เมื่อ AI ครองโลกธุรกิจ CEO สาย Non-Tech จะรอดไหม เมื่อเรื่อง AI เป็นหน้าที่ CEO แทน CIO

อีกหนึ่ง Session จากงานเสวนา HOW Quarterly Public Session ในหัวข้อ Burning Platform Corporate Survival Guide in the Age of AI เป็นการโคจรมาเจอกันของสองตัวจริงในวงการธุรกิจและเทคโนโลยี อย่างคุณกระทิง เรืองโรจน์ พูนผล (Dean of House of Wisdom หรือ HOW) และ Johannes Goltsche (Managing Director & Partner จาก Boston Consulting Group: BCG) ซึ่งมาร่วมเจาะลึกและแลกเปลี่ยนมุมมองแบบไม่มีกั๊กถึงทางรอดขององค์กรและการปรับตัวของผู้นำในยุคที่ AI กำลังหมุนเวียนเปลี่ยนผ่านอย่างรวดเร็ว

เมื่อการทรานส์ฟอร์มไม่ได้อยู่ที่ IT แต่เป็นหน้าที่ของ CEO

เปิดเวทีมาด้วยคำถามชวนคิดจากคุณกระทิง ถึงความขัดแย้งที่เกิดขึ้นเมื่อองค์กรต้องส่งไม้ต่อการขับเคลื่อน AI จาก CIO (Chief Information Officer) ไปสู่ CEO (Chief Executive Officer) ซึ่ง Johannes ได้สะท้อนภาพจริงที่พบเห็นบ่อยครั้งว่า ปรากฏการณ์นี้มักเกิดจากการที่ CIO มองว่า CEO ยังขาดความเข้าใจเชิงเทคนิคที่มากพอ ไม่เข้าใจความยาก-ง่ายของ Tech หรือเปรียบเทียบในภาษาง่าย ๆ คือคนส่วนใหญ่มักชอบคิดว่า AI เป็นคาถาเสกได้ พอมอง Tech เป็นเรื่องง่าย ก็เลยตั้งเป้าความเร็วหรือผลลัพธ์ไว้สูงเกินจริง 

แต่ความย้อยแย้งมันอยู่ตรงที่ หากกางสมการความสำเร็จของการทรานส์ฟอร์มองค์กรด้วย AI ในปัจจุบัน จะพบว่า

1. ความสามารถของ AI Model มีผลเพียง 10%
2. โครงสร้าง IT และเทคโนโลยี มีผล 20%
3. คนและกระบวนการทำงาน (People & Process) มีผลสูงถึง 70%

จะเห็นว่าน้ำหนักถึง 70% ตกไปอยู่ที่เรื่องของการบริหารจัดการความเปลี่ยนแปลง ซึ่งไม่ใช่บทบาทสายตรงของ CIO อีกต่อไป แต่เป็นภารกิจหลักของ CEO โดยตรง 

อย่างไรก็ตาม ทีม Tech และ CIO ก็ยังคงเป็นผู้ผลักดันสำคัญ เพียงแต่ CEO ต้องก้าวเข้ามาเป็นพาร์ตเนอร์บริหารที่คอยจัดทัพเรื่องคน โมเดลการทำงาน และกระบวนการต่าง ๆ เพื่อปลดล็อกมูลค่าที่แท้จริงของการนำ AI เข้ามาใช้ในองค์กร

เมื่อคุณกระทิงถามย้ำถึงทางออกสำหรับ CEO สาย Non-Tech คำแนะนำจาก Johannes ก็สั้นกระชับแต่จริงแท้ที่สุดคือ "ต้องทำให้ตัวเองมีความเป็น Technical มากขึ้น" ไม่ใช่การไปนั่งฝึกเขียนโค้ด Python แต่เป็นการทำความเข้าใจหลักการพื้นฐานอย่างถ่องแท้ว่า AI ทำอะไรได้จริงและอะไรที่ยังทำไม่ได้ เพื่อให้สามารถวาง Vision ประเมินผลงานที่ทีมส่งมอบ และนำทัพได้อย่างมีทิศทาง

