จาก AI Experimentation สู่ Enterprise AI องค์กรจะขยายการใช้ AI อย่างไรโดยไม่สูญเสียการควบคุม

“ความเห็นของ โมชามัด อิดฮัม เอ็ม รองประธานประจำภูมิภาคอาเซียน Dataiku กับการก้าวเข้าสู่ยุค Enterprise AI ไม่ได้วัดกันที่องค์กรใครมีโมเดล AI ที่ล้ำหน้าที่สุด แต่คือความสามารถในการนำ AI เข้าไปเป็นส่วนหนึ่งของการดำเนินธุรกิจอย่างทั่วถึง สร้างมูลค่าที่วัดผลได้ พร้อมวางระบบกำกับดูแล ความรับผิดชอบ และความยืดหยุ่นไว้ตั้งแต่ต้น

การนำ AI มาใช้กำลังเดินทางมาถึงจุดเปลี่ยนสำคัญ จากเดิมที่องค์กรจำนวนมากเริ่มต้นด้วยการทดลองใช้ Generative AI หรือพัฒนา AI ในบางหน่วยงาน กำลังเปลี่ยนไปสู่คำถามที่ใหญ่กว่าเดิม นั่นคือ จะทำอย่างไรให้ AI สามารถขยายการใช้งานไปทั่วทั้งองค์กร และกลายเป็นส่วนหนึ่งของกระบวนการดำเนินธุรกิจได้จริง

สำหรับ โมชามัด อิดฮัม เอ็ม รองประธานประจำภูมิภาคอาเซียน Dataiku ความท้าทายของ Enterprise AI ในระยะต่อไปไม่ได้อยู่ที่เทคโนโลยีเพียงอย่างเดียว หากแต่เป็นเรื่องของภาวะผู้นำ กลยุทธ์ การกำกับดูแล วัฒนธรรมองค์กร ตลอดจนความสามารถในการสร้างผลลัพธ์ทางธุรกิจที่วัดผลได้

เขามองว่า วันนี้ AI ควรเป็นหนึ่งในเทคโนโลยีลำดับต้นๆ ที่คณะผู้บริหารต้องให้ความสำคัญ เพราะเมื่อ AI เริ่มเข้าไปเกี่ยวข้องกับกระบวนการหลักขององค์กร เรื่องนี้ไม่ได้เป็นเพียงโครงการของฝ่าย IT อีกต่อไป แต่เกี่ยวข้องโดยตรงกับกลยุทธ์ทางธุรกิจ ความเสี่ยง ความสามารถในการฟื้นตัวขององค์กร และการปฏิบัติตามกฎระเบียบ

AI Transformation เริ่มต้นที่ Business Outcome ไม่ใช่ AI Model

อิดฮัม มองว่า ความแตกต่างระหว่างองค์กรที่สามารถสร้างมูลค่าจาก AI ได้จริงกับองค์กรที่ยังติดอยู่ในช่วงทดลอง ไม่ได้อยู่ที่ว่าใครมีเทคโนโลยีที่ทันสมัยกว่า แต่อยู่ที่ว่าใครสามารถเชื่อม AI เข้ากับเป้าหมายทางธุรกิจได้ชัดเจนกว่า

องค์กรที่ประสบความสำเร็จจะไม่เริ่มต้นด้วยคำถามว่า “เราจะนำ AI มาใช้กับอะไรดี?” แต่จะเริ่มจากการพิจารณาว่า ธุรกิจต้องการผลลัพธ์อะไร และ AI สามารถเข้ามาช่วยสร้างผลลัพธ์นั้นได้อย่างไร

ไม่ว่าจะเป็นการยกระดับคุณภาพของการตัดสินใจ การเพิ่มประสิทธิภาพกระบวนการทำงาน การสร้างประสบการณ์ที่ดีขึ้นให้กับลูกค้า หรือการสร้างผลิตภัณฑ์และบริการรูปแบบใหม่

จากนั้นจึงค่อยออกแบบกระบวนการทำงานใหม่โดยมี AI เป็นส่วนหนึ่งของระบบ

แนวคิดดังกล่าวทำให้บทบาทของผู้นำธุรกิจเปลี่ยนไปจากการเป็นผู้สนับสนุนโครงการ AI ไปสู่การเป็นผู้กำหนดว่า AI ควรสร้างคุณค่าให้กับองค์กรตรงจุดใด และคุณค่านั้นจะถูกวัดอย่างไร

“การนำ AI มาใช้ทั่วทั้งองค์กรคือความท้าทายด้านภาวะผู้นำ ไม่ใช่เพียงความท้าทายด้านเทคโนโลยี” คือหัวใจสำคัญของมุมมองจาก อิดฮัม

