Enterprise AI กำลังกลายเป็นหัวใจของการเปลี่ยนผ่านสู่ยุคดิจิทัลสำหรับองค์กรทั่วโลก รวมถึงในประเทศไทยด้วย หลายองค์กรเริ่มต้นการทำ “AI Transformation” ด้วยความคาดหวังว่าจะสามารถเพิ่มประสิทธิภาพ ลดต้นทุน และสร้างขีดความสามารถใหม่ให้ธุรกิจ 

แต่ความจริงที่หลายองค์กรต้องเผชิญ คือ โครงการ AI จำนวนมากกลับไม่สามารถ “สร้างคุณค่าทางธุรกิจ” ได้จริงอย่างที่ตั้งใจไว้ เพราะ องค์กรจำนวนมากยังมอง AI เป็นโซลูชันสำเร็จรูป

วันนี้ Bricks Technology เลยจะพามาเจาะลึกว่าแล้วต้องทำอย่างไรให้การนำ AI เข้าไปใช้งานในองค์กรประสบความสำเร็จ และสร้างคุณค่าทางธุรกิจได้จริงผ่านแนวคิดจาก McKinsey

MIT เผยทำไม 95% ของการทำ AI Transformation ในองค์กรล้มเหลว

รายงานจาก MIT NANDA – STATE OF AI IN BUSINESS 2025 ได้เปิดเผยว่า 95% ของการทำ AI Transformation ในองค์กรนั้นล้มเหลว หรือลงทุนไปแล้วแต่ไม่ก่อให้เกิดมูลค่าทางธุรกิจนั่นเอง

โดยปัญหาหลักของความล้มเหลวจากการนำ AI เข้าไปใช้ในองค์กร ไม่ได้อยู่ที่คุณภาพของโมเดล แต่เกิดจากการที่เครื่องมือ AI นั้นไม่ได้ถูกพัฒนามาให้สามารถเรียนรู้ หรือปรับให้เข้ากับบริบทขององค์กรได้ และเมื่อ AI ไม่เข้าใจระบบการทำงานขององค์กรอย่างแท้จริง จึงก่อให้เกิดความผิดพลาดซ้ำ ๆ จนทำให้ผู้ใช้งานเกิดความไม่เชื่อใจและไม่ต้องการใช้งานในที่สุด

นอกจากนี้ ยังมีเรื่องของการที่เครื่องมือ AI นั้น ไม่สามารถเชื่อมต่อเข้ากับระบบเดิมที่องค์กรใช้อยู่แล้ว ทำให้พนักงานในองค์กรรู้สึกว่าการใช้งาน AI เป็นเรื่องยาก ต้องเปลี่ยนวิธีการทำงานของตัวเอง ซึ่งส่งผลให้เกิดแรงต้าน หรือ User adoption ต่ำ

“องค์กรจำนวนมากยังมอง AI เป็นโซลูชันสำเร็จรูป

ทั้งที่ความจริงแล้ว AI ต้องถูกปรับให้เข้าใจ workflow และบริบทธุรกิจเฉพาะ”, MIT NANDA

แม้เครื่องมืออย่าง ChatGPT หรือ Copilot จะมีการใช้งานสูง แต่ MIT พบว่าการใช้งานเหล่านี้ส่วนใหญ่ช่วยเพิ่มประสิทธิภาพส่วนบุคคล มากกว่า “ผลลัพธ์ทางธุรกิจ” ที่ชัดเจน ต่างจาก Enterprise AI ที่ถูกออกแบบมาเพื่อให้เข้ากับบริบทของงานในองค์กรโดยเฉพาะ 

6 แนวคิดจาก McKinsey ที่ช่วยให้องค์กรนำ Enterprise AI ไปใช้ได้สำเร็จและสร้างคุณค่าได้จริง

ในขณะที่ MIT อธิบายเหตุผลว่าทำไมการทำ AI Transformation ภายในองค์กรส่วนใหญ่ถึงล้มเหลว McKinsey ได้ทำการวิเคราะห์กว่า 50 โครงการ agentic AI ที่องค์กรระดับโลกนำไปใช้จริง และเสนอ 6 หลักคิดสำคัญที่จะทำให้การนำ AI ไปใช้ภายในองค์กรประสบความสำเร็จ และสามารถสร้างคุณค่าทางธุรกิจได้จริง 

