2024: สถานะของ Generative AI ภายในองค์กร - Menlo Ventures

จากการทดลองสู่การใช้งานจริง: การนำ AI มาใช้กำลังเร่งตัวขึ้น

• ปี 2024 เป็นปีที่ Generative AI กลายมาเป็นกลยุทธ์หลักขององค์กร
• ค่าใช้จ่ายด้าน AI: จาก $2.3 พันล้านในปี 2023 เป็น $13.8 พันล้านในปี 2024 เพิ่มขึ้น มากกว่า 6 เท่า
• 72% ขององค์กรคาดว่าการนำเครื่องมือ Generative AI มาใช้จะขยายตัวมากขึ้น
• หลายองค์กรยังคงไม่สามารถกำหนดกลยุทธ์การนำไปใช้ได้อย่างชัดเจน แต่กำลังก้าวเข้าสู่ช่วงเริ่มต้นของการเปลี่ยนแปลงครั้งใหญ่

การใช้จ่ายด้าน Generative AI: การลงทุนอย่างจริงจังขององค์กร

• 60%: มาจากงบประมาณด้านนวัตกรรม
• 40%: มาจากการปรับสรรงบประมาณเดิมใหม่ พร้อม บรรจุ AI เข้าเป็นส่วนหนึ่งของกลยุทธ์ระยะยาว
• มีการลงทุน $4.6 พันล้าน ในแอปพลิเคชัน Generative AI เพิ่มขึ้น 8 เท่าจากปีก่อน
  • องค์กรต่าง ๆ ระบุ use case ที่เป็นไปได้เฉลี่ย 10 กรณี และเร่งความเร็วในการนำไปใช้

use case หลักและ ROI

1. Code copilots (นำไปใช้ 51%)
   • เครื่องมืออย่าง GitHub Copilot, Codeium, Cursor ช่วยเพิ่มผลิตภาพของนักพัฒนา
2. Support chatbots (นำไปใช้ 31%)
   • ให้การสนับสนุนตลอด 24/7: Aisera, Decagon, Sierra เป็นต้น
3. Enterprise search และการแปลงข้อมูล (นำไปใช้ 28%, 27%)
   • ใช้ประโยชน์จาก data silo ผ่านการค้นหาแบบรวมศูนย์: Glean, Sana เป็นต้น
4. สรุปการประชุม (นำไปใช้ 24%)
   • Fireflies.ai, Otter.ai, Fathom ช่วยเพิ่มประสิทธิภาพของการประชุม

การเติบโตของเอเจนต์ AI และระบบอัตโนมัติ

• ปัจจุบัน: นิยมใช้ในรูปแบบที่ช่วยเสริมงานของมนุษย์
• อนาคต: คาดว่าจะเปลี่ยนไปสู่เอเจนต์อัตโนมัติเต็มรูปแบบที่จัดการกระบวนการซับซ้อนได้อย่างอิสระ
  • ตัวอย่าง: Clay, Forge

อุปสรรคในการนำไปใช้และสาเหตุของความล้มเหลว

• สาเหตุของความล้มเหลว:
  1. ต้นทุนการติดตั้งใช้งาน (26%)
  2. ปัญหาความเป็นส่วนตัวของข้อมูล (21%)
  3. ROI ไม่เป็นไปตามความคาดหวัง (18%)
  4. ปัญหาทางเทคนิค (15% รวมถึงการสร้างข้อมูลเพ้อเจ้อ)
• ควรให้ความสำคัญกับ ROI และการปรับแต่งให้เหมาะสม พร้อมคำนึงถึงการผสานระบบและการสนับสนุนทางเทคนิคด้วย

สถานะการนำ Generative AI มาใช้แยกตามอุตสาหกรรม

1. Healthcare (ใช้จ่าย $500 ล้าน)
   • ระบบเอกสารทางการแพทย์อัตโนมัติและการจัดการผู้ป่วย: Abridge, Notable
2. กฎหมาย (ใช้จ่าย $350 ล้าน)
   • ทำสัญญาตรวจทานและเตรียมคดีความแบบอัตโนมัติ: Harvey, Everlaw
3. บริการทางการเงิน (ใช้จ่าย $100 ล้าน)
   • ปรับปรุงงานบัญชีและการปฏิบัติตามข้อกำกับ: Numeric, Rogo
4. สื่อและบันเทิง (ใช้จ่าย $100 ล้าน)
   • เพิ่มประสิทธิภาพการสร้างคอนเทนต์: Runway, Descript

