AI ไม่ใช่ Iron Man แต่เป็นชุดเกราะ

ผู้นำส่วนใหญ่คิดถึง AI ในทางที่ผิด ไม่ใช่เพราะพวกเขาขาดความทะเยอทะยานหรือการรับรู้ แต่เพราะเรื่องราวที่โดดเด่น — AI ที่แทนที่แรงงานในด้านหนึ่ง และ AI ที่เป็นเครื่องมือผลิตภาพที่มีประสิทธิภาพในอีกด้านหนึ่ง — ทั้งสองอย่างพลาดประเด็น รูปแบบที่ฉันเห็นบ่อยที่สุดคือองค์กรที่สร้างผลตอบแทนจริงจาก AI ไม่ใช่ผู้ที่ใช้งาน AI อย่างกว้างขวางที่สุด แต่เป็นผู้ที่เข้าใจว่า AI เป็นอะไรจริงๆ: ไม่ใช่ Iron Man แต่เป็นชุดเกราะ และพวกเขากำหนดกลยุทธ์ของตนเองตามความแตกต่างนั้น

พิจารณาว่าชุดเกราะของ Iron Man จริงๆ แล้วคืออะไร มันไม่ใช่ฮีโร่ มันคือฮาร์ดแวร์ ซอฟต์แวร์ และอินเทลลิเจนซ์ที่ถูกประกอบเข้าด้วยกันเพื่อใช้งานโดยผู้ดำเนินการเฉพาะ โดยไม่มี Tony Stark ภายในมัน ชุดเกราะไม่มีภารกิจ ไม่มีการตัดสินใจ ไม่มีการรับผิดชอบ และไม่สามารถจัดการกับสถานการณ์ที่ไม่ได้ถูกออกแบบมาให้ ชุดเกราะมีความสามารถพิเศษ แต่ก็ขึ้นอยู่กับคนสวมมัน ความพึ่งพานี้เกิดขึ้นทั้งสองทาง — Stark ไม่มีชุดเกราะก็ถูกจำกัดโดยข้อจำกัดของมนุษย์; ชุดเกราะไม่มี Stark ก็เป็นโลหะที่ไม่มีชีวิต คุณค่า tồn tạiเฉพาะเมื่อรวมกัน AI ในองค์กรทำงานในลักษณะเดียวกัน และองค์กรที่สร้างผลตอบแทนจริงได้เข้าใจสิ่งนี้ตั้งแต่ต้น

ในกรณีที่สร้างผลตอบแทนจริง AI ทำสิ่งที่ต้องทำ: เพิ่มความสามารถ ลดการเสียดสี และปรับปรุงการดำเนินงาน แต่องค์กรที่เห็นผลลัพธ์ที่แข็งแกร่งที่สุดไม่ได้ถามว่าจะสามารถถอดคนออกจากสมการได้เร็วแค่ไหน พวกเขากำลังถามว่าจะสามารถให้คนดีที่สุดของตนใส่ชุดเกราะที่ดีกว่า — พร้อมเครื่องมือที่ดีกว่า ข้อมูลที่ดีกว่า และการสนับสนุนการตัดสินใจที่ดีกว่า — เพื่อให้พวกเขาสามารถดำเนินงานในระดับที่ไม่เคยเป็นไปได้ก่อนหน้านี้

ความสามารถเพียงอย่างเดียวไม่ใช่คุณค่าทางธุรกิจ

นี่คือจุดที่หลายๆ การสนทนาเกี่ยวกับ AI ในองค์กรมักจะหลุดออกจากทาง นัก領導มุ่งเน้นไปที่สิ่งที่เทคโนโลยีสามารถทำได้ในรูปแบบแยกออก — ไม่ว่าจะสามารถสรุปเร็วขึ้น จำแนกได้ดีขึ้น สร้างเนื้อหาที่ดีขึ้น ระบุปัญหาหรือตอบสนองอัตโนมัติได้ดีขึ้น สิ่งเหล่านี้เป็นคำถามที่ยุติธรรม แต่ก็ไม่สมบูรณ์ ความสามารถไม่ใช่สิ่งเดียวกับคุณค่าทางธุรกิจ และช่องว่างระหว่างทั้งสองสิ่งนี้คือที่ที่การลงทุน AI จำนวนมากไม่ได้ผลตามที่คาดหวัง