1.เริ่มต้นจากกระบวนการ (Workflow) ก่อนเทคโนโลยี

องค์กรจำนวนมากยังหลงทางกับการทุ่มงบ “สร้าง AI ที่เก่ง” มากกว่าการ “ออกแบบกระบวนการทำงาน (Workflow) ที่ดี” McKinsey พบว่า โครงการที่ล้มเหลวมักเริ่มจากการโฟกัสที่เทคโนโลยีเป็นหลัก แต่ขาดการมองภาพรวมของกระบวนการทำงานจริง

สิ่งที่องค์กรควรทำ คือ ออกแบบกระบวนการใหม่ทั้งระบบ โดยมองทั้ง “คน–กระบวนการ–เทคโนโลยี” พร้อมกัน และออกแบบให้เชื่อมโยงกันเพื่อให้ AI เข้ามาเสริมบทบาทของของมนุษย์ และสร้างคุณค่าร่วมกัน

การออกแบบกระบวนการภายในองค์กรที่เหมาะสม ควบคู่ไปกับการใช้งาน AI ที่ถูกออกแบบมาเพื่อให้เป็นส่วนหนึ่งของงานหรือองค์กรนั้นโดยเฉพาะ เช่น มีระบบการเก็บประวัติการใช้งาน หรือฟีดแบค ทำให้ AI สามารถเรียนรู้จากข้อมูลเหล่านั้นอย่างต่อเนื่อง และปรับให้เข้ากับบริบทขององค์กร จะช่วยลดเวลาการทำงานของพนักงานได้จริง

2.เลือกใช้เทคโนโลยี AI ให้เหมาะสมกับงาน 

หลายองค์กรเชื่อในความสามารถของ AI และอยากที่จะนำเอามาใช้กับทุกงานภายในองค์กร ซึ่งสิ่งนี้คือ กับดักใหญ่ขององค์กร เนื่องจาก ไม่ใช่งานทุกประเภทที่เหมาะกับ AI ในบางกรณีที่งานไม่ได้ซับซ้อนมาก มีกฎเกณฑ์แน่นอน (Rule-based) การใช้ Automation แบบเดิมก็อาจให้ผลที่ดีกว่า 

ดังนั้น ทุกองค์กรควรเริ่มต้นจากโจทย์ของธุรกิจ และเลือกใช้เครื่องมือที่เหมาะสมกับงานนั้น เพื่อให้การลงทุนนำ AI เข้ามาใช้ในองค์กรคุ้มค่าและเกิดประโยชน์สูงสุด

3.ลงทุนในระบบประเมินผลเพื่อสร้างความเชื่อมั่นกับผู้ใช้

หนึ่งในสาเหตุหลักที่ทำให้พนักงานเสียความเชื่อมั่น และเลิกใช้งาน AI เนื่องจาก ผลลัพธ์ที่ได้นั้นคุณภาพต่ำและไม่สอดคล้องกับที่คาดหวังเอาไว้ McKinsey จึงระบุแนวทางแก้ไขว่า หลังจากมีการลงทุนในโครงการ AI แล้ว องค์กรควรลงทุนในการฝึกและประเมินผล (Evaluation) ของ AI เหมือนกับการฝึกพนักงานใหม่

แนวทาง คือ การกำหนด “Job description” ให้ AI อย่างชัดเจน เพื่อวัดผลการทำงานด้วยตัวชี้วัด เช่น

• Task success rate: อัตราความสำเร็จของงาน
• Retrieval accuracy: ความถูกต้องของข้อมูลที่ AI ดึงมา
• Hallucination rate: อัตราการให้ข้อมูลผิดหรือไม่อ้างอิงจริง
• Calibration error: การประเมินความมั่นใจของ AI เทียบกับความถูกต้องจริง

องค์กรที่ประสบความสำเร็จที่ McKinsey ศึกษา ใช้วิธีการถาม Why ซ้ำ ๆ กับ AI เพื่อให้เข้าใจตรรกะการตัดสินใจ และสามารถนำไปปรับปรุง Logic จนระบบแม่นยำขึ้นอย่างต่อเนื่อง

4.ระบบต้องตรวจสอบและติดตามผลได้ทุกขั้นตอน

องค์กรที่ใช้ AI อย่างมีประสิทธิภาพจะไม่รอจนเกิดปัญหาแล้วค่อยแก้ไข แต่จะมีการสร้างระบบ Monitoring และ Audit trail ตั้งแต่ต้น เพื่อให้รู้ว่าปัญหาเกิดขึ้นที่ขั้นตอนไหน และทำไมถึงเกิด

