ภายในรายงาน AI Applied ของ Georgian: Vibe Coding เพิ่มขึ้นเมื่อช่องว่างด้านทักษะหยุดความก้าวหน้าของ AI

Georgian Partners ร่วมกับ NewtonX และกลุ่มคอนซอร์เทียมทั่วโลก 11 แห่ง ได้เผยแพร่รายงาน AI, Applied Benchmark Report ซึ่งเป็นภาพรวมที่แข็งแกร่งของวิธีการที่ AI กำลังเปลี่ยนแปลงซอฟต์แวร์ B2B และบริษัทระดับองค์กรทั่วโลก การสำรวจครั้งนี้มี-executive 612 คน ซึ่งแบ่งออกเป็นสองส่วนเท่าๆ กัน ระหว่างผู้นำ R&D และผู้นำการตลาด จาก 10 ประเทศและ 15 อุตสาหกรรม โดยมีรายได้ประจำปีตั้งแต่ 5 ล้านเหรียญสหรัฐฯ ถึงมากกว่า 200 ล้านเหรียญสหรัฐฯ

สิ่งที่ทำให้รายงานนี้แตกต่างคือขอบเขตระดับโลกและความสนับสนุนเชิงกลยุทธ์ คอนซอร์เทียมที่เข้าร่วมประกอบด้วย Alberta Machine Intelligence Institute, AI Marketers Guild, FirstMark, GTM Partners, Untapped Ventures, Vector Institute และ Startup Nation Central และ Grove Ventures ซึ่งมีฐานอยู่ที่ Tel Aviv เป็นต้น การมีส่วนร่วมของพวกเขาได้ช่วยขยายการเข้าร่วมและรับประกันมาตรฐานระดับอุตสาหกรรมและระหว่างประเทศ

มากกว่าการวัดระดับการนำไปใช้ รายงานนี้จับภาพอุปสรรคเชิงโครงสร้าง กรณีการใช้งาน AI ที่เกิดขึ้นใหม่ เช่น Vibe Coding และการเติบโตของการรวม AI โดยมีผลการวิจัยที่มีพื้นฐานมาจากข้อมูลระดับผู้บริหารที่ได้รับการยืนยัน รายงานนี้ให้กรอบการทำงานที่เป็นรูปธรรมสำหรับบริษัทต่างๆ เพื่อเปรียบเทียบตำแหน่งของตนเองและทราบสิ่งที่ขัดขวางพวกเขา

AI กลายเป็นเรื่องจำเป็นเชิงกลยุทธ์

ปัญญาประดิษฐ์ไม่ได้รับการพิจารณาว่าเป็นตัวเลือกอีกต่อไป รายงานพบว่า 83% ของบริษัท B2B และองค์กรจัด AI ไว้ในอันดับต้นๆ ของลำดับความสำคัญเชิงกลยุทธ์ ในความเป็นจริง สามในห้าลำดับความสำคัญทางธุรกิจที่ได้รับการเลือกมากที่สุดเกี่ยวข้องกับ AI ซึ่งแสดงให้เห็นว่า AI ได้กลายเป็นส่วนหนึ่งที่สำคัญของวาระการประชุมระดับองค์กร

แรงจูงใจหลักในการนำ AI ไปใช้ ได้แก่:

• การปรับปรุงประสิทธิภาพการผลิตภายใน
• การสร้างความได้เปรียบในการแข่งขัน
• การเพิ่มประสิทธิภาพต้นทุนและการเติบโตของรายได้

สิ่งที่เปลี่ยนแปลงไปคือความแตกต่างในการแข่งขันซึ่งได้แซงหน้าการประหยัดต้นทุนและรายได้เป็นแรงจูงใจที่สำคัญที่สุดอันดับสอง สิ่งนี้แสดงถึงการเปลี่ยนแปลงในมุมมอง: AI ไม่ใช่แค่เครื่องมือสำหรับการอัตโนมัติ แต่เป็นอาวุธสำหรับการเป็นผู้นำในตลาด