ส่วนคำถามที่ว่า โมเดลการตั้ง Center of Excellence (CoE) หรือการมี Chief Transformation Officer คอยรวบรวมทีม Data Scientist และ Engineers ขึ้นตรงต่อ CEO เพื่อคุมการทรานส์ฟอร์มนั้นจะยังใช้ได้ผลไหม Johannes มองว่ายังคงใช้ได้ดี แต่หัวใจสำคัญจะอยู่ที่เรื่อง Governance หรือระบบการกำกับดูแล เพราะถ้าผู้นำไม่เข้าใจหลักการทำงานเบื้องหลังอย่างเพียงพอ ก็จะไม่สามารถประเมินผลลัพธ์หรือให้การสนับสนุนทีมได้อย่างตรงจุด

กลยุทธ์ Buy vs Build และการรับมือโมเดล AI ที่หมดอายุเร็ว

โจทย์ถัดมาที่คุณกระทิงชวนคุย คือการเลือกระหว่างการซื้อ (Buy) หรือสร้าง (Build) เมื่อองค์กรไต่ระดับจากการใช้ AI ทำ Automation หลังบ้าน > ไปสู่การปรับ Workflow ด้วยระบบ Agentic > และการคิดค้นนวัตกรรมใหม่

Johannes อธิบายว่า ไม่มีสูตรสำเร็จแบบใดแบบหนึ่ง ทั้งการซื้อและสร้างเองต่างมีข้อดีในตัวเอง ไม่มีทางไหนถูกหรือผิด 100% แต่ขึ้นอยู่กับกลยุทธ์ขององค์กร

• ข้อดีของการซื้อ คือการได้ทางลัดเรื่องความเร็ว เพราะเราสามารถดึงเครื่องมือ ความเชี่ยวชาญ และประสบการณ์สำเร็จรูปจากพาร์ตเนอร์ภายนอกมาใช้ได้ทันที แต่ข้อควรระวังของการซื้ออย่างเดียว คือองค์กรเสี่ยงที่จะพึ่งพาภายนอกมากเกินไป จนทำเองไม่เป็นเมื่อไม่มีพาร์ตเนอร์
• ข้อดีของการสร้างเอง คือได้สร้างทักษะความเข้าใจ AI ให้ติดตัวคนในองค์กร ซึ่งเป็นขีดความสามารถสำคัญที่จะอยู่รอดได้ในระยะยาว

อย่างไรก็ตาม Johannes ได้เตือนข้อควรระวังสำคัญไว้ว่า "ระวังการพึ่งพา Vendor หรือพาร์ตเนอร์ภายนอกมากเกินไปจนองค์กรทำเองไม่เป็น" ทางออกที่ดีที่สุดจึงเป็นการผสมผสานแบบ Hybrid นั่นคือ ในช่วงแรกเราอาจดึงพาร์ตเนอร์ภายนอกเข้ามาช่วยเร่งความเร็วได้ แต่ต้องตั้งเป้าหมายชัดเจนว่าจะต้องถ่ายทอดความรู้ และสร้างทักษะเหล่านั้นให้เข้ามาฝังอยู่ในองค์กรของเราให้ได้ในที่สุด

วิธีป้องกันไม่ให้องค์กรโดน Vendor Lock-in

เมื่อคุณกระทิงยกตัวอย่างความเร็วของเทคโนโลยีที่หมุนไวมาก จากต้นปีที่ Claude ครองเมือง มาสู่การเติบโตของโมเดลจีนอย่าง Kimi 3 ในเวลาเพียงไม่กี่เดือน Johannes ได้เสนอแนวทางรับมือ 3 ข้อ

