ผู้นำทางความคิด
5 ขั้นตอนในการนำ AI มาใช้ในธุรกิจของคุณโดยไม่ต้องใช้เงินมาก

ประเด็นสำคัญกำหนดปัญหาทางธุรกิจที่ชัดเจนและมีผลลัพธ์ที่วัดได้ก่อนการนำโซลูชัน AI ใด ๆ ไปใช้งาน
ดูเพิ่มเติม
- กำหนดปัญหาทางธุรกิจที่ชัดเจนและมีผลลัพธ์ที่วัดได้ก่อนการนำโซลูชัน AI ใด ๆ ไปใช้งาน
- ทดสอบสมมติฐานเกี่ยวกับ AI โดยใช้เครื่องมือจากบุคคลที่สามที่มีอยู่ก่อนการลงทุนพัฒนารูปแบบเฉพาะ
- ปรึกษาผู้เชี่ยวชาญด้าน AI ที่มีประสบการณ์แต่เนิ่น ๆ เพื่อหลีกเลี่ยงข้อผิดพลาดในการดำเนินงานที่สิ้นเปลืองและกลยุทธ์ที่ไม่สอดคล้องกัน
ปัญญาประดิษฐ์ยังคงเติบโตอย่างรวดเร็ว และหากแพร่หลายไปทั่วทุกอุตสาหกรรมอย่างต่อเนื่อง ก็จะเปลี่ยนวิถีชีวิตของเราอย่างสิ้นเชิง
ผู้ก่อตั้งบริษัทจำนวนมากจึงให้ความสำคัญสูงสุดกับการนำ AI เข้ามาใช้ในองค์กร แม้แต่บุคคลทั่วไปก็มองหาวิธีใช้ AI เพื่อปรับปรุงชีวิตส่วนตัว
กระแสความสนใจร้อนแรงถึงขั้นที่ Collins Dictionary ซึ่งเป็นสถาบันด้านภาษาที่มีชื่อเสียง เลือกให้ AI เป็นคำแห่งปี เพราะได้รับความนิยมเพิ่มขึ้นอย่างมาก
อย่างไรก็ตาม สำหรับองค์กรส่วนใหญ่ การนำ AI เข้าสู่กระบวนการทำงานยังมีช่องว่างขนาดใหญ่ระหว่างแนวคิดกับความเป็นจริง เส้นทางไม่ได้ตรงไปตรงมาอย่างที่คิด และอาจมีต้นทุนสูง ทั้งเงินลงทุนและเวลาที่เสียไปเมื่อการพัฒนาไม่ให้ผลตามคาด เรื่องนี้ทำให้ หลายธุรกิจประสบปัญหา ตัวอย่างเช่น CNET ทดลองเผยแพร่บทความที่เขียนด้วย AI แต่บทความกลับมีข้อผิดพลาดมากมาย ส่วน iTutor Group และบริษัทอื่น ๆ เผชิญค่าปรับจำนวนมาก และถูกสาธารณชนเยาะเย้ยจากการนำ AI มาใช้อย่างไม่เหมาะสม
กรณีเหล่านี้แสดงให้เห็นว่าธุรกิจอาจทำผิดพลาดได้หลายอย่างในการใช้ AI หากไม่มีฐานะทางการเงินแข็งแกร่งเหมือน Amazon (AMZN ), Google, Microsoft (MSFT ) หรือ Meta การทดลองที่ล้มเหลวอาจทำให้บริษัทล้มละลายได้
สำหรับผู้ก่อตั้งหรือเจ้าของธุรกิจ ต่อไปนี้คือห้าขั้นตอนที่จะช่วยนำ AI มาใช้โดยบริหารทรัพยากรอย่างรอบคอบ ทั้งเงินและเวลา ซึ่งท้ายที่สุดก็เป็นต้นทุน พร้อมลดความเสี่ยงจากข้อผิดพลาดร้ายแรง
1. กำหนดปัญหาที่ต้องการแก้ให้ชัดเจน
ไม่มีบริษัทใดปลอดภัยจากความล้มเหลวในการใช้ AI ดังที่ Amazon ได้เรียนรู้อย่างเจ็บปวดจากปัญหาของร้าน Amazon Go ที่ไม่มีจุดชำระเงินแบบดั้งเดิม ไม่ใช่ทุกโจทย์ทางธุรกิจที่จำเป็นต้องใช้ AI
