12 แนวคิดเปลี่ยนองค์กรให้พร้อมสำหรับ AI

เมื่อองค์กรที่ใช้ AI ได้จริงไม่ได้ชนะเพราะมีเทคโนโลยีดีกว่า แต่ชนะจากการสร้างความสามารถใหม่ที่ทำให้ AI สร้างคุณค่าทางธุรกิจได้ในวงกว้าง ซึ่งทุกวันนี้ AI กลายเป็นเทคโนโลยีที่องค์กรจำนวนมากสามารถเข้าถึงได้ ไม่ว่าจะเป็น

• เครื่องมือสำหรับสร้างเนื้อหา

• วิเคราะห์ข้อมูล

• พัฒนาซอฟต์แวร์

• เริ่มต้นสร้างระบบ AI Agent

แต่การมีเทคโนโลยีเหมือนกันไม่ได้หมายความว่าทุกองค์กรจะได้ผลลัพธ์เหมือนกัน เพราะสิ่งที่ทำให้บริษัทหนึ่งก้าวนำคู่แข่งไม่ได้อยู่ที่ว่าใช้ AI ตัวไหน แต่อยู่ที่ว่าองค์กรสามารถนำเทคโนโลยีเหล่านั้นไปแก้ปัญหาทางธุรกิจได้อย่างไร? ทำได้เร็วแค่ไหน? และสามารถขยายผลในระดับองค์กรได้หรือไม่!?

การเปลี่ยนผ่านสู่ AI จึงไม่ได้หมายถึงการนำเครื่องมือใหม่เข้ามาใช้เพียงอย่างเดียว แต่คือการปรับวิธีการทำงานและความสามารถขององค์กรให้พร้อมกับการใช้ AI ตั้งแต่กลยุทธ์ บุคลากร กระบวนการทำงาน เทคโนโลยี และข้อมูล ไปจนถึงการนำ AI ไปสร้างผลลัพธ์ทางธุรกิจและขยายการใช้งานให้เกิดขึ้นในวงกว้าง โดยมี 12 แนวคิดสำคัญที่ช่วยให้องค์กรมองเห็นว่าควรปรับเปลี่ยนอะไรบ้างเพื่อให้ AI สร้างคุณค่าได้จริง และทำให้การใช้ AI กลายเป็นส่วนหนึ่งของการทำธุรกิจในระยะยาว ไม่ใช่เพียงแค่การทดลองใช้เทคโนโลยีใหม่ในบางโครงการเท่านั้น

เปิด 12 แนวคิดฉบับ McKinsey ที่จะเข้ามาช่วยเปลี่ยนองค์กรให้พร้อมสำหรับ AI มากขึ้นกว่าที่เคย

แนวคิดที่ 1 เทคโนโลยีเพียงอย่างเดียวไม่ได้สร้างความได้เปรียบ แต่ “ความสามารถขององค์กร” ต่างหากที่สร้างความได้เปรียบ!

การมี AI ที่ทันสมัยไม่ได้ทำให้องค์กรได้เปรียบอย่างยั่งยืนเพราะเครื่องมือและเทคโนโลยีเหล่านี้สามารถเข้าถึงได้อย่างกว้างขวาง แต่สิ่งที่สร้างความแตกต่างจริง ๆ คือความสามารถขององค์กรในการนำเทคโนโลยีมาใช้ให้เกิดประโยชน์กับธุรกิจอย่างมีประสิทธิภาพ ซึ่งองค์กรที่สามารถทำสิ่งนี้ได้ถูกเรียกว่าเป็นองค์กรที่ “Rewired” เพราะไม่ได้เพียงแค่ซื้อเทคโนโลยีมาใช้งาน แต่กำลังสร้างความสามารถภายในที่ทำให้องค์กรสามารถนำเทคโนโลยีใหม่ ๆ มาประยุกต์ใช้ได้อย่างรวดเร็วและต่อเนื่อง 

เมื่อความสามารถเหล่านี้ถูกสร้างขึ้น แม้เทคโนโลยีจะเปลี่ยนไปแต่องค์กรก็ยังสามารถปรับตัวและนำเทคโนโลยีรุ่นใหม่มาใช้ได้เร็วกว่าคู่แข่ง ซึ่งในทางปฏิบัติธุรกิจจึงควรเริ่มตั้งคำถามว่า “เรามีความสามารถอะไรที่ทำให้สามารถใช้ AI ได้ดีกว่าคู่แข่ง?” มากกว่าการถามว่าเราควรซื้อ AI ตัวไหน? เพราะเครื่องมืออาจเปลี่ยนได้ตลอดเวลา แต่ความสามารถของคน กระบวนการ และระบบภายในองค์กรคือสิ่งที่สามารถสะสมและกลายเป็นข้อได้เปรียบระยะยาวได้

