การเปิดใช้งานข้อมูลเพื่อปิดช่องว่าง ROI ของ AI: 4 ขั้นตอนในการสร้างมูลค่าทางธุรกิจผ่าน AI ที่มีพลังในการกระทำ

เมื่อเราก้าวเข้าสู่ “ปี AI” ครั้งที่สี่ ผู้นำองค์กรหลายคนกำลังคิดถึงคำถามสองข้อที่ดูเหมือนจะขัดแย้งกัน ข้อแรกคือ AI ที่สร้างสรรค์เป็นเทคโนโลยีที่เปลี่ยนแปลงที่สุดในศตวรรษที่ 21 หรือไม่ และข้อที่สองคือ AI ถูกมองว่าเกินจริงหรือไม่ ฉันจะตอบว่าใช่สำหรับทั้งสองคำถาม แต่ฉันคิดว่านี่เป็นคำถามที่ไม่ถูกต้อง คำถามที่ผู้นำควรถามตัวเองคือ “องค์กรของฉันสามารถสร้างมูลค่าทางธุรกิจจาก AI ได้อย่างไรในขณะนี้”

ความเป็นจริงคือหลายองค์กรได้ใช้เวลา三年ในการลงทุนในเทคโนโลยี AI ใหม่ๆ และทดลองใช้เครื่องมือ AI ใหม่ๆ แต่ยังไม่ได้รับผลตอบแทนจากการลงทุนที่คาดหวัง ในที่สุด CEO ก็ได้รับแรงกดดันให้ “AI ทุกอย่าง” แต่องค์กรไม่ได้เห็นผลตอบแทนจากการลงทุนที่ต้องการ ซึ่งไม่น่าแปลกใจ การพัฒนาทางเทคนิคที่ลึกซึ้งที่สุดต้องใช้เวลาในการให้ผลตอบแทน

ทอมัส เอดิสันแสดงให้เห็นถึงพลังของไฟฟ้าในแมนฮัตตันในปี 1882 แต่ไม่ได้จนกระทั่งฟอร์ดเปิดตัวสายการผลิตที่ใช้ไฟฟ้าในปี 1913 ที่ไฟฟ้าแทนที่พลังไอน้ำในการผลิต คุณสามารถจินตนาการถึงผู้นำธุรกิจในปี 1885 ที่ขอให้คนงานในโรงงานเริ่มทดลองใช้พลังไฟฟ้าหรือไม่ แต่ไฟฟ้าก็ยังคง胜 และเปิดทางให้กับนวัตกรรมที่เปลี่ยนแปลงที่สุดในศตวรรษที่ 20 ตั้งแต่การถ่ายทอดวิทยุไปจนถึงการคำนวณดิจิทัล

ในตัวอย่างที่ใหม่กว่า อินเทอร์เน็ตได้เข้าสู่กระแสหลักในช่วงต้นยุค 90 การใช้งานของผู้บริโภคเพิ่มขึ้นทันที แต่การนำอินเทอร์เน็ตไปใช้ในธุรกิจล่าช้า ใช้เวลาครึ่ง thập kỷก่อนที่องค์กรส่วนใหญ่จะเริ่มได้รับประโยชน์จากอินเทอร์เน็ตผ่านการค้าปลีกออนไลน์ แต่อินเทอร์เน็ตก็เปิดทางให้กับโซเชียลมีเดีย การมีส่วนร่วมแบบมือถือ การคำนวณแบบคลาวด์ และในที่สุด AI มูลค่าทางธุรกิจถูกสร้างขึ้นจากเทคโนโลยีใหม่ๆ อย่างต่อเนื่อง

