รายงาน “ความได้เปรียบในการปรับตัว: ใครกำลังคว้าชัยด้วย AI และทำอย่างไร” ของ Wharton–GBK เผยช่องว่างด้านผลตอบแทนจากการลงทุนใน AI

รายงานฉบับใหม่จาก Wharton Human-AI Research และ GBK Collective เรื่อง ความได้เปรียบในการปรับตัว: ใครกำลังคว้าชัยด้วย AI และทำอย่างไร แสดงให้เห็นว่า AI แพร่หลายในองค์กรไปไกลเพียงใด และการเปลี่ยนจากการนำ AI มาใช้ให้เป็นผลตอบแทนทางธุรกิจที่มีนัยสำคัญนั้นยากเพียงใด ผู้ตอบแบบสำรวจที่เป็นผู้จัดการขึ้นไป 80% ระบุว่าการลงทุนด้าน AI ของแผนกให้ผลตอบแทนเป็นบวก แต่มีเพียง 28% ที่บอกว่าผลตอบแทนนั้นเป็นบวกอย่างมาก การศึกษาประจำปีครั้งที่ 4 ชี้ว่าองค์กรที่รายงานผลลัพธ์ได้ดีกว่ามีลักษณะเด่นร่วมกัน ได้แก่ การออกแบบกระบวนการทำงานใหม่ การกำหนดผู้รับผิดชอบให้ชัดเจนขึ้น และการวัดผลที่มุ่งเน้นการเติบโต

การศึกษานี้เผยแพร่เมื่อวันที่ 13 ตุลาคม และขยายประเด็นถกเถียงเรื่อง AI ในองค์กรให้ก้าวพ้นคำถามว่าพนักงานใช้เทคโนโลยีนี้หรือไม่ โดยหันไปถามคำถามที่สำคัญกว่า นั่นคือบริษัทได้ปรับเปลี่ยนกระบวนการ แรงจูงใจ และโครงสร้างการบริหารจัดการที่เกี่ยวข้องกับ AI แล้วหรือไม่

การวัดการเติบโตเปลี่ยนภาพที่เห็นเกี่ยวกับคุณค่าของ AI

หนึ่งในความแตกต่างที่ชัดเจนที่สุดในรายงานอยู่ที่สิ่งที่แผนกต่าง ๆ ใช้เป็นเกณฑ์วัดความสำเร็จ ในกลุ่มที่ติดตามตัวชี้วัดการเติบโตอย่างน้อยหนึ่งรายการ 35% รายงานว่า AI ให้ผลตอบแทนเป็นบวกอย่างมาก เทียบกับ 13% ในกลุ่มที่วัดเฉพาะประสิทธิภาพเท่านั้น กล่าวคือ กลุ่มที่วัดการเติบโตมีสัดส่วนผู้รายงานผลตอบแทนที่เป็นบวกอย่างมากสูงกว่าราว 2.7 เท่า

ความแตกต่างนี้ครอบคลุมมากกว่าแค่รายได้ การศึกษาจัดให้รายได้ใหม่สุทธิ การเปลี่ยนผู้สนใจให้เป็นยอดขาย ปริมาณผลงาน และความพึงพอใจของลูกค้าเป็นตัวชี้วัดการเติบโต ส่วนตัวชี้วัดประสิทธิภาพครอบคลุมต้นทุนการดำเนินงาน ชั่วโมงที่ประหยัดได้ ระยะเวลาดำเนินงาน และอัตราข้อผิดพลาด แต่ละแผนกเลือกตัวชี้วัดได้สูงสุด 3 รายการ ดังนั้นกลุ่มที่วัดการเติบโตจึงอาจรวมองค์กรที่ติดตามประสิทธิภาพด้วย

เรื่องนี้สำคัญ เพราะการประหยัดเวลายังอธิบายได้ง่ายกว่าการขยายธุรกิจ ชั่วโมงที่ประหยัดได้เป็นตัวชี้วัดที่มีผู้เลือกมากที่สุด อยู่ที่ 40% ขณะที่รายได้ใหม่สุทธิได้รับเลือก 27% ขณะเดียวกัน ผู้จัดการขึ้นไป 83% คาดว่า AI จะพลิกโฉมหรือส่งผลกระทบอย่างมากต่ออุตสาหกรรมของตนภายใน 2 ถึง 5 ปี

