ทำไม ROI ของ AI จึงขึ้นอยู่กับ Data Wellness และความไว้วางใจของมนุษย์

การบูรณาการ AI เป็นจุดสนใจของยุทธศาสตร์ธุรกิจในปัจจุบันและอนาคต แต่ปัญหาก็คือหลายองค์กรยังคงรักษา AI เหมือนการวางแผนเทคโนโลยี เมื่อในความเป็นจริงแล้วมันเป็นเรื่องของการดำเนินงานและมนุษย์

ช่องว่างนั้นเริ่มปรากฏในตัวเลข การวิจัยล่าสุดของ MIT’s latest State of AI in Business พบว่า 95% ของบริษัทบอกว่าโครงการ AI ที่สร้างขึ้นไม่บรรลุความคาดหวัง Deloitte’s 2026 enterprise AI report ชี้ให้เห็นถึงรูปแบบที่คล้ายกัน องค์กรบอกว่ายุทธศาสตร์ของตนพร้อมสำหรับ AI แต่ไม่มั่นใจเกี่ยวกับโครงสร้างพื้นฐาน ข้อมูล ความเสี่ยง และทีมงาน ในอีกคำหนึ่ง ความตั้งใจที่จะขยายและพัฒนา AI อยู่แล้ว แต่พื้นฐานการดำเนินงานที่จะผลักดันให้สำเร็จมักไม่เพียงพอ

หลายองค์กรยังไม่เข้าใจว่า ROI ของ AI ขึ้นอยู่กับ “สุขภาพข้อมูล” และความไว้วางใจของมนุษย์

สุขภาพข้อมูลคือพื้นฐานของความไว้วางใจใน AI

สุขภาพข้อมูลหมายถึงมากกว่าแค่บันทึกที่สะอาด สุขภาพข้อมูลที่แท้จริงคือเมื่อข้อมูลถูกกำหนดอย่างต่อเนื่อง มีเจ้าของที่ชัดเจน มีการกำกับดูแลอย่างรอบคอบ และเข้าใจโดยผู้ที่คาดหวังให้ทำงานด้วย ในหลายองค์กร สิ่งนี้ยังไม่เป็นความเป็นจริง ข้อมูลรายได้หมายถึงสิ่งหนึ่งสำหรับการขาย อีกสิ่งหนึ่งสำหรับการเงิน และสิ่งอื่นสำหรับการจัดส่ง สุขภาพของลูกค้าถูกติดตามในหลายระบบ วิธีการรายงานและตัวเลขแตกต่างกันไปตามทีม จากนั้นชั้น AI ถูกวางบนและผู้นำตกใจเมื่อพนักงานตั้งคำถามถึงผลลัพธ์

การกังขานั้นไม่ใช่การต่อต้าน มันเป็นการตอบสนองอย่างมีเหตุผลต่อระบบที่ยังไม่ได้รับความไว้วางใจ

รายงานล่าสุดของ IBM Institute for Business Value พบว่า 43% ของผู้บริหารระดับสูงระบุว่าคุณภาพเป็นลำดับความสำคัญที่ใหญ่ที่สุดสำหรับข้อมูล และมากกว่าหนึ่งในสี่ขององค์กรประมาณการว่าพวกเขาสูญเสียมากกว่า 5 ล้านดอลลาร์ต่อปีเนื่องจากคุณภาพข้อมูลที่ไม่ดี IBM ยังระบุด้วยว่าข้อมูลซ้ำซ้อน ข้อมูลที่ไม่สอดคล้องกัน และบันทึกที่ไม่สอดคล้องกันทำให้ต้นทุนเก็บข้อมูลสูงขึ้น ทำให้เกิดความสับสน และลดประสิทธิภาพ จุดสำคัญคือ หากข้อมูลของคุณไม่ดีก่อนที่ AI จะเข้ามาในภาพ AI จะไม่แก้ไขมัน มันจะขยายมัน

