JRIT ICHI

“AI ช่วยลดงาน แต่ไม่ได้แย่งงาน เพราะช่วยให้องค์กรลดต้นทุน เพิ่มประสิทธิภาพ และยกระดับการทำงานให้กับคนในองค์กรได้มากขึ้น พนักงานมีโอกาสพัฒนาตัวเอง หรือเพิ่มโอกาสในการให้บริการได้” เป็นการอธิบายถึงประโยชน์ของ AI for Business จากคุณณัฐชยา สังฆะมงคลกิจ Senior Presales Solution Consultant M Intelligence Co., Ltd. ซึ่งจะนำผู้อ่านไปพบกับขั้นตอนแห่งความสำเร็จในการนำปัญญาประดิษฐ์มาใช้กับธุรกิจ

M Intelligence ผู้เชี่ยวชาญด้าน Digital Transformation
สำหรับ M Intelligence คือ ศูนย์รวมผู้เชี่ยวชาญด้านเทคโนโลยี เปิดให้บริการ Digital Transformation และเป็นที่ปรึกษาด้านเทคโนโลยีแก่องค์กรต่าง ๆ ในประเทศไทยมาตั้งแต่ พ.ศ. 2560 รวมทั้งเป็น Salesforce Authorized Cloud Reseller ที่สำคัญ ซึ่งบุคคลากรล้วนได้รับการรับรองอย่างเป็นทางการโดย Salesforce ในด้านต่าง ๆ และ M Intelligence ยังได้รับการรับรอง ISO 27001 มาตรฐานการจัดการด้านความปลอดภัยของข้อมูลขั้นสูงอีกด้วย

คุณณัฐชยา อธิบายเพิ่มเติมเกี่ยวกับการบริการของบริษัทว่า “เราเป็นที่ปรึกษาด้านเทคโนโลยี ฝึกอบรม และติดตั้งโซลูชันต่าง ๆ สำหรับการทำงานนั้นเริ่มต้นจากการหารือกับลูกค้าก่อนว่ามีความต้องการที่แท้จริงอย่างไร แล้วจึงนำมาจับคู่ให้เหมาะสมกับโซลูชันของเรา แล้วนำมา adapt ใช้งาน เพื่อให้ลงตัวที่สุด”

“บริษัทของเราเป็นพาร์ทเนอร์ กับ salesforce ซึ่งเป็นแพลตฟอร์มการจัดการลูกค้าสัมพันธ์ (CRM) บนคลาวด์ชั้นนำของโลกมาตั้งแต่ต้น ทางด้านทีมงานด้านต่าง ๆ เราก็ให้อบรม และสอบเพื่อรับใบรับรอง (Certificate) จาก salesforce เพื่อเป็นการการันตีความชำนาญในด้านนั้น ๆ จริง สามารถนำองค์ความรู้มาปรับใช้ และพัฒนาต่อให้ตรงกับโจทย์ของลูกค้าได้อย่างมีประสิทธิภาพ”

ปัจจุบัน M Intelligence ให้บริการลูกค้ามากกว่า 100 องค์กร และได้พัฒนาและติดตั้งโครงการไปแล้วกว่า 150 โปรเจกต์ เนื่องจากหลายบริษัทเลือกใช้งานมากกว่า 1 โครงการ
นอกจากนี้ ลูกค้าเก่ายังคงใช้บริการกับเราอย่างต่อเนื่อง ด้วยความประทับใจในคุณภาพการดูแล โดยคุณณัฐชยาได้เปิดเผยว่า “เรามีลูกค้าใหม่เข้ามาเพิ่มขึ้นเรื่อย ๆ และยังสามารถรักษาฐานลูกค้าเก่ามากกว่า 50% ไว้ได้” ซึ่งสะท้อนให้เห็นถึงประสิทธิภาพในการให้บริการ และความไว้วางใจที่ลูกค้ามีต่อเราอย่างชัดเจน

AI กับการยกระดับองค์กร
บริการหลักของ M Intelligence เป็นโซลูชันที่ขับเคลื่อนบน salesforce ซึ่ง salesforce ก็ให้ความสำคัญกับ AI ไม่น้อย โดยเพิ่งเปิดตัวแพลตฟอร์ม AI ชื่อว่า Agentforce ออกมาเมื่อปลายปี 2567 นี่เอง และองค์กรที่ใช้งานโซลูชันของ salesforce ต่างก็ค่อย ๆ นำมาปรับใช้กับธุรกิจตัวเองไปมากแล้ว

