ฐานข้อมูลก่อนเครื่องมือ AI คือกติกาใหม่ขององค์กรใหญ่
การให้ความสำคัญกับฐานข้อมูลและโครงสร้างพื้นฐานก่อนการเลือกใช้เครื่องมือ AI หมายถึงแนวคิดที่องค์กรต้องจัดระเบียบ เชื่อมโยง และดูแลข้อมูลให้มีคุณภาพ มีมาตรฐาน และเข้าถึงได้อย่างปลอดภัย ก่อนจะคาดหวังผลลัพธ์จากเทคโนโลยี AI เพื่อลดความเสี่ยงจากการใช้งานที่ไม่คุ้มต้นทุนและทำให้ AI สร้างคุณค่าที่วัดผลได้ในระดับองค์กร
สิ่งที่องค์กรขนาดใหญ่กำลังเรียนรู้อย่างชัดเจนคือ การวิ่งตามกระแส AI โดยไม่มีฐานข้อมูลที่ดี เป็นสูตรสำเร็จของความผิดหวัง มากกว่าความสำเร็จ ปรัชญาของผู้นำองค์กรอสังหาริมทรัพย์รายใหญ่คือไม่จำเป็นต้องเป็น First Mover แต่ต้องเข้าใจทั้งศักยภาพและข้อจำกัดของ AI ให้ถ่องแท้ก่อนนำมาใช้จริง พร้อมยอมรับว่าประโยชน์ที่แท้จริงกลับอยู่ที่การบังคับให้ทั้งองค์กรหันมาทบทวนการเก็บและจัดการข้อมูล รวมถึงปรับกระบวนการทำงานให้มีประสิทธิภาพ ซึ่งถูกมองว่าเป็น Fundamental ของธุรกิจยุคใหม่ แนวคิดนี้กำลังกลายเป็นมาตรฐานใหม่ของกลยุทธ์ AI ระดับองค์กร ไม่ใช่แค่มุมมองเฉพาะกิจอีกต่อไป
บทเรียนจากแสนสิริ x AWS: ใช้ AI เพื่อกลับมาจัดระเบียบดาต้า
กรณีของบริษัทอสังหาริมทรัพย์รายใหญ่ที่ร่วมมือกับผู้ให้บริการคลาวด์อย่าง AWS ในการจัด Workshop การนำ AI มาใช้ในงานประจำวันตั้งแต่ต้นน้ำถึงปลายน้ำ สำหรับพนักงานสายเทคโนโลยีจากหลายแผนก แสดงให้เห็นว่าผู้บริหารไม่ได้มอง AI เป็นของเล่นทดลอง แต่ใช้เป็นจุดเริ่มต้นของการเปลี่ยนฐานข้อมูลทั้งองค์กรให้พร้อมลุยงานจริง
Workshop ที่ออกแบบและดำเนินการโดยผู้เชี่ยวชาญอย่าง Fellow Intelligence ไม่ได้หยุดอยู่ที่การสาธิตเครื่องมือ แต่เน้น Use Case ที่ต่อยอดได้จริง และระบุชัดว่างานแบบใดยังไม่เหมาะกับ AI สิ่งที่ผู้บริหารยอมรับว่าได้คุ้มที่สุดจากกระบวนการนี้คือ การทำให้พนักงานกลับมาทบทวนการจัดเก็บข้อมูลและปรับกระบวนการทำงานให้ดีขึ้น ซึ่งตรงกับแก่นของคำว่าโครงสร้างพื้นฐาน AI ในโลกจริง นี่คือการใช้ AI เป็นกระจกสะท้อนปัญหาฐานข้อมูล มากกว่าการใช้เพื่อสร้างภาพลวงตาว่าองค์กรล้ำสมัย กลยุทธ์ AI ระดับองค์กรจึงถูกผูกติดกับการเรียนรู้ของคนและคุณภาพของข้อมูล มากกว่าจำนวนเครื่องมือใหม่ที่ติดตั้ง
กรณีเครือซีพี: เมื่อ Data Readiness คือด่านแรกของกลยุทธ์ AI
ในอีกฝั่งหนึ่ง เครือธุรกิจขนาดใหญ่ที่เปิด Internal Kick Off ร่วมกับ AWS เลือกตั้งกติกาชัดเจนตั้งแต่ต้นว่า ทุกโครงการ AI ต้องเริ่มจาก Data Readiness เพราะหากข้อมูลไม่พร้อม ทีมงานจะหมดเวลาไปกับการเตรียมข้อมูล และโครงการจะติดอยู่แค่ Concept ไม่สามารถก้าวสู่ Production ได้ นี่คือการย้ำว่าฐานข้อมูลไม่ใช่งานตามเก็บทีหลัง แต่เป็นเงื่อนไขก่อนเริ่มโครงการ
