ความขัดแย้งในกลยุทธ์ AI: เหตุผลที่บริษัทส่วนใหญ่กำลังทำผิดพลาด

การปฏิวัติปัญญาประดิษฐ์กำลังเกิดขึ้นทั่วทุกอุตสาหกรรม แต่กลับมีความไม่เชื่อมโยงกันอย่างพื้นฐานระหว่างสิ่งที่บริษัทต่างๆ กำลังทำกับ AI และสิ่งที่พวกเขาควรทำเพื่อให้เกิดการเปลี่ยนแปลงทางธุรกิจที่มีความหมาย แม้ว่าผู้บริหารจะรีบเร่งนำโซลูชัน AI ไปใช้ แต่การวิจัยชี้ให้เห็นว่าการใช้งานส่วนใหญ่ล้มเหลวในการสร้างคุณค่าอย่างมีนัยสำคัญ ทำให้เกิดคำถามสำคัญว่าการนำเทคโนโลยีไปใช้นั้นเป็นไปในเชิงกลยุทธ์หรือเป็นเพียงแค่เชิงกลวิธีเท่านั้น การตรวจสอบนี้จะสำรวจความแตกต่างที่สำคัญระหว่างแนวทางทั้งสองและสิ่งที่แยกการนำ AI ไปใช้ที่ประสบความสำเร็จออกจากที่ผิดหวัง

ความแตกต่างระหว่าง AI เชิงกลยุทธ์และเชิงกลวิธี

การวิเคราะห์ล่าสุดเปิดเผยว่าการนำ Generative AI ไปใช้ส่วนใหญ่ล้มเหลวในการสร้างคุณค่าอย่างมีนัยสำคัญให้กับองค์กร ส่วนใหญ่เป็นเพราะขาดการมุ่งเน้นเชิงกลยุทธ์ ตามความเห็นของผู้เชี่ยวชาญในอุตสาหกรรมอย่าง Tom Davenport โครงการ AI เชิงกลวิธีที่มุ่งเน้นไปที่การเพิ่มผลผลิตในระดับบุคคลหรือการประยุกต์ใช้ที่กว้างแต่ตื้น มักจะทำได้ไม่ดีเมื่อเทียบกับโครงการในระดับองค์กรที่สอดคล้องกับกลยุทธ์ธุรกิจหลัก การนำ AI เชิงกลยุทธ์ไปใช้มักเกี่ยวข้องกับการเปลี่ยนแปลงอย่างลึกซึ้งต่อกระบวนการและขีดความสามารถทางธุรกิจ มักจะเป็นพื้นฐานของสายผลิตภัณฑ์ใหม่หรือเปลี่ยนแปลงความสัมพันธ์กับลูกค้าโดยพื้นฐาน การใช้งานเชิงกลยุทธ์เหล่านี้ต้องการการลงทุนที่สำคัญ กรอบเวลาที่ยาวนานกว่า และการมีส่วนร่วมขององค์กรในวงกว้างมากขึ้น แต่จะวางตำแหน่งให้บริษัทได้เปรียบในการแข่งขันที่ยั่งยืนแทนที่จะเป็นการปรับปรุงเพียงเล็กน้อย

