ระดับความพร้อมในการใช้ AI: ความหมายต่อองค์กรของคุณ

ความหมายของระดับความพร้อมในการใช้ AI

ระดับความพร้อมในการใช้ AI (AI maturity) เป็นตัววัดว่าองค์กรมีการพัฒนาและใช้งาน AI อย่างจริงจังและรอบคอบเพียงใด นอกเหนือจากการมีเครื่องมือ AI ไว้ใช้งานเท่านั้น กรอบการทำงานส่วนใหญ่จะอธิบายสิ่งนี้ว่าเป็นโมเดลความพร้อมในการใช้ AI ซึ่งเปลี่ยนผ่านจากการทดลองแบบไม่มีโครงสร้างในช่วงแรก ไปสู่การผสานรวม AI เต็มรูปแบบ

ในระยะเริ่มต้น พนักงานจำนวนน้อยใช้ AI ด้วยความคิดริเริ่มของตนเอง โดยที่ไม่มีการอนุมัติหรือการอบรมใดๆ ผลลัพธ์ที่ได้จึงไม่สม่ำเสมอ และแทบไม่มีผู้อื่นนำงานนั้นกลับมาใช้อีกเลย

ในระยะถัดมา ทีมต่างๆ จะดำเนินการทดลองแบบมีโครงสร้าง โดยแผนกหนึ่งจะเลือกงานเฉพาะเจาะจง ดำเนินการด้วย AI และวัดผลว่าได้ผลดีหรือไม่ Inteleos ซึ่งเป็นองค์กรไม่แสวงหาผลกำไรที่จัดการสอบใบรับรองทางการแพทย์ ได้นำ Perplexity Enterprise มาใช้เพื่อช่วยร่างคำถามแบบทดสอบที่มีความเสี่ยงต่ำ เมื่อการทดลองพิสูจน์แล้วว่าได้ผล Perplexity จึงถูกนำไปใช้งานกับ 88% ของทีม Inteleos

เมื่อบริษัทมีความพร้อมในการใช้ AI มากขึ้น พวกเขาจะเริ่มสร้างเครื่องมือ AI เข้ากับเวิร์กโฟลว์มาตรฐาน และเชื่อมต่อเข้ากับข้อมูลและระบบของบริษัท ตัวอย่างเช่น ที่ Paypal ทีมงานในส่วนความเสี่ยงระดับองค์กร (enterprise risk) ใช้ Perplexity เป็นส่วนหนึ่งของเวิร์กโฟลว์ความปลอดภัยมาตรฐาน โดยการตรวจสอบยืนยันรหัสประจำตัวผ่านการอ้างอิงไขว้กับรายละเอียดความเป็นเจ้าของ และทำเครื่องหมายบัญชีที่น่าสงสัย

และในระยะที่มีความพร้อมสูงสุด บริษัทได้ปรับเปลี่ยนผลิตภัณฑ์ โมเดลธุรกิจ หรือการดำเนินงานเพื่อผสานรวม AI อย่างเต็มรูปแบบ นอกจากนี้ พวกเขายังอาจใช้ระบบ AI แบบเอเจนต์และโมเดลที่ส่งมอบงานต่อให้กันและกัน ตัวอย่างเช่น ที่ Rox AI ถูกสร้างขึ้นในตัวผลิตภัณฑ์เอง: เอเจนต์จะทำงานอัตโนมัติในส่วนของการวิจัยงานขายและการบำรุงรักษา CRM ในขณะที่ API ของ Perplexity ทำหน้าที่ให้ข้อมูลเชิงลึกภายนอกที่สนับสนุนเวิร์กโฟลว์เหล่านั้น

เหตุใดระดับความพร้อมในการใช้ AI จึงสำคัญ

ประโยชน์ด้านผลผลิตส่วนบุคคลจาก AI นั้นพบได้ค่อนข้างบ่อย โดยผู้ตอบแบบสอบถามถึง 80% ในการสำรวจปี 2026 ของ McKinsey ระบุเช่นนั้น แต่มีเพียง 37% เท่านั้นที่กล่าวว่ามันมีส่วนช่วยต่อกำไรก่อนดอกเบี้ยและภาษี (EBIT) ขององค์กร

