รายงาน Genpact และ HFS Research พบช่องว่างความพร้อมด้าน AI ทำให้มูลค่าองค์กร 18 ล้านล้านดอลลาร์ยังไม่ถูกปลดล็อก

ปัญญาประดิษฐ์กลายเป็นศูนย์กลางยุทธศาสตร์ขององค์กรทั่วโลก ซึ่งกำลังลงทุนหลายพันล้านดอลลาร์ในโครงการ AI ระบบ AI ที่ทำงานเป็นตัวแทน และการเปลี่ยนผ่านสู่ดิจิทัล แต่รายงาน The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future ฉบับใหม่จาก Genpact ร่วมกับ HFS Research พบว่าองค์กรส่วนใหญ่ยังเปลี่ยนเงินลงทุนด้าน AI ให้เป็นผลลัพธ์ทางธุรกิจที่วัดได้ไม่สำเร็จ รายงานระบุว่าสาเหตุไม่ใช่การขาดเทคโนโลยี AI แต่เป็น “หนี้” ขององค์กรสี่ชนิดที่เชื่อมโยงกัน ได้แก่ หนี้ด้านกระบวนการ ข้อมูล เทคโนโลยี และบุคลากร ภาระที่มองไม่เห็นเหล่านี้ทำให้มูลค่าทางธุรกิจที่ประเมินไว้ราว 17.9 ล้านล้านดอลลาร์ยังไม่ถูกปลดล็อก

ความทะเยอทะยานด้าน AI สูง แต่ความพร้อมขององค์กรยังต่ำ

รายงานอ้างอิงการสำรวจผู้บริหารองค์กร 2,002 คน จาก 16 อุตสาหกรรมและ 14 สายงาน ผลลัพธ์เผยช่องว่างระหว่างความมุ่งมั่นด้าน AI กับความพร้อมในการใช้งาน แม้ผู้บริหารระดับสูงของบริษัทกลุ่ม Global 2000 ถึง 92% เชื่อว่าAI ที่ทำงานเป็นตัวแทนจะเปลี่ยนวิธีปฏิบัติงานอย่างพื้นฐาน แต่มีเพียง 13% ที่รายงานว่าได้ผสาน AI ประเภทนี้เข้ากับการดำเนินงานแล้ว

ช่องว่างนี้สำคัญขึ้นเมื่อองค์กรเปลี่ยนจากการทดลองไปสู่การใช้งานจริง Balkrishan “BK” Kalra ซีอีโอของ Genpact กล่าวว่าองค์กรกำลังเปลี่ยนจากโลกที่มนุษย์ประมวลผลและตรวจสอบงาน ไปสู่กระบวนการที่เครื่องจักรทำงานมากขึ้นโดยมนุษย์กำกับดูแล อย่างไรก็ตาม การเพิ่ม AI ลงบนระบบเดิมอย่างเดียวไม่พอ องค์กรต้องแก้ฐานรากที่กำหนดว่า AI จะประสบความสำเร็จหรือล้มเหลว

รายงานเรียกปัญหานี้ว่า “ช่องว่างความเร็วของ AI” ระหว่างสิ่งที่พนักงานแต่ละคนทำได้ด้วย AI กับสิ่งที่ทั้งองค์กรทำได้เมื่อมีการนำ AI ไปใช้อย่างเป็นระบบ

หนี้ขององค์กรสี่ประเภทที่บั่นทอนการเปลี่ยนแปลง

งานวิจัยระบุหนี้สี่ประเภทที่ร่วมกันขัดขวางการสร้างคุณค่าจาก AI

หนี้ด้านเทคโนโลยีเป็นปัญหาที่คุ้นเคยที่สุด ผู้บริหารมากกว่าครึ่งจัดว่าหนี้ประเภทนี้รุนแรง เพราะระบบหลักเก่า การผสานระบบที่ซับซ้อน การพึ่งผู้ขายบางรายมากเกินไป และภาระโครงสร้างพื้นฐาน ระบบหลักขององค์กรมีอายุเฉลี่ยราวสิบปี ขณะที่ทีมพัฒนาใช้เวลามากกว่า 40% บำรุงรักษาเทคโนโลยีเดิมแทนการสร้างความสามารถใหม่