คุณจึงต้องกำหนดปัญหาที่ต้องการให้ AI ช่วยแก้อย่างชัดเจนที่สุด
ตัวอย่างที่พบได้บ่อยคือการสนับสนุนลูกค้า โดยกำหนดผลลัพธ์เฉพาะ เช่น ลดต้นทุนคอลเซ็นเตอร์เดือนละจำนวนเงินหนึ่ง หรือลดเวลาเฉลี่ยในการแก้ปัญหาลูกค้าลงจำนวนหนึ่งนาที วิธีนี้ทำให้มีตัวชี้วัดด้านเงินหรือเวลาสำหรับประเมินว่า AI ช่วยให้บรรลุเป้าหมายจริงหรือไม่
การดำเนินการมีหลายวิธี แทนที่จะสร้างแชตบอต อาจพัฒนาหรือซื้อบริการที่ตรวจสอบว่าคำถามของลูกค้าตอบได้ด้วยหน้า FAQ หรือไม่ เมื่อลูกค้าส่งข้อความ โมเดลจะระบุว่าต้องส่งต่อให้เจ้าหน้าที่หรือแสดงหน้าที่มีคำตอบที่เกี่ยวข้อง การพัฒนาโมเดลนี้เร็วและถูกกว่าการสร้างแชตบอตซับซ้อนตั้งแต่ต้น หากสำเร็จ ก็จะลดต้นทุนและใช้เงินลงทุนด้าน AI ได้คุ้มค่ากว่าเมื่อเทียบกับการพัฒนาแชตบอต
Matten Law สำนักงานกฎหมายในแคลิฟอร์เนียเป็นผู้บุกเบิกแนวทางนี้ โดย นำผู้ช่วยที่ใช้ AI มาใช้ ทำงานหลายอย่างโดยอัตโนมัติ ทนายความจึงมีเวลารับฟังลูกค้าและศึกษาประเด็นสำคัญของคดีมากขึ้น แสดงให้เห็นว่าแม้แต่อุตสาหกรรมที่เปลี่ยนแปลงยากก็ใช้ AI ปรับปรุงประสบการณ์ลูกค้าได้ โดยเพิ่มบทบาทของมนุษย์ในจุดที่จำเป็นที่สุด
ปัญหาอื่นที่ AI ช่วยได้คือการวิเคราะห์ข้อมูลและการจัดทำข้อเสนอเฉพาะบุคคล Spotify เป็นตัวอย่างของการใช้ AI สร้างระบบแนะนำเพลงอย่างชาญฉลาด ซึ่งถึงขั้น พิจารณาช่วงเวลาที่ผู้ใช้ฟังเพลงแต่ละแนว
ทั้งสองกรณี AI ช่วยให้ลูกค้าได้รับประสบการณ์ที่ดีขึ้น แต่เหตุผลที่บริษัทเหล่านี้ประสบความสำเร็จคือการรู้ชัดว่าควรมอบหมายส่วนใดให้ AI
2. กำหนดข้อมูลที่ต้องนำมาวิเคราะห์
เมื่อกำหนดปัญหาหลักแล้ว ต้องพิจารณาว่าจะป้อนข้อมูลใดให้ระบบ AI เป็นอัลกอริทึมที่วิเคราะห์และปรับตัวตามข้อมูลที่เราให้ ขั้นตอนพื้นฐานในการจัดหาข้อมูลคือ:
- ทำความเข้าใจว่าการนำ AI มาใช้ต้องการข้อมูลอะไร
- ตรวจสอบว่าธุรกิจมีข้อมูลนั้นหรือไม่
- หากมีอยู่แล้ว ก็พร้อมนำมาใช้
- หากยังไม่มี ให้พิจารณาว่าจะเริ่มกระบวนการเก็บข้อมูลที่เหมาะสมภายในองค์กรได้หรือไม่ อีกทางหนึ่งคือขอให้นักพัฒนาบันทึกข้อมูลที่จำเป็น หากปัจจุบันยังไม่ได้บันทึก