นัยในทางปฏิบัติคือควรเชื่อมโยงโครงการ AI เข้ากับผลลัพธ์ที่ธุรกิจต้องการจริง ๆ ตัวอย่างเช่น กระบวนการขายที่รวดเร็วขึ้นอาจประเมินได้ทั้งจากเวลาที่ประหยัดได้และประสิทธิภาพในการเปลี่ยนผู้สนใจให้เป็นยอดขาย ผลสำรวจไม่ได้พิสูจน์ว่าการเปลี่ยนแดชบอร์ดทำให้ได้ผลตอบแทนดีขึ้น แต่แสดงให้เห็นความสัมพันธ์ระหว่างแนวทางการวัดผลที่ครอบคลุมกว่าเดิมกับผลลัพธ์ที่รายงานว่าดีกว่า

เอเจนต์ AI ใช้กันแพร่หลาย แต่การผสานเข้ากับกระบวนการอย่างลึกซึ้งยังพบได้น้อย

การใช้เอเจนต์แพร่หลายแล้ว โดย 67% ของแผนกระบุว่าใช้เอเจนต์ AI ในรูปแบบใดรูปแบบหนึ่ง อย่างไรก็ตาม มีเพียง 28% ที่ระบุว่า AI ผสานเข้ากับกระบวนการหลักของธุรกิจอย่างเต็มรูปแบบ และมีเพียง 17% ที่อนุญาตให้เอเจนต์ทำงานได้โดยอัตโนมัติ โดยให้มนุษย์ตรวจสอบภายหลัง หรือใช้การติดตามและมาตรการกำกับควบคุมแทนการตรวจสอบดังกล่าว

กลุ่มที่ใหญ่ที่สุด ซึ่งมีสัดส่วน 48% ระบุว่า AI ทำงานให้ แต่ต้องมีคนตรวจสอบและอนุมัติก่อนดำเนินการ อีก 35% ใช้ AI เพื่อเสนอแนะหรือร่างเนื้อหา ขณะที่มนุษย์เป็นผู้ตัดสินใจขั้นสุดท้าย ความแตกต่างเหล่านี้ชี้ให้เห็นว่าเหตุใดการประกาศว่า “นำเอเจนต์มาใช้แล้ว” จึงแทบไม่บอกอะไรเลยว่ากระบวนการทำงานเปลี่ยนแปลงไปมากน้อยเพียงใด

เกณฑ์ที่รายงานใช้ระบุว่ากระบวนการทำงานเปลี่ยนแปลงไปนั้นต้องเป็นไปตามเงื่อนไขทั้ง 3 ข้อพร้อมกัน ได้แก่ กระบวนการทำงานเปลี่ยนแปลงอย่างมีนัยสำคัญ AI ผสานอยู่ในกระบวนการหลัก และมีการใช้เอเจนต์ในรูปแบบใดรูปแบบหนึ่ง ในบรรดาแผนกที่เป็นไปตามนิยามนี้ 67% รายงานว่าได้ผลตอบแทนจากการลงทุน (ROI) เป็นบวกอย่างมาก

ข้อค้นพบนี้สนับสนุนมุมมองที่เข้มงวดขึ้นต่อการนำ AI มาใช้ การติดตั้งผู้ช่วยเป็นเพียงส่วนหนึ่งของงานเท่านั้น ทีมยังต้องตัดสินใจว่าจะให้ข้อมูลไหลเวียนอย่างไร กรณียกเว้นใดบ้างที่ต้องมีผู้เข้าแทรกแซง และใครเป็นผู้รับผิดชอบต่อผลลัพธ์ ทั้งนี้ไม่ได้หมายความว่าทุกงานควรทำงานโดยอัตโนมัติ รายงานระบุว่าความปลอดภัย กฎระเบียบ และความไว้วางใจเป็นอุปสรรคต่อการให้อิสระแก่เอเจนต์มากขึ้น ทำให้ความเหมาะสมของแต่ละกระบวนการเป็นปัจจัยสำคัญในการตัดสินใจ