คุณค่าทางธุรกิจมาจากการนำ AI ไปใช้ภายในแบบจำลองการดำเนินงาน มันสำคัญที่จะถามว่ามันอยู่ที่ไหนในกระบวนการทำงาน การตัดสินใจใดที่ดีขึ้น อุปสรรคใดที่ถูกถอดออก ปัญหาใดที่ลดลง ใครเป็นผู้ตรวจสอบผลลัพธ์ และใครเป็นผู้รับผิดชอบเมื่อมีสิ่งใดไม่เข้ากับรูปแบบ สิ่งเหล่านี้คือคำถามที่กำหนดว่า AI จะสร้างคุณค่าที่ยั่งยืนหรือเพียงแค่สร้างการนำเสนอที่น่าประทับใจ

การนำ AI ไปใช้งานที่แข็งแกร่งที่สุดไม่ได้มาจากการวางเครื่องมือลงในกระบวนการทำงานที่มีอยู่แล้วและหวังว่าธุรกิจจะจัดเรียงตัวเองใหม่รอบๆ มัน มันมาจากการออกแบบงานใหม่เพื่อให้ความเร็วของเครื่องจักรถูกใช้ในที่ที่สร้างแรงกดดัน ในขณะที่การตัดสินใจของมนุษย์ยังคงอยู่ใกล้กับการตัดสินใจที่ต้องการบริบท ความละเอียดอ่อน และความรับผิดชอบ นั่นคือที่ที่คุณค่าจริงถูกสร้างขึ้น — และต้องใช้การออกแบบที่ตั้งใจ ไม่ใช่เพียงการเข้าถึงเทคโนโลยีเท่านั้น

ความหมายของ Human in the Loop จริงๆ

Human-in-the-loop เป็นหนึ่งในคำว่านที่ดูเหมือนรับผิดชอบ แต่บ่อยครั้งยังคงคลุมเครือ ในทางปฏิบัติ มันไม่ใช่คำขวัญ มันเป็นแบบจำลองการดำเนินงานที่กำหนดว่า AI จะมีประโยชน์ governable และเชื่อถือได้หรือไม่ ซึ่งหมายถึงสิทธิ์การตัดสินใจที่ชัดเจน ขอบเขตที่ชัดเจนสำหรับการเพิ่มระดับ การตรวจสอบผลลัพธ์ที่มีโครงสร้าง และความรับผิดชอบที่ชัดเจนสำหรับผลลัพธ์ — ไม่ใช่การเป็นเจ้าของร่วมกันในทางคลุมเครือ องค์กรที่กำหนดสิ่งนี้อย่างชัดเจนเป็นผู้ที่สร้างความไว้วางใจเชิงสถาบันใน AI ที่แท้จริง — ความไว้วางใจที่ได้รับเพราะคนภายในองค์กรเข้าใจอย่างชัดเจนว่าเมื่อใดควรพึ่งพาระบบ เมื่อใดควรท้าทาย และใครรับผิดชอบเมื่อมันสำคัญที่สุด ความไว้วางใจนี้ไม่ใช่สิ่งที่ดี แต่เป็นสิ่งที่ตัดสินว่า AI จะแพร่กระจายไปทั่วทั้งองค์กรหรือหยุดหลังจากการนำไปใช้ครั้งแรก

