ช่องว่างความรู้ที่ AI สร้างขึ้นคือช่องว่างความปลอดภัยใหม่ นี่คือวิธีการปิดช่องว่างนั้น

บริษัทเทคโนโลยีกำลังเดิมพันกับแนวคิดที่คุ้นเคยว่า AI ทำงานได้เร็วกว่าและมีต้นทุนต่ำกว่ามนุษย์ แม้สิ่งนี้อาจเป็นจริงในหลายกรณี แต่ AI ก็ถูกใช้เป็นข้ออ้างง่าย ๆ ในการปลดพนักงานด้วย

ในรายงานของ PwC ที่เผยแพร่เมื่อต้นปีนี้ CEO 56% ระบุว่ายังไม่เห็นประโยชน์ทางการเงินอย่างมีนัยสำคัญจากการลงทุนใน AI และมีเพียง 12% ที่รายงานว่า AI ช่วยทั้งประหยัดต้นทุนและเพิ่มรายได้ ขณะเดียวกัน การศึกษาของ NBER เมื่อเดือนกุมภาพันธ์พบว่า บริษัทเกือบ 90% ระบุว่า AI ไม่ได้ส่งผลต่อการจ้างงานหรือผลิตภาพในช่วงสามปีที่ผ่านมา ข้อมูลเหล่านี้ตอกย้ำความจริงที่ชวนให้คิดว่า หลายองค์กรยังไม่เห็นผลตอบแทนด้านรายได้และผลิตภาพที่ AI เคยให้คำมั่นไว้ตั้งแต่แรก และยังคงปลดพนักงานหลายพันคนเพื่อชดเชยความสูญเสีย

แต่มีสิ่งหนึ่งที่ไม่ได้พูดถึงในการประชุมทางโทรศัพท์เพื่อรายงานผลประกอบการ เมื่อคุณปลดผู้จัดการลูกค้าที่เก็บบริบทความสัมพันธ์กับลูกค้าตลอดสิบปีไว้ในหัว หรือวิศวกรประกันคุณภาพซึ่งความรู้ขององค์กรที่เขามีเป็นสิ่งเดียวที่ช่วยจับข้อบกพร่องก่อนถึงมือลูกค้า คุณไม่ได้กำลังตัดไขมันส่วนเกิน แต่กำลังรื้อกำแพงรับน้ำหนัก ต้นทุนการทำงานซ้ำ การสูญเสียลูกค้า และปัญหาคุณภาพที่ตามมาไม่ค่อยปรากฏในชุดสไลด์เดียวกับที่ฉลองการลดจำนวนพนักงาน ต้นทุนเหล่านี้ถูกกลืนไปเงียบ ๆ ในไตรมาสถัดมา ถูกโยนให้เป็นผลจากสภาพตลาด แล้วก็ถูกลืม ช่องว่างระหว่างคำมั่นของการปรับโครงสร้างด้วย AI กับผลลัพธ์จริงมีอยู่จริงและกำลังขยายตัว แต่ในหลายองค์กรก็ยังไม่ได้รับการยอมรับเลย

ต้นทุนที่แท้จริงของวงจรนี้ไม่ได้ตกอยู่ที่จุดเดียว แต่กระจายไปยังทุกทีมที่เหลือหลังการลดคน นักพัฒนารับภาระงานของวิศวกรที่จากไป พร้อมกับได้รับเครื่องมือ AI ที่ยังไม่พร้อมพอจะชดเชยการสูญเสียบุคลากร ทีมผลิตภัณฑ์สูญเสียบริบทที่ทำให้แผนงานยึดโยงกับความเป็นจริงของลูกค้า ทีมสนับสนุนมีภาระล้นมือและคุณภาพคำตอบลดลง ขณะที่ลูกค้ารู้ทันทีว่าคำตอบต่อคำขอความช่วยเหลือของตนเป็นเนื้อหาคุณภาพต่ำที่ AI สร้าง ภาระไม่ได้กระจุกตัวแต่กระจายออกไป และการกระจายนี้ก็มีส่วนทำให้ถูกมองข้ามได้ง่ายในรายงานรายไตรมาส แต่ท่ามกลางการกระจายในวงกว้าง ทีม IT กลับเผชิญปัญหาในรูปแบบเฉพาะที่หนักขึ้น พวกเขาไม่ได้เพียงต้องทำมากขึ้นด้วยทรัพยากรที่น้อยลง แต่ยังต้องดูแลโครงสร้างพื้นฐานที่สร้างขึ้นอย่างเร่งรีบโดยขาดความรู้ขององค์กรที่เคยทำให้มันสอดคล้องกัน พร้อมกันนั้นก็ต้องจัดการขั้นตอนการออกจากงานของอดีตเพื่อนร่วมงานและการเริ่มงานของผู้มาแทน เมื่อบริษัทต่าง ๆ กลับลำอย่างเงียบ ๆ จากการลดคนที่เคยฉลองต่อสาธารณะ

