ผลสำรวจชี้องค์กรที่ใช้ AI อย่างเข้าใจ จะสร้างผลประกอบการดีกว่าคู่แข่งถึง 20%

อัพเดต 13 ชั่วโมงที่ผ่านมา • เผยแพร่ 13 ชั่วโมงที่ผ่านมา

ภาพไฮไลต์

รายงาน “ผลคาดการณ์ด้าน Data & Analytics Predictions ที่องค์กรต้องจับตาในอนาคต” จาก Gartner ระบุว่า แนวโน้มการใช้ AI และการวิเคราะห์ข้อมูลในระดับองค์กรกำลังเพิ่มสูงขึ้นอย่างต่อเนื่อง โดยมุ่งเน้นการเพิ่มประสิทธิภาพ ลดต้นทุน และสนับสนุนการตัดสินใจที่ชาญฉลาดผ่านเทคโนโลยีที่ล้ำหน้า

ผลคาดการณ์ที่จะเห็นภายในปี 2570

50% ของการตัดสินใจทางธุรกิจจะได้รับการสนับสนุนจาก AI Agents ที่ช่วยเสริมประสิทธิภาพในงานอัตโนมัติ
องค์กรที่มุ่งเน้นให้ผู้บริหารเรียนรู้และเข้าใจเรื่องปัญญาประดิษฐ์ (AI Literacy) จะมีผลประกอบการทางการเงินสูงกว่าองค์กรที่ไม่สนใจเรื่องนี้ถึง 20%
60% ของผู้บริหาร D&A (Data & Analytics) จะใช้ข้อมูลสังเคราะห์ (Synthetic Data) เพื่อลดความเสี่ยงและต้นทุนในการจัดการข้อมูล AI
องค์กรที่เข้าใจศาสตร์ด้านภาษาศาสตร์และความหมายของข้อมูล (Semantics) ในชุดข้อมูลของ AI จะสามารถเพิ่มความแม่นยำของ GenAI ได้สูงสุดถึง 80% และลดต้นทุนได้สูงสุด 60%

Decision Intelligence คือ กระบวนการตัดสินใจที่ AI จะสร้างกระบวนการตัดสินใจเพื่อสนับสนุนและทำให้การตัดสินใจที่ซับซ้อนเป็นอัตโนมัติ โดย AI Agents เข้ามาเพิ่มประสิทธิภาพกับกระบวนการนี้ จัดการกับความซับซ้อน การวิเคราะห์ และการดึงแหล่งข้อมูลต่าง ๆ มาใช้ โดยข้อมูลได้คาดการณ์ไว้ว่า ภายในปี 2572 บอร์ดบริหารทั่วโลกถึง 10% จะใช้คำแนะนำจาก AI ในการตัดสินใจสำคัญทางธุรกิจ

Carlie Idoine รองประธานนักวิเคราะห์ กล่าวว่า AI Agents สำหรับ Decision Intelligence ไม่ใช่สูตรสำเร็จและไม่ใช่เรื่องที่ผิดพลาดไม่ได้ หากแต่ต้องใช้ร่วมกันกับการกำกับดูแลและการจัดการความเสี่ยงที่มีประสิทธิภาพ ซึ่งการตัดสินใจของมนุษย์ยังต้องการความรู้ที่เหมาะสม รวมถึงความรู้ในด้านข้อมูลและ AI

โดย Gartner แนะนำให้ผู้บริหารทำงานร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ เพื่อระบุและจัดลำดับการตัดสินใจที่สำคัญ ๆ เพื่อบรรลุความสำเร็จขององค์กร รวมถึงการตัดสินใจที่ได้ประโยชน์จากการนำการวิเคราะห์และปัญญาประดิษฐ์ไปใช้อย่างมีประสิทธิภาพมากขึ้น

“AI ไม่สามารถตอบสนองหรือส่งมอบคุณค่าทั้งหลายได้เองตามลำพัง จำเป็นต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล เพื่อช่วยให้ตัดสินใจและดำเนินการได้อย่างชาญฉลาดและสามารถปรับเปลี่ยนได้เหมาะสมทั่วทั้งองค์กร”

นอกจากนี้องค์กรควรพัฒนาทักษะที่มอบประสบการณ์ให้ผู้บริหาร เช่น การสร้าง AI Literacy ให้แก่ผู้บริหาร ตลอดจนความเสี่ยงและต้นทุน AI เพื่อตัดสินใจได้อย่างมีประสิทธิภาพ รวมถึงการพัฒนาต้นแบบเฉพาะโดเมนสำหรับทำให้ AI เป็นเรื่องที่จับต้องได้ ที่จะนำไปสู่การลงทุนที่มากขึ้นและเหมาะสมขึ้นกับความสามารถในการใช้ AI

