ชินา วิเดเนอร์ รองประธานฝ่ายเทคโลยี สื่อ และโทรคมนาคม ของดีลอยท์ – ซีรีส์สัมภาษณ์

ชินา วิเดเนอร์ เป็นรองประธานและผู้นำอุตสาหกรรมเทคโนโลยี สื่อ และโทรคมนาคม (TMT) ของดีลอยท์ เธอยังเป็นสมาชิกของคณะกรรมการบริหารของดีลอยท์ในสหรัฐอเมริกา

เธอให้มุมมองที่แตกต่างเกี่ยวกับอนาคตของอุตสาหกรรม TMT โดยเฉพาะอย่างยิ่งในเรื่องของ Agentic AI — ระบบอัจฉริยะที่สามารถตัดสินใจโดยอิสระ — และผลกระทบการเปลี่ยนแปลงทั่วทั้งองค์กร เธอ热情เกี่ยวกับการช่วยให้ลูกค้าปลดปล่อยศักยภาพของ Agentic AI เพื่อเร่งนวัตกรรม ปรับปรุงประสิทธิภาพการทำงาน และสร้างแหล่งความได้เปรียบทางการแข่งขันที่ใหม่ๆ ทั้งหมด โดยยังคงความมุ่งมั่นต่อ AI ที่น่าเชื่อถือ

ชินาได้ร่วมเขียนบทความเกี่ยวกับ AI โครงสร้างเทคโนโลยีสำหรับองค์กร การวิเคราะห์แบบจำลองการจัดส่ง และการปิดช่องว่างด้านทักษะ เธอเป็นวิทยากรและผู้อำนวยการเวิร์กช็อปที่มีความต้องการสูง และประสบการณ์ด้านเทคโนโลยีและอาชีพของเธอได้รับการเผยแพร่ในพอดแคสต์และสื่อต่างๆ

ดีลอยท์ เป็นหนึ่งในบริษัทให้บริการระดับมืออาชีพที่ใหญ่ที่สุดในโลก โดยให้บริการตรวจสอบ บัญชี ที่ปรึกษา ภาษี ที่ปรึกษาด้านความเสี่ยง และที่ปรึกษาทางการเงินแก่องค์กรต่างๆ ทั่วทุกอุตสาหกรรม ด้วยเครือข่ายทั่วโลกที่ครอบคลุมมากกว่า 150 ประเทศ ดีลอยท์ทำงานร่วมกับองค์กรข้ามชาติ รัฐบาล และธุรกิจเกิดใหม่เพื่อแก้ไขปัญหาที่ซับซ้อน ขับเคลื่อนการเปลี่ยนแปลงดิจิทัล และปรับปรุงประสิทธิภาพการทำงานขององค์กร บริษัทนี้มีชื่อเสียงในด้านความเชี่ยวชาญในด้านต่างๆ เช่น การให้คำปรึกษาด้านเทคโนโลยี การวิเคราะห์ข้อมูล การรักษาความปลอดภัยทางไซเบอร์ และการปฏิบัติตามกฎระเบียบ โดยช่วยให้ลูกค้าปรับตัวเข้ากับตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว ในขณะเดียวกันก็รักษาการกำกับดูแลและกลยุทธ์การเติบโตในระยะยาว

การวิจัยของดีลอยท์แสดงให้เห็นว่าองค์กรส่วนใหญ่ยังคงอยู่ในโหมดทดลอง คิดผิดเกี่ยวกับสิ่งที่ต้องทำเพื่อขยาย AI ทั่วทั้งองค์กรคืออะไร?

องค์กรมักพยายาม “ติด AI เข้ากับ” ขั้นตอนการทำงานที่มีอยู่แล้ว เมื่อในความเป็นจริงการขยายตัวต้องมีการเปลี่ยนแปลงโครงสร้างการทำงานใหม่ ความเข้าใจผิดที่ใหญ่ที่สุดที่ฉันเห็นคือการขยาย AI เป็นเพียงความท้าทายด้านเทคโนโลยี ในความเป็นจริง เทคโนโลยีมักเป็นส่วนที่ง่ายที่สุด สิ่งที่ผู้นำมักจะประเมินต่ำคือ ระดับการเปลี่ยนแปลงรูปแบบการทำงานที่จำเป็น — ตั้งแต่กระบวนการทำงาน สิทธิ์ในการตัดสินใจ ทักษะ การจูงใจ และการกำกับดูแล

การเปลี่ยนแปลงจากกรณีการใช้งานที่แยกจากกันไปสู่การประสานงานระดับองค์กรสามารถถูกปลดล็อกเมื่อบุคคล กระบวนการทำงาน และเทคโนโลยีพัฒนาไปพร้อมๆ กัน โดยไม่มีการจัดตำแหน่งนี้ แม้แต่ AI ที่ทันสมัยที่สุดก็ยังคงอยู่ในโหมดทดลอง

ทำไมการดำเนินงาน AI หลายๆ ครั้งจึงไม่สามารถสร้างผลตอบแทนที่วัดได้ แม้ว่าเทคโนโลยีเบื้องหลังจะทำงานได้ดี?