เมื่อปีดำเนินต่อไปและองค์กรพยายามทำให้คำมั่นของ AI เป็นจริง เราควรตระหนักว่าการตัดความเชี่ยวชาญของมนุษย์เพื่อประสิทธิภาพจาก AI ทำให้สูญเสียมากกว่ารายได้ ข่าวดีคือเราสามารถได้ประโยชน์จากทั้งสองโลก แต่ต้องใช้แนวทางที่เป็นรูปธรรมและปฏิบัติได้จริงมากขึ้นในการใช้ AI โดยให้มนุษย์เป็นศูนย์กลางของกลยุทธ์

สิ่งที่สูญเสียไปเมื่อความรู้เดินออกไป

ความรู้สำคัญด้านการปฏิบัติงานอยู่ในตัวคนและถูกนำมาใช้ผ่านวิจารณญาณของมนุษย์ ไม่ใช่ผ่านระบบ เมื่อคนเหล่านั้นจากไป ความรู้ก็จากไปด้วย ไม่ว่าโมเดลจะก้าวหน้าเพียงใด AI ก็ยังเติมช่องว่างนี้ไม่ได้ในวันนี้

แม้ความสามารถของ AI จะขยายตัว แต่ระบบอัตโนมัติที่ขาดความเข้าใจบริบทอย่างละเอียดอ่อนก็สร้างจุดบอดอันตรายในด้านสำคัญได้:

• วิจารณญาณและกลยุทธ์: สัญชาตญาณ ความรู้ขององค์กร และความเข้าใจตลาดไม่อาจบรรจุลงในชุดข้อมูลได้อย่างเป็นระเบียบ แม้แต่ชุดข้อมูลแบบไม่มีโครงสร้างก็ตาม
• บริบทและความตระหนักรู้สถานการณ์: มนุษย์รับรู้ความแตกต่างเล็กน้อยและเจตนาได้ และสามารถรับมือกับพื้นที่สีเทาที่กฎตายตัวอาจใช้ไม่ได้
• ความเห็นอกเห็นใจและความไว้วางใจ: ช่วงเวลาที่มีผลกระทบสูงหรือมีอารมณ์เข้มข้น โดยเฉพาะเมื่อเกี่ยวข้องกับลูกค้าหรือพนักงาน ต้องการการตอบสนองที่มีมนุษย์เป็นศูนย์กลาง
• การกำกับดูแลและความรับผิดรับชอบ: ต้องมีผู้รับผิดชอบตรวจหาความผิดพลาดและอคติ หรือป้องกันข้อมูลผิดล่วงหน้า การพูดเพียงว่า “คุณพูดถูก ขอฉันลองอีกครั้ง” หลังให้ข้อมูลที่ผิดทั้งหมดนั้นไม่เพียงพอ
• ความทรงจำขององค์กรและบริบทระบบ: การเข้าใจว่าทำไมทีมจึงสร้างโครงสร้างพื้นฐานด้วยวิธีหนึ่ง หรือทำไมจึงไม่ทำเช่นนั้น เคยลองอะไรมาแล้ว และมีกรณีขอบเขตใดที่ไม่มีใครบันทึกไว้
• ภาวะผู้นำและการกำกับดูแล: การกำหนดนโยบาย ระดับความเสี่ยงที่ยอมรับได้ และการรักษาขอบเขตทางจริยธรรม ยังคงเป็นความรับผิดชอบพื้นฐานของมนุษย์