อุปสรรคด้านการจัดการฐานข้อมูล

แม้ว่าการใช้ข้อมูลสังเคราะห์ หรือ Synthetic Data เพื่อฝึกโมเดล AI ขณะนี้เป็นกลยุทธ์สำคัญเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัวและการสร้างชุดข้อมูลที่หลากหลาย อย่างไรก็ตาม ความซับซ้อนเกิดขึ้นเนื่องจากความจำเป็นที่จะต้องให้แน่ใจว่าข้อมูลสังเคราะห์สามารถสื่อถึงสถานการณ์ที่เป็นจริงได้แม่นยำ ปรับขนาดได้อย่างมีประสิทธิภาพเพื่อตอบสนองความต้องการข้อมูลที่เติบโต และบูรณาการเข้ากับข้อมูลและระบบที่มีอยู่ได้อย่างราบรื่น

"เพื่อจัดการกับความเสี่ยงเหล่านี้ องค์กรต้องใช้การจัดการ Metadata ที่มีประสิทธิภาพ โดย Metadata จัดเตรียมบริบท เชื่อมโยง และกำกับดูแลที่จำเป็นเพื่อติดตาม ตรวจสอบ รวมถึงจัดการข้อมูลสังเคราะห์ได้อย่างมีความรับผิดชอบ ถือเป็นสิ่งสำคัญในการรักษาความถูกต้องแม่นยำของ AI และการปฏิบัติตามมาตรฐาน" Carlie Idoine กล่าว

รายงานระบุว่าเพิ่มเติมว่า ภายในปี 2571 โครงการนำร่อง GenAI 30% ที่มุ่งสู่การผลิตขนาดใหญ่จะถูกสร้างขึ้นแทนที่การใช้งานผ่านแอปพลิเคชันสำเร็จรูป (Packaged Applications) เพื่อลดต้นทุนและเพิ่มการควบคุม

การสร้างโมเดล GenAI ภายในองค์กรให้ความยืดหยุ่น การควบคุม และคุณค่าในระยะยาวที่เครื่องมือสำเร็จรูปหลายอย่างทำไม่ได้ และเมื่อความสามารถภายในเติบโตขึ้น การ์ทเนอร์แนะนำให้องค์กรนำกรอบการทำงานที่ชัดเจนมาใช้สำหรับการตัดสินใจว่าจะสร้างเองหรือจะซื้อ (Build Versus Buy Decisions) ที่ต้องพิจารณาปัจจัยด้านต้นทุน ระยะเวลาที่จะออกสู่ตลาด ชุดทักษะความรู้ที่มีอยู่ ความสามารถในการบูรณาการ การปฏิบัติตามข้อกำหนดและความเสี่ยง

อุปสรรคด้านความหลากหลายของภาษา

รายงานระบุว่าเพิ่มเติมว่า ภายในปี 2570 องค์กรที่จัดลำดับความสำคัญของอรรถศาสตร์ (การศึกษาความหมายของคำหรือภาษา) หรือ Semantics ในชุดข้อมูล AI จะเพิ่มความแม่นยำของโมเดล GenAI ได้สูงสุด 80% และลดต้นทุนสูงสุด 60%

อรรถศาสตร์ที่ไม่ดี (Poor Semantics) หรือการศึกษาความหมายของภาษาที่ไม่ดีใน GenAI นำไปสู่การตีความผิดเพี้ยนมากขึ้น ต้องการโทเค็นและมีต้นทุนสูงขึ้น องค์กรที่ทบทวนการจัดการข้อมูลโดยมุ่งเน้นไปที่ Active Metadata ขับเคลื่อนความแม่นยำและประสิทธิภาพของโมเดลมากขึ้น จะมีความพร้อมด้านข้อมูลปัญญาประดิษฐ์สูงขึ้น (AI Data Readiness) และลดต้นทุนการคำนวณ

สิ่งนี้ช่วยให้ AI Agents ทำงานมีประสิทธิภาพมากขึ้นและเพิ่มความสะดวกในการตัดสินใจได้อย่างชาญฉลาดและรวดเร็วขึ้นทั่วทั้งองค์กร

สุดท้ายนี้เมื่อ AI ฝังอยู่ในกลยุทธ์ของบอร์ดบริหาร ความต้องการการกำกับดูแลข้อมูลให้แข็งแกร่ง หรือ Data Governance ความชัดเจนกฎระเบียบ และการจัดการชื่อเสียงองค์กรจะมีความเข้มข้นขึ้น

Gartner แนะนำให้บอร์ดบริหารกำหนดขอบเขตการมีส่วนร่วมในการนำ AI ไปใช้ตัดสินใจและจัดตั้งนโยบายที่ชัดเจนด้านการกำกับดูแล กำหนดกรอบความรับผิดชอบ และการปฏิบัติตามกฎระเบียบ โดยสิ่งเหล่านี้จะช่วยให้พวกเขาใช้ AI เป็นที่ปรึกษาเชิงกลยุทธ์ พร้อมรักษาความไว้วางใจและควบคุมไปพร้อมกัน

อ้างอิงข้อมูล Garnter

ติดตามเพจ Facebook : Thairath Money ได้ที่ลิงก์นี้ -

https://www.facebook.com/ThairathMoney

อ่านข่าวต้นฉบับได้ที่ : ผลสำรวจชี้องค์กรที่ใช้ AI อย่างเข้าใจ จะสร้างผลประกอบการดีกว่าคู่แข่งถึง 20%