สำหรับ Agentforce แม้เพิ่งเปิดตัว แต่ คุณณัฐชยา อธิบายว่า เรื่อง AI เป็น Road map ของ salesforce มาก่อนหน้าแล้ว โดยเริ่มจาก Chat bot ที่อยู่ในแพลตฟอร์มต่าง ๆ เพื่อช่วยตอบคำถาม หรือแก้ปัญหาที่เกิดซ้ำ ๆ และงานที่ไม่มี Logics ซับซ้อน ต่อจากนั้นก็พัฒนาเป็น Copilots ที่เปรียบเสมือน Personal assistant หรือผู้ช่วยส่วนตัว แต่ก็ยังใช้เฉพาะภายในองค์กรเท่านั้น กระทั่งเป็นแพลตฟอร์ม Agentforce ที่ครอบคลุมการทำงาน 360 องศา

สำหรับความสามารถของ Agentforce คุณณัฐชยา อธิบายดังนี้
“ยุคของ Agentforce มี Intelligence สูง เช่น ด้านภาษา มีความเข้าใจภาษาต่าง ๆ สามารถ generate งานขึ้นมาได้โดยอ้างอิงจากข้อมูลในแพตลฟอร์มขององค์กรนั้น ๆ โดยเฉพาะ ซึ่งนอกจากดึงข้อมูลมาตอบได้อย่างแม่นยำแล้ว มันยังช่วยดำเนินการในด้านต่าง ๆ ได้ อาทิ กรณีมีคำถามเฉพาะขึ้นมา จะให้ AI ตอบเอง หรือส่งต่อให้พนักงานมนุษย์ตอบก็ได้”

มองดูเผิน ๆ ผู้อ่านอาจตั้งคำถามว่า ก็คล้าย Chat bot ธรรมดานี่ แต่คุณณัฐชยา บอกว่า แชทบอท แบบเดิมเป็นการเขียนโค้ทคำสั่ง เหมือนเขียนโปรแกรม แต่สำหรับ Agentforce เป็นการสั่งงานแบบเขียน Prompt คือ เขียนด้วยภาษามนุษย์ปกติว่า อยากให้ AI ทำอะไรบ้าง หรือไม่อยากให้ทำอะไรบ้าง สามารถเขียนกำหนดบทบาทให้ได้เลย

นอกจากนี้ Agentforce ยังรวบรวมโซลูชันสำหรับการทำงานในหลากหลายแผนก ไม่ว่าจะเป็นด้านการขาย การบริการลูกค้า การตลาด การผลิต ฝ่ายบุคคล รวมถึงด้าน Analytics ทำให้ AI สามารถสนับสนุนการทำงานขององค์กรได้อย่างครอบคลุมทุกมิติ จึงทำให้การรักษาความปลอดภัยของข้อมูลกลายเป็นหัวใจสำคัญ
ด้วยเหตุนี้ Agentforce จึงออกแบบระบบที่มี Trust Layer โดยทุกข้อมูลที่ AI จะนำไปประมวลผลจะต้องผ่าน Trust Layer ก่อนเสมอ เพื่อควบคุมสิทธิ์การเข้าถึงข้อมูล ตรวจสอบความปลอดภัย และป้องกันไม่ให้ข้อมูลสำคัญขององค์กรถูกส่งออกนอกระบบ นอกจากนี้ Trust Layer ยังมีระบบกรองเนื้อหาที่อาจอ่อนไหว พร้อมบันทึกการใช้งานเพื่อให้เป็นไปตามมาตรฐานความปลอดภัยและการตรวจสอบขององค์กร

นอกจากนี้ Trust Layer แล้วยังมี Data Cloud ซึ่งทำหน้าที่รวบรวมและเชื่อมโยงข้อมูลจากทุกแหล่งขององค์กร ทั้งข้อมูลที่มีโครงสร้าง (Structured) และข้อมูลที่ไม่มีโครงสร้าง (Unstructured) ให้อยู่ในรูปแบบที่เป็นหนึ่งเดียว (Unified Data) พร้อมสำหรับการนำไปใช้กับระบบ AI หรือการสืบค้นต่าง ๆ ได้อย่างแม่นยำ

