9 เรื่องที่ผู้บริหารต้องเข้าใจก่อนลงทุน Agentic AI พร้อมแนวทางปรับใช้ทั้งองค์กร และการวัด ROI อย่างเป็นรูปธรรม

โลกของเราเข้าสู่ยุคของ Agentic AI กันอย่างเต็มตัว

เชื่อว่าหลายองค์กรไทยลงทุนกับ AI มาหลายปีแล้ว บางที่เริ่มจาก RPA บางที่ลองทำ chatbot บางที่ไปไกลถึงขั้นสร้างระบบของตัวเอง แต่ภาพที่เกิดขึ้นซ้ำๆ คือระบบทำงานได้ดีในขอบเขตที่วางไว้ แต่พอเจอสถานการณ์ที่ไม่ได้คาดไว้ล่วงหน้า ทุกอย่างก็หยุดชะงัก แล้วก็วนกลับมาที่คนเหมือนเดิม

พูดง่ายๆ คือ การวัดประสิทธิภาพของ AI ไม่ใช่ความฉลาด แต่คือความสามารถในการปรับตัว  แล้ว AI ของเราปรับตัวได้ดีแค่ไหนกัน? เราเอาคำถามนั้นไปนั่งคุยกับคุณแดนพบ ไพโรจน์บริบูรณ์ และคุณธิติ สุนทรขจิต สองผู้จัดการอาวุโสจาก ABeam Consulting ที่คลุกคลีอยู่กับการเปลี่ยนผ่านองค์กรไทยสู่ยุค AI มานานพอที่จะรู้ว่าอะไรได้ผลจริง 

บทสนทนาครั้งนี้จะพาทุกคนไปเข้าใจอีกด้านหนึ่งของสิ่งที่เรียกว่า Agentic AI ซึ่งการนำไปใช้มันไม่ใช่แค่การเปลี่ยนไปใช้ AI ตัวใหม่ แต่มันต้องเริ่มจากการมีวิธีคิดใหม่ทั้งหมดเกี่ยวกับการทำงานร่วมกับเครื่องจักร

1. ทำไม Agentic AI ถึงกลายเป็นเรื่องที่ไม่เริ่มไม่ได้

หากจะเข้าใจว่าทำไม Agentic AI ถึงกลายเป็นเรื่องที่ไม่เริ่มไม่ได้ในพ.ศ. นี้ เราต้องย้อนกลับไปในปี 2020 ปีที่โลกทั้งใบหยุดชะงักกะทันหัน

วันที่โลกล็อกดาวน์กะทันหัน บริษัทที่เคยมีพนักงานนั่งทำงานด้วยกันเป็นร้อยคนต้องกระจายออกไปทำงานจากบ้านภายในสัปดาห์เดียว และนั่นคือจุดที่หลายองค์กรพบว่า เส้นเลือดใหญ่ของธุรกิจผูกติดอยู่กับงานรูทีนที่มองไม่เห็น แผนกบัญชีที่ต้องคีย์อินวอยซ์ แผนกจัดซื้อที่ต้องจับคู่เอกสาร หรืองานคัดแยกรายงานรายวัน สิ่งเหล่านี้กลายเป็นคอขวดทันทีเมื่อไม่มีคนมานั่งกดคอมพิวเตอร์ให้

นั่นคือจุดเริ่มต้นที่ทำให้ RPA (Robotic Process Automation) แจ้งเกิดอย่างเต็มตัวในไทย

"ช่วงนั้นธุรกิจ RPA บูมมากเลย" คุณแดนเล่า เพราะเขาอยู่ในวงการนี้มาตั้งแต่ก่อนโควิดและเห็นภาพการเปลี่ยนแปลงมาตลอด "RPA มันเข้ามาตอบโจทย์ได้พอดีเลย เพราะงานพวกนี้มันคืองานซ้ำๆ ที่มีกฎชัดเจน ถ้าเอกสารเข้ามาแบบนี้ ให้ดึงข้อมูลตรงนี้ออกมา แล้วก็คีย์ลงระบบตรงนั้น มันทำได้ทั้งคืนโดยไม่ต้องนอน ทุกคนก็รู้สึกว่าปัญหาได้รับการแก้ไขแล้ว นี่แหละคือทางออก"

