การ์ทเนอร์ อิงก์ (Gartner) บริษัทวิจัยและให้คำปรึกษาชั้นนำด้านธุรกิจและเทคโนโลยี เผยหมุดหมายสำคัญว่า ภายในปี พ.ศ. 2573 องค์กรธุรกิจมากกว่า 1 ใน 10 แห่งจะก้าวเข้าสู่การเป็นองค์กรที่ให้ความสำคัญกับ AI เป็นอันดับแรก หรือ “AI-First” ซึ่งจะสร้างความได้เปรียบทางการแข่งขันอย่างเหนือชั้น ผ่าน 3 แรงขับเคลื่อนสำคัญ ได้แก่ AI Agents, เทคโนโลยี Semantics และ แพลตฟอร์มการวิเคราะห์ข้อมูลแบบรวมศูนย์ (Converged Data & Analytics หรือ D&A Platforms)
การเปลี่ยนผ่านไปสู่โมเดล AI-First กำลังเกิดขึ้นอย่างรวดเร็ว โดย AI ได้กลายมาเป็นหัวใจหลักในการตัดสินใจ จัดกระบวนการทำงาน และการลงทุนในทุกมิติของธุรกิจ ซึ่งการ์ทเนอร์แนะนำให้องค์กรเร่งนำ 6 เทรนด์ด้าน Data & Analytics ต่อไปนี้ เข้าไปเป็นส่วนหนึ่งของกลยุทธ์การดำเนินงานในช่วง 2 ปีข้างหน้า
1. Sovereign AI (อธิปไตยเอไอ) เติบโตก้าวกระโดด
เมื่อ AI กลายเป็นกุญแจสำคัญต่อความมั่นคงทางเศรษฐกิจ รัฐบาลทั่วโลกจึงหันมาควบคุมขีดความสามารถด้าน AI ของตนเองเพื่อลดการพึ่งพาต่างชาติ การควบคุมระบบ D&A ให้อยู่ภายในท้องถิ่นกลายเป็นส่วนสำคัญทางภูมิรัฐศาสตร์ (Geopolitical) ที่องค์กรต้องบริหารจัดการเพื่อสร้างความยืดหยุ่นในกลยุทธ์ และยกระดับจากการใช้ AI ทั่วไปสู่การสร้างความได้เปรียบทางการแข่งขัน
2. ลดความเสี่ยง AI Agent ด้วย Decision Governance
การปล่อยให้ AI Agents ตัดสินใจในเชิงกลยุทธ์และปฏิบัติการโดยปราศจากการกำกับดูแล อาจนำไปสู่ความเสี่ยงด้านกฎหมายและชื่อเสียง องค์กรจึงต้องนำ Decision Governance มาใช้ร่วมกับระบบประมวลผลการตัดสินใจอัจฉริยะ (Decision Intelligence) เพื่อให้ระบบอัตโนมัติสามารถอธิบายและตรวจสอบได้ โดยการ์ทเนอร์คาดว่าภายในปี พ.ศ. 2572 การตัดสินใจที่ใช้โมเดลจำลองที่ชัดเจนจะได้รับความไว้วางใจเพิ่มขึ้นถึง 5 เท่า และทำงานรวดเร็วขึ้น 80%
3. สร้างความน่าเชื่อถือด้วย AI Governance Platforms
มาตรฐานแบบเดิมไม่เพียงพออีกต่อไปสำหรับกฎระเบียบ AI ที่ซับซ้อนขึ้นทั่วโลก องค์กรจำเป็นต้องใช้ AI Governance Platforms หรือแพลตฟอร์มการกำกับดูแล AI จากส่วนกลาง เพื่อควบคุมความเสี่ยง บังคับใช้มาตรการความปลอดภัย และปฏิบัติตามนโยบายภายใต้หลักการ AI ที่มีความรับผิดชอบ
4. Agentic Data Streaming เพิ่มพลังความอัจฉริยะแบบเรียลไทม์
การประมวลผลข้อมูลแบบเดิม (Batch) ช้าเกินไปสำหรับ AI Agents องค์กรจึงต้องเปลี่ยนมาใช้ Agentic Data Streaming หรือการไหลของข้อมูลต่อเนื่องที่มีเหตุการณ์เป็นตัวขับเคลื่อน เพื่อให้ AI ทำงานได้เร็วและแม่นยำขึ้น โดยคาดว่าแรงกดดันจากการแข่งขันจะดันยอดการใช้ Data Streaming สำหรับ Agentic AI ให้พุ่งสูงเกิน 60% ภายในปี พ.ศ. 2571 (จากเดิมที่ต่ำกว่า 15% ในปี พ.ศ. 2568)
5. ปฏิบัติงานคล่องตัวขึ้นด้วย Agentic Data Management
ความซับซ้อนของข้อมูลสร้างข้อจำกัดให้กับการจัดการข้อมูลแบบเดิม การนำ AI Agents เข้ามาช่วยจัดการข้อมูลหลัก (Data Management) จะช่วยให้ระบบสามารถตรวจจับแพทเทิร์น เรียนรู้ได้ด้วยตนเอง และให้คำแนะนำแบบเรียลไทม์ ช่วยให้ทีมข้อมูลปฏิบัติงานได้ยืดหยุ่นและตอบสนองต่อธุรกิจได้รวดเร็วยิ่งขึ้นภายใต้การกำกับดูแลที่แข็งแกร่ง
6. จัดการกับยูสเคสที่ซับซ้อนด้วย GraphRAG
เทคนิค RAG แบบดั้งเดิมไม่สามารถตอบโจทย์การค้นหาข้อมูลที่มีบริบทซับซ้อนได้อย่างแม่นยำ เทคนิค GraphRAG จึงเข้ามาแก้ปัญหานี้ด้วยการรวม กราฟความรู้ (Knowledge Graphs) เข้ากับโมเดลภาษาขนาดใหญ่ (LLMs) เพื่อช่วยตีความตามบริบท เพิ่มความถูกต้องในการตอบคำถาม และเพิ่มขีดความสามารถด้านการคิดหาเหตุผลของ AI โดยคาดว่าภายในปี พ.ศ. 2572 จะมีองค์กรธุรกิจราว 40% นำเทคนิคนี้มาใช้งาน
–AI PC ยุคใหม่ ปฏิวัติขีดความสามารถบนพีซีด้วยการประมวลผลในเครื่อง