ตัวอย่างเช่น ในการบริการลูกค้า AI อาจสรุปประวัติของกรณี จัดเส้นทางการสอบถาม หรือแนะนำร่างคำตอบ สิ่งนี้สามารถสร้างประสิทธิภาพที่แท้จริงได้ แต่เมื่อประเด็นนั้นเป็นเรื่องอ่อนไหว มีประเด็นทางอารมณ์ หรืออยู่นอกบรรทัดฐาน การตัดสินใจของมนุษย์ยังคงจำเป็น AI อาจเพิ่มช่วงและความเร็ว แต่บุคคลยังคงควบคุมการโต้ตอบ

ตรรกะเดียวกันนี้ใช้ได้กับฟังก์ชันเช่นการเงิน กฎหมาย การปฏิบัติตามกฎระเบียบ และการดำเนินงาน AI สามารถทบทวนดокумент ระบุปัญหา พบรูปแบบ และประมวลผลสัญญาณในระดับที่บุคคลไม่สามารถทำได้ แต่คุณค่าไม่ได้อยู่ที่การแทนที่การตัดสินใจ แต่อยู่ที่การทำให้บุคคลที่มีทักษะสามารถใช้เวลาในการวิเคราะห์ความเสี่ยงเชิงกลยุทธ์ การตัดสินใจ และสิ่งที่ส่งผลกระทบต่อผลลัพธ์จริงๆ ในหลายๆ สภาพแวดล้อมขององค์กร บทบาทของมนุษย์ที่มีคุณค่าสูงไม่ได้หายไป แต่กลายเป็นมีศูนย์กลางมากขึ้นรอบๆ การกำกับดูแล การเพิ่มระดับ การจัดระเบียบ และความรับผิดชอบ

จุดเริ่มต้นที่ถูกต้อง

องค์กรที่ทำความก้าวหน้าจริงๆ ด้วย AI มีจุดเริ่มต้นที่สอดคล้องกัน: พวกเขาตั้งต้นด้วยปัญหาทางธุรกิจที่ต้องแก้ไข ไม่ใช่เทคโนโลยีที่ต้องนำมาใช้ พวกเขากำหนดว่าความเร็วของเครื่องจักรสร้างแรงกดดันใน đâu ก่อนที่จะนำไปใช้ พวกเขากำหนดความรับผิดชอบก่อนที่จะนำไปใช้ และพวกเขากำหนดผลลัพธ์ที่แท้จริงก่อนที่จะพูดถึงผลผลิต ความมีระเบียบวินัยนี้ — ผลลัพธ์เป็นอันดับแรก เทคโนโลยีเป็นอันดับสอง — น้อยกว่าที่ควรเป็น และมักจะเป็นสิ่งที่แยกความแตกต่างระหว่างการนำไปใช้ที่เพิ่มขึ้นในคุณค่ากับการนำไปใช้ที่หยุดชะงัก

ช่องว่างระหว่างการนำไปใช้ที่มีแนวโน้มดีกับการนำไปใช้ที่แข็งแกร่งคือที่ที่คุณค่าของ AI ส่วนใหญ่หายไป มันไม่ใช่ความล้มเหลวทางเทคนิค แบบจำลองการทำงานได้ ผลลัพธ์สมเหตุสมผล แต่คนไม่ไว้วางใจสิ่งที่พวกเขาไม่เข้าใจ ทีมไม่เปลี่ยนวิธีการทำงานเพียงเพราะระบบใหม่ปรากฏขึ้นในสภาพแวดล้อมของพวกเขา และองค์กรไม่ได้รับคุณค่าทางธุรกิจเพียงเพราะการนำไปใช้ครั้งแรกน่าประทับใจ การนำไปใช้สำเร็จ การนำไปใช้ล้มเหลว และผลตอบแทนที่ไม่เคยเกิดขึ้น

