การปฏิวัติปัญญาประดิษฐ์สัญญาว่าจะเปลี่ยนแปลงการดำเนินธุรกิจในข้ามคืน แต่งานวิจัยใหม่จาก MIT เผยให้เห็นความจริงที่น่าตกใจ แม้จะมีการลงทุนครั้งใหญ่และความพยายามในการนำมาใช้อย่างแพร่หลาย แต่โครงการ AI ขององค์กรส่วนใหญ่กลับล้มเหลวในการส่งมอบผลลัพธ์ที่มีความหมาย
ขนาดของความล้มเหลวในโครงการ AI
การศึกษาที่ครอบคลุมของ MIT ได้ตรวจสอบโครงการนำร่อง AI จำนวน 300 โครงการในอุตสาหกรรมต่างๆ เผยให้เห็นว่ามีเพียง 5% เท่านั้นที่ประสบความสำเร็จในการเร่งรายได้อย่างรวดเร็ว ส่วนที่เหลือ 95% ติดอยู่ในสิ่งที่นักวิจัยเรียกว่าช่องทางเครดิตระหว่างการสาธิตที่มีแนวโน้มดีกับผลกระทบทางธุรกิจที่เกิดขึ้นจริง อัตราความล้มเหลวนี้โดดเด่นเป็นพิเศษเมื่อพิจารณาจากทรัพยากรมหาศาลที่บริษัทต่างๆ เทลงไปในโครงการ AI
งานวิจัยซึ่งอิงจากการสัมภาษณ์ 150 ครั้งและการวิเคราะห์การใช้งานในองค์กร ชี้ให้เห็นการขาดการเชื่อมต่อพื้นฐานระหว่างความสามารถของ AI และการประยุกต์ใช้ทางธุรกิจในโลกแห่งความเป็นจริง ในขณะที่เครื่องมือแต่ละตัวเช่น ChatGPT มีความเป็นเลิศในการใช้งานส่วนบุคคลเนื่องจากความยืดหยุ่น แต่กลับประสบปัญหาในสภาพแวดล้อมขององค์กรที่ไม่สามารถเรียนรู้หรือปรับตัวให้เข้ากับขั้นตอนการทำงานเฉพาะขององค์กรได้
منهجية دراسة MIT
- 150 مقابلة مع موظفي المؤسسات
- تحليل 300 برنامج تجريبي للذكاء الاصطناعي
- التركيز على تسريع الإيرادات وتأثير الأرباح والخسائر
- البحث أجرته مبادرة NAMSA في MIT
ลำดับความสำคัญในการลงทุนที่ไม่สอดคล้องกัน
หนึ่งในการค้นพบที่เผยให้เห็นมากที่สุดเกี่ยวข้องกับที่ที่บริษัทต่างๆ กำลังนำงบประมาณ AI ไปใช้ การใช้จ่ายสำหรับ AI เชิงสร้างสรรค์มากกว่าครึ่งหนึ่งไปที่เครื่องมือการขายและการตลาด แต่นักวิจัยจาก MIT พบว่าผลตอบแทนที่ใหญ่ที่สุดมาจากการทำงานอัตโนมัติในส่วนงานสำนักงานหลัง ซึ่งรวมถึงการลดต้นทุนการจ้างงานกระบวนการทางธุรกิจจากภายนอก การลดค่าใช้จ่ายของเอเจนซี่ภายนอก และการปรับปรุงการดำเนินงานให้มีประสิทธิภาพ
การอภิปรายในชุมชนรอบการค้นพบนี้เผยให้เห็นพลวัตขององค์กรที่ลึกซึ้งกว่าที่เกิดขึ้น ผู้สังเกตการณ์หลายคนสังเกตว่าผู้ตัดสินใจมักหลีกเลี่ยงการนำ AI มาใช้ในพื้นที่ที่อาจแทนที่บทบาทของตนเอง แต่กลับมุ่งเน้นไปที่แผนกที่มีอิทธิพลทางการเมืองน้อยกว่า
การจัดสรรง예산 AI ขององค์กรเทียบกับผลตอบแทนจากการลงทุน
- ลำดับความสำคัญในการใช้จ่ายปัจจุบัน: เครื่องมือด้านการขายและการตลาด (มากกว่า 50% ของงบประมาณ)
- พื้นที่ที่ให้ผลตอบแทนจากการลงทุนสูงสุด: ระบบอัตโนมัติในส่วนงานสำนักงานหลัง
- การลดการจ้างบริษัทภายนอกดำเนินกระบวนการทางธุรกิจ
- การตัดค่าใช้จ่ายจากเอเจนซี่ภายนอก
- การปรับปรุงให้การดำเนินงานคล่องตัว
สูตรแห่งความสำเร็จ: ซื้อแทนที่จะสร้าง
บริษัทที่ซื้อโซลูชัน AI จากผู้จำหน่ายเฉพาะทางประสบความสำเร็จในอัตราประมาณ 63% ในขณะที่บริษัทที่พยายามสร้างระบบ AI ที่เป็นกรรมสิทธิ์ภายในประสบความสำเร็จเพียงหนึ่งในสามเท่านั้น การค้นพบนี้ท้าทายแนวทางขององค์กรทั่วไปในการพัฒนาเครื่องมือ AI แบบกำหนดเอง โดยเฉพาะในภาคที่มีการควบคุมสูงเช่นบริการทางการเงิน