การนำ AI ไปใช้ในเชิงกลยุทธ์ เทียบกับ เชิงยุทธวิธี

เหตุใดโมเดลภาษาจึงไม่ใช่ความฉลาด

สถาปัตยกรรมพื้นฐานของระบบ AI ที่โดดเด่นในปัจจุบัน—โมเดลภาษาขนาดใหญ่—อาจกำลังจำกัดศักยภาพของการเปลี่ยนแปลงเชิงกลยุทธ์ที่แท้จริง การวิจัยด้านประสาทวิทยาแสดงให้เห็นมากขึ้นเรื่อยๆ ว่าการคิดของมนุษย์ทำงานโดยอิสระจากภาษามนุษย์เป็นส่วนใหญ่ โดยมีเครือข่ายสมองที่แตกต่างกันเปิดใช้งานสำหรับงานด้านการรู้คิด เช่น การให้เหตุผลทางคณิตศาสตร์หรือการเข้าใจแรงจูงใจของผู้อื่น การศึกษาบุคคลที่มีความบกพร่องทางภาษารุนแรงแสดงให้เห็นถึงความสามารถที่ยังคงอยู่ในการมีส่วนร่วมกับการคิดที่ซับซ้อน การแก้ปัญหา และการให้เหตุผลอย่างมีตรรกะ ความจริงทางวิทยาศาสตร์นี้ท้าทายสมมติฐานของอุตสาหกรรม AI ที่ว่าการขยายขนาดโมเดลภาษาจะนำไปสู่ปัญญาประดิษฐ์ทั่วไปอย่างหลีกเลี่ยงไม่ได้ แต่กลับชี้ให้เห็นว่าระบบ AI ในปัจจุบันเป็นเครื่องมือในการสื่อสารเป็นหลักมากกว่าเป็นหน่วยงานที่คิด

ข้อค้นพบสำคัญเกี่ยวกับภาษาและความฉลาด

• การวิจัยด้านประสาทวิทยาศาสตร์แสดงให้เห็นว่าเครือข่ายสมองที่แตกต่างกันจะทำงานเมื่อทำหน้าที่เกี่ยวกับการคิดและการประมวลผลภาษา
• ผู้ที่มีความบกพร่องทางภาษารุนแรงยังคงมีความสามารถในการใช้เหตุผลทางคณิตศาสตร์ ความเข้าใจแรงจูงใจของผู้อื่น และการคิดอย่างมีตรรกะ
• ภาษาเป็นหลักในฐานะ "รหัสสื่อสารที่มีประสิทธิภาพ" มากกว่าเป็นพื้นฐานของการคิด
• ความฉลาดของมนุษย์เกี่ยวข้องกับขอบเขตการรับรู้หลายด้านที่เกินกว่าความสามารถทางภาษา
• ระบบ AI ในปัจจุบันจำลองรูปแบบภาษาแต่อาจไม่สามารถจำลองกระบวนการใช้เหตุผลของมนุษย์ได้

การเปรียบเทียบตู้คอนเทนเนอร์กับการเปลี่ยนแปลงด้วย AI

การทำความเข้าใจศักยภาพการเปลี่ยนแปลงที่แท้จริงของ AI ต้องมองไปไกลกว่าผลประโยชน์จากการทำงานอัตโนมัติทันที ไปสู่ผลกระทบลำดับที่สอง คล้ายกับที่ตู้คอนเทนเนอร์ปฏิวัติการขนส่งโลจิสติกส์ระดับโลก เมื่อตู้คอนเทนเนอร์ถูกนำมาใช้ครั้งแรก ความสนใจในทันทีคือการทำงานอัตโนมัติในท่าเรือและลดเวลาในการดำเนินงานท่าเรือ อย่างไรก็ตาม การเปลี่ยนแปลงที่แท้จริงเกิดขึ้นเมื่อรถบรรทุก รถไฟ และเรือรับมาตรฐานร่วมกัน ทำให้เกิดระบบโลจิสติกส์ระดับโลกที่ไร้รอยต่อซึ่งเปลี่ยนแปลงกระบวนทัศน์การผลิตโดยพื้นฐาน บริษัทต่างๆ หยุดคิดว่าพวกเขาต้องการการรวมกลุ่มในแนวดิ่งและซัพพลายเออร์ที่ตั้งอยู่ใกล้กัน แต่กลับยอมรับการผลิตแบบใช้ส่วนประกอบและห่วงโซ่อุปทานระดับโลก ในทำนองเดียวกัน การที่ AI ลดต้นทุนงานด้านความรู้—เช่น การแปลเอกสาร—ควรกระตุ้นให้ธุรกิจจินตนาการใหม่เกี่ยวกับสมมติฐานการดำเนินงานพื้นฐานและข้อได้เปรียบทางการแข่งขันของพวกเขา

