17 February 2020

จากประดิษฐ์ปัญญา (KM)
สู่ปัญญาประดิษฐ์ (AI)

โดย คุณจำลักษณ์ ขุนพลแก้ว
ผู้เชี่ยวชาญพิเศษ สถาบันเพิ่มผลผลิตแห่งชาติ

ในการทำงานใดๆ ให้เกิดผลที่ดี มีความชาญฉลาด และทำให้เกิดความสามารถในการแข่งขันที่แท้จริงแล้ว ไม่ใช่แค่มีข้อมูลดีๆมีสารสนเทศมากๆ (​data and information) แบบนักวิเคราะห์ มีความรู้จากการสรุปทบทวนเรื่องราวเก่าๆ (academic knowledge) แบบนักวิชาการ ค้นคว้าทดลองเพื่ออธิบายสิ่งใหม่แบบนักวิจัย หรือมีความสามารถในการลงมือปฏิบัติ (action) แบบคนงานหรือช่างเท่านั้น หากขาดซึ่งการจัดการ (management) ที่ดี ที่จะทำให้องค์ประกอบต่างๆ กันนั้นมาบูรณาการสร้างสรรค์ให้เกิดความรู้ที่ถูกต้อง ตรงกับวัตถุประสงค์ที่กำหนดไว้ ก็คงยากที่จะแข่งขันกับผู้อื่นได้

การจัดการสำคัญมากขึ้นในยุคที่เทคโนโลยีลื่นไหลและข้อมูลท่วมท้น จนหลายคนแยกไม่ออกด้วยซ้ำว่าสิ่งไหนดีมีประโยชน์ หรือสิ่งไหนลวงโลกทำให้เข้าใจผิด สิ่งที่องค์กรยุคใหม่ต้องให้ความสำคัญ คือ

(1) การจัดการเชิงกลยุทธ์ (strategic management) ที่จะช่วยองค์กรในการปิดช่องว่างระหว่างความสามารถที่เรามีในปัจจุบันกับวิสัยทัศน์ที่เราต้องการจะเป็นในอนาคต

(2) การจัดการความรู้ (knowledge management) ที่ช่วยเพิ่มทักษะความสามารถให้กับคนในองค์กรได้พัฒนาตนเองให้พร้อมที่จะรับกับงานใหม่ๆ

(3) การจัดการเทคโนโลยี (technology management) การลงทุนในเทคโนโลยีที่ทันสมัยอย่างไรถึงจะเหมาะสมและสอดคล้องกับทิศทางที่องค์กรกำลังจะไป อะไรจำเป็นและคุ้มค่าในขณะที่เม็ดเงินที่จะใช้มีจำกัด

……….

แปลงข้อมูลเป็นความรู้ (Knowledge)

……….

Knowledge Management ไม่ใช่เรื่องใหม่ คำนี้มีการพูดถึงและนำมาใช้ในองค์กรอย่างเป็นทางการมานานมากกว่า 20 ปีแล้ว เป็นการจัดการเพื่อเอื้อให้เกิดความรู้ใหม่ เป็นความพยายามที่จะนำความรู้ที่มีอยู่ และประสบการณ์ของบุคคลต่างๆ ในองค์กร มาใช้ให้เกิดประโยชน์และพัฒนานวัตกรรมที่จะทำให้มีความได้เปรียบเหนือคู่แข่งทางธุรกิจ แต่ดูเหมือนว่ามีองค์กรในไทยที่ประสบความสำเร็จ ก่อให้เกิดวัฒนธรรมการเรียนรู้ แบ่งปัน และใช้ความรู้นั้นในการสร้างสรรค์สิ่งใหม่ๆ ไม่มากนัก อาจเรียกว่าน้อยมากก็ได้