คุณณัฐชยา อธิบายให้เห็นภาพชัดเจนขึ้นว่า หากผู้ใช้สอบถาม AI เกี่ยวกับสินค้าชนิดหนึ่ง ระบบจะค้นหาคำตอบจากข้อมูลที่ถูกจัดระเบียบไว้ใน Data Cloud อย่างถูกต้องและรวดเร็ว เช่น เมื่อลูกค้าถามว่า “อุปกรณ์ A ใช้งานอย่างไร” ระบบก็จะดึงข้อมูลจากหมวดหมู่ที่เกี่ยวข้องขึ้นมาตอบได้ทันที และหากลูกค้าต้องการให้พนักงานเข้ามาช่วยเหลือโดยตรง ระบบก็สามารถแจ้งเตือนและส่งงานต่อไปยังเจ้าหน้าที่ให้ดำเนินการต่อได้เช่นกัน ด้วยการจัดการข้อมูลที่ครบถ้วน เป็นระบบ และพร้อมใช้งานนี้ ทำให้ Data Cloud กลายเป็นองค์ประกอบสำคัญที่ช่วยให้ AI สามารถตอบคำถามได้แม่นยำมากขึ้น และมอบประสบการณ์ที่ดีแก่ลูกค้าได้อย่างต่อเนื่อง

ขั้นตอนการ Implement ระบบ AI for Business
จากประสบการณ์ติดตั้งระบบ AI สำหรับธุรกิจ คุณณัฐชยา เล่าขั้นตอนว่า

1. ประเมินความพร้อมของข้อมูล โดยดูว่าข้อมูลที่ต้องให้ AI วิเคราะห์มีอยู่ในระบบแล้วหรือไม่ หากยังไม่มีการเก็บข้อมูลที่ครบถ้วน และดีพอ ต้องจัดการข้อมูลให้พร้อมก่อน

2. ประเมินความพร้อมขององค์กร โดยให้องค์กรเลือก Use Case ที่ต้องการเห็นผลลัพธ์เร็วที่สุด เมื่อเลือกได้แล้ว ที่ปรึกษาก็ช่วยวางแผนยุทธศาสตร์ กำหนด Road map ต่อไป

คุณณัฐชยา ได้ย้ำถึงความสำคัญการประเมินความพร้อมองค์กรว่า“การใช้งาน AI ต้องมีแผนที่ชัดเจน เพราะเมื่อมีการลงทุนแล้ว ผลลัพธ์ต้องเกิดจริง ดังนั้นการออกแบบโซลูชันให้ตอบโจทย์องค์กร จำเป็นต้องเริ่มจากการมองหา Pain Point ก่อนว่าอยู่ในฝ่ายใด—อาจเป็นฝ่ายขาย การตลาด ฝ่ายบริการ หรือฝ่ายบริหาร เมื่อระบุจุดปัญหาได้แล้ว จึงพิจารณาว่าควรแก้ไขด้วยโซลูชัน AI หรือเพียงแค่ปรับวิธีการทำงานก็เพียงพอ”

ตัวอย่างให้เห็นภาพของกระบวนการประเมินความพร้อมองค์กรก่อนนำ AI มาใช้
หากจะให้ AI มา Manage ข้อมูล การจะทำระบบนี้ ไม่ใช่มีแค่คลังข้อมูลแล้วจะจบ เพราะจะมีลูกค้าใหม่เข้ามาเรื่อย ๆ ต้องเพิ่มฐานข้อมูลอยู่เสมอ แล้วข้อมูลที่มีก็ต้องเห็นมุมมองรอบด้านของลูกค้ารายนั้น ๆ เรียกว่าเป็น customer 360 องศา เช่น ต้องรู้ว่าลูกค้าเคยซื้ออะไรไป เคยมาติดต่อเราหรือไม่ เคยเสนอแนะอะไรบ้าง เคย Request บริการใดจากเราบ้าง ฯลฯ เมื่อรู้ข้อมูลลูกค้ารอบด้านแล้ว หากลูกค้ารายเดิมมาสอบถาม AI จะตอบสนองได้ตรงตามความต้องการ และเสนอสินค้าที่อยู่ในความสนใจของเขาได้ ดังนั้นองค์กรจึงควรวางแผนให้ชัดเจน เพื่อกำหนดขั้นตอนการทำงานของระบบ และเตรียมความพร้อมของบริษัท

