การปฏิวัติปัญญาประดิษฐ์สัญญาว่าจะเปลี่ยนแปลงการดำเนินธุรกิจและขับเคลื่อนการเติบโตของรายได้อย่างที่ไม่เคยมีมาก่อน แต่งานวิจัยใหม่ชี้ให้เห็นว่าความจริงนั้นน่าผิดหวังกว่ามาก การศึกษาที่ครอบคลุมโดยโครงการ NANDA ของ MIT ได้เปิดเผยช่องว่างที่ชัดเจนในภูมิทัศน์ AI ขององค์กร โดยเผยให้เห็นว่าการนำ AI สร้างสรรค์มาใช้ในองค์กรส่วนใหญ่กำลังดิ้นรนเพื่อให้ผลลัพธ์ที่มีความหมาย
ขนาดของความท้าทายในการนำ AI มาใช้
นักวิจัย MIT ได้ทำการวิเคราะห์อย่างกว้างขวางที่เกี่ยวข้องกับการสัมภาษณ์ผู้นำธุรกิจ 150 คน การสำรวจพนักงาน 350 คน และการตรวจสอบการใช้งาน AI สาธารณะ 300 กรณี ผลการวิจัยของพวกเขาวาดภาพที่น่ากังวลสำหรับการนำ AI มาใช้ในองค์กร มีเพียง 5% ของโครงการนำร่อง AI สร้างสรรค์ที่ประสบความสำเร็จในการเร่งรายได้อย่างรวดเร็ว ในขณะที่ 95% ที่เหลือหยุดชะงักและให้ผลกระทบเพียงเล็กน้อยหรือไม่มีเลยต่องบกำไรขาดทุน
งานวิจัยที่ตีพิมพ์ใน The GenAI Divide: State of AI in Business 2025 ท้าทายความกระตือรือร้นที่แพร่หลายเกี่ยวกับการรวม AI ในสภาพแวดล้อมขององค์กร ผู้เขียนหลัก Aditya Challapally นักวิจัยที่มีส่วนร่วมในโครงการ NANDA ของ MIT เน้นย้ำว่าปัญหาไม่ได้อยู่ที่คุณภาพของโมเดล AI แต่อยู่ที่วิธีการที่องค์กรเข้าหาการนำมาใช้และการรวมเข้าด้วยกัน
منهجية دراسة MIT
- 150 مقابلة مع قادة الأعمال
- استطلاع رأي 350 موظف
- تحليل 300 نشر عام للذكاء الاصطناعي
- البحث منشور تحت عنوان "فجوة الذكاء الاصطناعي التوليدي: حالة الذكاء الاصطناعي في الأعمال 2025"
เรื่องราวความสำเร็จเน้นความแตกต่างเชิงกลยุทธ์
แม้จะมีผลลัพธ์ที่น่าผิดหวังโดยรวม แต่เปอร์เซ็นต์เล็กน้อยของการนำมาใช้ที่ประสบความสำเร็จให้ข้อมูลเชิงลึกที่มีค่าเกี่ยวกับกลยุทธ์การใช้งาน AI ที่มีประสิทธิภาพ สตาร์ทอัพหนุ่มสาว โดยเฉพาะอย่างยิ่งที่นำโดยผู้ประกอบการในช่วงปลายวัยรุ่นและต้นยี่สิบ ได้แสดงให้เห็นความสำเร็จที่น่าทึ่งกับเครื่องมือ AI สร้างสรรค์ บางบริษัทได้สัมผัสการเพิ่มขึ้นของรายได้จากศูนย์เป็น 20 ล้านดอลลาร์สหรัฐภายในปีเดียว
บริษัทที่ประสบความสำเร็จเหล่านี้มีลักษณะร่วมกันในแนวทางการนำ AI มาใช้ พวกเขามุ่งเน้นไปที่การแก้ปัญหาจุดเจ็บเฉพาะจุดหนึ่งแทนที่จะพยายามทำการเปลี่ยนแปลงในวงกว้าง พวกเขาดำเนินกลยุทธ์ที่เลือกด้วยความแม่นยำและสร้างความร่วมมืองที่ชาญฉลาดกับบริษัทที่ใช้เครื่องมือที่ขับเคลื่อนด้วย AI ของพวกเขาอย่างแข็งขัน แนวทางที่มุ่งเป้าหมายนี้ตรงข้ามกับความพยายามที่กระจัดกระจายขององค์กรขนาดใหญ่หลายแห่ง
ตอนอย่างของเรื่องราวความสำเร็จ
- สตาร์ทอัพรุ่นใหม่ (นำโดยผู้ประกอบการอายุ 19-20 ปี) ที่สามารถเติบโตจากรายได้ 0 เหรียญสหรัฐฯ เป็น 20 ล้านเหรียญสหรัฐฯ ในหนึ่งปี
- ปัจจัยแห่งความสำเร็จ: มุ่งเน้นที่จุดเจ็บปวดเพียงจุดเดียว การดำเนินงานที่แม่นยำ การสร้างพันธมิตรอย่างชาญฉลาด
