ตอนที่ฉันค้นพบ AI ถูกใช้ผิดวัตถุประสงค์ในบริษัทของตัวเอง – บทเรียนจากการเห็นความจริง
เมื่อการประชุมแรกเริ่มด้วยคำว่า "เราต้องใช้ AI"
ฉันจำได้ชัดเจน คือวันที่ประธานฝ่ายบริหารของบริษัทที่ฉันทำงานมาประชุมฝ่ายของเรา โดยเปิดการประชุมด้วยประโยคที่ฟังดูทันสมัยมาก: "เราต้องใช้ AI ไม่เช่นนั้นจะตกไปไกลคู่แข่ง" ห้องประชุมเงียบไป ใครบางคนส่วม พบกัน มีคนตะปนแตะปนใจอยู่ชัด
ในตอนนั้น ฉันก็ตอกย้ำว่า "ใช่แล้ว AI เป็นอนาคต" แต่จริงๆ แล้วฉันยังไม่เข้าใจว่า AI จะช่วยแก้ปัญหาที่แท้จริงของเรา ซึ่งตอนนั้นคือการที่กระบวนการจัดหาวัสดุใช้เวลานาน และข้อมูลลูกค้าเก่าเก็บอยู่ในระบบแยกกันหลายตัว
ก็เลยเขิ้นเรื่องมา เอา budget มา ใช้ไปกว่า 6 เดือน เพื่อสร้าง "AI Chatbot" ให้ดูเหมือน Chatbot นี้จะตอบปัญหาลูกค้า จริงๆ แล้วจะตอบได้แค่คำถามพื้นฐาน ส่วนปัญหาที่ซับซ้อนยังต้องให้พนักงานจัดการเอง
ปัญหาที่ชัดเจนว่าเรามองข้าม
หลังจากเปิดตัว Chatbot ไป 3 เดือน ตัวเลขที่น่าสนใจเริ่มโผล่มา:
- ลูกค้าใช้ Chatbot เรา 40% ของเวลาแล้วต้องมาคุยกับคน
- ทีมสนับสนุนลูกค้าจริงๆ ไม่มีการรับโหลดลดลง แม้แต่น้อย
- ค่าใช้จ่ายรายเดือนของระบบ AI ยังหนักอยู่เหมือนเดิม
ฉันเลยถามตัวเองวิกตอรี่ (ในใจฉัน): เดี๋ยว ปัญหาของเราจริงๆ คือ Chatbot ไม่ได้เทพเหรอ? หรือปัญหาจริงคือการที่ข้อมูลลูกค้าเก็บไว้ยุ่งเหยิง ถึงต้องใช้เวลานานในการหาข้อมูล?
พอคิดกลับไป เห็นได้ชัดว่า เราไม่ได้แก้ปัญหาหลัก เราแค่เพิ่มเลเยอร์ใหม่ของความซับซ้อน
อาการสำคัญที่ฉันมองเห็นอยู่: "AI Theater"
ฉันเรียกมันว่า "AI Theater" — การปั่นเรื่อง AI เพื่อให้ดูเทพเหรอ ดูว่าบริษัทเรากำลังก้าวหน้า แต่จริงๆ ไม่มีคำตอบสำหรับปัญหาลูกหลัก
ไปต่อเรื่อง เราเริ่มปรึกษากับบริษัทให้คำแนะนำเกี่ยวกับ AI ว่าจะทำยังไง พวกเขาได้ให้คำแนะนำที่เปลี่ยนเกมสำหรับเรา: "อย่าถามว่า AI จะช่วยได้อะไร ให้ถามก่อนว่า ปัญหาจริงของเราคืออะไร"
ฟังดูเรียบง่าย แต่ทำได้ยาก
ตั้งแต่นั้นมา เราเริ่มถามคำถามที่ถูก
เราหยุดเก็บ Chatbot ไว้แค่เพื่อตอบคำถามพื้นฐาน แล้วเน้นไปที่การสร้างระบบจัดการข้อมูลที่ดีขึ้นก่อน
ขั้นตอนที่เราทำจริงๆ:
- ทำความเข้าใจปัญหาจริง: ออกแบบสำรวจและคุยกับพนักงาน ค้นหาว่าขวัญเสียเวลาไปที่ไหน
- ทำความสะอาดข้อมูลก่อน: ใช้เวลา 2 เดือนในการทำความสะอาดและ integrate ข้อมูลลูกค้าจากระบบต่างๆ ให้เป็นระบบเดียวกัน ไม่ได้กระหึ่ม AI หรืออะไรสุดเท่า แต่ผลลัพธ์เป็นจริง
- ค่อยมาคิด automation และ AI: หลังจากข้อมูลดีขึ้นแล้ว ถึงตอนนั้นเราค่อยมองหาว่า AI หรือ automation จะสร้างมูลค่าจริงตรงไหน
ผลลัพธ์ที่ได้? ทีมสนับสนุนลูกค้าของเราลดลง 35% ของเวลาที่เสียในการค้นหาข้อมูล เปลี่ยนเวลาที่ว่างไปแก้ปัญหาที่ซับซ้อนของลูกค้า แต่ปัญหาไม่ได้มาจาก AI ปัญหามาจากการให้ความสำคัญกับข้อมูลก่อน
แล้วทำไมเราถึงทำแบบนี้?