ความแตกต่างของผลลัพธ์ดูเหมือนจะเกี่ยวข้องกับความพร้อมในการใช้ AI ของบริษัท กลุ่มบริษัทที่มีผลงานยอดเยี่ยมด้าน AI ของ McKinsey ซึ่งคิดเป็นประมาณ 6% ของผู้ตอบแบบสอบถาม ระบุว่า AI มีส่วนช่วยต่อ EBIT อย่างน้อย 5% และอธิบายว่าคุณค่าที่ได้รับนั้นมีนัยสำคัญ

บริษัทที่มีโปรแกรม AI พร้อมสรรพมีพฤติกรรมหลักร่วมกันบางประการ:

• พวกเขารื้อโครงสร้างเวิร์กโฟลว์ใหม่รอบๆ โซลูชัน AI เกือบสามในสี่ของกลุ่มที่มีผลงานยอดเยี่ยมจาก McKinsey ได้ทำการออกแบบเวิร์กโฟลว์ใหม่เนื่องจาก AI เมื่อเทียบกับหนึ่งในสี่ของผู้ตอบแบบสอบถามรายอื่นๆ
• ผู้บริหารระดับสูงมีความมุ่งมั่นในการใช้ AI ในการศึกษาปี 2025 ของ BCG จากผู้บริหาร 1,250 คน เกือบทั้งหมดของ 5% ของบริษัทที่มีคะแนนความพร้อมในการใช้ AI สูงสุดรายงานว่ามีคณะผู้บริหารระดับสูง (C-suite) ที่เข้ามามีส่วนร่วมอย่างลึกซึ้ง เมื่อเทียบกับ 8% ของกลุ่ม 60% ที่มีคะแนนต่ำที่สุด
• พวกเขาให้ความสำคัญกับการพัฒนา Skill ด้าน AI สำหรับพนักงาน บริษัทกลุ่มที่มีคะแนนสูงสุดกลุ่มเดียวกันนี้คาดว่าจะฝึกอบรมพนักงานมากกว่า 50% ของ workforce เกี่ยวกับ AI ในปีนั้น เมื่อเทียบกับ 20% ในบริษัทที่มีคะแนนต่ำที่สุด
• พวกเขาได้นำโซลูชันเอเจนต์ AI มาใช้ กลุ่มที่มีผลงานยอดเยี่ยมของ McKinsey มีโอกาสสูงกว่า 3 เท่าที่จะทำการขยายขนาดเอเจนต์ในฟังก์ชันธุรกิจส่วนใหญ่

ระดับความพร้อมในการใช้ AI: กรอบการทำงานยอดนิยม

โมเดลความพร้อมในการใช้ AI ของ Gartner ใช้การประเมินความพร้อมขององค์กรจากระดับที่ AI ถูกผสานรวมเข้ากับกระบวนการทำงาน โดยให้คะแนนองค์กรแยกตามเจ็ดด้าน ได้แก่ กลยุทธ์ ข้อมูล การกำกับดูแล วิศวกรรม โมเดลการดำเนินงาน วัฒนธรรม และคุณค่าจาก AI จากนั้นองค์กรจะถูกจัดกลุ่มอยู่อย่างใดอย่างหนึ่งในห้าระยะ:

• ขั้นพื้นฐาน (Foundational): การใช้งานเชิงทดลอง มีการประสานงานกันน้อย
• ขั้นเริ่มต้น (Emerging): ดำเนินการทดลองช่วงแรก ผู้บริหารให้ความสนใจบ้าง
• ขั้นปฏิบัติการ (Operational): ใช้ AI ในกระบวนการทางธุรกิจ
• ขั้นขยายขนาด (Scaled): ใช้ AI ในหลากหลายฟังก์ชัน ส่งมอบ ROI ที่วัดผลได้
• ขั้นเปลี่ยนแปลง (Transformational): AI มีอิทธิพลต่อการตัดสินใจและโมเดลการดำเนินงาน สร้างความได้เปรียบทางการแข่งขันที่มีความหมาย

