การคาดการณ์ธุรกิจ AI ปี 2025 ของ PwC

• PwC คาดว่า AI จะสร้างคุณค่าในระดับทั้งองค์กรและอุตสาหกรรม และบริษัทที่นำไปใช้เชิงรุกจะเป็นฝ่ายนำหน้าในระยะยาว
• คาดว่า AI จะมีบทบาทสำคัญในทุกด้านทั้งงานปฏิบัติการ กลยุทธ์ และโมเดลธุรกิจ และจะถูกบูรณาการและแพร่หลายเร็วขึ้นอีกในปี 2025
• "วิสัยทัศน์ต่อ AI และวิธีนำไปใช้คือปัจจัยสำคัญที่ชี้ชะตาความสำเร็จหรือล้มเหลวขององค์กร"
  • ตอนนี้ชัดเจนแล้วว่า AI สามารถสร้างมูลค่าในระดับขนาดใหญ่ได้ และยังเพิ่งอยู่ในช่วงเริ่มต้นเท่านั้น
  • ตามผลสำรวจ PwC 2024 Pulse Survey ผู้นำด้านเทคโนโลยีที่ตอบแบบสำรวจ 49% ระบุว่าได้บูรณาการ AI เข้ากับกลยุทธ์ธุรกิจหลักอย่างสมบูรณ์แล้ว และอีก 1 ใน 3 ตอบว่าได้บูรณาการเข้ากับผลิตภัณฑ์และบริการของบริษัทอย่างสมบูรณ์แล้ว
• การฝัง AI ให้เป็นส่วนหนึ่งขององค์กรเป็นสิ่งจำเป็น
  • วิธีหนึ่งคือการสร้างคุณค่าแบบก้าวกระโดดผ่าน "การกระโดดครั้งใหญ่" เช่น โมเดลธุรกิจใหม่
  • อีกวิธีคือค่อย ๆ ทำให้เกิดการเพิ่มผลิตภาพ 20~30% การเร่งความเร็วในการเข้าสู่ตลาด หรือการเพิ่มรายได้ในหลายด้านอย่างต่อเนื่อง
  • เมื่อทำซ้ำและสะสมผลลัพธ์เหล่านี้ องค์กรทั้งบริษัทจะเปลี่ยนแปลงไปอย่างรากฐาน
• ยังมีส่วนที่ความคาดหวังเกี่ยวกับ AI สูงเกินจริงอยู่ด้วย
  • แม้ไม่ใช่ทุกคำมั่นสัญญาจะเกิดขึ้นจริง แต่ความเร็วของนวัตกรรม AI การลงทุน และการตอบรับจากภาคธุรกิจนั้นเร็วอย่างไม่เคยมีมาก่อน
  • แม้แต่อินเทอร์เน็ต (ประดิษฐ์ขึ้นในปี 1983) ก็ยังไม่เร็วเท่านี้
  • การคาดการณ์ด้านล่างนี้จะชี้ทิศทางว่าอะไรจะเกิดขึ้นใน 12 เดือนข้างหน้า อะไรอาจเกิดขึ้นหลังจากนั้น และควรทำอะไรตั้งแต่ตอนนี้

1. กลยุทธ์ AI เป็นตัวกำหนดความสามารถในการแข่งขัน

• กลยุทธ์ AI ควรมุ่งไปที่การสร้างคุณค่าที่เริ่มได้ตั้งแต่ตอนนี้
  • นี่ไม่ได้หมายถึงแค่ผลิตภาพหรือประสิทธิภาพเท่านั้น
  • ระบบ AI บางส่วนสามารถให้เหตุผลได้อย่างเป็นอิสระ “เข้าใจ” ผลกระทบของการตัดสินใจ และทำงานที่ซับซ้อนได้ (เช่น การออกแบบบริการใหม่หรือกลยุทธ์การเข้าสู่ตลาด)
  • AI กำลังก้าวไปสู่ระดับที่ทรงพลังและเชื่อถือได้มากขึ้น จนถึงจุดที่ต้องผสานเข้าไปในทุกการดำเนินงาน
  • หากคู่แข่งนำ AI มาใช้อย่างจริงจัง ช่องว่างระหว่างพวกเขากับบริษัทที่ไม่ทำเช่นนั้นจะปิดได้ยาก
• กลยุทธ์ AI ที่มีประสิทธิภาพต้องใช้แนวทางแบบพอร์ตโฟลิโอที่ออกแบบมาเพื่อสร้างคุณค่าขนาดใหญ่จากสิ่งที่ใช้งานได้ทันทีในปีนี้
  • แกนแรกคือ “ground game” ซึ่งเป็นแนวทางอย่างเป็นระบบเพื่อสร้างความสำเร็จเล็ก ๆ จำนวนมาก
    • สร้างคุณค่าสะสมผ่านการยกระดับประสบการณ์ลูกค้า บริการที่เพิ่มรายได้ และการเพิ่มผลิตภาพอย่างต่อเนื่อง
  • แกนที่สองคือ “roofshots” ซึ่งเป็นโครงการสำหรับวิธีการทำงานใหม่ การปฏิสัมพันธ์กับลูกค้า และการออกแบบผลิตภัณฑ์
    • เป็นพื้นที่ที่ทำได้จริง แต่ต้องการทรัพยากรและความสนใจอย่างเข้มข้น
  • แกนที่สามคือ “moonshots” ซึ่งเป็นโครงการที่ท้าทายมากแต่มีผลตอบแทนสูง เช่น โมเดลธุรกิจใหม่ทั้งหมดที่ขับเคลื่อนด้วย AI
    • โครงการลักษณะนี้ต้องใช้ทักษะและทรัพยากรระดับสูงจากผู้เชี่ยวชาญด้าน AI จึงควรมีการขับเคลื่อนจากระดับ C-level
• การเลือกว่าจะใช้โมเดลภาษาขนาดใหญ่ (LLM) ตัวใด อาจไม่ได้สำคัญเชิงกลยุทธ์มากนัก
  • จะมีตัวเลือกที่ยอดเยี่ยมมากมาย และมีความเป็นไปได้สูงว่าทุกคนจะใช้สิ่งเหล่านี้
  • จุดสร้างความแตกต่างกลับอยู่ที่วิธีนำมาผสานกับความรู้เชิงองค์กรและข้อมูลเฉพาะของบริษัท
  • กุญแจสำคัญคือการทำสิ่งนี้ให้ถูกต้องด้วยสถาปัตยกรรมคลาวด์ที่รองรับ AI

