บริบทและการประสานงาน: ชั้นที่ขาดหายไปในระบบอัตโนมัติขององค์กร

องค์กรส่วนใหญ่มีระบบอัตโนมัติมากแต่การเปลี่ยนแปลงไม่มาก การทดลองทำงานได้ หุ่นยนต์ทำงานอยู่เสมอ เส้นโค้งผลผลิตก็แบนอยู่ นี่เป็นเรื่องที่พบบ่อยที่สุดในองค์กร และคลื่นต่อไปคือ Agentic AI ซึ่งสามารถทำลายรูปแบบนั้นได้ในที่สุด สำหรับองค์กรที่พร้อมออกแบบบริบทที่ระบบเหล่านี้ทำงานบนมัน

แทบไม่มีใครมองว่าเป็นกลยุทธ์. มันคือเช่นนั้น.

เครือข่ายผู้ให้บริการสุขภาพขนาดใหญ่ในสหรัฐฯ พบว่าข้อจำกัดที่แท้จริงไม่ได้อยู่ที่ความจุทางคลินิก แต่เป็นการจัดตารางนัดหมายที่ทำงานบนการคาดเดาเชิงปฏิกิริยา โดยไม่มีการมองเห็นว่าผู้ป่วยคนใดน่าจะพลาดการเยี่ยมชมจนกว่าช่องเวลาจะว่างเปล่าแล้ว การสร้างโมเดลพยากรณ์จากประวัติการนัดหมายทำให้เครือข่ายสามารถดำเนินการก่อนที่ช่องว่างจะเปิดขึ้นแทนที่จะรีบแก้ไขหลังจากนั้น จำนวนการไม่มาปรากฏของผู้ป่วยลดลง รายได้สุทธิเพิ่มขึ้นและเวลาตรวจสอบการจัดตารางลดลง บริบทดังกล่าวมีอยู่แล้วในข้อมูลการนัดหมายหลายปี เพียงต้องนำมารวบรวมและนำไปใช้เท่านั้น

ในทุกการมีส่วนร่วมเหล่านี้ มีสามสาขาวิชาเดียวกันคือ แกนหลัก, บริบทและการประสานงาน ที่แยก Agentic AI ที่ประสบความสำเร็จออกจาก Agentic AI ที่หยุดชะงัก

การอัตโนมัติส่วนที่ง่าย

ช่องว่างที่ลึกที่สุดอยู่ระหว่างการอัตโนมัติงานและการอัตโนมัติผลลัพธ์ บริษัทต่างๆ อัตโนมัติกระบวนการขั้นตอนต่างๆ เช่น การจับคู่ใบแจ้งหนี้ การป้อนข้อมูล การอัปเดตสถานะ แต่พบว่าต้นทุนยังคงอยู่ในงานระหว่างขั้นตอน กระบวนการที่ส่วนใหญ่ถูกอัตโนมัติไม่ได้หมายความว่าแก้ไขได้ส่วนใหญ่แล้ว ยังต้องมีมนุษย์มาประสานส่วนต่างๆ เข้าด้วยกันและรับผิดชอบผลลัพธ์ ทำหน้าที่ประสานงานที่ไม่มีระบบอัตโนมัติใดสร้างขึ้นมาให้ทำได้

เหตุผลก็ง่ายมาก การอัตโนมัติแบบเก่าอิงตามกฎ ไม่สามารถจัดการการตัดสินใจได้เนื่องจากขาดบริบทในการแก้ไขข้อยกเว้นและขาดการประสานงานเพื่อส่งต่อ งานบอททำได้อย่างไร้ที่ติในส่วนที่คาดเดาได้ แต่กลับไร้ความสามารถที่ขอบเขต และในงานจริง ขอบเขตคืองานเอง การเคลมที่ขาดเอกสารหรือมีข้อกำหนดแปลกประหลาดจะทำให้บอทหยุดทำงานและให้คนเข้ามาดำเนินการ ผู้นำมักนับสิ่งที่ถูกอัตโนมัติ ส่วน P&L นับสิ่งที่ไม่ได้อัตโนมัติ

