เจาะเหตุผลใน 30 นาทีกับ BCG องค์กรที่เป็น AI First สำเร็จมักจะคิดแบบนี้

ตัวเลขที่น่าสนใจมากในปี 2026 คือ เงินที่อัดฉีดลงไปในโปรเจกต์ AI เริ่มสูงขึ้นเรื่อย ๆ แต่คำตอบเรื่องผลตอบแทนกลับยังไม่ชัดเจน คำถามสำคัญที่ติดอยู่ในหัวผู้นำทุกคนในเวลานี้ไม่ใช่แค่เราจะใช้ AI ทำอะไร แต่คือ การลงทุน AI ของเราในวันนี้กำลังพาองค์กรไปสู่ ROI ที่จับต้องได้ หรือพาเราไปสู่การลงทุนที่เสียเปล่ากันแน่

ประเด็นร้อนนี้ถูกยกมาถกกันอย่างเข้มข้นในงานเสวนาประจำไตรมาสของ H.O.W. Bangkok (House of Wisdom) ภายใต้หัวข้อ Burning Platform: Corporate Survival Guide in the Age of AI จัดร่วมกับ Boston Consulting Group (BCG)

งานนี้เปิดฉากด้วยผู้บริหารและเจ้าของธุรกิจที่มารวมตัวกันเพื่อหาทางรอด ในบทความนี้ Techsauce ได้สรุปข้อมูลจริงจาก Johannes Goltsche, Managing Director & Partner ประจำสิงคโปร์ของ BCG X ผู้ดูแลงานด้าน Generative AI และ AI-driven Customer Engagement ให้กับลูกค้าระดับภูมิภาคอาเซียนและเอเชียแปซิฟิก ทั้งในกลุ่ม Telco, Media, Tech และ Insurance

ซึ่ง Johannes จะมาเฉลยว่า อะไรคือปัจจัยที่ทำให้บางองค์กรทำ AI Transformation แล้วประสบความสำเร็จได้ ROI มหาศาล ในขณะที่อีกหลายองค์กรกลับล้มไม่เป็นท่า และนี่คือ ข้อสรุปตลอด 30 นาทีเต็มของ Johannes เจาะลึกทุกประเด็นสำคัญจากการสำรวจผู้บริหารหลายพันคนทั่วโลกที่จะเปลี่ยนมุมมองการทำ AI Transformation ของคุณไปตลอดกาล

1. เงินลงทุน AI กำลังพุ่งเป็นเท่าตัว และไม่มีใครคิดจะถอย

ประเด็นแรกที่ Johannes ชี้ให้เห็นคือ ความเชื่อมั่นขององค์กรที่มีต่อ AI นั้นชัดเจนมากอย่างที่ไม่เคยเป็นมาก่อน จากผลสำรวจผู้บริหารเกือบ 2,000 คนทั่วโลกของ BCG พบว่า สัดส่วนการลงทุนด้าน AI เทียบกับรายได้ต่อปีขององค์กรเติบโตแบบก้าวกระโดด

• ปี 2024 สัดส่วนการลงทุนอยู่ที่ 0.6% ของรายได้
• ปี 2025 ขยับขึ้นมาเป็น 0.8% ของรายได้
• ปี 2026 พุ่งขึ้นไปแตะ 1.7% ของรายได้

ตัวเลขนี้แสดงให้เห็นว่าเงินลงทุนใน AI เพิ่มขึ้นมากกว่าเท่าตัวภายในเวลาเพียงปีเดียว และเมื่อเจาะดูรายอุตสาหกรรม จะพบว่าทุกอุตสาหกรรมวางแผนเพิ่มงบประมาณ AI ในปี 2026 ทั้งสิ้น โดยไม่มีกลุ่มไหนเลยที่คิดจะชะลอหรือถอยหลัง