1. ทำตัวเป็น Model Agnostic: วางสถาปัตยกรรมระบบให้เป็นแบบยืดหยุ่น สามารถถอดเข้า-เสียบออก โมเดลใดก็ได้ตามความเหมาะสม
2. เข้าใจเรื่อง Tokenomics: เลือกใช้โมเดลให้เหมาะกับระดับงาน ไม่จำเป็นต้องใช้โมเดลรุ่นท็อปที่มีราคาสูงกับทุกโจทย์ งานพื้นฐานหลายอย่างสามารถใช้ Open-weight Model ที่ราคาถูกกว่าแต่ให้ผลลัพธ์ที่แม่นยำและตอบโจทย์ได้ดีเช่นกัน
3. ใช้ระบบ Automated Regression Testing: เนื่องจากโมเดล AI มีการอัปเดตและหมดอายุ ทุก ๆ 6-9 เดือน องค์กรควรรอบคอบด้วยการทำระบบทดสอบอัตโนมัติว่า สิ่งที่เคยทำงานได้ในโมเดลเวอร์ชันเก่า ยังคงทำงานได้แม่นยำในโมเดลเวอร์ชันใหม่หรือไม่

ก้าวข้ามกับดัก Death by POC สู่การวัด ROI ที่เห็นผลจริง

คุณกระทิงได้สะท้อนความจริงในวงการธุรกิจว่า ในช่วงปีที่ผ่านมาหลายบริษัทมุ่งเน้นแต่การปั๊ม Use Case เป็นร้อยๆ  โครงการเพื่อเอามาเฉลิมฉลอง แต่พอสิ้นปี CFO กลับถามหาตัวเลข ROI จริง ๆ ไม่เจอ ซึ่ง Johannes ได้เรียกปรากฏการณ์นี้ว่า Death by POC คือการติดหล่มทำโครงการต้นแบบขนาดเล็กที่ดูสวยงามในพื้นที่จำกัด แต่ไม่เคยขยายผลจนเกิดอิมแพ็กต์ในงบกำไรขาดทุนได้เลย

ทางออก คือ จัดกลุ่มเป็น Value Pools และใช้ระบบ Stage-Gating

เพื่อแก้ปัญหาทำ AI แล้วไม่ได้เงินคืน หรือที่เรียกว่าภาวะ Death by POC ทางด้าน Johannes ได้เสนอทางออกผ่าน 2 กลยุทธ์สำคัญ ได้แก่

1. เปลี่ยนจากการทำย่อยๆ มาเป็นการจัดกลุ่มสร้างมูลค่า (Value Pools)

จากเดิมที่องค์กรชอบทำโครงการ AI เล็ก  ๆ กระจัดกระจายเป็นร้อยโครงการ ซึ่งดูดีแต่ไม่เคยสร้างตัวเลขเงินจริง ให้เปลี่ยนมามองหาจุดยุทธศาสตร์หลัก หรือ Value Pools ของบริษัทก่อน เช่น การทรานส์ฟอร์มฝั่งพาณิชย์หรือการลดต้นทุนก้อนใหญ่ แล้วค่อยมัดรวมโครงการ AI ที่เกี่ยวข้องเข้าไปรุมแก้ปัญหาในจุดนั้น เพื่อให้เกิดผลลัพธ์ที่เป็นเนื้อเป็นหนังในงบการเงิน

2. บริหารงบแบบคุมด่านตรวจ (Stage-Gating)

โจทย์คลาสสิกคือ จะทำอย่างไรให้พนักงานยังกล้าคิดกล้าทดลองสิ่งใหม่ ๆ โดยที่ผู้บริหารยังคุมความเสี่ยงและงบประมาณได้ ทางออกคือการใช้วิธี "ปล่อยเงินทุนเป็นงวดๆ ตามด่านความสำเร็จ" (Stage-Gating)

ยกตัวอย่างเช่น เมื่อทีมพัฒนา AI ต้นแบบสำเร็จในด่านแรก ถึงจะได้รับการอนุมัติงบก้อนถัดไปเพื่อนำไปใช้จริง แต่ถ้าลองแล้วพิสูจน์ได้ว่าไม่ได้ผลลัพธ์ตามเป้า องค์กรก็สามารถตัดจบโครงการนั้นได้ทันที การทำแบบนี้ช่วยให้องค์กรทดลองสิ่งใหม่ ๆ ได้เร็ว ล้มเหลวได้ไว โดยไม่สูญเสียงบประมาณมหาศาลไปกับโครงการที่ไม่ตอบโจทย์

3 สิ่งที่ CEO ต้องทำ (Dos) และ 3 ข้อที่ควรเลี่ยง (Don'ts)

