ช่วงต่อไปของ AI คือการดำเนินการ ไม่ใช่เพียงคำตอบ

ตั้งแต่เริ่มก่อตั้ง AI ถูกมองว่าเป็นเครื่องมือสำหรับการสร้างข้อมูลเชิงลึก Chatbot ตอบคำถาม Dashboard แสดงแนวโน้ม Copilot สรุปเร็ว hơnมนุษย์ เครื่องมือเหล่านี้ให้คุณค่าจริง แต่สำหรับหลายองค์กร พวกมันล้มเหลวในการเปลี่ยนแปลงผลลัพธ์อย่างมีนัยสำคัญ หลังจากหลายปีที่ทดลองและพิสูจน์แนวคิด ที่ปรากฏชัดเจนคือ AI ที่มุ่งเน้นไปที่การให้คำตอบเพียงอย่างเดียวมักจะไม่สามารถแก้ไขปัญหาการทำงานที่ทีมต้องเผชิญทุกวัน

สิ่งนี้ไม่ใช่เรื่องเล่าตามประสบการณ์ ตามการสำรวจล่าสุดของ McKinsey Survey on the State of AI เกือบเก้าใน十分ขององค์กรรายงานว่าใช้ AI ในอย่างน้อยหนึ่งฟังก์ชันทางธุรกิจ แต่เพียงไม่กี่แห่งที่บอกว่าความพยายามเหล่านั้นได้เปลี่ยนเป็นผลกระทบในระดับองค์กรที่มีนัยสำคัญ ในทำนองเดียวกัน การวิเคราะห์ในปี 2025 เกี่ยวกับการใช้งาน GenAI พบว่า 95% ของการนำไปใช้ในองค์กรไม่ได้ผลกระทบทางการเงินที่วัดได้ ส่วนใหญ่เนื่องจากผลลัพธ์ของ AI ไม่ถูกฝังไว้ในกระบวนการทำงานจริง

ในทางปฏิบัติ ระบบ AI ส่วนใหญ่หยุดก่อนที่จะดำเนินการ พวกมันระบุโอกาส แต่ปล่อยให้มนุษย์ตัดสินใจว่าจะทำอย่างไรและเมื่อใด โดยทั่วไปแล้วจะข้ามระบบที่กระจัดกระจายและทีมที่มีข้อจำกัด ในหลายกรณี AI เพิ่มความตระหนัก แต่ไม่เพิ่มปริมาณการทำงาน ที่เป็นเหตุผลที่ช่วงต่อไปของการนำ AI ไปใช้คือการเปลี่ยนไปสู่ AI ที่สามารถดำเนินการได้

จาก AI ที่ตอบคำถามไปสู่ AI ที่ดำเนินการ

AI ที่ดำเนินการแสดงถึงการเปลี่ยนแปลงจากความฉลาดที่ไม่เข้าไปมีส่วนร่วมไปสู่ระบบที่ออกแบบมาเพื่อขับเคลื่อนงานต่อไป

แทนที่จะหยุดอยู่ที่คำแนะนำ AI ที่มีหน้าที่ดำเนินการจะย้ายการดำเนินการตามที่ได้รับอนุมัติไปตามกระบวนการ: จัดลำดับความสำคัญของคำขอ การจัดการงาน การเขียนตาม การกระตุ้นผู้มีส่วนได้ส่วนเสีย การอัปเดตระบบ และการยกเว้นเมื่อต้องการการตัดสินใจของมนุษย์ สิ่งสำคัญคือ AI ที่มุ่งเน้นการดำเนินการไม่แทนที่การตัดสินใจของมนุษย์ แต่ลดความซับซ้อนระหว่างการได้รับข้อมูลและดำเนินการ: มนุษย์กำหนดผลลัพธ์ การอนุมัติ และเส้นทางการยกเว้น AI จัดการกับงานที่ชะลอความเร็วของทีม และการตรวจสอบถูกสร้างขึ้นผ่านการตรวจสอบ การบันทึก และการกำกับดูแล

แนวทางนี้มีความสำคัญต่อความไว้วางใจ การวิจัยจาก Pew Research Center เกี่ยวกับความไว้วางใจใน AI พบว่าความกังวลเกี่ยวกับความโปร่งใส ความรับผิดชอบ และการใช้ในทางที่ผิดยังคงเป็นอุปสรรคสำคัญต่อการนำไปใช้ AI ที่ดำเนินการอย่างรับผิดชอบจัดการกับความกังวลเหล่านี้โดยการทำให้การดำเนินการเป็นไปได้ อธิบายได้ และควบคุมได้