ผู้บริหารด้านนวัตกรรมของเครือฯ วางโฟกัสไว้ชัดเจนว่า Data ต้องเชื่อมกันก่อน จึงจะสร้างคุณค่าจาก AI ได้ ผ่านการจัดระบบ การทำ Standardization และ Data Governance ที่คำนึงถึงความเป็นส่วนตัวและกฎระเบียบ พร้อมมอง Data Center Cloud และ AI Infrastructure เป็นโครงสร้างพื้นฐานยุคใหม่ของทั้งองค์กรและระดับประเทศ คำพูดที่ควรถูกหยิบไปแปะไว้ในทุกห้องประชุมคือ “วันนี้เราไม่ได้ต้องการเพียง Prototype แต่ต้องการ Adoption ต้องพิสูจน์ให้เห็น Value จากนั้นจึง Scale และท้ายที่สุดต้องสามารถ Replicate ไปยัง Business Unit อื่นได้” นี่คือสูตรคิดที่ตัดขาดจากการทำโครงการโชว์ผลงาน แล้วไปไม่ถึงการใช้งานจริง
เชื่อมคน ไอเดีย เทคโนโลยี: AI จะยั่งยืนได้เมื่อทั้งองค์กรขยับพร้อมกัน
ทั้งสองกรณีชี้ตรงกันว่า การนำ AI ไปใช้งานในองค์กรไม่ใช่โครงการของฝ่ายไอที แต่เป็นการจัดเรียงคน โครงสร้าง และข้อมูลให้สอดประสานกัน ความร่วมมือระหว่างองค์กรธุรกิจใหญ่กับผู้ให้บริการคลาวด์จึงถูกออกแบบให้เป็นพื้นที่เรียนรู้ร่วมกันของคนหลายสายงาน ไม่ว่าจะเป็น Workshop ภายในองค์กรอสังหาริมทรัพย์ที่เปิดให้พนักงานหลากหลายฝ่ายได้ทดลอง AI ในงานจริง หรือ CP Innovation Center of Excellence ที่ทำตัวเป็นสนามทดลองกลาง เชื่อม Business Vertical ต่างๆ เข้ากับทีมเทคโนโลยีและผู้เชี่ยวชาญจากพันธมิตร
แนวคิด AI for All ทำให้ทุกคนในองค์กรต้องมอง AI เป็นเครื่องมือประจำวัน ไม่ใช่องค์ความรู้พิเศษของผู้เชี่ยวชาญเท่านั้น พร้อมกันนั้นเครือฯ ยังตั้งเป้า Upskill คนให้ได้ราว 3 ล้านคน ผ่านความร่วมมือกับมหาวิทยาลัยกว่า 15 แห่ง เพื่อสร้าง AI Talent รองรับการเปลี่ยนแปลง และกำหนดจังหวะให้ทุกโครงการต้องมีผลลัพธ์วัดได้ทุก 3 เดือน ก่อนนำสิ่งที่สำเร็จไป Replicate Reuse และ Scale ต่อในวงกว้าง เมื่อคนเข้าใจงานของตัวเอง ข้อมูลเชื่อมถึงกัน และโครงสร้างพื้นฐาน AI พร้อม กลยุทธ์ AI ระดับองค์กรจึงมีโอกาสกลายเป็นการเปลี่ยนผ่านจริง ไม่ใช่แค่สไลด์พรีเซนต์สวยงาม
จากกระแสสู่ระบบ: อนาคตของโครงสร้างพื้นฐาน AI ในองค์กรใหญ่
เมื่อมองภาพรวมของการลงทุน AI ทั่วโลก ตั้งแต่การทุ่มงบของกลุ่ม Magnificent 7 ไปจนถึงการเตรียมนำบริษัทด้าน AI หลายรายเข้าตลาดหลักทรัพย์ สิ่งที่องค์กรใหญ่เริ่มตระหนักคือ กระแสที่แรงไม่ได้แปลว่าทุกการใช้ AI คุ้มค่า บางบริษัทเจอกับต้นทุนที่สูงเกินประสิทธิภาพ บางรายเผชิญผลกระทบด้านชื่อเสียงจากการใช้ AI แบบขาดการควบคุม จึงไม่น่าแปลกที่ผู้นำหลายองค์กรเลือกหันกลับมาคุยกันเรื่องโครงสร้างพื้นฐาน AI มากกว่าเรื่องฟีเจอร์หรือเครื่องมือชิ้นล่าสุด
ทิศทางใหม่ที่กำลังชัดขึ้นในองค์กรใหญ่คือ การทำให้โครงการ AI เดินตามวงจร Adoption Proven Value Scale Replicate อย่างมีวินัย ไม่หยุดอยู่ที่ Pilot หรือ Prototype และมองทุก AI Project เป็นการสร้างขีดความสามารถและ Future Leaders ขององค์กร ไม่ใช่แค่โครงการทดลองระยะสั้น หากสรุปให้สั้นที่สุด โครงสร้างพื้นฐาน AI ที่ดีในวันนี้ไม่ใช่การซื้อเครื่องมือราคาแพง แต่คือการกล้าตอบสามคำถามให้ชัดว่า ข้อมูลของเราพร้อมแค่ไหน คนของเราเข้าใจ AI แค่ไหน และองค์กรของเรามีระบบรองรับการขยายผลหรือยัง ใครตอบได้ครบสามข้อ จึงจะพร้อมพูดถึงการนำ AI ไปใช้งานอย่างแท้จริง
