องค์กรจำนวนมากเริ่มต้นโครงการ AI ด้วยคำถามว่า "จะใช้โมเดลไหนดี" ทั้งที่คำถามแรกที่ควรตอบให้ได้คือ "จะเอา AI ไปแก้ปัญหาอะไร และจะรู้ได้อย่างไรว่าสำเร็จ" บทความนี้สรุปแนวทางที่เราใช้กับลูกค้าจริง เพื่อให้โครงการนำร่องเห็นผลภายใน 90 วัน
1. เลือกงานที่คุ้มค่าก่อน ไม่ใช่งานที่น่าตื่นเต้นที่สุด
งานที่เหมาะกับการเริ่มต้นมักมีลักษณะร่วมกันสามอย่าง คือ ทำซ้ำบ่อย ใช้เวลามาก และมีเกณฑ์ตัดสินที่ค่อนข้างชัดเจน ตัวอย่างเช่น การตอบคำถามที่พบบ่อยจากเอกสารภายใน การคัดแยกเอกสารเข้าระบบ หรือการสรุปรายงานประจำสัปดาห์
ในทางกลับกัน งานที่ต้องใช้ดุลยพินิจสูงและมีผลกระทบทางกฎหมาย ไม่ควรเป็นโครงการแรก เพราะต้นทุนความผิดพลาดสูงและใช้เวลาตรวจสอบนาน
เกณฑ์ง่าย ๆ ที่เราใช้: ถ้าอธิบายวิธีทำงานให้พนักงานใหม่เข้าใจได้ภายในหนึ่งหน้ากระดาษ งานนั้นมักเหมาะกับการเริ่มต้นใช้ AI
2. ตรวจสอบความพร้อมของข้อมูลตั้งแต่วันแรก
โครงการที่ล่าช้าส่วนใหญ่ไม่ได้ติดที่เทคโนโลยี แต่ติดที่ข้อมูลกระจัดกระจาย ไม่มีเจ้าของ หรืออยู่ในรูปแบบที่นำมาใช้ต่อไม่ได้ ก่อนเริ่มพัฒนา ควรตอบคำถามเหล่านี้ให้ได้ก่อน
- ข้อมูลที่จำเป็นอยู่ที่ไหน ใครเป็นเจ้าของ และเข้าถึงได้อย่างไร
- ข้อมูลเป็นปัจจุบันแค่ไหน มีกระบวนการอัปเดตหรือไม่
- มีข้อมูลส่วนบุคคลปะปนอยู่หรือไม่ และต้องจัดการอย่างไรตาม PDPA
- หากข้อมูลมีความอ่อนไหว องค์กรยอมรับให้ประมวลผลนอกเครือข่ายได้หรือไม่
3. กำหนดตัวชี้วัดก่อนเริ่มพัฒนา
ตัวชี้วัดที่ดีต้องวัดได้ก่อนและหลังใช้งานจริง เช่น เวลาเฉลี่ยในการตอบคำถามลูกค้า จำนวนเอกสารที่ประมวลผลได้ต่อวัน หรือสัดส่วนงานที่ต้องส่งต่อให้เจ้าหน้าที่ ตัวเลขเหล่านี้จะเป็นหลักฐานว่าควรขยายผลหรือหยุดโครงการ
ตัวอย่างการตั้งเป้าหมายของโครงการนำร่อง
- ลดเวลาค้นหาข้อมูลจากเอกสารภายในลงอย่างน้อย 40%
- ระบบตอบได้ถูกต้องพร้อมอ้างอิงแหล่งที่มาไม่น้อยกว่า 85% จากชุดคำถามทดสอบ
- มีผู้ใช้งานจริงในหน่วยงานนำร่องไม่น้อยกว่า 30 คนต่อสัปดาห์
4. ออกแบบให้มีมนุษย์อยู่ในกระบวนการ
ระบบที่ดีไม่ได้แปลว่าไม่มีคนเกี่ยวข้อง แต่คือระบบที่รู้ว่าเมื่อไรควรส่งต่อให้คน การออกแบบจุดส่งต่อ การแสดงแหล่งอ้างอิง และการเก็บบันทึกการใช้งาน จะทำให้ทีมปรับปรุงระบบได้อย่างต่อเนื่องและผู้ใช้งานเชื่อมั่นมากขึ้น
5. วางแผนขยายผลตั้งแต่ยังไม่เริ่ม
เมื่อโครงการนำร่องสำเร็จ คำถามถัดไปคือจะขยายอย่างไร การเลือกสถาปัตยกรรมที่รองรับการเพิ่มแหล่งข้อมูลและผู้ใช้งานตั้งแต่ต้น จะช่วยประหยัดเวลาในระยะยาว รวมถึงการวางแผนเรื่องสิทธิ์การเข้าถึง การเฝ้าระวังคุณภาพคำตอบ และต้นทุนการใช้งานต่อเดือน
สรุป
โครงการ AI ที่สำเร็จมักเริ่มจากขอบเขตเล็กที่ชัดเจน มีตัวชี้วัดที่วัดได้จริง และมีแผนขยายผลรองรับ หากองค์กรของคุณกำลังมองหาจุดเริ่มต้น ทีมของเรายินดีช่วยประเมินความพร้อมและเลือกกรณีใช้งานที่เหมาะสมให้