• Technology: เพิ่มจาก 1.2% เป็น 2.1% (ลงทุนสูงที่สุด)
• Financial Institutions: เพิ่มจาก 0.9% เป็น 2.0%
• Insurance: เพิ่มจาก 0.6% เป็น 1.9%
• Energy and Utilities: เพิ่มจาก 0.6% เป็น 1.9%
• Consumer: เพิ่มจาก 0.7% เป็น 1.7%
• Health Care and Medical: เพิ่มจาก 0.8% เป็น 1.6%
• Public Sector: เพิ่มจาก 0.9% เป็น 1.5%
• Communication Services: เพิ่มจาก 1.0% เป็น 1.4%
• Industrials & Real Estate: แม้จะเป็นกลุ่มที่ลงทุนน้อยที่สุด ก็ยังเพิ่มจาก 0.7% เป็น 0.8%
• All Industries (เฉลี่ยทุกอุตสาหกรรม): เพิ่มจาก 0.8% มาอยู่ที่ 1.7%

สิ่งที่ Johannes เน้นย้ำเป็นพิเศษคือตัวเลข 94% ขององค์กรทั่วโลกที่ยืนยันว่าจะยังคงอัดฉีดงบใน AI ต่อไป แม้ว่าผลตอบแทนจะยังไม่สะท้อนกลับมาเป็นกำไรในงบการเงินปี 2026 ก็ตาม 

และเมื่อเจาะดูในกลุ่มที่มีแนวโน้มปรับเปลี่ยนแผนหาก initiative ในปัจจุบันไม่ได้ผลตามคาด มีเพียง 6% เท่านั้นที่คิดจะถอนการลงทุน ขณะที่ 70% เลือกจะเดินหน้าต่อแต่ปรับเปลี่ยนกลยุทธ์ และอีก 24% เลือกที่จะอัดฉีดทรัพยากรและดึงผู้เชี่ยวชาญภายนอกเข้ามาเสริม ตัวเลขเหล่านี้พิสูจน์ว่าผู้นำส่วนใหญ่มอง AI เป็นการลงทุนเชิงโครงสร้างระยะยาว ไม่ใช่โปรเจกต์ทดลองชั่วคราวที่พร้อมจะยกเลิกเมื่อไหร่ก็ได้

2. อำนาจตัดสินใจ AI ย้ายจากห้อง IT ขึ้นไปสู่โต๊ะ CEO

อีกประเด็นคือการเปลี่ยนแปลงเชิงโครงสร้างของการบริหารจัดการในองค์กร ในอดีต เรื่อง AI มักถูกมองว่าเป็นเรื่องเทคนิคและถูกโยนให้เป็นภาระของฝ่าย IT หรือ Chief Information Officer (CIO) คอยขับเคลื่อน แต่ในปี 2026 ภาพนั้นกำลังเปลี่ยนไป

ผลการสำรวจพบว่า 72% ของ CEO ประกาศตนว่าเป็นผู้ตัดสินใจหลักด้าน AI ในองค์กรด้วยตัวเอง ซึ่งเป็นตัวเลขที่พุ่งสูงขึ้นถึง 2 เท่าเมื่อเทียบกับปีก่อนหน้า สาเหตุสำคัญที่ CEO ต้องลงมาคุมกัปตันเรือด้วยตัวเอง เป็นเพราะ 50% ของ CEO ยอมรับตรง ๆ ว่าความมั่นคงในเก้าอี้บริหารของพวกเขา ขึ้นอยู่กับการวางกลยุทธ์ AI ให้องค์กรชี้ใช้นำทางได้ถูกทิศทาง AI จึงไม่ใช่แค่โปรเจกต์เทคโนโลยีอีกต่อไป แต่กลายเป็นเดิมพันสำคัญในตำแหน่งของผู้นำองค์กรเอง

ที่น่าสนใจคือ แม้จะเผชิญแรงกดดันสูง แต่ 82% ของ CEO เหล่านี้กลับมองโลกในแง่ดีเกี่ยวกับศักยภาพของ AI ในการสร้าง ROI มากกว่าปีที่ผ่านมา สะท้อนให้เห็นว่าความกดดันไม่ได้สร้างความหวาดกลัว แต่กลับกลายเป็นแรงผลักดันให้ผู้นำองค์กรเร่งลงมือทำและขับเคลื่อนเชิงรุกอย่างจริงจัง

