เริ่มต้น AI Transformation ให้ถูกจุด ช่วยลดความเสี่ยงและเพิ่มโอกาสให้ธุรกิจก้าวกระโดด

การนำ AI เข้ามาใช้ในองค์กรถือเป็นการเปลี่ยนแปลงครั้งใหญ่ที่ต้องการการวางแผนอย่างรอบคอบ เพราะใช้ทรัพยากรทั้งเวลาและเงินลงทุนไม่น้อย จึงควรเริ่มจาก use case ขนาดเล็กที่ช่วยให้ผู้บริหารและทีมงานมีความเข้าใจและเห็นภาพของการเปลี่ยนแปลงที่ชัดขึ้นแล้วจึงขยายผลต่อไปยังโอกาสอื่น ๆ 

คำถามที่ผู้บริหารและทีมงานมักถามกันคือ “เราควรเริ่มต้นจากไหนดี?” และ “จะเลือก use case ไหนมาทำก่อน?” หรือแม้แต่ “ในธุรกิจแบบนี้ ต้องทำอะไรบ้าง?” การหาคำตอบที่ชัดเจนสำหรับคำถามเหล่านี้ไม่ใช่เรื่องง่าย เพราะแต่ละองค์กรมีบริบทที่แตกต่างกัน มีจุดแข็งและจุดอ่อนแตกต่างกัน เครื่องมือหนึ่งที่ช่วยได้มากในการคัดเลือกและวางแผน use case คือการใช้ Canvas หรือ Framework ซึ่งช่วยให้ผู้นำการเปลี่ยนแปลงสามารถใช้เรียบเรียงและจัดกรอบความคิด ประเมิน และเลือก use case ได้อย่างเป็นระบบ

บทความนี้จะใช้กรอบแนวคิด AI Transformation Initiation Canvas ที่พัฒนาขึ้นโดย Magic Wand AI จากการตกผลึกด้วยประสบการณ์ที่ได้พบกับผู้ประกอบการและได้ให้คำปรึกษาเกี่ยวกับการคัดเลือก use case เพื่อทำโปรเจค AI ที่มุ่งตอบสนองต่อธุรกิจและคนทำงานได้ โดยไม่ต้องอาศัยความรู้ทางเทคนิคมากนัก โดยมีรูปแบบดังนี้ 

เข้าใจโครงสร้างของ AI Transformation Initiation Canvas

Canvas นี้ถูกออกแบบมาให้มี 3 โซนหลักในแนวนอน ที่เชื่อมโยงกันอย่างเป็นระบบ แต่ละโซนจะช่วยให้เกิดการเรียบเรียงความคิดในมุมมองที่แตกต่างกัน ซึ่งสามารถนำมาประกอบกันเป็นภาพรวมที่สมบูรณ์ได้ ดังนี้

โซน Vision - วิสัยทัศน์และเป้าหมาย

โซนนี้เป็นจุดเริ่มต้นที่กำหนดทิศทางและเหตุผลในการทำ AI transformation ประกอบด้วย 2 องค์ประกอบสำคัญ คือ

• Pain/Opportunity (ปัญหาและโอกาส) ส่วนนี้จะใช้เพื่อระบุสิ่งที่อยากทำ ว่าเป็นปัญหาที่เป็น pain point ในองค์กร หรือเป็นโอกาสที่เห็นว่าธุรกิจอาจเติบโตได้อย่างก้าวกระโดดถ้าองค์กรสร้างความสามารถนี้ขึ้น และคาดว่า AI สามารถเข้ามาช่วยได้ อาจเป็นเรื่องของการทำงานที่ช้า ซ้ำซาก การผิดพลาดบ่อย หรือการไม่สามารถตอบสนองลูกค้าได้ทันเวลา ประเด็นสำคัญคือต้องเป็นปัญหาที่มีผลกระทบจริงและวัดผลได้