การบรรลุจุดเปลี่ยน

หลายปัจจัยทำให้องค์กรต่างๆ พัฒนาไปไกลกว่า AI ที่ให้คำตอบ

• ประการแรก ทีมต่างๆ ถูกขอให้ทำมากกว่าด้วยทรัพยากรที่น้อยลง ข้อจำกัดของกำลังคนไม่ใช่ชั่วคราว แต่เป็นโครงสร้าง ในขณะเดียวกัน ความต้องการความเร็วและความสม่ำเสมอเพิ่มขึ้นทั่วทุกอุตสาหกรรม
• ประการที่สอง โมเดล AI พื้นฐานกำลังเป็นที่เข้าถึงได้มากขึ้น ในผลของสิ่งนี้ การแยกความแตกต่างกำลังเปลี่ยนจากการเลือกโมเดลไปสู่การประสานงาน – วิธีการที่ AI ถูกผสมผสานเข้ากับการทำงานประจำวัน ตามที่ Harvard Business Review ได้กล่าวไว้ คุณค่าแท้จริงเกิดขึ้นเมื่อ AI ถูกฝังอยู่ในกระบวนการ ไม่ใช่เพิ่มเข้ามาเหนือกระบวนการ
• สุดท้าย ค่าใช้จ่ายของการไม่ดำเนินการกำลังเพิ่มขึ้น เมื่อข้อมูลเชิงลึกไม่ได้ใช้หรือการดำเนินการติดตามล้มเหลว ผลกระทบจะคูณกัน ในหลายสภาพแวดล้อม การดำเนินการที่ล่าช้าสำคัญเท่ากับการดำเนินการที่ไม่ถูกต้อง

ในบริบทนี้ AI ที่ให้คำตอบเพียงอย่างเดียวไม่เพียงพอ องค์กรต่างๆ ต้องการระบบที่สามารถดำเนินการงานประจำได้อย่างปลอดภัยและสม่ำเสมอ ลดความซับซ้อนแทนที่จะเพิ่ม

การศึกษาระดับสูงเป็นตัวอย่างที่ชัดเจนในโลกแห่งความเป็นจริง

การศึกษาระดับสูงเป็นตัวอย่างที่ชัดเจนที่สุดว่าทำไมการเปลี่ยนแปลงนี้จึงจำเป็น การมีส่วนร่วมในวงจรชีวิตการศึกษาระดับสูงเปลี่ยนแปลงไปอย่างมาก นักเรียนคาดหวังการสนับสนุนที่รวดเร็วและสม่ำเสมอ ตั้งแต่การสอบถามครั้งแรกจนถึงการสำเร็จการศึกษา ผู้สำเร็จการศึกษาคาดหวังคุณค่าที่ยั่งยืน ไม่ใช่การเข้าถึงที่ไม่สม่ำเสมอ ทีมฝ่ายพัฒนาคาดหวังผลกระทบที่มากขึ้นและสร้างความสัมพันธ์ระยะยาวในระดับที่กว้างขึ้น แม้ว่าทรัพยากรและงบประมาณจะถูกบีบอัด

ในเวลาเดียวกัน สัญญาณการมีส่วนร่วมมาถึงอย่างต่อเนื่อง: การสมัคร การบรรลุเป้าหมาย การเข้าร่วมงาน การบริจาค การเปลี่ยนสัญญาณเหล่านี้ให้เป็นการดำเนินการที่เหมาะสมยังคงต้องอาศัยการทำงานด้วยมือในระบบที่ไม่เชื่อมต่อ

ผู้นำการศึกษาระดับสูงมอง AI ว่าเป็นสิ่งจำเป็นในการขยายการมีส่วนร่วมและการสนับสนุนนักเรียน ในขณะเดียวกันก็ระมัดระวังเกี่ยวกับการกำกับดูแลและการเตรียมข้อมูล ในทำนองเดียวกัน การวิเคราะห์อื่นๆ เกี่ยวกับเทรนด์ edtech และการลงทะเบียนเน้นย้ำถึงความสนใจที่เพิ่มขึ้นในการมีส่วนร่วมตลอดวงจรชีวิตที่ขับเคลื่อนด้วย AI ควบคู่ไปกับความผิดหวังต่อระบบที่กระจัดกระจายซึ่งชะลอการดำเนินการ ในสภาพแวดล้อมนี้ AI ที่ให้คำตอบเพียงอย่างเดียวจะถึงขีดจำกัดของมัน การทราบว่าใครต้องการการเข้าถึงมีประโยชน์ แต่ทราบว่าเมื่อใดควรให้การเข้าถึงเพื่อผลกระทบสูงสุดนั้นยากกว่ามาก

AI ที่ดำเนินการช่วยเชื่อมช่องว่างนี้โดยการเปลี่ยนสัญญาณให้เป็นการดำเนินการที่ดีที่สุดและทำให้การติดตามเป็นไปโดยอัตโนมัติในทุกขั้นตอนของวงจรชีวิต พนักงานยังคงมุ่งเน้นไปที่การเอาใจใส่ การตัดสินใจ และการอภิปรายที่ซับซ้อน ในขณะที่ AI รับรองว่าการมีส่วนร่วมเกิดขึ้นอย่างสม่ำเสมอและตรงเวลา

การศึกษาระดับสูงเปิดเผยมากที่สุดเพราะผลลัพธ์ขึ้นอยู่กับความไว้วางใจและความเชื่อมโยงระหว่างมนุษย์ หาก AI สามารถดำเนินการได้อย่างรับผิดชอบในสภาพแวดล้อมการศึกษาระดับสูง ซึ่งมีวงจรชีวิตที่ซับซ้อนและจัดการข้อมูลนักเรียนส่วนบุคคลในขณะเดียวกันก็รักษาการกำกับดูแลไว้ มันจะให้แบบจำลองสำหรับภาคส่วนอื่นๆ ที่เผชิญกับแรงกดดันเดียวกัน