หากองค์กรมีกระบวนการหลักธุรกิจที่เข้มแข็ง การกำกับดูแลที่ชัดเจน และการสื่อสารที่ดีระหว่างหน่วยงาน AI สามารถทำให้ความแข็งแกร่งเหล่านั้นเห็นได้ชัดเจนและมีคุณค่ามากขึ้น การคาดการณ์เชิงพยากรณ์จะแม่นยำขึ้น ทีมความสำเร็จของลูกค้าเห็นรูปแบบเร็วขึ้น ชาตบอทและเครื่องมือสนับสนุนจะสอดคล้องกันมากขึ้นเพราะว่าพวกเขากำลังดึงข้อมูลจากระบบที่สะท้อนความเป็นจริง แต่เมื่อเงื่อนไขพื้นฐานอ่อนแอ AI จะขยายความเสียดสี ทีมงานใช้เวลาตรวจสอบผลลัพธ์มากขึ้น ตรวจสอบตัวเลข และแก้ไขช่องว่างในกระบวนการเดียวกับที่มีอยู่ก่อนการวางแผน

นี่คือเหตุผลที่หลายๆ การสนทนาของ AI ยังคงพลาดเป้า พวกเขายังคงมุ่งเน้นไปที่แบบจำลอง ปัญหาจริงๆ คือการนำไปใช้และการใช้ข้อมูลเบื้องหลัง

ผู้นำตั้งมาตรฐานสำหรับการนำรับ

ยังมีคำถามเกี่ยวกับผู้นำที่ถูกมองข้ามก่อนที่ AI จะประสบความสำเร็จในการดำเนินงาน ผู้นำต้องตัดสินใจเกี่ยวกับเรื่องราวภายในว่า AI จะถูกนำมาใช้เพื่อทำให้การทำงานของมนุษย์ลดลงหรือเพิ่มขีดความสามารถในการตัดสินใจและการทำงานของมนุษย์ สิ่งเหล่านี้ไม่ใช่สิ่งเดียวกัน และพนักงานรู้สึกต่างออกไปทันที

หากข้อความไม่ชัดเจน ผู้คนจะเติมช่องว่างด้วยตัวเอง นั่นคือที่ที่การนำรับชะลอลง พนักงานกลายเป็นคนระมัดระวัง ผู้จัดการลังเลที่จะพึ่งพาผลลัพธ์ ทีมงานเริ่มใช้เครื่องมือไม่สม่ำเสมอหรือหลีกเลี่ยงมันโดยสิ้นเชิง การวิจัยด้านทุนมนุษย์ของ Deloitte พบว่าผู้นำที่สื่อสารเกี่ยวกับบทบาทของ AI ในการเปลี่ยนแปลงงาน การเติบโตในอาชีพ และสมดุลระหว่างงานและชีวิตสามารถช่วยสร้างความไว้วางใจในหมู่พนักงานได้ Deloitte ยังแย้งว่าองค์กรต้องชัดเจนเกี่ยวกับวิธีที่ AI จะส่งผลกระทบต่อการทำงานและสร้างคุณค่าสำหรับคนเป็นมนุษย์

สิ่งนี้มีความสำคัญเพราะความไว้วางใจเชื่อมโยงโดยตรงกับการแสดงผล

หากพนักงานไว้วางใจข้อมูลและเข้าใจบทบาทที่ AI ควรเล่น การนำรับและการขยายจะประสบความสำเร็จมากขึ้น หากไม่เช่นนั้น แม้เครื่องมือที่ออกแบบมาอย่างดีที่สุดก็จะดิ้นรนในการเคลื่อนผ่านขั้นตอนการทดลอง นี่เป็นสิ่งสำคัญอย่างยิ่งในสภาพแวดล้อมการบริการมืออาชีพและสภาพแวดล้อม B2B ซึ่งการตัดสินใจขึ้นอยู่กับการกำหนดร่วมกัน การประสานงานข้ามฟังก์ชัน และความมั่นใจที่แท้จริงในระบบที่อยู่ภายใต้ คุณไม่สามารถสร้างแบบจำลองการคาดการณ์ที่เชื่อถือได้หากการเงิน การขาย และการจัดส่งมองเห็นความจริงที่แตกต่างกัน คุณไม่สามารถคาดหวังให้ระบบ AI ที่เผชิญหน้าลูกค้าทำงานได้ดีหากบันทึกที่ให้อาหารมันคือของเก่า คือของที่แยกจากกัน หรือไม่สมบูรณ์

