บลูบิค ชี้ 3 กับดักองค์กรไทยสะดุดลงทุน AI “ระบบ-คน ไม่พร้อม ต้นทุนสูง”
บลูบิค เผยองค์กรไทยติด 3 กับดัก ทำลงทุน AI สะดุด ทั้งโครงสร้างเทคโนโลยี ต้นทุนไม่คุ้มค่า และขาดบุคลากรที่มีทักษะรองรับการเปลี่ยนแปลง
นายพชร อารยะการกุล ประธานเจ้าหน้าที่บริหาร บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) หรือ BBIK บริษัทที่ปรึกษาด้าน Digital Transformation เปิดเผยว่าในยุคที่เทคโนโลยี AI กลายเป็นหัวใจสำคัญของการเปลี่ยนผ่านธุรกิจทั่วโลก หลายองค์กรไทยเริ่มลงทุนและทดลองใช้งาน AI กันอย่างกว้างขวาง แต่คำถามสำคัญที่ยังไม่มีคำตอบชัดเจนคือ ทำไมผลลัพธ์จากการใช้งาน AI ยังไม่ปรากฏให้เห็นในระดับที่น่าพอใจ
AI ต้องมีแหล่งข้อมูลหรือ “อาหารสมอง” ที่ดี ซึ่งก็คือข้อมูลที่มีคุณภาพ การนำ AI สำเร็จรูปมาใช้งานในบริบทเฉพาะของแต่ละองค์กร จำเป็นต้องมีข้อมูลเฉพาะเจาะจงที่เกี่ยวข้องเพื่อให้ระบบเรียนรู้และตัดสินใจได้อย่างแม่นยำ หากปราศจากการเตรียมการเรื่อง ความโปร่งใสข้อมูล (Data Governance) และระบบจัดการข้อมูล องค์กรก็อาจกำลังฝากอนาคตไว้กับเครื่องมือที่ไม่มีทางสร้างประโยชน์ได้เต็มที่
องค์ประกอบที่หลายองค์กรมองข้ามอีกอย่างคือแอปพลิเคชันที่เชื่อมโยงระหว่าง AI กับผู้ใช้งานจริง หากไม่มีแอปฯ ที่ดี AI ก็ไม่สามารถแสดงผลลัพธ์ออกมาให้ผู้ใช้งานเข้าใจ หรือไม่สามารถรับอินพุตที่เหมาะสมจากผู้ใช้ได้ จึงต้องคิดให้ครอบคลุมทั้งระบบ ตั้งแต่โครงสร้างพื้นฐานซอฟต์แวร์ ฮาร์ดแวร์ ไปจนถึงการออกแบบ User Interface
นอกจากระบบเทคโนโลยีแล้ว กระบวนการภายในองค์กรก็ต้องได้รับการออกแบบใหม่เพื่อรองรับการทำงานร่วมกับ AI โดย AI ไม่ใช่แค่ “แทนที่มนุษย์” แล้วจะได้ผลทันที แต่ต้องมีการ Re-engineer กระบวนการเดิมใหม่ เช่น การกำหนดว่า AI จะตัดสินใจแทนได้ในระดับใด จะต้องมีขั้นตอน Oversight จากมนุษย์หรือไม่ และจะปรับเปลี่ยนวิธีการตัดสินใจอย่างไรให้สอดคล้องกับกฎระเบียบที่องค์กรใช้อยู่
แม้ AI จะฉลาด แต่ยังมีข้อจำกัดด้านความเข้าใจบริบทและ Common Sense ตัวอย่างที่เห็นชัดคือเมื่อ AI ถูกใช้ในกระบวนการพัฒนาโค้ด หากผู้ใช้งานไม่มีทักษะเพียงพอ ผลที่ได้อาจกลับกลายเป็นโค้ดที่มีข้อผิดพลาดซึ่งยากต่อการตรวจสอบในภายหลัง
ประการที่สองคือ “ต้นทุนและความคุ้มค่าทางเศรษฐศาสตร์” หลาย Use Case ของ AI ในปัจจุบันยังไม่สามารถแสดงผลตอบแทนการลงทุน (ROI) ได้ชัดเจน เพราะโมเดล AI โดยเฉพาะแบบ Generative AI มีต้นทุนในการประมวลผลสูงมาก บริษัทเทคโนโลยีใหญ่ๆ อย่าง OpenAI หรือ Google คิดค่าบริการตามจำนวนโทเคนที่ใช้ในการประมวลผล ยิ่งใช้เยอะ ต้นทุนก็ยิ่งสูง
