การนำ AI มาใช้ในองค์กรกำลังเติบโตเร็วกว่าการเปลี่ยนแปลงทางเทคโนโลยีครั้งใด ๆ ในประวัติศาสตร์ช่วงที่ผ่านมา การประชุมของผู้นำทุกครั้งลงเอยที่ความคาดหวังเดียวกันเสมอว่า AI ต้องสร้างคุณค่าที่วัดผลได้ทั่วทั้งองค์กร หลังการเปิดตัว ChatGPT ทีมวิศวกรรมเริ่มใช้ Copilot นักวิเคราะห์หันมาใช้ Perplexity และฝ่ายปฏิบัติการทดลองใช้ระบบอัตโนมัติ ประสิทธิภาพการทำงานดีขึ้นแทบจะทันที
แต่เพียงไม่กี่เดือนต่อมา อัตราการนำไปใช้กลับชะลอลง โครงการนำร่องหยุดชะงัก ผลตอบแทนจากการลงทุน (ROI) เริ่มไม่สม่ำเสมอ การชะลอตัวนี้ไม่ได้เกิดจากโมเดลที่ขาดความสามารถหรือผู้บริหารที่ขาดความมุ่งมั่น แต่เกิดจากความไม่สอดคล้องเชิงโครงสร้างระหว่างความสามารถของ AI กับสภาพแวดล้อมขององค์กร
เมื่อไม่นานมานี้ ผมได้อ่านบทวิเคราะห์ของ Caleb ผู้สร้างคอนเทนต์ที่มักสำรวจแง่มุมด้านองค์กรของการนำ AI มาใช้ กรอบคิดของเขาไม่ได้เสนอแนวคิดใหม่ แต่ช่วยให้ความขัดแย้งที่ผู้นำองค์กรหลายคนสัมผัสได้อยู่แล้วชัดเจนขึ้น บทวิเคราะห์นี้อธิบายว่าทำไม AI จึงโดดเด่นเมื่อใช้กับงานเฉพาะส่วน แต่กลับสร้าง การเปลี่ยนแปลงระดับระบบ ได้ยาก
การนำ AI มาใช้ไม่ได้ขึ้นอยู่กับความสามารถของโมเดล แต่ขึ้นอยู่กับว่าองค์กรนำ AI เข้าไปใช้ในชั้นใด
สำหรับ CIO, CTO และผู้นำด้านการเปลี่ยนแปลงองค์กรที่สงสัยว่าทำไม AI จึงน่าประทับใจในการสาธิต แต่กลับติดขัดเมื่อนำไปใช้งานจริง บทความนี้จะชี้ให้เห็นข้อจำกัดที่ซ่อนอยู่และแนวทางเชิงกลยุทธ์ที่จำเป็นต่อการนำ AI มาใช้อย่างยั่งยืนทั่วทั้งองค์กร
จาก “เราควรนำ AI มาใช้ไหม” สู่ “ทำไมการนำ AI มาใช้ถึงช้านัก”
เมื่อสองปีก่อน องค์กรต่าง ๆ ยังถกเถียงกันว่าจำเป็นต้องใช้ AI หรือไม่ วันนี้คำถามคือจะผสาน AI เข้ากับการทำงานอย่างยั่งยืนและปลอดภัยได้อย่างไร นักวิเคราะห์คาดการณ์ว่าในไม่ช้า ผลงานส่วนสำคัญขององค์กรอาจสร้างขึ้นโดย AI ในทางทฤษฎี เรื่องนี้ดูเหมือนจะเกิดขึ้นอย่างหลีกเลี่ยงไม่ได้ แต่ในทางปฏิบัติ ผลที่เกิดขึ้นยังไม่สม่ำเสมอ
ทีมวิศวกรรมทำงานได้เร็วขึ้น แต่การทำงานข้ามฝ่ายแทบไม่ดีขึ้น ทีมขายติดต่อเข้าหาลูกค้าได้โดยอัตโนมัติ แต่ยังเสียเวลากับการประสานงานด้วยคน ฝ่ายปฏิบัติการได้ข้อมูลเชิงลึกอย่างรวดเร็ว แต่ยังต้องตรวจสอบและปรับข้อมูลที่กระจัดกระจายให้ตรงกันด้วยตนเอง
