ผู้นำทางความคิด
ทำไม ROI ในระยะยาวไม่เพียงพอ: การรับประกันคุณค่าในทุกขั้นตอนของการนำ AI ไปใช้
องค์กรต่างๆ ได้ยินสิ่งเดียวซ้ำๆ กัน: ให้ดำเนินการ AI เร็วขึ้นและแสดงผลลัพธ์ในปัจจุบัน การนำร่องกำลังเร่งตัวขึ้น โดยมี 78% ขององค์กรที่ใช้ AI ในอย่างน้อยหนึ่งฟังก์ชันทางธุรกิจในปี 2024 ซึ่งเพิ่มขึ้นจาก 55% ในปีก่อน
แต่นี่คือประเด็น: ความกดดันที่จะแสดงคุณค่าทางธุรกิจเพิ่มขึ้นเร็วเท่ากัน
สิ่งนี้เป็นคำสั่งซื้อที่ยากเมื่อระยะเวลาการดำรงตำแหน่งของ CDO สั้น และบทบาทของ Chief AI Officer (CAIO) ยังคงพัฒนา องค์กร AI มักจะหยุดชะงักก่อนที่จะแสดงคุณค่าใดๆ จริงๆ
ความท้าทายหลักคือชัดเจน: องค์กรต่างๆ ต้องหยุดสร้างกลยุทธ์ AI ที่ไล่ตามสัญญาของการ “เปลี่ยนแปลงในอนาคต” และเริ่มมุ่งเน้นในการสร้างรากฐานที่มั่นคงซึ่งให้คุณค่าในปัจจุบัน ในขณะเดียวกันก็เตรียมพร้อมสำหรับอนาคต
ปัญหากับกลยุทธ์ “อนาคตเท่านั้น”
ผู้บริหารกำลัง ลงทุนเงิน ใน AI ซึ่งจริงๆ แล้ว 92% กำลังเพิ่มงบประมาณในช่วงสามปีหน้า โดยมีมากกว่าครึ่งหนึ่งวางแผนเพิ่มขึ้น 10% นอกจากนี้ สถาบันการเงิน เช่น Morgan Stanley คาดการณ์ผลตอบแทนหลัก เช่น ~920 พันล้านดอลลาร์สหรัฐฯ ต่อปีสำหรับ S&P 500
แนวโน้มนี้ทำให้เกิดโปรแกรม AI “บิ๊กแบง-แต่ภายหลัง” ซึ่งดูเหมือนน่าประทับใจบนกระดาษ แต่ทิ้งคุณค่าไว้ไกลเกินไปจนทำให้ไม่มีผลกระทบในปัจจุบัน
ความเป็นจริงที่รุนแรงคือ องค์กรเพียงไม่กี่แห่งมีข้อมูลที่พร้อมสำหรับ AI โดยมีการกำกับดูแลและคุณภาพข้อมูลเป็นอุปสรรคที่ใหญ่ที่สุด เพียง 12% ขององค์กร รายงาน ว่าข้อมูลของตนเพียงพอสำหรับการใช้งาน AI ที่มีประสิทธิภาพ และตามที่ Gartner ระบุว่าการกำกับดูแลที่ไม่ดีจะทำให้ 60% ขององค์กรพลาดเป้าหมาย AI ภายในปี 2027 แม้ว่าจะนำ AI ไปใช้ในปัจจุบันก็ตาม
โดยสรุป โปรแกรม AI ที่พึ่งพาสัญญาในอนาคตเท่านั้นถูกตัดสินว่าจะหยุดชะงัก ติดอยู่ในสถานะทดลอง หรือเสียความเชื่อมั่นของผู้มีส่วนได้ส่วนเสีย ก่อนที่ ROI ที่คาดหวังจะมาถึง
การกำหนดคุณค่าของ AI ใหม่
เพื่อเชื่อมช่องว่างระหว่างศักยภาพในอนาคตและคุณค่าในปัจจุบัน องค์กรต่างๆ ต้องกำหนดคุณค่าของ AI ใหม่ มีสองประเภทที่แตกต่างกัน:
- คุณค่าทันที: สิ่งเหล่านี้คือการปรับปรุงที่วัดได้ ในระยะเวลาอันใกล้ เช่น 23% เร็วขึ้นในการตอบสนองครั้งแรกหลังจากใช้ GenAI สนับสนุนการช่วยเหลือ สิ่งเหล่านี้คือชัยชนะที่แสดงให้ผู้มีส่วนได้ส่วนเสียเห็นว่า AI ไม่ใช่แค่การลงทุนในระยะยาว
- คุณค่าพื้นฐาน: สิ่งนี้เกี่ยวกับการสร้างโครงสร้างพื้นฐาน – ข้อมูลท่อ การกำกับดูแล และแพลตฟอร์มที่สามารถปรับขนาดได้ – ซึ่งจะทำให้ AI ทำงานได้อย่างมีประสิทธิภาพในปัจจุบันและอนาคต ตามที่ รายงาน State of AI ของ McKinsey ระบุว่าการบริหารความเสี่ยงและการกำกับดูแลเป็นสิ่งสำคัญสำหรับความสำเร็จในระยะยาว
เมื่อคุณกำหนดคุณค่าทั้งสองสายนี้แล้ว ความท้าทายคือการสร้างสมดุลระหว่างพวกมัน: คุณสามารถขับเคลื่อนชัยชนะทันทีได้อย่างไร ในขณะเดียวกันก็รับประกันว่าพวกมันจะแปลเป็นความสามารถที่ซ้ำแล้วซ้ำอีกและได้รับการกำกับดูแล?