McKinsey จึงแนะนำให้ทำให้ทุกขั้นตอนของกระบวนการทำงาน สามารถตรวจสอบย้อนหลังได้ ตั้งแต่ Input จนกลายมาเป็น Output เนื่องจาก เมื่อรู้ต้นตอของปัญหา ก็จะสามารถแก้ได้รวดเร็วและทำให้ประสิทธิภาพฟื้นตัวทันที

5.AI ที่ดีต้องสามารถใช้ซ้ำได้

องค์กรจำนวนมากเสียเวลาและงบประมาณไปกับการสร้าง AI ใหม่ทุกครั้ง ทั้งที่จริงแล้ว AI หนึ่งตัวอาจสามารถทำงานซ้ำได้ในหลาย Workflow เช่น AI ที่สามารถดึงข้อมูล ค้นหา หรือสรุปผล สามารถนำไปต่อยอดในหลายแผนกได้

McKinsey แนะนำให้พัฒนา “Reusable Agent Components” เช่น Prompt ที่ผ่านการรับรอง โค้ดเทมเพลต ข้อมูลการเทรน หรือระบบตรวจสอบความถูกต้อง เพื่อลดภาระงานและงบประมาณที่ไม่จำเป็น

6.AI ต้องทำงานร่วมกับมนุษย์ ไม่ใช่แทนมนุษย์

แม้ AI จะมีศักยภาพสูง แต่ McKinsey เน้นย้ำว่ามนุษย์ยังคงเป็นหัวใจของระบบ เพียงแต่บทบาทจะเปลี่ยนจาก “ผู้ทำงาน” ไปเป็น “ผู้กำกับดูแลและตรวจสอบ” เช่น ตรวจความถูกต้อง ตัดสินใจในกรณีเสี่ยงหรือซับซ้อน หรือปรับแต่งระบบให้เหมาะกับบริบทจริง

องค์กรที่ออกแบบระบบร่วมระหว่างคนกับ AI ได้ดี จะลดความผิดพลาดและเพิ่มความมั่นใจของผู้ใช้ ตัวอย่างเช่น บริษัทประกันภัยที่ออกแบบ UI ให้คนสามารถคลิกดูผลสรุปของ AI และตรวจสอบหลักฐานได้ทันที ส่งผลให้ระดับการยอมรับของผู้ใช้สูงถึง 95%

Bricks Technology: Enterprise AI Enabler ที่ช่วยให้องค์กรใช้ AI ได้จริง และวัดผลได้

ความสำเร็จของ Enterprise AI ไม่ได้ขึ้นอยู่กับความฉลาดของโมเดล แต่ขึ้นอยู่กับการออกแบบให้ AI เข้าใจบริบทของธุรกิจ มีกระบวนการทำงานที่ชัดเจน และสามารถทำงานร่วมกับคนได้ และนั่นคือแนวคิดเดียวกับที่ Bricks Technology ยึดถือเป็นหัวใจสำคัญในการทำ AI Transformation ในองค์กรให้สำเร็จ

Bricks มุ่งสร้างสภาพแวดล้อมที่ทำให้ AI ทำงานได้จริงภายในองค์กร ตรวจสอบได้ และสร้างผลลัพธ์ที่วัดผลได้อย่างต่อเนื่อง ผ่านกรอบคิด Capabilities–Processes–Tools ได้แก่:

Capabilities — ศักยภาพที่สอดคล้องกับงานจริง
ทำให้ AI เข้าใจข้อมูล กติกาการทำงาน วิธีตัดสินใจในสถานการณ์ต่าง ๆ และมาตรฐานขององค์กร เพื่อให้ทำงานร่วมกับคนได้อย่างถูกต้องและมีประสิทธิภาพ

Processes — กระบวนการที่ชัดเจนและอธิบายได้
ออกแบบกระบวนการทำงานที่รู้เส้นทางชัดเจนว่า “ใครทำอะไร ลำดับไหน ภายใต้กติกาใด” เพื่อให้การทำงานเป็นไปอย่างมีระบบ สม่ำเสมอ และสามารถปรับปรุงได้เมื่อเกิดปัญหา 

Tools — เครื่องมือและระบบที่เชื่อมต่อได้จริง
ทำให้ AI เข้าถึงระบบและข้อมูลที่จำเป็น เช่น ERP, CRM, HRIS หรือเครื่องมือภายในองค์กรอื่น ๆ เพื่อให้สามารถทำงานร่วมกับคนได้จริง

ทำให้องค์กรสามารถขยายการใช้งาน AI ได้อย่างมั่นใจ ปลอดภัย และสร้างคุณค่าร่วมกับองค์กรอย่างต่อเนื่อง