ความพร้อมขององค์กรยังคงเป็นความท้าทายที่ใหญ่กว่าการเข้าถึงทางเทคนิค การซื้อการเข้าถึงความสามารถ AI ค่อนข้างง่าย การเปลี่ยนแปลงกระบวนการ การกำกับดูแล การวัด และพฤติกรรมของทีมรอบๆ ความสามารถนั้นยากกว่า แต่บริษัทที่ทำได้ดีคือการสร้างสิ่งที่มีค่ามากกว่าการนำ AI ไปใช้ — พวกเขากำลังสร้างแพลตฟอร์ม ที่ทุกกรณีการใช้งานในอนาคตจะเร็วขึ้นในการตรวจสอบ มีประสิทธิภาพมากขึ้น และเชื่อมโยงกับผลลัพธ์ทางธุรกิจที่สามารถวัดได้จริงๆ

การหลอกลวงของ Vibe Coding

มีแหล่งที่มาของความสับสนเฉพาะที่กำลังทำให้สิ่งนี้เลวร้ายลงในขณะนี้ การเพิ่มขึ้นของ “vibe coding” — ความคิดที่ว่าใครก็ตามที่มีการเข้าถึงเครื่องมือ AI สามารถสร้างระบบซอฟต์แวร์ที่ซับซ้อนได้อย่างรวดเร็วและไม่ต้องมีความเชี่ยวชาญทางเทคนิค — ได้รับการเพิ่มขึ้นโดยการตลาดจากบริษัท AI ทั้งแพลตฟอร์มที่มีอยู่และรุ่นใหม่ของสตาร์ทอัพ ที่บ่อยครั้งพูดเกินจริงว่า 얼마ง่ายที่จะสร้างและนำระบบ AI ที่แท้จริงมาใช้ ซึ่งแท้จริงแล้วเป็นรากฐานของกระบวนการทางธุรกิจและสร้างคุณค่าจริง ข้อความนั้น ไม่ว่าจะตั้งใจหรือไม่ คือส่วนที่ยากได้ถูกแก้ไขไปแล้ว มันไม่ได้

AI ได้ลดข้อจำกัดในการสร้างสิ่งที่ดูเหมือนจะทำงานจริงๆ โพรโทไทป์ การนำเสนอ การพิสูจน์แนวคิดที่น่าประทับใจในห้องประชุม — สิ่งเหล่านี้เข้าถึงได้ง่ายกว่าที่เคย แต่สิ่งที่ดูเหมือนจะทำงานและทำงานจริงๆ ในระดับองค์กรเป็นสิ่งที่แตกต่างกันโดยสิ้นเชิง การสร้างระบบที่ทำงานได้อย่างน่าเชื่อถือบนข้อมูลที่จริงจัง ไม่สมบูรณ์ และไม่สมบูรณ์เป็นปัญหาที่แตกต่างจากการสร้างระบบที่ทำงานได้บนชุดข้อมูลทดสอบที่สะอาด การสร้างระบบที่จัดการกับข้อยกเว้น กรณีเชิงขอบ และโหมดการล้มเหลวอย่างน่าดึงดูดเป็นปัญหาที่แตกต่างจากการสร้างระบบที่จัดการกรณีทั่วไป และการสร้างระบบที่มีโครงสร้างการกำกับดูแล ความสามารถในการตรวจสอบ และความรับผิดชอบที่การนำไปใช้จริงๆ ต้องการเป็นปัญหาอีกอย่างหนึ่ง