"การนำ AI มาใช้กำลังดำเนินไปอย่างรวดเร็วมากทั้งภายใน PwC และในกลุ่มลูกค้าทุกอุตสาหกรรม ในปี 2025 คุณภาพ ความแม่นยำ ความสามารถ และระบบอัตโนมัติจะพัฒนาอย่างมาก และจะทำงานประสานกันเพื่อเร่งไปสู่การเติบโตแบบทวีคูณ"

• หลังปี 2025: จะมีเพียงไม่กี่บริษัทที่ครองความได้เปรียบ

  • บางบริษัทเคยสร้างโมเดลธุรกิจบนอินเทอร์เน็ตในอดีต และอาศัยสิ่งนั้นครองความได้เปรียบในตลาดมาจนถึงปัจจุบัน
  • คาดว่า AI ก็จะมีรูปแบบคล้ายกัน
  • บริษัทที่นำโมเดลการดำเนินงานและโมเดลธุรกิจใหม่บนพื้นฐาน AI มาใช้ได้อย่างรวดเร็ว หรือบริษัทที่มี AI เป็นแกนกลางมาตั้งแต่ต้น จะเป็นฝ่ายนำในการแข่งขัน
  • ช่องว่างระหว่างบริษัทผู้นำด้าน AI กับบริษัทที่ตามหลังจะกว้างขึ้น และอาจส่งผลต่อเศรษฐกิจระดับประเทศโดยรวมด้วย
  • บริษัทอเมริกันที่มีข้อกำกับดูแลยืดหยุ่นกว่าน่าจะพัฒนาได้เร็วกว่า
  • ในทางกลับกัน EU หรือจีนที่มีกฎระเบียบเข้มงวดกว่าก็อาจพัฒนาได้ช้ากว่าเมื่อเทียบกัน

• สิ่งที่ต้องทำตอนนี้

  • จำเป็นต้องทำการประเมินกลยุทธ์อย่างเป็นทางการ
    • ต้องทำความเข้าใจว่า AI สามารถมีบทบาทอย่างไรในองค์กรและในอุตสาหกรรม
    • ตัวอย่างเช่น AI อาจกดดันมาร์จินของบางพื้นที่ธุรกิจ ขณะเดียวกันก็อาจเปิดทางให้เติบโตอย่างก้าวกระโดดในอีกบางพื้นที่ผ่านสินค้าใหม่ที่ต้นทุนต่ำและปรับให้เหมาะกับแต่ละบุคคล
  • ลองใช้แนวทาง ‘less is more’ กับข้อมูล
    • จำเป็นต้องมีกลยุทธ์การใช้ข้อมูลในระดับทั้งองค์กรเพื่อรองรับการนำ AI มาใช้
    • แต่ในขณะเดียวกันก็ไม่จำเป็นต้องจัดระเบียบข้อมูลทั้งหมดให้สมบูรณ์แบบในคราวเดียว
    • แนวทางที่มีประสิทธิภาพคือปรับปรุงข้อมูลที่มีมูลค่าสูงก่อน โดยยึดตามลำดับความสำคัญเชิงกลยุทธ์
    • ปัจจุบัน AI สามารถสร้างประสิทธิภาพที่มีนัยสำคัญได้แม้มีเพียงชุดข้อมูลขนาดเล็กแต่คุณภาพสูง
    • ส่วนที่ขาดสามารถเสริมได้ด้วยข้อมูลสังเคราะห์ เป็นต้น
    • งานด้านภาษีซึ่งมีการใช้ข้อมูลมากและมีกระบวนการแบบอิงกฎเกณฑ์ อาจเหมาะสำหรับการทดลองนำร่อง และนอกจากนั้นก็ยังมีโอกาสสร้างรายได้จากข้อมูลอีกหลายรูปแบบ
  • พิจารณาจากมุมมองการปฏิบัติการและ KPI
    • ต้องวัดรายได้ใหม่ ความเร็วในการดำเนินโครงการ ผลิตภาพ และประสบการณ์ที่เกิดจาก AI ในฐานะผลลัพธ์ทางธุรกิจ
    • พร้อมกันนั้น การออกแบบตัวชี้วัดที่ไม่กระตุ้นให้เกิดระบบอัตโนมัติมากเกินไปก็เป็นเรื่องสำคัญ
    • AI ยังต้องมีการกำกับดูแลและภาวะผู้นำจากมนุษย์เสมอ