Vibe Coding เข้าสู่กระแสหลัก

ข้อค้นพบที่โดดเด่นจากรายงานคือการเพิ่มขึ้นอย่างรวดเร็วของ Vibe Coding ซึ่งเป็นคำที่อ้างถึงการสร้างและแก้บั๊กโค้ดโดยใช้ AI Vibe Coding ได้กลายเป็น #3 R&D use case ที่รายงานในระดับการผลิต โดยใช้โดย 37% ของบริษัท ในขณะที่อีก 40% กำลังทดลองใช้

แนวโน้มนี้ไม่ได้เป็นเพียงเรื่องของการปรับปรุงประสิทธิภาพการผลิตของนักพัฒนาเท่านั้น แต่ยังเป็นการตอบสนองโดยตรงต่อความท้าทายของอุตสาหกรรม: การขาดแคลนทักษะทางเทคนิคด้าน AI ซึ่งตอนนี้กลายเป็น #1 อุปสรรคในการขยาย AI 45% ของผู้นำ R&D ระบุว่าช่องว่างด้านทักษะนี้เป็นข้อกังวลหลักของพวกเขา—ซึ่งมากกว่าต้นทุนสูงในการพัฒนาโมเดล

Vibe Coding ช่วยเติมช่องว่างนี้โดยทำให้ทีมวิศวกรที่มีขนาดเล็กลงสามารถเร่งเวลาในการส่งมอบ ลดเวลาในการแก้บั๊ก และผลิตโค้ดที่สะอาดและมีเอกสารประกอบด้วยต้นทุนที่ต่ำกว่า ผู้ตอบแบบสำรวจรายงานการลดลงของความพยายามด้วยมือในกระบวนการ QA, อินฟราสตรัคเจอร์ และการวางจำหน่าย

การเพิ่มประสิทธิภาพการผลิตของ AI และข้อจำกัด

การใช้ AI ทั่วทั้งกระบวนการผลิตแสดงให้เห็นถึงประโยชน์ที่ชัดเจน ตามรายงาน 70% ของผู้ตอบแบบสำรวจ R&D รายงานความเร็วในการพัฒนาที่เร็วขึ้น 63% มีคุณภาพโค้ดและเอกสารที่ดีขึ้น และมากกว่าครึ่งหนึ่งมีการเพิ่มความถี่ในการวางจำหน่าย

อย่างไรก็ตาม ไม่ใช่ทุกเมตริกที่ได้รับการปรับปรุง พื้นที่เช่น เวลาเฉลี่ยในการฟื้นตัว รอบเวลา และ อัตราการล้มเหลวในการเปลี่ยนแปลง ยังคงเป็นจุดอ่อน สิ่งนี้ชี้ให้เห็นว่าในขณะที่ AI กำลังเร่งกระบวนการผลิตในด้านหน้า ความเสถียรและความยืดหยุ่นยังคงพึ่งพาคนเป็นหลักในขณะนี้

การอัปเกรดโครงสร้างพื้นฐานเพิ่มพลังให้กับ AI Stack

การสนับสนุนการเพิ่มขึ้นนี้คือการเปลี่ยนแปลงที่น่าตื่นตาตื่นใจในการลงทุนโครงสร้างพื้นฐาน ทีมที่ขับเคลื่อนด้วย AI กำลังนำเครื่องมือใหม่ๆ มาใช้เพื่อเปลี่ยนจากการทดลองไปสู่การผลิต:

• แพลตฟอร์มการตรวจสอบ LLM ได้รับการรวมเข้าด้วยกันโดย 53% ของบริษัท
• เครื่องมือการจัดการข้อมูล เช่น Dagster และ Airflow กำลังถูกใช้โดย 51%
• ฐานข้อมูลเวกเตอร์ cron jobs และ เครื่องมือการทำงานที่ทนทาน กำลังถูกใช้เพื่อสนับสนุนการขยายขนาดและความน่าเชื่อถือ