แนวคิดที่ 2 จุดที่สร้างผลกระทบทางเศรษฐกิจสูงสุด คือ “จุดที่ควรโฟกัส AI”

แต่ละธุรกิจมี “จุดคานงัดทางเศรษฐกิจ” หรือ Economic Leverage Points ที่หากปรับปรุงได้จะสร้างผลกระทบต่อธุรกิจได้มากกว่าจุดอื่น ซึ่งปัญหาของหลาย ๆ องค์กร คือ ตัวองค์กรมีรายการ Use Cases ของ AI จำนวนมาก แต่การมี Use Cases เยอะไม่ได้หมายความว่าจะสร้างคุณค่าได้มากขึ้นเสมอไป องค์กรที่ประสบความสำเร็จกลับเลือกโฟกัสในจุดที่มีความสำคัญทางกลยุทธ์อย่างจุดคานงัดทางเศรษฐกิจ แล้วทุ่มทรัพยากรเพื่อเปลี่ยนพื้นที่เหล่านั้นอย่างจริงจัง

ดังนั้นก่อนเริ่มโครงการ AI ธุรกิจควรถอยกลับมามองภาพรวมว่า “ส่วนไหนของธุรกิจหากทำให้ดีขึ้น จะสร้างผลกระทบได้มากที่สุด!?” จากนั้นจึงค่อยออกแบบ AI ให้เข้าไปแก้ปัญหาเหล่านั้นแทนที่จะเริ่มจากการมีเทคโนโลยีแล้วค่อยหาว่าจะนำไปใช้กับอะไรนั่นเอง

แนวคิดที่ 3 ถ้าคุณค่าที่สร้างขึ้นไม่ทำให้ธุรกิจเปลี่ยน แสดงว่ากำลังโฟกัสผิดจุด!

บอกเลยว่าการทำ AI Transformation ที่ประสบความสำเร็จควรวัดจากผลกระทบที่มีต่อธุรกิจ ไม่ใช่จำนวนโครงการ AI ที่เปิดตัวหรือจำนวนพนักงานที่มีเครื่องมือ AI ใช้ โดยจากการศึกษาบริษัทชั้นนำด้าน AI จำนวน 20 แห่ง การเปลี่ยนแปลงธุรกิจที่ขับเคลื่อนด้วยเทคโนโลยีและ AI สามารถสร้าง EBITDA เพิ่มขึ้นเฉลี่ย 20% โดยถึงจุดคุ้มทุนภายในหนึ่งถึงสองปี และสร้าง EBITDA เพิ่มขึ้น 3 ดอลลาร์ต่อเงินลงทุนทุก 1 ดอลลาร์ ซึ่งบริษัทเหล่านี้ไม่ได้พยายามเปลี่ยนแปลงทุกอย่างไปพร้อมกัน  แต่เลือกโฟกัสประมาณหนึ่งถึงสาม Business Domains แล้วนำ AI เข้าไปปรับเปลี่ยนพื้นที่เหล่านั้นอย่างจริงจัง บทเรียนสำคัญจึงอยู่ที่การเชื่อม AI เข้ากับ KPI ทางธุรกิจได้อย่างชัดเจนตั้งแต่ต้นว่า

• ต้องการปรับปรุงอะไร?

• ต้องการให้ลูกค้าหรือผู้ใช้งานได้รับประสบการณ์ที่ดีขึ้นอย่างไร?

• ผลลัพธ์ทางธุรกิจที่ต้องการคืออะไร?

จากนั้นจึงค่อยลงทุนเป็นระยะ มีจุดตรวจสอบผลลัพธ์ และเพิ่มการลงทุนเมื่อเห็นคุณค่าที่ชัดเจน หรือพูดง่าย ๆ คือ อย่าเริ่มต้นจากคำถามว่า “เราจะใช้ AI ทำอะไรได้บ้าง?” แต่ควรเริ่มจากคำถามว่า “ธุรกิจของเราต้องการแก้ปัญหาอะไร? และ AI จะช่วยให้ผลลัพธ์นั้นดีขึ้นได้อย่างไร?”