โดยเฉพาะ Use Case ที่มีการโต้ตอบกับลูกค้าแบบเรียลไทม์ เช่น Chatbot หรือ Virtual assistant สำหรับลูกค้าจำนวนมาก ต้นทุนที่เพิ่มขึ้นต่อคำถามจึงอาจสูงเกินกว่าผลลัพธ์ที่ได้ ทำให้หลายองค์กรลังเลที่จะลงทุน แต่ในทางกลับกัน Use Case ที่ใช้ภายใน เช่น การวิเคราะห์ข้อมูลหรือสร้าง Insight ให้ทีมผู้บริหาร ซึ่งใช้เพียงไม่กี่ครั้งแต่ส่งผลต่อหลายการตัดสินใจ กลับมีความคุ้มค่ามากกว่า
ทางออกในจุดนี้อยู่ที่การ “เลือกให้ถูก” และ “จัดลำดับความสำคัญ” องค์กรควรเริ่มจาก Use Case ที่มีต้นทุนต่ำและได้ผลลัพธ์ชัดเจนก่อน จากนั้นจึงค่อยขยายไปสู่ Use Case ที่ซับซ้อนและใช้ต้นทุนสูงขึ้นเมื่อมีความพร้อม นอกจากนี้ยังควรเปรียบเทียบเทคโนโลยีที่มีอยู่ในตลาด เช่น ChatGPT กับ DeepSeek หรือเครื่องมือโอเพนซอร์สอื่นๆ ว่าใช้ต้นทุนเท่าไหร่ และตอบโจทย์แค่ไหน
ความท้าทายสุดท้ายคือ “คน” แม้จะเป็นยุค AI แต่ก็ไม่สามารถปฏิเสธบทบาทของมนุษย์ได้ เพราะ AI ไม่สามารถคิด วิเคราะห์ และตั้งคำถามเฉียบคมได้ด้วยตัวเอง โดยเฉพาะอย่างยิ่งในการใช้งาน LLM (Large Language Model) การตั้งคำถามที่ดี (prompt) มีผลต่อคุณภาพคำตอบอย่างมาก
องค์กรที่ต้องการใช้ AI ให้ได้ประโยชน์สูงสุด จำเป็นต้องลงทุนในคนที่มีความรู้ลึกในเรื่องใดเรื่องหนึ่ง และมีความรู้กว้างพอจะเชื่อมโยงกับมิติอื่นได้ หรือที่เรียกว่า T-Shape Skills คนเหล่านี้จะใช้ AI ได้เต็มศักยภาพ ต่างจากคนที่ไม่มีพื้นฐานความเข้าใจ อาจใช้งานผิดวิธี และก่อให้เกิดความเสียหายโดยไม่รู้ตัว
นอกจากการ Reskill และ Upskill พนักงานแล้ว องค์กรยังต้องสร้าง “วัฒนธรรมการปรับตัว” เพราะความเปลี่ยนแปลงที่มาพร้อม AI อาจก่อให้เกิดแรงต้านภายในองค์กร ไม่ว่าจะเป็นความกลัวตกงาน หรือความไม่มั่นใจในความสามารถของตัวเอง การบริหารการเปลี่ยนแปลง (Change Management) จึงเป็นอีกหนึ่งภารกิจที่ผู้บริหารไม่อาจละเลย
การสร้างผลลัพธ์จาก AI ยังต้องพึ่งพาโครงสร้างองค์กรที่เหมาะสม เช่น การจัดตั้งทีม AI Center of Excellence เพื่อดูแลมาตรฐานการใช้งาน การแลกเปลี่ยนความรู้ และการนำบทเรียนจาก Use Case หนึ่งไปสู่ Use Case อื่นอย่างมีประสิทธิภาพ
นายพชร กล่าวต่อไปว่าว่า ผู้บริหารในแต่ละตำแหน่งมีบทบาทสำคัญในการขับเคลื่อน AI ไม่ว่าจะเป็น CEO ที่กำหนดกลยุทธ์ CFO ที่ดูแลการลงทุน COO ที่ออกแบบกระบวนการ หรือ CTO ที่ดูแลเทคโนโลยี ทุกตำแหน่งต้องทำงานร่วมกันโดยมีเป้าหมายร่วมคือการสร้างผลลัพธ์ทางธุรกิจอย่างแท้จริง สำหรับองค์กรไทย การจะนำ AI ไปใช้ให้สำเร็จไม่ได้อยู่ที่ใครเริ่มก่อน แต่อยู่ที่ใครสามารถ “ทำให้เกิดผลลัพธ์” ได้ก่อน และสามารถขยายผลนั้นให้ครอบคลุมทั้งองค์กรได้อย่างต่อเนื่อง