ในขณะเดียวกัน บริษัทต่างๆ กำลังรวบรวมข้อมูลมากกว่าที่เคยเพื่อใช้ในการขับเคลื่อนโมเดลของตน การใช้ ข้อมูลที่เป็นเจ้าของ เพิ่มขึ้น 12 จุดเป็น 94% ในขณะที่ ข้อมูลสาธารณะ เพิ่มขึ้นเป็น 80% ข้อมูลสังเคราะห์และข้อมูลมืด—ซึ่งเคยเป็นแหล่งข้อมูลนอกกระแสหลัก—กำลังถูกใช้โดยมากกว่าครึ่งหนึ่งและหนึ่งในสี่ของบริษัทตามลำดับ

การนำ LLM ไปใช้กระจายตัว

OpenAI ยังคงเป็นผู้ให้บริการ LLM ชั้นนำ โดยมีผู้ตอบแบบสำรวจ 85% ใช้โมเดลของตนในการผลิต อย่างไรก็ตาม ภูมิทัศน์กำลังพัฒนาอย่างรวดเร็ว:

• Google Gemini เพิ่มขึ้น 17 จุด เป็น 41%
• Anthropic Claude เพิ่มขึ้นเป็น 31%
• Meta’s Llama 3 family กำลังได้รับการยอมรับด้วยการนำไปใช้ 28%
• โมเดลที่เน้นการให้เหตุผล เช่น o1-mini ของ OpenAI (35%) และ DeepSeek (18%) ก็เข้าสู่การผลิตเช่นกัน

การเปลี่ยนแปลงนี้สะท้อนถึงการเคลื่อนไหวสู่ สแต็ค AI แบบหลายโมเดล โดยที่องค์กรจับคู่โมเดลกับกรณีการใช้งานแทนการอาศัยระบบนิเวศของผู้ให้บริการเดียว

การเติบโตของ AI Maturity ไม่เท่าเทียมกัน

Georgian แบ่งบริษัทตาม โมเดล Crawl, Walk, Run ของ AI Maturity แม้ว่าองค์กรมากขึ้นจะก้าวหน้าจากระดับเริ่มต้นไปสู่ระดับกลาง แต่ระดับสูงสุดของความต้นเต็มยังคงไม่แน่นอน:

• “ผู้เดิน” ลดลงเหลือ 40% ลดลงจาก 49%
• “ผู้วิ่ง” เพิ่มขึ้นเป็น 31% ซึ่งบ่งชี้ถึงการเติบโตที่เพิ่มขึ้น
• “ผู้วิ่ง” ยังคงอยู่ที่ 11% ซึ่งแสดงถึงเพดานในความสามารถในการปรับขนาด

บริษัทที่บรรลุถึงขั้น “ผู้วิ่ง” มักเป็นบริษัทที่เชื่อมโยงโครงการ AI โดยตรงกับผลลัพธ์ด้านรายได้หรือต้นทุน—ความสามารถที่ยังคงไม่พัฒนาในอุตสาหกรรมส่วนใหญ่

ROI ยังคงไม่แน่นอน

หนึ่งในความท้าทายที่คงอยู่ที่สุดซึ่งระบุไว้ในรายงานคือ การขาดการวัด ROI ที่ชัดเจน มากกว่าครึ่งหนึ่งของทีม R&D ยอมรับว่าพวกเขาไม่ได้เชื่อมโยงโครงการ AI กับ KPI ที่เป็นรูปธรรมใดๆ เพียง 25% เชื่อมโยงโครงการ AI โดยตรงกับรายได้ใหม่ และเพียง 24% รายงานผลกระทบเชิงบวกต่อค่าใช้จ่ายในการได้ลูกค้า

