ทำไมหลายองค์กรจะรีบกระโจนไปทำ AI ทั้งที่ยังไม่เข้าใจมันอย่างแท้จริง?

ปัญหาของ AI Transformation อาจไม่ใช่การที่องค์กรไม่รู้จัก AI แต่เป็นการที่องค์กรคิดว่าตัวเองเข้าใจ AI ดีพอแล้ว
ทุกวันนี้เราเห็นหลายองค์กรเร่งนำ AI มาใช้ ตั้งคณะทำงานด้าน AI จัดอบรมพนักงาน ซื้อเครื่องมือใหม่ และประกาศแผน AI Transformation ราวกับว่าการลงมือทำให้เร็วที่สุดคือเครื่องยืนยันว่าองค์กรกำลังก้าวไปข้างหน้า
แต่มีคำถามสำคัญที่อาจถูกมองข้ามไป นั่นคือ องค์กรเข้าใจสิ่งที่กำลังจะเปลี่ยนแปลงดีแค่ไหน?
เพราะการรู้ว่า AI ทำอะไรได้ ไม่ได้หมายความว่าเราเข้าใจว่า AI จะสร้างคุณค่าให้ธุรกิจได้อย่างไร และการใช้ AI เป็น ก็ไม่ได้หมายความว่าเรารู้ว่าจะนำ AI ไปเปลี่ยนกระบวนการทำงานตรงไหน
ที่น่าสนใจคือ บางครั้งปัญหาอาจไม่ใช่การแกล้งทำเป็นเข้าใจ แต่เป็นการไม่รู้ตัวว่าเรายังเข้าใจไม่มากพอต่างหาก
🔴 Illusion of Explanatory Depth: เมื่อความคุ้นเคยถูกเข้าใจผิดว่าเป็นความรู้
งานวิจัยของ Leonid Rozenblit และ Frank Keil ในปี 2002 อธิบายปรากฏการณ์ที่เรียกว่า Illusion of Explanatory Depth หรือภาพลวงตาว่าเราเข้าใจสิ่งต่าง ๆ ลึกซึ้งกว่าความเป็นจริง
คนเรามักรู้สึกว่าตัวเองเข้าใจบางสิ่งดี จนกระทั่งถูกขอให้อธิบายว่ามันทำงานอย่างไรทีละขั้นตอน จึงเริ่มค้นพบช่องว่างในความเข้าใจของตัวเอง
ปรากฏการณ์นี้ช่วยอธิบายความเสี่ยงอย่างหนึ่งของ AI Transformation ได้ดี
ผู้บริหารอาจเคยใช้ ChatGPT เห็นตัวอย่างความสำเร็จของบริษัทอื่น หรือเข้าร่วมสัมมนาเกี่ยวกับ AI มาหลายครั้ง จนเกิดความมั่นใจว่าตัวเองเข้าใจเทคโนโลยีนี้แล้ว
แต่เมื่อถามลึกลงไปว่า AI จะเปลี่ยนกระบวนการทำงานอย่างไร มีข้อจำกัดอะไร ใครต้องรับผิดชอบผลลัพธ์ และจะวัดความสำเร็จอย่างไร คำตอบอาจยังไม่ชัดเจน
ความคุ้นเคยกับ AI จึงอาจสร้างความมั่นใจได้เร็วกว่าความเข้าใจที่แท้จริง
🔴 องค์กรอาจเข้าใจเทคโนโลยี แต่ไม่เข้าใจปัญหาธุรกิจที่ต้องการแก้
ลองนึกถึงองค์กรที่ประกาศว่าจะใช้ AI เพิ่มประสิทธิภาพการผลิตคอนเทนต์ให้ได้ห้าเท่า
ฟังดูเป็นเป้าหมายที่น่าสนใจ แต่คำถามคือ ปัญหาที่แท้จริงของธุรกิจอยู่ที่การผลิตคอนเทนต์ไม่ทันจริงหรือไม่?
บางทีปัญหาอาจอยู่ที่การวางตำแหน่งแบรนด์ไม่ชัดเจน การไม่เข้าใจลูกค้า หรือช่องทางการสื่อสารไม่มีประสิทธิภาพ
หากเป็นเช่นนั้น AI อาจช่วยให้องค์กรผลิตคอนเทนต์ที่ไม่มีประสิทธิผลได้เร็วขึ้นถึงห้าเท่า โดยไม่ได้ทำให้ผลลัพธ์ทางธุรกิจดีขึ้นตามไปด้วย
นี่คือความเสี่ยงของการเริ่มต้นจากคำถามว่า "เราจะใช้ AI ทำอะไรได้บ้าง?" แทนที่จะเริ่มจาก "ธุรกิจของเรามีปัญหาอะไรที่ควรแก้ และ AI เหมาะสมกับปัญหานั้นหรือไม่?"