จุดเริ่มของ KM ในฐานะที่เป็นหนึ่งในการจัดการที่มีอิทธิพลและส่งผลต่อความก้าวหน้าอย่างมากทางด้านวิทยาศาสตร์และเทคโนโลยี และกำลังจะมีบทบาทอย่างมากมายมหาศาลทางด้านธุรกิจในยุคนี้ เกี่ยวข้องและสัมพันธ์กับ 3 ท่านที่ถือว่าเป็นผู้ที่มีคุณูปการต่อพัฒนาการของ KM ได้แก่

  • Peter Senge กูรูที่เน้นด้านองค์การแห่งการเรียนรู้เพื่อการแข่งขันและความยั่งยืน
  • Peter Drucker เผยให้เห็นถึงกุญแจสู่ความเติบโตขององค์กรในอนาคต และผลิตภาพจะเพิ่มขึ้นได้โดยความรู้เป็นตัวนำ
  • Ikujiro Nonaka ผู้จุดประกายให้คนและองค์กรหันมามุ่งเน้นการใช้ประโยชน์จาก Tacit knowledge (ความรู้ที่อยู่ในตัวคน) และ Explicit knowledge (ความรู้ที่อยู่ในระบบ)

จากปิรามิดของความรู้ (ดังภาพสามเหลี่ยม ที่มีฐานเป็นข้อมูล สูงขึ้นมาเป็นสารสนเทศ และขยับสูงขึ้นมาเป็นความรู้ และมีส่วนปลายยอดแหลมคมเป็นปัญญา) ที่นำเสนอโดย American Productivity and Quality Center ซึ่งผมอยากมาขยายความเพิ่มเติมถึงความสัมพันธ์ของ 4 องค์ประกอบของปิรามิดดังกล่าว ดังนี้

จากฐานล่างที่เป็น Data ส่งผ่านกลายเป็น Information  ด้วยการสร้างความสัมพันธ์ (Relations) ของชุดข้อมูลผ่านการสร้างโมเดลทางคณิตศาสตร์และสถิติ นำไปสู่การพิจารณาตัดสินใจเพื่อการวางแผน พัฒนา และปรับปรุงองค์กร โดยมี Pattern เป็นส่วนสำคัญในการวิเคราะห์

จาก Information ต่อยอดกลายเป็น Knowledge ด้วยการลงมือปฏิบัติ (Action) ให้เป็นไปตามแผนที่กำหนดไว้ เพื่อขยายโอกาสใหม่ๆหรือปรับปรุงแก้ไขปัญหาเดิมที่ผ่านมาขององค์กร โดยมี Principle และ Procedure เป็นแนวทางในการดำเนินการ

จาก Knowledge ในสถานการณ์ต่างๆ ก่อให้เกิด Wisdom จากกระบวนการเรียนรู้ (Learning) ด้วยการทบทวนแผนงาน ขั้นตอนปฏิบัติ และผลลัพธ์นับครั้งไม่ถ้วน ทั้งข้อผิดพลาดและผลสำเร็จ จนทำให้เราค้นพบบางสิ่งที่สามารถตอบคำถามทั่วไปได้แบบรู้แจ้งเห็นจริง

ความรู้จะแผ่ขยายและกว้างไกลออกไปทั่วทั้งองค์กร เกิดขึ้นได้ด้วยการแลกเปลี่ยนเรียนรู้ ดังสมการที่ว่า

Knowledge = (People + Information) sharing

เมื่อคนนำความรู้ที่มี ไปลงมือปฏิบัติ เกิดผลลัพธ์และความเข้าใจในสิ่งนั้น แล้วนำเรื่องราวที่เกิดขึ้นมาแบ่งปันให้ผู้อื่น ความรู้จะแผ่ขยายกว้างไกลส่งผลออกไปในวงกว้างมากแค่ไหน ขึ้นอยู่กับว่ามีการแลกเปลี่ยนเรียนรู้หรือแบ่งปันให้แก่สังคมในวงกว้างบ่อยครั้งมากน้อยแค่ไหน ยิ่งให้ยิ่งได้ เพราะความรู้ที่เกิดขึ้นกับเรา จะก่อให้เกิดความรู้ใหม่ๆจากการปฏิบัติของผู้คนในบริบทและสภาพแวดล้อมที่แตกต่างกันออกไปอีกมากมาย