• Impact & Value (ผลกระทบและคุณค่า) ถ้าสามารถแก้ปัญหาหรือใช้ประโยชน์จากโอกาสที่ระบุไว้ได้แล้ว กิจการจะได้ประโยชน์อะไรบ้าง ในมูลค่าเท่าไหร่ อาจเป็นการประหยัดต้นทุน การเพิ่มรายได้ การปรับปรุงคุณภาพ หรือการเพิ่มความพึงพอใจของลูกค้า ขอแนะนำให้ระบุทั้งในเชิงตัวเลขและเชิงคุณภาพ เพื่อที่จะสามารถวัดผล ROI ได้ในภายหลัง ที่สำคัญคือช่วยให้ตัดสินใจเรื่องงบประมาณที่ต้องใช้ได้ด้วย 

เช่น ถ้าพบว่าปัญหาที่มีอยู่นั้น ถ้าแก้ได้ จะช่วยประหยัดได้ปีละ 2,000,000 บาท ต่อมาพบว่า สามารถแก้ได้ด้วยงบลงทุน 500,000 บาท ซึ่งมีระยะเวลาคืนทุนเพียง 3 เดือน ย่อมตัดสินใจได้ง่าย

โซน Vision นี้จะช่วยให้สามารถตอบคำถามพื้นฐานได้ว่า “ทำไมเราต้องทำ AI transformation เรื่องนี้” และ “ถ้าทำสำเร็จแล้วจะได้อะไร” ถ้าไม่มีความชัดเจนในโซนนี้ โปรเจค AI อาจกลายเป็นเพียงการทดลองที่ขาดทิศทาง

โซน Capabilities - ความสามารถและกระบวนการ

โซนนี้ช่วยวางแผนรายละเอียดว่าองค์กรจะดำเนินการ AI Transformation สำหรับกรณีการใช้งานที่เลือกอย่างไร ประกอบด้วย 3 องค์ประกอบ อาทิ

• Differentiation (การสร้างความแตกต่าง) ส่วนนี้ให้ดูว่าการใช้ AI เข้ามาช่วย จะทำให้กิจการมีคุณสมบัติที่แตกต่างจากคู่แข่งอย่างไร หรือมีจุดได้เปรียบอย่างไร ที่จะสร้างจุดเด่นที่ไม่มีใครเลียนแบบได้ง่าย อาจเป็นการสร้าง customer experience ที่ดีกว่า หรือการพัฒนาผลิตภัณฑ์ใหม่ที่ไม่เคยมีมาก่อน รวมถึงการปรับกระบวนการที่เป็น secret source ขององค์กรให้อยู่ในรูปแบบที่ขยายผล (scale) ได้ ความแตกต่างนี้จะเป็นพื้นฐานในการสร้าง competitive advantage ในระยะยาว

• Process (กระบวนการ) ตรงนี้จำเป็นที่จะต้องระบุให้ได้ว่าขั้นตอนการทำงานปัจจุบันเป็นอย่างไร หรือกระบวนการที่มีอยู่เป็นอย่างไร และจะต้องปรับเปลี่ยนอย่างไรเมื่อนำ AI เข้ามา บางครั้งการเปลี่ยน process อาจสำคัญกว่าตัวเทคโนโลยี AI เอง เพราะถ้า process ไม่เหมาะสม หรือแม้แต่คนในองค์กรก็ไม่รู้ว่างานนั้นต้องมีกระบวนการอย่างไรเพื่อให้ประสบความสำเร็จ แม้จะใช้ AI ก็จะไม่สามารถทำงานได้อย่างมีประสิทธิภาพ

• Data (ข้อมูล) AI ทำงานได้ดีเพียงใดขึ้นอยู่กับคุณภาพของข้อมูลเป็นสำคัญ ดังนั้นจึงต้องประเมินว่าข้อมูลที่มีอยู่เพียงพอหรือไม่ มีคุณภาพดีหรือไม่ มีความพร้อมสำหรับการนำไปประมวลผลต่อด้วย AI แล้วหรือไม่ หรือว่าต้องเตรียมข้อมูลเพิ่มเติมอย่างไร การทำ data governance และ data quality management จึงเป็นสิ่งที่ต้องวางแผนไว้ล่วงหน้า