ดังนั้น ผู้นำจึงต้องให้ความสำคัญกับ AI Use Cases ที่มีมูลค่าสูง พร้อมกำหนดตัวชี้วัดทางธุรกิจอย่างชัดเจน เพื่อไม่ให้การลงทุนใน AI กลายเป็นเพียงการเพิ่มจำนวนโครงการทดลองหรือการนำเทคโนโลยีใหม่เข้ามาใช้งานโดยไม่มีผลลัพธ์ที่ชัดเจน

เมื่อ AI กลายเป็นวาระระดับบอร์ด การกำกับดูแลต้องเกิดขึ้นตั้งแต่ต้น

การเปลี่ยนผ่านจาก AI Experimentation ไปสู่ Enterprise AI ยังทำให้บทบาทของคณะกรรมการและผู้บริหารระดับสูงต้องเปลี่ยนแปลงไปด้วย

อิดฮัม ระบุว่า ผู้บริหารไม่ควรมอง AI เป็นเพียง “โครงการ IT” แต่ต้องมองว่าเป็น Enterprise Capability ที่สามารถส่งผลต่อทั้งองค์กร

ข้อมูลจาก ETDA สะท้อนภาพการเปลี่ยนผ่านดังกล่าว โดยระบุว่า องค์กรในประเทศไทย 17.8% เริ่มนำ AI มาใช้แล้ว ขณะที่อีก 73.3% อยู่ในช่วงวางแผนนำ AI มาใช้ นั่นหมายความว่าในระยะต่อไป AI จะไม่ได้อยู่เฉพาะในกลุ่ม Early Adopters แต่จะกลายเป็นส่วนหนึ่งของการดำเนินธุรกิจในวงกว้างมากขึ้น

เมื่อ AI ขยายตัว บทบาทของผู้บริหารจึงไม่ใช่การเข้าไปกำกับรายละเอียดของแต่ละอัลกอริทึม แต่ต้องกำหนด “กติกาขององค์กร” ให้ชัดเจน

องค์กรต้องตอบให้ได้ว่า ใครเป็นผู้รับผิดชอบ AI แต่ละระบบ ความเสี่ยงประเภทใดที่ยอมรับได้ เมื่อใดที่จำเป็นต้องมี Human Oversight และองค์กรจะวัดคุณค่าที่เกิดขึ้นจาก AI อย่างไรตลอดวงจรชีวิตของระบบ

นี่คือจุดที่ อิดฮัม มองว่า AI Governance ไม่ควรถูกวางไว้ท้ายสุดของกระบวนการ แต่ต้องถูกออกแบบไปพร้อมกับการสร้าง AI ตั้งแต่ต้น

การกำกับดูแลที่ดีจึงไม่ควรเป็นสิ่งที่ทำให้นวัตกรรมช้าลง ตรงกันข้าม หากมีมาตรฐานและกรอบการทำงานที่ชัดเจน Governance สามารถกลายเป็นกลไกที่ช่วยให้องค์กรขยาย AI ได้เร็วขึ้น เพราะทุกหน่วยงานรู้ว่าควรทำอะไร ทำอย่างไร และอยู่ภายใต้ข้อกำหนดใด

จาก Can We Use AI? สู่ Can We Govern AI at Scale?

เมื่อ AI ถูกนำไปใช้ในกระบวนการสำคัญขององค์กร เรื่อง “ความไว้วางใจ” จะกลายเป็นองค์ประกอบสำคัญของการแข่งขัน

องค์กรที่เป็นผู้นำด้าน AI จึงไม่ได้ถามเพียงว่า “เราสามารถนำ AI มาใช้ได้หรือไม่?” แต่ต้องถามต่อว่า “เราสามารถกำกับดูแล AI ในระดับองค์กรได้หรือไม่?”

โดยเฉพาะเมื่อ Generative AI เข้ามาเกี่ยวข้องกับการตัดสินใจและกระบวนการสำคัญ ผู้บริหารต้องสามารถตรวจสอบได้ว่า AI ทำงานอย่างไร ใช้ข้อมูลอะไร ใครเป็นผู้รับผิดชอบ และผลลัพธ์ที่เกิดขึ้นสามารถอธิบายและตรวจสอบย้อนหลังได้หรือไม่

ในมุมมองของ อิดฮัม ความโปร่งใสและความสามารถในการตรวจสอบจึงมีความสำคัญไม่แพ้ความแม่นยำทางเทคนิค