แต่แล้ว... รอยร้าวที่ไม่มีใครคาดคิดก็เริ่มปรากฏขึ้น

งานในโลกความจริง มันไม่ได้เดินตามกฎเสมอไป นี่คือสิ่งที่คุณแดนเจอมากับตัว และมันคือจุดอ่อนของ RPA ที่กลายเป็นกำแพงใหญ่ โดยคุณแดนได้ยกตัวอย่างว่า “สมมติ Bot ถูกตั้งให้อ่านใบแจ้งหนี้แบบเดิมมาตลอด แต่วันดีคืนดีซัพพลายเออร์ดันเปลี่ยนดีไซน์หัวกระดาษใหม่ Bot จะงงทันที เพราะมันถูกสอนมาให้มองแค่จุดเดิม พอหาไม่เจอ มันก็หยุดทำงานค้างไว้แบบนั้นจนกว่าจะมีคนมาแก้”

ด้านคุณธิติได้เสริมถึงปัญหาที่ใหญ่กว่านั้น นั่นคือเรื่องการซ่อมบำรุงที่กลายเป็นต้นทุนแฝงมหาศาล เพราะปัญหาคือ Bot แต่ละตัวต้องมีคนดูแลประคบประหงม พอระบบ ERP อัปเดตเวอร์ชัน หรือหน้าตาโปรแกรมเปลี่ยนไปนิดเดียว Bot ที่เคยฉลาดจะพังทันที องค์กรที่มี Bot 200 ตัว เลยกลายเป็นว่าต้องมีทีมไอทีขนาดใหญ่คอยไล่ซ่อม Bot หล่านั้นตลอดเวลา

นั่นคือรอยต่อสำคัญที่ทำให้ ABeam Consulting เห็นว่า ถึงเวลาแล้วที่เราต้องเลิกหาแค่มือที่ทำงานไว แต่ต้องมองหาสมองอย่าง Agentic AI ที่จะเข้ามาคุมมือเหล่านี้ให้ทำงานได้อย่างยืดหยุ่นจริง ๆ

2. Bot กับ Agent ต่างกันยังไง และทำไมมันถึงสำคัญมาก

ก่อนที่จะไปต่อ คุณแดนขอหยุดอธิบายความแตกต่างที่เขาบอกว่าสำคัญมากและหลายคนยังสับสนอยู่ "ผมเห็นบ่อยมากที่คนพูดคำว่า Bot กับ Agent สลับกัน ราวกับมันเป็นเรื่องเดียวกัน แต่จริงๆ แล้วมันต่างกันโดยสิ้นเชิงในแง่ของความสามารถ"

คุณแดนอธิบายว่า Bot คือการทำงานแบบ rule-based ล้วน ๆ นักพัฒนาต้องเขียนทุก branch ทุก if-then ไว้ล่วงหน้าทั้งหมด ถ้าเอกสารมาแบบ A ให้ทำขั้นตอน 1, 2, 3 ถ้าเอกสารมาแบบ B ให้ทำขั้นตอน 4, 5, 6 แต่ถ้าเอกสารมาแบบ C ที่ไม่ได้เขียนไว้ Bot ก็ไม่รู้จะทำอะไร

ซึ่ง Agent มันต่างออกไป Agent เป็น AI ที่มี skill เฉพาะทาง ที่ปรับตัวได้ โดยความสามารถนี้ขึ้นอยู่กับ 3 ปัจจัย: Guideline ที่มีเป้าหมายที่ชัดเจน ข้อมูลที่สอดคล้องกับบริบท และการเรียนรู้อย่างต่อเนื่องเราไม่ต้องบอกมันว่าต้องทำขั้นตอนอะไรบ้าง เราแค่บอกว่า นี่คืองานของคุณ นี่คือขอบเขต และนี่คือผลลัพธ์ที่อยากได้ แล้วทาง Agent จะคิดเองว่าจะไปถึงตรงนั้นได้ยังไง มันวางแผนเองได้ ตัดสินใจเองได้เมื่อเจอสถานการณ์ที่ไม่ได้คาดไว้ 