โมเดลความพร้อมด้านการทำงานอัตโนมัติด้วย AI ของ Deloitte วัดความพร้อมโดยดูว่าเอเจนต์ถูกสร้างฝังลึกอยู่ในกระบวนการของบริษัทมากเพียงใด

• ระดับ 1: การทำงานอัตโนมัติมาตรฐานโดยไม่มีเอเจนต์เข้ามาเกี่ยวข้อง
• ระดับ 2: การทำงานอัตโนมัติพื้นฐาน นำเอเจนต์เข้ามาในกระบวนการที่มีอยู่
• ระดับ 3: กระบวนการถูกออกแบบใหม่เชิงรุกรอบความสามารถที่เอเจนต์ทำได้
• ระดับ 4: ตัวองค์กรเองได้รับการปรับโครงสร้างใหม่รอบความสามารถของ AI

โครงสร้างการนำ AI มาใช้ (AI Adoption Framework) ของ Google Cloud ติดตามความพร้อมผ่านสามระยะ

• เชิงยุทธวิธี (Tactical): การใช้ AI แบบเฉพาะเจาะจงและเรียบง่าย บ่อยครั้งไม่มีแผนที่สอดคล้องสำหรับก้าวต่อไป
• เชิงกลยุทธ์ (Strategic): AI ส่งมอบมูลค่าทางธุรกิจที่ยั่งยืน มีการปรับใช้และดูแลรักษาระบบหลายระบบในการผลิตจริง
• เชิงเปลี่ยนแปลง (Transformational): AI เป็นหัวใจสำคัญขององค์กร ขับเคลื่อนนวัตกรรมและสนับสนุนด้วยโครงสร้างสำหรับการขยายขนาดเพิ่มเติม

นอกจากนี้ยังแบ่งความพร้อมออกเป็นหกธีม โดยแต่ละธีมเกิดขึ้นจากการตัดกันของสองพื้นที่หลัก ได้แก่ บุคลากร กระบวนการ เทคโนโลยี และข้อมูล

• เรียนรู้ (Learn): คุณภาพและขนาดของโปรแกรมในการสร้าง Skill ด้าน AI
• นำ (Lead): งาน AI ได้รับการสนับสนุนจากผู้นำและการประสานงานข้าม teams หรือไม่
• เข้าถึง (Access): ข้อมูลและสินทรัพย์ AI สามารถแชร์และนำกลับมาใช้ซ้ำทั่วทั้งองค์กรได้ง่ายเพียงใด
• ขยาย (Scale): บริการแบบคลาวด์เนทีฟสามารถจัดการเวิร์กโหลด AI ในปริมาณจริงได้หรือไม่
• รักษาความปลอดภัย (Secure): ข้อมูลและระบบ AI ได้รับการปกป้องและกำกับดูแลอย่างมีความรับผิดชอบเพียงใด
• ทำงานอัตโนมัติ (Automate): ระบบ AI ทำงานในกระบวนการผลิตได้อย่างน่าเชื่อถือเพียงใด

แม้ว่ากรอบการทำงานจะแตกต่างกันในแง่ของจุดเน้นและการวัดผล แต่ทั้งหมดแสดงให้เห็นเส้นทางความพร้อมเดียวกัน ได้แก่ การทดลองแบบไม่มีโครงสร้าง ตามด้วยการทดลองนำร่องที่มีการสนับสนุนจากผู้นำ จากนั้นจึงนำ AI ไปสร้างในงานประจำวัน และสุดท้ายคือ AI ที่เข้ามาปรับโฉมองค์กรใหม่