แนวคิดที่ 4 ผู้นำธุรกิจต้องสร้างความเข้าใจด้าน Technology และ AI ด้วยตัวเอง

บอกเลยว่าการเปลี่ยนผ่านด้วย AI ไม่สามารถปล่อยให้เป็นหน้าที่ของฝ่าย IT เพียงฝ่ายเดียวได้อีกต่อไป เพราะคนที่เข้าใจปัญหาและเป้าหมายของธุรกิจมากที่สุดคือ “ผู้นำธุรกิจ” ดังนั้นผู้บริหารระดับสูงจึงต้องเข้ามาเป็นผู้ขับเคลื่อน Technology Agenda ด้วยตัวเอง โดยผู้นำที่องค์กรต้องการในยุคนี้ไม่จำเป็นต้องเป็นวิศวกรที่เขียนโค้ดได้ทั้งหมด แต่ต้องมีทั้งความเข้าใจธุรกิจและความรู้ด้าน Technology, Data และ AI มากเพียงพอที่จะมองเห็นว่าเทคโนโลยีสามารถเปลี่ยนวิธีดำเนินธุรกิจได้อย่างไรบ้าง

ซึ่งผู้นำเหล่านี้ควรมีส่วนร่วมตั้งแต่การกำหนดว่าธุรกิจจะถูกออกแบบใหม่อย่างไร การกำกับการพัฒนาโซลูชัน ไปจนถึงการตรวจสอบว่า AI ที่สร้างขึ้นสามารถส่งมอบคุณค่าทางธุรกิจตามเป้าหมายได้จริง โดยสำหรับองค์กรการสร้าง “AI Muscle” ให้กับผู้นำถือว่าเป็นเรื่องสำคัญ เพราะเมื่อผู้บริหารเข้าใจทั้งโอกาสและข้อจำกัดของเทคโนโลยีการตัดสินใจลงทุนและกำหนดทิศทาง AI จะสามารถเชื่อมโยงกับธุรกิจได้มากขึ้น

แนวคิดที่ 5 AI Transformation คือการเปลี่ยนแปลงเรื่อง “คน” ด้วยเช่นกัน

ไม่ว่า AI จะก้าวหน้าเพียงใดการเปลี่ยนองค์กรก็ยังเป็นเรื่องของคนเหมือนเดิม เพราะ AI จะเปลี่ยนทั้งบทบาท วิธีทำงาน และความรับผิดชอบของบุคลากร ซึ่งองค์กรชั้นนำให้ความสำคัญกับการสร้างทีม Technology ที่มีทั้งความสามารถและความหนาแน่นของ Talent สูง โดยแนวคิด “30–70 shifts” ชี้ให้เห็นว่า

• มากกว่า 70% ของ Talent ควรอยู่ภายในองค์กร

• มากกว่า 70% ควรเป็นคนที่ลงมือสร้าง Software-based Solutions

• มากกว่า 70% ควรมีทักษะอยู่ในระดับที่มีความสามารถหรือมีความเชี่ยวชาญ

ซึ่งแนวทางนี้ช่วยให้ทีมขนาดเล็กที่มีทักษะสูงสามารถสร้างผลลัพธ์ได้มากกว่าทีมขนาดใหญ่ที่มีทักษะต่ำกว่า และในขณะเดียวกันฝั่งธุรกิจก็ต้องเปลี่ยนบทบาทจากการบริหารงานแบบเดิมไปสู่การเป็น “Domain Owner” และ “Solution Owner” ที่รับผิดชอบผลลัพธ์โดยตรง และทำงานร่วมกับทีมข้ามสายงานได้อีกด้วย

