แนวโน้ม AI Agent ปี 2026 ที่ Google Cloud ประกาศ

การเติบโตของ Agentic AI ที่กำลังกำหนดคุณค่าทางธุรกิจขึ้นใหม่

ภูมิทัศน์ทางธุรกิจในปี 2026 จะถูกเปลี่ยนแปลงอย่างรากฐานโดย Agentic AI ซึ่งก้าวข้ามระดับของการตอบคำถาม ไปสู่การวางแผนและลงมือปฏิบัติได้ด้วยตนเอง

ตามรายงานของ Google Cloud, Agentic AI กำลังก้าวขึ้นมาเป็นเทคโนโลยีหลักที่ช่วยขยายขีดความสามารถของมนุษย์ โดยการเข้าใจเป้าหมาย วางแผน และลงมือทำข้ามแอปพลิเคชันที่หลากหลาย การเปลี่ยนแปลงนี้จะส่งผลต่อทุกตำแหน่งงาน ตั้งแต่งานแบ็กออฟฟิศ ฟรอนต์ออฟฟิศ ไปจนถึงผู้บริหาร และจะมีบทบาทในการยกระดับศักยภาพของความสำเร็จของมนุษย์ขึ้นไปอีกขั้น โดยเฉพาะอย่างยิ่ง เอเจนต์ถูกนิยามว่าเป็นระบบที่ผสานความฉลาดของโมเดล AI ขั้นสูงเข้ากับสิทธิ์การเข้าถึงเครื่องมือ เพื่อปฏิบัติงานในฐานะตัวแทนภายใต้การควบคุมของผู้ใช้ และเพื่อให้การเปลี่ยนผ่านประสบความสำเร็จ สิ่งจำเป็นไม่ใช่แค่การนำเครื่องมือใหม่มาใช้ แต่ต้องทบทวนสมมติฐานเดิมและอาศัยภาวะผู้นำที่ผลักดันการเปลี่ยนแปลงทางวัฒนธรรมด้วย

หัวใจของการเปลี่ยนแปลงนี้อยู่ที่การเปลี่ยนผ่านอย่างรากฐานไปสู่กระบวนการแบบ 'AI-first' ไม่ใช่ AI ในฐานะฟีเจอร์เสริม Oliver Parker รองประธานย้ำว่านี่คือการเปลี่ยนแปลงเชิงสาระของเวิร์กโฟลว์ และต้องการการเปลี่ยนแปลงอย่างลึกซึ้งของวัฒนธรรมองค์กรและวิธีคิด

หากเทคโนโลยีในอดีตเป็นของเฉพาะผู้เชี่ยวชาญบางกลุ่ม AI agent จะกลายเป็นหนึ่งในเทคโนโลยีแรก ๆ ที่ใช้ได้กับทุกคน โดยช่วยขยายความสามารถในการจดจำของแต่ละคน ความเร็วในการประมวลผลข้อมูล และความสามารถในการให้เหตุผลที่ดีขึ้น ดังนั้น คุณค่าทางธุรกิจในปี 2026 จะขึ้นอยู่กับว่าบริษัทสามารถกระจายศักยภาพทางเทคโนโลยีนี้ได้กว้างเพียงใด รับประกันการพัฒนาทักษะของพนักงานได้ดีแค่ไหน และดึงการมีส่วนร่วมในวงกว้างได้มากเพียงใด ผลลัพธ์คือองค์กรจะได้เครื่องยนต์ใหม่ของนวัตกรรมและการเติบโตผ่าน Agentic AI ไม่ใช่แค่การปรับปรุงประสิทธิภาพเท่านั้น

1. เอเจนต์สำหรับพนักงานทุกคน การยกระดับผลิตภาพส่วนบุคคลสูงสุด

การเปลี่ยนแปลงทางธุรกิจที่สำคัญที่สุดในปี 2026 คือการสร้างนวัตกรรมที่ยึดมนุษย์เป็นศูนย์กลางซึ่งก้าวข้ามมิติของการเพิ่มประสิทธิภาพ และสิ่งนี้จะเปลี่ยนพนักงานทุกคนให้กลายเป็นผู้กำกับดูแลเอเจนต์ หากการประมวลผลแบบเดิมเป็นแนวทางแบบ 'instruction-based' ที่ต้องป้อนคำสั่งเฉพาะเจาะจง เช่น การวิเคราะห์สเปรดชีตหรือการพัฒนาโค้ด ในปี 2026 จะเปลี่ยนไปสู่การประมวลผลแบบ 'intent-based' ที่เพียงระบุผลลัพธ์ที่ต้องการ แล้ว AI จะเป็นผู้ตัดสินใจวิธีดำเนินการ

