ทำไม AI ระดับองค์กรถึงหยุดชะงัก และสิ่งที่จำเป็นเพื่อขยายเกินการทดลองเบื้องต้น

เมื่อสามปีที่แล้ว ผู้นำระดับองค์กรส่วนใหญ่ยังปฏิเสธ AI อยู่ มุมมองที่แพร่หลายคือว่าเป็นแค่เสียงรบกวนของตลาด หรือของเล่นอัจฉริยะเท่านั้น ไม่ใช่เทคโนโลยีระดับองค์กร คำว่า “Hallucination” (ภาพหลอน) เป็นคำที่อยู่ในใจของทุกคน ในเพียงปีที่ผ่านมา ความสงสัยนั้นได้กลับหัวเกือบทั้งหมดแล้ว ความคาดหวังตอนนี้อยู่ในระดับสูงสุด โดยคณะกรรมการเชื่อมั่นว่า AI จะเปลี่ยนแปลงทุกบทบาทและทุกกระบวนการ

แต่ทั้งสองขั้วนั้นก็พลาดประเด็น AI ไม่ใช่แค่กระแสชั่วคราวหรือไม้กายสิทธิ์ มันเป็นการเปลี่ยนแปลงที่ครอบคลุมที่สุดที่อุตสาหกรรมเคยเห็น; ใหญ่กว่า cloud ซึ่งพื้นฐานคือประสิทธิภาพและความยืดหยุ่น AI คือการเปลี่ยนแปลงทางธุรกิจ นั่นคือเหตุผลที่หลายองค์กร หลังจากทำการทดลองที่น่าตื่นตาตื่นใจ กลับติดอยู่ที่นี่State of AI การสำรวจจาก McKinsey & Company จับภาพขนาดของปัญหา: เกือบสองในสามของผู้ตอบบอกว่าองค์กรของพวกเขายังไม่ได้เริ่มขยาย AI ไปทั่วระดับองค์กร.

คอขวดที่แท้จริงไม่ได้อยู่ที่ความสามารถ

มันอาจดูเหมือนจะโทษเทคโนโลยี แต่จะเป็นการผิดพลาด ในขั้นตอนนี้ โมเดลระดับแนวหน้า มีความสามารถมหาศาล ความยากอยู่ที่การนำ AI ไปผสานกับกระบวนการธุรกิจจริงเพื่อให้ได้ผลลัพธ์ที่วัดได้

การวิจัยของ IDC พบว่า 88% ของการพิสูจน์แนวคิด AI ไม่สามารถเข้าสู่การใช้งานจริงได้ หมายความว่าในทุก 33 โครงการที่เปิดตัว มีเพียงสี่โครงการที่สำเร็จ. สาเหตุส่วนใหญ่ไม่ใช่เทคโนโลยีเอง การทดลองแสดงให้เห็นว่ามีอะไรเป็นไปได้; การขยายต้องการให้องค์กรเปลี่ยนวิธีการทำงานจริง ซึ่งเป็นภารกิจที่ซับซ้อนกว่าที่ผู้นำส่วนใหญ่คาดคิด มันรวมถึงการจัดการการเปลี่ยนแปลง, ความขัดแย้งระหว่างหน่วยงาน, รอบการจัดสรรงบประมาณที่ไม่เคยออกแบบมาสำหรับการลงทุนประเภทนี้, และงานยากของการออกแบบกระบวนการทำงานใหม่ตั้งแต่ต้นจนจบ. นี่คือเหตุผลที่การเดินทางจาก การพิสูจน์แนวคิดสู่การผลิต ใช้เวลานานกว่าที่การโฆษณาอ้างว่า: บริษัทมีความซับซ้อน และความซับซ้อนต่อต้านการลัดขั้นตอน

ผู้นำควรต่อต้านปฏิกิริยา “รับ AI ตอนนี้” ที่ทำให้เกิดการทดลองที่กระจัดกระจายและไม่ต่อเนื่อง เริ่มด้วยการกำหนดปัญหาเฉพาะและผลลัพธ์ที่คาดหวัง เช่น ลดเวลาการแก้ไขบริการ, ดึงความรู้ได้เร็วขึ้น, ย่อระยะเวลาการพัฒนา เมื่อ AI ถูกออกแบบรอบกระบวนการทำงานที่กำหนด ผลกระทบจะวัดได้และผลกระทบที่วัดได้จะได้รับสิทธิ์ในการขยาย