การกำหนดผู้รับผิดชอบชัดเจนมาพร้อมผลตอบแทนที่ดีกว่า

องค์กรที่เพิ่งแต่งตั้งประธานเจ้าหน้าที่ฝ่าย AI มีความโดดเด่นเป็นพิเศษ ในกลุ่มผู้จัดการขึ้นไปขององค์กรเหล่านี้ 58% รายงานว่าได้ผลตอบแทนเป็นบวกอย่างมาก เทียบกับ 24% ในองค์กรที่เพิ่มการกำกับดูแล AI เข้าไปในหน้าที่ของผู้บริหารที่มีอยู่แล้ว ตัวเลขดังกล่าวอยู่ที่ 8% ในองค์กรที่ไม่มีตำแหน่งนี้และไม่มีแผนจะจัดตั้ง

กลยุทธ์ด้านแพลตฟอร์มเผยให้เห็นความแตกต่างอีกประการหนึ่ง ผู้ตอบแบบสำรวจในองค์กรที่กำหนดให้ใช้แพลตฟอร์ม AI ที่ผ่านการอนุมัติเพียงแพลตฟอร์มเดียว 50% รายงานว่าได้ผลตอบแทนเป็นบวกอย่างมาก เทียบกับ 9% ในกลุ่มที่ยังทดลองใช้โดยไม่มีแนวทางที่ชัดเจน การเปรียบเทียบเหล่านี้เป็นการสังเกตความสัมพันธ์เท่านั้น ภาวะผู้นำที่รับผิดชอบโดยตรงและการใช้แพลตฟอร์มอย่างสม่ำเสมออาจมาพร้อมข้อได้เปรียบด้านอื่น ๆ ด้วย เช่น ทรัพยากรและวุฒิภาวะขององค์กร

การกำหนดผู้รับผิดชอบเมื่อเอเจนต์ทำผิดพลาดยังไม่มีข้อยุติ ผู้ตอบแบบสำรวจระบุความรับผิดชอบให้ทีมกำกับดูแลหรือทีมบริหารความเสี่ยงมากที่สุด (28%) รองลงมาคือผู้จัดการของพนักงานที่นำเอเจนต์ไปใช้ (26%) และตัวพนักงานเอง (25%) ไม่มีคำตอบใดโดดเด่นเหนือคำตอบอื่น สำหรับธุรกิจที่ขยายการใช้เอเจนต์ การกำหนดผู้รับผิดชอบเป็นส่วนหนึ่งของการออกแบบการดำเนินงาน เช่นเดียวกับการกำหนดสิทธิ์และการติดตามตรวจสอบ

พนักงานมองการเปลี่ยนแปลงแตกต่างออกไป

เป็นครั้งแรกที่การศึกษาประจำปีนี้สำรวจพนักงานระดับต้นและระดับกลางควบคู่ไปกับผู้จัดการและผู้บริหารระดับสูง การเปรียบเทียบเผยให้เห็นความแตกต่างอย่างมากในการรับรู้ถึงความพร้อม

แม้ผู้จัดการขึ้นไป 73% ระบุว่าเวิร์กโฟลว์ของแผนกเปลี่ยนแปลงไปอย่างมากเพราะ AI แต่พนักงานระดับเริ่มต้นและระดับกลาง 58% ระบุเช่นเดียวกัน ช่องว่างด้านการฝึกอบรมยิ่งกว้างกว่า โดยผู้นำ 78% เชื่อว่าพนักงานได้รับการฝึกอบรมด้าน AI อย่างเพียงพอ เทียบกับพนักงาน 56%

