ธุรกิจ 80% ลงทุน AI แล้วไม่รุ่ง เหมือนขับ F1 บนถนนยุค 1880 ต่อให้เหยียบให้สุดก็เร็วไม่ได้ เพราะโครงสร้างพื้นฐานไม่พร้อม

กระแส AI ตอนนี้เรียกได้ว่าถูกพูดถึงในทุกวงการธุรกิจ แต่ความจริงที่น่าตกใจจากเวที World Economic Forum (Summer Davos 2026) ที่เมืองต้าเหลียน ประเทศจีน กลับบอกเราว่า กว่า 80% ของบริษัททั่วโลกยังไม่เห็นผลลัพธ์ที่เป็นชิ้นเป็นอันจากการลงทุนด้าน AI ในช่วง 3 ปีที่ผ่านมา

เซสชัน AI Everywhere, Not at Once ที่จัดร่วมกับ Bloomberg News หยิบเอาความย้อนแย้งนี้มาเปิดประเด็น โดยมี Stephen Engle ผู้สื่อข่าวอาวุโสจาก Bloomberg รับหน้าที่ดำเนินรายการ เขาตั้งข้อสังเกตว่า ตอนนี้บริษัท Tech ยักษ์ใหญ่ ทุ่มเงินระดับล้านล้านเหรียญ เพื่อสร้างโครงสร้างพื้นฐาน AI แต่ทำไมในมุมของคนเอามาใช้งานจริง ถึงยังสเกลให้เกิดอิมแพคระดับองค์กรได้ยากนัก ?

บทความนี้ Techsauce จะพามาดูอินไซต์จากเหล่าผู้นำและผู้เชี่ยวชาญระดับโลกกัน

ขับรถ F1 บนถนนยุค 1880 แปลว่าปัญหาไม่ได้อยู่ที่ AI ไม่เก่ง แต่อยู่ที่ความพร้อม

เวลาใช้งาน AI แล้วไม่ได้ดั่งใจ คนส่วนใหญ่มักจะไปโทษว่าโมเดลยังไม่ฉลาดพอ แต่ Roli Agrawal Chief Strategy Officer จาก NTT DATA มองต่างออกไป เธอบอกว่าข้อจำกัดใหญ่สุดตอนนี้คือ โครงสร้างพื้นฐาน (Infrastructure) การเอา AI ล้ำ ๆ มาใช้ในองค์กรที่ระบบยังล้าหลัง ก็เหมือนเราพยายามขับรถแข่ง Formula 1 บนถนนขรุขระยุค 1880 ขับให้ตายก็เร็วไม่ได้ แถมพอจะวิ่งข้ามพรมแดนก็ต้องเจอกับกำแพงกฎหมายข้อมูล (Data Sovereignty) ที่แต่ละประเทศตั้งไว้ไม่เหมือนกันเลย

เรื่องนี้ตรงกับมุมมองของ Xue Lan คณบดีจาก Schwarzman College, Tsinghua University ที่บอกว่า ปรากฏการณ์แบบ DeepSeek ทำให้คนทั้งโลกแห่ไปโฟกัสแต่การแข่งกันสร้าง Frontier Models จนลืมคิดถึงการเอามาใช้งานจริงในวงกว้าง เขาเปรียบเทียบว่าตอนมนุษย์สร้างรถยนต์ได้แรก ๆ เราก็ไม่ได้ขับกันเกลื่อนเมืองทันที เพราะมันต้องรอสร้างถนน สร้างปั๊มน้ำมัน และต้องมีใบขับขี่เพื่อคุมความปลอดภัย ซึ่งในโลกของ AI โครงสร้างพื้นฐานและกฎระเบียบเหล่านี้ยังวิ่งตามเทคโนโลยีไม่ทันเอาเสียเลย

กฎ 1-2-3-4 และการเรียนรู้แบบกระโดดลงน้ำ

แล้วจะลงทุน AI ยังไงไม่ให้เจ็บตัวฟรี ? 

Roli Agrawal เสนอ Framework ที่จำง่ายแต่นำไปใช้ได้จริงคือ "กฎ 1-2-3-4" เธอแนะนำว่า 

ถ้าองค์กรจ่ายเงิน 1 ดอลลาร์เพื่อสร้าง AI 
จะต้องเตรียมเงินอีก 2 ดอลลาร์เพื่อทำ Change Management ปรับกระบวนการทำงานและเทรนคน 
จ่ายอีก 3 ดอลลาร์เพื่อวางระบบการกำกับดูแล (Governance) ไม่ให้ AI ทำงานหลุดกรอบ 
และก้อนใหญ่สุด 4 ดอลลาร์ ต้องทุ่มไปกับการจัดการข้อมูล (Data Readiness) 

เพราะถ้าดันทุรังเอา AI ไปรันบนข้อมูลที่เละเทะ ผลลัพธ์ที่ได้ก็จะออกมาเละเทะแถมยังสร้างความเสียหายได้เร็วกว่าเดิม