เมื่อ AI Agent เข้ามารับผิดชอบงานประสานงาน งานปฏิบัติการ และการตัดสินใจที่เป็น Routine มากขึ้น บทบาทของมนุษย์ก็จะขยับขึ้นไปทำงานที่มีมูลค่าสูงกว่า เช่น วิศวกรจะใช้เวลาน้อยลงกับงาน Coding ที่เป็นในแต่ละวันและหันมาใช้เวลากับการออกแบบ Architecture, Workflow, Constraints, และ Quality Controls ได้มากขึ้น ในขณะที่ผู้นำธุรกิจจะลดการจัดการงานแบบรายกิจกรรม และเพิ่มความสำคัญกับการกำหนดเป้าหมาย ตัวชี้วัดความสำเร็จ และการตัดสินใจเชิง Trade-off ซึ่งผลที่ต้องการไม่ใช่เพียงการลดจำนวนคน แต่คือการทำให้สามารถสร้างผลลัพธ์ที่มี Leverage สูงขึ้นได้แม้จำนวนคนจะน้อยลง พร้อมมีความรับผิดชอบที่ชัดเจนและสามารถเรียนรู้จากการทำงานได้เร็วขึ้น

แนวคิดที่ 6 ความเร็วจะกลายเป็นข้อได้เปรียบสำคัญขององค์กร

เมื่อบริษัทต่าง ๆ สามารถเข้าถึงเทคโนโลยีแบบเดียวกันได้ ความเร็วในการนำเทคโนโลยีไปใช้จึงกลายเป็นตัวแยกผู้ชนะออกจากคู่แข่ง องค์กรที่ขับเคลื่อนได้เร็วกว่าจะสามารถจัดสรรทรัพยากรไปยังโอกาสที่สำคัญได้เร็วกว่าคู่แข่ง และยังเป็นการเปิดโอกาสให้ทีมตัดสินใจและลงมือทำโดยไม่ต้องรอการอนุมัติจากหลายขั้นตอน พร้อมทั้งลดระยะเวลาตั้งแต่การค้นพบ Insight ไปสู่การตัดสินใจ และจากการตัดสินใจไปสู่การลงมือทำ

ดังนั้นการสร้างความเร็วไม่ได้หมายถึงการเร่งให้พนักงานทำงานเร็วขึ้นเท่านั้น แต่ต้องออกแบบ Operating Model ใหม่เพื่อให้ตอบโจทย์ระบบการทำงานอย่างแท้จริง และลองหันมาใช้ Platform เป็นตัวช่วยเพื่อให้ Technology และ Data สามารถนำกลับมาใช้ซ้ำได้ พร้อมทั้งกำหนดระบบการจัดการที่ผูกกับ Business Outcomes และเงินทุนตามผลลัพธ์ที่ได้ ไม่ใช่การบริหารงบประมาณเป็นรายโครงการเท่านั้น เพราะถ้าหากกระบวนการตัดสินใจและการจัดสรรทรัพยากรยังเป็นไปอย่างช้า ๆ แม้ว่าองค์กรจะมี AI ที่ดีก็อาจไม่สามารถเปลี่ยน AI ให้กลายเป็นนวัตกรรมที่เกิดขึ้นจริงในธุรกิจได้

แนวคิดที่ 7 Tech Platform ไม่ใช่แค่ระบบหลังบ้านแต่เป็นสินทรัพย์เชิงกลยุทธ์ (Strategic Assets)

Platform ที่ดีช่วยให้องค์กรทำงานได้เร็วขึ้นและลดต้นทุนต่อหน่วยจากการนำระบบกลับมาใช้ซ้ำ ทำให้ Technology และ Data เข้าถึงผู้ที่ต้องการใช้งาน และช่วยให้องค์กรสามารถขยาย AI ได้อย่างมีความรับผิดชอบ ดังนั้นองค์กรชั้นนำจึงไม่ได้มอง Platform เป็นเพียง Infrastructure ที่ฝ่าย Technology ดูแลอยู่เบื้องหลัง แต่บริหาร Platform ในฐานะ “สินทรัพย์เชิงกลยุทธ์” โดยมีทีมรับผิดชอบเฉพาะ, มี Road Map, มีงบประมาณ, มีเป้าหมายด้าน Service Level, และที่สำคัญคือมีผู้ใช้งานจริงที่สามารถกำหนดทิศทางการพัฒนา Platform ได้ ดังนั้นสำหรับผู้บริหารแล้วความเข้าใจในเรื่องของ Technical Architecture จึงมีความสำคัญมาก เพราะโครงสร้างทางเทคโนโลยีเป็นตัวกำหนดว่า

• องค์กรสามารถทำอะไรได้เร็วแค่ไหน?

• สามารถนำระบบกลับมาใช้ซ้ำได้มากเพียงใด?

• เทคโนโลยีจะสร้างความแตกต่างให้กับธุรกิจได้อย่างไร?

