ข้อมูลก็มี AI ก็พร้อม แต่ทำไมธุรกิจยังตัดสินใจช้า? ปัญหาอาจไม่ได้อยู่ที่เทคโนโลยี

ทุกวันนี้องค์กรมีข้อมูลมากกว่าเดิมอย่างมหาศาล ตั้งแต่ยอดขาย พฤติกรรมลูกค้า สินค้าคงคลัง ไปจนถึงกระบวนการผลิต หลายแห่งลงทุนกับ Digital Transformation จนสามารถเห็นข้อมูลแบบ Real-time ผ่าน Dashboard ได้แล้ว แต่มีคำถามที่น่าสนใจว่า เมื่อเรามองเห็นปัญหาได้เร็วขึ้น ทำไมบางครั้งการตัดสินใจแก้ปัญหายังช้าเหมือนเดิม?

บทความจาก Mochamad Idham รองประธานภูมิภาคอาเซียนของ Dataiku มองว่า ปัญหาของหลายองค์กรในไทยวันนี้ไม่ใช่เรื่อง “ไม่มีข้อมูล” แต่กลับเป็นการมีข้อมูลจำนวนมาก แล้วไม่สามารถเปลี่ยนข้อมูลเหล่านั้นให้กลายเป็นการลงมือทำได้เร็วพอ

 

Dashboard บอกปัญหาได้ แต่ไม่ได้แปลว่าจะแก้ได้ทันที

ลองนึกภาพว่าระบบแจ้งเตือนว่ายอดขายสินค้าบางประเภทกำลังลดลง หรือพบคอขวดในกระบวนการทำงาน ในมุมของเทคโนโลยีถือว่าระบบทำหน้าที่สำเร็จแล้ว เพราะสามารถตรวจพบความผิดปกติและนำเสนอข้อมูลให้คนเห็นได้

แต่สิ่งที่เกิดขึ้นหลังจากนั้นต่างหากที่เป็นปัญหา เพราะการตัดสินใจอาจต้องผ่านการอนุมัติจากคนหลายฝ่าย ข้อมูลกระจายอยู่ในระบบที่ไม่ได้เชื่อมโยงกัน หรือยังต้องทำงานผ่านกระบวนการแบบเดิม ทำให้เกิดช่องว่างระหว่าง “รู้ว่าเกิดอะไรขึ้น” กับ “ลงมือแก้ปัญหา” 

และนี่เป็นจุดที่ AI อาจเข้ามามีบทบาทได้มากกว่าการทำหน้าที่วิเคราะห์ข้อมูลเพียงอย่างเดียว

มี AI แล้ว แต่ต้องเอาเข้าไปอยู่ใน Workflow ให้ได้

ข้อมูลที่บทความอ้างอิงจากสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ หรือ ETDA ระบุว่า มีองค์กร 17.8% ที่นำ AI มาใช้งานแล้ว ขณะที่อีก 73.3% มีแผนนำ AI มาใช้ในอนาคต สะท้อนให้เห็นว่าภาคธุรกิจมองเห็นศักยภาพของ AI ค่อนข้างชัดเจน 

อย่างไรก็ตาม การซื้อหรือเปิดใช้เครื่องมือ AI ไม่ได้หมายความว่าองค์กรจะทำงานเร็วขึ้นทันที ประเด็นสำคัญอยู่ที่การนำ AI เข้าไปเชื่อมกับ Workflow ที่พนักงานใช้งานจริงในแต่ละวัน

ตัวอย่างเช่น งานประจำอย่างการตรวจสอบความถูกต้องของข้อมูล การจัดหมวดหมู่ หรือการช่วยตัดสินใจเรื่องพื้นฐาน สามารถนำระบบอัตโนมัติเข้ามาช่วยจัดการได้ เมื่อพนักงานไม่ต้องเสียเวลากับขั้นตอนเหล่านี้มากเท่าเดิม ก็สามารถนำเวลาไปจัดการกับงานซับซ้อนที่ต้องใช้ประสบการณ์และการตัดสินใจของมนุษย์แทนได้ 