นี่คือการเปลี่ยนจาก Model-centric AI ไปสู่ Governed Enterprise AI ซึ่งองค์กรไม่ได้มอง AI เป็นเพียงโมเดลหรือเครื่องมือ แต่เป็นความสามารถทางธุรกิจที่ต้องได้รับการบริหารตลอดวงจรชีวิต

Vendor Lock-in ความเสี่ยงที่องค์กรไม่ควรมองข้าม

อีกหนึ่งโจทย์สำคัญเมื่อ AI กลายเป็นโครงสร้างพื้นฐานขององค์กร คือการพึ่งพาผู้ให้บริการ AI รายใดรายหนึ่งมากเกินไป

อิดฮัม มองว่าเรื่องนี้เป็นความเสี่ยงเชิงกลยุทธ์ เพราะโลกของ AI เปลี่ยนแปลงอย่างรวดเร็ว ทั้งตัวโมเดล เงื่อนไขทางการค้า นโยบายการจัดเก็บข้อมูล ตลอดจนข้อกำหนดด้านกฎหมายและภูมิรัฐศาสตร์

หาก AI ถูกฝังอยู่ในกระบวนการสำคัญขององค์กร และเกิดเหตุการณ์ที่ทำให้ไม่สามารถเข้าถึงโมเดลหรือบริการของผู้ให้บริการรายใดรายหนึ่งได้ ผลกระทบก็อาจไม่ได้จำกัดอยู่แค่ฝ่าย IT แต่สามารถลุกลามไปถึงการดำเนินธุรกิจ

ทางออกจึงไม่ใช่การหลีกเลี่ยงการใช้ผู้ให้บริการ AI แต่คือการออกแบบสถาปัตยกรรมให้มี ความยืดหยุ่นตั้งแต่ต้น

อิดฮัม เสนอแนวคิด Platform Approach ที่ช่วยให้องค์กรสามารถทำงานร่วมกับ AI Models ที่หลากหลาย และมีความสามารถในการเปลี่ยนโมเดลหรือผู้ให้บริการได้เมื่อเงื่อนไขทางธุรกิจ กฎระเบียบ หรือเทคโนโลยีเปลี่ยนแปลง

หัวใจสำคัญคือองค์กรต้องรู้ว่า AI กำลังถูกใช้อยู่ที่ไหน ใช้โมเดลอะไร เชื่อมต่อกับข้อมูลใด และสนับสนุนกระบวนการทางธุรกิจใด

เมื่อมองเห็นภาพรวมเหล่านี้ได้ องค์กรก็สามารถวางแผนรับมือกับความเสี่ยง รวมถึงออกแบบ Business Continuity และ Disaster Recovery สำหรับ AI Workloads ที่มีความสำคัญต่อธุรกิจได้อย่างเหมาะสม

AI Literacy เมื่อ AI ไม่ใช่เรื่องของฝ่าย IT อีกต่อไป

อย่างไรก็ตาม ต่อให้มี Platform และ Governance ที่ดีเพียงใด การเปลี่ยน AI ให้เป็นมูลค่าทางธุรกิจยังคงต้องกลับมาที่ “คน”

อิดฮัม มองว่า อุปสรรคสำคัญของ AI Transformation หลายครั้งไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่พฤติกรรมและความพร้อมของบุคลากร

AI จะสร้างมูลค่าได้ก็ต่อเมื่อพนักงานมีความไว้วางใจในระบบ เข้าใจข้อจำกัดของ AI และรู้ว่าเมื่อใดควรใช้ AI และเมื่อใดจำเป็นต้องใช้ดุลยพินิจของมนุษย์

ดังนั้น AI Literacy จึงไม่ควรเป็นทักษะเฉพาะของ Data Scientist, Developer หรือทีม IT

ผู้นำธุรกิจเองก็จำเป็นต้องเข้าใจ AI มากพอที่จะตั้งคำถามสำคัญได้ว่า AI สามารถสร้างมูลค่าอะไรให้กับธุรกิจ ความเสี่ยงอยู่ตรงไหน และการตัดสินใจที่เกิดจาก AI ควรถูกกำกับดูแลอย่างไร

ในยุคที่ AI กำลังกลายเป็นส่วนหนึ่งของการดำเนินงาน ความรู้ความเข้าใจด้าน AI จึงกำลังเปลี่ยนจาก Technical Skill ไปสู่ Leadership Capability

3 ปีจากนี้ องค์กรไทยต้องสร้าง AI Operating Model ให้ได้

เมื่อมองไปข้างหน้า อิดฮัม เชื่อว่า ความได้เปรียบในการแข่งขันไม่ได้ขึ้นอยู่กับว่าองค์กรใดมี AI มากที่สุด หรือใครสามารถเข้าถึงโมเดลล่าสุดได้ก่อน