สมมติว่าคุณเป็นเจ้าของร้านกาแฟและต้องการทราบจำนวนลูกค้า อาจใช้บัตรสมาชิกเฉพาะบุคคลที่ลูกค้าแสดงเมื่อซื้อสินค้า ทำให้ทราบว่าใครมาเมื่อใด ซื้ออะไร และจำนวนเท่าใด จากนั้นจึงนำข้อมูลมาใช้กับ AI อย่างไรก็ตาม การเก็บข้อมูลบางครั้งอาจมีต้นทุนสูง AI ก็อาจช่วยได้ เช่น หากมีการติดตั้งกล้องในร้านเพื่อความปลอดภัยอยู่แล้ว ก็อาจนำมาเก็บข้อมูลผู้มาใช้บริการ ก่อนดำเนินการต้องขอคำแนะนำด้านกฎหมายข้อมูลส่วนบุคคล เช่น GDPR เพราะแนวทางนี้ไม่ได้รับอนุญาตในทุกประเทศ ในเขตอำนาจที่อนุญาต วิธีนี้อาจช่วยเก็บข้อมูลที่จำเป็นได้สะดวก แล้วใช้ AI วิเคราะห์และประมวลผล
โปรแกรมสมาชิกเฉพาะบุคคลเป็น แนวทางที่ Starbucks ใช้อย่างประสบความสำเร็จ (SBUX ) โปรแกรมสะสมรางวัลของ Starbucks ถึงขั้นมอบสิทธิประโยชน์เฉพาะบุคคลเมื่อลูกค้าไปยังสาขาที่ชอบหรือสั่งเครื่องดื่มแก้วโปรด
3. ตั้งสมมติฐาน
คุณอาจไม่แน่ใจว่ากระบวนการใดสามารถหรือควรปรับปรุงด้วย AI
ให้เริ่มจากแบ่งกระบวนการทั้งหมดเป็นขั้นตอน และระบุส่วนที่ผลงานไม่ดีพอ ส่วนใดใช้เงินมากเกินไป? งานใดใช้เวลานานกว่าปกติ? คำตอบจะช่วยระบุจุดสำคัญที่ต้องปรับปรุงและตัดสินใจว่า AI จะช่วยได้หรือไม่
บางครั้งวิธีทั่วไปอาจมีประสิทธิภาพมากกว่า หากไม่รู้ว่าควรแนะนำสินค้าใดให้ลูกค้า ระบบแนะนำสินค้าในตลาดออนไลน์มักได้ผลดีกว่าด้วยการเสนอสินค้ายอดนิยม แทนการพยายามทำนายพฤติกรรมผู้ใช้ จึงควรลองวิธีนั้นก่อน เมื่อมีผลลัพธ์ ไม่ว่าจะดีหรือไม่ดี จึงค่อยตั้งสมมติฐานเพื่อทดสอบ AI ไม่เช่นนั้นขอบเขตการดำเนินการจะกว้างและคลุมเครือจนเสียทั้งเวลาและเงิน
4. ใช้โซลูชันที่มีอยู่แล้ว
หลายบริษัทต้องการออกแบบอัลกอริทึมแมชชีนเลิร์นนิงของตนเองทันที แต่หากไม่ได้วางแผนฝึกด้วยชุดข้อมูลขนาดใหญ่เป็นเวลานาน ก็ไม่ควรเริ่มเช่นนั้น เพราะมีต้นทุนสูงและใช้เวลามาก
ควรมุ่งไปที่โซลูชันที่มีอยู่แล้ว Amazon, Google, Microsoft และบริษัทอื่น ๆ มีเครื่องมือ AI ที่ช่วยให้บรรลุเป้าหมายได้หลากหลาย จากนั้นจึงค่อยทำสัญญากับผู้ให้บริการและจ้างนักพัฒนาภายในมาจัดการคำขอ API ที่จำเป็นอย่างเหมาะสม
แนวคิดสำคัญคือ นักพัฒนาซอฟต์แวร์ธุรกิจสามารถเชื่อมต่อเครื่องมือเหล่านี้ได้โดยไม่ต้องเป็นผู้เชี่ยวชาญแมชชีนเลิร์นนิง จึงทดสอบได้เร็วว่า AI ให้ผลตามสมมติฐานหรือไม่ หากไม่ได้ผลก็ปิดเครื่องมือได้ ต้นทุนการทดสอบจะมีเพียงเวลาของนักพัฒนาที่ใช้เชื่อมต่อบริการและค่าใช้เครื่องมือ หากพัฒนาโมเดลเอง ต้องจ่ายเงินเดือนผู้เชี่ยวชาญตลอดเวลาที่ใช้พัฒนา รวมทั้งค่าโครงสร้างพื้นฐาน และหากไม่ได้ผลตามคาด ก็ยังไม่ชัดว่าจะจัดการนักพัฒนาและโมเดลต่ออย่างไร