อีกโจทย์ใหญ่ของไทยคือ “คนที่ใช้ AI เป็น”

ถึง AI จะเก่งขึ้น แต่การมีเทคโนโลยีเพียงอย่างเดียวก็ยังไม่เพียงพอ เพราะอีกปัญหาหนึ่งคือบุคลากร โดยบทความระบุถึงรายงานการประเมินความพร้อมด้าน AI ปี 2568 ของ UNESCO ว่า ประเทศไทยกำลังเผชิญกับการขาดแคลนบุคลากรด้าน AI ราว 80,000 คน

ดังนั้น การแก้ปัญหาด้วยการรับผู้เชี่ยวชาญ AI เพิ่มเพียงอย่างเดียวอาจไม่เพียงพอ โดยเฉพาะเมื่อความต้องการใช้งาน AI เพิ่มขึ้นพร้อมกันในหลายอุตสาหกรรม

อีกทางเลือกจึงเป็นการเพิ่มความสามารถให้คนที่มีอยู่ในองค์กร ให้สามารถนำ AI มาใช้กับงานของตัวเองได้ เมื่อเครื่องมือช่วยลดเวลาที่ต้องใช้ประมวลผลหรือจัดการข้อมูล คนก็สามารถนำความรู้และประสบการณ์ของตัวเองไปใช้สร้างคุณค่าทางธุรกิจได้มากขึ้น 

AI ช่วยตัดสินใจได้ แต่คนยังต้องรับผิดชอบ

อีกประเด็นที่น่าสนใจคือ เมื่อ AI เข้าไปมีส่วนกับการตัดสินใจมากขึ้น ไม่ได้หมายความว่าองค์กรควรโยนทุกอย่างให้ระบบอัตโนมัติ เพราะความรับผิดชอบต่อผลลัพธ์ยังต้องอยู่กับมนุษย์

องค์กรจึงต้องมีทั้งความโปร่งใส การตรวจสอบย้อนหลัง ผู้รับผิดชอบที่ชัดเจน และระบบกำกับดูแลที่เหมาะสม รวมถึงความร่วมมือระหว่างฝ่ายธุรกิจกับฝ่ายเทคโนโลยีตั้งแต่เริ่มนำ AI เข้ามาใช้งาน เพื่อให้สามารถขยายการใช้งาน AI ได้โดยยังควบคุมความเสี่ยงได้ 

สุดท้าย “ข้อมูลเยอะ” ไม่ได้แปลว่าได้เปรียบเสมอไป

สิ่งที่บทความนี้กำลังสะท้อนจึงไม่ใช่ว่าองค์กรต้องหา Data หรือซื้อ AI เพิ่มอีกเท่าไร แต่เป็นคำถามว่า หลังจากระบบบอกว่าเกิดอะไรขึ้นแล้ว องค์กรสามารถตัดสินใจว่าจะทำอะไรต่อได้เร็วแค่ไหน

หากข้อมูล การตัดสินใจ และการลงมือทำยังแยกออกจากกัน การเพิ่ม Dashboard หรือเครื่องมือ AI เข้าไปก็อาจไม่ได้ทำให้องค์กรคล่องตัวขึ้นมากนัก ในทางกลับกัน หากทุกทีมสามารถทำงานบนข้อมูลที่เชื่อมโยงกัน และเปลี่ยน Insight ไปเป็น Action ได้รวดเร็ว เทคโนโลยีที่ลงทุนไปจึงจะสร้างความได้เปรียบได้จริง

เพราะท้ายที่สุดแล้ว ความสำเร็จของ Digital Transformation อาจไม่ได้วัดจากจำนวนข้อมูลที่องค์กรมี หรือจำนวนเครื่องมือ AI ที่ซื้อมาใช้ แต่วัดจากว่าองค์กรสามารถนำข้อมูลเหล่านั้นมาตัดสินใจได้เร็ว แม่นยำ และเปลี่ยนให้กลายเป็นการลงมือทำได้จริงมากแค่ไหน