ปัจจุบัน 52% ของผู้บริหารในองค์กรที่ใช้ generative AI ได้นำ AI agent เข้าสู่การทำงานจริงแล้ว และเมื่อพิจารณาว่ามีการใช้งานในวงกว้าง เช่น บริการลูกค้า (49%), การตลาดและการดำเนินงานด้านความปลอดภัย (46%), การสนับสนุนด้านเทคนิค (45%) การเปลี่ยนแปลงนี้จึงหมายความว่าพนักงานทุกระดับตั้งแต่พนักงานใหม่ไปจนถึงผู้บริหาร จะเปลี่ยนจากการลงมือทำงานด้วยตนเอง ไปเป็นผู้ประสานงานที่บริหารทีม AI agent เฉพาะทาง

หน้าที่หลักของพนักงานจะพัฒนาไปสู่การกำหนดทิศทางเชิงกลยุทธ์ และจะมี 4 ความรับผิดชอบสำคัญดังนี้

• มอบหมายงานโดยระบุงานประจำและงานซ้ำ ๆ แล้วจัดสรรให้เอเจนต์ที่เหมาะสม
• กำหนดเป้าหมายที่ชัดเจนที่เอเจนต์ต้องบรรลุ
• วางกลยุทธ์โดยใช้วิจารณญาณของมนุษย์ในการตัดสินใจเรื่องละเอียดอ่อนที่ AI ทำไม่ได้ และให้แนวทางกำกับ
• ทำหน้าที่เป็นจุดตรวจสอบเพื่อยืนยันคุณภาพ ความถูกต้อง และโทนของผลลัพธ์สุดท้าย

ยกตัวอย่างเช่นในกรณีของ TELUS พนักงานมากกว่า 57,000 คนใช้ AI เป็นประจำและประหยัดเวลาได้ราว 40 นาทีต่อการโต้ตอบหนึ่งครั้ง ซึ่งสะท้อนให้เห็นการเปลี่ยนมุมมองว่า AI คือเครื่องมือเพิ่มผลิตภาพที่พร้อมใช้งานตลอด 24 ชั่วโมง ผลลัพธ์คือจะเกิดโมเดลการทำงานร่วมกันที่พนักงานมุ่งเน้นการสร้างมูลค่าสูง ขณะที่ AI agent จัดการเวิร์กโฟลว์หลายขั้นตอนที่ซับซ้อน

2. เอเจนต์สำหรับทุกเวิร์กโฟลว์ การสร้างสายการประกอบดิจิทัล

นวัตกรรมของกระบวนการธุรกิจจะก้าวเลยการใช้เอเจนต์รายตัว ไปสู่การสร้าง 'สายการประกอบดิจิทัล(Digital Assembly Line)' ที่เอเจนต์หลายตัวทำงานร่วมกันจนจบทั้งกระบวนการ ซึ่งจะนำไปสู่การยกระดับประสิทธิภาพการดำเนินงานขององค์กรอย่างสูงสุด นี่คือเวิร์กโฟลว์หลายขั้นตอนที่มีมนุษย์คอยกำกับ โดยสามารถรันกระบวนการซับซ้อนอย่างครบวงจร End2End เช่น การจัดซื้อ การดำเนินงานด้านความปลอดภัย และการสนับสนุนลูกค้า ทำให้ธุรกิจเปลี่ยนไปสู่การดำเนินงานแบบ 24/7 ได้อย่างต่อเนื่อง

รายงานระบุว่า 88% ของบริษัทที่เริ่มนำมาใช้ตั้งแต่ระยะแรกได้รับผลตอบแทนจากการลงทุน (ROI) เชิงบวกในกรณีใช้งาน generative AI อย่างน้อยหนึ่งกรณี โดยเฉพาะในอุตสาหกรรมโทรคมนาคม สามารถรวมฟังก์ชันที่เคยแยกขาดจากกัน เช่น การดำเนินงานเครือข่าย บริการภาคสนาม และคอลเซ็นเตอร์ ให้กลายเป็นลำดับการทำงานแบบบูรณาการที่ตรวจจับและแก้ไขความผิดปกติของเครือข่ายได้เอง พร้อมออก service ticket โดยอัตโนมัติ 'การรีแฟกเตอร์ระดับเจเนอเรชัน' นี้กำลังเปลี่ยนทั้งเวิร์กโฟลว์หลักและเทคโนโลยีสแต็กขององค์กรทั้งหมด