- การให้อำนาจผู้จัดการระดับสายงานมีประสิทธิผลมากกว่าแนวทางการตั้งห้องปฏิบัติการ AI ส่วนกลาง
ปัญหาช่องว่างการเรียนรู้
ความท้าทายหลักที่องค์กรส่วนใหญ่เผชิญไม่ใช่ข้อจำกัดทางเทคนิค แต่เป็นสิ่งที่นักวิจัย MIT เรียกว่าช่องว่างการเรียนรู้ ในขณะที่ผู้บริหารมักจะโทษข้อจำกัดด้านกฎระเบียบหรือปัญหาประสิทธิภาพของโมเดล งานวิจัยชี้ไปที่ข้อบกพร่องพื้นฐานในกลยุทธ์การรวมเข้าขององค์กร เครื่องมือ AI ทั่วไปเช่น ChatGPT มีความเป็นเลิศสำหรับผู้ใช้รายบุคคลเนื่องจากความยืดหยุ่น แต่พวกมันดิ้นรนในสภาพแวดล้อมขององค์กรเพราะไม่สามารถเรียนรู้จากหรือปรับตัวให้เข้ากับขั้นตอนการทำงานขององค์กรเฉพาะได้
การขาดการเชื่อมต่อระหว่างความสามารถของ AI และความต้องการขององค์กรนี้สร้างอุปสรรคสำคัญต่อการนำมาใช้ที่ประสบความสำเร็จ บริษัทมักจะคาดหวังผลลัพธ์ทันทีจากเครื่องมือ AI โดยไม่ลงทุนในงานปรับแต่งและการรวมเข้าที่จำเป็นสำหรับการใช้งานระดับองค์กร
การจัดสรรทรัพยากรที่ไม่สอดคล้องกัน
การศึกษาเผยให้เห็นการไม่สอดคล้องกันที่สำคัญในวิธีที่บริษัทจัดสรรงบประมาณ AI สร้างสรรค์ของพวกเขา มากกว่าครึ่งหนึ่งของการใช้จ่าย AI มุ่งเน้นไปที่แอปพลิเคชันการขายและการตลาด แต่งานวิจัยของ MIT แสดงให้เห็นว่าผลตอบแทนจากการลงทุนที่ใหญ่ที่สุดมาจากการทำงานอัตโนมัติในสำนักงานหลัง การนำมาใช้ที่ประสบความสำเร็จขจัดต้นทุนการจ้างกระบวนการธุรกิจภายนอก ลดค่าใช้จ่ายของหน่วยงานภายนอก และปรับปรุงขั้นตอนการทำงานในการดำเนินงาน
การจัดสรรที่ผิดนี้ชี้ให้เห็นว่าองค์กรหลายแห่งกำลังติดตามแอปพลิเคชัน AI ในพื้นที่ที่มองเห็นได้สูงแทนที่จะมุ่งเน้นไปที่ฟังก์ชันที่ AI สามารถให้คุณค่าที่วัดได้มากที่สุด การเน้นไปที่แอปพลิเคชันที่เผชิหน้าลูกค้าอาจสร้างความตื่นเต้น แต่มักจะล้มเหลวในการผลิตการประหยัดต้นทุนที่สำคัญและการเพิ่มประสิทธิภาพที่มีอยู่ผ่านการทำงานอัตโนมัติในการดำเนินงาน
การจัดสรรงงบประมาณเทียบกับผลตอบแทนการลงทุน
- มากกว่า 50% ของงบประมาณ GenAI ถูกจัดสรรให้กับเครื่องมือด้านการขายและการตลาด
- ผลตอบแทนการลงทุนที่ดีที่สุดพบในระบบอัตโนมัติของงานสำนักงานหลัง
- พื้นที่ที่ประสบความสำเร็จ: การขจัดการจ้างงานกระบวนการธุรกิจภายนอก การลดค่าใช้จ่ายของเอเจนซี่ภายนอก การปรับปรุงการดำเนินงานให้คล่องตัว
กลยุทธ์สร้างเทียบกับซื้อ
หนึ่งในผลการวิจัยที่สำคัญที่สุดเกี่ยวข้องกับกลยุทธ์การนำมาใช้ บริษัทที่ซื้อเครื่องมือ AI จากผู้ขายเฉพาะทางประสบความสำเร็จประมาณ 67% ในขณะที่องค์กรที่พยายามสร้างโซลูชันภายในประสบความสำเร็จเพียงประมาณหนึ่งในสามเท่านั้น ผลการวิจัยนี้มีความเกี่ยวข้องโดยเฉพาะสำหรับภาคส่วนที่มีกฎระเบียบสูงเช่นบริการทางการเงิน ซึ่งบริษัทหลายแห่งกำลังพัฒนาระบบ AI สร้างสรรค์ที่เป็นกรรมสิทธิ์