ด้านคุณธิติเสริมให้เห็นภาพที่ชัดขึ้น คือ ให้ลองนึกภาพว่าเราจ้างพนักงานใหม่มาดูแลงานในแผนกหนึ่ง ถ้าเป็น RPA ก็เหมือนกับเราต้องเขียน Standard Operating Procedure (SOP) หรือขั้นตอนการปฏิบัติงานที่เป็นมาตรฐานละเอียดยิบให้เขาทำตาม และทุกครั้งที่มีสถานการณ์ใหม่เราก็ต้องเพิ่ม SOP ใหม่เข้าไป แต่ถ้าเป็น Agent ก็เหมือนกับเราบอกพนักงานคนนั้นว่า คุณดูแลแผนกนี้นะ นี่คือนโยบายของบริษัท นี่คือสิ่งที่ห้ามทำ ส่วนที่เหลือคุณจัดการได้เลย เพราะเขามีความสามารถพอที่จะตัดสินใจได้เอง

นั่นคือจุดเปลี่ยนที่องค์กรควรหันมามอง Agentic AI อย่างจริงจัง เพราะโลกธุรกิจจริง ๆ เต็มไปด้วยสถานการณ์ที่ไม่มีใครเขียน SOP เตรียมไว้ให้ ลูกค้าร้องเรียนมาในรูปแบบที่ไม่เคยเห็น เอกสารมาไม่ครบแต่มีข้อมูลพอที่จะประมวลผลต่อได้ เงื่อนไขสัญญาเปลี่ยนกลางคัน สถานการณ์เหล่านี้คือสิ่งที่ทำให้ RPA หยุดทำงานทุกครั้ง แต่คือสิ่งที่ Agent รับมือได้โดยไม่ต้องรอให้ใครมาบอก

3. ลงทุน RPA ไปแล้วมหาศาล แล้วต้องทิ้งทั้งหมดเลยไหม?

ผู้บริหารหลายคนลงทุนกับ RPA ไปเยอะแล้ว พอเราพูดถึง Agentic AI เขาก็จะถามทันทีว่า แปลว่าของเดิมใช้ไม่ได้แล้วใช่ไหม? ต้องรื้อใหม่ทั้งหมดเลยหรือเปล่า?

ด้านคุณธิติให้คำตอบกับเรื่องนี้ว่า "RPA คือมือ Agentic AI คือสมอง เราไม่ได้ทิ้งมือที่ลงทุนไป แค่ใส่สมองที่ฉลาดขึ้นมาควบคุมมันให้ทำงานได้เต็มศักยภาพต่างหาก"

คุณธิติขยายความต่อว่าในทางเทคนิคผลิตภัณฑ์ RPA รายใหญ่ในตลาดตอนนี้ได้ยกระดับตัวเองมารองรับการทำงานร่วมกับ AI Agent เรียบร้อยแล้ว Bot ที่สร้างไว้ยังคงทำงานได้เหมือนเดิม เพียงแต่มีชั้นของ AI Agent เพิ่มขึ้นมาด้านบน ที่ทำหน้าที่ตัดสินใจว่าสถานการณ์แบบนี้ควรทริกเกอร์ Bot ตัวไหน ลำดับไหนก่อนหลัง และถ้าเกิด Exception ขึ้นมาจะจัดการยังไง

4. เมื่อการนำ AI มาใช้ล้มเหลวซ้ำแล้วซ้ำเล่า ต้องทำยังไงถึงจะข้ามผ่านได้

"ผมเห็นแพทเทิร์นนี้ซ้ำๆ มาหลายปีแล้ว และส่วนใหญ่ปัญหามันไม่ได้อยู่ที่เทคโนโลยี มันอยู่ที่วิธีที่องค์กรเริ่มต้นโครงการ"

นี่คือประโยคแรกที่คุณแดนบอกกับทาง Techsauce เพราะความผิดพลาดที่พบบ่อยที่สุดคือการมองโจทย์เป็นแค่จุดเล็กๆ จุดเดียว ยกตัวอย่างที่คุณแดนเจอบ่อย ๆ คือ บริษัทมาบอกว่าอยากใช้ AI เพื่ออ่านใบแจ้งหนี้หรือใบส่งสินค้าแล้วคีย์ข้อมูลเข้าระบบ ฟังดูเหมือนโจทย์ที่ชัดเจน แต่เขามักถามกลับเสมอว่า "แล้วหลังจากคีย์เข้าระบบแล้ว มันไปไหนต่อ?"