เมื่อ AI ต้องถูกนำไปใช้ในหลายหน่วยงาน ในส่วนของ Platform ที่แข็งแรงจะเป็นตัวช่วยให้องค์กรไม่ต้องสร้างทุกอย่างขึ้นใหม่ทุกครั้ง แต่สามารถต่อยอดจากความสามารถที่มีอยู่แล้วได้นั่นเอง

แนวคิดที่ 8 ทำให้ข้อมูล (Data) ใช้งานได้ง่ายและพัฒนาข้อมูลให้กลายเป็นข้อได้เปรียบ

AI จะทำงานได้ดีเมื่อมีข้อมูลจำนวนมากและข้อมูลเหล่านั้นมีคุณภาพ แต่ในหลายองค์กรเรื่องของข้อมูลยังคงเป็นข้อจำกัดสำคัญของการขยาย AI ดังนั้นจุดเริ่มต้นของการ Scale AI คือการทำให้ข้อมูลกลายเป็นสิ่งที่ค้นหา เข้าถึง และนำไปใช้ได้ง่ายในหลาย AI Applications หรือพูดอีกแบบคือองค์กรต้องทำให้ข้อมูลสามารถถูกนำไปใช้งานได้อย่างเป็นระบบ ไม่ใช่กระจายอยู่ตามแผนกหรือระบบต่าง ๆ จนผู้ที่ต้องการใช้งานไม่สามารถเข้าถึงได้

หลังจากทำให้ข้อมูลต่าง ๆ สามารถเข้าถึงได้ง่ายขึ้นแล้ว ขั้นต่อไปคือการเพิ่มคุณภาพ บริบท และความเป็นเอกลักษณ์ของข้อมูล เพราะเมื่อเทคโนโลยี AI สามารถเข้าถึงข้อมูลได้กว้างขึ้น ความแตกต่างที่เกิดจากข้อมูลที่มีคุณภาพและมีบริบทเฉพาะของธุรกิจก็จะมีความสำคัญมากขึ้น ดังนั้นองค์กรที่พร้อมสำหรับ AI จึงควรมองข้อมูลที่มีอยู่ในมือเป็น Performance Asset ที่เจ้าของธุรกิจต้องมีส่วนรับผิดชอบ ไม่ใช่เป็นเพียงสินทรัพย์ทางเทคนิคที่ปล่อยให้ฝ่าย IT ดูแลอยู่ฝ่ายเดียว

แนวคิดที่ 9 ออกแบบ AI ให้คนใช้จริงและวางระบบให้ขยายต่อได้ตั้งแต่ต้น

AI จะสร้างคุณค่าได้ก็ต่อเมื่อผู้คนใช้งานจริงและระบบสามารถขยายไปสู่บริบทอื่นได้ เพราะการสร้าง AI ที่ทำงานได้ในห้องทดลองไม่ได้หมายความว่าจะสามารถสร้างผลลัพธ์ในโลกจริงได้เสมอไป โดยหนึ่งในสาเหตุของการนำ AI ไปใช้แล้วล้มเหลวคือองค์กรเปลี่ยนเฉพาะ AI แต่ไม่ได้เปลี่ยนกระบวนการที่อยู่ก่อนและหลัง AI

ยกตัวอย่างเช่น ระบบสามารถคาดการณ์ว่าอุปกรณ์กำลังจะเสียล่วงหน้าได้หลายวัน แต่ถ้าหากทีมบำรุงรักษายังคงใช้ตาราง Maintenance แบบเดิม ก็ไม่มีใครนำการคาดการณ์นั้นไปเปลี่ยนการทำงาน ส่งผลให้ผลลัพธ์ทางธุรกิจก็ไม่เกิดขึ้นได้ไวเท่าที่ควร ดังนั้นการออกแบบ AI ต้องมองไปถึง Workflow ทั้งระบบว่าเมื่อ AI ให้คำแนะนำหรือคาดการณ์ แล้ว

• ใครจะเป็นคนดำเนินการต่อ?

• กระบวนการต้องเปลี่ยนอย่างไร?

• KPI ใดจะสะท้อนผลลัพธ์ที่เกิดขึ้น?