หากยุคไฟฟ้าในธุรกิจเริ่มต้นด้วยสายการผลิต และยุคอินเทอร์เน็ตเริ่มต้นด้วยการค้าปลีกออนไลน์ อะไรจะเป็นแอปพลิเคชันที่ชนะใจสำหรับยุค AI ของธุรกิจ การเปิดตัว ChatGPT ในปลายปี 2022 ได้นำพลังของโมเดลภาษาขนาดใหญ่มาให้กับประชาชนทั่วไป เนื่องจากความนิยม “แชทบอทที่เข้าใจฉันและดูเหมือนมนุษย์” จึงกลายเป็นแบบอย่างสำหรับวิธีการนำ AI ไปใช้ ในหลายกรณี องค์กรเริ่มต้นด้วยการนำ AI มาใช้โดยการแนะนำแชทบอทที่ปรับให้เหมาะสมสำหรับบริษัทของตนเอง ซึ่งเป็นเวอร์ชันของ ChatGPT ของตนเอง ในหลายกรณี ผู้ใช้ได้รับการตอบรับที่ดี แต่การวัดผลตอบแทนจากการเพิ่มผลผลิตเป็นเรื่องที่ยาก

หนึ่งในแอปพลิเคชันที่พัฒนามากที่สุดของ LLM สำหรับธุรกิจคือในพื้นที่ของเครื่องมือช่วยเขียนโค้ด Claude Code, Cursor และเครื่องมืออื่นๆ ได้รับความนิยมอย่างกว้างขวาง โดยแสดงผลลัพธ์ที่ดูเหมือนจะเวทมนตร์ แต่การศึกษาแสดงว่าผลตอบแทนจากการเพิ่มผลผลิตของนักพัฒนาส่วนบุคคลยังไม่ส่งผลต่อผลผลิตขององค์กรโดยรวม นอกจากนี้ การเร่งความเร็วในการพัฒนายังไม่ช่วยให้องค์กรมีประสิทธิภาพทางธุรกิจหากสิ่งที่ผลิตขึ้นไม่ได้สร้างมูลค่าทางธุรกิจด้วยตัวเอง เครื่องมือช่วยเขียนโค้ดจะช่วยให้การนำ AI ไปใช้ขยายตัวตามเวลา แต่ก็ไม่ใช่แอปพลิเคชันที่ชนะใจ

เพื่อค้นหาการใช้งาน AI ที่มีผลกระทบมากที่สุด องค์กรต้องมุ่งเน้นไปที่เกียร์ที่ขับเคลื่อนโมเดลธุรกิจของตนเอง ในหนังสือของเรา Unbundling the Enterprise Stephen Fishman และฉันตรวจสอบแนวคิดของ “การแลกเปลี่ยนมูลค่า” ซึ่งเป็นวิธีการในการแบ่งโมเดลธุรกิจออกเป็นชุดของการแลกเปลี่ยนมูลค่าที่เชื่อมโยงกัน การแลกเปลี่ยนมูลค่าเกี่ยวข้องกับ “สินค้า” หลายอย่าง รวมถึงค่าธรรมเนียม การประหยัดเวลา พื้นที่และคุณภาพที่ดีขึ้น สินค้าที่เป็นเอกลักษณ์ที่สุดคือข้อมูล ในหนังสือเล่มนี้ เราแสดงให้เห็นว่าบริษัทอย่าง Google และ Meta ได้เปลี่ยนการสะสมข้อมูลให้เป็นความโดดเด่นดิจิทัล ความสำเร็จของพวกเขามาจากการให้ลิงก์ที่อัตโนมัติและทันทีในระหว่างการแลกเปลี่ยนมูลค่า พวกเขาเชื่อมโยงการรวบรวมข้อมูลกับการสร้างรายได้ในวงจรที่ดี ทั้งสองบริษัทได้ให้ข้อมูลลูกค้าในแบบที่เหมาะสมสำหรับการกำหนดเป้าหมายโฆษณา จากนั้นใช้สิ่งนี้เพื่อขับเคลื่อนรายได้หลักและรวบรวมข้อมูลเพิ่มเติมผ่านการมีส่วนร่วมของลูกค้า