ทำไมส่วนที่ยากจึงต่อต้าน? เพราะนั่นคือที่ที่บริบทอาศัยอยู่ ส่วนที่เรียบง่ายทำงานบนแถวและคอลัมน์ที่เป็นระเบียบ ส่วนที่ยากซ่อนอยู่ในไฟล์ PDF ของนโยบาย, กระทู้ email, แบบฟอร์มสแกน, บันทึกการสนทนาทางโทรศัพท์, ข้อความในภาคผนวก McKinsey ประมาณว่า ประมาณ 90% ของข้อมูลในองค์กรเป็นข้อมูลที่ไม่มีโครงสร้าง ระบบอัตโนมัติที่มองเห็นเฉพาะส่วนที่มีโครงสร้างเท่านั้นจะมองไม่เห็นส่วนใหญ่ของการตัดสินใจ การแก้ไขปัญหานี้หมายถึงการให้ระบบอัตโนมัติสองสิ่งที่เคยไม่มี: บริบทเพื่อการตัดสินใจและการประสานงานเพื่อดำเนินการข้ามระบบ

ทำไมบริบทจึงเปลี่ยนแปลงทุกอย่าง

Agentic AI ปิดช่องว่างนั้นได้เพราะมันสามารถให้เหตุผลด้วยบริบท ซึ่งเป็นสิ่งที่ระบบอัตโนมัติรุ่นก่อนไม่เคยทำได้ ต่างจากการอัตโนมัติแบบดั้งเดิม ตัวแทนสามารถให้เหตุผลข้ามระบบ ทำงานผ่านความคลุมเครือและปรับตัวเมื่อความเป็นจริงทำลายสคริปต์ มันอัตโนมัติส่วนเชื่อมต่อระหว่างกระบวนการเช่นเดียวกับกระบวนการเอง

สิ่งนั้นทำให้บริบทกลายเป็นความท้าทายด้านวิศวกรรมที่แท้จริง วิศวกรรมบริบทคือสาขาวิชาที่กำหนดว่าตัวแทนต้องรู้อะไร ดึงข้อมูลนั้นจากแหล่งที่เหมาะสมและนำเสนอในเวลาที่เหมาะสม ตัวแทนสามารถให้เหตุผลได้เฉพาะบนสิ่งที่มันรู้เท่านั้น

บริษัทกึ่งตัวนำระดับโลกที่มีพนักงานกว่า 30,000 คนได้เรียนรู้บทเรียนนี้โดยตรง มากกว่าหนึ่งพันสัญญาของบริษัทกระจายอยู่ทั่ว SharePoint, ไดรฟ์แชร์และโฟลเดอร์ท้องถิ่นในรูปแบบ PDF ที่ไม่มีโครงสร้าง โดยไม่มีวิธีติดตามระยะเวลาการแจ้งหรือเงื่อนไขการต่ออายุก่อนถึงกำหนดเวลา การสกัดและตีความบริบทที่ฝังอยู่โดยอัตโนมัติช่วยลดเวลาในการตรวจสอบสัญญาลงอย่างมาก ประหยัดเวลางานมือมากกว่า 200 ชั่วโมงต่อปีและลดความเสี่ยงของการพลาดหน้าที่ AI ขององค์กรขยายขนาดไม่ใช่โดยการอัตโนมัติงานแยกส่วนมากขึ้น แต่โดยการรวมบริบทที่อยู่ระหว่างงานเหล่านั้น

การอัตโนมัติยังคงหยุดชะงักหากไม่มีการประสานงาน

แม้ระบบอัตโนมัติจะมีบริบทที่สมบูรณ์แบบ แต่ก็อาจหยุดชะงักได้หากความรู้นั้นไม่สามารถเคลื่อนย้ายข้ามระบบ ทีมงานและโซนเวลาในกระบวนการจริงได้ และช่องว่างนี้ไม่ใช่เพียงสมมติฐาน บริษัทชีววิทยาโลกที่จัดการข้อร้องเรียนประมาณ 50,000 รายต่อปีในสี่ภูมิภาคเจอปัญหานี้โดยตรง ข้อร้องเรียนเข้ามาผ่านอีเมล พอร์ทัล และเอกสารที่ไม่เชื่อมต่อกัน และกรณีที่คล้ายกันถูกจัดการแตกต่างกันขึ้นอยู่กับทีมที่รับผิดชอบ ซึ่งเป็นความไม่สอดคล้องที่ผู้กำกับดูแลมักชี้ให้เห็น การทำให้กระบวนการเหล่านี้เป็นมาตรฐานในเวิร์กโฟลว์ที่ประสานกันเดียวกันช่วยประหยัดกว่า 4,200 ชั่วโมงต่อปีและลดเวลาการแก้ไขลง 70% บริษัทที่ข้ามชั้นนี้จะได้ระบบอัตโนมัติที่ให้เหตุผลได้ดีแต่ยังคงติดขัดที่การส่งต่อเดียวกันที่ทำให้ระบบเดิมหยุดชะงัก

