การวิจัย MIT เผยความจริง ～โครงการ AI สร้างสรรค์ 95% ขององค์กรไม่สร้างผลตอบแทน

การวิจัย MIT เผยความจริง ～โครงการ AI สร้างสรรค์ 95% ขององค์กรไม่สร้างผลตอบแทน AI
AI
AI GovernanceEnterprise AIGenerative AIInnovationProductivity Improvement

สถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) เผยแพร่รายงานการสำรวจที่สร้างความตกใจในเดือนสิงหาคม 2568 ที่เปิดเผยข้อเท็จจริงที่น่าตกใจเกี่ยวกับการนำ AI สร้างสรรค์มาใช้ในองค์กร โครงการ AI สร้างสรรค์แบบนำร่อง 95% ของบริษัทไม่สามารถสร้างผลตอบแทนทางการเงินที่วัดได้ การสำรวจนี้ดำเนินการด้วยวิธีการที่หลากหลาย ได้แก่ การสัมภาษณ์ผู้บริหารองค์กร 150 คน การสำรวจพนักงาน 350 คน และการวิเคราะห์กรณีศึกษาการนำ AI มาใช้ 300 กรณี การเผยแพร่รายงานนี้ทำให้หุ้นเทคโนโลยีลดลงอย่างมากและส่งผลกระทบต่อตลาด

การลงทุน AI สร้างสรรค์หลังโควิด

หลังจากโรคโควิด-19 บริษัทต่างๆ ได้ลงทุนเงินจำนวนมหาศาลในการพัฒนา AI สร้างสรรค์ เมื่อ ChatGPT เปิดตัว AI ถูกคาดหวังว่าจะเป็นกุญแจสำคัญในการเพิ่มประสิทธิภาพการทำงาน เฉพาะในครึ่งแรกของปี 2568 มีการลงทุนในสาขา AI มากกว่า 440 ล้านเหรียญดอลลาร์สหรัฐ องค์กรหลายแห่งเร่งนำ AI สร้างสรรค์มาใช้เป็นส่วนหนึ่งของการเปลี่ยนแปลงดิจิทัล

โดยเฉพาะในบริษัทขนาดใหญ่ มีการจัดตั้งแผนก AI เฉพาะและการซื้อใบอนุญาต ChatGPT จำนวนมาก แผนกไอทีเป็นผู้นำในการเปิดตัวโครงการเปลี่ยนแปลง AI ระดับองค์กร อย่างไรก็ตาม ตรงข้ามกับความคาดหวัง โครงการส่วนใหญ่ตกอยู่ในสถานะที่เรียกว่า “นรกของโครงการนำร่อง” ซึ่งเป็นสถานการณ์ที่การลงทุนยังคงดำเนินต่อไป แต่ไม่สามารถแสดงผลลัพธ์ที่เป็นรูปธรรมได้

รายงาน MIT เผย 3 ปัญหาหลัก

อุปสรรคช่องว่างการเรียนรู้

รายงาน MIT ระบุสาเหตุหลักของความล้มเหลว 95% ว่าเป็น “ช่องว่างการเรียนรู้” นี่ไม่ใช่ปัญหาทางเทคนิค แต่เป็นการไม่สามารถปรับตัวขององค์กร ChatGPT และ AI อเนกประสงค์คล้ายกันไม่สามารถจดจำบริบทเฉพาะของธุรกิจในแต่ละองค์กรได้ ทำผิดพลาดซ้ำๆ ครั้งเดิม และต้องป้อนข้อมูลบริบทอย่างละเอียดทุกครั้ง

ในขณะเดียวกัน องค์กรฝั่งก็ละเลยการจัดเตรียมสภาพแวดล้อมเพื่อให้ AI เรียนรู้อย่างมีประสิทธิภาพ การลงทุนไม่เพียงพอในการปรับปรุงกระบวนการทำงานให้เหมาะกับ AI และการสร้างลูปข้อมูลป้อนกลับ ความล้มเหลวในการเรียนรู้สองทิศทางนี้เป็นสาเหตุหลักของความหยุดนิ่งของโครงการ