ผลตอบแทนที่แท้จริงมาเมื่อ AI ถูกฝังอยู่ในกระบวนการทำงานตั้งแต่ต้นจนจบ ไม่ใช่การปฏิบัติต่อการทดลองที่แยกจากกัน ส่วนใหญ่การดำเนินงาน AI ไม่ล้มเหลวเพราะเทคโนโลยีไม่ทำงาน — มันล้มเหลวเพราะธุรกิจไม่ได้รับการตั้งค่าให้สามารถจับผลประโยชน์จากมันได้

การใช้งานที่ไม่เชื่อมต่อ การบูรณาการกระบวนการทำงานที่ไม่ดี และการติดตามค่าที่ไม่ชัดเจนขัดขวางไม่ให้ AI แปลเป็นผลกระทบที่วัดได้ สิ่งที่มักจะขาดคือการประสานงาน ค่าของ AI ไม่ใช่แค่แนวตั้ง — ภายในความสามารถหรือหน้าที่เดียว — แต่ยังเป็นแนวนอน ซึ่งครอบคลุมกระบวนการ ทีม และองค์กร เมื่อองค์กรไม่เชื่อมต่อชั้นเหล่านี้ พวกเขาจะจบด้วยความก้าวหน้าในบางจุดซึ่งไม่สามารถขยายได้

ค่ามาจากการจัดตำแหน่งเทคโนโลยีกับกระบวนการทำงานและผลลัพธ์ของธุรกิจ เพื่อให้ AI สามารถทำงานทั่วทั้งองค์กร ไม่ใช่แค่ภายในซิลโล่เท่านั้น นั่นคือเมื่อคุณเปลี่ยนจากการทดลองไปสู่การเปลี่ยนแปลงที่แท้จริงและเริ่มรับรู้ถึงค่าที่ยั่งยืนและครอบคลุมทั่วทั้งองค์กร

เมื่อไหร่ที่บริษัทควรหยุดการทดลองและยอมรับการเปลี่ยนแปลง AI ในระดับองค์กร และสัญญาณใดบ่งชี้ว่าพวกเขาพร้อม?

องค์กรควรพ้นจากการทดลองเมื่อพร้อมที่จะฝัง AI ลงในกระบวนการทำงานตั้งแต่ต้นจนจบ นั่นคือการเปลี่ยนแปลงจากการปฏิบัติต่อ AI เป็นคอลเลกชั่นของการทดลองที่สร้างขึ้นมาเป็นพิเศษไปสู่การมอง AI เป็นการเปลี่ยนแปลงเชิงกลยุทธ์ที่มีเส้นทางที่ชัดเจนสำหรับจุดมุ่งหมายที่มีค่าและวิธีการจับผลประโยชน์จากมัน

หมายถึงการสร้างความสอดคล้องกันระหว่างผู้มีส่วนได้ส่วนเสียรอบๆ จุดมุ่งหมายร่วมกัน การกำหนดจุดที่ AI สามารถสร้างผลกระทบมากที่สุดข้ามฟังก์ชันต่างๆ และการวางโครงสร้างการกำกับดูแลและแบบจำลองการดำเนินงานที่เหมาะสมเพื่อดำเนินการตามนั้น โดยไม่มีความชัดเจนนี้ องค์กรยังคงติดอยู่กับการทดลองที่ยากต่อการขยายหรือทำซ้ำ

โดยสรุป ความสำเร็จจะลงมาจากการเปลี่ยนแปลงจากการทดลองที่กระจัดกระจายไปสู่กลยุทธ์ที่ประสานกันและครอบคลุมทั้งองค์กร — ที่ไหนที่ค่าถูกกำหนดให้ชัดเจน จัดลำดับความสำคัญ และได้รับการ实现อย่างเป็นระบบ

ผู้บริหารควรคิดใหม่เกี่ยวกับผลตอบแทนต่อการลงทุน (ROI) ในบริบทของ AI อย่างไร โดยเฉพาะอย่างยิ่งเมื่อประโยชน์ขยายออกไปนอกเหนือจากค่าใช้จ่ายในการประหยัด ไปสู่การเพิ่มผลผลิต การออกแบบกระบวนการทำงานใหม่ และความได้เปรียบเชิงกลยุทธ์ในระยะยาว?