แต่ขึ้นอยู่กับว่าองค์กรใดมี “ความพร้อม” ที่จะนำ AI ไปใช้งานอย่างเป็นระบบและต่อเนื่อง

ในช่วง 3 ปีข้างหน้า องค์กรไทยจึงควรให้ความสำคัญกับอย่างน้อย 3 เรื่อง ได้แก่ Data Foundation ที่น่าเชื่อถือ, Business Ownership ที่ชัดเจน และ AI Operating Model ที่สามารถทำซ้ำและขยายได้

สิ่งเหล่านี้จะเป็นโครงสร้างพื้นฐานที่ทำให้องค์กรสามารถขยับจากการทดลอง AI ไปสู่การใช้งานในระดับ Enterprise ได้

เพราะการสร้างมูลค่าจาก AI อย่างยั่งยืนไม่ได้เกิดจากการนำ AI ไปวางบน Workflow เดิมเพียงอย่างเดียว แต่ต้องกล้าที่จะ Redesign กระบวนการทำงานโดยมี AI เป็นองค์ประกอบสำคัญ

ในบริบทของประเทศไทย เรื่องนี้ยิ่งมีความสำคัญ เพราะ AI กำลังเปลี่ยนจากวาระด้าน Productivity ไปสู่เรื่องของ ขีดความสามารถในการแข่งขันของประเทศและภาคธุรกิจ

ข้อมูลของกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคมระบุว่า เศรษฐกิจดิจิทัลไทยมีการคาดการณ์ว่าจะมีมูลค่าแตะ 4.69 ล้านล้านบาทในปี 2568 และเติบโต 6.2% ซึ่งสะท้อนบทบาทที่เพิ่มขึ้นของเศรษฐกิจดิจิทัลต่อการเติบโตของประเทศ

ในบริบทนี้ การนำ AI มาใช้จึงไม่ควรถูกจำกัดอยู่เพียงโครงการเพิ่มประสิทธิภาพบางส่วน แต่ต้องถูกยกระดับเป็นหนึ่งในองค์ประกอบของความสามารถในการแข่งขันขององค์กร

บทสรุป อนาคตไม่ได้เป็นขององค์กรที่ใช้ AI ก่อน แต่เป็นขององค์กรที่ ใช้ AI อย่างเป็นระบบ

ท้ายที่สุดแล้ว การเข้าสู่ยุค Enterprise AI ไม่ได้หมายความว่าองค์กรต้องเร่งนำ AI ไปใช้ให้ได้มากที่สุด หรือแข่งขันกันว่าใครใช้โมเดลที่ทันสมัยที่สุดก่อน

สิ่งที่สำคัญกว่าคือการสร้างระบบนิเวศที่ทำให้ AI สามารถขยายตัวได้อย่างมีความรับผิดชอบ

ตั้งแต่การกำหนด Business Outcome การเลือก Use Case ที่เหมาะสม การวาง Data Foundation การสร้าง AI Governance การลดความเสี่ยงจาก Vendor Lock-in ไปจนถึงการพัฒนาทักษะ AI Literacy และการสร้าง Operating Model ที่สามารถรองรับการขยายตัวของ AI ได้ทั่วทั้งองค์กร

สำหรับ อิดฮัม ความได้เปรียบที่ยั่งยืนจึงไม่ได้อยู่ที่การมี AI ที่ดีที่สุดเพียงอย่างเดียว แต่อยู่ที่ ความสามารถขององค์กรในการเปลี่ยน AI ให้กลายเป็นส่วนหนึ่งของวิถีการทำงานและการตัดสินใจ

เพราะในท้ายที่สุด องค์กรที่เป็นผู้นำในยุค Enterprise AI อาจไม่ใช่องค์กรที่นำ AI มาใช้ก่อนใคร แต่คือองค์กรที่สามารถทำให้ AI นำไปสู่ การตัดสินใจที่ดีขึ้น การทำงานที่รวดเร็วขึ้น และผลลัพธ์ทางธุรกิจที่วัดผลได้อย่างสม่ำเสมอ ภายใต้การกำกับดูแลที่ยังคงควบคุมความเสี่ยงได้

นี่อาจเป็นความท้าทายที่แท้จริงของ Enterprise AI ในเฟสต่อไป ไม่ใช่การทำให้ AI ฉลาดขึ้นเพียงอย่างเดียว แต่คือการทำให้องค์กรสามารถใช้ AI ได้มากขึ้น โดยไม่สูญเสียความไว้วางใจ การควบคุม และความสามารถในการรับผิดชอบต่อผลลัพธ์ที่เกิดขึ้น