งานวิจัยชี้ให้เห็นว่าการนำ AI มาใช้อย่างประสบความสำเร็จต้องการการเสริมสร้างพลังให้กับผู้จัดการทั่วทั้งองค์กรมากกว่าการพึ่งพาทีม AI กลางเพียงอย่างเดียว นอกจากนี้ เครื่องมือที่สามารถบูรณาการอย่างลึกซึ้งและปรับตัวได้ตลอดเวลาแสดงผลลัพธ์ที่ดีกว่าการนำไปใช้แบบทั่วไปอย่างมีนัยสำคัญ
อัตราความสำเร็จของโครงการ AI จำแนกตามวิธีการนำไปใช้
- การซื้อโซลูชัน AI จากผู้ขาย: อัตราความสำเร็จประมาณ 63%
- การพัฒนาภายในองค์กรเอง: อัตราความสำเร็จประมาณ 21% (หนึ่งในสามของโซลูชันจากผู้ขาย)
- ความสำเร็จโดยรวมของโครงการนำร่อง AI ในองค์กร: 5%
ปัจจัยมนุษย์ในการนำ AI มาใช้
นอกเหนือจากความท้าทายทางเทคนิค การศึกษายังเผยให้เห็นความกังวลของพนักงานที่มีผลต่อการนำ AI มาใช้อย่างมีนัยสำคัญ แทนที่จะเป็นการเลิกจ้างครั้งใหญ่ บริษัทต่างๆ เลือกที่จะไม่เติมตำแหน่งเมื่อตำแหน่งว่างลงมากขึ้น โดยเฉพาะในการสนับสนุนลูกค้าและบทบาทด้านการบริหาร แนวทางนี้สร้างความไม่แน่นอนในหมู่พนักงานที่อาจต่อต้านการนำเครื่องมือที่พวกเขามองว่าเป็นภัยคุกคามต่อความมั่นคงในงานมาใช้
ปรากฏการณ์ของ AI เงา (shadow AI) ก็แพร่หลายเช่นกัน โดยพนักงานใช้เครื่องมือที่ไม่ได้รับอนุญาตเช่น ChatGPT สำหรับงาน สิ่งนี้สร้างทั้งโอกาสและความเสี่ยงสำหรับองค์กรที่พยายามจัดการการนำ AI มาใช้อย่างเป็นระบบ
เหตุผลที่ชัดเจนที่สุดคือสำหรับกรณีการใช้งานทางธุรกิจเกือบทั้งหมดมันไม่ค่อยมีประโยชน์ พนักงานถามว่า 'สิ่งนี้จะช่วยฉันได้อย่างไร' เพราะพวกเขาไม่สามารถให้มันช่วยพวกเขาได้นอกจากการขัดเกลาอีเมล การขัดเกลาโค้ด และการเขียนสรุปซึ่งไม่ใช่สิ่งที่งานของคนส่วนใหญ่เป็น
มองข้ามวงจรการโฆษณาชวนเชื่อ
งานวิจัยระบุว่าการนำ AI มาใช้ที่ประสบความสำเร็จมักมุ่งเน้นไปที่ปัญหาที่แคบและเฉพาะเจาะจงมากกว่าการพยายามเปลี่ยนแปลงอย่างกว้างขวาง สตาร์ทอัพหนุ่มที่นำโดยผู้ก่อตั้งที่อายุในช่วงปลายวัยรุ่นและต้นยี่สิบแสดงความสำเร็จที่น่าทึ่ง โดยบางแห่งเติบโตจากศูนย์เป็นรายได้ 20 ล้านดอลลาร์สหรัฐภายในหนึ่งปีด้วยการกำหนดเป้าหมายไปที่จุดเจ็บปวดเดียวและการร่วมมือกันอย่างมีกลยุทธ์
เมื่อ อุตสาหกรรม AI เติบโตขึ้น องค์กรที่ก้าวหน้าที่สุดเริ่มทดลองกับตัวแทน AI - ระบบที่สามารถเรียนรู้ จดจำ และดำเนินการอย่างอิสระภายในขอบเขตที่กำหนด สิ่งนี้แสดงถึงขั้นตอนถัดไปที่มีศักยภาพของ AI ขององค์กรที่สามารถแก้ไขข้อจำกัดปัจจุบันบางประการได้
การค้นพบของ MIT ชี้ให้เห็นว่าในขณะที่เทคโนโลยี AI ยังคงก้าวหน้าอย่างรวดเร็ว ความท้าทายที่แท้จริงอยู่ที่การบูรณาการขององค์กรและการจัดการการเปลี่ยนแปลง บริษัทที่เข้าหาการนำ AI มาใช้ด้วยความคาดหวังที่สมจริง การจัดสรรทรัพยากรที่เหมาะสม และการมุ่งเน้นไปที่กรณีการใช้งานเฉพาะมีแนวโน้มที่จะเข้าร่วม 5% ที่ประสบความสำเร็จมากกว่าส่วนใหญ่ที่ดิ้นรน
อ้างอิง: MIT report: 95% of generative AI pilots at companies are failing