ช่องว่างนี้มีค่าใช้จ่ายในอุตสาหกรรมใดๆ ในอุตสาหกรรมที่มีการควบคุม มันอาจเป็นเรื่องของการอยู่รอด ในการธนาคาร บริการทางการเงิน การประกัน และการดูแลสุขภาพ ระบบ AI ที่เป็นรากฐานของกระบวนการทางธุรกิจจริงๆ ต้องดำเนินงานภายในกรอบการกำกับดูแลที่เข้มงวด — SR 26-2 สำหรับความเสี่ยงของแบบจำลองในสถาบันการเงิน, HIPAA และ ข้อกำหนดสำหรับการสนับสนุนการตัดสินใจทางคลินิกในด้านการดูแลสุขภาพ, Solvency II และพันธกรณีในการดำเนินงานในด้านการประกันภัย พวกเขาต้องสามารถอธิบายได้สำหรับผู้กำกับดูแลและป้องกันได้ภายใต้การตรวจสอบ พวกเขาต้องมีการรับผิดชอบที่ชัดเจนสำหรับการตัดสินใจที่สำคัญทุกครั้งที่พวกเขาสนับสนุน พวกเขาต้องมีกลไกการล้มเหลวที่ได้รับการทดสอบเมื่อพวกเขาล้มเหลว ไม่มีสิ่งใดที่อยู่ในขอบเขตของโพรโทไทป์ที่ถูกเขียนด้วย Vibe ที่น่าดึงดูด ไม่ว่ามันจะน่าประทับใจแค่ไหนในระหว่างการนำเสนอ

ความสับสนนี้มีค่าใช้จ่ายในทางที่เฉพาะเจาะจง ผู้นำ หลังจากดูดซับเรื่องราวของการทำให้เข้าถึงได้ พวกเขาจะลดขนาดการลงทุน ลดความเชี่ยวชาญที่ต้องการ และจากนั้นให้ความผิดพลาดกับ AI เมื่อจริงๆ แล้วสาเหตุของความล้มเหลวคือแนวทางที่ใช้ สิ่งที่ดูเหมือนเป็นปัญหา AI มักจะเป็นปัญหาเกี่ยวกับข้อมูล การกำกับดูแล หรือโครงสร้างที่ไม่สามารถแก้ไขได้ด้วยการเขียนคำสั่งใดๆ รูปแบบที่เราเห็นบ่อยคือองค์กรที่รักษาแนวทางปฏิบัติในการนำ AI ไปใช้เหมือนกับที่พวกเขาจะนำไปใช้กับระบบธุรกิจที่สำคัญ — โครงสร้างที่เหมาะสม พื้นฐานข้อมูลที่เหมาะสม การจัดการความเสี่ยงที่เหมาะสม — เป็นผู้ที่ไปถึงการผลิตและยังคงอยู่ที่นั่น ผู้ที่หลงใหลในเรื่องราวของความง่ายได้ไปถึงการนำเสนอและสงสัยว่าทำไมคุณค่าจึงไม่ตามมา

โอกาสที่แท้จริงคือการเพิ่มประสิทธิภาพด้วยความตั้งใจ

จะมีกรณีที่ AI ถูกนำมาใช้ในการทำงานอัตโนมัติ และบางองค์กรจะแสวงหาการลดแรงงานเป็นเป้าหมายหลัก สิ่งนี้เป็นตัวเลือกที่ถูกต้อง แต่สำหรับธุรกิจส่วนใหญ่ — โดยเฉพาะอย่างยิ่ง那些ที่ดำเนินงานในสภาพแวดล้อมที่ซับซ้อน มีการควบคุม ลูกค้าเป็นศูนย์กลาง หรือต้องการการตัดสินใจ — โอกาสที่ใหญ่กว่าและยั่งยืนกว่าคือการเพิ่มประสิทธิภาพด้วยความตั้งใจ: การให้คนดีที่สุดของคุณใส่ชุดเกราะที่ทำให้พวกเขาสามารถทำสิ่งที่พวกเขาไม่สามารถทำได้ก่อนหน้านี้