ฉันคิดว่าเป็นเพราะสองเหตุผล:
หนึ่ง: ความกลัวจะตกไป ถ้าไม่พูดถึง AI คุณอาจจะรู้สึกเหมือนตกยุค บอร์ดลงทุนจะถาม "เมื่อไหร่เราจึงจะใช้ AI?" มากกว่าจะถาม "เรามีกระบวนการที่ดีไหม?"
สอง: ยากที่จะวัดตัวชี้วัด มันง่ายกว่าที่จะบอกว่า "เราใช้ AI แล้ว" มากกว่า "ค่าใช้จ่ายในการค้นหาข้อมูลลดลง 35%" เพราะอันแรกสั้นและฟังดูเท่ ส่วนอันที่สองต้องอธิบายเทคนิค
บทเรียนที่สำคัญที่ฉันเรียนรู้มา
หากคุณกำลังพิจารณาว่าจะลงทุนในเทคโนโลยี AI หรือการใช้ AI เพื่อแก้ปัญหาในองค์กร ลองถามตัวเองกับคำถามเหล่านี้:
- ปัญหาจริงของฉันคืออะไร เฉพาะเจาะจง ไม่ใช่แบบกว้างๆ?
- ปัญหานั้นจะแก้ด้วย AI ได้หรือ หรือแก้ได้ด้วยการ organize ข้อมูลและกระบวนการที่ดีขึ้น?
- ฉันสามารถวัดผลสำเร็จที่เป็นรูปธรรมได้ไหม (ไม่ใช่แค่ "ดูเท่า")?
- พนักงานของฉันพร้อมที่จะเปลี่ยนแปลงแล้วหรือ เพราะ AI ที่ดีที่สุดยังต้องการคนที่ดีเพื่อใช้มัน
เราต่อให้วิธีสร้าง Data-Driven Culture ในองค์กร จากข้อมูลสู่การตัดสินใจที่ฉลาด อยู่แล้ว แต่สิ่งสำคัญคือคนของคุณต้องเข้าใจคุณค่าของข้อมูล ไม่ใช่แค่อนาคต
สิ่งที่ฉันเห็นในตลาดตอนนี้
ฉันไม่ใช่คนต่อต้าน AI อันตรงข้าม ฉันคิดว่า AI จะเป็นสิ่งที่เปลี่ยนแปลงธุรกิจ แต่ปัญหาคือ เรามองเห็นบริษัทมากมายที่ลงทุนใน AI โครงการเมื่อปัญหาจริงของพวกเขายังไม่ได้คำตอบ หรือปัญหาพื้นฐานเหล่านั้นแก้ได้ด้วยสิ่งอื่นที่ไม่ต้องมีราคาสูง
คำถามที่ฉันต้องการให้คุณคิดถึง: เมื่อบอส หรือ board ของคุณพูดว่าต้องใช้ AI คุณจะถามกลับว่า "เพราะเหตุใด เฉพาะเจาะจง ไม่ใช่เพราะคนอื่นใช้"
เพราะจริงๆ แล้ว ความแตกต่างระหว่างบริษัทที่สำเร็จกับบริษัทที่ล้มเหลวคืออะไร? ไม่ใช่เทคโนโลยี เป็นคำตอบต่อคำถาม
