คอนเท็กซ์คือทองคำใหม่: วงการ AI ต่อไปจะซื้อความเข้าใจ ไม่ใช่พลังประมวลผล

การปฏิวัติ AI ถูกขัดขวาง – ไม่ใช่เนื่องจากพลังประมวลผลที่ไม่เพียงพอ แต่เนื่องจากองค์กรกำลังแก้ปัญหาผิด

ในขณะที่การใช้จ่าย GenAI ทั่วโลกคาดว่าจะสูงถึง 644 พันล้านดอลลาร์สหรัฐฯ ในปี 2025 ผู้เชี่ยวชาญยังเตือนด้วยว่ามากกว่า 40% ของโครงการ AI ที่ใช้ agentic จะถูกยกเลิกภายในปี 2027 จริงๆ แล้ว การซื้อขาย M&A ล่าสุด เช่น การซื้อ Crunchy Data มูลค่า 250 ล้านดอลลาร์สหรัฐฯ ของ Snowflake และการซื้อ Predibase ของ Rubrik ส่งสัญญาณถึงการเปลี่ยนแปลงพื้นฐาน: ขั้นตอนต่อไปของ AI ในองค์กรคือมากกว่าความสามารถในการประมวลผล… มันคือความเข้าใจที่ลึกซึ้งยิ่งขึ้น

เงินอัจฉริยะกำลังเคลื่อนไหว

ตาม การสำรวจของ S&P Global Market Intelligence ในปี 2025 42% ของธุรกิจได้ยกเลิกโครงการ AI ส่วนใหญ่แล้ว ซึ่งเพิ่มขึ้นจาก 17% ในปี 2024 อีก 46% ถูกทิ้งไปก่อนที่จะเริ่มการผลิต

โครงการ AI เหล่านี้ไม่ล้มเหลือเนื่องจากข้อจำกัดทางเทคนิค แต่เนื่องจากช่องว่างด้านความหมาย หากระบบ AI สามารถประมวลผลข้อมูลได้หลายเปตะไบต์ แต่ไม่สามารถเข้าใจว่า “มูลค่าลูกค้าตลอดชีวิต” หมายถึงอะไรในความต้องการของแผนกที่แตกต่างกัน จุดล้มเหลวจะน่าจะเป็นเรื่องของบริบท

พิจารณา กลยุทธ์เบื้องหลังการ การรวม ความสามารถ AI ที่มีความหมายของ Postgres ของ Snowflake ซึ่งมีเป้าหมายที่จะสร้างรากฐานที่ซึ่งเอเย่นต์ AI สามารถเข้าใจบริบทการทำธุรกรรมและวิชาบริหารธุรกิจ — ทำให้นักพัฒนาสามารถ “สร้างเอเย่นต์ AI ที่เชื่อถือได้” ด้วย “ความคล่องตัว ความชัดเจน และการควบคุมที่มากขึ้น” การซื้อ Predibase ของ Rubrik มีเป้าหมายที่จะช่วยให้ลูกค้า “_deploy AI ที่มี agentic ได้อย่างปลอดภัย” โดยให้ความสำคัญกับความแม่นยำของบริบทควบคู่ไปกับพลังประมวลผล

ที่ที่คอนเท็กซ์พบกับความสามารถในการปรับขนาด

ความสำเร็จของ การทำงานร่วมกัน ของ Palantir กับ Qualcomm เพื่อขยายความสามารถในการเข้าใจ AI เป็นตัวอย่างอีกอย่างหนึ่งของพลังการเปลี่ยนแปลงของสถาปัตยกรรม AI ที่ให้ความสำคัญกับคอนเท็กซ์ วิธีการ “ออนโทโลจี” — การสร้างหลักการทางภาษาเพื่อสร้างความสัมพันธ์ระหว่างแนวคิดทางธุรกิจ ความสัมพันธ์ และกฎเกณฑ์ให้เข้ากับรูปแบบที่เครื่องสามารถอ่านได้ — ทำให้ AI เปลี่ยนจากการรู้จับรูปแบบไปสู่การให้เหตุผลทางธุรกิจที่ชัดเจน และแสดงให้เห็นว่าความเข้าใจด้านความหมายทำให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพ แม้ในสภาพแวดล้อมที่ไม่มีการเชื่อมต่อหรือมีการจำกัดทรัพยากร

ตัวอย่างเช่น ในเรื่องของโครงการพลังงานนิวเคลียร์ AI ของ Palantir ไม่เพียงแต่คาดการณ์การล้มเหลวของอุปกรณ์เท่านั้น แต่ยังเข้าใจถึงผลกระทบทางธุรกิจที่เกิดขึ้นตามมาในห่วงโซ่อุปทานและการปฏิบัติตามกฎระเบียบด้วย ใน การผลิต ระบบของพวกเขาสามารถเข้าใจความสัมพันธ์ระหว่างการควบคุมคุณภาพ การจัดการสินค้าคงคลัง และความมุ่งมั่นของลูกค้า ทำให้มองเห็นภาพรวมการดำเนินงานที่ช่วยให้คาดการณ์และป้องกันปัญหาได้