 

สำหรับองค์กร อาจจำแนกความรู้ที่มีอยู่ในองค์กรได้เป็น 3 ระดับ ดังนี้

1
ความรู้หลัก
Core Knowledge

เป็นความรู้ในระดับพื้นฐานที่ทุกคนในองค์กรต้องการ หรือต้องรู้ เช่น ความรู้เกี่ยวกับองค์กร ความรู้ในงานและความรับผิดชอบ ความรู้เกี่ยวกับผลิตภัณฑ์ เป็นต้น

2
ความรู้ระดับก้าวหน้า

Advanced Knowledge

เป็นความรู้ที่ทำให้องค์กรไปสู่จุดของการแข่งขันได้ เป็นความรู้ที่มีความเฉพาะเจาะจง ซึ่งแตกต่างจากคู่แข่ง

3
ความรู้เชิงนวัตกรรม

Innovative Knowledge

เป็นความรู้ใหม่ที่ไม่เคยมีใครคิดหรือรู้มาก่อน ซึ่งจะทำให้องค์กรเป็นผู้นำทางการตลาด หรือกลายเป็นผู้สร้างการเปลี่ยนแปลงในอุตสาหกรรมนั้นๆ

 

เราจะสร้าง ส่งเสริม และพัฒนากระบวนการแลกเปลี่ยนเรียนรู้ (knowledge sharing) ในรูปแบบเดิม แล้วต่อยอดด้วยเทคโนโลยีดิจิทัล (Digital technology) และข้อมูลจำนวนมาก (Big data) ในโลกอินเทอร์เน็ต เพื่อสร้างศักยภาพและความสามารถการแข่งขันใหม่ให้แก่องค์กรได้อย่างไร แล้ว AI จะเข้ามาเป็นผู้เล่นหน้าใหม่ในรูปแบบไหน เป็นสิ่งที่ผู้บริหารองค์กรต้องช่วยกันคิดและนำมาใช้

……….

KM แบบเดิมถอยไป AI ขอมีส่วนร่วม
……….

CoP หรือ Community of Practice หนึ่งในกิจกรรมที่หลายองค์กรที่ส่งเสริมวัฒนธรรมการเรียนรู้ ผ่านแนวทางการจัดการความรู้ (Knowledge management – KM) เพื่อที่จะทำให้องค์กรสามารถเก็บเกี่ยวประสบการณ์ที่สั่งสมอยู่ในตัวคน รวมรวมจัดเก็บไว้ในระบบอะไรซักอย่างที่ทุกคนสามารถเข้าถึง เรียนรู้ และปรับประยุกต์ใช้ในงานของตัวเอง นอกจากเพิ่มประสิทธิภาพในการทำงานของพนักงานแล้ว ยังช่วยเพิ่มความสามารถขององค์กรโดยรวมได้อีกด้วย

การเปิดพื้นที่โดยการจัดหาหรือจัดวางให้มุมใดมุมหนึ่งในองค์กร เป็นพื้นที่แห่งการแลกเปลี่ยนเรียนรู้ โดยจัดเป็นกิจกรรมหรือนำเข้าไปเป็นส่วนหนึ่งของงานประจำ โดยหมุนเวียนเปลี่ยนหัวข้อเรื่องพูดคุยกันไปเรื่อยๆ ตามสถานการณ์และความต้องการของผู้ที่เกี่ยวข้อง ในโรงงานอุตสาหกรรมของญี่ปุ่นมีสิ่งนี้สอดแทรกอยู่แล้วในพื้นที่ปฏิบัติงาน โดยหัวข้อหลักมักเกี่ยวกับคุณภาพของสินค้าในกระบวนการผลิต เพราะถือว่าฝ่ายผลิตเป็นหน่วยงานหลักในการสร้างคุณค่าให้แก่องค์กร อีกทั้งเป็นแหล่งรวมของพนักงานจำนวนมาก และมีหน่วยงานอื่นๆที่เกี่ยวข้อง อาทิ ฝ่ายซ่อมบำรุงเครื่องจักร ฝ่ายคลังสินค้าและขนส่ง ฝ่ายควบคุมคุณภาพ ฝ่ายเทคนิควิศวกรรม ฝ่ายวางแผนการผลิต ฝ่ายจัดซื้อ

