การ์ทเนอร์ เปิดเผยการคาดการณ์สำคัญเกี่ยวกับทิศทางของข้อมูลและการวิเคราะห์ (Data and Analytics) ในปี 2568 และปีต่อ ๆ ไป ซึ่งบ่งชี้ถึงการเปลี่ยนแปลงครั้งใหญ่ในการดำเนินธุรกิจด้วยบทบาทของปัญญาประดิษฐ์ (AI) ที่เพิ่มขึ้นอย่างก้าวกระโดด โดยประเด็นสำคัญที่น่าจับตาคือ การตัดสินใจทางธุรกิจกว่าครึ่งหนึ่งจะมาจาก AI Agents ที่ช่วยเพิ่มประสิทธิภาพและทำงานแบบอัตโนมัติ ขณะเดียวกัน ความรู้และทักษะด้าน AI ของผู้บริหารจะส่งผลโดยตรงต่อผลประกอบการทางการเงินขององค์กร นอกจากนี้ ยังมีความเสี่ยงด้านธรรมาภิบาล AI และความแม่นยำของโมเดลที่เกิดจากความล้มเหลวในการจัดการข้อมูลสังเคราะห์ (Synthetic Data)
Carlie Idoine รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า “ปัจจุบัน กิจกรรมเกือบทุกอย่างของเรา ตั้งแต่วิธีการทำงานไปจนถึงวิธีการตัดสินใจ ล้วนได้รับอิทธิพลจากปัญญาประดิษฐ์ไม่ทางตรงก็ทางอ้อม ทว่า AI ไม่สามารถตอบสนองหรือส่งมอบคุณค่าทั้งหลายได้เองตามลำพัง จำเป็นต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล เพื่อช่วยให้ตัดสินใจและดำเนินการได้อย่างชาญฉลาดและสามารถปรับเปลี่ยนได้เหมาะสมทั่วทั้งองค์กร”
การ์ทเนอร์ได้แนะนำให้องค์กรใช้หลักสมมติฐานเชิงกลยุทธ์ต่อไปนี้ เพื่อเตรียมความพร้อมสำหรับอนาคตอันใกล้
AI Agents ขับเคลื่อนการตัดสินใจทางธุรกิจ ภายในปี 2570 กว่าครึ่ง (50%) ของการตัดสินใจทางธุรกิจจะมาจากกระบวนการทำงานอัตโนมัติและเสริมประสิทธิภาพด้วย AI Agents สำหรับ Decision Intelligence ซึ่งเป็นการรวมข้อมูล การวิเคราะห์ และ AI เข้าด้วยกัน เพื่อสร้างกระบวนการสนับสนุนและทำให้การตัดสินใจที่ซับซ้อนเป็นไปโดยอัตโนมัติ AI Agents จะช่วยเพิ่มประสิทธิภาพ จัดการความซับซ้อน และดึงข้อมูลจากแหล่งต่าง ๆ มาใช้ การ์ทเนอร์แนะนำให้ผู้บริหารด้านข้อมูลและการวิเคราะห์ (D&A) ทำงานร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ เพื่อระบุและจัดลำดับการตัดสินใจที่สำคัญต่อความสำเร็จขององค์กร ที่จะได้รับประโยชน์จากการนำการวิเคราะห์และ AI มาใช้อย่างมีประสิทธิภาพ
Idoine ย้ำว่า “AI Agents สำหรับ Decision Intelligence ไม่ใช่สูตรสำเร็จและไม่ใช่เรื่องที่ผิดพลาดไม่ได้ หากแต่ต้องใช้ร่วมกันกับการกำกับดูแลและการจัดการความเสี่ยงที่มีประสิทธิภาพ ซึ่งการตัดสินใจของมนุษย์ยังต้องการความรู้ที่เหมาะสม รวมถึงความรู้ในด้านข้อมูลและปัญญาประดิษฐ์”
AI Literacy เพิ่มผลประกอบการ ภายในปี 2570 องค์กรที่ให้ความสำคัญกับการสร้างความรู้ความเข้าใจเรื่องปัญญาประดิษฐ์ (AI Literacy) ให้กับผู้บริหาร จะมีผลประกอบการทางการเงินสูงกว่าองค์กรที่ไม่สนใจเรื่องนี้ถึง 20% การปลดล็อกศักยภาพธุรกิจเต็มรูปแบบด้วย AI จำเป็นต้องสร้าง AI Literacy ให้ผู้บริหาร เพื่อให้พวกเขามีความเข้าใจในโอกาส ความเสี่ยง และต้นทุนของ AI และสามารถตัดสินใจได้อย่างมีประสิทธิภาพเพื่อการลงทุน AI ที่ช่วยเร่งผลลัพธ์ขององค์กร การ์ทเนอร์แนะนำให้ผู้บริหาร D&A จัดโปรแกรมพัฒนาทักษะที่มอบประสบการณ์ตรง เช่น การพัฒนาต้นแบบเฉพาะโดเมน เพื่อทำให้ AI เป็นเรื่องที่จับต้องได้ ซึ่งจะนำไปสู่การลงทุนที่เหมาะสมกับความสามารถในการใช้ AI มากขึ้น