ตามที่ผู้บริหารของ Palantir ระบุ “วิธีการออนโทโลจี (ออนโทโลจีเบส) ทำให้ผู้ใช้สามารถสร้างเวิร์กโฟลว์ที่รวมและผสมผสานสินทรัพย์ตรรกะที่ไม่เหมือนกัน” ทำให้ AI สามารถ “แนะนำเข้าสู่บริบทการตัดสินใจที่ซับซ้อนได้อย่างปลอดภัย”

การปฏิวัติอินฟราสตรัคเจอร์แบบคอนเท็กซ์-เฟิร์สต์

การเปลี่ยนแปลงจากสถาปัตยกรรมที่ให้ความสำคัญกับประสิทธิภาพไปสู่สถาปัตยกรรมที่ให้ความสำคัญกับความหมายแทน เป็นการเปลี่ยนแปลงพื้นฐานของ AI ในองค์กร ตาม การประชุม Gartner Data & Analytics Summit ในปี 2025 การเปลี่ยนแปลงนี้ขึ้นอยู่กับปัจจัยสำคัญ 3 ประการ:

• สถาปัตยกรรมข้อมูลด้านความหมาย: แต่ละจุดข้อมูลต้องมีความหมายทางธุรกิจ ไม่ใช่แค่ค่าทางเทคนิคเท่านั้น ตามที่ การวิจัยของ Enterprise Knowledge แสดงให้เห็น ชั้นด้านความหมายทำหน้าที่เป็นสะพานเชื่อมระหว่างข้อมูลดิบและแอปพลิเคชัน โดยให้ “มุมมองที่เป็นเอกภาพและเป็นบริบท” ที่ช่วยให้ผู้ใช้สามารถโต้ตอบได้อย่าง直观
• การรวมลอจิกทางธุรกิจ: เพื่อให้ AI สมัยใหม่ให้คุณค่าสูงสุด จำเป็นต้องมีการรวมเข้ากับบริบททางธุรกิจที่กำหนดไว้ล่วงหน้า ซึ่งเป็นขององค์กรใดองค์กรหนึ่ง Oracle’s AI Agent Studio เป็นตัวอย่างของวิธีการนี้ โดยให้เข้าถึง Oracle Fusion Applications APIs ห้องสมุดความรู้ และเครื่องมือที่กำหนดไว้ล่วงหน้า ซึ่งรักษาลอจิกทางธุรกิจเฉพาะขององค์กรไว้ภายในเวิร์กโฟลว์ที่มี AI ผู้ช่วยด้วย AI เหล่านี้ช่วยให้ระบบ AI ที่มี agentic มีพลังโดยการรวมออนโทโลจีทางธุรกิจเข้ากับ Protocol ของ Model Context (MCP) ซึ่งช่วยให้สามารถตีความข้อมูลที่มีบริบทและทำให้เอเย่นต์ AI สามารถทำงานได้บนแหล่งข้อมูลที่หลากหลาย
• เครื่องมือการตัดสินใจด้านคอนเท็กซ์: รายงาน AI ในสถานที่ทำงานของ McKinsey ในปี 2025 เน้นย้ำว่าระบบ AI ขององค์กรที่ประสบความสำเร็จต้องเข้าใจถึงผลกระทบทางธุรกิจของงานใดๆ สำหรับองค์กรใดๆ จริงๆ แล้ว มีเพียง 1% ของบริษัทเท่านั้นที่เชื่อว่าตนเองได้ถึงความเป็นเลิศใน AI ซึ่งเน้นถึงช่องว่างระหว่างความสามารถในปัจจุบันกับความต้องการด้านคอนเท็กซ์

ผลกระทบด้านการแข่งขัน

องค์กรที่สามารถสร้างระบบ AI ที่มีคอนเท็กซ์อย่างมีประสิทธิภาพจะสร้างความได้เปรียบด้านการแข่งขันที่สามารถเสริมสร้างตนเองได้

การโต้ตอบทางธุรกิจแต่ละครั้งมีศักยภาพที่จะเพิ่มความเข้าใจที่ลึกซึ้งยิ่งขึ้นของ AI ที่มี agentic เกี่ยวกับความต้องการเฉพาะของธุรกิจใดๆ ทำให้การทำงานดีขึ้นและสร้างคูน้ำที่มี agentic ที่จะยากสำหรับผู้อื่นที่จะทำซ้ำได้ด้วยพลังประมวลผลเพียงอย่างเดียว รายงาน State of Generative AI ของ Deloitte ยืนยันว่าในขณะที่ 60% ขององค์กรดำเนินการทดลอง AI ได้ถึง 20 ครั้ง องค์กรที่มุ่งเน้นไปที่ “ความท้าทายที่เฉพาะเจาะจงด้านอุตสาหกรรมและธุรกิจ” มีผลลัพธ์ที่ดีกว่าอย่างมีนัยสำคัญ