AI ช่วยนำเสนอข้อมูลเชิงลึก แนะนำการดำเนินการ และเร่งการลงมือทำได้ แต่ไม่อาจแทนความทรงจำขององค์กรที่ป้องกันภัยพิบัติ หรือให้ความรับผิดรับชอบที่ช่วยจับปัญหาไว้ก่อนลุกลามจนควบคุมไม่ได้

สิ่งที่องค์กรที่ฉลาดทำต่างออกไป

องค์กรที่ประสบความสำเร็จกับ AI ไม่ได้ตัดมนุษย์ออกจากสมการ แต่ใช้ AI ลดความยุ่งยากของกระบวนการประจำที่ทำซ้ำและสร้างแรงเสียดทานในการทำงานแต่ละวัน เพื่อให้คนมีเวลาและทรัพยากรสำคัญอื่นไปคิดวิธีสร้างสรรค์ใหม่ ๆ ที่ให้ประโยชน์แก่ธุรกิจมากขึ้น พวกเขาใช้ AI เป็นเครื่องมือที่ “วิ่งไปด้วยกัน” เพื่อขยายขีดความสามารถของมนุษย์ ลองพิจารณางานปฏิบัติการ IT ทีมเหล่านี้มีภาระมากเกินอยู่แล้ว ต้องดูแลโครงสร้างพื้นฐานกว้างขวางด้วยทรัพยากรจำกัด AI หรืออาจกล่าวให้เฉพาะเจาะจงกว่านั้นคือแมชชีนเลิร์นนิง (ML) สามารถสร้างคุณค่าได้จริงที่นี่ AI และ ML ช่วยทำงานประจำที่เคยใช้เวลามากและทำให้ผู้เชี่ยวชาญมีคุณค่าจมอยู่กับงานปฏิบัติการให้เป็นอัตโนมัติ เช่น การศึกษาและทดสอบแพตช์ การจำแนกคำขอความช่วยเหลือ การสร้างเวิร์กโฟลว์ การค้นพบ และการทำแผนที่ความเสี่ยง

งานเหล่านี้เป็นรากฐานของปฏิบัติการ IT แต่กินเวลามหาศาล โดยเฉพาะเมื่อสภาพแวดล้อมดิจิทัลขององค์กรขยายตัว ภูมิทัศน์ช่องโหว่เปลี่ยนไป และพนักงานคาดหวังประสบการณ์ดิจิทัลที่ดีจากอุปกรณ์ทำงานมากขึ้น เมื่อทีมทำงานพื้นฐานได้ไม่ดี เช่น การจัดการหรือเฝ้าติดตามความสามารถและกระบวนการเหล่านี้ เพราะมีภาระล้นมือ ผลลัพธ์จะรุนแรง ทั้งระบบหยุดทำงาน แพตช์ที่ไม่ได้ติดตั้ง ข้อมูลรั่ว และการละเมิดความปลอดภัย

ในทางกลับกัน เมื่อใช้ AI ปรับงานเหล่านี้ได้ดี เจ้าหน้าที่ IT จะมีเวลาทำสิ่งที่ AI ทำไม่ได้ ได้แก่ ลดหนี้ทางเทคนิค ปรับปรุงระบบและกระบวนการที่มีอยู่ ออกแบบสถาปัตยกรรมใหม่เพื่อเพิ่มความทนทานและฟื้นตัวได้ และรักษาความรู้ขององค์กรที่ทำให้ระบบสำคัญทำงานต่อไป นี่ไม่ใช่เพียงประสิทธิภาพ แต่เป็นการลดความเสี่ยงและสร้างฐานที่มั่นคงสำหรับการเติบโตระยะยาว

การนำ AI ไปใช้อย่างถูกต้อง

องค์กรที่เริ่มด้วยการประยุกต์ใช้และนำ AI มาใช้อย่างรอบคอบ พร้อมให้ความสำคัญกับการเอื้อให้ใช้งานได้อย่างปลอดภัยและมีประสิทธิผล กำลังเห็นผลลัพธ์ที่ดีขึ้นจากกลยุทธ์ AI และจะยังเห็นต่อไป การเพิ่มประสิทธิภาพไม่ได้มาจากการลดคน แต่มาจากการลงทุนในคน การออกแบบเวิร์กโฟลว์ใหม่ และการสอนทีมให้ใช้ AI อย่างเหมาะสม