รากฐานทางเทคนิคที่ทำให้สายการประกอบดิจิทัลนี้เกิดขึ้นได้คือ Agent2Agent(A2A) protocol และ MCP(Model Context Protocol) ซึ่งจะทำหน้าที่เป็นแกนกลางของระบบ โดย A2A protocol จะกลายเป็นมาตรฐานเปิดที่ช่วยให้เอเจนต์ที่สร้างโดยนักพัฒนาต่างกันหรืออยู่บนเฟรมเวิร์กต่างกัน สามารถสื่อสารและทำงานร่วมกันได้อย่างราบรื่น

ขณะเดียวกัน MCP จะให้การเชื่อมต่อแบบสองทางที่เป็นมาตรฐาน เพื่อเชื่อมโมเดล AI เข้ากับแหล่งข้อมูลและเครื่องมืออย่าง Cloud SQL, Spanner, BigQuery เพื่อเอาชนะข้อจำกัดที่ AI model ไม่สามารถเข้าถึงข้อมูลแบบเรียลไทม์หรือดำเนินการต่าง ๆ ได้โดยตรง ตัวอย่างจริงคือ Elanco ใช้ Gemini model เพื่อจำแนกและวิเคราะห์เอกสารไม่มีโครงสร้างกว่า 2,500 ฉบับโดยอัตโนมัติ ช่วยลดความเสี่ยงการสูญเสียผลิตภาพราว 1.3 ล้านดอลลาร์ที่อาจเกิดขึ้นในไซต์ขนาดใหญ่ นอกจากนี้ Salesforce และ Google Cloud ก็กำลังร่วมพัฒนาเอเจนต์ที่ทำงานข้ามแพลตฟอร์มด้วย A2A protocol เพื่อสร้างรากฐานแบบเปิดสำหรับองค์กร agentic

3. พลิกโฉมประสบการณ์ลูกค้า สู่บริการแบบคอนเซียร์จ

หากการทำให้บริการลูกค้าเป็นอัตโนมัติในช่วง 10 ปีที่ผ่านมาอาศัยแชตบอตที่ตั้งโปรแกรมล่วงหน้าเพื่อคอยตอบคำถามง่าย ๆ และลดจำนวน ticket ในปี 2026 เอเจนต์สไตล์คอนเซียร์จจะพุ่งขึ้นมาเป็นบริการหลักที่ติดต่อกับลูกค้า เอเจนต์รุ่นถัดไปเหล่านี้จะจดจำความชอบของลูกค้าและบทสนทนาในอดีต เพื่อมอบประสบการณ์แบบหนึ่งต่อหนึ่งอย่างแท้จริง และ 49% ของผู้บริหารก็ได้นำเอเจนต์มาใช้ในงานบริการและประสบการณ์ลูกค้าแล้ว

ในขณะที่ระบบเดิมทำให้ลูกค้าต้องพิมพ์หรือพูดคำว่า 'เจ้าหน้าที่!' ซ้ำ ๆ เพื่อขอเชื่อมต่อกับพนักงาน AI agent จะเปิดให้ลูกค้าพูดอย่างเป็นธรรมชาติและให้บริบทได้ ทำให้การโต้ตอบรวดเร็วและเป็นมนุษย์มากขึ้นอย่างมาก แกนสำคัญของการเปลี่ยนแปลงนี้ไม่ใช่แค่เทคโนโลยี AI แต่คือเทคโนโลยี grounding ที่เชื่อมเข้ากับข้อมูลภายในขององค์กร เช่น ประวัติการซื้อและสถานะโลจิสติกส์

