ผู้บริหารองค์กรหลายท่านตระหนักดีว่าเทคโนโลยี Generative AI นั้นมีพลังในการขับเคลื่อนการเปลี่ยนแปลงอย่างมหาศาล แต่พวกเขามักจะพบกับความยุ่งยากในการสร้างแอปพลิเคชัน Generative AI ที่เฉพาะเจาะจงขึ้นมาใช้งานเองได้อย่างมีประสิทธิภาพและคุ้มค่า ด้วยการพัฒนาอย่างรวดเร็วของ Generative AI และแอปพลิเคชันที่นำไปประยุกต์ใช้งานได้นับไม่ถ้วนนี้ ทำให้เหล่า CEO ต่างตั้งคำถามว่าจะเริ่มต้นจากตรงไหนดี แม้ว่าการปล่อยโครงการ Generative AI ออกมาอย่างรวดเร็วอาจช่วยแก้ปัญหาได้ในระยะสั้น แต่สิ่งสำคัญคือต้องคำนึงถึงขีดความสามารถและการขยายขนาดในระยะยาวด้วย ดังนั้น Use Case แบบไหนที่เหมาะสมที่สุดที่จะสามารถสร้างมูลค่าได้อย่างรวดเร็วในขณะที่สามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงที่เกิดขึ้นตลอดเวลาได้? ในบล็อกโพสต์นี้ เราจะมาเจาะลึก 2 แนวทางที่มีประสิทธิภาพ พร้อมแนวทางปฏิบัติที่ดีที่สุดเพื่อช่วยให้ผู้นำสามารถระบุจุดเริ่มต้นที่สมบูรณ์แบบสำหรับโครงการ Generative AI

การค้นหาช่องว่างของข้อมูล (Data Gaps)

กลยุทธ์ที่ประสบความสำเร็จอย่างหนึ่งที่เราพบเห็นคือ การมุ่งเน้นไปที่การจัดการกับช่องว่างของข้อมูลภายในบริษัท ลองมาใช้เวลาสักครู่เพื่อพิจารณาข้อความส่วนหนึ่งจาก Ebook ล่าสุดของ Google Cloud เรื่อง "The Executive's Handbook to Generative AI":

ในแต่ละวันของการดำเนินธุรกิจ เวลาและพลังงานอันมีค่าต้องหมดไปกับการค้นหาข้อมูลที่จำเป็นสำหรับใช้ในการตัดสินใจครั้งสำคัญ การบริการลูกค้า และการขับเคลื่อนธุรกิจของคุณให้ก้าวไปข้างหน้า ซึ่งขั้นตอนการรวบรวมข้อมูลนำเข้าที่จำเป็นเหล่านั้นอาจเป็นกระบวนการที่ต้องใช้เวลาอย่างมาก

ลองจินตนาการว่าหากคุณต้องการทำความเข้าใจว่าการใช้จ่ายด้านโฆษณาส่งผลต่อการรับรู้ของลูกค้าอย่างไร หรือต้องการวิเคราะห์การยื่นจดสิทธิบัตร การลงทุนด้านการวิจัยและพัฒนา (R&D) และการซื้อกิจการเทคโนโลยีของคู่แข่ง ข้อมูลเหล่านี้จะกระจัดกระจายอยู่ตามสถานที่ต่าง ๆ ภายในองค์กรของคุณ ซึ่งต้องอาศัยผู้เชี่ยวชาญในการรวบรวม ค้นคว้า จัดทำ และสังเคราะห์ข้อมูลขึ้นมา และหากคุณมีคำถามเพิ่มเติม กระบวนการทั้งหมดนี้ก็อาจจะต้องเริ่มต้นใหม่อีกครั้ง

ตั้งแต่ผู้บริหารที่กำลังค้นหาแนวโน้มเชิงกลยุทธ์ ไปจนถึงพนักงานขายที่กำลังสร้างเดโมนำเสนอผลิตภัณฑ์ และพนักงานใหม่ที่กำลังค้นหาข้อมูลเกี่ยวกับสวัสดิการ ทุกคนในองค์กรของคุณล้วนเคยประสบกับความยุ่งยากใจนี้ด้วยกันทั้งสิ้น

แต่จะดีกว่าไหมถ้าทุกคนในบริษัทของคุณมีผู้ช่วยส่วนตัวที่เป็นผู้เชี่ยวชาญในข้อมูลทุกส่วนที่เกี่ยวข้องกับบทบาทหน้าที่ของตนเอง และอาจรวมถึงข้อมูลทั้งหมดจากทั่วทั้งองค์กร? ด้วยผู้ช่วยแบบนั้น ช่วงเวลาแห่งความลังเลใจในการตัดสินใจจะลดลง และทุกคนจะมีเวลามากขึ้นในการมุ่งเน้นไปที่การลงมือทำงานจริง