โซน Capabilities จะช่วยให้ตอบคำถามได้ว่า “เมื่อทำแล้วเราจะแตกต่างจากคนอื่นอย่างไร” และ “เรามีความพร้อมที่จะทำหรือยัง” การวิเคราะห์ในโซนนี้จะช่วยระบุสิ่งที่ต้องเตรียมและพัฒนาเพื่อให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพต่อไป

โซน Collaboration - การทำงานร่วมกันระหว่างคนและ AI

โซนสุดท้ายนี้เป็นส่วนที่ช่วยให้เกิดความชัดเจนว่า คนและ AI จะทำงานร่วมกันได้อย่างไร ประกอบด้วย 3 องค์ประกอบ ได้แก่

• Automation (การทำงานอัตโนมัติ) ส่วนนี้จะระบุว่างานหรือกระบวนการลำดับไหนบ้าง ที่สามารถให้ AI ทำแทนคนได้ การออกแบบระดับความเป็น automation ให้เหมาะสมจะช่วยให้การนำ AI มาใช้เป็นไปอย่างราบรื่นและได้รับการยอมรับจากพนักงาน ซึ่งควรเป็นงานที่ซ้ำซากและมีรูปแบบการทำงานที่ชัดเจน

• Augmentation (การส่งเสริมความสามารถร่วมกัน) ส่วนนี้เน้นไปที่การใช้บุคลากรเพื่อเสริมความสามารถของ AI โดยเฉพาะในเชิงคุณภาพ (Quality Assurance) ไม่ใช่แทนที่ เช่น การใช้ AI ช่วยร่างเนื้อหา (draft) เพื่อให้คนมาพัฒนาคุณภาพ (craft) ต่อ หรือการให้ผู้ชำนาญงานเข้ามาตรวจสอบคุณภาพก่อนส่งงานต่อ เกิดเป็น Augmented Intelligence ซึ่งแนวคิด Keep human-in-the-loop นี้มักได้รับการตอบรับที่ดีกว่าการพยายามแทนที่คนด้วย AI ทั้งในมุมของคนทำงานและผู้บริหารที่เพิ่งนำเทคโนโลยีใหม่เข้ามาใช้

• Team (ทีมงาน) สุดท้ายคือการระบุว่าในการทำ Augmentation นั้น ต้องการใคร หรือทีมงานแบบไหน มีทักษะอะไรบ้าง และต้องพัฒนาความสามารถเพิ่มเติมอย่างไร 

โซน Collaboration ช่วยให้ตอบคำถามได้ว่า “คนและ AI จะทำงานร่วมกันอย่างไร ในบทบาทไหน?” และ “เราต้องเตรียมคนอย่างไร เรามีบุคลากรที่เหมาะสมแล้วหรือยัง?” ซึ่งการออกแบบ collaboration model ที่ดีจะเป็นกุญแจสำคัญในการทำให้ AI transformation ประสบความสำเร็จและยั่งยืน

สิ่งที่ทำให้ Canvas นี้มีประสิทธิภาพคือการที่ทั้ง 3 โซนมีความเชื่อมโยงกันอย่างเป็นระบบ โดยไม่สามารถคิดแค่โซนเดียวได้ แต่ต้องดูภาพรวมทั้งหมด

เช่น เมื่อระบุ Pain/Opportunity ในโซน Vision พร้อมหามูลค่าได้แล้ว จะต้องมาดูว่าใน Capabilities นั้นมี Process และ Data ที่เหมาะสมหรือไม่ และใน Collaboration จะจัดการบทบาทของ Automation และ Augmentation อย่างไรให้สอดคล้องกับเป้าหมาย และที่สำคัญคือใครเป็นผู้ลงมือทำ