ระดับความพร้อมในการใช้ AI: อุปสรรคทั่วไป

อุปสรรคสี่ประการมักขัดขวางความพร้อมในการใช้ AI ในองค์กร นี่คือวิธีรับมือ:

1. คุณภาพข้อมูล (Data Quality)

เมื่อแนะนำการทดลอง AI แบบข้ามสายงาน ให้เลือกกรณีการใช้งาน AI แรก จากนั้นระบุแหล่งข้อมูลหนึ่งหรือสองแหล่งที่ต้องพึงพา ตรวจสอบให้แน่ใจว่าแหล่งข้อมูลเหล่านั้น:

• จัดระเบียบแล้ว (Organized): เก็บเฉพาะบันทึกที่กรณีการใช้งานต้องการไว้ในที่เดียว
• แม่นยำ (Accurate): ลบข้อมูลที่ซ้ำซ้อน แก้ไขบันทึกที่ล้าสมัย และตรวจสอบข้อผิดพลาด
• มีผู้รับผิดชอบ (Owned): กำหนดผู้รับผิดชอบที่คอยดูแลให้ข้อมูลถูกต้องและตัดสินใจว่าใครสามารถเปลี่ยนแปลงได้

เพิ่มแหล่งข้อมูลอื่น ๆ เฉพาะหลังจากแหล่งข้อมูลแรกให้คำตอบที่น่าเชื่อถือ กำหนดคำศัพท์ที่ใช้ร่วมกัน เช่น นิยามของลูกค้าที่ใช้งานอยู่ ในที่เดียวที่เครื่องมือ AI อ่านข้อมูล

2. Skills

จัดสรรเวลาในปฏิทินเป็นประจำ ทั้งรายวันหรือรายสัปดาห์ เพื่อให้พนักงานได้ฝึกฝน AI กับงานของตนเอง ไม่ว่าจะทำคนเดียวหรือเป็นกลุ่ม สอนพนักงานถึงวิธีตรวจสอบแหล่งข้อมูลของ AI และประเมินผลลัพธ์ที่ได้

ก่อนที่จะเปิดตัวเวิร์กโฟลว์ AI ใหม่ ให้ขอให้ผู้รับผิดชอบงานนั้นเขียนขั้นตอนออกมา ลองใช้เวอร์ชัน AI และระบุจุดบกพร่อง เชื่อมต่อ AI เข้ากับเครื่องมือที่มีการใช้งานอยู่แล้ว และทดสอบกับผู้ใช้จำนวนหนึ่งก่อนที่จะเปิดตัวเป็นวงกว้าง

3. การกำกับดูแล (Governance)

กฎที่ชัดเจนเกี่ยวกับเครื่องมือ ข้อมูล และการตรวจสอบ ช่วยให้การใช้ AI เติบโตและขยายขนาดได้อย่างรวดเร็วโดยไม่เพิ่มความเสี่ยง เผยแพร่รายการเครื่องมือที่ได้รับอนุมัติแบบสั้น ๆ และกำหนดให้ต้องลงชื่อเข้าใช้ของบริษัท กำหนดระดับข้อมูลที่ระบุว่าข้อมูลประเภทใดสามารถนำไปใช้ในเครื่องมือใดได้บ้าง

ตัดสินใจว่างานแต่ละประเภทต้องการการตรวจสอบจากมนุษย์มากน้อยเพียงใด โดยจัดหมวดหมู่เวิร์กโฟลว์ที่สนับสนุนโดย AI แต่ละรายการให้อยู่ในหนึ่งในสามประเภท ได้แก่ AI เป็นเจ้าของ, มนุษย์ตรวจสอบ, หรือมนุษย์เป็นเจ้าของ พร้อมทั้งเก็บบันทึกว่าเครื่องมือ AI ใดถูกใช้กับงานใดและใครเป็นผู้ตรวจสอบผลลัพธ์ เพื่อให้สามารถสืบหาต้นตอของข้อผิดพลาดและแก้ไขได้