อย่างไรก็ตาม ความหวังยังคงอยู่ มากกว่า 50% ของผู้ตอบแบบสำรวจระบุว่า AI ได้ปรับปรุงความพึงพอใจของลูกค้าและคุณค่าระยะยาว แต่โดยรวมแล้ว การยืนยันทางการเงินของ AI ยังคงไม่ชัดเจน โดยเฉพาะอย่างยิ่งที่ระดับความต้นเต็มระดับกลาง

การบริหารต้นทุนดีขึ้น

ในขณะที่ทักษะยังคงเป็นอุปสรรคที่ใหญ่ที่สุด ต้นทุนกำลังลดลงอย่างช้าๆ รายงานแสดงให้เห็นว่า:

• การเปลี่ยนแปลง 9 จุดไปสู่ต้นทุนการเก็บข้อมูลที่เสถียรหรือลดลง
• ต้นทุนลดลงในการบำรุงรักษาซอฟต์แวร์ แรงงาน และการดำเนินงาน
• การพึ่งพาการลดต้นทุนน้อยลง เช่น การจำกัดโครงการ

นอกจากนี้ 68% ของบริษัทต่างๆ ยังคงพึ่งพาโซลูชัน AI ของบุคคลที่สามเพื่อจัดการต้นทุนและความซับซ้อน โดยเฉพาะอย่างยิ่งเมื่อ AI ถูกฝังอยู่ในซอฟต์แวร์ GTM และแพลตฟอร์มภายใน

มองไปข้างหน้า

ผลกระทบของข้อมูลการเปรียบเทียบข้อมูลนี้ไปไกลเกินกว่าหน้าแดชบอร์ดและห้องประชุม เมื่อ AI กลายเป็นส่วนกลางในการสร้าง ซอฟต์แวร์ และการบำรุงรักษา อุตสาหกรรมกำลังเข้าสู่ช่วงใหม่—ช่วงหนึ่งที่ประสิทธิภาพการผลิตไม่ได้เป็นเพียงเรื่องของคน แต่เป็นเรื่องของวิธีการที่ทีมสามารถเสริมความสามารถด้วยพันธมิตรเครื่องจักรได้อย่างฉลาด

Vibe Coding เป็นตัวแทนของจุดเปลี่ยน มันไม่ใช่แค่เครื่องมือเพื่อประสิทธิภาพการผลิต แต่กำลังจะกลายเป็นชั้นพื้นฐานของการพัฒนาซอฟต์แวร์สมัยใหม่ สำหรับบริษัทที่เผชิญกับการขาดแคลนทักษะอย่างต่อเนื่อง Vibe Coding เสนอวิธีในการปลดล็อกการผลิต ลดเวลาในการเข้าสู่ตลาด และปรับปรุงคุณภาพโค้ดโดยไม่ต้องเพิ่มจำนวนพนักงานในอัตราเดียวกัน และสำหรับผู้ที่อยู่ในระดับความต้นเต็มที่สูงกว่า Vibe Coding สร้างกระบวนการวิศวกรรม AI ที่สามารถขยายได้พร้อมด้วยการตรวจสอบ ความน่าเชื่อถือ และผลกระทบทางธุรกิจที่วัดได้

ข้อความที่กว้างขึ้นคือชัดเจน: บริษัทที่ประสบความสำเร็จจะไม่เพียงแต่ใช้ AI เท่านั้น แต่ยังจะทำให้ AI เป็นส่วนหนึ่งของการดำเนินงาน ฝัง AI ไว้ และพัฒนาไปพร้อมกับมัน ในยุคใหม่นี้ การอัตโนมัติไม่ใช่เรื่องของการแทนที่นักพัฒนา แต่เป็นการเพิ่มประสิทธิภาพให้กับนักพัฒนา

ผู้ที่รักษา Vibe Coding และโครงสร้างพื้นฐานที่รองรับเป็นการลงทุนเชิงกลยุทธ์—ไม่ใช่การทดลอง—จะกำหนดลักษณะของนวัตกรรมระดับองค์กรในอนาคต