3. เลือก solution ที่เหมาะสม เนื่องจากบริบทการทำงานของแต่ละองค์กรต่างกัน แม้โจทย์เดียวกัน โซลูชันที่ได้ผลกับองค์กรหนึ่งอาจไม่ได้ผลกับอีกองค์กร ดังนั้นจึงต้องเลือกโซลูชันให้เหมาะสมกับวัฒนธรรมองค์กร โดยคุณณัฐชยา ยกตัวอย่างว่าทำไมต้องเลือกโซลูชันให้เหมาะสม ดังนี้

– ตัวอย่าง ทำไมต้องเลือกโซลูชันที่เหมาะสม
“เพราะหลายองค์กรไม่ได้ใช้ระบบหลังบ้านเพียงระบบเดียว ดังนั้นจำเป็นต้องตรวจสอบก่อนว่ามีระบบอะไรบ้าง แต่ละระบบสามารถเชื่อมต่อกันได้หรือไม่ และข้อมูลจากระบบเหล่านั้นสามารถนำมาให้ AI ใช้งานได้อย่างครบถ้วนเพียงใด

นอกจากตัวระบบแล้ว ยังต้องคำนึงถึงขั้นตอนการทำงานของพนักงานในแต่ละฝ่ายด้วย เพื่อประเมินว่าเมื่อนำ AI เข้ามาแล้ว จะช่วยให้ทำงานได้สะดวกขึ้นหรือเกิดการ disrupt กระบวนการเดิมหรือไม่ รวมถึงดูว่าระบบใหม่จะส่งเสริมการทำงานในจุดใดได้บ้าง”
“เวลานำ AI เข้ามา คำถามแรกของพนักงานมักจะเป็นว่า ‘AI จะมาแย่งงานหรือทำงานแทนเราเลยหรือเปล่า?’ ความจริงคือ AI ไม่ได้เข้ามาแทนที่ แต่เข้ามาช่วยให้ทำงานได้เร็วขึ้นและลดขั้นตอนที่ไม่จำเป็น เช่น งานบางอย่างเดิมต้องทำถึง 5 ขั้นตอน แต่เมื่อมี AI เข้ามาช่วย ก็อาจเหลือเพียง 3 ขั้นตอน หรืองานที่เคยใช้เวลา 1 ชั่วโมง ก็อาจลดเหลือเพียงครึ่งชั่วโมงเท่านั้น ทำให้ทำงานได้มีประสิทธิภาพมากขึ้น”

4. ติดตาม และประเมินผล เมื่อติดตั้งระบบแล้ว ควรมีการติดตาม และประเมินผล เพื่อดูว่างานมีประสิทธิภาพเพิ่มมากขึ้นหรือไม่ จุดไหนที่สามารถขยายไปติดตั้งได้ หรือต้องปรับปรุงส่วนไหนให้ดียิ่งขึ้น รวมทั้งควรมีการกำหนดหน้าที่ให้พนักงาน เช่น ทีมไหนดูแลเรื่องการบำรุงรักษา ทีมไหนดูแลเรื่อง feedback ฯลฯ

ความท้าทายในการผสานรวมข้อมูลและ AI เข้ากับการดำเนินธุรกิจ
ความท้าทายในการผสานรวมข้อมูลและ AI คุณณัฐชยากล่าวว่า มีไม่มากเพราะหลายๆองค์กรมีการปรับตัวกับเทคโนโลยีได้อย่างรวดเร็ว ความสำคัญอยู่ที่ความพร้อมและคุณภาพของข้อมูลที่จะต้องสอดคล้องกับขั้นตอนการ implement ซึ่งประกอบด้วย

1. ความท้าทายด้านคุณภาพของข้อมูล ประเด็นนี้สัมพันธ์กับขั้นตอนการติดตั้งที่ต้องเตรียมข้อมูลให้พร้อมก่อนการ Implement เนื่องจากหลายองค์กรมีข้อมูลเยอะก็จริง แต่ข้อมูลกลับไม่เป็น Data Quality ซ้ำกันบ้าง ไม่อัปเดตบ้าง ตลอดจนมี gap หรือช่องว่างมากเกินไป ทำให้ AI วิเคราะห์ได้ไม่แม่นยำตามที่คาดหวัง