หนี้ด้านข้อมูลเป็นอุปสรรคต่อ AI ที่สำคัญที่สุด ข้อมูลองค์กรมากกว่าครึ่งมีคุณภาพต่ำ มีเพียง 33% ที่ถือว่าพร้อมใช้กับ AI และพนักงานใช้เวลาสูงสุด 40% ไปกับการกระทบยอด แก้ไข หรือเตรียมข้อมูล รายงานประเมินว่าปัญหาคุณภาพข้อมูลมีส่วนทำให้โครงการวิเคราะห์และ AI ถึง 42% ล่าช้า ทำผลงานต่ำกว่าเป้า หรือล้มเหลว

หนี้ด้านกระบวนการสะท้อนว่าองค์กรจำนวนมากยังใช้ขั้นตอนที่ต้องทำด้วยมือ แยกส่วน และขาดการกำกับดูแลที่ดี กระบวนการเกือบครึ่งยังต้องให้มนุษย์เข้าไปดำเนินการ ขณะที่ไม่ถึงครึ่งมีเอกสารและการกำกับอย่างเป็นทางการ ขั้นตอนที่ไร้ประสิทธิภาพกินเวลาทำงานของพนักงานราว 40% และขัดขวางระบบอัตโนมัติกับ AI

หนี้ด้านบุคลากรอาจมองเห็นได้ยากที่สุด แต่ส่งผลมากที่สุด มีแรงงานเพียง 32% ที่ถือว่าพร้อมใช้ AI และพนักงานที่ใช้ความรู้สูงสุดครึ่งหนึ่งรายงานความหงุดหงิดหรือความผูกพันกับงานที่ลดลงเพราะการดำเนินงานไร้ประสิทธิภาพ การขาดคนและทักษะ รวมถึงความพร้อมด้าน AI ต่ำ ทำให้หนี้ประเภทอื่นรุนแรงขึ้น ชะลอการนำ AI ไปใช้ และลดความคล่องตัวขององค์กร

หนี้ขององค์กรมีต้นทุนมากกว่าที่บริษัทตระหนัก

ผู้นำองค์กรเกือบ 90% ยอมรับว่าหนี้เหล่านี้กระทบผลการดำเนินธุรกิจแล้ว และผลกระทบไม่ได้จำกัดอยู่ในฝ่ายไอที

รายงานพบว่าหนี้ขององค์กรทำให้ต้นทุนดำเนินงานเพิ่มเฉลี่ย 34% การเปิดตัวผลิตภัณฑ์ช้าลงประมาณแปดเดือน โครงการเปลี่ยนผ่านราว 34% ไม่ให้ผลตามคาด และองค์กรที่สำรวจ 85% ไม่สามารถสร้างคุณค่าจาก AI ได้เต็มที่

หนี้แต่ละชนิดไม่ได้แยกจากกัน หนี้เทคโนโลยีทำให้คุณภาพข้อมูลลดลง การกำกับดูแลที่อ่อนแอสร้างทั้งปัญหากระบวนการและบุคลากร ส่วนขั้นตอนที่ต้องทำด้วยมือมักก่อหนี้ทั้งด้านกระบวนการและข้อมูล รายงานระบุว่าองค์กรจำนวนมากล้มเหลวเพราะพยายามแก้ทีละประเภท แทนที่จะมองหนี้เป็นปัญหาของทั้งระบบ

มูลค่าที่อาจปลดล็อกได้เกือบ 18 ล้านล้านดอลลาร์

ข้อค้นพบที่โดดเด่นคือการแก้หนี้ขององค์กรอาจปลดล็อกมูลค่ารวมเกือบ 17.9 ล้านล้านดอลลาร์ในบริษัทกลุ่ม Global 2000 โอกาสมากที่สุดอยู่ที่หนี้ด้านกระบวนการและข้อมูล อย่างละประมาณ 7.7 ล้านล้านดอลลาร์ หนี้เทคโนโลยีคิดเป็น 1.5 ล้านล้านดอลลาร์ และหนี้บุคลากรประมาณ 1 ล้านล้านดอลลาร์