เพราะใบแจ้งหนี้ที่คีย์เข้าระบบแล้วมันไม่ได้จบแค่นั้น ขั้นต่อไปคือต้องนำไปจับคู่กับใบสั่งซื้อที่เคยออกไปก่อนหน้าว่าตรงกันไหม ราคาตรงไหม จำนวนตรงไหม ถ้าตรงก็ต้องอนุมัติจ่ายเงิน ถ้าไม่ตรงก็ต้องส่งกลับไปให้ฝ่ายจัดซื้อตรวจสอบ แล้วถ้าจ่ายเงินแล้วก็ต้องบันทึกบัญชี แจ้ง vendor แล้วก็ปิด case ทั้งหมดนี้คือกระบวนการที่เชื่อมกันอยู่ทั้งหมด แต่ถ้าเราทำ AI แค่ตอนอ่านใบแจ้งหนี้จุดเดียว ส่วนที่เหลือก็ยังต้องให้คนทำอยู่ดี ซึ่งแปลว่าเราได้คุณค่าน้อยมาก

คุณธิติเสริมว่านี่คือความแตกต่างระหว่างการมอง AI เป็นเครื่องมือกับการมอง AI เป็นพนักงาน "ถ้าเราจ้างพนักงานใหม่เข้ามา เราไม่ได้บอกว่าหน้าที่คุณคืออ่านอีเมลแล้วก็หยุด เราบอกว่าหน้าที่คุณคือดูแลกระบวนการ Accounts Payable ทั้งหมดตั้งแต่รับใบแจ้งหนี้จนถึงจ่ายเงินได้ ถ้าเรามอง AI แบบเดียวกัน เราจะได้คุณค่าที่ต่างกันอย่างสิ้นเชิง"

การใช้แนวคิดแบบนี้ที่  ABeam Consulting เรียกว่า end-to-end process view คือ ไม่มองว่างานชิ้นไหนสมเหตุสมผลที่จะ automate แต่มองว่ากระบวนการทั้งสายตั้งแต่ต้นจนจบมีหน้าตาเป็นยังไง และตรงไหนบ้างที่ AI สามารถเข้าไปช่วยได้มากที่สุด เพราะบางครั้งคำตอบก็คือ AI ไม่ได้ช่วยได้ทุกจุด บางจุดต้องการคนจริง ๆ อยู่ดี แต่ถ้าเรามองทั้งกระบวนการ เราจะรู้ว่าควรเอา AI ไปวางตรงไหนถึงจะได้ผลมากที่สุด และที่สำคัญกว่านั้นคือเราจะรู้ว่าจุดใดที่ถ้าทำแล้วมันจะส่งผลต่อทั้งสายงาน ไม่ใช่แค่จุดเดียว

5. Agentic AI ปลอดภัยกับองค์กรจริงไหม?

ความกังวลที่ทุกบอร์ดบริหารมีเหมือนกัน เมื่อพูดถึงการเปิดให้ AI Agent เข้าถึงระบบสำคัญขององค์กร ทั้งคุณแดนและคุณธิติต่างยอมรับตรงๆ ว่านี่คือเรื่องที่ผู้บริหารทุกคนถามก่อนเสมอ และเป็นเรื่องที่ถูกต้องที่จะถาม

ซึ่งคุณแดนมองว่า "ความกังวลมันสมเหตุสมผลมาก ถ้าเราให้ Agent เข้าถึงระบบ ERP ที่เก็บข้อมูลการเงินทั้งหมดขององค์กร แล้ว Agent ตัดสินใจผิด หรือมีใครเข้ามาในระบบโดยไม่ได้รับอนุญาต ความเสียหายมันใหญ่มาก ดังนั้นก่อนจะคิดเรื่องอะไรทั้งหมด เรื่อง Governance ต้องมาก่อน"