ในขณะที่หลายองค์กรได้ใช้เวลาหลายทศวรรษที่ผ่านมาในการรวบรวมและปรับปรุงข้อมูล แต่ยังไม่ได้ใช้ประโยชน์จากข้อมูลอย่างเต็มที่ผ่านการหมุนเวียนดังกล่าว โมเดลภาษาขนาดใหญ่คือการนำข้อมูลไปใช้จริง มีศักยภาพในการเป็นเครื่องยนต์ที่ขับเคลื่อนการหมุนเวียนดังกล่าวให้กับองค์กร แต่เครื่องยนต์นี้ต้องการเชื้อเพลิงในรูปของข้อมูลที่มีบริบท และต้องเชื่อมต่อกับเกียร์ของโมเดลธุรกิจขององค์กร “การเปิดใช้งานข้อมูล” นี้ทำให้ข้อมูลมีความน่าเชื่อถือและพร้อมใช้งานในระดับใหญ่ ทำให้เกิดรากฐานสำหรับการ автомат化ที่มีพลังในการกระทำมากขึ้นในองค์กร และในที่สุดก็เปิดเผยแอปพลิเคชันที่ชนะใจสำหรับองค์กรเหล่านั้น

องค์กรที่เปิดใช้งานข้อมูลของตนสำหรับยุค AI จะมีลักษณะอย่างไร ลองพิจารณาสถานการณ์ต่อไปนี้:

• บริษัทเภสัชกรรมที่ปัจจุบันต้องทำการเดิมพันหลายล้านเหรียญสหรัฐฯ ในยาที่มีระยะเวลานานหลายปีให้เป็นบริษัทที่มีวงจรทดลองทางคลินิกที่สั้นลงและขนานกันโดยใช้การ автомат化ที่มีพลังในการกระทำ
• ธนาคารค้าปลีกที่ปัจจุบันส่งคำเสนอผลิตภัณฑ์ “หวังและ cầu” ให้กับลูกค้าทุกคนโดยมีการยอมรับที่ต่ำและกระบวนการรับลงทะเบียนที่ใช้แรงงานคนให้เป็นคำเสนอที่เป็นส่วนตัวพร้อมการรับลงทะเบียนสินเชื่อที่ราบรื่น ซึ่งนำไปสู่การรับผลิตภัณฑ์สินเชื่อที่มีผลกำไรสูง
• ผู้ค้าปลีกที่ปัจจุบันมีการจัดการสินค้าในคลังที่มีปัญหาในการเกินหรือการขาดสินค้าให้เป็นบริษัทที่เข้าใจตำแหน่งสินค้าในคลังที่มีประสิทธิภาพและแม่นยำโดยใช้การเชื่อมต่อโดยตรงกับช่องทางขาย สินค้าในคลังและซัพพลายเออร์ผ่านตัวแทน AI ที่ทำงานตลอดเวลา

เส้นทางสู่ ROI ที่อธิบายไว้ในสถานการณ์เหล่านี้ติดตามรูปแบบการ автомат化ที่มีพลังในการกระทำใหม่นี้ และได้รับพลังจากการเปิดใช้งานข้อมูล