3 กลยุทธ์ Deploy, Reshape, และ Invent

เพื่อเปลี่ยนเงินลงทุนให้กลายเป็นมูลค่าเชิงธุรกิจ Johannes อธิบายว่าองค์กรทั่วโลกใช้ AI ผ่าน 3 แนวทางหลักเชิงกลยุทธ์ที่ต้องนำมาใช้เสริมกัน ไม่ใช่การเลือกอย่างใดอย่างหนึ่ง

1. Deploy เป็นการนำเครื่องมือ GenAI สำเร็จรูปที่ติดมากับซอฟต์แวร์เดิมมาเปิดใช้งานทันที เพื่อช่วยเพิ่มประสิทธิภาพ ลดงานประจำวัน ลดแรงเสียดทานในการทำงาน และลดความจำเป็นในการจ้างงานเพิ่ม ตัวอย่างที่เห็นได้ชัดคือการใช้ AI สรุปการประชุม การช่วยพัฒนาโค้ด การจัดการปฏิทินนัดหมาย หรือการกระทบยอดใบแจ้งหนี้ วิธีนี้ช่วยเพิ่ม Productivity ได้ราว 10-20% แต่เปรียบเสมือนการเก็บผลไม้ที่ห้อยอยู่ต่ำ (Low-hanging fruit) ที่ทำง่ายแต่ให้มูลค่าไม่มากนัก
2. Reshape เป็นจุดที่องค์กรที่ประสบความสำเร็จจริงทุ่มเทพลังลงไปมากที่สุด คือการนำ AI เข้าไปรื้อโครงสร้างและออกแบบกระบวนการทำงานทั้งสายงานแบบ End-to-End ไม่ว่าจะเป็นฝ่ายออกแบบและวิศวกรรม ฝ่ายการตลาด ฝ่ายบริการลูกค้า หรือฝ่ายเทคโนโลยี แทนที่จะเอา AI ไปติดแปะไว้เป็นจุด ๆ องค์กรต้องกลับไปตั้งคำถามใหม่หมดว่า ทั้งสายงานควรมีหน้าตาอย่างไรในวันที่เรามี AI อยู่ในมือ
3. Invent เป็นการพัฒนาผลิตภัณฑ์ บริการ หรือโมเดลธุรกิจที่เป็น AI-Native ตั้งแต่ต้น เพื่อยกระดับ Value Proposition ให้กับลูกค้าและปลดล็อกโอกาสทางรายได้ใหม่ๆ เช่น การสร้างประสบการณ์ลูกค้าแบบจำเพาะเจาะจงขั้นสุด (Hyper-personalized experience), การพัฒนาสินค้าและบริการที่ขับเคลื่อนด้วย AI, การเปลี่ยนสินทรัพย์ข้อมูลใน Value Chain ให้กลายเป็นรายได้ (Data monetization), หรือการสร้างแพลตฟอร์มนวัตกรรมและข้อมูลเชิงลึก

องค์กรที่คว้า ROI ได้สูงสุด จะไม่หยุดอยู่แค่แนวทางใดแนวทางหนึ่ง แต่จะผสมผสานทั้ง 3 แนวทางเข้าด้วยกัน เพื่อร้อยเรียงไอเดีย AI ไปสู่การทำ Transformation แบบ End-to-End และขยายผลจากการเปลี่ยนแปลงในระดับแผนกไปสู่ Transformation ทั่วทั้งองค์กร