การลังเลมีความสมเหตุสมผล – การออกแบบการกำกับดูแลก่อนการดำเนินการ

การลังเลเกี่ยวกับ AI ที่ดำเนินการนั้นเข้าใจได้ ผู้นำกังวลเกี่ยวกับคุณภาพข้อมูล การทำให้ทำงานโดยอัตโนมัติ และการสูญเสียการควบคุม โดยเฉพาะในสภาพแวดล้อมที่มีการควบคุมหรืออาศัยความไว้วางใจ ความกังวลเหล่านี้ไม่ใช่เหตุผลที่จะหยุดชะงักไม่เดินหน้าเสมอไป สิ่งที่มักจะขาดคือบทบาทของการกำกับดูแลในฐานะตัวเร่งการไม่ใช่ข้อจำกัด

เกือบครึ่งหนึ่ง ขององค์กรรายงานว่าโครงสร้างการกำกับดูแลและการสร้างความไว้วางใจที่ไม่เพียงพอขัดขวางความสามารถในการรับประโยชน์จาก AI การวิจัยเดียวกันแสดงให้เห็นว่าบริษัทที่ลงทุนในการปฏิบัติงาน AI ที่รับผิดชอบมีความพร้อมที่จะขยายผลกระทบ

AI ที่ดำเนินการไม่สามารถประสบความสำเร็จได้หากไม่มีการป้องกันที่ชัดเจน การเปลี่ยนจากคำแนะนำไปสู่การดำเนินการจำเป็นต้องมีการตัดสินใจที่ชัดเจนเกี่ยวกับใครที่ AI สามารถดำเนินการแทนได้ การกระทำใดที่ได้รับอนุญาต เมื่อใดที่ต้องการการตรวจสอบของมนุษย์ และวิธีการยกเว้นข้อยกเว้นที่จะถูกส่งไปยังเจ้าของมนุษย์

องค์กรที่ดำเนินการไปข้างหน้าได้สำเร็จมองการกำกับดูแลเป็นส่วนหนึ่งของการออกแบบผลิตภัณฑ์และกระบวนการ ไม่ใช่สิ่งที่พิจารณาในภายหลัง ในทางปฏิบัติ หมายถึงการสร้าง:

• เส้นทางการอนุมัติที่กำหนดไว้สำหรับการที่ AI สามารถดำเนินการได้ด้วยตนเองเทียบกับการที่ต้องการการอนุมัติของมนุษย์
• ความสามารถในการตรวจสอบและติดตามผลการดำเนินการเพื่อที่จะสามารถตรวจสอบ อธิบาย และย้อนกลับได้
• กฎการยกเว้นที่ชัดเจนซึ่งส่งต่อความไม่แน่นอนไปยังเจ้าของมนุษย์
• การควบคุมความเป็นส่วนตัวและการรักษาข้อมูลที่สอดคล้องกับความคาดหวังด้านกฎระเบียบ

การกำกับดูแลประเภทนี้ไม่ชะลอการดำเนินการของ AI แต่ทำให้สามารถดำเนินการได้ด้วยความมั่นใจ ผู้นำไม่ควรถามว่าพวกเขาสามารถจ่ายค่าใช้จ่ายในการกำกับดูแลได้หรือไม่ แต่ควรถามว่าพวกเขาสามารถจ่ายค่าใช้จ่ายสำหรับ AI ที่ไม่สามารถดำเนินการได้เพราะไม่มีการกำกับดูแลที่ถูกออกแบบมาในระบบตั้งแต่เริ่มต้น

ความพร้อมของ AI ในปี 2026

ในปี 2026 ความ숙련ของ AI จะถูกกำหนดโดยไม่ใช่แค่ว่าองค์กรใช้ AI หรือไม่ แต่โดยวิธีการที่พวกเขาทำให้ AI ดำเนินการ

สถาบันที่พร้อมสำหรับ AI มีลักษณะดังต่อไปนี้:

• เป้าหมายที่ชัดเจนเชื่อมโยงกับการเพิ่มขึ้นของการลงทะเบียน การรักษานักเรียน การมีส่วนร่วม หรือการระดมทุน
• โครงสร้างการกำกับดูแลที่รวมการควบคุมความเป็นส่วนตัว การอนุมัติ การบันทึก และการยกเว้น
• การรวมข้อมูลและระบบที่ทำให้ AI สามารถดำเนินการได้ ไม่ใช่แค่แนะนำ

ช่วงต่อไปของการนำ AI ไปใช้จะถูกนำโดยองค์กรที่ออกแบบสำหรับการดำเนินการอย่างรับผิดชอบ ทำให้ AI เพิ่มความสามารถ สนับสนุนผลลัพธ์ที่ดีขึ้น และช่วยให้ทีมทำงานได้มากขึ้นด้วยทรัพยากรที่น้อยลง โดยไม่สูญเสียสัมผัสของมนุษย์ที่สำคัญที่สุด