McKinsey & Company วิเคราะห์ปรากฏการณ์ ‘Value Capture Gap’ ที่องค์กรส่วนใหญ่ไม่สามารถสร้างมูลค่าจาก AI ได้เต็มศักยภาพ พร้อมระบุ 6 อุปสรรคสำคัญและแนวทางแก้ไขเพื่อการปรับตัวทางธุรกิจในยุคปัญญาประดิษฐ์
เควิน เว่ย หวัง (Kevin Wei Wang) Senior Partner จาก McKinsey & Company ได้นำเสนอประเด็นสำคัญเกี่ยวกับอนาคตของปัญญาประดิษฐ์ (AI) ในหัวข้อ “Future of AI and Its Implication for Business, Economy and Humanity”ภายในงานเสวนาที่จัดโดย KBTG โดยชี้ให้เห็นถึงความท้าทายที่องค์กรส่วนใหญ่เผชิญในการนำ AI ไปใช้ให้เกิดมูลค่าสูงสุด หรือที่เรียกว่า ‘ช่องว่างแห่งคุณค่า’ (Value Capture Gap)
อัตราเร่งในการพัฒนา AI และศักยภาพในอนาคต
เควิน กล่าวว่า ความเร็วในการพัฒนาของเทคโนโลยี AI ในปัจจุบันมีการเปลี่ยนแปลงในอัตราเร่งจากที่เคยใช้เวลาหลายทศวรรษมาสู่ระดับรายสัปดาห์หรือรายวัน โดยมีปัจจัยสำคัญคือการที่ AI สามารถทำวิจัยเพื่อพัฒนาขีดความสามารถของตนเองได้ การแข่งขันในการพัฒนา Large Language Models (LLMs) ระหว่างโลกตะวันตกและตะวันออกกำลังเข้มข้นขึ้น โดยแต่ละโมเดลต่างแข่งขันกันในมิติต่าง ๆ เช่น ประสิทธิภาพในการฝึกฝน ความสามารถในการให้เหตุผลที่ซับซ้อน และการดึงข้อมูลแบบเรียลไทม์
แนวโน้มสำคัญคือการเปลี่ยนผ่านจาก Generative AI ที่สร้างเนื้อหา ไปสู่ Agentic AI ซึ่งเป็นระบบเอเจนต์อัตโนมัติที่สามารถรับรู้บริบท เรียนรู้ และทำงานร่วมกับแอปพลิเคชันอื่นเพื่อบรรลุเป้าหมายที่ซับซ้อนได้ ศักยภาพในการเพิ่มผลิตภาพ (Productivity Gain) ของเทคโนโลยีดังกล่าวถูกประเมินไว้สูง
โดยคาดว่าหากมนุษย์ใช้ AI เป็นผู้ช่วยจะเพิ่มผลิตภาพได้ 20% หากใช้เอเจนต์ทำงานแทนจะเพิ่มขึ้น 2 เท่า และหากใช้ทีมเอเจนต์ทำงานร่วมกับมนุษย์ ศักยภาพอาจเพิ่มขึ้นได้ถึง 15-20 เท่า
นอกจากนี้ พัฒนาการของ AI ไม่ได้จำกัดอยู่แค่ในโลกดิจิทัล แต่ยังขยายสู่โลกกายภาพผ่านหุ่นยนต์ฮิวแมนนอยด์ ซึ่งมีความสามารถซับซ้อนขึ้น เช่น การจำลองการเคลื่อนไหวของมือมนุษย์ ซึ่งถือเป็นส่วนที่ทำซ้ำได้ยากที่สุดในทางวิศวกรรมหุ่นยนต์
ความท้าทายในการสร้างมูลค่าจาก AI: ปรากฏการณ์ ‘Value Capture Gap’
แม้ว่าเทคโนโลยีจะมีศักยภาพสูงและเริ่มเห็นผลกระทบจริงในภาคธุรกิจ เช่น การใช้ AI สร้างคอนเทนต์การตลาดแบบ Hyper-personalized หรือการใช้ AI Agent ในงานบริการลูกค้าที่สามารถแสดงความเข้าอกเข้าใจได้ดีกว่ามนุษย์ รวมถึงการเพิ่มผลิตภาพของวิศวกรซอฟต์แวร์ในบริษัทเทคโนโลยีชั้นนำอย่าง Nvidia, Microsoft และ Google ได้ถึง 30-50%
แต่ข้อมูลจากงานวิจัยของ McKinsey และ MIT กลับชี้ให้เห็นถึงช่องว่างสำคัญ โดยพบว่า 88% ขององค์กรที่สำรวจได้นำ AI มาปรับใช้แล้ว แต่มีเพียง 25% ที่มีความคืบหน้าอย่างมีนัยสำคัญ และมีไม่ถึง 10% ที่สามารถนำ AI ไปปรับใช้ในระดับที่สร้างผลกระทบในวงกว้าง (At Scale) ได้สำเร็จ