โดยทั่วไปในการเปลี่ยนกะ พนักงานในกะเดิมที่กำลังจะออกกะ และพนักงานกลุ่มใหม่ที่กำลังจะเข้ากะ จะมีเวลาเหลื่อมกันอย่างน้อย 10-15 นาที เพื่อที่จะมาพบปะส่งถ่ายข้อมูลระหว่างกัน เป็นการรับช่วงต่อและฝากให้สะสางงานบางอย่างที่อาจดำเนินการค้างอยู่ให้แล้วเสร็จ ซึ่งจะกระทำกัน ณ บริเวณพื้นที่ปฏิบัติงานของหน่วยผลิตนั้นๆ ในขณะที่หัวข้อใหญ่ในเรื่องคุณภาพ อาทิ การตรวจพบของเสียในกระบวนการ การแจ้งเคลมสินค้าที่มีข้อบกพร่องจากลูกค้า จะมีพื้นที่ส่วนกลางโดยบางแห่งมีการพูดผ่านไมค์และมีเสียงตามสายกระจายผ่านลำโพงให้ได้ยินกันทั้งโรงงาน นอกจากอภิปรายแลกเปลี่ยนหาสาเหตุเพื่อแก้ไขหรือป้องกันปัญหาไม่ให้เกิดซ้ำแล้ว ยังให้ผู้ปฏิบัติงานอื่นๆได้รับรู้รับทราบไปด้วยในตัว ผลของการหารือจะสรุปไว้บนบอร์ดข่าว ในส่วนของสำนักงานก็อาจจะมีการประชุมพูดคุยกันในห้องเป็นหลัก ญี่ปุ่นเรียกพื้นที่นี้ว่า “บา (Ba)”

แต่ในโลกปัจจุบันหลายองค์กรโดยเฉพาะภาคบริการ ซึ่งแต่ละคนจะนั่งทำงานผ่านหน้าจอคอมพิวเตอร์ของตัวเอง หลายหน่วยหลายแผนกต้องประจำการลุกไปไหนไม่ได้ ดังนั้นการจะไปเข้าร่วมกิจกรรมแลกเปลี่ยนเรียนรู้ก็เป็นเรื่องที่ทำได้ยาก ช่องทางการสื่อสารผ่านอินเทอร์เน็ตจึงเป็นอีกทางเลือกหนึ่งซึ่งนำมาใช้ การแลกเปลี่ยนเรียนรู้แบบพบปะเห็นหน้าและมีพื้นที่จริง (Physical space) เมื่อผสมผสานกับพื้นที่เสมือนผ่านซอฟท์แวร์ใหม่ๆและโครงข่ายอินเทอร์เน็ตที่ทันสมัย (Cyberspace) เมื่อองค์ความรู้มากมายจัดเก็บไว้ในระบบแล้ว Machine Learning จะเข้ามาเรียนรู้สิ่งต่างๆเหล่านั้น ด้วยประสิทธิภาพและความสามารถในการจดจำแบบไม่มีขีดจำกัด การเข้าถึงและดึงข้อมูลความรู้ออกมาได้อย่างรวดเร็ว การคิดวิเคราะห์และประมวลผลข้อมูลจำนวนมากได้ในเวลาอันสั้น จะทำให้คนทำงานทุกคนสามารถจะนำความรู้ที่เก็บสะสมไว้จากแหล่งต่างๆ ทั้งภายในและภายนอกมาใช้ได้อย่างทันท่วงที เสมือนมีที่ปรึกษาชั้นเลิศมาคอยให้คำแนะนำ โดยมีเราเป็นผู้พิจารณาตัดสินใจในขั้นตอนสุดท้าย นอกจากนั้นมันยังมีความสามารถในการคาดการณ์อนาคต สร้างทางเลือกทางรอดบนพื้นฐานของเหตุและผลผ่านตัวแบบ (Data model) ที่เราจัดวางไว้ คอยตรวจติดตามสิ่งผิดปกติแทนเรา และเจ้งเตือน (alert) เมื่อมีสัญญาณบ่งชี้ว่ากำลังจะไปสู่หนทางที่อาจก่อให้เกิดความผิดพลาดได้

