AI มีข้อมูลแล้ว แต่ทำไมองค์กรยังตัดสินใจช้า?

หลายองค์กรเริ่มนำ AI เข้ามาช่วยวิเคราะห์ข้อมูล สรุปรายงาน ค้นหา Insight และสนับสนุนการทำงานในหลายส่วนมากขึ้น แต่แม้องค์กรจะมี AI และมีข้อมูลจำนวนมาก การตัดสินใจในหลายเรื่องก็ยังใช้เวลานานเหมือนเดิม

ผู้บริหารอาจยังต้องรอข้อมูลจากหลายฝ่าย พนักงานยังต้องเปิดหลายระบบเพื่อรวบรวมข้อมูล บางขั้นตอนยังต้อง Export ข้อมูลมารวมกันด้วยตนเอง และเมื่อได้ Insight แล้ว ก็ยังต้องผ่านการประสานงาน การอนุมัติ และการส่งต่ออีกหลายขั้นตอนก่อนจะเกิดการดำเนินงานจริง ปัญหาจึงอาจไม่ได้อยู่ที่องค์กรไม่มี AI แต่อยู่ที่ข้อมูล ระบบ และ Workflow ที่ยังทำงานแยกจากกัน

มี AI แล้ว แต่ข้อมูลยังไม่ได้เชื่อมถึงกัน

หนึ่งในความท้าทายขององค์กรขนาดใหญ่คือข้อมูลที่จำเป็นต่อการตัดสินใจมักอยู่กระจายกันหลายระบบ ข้อมูลลูกค้าอาจอยู่ใน CRM ข้อมูลการขายอยู่ในอีกระบบ ข้อมูลจาก Contact Center อยู่กับทีมบริการ ขณะที่เอกสารภายในหรือข้อมูลจากช่องทางภายนอกก็อาจถูกจัดเก็บแยกออกไปอีกส่วนหนึ่ง

แม้แต่ละทีมจะมีเครื่องมือช่วยวิเคราะห์ข้อมูลของตัวเอง แต่หากข้อมูลเหล่านี้ยังไม่สามารถเชื่อมโยงกันได้ การมองเห็นภาพรวมก็ยังต้องอาศัยการรวบรวมและตีความจากหลายฝ่าย

ตัวอย่างเช่น หากผู้บริหารต้องการทราบว่าลูกค้ากลุ่มใดมีแนวโน้มยกเลิกบริการ และลูกค้ากลุ่มนั้นมีประวัติร้องเรียนเรื่องใดบ้าง คำถามเพียงคำถามเดียวอาจต้องใช้ข้อมูลจากหลายระบบก่อนจะได้คำตอบที่ครบถ้วน AI อาจประมวลผลข้อมูลได้เร็ว แต่หากข้อมูลที่ต้องใช้ยังแยกจากกัน องค์กรก็อาจยังไม่ได้คำตอบเร็วขึ้นเท่าที่ควร

Insight ที่เร็วขึ้น ไม่ได้หมายความว่าการตัดสินใจจะเร็วขึ้นเสมอไป

AI ในองค์กรจำนวนมากถูกนำมาใช้เพื่อช่วยสรุปข้อมูล วิเคราะห์แนวโน้ม ตรวจจับความผิดปกติ วิเคราะห์ Sentiment หรือช่วยค้นหาข้อมูลจากฐานข้อมูลภายใน สิ่งเหล่านี้ช่วยลดเวลาในการเข้าถึงข้อมูลได้มาก แต่ในกระบวนการทำงานจริง ยังมีอีกช่วงหนึ่งที่สำคัญไม่แพ้กัน คือสิ่งที่เกิดขึ้นหลังจากได้ Insight แล้ว

สมมติว่า AI ตรวจพบว่าจำนวนคำร้องเรียนเกี่ยวกับบริการเพิ่มขึ้นอย่างผิดปกติ ระบบอาจสามารถระบุประเด็นหลักและสรุปสาเหตุเบื้องต้นได้ภายในเวลาไม่นาน แต่หากทีมงานยังต้องเข้าไปตรวจสอบข้อมูลเพิ่มเติม ส่งข้อมูลต่อไปยังหน่วยงานที่เกี่ยวข้อง รอการพิจารณา และติดตามผลด้วยวิธีเดิม ความเร็วที่เพิ่มขึ้นจาก AI ก็อาจเกิดขึ้นเพียงบางส่วนของกระบวนการ

