วิธีหยุดเสียเงินกับโครงการนำร่อง AI: ข้อผิดพลาดสามประการและสิ่งที่ควรทำแทน

ในไม่กี่ปีที่ผ่านมา อุตสาหกรรมการเงินได้เร่งรีบนำปัญญาประดิษฐ์มาใช้ บริษัทต่างๆ เริ่มซื้อโมเดลและลงนามสัญญากับผู้จำหน่ายมากขึ้น แต่ผลลัพธ์กลับน้อยหรืออาจน่ากลัว ตามการศึกษา ของ MIT ที่เผยแพร่เมื่อปีที่แล้ว 95% ของโครงการ AI ทดลองของบริษัทไม่มีผลกระทบที่วัดได้ต่อกำไรของบริษัท

ในขณะเดียวกัน การใช้จ่ายกำลังพุ่งสูงขึ้นอย่างมหาศาล โดยประมาณว่าปีที่แล้วโลกใช้เงินไปกับ AI จำนวน 1.76 ล้านล้านดอลลาร์ และคาดว่าในปี 2026 ตัวเลขนี้จะเพิ่มเป็น 2.59 ล้านล้าน ดังนั้นเงินที่ลงทุนและเงินที่ได้กลับมาดูเหมือนแตกต่างอย่างมาก และต้นทุนกำลังเพิ่มขึ้นโดยแทบไม่มีผลลัพธ์

อย่างไรก็ตาม ปัญหาไม่ได้อยู่ที่เทคโนโลยีอ่อนแอ โมเดล AI กำลังฉลาดขึ้นทุกปี จน OpenAI ตัดสินใจระงับการพัฒนาเพื่อไม่ให้ก้าวไกลเกินไป ดังนั้นในกรณีนี้ ข้อเสียที่แท้จริงคือการขาดโมเดลการดำเนินงานที่สามารถใช้เทคโนโลยีเหล่านี้ได้อย่างมีประสิทธิภาพ

ภาพลวงของการมีโครงการทดลอง

ระดับการบูรณาการ AI สูงจนเกือบทุกบริษัทฟินเทคหรือการเงินแบบดั้งเดิมได้เปิดตัวโครงการ AI ทดลองอย่างน้อยหนึ่งโครงการเมื่อเร็ว ๆ นี้ เช่น แชทบอทสำหรับลูกค้า แต่ไม่ว่าพวกเขาจะเปิดตัวอะไร เรื่องราวเหล่านี้มักจบลงด้วยผลลัพธ์ที่ไม่พึงประสงค์

ทุกอย่างเริ่มจากทีมหนึ่งสร้างหลักฐานแนวคิดที่ทำงานได้ดีภายใต้เงื่อนไขการทดสอบที่ควบคุมได้ จากนั้นหลังการสาธิต ผู้บริหารประทับใจและให้พวกเขานำไปใช้งาน แต่ในบางจุดโครงการก็ล่มหรือไม่มีประสิทธิภาพ ทำไมถึงเป็นเช่นนั้น?

แน่นอน ไม่ใช่ทุกโครงการ AI ภายในที่จะล้มเหลว เพราะถ้าเป็นเช่นนั้น จะไม่มีวิศวกร Machine Learning เหลืออยู่และเทคโนโลยีก็จะไร้ประโยชน์ แต่ผมได้เห็นวงจรความล้มเหลวนี้หลายครั้งจนรู้สาเหตุอย่างลึกซึ้ง พูดง่าย ๆ คือปัญหาอยู่ที่โครงการทดลองเอง แม้ว่าจะทำอย่างดี แต่ไม่ได้ออกแบบให้สอดคล้องกับการทำงานจริงของธุรกิจในแต่ละวัน

ผลก็คือ โมเดลที่ทำงานได้ยอดเยี่ยมในสภาพแยกจะต้องเผชิญกับระบบโครงสร้างพื้นฐานเก่าหรือพนักงานที่ไม่รู้วิธีใช้เทคโนโลยีเหล่านั้น แต่ไม่มีอุปสรรคใดที่อัลกอริทึมที่ฉลาดกว่าจะแก้ได้ ทุกอย่างสามารถแก้ได้เพียงการตัดสินใจของผู้บริหารเท่านั้น ซึ่งไม่ใช่หน้าที่ของนักวิทยาศาสตร์ข้อมูล

ข้อผิดพลาดบางอย่างที่ควรหลีกเลี่ยง

ก่อนที่เราจะมาดูวิธีบูรณาการ AI อย่างมีประสิทธิภาพในบริษัท มาพิจารณาข้อผิดพลาดอื่น ๆ ที่อาจเกิดขึ้นระหว่างทางกัน

ข้อผิดพลาดแรกและสำคัญที่สุด ซึ่งเราได้กล่าวโดยอ้อมไปแล้ว คือการมองว่า AI เป็นเพียงส่วนเสริมโดยไม่ปรับโครงสร้างกระบวนการใหม่ จริง ๆ แล้วหลายบริษัทนำกระบวนการที่มีอยู่แล้วมาฝังเครื่องมือ AI เพียงขั้นตอนเดียวโดยไม่พิจารณาว่า AI มีความเหมาะสมกับกระบวนการนั้นหรือไม่

