By รายงานจาก McKinsey & Company เผยแม้ว่าเกือบ 8 ใน 10 ของบริษัทจะรายงานว่ามีการใช้งาน Gen AI แล้ว แต่กลับเกิดปรากฏการณ์ที่เรียกว่า “Gen AI Paradox” นั่นคือการที่บริษัทยังไม่เห็นผลกระทบที่มีนัยสำคัญต่อรายได้หรือผลกำไรของบริษัท (Bottom-line impact)
ในช่วงแรกของการนำ Gen AI มาใช้ องค์กรมักเริ่มต้นจากการมองหา Quick Win ที่สามารถนำ AI ไปใช้สร้าง impact ได้อย่างรวดเร็ว แต่เพื่อก้าวไปสู่ขั้นต่อไปของการ Transformation ‘AI Agent’ จึงเป็นหนึ่งในตัวเร่งสำคัญที่จะสามารถเปลี่ยน AI ให้เป็น ‘collaborator’ ที่ทำงานเชิงรุก ในบทความนี้ Skooldio อยากชวนสำรวจว่าองค์กรจะสามารถก้าวข้าม Gen AI Paradox ไปได้อย่างไร และมีกลยุทธ์ใดบ้างที่ผู้นำและองค์กรสามารถนำมาปรับใช้ได้
Table of Contents
Gen AI Paradox
หลายองค์กรอาจเริ่มต้นใช้ AI โดยอยู่ในรูปของ Horizontal Use Cases เช่น การเอา AI มาใช้ช่วยพนักงานจัดการงานรูทีนต่าง ๆ ซึ่งแม้เครื่องมือ AI เหล่านี้จะช่วยเพิ่ม productivity ของพนักงานได้ แต่ประโยชน์และผลลัพธ์ที่ได้อาจอยู่ในระดับพนักงาน การจะมองให้เห็นถึงผลลัพธ์ เห็น impact ต่อองค์กรในแง่ของรายได้หรือกำไรจึงเป็นเรื่องยาก
อีกหนึ่งรูปแบบของการใช้งาน AI คือ Vertical Use Cases หรือการนำ AI ไปใช้ “embedded” ในงานหรือกระบวนการเฉพาะด้าน ซึ่งถือว่ามีศักยภาพสูงในการสร้างผลกระทบทางธุรกิจโดยตรง แต่รายงานจาก McKinsey พบว่าในความเป็นจริง กลับมีมากถึงราว 90% ของโครงการลักษณะนี้ที่ยังคงหยุดอยู่เพียงขั้นทดลอง (Pilot Mode)
ซึ่งสาเหตุก็หลักมาจากทั้ง โครงสร้างองค์กรและข้อจำกัดทางเทคนิค เช่น โครงการ Pilot เหล่านี้มักเกิดจากแนวทางแบบ bottom-up ที่มีความกระจัดกระจาย ทำงานแยกส่วน ขาดการประสานในระดับองค์กร ทำให้การเชื่อมกับระบบข้อมูลหรือระบบภายในเป็นไปได้ยาก อีกทั้งยังขาดการสนับสนุนจากผู้นำระดับสูง และขาดบุคลากรที่มีความเชี่ยวชาญด้านเทคนิคเพียงพอในการพัฒนาและขยายผลต่อยอดด้วย
ก้าวถัดไปจากการทดลองและ Quick Win
แม้ในช่วงเริ่มต้นของการ Transformation “Quick Win” จะเป็นสิ่งสำคัญที่ช่วยให้องค์กรและพนักงานเห็นผลลัพธ์จากการใช้ AI ได้อย่างรวดเร็ว แต่อีกหนึ่งก้าวสำคัญในการ Transform คือการนำ AI Agent เข้ามาใช้เพื่อทำลายข้อจำกัดที่เคยมีอยู่
โดยเปลี่ยนบทบาทของ AI จาก “เครื่องมือที่รอคำสั่ง” ไปเป็น “เพื่อนร่วมงาน” ที่สามารถดำเนินการหลายขั้นตอนได้ด้วยตัวเองอย่างอิสระ
AI Agent คือระบบซอฟต์แวร์ที่นำ AI เข้ามาเป็นตัวช่วยทำงานที่สามารถตัดสินใจได้ด้วยตัวเอง สามารถเข้ามาช่วยทำงานแทนมนุษย์ในบางขั้นตอน ตัดสินใจได้แบบ real-time ช่วยจัดการงานซ้ำ ๆ ซึ่งไม่เพียงช่วยลดต้นทุน แต่ยังช่วยให้องค์กรก้าวข้ามข้อจำกัดเดิม ๆ ได้
ดังนั้นจุดแข็งของ AI Agent จึงไม่ใช่แค่การเพิ่มประสิทธิภาพการทำงาน แต่คือการพลิกโฉมกระบวนการทำงานทั้งในด้าน การเร่งความเร็ว (Acceleration) / การปรับตัว (Adaptability) / ความยืดหยุ่น (Elasticity)
กลยุทธ์ที่ 1: ปรับ Workflow
It’s not about the agent; it’s about the workflow