ดังที่แสดงในย่อหน้าที่ยกมา การมุ่งเป้าไปที่การขาดแคลนข้อมูลและการยกระดับความสามารถในการค้นหาข้อมูลขององค์กรสามารถทำหน้าที่เป็นจุดเริ่มต้นที่มีค่าสำหรับ Generative AI แอปพลิเคชันเหล่านี้สามารถตอบสนองต่อทุกคำถามได้อย่างมีประสิทธิภาพ โดยการสังเคราะห์และสรุปข้อมูลจากแหล่งต่าง ๆ ความสามารถนี้มีประโยชน์อย่างยิ่งสำหรับองค์กรที่มีข้อมูลที่เป็นกรรมสิทธิ์เฉพาะ หรือมีงานที่ต้องใช้ข้อมูลจำนวนมาก ซึ่งสามารถใช้ประโยชน์จากประสิทธิภาพที่เพิ่มขึ้นนี้ได้

แนวทางนี้ไม่เพียงแต่ให้มูลค่าในทันทีโดยการเชื่อมโยงพนักงานเข้ากับข้อมูลที่พวกเขาต้องการเท่านั้น แต่ยังสร้างแพลตฟอร์มภายในเพื่อพัฒนาความเชี่ยวชาญที่สามารถต่อยอดไปสู่แอปพลิเคชันที่ต้องโต้ตอบกับลูกค้าได้อีกด้วย บ่อยครั้งที่ลูกค้าเองก็ประสบปัญหาการขาดแคลนข้อมูลเช่นกัน ไม่ว่าจะเป็นการเลือกผลิตภัณฑ์ที่เหมาะสมหรือการค้นหาคำตอบสำหรับคำถามเฉพาะด้าน

การพิจารณาว่าแหล่งข้อมูลใดควรนำมาใช้เสริมในการเทรนโมเดล หรือวิธีการปรับใช้เทคโนโลยีอย่าง Embeddings และ Connectors อาจเป็นความท้าทายใหม่สำหรับหลายองค์กร การบ่มเพาะคำตอบภายใน Use Case ภายในองค์กรที่มีคุณค่า เช่น การค้นหาข้อมูลภายในองค์กรด้วย Generative AI จะช่วยให้องค์กรต่าง ๆ สามารถสร้างความมั่นใจ กำหนดกระบวนการ และพัฒนาความเชี่ยวชาญสำหรับโครงการที่ใหญ่ขึ้นและมีผลกระทบที่กว้างขึ้นได้

ขจัดภาระงานที่น่าเบื่อหน่าย

ในหลาย ๆ กรณี การสะสมข้อมูลสำคัญไม่เพียงแต่นำไปสู่ความล่าช้าในการตัดสินใจและการลงมือทำเท่านั้น แต่ยังส่งผลให้เกิดความรู้สึกเบื่อหน่ายอีกด้วย การหมดเวลาไปหลายชั่วโมงกับการค้นหาด้วยคีย์เวิร์ด หรือการแยกแยะเอกสารด้วยตนเอง มักส่งผลให้ขาดความพึงพอใจในการทำงาน เมื่อเทียบกับความพึงพอใจจากการได้นำข้อมูลที่รวบรวมมานั้นไปใช้งานจริง ๆ

ยิ่งไปกว่านั้น ความรู้สึกเบื่อหน่ายนี้ไม่ได้จำกัดอยู่แค่กระบวนการค้นหาข้อมูลเท่านั้น แม้แต่การสร้างสรรค์เนื้อหาใหม่ ๆ เช่น บล็อก หรือข้อความทางการตลาด ก็สามารถกลายเป็นงานที่น่าเบื่อได้อย่างรวดเร็วเมื่อต้องเผชิญกับภาวะสมองตันเขียนงานไม่ออก นี่คือจุดที่ Generative AI เข้ามาพิสูจน์ให้เห็นถึงคุณค่าที่ประเมินค่าไม่ได้ โมเดล Generative AI หลายรุ่นสามารถทำหน้าที่เป็นคู่คิดในการระดมสมองเพื่อการทำงานสร้างสรรค์ได้อย่างยอดเยี่ยมทันทีที่เริ่มใช้งาน และด้วยการทำ Fine-tuning โมเดลเหล่านี้ยังสามารถช่วยรับประกันได้ว่าโครงการต่าง ๆ จะยังคงรักษาโทนเสียงและแนวทางสไตล์ของแบรนด์ไว้ได้