4. คุณค่าทางธุรกิจ (Business value)

BCG พบว่ามากกว่า 60% ของบริษัทที่มีคะแนนความพร้อมสูงสุดจะติดตามคุณค่าของ AI อย่างจริงจัง เมื่อเทียบกับ 17% ของบริษัทที่หยุดนิ่ง เลือกเวิร์กโฟลว์ที่สามารถวัดผลได้หนึ่งรายการและบันทึกค่าพื้นฐาน (baseline) ได้แก่ เวลา ต้นทุน และอัตราความผิดพลาด กำหนดเกณฑ์ความสำเร็จและวันที่ตัดสินใจก่อนที่การทดลองจะเริ่มต้น ติดตามต้นทุนต่อการใช้งานตั้งแต่วันแรก และขยายขนาดเฉพาะหลังจากผลลัพธ์ดีกว่าค่าพื้นฐานเท่านั้น

ระดับความพร้อมในการใช้ AI: อภิธานศัพท์

การนำ AI มาใช้ (AI adoption): ขอบเขตที่เครื่องมือ AI ถูกนำมาใช้งาน ซึ่งมักจะใช้แทนกันได้กับความพร้อมในการใช้ AI แต่ทั้งสองสิ่งนี้มีความแตกต่างกัน โดยความพร้อมหมายถึงการใช้ AI อย่างเป็นระบบทั่วทั้งองค์กร ในขณะที่การนำมาใช้หมายถึงจำนวนคนที่กำลังใช้งานอยู่เท่านั้น

ความพร้อมด้าน AI (AI readiness): โครงสร้างพื้นฐานและข้อมูลพร้อมสำหรับการใช้ AI อย่างมีประสิทธิภาพหรือไม่ องค์กรสามารถมีข้อมูลที่สะอาดและโครงสร้างพื้นฐานที่แข็งแกร่ง แต่ยังคงล้าหลังในเรื่องความพร้อม หากยังไม่ได้ปรับการดำเนินงานให้สอดคล้องกับความสามารถของ AI

ความพร้อมในการใช้ AI (AI maturity): การใช้งาน AI อย่างตั้งใจและมีประสิทธิภาพเพียงใด การนำมาใช้และความพร้อมช่วยให้ความพร้อมในการใช้ AI เกิดขึ้นได้ แต่ไม่ได้เป็นการรับประกัน

การกำกับดูแล AI (AI governance): กฎและกระบวนการที่กำหนดว่า AI ถูกนำมาใช้อย่างมีความรับผิดชอบภายในองค์กรอย่างไร ใครเป็นผู้อนุมัติกรณีการใช้งานใหม่ และสิ่งใดบ้างที่ต้องได้รับการตรวจสอบ

เอเจนต์ AI (Agentic AI): ระบบ AI ที่สามารถดำเนินการได้ด้วยตนเองและปฏิบัติงานหลายขั้นตอนได้ แทนที่จะเป็นเพียงการตอบสนองต่อข้อความแจ้ง (prompt) เดี่ยวๆ

การประสานการทำงาน (Orchestration): การใช้งานเอเจนต์ AI หลายตัวร่วมกัน โดยตัวหนึ่งสามารถส่งมอบงานบางส่วนให้กับอีกตัวหนึ่งได้ แทนที่จะใช้แต่ละตัวแบบแยกส่วนกัน

ระดับความพร้อมในการใช้ AI: การประเมินตนเองอย่างรวดเร็ว

การตอบคำถามสองสามข้อสามารถช่วยให้พนักงานทุกคนเข้าใจคร่าวๆ ว่าองค์กรของตนเองอยู่ในจุดใด