ภาษีการตรวจสอบที่ซ่อนอยู่

เนื่องจาก AI สร้างสรรค์มีคุณสมบัติ “เชื่อมั่นในความผิด” จึงทำให้เกิดต้นทุนใหม่ รายงาน อีเมล ที่ AI สร้างขึ้นอาจมีข้อผิดพลาดทางข้อเท็จจริงหรือความขัดแย้งทางตรรกะ พนักงานจึงต้องใช้เวลามากในการตรวจสอบ “ภาษีการตรวจสอบ” นี้ชดเชยการเพิ่มผลผลิตที่คาดหวัง

ในอุตสาหกรรมที่ความถูกต้องของข้อมูลมีความสำคัญ เช่น การเงิน การแพทย์ กฎหมาย ปัญหานี้จึงรุนแรงมากขึ้น ข้อผิดพลาดร้ายแรงเพียงข้อเดียวอาจทำลายความไว้วางใจของลูกค้าหรือก่อให้เกิดปัญหาด้านกฎระเบียบ ส่งผลให้ความเสี่ยงมากกว่าประโยชน์ของ AI

การจับคู่การลงทุนผิด

องค์กรส่วนใหญ่ลงทุนงบประมาณ AI สร้างสรรค์มากกว่าครึ่งหนึ่งในด้านการขายและการตลาด อย่างไรก็ตาม การสำรวจของ MIT พบว่า ROI สูงสุดจะได้รับจากการทำงานสำนักงานหลังบ้านอัตโนมัติ การลดการจ้างงานภายนอกและการปรับปรุงงานประจำให้มีประสิทธิภาพจะนำไปสู่การลดต้นทุนอย่างแท้จริง

นอกจากนี้ การยึดติดกับ “การพัฒนาเอง” ก็เป็นปัญหา อัตราความสำเร็จของบริษัทที่พัฒนาระบบ AI เอง เพียง 33% ในขณะที่บริษัทที่ซื้อเครื่องมือจากผู้จัดจำหน่ายเฉพาะทางมีอัตราความสำเร็จถึง 67% แหล่งที่มาของความได้เปรียบทางการแข่งขันไม่ได้อยู่ที่การเป็นเจ้าของโมเดล AI แต่อยู่ที่การประยุกต์ใช้และการรวมเข้าด้วยกัน

กลยุทธ์ร่วมของ 5% ที่ประสบความสำเร็จ

ในขณะที่ 95% ล้มเหลว บริษัทที่ประสบความสำเร็จ 5% มีจุดร่วมที่ชัดเจน

บริษัทที่ประสบความสำเร็จไม่ไล่ตาม “วิสัยทัศน์ที่ยิ่งใหญ่” พวกเขาใช้วิธีการที่เน้นการปฏิบัติ คือ “เลือกจุดเจ็บหนึ่งจุดและทำให้สำเร็จ” มุ่งเน้นการแก้ไขปัญหาธุรกิจเฉพาะแทนการเปลี่ยนแปลงทั้งองค์กร

ในแง่ของโครงสร้างองค์กร ไม่ใช่แผนก AI เฉพาะที่รวมศูนย์อำนาจ แต่ผู้จัดการระดับสายงานที่มีความเข้าใจปัญหาธุรกิจลึกซึ้งที่สุดเป็นผู้นำ พวกเขาหาทางแก้ไขที่เหมาะสม

โดยเฉพาะบริษัทสตาร์ทอัพมีอัตราความสำเร็จสูง เนื่องจากไม่มีความขัดแย้งในองค์กรและสามารถมุ่งทรัพยากรไปที่ปัญหาที่ชัดเจนหนึ่งเดียว มีรายงานกรณีที่เติบโตจาก 0 เป็น 20 ล้านเหรียญในหนึ่งปี

แนวโน้มอนาคตและการตอบสนองขององค์กร

AI สร้างสรรค์เข้าสู่ “ช่วงภาพลวงตา” แต่นี่ไม่ใช่จุดจบของเทคโนโลยี นี่เป็นช่วงการปรับตัวที่ดีต่อสุขภาพ ที่ความคาดหวังที่มากเกินไปหลุดออกไปและกรณีการใช้งานที่มีคุณค่าอย่างแท้จริงเท่านั้นที่รอดอยู่ ในประวัติศาสตร์ ปรากฏการณ์คล้ายกันเกิดขึ้นในช่วงฟองดอทคอมและการนำคลาวด์คอมพิวติ้งมาใช้ในระยะเริ่มต้น