4. ความสามารถของ AI Agent พุ่งขึ้น 1,000 เท่า ใน 30 เดือน

นี่คือสไลด์ที่เรียกเสียงฮือฮาและสร้างความตื่นเต้นที่สุดในงาน คือ การฉายภาพความเร็วของ Agentic AI ผ่านเส้นกราฟ Agent Capability Curve ซึ่งวัดศักยภาพของ AI Agent ที่สามารถคิด วางแผน และลงมือทำงานซับซ้อนต่อเนื่องได้ด้วยตัวเอง เทียบกับความซับซ้อนเชิงเวลา หรือจำนวนชั่วโมงที่มนุษย์ต้องใช้ทำงานชิ้นนั้นโดยไม่ต้องมีคนแทรกแซง

เมื่อย้อนกลับไปในปี 2023 AI Agent ทำงานแทนมนุษย์ได้แค่ระดับภารกิจ 5 นาที ซึ่งเทียบเท่ากับความสามารถของเด็กประถม ต่อมาจึงขยับขึ้นมาทำแทนงานระดับ 1 ชั่วโมงในการช่วยเสริมการทำงานระดับมัธยม และขยับเป็นงานระดับ 10 ชั่วโมงในการช่วยวางแผนระดับพนักงานฝึกงาน 

แต่มาถึงปี 2026 นี้ AI Agent ก้าวกระโดดขึ้นมาทำงานในระดับที่มนุษย์ต้องใช้เวลาถึง 100 ชั่วโมงในการใช้เหตุผลระดับบัณฑิตใหม่ ไปจนถึงงานระดับ 1,000 ชั่วโมงในการสร้างสรรค์นวัตกรรม ซึ่งเทียบเท่ากับศักยภาพของ Mid-level employee ได้อย่างน่าทึ่ง

เส้น Exponential ชี้ว่าในอีกราว 18 เดือนข้างหน้า โลกจะได้เห็น AI Agent ทำงานในระดับการใช้ประสบการณ์และการสั่งสมความเชี่ยวชาญเทียบเท่ามนุษย์ที่ทำงานมา 10,000 ชั่วโมงขึ้นไป ซึ่งเป็นระดับของ Senior

BCG ประเมินว่าการพัฒนาที่พุ่งขึ้นราว 1,000 เท่าในช่วง 30 เดือนนี้ จะช่วยสร้าง Productivity เพิ่มขึ้นให้กับภาคธุรกิจเกินกว่า 30% และส่งผลกระทบต่อ GDP โลกมากกว่า 2% ภายในกรอบเวลา 5 ปีขึ้นไป

รู้จัก 4 โจทย์ความตึงเครียดทางการบริหาร (Strategic Tensions)

ความสามารถที่พุ่งทะยานของ Agent บีบให้ทีมบริหารทุกองค์กรต้องเผชิญกับโจทย์ความตึงเครียดทางการบริหาร 4 คู่สำคัญที่ไม่มีคำตอบถูกผิดตายตัว แต่ต้องบริหารจัดการเพื่อหาจุดสมดุล อาทิ

Scalability vs. Adaptability (การขยายขนาด vs ความยืดหยุ่นในการปรับตัว)

Agentic AI มีความพิเศษคือ มันทำงานได้เป๊ะเหมือนเครื่องจักร แต่ก็ยืดหยุ่นคิดเองได้เหมือนมนุษย์ จุดวัดใจของผู้บริหารคือ 

• ถ้าเลือก Scalability ก็คือการออกแบบ AI ให้เน้นปั๊มงานมาตรฐานซ้ำ ๆ ปริมาณมหาศาล ระบบจะทำงานได้เร็วและประหยัดมาก แต่พอเจอเคสพิเศษที่หลุดจากตำรา AI จะรับมือไม่ถูกทันที
• ถ้าเลือก Adaptability ก็คือการตั้งค่าให้ AI มีความยืดหยุ่นสูง พร้อมแก้ปัญหาเฉพาะหน้าแปลก ๆ ได้ดี แต่มันจะกินพลังงาน ประมวลผลช้าลง และควบคุมมาตรฐานได้ยากขึ้น

