AI Transformation สำหรับองค์กรไทย.
AI Transformation คือการพา AI จากการทดลอง เข้าสู่การทำงานประจำวันของธุรกิจ ด้วยการเลือก use case ตามมูลค่า เตรียมข้อมูลและคน และออกแบบกระบวนการใหม่รอบเทคโนโลยี เพื่อให้ AI สร้างผลลัพธ์ที่วัดได้ ไม่ใช่แค่เดโมที่น่าประทับใจ
ทำไมโครงการ AI ส่วนใหญ่ค้างอยู่ใน "Pilot Purgatory".
รูปแบบที่พบบ่อยในบริษัทไทย: ผู้บริหารรู้สึกว่าต้องรีบทำ ทีมสร้างแชตบอตหรือแดชบอร์ดเดโมขึ้นมา ทุกคนตื่นเต้น แล้วหกเดือนผ่านไปไม่มีอะไรเปลี่ยนในการทำงานจริง เพราะ pilot ถูกตัดสินจากว่าเทคโนโลยีทำงานได้ไหม ไม่ใช่ตัวเลขธุรกิจขยับไหม สาเหตุซ้ำ ๆ มีสามข้อ หนึ่ง เลือก use case จากความแปลกใหม่ ไม่ใช่มูลค่า — ไปทำอัตโนมัติกับงานที่ไม่เคยมีใครวัด สอง ข้อมูลไม่พร้อม: กระจัดกระจายในสเปรดชีต ไม่สม่ำเสมอ หรือไม่เคยถูกเก็บเลย สาม ไม่มีการออกแบบกระบวนการใหม่: เอา AI ไปแปะบนขั้นตอนเดิมแทนที่จะสร้างขั้นตอนใหม่รอบมัน พนักงานจึงมองว่าเป็นงานงอก การหลุดจาก pilot purgatory จึงเป็นโจทย์การบริหาร ก่อนจะเป็นโจทย์เทคนิค
บริษัทขนาดกลางควรเริ่มตรงไหนจริง ๆ.
เริ่มตรงที่วงกลมสามวงซ้อนกัน: กระบวนการที่วัดผลได้ ทำซ้ำบ่อย และแพงในแง่เวลาหรือความผิดพลาด สำหรับบริษัทไทยรายได้เกิน 200 ล้านบาทส่วนใหญ่ ผู้เข้ารอบแรกมักไม่หวือหวา เช่น งานเอกสาร การคัดกรองคำถามลูกค้า การเตรียมรายงาน บันทึกตรวจสอบคุณภาพ หรือการพยากรณ์ยอด เลือกมาหนึ่งถึงสองตัว กำหนดตัวเลขเป้าหมายก่อนเขียนโค้ดแม้แต่บรรทัดเดียว (ชั่วโมงที่ประหยัด อัตราความผิดพลาด เวลาตอบสนอง) และตั้งกรอบ 90 วันสู่การใช้งานจริงโดยพนักงานจริง ไม่ใช่เดโม สิ่งที่ควรเลื่อนออกไปก็สำคัญพอกัน: AI ที่คุยกับลูกค้าโดยตรงซึ่งมีความเสี่ยงต่อแบรนด์ และ use case ที่ข้อมูลยังไม่มีอยู่จริง ชัยชนะเล็กที่ขยับตัวเลขจริงหนึ่งตัว จะสร้างความเชื่อมั่นในองค์กรที่ use case ใหญ่กว่าทุกตัวต้องพึ่งพา
AI Readiness: รากฐานที่ไม่หวือหวา.
ความพร้อมมีสามชั้น และบริษัทมักประเมินตัวเองสูงเกินจริงทุกชั้น ข้อมูล: สิ่งที่ use case ต้องใช้ถูกเก็บแบบดิจิทัล สม่ำเสมอ และเข้าถึงได้ไหม หรืออยู่ในกระดาษ แชต LINE และสเปรดชีตส่วนตัว คน: มีเจ้าของงานหนึ่งคนที่มีอำนาจเปลี่ยนกระบวนการไหม และพนักงานหน้างานจะได้รับการฝึก ไม่ใช่ถูกเซอร์ไพรส์ ธรรมาภิบาล: ใครตัดสินว่า AI ทำอะไรกับข้อมูลลูกค้าได้หรือไม่ได้ และใครตรวจคุณภาพผลลัพธ์ การประเมินความพร้อมตอบคำถามเหล่านี้ได้ในไม่กี่สัปดาห์ ไม่ใช่หลายเดือน และช่วยเรียงโรดแมปใหม่อย่างซื่อสัตย์ บทเรียนที่ควรจำ: บริษัทที่แก้การเก็บข้อมูลและวินัยกระบวนการก่อน จะพบว่าการใช้ AI ถูก ส่วนบริษัทที่ซื้อ AI ก่อน จะพบว่ามันแพง