เราคาดว่าในอีก 1-2 ปีข้างหน้า ตลาด AI สร้างสรรค์จะถูกคัดกรอง บริษัทที่ให้โมเดลพื้นฐานอเนกประสงค์จะหลีกเลี่ยงการรวมและคัดกรองไม่ได้ ในขณะที่ผู้จัดจำหน่ายเฉพาะทางที่แก้ไขปัญหาเฉพาะของอุตสาหกรรมเฉพาะจะเติบโตอย่างรวดเร็ว

องค์กรควรพิจารณาทางเลือก 3 ประการ

ประการแรก ทบทวนกรอบการวัด ROI รวมการปรับปรุงผลผลิตของพนักงานและความพึงพอใจของลูกค้าในตัวบ่งชี้การประเมิน ไม่ใช่เพียงผลตอบแทนทางการเงินระยะสั้น

ประการที่สอง เข้มงวดในการเลือกกรณีการใช้งาน มุ่งเน้นงานสำนักงานหลังบ้านที่สร้างคุณค่าแน่นอน ไม่ใช่การใช้งานที่ฉูดฉาด

ประการที่สาม พิจารณาวิธี “ซื้อ” ให้ความสำคัญกับความร่วมมือกับผู้จัดจำหน่ายภายนอกที่มีประสบการณ์ แทนการยึดติดกับการพัฒนาเฉพาะ

“Shadow AI” ที่เกิดขึ้นในสนาม

น่าสนใจที่ขณะที่การนำ AI มาใช้อย่างเป็นทางการหยุดนิ่ง ในระดับสนามกลับมีการเคลื่อนไหวที่แตกต่างกัน ตามการสำรวจของ MIT มากกว่า 90% ของบริษัทที่สำรวจ พนักงานใช้บัญชี ChatGPT ส่วนตัวเพื่อการทำงาน นี่เรียกว่าปรากฏการณ์ “Shadow AI”

Shadow AI มีความเสี่ยงด้านความปลอดภัย แต่ก็เป็นแหล่งข้อมูลเชิงลึกที่มีค่า กรณีการใช้งานที่พนักงานใช้งานเองแสดงให้เห็นพื้นที่ที่พวกเขาพบคุณค่าในการทำงานจริง องค์กรควรพิจารณามาตรการส่งเสริมการใช้งานที่ปลอดภัย แทนการห้ามหรือปราบปราม

สรุป

รายงาน MIT แสดงให้เห็นความเป็นจริงอันโหดร้ายของการนำ AI สร้างสรรค์มาใช้ ตัวเลข 95% ที่ล้มเหลวนั้นน่าตกใจ แต่แก่นของปัญหาไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่องค์กร กุญแจสู่ความสำเร็จคือการตั้งเป้าหมายปัญหาที่ชัดเจน การนำโดยสนาม และความร่วมมือกับผู้จัดจำหน่ายภายนอก

องค์กรต้องละทิ้งความคาดหวังที่มากเกินไปและใช้วิธีการที่เน้นการปฏิบัติและมีเหตุผล เฉพาะบริษัทที่ผ่านพ้น “ช่วงภาพลวงตา” เท่านั้นที่จะได้รับความได้เปรียบทางการแข่งขันในขั้นตอนการเติบโตต่อไป

บทความที่เกี่ยวข้อง

บทความที่เกี่ยวข้องในอดีต สถานการณ์การเปลี่ยนแปลงดิจิทัลขององค์กรไทย รายงานว่าความรู้เฉพาะด้าน AI สร้างสรรค์ของบริษัทไทยมีเพียง 5% นอกจากนี้ “SME ไทย 70% ไม่สามารถนำ AI มาใช้ได้” อธิบายสถานการณ์ที่ช่องว่างระหว่างบริษัทขยายตัวเนื่องจากปัญหาสามประการ คือ ความรู้ไม่เพียงพอ ต้นทุน และความปลอดภัย

ลิงก์บทความอ้างอิง