การใช้ Canvas แบบองค์รวมนี้จะช่วยให้ไม่พลาดประเด็นสำคัญและสามารถวางแผนได้อย่างครอบคลุม

วิธีการใช้ Canvas ในทางปฏิบัติ

การใช้ AI Transformation Initiation Canvas นี้สามารถพลิกแพลงเพื่อใช้งานได้ทั้งแบบ Top-down และ Bottom-up เพื่อให้ง่ายต่อความเข้าใจ จะขอยกตัวอย่างการนำไปใช้ดังนี้

แนวทาง Top-Down สำหรับ Management

สำหรับผู้บริหารระดับสูง สามารถใช้ Canvas นี้ในการประชุมวางแผนกลยุทธ์ โดยเริ่มจาก Vision แล้วไล่ลงมาทีละองค์ประกอบ การทำแบบ top-down จะช่วยให้มีความชัดเจนในทิศทางและสามารถจัดสรรทรัพยากรได้อย่างเหมาะสม

ทั้งนี้ขอแนะนำให้จัด workshop 1-2 วัน โดยเชิญผู้บริหารจากทุกแผนกที่เกี่ยวข้องมาร่วมกัน อบรมความรู้เบื้องต้นเกี่ยวกับ AI ก่อนที่จะเริ่มเข้าส่วนของ Canvas เพื่อให้ได้มุมมองที่หลากหลายและสร้าง buy-in ตั้งแต่เริ่มต้น ผลลัพธ์ที่ได้จะเป็น roadmap ระดับสูงที่สามารถนำไปสื่อสารกับทีมงานในระดับปฏิบัติการได้

แนวทาง Bottom-Up สำหรับ Practitioners

สำหรับทีมงานระดับปฏิบัติการ สามารถใช้ Canvas ในการจัด internal hackathon หรือ innovation workshop โดยให้แต่ละทีมเลือก use case ที่ตัวเองเจอปัญหาจริง ๆ มาใส่ในกรอบนี้ ข้อดีของแนวทางนี้คือได้ idea ที่เป็นไปได้สูง ตอบสนองต่อปัญหาหน้างาน และมีคนที่พร้อมจะลงมือทำให้ได้เป็นของจริงขึ้นมา

การทำแบบ bottom-up ต้องการการเตรียมความพร้อมด้าน AI literacy ให้กับทีมงานก่อน เพื่อให้เข้าใจว่า AI สามารถทำอะไรได้บ้าง และมีข้อจำกัดอย่างไร ถ้าทีมงานไม่เข้าใจ capabilities ของ AI อาจจะเสนอ use case ที่ไม่สามารถทำได้จริง ไม่มีเทคโนโลยีรองรับ หรือกลับกันอาจจะคิดไม่ออกว่า AI สามารถช่วยอะไรได้บ้าง

AI Literacy คือจุดสำคัญในการใช้ Canvas

จะกำหนดงานได้ดี ต้องมีความรู้เรื่อง AI Capabilities

การมี AI literacy ที่เพียงพอเป็นสิ่งจำเป็นอย่างยิ่ง คนที่จะใช้ Canvas นี้ต้องมีความเข้าใจพอสมควรว่า AI สามารถทำอะไรได้บ้าง เช่น Generative AI ทำได้ดีในเรื่องการสร้าง content การสรุปข้อมูล การแปลภาษา แต่อาจไม่เหมาะกับงานที่ต้องการความแม่นยำสูงมากหรืองานที่ต้องการการตัดสินใจที่ซับซ้อน

การเข้าใจ limitations ของ AI ก็สำคัญไม่แพ้กัน เพื่อไม่ให้ไปตั้งความคาดหวังที่สูงเกินจริง หรือเลือก use case ที่ไม่เหมาะสม ยิ่งถ้าเข้าใจเรื่อง hallucination, bias, และปัญหาต่าง ๆ ของ AI ด้วยแล้ว จะยิ่งช่วยให้เลือก use case และออกแบบระบบได้ดีขึ้น