ในขณะเดียวกันถ้าหากต้องการ Scale AI ไปยังหลายตลาด โรงงาน กลุ่มลูกค้า หรือสายผลิตภัณฑ์ ต้องมีการออกแบบ Architecture ให้มีความเป็นสัดเป็นส่วนช่วยให้สามารถแก้ไขได้ง่าย และกำหนดบทบาทระหว่างทีมส่วนกลางกับหน่วยงานที่นำระบบไปใช้ให้ชัดเจน รวมถึงคำนึงถึงเงินลงทุนและต้นทุนการดำเนินงานตั้งแต่ต้นไม่ใช่รอให้ระบบสำเร็จแล้วจึงค่อยคิดเรื่องการขยาย

แนวคิดที่ 10 หากไม่มีความไว้วางใจก็ไม่ควรนำ AI ไปใช้งาน

เมื่อ AI เข้ามามีบทบาทกับธุรกิจมากขึ้น “ความน่าเชื่อถือ” ก็จะกลายมาเป็นเงื่อนไขพื้นฐานของการนำ AI ไปใช้งาน เพราะเมื่อระบบ AI ทำงานผิดพลาดผลกระทบไม่ได้เกิดขึ้นกับองค์กรเพียงฝ่ายเดียว แต่สามารถกระทบลูกค้า หน่วยงานกำกับดูแล พนักงาน คู่ค้า และสังคมโดยรวมได้อีกด้วย ดังนั้น Digital Trust จึงต้องครอบคลุมทั้ง

• การปกป้องข้อมูลผู้บริโภค

• การรักษาความปลอดภัยทางไซเบอร์

• การสร้างผลิตภัณฑ์และบริการที่ขับเคลื่อนด้วย AI อย่างน่าเชื่อถือ

• การสร้างความโปร่งใสเกี่ยวกับการใช้ AI และ Data

ซึ่งความท้าทายนี้ยิ่งสำคัญมากขึ้นเมื่อองค์กรเริ่มนำ Agentic AI มาใช้ เพราะระบบที่สามารถทำงานต่อเนื่องและทำงานได้อย่างอิสระมากขึ้นจำเป็นต้องผ่านการทดสอบที่รอบคอบและต้องมีการควบคุมความเสี่ยงที่เหมาะสม ดังนั้นก่อนจะถามว่า “AI ทำอะไรได้บ้าง?” องค์กรควรถามควบคู่กันว่า “AI นี้ควรได้รับอนุญาตให้ทำอะไรได้บ้าง?” และ “เราจะควบคุมความเสี่ยงได้อย่างไร?” เพราะความสามารถของ AI ที่เพิ่มขึ้นต้องเดินคู่กับความสามารถในการกำกับดูแลที่เพิ่มขึ้นด้วย

แนวคิดที่ 11 Agentic Engineering คือความสามารถใหม่ที่องค์กรต้องเรียนรู้

Foundation Models ในปัจจุบันมีความสามารถในการทำงานอย่างต่อเนื่องและเป็นอิสระในช่วงเวลาที่ยาวขึ้น ทำให้การสร้าง Workflow ที่ประกอบด้วย AI Agents หลายขั้นตอนมีความเป็นไปได้มากขึ้น ซึ่งประเด็นสำคัญคือองค์กรไม่ควรมอง Agentic AI เป็นเพียงเทคโนโลยีใหม่อีกหนึ่งประเภท แต่ควรมองว่าเป็นความสามารถใหม่ที่ต้องเรียนรู้และสร้างให้เกิดขึ้นภายในองค์กร เพราะเมื่อเทคโนโลยีเปลี่ยนเร็ว องค์กรที่สามารถเรียนรู้และดูดซับเทคโนโลยีใหม่ได้เร็วจะสามารถนำเทคโนโลยีเหล่านั้นไปสร้างโอกาสใหม่ได้ก่อน

โดยเฉพาะในงานด้าน Software Development ซึ่งกำลังเห็น Productivity Gains ที่โดดเด่น จุดนี้ส่งผลให้องค์กรชั้นนำกำลังเร่งสร้างความสามารถด้าน Agentic Engineering ผ่านการนำข้อมูลที่ไม่มีโครงสร้างเข้ามาใช้ โดยการเพิ่มความสามารถของ Agentic AI เข้าไปใน AI Platform รวมถึงมีการทำการทดลองอย่างรวดเร็วเพื่อค้นหาว่าวิธีใดได้ผล แล้วนำสิ่งที่เรียนรู้มาสร้างเป็น Playbook ที่สามารถทำซ้ำได้