ดังนั้น องค์กรสามารถเริ่มต้นการเดินทางนี้ได้อย่างไร มี 4 ขั้นตอนในการเริ่มต้น…

ขั้นตอนที่ 1: เข้าใจการแลกเปลี่ยนมูลค่าขององค์กรของคุณ

การแบ่งโมเดลธุรกิจขององค์กรออกเป็นการแลกเปลี่ยนมูลค่าที่เชื่อมโยงกันมีคุณค่าอย่างมาก สิ่งนี้จะช่วยให้คุณเห็นว่าความสามารถใดที่ขับเคลื่อนธุรกิจ คุณลักษณะธุรกิจใดที่สำคัญที่สุด และวิธีการที่องค์ประกอบแต่ละอย่างในองค์กรสร้างมูลค่าให้กับธุรกิจได้อย่างไร สำหรับเรา การแลกเปลี่ยนมูลค่าจะใช้ในการแสดงกระบวนการหลักของธุรกิจที่จะถูกนำไปใช้การ автомат化ที่มีพลังในการกระทำ ในระดับต่อไป คุณสามารถแมปกับการแลกเปลี่ยนมูลค่าและองค์ประกอบแต่ละอย่างให้กับวิธีการที่ใช้ในการดำเนินงานภายในองค์กร สิ่งนี้อาจอยู่ในรูปแบบของแอปพลิเคชันซอฟต์แวร์ ฐานข้อมูล หรือแม้แต่งานของพนักงาน โอกาสในการ автомат化สามารถถูกชั่งน้ำหนักโดยผลกระทบและความซับซ้อนในการดำเนินการเพื่อระบุจุดที่ดีที่สุดในการใช้ AI และการเปิดใช้งานข้อมูล

ขั้นตอนที่ 2: ขยายตัวเลือกผ่านชั้นการเปิดใช้งานข้อมูล

ความสามารถขององค์กรในการเปิดใช้งานข้อมูลขึ้นอยู่กับตัวเลือกที่มีอยู่ในภูมิทัศน์ดิจิทัล ตัวเลือกมีอยู่เมื่อทรัพย์สินดิจิทัล เช่น ฟังก์ชันซอฟต์แวร์ แหล่งข้อมูลข้อมูล บริการของบุคคลที่สาม สามารถเข้าถึงได้ในทันที ในบริบทของ AI สิ่งนี้หมายถึงสองสิ่ง ประการแรก องค์กรต้องสามารถสังเคราะห์ข้อมูลจากแหล่งต่างๆ เพื่อให้ได้ข้อมูลที่แม่นยำสำหรับ LLM ที่นำไปสู่การให้เหตุผลที่ถูกต้องและหลีกเลี่ยงการหลอกลวง ประการที่สอง องค์ประกอบซอฟต์แวร์ที่ดำเนินฟังก์ชันหลักของธุรกิจ เช่น บริการพิจารณาสินเชื่อของธนาคารหรือระบบคลังสินค้าแบบเรียลไทม์ของผู้ค้าปลีก ต้องสามารถเรียกใช้ได้โดยแอปพลิเคชันที่ใช้ LLM ในการ 자동атизация ในทั้งสองกรณี API คือกลไกที่ดีที่สุดในการทำให้ข้อมูลและฟังก์ชันสามารถเข้าถึงได้อย่างเหมาะสม โพรโทคอล Model Context (MCP) กำลังได้รับความนิยมเป็นโพรโทคอล API ของทางเลือกสำหรับการเปิดใช้งานข้อมูล ชุดความสามารถที่สามารถเข้าถึงได้เหล่านี้สามารถสร้างเป็นแพลตฟอร์มที่มีบริบทสำหรับองค์กรของคุณ การเปลี่ยนแปลงภูมิทัศน์ดิจิทัลของคุณจากชุดแอปพลิเคชันที่แยกจากกันและฐานข้อมูลเป็นชั้น API ที่สอดคล้องกับธุรกิจเป็นสิ่งสำคัญในการบรรลุ ROI ผ่านการเปิดใช้งานข้อมูล