สิ่งนี้ไม่ใช่เรื่องใหม่ เทคโนโลยีพัฒนาผ่านวัฏจักรแต่ละรุ่นมาเป็นเวลาหลายร้อยปี และแต่ละครั้งเราก็มักทำผิดพลาดเดิม ๆ เราทุ่มเกินพอดีและพยายามเปลี่ยนความก้าวหน้าบางอย่างให้เป็นยาครอบจักรวาลสำหรับทุกปัญหา พวกหลอกลวงที่ฉวยประโยชน์จากความสิ้นหวังนี้มีอยู่มาก พวกเขาให้คำมั่นเกินจริงและหายตัวไปก่อนที่จะวัดผลได้ ความจริงคือ AI และ ML ทำสิ่งที่คอมพิวเตอร์ทำมาตลอดได้ นั่นคือทำงานบางอย่างเร็วและแม่นยำกว่ามนุษย์ ผู้ที่พบโอกาสเหล่านี้และใช้ AI อย่างเป็นรูปธรรมเพื่อร่วมงานไปด้วยกันจะเห็นผลตอบแทนการลงทุนอย่างรวดเร็ว ในทางปฏิบัติหมายถึง:

• ใช้ AI กำจัดงานมูลค่าต่ำ ไม่ใช่วิจารณญาณมูลค่าสูง
• ออกแบบเวิร์กโฟลว์ที่มีมนุษย์ร่วมตัดสินใจเพื่อลดความเสี่ยงของการตัดสินใจที่มีผลกระทบสูง
• กำหนดเส้นทางยกระดับปัญหาที่ชัดเจนเมื่อระบบ AI ล้มเหลวหรือให้ผลไม่แน่นอน
• ระบุผู้รับผิดชอบการตัดสินใจที่ขับเคลื่อนด้วย AI อย่างชัดเจน
• ฝึกทีมให้ตรวจสอบผลลัพธ์ AI อย่างจริงจัง ไม่ยอมรับโดยไม่ไตร่ตรอง

ต้นทุนจริงของการทำผิดพลาด

วงจรปลดพนักงานจำนวนมากแล้วจ้างกลับอย่างเงียบ ๆในอุตสาหกรรมเทคโนโลยีไม่ใช่การย้ายบุคลากร แต่เป็นการถ่ายโอนความเสี่ยง องค์กรกำลังแลกความทรงจำขององค์กรหลายทศวรรษกับความเร็วของระบบอัตโนมัติเพียงไม่กี่เดือน และผู้นำ IT ต้องรับภาระเมื่อถึงเวลาจัดการผลกระทบ

AI ให้ประโยชน์จริง แต่ประโยชน์เหล่านั้นมีความหมายมากที่สุดเมื่อใช้ AI รักษาและเพิ่มพูนความเชี่ยวชาญ ไม่ใช่แทนที่มัน บริษัทที่จะเติบโตต่อไปในยุค AI ไม่ใช่บริษัทที่ลดคนหนักที่สุดหรือใช้เครื่องมือ AI มากที่สุด แต่เป็นบริษัทที่ใช้ AI อย่างรอบคอบเพื่อทำงานซ้ำซากให้เป็นอัตโนมัติ และเพิ่มความคิดสร้างสรรค์ การทำงานร่วมกัน และความเชี่ยวชาญของมนุษย์

เมื่อระบบถัดไปล้มเหลว หรือเกิดการหยุดทำงานหรือเหตุการณ์ความปลอดภัยทางไซเบอร์ครั้งต่อไป คุณคงไม่ต้องการให้หุ่นยนต์หรือเครื่องจักรนำการกู้คืนระบบหรือการสื่อสารกับลูกค้า เมื่อนั้นคุณจะต้องการ — และจำเป็นต้องมี — คนที่มีความรู้และบริบททางประวัติศาสตร์ลึกซึ้ง ซึ่งยังคงอยู่ในบริษัท

หากเราต้องการปลดปล่อยศักยภาพเต็มที่ของ AI เราต้องมุ่งใช้ AI กับงานน่าเบื่อซ้ำซาก และเลิกใช้ AI เป็นข้ออ้างของผลประกอบการที่ไม่ดี