นักวิจัยคำนวณตัวเลขจากการประเมินของผู้บริหารว่าการแก้หนี้จะเพิ่มรายได้และลดต้นทุนได้เท่าใด จากคำตอบแบบสำรวจ การแก้หนี้อาจทำให้อัตราเติบโตของรายได้ต่อปีเร็วขึ้นราว 8% และลดต้นทุนต่อปีขององค์กรขนาดใหญ่ราว 16%

อย่างไรก็ดี การประหยัดต้นทุนเป็นเพียงส่วนหนึ่งของผลลัพธ์ การแก้หนี้ยังช่วยให้เปิดตัวสินค้าเร็วขึ้น ลดระยะเวลาขาย ตัดสินใจดีขึ้น ยกระดับประสบการณ์ลูกค้า และนำ AI ไปใช้ได้มีประสิทธิภาพกว่าเดิม องค์กรจึงอาจได้ทั้งประสิทธิภาพและการเติบโตพร้อมกัน

เหตุใดโครงการ AI จึงชะงัก

แม้การลงทุนเพิ่มขึ้น โครงการ AI จำนวนมากยังขยายพ้นขั้นทดลองไม่ได้

ในแบบสำรวจ ผู้ตอบ 33% ระบุว่าหนี้ด้านข้อมูลเป็นเหตุหลักที่ทำให้ไม่เห็นคุณค่าจาก AI ตามด้วยหนี้เทคโนโลยี 28% หนี้กระบวนการ 23% และหนี้บุคลากร 16%

ผลกระทบของหนี้ต่างกันตามประเภท หนี้ข้อมูลทำให้โครงการติดอยู่ในขั้นพิสูจน์แนวคิด หนี้เทคโนโลยีเพิ่มต้นทุนติดตั้งและทำให้ขยายระบบยาก หนี้กระบวนการทำให้ผลลัพธ์ไม่น่าเชื่อถือเมื่อ AI agent ทำงานในขั้นตอนที่ไม่สม่ำเสมอ ส่วนหนี้บุคลากรทำให้การนำไปใช้ช้าและขาดการกำกับดูแลโดยมนุษย์ที่ระบบ AI ประเภทนี้ต้องการ

รายงานย้ำว่า AI ไม่อาจชดเชยรากฐานที่เสียหายได้ตลอดไป องค์กรที่ทำขั้นตอนที่บกพร่องให้เป็นอัตโนมัติ หรือใช้ AI บนข้อมูลคุณภาพต่ำ อาจเพียงขยายความไร้ประสิทธิภาพแทนที่จะแก้ปัญหา

บางอุตสาหกรรมมีโอกาสมากกว่าอุตสาหกรรมอื่น

โอกาสจากการแก้หนี้กระจายไม่เท่ากันในแต่ละอุตสาหกรรม

ภาคการผลิตมีโอกาสสูงสุด ประเมินมูลค่าจากรายได้ที่เพิ่มและต้นทุนที่ลดรวม 4.8 ล้านล้านดอลลาร์ ตามด้วยสุขภาพและวิทยาศาสตร์ชีวภาพประมาณ 3.3 ล้านล้านดอลลาร์ และธุรกิจค้าปลีกกับสินค้าอุปโภคบริโภคบรรจุหีบห่ออีก 2.7 ล้านล้านดอลลาร์ พลังงาน เทคโนโลยี ธนาคาร การขนส่ง และประกันภัยก็มีโอกาสสำคัญเช่นกัน

ชนิดของหนี้ต่างกันตามภาคธุรกิจ สถาบันการเงินมักมีหนี้ข้อมูลมากที่สุดเพราะการควบรวมกิจการหลายทศวรรษและข้อกำหนดกำกับดูแล การผลิต ค้าปลีก และสาธารณสุขมีหนี้กระบวนการสูงเพราะขั้นตอนที่ยาวและเกี่ยวข้องกับหลายฝ่าย ส่วนวิทยาศาสตร์ชีวภาพและฮาร์ดแวร์เทคโนโลยีมักมีหนี้เทคโนโลยีสูงสุดเพราะซอฟต์แวร์ที่ฝังในผลิตภัณฑ์และข้อกำหนดกฎหมาย