ขั้นตอนที่ 3: ยอมรับพาราได้มของโซลูชันดิจิทัลที่มีพลังในการกระทำ

สถาปัตยกรรมซอฟต์แวร์ที่โดดเด่นของยุค AI กำลังจะเกิดขึ้น โซลูชันซอฟต์แวร์ที่ดีที่สุดต้องมีความสมดุลระหว่างส่วนประกอบ AI และส่วนประกอบที่ไม่ใช่ AI ตัวแทน AI ซึ่งเป็นส่วนประกอบที่มี AI ในสถาปัตยกรรมที่เกิดขึ้นนี้ ใช้เหตุผลของ LLM ที่มีพื้นฐานมาจากความตระหนักรู้ทางบริบทเพื่อดำเนินงานผ่านเครื่องมือที่มีอยู่ พวกเขาเป็นเครื่องมือในการเปิดใช้งานข้อมูลและการ автомат化ที่มีพลังในการกระทำ ภูมิทัศน์ดิจิทัลที่มีตัวเลือกผ่าน API (รวมถึงเครื่องมือ MCP) คือพื้นที่ที่มีความอุดมสมบูรณ์ที่สุดสำหรับตัวแทนเหล่านี้ สถาปัตยกรรมที่มีพลังในการกระทำช่วยให้สามารถใช้รูปแบบที่หลากหลายได้ โดยรวมถึงส่วนประกอบซอฟต์แวร์ที่มีพลังในการกระทำเข้ากับส่วนประกอบที่ไม่มีพลังในการกระทำที่มีอยู่ในโครงสร้างพื้นฐาน องค์กรที่นำแนวทางสถาปัตยกรรมนี้มาใช้จะสามารถเก็บเกี่ยวมูลค่าสูงสุดจากทรัพย์สินดิจิทัลที่มีอยู่ในขณะที่นำ AI มาใช้ตามความเร็วที่สามารถจัดการความซับซ้อนของโซลูชันที่นำมูลค่ามากขึ้น

ขั้นตอนที่ 4: ใช้ AI เป็นเครื่องมือในการเพิ่มผลผลิตเพื่อสร้างการ автомат化ที่มีพลังในการกระทำ

การใช้ AI เพื่อเพิ่มผลผลิตของพนักงานอาจไม่ได้ให้ผลตอบแทนที่สูงสุดสำหรับธุรกิจโดยตรง การใช้ผลตอบแทนจากการเพิ่มผลผลิตของ AI ในการเปิดใช้งานข้อมูลขององค์กรและให้การ автомат化ที่มีพลังในการกระทำสามารถเร่งผลตอบแทนที่แท้จริงได้ สิ่งนี้ไม่ได้หมายความว่าใช้ AI เพียงเพื่อเร่งการทำงานของนักพัฒนาเท่านั้น แม้กระทั่งก่อนที่จะเกิดการระเบิดของ AI หนึ่งในอุปสรรคที่ใหญ่ที่สุดในการส่งมอบคือช่องว่างระหว่างผู้เชี่ยวชาญด้านธุรกิจที่เข้าใจการประยุกต์ใช้เทคโนโลยีและทีม IT ที่สร้างโซลูชัน แนวโน้มเช่น DevOps ได้ช่วยลดช่องว่างนี้ แต่ AI สามารถช่วยได้ในรูปแบบที่เป็นรูปธรรมมากขึ้น ในฐานะเทคโนโลยีที่ใช้ภาษา LLM สามารถแปลระหว่างข้อกำหนดและโซลูชันในลักษณะที่ไม่เคยเห็นมาก่อน AI แบบหลายรูปแบบช่วยให้สามารถจับภาพการวาดภาพธุรกิจที่สามารถสร้างอาร์ติแฟคต์ที่ใช้งานได้สำหรับการพัฒนาลง游 การถอดความสามารถเปลี่ยนเป็นโปรโตไทป์

โดยการปฏิบัติตามขั้นตอนเหล่านี้ องค์กรสามารถเปิดใช้งานข้อมูลและเริ่มเห็นผลตอบแทนจากการลงทุนใน AI นอกจากนี้ยังจะเตรียมพร้อมสำหรับระบบนิเวศใหม่ งาน และโอกาสที่สร้างขึ้นโดยเศรษฐกิจ AI โดยการเข้าใจการแลกเปลี่ยนมูลค่าของธุรกิจ การเปลี่ยนทรัพย์สินดิจิทัลให้เป็นตัวเลือกที่สามารถใช้ได้ และจัดแนวองค์กรรอบสถาปัตยกรรมที่มีพลังในการกระทำ คุณจะเตรียมพร้อมองค์กรของคุณสำหรับอนาคตของ AI โดยการสร้างมันขึ้นเอง