2. AI agent อาจทำให้กำลังคนเพิ่มขึ้นจริงได้ถึง 2 เท่า

• ตรงกันข้ามกับการคาดการณ์ว่า AI จะลดจำนวนแรงงานลง ในความเป็นจริงคาดว่าแรงงานดิจิทัลที่เรียกว่า “AI agent” จะเข้ามาเป็นสมาชิกใหม่ของทีม
  • AI agent เหล่านี้สามารถรับผิดชอบงานด้านความรู้ งานขาย และงานสนับสนุนภาคสนาม รวมถึงอาจเปลี่ยนแปลงความเร็วในการเข้าสู่ตลาด การตอบสนองลูกค้า และการออกแบบผลิตภัณฑ์
  • ตัวอย่างเช่น สามารถทำงานอย่างการจัดการคำถามลูกค้าทั่วไป การร่างโค้ดซอฟต์แวร์เบื้องต้น และการนำไอเดียการออกแบบของมนุษย์ไปสร้างเป็นต้นแบบได้
• คุณค่าที่สำคัญยังคงเกิดจากการผสานกันระหว่างภาวะผู้นำของมนุษย์กับเทคโนโลยี AI
  • AI จะทำงานง่าย ๆ ให้เป็นอัตโนมัติ ส่วนมนุษย์จะเป็นผู้บริหารและกำกับดูแล
  • สำหรับงานที่ซับซ้อนกว่า เช่น นวัตกรรมและการออกแบบ มนุษย์กับ AI จะร่วมกันพัฒนาไอเดียแบบวนซ้ำ
  • แม้ในกรณีที่ใช้งาน AI agent หลายตัวพร้อมกัน มนุษย์ก็ยังมีบทบาทในการกระจายงานและปรับประสานผลลัพธ์
• ตามรายงาน 2024 Workforce Radar ของ PwC ผู้บริหาร 41% ระบุว่าเมื่อมีการนำ generative AI มาใช้ การฝึกอบรม วัฒนธรรมองค์กร และการเปลี่ยนแปลงวิธีทำงานเป็นความท้าทายหลัก
• การนำ AI agent เข้ามาเป็นส่วนหนึ่งของกลยุทธ์กำลังคนอย่างจริงจังถือเป็นการเปลี่ยนแปลงครั้งใหญ่พอสมควร
  • ตัวอย่างเช่น จำเป็นต้องบูรณาการแรงงานดิจิทัลเข้าไปในกลยุทธ์กำลังคน และต้องมีบทบาทผู้จัดการรูปแบบใหม่สำหรับการติดตามและบริหารแรงงานเหล่านี้
  • ยิ่งปรับโครงสร้างโมเดลการดำเนินงานได้เร็วเท่าไร ก็ยิ่งได้รับประโยชน์จาก AI ได้เร็วขึ้นเท่านั้น
  • เมื่อกำลังคนแบบผสมระหว่างดิจิทัลกับมนุษย์ทำงานร่วมกัน ก็จะสามารถโยกย้ายทรัพยากรและตอบสนองได้อย่างคล่องตัวมากขึ้น
• การเติบโตของ AI agent ทำให้งานบางส่วนที่เคย outsource สามารถนำกลับมาทำภายในองค์กรได้
  • ไม่ได้มีข้อดีแค่เรื่องลดต้นทุน แต่ยังได้เปรียบในด้านการเพิ่มความพึงพอใจของผู้ใช้และการปรับแต่งเฉพาะทางด้วย
  • ในมุมของบริการลูกค้า องค์กรจะสามารถให้ทั้ง self-service ที่รวดเร็วและการช่วยเหลือจากบุคลากรที่มีความเชี่ยวชาญสูงได้พร้อมกัน
  • AI agent มีบทบาทในการให้ข้อมูลที่ถูกต้องทันเวลา เพื่อช่วยให้มนุษย์สามารถแก้ปัญหาความต้องการของลูกค้าที่ซับซ้อนได้อย่างรวดเร็วและมีประสิทธิภาพ
  • ด้วยเหตุนี้ อาจจำเป็นต้องทบทวนทั้ง geographic footprint และแผนการ outsource ใหม่ด้วย

“AI agent มีศักยภาพในการสร้างผลิตภาพและนวัตกรรมที่ไม่เคยมีมาก่อน ด้วยการผสานความคิดสร้างสรรค์ของมนุษย์เข้ากับประสิทธิภาพของเครื่องจักร”

• หลังปี 2025: agent center จะเข้ามาแทนที่ center of excellence

  • เมื่อองค์กรสามารถประสานและบริหาร AI agent ได้ดีขึ้น ก็มีความเป็นไปได้ที่จะ “offshore” โดยจัดกำลังคนที่มี AI agent เป็นศูนย์กลางไว้ในภูมิภาคที่มีต้นทุนต่ำ
  • ยังอาจได้รับสิทธิประโยชน์ทางภาษีตามทรัพย์สินทางปัญญา (IP) ที่เกิดขึ้นในกระบวนการพัฒนา agent และตามพื้นที่ที่ IP นั้นตั้งอยู่
  • แนวทางการสร้าง “agent center” ขึ้นเองแทนการเช่า agent จาก vendor แม้จะมีต้นทุนเริ่มต้น แต่คาดว่าจะให้ ROI ที่สูงกว่าในเวลาไม่กี่ปี

• สิ่งที่ต้องทำตอนนี้

  • เปลี่ยนกรอบความคิด
    • ต้องเรียนรู้วิธีทำงานรูปแบบใหม่ที่ร่วมมือกับ AI agent เสมือนเป็นเพื่อนร่วมงานที่เป็นอิสระและมีความคิดสร้างสรรค์
    • ในระดับผู้นำ จำเป็นต้องแสดงให้ชัดว่า AI ถูกนำมาใช้เพื่อยกระดับคุณค่าของมนุษย์
  • จัดทำ playbook ใหม่ให้ HR
    • หากจะบริหารกำลังคนที่รวมทั้งมนุษย์และ AI agent ฝ่าย HR เองก็ต้องมีขีดความสามารถใหม่เช่นกัน
    • โดยเฉพาะหาก AI จะเข้ามาทำงานระดับเริ่มต้นส่วนใหญ่ อาจจำเป็นต้องสร้างความร่วมมือกับมหาวิทยาลัยหรือสถาบันอื่น ๆ เพื่อให้บุคลากรใหม่สามารถรับบทบาทที่มีระดับสูงขึ้นได้ทันที
  • เตรียมพร้อมสำหรับการบริหาร digital worker
    • เนื่องจาก AI agent มีความเป็นอิสระอยู่ในระดับหนึ่ง จึงจำเป็นต้องมีโมเดลการบริหารที่มีมนุษย์เป็นศูนย์กลาง
    • เมื่อติดตั้งใช้งาน agent ต้องคำนึงถึงสมดุลระหว่างต้นทุนกับ ROI และต้องพัฒนาตัวชี้วัดสำหรับทีมแบบผสมคน-AI
    • ต้องมีการกำกับดูแลอย่างเข้มงวดเพื่อป้องกันไม่ให้ AI agent แสดงพฤติกรรมที่คาดเดาไม่ได้ เป็นอันตราย หรือฝ่าฝืนกฎระเบียบ
    • ในเรื่องนี้ กลยุทธ์ Responsible AI สามารถเป็นกรอบการรับมือแบบองค์รวมที่มีประโยชน์ได้