การสร้างขีดความสามารถ AI เชิงกลยุทธ์

การพัฒนา AI เชิงกลยุทธ์ที่แท้จริงต้องการมากกว่าแค่การนำเทคนิคไปใช้—มันต้องการความพร้อมขององค์กรและการเปลี่ยนแปลงทางวัฒนธรรม บริษัทที่ประสบความสำเร็จกับ AI มองว่ามันเป็นพลังในการเปลี่ยนแปลงมากกว่าแค่เครื่องมือเพิ่มผลผลิต โดยมีผู้นำระดับสูงที่เข้าใจว่า AI สามารถทำอะไรได้สำเร็จและมีแรงจูงใจที่จะใช้งานมันอย่างจริงจัง องค์กรต้องการความมุ่งมั่นเชิงกลยุทธ์ที่ชัดเจนซึ่งสื่อสารทั่วทั้งบริษัท ร่วมกับกรอบความคิดการทดลองอย่างลึกซึ้งที่ส่งเสริมนวัตกรรม สำหรับบริษัทที่ยังไม่พร้อมสำหรับการใช้งานเชิงกลยุทธ์เต็มรูปแบบ การเริ่มต้นด้วยโครงการเชิงกลวิธีที่สามารถเชื่อมโยงกันในที่สุดเพื่อเป็นวัตถุประสงค์เชิงกลยุทธ์ที่กว้างขึ้น ให้เส้นทางที่ปฏิบัติได้จริงสำหรับก้าวไปข้างหน้า แม้ว่าสิ่งนี้จะต้องการการวางแผนและวิสัยทัศน์อย่างจงใจตั้งแต่เริ่มต้น

ปัจจัยแห่งความสำเร็จในการนำ AI ไปใช้

• มีเจตนารมณ์เชิงกลยุทธ์ที่ชัดเจนและสื่อสารทั่วทั้งองค์กร
• ผู้บริหารระดับสูงเข้าใจขีดความสามารถของ AI และแรงจูงใจในการนำไปใช้งาน
• มีแนวคิดการทดลองอย่างลึกซึ้งทั่วทั้งบริษัท
• ความสอดคล้องระหว่างโครงการ AI กับกลยุทธ์ธุรกิจหลัก
• ความเต็มใจที่จะเปลี่ยนแปลงกระบวนการทางธุรกิจอย่างมีนัยสำคัญ
• มุ่งเน้นการเปลี่ยนแปลงในระดับองค์กร แทนที่การเพิ่มผลผลิตเป็นรายบุคคล
• การวัดผลการเปลี่ยนแปลงทางธุรกิจ แทนที่การประหยัดค่าใช้จ่ายแบบเพิ่มพูน

การเดินทางในภูมิทัศน์การลงทุน AI

สภาพอากาศการลงทุน AI ในปัจจุบันแสดงสัญญาณของการเปลี่ยนแปลงที่แท้จริงและความตื่นเต้นที่อาจมากเกินไป โดยบริษัทเทคโนโลยีรายใหญ่ร่วมกันลงทุนหลายแสนล้านในโครงสร้างพื้นฐาน AI แม้ว่าบางรูปแบบจะคล้ายกับฟองสบู่เทคโนโลยีก่อนหน้า—เช่น สตาร์ทอัพเพิ่มคำว่า "AI" ในชื่อบริษัทเพื่อให้ได้เงินทุน—แต่ความแตกต่างพื้นฐานชี้ให้เห็นว่านี่มีแนวโน้มที่จะนำไปสู่การปรับตัวของตลาดมากกว่าการล่มสลายอย่างหายนะ เทคโนโลยีนี้สร้างคุณค่าที่วัดได้จริงในหลายกรณีการใช้งาน ตั้งแต่การให้บริการลูกค้าแบบอัตโนมัติไปจนถึงการเร่งการค้นพบยา และโครงสร้างพื้นฐานที่กำลังถูกสร้างขึ้นมีคุณค่าคงอยู่ไม่ว่าการผันผวนของตลาดในระยะสั้นจะเป็นอย่างไร ลักษณะแนวนอนของเทคโนโลยี AI ซึ่งบูรณาการเข้าไปในแอปพลิเคชันซอฟต์แวร์เกือบทุกตัว สร้างเส้นทางสู่การสร้างคุณค่าหลายทางที่ลดความเสี่ยงความล้มเหลวจุดเดียว