จุดนี้ทำให้เห็นว่าองค์กรอาจมี AI ที่ช่วยให้ “รู้เร็วขึ้น” แต่ยังไม่ได้ช่วยให้ “ตัดสินใจและลงมือทำเร็วขึ้น” อย่างเต็มที่

AI Transformation ต้องมองมากกว่าตัว AI

การทำ AI Transformation จึงไม่ใช่เพียงการนำ AI เข้าไปเพิ่มในแต่ละแผนก แต่ต้องมองถึงความเชื่อมโยงระหว่างข้อมูล ระบบ และกระบวนการทำงานทั้งหมด

คำถามสำคัญไม่ใช่เพียงว่า AI สามารถวิเคราะห์อะไรได้บ้าง แต่คือหลังจาก AI วิเคราะห์แล้ว ข้อมูลสามารถถูกนำไปใช้ต่อได้อย่างไร ใครเป็นผู้รับผิดชอบ ขั้นตอนถัดไปคืออะไร และมีส่วนใดของกระบวนการที่ยังต้องอาศัยการทำงานซ้ำด้วยคน หาก AI ช่วยสร้างรายงานได้เร็วขึ้น แต่กระบวนการอนุมัติ การส่งต่อ และการดำเนินงานยังเหมือนเดิม ผลลัพธ์ที่เกิดขึ้นก็อาจยังไม่ต่างจากเดิมมากนัก ในทางกลับกัน หาก AI สามารถเชื่อมกับข้อมูลที่เกี่ยวข้อง เข้าใจบริบทขององค์กร และทำงานร่วมกับระบบเดิมได้ Insight ที่เกิดขึ้นก็จะสามารถถูกนำไปใช้ต่อได้เร็วขึ้น

จากข้อมูลที่กระจัดกระจาย สู่ข้อมูลที่พร้อมนำไปใช้

เมื่อข้อมูลจากหลายส่วนขององค์กรสามารถเชื่อมโยงถึงกัน AI จะไม่จำเป็นต้องทำงานกับข้อมูลเพียงบางส่วนอีกต่อไป แต่สามารถมองเห็นบริบทที่กว้างขึ้น และช่วยให้ผู้ใช้งานเข้าถึงข้อมูลที่เกี่ยวข้องได้จากจุดเดียว

สิ่งนี้มีความสำคัญมากในองค์กรที่มีหลายระบบและหลายหน่วยงาน เพราะผู้ใช้งานไม่ควรต้องรู้ว่าข้อมูลแต่ละชุดอยู่ที่ไหนก่อนจึงจะสามารถตั้งคำถามได้ หากระบบสามารถรวบรวมข้อมูลที่เกี่ยวข้องจากหลายแหล่ง วิเคราะห์ความสัมพันธ์ และนำเสนอผลในบริบทที่เหมาะสม การตัดสินใจก็มีโอกาสเกิดขึ้นได้เร็วขึ้น โดยเฉพาะในเรื่องที่ต้องอาศัยข้อมูลจากหลายฝ่ายพร้อมกัน

จากการตอบคำถาม สู่การช่วยตัดสินใจ

Generative AI ทำให้การเข้าถึงข้อมูลขององค์กรง่ายขึ้นมาก ผู้บริหารหรือพนักงานสามารถถามข้อมูลด้วยภาษาธรรมชาติแทนการเปิดรายงานหรือ Dashboard หลายหน้า แต่คุณค่าของ AI ในระดับองค์กรไม่ควรจบอยู่ที่การตอบคำถามเท่านั้น