สิ่งที่มองเห็นและสิ่งที่มองไม่เห็น

เอเจนต์คือวิธีที่ AI มีชีวิตชีวาในองค์กร และแบ่งออกเป็นสองประเภท ประการแรก เอเจนต์ผู้ช่วยเป็นผู้ช่วยที่มองเห็นได้ซึ่งสรุปอีเมลหรือช่วยนักพัฒนารหัส ประการที่สอง เอเจนต์ถักทออย่างไม่เห็นในกระบวนการทำงาน เพื่อทำการกระทบยอดบัญชี, ดำเนินการอนุมัติขั้นตอน, และระบุการฉ้อโกง สิ่งเหล่านี้ต้องเป็นระดับองค์กรจริง ๆ: รองรับปริมาณขนาดใหญ่, ให้ความแม่นยำ, มีการตรวจสอบได้เต็มรูปแบบ, และทำงานภายใต้กรอบการใช้ AI อย่างรับผิดชอบ

หัวข้อข่าวที่ประกาศ “จำนวนเอเจนต์” มีความหมายน้อย เนื่องจากไม่มีวิธีมาตรฐานในการนับเอเจนต์ สิ่งที่สำคัญคือผลงานที่การผสมผสานระหว่างมนุษย์และเอเจนต์ทำได้ ผลผลิตที่ขับเคลื่อนโดยเอเจนต์อาจช่วยประหยัดเงินหนึ่งล้านดอลลาร์; การออกแบบกระบวนการธุรกิจใหม่ด้วยทีมคน+เอเจนต์สามารถสร้างมูลค่าเป็นร้อยล้านจากความพยายามเดียวกัน ซึ่งเป็นจุดที่ผู้นำควรให้ความสนใจ

การกำกับดูแล, ความเชื่อใจ และการทดสอบในวันฝนตก

การเป็นเจ้าของผลลัพธ์เป็นสิ่งสำคัญเพื่อรับประกันความสำเร็จ การนำ AI ไปใช้เป็นเรื่องง่ายเมื่อยอมรับความผิดพลาดได้ถึงสิบครั้ง; แต่เมื่อกระบวนการต้องทำงานอย่างไม่มีที่ติในระดับขนาดใหญ่ก็เป็นเรื่องอื่น หลักการนำทางคือการทดสอบในวันฝนตก: เมื่อ AI ปฏิเสธที่จะทำงานร่วมกัน แต่ธุรกิจยังคงดำเนินต่อไป ดังนั้นการกำกับดูแลจึงไม่ใช่ศัตรูของความเร็ว แต่เป็นตัวช่วย ในขณะเดียวกัน ความยืดหยุ่นโดยไม่มีการกำกับดูแลทำให้เกิดความวุ่นวาย ในขณะที่การกำกับดูแลโดยไม่มีความยืดหยุ่นทำให้การนวัตกรรมถูกขัดขวาง สิ่งที่ทำให้ AI หยุดอยู่ในที่สุดคือความกลัว, ความเชื่อใจ, ความปลอดภัย, และ การควบคุมข้อมูลของตนเอง. ความกังวลเหล่านี้กำหนดว่าองค์กรจะขยายหรือหยุดนิ่ง

การปรับขนาดสถาปัตยกรรมให้เหมาะสม

โดยสำคัญ สำหรับกรณีการใช้งานระดับองค์กร 80 ถึง 90 เปอร์เซ็นต์ ไม่จำเป็นต้องใช้โมเดลแนวหน้า โมเดลภาษาขนาดเล็กที่สร้างจากข้อมูลขององค์กรเอง ซึ่งมักทำงานร่วมกับโมเดลแนวหน้า เป็นคำตอบที่ฉลาดกว่า ค่าใช้จ่ายต่อโทเคนกำลังลดลงอย่างรวดเร็ว แต่โมเดลการให้เหตุผลและการขยายหน้าต่างบริบททำให้การใช้เพิ่มขึ้นอย่างชัดเจน ทำให้การเพิ่มประสิทธิภาพโทเคนเป็นโอกาสสำคัญในตัวของมันเอง

การสร้างเพื่อคลื่นต่อไป

ในทุกคลื่นของเทคโนโลยี มูลค่าจะปรากฏที่ระดับขอบเมื่อธุรกิจใช้เทคโนโลยีจริง การใช้จ่ายในวันนี้อยู่ในชั้นโครงสร้างพื้นฐาน เหมือนที่มักเป็นเช่นนั้นในช่วงต้นของวงจรเทคโนโลยี คลื่นต่อไปที่ใหญ่กว่า คือการนำไปใช้ในระดับขนาดใหญ่

ผู้นำธุรกิจควรทราบว่า AI ระดับองค์กรไม่หยุดชะงักเพราะเทคโนโลยีอ่อนแอ แต่หยุดเนื่องจากองค์กรมองการเปลี่ยนแปลงทางธุรกิจเป็นโครงการเทคโนโลยี ผู้ชนะจะทำให้ AI เป็นกระบวนการธุรกิจที่เชื่อถือได้, ทำซ้ำได้, และรับผิดชอบ, แล้วมีความอดทนในการขยายและขับเคลื่อนคลื่นที่ใหญ่กว่าที่กำลังมาถึง