ตัวอย่างที่ชัดเจนคือเอเจนต์ 'Magic Apron' ของ Home Depot ที่ให้คำแนะนำจากผู้เชี่ยวชาญตลอด 24 ชั่วโมงแก่ลูกค้า พร้อมให้คำแนะนำการใช้งานแบบละเอียด คำแนะนำสินค้า และสรุปรีวิวต่าง ๆ ในภาคโลจิสติกส์ เมื่อระบบตรวจพบว่าการจัดส่งล้มเหลว เอเจนต์สามารถตรวจสอบความขัดข้องของรถขนส่ง ปรับตารางใหม่เป็นช่วงเช้าวันถัดไป มอบเครดิต 10 ดอลลาร์เป็นการขอโทษโดยอัตโนมัติ และส่งข้อความแจ้งลูกค้าได้อย่างเชิงรุก การเปลี่ยนแปลงนี้ไม่เพียงเพิ่มความพึงพอใจของลูกค้า แต่ยังช่วยปรับปรุงสภาพแวดล้อมการทำงาน โดยทำให้เจ้าหน้าที่สามารถโฟกัสเฉพาะเคสที่ซับซ้อนทางอารมณ์หรือจำเป็นต้องใช้วิจารณญาณระดับสูง

นอกจากนี้ ในภาคการผลิต แนวคิดเรื่อง personalization ก็กำลังขยายจากประสบการณ์ผู้บริโภคไปสู่หน้างานอุตสาหกรรมทั้งหมด เช่น การวิเคราะห์สาเหตุของความต่างด้านผลงานระหว่างแต่ละกะให้ผู้จัดการ พร้อมเสนอการฝึกอบรมที่เหมาะกับแต่ละกลุ่มหรือการปรับค่าตั้งเครื่องจักรให้เหมาะสม ผลลัพธ์คือ Agentic AI ถูกคาดหวังว่าจะผลักดันการเปลี่ยนผ่านในภาคสาธารณสุขจากระบบแบบตอบสนอง ไปสู่ระบบสุขภาพเชิงเรียนรู้และเชิงคาดการณ์ พร้อมทำให้การเข้าถึงบริการสุขภาพคุณภาพสูงเป็นประชาธิปไตยมากขึ้น

4. Security agent จากการตอบสนองต่อการแจ้งเตือนสู่การป้องกันเชิงรุก

ในด้านความปลอดภัย AI agent ถูกคาดว่าจะพัฒนาจากการทำหน้าที่เพียงส่งต่อสัญญาณเตือนภัยคุกคาม ไปสู่ผู้ป้องกันเชิงกลยุทธ์ที่วิเคราะห์ภัยคุกคามและลงมือดำเนินมาตรการตอบสนองได้โดยตรง ขณะที่นักวิเคราะห์ในศูนย์ปฏิบัติการความปลอดภัยสมัยใหม่ (SOC) กำลังเผชิญกับ 'Alert Fatigue' ท่ามกลางข้อมูลและการแจ้งเตือนมหาศาล โดย 82% ของนักวิเคราะห์แสดงความกังวลว่าอาจพลาดภัยคุกคามจริงเพราะมีการแจ้งเตือนมากเกินไป

AI agent ในปี 2026 จะปรับปรุงสถานการณ์นี้อย่างรากฐาน และปฏิวัติวิธีที่ทีมความปลอดภัยระบุและตอบสนองต่อภัยคุกคาม รายงานระบุว่า 46% ของผู้บริหารได้นำ AI agent มาใช้ในงาน security และ cybersecurity operations แล้ว ซึ่งแสดงให้เห็นว่ากำลังก้าวจากแค่ระบบอัตโนมัติ ไปสู่ขั้นที่เอเจนต์สามารถให้เหตุผล สังเกตการณ์ และปรับการกระทำตามข้อมูลใหม่ได้ด้วยตนเอง โดยเฉพาะผลวิจัย CodeMender ของ Google DeepMind ได้พิสูจน์ว่า AI agent มีความสามารถในการค้นหาช่องโหว่ zero-day ใหม่ได้ แม้ในซอฟต์แวร์ที่ผ่านการทดสอบมาอย่างดีแล้ว

Agentic SOC ในด้านความปลอดภัยจะดำเนินงานในรูปของระบบที่เอเจนต์ซึ่งเชี่ยวชาญคนละหน้าที่ทำงานร่วมกัน ตัวอย่างเช่น เมื่อเกิด security alert เอเจนต์ด้านการจัดการข้อมูล การคัดกรองและสืบสวน การวิจัยภัยคุกคาม การวิเคราะห์มัลแวร์ และการทำ detection engineering จะหมุนเวียนกันประมวลผลกระบวนการ ขณะที่นักวิเคราะห์จะทำหน้าที่เป็นผู้ป้องกันเชิงกลยุทธ์ที่คอยกำกับพฤติกรรมของเอเจนต์และตัดสินใจขั้นสุดท้าย