เป็นเรื่องของการคิดถึง ROI ของ AI มากกว่าแค่การประหยัดค่าใช้จ่าย เมื่อคุณเข้าไปในสมการค่าที่กว้างขึ้นซึ่งรวมถึงการเพิ่มผลผลิต การเปลี่ยนแปลงกระบวนการทำงาน และช่องทางใหม่ๆ สำหรับการเติบโต นั่นคือเมื่อคุณปลดปล่อยคุณค่าแท้จริงของ AI ในขณะที่ความэффективมีความสำคัญ ผลกระทบที่ใหญ่กว่ามักจะมาจากการออกแบบบทบาทใหม่ การเร่งการตัดสินใจ และการเปิดใช้แบบจำลองธุรกิจที่ใหม่หมดจด ความท้าทายคือประโยชน์เหล่านี้ไม่ปรากฏเสมอไปในเมตริกทางการเงินแบบดั้งเดิมหรือรอบ P&L สั้นๆ

กุญแจสำคัญคือการนำแนวทางวัดที่ครอบคลุมมากขึ้นซึ่งรวมถึงผลลัพธ์ทางการเงิน การดำเนินงาน และการทำงานเข้าด้วยกัน สุดท้ายเป้าหมายคือการประเมิน AI ไม่เพียงแต่ในฐานะเครื่องมือในการลดต้นทุน แต่ยังเป็นตัวขับเคลื่อนความได้เปรียบทางการแข่งขันในระยะยาวด้วย

หนึ่งในความท้าทายที่เน้นย้ำคือช่องว่างระหว่างความมองเห็นและการดำเนินการ ทำไมองค์กรจึงต้องดิ้นรนในการนำความเข้าใจที่ได้จาก AI ไปสู่การดำเนินการ?

ช่องว่างระหว่างความเข้าใจและการดำเนินการเป็นปัญหาการดำเนินการ ไม่ใช่การวิเคราะห์ องค์กรสามารถสร้างความเข้าใจได้บางครั้ง แต่สิทธิ์ในการตัดสินใจที่ไม่ชัดเจน การบูรณาการกระบวนการทำงานที่ไม่ดี และการขาดความรับผิดชอบขัดขวางไม่ให้ดำเนินการ การกำกับดูแลเป็นกุญแจสำคัญ การปิดช่องว่างนี้ต้องอาศัยการฝัง AI และการทำความเข้าใจผลกระทบต่อกระบวนการทำงาน การปฏิบัติ นโยบาย และเส้นทางการดำเนินการ

Enterprise AI Navigator ของดีลอยท์เน้นย้ำถึง “การเปลี่ยนเป็นตัวแทน” ของงาน การตัดสินใจของผู้นำควรเป็นอย่างไรเกี่ยวกับกระบวนการทำงานที่เหมาะสมที่สุดสำหรับตัวแทน AI เทียบกับกระบวนการทำงานที่ขับเคลื่อนด้วยมนุษย์?

กระบวนการทำงานที่แตกต่างกันต้องการระดับการอัตโนมัติที่แตกต่างกัน การเปลี่ยนแปลงที่มีประสิทธิภาพคือการทำการเลือกที่ถูกต้อง คำถามหลักไม่ใช่ ว่า จะใช้ตัวแทน AI — แต่เป็น ที่ไหนที่พวกเขาสร้างค่ามากที่สุด

ค่านั้นสามารถประเมินได้สองวิธีหลัก: “ความเหมาะสม” ขององค์กรและผลกระทบทางการเงิน สำหรับบางองค์กร การจัดตำแหน่งกับกระบวนการทำงานที่มีอยู่ วัฒนธรรม และวิธีการทำงานจะเป็นจุดเริ่มต้น โดยที่ “ความเหมาะสม” เป็นจุดเริ่มต้นที่ดีที่สุด สำหรับองค์กรอื่นๆ จุดสนใจจะอยู่ที่ผลตอบแทนทางการเงินที่วัดได้ โดยที่การทำความเข้าใจช่วงและขนาดของการสร้างค่ากลายเป็นตัวขับเคลื่อนหลัก

ความสามารถในการประเมินทั้งสองมิตินี้ทำให้เกิดการตัดสินใจเชิงกลยุทธ์ที่มีข้อมูลมากขึ้น