ประโยคนี้จาก McKinsey เป็นหนึ่งในประโยคที่ทรงพลังและสรุปหัวใจของการใช้ AI Agent ได้อย่างชัดเจน
กลยุทธ์ที่สำคัญที่สุดประการแรก คือการที่เราต้องตระหนักถึงความสำคัญของ Workflow เพราะการใช้ AI Agent ให้เกิดคุณค่าทางธุรกิจจริง ๆ ไม่ได้อยู่แค่ที่ตัว Agent แต่คือการ ออกแบบและปรับ Workflow ใหม่ทั้งระบบ
หลายองค์กรมักทุ่มเทกับการสร้าง Agent ที่ดูดี แต่สุดท้ายกลับไม่สามารถสร้างผลลัพธ์ได้ตามที่หวัง เพราะ Workflow หลักยังไม่ถูกเปลี่ยน ทำให้ AI ที่พัฒนามาเป็นเพียง Agent ที่สวยแต่ไม่ได้ช่วยให้กระบวนการทำงานดีขึ้นจริง
และแม้ AI Agent จะทรงพลัง แต่ก็ ไม่จำเป็นต้องใช้ในทุกงาน McKinsey จึงแนะนำว่าแนวคิดที่เราควรใช้คือ มอง Agent ให้เหมือนการเลือกสมาชิกในทีมให้เหมาะกับงาน งานนี้ต้องการผลลัพธ์แบบไหน และใครที่เหมาะกับงานนี้ที่สุด
ออกแบบกระบวนการ ใหม่
Reinventing a process around agents means more than layering automation on top of existing workflows – McKinsey&Company
การจะสร้าง Impact ให้กับองค์กร เราต้องเปลี่ยนแนวคิดจากการแค่ใส่ automation เข้าไปใน Workflow เดิมไปสู่การ ‘reinventing’ หรือการออกแบบกระบวนการใหม่ทั้งหมด ซึ่งรวมถึงการจัดลำดับขั้นตอนใหม่, การกระจายความรับผิดชอบระหว่างมนุษย์และ Agent รวมไปถึงการออกแบบเพื่อให้สามารถดึงศักยภาพ ใช้ประโยชน์จากจุดแข็งของ Agent ออกมาได้อย่างเต็มที่
ทีมแบบ Cross-functional
แน่นอนว่า “คน” คือหัวใจสำคัญของการ Transformation และการทำงานแบบแยกส่วน การมีทีมแบบ Silo แบบนี้ก็ไม่ตอบโจทย์อีกต่อไปในยุคของ Agentic AI ดังนั้นองค์กรจึงจำเป็นต้องปรับโมเดลการทำงานไปสู่รูปแบบ Cross-functional Transformation Squads เป็นทีมที่รวมผู้เชี่ยวชาญหลากหลายด้านไว้ด้วยกัน ทั้งคนที่เข้าใจธุรกิจ กระบวนการออกแบบ AI และเทคโนโลยี เพื่อให้การ Transformation เกิดขึ้นได้จริงในระดับองค์กร
กลยุทธ์ที่ 2: สร้างความเชื่อมั่น ป้องกันความเสี่ยง
ลงทุนในการประเมินผล (Evals) เพื่อต้าน “AI Slop”
เคยเจอไหม? ตอน demo ดูดี แต่พอใช้จริงกลับสร้างปัญหา เกิดเป็น “AI slop” จากการได้ผลลัพธ์ที่มีคุณภาพต่ำ จนผู้ใช้งานไม่พึงพอใจ หมดความเชื่อมั่น
ดังนั้นบริษัทจึงควรให้ความสำคัญอย่างมากในการพัฒนา Agent ทำให้เหมือนกับเวลาที่เราจ้างพนักงานใหม่ ไม่ว่าจะเป็นการกำหนด job description ของ Agent / วางแผน onboarding & feedback loop เพื่อให้ Agent เรียนรู้และปรับตัวต่อเนื่อง / ลงทุนทำ evaluation (eval) เพื่อประเมินประสิทธิภาพของ Agent อย่างเป็นระบบ ที่สำคัญคือก็ต้องมีผู้เชี่ยวชาญเข้ามามีส่วนร่วมในการทดสอบประสิทธิภาพ Agent อย่างต่อเนื่อง
การใช้ Guardrails และ Human Intervention
Guardrails จะทำหน้าที่เป็นรั้ว เหมือนกลไกการป้องกันแบบหลายชั้น (layered defense mechanism) ที่ช่วยจัดการความเสี่ยงต่าง ๆ
ต้องมีการประเมินความเสี่ยงของเครื่องมือที่ Agent สามารถเข้าถึงได้ โดยกำหนดระดับความเสี่ยง เป็นต่ำ กลาง หรือสูง ตามปัจจัยต่างๆ และใช้ระดับความเสี่ยงนี้ในการตั้งค่าการทำงานอัตโนมัติ เช่นส่งต่อให้มนุษย์ตรวจสอบหากจำเป็น