องค์กรไม่ได้ทำงานเหมือนเครื่องจักรที่ดำเนินไปเป็นเส้นตรง แต่เป็น ระบบซับซ้อนที่มีรูปแบบการทำงานจากการกำกับดูแล แรงจูงใจ วัฒนธรรม และเทคโนโลยีเดิม AI ขยายความซับซ้อนนี้แทนที่จะลดทอนมัน
กรอบคิดหนึ่งที่มีประโยชน์คือการมอง AI ในองค์กรตามระดับความพร้อมสามระดับ
ระดับ 1. งานที่มี AI ช่วย
มีประโยชน์ แต่มีข้อจำกัดโดยพื้นฐาน
องค์กรส่วนใหญ่เริ่มต้นที่จุดนี้ พนักงานใช้ AI เชิงกำเนิดในการค้นคว้า สรุปข้อมูล รับคำแนะนำในการเขียนโค้ด และสร้างเนื้อหา เครื่องมือเหล่านี้ให้ประโยชน์ได้ทันที
แต่การทำงานแต่ละอย่างได้เร็วขึ้นไม่ได้หมายถึงการเปลี่ยนแปลงเวิร์กโฟลว์ กระบวนการที่เกี่ยวข้อง ทั้งการอนุมัติ การส่งต่องาน และลำดับชั้นการรายงาน ยังคงเหมือนเดิม ผลคือองค์กรโดยรวมไม่ได้ขับเคลื่อนได้เร็วขึ้นอย่างมีนัยสำคัญ
ความเร็วของงานไม่ใช่สิ่งเดียวกับความเร็วขององค์กร
ขั้นนี้ให้ความรู้สึกปลอดภัย เพราะไม่ต้องปรับโครงสร้างใด ๆ แต่รูปแบบนี้เองก็จำกัดผลตอบแทนจากการลงทุนในระยะยาวไว้
ระดับ 2. เวิร์กโฟลว์แบบเอเจนต์
ศักยภาพสูง แรงต้านก็สูง
AI แบบเอเจนต์ดำเนินเวิร์กโฟลว์หลายขั้นตอนได้ด้วยตนเอง เอเจนต์แก้ไขไฟล์ ตรวจทานผลลัพธ์ จัดการงาน หรือประสานการดำเนินงานได้ ศักยภาพที่รออยู่จึงมหาศาล
แต่การนำไปใช้ยังห่างไกลจากระดับนั้น
อุปสรรคไม่ได้อยู่ที่ความสามารถทางเทคนิค แต่อยู่ที่ ความพร้อมขององค์กร ระบบแบบเอเจนต์ต้องอาศัยความไว้วางใจ การควบคุมดูแล กรอบการกำกับดูแล และการยอมรับการทำงานอัตโนมัติ ระบบเหล่านี้สั่นคลอนลำดับชั้นที่วางไว้และกระบวนการปฏิบัติตามข้อกำหนดที่ทำกันเป็นประจำ อีกทั้งยังนำความเสี่ยงด้านการดำเนินงานที่ไม่คุ้นเคยเข้ามา
ด้วยเหตุนี้ เครื่องมือแบบเอเจนต์จำนวนมากจึงถอยกลับไปเป็นผู้ช่วยกึ่งอัตโนมัติที่ทำงานเฉพาะในขอบเขตที่ปลอดภัย
องค์กรไม่ได้ปฏิเสธการทำงานอย่างอิสระเพราะความกลัว แต่ปฏิเสธเพราะไม่สอดคล้องกับองค์กร
ระดับ 3. ระบบ AI Native
ความได้เปรียบในระยะยาว
ระบบ AI Native คือระดับการพัฒนาที่ก้าวหน้าที่สุด ระบบเหล่านี้ออกแบบให้ AI มีส่วนร่วมตั้งแต่ต้น แทนที่จะปรับเวิร์กโฟลว์ที่ออกแบบมาให้เหมาะกับมนุษย์เพื่อรองรับ AI องค์กรจะสร้างโครงสร้างการดำเนินงานใหม่ที่ให้ AI ประสานการไหลของข้อมูล ลำดับการตัดสินใจ และจังหวะการทำงาน