แพลตฟอร์มอย่าง Specular ใช้ Gemini 2.5 Pro เพื่อทำให้การจัดการ attack surface และการทดสอบเจาะระบบเป็นอัตโนมัติ ช่วยให้องค์กรจัดลำดับความสำคัญของภัยคุกคามและตอบสนองได้อย่างรวดเร็ว นอกจากนี้ Torq ยังใช้ AI SOC analyst ชื่อ 'Socrates' เพื่อทำงานของนักวิเคราะห์ tier-1 ได้อัตโนมัติ 90% ลดงานที่ต้องทำด้วยมือ 95% และทำให้เวลาตอบสนองเร็วขึ้น 10 เท่า

ผู้เชี่ยวชาญด้านความปลอดภัยในตอนนี้ต้องมีความสามารถแบบ 'Bilingual' ที่เชี่ยวชาญทั้ง AI และความปลอดภัย เพื่อสร้างระบบป้องกันเชิงรุกที่รับมือกับภัยคุกคามที่ขับเคลื่อนด้วย AI ซึ่งซับซ้อนขึ้นอย่างต่อเนื่อง

5. เอเจนต์เพื่อการเติบโต การอัปสกิลบุคลากรและอนาคตขององค์กร

ปัจจัยที่ชี้ขาดที่สุดสำหรับการเป็นผู้นำในยุค AI agent ไม่ใช่ตัวเทคโนโลยีเอง แต่คือการเสริมศักยภาพ (Upskilling) ให้กับคนที่จะเป็นผู้ปฏิบัติการและผู้จัดการมัน

ในสภาพแวดล้อมที่ครึ่งชีวิตของทักษะสั้นลงอย่างรวดเร็ว 82% ของผู้นำเห็นตรงกันว่าทรัพยากรเพื่อการเรียนรู้ทักษะเป็นสิ่งจำเป็นต่อการรักษาความสามารถในการแข่งขันขององค์กร และ 71% ประสบกับรายได้ที่เพิ่มขึ้นหลังใช้ทรัพยากรการเรียนรู้ รายงานนำเสนอ 5 แกนสำคัญของการเรียนรู้ AI (5 Pillars of AI Learning) เพื่อให้การเรียนรู้ AI ประสบความสำเร็จ ได้แก่ การตั้งเป้าหมาย การสร้าง sponsorship การรักษา momentum การบูรณาการเข้ากับเวิร์กโฟลว์ประจำวัน และการเตรียมพร้อมต่อความเสี่ยง

โดยเฉพาะความเชี่ยวชาญที่จำเป็นสำหรับบทบาทใหม่อย่าง 'agent orchestrator' หรือ 'Chief of Staff for AI' ยังไม่มีอยู่ในตลาดปัจจุบัน ดังนั้นการที่องค์กรพัฒนาบุคลากรภายในขึ้นมาเองจึงสำคัญอย่างยิ่ง ในกรณีของ TELUS 96% ของสมาชิกทีมมีความมั่นใจในการใช้เครื่องมือ AI มากขึ้นผ่านโครงการฝึกทักษะของ Google และนั่นคือเส้นทางสู่การเป็นองค์กรที่เร็วขึ้น ฉลาดขึ้น และยึดมนุษย์เป็นศูนย์กลางมากขึ้นในท้ายที่สุด

ปัจจัยที่ชี้ขาดที่สุดสำหรับการเป็นผู้นำในยุค AI agent ไม่ใช่ตัวเทคโนโลยีเอง แต่คือการเสริมศักยภาพ (Upskilling) ให้กับคนที่จะเป็นผู้ปฏิบัติการและผู้จัดการมัน สิ่งที่สำคัญยิ่งกว่าวิวัฒนาการของเทคโนโลยีคือผู้คนที่ใช้มัน และในปี 2026 การอัปสกิลบุคลากรจะกลายเป็นแรงขับสูงสุดของการสร้างคุณค่าทางธุรกิจ