แนวคิดที่ 12 เรียนรู้ ลืมของเดิม และเรียนรู้ใหม่ให้เร็วที่สุด

หนึ่งในความท้าทายสำคัญของ AI Transformation คือ เทคโนโลยีเปลี่ยนแปลงเร็วมากจนทักษะที่เคยสำคัญอาจมีอายุสั้นลงเรื่อย ๆ องค์กรที่ได้เปรียบจึงไม่ใช่องค์กรที่รู้ทุกอย่างตั้งแต่แรก แต่คือองค์กรที่สามารถ “Learn, Unlearn และ Relearn” ได้เร็วกว่า

ดังนั้นการเรียนรู้จึงไม่ควรเป็นเรื่องของพนักงานฝ่าย Technology เพียงอย่างเดียว แต่ควรเริ่มจากทีมผู้นำโดยการพาผู้บริหารไปเรียนรู้และทดลองกับเทคโนโลยีอย่างต่อเนื่อง เพราะเมื่อผู้นำเข้าใจทั้งโอกาสทางธุรกิจและเส้นทางที่จะนำไปสู่การเปลี่ยนแปลงจะเกิดสิ่งที่เรียกว่า “Point of Conviction” หรือจุดที่ทีมผู้นำเกิดความมั่นใจร่วมกันว่าทั้งโอกาสและแนวทางการเปลี่ยนแปลงมีความชัดเจนเพียงพอที่จะลงมือทำ เมื่อผู้นำระดับ C-suite เข้าใจบทบาทของตัวเองอย่างชัดเจนการเปลี่ยนแปลงก็สามารถเร่งความเร็วขึ้นได้ เพราะ AI Transformation จะไม่ใช่โครงการของฝ่ายใดฝ่ายหนึ่งแต่กลายเป็นทิศทางร่วมของทั้งองค์กร

ทั้ง 12 แนวคิดนี้สะท้อนให้เห็นว่าการเปลี่ยนองค์กรด้วย AI ไม่ได้จบลงที่การเลือกเครื่องมือที่ดีที่สุด หรือการเปิดตัวโครงการ AI จำนวนมาก แต่เป็นการสร้างความสามารถที่เชื่อมโยงกันได้ตั้งแต่กลยุทธ์  คน Operating Model Technology Data ไปจนถึงการนำไปใช้งานและการขยายผล

เมื่อองค์กรมีทั้งคนที่มีทักษะสูง, ผู้นำที่เข้าใจ Technology, AI Platform ที่แข็งแรง, ข้อมูลที่พร้อมใช้งาน, ระบบที่ได้รับความไว้วางใจ, และกระบวนการที่สามารถนำ AI ไป Scale ได้ ความสามารถเหล่านี้จะเริ่มสร้างคุณค่าที่สะสมและเพิ่มขึ้นได้เรื่อย ๆ

ซึ่งสุดท้ายแล้วความได้เปรียบจาก AI ไม่ได้เกิดจากการที่องค์กรมีเทคโนโลยีที่คนอื่นไม่มี แต่เกิดจากความสามารถขององค์กรในการนำเทคโนโลยีมาใช้ให้เกิดประโยชน์สูงสุด เช่น

• ใช้แก้ปัญหาที่สำคัญที่สุดของธุรกิจ

• ช่วยสร้างผลลัพธ์ที่วัดได้

• ใช้ในการเรียนรู้จากสิ่งที่เกิดขึ้นและนำมาปรับตัวให้เร็วกว่าคู่แข่ง

ซึ่งสำหรับธุรกิจที่กำลังเริ่มต้นการทำ AI Transformation คำถามสำคัญ คือ “เราต้องเปลี่ยนความสามารถขององค์กรด้านใดบ้าง เพื่อให้ AI สร้างคุณค่าทางธุรกิจได้จริงและต่อเนื่อง?” เพราะเมื่อองค์กรสร้างความสามารถเหล่านี้ได้ ความก้าวหน้าของ AI ก็จะไม่ใช่แค่กระแสเทคโนโลยีอีกต่อไป แต่สามารถกลายเป็นแรงขับเคลื่อนสำคัญของการเติบโตในระยะยาวได้นั่นเอง

สุดารัตน์ เรืองวิเศษ

พนักงานวิเคราะห์ 9

ที่มาข้อมูล: 

https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-ai-transformation-manifesto