3. ROI ของ AI ขึ้นอยู่กับ Responsible AI

• ตามที่คาดการณ์ไว้เมื่อปีที่แล้ว ผู้บริหารยังคงให้ความสำคัญกับการบริหารความเสี่ยงด้าน AI และแนวปฏิบัติ Responsible AI อย่างต่อเนื่อง
• อย่างไรก็ตาม จนถึงตอนนี้ก็ยังไม่มีการลงมือทำอย่างมีนัยสำคัญมากพอ
• ในปี 2025 องค์กรจะไม่มีช่องว่างให้ใช้ AI governance แบบไม่สม่ำเสมอทั่วทั้งบริษัทอีกต่อไป
  • เมื่อ AI ถูกบูรณาการลึกเข้าไปในการดำเนินงานและข้อเสนอในตลาด ก็จำเป็นต้องมีกรอบที่โปร่งใสเพื่อรักษามูลค่าการลงทุนอย่างมั่นคงและจัดการความเสี่ยงจากการใช้งานในวงกว้าง
  • หาก AI ที่ถูกใช้งานในวงกว้างเกิดความไม่แม่นยำหรือมีความเสี่ยงอย่างภัยคุกคามด้านความปลอดภัย ก็อาจสร้างความเสียหายรุนแรงต่อองค์กรได้
  • ด้วยเหตุนี้ การบริหารความเสี่ยงด้าน AI อย่างเข้มงวดและการตรวจสอบความถูกต้องของการควบคุมจะกลายเป็นสิ่งจำเป็น
• ตามรายงาน 2024 US Responsible AI Survey ของ PwC ผู้บริหาร 46% ระบุว่าเป้าหมายหลักของการลงทุนในแนวปฏิบัติ Responsible AI คือการสร้างความแตกต่างให้ผลิตภัณฑ์และบริการของตน
• ผู้บริหาร โดยเฉพาะผู้นำที่ขับเคลื่อนนวัตกรรม AI จะไม่รอความชัดเจนด้านกฎระเบียบไปเรื่อย ๆ
  • เพราะ AI พัฒนาเร็วมากและมีบทบาทสำคัญต่อธุรกิจ
• ในอดีต AI ถูกใช้เพียงกับบางกรณีแบบแยกส่วน จึงทำให้แม้ล้มเหลว ขอบเขตผลกระทบก็ยังจำกัด
  • แต่ตอนนี้พนักงานใช้งาน AI เป็นประจำในชีวิตการทำงาน และลูกค้าก็เข้าถึงฟีเจอร์ AI บ่อยครั้งเช่นกัน
  • หากเกิดปัญหาเรื่องความน่าเชื่อถือของ AI ก็อาจส่งผลกระทบเชิงลบต่อการเติบโตของรายได้ได้
• การทำให้คุณค่าจาก AI เกิดขึ้นจริงจำเป็นต้องมีการตรวจสอบอย่างเป็นอิสระ
  • ทีมที่รับผิดชอบการตรวจสอบภายในอาจต้องเสริมความเชี่ยวชาญด้าน AI หรือมอบหมายให้ผู้เชี่ยวชาญภายนอกเข้ามาประเมิน
  • ไม่ว่าใช้วิธีใด มุมมองที่ใช้ตรวจสอบ AI governance และการควบคุมอย่างเป็นอิสระจะยังเป็นหัวใจสำคัญหลังปี 2025

“AI governance ที่ประสบความสำเร็จจะถูกนิยามไม่ใช่แค่การลดความเสี่ยง แต่รวมถึงการบรรลุเป้าหมายเชิงกลยุทธ์และสร้าง ROI ที่สูงด้วย”

• หลังปี 2025: แนวทางด้านกฎระเบียบเกี่ยวกับ AI จะส่งเสริมนวัตกรรมอย่างต่อเนื่อง

  • จากผลการเลือกตั้งเดือนพฤศจิกายน มีความเป็นไปได้สูงว่ากฎระเบียบในระดับรัฐบาลกลางจะยังคงมีความยืดหยุ่น และส่งผลบวกต่อความก้าวหน้าทางเทคโนโลยี AI รวมถึงการขยายการใช้งาน
  • อย่างไรก็ดี ความเคลื่อนไหวด้านกฎระเบียบในระดับรัฐจะยังเดินหน้าอย่างรวดเร็ว และอาจมีกฎที่ขัดแย้งกันปรากฏขึ้นเป็นระยะ
    • โดยเฉพาะในประเด็นอย่างการคุ้มครองข้อมูลส่วนบุคคล กฎอาจแตกต่างกันไปในแต่ละรัฐ
  • ถึงอย่างนั้น สหรัฐฯ ก็ยังมีแนวโน้มจะเป็นสภาพแวดล้อมที่เอื้อต่อการสร้างนวัตกรรม AI มากที่สุดแห่งหนึ่งต่อไป

