การ์ทเนอร์ชี้ 3 เสาหลักสร้างมูลค่า AI หนุนองค์กรเร่งปั่น ROI หนีฟองสบู่ AI แตก

ผลสำรวจจากการ์ทเนอร์ อิงค์ (Gartner, Inc.) ซึ่งเป็นบริษัทวิจัยและที่ปรึกษาด้านธุรกิจและเทคโนโลยีชั้นนำของโลก พบว่ามีผู้นำด้านข้อมูลและการวิเคราะห์ (D&A) หรือผู้นำด้าน AI เพียง 1 ใน 5 ราย หรือคิดเป็น 20% เท่านั้นที่แสดงความกังวลว่าต้นทุนที่ไม่แน่นอนจะกลายเป็นข้อจำกัดในการสร้างมูลค่าจากเทคโนโลยี AI

โดยการสำรวจความเห็นจากผู้นำในสายงานดังกล่าวจำนวน 353 ราย ในช่วงเดือนพฤศจิกายนถึงธันวาคม 2568 ยังเผยให้เห็นข้อมูลที่น่าสนใจว่า มีองค์กรเพียง 44% เท่านั้นที่มีการนำเกณฑ์ควบคุมทางการเงิน หรือแนวทางปฏิบัติแบบ AI FinOps มาใช้งานจริงเพื่อจัดการกับค่าใช้จ่ายที่เกิดขึ้น

อดัม รอนธัล (Adam Ronthal) รองประธานฝ่ายนักวิเคราะห์ การ์ทเนอร์ อิงค์ (Gartner, Inc.) เปิดเผยว่า ในปัจจุบันอัตราการยอมรับและนำ AI ไปใช้งานในระดับองค์กรมีการเติบโตอย่างก้าวกระโดด จากเดิมที่มีเพียง 2 ใน 5 องค์กรในปี 2567 เพิ่มขึ้นเป็น 4 ใน 5 องค์กรในปัจจุบัน ส่งผลให้ผู้นำด้าน D&A ต้องสร้างความชัดเจนและมุ่งเน้นไปที่ผลตอบแทนจากการลงทุน (ROI) เพื่อให้บรรลุเป้าหมายและความทะเยอทะยานด้าน AI ที่เพิ่มสูงขึ้นขององค์กรอย่างมีประสิทธิภาพ ผู้นำทุกคนต้องตระหนักว่าพวกเขามีหน้าที่รับผิดชอบในการส่งมอบมูลค่าที่แท้จริง ท่ามกลางกระแสการปั่นข่าวเรื่อง AI และความกังวลเกี่ยวกับสภาวะฟองสบู่ AI ที่อาจแตกสลายลงในไม่ช้า

ขณะที่ จอร์เจีย โอคัลลาแฮน (Georgia O’Callaghan) ผู้อำนวยการฝ่ายนักวิเคราะห์ การ์ทเนอร์ อิงค์ ระบุว่าการเข้าถึงมูลค่ามักถูกวัดด้วย ROI แต่ผู้นำ D&A จำเป็นต้องมองว่าสิ่งนี้เป็นมากกว่าเพียงแค่ตัวชี้วัดทางการเงิน โดยได้เสนอ 3 แนวทางหลักที่จะช่วยให้องค์กรขับเคลื่อนผ่านความผันผวนของมูลค่า AI ไปได้ ประกอบด้วย การกำหนดความทะเยอทะยานด้าน AI (Set AI Ambition) เพื่อสร้างผลตอบแทนทางปัญญา (Return on Intelligence) โดยผู้นำต้องคิดใหม่เกี่ยวกับผลกระทบของ AI ที่มีต่อสายงานข้อมูลอย่างถอนรากถอนโคน พร้อมกำหนดวิสัยทัศน์ร่วมกันและจัดการกับต้นทุนแอบแฝงที่คาดเดาไม่ได้ตั้งแต่ระยะแรก

นอกจากนี้ยังต้องให้ความสำคัญกับการเสริมความแข็งแกร่งของรากฐาน AI (Strengthen AI Foundations) เพราะหากปราศจากพื้นฐานที่ดี AI จะยังคงเป็นเพียงการทดลองที่มีราคาแพงสำหรับองค์กรส่วนใหญ่ การคาดหวังให้ AI หรือ Generative AI เข้ามาช่วยชดเชยการอัปเกรดระบบที่ล่าช้าหรือหนี้ทางเทคนิคที่สะสมมานานหลายปีเป็นเรื่องที่เป็นไปได้ยาก ผู้นำต้องมั่นใจว่าข้อมูลมีความพร้อมและมีเลเยอร์บริบทที่ออกแบบมาอย่างดีเพื่อป้องกันความผิดพลาดและอาการหลอนของ AI ซึ่งจะนำไปสู่ผลตอบแทนด้านความถูกต้องแม่นยำ (Return on Integrity)

ส่วนเสาหลักสุดท้ายคือการเสริมพลังบุคลากรเพื่อการเปลี่ยนผ่านสู่ AI (Empower People for AI Transformation) เนื่องจากความพร้อมของเทคโนโลยีเติบโตเร็วกว่าความพร้อมของมนุษย์มาก ผู้นำจึงต้องเปลี่ยนจากการมุ่งเน้นที่บทบาทหน้าที่ไปเป็นการเน้นที่ทักษะและทัศนคติ เพื่อปลดล็อกศักยภาพทั้งระดับบุคคลและกลุ่ม ซึ่งจะช่วยเพิ่มผลิตภาพและทำให้องค์กรปรับตัวได้ดีขึ้น

ท้ายที่สุดจะนำไปสู่ผลตอบแทนระดับบุคคล (Return on Individuals) โดยองค์กรควรจัดสรรงบประมาณสำหรับการจัดการความเปลี่ยนแปลง และทดลองสร้างทีมผสมผสานระหว่างมนุษย์และ AI เพื่อให้เท่าทันความเร็วของเทคโนโลยีที่พัฒนาไปอย่างต่อเนื่อง