AI technology stack และรูปแบบการออกแบบ

• เทรนด์หลัก:
  1. RAG (การสร้างแบบเสริมด้วยการค้นคืนข้อมูล): นำไปใช้ 51%
  2. Fine-tuning: ยังพบไม่มาก โดยมีเพียง 9% ที่นำไปใช้
  3. Agentic architecture: เริ่มถูกนำมาใช้ที่ระดับ 12%
• การจัดเก็บข้อมูล:
  • vector DB แบบ AI-native อย่าง Pinecone มีส่วนแบ่งตลาด 18%

แนวโน้ม: การคาดการณ์สำคัญเกี่ยวกับอนาคตของ AI

• ปี 2024 เป็นปีที่เปลี่ยนจากกระแส hype ไปสู่การนำไปใช้จริง โดยอิงจากข้อมูลสำคัญและแนวโน้มการลงทุน จึงมีการเสนอการคาดการณ์หลัก 3 ประการต่อไปนี้:
• เอเจนต์ AI จะขับเคลื่อนการเปลี่ยนแปลงระลอกถัดไป
  • Agentic automation จะเป็นผู้นำการเปลี่ยนผ่านของ AI โดยก้าวข้ามการสร้างคอนเทนต์และการค้นหาความรู้ ไปสู่การจัดการงานซับซ้อนหลายขั้นตอนได้
    • ตัวอย่าง: แพลตฟอร์มอย่าง Clay และ Forge กำลังท้าทายตลาดซอฟต์แวร์มูลค่า $4 แสนล้าน และเศรษฐกิจบริการของสหรัฐฯ มูลค่า $10 ล้านล้าน
  • การเปลี่ยนแปลงนี้ต้องการโครงสร้างพื้นฐานใหม่:
    • การยืนยันตัวตนของเอเจนต์, แพลตฟอร์มผสานรวมเครื่องมือ, AI browser framework, runtime สำหรับโค้ดที่ AI สร้างขึ้นโดยเฉพาะ
• "เดวิดชนะโกลิอัท": การถดถอยของบริษัทเดิมในตลาด
  • ปีนี้ ChatGPT ส่งผลกระทบอย่างหนักต่อ Chegg และ Stack Overflow:
    • Chegg: มูลค่าตลาดหายไป 85%
    • Stack Overflow: ทราฟฟิกเว็บลดลงครึ่งหนึ่ง
  • พื้นที่ที่คาดว่าจะเผชิญความท้าทายเพิ่มเติม:
    • บริษัท IT outsourcing (Cognizant) และบริษัท automation แบบดั้งเดิม (UiPath)
    • บริษัทซอฟต์แวร์รายใหญ่อย่าง Salesforce และ Autodesk ก็อาจถูกท้าทายจาก AI-native startup
• ภาวะขาดแคลนบุคลากร AI จะรุนแรงขึ้น
  • การแพร่หลายและความก้าวหน้าของระบบ AI จะนำไปสู่ ภาวะขาดแคลนบุคลากรอย่างรุนแรง
    • ไม่ใช่แค่นักวิทยาศาสตร์ข้อมูลเท่านั้น แต่ยังขาดแคลนผู้เชี่ยวชาญที่สามารถผสานทักษะ AI เข้ากับความเชี่ยวชาญเฉพาะด้านได้
    • การแข่งขันรุนแรงขึ้น:
      • เงินเดือนของ enterprise architect ที่มีทักษะ AI เพิ่มขึ้น 2-3 เท่า กลายเป็นเรื่องที่พบได้ทั่วไป
    • แม้จะมีการลงทุนในโครงการฝึกอบรมและศูนย์ AI แต่ความต้องการบุคลากรยังสูงกว่าอุปทาน
    • คาดว่าจะเกิดการแข่งขันอย่างดุเดือดเพื่อแย่งชิงบุคลากรที่จะขับเคลื่อนนวัตกรรม AI ระลอกถัดไป