ผลกระทบต่อทักษะก็สำคัญไม่แพ้กัน ในขณะที่วิศวกร AI มีเงินเดือนสูงจริงๆ ความขาดแคลนที่แท้จริงคือผู้เชี่ยวชาญที่เข้าใจทั้งการนำ AI ไปใช้และออนโทโลจีของธุรกิจ การคาดการณ์ AI ของ PwC ในปี 2025 เน้นย้ำว่า “ความสำเร็จของ AI จะเป็นเรื่องของวิสัยทัศน์ไม่ต่างจากความต้องการที่จะนำมาใช้ โดยที่บริษัทต่างๆ ต้องการแนวทางที่เป็นระบบและโปร่งใสในการยืนยันคุณค่าที่ยั่งยืน” กล่าวอีกนัยหนึ่ง หากผู้ที่ฝึก AI เพื่อให้เข้าใจความต้องการทางธุรกิจไม่เข้าใจความต้องการเหล่านั้น AI ที่พวกเขาสร้างขึ้นก็ไม่เข้าใจเช่นกัน

คำสั่งเชิงกลยุทธ์

องค์กรจึงต้องทำการเปลี่ยนแปลงทางสถาปัตยกรรมอะไรบ้าง?

การประชุม Gartner Data & Analytics Summit เน้นย้ำถึงความสำคัญของการเปลี่ยนแปลงจากเมตาดาต้าทางเทคนิคไปสู่เมตาดาต้าด้านความหมาย — ข้อมูลที่มีความหมายทางธุรกิจที่กำหนดไว้ล่วงหน้า ออนโทโลจี และความสัมพันธ์ การเปลี่ยนแปลงนี้เป็น “การออกแบบด้านความหมายก่อน” ซึ่งจำเป็นสำหรับองค์กรที่ต้องการได้รับข้อมูลเชิงลึกที่มีความหมายและรับประกันความชัดเจนข้ามระบบ ในเวลาเดียวกัน การกำกับดูแล AI ด้านคอนเท็กซ์ที่มีประสิทธิภาพก็จำเป็นต่อการแยกความแตกต่างระหว่างความสามารถ AI ที่มี agentic จริงๆ และ แบบจำลองที่ไม่เพียงพอ ที่ให้การทำงานอัตโนมัติขั้นพื้นฐานเท่านั้น แต่ถูกตลาดอย่างผิดๆ ว่าเป็น AI ที่มี agentic

บริษัทที่ประสบความสำเร็จกับ AI ที่มี agentic จะเป็นบริษัทที่ตั้งค่าเอเย่นต์ AI ของตนให้เข้าใจบริบททางธุรกิจลึกพอที่จะสามารถดำเนินการได้อย่างอิสระและมีประสิทธิภาพ

โอกาส AI ที่มี agentic

Gartner คาดการณ์ ว่า 33% ของซอฟต์แวร์สำหรับองค์กรจะรวม AI ที่มี agentic โดยปี 2028 ซึ่งเพิ่มขึ้นจากน้อยกว่า 1% ในปี 2024 การเพิ่มขึ้นของ AI ที่มี agentic ทำให้อินฟราสตรัคเจอร์ด้านความหมายจำเป็น; เพื่อให้บรรลุเป้าหมายนี้ ระบบ AI ต้องมี:

• ความเข้าใจด้านคอนเท็กซ์ที่ลึกซึ้งเพื่อตัดสินใจอิสระที่สอดคล้องกับเป้าหมายทางธุรกิจ
• ความสอดคล้องด้านความหมายทั่วทั้งแหล่งข้อมูลเพื่อป้องกันการกระทำที่ขัดแย้งกันระหว่างแผนกและงานที่แตกต่างกัน
• การรวมลอจิกทางธุรกิจเพื่อให้แน่ใจว่ามีการปฏิบัติตามกฎและข้อบังคับขององค์กร

เมื่อองค์กรลงทุนหลายพันล้านดอลลาร์ในการพัฒนา AI ที่มี agentic องค์กรที่ไม่มีพื้นฐานด้านความหมายจะเผชิญกับอัตราการล้มเหลวที่เพิ่มขึ้น

คำสั่งด้านคอนเท็กซ์

เมื่อระบบ AI ที่มี agentic กลายเป็นที่นิยมมากขึ้น ช่องว่างระหว่างองค์กรที่มีอินฟราสตรัคเจอร์ด้านความหมายและที่ไม่มีจะกว้างขึ้น สำหรับองค์กรที่ลงทุนใน AI ที่มี agentic การเลือกอย่างชัดเจน: สร้างรากฐานด้านความหมายตอนนี้หรือรอจนคู่แข่งที่ตระหนักถึงคอนเท็กซ์เปลี่ยนการลงทุน AI ที่ฉลาดกว่าให้เป็นข้อได้เปรียบที่ไม่สามารถตีกลับได้

ในยุคที่มีพลังประมวลผลที่มากมาย คอนเท็กซ์คือทองคำใหม่ และผู้ที่สามารถสอนระบบ AI ให้เข้าใจธุรกิจที่ตนให้บริการอย่างแท้จริงจะได้รับ สัมผัสของ Midas