่มจากคอขวด ไม่ใช่เริ่มจากของเล่น
การใช้ AI ให้เกิดมูลค่าทางธุรกิจ หมายถึงการนำเทคโนโลยีมาจัดการปัญหาที่ชัดเจนขององค์กร เช่น คอขวดด้านต้นทุน เวลา คุณภาพงาน หรือประสบการณ์ลูกค้า โดยเริ่มจากโจทย์เชิงกลยุทธ์ก่อน ไม่ใช่เริ่มจากว่าอยากใช้เครื่องมืออะไร แล้วค่อยหาปัญหามาใส่ AI การจะบอกว่า AI ใช้ประโยชน์จริง ต้องพิสูจน์ได้ว่าแก้ปัญหาและสร้างผลลัพธ์ทางธุรกิจที่วัดได้ ไม่ใช่แค่มีโปรเจกต์นำร่องหรือฟีเจอร์ใหม่เพิ่มขึ้น
บทเรียนสำคัญคือ อย่าเริ่มจากคำถามว่า “มี AI แล้วจะเอาไปทำอะไร” แต่ต้องเริ่มจาก Bottleneck หรือคอขวดของธุรกิจว่าคืออะไร แล้วค่อยถามต่อว่า AI เหมาะจะเข้าไปแก้ตรงจุดนั้นหรือไม่ เพราะต่อให้เทคโนโลยีทำงานได้ดี หากไปแก้โจทย์ที่แทบไม่ส่งผลกับธุรกิจ ROI จากเทคโนโลยี ก็จะไม่คุ้มค่า การล่าของใหม่แบบไม่ดูโจทย์จึงเป็นดักลึกที่หลายองค์กรกำลังเผชิญโดยไม่รู้ตัว
สามคันโยกของ ROI จากเทคโนโลยี Automation Personalization Intelligence
เมื่อมองให้เป็นระบบ การทำให้ AI ใช้ประโยชน์จริงต้องอิงกับสามคันโยกหลักคือ Automation Personalization และ Intelligence ซึ่งเป็นเส้นทางตรงไปสู่ ROI จากเทคโนโลยี แทนที่จะหวังการ “เปลี่ยนองค์กรทั้งผืน” แบบกว้างและเบลอเกินวัดผล Automation คือการเอางานซ้ำ งานเอกสาร งานตรวจสอบ ที่กินแรงคนจำนวนมากไปใส่ ระบบอัตโนมัติ AI เพื่อให้ต้นทุนลดลงและ Productivity สูงขึ้นอย่างชัดเจน
Personalization คือการยกระดับประสบการณ์ลูกค้า ทำให้บริการตอบโจทย์แต่ละคนได้ โดยยังดูแลลูกค้าจำนวนมากพร้อมกัน เช่น ใช้ AI วิเคราะห์ข้อมูลร้านค้ารายเล็กจำนวนมากแล้วให้คำแนะนำแบบเฉพาะบุคคล ซึ่งมนุษย์ทำทีละรายไม่ไหว ขณะที่ Intelligence คือการใช้ AI สร้างสินค้า ประสบการณ์ หรือโมเดลธุรกิจใหม่ เช่น การเปลี่ยนจากการขายคำเฉลย เป็นการสร้างสื่อ Interactive ที่ผู้เรียนลองปรับตัวแปรแล้วเห็นผลทันที องค์กรที่กล้าถามว่า “คุณค่าใหม่ที่เราสร้างได้ด้วย AI คืออะไร” จะมีโอกาสหนีสงครามราคาได้มากที่สุด
กรณีศึกษา LINE MAN Wongnai เมื่อ “แม่ทัพ AI” โฟกัสกล้ามเนื้อมัดใหญ่
หนึ่งในตัวอย่างชัดว่าการตั้งโจทย์ถูกต้องทำให้ AI ใช้ประโยชน์จริง คือกรณี LINE MAN Wongnai ที่แต่งตั้ง ดร.ต้า วิโรจน์ จิรพัฒนกุล เป็นรองประธานฝ่าย AI คนแรก เพื่อขับเคลื่อนองค์กรสู่การเป็น AI-Driven Company อย่างเต็มรูปแบบ การตั้งตำแหน่ง “แม่ทัพ AI” ไม่ได้มีไว้เพื่อความเท่ แต่เพื่อให้มีคนรับผิดชอบชัดเจนว่า AI ต้องผูกกับกลยุทธ์ธุรกิจ ไม่ใช่โครงการโชว์ของ