ในทำนองเดียวกัน เมื่อพนักงานต้องย้ายข้อมูลจากรูปแบบหนึ่งไปยังอีกรูปแบบหนึ่งอยู่เสมอ เช่น การประมวลผลเอกสารที่ซ้ำซากจำเจ งานประเภทนี้มักจะสร้างความน่าเบื่อมากกว่าความสุขในการทำงาน Generative AI มีพลังในการเปลี่ยนแปลงไดนามิกนี้ได้โดยการเปลี่ยนงานที่ซ้ำซากและต้องใช้แรงงานมากที่สุดให้เป็นระบบอัตโนมัติ ซึ่งช่วยให้พนักงานมีเวลาไปโฟกัสกับงานที่สร้างความพึงพอใจได้มากขึ้น

ลูกค้าเองก็ต้องเผชิญกับความน่าเบื่อหน่ายในส่วนของตนเองเช่นกัน เช่น การต้องให้ข้อมูลซ้ำ ๆ เมื่อต้องโอนสายจากตัวแทนบริการลูกค้าคนหนึ่งไปยังอีกคนหนึ่งทางโทรศัพท์ Generative AI สามารถบรรเทาความยุ่งยากใจนี้ได้โดยการปรับปรุงตัวเลือกการบริการตนเอง (Self-service) และเตรียมสรุปการสนทนาพร้อมรายละเอียดตามบริบทให้กับตัวแทนที่เป็นมนุษย์เมื่อมีการโอนสายลูกค้ามาหาพวกเขา

เช่นเดียวกับการขาดแคลนข้อมูล ความน่าเบื่อหน่ายทำให้เกิดอุปสรรคต่อทั้งพนักงานและลูกค้า จึงทำให้เป็นพื้นที่ที่เหมาะสมอย่างยิ่งในการกำหนดเป้าหมายในระยะเริ่มต้นของการนำ Generative AI มาใช้งาน

ในการเริ่มต้น สิ่งสำคัญคือต้องมุ่งเน้นไปที่บุคคลใดบุคคลหนึ่งและหน้าที่ที่ได้รับมอบหมาย โดยไม่คำนึงถึง Use Case

ในการนำทางผ่าน Use Case ด้าน AI ที่มีความเป็นไปได้มากมาย สิ่งสำคัญคือต้องจัดการกับความวุ่นวายที่อาจเกิดขึ้นให้เป็นระเบียบเรียบร้อย แม้ว่าเราจะเจาะลึกสถานการณ์ต่าง ๆ เช่น การตลาด การบริการลูกค้า การประมวลผลเอกสาร และการจัดการความรู้ภายในองค์กรไปแล้วในบทความนี้ แต่ก็อาจจะยังคงดูเยอะเกินไป ดังนั้น เราจะบีบขอบเขตให้แคบลงได้อย่างไรอีก?

คำตอบอยู่ที่การพิจารณารายละเอียดเฉพาะของแต่ละองค์กร หากองค์กรมีแหล่งข้อมูลจำนวนมาก การมุ่งเน้นไปที่การค้นหาข้อมูลภายในองค์กรก็จะเป็นตัวเลือกที่ชัดเจน ในทางกลับกัน หากคอลเซ็นเตอร์ของบริษัทกำลังประสบปัญหาในการรับสายลูกค้า การพัฒนาแอปบริการลูกค้าหรือเครื่องมือเพื่อช่วยเหลือตัวแทนที่เป็นมนุษย์ก็อาจเป็นสิ่งสำคัญที่ต้องเร่งดำเนินการมากกว่า

อย่างไรก็ตาม ไม่ว่าบริบทของแต่ละคนจะเป็นอย่างไร ผู้นำควรให้ความสำคัญกับกลุ่มเป้าหมาย (Persona) และงานเฉพาะเจาะจง แม้ว่า Generative AI จะมีศักยภาพในการปฏิวัติวงการในหลาย ๆ ด้าน แต่สิ่งที่ดีที่สุดคือการเริ่มต้นด้วยโครงการขนาดเล็กที่ขยายขนาดได้และส่งมอบมูลค่าที่ชัดเจน เป้าหมายคือการกำหนดแนวทางปฏิบัติและกระบวนการที่ดีที่สุดที่สามารถขยายขนาดและนำไปใช้กับโครงการที่มีมูลค่าและความซับซ้อนมากขึ้นเรื่อย ๆ แทนที่จะพยายามทำการเปลี่ยนแปลงทั้งหมดภายในข้ามคืน

สำหรับการเจาะลึกข้อมูลเพิ่มเติม อย่าลืมเข้าไปศึกษา "The executive's guide to generative AI" นอกจากนี้ หากคุณสนใจที่จะดูตัวอย่างการใช้งานจริงของโครงการ Generative AI ที่เป็นนวัตกรรมใหม่ สามารถติดต่อพูดคุยกับทีมงานของเราได้เลย