จึงไม่แปลกที่วงจรแห่งการเรียนรู้ที่ Professor Nonaka ได้สรุปไว้ในชื่อ SECI model ที่เป็นการถ่ายโอนความรู้จากคนสู่คน (Socialization) จากคนสู่เครื่องจักร (Externalization) จากเครื่องจักรสู่เครื่องจักรด้วยกัน (Combination) และจากเครื่องจักรกลับไปสู่คนอีกครั้ง (Internalization) วนแบบนี้ไปเรื่อยๆอย่างไม่มีที่สิ้นสุด ที่เรียกว่า เกลียวความรู้ (Knowledge spiral) นั้น เครื่องจักรหรือคอมพิวเตอร์ในอดีตอาจใช้เป็นเพียงที่จัดเก็บ ประมวลผลบางอย่างตามที่เรากำหนดเท่านั้น แต่ปัจจุบันเครื่องจักรที่ว่ากลายเป็น AI ที่มีความสามารถในการเรียนรู้สิ่งใหม่ คิดพิจารณา และคาดการณ์อนาคต ตลอดจนสร้างทางเลือกในการตัดสินใจได้ด้วย จึงไม่แปลกที่ต่อไปเราทุกคนจะมีเพื่อนร่วมงานเป็น AI รูปร่างหน้าตาจะเหมือนคนมีหัวมีแขนมีขาหรือไม่ ไม่สำคัญ แต่มันจะนั่งอยู่ข้างๆพวกเรา ทำหน้าที่เป็นผู้ช่วยแพทย์ในโรงพยาบาล ผู้ช่วยนิติกรในสำนักงานทนายความ ผู้ช่วยผู้พิพากษาในศาล ผู้ช่วยวิศวกรควบคุมงาน ผู้ช่วยพนักงานขายและบริการในร้านค้าต่างๆ หรือแม้แต่ผู้ช่วยนำทางในการเดินทางในชีวิตประจำวัน

……….

เมื่อกระบวนการคิดเองได้ ทำเองเป็น
………..

มากกว่าสองทศวรรษที่ผมให้คำปรึกษาแนะนำแก่โรงงานอุตสาหกรรมและหน่วยบริการของบริษัทต่างๆ ในการวางแผน ออกแบบกระบวนการทางธุรกิจ จัดทำระบบบริหารจัดการ และสอนให้บุคลากรรู้จักนำแผนภูมิกระบวนการ ซึ่งเปรียบเสมือนพิมพ์เขียวของการทำธุรกิจ มาวิเคราะห์เพื่อปรับปรุงให้ดีมีผลิตภาพสูงขึ้น ด้วยการบริหารและปรับปรุงกระบวนการทางธุรกิจ (Business Process Management and Improvement)