แนวทางนี้เปิดทางให้ดำเนินงานเชิงคาดการณ์ได้ ลดคอขวด และช่วยให้ตัดสินใจได้อย่างต่อเนื่อง
อุปสรรคมีมาก แต่ความได้เปรียบในระยะยาวนั้นเหนือกว่าประโยชน์จากการปรับปรุงทีละเล็กทีละน้อยอย่างมาก
อย่างไรก็ตาม เส้นทางสู่ระบบ AI Native ยังอีกยาวไกล อันตรายที่แท้จริงเกิดขึ้นในช่วงระหว่างทาง
ปัญหา Ferrari
AI ที่ไม่มีการจัดการคือภัยคุกคามสมรรถนะสูง
Caleb ใช้คำเปรียบเทียบที่ยิ่งมีพลังเมื่อมองในบริบทขององค์กร การให้พนักงานเข้าถึงเครื่องมือ AI ทรงพลังอย่าง ChatGPT หรือ Copilot ไม่ใช่แค่การมอบ Ferrari ให้พวกเขา
นั่นเท่ากับการมอบ Ferrari ให้พวกเขา โดยไม่มีการฝึกอบรม ไม่มีกฎจราจร ไม่มีประกัน และมองไม่เห็นว่ารถจะวิ่งไปทางไหนจริง ๆ
เครื่องยนต์นั้นยอดเยี่ยมอย่างยิ่ง แต่ในสภาพแวดล้อมขององค์กรที่ซับซ้อน มีทั้งข้อมูลอ่อนไหว ข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ และระบบเก่า พลังที่ไร้การควบคุมระดับนี้คือ ภัยคุกคามเชิงโครงสร้าง
AI ที่ไร้การกำกับดูแลนำไปสู่การรั่วไหลของข้อมูลโดยไม่ตั้งใจ การใช้ Shadow IT ผลลัพธ์ที่ตรวจสอบยืนยันไม่ได้ ข้อมูลป้อนเข้าโมเดลที่ควบคุมไม่ได้ และการสูญเสียความสามารถในการตรวจสอบย้อนหลังอย่างสิ้นเชิง
Ferrari ไม่ได้แค่วิ่งเร็ว แต่ยังวิ่งไปในทิศทางที่องค์กรมองไม่เห็นด้วย
ตราบใดที่ยังไม่ได้ออกแบบเวิร์กโฟลว์ ขอบเขตการกำกับดูแล ชั้นการตรวจสอบความถูกต้อง และสถาปัตยกรรมการเชื่อมต่อระบบขึ้นใหม่ AI ที่ไร้การจัดการก็ยังเป็นภาระ ไม่ใช่สินทรัพย์
เหตุใดขนาดขององค์กรจึงสร้างแรงเสียดทานเชิงระบบ
เมื่อองค์กรเติบโต ความซับซ้อนในการประสานงานจะเพิ่มขึ้นเร็วยิ่งกว่า การเพิ่มขนาดทีมเป็นสองเท่าไม่ได้ทำให้ความซับซ้อนเพิ่มขึ้นเพียงสองเท่า แต่เพิ่มขึ้นทวีคูณ
AI ช่วยเพิ่มประสิทธิภาพของแต่ละบุคคล แต่องค์กรทำงานในระดับเครือข่าย ความไม่สอดคล้องกันนี้ทำให้ผลที่ได้จาก AI ถูกดูดซับไปเกือบทั้งหมด
งานวิจัยชี้ให้เห็นความจริงสำคัญข้อหนึ่ง
AI ขยายสิ่งที่มีอยู่แล้ว การทำงานที่สอดประสานกันจะยิ่งเดินหน้าเร็วขึ้น การทำงานที่แตกแยกจะยิ่งพังทลาย
หากไม่มีการออกแบบเวิร์กโฟลว์และการกำกับดูแลขึ้นใหม่ AI จะช่วยปรับปรุงได้เพียงบางส่วนที่แยกจากกัน แทนที่จะสร้างการเปลี่ยนแปลงทั้งระบบ