กับดักการกำกับดูแล

ระบบอัตโนมัติก่อนหน้านี้ถูกกำกับดูแลเช่นซอฟต์แวร์ มีการให้สิทธิ์ การจัดสรร และการติดตามเวลาการทำงาน Agentic AI ทำลายโมเดลนั้น เพราะทันทีที่มันเริ่มทำการตัดสินใจแทนการดำเนินการ การกำกับดูแลว่ามันสามารถเข้าถึงอะไรได้ไม่เพียงพอ ตัวแทนที่อ่านข้อมูลจาก CRM เขียนข้อมูลลง ERP เริ่มการชำระเงินและส่งข้อความถึงลูกค้าไม่ใช่แค่เครื่องมือ แต่เป็นผู้ดำเนินการที่มีอิทธิพล คำถามจึงเปลี่ยนจากว่าการผสานรวมปลอดภัยหรือไม่ ไปเป็นว่าตัวแทนนี้อาจตัดสินใจอย่างไร ใครเป็นผู้มีอำนาจ ใบรับรองอะไรและใครจะรับผิดเมื่อเกิดข้อผิดพลาด การแก้ไขไม่ได้หมายถึงลดอิสระ แต่คือการกำหนดขอบเขตที่ชัดเจน อำนาจที่กำหนดไว้ เส้นทางการกระทำเต็มรูปแบบ และเจ้าของที่ระบุชื่อสำหรับผลลัพธ์ทุกอย่างที่ตัวแทนสร้างขึ้น

การกำกับดูแลนั้นต้องรวมการตรวจสอบ ไม่ใช่เพื่อเป็นการหยุดยั้ง แต่เป็นกลไกที่ทำให้ขอบเขตของเอเจนต์ขยายอย่างปลอดภัยตามเวลา การแก้ไขแต่ละครั้งจะเปิดเผยว่าเอเจนต์มีบริบทที่ถูกต้องหรือไม่ และเป็นการป้อนข้อมูลเข้าสู่วงจรที่ค่อย ๆ ทำให้มันได้รับความรับผิดชอบเพิ่มขึ้น

การกำกับดูแลต้องเข้าถึงชั้นบริบทด้วย ซึ่งเป็นส่วนที่ทีมส่วนใหญ่มักมองข้าม การสกัดข้อมูลจากแหล่งที่ไม่มีโครงสร้างหมายถึงการรับมรดกที่อยู่ภายในนั้น เช่น ข้อมูลส่วนบุคคล เอกสารที่มีสิทธิพิเศษ หรือเวอร์ชันของความจริงที่ขัดแย้งกัน เอเจนต์จะเชื่อถือได้เท่ากับแหล่งที่มาของบริบทที่มันใช้ จัดการบริบทให้เป็นสินทรัพย์ที่ถูกกำกับดูแล พร้อมกฎการสืบสายต้น การเข้าถึง และความสดใหม่ในตัว ทำให้ระบบอัตโนมัติกลายเป็นระบบที่ตรวจสอบได้ ไม่ใช่ความเสี่ยง ควรสร้างสิ่งนี้ก่อนที่การขยายตัวจะเกิดขึ้น ไม่ใช่หลังจากเหตุการณ์เกิดขึ้น

ปีแรก ทำต่างออกไป

องค์กรส่วนใหญ่จะใช้ปีนี้ในการค้นหางานที่สามารถทำอัตโนมัติได้ ส่วนองค์กรที่น้อยกว่าจะใช้เวลาในการทำแผนที่ว่าข้อมูล ความรับผิดชอบ และการตัดสินใจจริง ๆ เปลี่ยนมือที่ไหน และสร้างระบบสำหรับสิ่งที่จะเกิดขึ้นที่จุดเปลี่ยนมือเหล่านั้น

ในสองปีข้างหน้า ไม่มีใครจะสนใจว่าบริษัทได้ใช้เอเจนต์จำนวนเท่าไหร่ คำถามที่แท้จริงจะเป็นว่าใครสร้างโครงสร้างพื้นฐานใต้เอเจนต์เหล่านั้น และใครยังคงต่อบอทเข้ากับจุดเปลี่ยนมือที่ขาดคุณภาพอยู่