นั่นคือเหตุผลที่องค์กรที่เติบโตไม่เพียงแต่ลงทุนในแบบจำลองเท่านั้น แต่ยังลงทุนในผู้กำกับดูแลด้วย พวกเขารับรองว่ามีคนเป็นเจ้าของข้อมูลและข้อมูลนั้นเป็นของสะอาดและมีสุขภาพดี พวกเขาสอดคล้องกันระบบก่อนที่จะขยายการทำงานอัตโนมัติ พวกเขากำหนดว่าความสำเร็จหมายถึงอะไรในแง่ของการดำเนินงาน ไม่ใช่แค่ด้านเทคนิค

การวิจัยของ IBM มีมุมมองที่แตกต่าง องค์กรที่ได้รับคุณค่ามากขึ้นจาก AI ไม่จำเป็นต้องเป็นองค์กรที่มีเข้าถึงข้อมูลมากที่สุด แต่เป็นองค์กรที่ใช้ข้อมูลที่มีคุณค่ามากที่สุดเพื่อผลลัพธ์เฉพาะ นั่นคือวินัยที่องค์กรต้องการ มันหมายถึงการรู้ว่าสิ่งใดสำคัญ การจัดตำแหน่งทีมงานรอบๆ การกำหนดร่วมกัน และการนำข้อมูลไปใช้อย่างมีเจตนา นั่นคือทัศนคติที่องค์กรต้องการหากต้องการให้ AI สร้างผลลัพธ์ทางธุรกิจที่แท้จริง

ความสำเร็จของ AI ขึ้นอยู่กับคน

รุ่นต่อไปของความสำเร็จของ AI จะไม่มาจากการแสร้งว่าระบบเหล่านี้เป็นอิสระอย่างสมบูรณ์ เรายังไม่ถึงจุดนั้น AI ยังคงต้องการการบริหารจัดการ การตรวจสอบ และการตัดสินใจของมนุษย์ มันยังคงต้องการคนที่เข้าใจธุรกิจ เข้าใจข้อมูล และสามารถแยกแยะระหว่างผลลัพธ์ที่ถูกต้องทางเทคนิคและผลลัพธ์ที่มีประโยชน์ในการดำเนินงาน

สิ่งนี้ควรเป็นข่าวดีสำหรับผู้นำที่กังวลเกี่ยวกับแนวโน้มที่จะเกิดขึ้นในอนาคต อนาคตไม่ใช่เพียงแบบจำลองเท่านั้น แต่เป็นระบบที่เสริมด้วยคน องค์กรที่ให้ความสำคัญกับสุขภาพข้อมูลและสร้างกลยุทธ์ที่เสริมด้วย AI กำลังตั้งค่าตนเองให้พร้อมสำหรับ ROI ของ AI ที่ดีขึ้น และสร้างองค์กรที่คนสามารถทำงานที่ดีขึ้นด้วยระบบที่แข็งแกร่งกว่า

หากองค์กรต้องการมากกว่าการนำรับแบบพायलอต พวกเขาต้องหยุดถามว่าแบบจำลองมีพลังพอที่จะตอบสนองหรือไม่ พวกเขาต้องถามว่าข้อมูลมีสุขภาพดีเพียงพอหรือไม่ การกำกับดูแลมีความชัดเจนเพียงพอหรือไม่ และคนที่ใช้ระบบเข้าใจว่าทำไมจึงมีอยู่ในตอนแรก นั่นคือสิ่งที่เปลี่ยน AI จากการทดลองไปสู่ทรัพย์สินธุรกิจที่แสดงคุณค่า