สำหรับข้อมูลที่ gap มากเกินไป คือ ข้อมูลตกหล่นระหว่างทาง ทั้งนี้คุณณัฐชยา อธิบายด้วยการยกตัวอย่างว่า เช่น ลูกค้าชื่อ นาย A สมัครสมาชิกและได้รับรหัสสมาชิก 001 ต่อมาเมื่อเวลาผ่านไป นาย A สั่งสินค้าเข้ามา แต่พนักงานบันทึกข้อมูลเฉพาะชื่อโดยไม่ได้ใส่รหัสสมาชิก ระบบจึงสร้างข้อมูลลูกค้าใหม่ขึ้นมาอีกหนึ่งคนเป็น ‘นาย B’ ทั้งที่ความจริงแล้วคือคนเดียวกันกับนาย A

ตัวอย่างนี้สะท้อนให้เห็นว่า หากข้อมูลไม่ถูกจัดเก็บอย่างถูกต้องตั้งแต่ต้น จะทำให้เกิดความคลาดเคลื่อนไม่ว่าจะเป็นข้อมูลลูกค้า ประวัติการซื้อ หรือการให้บริการ ซึ่งท้ายที่สุดจะส่งผลให้ AI ไม่สามารถให้คำแนะนำหรือวิเคราะห์ได้อย่างแม่นยำ

วิธีแก้ไข
ทำการตรวจสอบข้อมูลก่อนการนำเข้าระบบ AI

หนึ่งในขั้นตอนสำคัญก่อนนำ AI มาใช้งาน คือการตรวจสอบและจัดเตรียมข้อมูลให้เหมาะสมกับระบบ เนื่องจากบางครั้งข้อมูลที่มีอาจไม่สอดคล้องกับเป้าหมายที่ต้องการ เช่น ในกรณีที่บริษัทต้องการให้ AI วิเคราะห์ข้อมูลลูกค้าแบบรายบุคคล แต่ฐานข้อมูลที่มีอยู่กลับไม่เพียงพอ

มีบางองค์กรที่ต้องการให้ AI วิเคราะห์ความสนใจหรือความต้องการของลูกค้าแต่ละราย แต่ข้อมูลที่มีมีเพียง “ชื่อ” ของลูกค้าเท่านั้น ไม่ได้มีข้อมูลเชิงพฤติกรรม เช่น ประวัติการซื้อ ความชอบ หรือการโต้ตอบที่ผ่านมา ทำให้เมื่อ AI นำข้อมูลไปวิเคราะห์ จึงสามารถสรุปได้เพียงข้อมูลพื้นฐาน ไม่สามารถบอกได้ว่าลูกค้าที่เคยซื้อสินค้า A จะมีแนวโน้มสนใจสินค้า B ที่กำลังจะเปิดตัวหรือไม่

• วิธีแก้ไข
  วิธีแก้ไขความท้าทายประเด็นนี้ คือ การตั้งระบบให้ AI “วิเคราะห์ต่อยอด” จากข้อมูลที่มีอยู่ เช่น ให้ AI ตรวจสอบย้อนหลังว่าลูกค้าราย A เคยซื้อสินค้าอะไรบ้าง แล้วใช้ข้อมูลนั้นเป็นฐานในการคาดการณ์เพิ่มเติม

อย่างไรก็ตาม วิธีนี้ยังมีข้อจำกัด เนื่องจากเป็นการวิเคราะห์จากข้อมูลที่ไม่ครบถ้วน ทำให้ผลลัพธ์อาจไม่แม่นยำเท่ากับการใช้ข้อมูลจริงที่มีบริบทครบทุกด้าน ดังนั้น การจัดเก็บข้อมูลลูกค้าให้ละเอียดและครบถ้วนตั้งแต่แรก จึงเป็นหัวใจสำคัญที่ช่วยให้ AI วิเคราะห์ได้ถูกต้องยิ่งขึ้น