• สิ่งที่ต้องทำตอนนี้

  • การประเมินความเสี่ยงแบบครอบคลุม
    • จุดเริ่มต้นของ Responsible AI คือการประเมินความเสี่ยงของ AI
    • หากต้องการทำให้การตัดสินใจด้าน governance มีความสม่ำเสมอและทำซ้ำได้ จำเป็นต้องมีระบบจัดหมวดหมู่ความเสี่ยงมาตรฐานที่ออกแบบมาสำหรับ AI โดยเฉพาะ
    • ตัวอย่าง: ที่ PwC มีการใช้ระบบจัดหมวดหมู่ความเสี่ยงซึ่งครอบคลุมโมเดล AI ข้อมูล ระบบและโครงสร้างพื้นฐาน ผู้ใช้ กฎหมายและ compliance รวมถึงผลกระทบต่อกระบวนการ
    • โดยเฉพาะอย่างยิ่ง ต้องตรวจสอบด้วยว่า vendor และผู้ให้บริการใช้ AI อย่างไร และสามารถยืนยันได้ผ่านรายงานอย่าง SOC-2 หรือไม่
  • เลือกแนวทางการตรวจสอบอย่างเป็นอิสระ
    • ควรเพิ่มชั้นการตรวจสอบที่เป็นอิสระสำหรับระบบ AI และผลลัพธ์ของมันอย่างต่อเนื่อง ผ่านทีมผู้เชี่ยวชาญภายในหรือผู้ให้บริการภายนอกที่เชี่ยวชาญ
    • ลำดับความสำคัญควรเริ่มจากพื้นที่ที่มีความเสี่ยงสูงหรือมีผลกระทบทางการเงินมากก่อน
  • คำนึงถึงความแตกต่างรายอุตสาหกรรม
    • ทุกอุตสาหกรรมจำเป็นต้องมี AI governance และการกำกับดูแล แต่ข้อกำหนดในแต่ละอุตสาหกรรมทำงานต่างกัน
    • ตัวอย่าง: บริการทางการเงินต้องทำให้เป็นไปตามข้อกำหนดด้าน compliance ที่ซับซ้อนอยู่แล้วให้สอดรับกับยุค AI
    • บริษัทที่ทำงานร่วมกับภาครัฐ เช่น ในอุตสาหกรรมการบินและอวกาศหรือกลาโหม จำเป็นต้องติดตามแนวโน้มกฎระเบียบระดับโลก
    • หากต้องการเตรียมแนวทางรับมือในระดับอุตสาหกรรมด้วยตนเอง ก็อาจใช้แบบสำรวจง่าย ๆ เพื่อ benchmark มาตรฐาน AI governance ของบริษัทในอุตสาหกรรมเดียวกันได้

4. AI เป็นทั้งเครื่องมือสร้างมูลค่าและมีส่วนช่วยด้านความยั่งยืน

• AI ช่วยเร่งการเปลี่ยนผ่านด้านพลังงาน
• หากนำไปใช้อย่างเหมาะสมในอุตสาหกรรมที่ปล่อยคาร์บอนสูง เช่น การผลิต การก่อสร้าง และการขนส่ง ก็จะช่วยให้องค์กรบรรลุเป้าหมายด้านความยั่งยืนได้ด้วย
• อย่างไรก็ตาม ขณะนี้ยังไม่มีพลังงานไฟฟ้าและทรัพยากรคอมพิวต์เพียงพอสำหรับให้ AI แพร่ขยายในวงกว้างระดับใหญ่ได้ในทันที
• แม้จะมีชิปเพิ่มขึ้น โมเดลพัฒนาก้าวหน้า และแหล่งพลังงานขยายตัว แต่ในปี 2025 มีความเป็นไปได้สูงที่อุปสงค์และอุปทานจะยังไม่สมดุล
• ดังนั้น แทนที่จะนำ AI ไปใช้พร่ำเพรื่อทุกที่ ควรเข้าหาอย่างมีกลยุทธ์
  • ตัวอย่าง: พิจารณาออกแบบ UI·UX ที่ไม่ชักนำให้ผู้ใช้เรียกใช้ AI อย่างไม่ยั้งคิดหรือสิ้นเปลืองโทเค็นโดยไม่จำเป็น

63% ของบริษัทที่มีผลการดำเนินงานสูงวางแผนจะเพิ่มงบประมาณคลาวด์เพื่อใช้งาน GenAI และในจำนวนนี้ 34% มองปัจจัยด้านความยั่งยืนเป็นแรงขับเคลื่อนของการเพิ่มงบประมาณ
(PwC’s 2024 Cloud and AI Business Survey)