ความแตกต่างเหล่านี้ไม่ได้หมายความว่าพนักงานปฏิเสธ AI โดยสิ้นเชิง พนักงานระดับเริ่มต้นและระดับกลาง 73% ระบุว่า AI ส่งผลดีต่อบทบาทหน้าที่ของตน และ 84% ของผู้ที่ใช้ AI ระบุว่าช่วยประหยัดเวลา ประเด็นที่ยังตึงเครียดคือ AI มีประโยชน์ต่อแต่ละบุคคล แต่การนำไปใช้ให้ได้ผลทั่วทั้งองค์กรยังต้องอาศัยการสนับสนุน

ผลกระทบต่อกำลังคนยังเป็นประเด็นที่ไม่มีข้อสรุปแน่ชัด ผู้จัดการขึ้นไป 37% รายงานว่ามีการลดจำนวนพนักงานที่เกี่ยวข้องกับ AI และ 33% ระบุว่าการจ้างงานชะลอตัวหรือถูกระงับ อย่างไรก็ตาม แผนกที่รายงานผลตอบแทนสูงไม่ได้มีแนวโน้มรายงานการลดพนักงานหรือการระงับจ้างงานดังกล่าวมากกว่าแผนกอื่น แต่ผลตอบแทนที่สูงขึ้นกลับมาพร้อมกับการเปลี่ยนแปลงโครงสร้างการจัดการ เวิร์กโฟลว์ การติดตามตรวจสอบ และการฝึกอบรม

สิ่งที่แบบสำรวจบอกธุรกิจได้—และบอกไม่ได้

งานวิจัยนี้สำรวจพนักงานประจำ 1,416 คนในองค์กรภาคเอกชนของสหรัฐฯ ที่มีพนักงานอย่างน้อย 1,000 คน และมีรายได้มากกว่า 50 ล้านดอลลาร์สหรัฐ การสัมภาษณ์จัดขึ้นระหว่างวันที่ 9–29 กรกฎาคม 2026 กลุ่มตัวอย่างประกอบด้วยผู้จัดการขึ้นไป 1,007 คน และพนักงานระดับเริ่มต้นและระดับกลาง 409 คน โดยรายงานผลของผู้ตอบแบบสอบถามทั้งสองกลุ่มแยกกัน

ข้อมูลเหล่านี้เป็นการประเมินที่ผู้ตอบรายงานด้วยตนเอง ไม่ใช่ผลตอบแทนจากการลงทุนที่ผ่านการตรวจสอบโดยหน่วยงานอิสระ ผลการศึกษานี้อธิบายถึงองค์กรธุรกิจขนาดใหญ่ในสหรัฐฯ จึงไม่ควรนำไปสรุปใช้กับธุรกิจขนาดเล็กหรือประเทศอื่นโดยอัตโนมัติ ส่วนการเปรียบเทียบกับปีก่อนหน้าใช้ข้อมูลของกลุ่มผู้จัดการขึ้นไป เนื่องจากเพิ่งรวมพนักงานระดับต้นเข้ามาในการศึกษาในปี 2026

สำหรับทีมในองค์กร รายงานฉบับนี้เสนอแนวทางที่เป็นประโยชน์ในการประเมินความก้าวหน้าด้าน AI โดยให้มองข้ามจำนวนผู้ใช้งาน แล้วพิจารณาผลลัพธ์ทางธุรกิจที่วัดได้ การผสาน AI เข้ากับงานหลัก ความรับผิดชอบที่ชัดเจน และประสบการณ์จริงของพนักงาน การเปิดให้เข้าถึง AI อย่างแพร่หลายอาจเกิดขึ้นควบคู่กับการนำไปใช้ที่ยังไม่มีประสิทธิภาพ และการปรับปรุงผลิตภาพที่รายงานไว้ก็อาจยังเหลืองานสำคัญอีกมากที่องค์กรต้องดำเนินการให้เสร็จ

ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับข้อค้นพบ ระเบียบวิธีวิจัย ตลอดจนการเปรียบเทียบระหว่างอุตสาหกรรมและแผนก สามารถอ่านรายงานฉบับเต็มของ Wharton–GBK เรื่อง ความได้เปรียบในการปรับตัว: ใครกำลังคว้าชัยด้วย AI และทำอย่างไร