คุณธิติเสริมในมุมของโครงสร้างองค์กรว่า สิ่งที่ ABeam Consulting แนะนำให้สร้างควบคู่กันไปเสมอคือ AI Center of Excellence หรือ CoE ซึ่งไม่ใช่แค่ทีม IT แต่เป็นทีมที่รวมคนจากหลายฝ่ายเข้าด้วยกัน ทั้งเทคโนโลยี ฝ่ายความเสี่ยง Legal และ Business owner ของแต่ละกระบวนการ

โดยเหตุผลที่ต้องมีหลายฝ่ายเข้ามาร่วมกัน คุณธิติอธิบายว่า เพราะการตัดสินใจว่า AI ควรเข้าถึงอะไรได้บ้าง มันไม่ใช่คำถามทางเทคนิคอย่างเดียว มันคือคำถามทางธุรกิจและทางกฎหมายด้วย ถ้าปล่อยให้ฝ่าย IT ตัดสินใจคนเดียว ความเสี่ยงบางอย่างที่ควรรู้กลับไม่ถูกพูดถึง

และสำหรับการเริ่มต้นวาง Governance Plan ทางคุณแดนและคุณธิติได้ยกตัวอย่างวิธีคิดที่  ABeam Consulting ใช้ว่า ให้มองว่า AI Agent เหมือนพนักงานใหม่ที่เพิ่งเข้ามาในองค์กร เราไม่เคยให้พนักงานใหม่เข้าถึงทุกระบบในวันแรก เราให้สิทธิ์เขาทีละขั้น ตามความไว้ใจที่สร้างขึ้นมาเรื่อยๆ AI Agent ก็ควรได้รับการปฏิบัติแบบเดียวกัน

สิ่งแรกที่ ABeam Consulting แนะนำเสมอคือให้เริ่มจาก read-only ก่อน เช่น Agent อ่านข้อมูลได้ ดึงข้อมูลออกมาได้ วิเคราะห์ได้ แต่ยังไม่เขียนอะไรกลับเข้าไปเอง ให้คนเป็นคนกด confirm ก่อนเสมอ พอเราเริ่มมั่นใจว่ามันตัดสินใจถูกต้องในสถานการณ์ต่าง ๆ แล้วจึงขยายสิทธิ์เพิ่มขึ้น

6. ROI ที่วัดผลได้ ควรหน้าตาเป็นอย่างไร

สิ่งที่คุณธิติสังเกตเห็นจากการคลุกคลีกับองค์กรไทยมานาน คือเรามักจะติดกับดักการวัดผลที่ผิวเผินเกินไป "เราต้องเลิกมองแค่ว่า AI ช่วยประหยัดเวลาไปกี่ชั่วโมง แล้วเอามาคูณเป็นเงินเดือนพนักงานครับ เพราะนั่นไม่ใช่ตัวเลขที่สะท้อนกำไรจริง ๆ ดังนั้น การวัด ROI ที่ถูกต้องในมุมของ ABeam Consulting ต้องมองให้ครบ 3 มิติ พร้อมกัน คือ ต้นทุนที่ลดได้จริง, ผลกระทบต่อรายได้ และที่สำคัญที่สุดคือการลดความเสี่ยง"

คุณแดนก็ได้เล่าถึง Use Case ที่คนชอบนำมาวัด ROI มากที่สุดคือ ระบบนี้ช่วยลดงานได้ 500 ชั่วโมงต่อเดือน คิดเป็นเงินประหยัดได้ X บาท แต่ในความเป็นจริง บริษัทก็ยังต้องจ่ายเงินเดือนพนักงานเท่าเดิม ต้นทุนไม่ได้หายไปไหน พนักงานแค่มีเวลาว่างเพิ่มขึ้นวันละ 2 ชั่วโมงเท่านั้นเอง

ดังนั้น ROI ที่จับต้องได้จริงตามคำแนะนำของ ABeam Consulting จึงมีอยู่ 3 รูปแบบ:

1. การจัดการทรัพยากรที่แท้จริง: คือตอนที่เราสามารถลดจำนวนคนได้จริง หรือในวันที่ธุรกิจโตขึ้นเรื่อย ๆ แต่เราไม่ต้องจ้างคนเพิ่ม เพราะ AI รับงานส่วนนั้นไปหมดแล้ว
2. ความเร็วที่เปลี่ยนเป็นเงิน: เดิมทีการอนุมัติสินเชื่อใช้เวลา 3 วัน แต่พอมี AI ช่วยเหลือเพียง 3 ชั่วโมง ลูกค้าก็ไม่หนีไปหาคู่แข่ง นี่คือรายได้ที่เพิ่มขึ้นโดยตรง
3. โอกาสที่เคยมองไม่เห็น: AI ช่วยให้เราเห็น Pattern ในข้อมูลที่คนมองไม่ออก เช่น การเตือนว่าลูกค้ากลุ่มนี้กำลังจะเลิกใช้บริการเราทำให้เราเข้าไปดึงใจเขาไว้ได้ทันเวลา

"สิ่งที่เราพยายามบอกองค์กรเสมอคือ อย่าวัดแค่ชั่วโมง แต่ให้วัดว่ากระบวนการทั้งสายงานมันเปลี่ยนไปยังไง เพราะนั่นแหละคือที่มาของ ROI ที่แท้จริงและยั่งยืนที่สุดครับ" คุณธิติทิ้งท้าย

7. ค่าเสียโอกาสที่น่ากลัวที่สุด ถ้าไม่เริ่มต้น Agentic AI

เมื่อถาม ถึงความเสี่ยงที่น่ากังวลที่สุดหากองค์กรยังไม่ยอมขยับสู่ Agentic AI คำตอบที่ได้จากคุณแดนและคุณธิติ ไม่ใช่การเริ่มทำแล้วล้มเหลว แต่คือการที่คุณยืนนิ่งอยู่กับที่ ในขณะที่คู่แข่งกำลังเดินหน้าไป ความเสียหายแบบนี้มันจะค่อย ๆ สะสม คุณจะไม่รู้สึกทันที แต่พอผ่านไปสัก 2-3 ปี คุณจะพบว่าช่องว่างมันกว้างจนตามไม่ทันแล้ว

ภาพที่เห็นได้ง่ายที่สุด คือ องค์กรที่เริ่มใช้ Agentic AI ตั้งแต่วันนี้ กำลังค่อย ๆ ลดต้นทุนในทุกกระบวนการลงทีละนิด ในขณะที่องค์กรที่ไม่ทำยังมีต้นทุนเท่าเดิม นั่นหมายความว่าในระยะยาว คู่แข่งจะมี Margin สูงกว่า มีงบไปลงทุนขยายตลาดได้มากกว่า หรือแม้แต่ลดราคาแข่งกับคุณได้โดยที่เขายังมีกำไรอยู่

สิ่งน่ากลัวไม่แพ้กัน นั่นคือการลงทุนผิดทาง 2-3 ปีก่อน หลายองค์กรทุ่มงบมหาศาลสร้างระบบ AI ของตัวเองทั้งหมดเพราะกลัวต้องพึ่งพาคนอื่น แต่พอยักษ์ใหญ่อย่าง Microsoft หรือ Google ปล่อย AI Service ที่ล้ำกว่าออกมา ของที่ลงทุนสร้างมาหลายปีก็ล้าหลังทันที 

สิ่งนี้ให้บทเรียนสำคัญว่าในยุคที่เทคโนโลยีวิ่งเร็วขนาดนี้ การพยายามทำทุกอย่างเองอาจไม่ใช่ทางออกที่ดีที่สุดเสมอไป การเลือก Partner หรือ Platform ที่ถูกต้อง แล้วโฟกัสที่การนำไปใช้งานจริง คือสิ่งที่สร้างมูลค่าได้มากกว่า

8. ในไตรมาสนี้ เริ่มอย่างไรไม่ให้ตกขบวน?