โจทย์ของผู้บริหาร คือ ต้องเลือกว่างานไหนควรใช้ AI แบบหุ่นยนต์ทำตามกฎ เพื่อเน้นปริมาณ และงานไหนควรใช้ AI แบบพนักงานแก้ปัญหาเฉพาะหน้า เพื่อเน้นความยืดหยุ่น

Experience vs. Expediency (ประสบการณ์สั่งสม vs ความรวดเร็วในการเห็นผล)

ความตึงเครียดระหว่างผลงานด่วน กับความเก่งที่แท้จริง

• Expediency (เอาเร็วไว้ก่อน): คือการไปหยิบเครื่องมือ AI สำเร็จรูปมาเปิดใช้เลย วันนี้ใช้ พรุ่งนี้เห็นผล พนักงานตื่นเต้น ได้ผลงานระยะสั้นทันที แต่มันจะเก่งได้แค่ระดับพื้นฐานเท่าที่ซอฟต์แวร์แถมมาให้
• Experience (เน้นสั่งสมประสบการณ์): คือการยอมเสียเวลาและงบประมาณ อัดข้อมูลองค์กร สอนงาน และสั่งสมเคสจริงให้ AI เรียนรู้อย่างต่อเนื่อง ซึ่งช่วงแรกอาจดูช้าและไม่เห็นผลทันตา แต่ในระยะยาว AI ตัวนี้จะกลายเป็นสินทรัพย์ที่มีมูลค่ามหาศาล เพราะมันเข้าใจบริบทธุรกิจของคุณชนิดที่คู่แข่งซื้อตามไม่ได้

Supervision vs. Autonomy (การกำกับดูแล vs ความเป็นอิสระ)

เมื่อพนักงานทุกฝ่ายสามารถสร้าง AI Agent ขึ้นมาช่วยงานตัวเองได้ ระบบการคุมงานแบบเดิมจะใช้ไม่ได้อีกต่อไป หากจะคุม 100% ให้มนุษย์คอยตรวจสั่งการ AI ทุกก้าว ก็จะปลอดภัย ไม่มีทางหลุด แต่ผลที่ได้คือ งานช้าเท่าเดิม และ AI แทบไม่ได้ช่วยประหยัดเวลา

แต่ถ้าจะปล่อย 100% ปล่อยให้ AI วิ่งทำงานเองหมดโดยไม่มีคนดู งานอาจจะเร็วปรี๊ด แต่ถ้ามันตัดสินใจพลาดขึ้นมา ความเสียหายอาจหลุดไปถึงลูกค้าทันที

โจทย์ของผู้บริหาร จึงเป็นการเลิกคิดแบบสุดโต่งว่าจะคุมหมดหรือปล่อยหมด แล้วเปลี่ยนมาใช้ Blended Model คือการกาง Workflow งานออกมา แล้วจิ้มเลือกให้ชัดว่า จุดไหนปล่อยให้ AI ลุยเองได้เลย และจุดไหนที่เป็นจุดสุ่มเสี่ยงที่ยังต้องมีคนคอยอนุมัติ (Human-in-the-loop)

Retrofit vs. Reengineer (การดัดแปลงของเดิม vs การรื้อออกแบบใหม่)

1. Retrofit: กระบวนการทำงานเดิมเทอะทะและมีขั้นตอนซ้ำซ้อนอย่างไร ก็แค่เอา AI เข้าไปแทรกใส่เป็นจุด ๆ เพื่อช่วยทุ่นแรง วิธีนี้ทำง่าย พนักงานไม่ต้องปรับตัวเยอะ เห็นผลผลิตขยับขึ้นเล็กน้อยทันที แต่โครงสร้างความซับซ้อนที่ยุ่งเหยิงก็ยังคงอยู่เหมือนเดิม
2. Reengineer: ยอมถอยออกมาหนึ่งก้าว ลบภาพกระบวนการทำงานเดิม ๆ ทิ้งไปให้หมด แล้วตั้งคำถามใหม่ว่า ถ้าวันนี้เรามี AI Agent ตั้งแต่วันแรก กระบวนการทำงานที่ดีที่สุดในโลกควรมีหน้าตาอย่างไร? วิธีนี้ต้องใช้เวลา ต้องรับมือกับการต่อต้านของพนักงาน แต่เป็นทางเดียวที่จะปลดล็อก Productivity Gains มหาศาลระดับเปลี่ยนโฉมองค์กร