การใช้งาน AI ต้องมี Responsible AI Usage

ประเด็นนี้กำลังมีความสำคัญมากขึ้นทุกวัน การใช้ AI อย่างมีความรับผิดชอบไม่ใช่แค่เรื่องของจริยธรรม แต่เป็นเรื่องของการบริหารความเสี่ยงและการสร้างความยั่งยืนให้กับธุรกิจด้วย พึงระลึกว่าการใช้ Canvas ประเมิน use case นั้นจำเป็นต้องคิดถึงผลกระทบที่อาจเกิดขึ้นกับผู้มีส่วนได้ส่วนเสียทุกฝ่าย

เช่น ถ้าเราจะใช้ AI ในการคัดเลือกพนักงาน เราต้องมั่นใจว่าระบบไม่มี bias และมีความโปร่งใส หรือถ้าจะใช้ AI ในการติดต่อกับลูกค้า เราต้องระบุให้ลูกค้าทราบว่าพวกเขากำลังสนทนากับ AI ไม่ใช่คน เป็นต้น

การเลือก Use Case ที่เหมาะสม

การเลือก use case ที่ประสบความสำเร็จมักมีลักษณะร่วมกันคือ

1. เริ่มจากปัญหาจริง ไม่ใช่เริ่มจากเทคโนโลยี องค์กรที่ประสบความสำเร็จมักจะเริ่มจากการระบุปัญหาหรือโอกาสที่ชัดเจน แล้วค่อยมาดูว่า AI สามารถช่วยแก้ปัญหานั้นได้หรือไม่

2. มีผลกระทบที่วัดผลได้ use case ที่ดีต้องสามารถวัดผลได้ชัดเจน ไม่ว่าจะเป็นการลดต้นทุน การเพิ่มรายได้ การลดเวลา หรือการเพิ่มความพึงพอใจ ถ้าวัดผลไม่ได้ก็จะไม่รู้ว่าโปรเจคประสบความสำเร็จหรือไม่

3. ความซับซ้อนที่เหมาะสม ควรเริ่มจาก use case ที่ไม่ซับซ้อนเกินไป แต่ก็ไม่ง่ายจนเป็นแค่ demo เพื่อให้ทีมงานได้เรียนรู้และสร้างความมั่นใจก่อนที่จะไปยัง use case ที่ซับซ้อนกว่า

4. มีข้อมูลรองรับ AI ต้องการข้อมูลคุณภาพดี ถ้า use case ที่เลือกไม่มีข้อมูลเพียงพอหรือข้อมูลคุณภาพไม่ดี ก็จะทำให้โปรเจคล้มเหลวได้ง่าย

บทสรุป

AI Transformation Initiation Canvas เป็นเครื่องมือที่ช่วยให้องค์กรสามารถวางแผนการนำ AI มาใช้ได้อย่างเป็นระบบและครอบคลุม ไม่ว่าจะใช้แนวทาง top-down หรือ bottom-up การมี framework ที่ชัดเจนจะช่วยลดความเสี่ยงและเพิ่มโอกาสในการประสบความสำเร็จ

สิ่งสำคัญที่สุดคือการมี AI literacy ที่เพียงพอและความเข้าใจในเรื่อง Responsible AI usage เพราะเครื่องมือดีเพียงใดก็ต้องอาศัยคนที่มีความรู้และประสบการณ์ในการใช้ให้เกิดประโยชน์สูงสุด

การเริ่มต้น AI Transformation ไม่ใช่เรื่องที่ทำได้ในชั่วข้ามคืน แต่ถ้าเริ่มต้นด้วยการวางแผนที่ดีและเลือก use case ที่เหมาะสม กิจการก็จะสามารถสร้างรากฐานที่แข็งแกร่งสำหรับการเปลี่ยนแปลงครั้งใหญ่นี้ได้อย่างยั่งยืน