เมื่อคุณกระทิงถามถึงสรุปบทเรียนสำหรับผู้นำในห้องเสวนา Johannes ได้คัดออกมาเป็นสูตร 3 Dos & 3 Don'ts ดังนี้:

3 สิ่งที่ CEO ต้องทำ

1. Upskill ตัวเองในเรื่อง AI: ผู้นำต้องมีความรู้พื้นฐานด้วยตัวเอง เพราะการมอบหมายความรู้เรื่องนี้ให้คนอื่น ก็เท่ากับการมอบหมายอำนาจในการสั่งการ AI Transformation ไปให้คนอื่นด้วย
2. โฟกัสเพียง 2-3 Value Areas แล้วตั้งใจทำอย่างจริงจัง: ทำให้น้อยลง แต่ลงลึก แม้ใน 3-6 เดือนแรกจะยังไม่เห็นผลลัพธ์ชัดเจน ก็ต้องยึดมั่นในเป้าหมายการเปลี่ยนแปลงนั้น
3. ลงทุนกับ Operating Model, Governance และ Incentive Structure: ต่อให้มีอัลกอริทึมหรือเครื่องมือที่ดีที่สุด แต่ถ้าระบบแรงจูงใจของคนในองค์กรไม่ได้ถูกออกแบบมาให้สอดคล้องกัน ผลลัพธ์ในงบการเงินก็จะไม่เกิดขึ้น

3 สิ่งที่ CEO ควรเลี่ยง

1. อย่าโยนการวาง Vision เรื่อง AI ไปให้ระดับ Function: ภาพใหญ่ขององค์กรว่าควรจะเติบโตไปในทิศทางไหนยังคงเป็นหน้าที่ของ CEO การผลักภารกิจนี้ลงไปข้างล่างจะทำให้เกิดความกระจัดกระจายและขาดความชัดเจน
2. อย่าละเลยความกลัวและความกังวลของพนักงาน: แม้เป้าหมายอาจเป็นการลด Headcount ลง 20-30% แต่การมองข้ามความกลัว แรงต้าน และความกังวลของคนในองค์กรจะสร้างผลเสียมหาศาล ผู้นำต้องตั้งใจสื่อสาร Storytelling ให้ทุกคนเข้าใจว่าทำไมการเปลี่ยนแปลงนี้จึงจำเป็น
3. อย่าประเมินคุณค่าของ Institutional Knowledge ต่ำไป: คุณกระทิงเสริมประเด็นนี้ว่า การเร่งตัดคนออกโดยไม่ไตร่ตรองให้ดี อาจทำให้องค์กรเสียความเข้าใจเชิงบริบทธุรกิจที่สะสมมานาน (Gartner คาดการณ์ว่าภายในปี 2027 บริษัทราว 40% จะต้องจ้างคนเหล่านั้นกลับเข้ามาใหม่ เพราะหาคนแทนไม่ได้)

Risk-Adjusted ROI

ในขณะที่องค์กรส่วนใหญ่ทำ AI สำเร็จแค่ในขั้นพื้นฐาน คือการเอามาช่วยลดต้นทุนและเพิ่มความเร็วในการทำงานหลังบ้าน แต่การก้าวไปสู่ขั้น Invent หรือการนำ AI มาสร้างเป็นโมเดลธุรกิจใหม่เพื่อหาเงินทางใหม่ ๆ ซึ่ง Johannes บอกว่าในโลกนี้ยังทำสำเร็จน้อยมาก แต่พอจะมี 3 กรณีศึกษา ที่เห็นผลจริง ได้แก่