2. ความท้าทายด้านความไม่ชัดเจนของ Use Case คุณณัฐชยา เล่าว่า หลายครั้งลูกค้าต้องการนำ AI มาแก้ปัญหา แต่ Use Case ที่ยกขึ้นมากลับไม่ชัดเจน เพราะเข้าใจว่า AI สามารถแก้ได้ทุกเรื่อง จึงทำให้การนำไปใช้งานไม่ตรงจุด ตัวอย่างเช่น ลูกค้าต้องการให้ AI แจ้งเตือนเมื่ออายุสมาชิกของลูกค้ากำลังจะหมด ทั้งที่องค์กรมีระบบ Automation แจ้งเตือนอยู่แล้วอยู่แล้ว กรณีเช่นนี้ถือเป็นการนำ AI ไปทำงานซ้ำซ้อนและไม่ก่อให้เกิดประโยชน์เพิ่มเติม

• วิธีแก้ไข
  ให้คำปรึกษาเพื่อช่วยองค์กรหา Use Case ที่ชัดเจนมากขึ้น โดยเริ่มจากทำความเข้าใจปัญหาที่แท้จริง และยกตัวอย่าง Use Case ขององค์กรอื่นที่มีลักษณะใกล้เคียงกัน เพื่อให้เห็นแนวทางการแก้ปัญหาที่เป็นไปได้หลายแบบ แล้วเลือกวิธีที่เหมาะสมที่สุดสำหรับองค์กรนั้น ๆ

3. ความท้าทายด้านบุคคลากร ความท้าทายนี้คือองค์กรยังขาดบุคคลากรที่มีความรู้ความเข้าใจเทคโนโลยี AI คุณณัฐชยา ยกตัวอย่างจากประสบการณ์ว่า ในหลายองค์กร ฝ่ายที่ริเริ่มขอใช้งาน AI ไม่ใช่ฝ่าย IT แต่เป็นฝ่ายธุรกิจ เช่น ฝ่ายขายต้องการให้ AI ช่วยแนะนำการนำเสนอสินค้าแบบจับคู่เพื่อเพิ่มยอดขาย แต่เมื่อเสนอความต้องการไปแล้ว กลับไม่มีฝ่ายที่รับผิดชอบระบบ AI โดยตรง ทำให้ฝ่ายขายอาจจะต้องเป็นผู้ดูแลเอง และเกิดคำถามตามมาเสมอว่า
“ต้องมาดูแลเองด้วยหรือ ทั้งที่ภาระงานก็ล้นอยู่แล้ว? อยากให้ AI มาช่วยงานไม่ใช่มาเป็นภาระ” ในความเป็นจริง องค์กรควรมีทีมที่ดูแลระบบ AI โดยเฉพาะ เพื่อรองรับการใช้งานในระยะยาว และป้องกันไม่ให้ภาระตกอยู่กับฝ่ายธุรกิจที่ไม่ใช่ผู้เชี่ยวชาญด้านเทคนิค

• วิธีแก้ไข
  สำหรับวิธีการแก้ไขนี้ มีทั้งการให้คำปรึกษาทั่วไป เพื่อให้องค์กรสามารถจัดตั้งบุคคลากร ดูแลระบบเองได้ และส่งทีมที่ปรึกษาเข้าไปช่วยดูแลให้ แต่กรณีนี้ คุณณัฐชยา กล่าวว่าทางบริษัทเลือกใช้การเข้าไปดูแลแทนบุคคลากรของลูกค้าเป็นทางเลือกที่จะแนะนำเป็นลำดับสุดท้าย เพราะข้อมูลขององค์กรถือเป็นทรัพย์สินที่มีคุณค่า ดังนั้นทีมงานจึงให้ความสำคัญกับการรักษามาตรฐานความปลอดภัย (Security Policy) ของข้อมูลลูกค้าอย่างเคร่งครัด

ทำอย่างไร หาก Implement AI ในองค์กรแล้วไม่ประสบความสำเร็จ
ในฐานะที่ให้คำปรึกษา และติดตั้งระบบ CRM ให้กับองค์กรชั้นนำหลากหลายบริษัท คุณณัฐชยากล่าวว่า หากให้คำปรึกษาองค์กรที่เคยติดตั้งระบบ AI แล้วแต่ไม่ประสบความสำเร็จ คำแรกที่ถาม คือ ‘เหตุผลที่โปรเจกต์ล้มคืออะไร’ นั่นเพราะ