ความท้าทายในการจัดการข้อมูลสังเคราะห์ ภายในปี 2570 ผู้บริหารด้านข้อมูลและการวิเคราะห์ 60% จะเผชิญกับความล้มเหลวครั้งใหญ่ในการจัดการข้อมูลสังเคราะห์ (Synthetic Data) ซึ่งจะเพิ่มความเสี่ยงต่อการกำกับดูแล AI ความแม่นยำ และการปฏิบัติตามข้อกำหนดของโมเดล การใช้ข้อมูลสังเคราะห์เพื่อฝึกโมเดล AI เป็นกลยุทธ์สำคัญในการเพิ่มความเป็นส่วนตัวและสร้างชุดข้อมูลที่หลากหลาย แต่ความท้าทายอยู่ที่การทำให้แน่ใจว่าข้อมูลสังเคราะห์สามารถสื่อถึงสถานการณ์จริงได้อย่างแม่นยำ ปรับขนาดได้อย่างมีประสิทธิภาพ และบูรณาการเข้ากับข้อมูลและระบบที่มีอยู่ได้อย่างราบรื่น
“เพื่อจัดการกับความเสี่ยงเหล่านี้ องค์กรต้องใช้การจัดการ Metadata ที่มีประสิทธิภาพ โดย Metadata จัดเตรียมบริบท เชื่อมโยง และกำกับดูแลที่จำเป็นเพื่อติดตาม ตรวจสอบ รวมถึงจัดการข้อมูลสังเคราะห์ได้อย่างมีความรับผิดชอบ ถือเป็นสิ่งสำคัญในการรักษาความถูกต้องแม่นยำของ AI และการปฏิบัติตามมาตรฐาน” Idoine กล่าวเสริม
GenAI: สร้างเองหรือซื้อ ภายในปี 2571 โครงการนำร่อง GenAI 30% ที่มุ่งสู่การผลิตขนาดใหญ่จะถูกสร้างขึ้นภายในองค์กร แทนที่จะใช้งานผ่านแอปพลิเคชันสำเร็จรูป (Packaged Applications) เพื่อลดต้นทุนและเพิ่มการควบคุม การสร้างโมเดล GenAI ภายในองค์กรให้ความยืดหยุ่น การควบคุม และคุณค่าในระยะยาวที่เครื่องมือสำเร็จรูปหลายอย่างทำไม่ได้ การ์ทเนอร์แนะนำให้องค์กรนำกรอบการทำงานที่ชัดเจนมาใช้สำหรับการตัดสินใจว่าจะสร้างเองหรือจะซื้อ (Build Versus Buy Decisions) โดยต้องพิจารณาปัจจัยด้านต้นทุน ระยะเวลาที่จะออกสู่ตลาด ชุดทักษะความรู้ที่มีอยู่ ความสามารถในการบูรณาการ การปฏิบัติตามข้อกำหนด และความเสี่ยง
อรรถศาสตร์เพิ่มความแม่นยำ GenAI ภายในปี 2570 องค์กรที่จัดลำดับความสำคัญของอรรถศาสตร์ (Semantics) ในชุดข้อมูล AI จะเพิ่มความแม่นยำของโมเดล GenAI ได้สูงสุด 80% และลดต้นทุนสูงสุด 60% อรรถศาสตร์ที่ไม่ดีใน GenAI นำไปสู่การตีความผิดเพี้ยน ความต้องการโทเค็นและมีต้นทุนสูงขึ้น องค์กรที่ทบทวนการจัดการข้อมูลโดยมุ่งเน้นไปที่ Active Metadata จะขับเคลื่อนความแม่นยำและประสิทธิภาพของโมเดลมากขึ้น มีความพร้อมด้านข้อมูลปัญญาประดิษฐ์สูงขึ้น (AI Data Readiness) และลดต้นทุนการคำนวณ การ์ทเนอร์คาดว่า สิ่งนี้จะช่วยให้ AI Agents ทำงานมีประสิทธิภาพมากขึ้นและเพิ่มความสะดวกในการตัดสินใจได้อย่างชาญฉลาดและรวดเร็วขึ้นทั่วทั้งองค์กร
บอร์ดบริหารใช้ AI ท้าทายการตัดสินใจ ภายในปี 2572 บอร์ดบริหารทั่วโลก 10% จะใช้คำแนะนำที่ได้รับจาก AI มาท้าทายการตัดสินใจที่มีความสำคัญต่อธุรกิจของผู้บริหาร เมื่อ AI ฝังอยู่ในกลยุทธ์ของบอร์ดบริหาร ความต้องการการกำกับดูแลข้อมูลที่แข็งแกร่ง (Data Governance) ความชัดเจนกฎระเบียบ และการจัดการชื่อเสียงองค์กรจะมีความเข้มข้นขึ้น การ์ทเนอร์แนะนำให้บอร์ดบริหารกำหนดขอบเขตการมีส่วนร่วมในการนำ AI ไปใช้ตัดสินใจและจัดตั้งนโยบายที่ชัดเจนด้านการกำกับดูแล กำหนดกรอบความรับผิดชอบ และการปฏิบัติตามกฎระเบียบ โดยสิ่งเหล่านี้จะช่วยให้พวกเขาใช้ AI เป็นที่ปรึกษาเชิงกลยุทธ์ พร้อมรักษาความไว้วางใจและควบคุมไปพร้อมกัน
–AI เขย่าโครงสร้างพื้นฐาน! Cisco ชี้ธุรกิจไทย 99% เดิมพันอนาคตบนเครือข่ายยุคใหม่