แต่ในมุมของคนฝั่ง Operation อย่าง Feng Junlan Chief Scientist จาก China Mobile กลับบอกว่า องค์กรอย่ามัวแต่รอให้ทุกอย่างเพอร์เฟกต์แล้วค่อยเริ่ม เธอเชื่อในการเรียนรู้แบบกระโดดลงมหาสมุทร องค์กรไม่จำเป็นต้องรอให้ดาต้าหรือระบบพร้อม 100% ให้เลือกระบบงานที่สร้างผลกระทบต่อธุรกิจจริง ๆ แล้วเอา AI ไปลองใช้ ค่อย ๆ แก้ปัญหาไปพร้อมกับการลงมือทำ ซึ่งวิธีนี้พิสูจน์มาแล้วจากการที่ China Mobile นำ AI มาช่วยงาน Customer Care จนสามารถลดพนักงานคอลเซ็นเตอร์ลงได้ถึง 50% ภายใน 3 ปี เธอเน้นย้ำว่า ความเสี่ยงที่น่ากลัวที่สุดตอนนี้ไม่ใช่การทดลองแล้วพลาด แต่คือการไม่ยอมทำอะไรเลยต่างหาก

คำถามที่ว่า AI จะแย่งงานไหม ท้ายที่สุดคนคือตัวกำหนดความเร็ว

พอเทคโนโลยีไปไว คำถามคลาสสิกที่ตามมาคือ "คนจะตกงานไหม?" Jonas Prising CEO ของ ManpowerGroup ให้มุมมองที่น่าสนใจว่า จริงๆ แล้วความเร็วในการสเกล AI ในองค์กร ไม่ได้ขึ้นอยู่กับว่าเทคโนโลยีล้ำแค่ไหน แต่มันขึ้นอยู่กับความเชื่อมั่นของคนทำงานต่างหาก ถ้าพนักงานไม่รู้สึกว่า AI จะมาช่วยให้ชีวิตและงานของเขาดีขึ้น การเปลี่ยนผ่านในองค์กรก็จะเกิดแรงต้านและเป็นไปได้ยาก

เขามองว่า AI จะเข้ามาในฐานะผู้ช่วยเพื่อดึงศักยภาพมนุษย์ มากกว่าจะมาแย่งงานแบบเบ็ดเสร็จ ในโลกที่ AI เขียนโค้ดหรือวิเคราะห์ข้อมูลพื้นฐานได้เก่งกว่า ทักษะซอฟต์สกิลที่เป็นเอกลักษณ์ของมนุษย์ เช่น ความคิดสร้างสรรค์ การใช้วิจารณญาณ และการสื่อสาร จะยิ่งมีค่าและเป็นที่ต้องการมากขึ้น

ส่วนประเด็นที่คนรุ่นใหม่หรือเด็กจบใหม่หางานยากในช่วงนี้ เขามองว่าเป็นผลกระทบจากวัฏจักรเศรษฐกิจที่ซบเซา มากกว่าจะเป็นเพราะ AI เข้ามาแย่งงานระดับเริ่มต้น

ในช่วงท้ายของเซสชัน ทุกคนต่างเห็นตรงกันว่า อนาคตของ AI ต้องมุ่งไปที่ความยั่งยืนและการเข้าถึงที่เท่าเทียม Feng Junlan เชื่อว่าในอนาคตต้นทุนการรันโมเดล AI จะต้องถูกลงเรื่อย ๆ จนแทบจะเข้าใกล้ศูนย์ เหมือนที่เราใช้ 5G กันเป็นเรื่องปกติในตอนนี้ ขณะที่ Xue Lan ก็ชี้ให้เห็นถึงพลังของ Open Source AI ที่จะเปิดประตูให้ประเทศกำลังพัฒนาสามารถสร้างโซลูชันด้านสาธารณสุขหรือการศึกษาของตัวเองได้ โดยไม่ต้องรอพึ่งพาระบบราคาแพง

ภาพรวมทั้งหมดจึงเป็นไปตามที่ Stephen Engle สรุปทิ้งท้ายไว้ว่า การก้าวสู่ยุค AI แบบเต็มตัว มันไม่ได้เกิดขึ้นพร้อมกันในพริบตา แต่มันคือเส้นทางการเปลี่ยนผ่านที่ต้องอาศัยกลยุทธ์ การจัดการข้อมูล เตรียมคนให้พร้อมเปิดรับเทคโนโลยี และที่สำคัญคือต้องลงมือทำ เพื่อเปลี่ยนเงินลงทุนมหาศาลให้กลายเป็นผลลัพธ์ทางธุรกิจที่จับต้องได้จริง ไม่ใช่แค่การซื้อเทคโนโลยีตามกระแสแล้วจบไป

บทความนี้เรียบเรียงจากเซสชัน AI Everywhere, Not at Once ในงาน World Economic Forum (Summer Davos 2026) ณ เมืองต้าเหลียน