1. เปลี่ยนข้อมูลในมือให้เป็นเงิน โดยเฉพาะองค์กรที่มีข้อมูลมหาศาล อย่างธุรกิจโทรคมนาคมที่นำ GenAI มาขุดและวิเคราะห์ข้อมูลพฤติกรรมลูกค้า เพื่อสร้างเป็นผลิตภัณฑ์หรือบริการใหม่ๆ ออกไปขายทำรายได้เพิ่ม
2. สร้างธุรกิจความปลอดภัยทางไซเบอร์ยุค AI ปรับตัวเป็นผู้ให้บริการระบบคลาวด์ที่ปลอดภัยและระบบป้องกันภัยไซเบอร์สำหรับ AI โดยเฉพาะ เพื่อรองรับองค์กรอื่น ๆ ที่ต้องการความคุ้มครองข้อมูลขั้นสูง
3. ปฏิวัติช่องทางหน้าบ้านด้วย AI Agent เปลี่ยนรูปแบบการปฏิสัมพันธ์กับลูกค้าใหม่ทั้งหมด จากเดิมที่เป็นแค่แชทบอทตอบคำถามพื้นฐาน มาเป็นการใช้ระบบ AI Agent ที่สามารถคิด วิเคราะห์ ปิดการขาย หรือให้บริการแทนคนได้อย่างครบวงจร ซึ่งกลายเป็นช่องทางทำธุรกิจรูปแบบใหม่ไปเลย

จากพฤติกรรมผู้บริโภคที่เปลี่ยนไป สู่โจทย์บริหารความเสี่ยงยุคใหม่

แม้ในอดีตผู้บริโภคส่วนใหญ่จะปฏิเสธการพูดคุยกับ AI (เช่น ในธุรกิจการเงินมีเพียง 7% ที่ยอมรับได้) แต่ Johannes มองว่าความรู้สึกนี้กำลังเปลี่ยนไป เนื่องจากคุณภาพของระบบที่ดีขึ้นอย่างก้าวกระโดด ประกอบกับการก้าวขึ้นมาของกลุ่ม Gen Z และ Millennials ที่เป็น AI Natives ซึ่งโปรดปรานการสื่อสารผ่านระบบดิจิทัลมากกว่าการยกหูโทรศัพท์คุยกับมนุษย์โดยตรง

อย่างไรก็ตาม การปล่อย AI ออกไปเผชิญหน้ากับลูกค้าก็นำมาซึ่งความเสี่ยงมหาศาล เช่น AI Agent ขายสินค้าผิดราคาจนเกิดความเสียหายทั้งทางการเงินและชื่อเสียง องค์กรจึงไม่ควรมองแค่ตัวเลขรายได้ แต่ต้องคำนวณ Risk-Adjusted ROI (การคำนวณผลตอบแทนที่บวกปัจจัยความเสี่ยงเข้าไปด้วย) พร้อมทั้งนำแนวคิด Human-in-the-Loop มาใช้ในจุดตรวจสำคัญ โดยเฉพาะงานที่มีความเสี่ยงสูง อย่างเช่นขั้นตอนการอนุมัติสินเชื่อบ้าน

นอกจากนี้ คุณกระทิงยังได้เตือนถึงผลวิจัยเรื่อง AI Dark Patterns จาก MIT Media Lab ที่พบว่า AI มักมีพฤติกรรมแฝงอันน่ากลัว เช่น การประจบประแจงผู้ใช้, การพยายามทำให้ผู้ใช้เสพติด, มีอคติทางข้อมูล , การพยายามเบี่ยงเบนความตั้งใจของผู้ใช้เพื่อผลประโยชน์ของโมเดล รวมไปถึงประเด็นความปลอดภัยของข้อมูลส่วนบุคคลและทรัพย์สินทางปัญญา

สิ่งเหล่านี้สะท้อนว่าการทรานส์ฟอร์มองค์กรยุคนี้ ไม่ใช่แค่เรื่องของฝ่าย IT หรือฝ่ายดำเนินงานอีกต่อไป แต่เป็นโจทย์ใหม่ที่ทั้ง CEO, CFO และ Chief Risk Officer ต้องเร่งอัปสกิลเข้ามาบริหารจัดการอย่างจริงจัง

เวทีเสวนาในครั้งนี้จึงจบลงด้วยข้อคิดอันทรงพลังจากทั้งสองท่านว่า การทำ AI Transformation ในเวลานี้ แม้จะยากและท้าทาย แต่ก็เป็นโอกาสครั้งสำคัญของผู้นำในการลุกขึ้นมา Disrupt ตัวเอง ก่อนที่จะถูก Disrupt เพื่อสร้างผลงานและมรดกทางธุรกิจที่น่าภาคภูมิใจไว้ให้กับองค์กรและสังคมต่อไป