การชอบการพัฒนาภายในมักเกิดจากความกังวลด้านความปลอดภัยและข้อกำหนดด้านกฎระเบียบ แต่ข้อมูลชี้ให้เห็นว่าแนวทางนี้ลดโอกาสความสำเร็จในการนำมาใช้อย่างมีนัยสำคัญ ผู้ขายเฉพาะทางนำความเชี่ยวชาญและเครื่องมือที่ปรับปรุงแล้วที่ทีมภายในดิ้นรนที่จะทำซ้ำ โดยเฉพาะเมื่อทำงานภายใต้ข้อจำกัดของโครงสร้างพื้นฐานขององค์กรที่มีอยู่
อัตราความสำเร็จของการนำ AI มาใช้งาน
- เพียง 5% ของโครงการนำร่อง generative AI เท่านั้นที่ประสบความสำเร็จในการเร่งรายได้อย่างรวดเร็ว
- 95% ของการนำมาใช้งานหยุดชะงักโดยมีผลกระทบต่อ P&L เพียงเล็กน้อยหรือไม่มีเลย
- โซลูชันจากผู้ขายเฉพาะทางประสบความสำเร็จประมาณ 67% ของเวลา
- การพัฒนาภายในองค์กรประสบความสำเร็จเพียง 33% ของเวลาเท่านั้น
ผลกระทบต่อแรงงานและการใช้ Shadow AI
งานวิจัยบันทึกการหยุดชะงักของแรงงานที่กำลังดำเนินอยู่ โดยเฉพาะในบทบาทการสนับสนุนลูกค้าและการบริหาร แทนที่จะใช้การเลิกจ้างจำนวนมาก บริษัทเลือกที่จะไม่เติมตำแหน่งเมื่อตำแหน่งเหล่านั้นว่างลงมากขึ้น การเปลี่ยนแปลงส่วนใหญ่ส่งผลกระทบต่องานที่เคยจ้างภายนอกเนื่องจากการรับรู้ว่ามีคุณค่าต่ำ ซึ่งชี้ให้เห็นการเปลี่ยนแปลงแบบค่อยเป็นค่อยไปมากกว่าการเปลี่ยนแปลงอย่างกะทันหันของรูปแบบการทำงาน
การศึกษายังเน้นการใช้ Shadow AI อย่างแพร่หลาย ซึ่งเป็นเครื่องมือที่ไม่ได้รับอนุญาตเช่น ChatGPT ที่พนักงานใช้โดยไม่ได้รับการอนุมัติอย่างเป็นทางการ ปรากฏการณ์นี้สร้างความเสี่ยงด้านความปลอดภัยในขณะที่แสดงให้เห็นช่องว่างระหว่างความต้องการของพนักงานและเครื่องมือ AI ที่ได้รับอนุญาตอย่างเป็นทางการ องค์กรดิ้นรนที่จะวัดผลกระทบของ AI ต่อผลิตภาพและกำไร บางส่วนเนื่องจากการใช้งานที่ไม่เป็นทางการนี้
ทิศทางในอนาคตและ Agentic AI
เมื่อมองไปข้างหน้า องค์กรที่ก้าวหน้าที่สุดกำลังทดลองกับระบบ Agentic AI ที่สามารถเรียนรู้ จดจำ และดำเนินการอย่างอิสระภายในขอบเขตที่กำหนด ระบบเหล่านี้แสดงถึงขั้นตอนต่อไปของการพัฒนา AI ขององค์กร ซึ่งอาจจะจัดการกับปัญหาช่องว่างการเรียนรู้บางประการที่ระบุในการนำมาใช้ปัจจุบัน
งานวิจัยของ MIT ชี้ให้เห็นว่าการนำ AI มาใช้ที่ประสบความสำเร็จต้องการการเสริมพลังให้กับผู้จัดการสายงานแทนที่จะพึ่งพาห้องปฏิบัติการ AI กลางเพียงอย่างเดียวในการขับเคลื่อนการนำมาใช้ แนวทางนี้ช่วยให้สามารถเลือกเครื่องมือที่สามารถรวมเข้ากับขั้นตอนการทำงานที่มีอยู่อย่างลึกซึ้งและปรับตัวตามเวลาให้เข้ากับความต้องการขององค์กรที่เปลี่ยนแปลง
ผลการวิจัยทำหน้าที่เป็นการตรวจสอบความเป็นจริงสำหรับอุตสาหกรรม AI และผู้นำองค์กรที่ลงทุนอย่างหนักในเทคโนโลยี AI สร้างสรรค์ ในขณะที่ศักยภาพยังคงมีนัยสำคัญ การประสบความสำเร็จต้องการกลยุทธ์ที่รอบคอบ การจัดสรรทรัพยากรที่เหมาะสม และความคาดหวังที่สมจริงเกี่ยวกับไทม์ไลน์การนำมาใช้และความท้าทาย