เมื่อแยกตามสายงาน ทีมวิศวกรรม พัฒนาผลิตภัณฑ์ และไอทีมีโอกาสสร้างมูลค่ามากที่สุด เพราะอยู่ใกล้ระบบเทคโนโลยี โครงสร้างพื้นฐาน และขั้นตอนที่กำหนดว่า AI ขององค์กรจะขยายผลได้หรือไม่

องค์กร 6% ที่หาทางแก้ได้

หนึ่งในข้อค้นพบสำคัญคือมีเพียง 6% ขององค์กรที่เข้าข่าย “ผู้แก้หนี้ที่พิสูจน์ผลแล้ว” ตามนิยามของนักวิจัย องค์กรเหล่านี้จัดทำ ลงมือดำเนินการ และวัดผลโครงการแก้หนี้ได้สำเร็จ อีก 43% กำลังแก้หนี้อย่างจริงจัง ส่วน 51% ยังไม่มีแผน มีแผนแต่ไม่ได้รับอนุมัติ หรือยังไม่ได้เริ่ม

องค์กรที่สำเร็จมีลักษณะร่วมกัน พวกเขาถือว่าการแก้หนี้เป็นภารกิจระดับ CEO ไม่ใช่โครงการไอที ใช้กลยุทธ์สองจังหวะที่ทำงานวางรากฐานระยะยาวควบคู่กับการปรับปรุงงานระยะสั้น ลงทุนด้านพัฒนาบุคลากร การกำกับดูแล ความพร้อมใช้ AI และแพลตฟอร์มข้อมูล อีกทั้งใช้ AI เองช่วยลดหนี้ผ่านการวิเคราะห์กระบวนการ ขั้นตอนทำงาน คุณภาพข้อมูล และการฝึกแรงงาน

เหนือสิ่งอื่นใด องค์กรเหล่านี้ลงมือทำแทนที่จะวางแผนไม่สิ้นสุด รายงานสรุปว่าความแตกต่างหลักระหว่างองค์กรที่สำเร็จกับไม่สำเร็จไม่ใช่เทคโนโลยี แต่เป็นการดำเนินการ

โจทย์ AI ที่แท้จริงอาจไม่ใช่เรื่อง AI

ประเด็นหลักของรายงานคือหนี้ขององค์กรเป็นความท้าทายด้านภาวะผู้นำมากกว่าด้านเทคโนโลยี แม้บริษัทเพิ่มงบ AI อย่างต่อเนื่อง หลายแห่งยังไม่แก้ปัญหาด้านการดำเนินงาน วัฒนธรรม และโครงสร้างที่จะกำหนดว่าเงินลงทุนให้ผลคุ้มค่าหรือไม่

ดังที่รายงาน The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future ชี้ การเปลี่ยนผ่านด้วย AI กับการแก้หนี้ไม่ใช่คนละโครงการอีกต่อไป แต่เป็นงานเดียวกันเมื่อมองจากต่างมุม องค์กรที่แก้หนี้ด้านกระบวนการ ข้อมูล เทคโนโลยี และบุคลากรพร้อมกันอาจปลดล็อกการเติบโตและประสิทธิภาพได้มาก ส่วนองค์กรที่สร้าง AI บนรากฐานไม่มั่นคงอาจใช้เงินมากขึ้นแต่ได้ผลน้อยลง

สารสำคัญถึงผู้นำคือค้นให้พบว่าหนี้อยู่ตรงไหน เข้าใจต้นทุนของหนี้ และเริ่มแก้ก่อนคู่แข่งทิ้งห่าง ผู้ชนะในยุค AI อาจไม่ใช่องค์กรที่ใช้เงินกับ AI มากที่สุด แต่เป็นองค์กรที่สร้างรากฐานการดำเนินงานให้ AI ประสบความสำเร็จก่อน