หาก AI สามารถช่วยอธิบายว่าเกิดอะไรขึ้น วิเคราะห์สาเหตุที่เกี่ยวข้อง และช่วยเสนอแนวทางที่ควรพิจารณาต่อได้ AI ก็จะเริ่มมีบทบาทมากขึ้นในกระบวนการตัดสินใจ ตัวอย่างเช่น แทนที่จะตอบเพียงว่ายอดขายลดลงในพื้นที่ใด ระบบอาจช่วยวิเคราะห์ต่อได้ว่าการลดลงนั้นสัมพันธ์กับประเด็นร้องเรียน พฤติกรรมลูกค้า หรือปัจจัยอื่นใด และข้อมูลเหล่านี้ควรถูกส่งต่อให้หน่วยงานใดดำเนินการต่อ นี่คือจุดที่ AI เริ่มเปลี่ยนจากเครื่องมือสำหรับค้นหาและวิเคราะห์ข้อมูล ไปสู่ระบบที่ช่วยให้ข้อมูลถูกนำไปใช้ได้จริง

Actionable Intelligence คือการทำให้ Insight เชื่อมไปถึงการใช้งานจริง

แนวคิด AI for Actionable Intelligence ของ RealSmart มองว่า AI และ Data ไม่ควรจบอยู่ที่การสร้างรายงานหรือ Insight แต่ควรช่วยให้องค์กรนำข้อมูลไปใช้ในการตัดสินใจและดำเนินงานได้จริง

องค์ประกอบสำคัญจึงไม่ใช่เพียงความสามารถของ AI Model แต่รวมถึงคุณภาพและความพร้อมของข้อมูล ความสามารถในการเชื่อมต่อกับระบบเดิม ความเข้าใจบริบทขององค์กร และการออกแบบ Workflow ให้เหมาะกับกระบวนการทำงานจริง เมื่อองค์ประกอบเหล่านี้ทำงานร่วมกัน AI จะสามารถช่วยลดช่องว่างระหว่างการ “มองเห็นปัญหา” กับการ “จัดการปัญหา” ได้มากขึ้น

ก่อนเพิ่ม AI อีกหนึ่งระบบ องค์กรควรกลับมาดูโครงสร้างการทำงานก่อน

ก่อนตัดสินใจลงทุนใน AI เพิ่มเติม องค์กรอาจเริ่มจากการสำรวจว่าข้อมูลที่จำเป็นต่อการตัดสินใจอยู่ที่ใดบ้าง ผู้ใช้งานยังต้องรวบรวมข้อมูลจากหลายระบบหรือไม่ หลังจากได้ Insight แล้วต้องผ่านกี่ขั้นตอนก่อนจะเกิด Action และมีส่วนใดของ Workflow ที่ยังต้องทำด้วยวิธี Manual หากปัญหาหลักยังอยู่ที่การเชื่อมโยงข้อมูลและกระบวนการ การเพิ่ม AI Tool อีกหนึ่งตัวอาจช่วยให้บางงานเร็วขึ้น แต่ยังไม่สามารถแก้ปัญหาในระดับองค์กรได้ทั้งหมด

AI Transformation ที่สร้างผลลัพธ์จึงควรเริ่มจากการมองภาพรวมว่า AI จะทำงานร่วมกับข้อมูล ระบบเดิม และ Workflow ขององค์กรอย่างไร มากกว่าการมอง AI เป็นเครื่องมือแยกออกมาอีกหนึ่งระบบ

เป้าหมายไม่ใช่การมี AI มากขึ้น แต่คือการทำให้องค์กรตัดสินใจได้ดีขึ้น

องค์กรในวันนี้ไม่ได้ขาด AI Tools แต่ความท้าทายที่สำคัญกว่าคือการทำให้ AI ที่มีอยู่สามารถทำงานร่วมกับข้อมูลและกระบวนการขององค์กรได้อย่างมีประสิทธิภาพ ท้ายที่สุด ความได้เปรียบไม่ได้เกิดจากจำนวน AI ที่องค์กรมี แต่อยู่ที่ว่าองค์กรสามารถนำข้อมูลมาใช้ ทำความเข้าใจสถานการณ์ และเปลี่ยน Insight ให้กลายเป็นการตัดสินใจได้เร็วเพียงใด

นี่คือจุดที่ AI เริ่มมีบทบาทในฐานะส่วนหนึ่งของการเปลี่ยนแปลงองค์กรอย่างแท้จริง และเป็นแนวคิดสำคัญของ AI for Actionable Intelligence ที่ RealSmart นำมาใช้ในการออกแบบ AI Solutions ให้สอดคล้องกับโจทย์ ข้อมูล และระบบของแต่ละองค์กร