แต่ด้วยบริบทและสภาพแวดล้อมที่เปลี่ยนไป การตัดทอนกระบวนการด้วยการว่าจ้างภายนอก (Business Process Outsourcing) เป็นหนึ่งกลยุทธ์ที่หลายองค์กรนำมาใช้เพราะไม่มีความจำเป็นต้องทำทุกอย่าง แต่ควรเลือกทำเฉพาะกระบวนการสำคัญที่เป็นหัวใจของธุรกิจ และนำกระบวนการที่ไม่จำเป็นไปให้หน่วยงานภายนอกทำดีกว่า นอกจากลดภาระและมีต้นทุนที่ต่ำกว่าแล้ว หน่วยงานภายนอกยังเชี่ยวชาญและทำสิ่งนั้นได้ดีกว่าเรามาก อาทิ บริการเช่าคลังสินค้า บริการจัดส่งสินค้า บริการสรรหาพนักงาน

การปรับปรุงจำเป็นแต่ไม่เพียงพอ การลงทุนเพื่อยกระดับกระบวนการทางธุรกิจด้วยแนวคิดใหม่และเทคโนโลยีที่ทันสมัย (Business Process Innovation) เป็นสิ่งที่ต้องทำเพื่อรักษาระดับความสามารถการแข่งขันให้ทันกับการเปลี่ยนแปลงอย่างรวดเร็วในยุคดิจิทัล การผลิตสินค้าหรือให้บริการด้วยกระบวนการอัตโนมัติ (Business Process Automation) เป็นสิ่งที่หลีกเลี่ยงได้ยาก โดยเฉพาะปัญหาด้านค่าแรงที่สูงขึ้น การขาดแคลนแรงงานที่มีทักษะความสามารถ และเทคโนโลยีราคาถูกลง

ในโครงการเพื่อยกระดับองค์กรของไทยให้มีความสามารถการแข่งขันสูงขึ้น ผ่านการฝึกอบรมและให้คำปรึกษาแนะนำจากระดับ 2.0 (Lean Manufacturing) ที่เน้นการเพิ่มผลิตภาพด้วยการปรับปรุงวิธีการทำงานให้มีความสูญเปล่าสิ้นเปลืองน้อยที่สุดและมีกระบวนการที่สั้นกระชับและใช้เวลาน้อยที่สุด ไปสู่ระดับ 3.0 (Lean Automation) โดยนำเทคโนโลยีการผลิตที่ทันสมัยและระบบอัตโนมัติเข้าไปใช้ โดยเฉพาะงานที่ต้องการความละเอียดแม่นยำสูง งานเสี่ยงภัยที่อาจก่อให้เกิดอันตรายต่อผู้ปฏิบัติงานทั้งสุขภาพและร่างกาย งานที่ต้องการความรวดเร็วจากการทำซ้ำ และงานหนักที่คนไม่สามารถจะยกหรือเคลื่อนย้ายได้ง่าย

จนถึงระดับ 4.0 (Digital Lean) ซึ่งไม่เพียงแค่ทำให้เครื่องจักรต่างๆในกระบวนการผลิตสามารถสื่อสารและส่งข้อมูลกันได้เองเท่านั้น ที่สำคัญเครื่องจักรเหล่านั้นติดตั้ง ​IoT ที่มีเซนเซอร์คอยตรวจวัดค่าต่างๆและส่งออกในรูปแบบข้อมูลผ่านช่องทางอินเทอร์เน็ตเข้าไปเก็บไว้ใน cloud server ที่ทำให้เรารู้สถานะแบบทันที ดูได้ทุกที่ทุกเวลา และยังสามารถนำข้อมูลที่จัดเก็บไว้มาวิเคราะห์และตัดสินใจได้อีกด้วย