หากสมมติฐานได้รับการยืนยันและเครื่องมือ AI ให้ผลตามคาด ก็สามารถตั้งสมมติฐานใหม่ได้ ในอนาคต หากคาดว่าค่าใช้เครื่องมือจะเพิ่มสูงมาก อาจพิจารณาพัฒนาโมเดลเองเพื่อลดต้นทุน แต่ต้องประเมินก่อนว่าค่าพัฒนาต่ำกว่าค่าบริการของบริษัทที่เชี่ยวชาญจริงหรือไม่
คำแนะนำคือพิจารณาพัฒนาผลิตภัณฑ์แมชชีนเลิร์นนิงเองหลังจากใช้เครื่องมือข้างต้นแล้วได้ผลดี และมั่นใจว่า AI เหมาะกับการแก้ปัญหาในระยะยาว มิฉะนั้นโครงการอาจไม่สร้างคุณค่าที่ต้องการ ดังที่บทความ Harvard Business Review กล่าวไว้ กระแส AI อาจทำให้คุณไขว้เขวจากภารกิจหลัก ซึ่งอาจไม่จำเป็นต้องใช้ AI
5. ปรึกษาผู้เชี่ยวชาญ AI
อีกข้อผิดพลาดที่พบบ่อยคือพยายามทำทุกอย่างภายในองค์กร โดยจ้างหัวหน้าวิศวกร AI หรือนักวิจัย แล้วเพิ่มคนเพื่อสร้างทีมพัฒนาผลิตภัณฑ์ล้ำสมัย แต่เทคโนโลยีจะไม่ช่วยเป้าหมายของบริษัทหากไม่มีแผนการนำ AI มาใช้ที่ชัดเจน บางบริษัทจ้างวิศวกรแมชชีนเลิร์นนิงระดับเริ่มต้นเพื่อประหยัดเมื่อเทียบกับผู้มีประสบการณ์ ซึ่งก็เสี่ยง เพราะผู้ขาดประสบการณ์อาจไม่เข้าใจรายละเอียดของการพัฒนาและออกแบบระบบ และทำข้อผิดพลาดแบบมือใหม่ที่สร้างความเสียหายสูงกว่าค่าจ้างผู้เชี่ยวชาญที่มีประสบการณ์หนึ่งคน
จึงแนะนำให้เริ่มจากผู้เชี่ยวชาญ AI หนึ่งคน เช่น ที่ปรึกษา ซึ่งช่วยชี้แนะและประเมินกระบวนการนำ AI มาใช้ อาศัยความรู้ของเขาเพื่อตรวจสอบว่าปัญหาต้องใช้ AI จริงหรือไม่ และเทคโนโลยีจะขยายได้อย่างเหมาะสมเพื่อพิสูจน์สมมติฐานหรือไม่
หากเป็นสตาร์ทอัพระยะแรกและกังวลเรื่องเงินทุน อาจติดต่อวิศวกร AI บน LinkedIn พร้อมคำถามที่เฉพาะเจาะจง ผู้เชี่ยวชาญหลายคนยินดีช่วยทั้งเพราะสนใจเรื่องนี้ และเพราะกรณีที่ช่วยได้สำเร็จสามารถใช้เป็นผลงานประกอบการให้คำปรึกษาได้
ข้อคิดส่งท้าย
ท่ามกลางกระแส AI เป็นเรื่องปกติที่จะอยากนำมาใช้ในธุรกิจและพัฒนาโซลูชันเพื่อยกระดับบริษัท แต่การที่ทุกคนพูดถึง AI ไม่ได้หมายความว่าธุรกิจของคุณจำเป็นต้องใช้ หลายบริษัทรีบนำมาใช้โดยไม่มีเป้าหมายชัดเจนจนเสียเงินและเวลามหาศาล สำหรับบริษัทระยะแรกอาจถึงขั้นต้องปิดกิจการ การกำหนดปัญหาให้ชัด เก็บข้อมูลที่เกี่ยวข้อง ทดสอบสมมติฐาน และใช้เครื่องมือที่มีอยู่แล้วด้วยความช่วยเหลือของผู้เชี่ยวชาญ จะช่วยให้ใช้ AI ได้โดยไม่ทำให้เงินทุนของบริษัทหมดลง หากได้ผลจึงค่อยขยายไปยังส่วนที่ AI เพิ่มประสิทธิภาพหรือความสามารถในการทำกำไร