แนวทางของเขาคือโฟกัส “กล้ามเนื้อมัดใหญ่” หรือส่วนที่ใช้ทรัพยากรจำนวนมากและเป็นคอขวดการเติบโต เช่น Customer Service ที่ต้องใช้คนจำนวนมาก และทีม Developer ประมาณ 400 คน หาก AI ช่วยให้คนกลุ่มนี้ทำงานมีประสิทธิภาพขึ้น 20-30 เปอร์เซ็นต์ ผลกระทบต่อองค์กรจะมหาศาลทันที เขายังทำหน้าที่เป็นที่ปรึกษาภายในทุกหน่วยธุรกิจ เพื่อเร่งให้การใช้ AI ไม่หยุดอยู่ที่การทดลอง แต่เชื่อมกับการประหยัดต้นทุนและสร้างรายได้รูปแบบใหม่
จากคอนเซปต์สู่ตัวเลขจริง AI ช่วยลดการยกเลิกออร์เดอร์ระดับร้อยล้าน
สิ่งที่แยกองค์กรที่เล่นของใหม่ออกจากองค์กรที่ทำ AI ใช้ประโยชน์จริงคือ “ตัวเลข” ไม่ใช่ “จำนวนโปรเจกต์” ในกรณี LINE MAN Wongnai ปัญหาใหญ่คือ Operation โดยเฉพาะงาน Customer Support ที่ต้องใช้คนจำนวนมากและขยายตามลูกค้าได้ยาก การดึง AI เข้ามาช่วยตอบคำถามลูกค้าไม่ได้มีเป้าหมายแค่ลดงาน แต่เพื่อลดการยกเลิกออร์เดอร์ที่สร้างความสูญเสียโดยตรงให้ธุรกิจ
หลังนำ AI เข้ามา สัดส่วนออร์เดอร์ที่ถูกยกเลิกหลังติดต่อ Customer Support ลดจากกว่า 50 เปอร์เซ็นต์ เหลือราว 30 เปอร์เซ็นต์ ความต่างประมาณ 20 จุดเปอร์เซ็นต์นี้คิดเป็นมูลค่ากว่าร้อยล้านบาทต่อปีในการลดการสูญเสีย หรือในคำพูดขององค์กรเอง “ด้วยความที่ AI จดจำแนวทางปฏิบัติในการจัดการปัญหาอย่างชัดเจน ทำให้สามารถลดการสูญเสียที่เกิดจากการยกเลิกออร์เดอร์ราว 100 ล้านบาทต่อปี” นี่คือภาพชัดว่าการแก้คอขวดที่ถูกจุดด้วย AI ทำให้ ROI จากเทคโนโลยีกลายเป็นข้อเท็จจริงไม่ใช่สไลด์ประชุม
เลิกวัดแต่ Adoption แล้วหันมาวัดผลลัพธ์ทางธุรกิจให้ชัด
จุดที่หลายองค์กรสะดุดคือการวัดความสำเร็จของโครงการ AI ผิดเป้า การนับจำนวน Feature นับจำนวนคนใช้เครื่องมือ หรือจำนวน Use Case ที่ทดลอง เป็นแค่ตัวชี้วัดกิจกรรม ไม่ใช่ตัวชี้วัดผลลัพธ์ ดร.ต้าเตือนว่า ความสำเร็จของ AI ต้องกลับไปดู Business Outcome ว่าเพิ่มยอดขาย ลดต้นทุน เพิ่มคุณภาพงาน หรือสร้างประสบการณ์ลูกค้าให้ดีขึ้นได้จริงหรือไม่ การวัด ROI ของ AI จึงต้องพิจารณาทั้งต้นทุน เวลา Productivity คุณภาพ และโอกาสทางธุรกิจใหม่ ไม่ใช่ตีมูลค่าจากจำนวนคนที่ลดลงเพียงอย่างเดียว
อีกประเด็นที่ถูกมองข้ามคือ “ลูกค้าไม่ได้ต้องการ AI เขาต้องการผลลัพธ์” ร้านค้าบนแพลตฟอร์มไม่ได้สนใจว่ามี AI Assistant หรือไม่ แต่สนใจว่าร้านจะขายดีขึ้นอย่างไร นี่ทำให้การลงทุน AI ต้องขยับจาก Pilot Project ที่เน้นทดลอง ไปสู่การใช้งานจริงที่ตอบโจทย์ลูกค้าและวัดผลได้ชัด เช่น การออกฟีเจอร์ใหม่เร็วขึ้นจนกลายเป็นโจทย์ของทีมปฏิบัติการที่ต้องทำงานให้ทัน เมื่อ AI กลายเป็นส่วนหนึ่งของการทำงาน การรับคนใหม่จึงกำหนดให้ความรู้เท่าทัน AI หรือ AI Literacy เป็นคุณสมบัติสำคัญโดยปริยาย