การเพิ่มประสิทธิภาพประเภทนี้อาจไม่สร้างหัวข้อที่น่าประทับใจ แต่สิ่งนี้คือที่ที่คุณค่าที่ยั่งยืนอาศัยอยู่ มันปรากฏเป็นตัวเลือกที่เร็วขึ้น การจัดลำดับความสำคัญที่ดีขึ้น บริการลูกค้าที่ดีขึ้น ปัญหาที่ไม่ซ้ำกันน้อยลง และเวลาที่ใช้ในการทำงานที่ต้องการประสบการณ์และการตัดสินใจจริงๆ และเศรษฐศาสตร์ของการนำส่งเปลี่ยนแปลงในทางที่เปลี่ยนสิ่งที่องค์กรสามารถพยายามทำได้ งานที่ต้องใช้ทีมขนาดใหญ่และระยะเวลานานสามารถทำได้ด้วยทีมที่มีคุณภาพสูงกว่าและเคลื่อนที่ด้วยความเร็วที่ไม่เคยเป็นไปได้ก่อนที่ชุดเกราะจะเกิดขึ้น ข้อจำกัดของความทะเยอทะยานเปลี่ยนแปลง องค์กรเริ่มแสวงหาความสามารถที่พวกเขาจะละทิ้งไปก่อนที่ชุดเกราะจะเกิดขึ้น

บริษัทที่ดึงหน้าจะเป็นผู้ที่กลายเป็นดีที่สุดในการรวมความสามารถทางเทคนิคเข้ากับความสามารถของมนุษย์ — ผู้ที่รู้ว่าเมื่อใดที่การทำงานอัตโนมัติควรอยู่ที่ไหน การตัดสินใจของมนุษย์ควรอยู่ใกล้กับ哪里 และวิธีการออกแบบงานใหม่เพื่อให้ความแข็งแกร่งของทั้งสองเสริมกัน และพวกเขาจะสร้างรากฐานข้อมูลและแบบจำลองการกำกับดูแลที่ทำให้ทุกความสามารถ AI ใหม่เร็วขึ้นในการนำไปใช้และเชื่อถือได้ง่ายขึ้น

การทดสอบของ Iron Man

AI ไม่ใช่ Iron Man มันเป็นชุดเกราะ และเช่นเดียวกับชุดเกราะใดๆ คุณค่าของมันขึ้นอยู่กับคนสวมมัน สิ่งที่พวกเขาพยายามจะบรรลุ และวิธีการสร้างชุดเกราะให้เหมาะสมกับภารกิจที่กำหนด ผู้นำที่เข้าใจสิ่งนี้หยุดถามว่า AI พร้อมหรือไม่ และเริ่มถามว่าองค์กรของตนพร้อมหรือไม่ — ไม่ว่าแบบจำลองการดำเนินงานจะถูกกำหนดไว้หรือไม่ พื้นฐานข้อมูลมีอยู่หรือไม่ การกำกับดูแลเป็นจริงหรือไม่ และคนภายในชุดเกราะรู้ว่าพวกเขากำลังทำอะไรและทำไม่ สิ่งเหล่านี้คือคำถามที่กำหนดว่า AI จะกลายเป็นแหล่งที่มาที่แข็งแกร่งและยั่งยืนของความได้เปรียบในการแข่งขันหรือเป็นชุดการทดลองที่มีค่าใช้จ่ายสูงซึ่งไม่เคยส่งมอบตามที่คาดหวัง

ความท้าทายที่แท้จริงของการเป็นผู้นำไม่ใช่ว่า AI มีพลังหรือไม่ มันชัดเจนว่ามีพลัง ความท้าทายคือว่าผู้นำมีความเต็มใจที่จะรับมือกับมันด้วยความจริงจังที่ต้องการ — เพื่อหลีกเลี่ยงเรื่องราวของความง่าย ลงทุนในรากฐานที่ทำให้มันทำงาน และสร้างแบบจำลองการดำเนินงานที่เปลี่ยนความสามารถเป็นผลลัพธ์ นี่คือเส้นทางที่ยากกว่าการซื้อเครื่องมือและรอผลลัพธ์ แต่นี่คือเส้นทางเดียวที่นำไปสู่ที่ที่คุ้มค่าในการเดินทาง ทีมที่เราได้ทำงานด้วยที่เลือกเส้นทางนี้ไม่เพียงแต่ทำงานได้ดีขึ้นในวันนี้เท่านั้น แต่ยังสร้างองค์กรที่จะยากต่อการแข่งขันในวันพรุ่งนี้