สำหรับผู้บริหารที่อ่านมาถึงตรงนี้และอยากเริ่มก้าวแรกทันที ทั้งคุณธิติและคุณแดนได้แนะนำ 2 สิ่งสำคัญ ที่จะทำให้คุณนำหน้าไปกว่า 80% ขององค์กรทั่วไป

1. อย่ามองหางานย่อยแต่ละขั้นตอนเพื่อมาลองใช้ AI แต่ให้มองหา End-to-End Process: เลิกถามว่าอยากให้ AI ช่วยทำงานชิ้นไหน แต่ให้ถามว่ากระบวนการไหนในองค์กรที่ 'ช้า แพง และผิดพลาดสูง' ทั้งสายงาน คุณแดนเน้นย้ำว่าหากแก้ได้ทั้งกระบวนการ ROI จะชัดเจนและวัดผลได้ง่ายที่สุด
2. ซ่อมฐานข้อมูลให้แข็งแรง: AI จะฉลาดเท่ากับข้อมูลที่มันได้รับ ถ้าข้อมูลยังกระจัดกระจาย หรือยังไม่มีกฎการเข้าถึงที่ชัดเจน ต่อให้ใช้ AI ที่ดีที่สุดในโลกก็ไม่ได้ผล ดังนั้น การวางรากฐานข้อมูลคือการลงทุนที่คุ้มค่าที่สุดก่อนเริ่ม AI

9. ABeam Side Story หลังเปลี่ยนเป็นองค์กร AI บรรยากาศเป็นยังไง ?

หลังจาก ABeam Consulting กลายเป็น AI-Enabled Organization ด้านคุณแดนและคุณธิติก็ได้แชร์ว่าได้เห็นวัฒนธรรมการทำงานใหม่ ๆ ที่เกิดขึ้นในองค์กร นั่นคือ บรรยากาศการทำงานที่เข้มข้นกว่าเดิม เพราะ Bar ของความคาดหวังมันสูงขึ้นอย่างเลี่ยงไม่ได้

คุณธิติช่วยขยายภาพให้เห็นชัดขึ้นว่า คำนิยามของคนเก่งในยุคนี้กำลังถูกเขียนใหม่ผ่าน 3 วัฒนธรรมหลัก

1. จากคนทำสู่ผู้กำกับ: พนักงานเลิกนั่งจมกับงาน Routine แต่เปลี่ยนบทบาทเป็นผู้ควบคุมคอยสั่งการให้ AI Agent ทำงานซ้ำ ๆ แทน เพื่อให้ตัวเองเหลือพลังไปโฟกัสกับการคิดวิเคราะห์และการตัดสินใจที่ซับซ้อน
2. การประชุมแบบ Human + Agent: เดี๋ยวนี้ในห้องประชุมไม่ได้มีแค่คน แต่มี Agent เข้าร่วมด้วยเพื่อสรุปข้อมูลแบบเรียลไทม์ เตรียมรายงาน หรือกางทางเลือกหลาย ๆ แบบให้ผู้บริหารตัดสินใจได้ทันทีโดยไม่ต้องรอจบประชุม
3. วัฒนธรรมกล้าลอง (Fail Fast, Learn Faster): เมื่อการสร้าง Agent ตัวเล็กๆ มาช่วยงานส่วนตัวทำได้ง่ายขึ้น คนในองค์กรจึงกล้าทดลองมากขึ้น ถ้าพังก็แค่ปรับใหม่ เพราะมีทีมสนับสนุนอย่าง CoE คอยเป็นหลังบ้านให้ ทำให้องค์กรหมุนไปข้างหน้าได้เร็วกว่าเดิม

"สุดท้ายแล้วคนที่เก่งที่สุดในอดีต อาจจะไม่ใช่คนเดิมในวันนี้ คนเก่งยุค AI คือคนที่รู้จักตั้งคำถามที่ถูกต้อง ตีความผลลัพธ์ให้เป็น และกล้าตัดสินใจในจุดที่ AI ยังทำไม่ได้ นั่นคือหัวใจสำคัญของการเปลี่ยนผ่านที่เกิดขึ้นจริง ๆ ใน ABeam Consulting ครับ" คุณธิติทิ้งท้าย

สนใจปรึกษาการนำ Agentic AI มาใช้ในองค์กร ติดต่อ ABeam Consulting ได้เลยที่: [email protected] หรือโทร 02-610-1100

บทความนี้เป็น Advertorial