กระบวนการอัตโนมัติที่ชาญฉลาด (Intelligent Process Automation หรือ IPA) เป็นหนึ่งในรูปแบบของการขยับเขยื้อนเคลื่อนตัวออกไปอย่างกว้างขวางด้วยเทคโนโลยี จากรถยนต์ไร้คนขับจนถึงโดรนขับเคลื่อนอัตโนมัติ ระบบอัตโนมัติเดิมที่เพิ่มเติมด้วยเทคโนโลยีใหม่ไร้พรมแดน ในทุกวันนี้มีการใช้ Data analytics และ AI ไปใช้สร้างความฉลาดในทางธุรกิจ สื่อสารกับลูกค้าและผู้ใช้งานในรูปแบบของผู้ช่วย หรือทำให้งานย่อยต่างๆดำเนินการได้เองทั่วทั้งองค์กร ระบบอัตโนมัติเดิมที่ทำงานตามโปรแกรมหรือชุดคำสั่งที่กำหนดไว้ กำลังเปลี่ยนผ่านไปสู่สิ่งใหม่ที่คิดเองได้ ทำเองเป็น โดยไม่ต้องรอคำสั่งหรือคำแนะนำจากคน

IPA

เป็นการรวมกันของเทคโนโลยีที่เข้ามาร่วมด้วยช่วยกันจัดการ ทำให้เป็นอัตโนมัติ และบูรณาการกระบวนการต่างๆผ่านเทคโนโลยีดิจิทัล ประกอบด้วย 3 ส่วนหลักคือ การประยุกต์ดิจิทัลเข้าไปจัดการกับข้อมูลต่างๆในกระบวนการแบบอัตโนมัติ (Digital Process Automation หรือ DPA) การนำหุ่นยนต์เข้าไปทำงานแทนคนในกระบวนการ (Robot Process Automation หรือ RPA) และปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) โดย DPA ทำให้เราเปลี่ยนสถานะของสิ่งต่างๆทางกายภาพให้กลายเป็นดิจิตัล ช่วยทำให้เราจัดการกับการไหลของข้อมูลในระบบ และตรวจติดตามง่ายขึ้นโดยการบ่งชี้พื้นที่ที่ต้องปรับปรุงและดำเนินการเปลี่ยนแปลงได้อย่างว่องไว

RPA

ทำให้กระบวนการเร็วและมีประสิทธิภาพแน่นอนมากกว่าคนหลายเท่า การผ่องถ่ายให้หุ่นยนต์เลียนแบบกิจกรรมของคนช่วยลดทอนการทำงานปกติที่ใช้แรงงานคนได้มาก เช่น การป้อนข้อมูลซ้ำไปมาจากระบบหนึ่งไปสู่อีกระบบหนึ่ง ในขณะที่ AI ช่วยวิเคราะห์ข้อมูลในกระบวนการและตัดสินใจพร้อมกันไปด้วย เช่น AI สามารถวิเคราะห์ข้อมูลในแนวทางแบบที่มนุษย์ไม่มีทางทำได้จากข้อมูลขนาดใหญ่ในเวลาจำกัด การจดจำรูปแบบของข้อมูลและเรียนรู้จากการตัดสินใจในอดีตเพื่อหาทางเลือกที่ชาญฉลาดมากขึ้น

จากรายงานของ McKinsey “มีบริษัทมากมายในหลายอุตสาหกรรมได้เคยทดลองทำ IPA ได้ผลลัพธ์ที่น่าพอใจ ทำให้งานย่อยกว่าร้อยละ 50 ถึง 70 เป็นอัตโนมัติ เพิ่มประสิทธิภาพด้วยการลดต้นทุนได้ร้อยละ 20 ถึง 35 ต่อปี” แต่ความคุ้มค่าในการลงทุนและความพร้อมของแต่ละองค์กร ยังเป็นโจทย์สำคัญที่ต้องพิจารณาให้ดี โดยเฉพาะในประเทศไทยการจะก้าวไปสู่ IPA อาจจะเป็นการลงทุนที่เกินตัวไปบ้าง คำแนะนำของผมคือ อาจจะลองเริ่มต้นจาก RPA จนได้ผลดีระดับหนึ่ง ค่อยต่อยอดด้วย DPA แล้วค่อยนำ AI มาใช้

 

 




Writer

จำลักษณ์ ขุนพลแก้ว

ผู้เชี่ยวชาญพิเศษด้าน Innovation
สถาบันเพิ่มผลผลิตแห่งชาติ