• ในระยะยาว AI จะเป็นตัวเร่งสำคัญของการขับเคลื่อนความยั่งยืน
  • คาดว่าการนำพลังงานหมุนเวียนมาใช้จะขยายตัวได้รวดเร็วยิ่งขึ้นในระดับโลก
  • ในสหรัฐฯ การสร้างโรงไฟฟ้าพลังงานฟอสซิลขนาดใหญ่แห่งใหม่ทำได้ยาก เพราะเหตุผลด้านความคุ้มค่าและข้อเรียกร้องจากผู้มีส่วนได้ส่วนเสีย
  • คาดว่าจะมีการขยายพลังงานหมุนเวียน (รวมถึงพลังงานนิวเคลียร์) และโครงข่ายไฟฟ้าที่มีประสิทธิภาพ เพื่อรองรับความต้องการของภาคธุรกิจ
• คาร์บอนฟุตพรินต์ที่ผู้ให้บริการ AI ก่อให้เกิดขึ้นอาจถูกนับรวมในตัวชี้วัดการปล่อยคาร์บอนขององค์กรผู้ใช้งานปลายทางด้วย
  • จึงจำเป็นต้องมองหาผู้ให้บริการ AI ที่เป็นมิตรต่อสิ่งแวดล้อมมากกว่า หรือเรียกร้องให้ผู้ให้บริการดำเนินธุรกิจสีเขียว
• ภายใต้กฎเกณฑ์การเปิดเผยข้อมูลด้านความยั่งยืนที่เริ่มบังคับใช้ใหม่ (เช่น ในสหรัฐฯ และสหภาพยุโรป) AI ก็สามารถช่วยทำงานด้านการเก็บข้อมูลภายในและภายนอก การวิเคราะห์ และการสร้างรายงานแบบอัตโนมัติได้
  • เมื่อกฎการเปิดเผยข้อมูลสภาพภูมิอากาศของ SEC ถูกระงับไว้ชั่วคราว ก็ยิ่งมีโอกาสมากขึ้นที่บางรัฐ (เช่น แคลิฟอร์เนีย) จะออกกฎของตนเอง
• AI สามารถช่วยยกระดับความยั่งยืนได้ด้วยการวิเคราะห์ข้อมูลตลอดทั้งซัพพลายเชนอย่างละเอียดมากขึ้น
  • ตัวอย่าง: ซัพพลายเออร์รายเล็กก็สามารถให้ข้อมูลเชิงรายละเอียด เช่น ปริมาณการใช้พลังงานรายเดือนและรายปีได้
  • องค์กรสามารถใช้ AI เพื่อวัดมูลค่าเชิงศักยภาพของการทำผลิตภัณฑ์คาร์บอนต่ำออกสู่ตลาด ไม่ใช่แค่คาร์บอนที่ปล่อยออกมาเท่านั้น
• เมื่อความสามารถของ AI เหล่านี้ถูกฝังอยู่ในงานประจำวัน ก็จะไม่ใช่แค่ผู้รับผิดชอบ ESG เท่านั้น แต่พนักงานทุกคนจะสามารถใช้ข้อมูลมาช่วยตัดสินใจได้

“คำกล่าวที่ว่า AI ขัดกับความยั่งยืนนั้นไม่เป็นความจริง หากใช้อย่างเหมาะสม มันกลับช่วยให้บรรลุเป้าหมายด้านความยั่งยืนที่หลากหลาย รวมถึงเป้าหมายลดคาร์บอนได้ด้วย”

• หลังปี 2025: ต้นทุนจะเข้าใกล้ศูนย์

  • คาดว่าต้นทุนจะลดลงอย่างรวดเร็ว เมื่อทรัพยากรคอมพิวต์รูปแบบใหม่และพลังงานหมุนเวียนแพร่หลายมากขึ้น
  • ส่งผลให้เกิดสภาพแวดล้อมที่เอื้อต่อการประยุกต์ใช้ AI อย่างรอบด้านในองค์กรและอุตสาหกรรมโดยรวม

• สิ่งที่ต้องทำตอนนี้

  • แนวทางเชิงกลยุทธ์
    • พนักงานทุกคนควรใช้ความสามารถ AI ขั้นพื้นฐานได้ แต่ต้องตัดสินใจอย่างรอบคอบว่าจะนำโซลูชัน AI ประสิทธิภาพสูงไปใช้ในส่วนใด
    • การตัดสินใจนี้ควรทำในระดับ C-level โดยให้สอดคล้องกับจุดแข็ง ทรัพยากรข้อมูล และลำดับความสำคัญของบริษัท
  • การพลิกโฉมข้อมูลด้านความยั่งยืน
    • ใช้ AI เพื่อนำข้อมูลที่เก็บและวิเคราะห์แล้วครั้งหนึ่งกลับมาใช้ซ้ำกับหลายข้อกำหนด ช่วยลดต้นทุนการปฏิบัติตามกฎ และทำให้เข้าใจการปล่อยคาร์บอนรวมถึงผลกระทบด้านความยั่งยืนโดยรวมได้แม่นยำขึ้น
    • ต้องคำนึงถึงไม่เพียงผลกระทบทางตรงของ AI (จากการใช้งานของตนเอง) แต่รวมถึงการปล่อยคาร์บอนทางอ้อมที่เกิดผ่านผู้ให้บริการ AI ด้วย
    • และยังสามารถเสริมการตลาดได้จากข้อมูลที่วัดได้เหล่านี้
      • ตัวอย่าง: ระบุกลุ่มลูกค้าที่พร้อมจ่ายแพงขึ้นเพื่อซื้อผลิตภัณฑ์คาร์บอนต่ำ
  • ใช้ประโยชน์จากข้อได้เปรียบด้านความยั่งยืนรูปแบบใหม่
    • การปรับปรุงประสิทธิภาพจาก AI ยังช่วยลดความต้องการพลังงานได้
    • ตัวอย่าง: หากย่นวงจร R&D ลงครึ่งหนึ่ง ก็จะช่วยลดพลังงานที่ใช้ในกระบวนการนั้นด้วย
    • หากนำ AI ไปใช้กับอาคารหรือระบบบริหารจัดการพลังงานเพื่อเพิ่มประสิทธิภาพ ก็จะได้ทั้งการลดต้นทุนและลดคาร์บอนพร้อมกัน