การวัดสิ่งที่สำคัญในการนำ AI ไปใช้

การใช้งาน AI เชิงกลยุทธ์ที่ประสบความสำเร็จต้องการการติดตามการเปลี่ยนแปลงทางธุรกิจมากกว่าการประหยัดแบบเพิ่มทีละน้อย โดยมีกรอบการวัดที่มุ่งเน้นการเปลี่ยนแปลงองค์กรอย่างลึกซึ้ง ผลตอบแทนเชิงกลยุทธ์แสดงออกมาเป็นขีดความสามารถใหม่ ความสัมพันธ์กับลูกค้าที่เปลี่ยนแปลงไป หรือโมเดลธุรกิจใหม่ทั้งหมด แทนที่จะเป็นการลดต้นทุนในกระบวนการที่มีอยู่ บริษัทต่างๆ ต้องระบุคานงัดหลักที่จำเป็นเพื่อให้บรรลุคุณค่า AI รวมถึงการเปลี่ยนแปลงในกลยุทธ์ธุรกิจ ภาวะผู้นำ วัฒนธรรม การพัฒนาผู้มีความสามารถ โครงสร้างองค์กร และโครงสร้างพื้นฐานทางเทคโนโลยี การจัดเวิร์กช็อปเพื่อให้ได้การยอมรับจากทั้งผู้จัดการและพนักงานช่วยให้แน่ใจว่าโครงการ AI ขับเคลื่อนการเปลี่ยนแปลงที่มีความหมายมากกว่าการปรับปรุงผิวเผิน แม้ว่างานด้านวัฒนธรรมนี้มักจะพิสูจน์ได้ว่าท้าทายกว่าการนำเทคนิคไปใช้

อนาคตของ AI ที่ไกลเกินกว่าโมเดลภาษา

แม้ภายในอุตสาหกรรม AI การยอมรับก็กำลังเติบโตว่าโมเดลภาษาขนาดใหญ่เพียงอย่างเดียวอาจไม่เพียงพอสำหรับการบรรลุความฉลาดทั่วไปที่แท้จริง นักวิจัยที่มีชื่อเสียงกำลังพัฒนา "โมเดลโลก" ที่เข้าใจโลกทางกายภาพ มีความจำที่คงอยู่ และสามารถให้เหตุผลและวางแผนลำดับการกระทำที่ซับซ้อนได้ คณะกรรมการของผู้เชี่ยวชาญ AI ได้เสนอให้นิยามปัญญาประดิษฐ์ทั่วไปเป็นระบบที่เทียบเท่าหรือเกินกว่าความสามารถรอบด้านทางการรู้คิดของผู้ใหญ่ที่มีการศึกษาดี across ความสามารถที่แตกต่างกันหลายอย่าง แทนที่จะปฏิบัติต่อความฉลาดเป็นความสามารถแบบรวมเป็นหนึ่งเดียว ความเข้าใจความฉลาดที่ละเอียดอ่อนยิ่งขึ้นนี้ยอมรับว่าการรู้คิดของมนุษย์เกี่ยวข้องกับความสามารถที่หลากหลายซึ่งอาจไม่สามารถทำซ้ำได้ผ่านการฝึกอบรมแบบใช้ข้อความเพียงอย่างเดียว ชี้ให้เห็นว่าคลื่นนวัตกรรม AI ลูกต่อไปอาจดูแตกต่างโดยพื้นฐานจากภูมิทัศน์ที่โดดเด่นด้วยแชทบอตในปัจจุบัน