ในสถานการณ์ที่ 'ครึ่งชีวิต' ของความรู้ทางเทคนิคสั้นลงเหลือเพียง 4 ปีสำหรับทักษะวิชาชีพทั่วไป และ 2 ปีสำหรับสายเทคโนโลยี องค์กรจำเป็นต้องวางกลยุทธ์แบบองค์รวมเพื่อสร้างกำลังคน AI ที่พร้อมใช้งาน ผู้บริหาร 82% เห็นว่าทรัพยากรการเรียนรู้ทักษะช่วยรักษาความสามารถในการแข่งขันด้าน AI ขององค์กร และในความเป็นจริง 71% ขององค์กรที่ใช้ทรัพยากรการเรียนรู้ประสบกับรายได้ที่เพิ่มขึ้น

รายงานได้เสนอ 5 เกณฑ์สำหรับการเรียนรู้ AI ที่ประสบความสำเร็จไว้ดังนี้

• ตั้งเป้าหมายที่วัดผลได้ เช่น การนำไปใช้ 100% (Establish goals)
• สร้างระบบผู้สนับสนุนที่ประกอบด้วยผู้บริหาร ผู้นำ และผู้เชี่ยวชาญด้านเทคนิค (Secure sponsorship)
• รักษา momentum และให้รางวัลกับนวัตกรรม (Sustain momentum and reward innovation) ผ่านการแลกเปลี่ยนไอเดียแบบ gamified หรือพิธีมอบรางวัลรายไตรมาส
• บูรณาการ AI เข้ากับเวิร์กโฟลว์ประจำวัน (Integrate AI into daily workflows) ผ่าน hackathon ภายในหรือ Field Days เพื่อเปิดโอกาสให้ได้ฝึกปฏิบัติจริง
• เสริมการเตรียมพร้อมต่อความเสี่ยง (Prepare for increasing risks) ด้วยกฎการใช้ข้อมูลและการฝึกอบรมการรับรู้ด้าน social engineering ภายใต้กรอบที่เชื่อถือได้

ในกรณีของ TELUS พนักงาน 96% มีความมั่นใจในการใช้เครื่องมือ AI มากขึ้นผ่านโปรแกรม Google Skills และอิทธิพลของโปรแกรมก็เพิ่มขึ้นเป็นสองเท่าในระยะเวลาอันสั้น ในท้ายที่สุด ผู้นำจำเป็นต้องให้ความสำคัญกับการสอนเรื่องการคิดเชิงวิพากษ์และการตัดสินใจเชิงจริยธรรม เพื่อช่วยให้พนักงานก้าวข้ามจากการเป็นเพียงผู้ใช้เครื่องมือ ไปสู่การทำหน้าที่เป็น 'Chief of Staff for AI' ได้

ส่งท้าย

ภูมิทัศน์ทางธุรกิจในปี 2026 จะเปลี่ยนแปลงอย่างรากฐานผ่าน Agentic AI ที่สามารถวางแผนและลงมือปฏิบัติได้ด้วยตนเอง โดยจะพัฒนาจากแนวทางแบบคำสั่งเฉพาะในอดีต ไปสู่การประมวลผลแบบ intent-based ที่ผู้ใช้เพียงกำหนดเป้าหมาย แล้ว AI จะตัดสินใจวิธีดำเนินการที่เหมาะสมที่สุด ด้วยเหตุนี้ บทบาทของคนทำงานจะเปลี่ยนจากผู้ปฏิบัติงานทั่วไป ไปเป็นผู้ประสานงานที่ดูแลทีม AI agent และตัดสินใจเชิงกลยุทธ์

ยิ่งไปกว่านั้น การนำสายการประกอบดิจิทัลและโปรโตคอลการสื่อสารแบบมาตรฐาน (A2A, MCP) ที่ทำให้เอเจนต์หลายตัวทำงานร่วมกันมาใช้ จะช่วยบูรณาการเวิร์กโฟลว์ขององค์กรและเพิ่มประสิทธิภาพด้านผลิตภาพได้สูงสุด บริการลูกค้าจะพัฒนาไปสู่ระดับคอนเซียร์จแบบไฮเปอร์เพอร์โซนัลด้วยเทคโนโลยี data grounding ขณะที่ด้านความปลอดภัยเองก็จะเผชิญการเปลี่ยนผ่านครั้งใหญ่สู่ระบบตอบสนองเชิงรุก แรงขับสำคัญของนวัตกรรมทางเทคโนโลยีเหล่านี้คือการอัปสกิลบุคลากร และองค์กรจะปรับโครงสร้างวัฒนธรรมองค์กรรวมถึงเสริมระบบการศึกษาอบรม เพื่อให้พนักงานสามารถใช้ AI อย่างมีกลยุทธ์ได้