การนำ AI มาใช้กับกระบวนการที่ยังไม่เข้าใจ อาจเป็นเพียงการเพิ่มความเร็วให้กับปัญหาเดิม
🔴 แรงกดดันให้ต้องทำ AI อาจทำให้องค์กรไม่มีเวลาตั้งคำถาม
เมื่อ AI กลายเป็นวาระสำคัญขององค์กร การตั้งคำถามอาจถูกตีความว่าเป็นการต่อต้านการเปลี่ยนแปลง ขณะที่การเสนอโปรเจกต์ใหม่อาจได้รับการมองว่าเป็นความกระตือรือร้นและมีวิสัยทัศน์
ผลที่อาจเกิดขึ้นคือ องค์กรมีคนเสนอว่าจะใช้ AI ทำอะไรเพิ่มขึ้นเรื่อย ๆ แต่มีคนตั้งคำถามน้อยลงว่า สิ่งเหล่านั้นจำเป็นจริงหรือไม่
ยิ่งไปกว่านั้น หากองค์กรวัดความสำเร็จด้วยจำนวนพนักงานที่ใช้ AI จำนวนเครื่องมือที่ติดตั้ง หรือจำนวนโครงการที่เปิดตัว ก็อาจสร้างแรงจูงใจให้ทุกคนมุ่งเน้นการใช้งานมากกว่าผลลัพธ์
สุดท้าย AI Transformation อาจกลายเป็นกิจกรรมที่ทุกคนต้องแสดงให้เห็นว่ากำลังทำอะไรบางอย่าง มากกว่าจะเป็นกระบวนการเปลี่ยนแปลงที่สร้างคุณค่าทางธุรกิจจริง ๆ
🔴 การลงมือทำก่อนเข้าใจทั้งหมดไม่ใช่เรื่องผิด แต่ต้องรู้ว่ากำลังทดลองอะไร
แน่นอนว่าองค์กรไม่จำเป็นต้องเข้าใจ AI ทุกแง่มุมก่อนเริ่มลงมือทำ เพราะหลายเรื่องสามารถเรียนรู้ได้จากการทดลองจริง
แต่มีความแตกต่างสำคัญระหว่างการลงมือทำเพื่อเรียนรู้ กับการลงมือทำเพราะเชื่อว่าตัวเองรู้คำตอบแล้ว
องค์กรที่เรียนรู้ผ่านการทดลองจะเริ่มจากปัญหาที่ชัดเจน ตั้งสมมติฐาน กำหนดตัวชี้วัด ทดลองในขอบเขตจำกัด และพร้อมปรับเปลี่ยนเมื่อผลลัพธ์ไม่เป็นไปตามคาด
ในทางกลับกัน องค์กรที่รีบขยายการใช้งานโดยไม่ตรวจสอบสมมติฐาน อาจกำลังลงทุนจำนวนมากบนความเข้าใจที่ยังไม่ผ่านการพิสูจน์
ความเร็วในการทดลองเป็นข้อได้เปรียบ แต่ความเร็วในการขยายสิ่งที่ยังไม่เข้าใจอาจกลายเป็นต้นทุนมหาศาล
🔴 ก่อนถามว่าองค์กรพร้อมใช้ AI หรือยัง ควรถามว่าองค์กรเข้าใจตัวเองดีพอหรือไม่
การทำ AI Transformation ที่มีคุณภาพจึงไม่ได้เริ่มจากการเลือกเครื่องมือที่เก่งที่สุดเสมอไป แต่เริ่มจากความสามารถในการอธิบายให้ชัดเจนว่า องค์กรกำลังแก้ปัญหาอะไร กระบวนการทำงานปัจจุบันมีข้อจำกัดตรงไหน AI จะช่วยเปลี่ยนแปลงอะไร และจะรู้ได้อย่างไรว่าการเปลี่ยนแปลงนั้นสร้างคุณค่าจริง
ที่สำคัญ องค์กรต้องสร้างวัฒนธรรมที่เปิดโอกาสให้คนพูดว่า "เรายังไม่เข้าใจเรื่องนี้ดีพอ" โดยไม่ถูกมองว่าเป็นคนล้าหลังหรือไม่สนับสนุนเทคโนโลยี
เพราะการยอมรับว่ายังไม่รู้ อาจเป็นจุดเริ่มต้นของการเรียนรู้ที่มีคุณภาพมากกว่าการแสดงความมั่นใจโดยไม่มีหลักฐานรองรับ
ท้ายที่สุด ความเสี่ยงสำคัญของ AI Transformation อาจไม่ใช่การที่องค์กรเดินช้าเกินไป แต่เป็นการที่องค์กรเดินเร็วเกินไปในทิศทางที่ตัวเองยังไม่เข้าใจ
และในยุคที่ทุกองค์กรต่างพยายามเร่งความเร็วด้วย AI ความสามารถในการตั้งคำถามให้ถูกต้องก่อนเร่งเครื่อง อาจกลายเป็นความได้เปรียบทางการแข่งขันที่สำคัญไม่แพ้ความสามารถในการใช้เทคโนโลยี



ความคิดเห็น