5. AI ช่วยลดวงจรชีวิตการพัฒนาผลิตภัณฑ์ลงครึ่งหนึ่ง

• สำหรับองค์กรที่ผลิตสินค้าจริง หากยังไม่นำ AI มาใช้ในการออกแบบ การทำต้นแบบ และการทดสอบ ตอนนี้คือช่วงเวลาที่เหมาะสม
• Multimodal AI สามารถประมวลผลและสร้างสิ่งต่าง ๆ ได้หลากหลาย เช่น ไฟล์ CAD และการจำลองสถานการณ์
  • ตัวอย่าง: GenAI สามารถเสนอรูปแบบโครงสร้างแชสซีรถยนต์ จำลองสมรรถนะภายใต้เงื่อนไขที่หลากหลาย และเสนอทางเลือกด้านดีไซน์ที่วิศวกรอาจมองข้าม
• การใช้ AI ทำให้กระบวนการวนซ้ำของการออกแบบที่เดิมใช้เวลาหลายสัปดาห์เสร็จได้ภายในไม่กี่ชั่วโมง และยังสามารถตรวจพบข้อผิดพลาดได้มากขึ้นผ่านการทดสอบเสมือนจริงก่อนสร้างต้นแบบจริง
• จากกรณีศึกษาลูกค้าของ PwC และการวิเคราะห์แนวโน้มด้านเทคโนโลยีกับอุตสาหกรรม พบว่าในอุตสาหกรรมยานยนต์หรือการบินและอวกาศ การนำ AI มาใช้สามารถลดเวลาออกสู่ตลาดได้ 50% และลดต้นทุนได้ 30%
• ในอุตสาหกรรมยา ก็มีตัวอย่างที่ AI ช่วยย่นระยะเวลาค้นหาผู้สมัครเป็นยาตัวใหม่ได้มากกว่า 50% แล้ว
• อย่างไรก็ตาม ช่องว่างระหว่างความเชี่ยวชาญด้านวิศวกรรมกับความสามารถด้าน data science มักเป็นอุปสรรค
  • จึงจำเป็นต้องฝึกอบรมให้วิศวกรที่เชี่ยวชาญด้านการออกแบบและการผลิตมีความสามารถในการใช้ AI หรือดึงดูดบุคลากร AI เข้ามาอย่างจริงจัง
• เมื่อนำ AI มาใช้ในการพัฒนาผลิตภัณฑ์ ก็จะสามารถเปิดตัวได้เร็วขึ้น ลดต้นทุน และนำเสนอผลิตภัณฑ์แบบปรับให้เหมาะกับลูกค้าได้ ส่งผลให้ความพึงพอใจของลูกค้าเพิ่มขึ้น

“ผลกระทบของความสามารถด้านการมองเห็นและการสร้างแบบมัลติโหมดของ AI ต่อการออกแบบผลิตภัณฑ์และงานอื่น ๆ เพิ่งเริ่มต้นเท่านั้น”

• หลังปี 2025: ยุคใหม่ของนวัตกรรมเริ่มต้นขึ้น

  • หากมีการรีสกิลหรือปรับเปลี่ยนบุคลากรในสายงานออกแบบและวิศวกรรมให้มีความสามารถในการใช้ AI ขีดความสามารถด้านวิจัยและพัฒนาจะขยายตัวอย่างมาก
  • ผลลัพธ์คือคาดว่าจะเกิดนวัตกรรมที่รวดเร็วยิ่งขึ้นในด้านการออกแบบและพัฒนาผลิตภัณฑ์

• สิ่งที่ต้องทำตอนนี้

  • นำวิศวกรรมยุคถัดไปมาใช้
    • หากต้องการใช้ AI กับการออกแบบผลิตภัณฑ์และงานอื่น ๆ จำเป็นต้องมีคลาวด์และสถาปัตยกรรมข้อมูลที่ทันสมัย
    • ควรสนับสนุนให้ทีมวิศวกรรมสามารถใช้เทคโนโลยีอย่าง ‘edge AI’ ได้
  • ยกเครื่อง IT
    • สามารถใช้ AI เพื่อปรับปรุงวิธีทำงาน IT โดยรวม ทั้งการพัฒนาซอฟต์แวร์ ความปลอดภัย และการทำ data modernization
    • สิ่งนี้จะกลายเป็นรากฐานที่รองรับ AI initiative ในวงกว้างยิ่งขึ้น
  • ปรับโครงสร้างทีมเทคโนโลยีใหม่
    • แม้จะเป็นทีมที่ทำงานกับผลิตภัณฑ์เชิงกายภาพเท่านั้น ก็ยังจำเป็นต้องมีความสามารถด้านคอมพิวเตอร์และ data science
    • เนื่องจากองค์ประกอบทักษะของบุคลากรเทคโนโลยีจะเปลี่ยนไป จึงจำเป็นต้องปรับโครงสร้างทีมโดยคำนึงถึงเรื่องนี้

6. ภูมิทัศน์การแข่งขันทั่วทั้งอุตสาหกรรมจะเปลี่ยนแปลงไป

• AI จะเปลี่ยนทุกอุตสาหกรรม แต่บางอุตสาหกรรมอาจเคลื่อนไหวได้เร็วกว่ากลุ่มอื่น
• แม้แต่ในอุตสาหกรรมที่ตามธรรมเนียมไม่ได้ถูกมองว่าขับเคลื่อนด้วยเทคโนโลยี ก็อาจเกิดกรณีตัวอย่างของการนำ AI มาใช้ที่เป็นผู้นำได้

• ตลาดผู้บริโภค

  • จะขยายการใช้ AI อย่างครอบคลุมทั้งด้านการตลาด การจัดการซัพพลายเชน การเงิน และการบริการลูกค้า
  • คาดว่าจะยกระดับการบริการลูกค้าด้วยการผสานแชตบอตแบบสนทนารูปแบบใหม่ที่มีความสามารถมากขึ้นเข้ากับ AI agent
    • ในกระบวนการนี้ สามารถส่งต่อข้อมูลที่จำเป็นให้พนักงานได้อย่างแม่นยำ เพื่อเพิ่มประสิทธิภาพในการตอบสนองลูกค้า
  • จะมีการนำการตั้งราคาแบบไดนามิกขั้นสูงผ่าน AI มาใช้ เพื่อตอบสนองต่อความผันผวนของตลาดและสถานการณ์การแข่งขันแบบเรียลไทม์
  • สามารถใช้ความสามารถด้านการวิเคราะห์ข้อมูลและระบบอัตโนมัติของ AI เพื่อเร่งความเร็วในการทำ due diligence สำหรับ M&A หรือการรับมือด้านการปฏิบัติตามกฎระเบียบ
  • บางบริษัทจะนำ AI มาใช้ในการออกแบบผลิตภัณฑ์ด้วยเช่นกัน แต่ในระยะสั้นการนำไปใช้อาจยังจำกัดจากข้อขาดแคลนด้านเทคโนโลยีและทักษะ
    • บริษัทที่ตามหลังควรเร่งลดช่องว่างนี้ให้ได้โดยเร็ว