“เราจะได้ไม่ซ้ำรอยเดิม แต่สุดท้ายถ้าปัญหา คือ Budget หรือติดที่ Time Line นานเกินไป ก็ต้องไปแก้จุดนั้น สำคัญที่เหตุผลคืออะไร เช่น เป็นเรื่องของ Budget หรืองบประมาณ เราก็อาจลดทอน Scope ลงได้ หรือเป็นเรื่องของผลลัพธ์ หากโครงการใหญ่ไป ไม่เห็นผลลัพธ์ ก็มาเริ่มจากทีละแผนก แล้วค่อย ๆ ขยายผลไปเรื่อย ๆ อย่างนี้เป็นต้น”

เริ่มใช้ AI อย่างไรให้ก้าวทันคู่แข่งในสภาวะตลาดยุคปัจจุบัน
ปัจจุบัน AI พัฒนาอย่างก้าวกระโดด หลายองค์กรนำปัญญาประดิษฐ์มาพัฒนาบริษัทจนทิ้งห่างคู่แข่งหลายก้าว ดังนั้นจึงมีคำถามว่า หากเพิ่งเริ่มใช้ AI ควรทำอย่างไร ถึงก้าวทันคู่แข่งในสภาวะตลาดยุคปัจจุบัน คุณณัฐชยา ตอบว่า

“หลายองค์กรในปัจจุบันมีแผนจะ Transform ให้เป็น Digitalization มากขึ้น เข้าใจว่าเป้าหมายของแต่ละองค์กรก็อยากขยายผลตัว AI เพื่อให้ทำงานทันคู่แข่ง การนำ AI มาใช้ให้ก้าวทันคู่แข่ง มี Concept ว่า Data to Value คือการนำ data พวกนี้มาทำอย่างไรให้เกิดมูลค่า ซึ่งก็คือทำให้ AI มีประสิทธิภาพ และการที่เราจะใช้ AI ให้มีประสิทธิภาพ ต้องมีข้อมูล Insight หรือเชิงลึกป้อนให้ เพื่อที่ AI จะตัดสินใจได้แม่นยำ ไม่ใช่ ตัดสินใจด้วยความเคยชิน แต่ต้องด้วยการวิเคราะห์ ซึ่งจะเป็นการผลักดันให้องค์กรใช้ประโยชน์จากข้อมูลลูกค้าได้ดีมากขึ้น”

เป้าหมายในอนาคตของ M Intelligence
กล่าวถึงวิธีใช้ AI ให้ก้าวทัน (หรือเหนือ) คู่แข่งในอนาคตไปแล้ว ก็หันมาถามเป้าหมายในอนาคตของ M Intelligence กันบ้าง

“จริง ๆ แล้วเรามีเป้าหมายในการพัฒนา AI เพื่อให้ลูกค้านำไปใช้งานอย่างยั่งยืน แล้วสามารถต่อยอดในอนาคตได้ AI หรือ Transformation ต่าง ๆ สามารถปรับเข้ากับกระบวนการทำงานของลูกค้าได้อย่างลื่นไหล นอกจากนี้จะทำในเรื่องของการพัฒนาองค์ความรู้ และความสามารถในการใช้งานตัวระบบ AI ให้มากยิ่งขึ้น”

“อีกหนึ่งเป้าหมายที่สำคัญ คือ จะเป็นส่วนหนึ่งที่ขยาย scale การใช้งาน AI ให้มากยิ่งขึ้น เพราะเมื่อต้นปีนี้อาจมีแค่ไม่กี่องค์กรที่มองเห็นความสำคัญของการทำ AI Adoption แต่ปลายปี 2025 มีหลายทั้งภาครัฐและเอกชนเลยที่เล็งเห็นความสำคัญ เราก็อยากให้องค์กรอื่น ๆ ได้ใช้ AI เพื่อที่จะมาเป็น Digital Transformation แล้วก็ต้องปลอดภัยด้วย เพื่อให้ทั้งพนักงานและผู้บริหารมีความกังวลน้อยลง เพราะเห็นว่า AI ใช้ได้จริง” คุณณัฐชยา กล่าวทิ้งท้าย

ข้อมูลติดต่อ M Intelligence
Website: www.m-intelligence.tech
E-mail: contact@m-intelligence.tech

*******