สิ่งสำคัญที่ต้องทราบคือกระบวนการทำงานทุกอย่างไม่ควรถูกเปลี่ยนเป็นตัวแทน AI บางกระบวนการทำงานต้องการการตัดสินใจ การเชื่อถือ หรือความคิดสร้างสรรค์ของมนุษย์ เป้าหมายคือการสร้างแบบจำลองที่ผสมผสานระหว่างมนุษย์และตัวแทน AI ที่ออกแบบมาเพื่อเสริมซึ่งกันและกัน

หลายองค์กรกำลังลงทุนอย่างมากในเครื่องมือ AI แต่ไม่ได้เปลี่ยนแปลงกระบวนการทำงาน การเปลี่ยนแปลงโครงสร้างองค์กรมีความสำคัญเพียงใดต่อการบรรลุผลกระทบของ AI ที่แท้จริง?

การเปลี่ยนแปลงโครงสร้างองค์กรไม่ใช่สิ่งที่เลือกได้ — มันถือเป็นศูนย์กลางในการบรรลุผลกระทบของ AI บริษัทที่ลงทุนในเครื่องมือโดยไม่เปลี่ยนแปลงกระบวนการทำงานมักจะเห็นการเพิ่มขึ้นเพียงเล็กน้อยเท่านั้น ค่าแท้จริงมาเมื่อองค์กรคิดใหม่เกี่ยวกับบทบาทและความรับผิดชอบ โครงสร้างทีม และวิธีการตัดสินใจ AI ไม่เพียงแต่เปลี่ยนงานเท่านั้น — มันเปลี่ยนวิธีการทำงานทั่วทั้งองค์กร

การเปลี่ยนแปลงโครงสร้างที่ไม่สอดคล้องกันจะจำกัดการเปลี่ยนแปลงที่แท้จริง

การกำกับดูแลกำลังตกหลังการนำรับใช้ AI โดยเฉพาะอย่างยิ่งด้าน AI ที่มีศักยภาพสูง องค์กรกำลังประเมินต่ำความเสี่ยงใดๆ ในขณะที่ขยายระบบอัตโนมัติมากขึ้น?

การวิจัยของเราพบว่าเพียง 21% ขององค์กรมีการกำกับดูแลที่เต็มที่สำหรับตัวแทนอัตโนมัติ โดยไม่มีโปรแกรมการกำกับดูแลที่เข้มแข็งและครอบคลุม องค์กรหลายแห่งลังเลที่จะใช้เครื่องมือเหล่านี้ ซึ่งมักจะนำไปสู่การเกิดขึ้นของ “AI ในเงา” ซึ่งนำมาซึ่งความเสี่ยงที่ไม่ได้รับการจัดการอย่างมีนัยสำคัญ

ในขณะเดียวกัน องค์กรมักจะประเมินต่ำมูลค่าที่พนักงานสามารถมีส่วนร่วมในการกำกับดูแลได้ นโยบายและโครงสร้างการรายงานมีความสำคัญ แต่ไม่เพียงพอ พนักงานโดยทั่วไปต้องการใช้ AI อย่างรับผิดชอบ — และเมื่อพวกเขาได้รับการสนับสนุนด้วยคำแนะนำที่ชัดเจน พวกเขากลายเป็นแนวป้องกันที่มีประสิทธิภาพ

หมายความว่าองค์กรควรเน้นไปที่การให้ความรู้แก่พนักงานของตน: สิ่งใดที่ปลอดภัย สิ่งใดที่มีความเสี่ยง และวิธีการตัดสินใจที่ดีในเวลาจริง ตัวอย่างเช่น การหยุดเพื่อถามว่า: ควรรวมข้อมูลทางการเงินที่ละเอียดอ่อนที่นี่หรือไม่ การตัดสินใจเชิงวันต่อวันแบบนี้คือที่ที่การกำกับดูแลมีชีวิตจริง พนักงานที่ได้รับข้อมูลและได้รับการสนับสนุนจะเสริมสร้างทัศนคติเสี่ยงขององค์กรอย่างแข็งขัน

สุดท้าย การตรวจสอบอย่างต่อเนื่องและการทดสอบแบบง่ายซึ่งยังไม่ได้รับการใช้อย่างเต็มที่ถือเป็นสิ่งจำเป็น เมื่อเราเดินหน้าต่อไปในยุคของ AI ที่มีศักยภาพสูง การกำกับดูแลอย่างต่อเนื่องควรกลายเป็นมาตรฐานสำหรับองค์กรใดๆ ที่ใช้ความสามารถเหล่านี้ในระดับใหญ่

ดีลอยท์แนะนำว่า Enterprise AI Navigator สามารถลดเวลาในการวางกลยุทธ์และการออกแบบได้อย่างมีนัยสำคัญ สิ่งใดที่เปลี่ยนแปลงไปในกระบวนการตัดสินใจ AI ขององค์กรเมื่อใช้ระบบเช่นนี้?

