สรุปกลยุทธ์ใช้ Generative AI จาก Mckinsey & Company ในงาน The Secret Sauce Summit 2023

ถ้าคุณอยากรู้วิธีนำ AI มาช่วยเพิ่มประสิทธิภาพให้ธุรกิจ นี่คือโพสต์ที่คุณต้องอ่าน! เพราะเราสรุปไฮไลต์กลยุทธ์ล่าสุดจาก McKinsey โดยคุณ Jeff Galvin จาก Mckinsey & Company ที่มาบรรยายในงาน The Secret Sauce Summit 2023 กับหัวข้อ Session Exploring Generative AI for Business Succesให้คุณอ่านแบบครบถ้วนและเข้าใจง่าย

ประสิทธิภาพของ Generative AI ที่พัฒนาขึ้นแบบก้าวกระโดดได้เปลี่ยนข้อกังขาว่าอาจเป็นได้แค่เทรนด์ระยะสั้น สู่การมองหาแนวทางการเริ่มต้นใช้เทคโนโลยีนี้ให้ประสบความสำเร็จ

ต่างจากโมเดลปัญญาประดิษฐ์แบบเดิม Generative AI ทำงานได้ดีกับ unstructured data เช่น รูปภาพ ข้อความต่าง ๆ โดยที่ไม่เพียงจำแนกและทำนายค่าแต่ยังสามารถสร้างสรรค์สิ่งใหม่จากชุดข้อมูลที่เรียนรู้ได้ จึงทำให้หลายอุตสาหกรรมเริ่มนำมาใช้เพื่อความเป็นไปได้ใหม่ ๆ ของธุรกิจ เช่น ภาคการเงินที่มี Morgan Stanley ที่ใช้ GPT-4 มาสร้าง AI Assistant ช่วยผู้บริหารความมั่งคั่งให้คำปรึกษาลูกค้า ไปจนถึง ฝั่งการแพทย์ที่มี Astrazeneca พัฒนาโมเดล Generative Ai คิดค้นยารักษาโรคตัวใหม่ที่ไม่เคยมีมาก่อน

ศักยภาพที่ปลดล็อกขีดจำกัดการทำงานของ Generative AI ได้เพิ่มมูลค่าธุรกิจขึ้นอย่างมหาศาลมากถึง 4.4 ล้านล้านดอลลาร์ โดยสายงานที่ AI เข้ามาช่วยเพิ่มประสิทธิภาพมากที่สุด 3 อันดับแรก คือ Sales & Marketing, Software Engineering, Product R&D และ Customer Operation ส่วน 3 อันดับของภาคอุตสหากรรมที่ได้ Generative AI สร้างมูลค่ามากที่สุดคือ เทคโนโลยีขั้นสูง (Hi-Tech) ตามด้วย ร้านค้าปลีก (Retail) และ การธนาคาร (Banking) แต่ในภาพรวม Generative AI จะเข้ามาช่วยขับเคลื่อนแทบทุกสายงานและภาคธุรกิจ

โดย Mckinsey ได้สรุปกลยุทธ์การใช้ประโยชน์ Generative AI มาเป็น 4 มิติของการทำงาน เรียกว่า 4C’s

Concision (Virtual Expert): ดึงข้อมูลมาวิเคราะห์หรือสรุป จาก Data Sources อย่างแม่นยำ
Creative Content : ทำคอนเทนต์เชิงสร้างสรรค์ในรูปแบบ ตัวหนังสือ ภาพ กราฟฟิกสำหรับสื่อสารตาม prompt/brief ที่สั่ง
Coding & Software : เขียนโค้ดเพื่อพัฒนาซอฟต์แวร์ หรือ Refactor Code ให้อ่านง่าย จัดการง่ายขึ้น
Customer Engagement : บริหารความสัมพันธ์ของลูกค้า ผ่านการตอบโต้แบบอัตโนมัติ เช่นใช้ AI ทำ Chatbot

รู้หรือไม่ แม้แต่ Mckinsey ก็ใช้ Generative AI ทำงาน!

เพื่อให้เห็นภาพการขับเคลื่อนธุรกิจด้วย Generative AI คุณ Jeff ได้ยกกรณีศึกษาที่ใกล้ตัวโดยแนะนำให้รู้จักกับ Lilli Generative AI ที่ Mckinsey พัฒนาโมเดลมาเพื่อให้ Consultant ดึง Use Cases หรือ Framework จากฐานข้อมูลขนาดใหญ่บริษัท มาทำงานกับลูกค้าใหม่ได้เร็วและสะดวกขึ้น

คุณเป็นใครระหว่าง taker, shaper หรือ maker?

Jeff ได้แบ่งธุรกิจที่เกี่ยวข้อง Generative AI 3 ประเภท ซึ่งจะเป็นตัวกำหนดทิศทางการใช้ AI ของธุรกิจนั้น ๆ โดย Jeff แนะนำให้ทุกองค์กรกำหนดจุดยืนให้ชัดว่าเราเป็นธุรกิจแบบไหนใน 3 ประเภทนี้