ปรากฏการณ์นี้เรียกว่า ‘Value Capture Gap’ ซึ่งมีสาเหตุหลักมาจากการที่องค์กรส่วนใหญ่ยังคงใช้งาน AI ในลักษณะ “แนวนอน” (Horizontal) คือการนำเครื่องมือไปใช้ในระดับบุคคล ซึ่งช่วยเพิ่มประสิทธิภาพได้เพียงเล็กน้อย แต่ยังไม่สามารถสร้างมูลค่าที่แท้จริงได้เท่ากับการใช้งานใน “แนวตั้ง” (Vertical) ซึ่งหมายถึงการนำ AI ไปปรับเปลี่ยนกระบวนการทำงานหลักของธุรกิจโดยตรง
อุปสรรคสำคัญที่ขัดขวางการนำ AI ไปใช้ในองค์กร
การบรรยายได้ระบุถึงอุปสรรคสำคัญหลายประการที่ขัดขวางการสร้างมูลค่าจาก AI ในองค์กร เริ่มต้นจาก โครงการที่กระจัดกระจาย (Scattered Initiatives) ซึ่งเป็นการริเริ่มโครงการในแต่ละแผนกโดยขาดทิศทางร่วมกัน ตามมาด้วย การทำงานแบบไซโล (Siloed Teams) ที่ทีมเทคโนโลยีและธุรกิจทำงานแยกจากกัน
นอกจากนี้ยังมีประเด็น ความลังเลของผู้จัดการระดับกลาง (Middle Management Dilemma), ช่องว่างด้านวัฒนธรรมและทักษะ (Culture and Capability Gap)ของบุคลากร ปัญหาด้าน โครงสร้างพื้นฐานทางเทคโนโลยีที่ไม่รองรับ (Siloed Tech Stack) และปิดท้ายด้วย ความเสี่ยงและประเด็นด้านจริยธรรม (Risk and Ethics) เช่น ความปลอดภัยของข้อมูลและความถูกต้องของผลลัพธ์
สำหรับแนวทางแก้ไขที่นำเสนอคือ องค์กรจำเป็นต้องเปลี่ยนจากการทำโครงการแบบกระจัดกระจายมาสู่การมุ่งเน้นในโดเมนธุรกิจที่สำคัญ, สร้างทีมที่ทำงานแบบผสมผสานข้ามสายงาน, กำหนดเป้าหมายที่ชัดเจนจากผู้บริหารระดับสูง, พัฒนาทักษะบุคลากรทั่วทั้งองค์กร, วางสถาปัตยกรรมเทคโนโลยีที่รองรับการขยายผล และสร้างกลไกบริหารจัดการความเสี่ยงที่เหมาะสม
ผลกระทบต่ออนาคตของแรงงานและกรณีศึกษาจาก McKinsey
เควิน ได้อ้างถึงคำกล่าวของ Jensen Huang, CEO ของ Nvidia ที่ระบุว่า “ทุกตำแหน่งงานจะเปลี่ยนไป” ซึ่งเป็นปัจจัยสำคัญที่บุคลากรและองค์กรต้องเตรียมพร้อม โดย McKinsey เองก็ได้พัฒนาระบบ AI ภายในที่ชื่อว่า “Lilly” เพื่อเป็นเครื่องมือจัดการองค์ความรู้ของบริษัท โดยเปลี่ยนระบบฐานข้อมูลเดิมให้กลายเป็นเครื่องมือ GenAI ที่ช่วยที่ปรึกษาค้นหาข้อมูล สร้างเอกสารฉบับร่าง หรือแม้กระทั่งสรุปมุมมองสำหรับผู้บริหารได้
ปัจจุบัน Lilly ถูกใช้งานโดยที่ปรึกษากว่า 93% ทั่วโลก ซึ่งความสำเร็จในการผลักดันการใช้งานนี้มาจากการสร้างความปลอดภัยทางจิตวิทยา, การมีวัฒนธรรมที่ส่งเสริมการปรับปรุงต่อเนื่อง และการทำงานร่วมกันเพื่อแบ่งปันความรู้
การนำ AI มาใช้ให้ประสบความสำเร็จไม่ใช่เป็นเพียงความท้าทายทางเทคโนโลยี แต่คือการปรับเปลี่ยนกระบวนการทางธุรกิจ (Business Transformation) ที่ต้องอาศัยกลยุทธ์ การบริหารจัดการ และการเปลี่ยนแปลงวัฒนธรรมองค์กรอย่างเป็นระบบ และเมื่อมองไปถึงอนาคตที่ Artificial General Intelligence (AGI) กำลังใกล้เข้ามา การกำกับดูแล การวางกรอบจริยธรรม และการสร้างความสอดคล้องระหว่างเป้าหมายของ AI กับคุณค่าของมนุษย์จะยิ่งเป็นสิ่งสำคัญอย่างยิ่งยวด