Enterprise AI Navigator เชื่อมโยงความเข้าใจทางการเงิน กระบวนการทำงาน และข้อมูลด้านแรงงานเข้ากับเส้นทางการเปลี่ยนแปลงที่เป็นเอกลักษณ์ สิ่งที่เปลี่ยนไปคือการเปลี่ยนแปลงจากการตัดสินใจโดยอาศัย直觉ไปสู่การเปลี่ยนแปลงที่ได้รับข้อมูลจากข้อมูล ซึ่งสะท้อนถึงแนวทางที่มีวินัยในการใช้งานทั่วทั้งภูมิทัศน์ของผู้มีส่วนได้ส่วนเสีย ด้วย Enterprise AI Navigator ดีลอยท์สามารถช่วยสร้างสถานการณ์ก่อนการลงทุน ตัดสินใจ AI ที่เชื่อมโยงโดยตรงกับผลกระทบทางการเงินและกระบวนการทำงาน และเปลี่ยนจากการทดลองที่แยกจากกันไปสู่เส้นทางที่สอดคล้องกันสำหรับองค์กร

มันจะบีบอัดวงจรกลยุทธ์และการออกแบบโดยการให้ความมองเห็นแก่ผู้นำว่าสิ่งใดที่จะทำงาน — ก่อนที่จะขยายสิ่งนั้น

เมื่อมองไปข้างหน้า 1-2 ปี สิ่งใดที่จะแยกความแตกต่างระหว่างบริษัทที่สามารถเปลี่ยน AI ให้เป็นความได้เปรียบทางการแข่งขันและที่ยังคงติดอยู่ในขั้นทดลอง?

ความแตกต่างจะไม่อยู่ที่ว่าใครนำ AI มาใช้ — แต่อยู่ที่ว่าใครเปลี่ยนแปลงเพราะมัน ผู้นำเหล่านั้นจะรักษา AI ไว้เป็นตัวขับเคลื่อนการเปลี่ยนแปลงทางธุรกิจ ไม่ใช่แค่ชุดเครื่องมือเท่านั้น ซึ่งหมายถึงการเปลี่ยนแปลงกระบวนการทำงานและแบบจำลองการดำเนินงานตั้งแต่ต้นจนจบ ในขณะเดียวกันก็วัดค่าโดยรวมทั่วทั้งผลลัพธ์ทางการเงิน ผลลัพธ์ด้านแรงงาน และการเติบโต

สิ่งสำคัญคือพวกเขาจะตระหนักว่าผลผลิตเพียงอย่างเดียวไม่ใช่เส้นชัยหลายองค์กรได้เห็นการเพิ่มขึ้นของประสิทธิภาพที่เพิ่มขึ้นแล้ว แต่ความได้เปรียบทางการแข่งขันมาจากการใช้ AI เพื่อปลดปล่อยแหล่งรายได้ใหม่ๆ การเปลี่ยนแปลงข้อเสนอ และการขับเคลื่อนการเติบโตในระดับองค์กร — ไม่ใช่แค่การทำงานให้เร็วขึ้น

ผู้ที่ล้าหลังจะยังคงมุ่งเน้นไปที่เครื่องมือมากกว่าผลลัพธ์ การไล่ตามกรณีการใช้งานที่แยกจากกันโดยไม่เชื่อมต่อกับธุรกิจ พวกเขายังจะลงทุนไม่เพียงพอในการจัดการการเปลี่ยนแปลง การกำกับดูแล และการประสานงาน — ทำให้การขยายผลกระทบยาก

โดยสรุป ผู้ชนะจะเป็นคนที่เปลี่ยนจาก AI ที่ได้รับการสนับสนุนไปสู่องค์กรที่ได้รับพลังจาก AI องค์กรเหล่านี้จะฝัง AI ลงในวิธีการดำเนินธุรกิจ วิธีการเติบโต และวิธีการแข่งขัน — ไม่ใช่แค่วิธีการทดลองเท่านั้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม ดีลอยท์ เพื่อเรียนรู้เพิ่มเติม