ผู้นำ 3 กลุ่มและวงจร Trailblazer Flywheel

จากการสำรวจผู้บริหารทั่วโลก BCG ได้จัดหมวดหมู่ผู้นำองค์กรออกเป็น 3 กลุ่ม ตามระดับความเชื่อมั่น งบลงทุน การอัพสกิลพนักงาน และความพร้อมในการรับมือ AI ได้แก่

1. Followers (ประมาณ 15%): เป็นกลุ่มผู้ตามที่ยังระมัดระวัง แม้จะตระหนักถึงศักยภาพของ AI แต่ยังขาดความเชื่อมั่นเต็มร้อย ทำให้การลงทุนยังจมอยู่กับการทดลองโครงการนำร่องเล็กๆ (POC)
2. Pragmatists (ประมาณ 70%): เป็นกลุ่มคนส่วนใหญ่ที่มีความตื่นเต้นและมั่นใจใน AI แต่จะยอมควักเงินลงทุนก็ต่อเมื่อเห็นกรณีศึกษาที่สำเร็จชัดเจนและความเสี่ยงต่ำเท่านั้น (เน้นรอดูคนอื่นทำก่อน)
3. Trailblazers (ประมาณ 15%): เป็นกลุ่มผู้นำบุกเบิกที่ขับเคลื่อน AI Transformation ผ่านการลงทุนที่เด็ดขาด การอัพสกิลพนักงานอย่างรวดเร็ว และมีความเชื่อมั่นสูงมากใน ROI ของ AI

สิ่งที่แยกกลุ่ม Trailblazers ออกจากกลุ่มอื่นไม่ใช่เรื่องเงินทุน แต่คือการหมุนวงจรป้อนกลับเชิงบวก 5 ขั้นตอน หรือ Trailblazer Flywheel อย่างต่อเนื่อง อาทิ

1. Make AI and agentic AI your key priority: สถาปนาให้ AI เป็นเป้าหมายอันดับหนึ่งเพื่อ Disrupt ตัวเองก่อน โดย 24% ของ Trailblazers ตั้งเป้าเร่งความเร็ว AI เป็นวาระสูงสุด
2. Deepen AI literacy: ผู้นำยอมลงทุนเวลาส่วนตัวศึกษา AI เชิงลึกเพื่อนำการ Transformation ได้อย่างมีประสิทธิภาพ โดย 65% ของ Trailblazers ใช้เวลามากกว่า 6 ชั่วโมงต่อสัปดาห์ในการเพิ่มพูนความเชี่ยวชาญ AI
3. Commit investments, do less: โยกงบประมาณและสิทธิ์การตัดสินใจเพื่อลงทุน AI ข้ามสายงานขนาดใหญ่แบบมุ่งเป้า โดย 87% ของ Trailblazers อัดฉีดงบลงทุน AI มากกว่า 50 ล้านดอลลาร์สหรัฐในปี 2026
4. Upskill and evolve the org: รื้อบทบาทหน้าที่ Workflow และทักษะพนักงานใหม่ทั้งหมด โดย 92% ของ Trailblazers ทำการ Up-skill พนักงานเกินครึ่งองค์กร
5. Track measurable ROI from AI: ปรับ KPI เพื่อติดตามผลกระทบและสร้าง ROI ที่ยั่งยืน ทำให้ 64% ของ Trailblazers มั่นใจสูงมากว่ากลยุทธ์ AI จะคุ้มค่า