การสร้างสมดุลที่ถูกต้อง: คุณค่าในปัจจุบันและอนาคต
หนึ่งในความผิดพลาดที่ใหญ่ที่สุดที่ฉันเห็นคือ องค์กรละเลยการออกแบบแพลตฟอร์ม AI โดยพิจารณาจากนักพัฒนา โดยปี 2025 84% ของนักพัฒนาจะใช้เครื่องมือ AI และ 51% จะใช้เครื่องมือเหล่านั้นทุกวัน หากแพลตฟอร์ม AI ไม่รวมกับกระบวนการทำงานที่มีอยู่ การนำไปใช้จะชะลอลง ไม่ว่าโมเดลจะมีพลังมากเพียงใด ความสำเร็จขึ้นอยู่กับการบูรณาการ การเลือกงาน และการฝึกอบรมอย่างต่อเนื่อง
สิ่งที่สำคัญไม่แพ้กันคือการกำกับดูแลและความปลอดภัย หากสิ่งเหล่านี้ไม่ได้รับการจัดลำดับความสำคัญ ไม่ว่า AI จะซับซ้อนแค่ไหน ผู้ใช้ก็จะไม่เชื่อใจมัน Gartner ระบุว่าปัญหาเรื่องความไว้วางใจ การเข้าถึงความปลอดภัย และการกำกับดูแลเป็นอุปสรรคสำคัญต่อการนำไปใช้ และการละเมิดที่เกี่ยวข้องกับการใช้ GenAI ในทางที่ผิดมีแนวโน้มที่จะ เพิ่มขึ้น เมื่อการนวัตกรรมเร่งตัวขึ้น การกำกับดูแลควรเป็นลำดับความสำคัญตั้งแต่วันแรก โดยเฉพาะอย่างยิ่งเมื่อแรงกดดันจากกฎระเบียบเพิ่มขึ้น
องค์กรที่ประสบความสำเร็จมากที่สุดคือองค์กรที่สร้างเครื่องมือ AI ที่ให้คุณค่าทันที – เพราะชัยชนะที่รวดเร็วซื้อเงินลงทุนทางการเมือง ในความเป็นจริง องค์กรที่เห็น ผลตอบแทนจากการลงทุน (ROI) ที่ดีที่สุด ใน AI คือองค์กรที่มี CAIO ที่มุ่งเน้นทรัพยากรในการ “ปัจจุบัน” (กรณีการใช้งานที่วัดได้) และ “ต่อไป” (การเสริมสร้างข้อมูลและแพลตฟอร์ม) เพื่อให้แน่ใจว่ามีการก้าวหน้าอย่างต่อเนื่องในขณะเดียวกันก็เตรียมรากฐานสำหรับการเพิ่มขึ้นในอนาคต
สิ่งนี้หมายถึงการกำหนด KPI ที่เน้นคุณค่าในช่วงแรก – การดำเนินงานสนับสนุน การขาย การตลาด และวิศวกรรมเป็นจุดเริ่มต้นที่ดี การกำหนด KPI ที่ชัดเจน – เช่น การแปลงเป็นชัยชนะ การยกเลิก และคะแนนความเสี่ยงของแบบจำลอง – พร้อมด้วยแผนการตรวจสอบพื้นฐานและแผนการยืนยันจะช่วยให้แน่ใจว่าโครงการ AI ไม่ใช่แค่ทางทฤษฎี แต่ได้ผลลัพธ์ที่เป็นรูปธรรม
สิ่งสำคัญคือการระบุรูปแบบที่ประสบความสำเร็จและทำซ้ำ สิ่งนี้เกิดขึ้นเมื่อองค์กร ปรับกระบวนการ ไม่ใช่แค่เครื่องมือ
การเสริมสร้างรากฐานข้อมูล: กระบวนการที่ต่อเนื่อง
โปรแกรม AI มากเกินไปล้มเหลวเพราะข้อมูลไม่น่าเชื่อถือ การขาดการกำกับดูแลข้อมูลเป็นอุปสรรคที่ใหญ่ที่สุดต่อความสำเร็จ คุณภาพข้อมูล ลำดับข้อมูล และความสามารถในการเข้าถึงควรได้รับการปฏิบัติเหมือนกับการมุ่งเน้นไปที่เครื่องมือที่เผยแพร่สู่สาธารณะ รากฐานข้อมูลที่แข็งแกร่งคือรากฐานของโครงการ AI ที่ประสบความสำเร็จทุกโครงการ
การทำให้ AI เป็นเรื่องจำเป็นทางธุรกิจ วันนี้และพรุ่งนี้
ความคาดหวังคือชัดเจน: แสดงคุณค่าทันทีและวัดได้ ในขณะเดียวกันก็สร้างแพลตฟอร์มและ
ผู้นำที่สามารถส่งมอบคุณค่าในปัจจุบันในขณะเดียวกันก็สร้างรากฐานสำหรับอนาคตจะเปลี่ยน AI จากการทดลองที่แยกจากกันไปสู่เครื่องมือที่ยั่งยืนสำหรับรายได้และผลผลิต