ความเป็นจริงขององค์กร
ความปลอดภัย ความไว้วางใจ ความเสี่ยงด้านข้อมูล และแรงต้านภายใน
ก่อนที่องค์กรจะมุ่งสู่การทำงานอย่างอิสระหรือเวิร์กโฟลว์ที่มี AI เป็นรากฐาน องค์กรต้องเผชิญกับข้อจำกัดที่หลีกเลี่ยงไม่ได้
ข้อกำหนดด้านความปลอดภัย ไม่เปิดช่องให้ผ่อนปรนเรื่องขอบเขตข้อมูลหรือการปฏิบัติตามกฎระเบียบ
ความไม่น่าเชื่อถือของ LLM ทำให้เกิดความลังเล เพราะไม่อาจยอมรับการสร้างข้อมูลผิดขึ้นมาเองได้
Shadow IT เกิดขึ้นเมื่อเครื่องมือที่องค์กรจัดให้ตามไม่ทันความต้องการของพนักงาน
ข้อมูลเชิงกลยุทธ์และข้อมูลส่วนบุคคล ก่อให้เกิดความเสี่ยงด้านกฎหมายและชื่อเสียง
การขาดการกำกับดูแลแบบรวมศูนย์ ทำให้เกิดความไม่แน่นอนในการตรวจสอบความถูกต้องและการกำกับดูแล
สิ่งเหล่านี้ไม่ใช่สัญญาณของความอนุรักษนิยม
แต่เป็นสัญญาณของ ความรับผิดชอบในระดับองค์กร
การนำ AI มาใช้จะเร่งตัวขึ้นได้ก็ต่อเมื่อให้ความสำคัญกับรากฐานเหล่านี้
ช่องว่างที่แท้จริงของตลาด
ไม่ใช่ทุกเวิร์กโฟลว์ที่ต้องการการออกแบบใหม่ทั้งหมด
แนวคิดเกี่ยวกับ AI บางกระแสตั้งสมมติฐานว่าพนักงานต้องการระบบอัตโนมัติ แต่ในความเป็นจริง เวิร์กโฟลว์จำนวนมากยังคงไม่เปลี่ยนแปลง เพราะให้ความรู้สึกว่าคาดการณ์ได้และปลอดภัยในบริบทของวัฒนธรรมองค์กร
โอกาสที่แท้จริงอยู่ที่อื่น
การย้ายข้อมูลด้วยตนเอง
การจัดทำเอกสารซ้ำซ้อน
การสลับบริบทการทำงาน
แพลตฟอร์มที่แยกขาดจากกัน
เวิร์กโฟลว์ที่ไม่เชื่อมต่อกัน
อุปสรรคเหล่านี้บั่นทอนประสิทธิภาพการทำงานอย่างเงียบๆ
เมื่อขจัดอุปสรรคที่มองไม่เห็น การนำมาใช้ก็จะเกิดขึ้นอย่างเป็นธรรมชาติ
ขั้นตอนที่นำไปปฏิบัติได้เพื่อเปลี่ยนผ่านองค์กรอย่างยั่งยืน
องค์กรที่ประสบความสำเร็จมีแนวปฏิบัติร่วมกัน
ตรวจสอบเวิร์กโฟลว์อย่างละเอียด
ค่อยๆ นำความสามารถในการตัดสินใจและลงมือทำด้วยตนเองของเอเจนต์มาใช้ โดยมีการกำกับดูแล
ออกแบบบทบาทใหม่ก่อนออกแบบเทคโนโลยีใหม่
เริ่มในส่วนที่มีข้อจำกัดจากระบบเดิมน้อย
วัดความเร็วในการขับเคลื่อนองค์กร ไม่ใช่ความเร็วในการทำงานแต่ละงาน
ขั้นตอนเหล่านี้ดูเรียบง่าย แต่ส่งผลแบบทวีคูณ
ข้อคิดส่งท้ายสำหรับผู้นำองค์กร
การนำ AI มาใช้ในองค์กรไม่ใช่ความท้าทายด้านโมเดล แต่เป็นความท้าทายด้านโครงสร้างและวัฒนธรรม องค์กรส่วนใหญ่ยังติดอยู่กับการเพิ่มประสิทธิภาพในระดับงานแต่ละงาน เพราะเวิร์กโฟลว์ไม่ได้ออกแบบมาสำหรับระบบที่ทำงานได้ด้วยตนเอง