เมื่อหมุนครบรอบ ผลลัพธ์และ ROI ที่วัดได้จริงจะถูกนำกลับไปใช้อัดฉีดการลงทุนในลำดับถัดไป กลายเป็นวงจรหมุนส่งพลังที่สร้างความได้เปรียบเหนือกคู่แข่งอย่างทวีคูณ

สูตรลับ 10/20/70 ที่องค์กรต้องรู้

ปิดท้ายด้วยการฉายภาพโมเดลภูเขาน้ำแข็งที่ Johannes เน้นย้ำว่า การปรับใช้ AI ให้ประสบความสำเร็จอย่างแท้จริง ต้องอาศัยองค์ประกอบ 3 ส่วน แต่ส่วนสำคัญที่สุดซึ่งเปรียบเสมือนส่วนน้ำแข็งที่จมอยู่ใต้ผิวน้ำ และเป็นปัจจัยชี้ขาดความสำเร็จกลับไม่ใช่เรื่องของอัลกอริทึม

องค์กรที่ทำสำเร็จจะแบ่งน้ำหนักการทุ่มเททรัพยากรออกเป็น 3 ส่วน คือ

1. โมเดล AI / อัลกอริทึม = 10% หมายความว่า โมเดล GenAI เก่ง ๆ อย่าง ChatGPT, Claude หรือ Gemini เป็นสิ่งที่ใครๆ ก็ซื้อหรือใช้ได้เหมือนกันหมด มันคือตัวเครื่องยนต์ที่คุณแค่จ่ายเงินก็ดึงมาใช้ได้ทันที การทุ่มเงินหรือเวลาไปไล่ตามหาแค่ว่า "จะใช้โมเดลตัวไหนดีที่สุด" จึงมีผลต่อความสำเร็จขององค์กรแค่ 10% เท่านั้น เพราะคู่แข่งคุณเขาก็เข้าถึงเทคโนโลยีนี้ได้ไม่ต่างกัน
2. เทคโนโลยี IT และโครงสร้างข้อมูล = 20% หมายความว่า ต่อให้คุณมี AI เก่งแค่ไหน แต่ถ้าไม่มีข้อมูลองค์กรที่จัดเก็บอย่างเป็นระบบไปป้อนให้มัน AI ก็จะตอบมั่ว ดังนั้น ระบบ IT และ Data ที่ดีจึงเป็นฐานรองรับที่จำเป็น แต่น้ำหนักความสำคัญก็ยังอยู่แค่ 20%
3. คนและกระบวนการ = 70%  หมายความว่า การรื้อวิธีทำงานเดิม ออกแบบ Workflow ใหม่ เทรนพนักงานให้ใช้นวัตกรรมเป็น กำหนดกฎการควบคุมไม่ให้ AI ทำงานหลุดกรอบ และการบริหารจัดการคนในองค์กรไม่ให้ต่อต้าน คือภูเขาน้ำแข็งส่วนใหญ่ที่จมอยู่ใต้น้ำ และเป็นตัวตัดสินผลแพ้ชนะถึง 70% ต่อให้คุณมี AI ที่ดีที่สุดในโลก (10%) และมีโครงสร้างระบบ IT ที่พร้อมที่สุด (20%) แต่ถ้าพนักงานใช้งานสิ่งนั้นไม่เป็น ฃ หรือไม่มีกฎกติกาที่ชัดเจน องค์กรก็ไม่มีทางวิ่งไปถึงเส้นชัยได้ และอาจชนพังยับตั้งแต่วันแรก

คำถามสำคัญที่ Johannes ทิ้งไว้ให้ผู้นำทุกคนกลับไปครุ่นคิดในวันนี้ จึงไม่ใช่การตั้งรับว่า AI จะฉลาดขึ้นแค่นไหน แต่คือการหันกลับมาตั้งคำถามว่า วันนี้องค์กรของเราพร้อมแล้วหรือยังที่จะเปิดพื้นที่ ทุ่มเทหัวใจให้กับเรื่อง 'คนและกระบวนการ' เพื่อปูทางสู่ความสำเร็จในการสร้าง ROI ที่ยั่งยืน