ดังนั้นในฐานะผู้จัดการ ผมจะตั้งคำถามกับตัวเองก่อนว่า: กระบวนการนี้จำเป็นต่อบริษัทของคุณหรือไม่? หากขั้นตอนทำงานไม่มีประสิทธิภาพก่อนการอัตโนมัติ มันจะยังคงไม่มีประสิทธิภาพเท่าเดิมหลังจากนั้น แม้อาจแย่ลงได้ เพราะ AI สามารถ จำ รูปแบบเชิงลบและทำซ้ำได้

ข้อผิดพลาดต่อไปเกิดเมื่อผู้จัดการประเมินภาระของการปฏิบัติตามกฎระเบียบและการกำกับดูแลต่ำเกินไป ธุรกิจบริการทางการเงินเผชิญกับแรงกดดันด้านกฎระเบียบที่เข้มงวดที่สุดในทุกอุตสาหกรรม และตัวอย่างเช่น คุณไม่สามารถทำให้แผนกการปฏิบัติตามกฎทั้งหมดทำงานอัตโนมัติด้วย AI ได้ เช่นเดียวกับการให้บริการโดยตรงและการจัดการพอร์ตโฟลิโอ มันดูเหมือนความจริงสากล แต่คุณจะประหลาดใจที่พบว่าผู้ก่อตั้งหลายคนทำผิดพลาด

ท้ายที่สุดแต่สำคัญไม่แพ้กัน หลายบริษัทลืมฝึกอบรมพนักงานสำหรับการนำ AI ไปใช้ เมื่อเทคโนโลยีเข้ามาแทนที่กิจวัตรของพนักงาน สัญชาตญาณแรกมักจะเป็นการลดจำนวนพนักงาน เนื่องจากหลายงานสามารถทำได้เร็วขึ้นด้วยคนจำนวนน้อย แม้ว่าจะช่วยลดค่าใช้จ่ายในระยะสั้น แต่เป็นการมองข้ามระยะยาวอย่างมาก

หากคุณต้องการคุณค่าแท้จริง ให้ตั้งคำถามใหม่กับตัวเอง งานระดับสูงที่พนักงานของเราสามารถทำได้เมื่อปลดปล่อยจากกิจวัตรคืออะไร? พวกเขาพร้อมหรือไม่ด้วยทักษะและแรงจูงใจในปัจจุบัน

สิ่งที่ควรเริ่มทำในวันจันทร์เพื่อเพิ่มประสิทธิภาพ

ขั้นตอนแรก ให้ตรวจสอบโครงการ AI ทดลองที่ค้างอยู่ นั่นคือ อย่าแนะนำแนวคิดใหม่จนกว่าจะจัดการกับโครงการเก่าให้เรียบร้อย ใน 90% ของกรณี ปัญหาคือการขาดความรับผิดชอบ คือไม่มีใครรับผิดชอบอย่างชัดเจนต่อการขยายขนาด ดังนั้นให้กำหนดผู้รับผิดชอบ

หากมีคนรับผิดชอบการควบคุม AI อยู่แล้ว ขั้นตอนต่อไปคือการทบทวนกระบวนการและสร้างใหม่ทั้งหมด อย่าเพียงแค่เพิ่ม AI เข้าไปในขั้นตอนที่มีอยู่ คำแนะนำของผมคือให้ตั้งคำถามว่า กระบวนการนี้จะเป็นอย่างไรหากเราต้องออกแบบใหม่ตั้งแต่ต้นในวันนี้ โดยรู้ว่า AI สามารถทำการวิเคราะห์ขั้นต้นได้ บ่อยครั้งคำตอบจะง่ายกว่าที่คิด

นอกจากนี้ อย่าลืมคำนวณตัวเลขจริงที่โมเดล AI นำมาด้วย หากหกเดือนหลังการเปิดตัวคุณไม่สามารถระบุตัวเลขเกี่ยวกับประสิทธิภาพของโมเดล (เช่น ชั่วโมงที่ประหยัดหรือกำไรที่เพิ่มขึ้น) แสดงว่ามันไม่ได้ทำงานตามที่ควร ดังนั้นควรพิจารณาคุณค่าของมันใหม่

และอาจสำคัญที่สุด อย่าไล่พนักงานออกไป โดยเฉพาะผู้ที่รับผิดชอบและผู้ที่ทำงานด้วยความซื่อสัตย์เสมอ หากพนักงานทำรายได้ให้บริษัทมากกว่าที่พวกเขาได้รับในหนึ่งปี การไล่ออกจะกลายเป็นปัญหาให้คุณในเร็ววัน และบริษัทที่ไม่เข้าใจเรื่องนี้จะสูญเสียความรู้เชิงสถาบันและความไว้วางใจของทีม ซึ่งต่อมาจะทำให้ค่าใช้จ่ายเพิ่มขึ้นอย่างมาก

โดยรวมแล้ว 95% ของการทดลองนำร่องไม่บรรลุผล ไม่ได้เพราะเทคโนโลยีล้มเหลว แต่เป็นเพราะองค์กรรอบด้านยังคงเหมือนเดิมและล้าสมัย นี่คือปัจจัยเดียวที่ควรเปลี่ยนแปลงเป็นอันดับแรก