ผู้นำที่ตระหนักถึงเรื่องนี้และออกแบบใหม่อย่างมีเป้าหมาย จะเป็นผู้กำหนดยุคถัดไปของประสิทธิภาพการทำงานในองค์กร
AI เสริมความแข็งแกร่งให้องค์กรที่ทำงานสอดประสานกัน และขยายความแตกแยกในองค์กรที่ทำงานแยกส่วนกัน วางรากฐานให้แข็งแรงก่อน แล้วจึงขยายการใช้งาน
ข้อควรคำนึงในการนำไปใช้
ความจำเป็นของชั้นการทำงานระดับองค์กรที่ปลอดภัยและเชื่อมต่อกัน
ในการพูดคุยกับ CIO และทีมขับเคลื่อนการเปลี่ยนผ่าน มีประเด็นหนึ่งที่ปรากฏซ้ำอยู่เสมอ องค์กรไม่ได้ต้องการผู้ช่วยที่ทำงานแยกเดี่ยวเพิ่มอีกตัว แต่ต้องการชั้นการทำงานเพื่อเพิ่มประสิทธิภาพที่ปลอดภัย ตรวจสอบย้อนหลังได้ และเชื่อมต่อกับระบบต่างๆ อย่างลึกซึ้ง เพื่อเชื่อมโยงแอปพลิเคชัน ปกป้องข้อมูล สอดคล้องกับการกำกับดูแล และนำ AI เข้าสู่เวิร์กโฟลว์โดยไม่กระทบเสถียรภาพของระบบเดิม
แพลตฟอร์มที่สร้างขึ้นด้วยการเชื่อมต่อกับระบบต่างๆ อย่างลึกซึ้ง สถาปัตยกรรมที่ให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรก และการกำกับดูแลระดับองค์กร เปลี่ยน AI ที่ไม่มีการจัดการจากความเสี่ยงให้เป็นความได้เปรียบเชิงกลยุทธ์ แพลตฟอร์มเหล่านี้มอบระบบถนนที่ออกแบบอย่างเป็นระบบ ซึ่ง Ferrari ไม่เคยมี
นี่คือปรัชญาเบื้องหลัง Dvina ซึ่งไม่ได้ออกแบบมาให้เป็นเครื่องมือสำหรับงานเฉพาะหรือเอเจนต์ที่ทำงานแยกเดี่ยว แต่เป็น ชั้นการทำงานเพื่อเพิ่มประสิทธิภาพที่เข้าใจเวิร์กโฟลว์ ซึ่งเชื่อมแอปพลิเคชันให้เป็นหนึ่งเดียว ปกป้องข้อมูลที่ละเอียดอ่อน และช่วยให้ทีมบรรลุ การเปลี่ยนผ่านในระดับเวิร์กโฟลว์ โดยไม่ต้องสูญเสียการควบคุม
ข้อคิดส่งท้าย
อนาคตเป็นขององค์กรที่สร้างถนนได้เหมาะสม
องค์กรที่จะชนะในการเปลี่ยนผ่านสู่ AI ไม่ใช่องค์กรที่มีโมเดลมากที่สุด แต่เป็นองค์กรที่สร้างเส้นทางให้ AI ทำงานได้อย่างปลอดภัยที่สุด ชัดเจนที่สุด และปรับตัวได้มากที่สุด
เมื่อเวิร์กโฟลว์ การกำกับดูแล และการไหลของข้อมูลสอดประสานกัน AI จะหยุดทำงานเหมือนเครื่องยนต์ที่ยังอยู่ในขั้นทดลอง และกลายเป็นโครงสร้างพื้นฐานขององค์กรอย่างแท้จริง
อนาคตไม่ได้เป็นขององค์กรที่มีเครื่องยนต์เร็วที่สุด แต่เป็นขององค์กรที่มีถนนแข็งแกร่งที่สุด