‘Human Intervention’ ก็เป็นมาตรการความปลอดภัยที่สำคัญ โดยเฉพาะในช่วงแรกของการนำ Agent มาใช้ มนุษย์ควรเข้ามาควบคุมเมื่อ Agent ทำงานผิดพลาดเกินขีดจำกัดที่กำหนด หรือกำลังจะดำเนินการทำอะไรบางอย่างที่มีความเสี่ยงสูง เช่น กำลังจะดำเนินการทำกิจกรรมอะไรที่ละเอียดอ่อน ไม่สามารถย้อนกลับมาแก้ได้ หรือมีผลกระทบทางการเงินสูง เช่น การอนุมัติการคืนเงินจำนวนมาก
กลยุทธ์ที่ 3: บริหารจัดการ เปลี่ยนแปลงบทบาทของมนุษย์
บทบาทใหม่ของบุคลากร
แม้ว่า AI จะเข้ามาทำงานแทนมนุษย์ได้ในบางส่วน แต่มนุษย์ก็ยังคงเป็นองค์ประกอบสำคัญของระบบการทำงาน องค์กรจึงจำเป็นต้องบริหารการเปลี่ยนแปลงนี้อย่างรอบคอบ โดยเฉพาะการออกแบบงานใหม่ (Work Redesign) เพื่อให้คนและ Agent สามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ
ผู้นำควรสื่อสารกับทีมให้ชัดว่าบทบาทของพวกเขาจะเปลี่ยนไปอย่างไร ผู้นำสามารถมอบแนวทางที่ชัดเจนได้ว่าพวกเขาสามารถใช้เวลาที่มีอย่างไรให้เกิดคุณค่ามากที่สุด เช่น เมื่อมีเวลามากขึ้นจากการที่ AI ช่วยแบ่งเบาภาระงานไปได้ เราก็สามารถหันมาโฟกัสงานที่ต้องอาศัยความเข้าใจมนุษย์ ความคิดสร้างสรรค์ ซึ่งเป็นสิ่งที่ AI ยังไม่สามารถแทนได้
ยกระดับ AI ให้เป็นวาระสำคัญของผู้นำ
การเปลี่ยนผ่านสู่ยุค Agentic AI ถือเป็นจุดเปลี่ยนเชิงกลยุทธ์ ที่ไม่สามารถดำเนินการได้หากปราศจากการนำและลงมือทำเองอย่างชัดเจนจากผู้นำ
ผู้นำจำเป็นต้องมีการทบทวนโครงการที่ pilot ไปอย่างมีระบบ เพื่อสกัดบทเรียนที่มีค่า และโบกมือลาโครงการที่ไม่สามารถขยายผลได้ พร้อมจัดลำดับความสำคัญของ AI ใหม่ให้สอดคล้องกับเป้าหมายเชิงกลยุทธ์ที่สำคัญที่สุดขององค์กร
เราจะเห็นว่าการสร้างมูลค่าจาก AI ในยุคต่อไป จะไม่ใช่แค่การเสริมงานบางส่วนด้วยเทคโนโลยี สร้าง quick win ด้วยการนำ AI มาช่วยในงานรูทีน แต่คือการออกแบบกระบวนการใหม่ทั้งระบบ โดยให้มนุษย์และ Agent ทำงานร่วมกันอย่างมีจุดแข็งเสริมกันและกัน ซึ่งการจะไปถึงจุดนั้นได้ก็จำเป็นจะต้องอาศัยหลายปัจจัยทั้งการเปลี่ยนแปลงเชิงกลยุทธ์ ผู้นำ พนักงานในองค์กร ควบคู่ไปพร้อมกับการกำกับดูแลและตรวจสอบ AI อย่างต่อเนื่อง
มีเวลา 1 วันก็ทำ Prototype AI Agent อย่างเป็นระบบได้
หลักสูตร AI Agent สำหรับผู้บริหารที่รู้สึกว่าแค่พนักงานใช้ AI เป็นยังไม่พอ เร่งสปีดการทำ AI Transformation ขององค์กรคุณ จัดเต็มเนื้อหาการลงมือทำเชิงลึก (แต่กระชับ) ให้ผู้บริหารที่อยากลองสร้าง AI Chatbot, AI Agent, และ AI Automation ด้วยตัวเอง ได้สัมผัส Prototype ที่พร้อมต่อยอดจริงในองค์กร
สมัครเรียน อ่านรายละเอียดเพิ่มเติม คลิก Generative AI Agent Lab for Executives
References
Seizing the agentic AI advantage | McKinsey & Company
One year of agentic AI: Six lessons from the people doing the work | McKinsey & Company
A practical guide to building agents | OpenAI
Identifying and scaling AI use cases | OpenAI
Transforming the enterprise through AI-powered workflows | McKinsey & Company