Taker : องค์กรที่นำทั้งระบบ Generative AI แบบสำเร็จรูป เช่นGPT-4 หรือ Bard มาใช้เลยแบบไม่ได้ปรับแต่งอะไรเพิ่ม
Shaper : ธุรกิจที่นำ Large Language Model และเทคโนโลยีที่มีอยู่แล้ว มาต่อยอดให้เป็น Generative AI ทีมีฟังก์ชั่นการใช้งานที่ตอบโจทย์องค์กรที่เฉพาะเจาะจง ซึ่งถือเป็นมิติการใช้งานที่ Jeff คิดว่าน่าสนใจสุดสำหรับธุรกิจที่นำมาใช้
Maker : ธุรกิจที่พัฒนาLarge Language Model (LLMs) สำหรับสร้าง Generative AI ของตัวเองตั้งแต่ต้นสำหรับองค์กรตัวเองโดยเฉพาะ เช่น OpenAI หรือ Google

Generative AI ≠ Large Language Models

ในความเป็นจริง Large Language Models เป็นเพียงแค่ยอดภูเขาน้ำแข็งของการใช้ Generative AI ระดับองค์กรท่ามกลาง Tech Stack หรือเทคโนโลยีมากมาย ที่องค์กรต้องใช้เพื่อมารองรับการใช้งานของโมเดลให้เกิดมูลค่ากับธุรกิจ มากที่สุด เช่น

Data Architecture จำเป็นสำหรับการจัดการ Unstructured Data จำนวนมหาศาลที่ใช้ฝึกโมเดล

Cloud infrastructure โครงสร้างพื้นฐานที่ช่วยให้ทำงานกับ AI ได้สะดวกขึ้น ไร้ข้อจำกัดขึ้น

UX/UI and Application ช่วยกำหนดประสบการณ์การทำงานร่วมกับ AI ของผู้ใช้งาน

Process and people อีกปัจจัยที่สำคัญที่สุด บุคลกรในองค์กรต้องเข้าใจศักยภาพของ Generative AI ที่มีอยู่ในมือ และเห็นภาพร่วมกันว่าจะใช้มันอย่างไรให้เกิด impact กับทั้งองค์กรหรือในวงกว้างด้วย

หลายองค์กรหันมาใช้ Generative AI ด้วยกลยุทธ์ที่ McKinsey เรียกว่า ‘2×2 Approach’ ซึ่งเป็นFramework ที่แนะนำกลยุทธ์ Generative AI ประกอบด้วย

2 Use Cases ที่เห็นผลเร็ว เป็นกลยุทธ์ระยะสั้นที่ทำได้เลยจากข้อมูลและทรัพยากรที่มีอยู่ โดยผลกำไรหรือการเติบโตจาก AI จะช่วยซื้อความเชื่อใจจากลูกค้า Stakeholder และ คนในองค์กรได้ไม่ยาก
2 Use Cases ที่พลิกโฉมหรือเปลี่ยนธุรกิจหรือทั้งตลาดอย่างมีนัยยะสำคัญ เป็นเกมระยะยาว ที่อาศัยการจัดข้อมูลภายในองค์ Workflow รวมไปถึง Data Architecture แบบยกเครื่อง

สำหรับการใช้ Generative AI เพื่อ Quick Win คุณ Jeff แนะนำกรณีศึกษาหรือ Hero Use Cases เป็นการนำมาใช้ในงานประเภท Documentation และ B2B Marketing Sales ที่สามารถใช้ Generative AI หา Insights และดึงข้อมูลมาใช้งาน ตลอดจนถึงงาน Coding กับ Product Design เพื่อสร้างร่างต้นแบบของผลิตภัณฑ์

ส่วน Use Cases ที่ “เปลี่ยนโลก” หรือพลิกโฉมองค์กร ตัวอย่างที่เห็นได้ชัดนอกจากใช้เพื่อคิดค้นเคมีภัณฑ์หรือตัวยา ก็มาจากการใช้งาน ฝ่าย Procurement ที่ทำงานกับเอกสารจัดซื้อจัดจ้างได้เร็วขึ้น ไปจนถึงใช้ Generative AI เพื่อวิเคราะห์ธุรกิจ สำหรับควบรวมกิจการ (Merger & Acquisition Target Identification)

อย่างไรก็ตาม การใช้ Generative AI โมเดลปัจจุบันยังมาพร้อมความเสี่ยงที่ทำให้ทำงานผิดพลาดได้ เช่น Hallucination หรือการนึกคำตอบแบบผิด ๆ ขึ้นมาเอง หรือปัญหาด้านความปลอดภัยทางไซเบอร์เมื่อข้อมูลภายในรั่วไหล

ในท้าย Session Jeff ได้แบ่งปัน 4 ขั้นตอนของการทำงานร่วมกับลูกค้า เป็นแนวทางให้ธุรกิจริเริ่มใช้ Generative AI ขับเคลื่อนองค์กร

Road Map (~ 6 อาทิตย์) – กำหนดจุดประสงค์ กลยุทธ์การนำ Generative AI ไปใช้งาน รวมถึงแผนดำเนินงานสร้าง MVP(Minimum Viable Product)หรือตัวต้นแบบ
Rapid Generative AI PoC (6 -8 อาทิตย์) – ทดสอบความเป็นไปได้ หรือ Proof of Concept จากทรัพยากรหรือข้อมูลภายในที่ใช้ได้ทันที และประเมินผลลัพธ์ที่เกิดขึ้นกับธุรกิจ(Validation)
On-prem PoC (8-12 อาทิตย์) – ทำ Proof of Concept อีกครั้งโดยขยายขอบเขตการทำงานที่บนฐานข้อมูลขององค์กรที่ใหญ่ขึ้นกับทีมบุคลากรจริง
Full Generative AI Delivery (6-12 อาทิตย์) – ติดตั้ง Generative AI เพื่อทำงานร่วมกับระบบและเทคโนโลยีขององค์กรอย่างสมบูรณ์