• บริการทางการเงิน

  • แม้อิทธิพลของ AI จะแผ่กว้าง แต่ผลลัพธ์ที่มองเห็นได้ชัดกำลังเกิดขึ้นอย่างรวดเร็วโดยเฉพาะในสตาร์ตอัป AI-native และสถาบันการเงินขนาดใหญ่
  • ฟินเทค AI-native กำลังแก้ปัญหาเดิม ๆ ผ่านแพลตฟอร์มและโมเดลธุรกิจแบบใหม่
  • สถาบันการเงินขนาดใหญ่เองก็ได้ทดลอง use case ของ AI ที่หลากหลายมาอย่างต่อเนื่อง
    • สิ่งนี้ช่วยสร้างความเชื่อมั่นในเทคโนโลยี และปรับปรุงโมเดลความเสี่ยงและการควบคุม เพื่อวางรากฐานสำหรับการพัฒนาอย่างรวดเร็ว
  • ตั้งแต่ปี 2025 เป็นต้นไป บริษัทที่ยังลังเลหรือมีเพียงการพิจารณาการนำ AI มาใช้อาจเสี่ยงถูกทิ้งห่างอย่างชัดเจน

• อุตสาหกรรมเฮลธ์แคร์

  • ในปี 2025 สภาพแวดล้อมด้านกฎระเบียบที่ยืดหยุ่นมากขึ้นมีแนวโน้มจะเร่งการใช้ AI ในอุตสาหกรรมเฮลธ์แคร์
    • ภายใต้นโยบายของรัฐบาลชุดใหม่ จะมีการเน้น self-governance มากขึ้น ทำให้มีพื้นที่สำหรับนวัตกรรมเพิ่มขึ้น
  • บริษัทเภสัชกรรมและอุปกรณ์การแพทย์จะใช้ AI อย่างกว้างขวางโดยเฉพาะในการพัฒนายาและผลิตภัณฑ์ใหม่ เพื่อพลิกโฉมห่วงโซ่คุณค่าทั้งหมด
  • บริษัทประกันและผู้ให้บริการทางการแพทย์จะประยุกต์ใช้ AI มากขึ้นเพื่อเพิ่มประสิทธิภาพด้านรายได้และการดำเนินงาน แก้ปัญหาการขาดแคลนบุคลากรทางคลินิก และสนับสนุนการวินิจฉัยของแพทย์
  • โจทย์สำคัญคือการปรับทักษะของบุคลากรทางการแพทย์ใหม่ การทำให้เป็นส่วนบุคคล การอัปเกรดเทคโนโลยี และการใช้ AI อย่างมีความรับผิดชอบ
    • เนื่องจากเป็นสาขาที่เกี่ยวข้องกับข้อมูลผู้ป่วยที่อ่อนไหวและชีวิตความเป็นความตาย จึงต้องรักษาความรับผิดชอบในระดับสูงด้วยตนเอง แม้กฎระเบียบจะยืดหยุ่นมากขึ้นก็ตาม

• อุตสาหกรรมการผลิต

  • ในปี 2025 บริษัทผู้นำบางแห่งจะสร้างความได้เปรียบทางการแข่งขันภายในอุตสาหกรรมได้
    • บริษัทที่มีข้อมูลคุณภาพสูงและกระบวนการที่เป็นมาตรฐานจะใช้ AI เพื่อเพิ่มประสิทธิภาพและอินไซต์ เร่งความเร็ว R&D และย่นเวลาในการนำสินค้าออกสู่ตลาด
  • คาดว่าบริษัทที่เหลือจะมุ่งเสริมโครงสร้างพื้นฐานเทคโนโลยี data governance และขีดความสามารถด้าน AI พร้อมทั้งเพิ่มความเร็วในการทดลอง
    • ในกระบวนการนั้น อาจจำเป็นต้องทบทวนโมเดลการดำเนินงาน โครงสร้างองค์กร และความต้องการด้านกำลังคน

• เทคโนโลยี สื่อ และโทรคมนาคม

  • คาดว่าในปี 2025 AI agent จะเริ่มเปลี่ยนวิธีการใช้งานซอฟต์แวร์แพลตฟอร์ม
    • AI agent จะช่วยอุดช่องว่างของระบบเดิมอย่าง ERP ได้ ทำให้บางบริษัทอาจไม่ลงทุนอัปเกรดแพลตฟอร์มมากเท่าเดิม
    • ด้วยเหตุนี้ บริษัทซอฟต์แวร์อาจมีแนวโน้มปรับโมเดลธุรกิจไปสู่การให้บริการโซลูชัน AI แบบปรับแต่งเฉพาะ แทนการสร้างโครงสร้างพื้นฐานขนาดใหญ่
  • ผู้ให้บริการโทรคมนาคมมีแนวโน้มจะเสริมขีดความสามารถ AI ภายในองค์กรของตน ด้วยการนำโซลูชันแบบไฮบริดที่ผสาน generative AI เข้ากับ machine learning และ digital twin มาใช้ และลดการพึ่งพาพันธมิตรแบบดั้งเดิม