ตำแหน่งที่ Perplexity เข้ามามีบทบาท

Perplexity Computer สนับสนุนเส้นทางสู่ความพร้อมในการใช้ AI ขององค์กร ด้วยการนำ 20 โมเดลขั้นสูงมารวมไว้ในระบบเดียว ครอบคลุมทั้งการวิจัย การวิเคราะห์ เนื้อหา และโค้ด แทนที่จะรันแต่ละตัวเป็นเครื่องมือแยกต่างหาก ระบบจะทำการจัดเส้นทางงานระหว่างโมเดลเหล่านั้นโดยตรง ซึ่งเป็นการประสานการทำงานแบบที่บ่งบอกถึงขั้นความพร้อมที่ก้าวหน้ายิ่งขึ้น

คำถามที่พบบ่อย (FAQs)

AI maturity model คืออะไร
กรอบการทำงานที่ให้คะแนนความสามารถด้าน AI ขององค์กร และกำหนดระดับตามความพัฒนาและความตั้งใจในการใช้ AI

ระยะต่างๆ ของความพร้อมในการใช้ AI มีอะไรบ้าง
กรอบการทำงานส่วนใหญ่จะอธิบายเส้นทางที่คล้ายคลึงกัน ได้แก่ การทดลองแบบไม่มีโครงสร้าง จากนั้นเป็นการทดลองนำร่องที่มีโครงสร้าง ต่อด้วยการสร้าง AI ให้เป็นส่วนหนึ่งของเวิร์กโฟลว์ประจำวัน และสุดท้ายคือการที่ AI ทำงานทั่วทั้งองค์กรอย่างเป็นอิสระ

ความพร้อมในการใช้ AI แตกต่างจากการนำ AI มาใช้อย่างไร
การนำมาใช้วัดว่ามีการใช้เครื่องมือ AI หรือไม่ ในขณะที่ความพร้อมวัดว่ามีการใช้งานเครื่องมือเหล่านั้นอย่างมีประสิทธิภาพเพียงใด

ความพร้อมในการใช้ AI (maturity) กับความพร้อมด้านโครงสร้างพื้นฐาน (readiness) ต่างกันอย่างไร
ความพร้อมด้านโครงสร้างพื้นฐาน (readiness) จะวัดว่าโครงสร้างพื้นฐานและข้อมูลพร้อมสำหรับการใช้ AI อย่างดีหรือไม่ ส่วนความพร้อมในการใช้ AI (maturity) จะวัดว่าองค์กรได้สร้างการดำเนินงานรอบความสามารถนั้นจริงๆ หรือยัง

การกำกับดูแล AI หมายถึงอะไร
กฎและกระบวนการที่กำหนดว่า AI ถูกใช้อย่างมีความรับผิดชอบภายในองค์กรอย่างไร รวมถึงใครเป็นผู้อนุมัติกรณีการใช้งานใหม่ และอะไรบ้างที่ต้องตรวจสอบก่อนนำไปใช้งานจริง

Agentic AI คืออะไร
ระบบ AI ที่สามารถดำเนินการได้ด้วยตนเอง ปฏิบัติงานหลายขั้นตอนแทนที่จะเป็นเพียงการตอบสนองต่อข้อความแจ้งเดี่ยวๆ

การประสานการทำงานของ AI คืออะไร
การรันโมเดลหรือระบบ AI หลายตัวร่วมกัน เพื่อให้ตัวหนึ่งสามารถส่งมอบงานบางส่วนให้แก่อีกตัวได้ แทนที่จะใช้แต่ละเครื่องมือแบบแยกส่วน

องค์กรสามารถปรับปรุงระดับความพร้อมในการใช้ AI ได้อย่างไร
โดยการก้าวข้ามการทดลองแบบแยกส่วนไปสู่การทดลองนำร่องที่มีโครงสร้างพร้อมผู้รับผิดชอบที่ชัดเจน จากนั้นเชื่อมต่อ AI เข้ากับข้อมูลและเวิร์กโฟลว์จริง และสร้างการกำกับดูแลสำหรับจุดที่ AI สามารถดำเนินการได้โดยไม่ต้องตรวจสอบ