ใช้ AI งานเร็วขึ้น แล้วธุรกิจได้อะไร? วิธีเปลี่ยนเวลาที่ประหยัดให้คุ้มทุน

AI ช่วยให้งานเสร็จเร็วขึ้นได้ แต่เวลาที่ประหยัดไปจะกลายเป็นรายได้หรือต้นทุนที่ลดลงอย่างไร ยังเป็นโจทย์ที่องค์กรต้องทำต่อ เวที AI to Reality: The True Cost of AI ในงาน THE STANDARD ECONOMIC FORUM 2026 นำประสบการณ์จากบลูบิค OR และธนชาตประกันภัย มาชวนมองช่องว่างระหว่างการมีเครื่องมือกับการได้ผลลัพธ์จริง ตั้งแต่เลือกปัญหาให้ถูก ประเมินต้นทุนให้ครบ ไปจนถึงทำให้พนักงานมีทั้งทักษะและแรงจูงใจที่จะใช้

ทำไมทดลอง AI แล้ว จึงยังไปไม่ถึงการใช้งานจริง?

ณฐพงศ์ พิทักษ์ ผู้อำนวยการสายงาน Advanced Insights & AI บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) มองว่าการนำ AI เข้าสู่องค์กรมีกับดักใหญ่สองช่วง ช่วงแรกเกิดตั้งแต่เลือกโครงการ เมื่อองค์กรเริ่มจากเทคโนโลยีที่กำลังเป็นกระแส แล้วค่อยหาว่าจะนำไปทำอะไร ผลที่ตามมาคือโครงการทดลองอาจดูน่าสนใจ แต่เมื่อถูกถามว่าธุรกิจจะได้อะไรกลับมา กลับยังไม่มีคำตอบชัดเจน

เขาเสนอให้เริ่มจากการหาว่าธุรกิจกำลังสูญเสียมูลค่าตรงไหน บางแห่งติดขัดที่ฝ่ายขาย บางแห่งเสียเวลาไปกับงานซ้ำ หรือผู้บริหารเข้าถึงข้อมูลได้ช้าจนกระทบการตัดสินใจ การเห็นปัญหาเหล่านี้ก่อนช่วยให้องค์กรเลือกได้ว่าจะใช้ AI แก้เรื่องใด และมีเหตุผลทางธุรกิจรองรับการลงทุน

ส่วนกับดักช่วงที่สองจะปรากฏหลังเลือกโครงการได้แล้ว นั่นคือต้นทุนที่ยังมองเห็นไม่ครบตอนทดลอง ทั้งข้อมูลที่ไม่พร้อม การเชื่อม AI กับระบบเดิม เช่น ระบบบริหารทรัพยากรองค์กรหรือ ERP และแอปพลิเคชันที่ต้องแก้ไขตามไปด้วย รวมถึงแรงเสียดทานจากการเปลี่ยนวิธีทำงานของคน การพัฒนา AI สำเร็จจึงยังเหลืองานอีกหลายส่วน ก่อนที่องค์กรจะใช้งานได้จริง

ประหยัดเวลาทำงานได้แล้ว จะเปลี่ยนเป็นผลตอบแทนอย่างไร?

ช้องมาศ ทยากร ผู้จัดการฝ่าย Digital Solution บริษัท ปตท. น้ำมันและการค้าปลีก จำกัด (มหาชน) หรือ OR เล่าว่า ข้อเสนอโครงการ AI มักแสดงตัวเลขประสิทธิภาพที่เพิ่มขึ้นได้อย่างน่าสนใจ แต่ยังต้องถามต่อว่า เวลาทำงานที่ลดลงจะส่งผลต่อรายได้และค่าใช้จ่ายอย่างไร การประเมินความคุ้มค่าจึงต้องเชื่อมจากประโยชน์ของเครื่องมือไปถึงเป้าหมายขององค์กร

ตัวอย่างคือทีมขายที่ต้องการใช้ AI ช่วยค้นข้อมูลตอบลูกค้า เดิมข้อมูลกระจัดกระจายจนพนักงานเสียเวลาสืบค้น เมื่อเครื่องมือช่วยให้หาคำตอบได้เร็วขึ้น ก็ต้องวางแผนต่อว่าจะนำเวลาที่เหลือไปสร้างรายได้อย่างไร โครงการนี้จึงต้องติดตามยอดขายที่เพิ่มขึ้นด้วย แทนที่จะวัดจบเพียงจำนวนชั่วโมงที่ประหยัดได้

OR มีทีม Value Realization Office หรือ VRO ให้หลายฝ่ายร่วมกันกลั่นกรองโครงการ ฝ่าย IT ดูเทคโนโลยีและค่าใช้จ่าย ฝ่ายกลยุทธ์พิจารณาความเชื่อมโยงกับเป้าหมายธุรกิจ ฝ่ายการเงินตรวจสมมติฐานและความเป็นไปได้ ส่วน HR ดูกำลังคนและทักษะที่ต้องพัฒนา วิธีนี้ช่วยให้การประเมินครอบคลุมทั้งเงินที่ต้องลงทุน งานที่จะเปลี่ยน และผลลัพธ์ที่ต้องติดตาม

โครงการ AI แบบไหนช่วยเพิ่มยอดขายหรือลดค่าใช้จ่ายได้จริง?

ทีฆภัค ศรียุกต์วงศ์ รองประธานเจ้าหน้าที่บริหาร บริษัท ธนชาตประกันภัย จำกัด (มหาชน) เสนอว่า การเลือกโครงการต้องเริ่มจากเป้าหมายของธุรกิจในช่วงนั้น หากต้องการเติบโต ก็ควรให้น้ำหนักกับงานที่ช่วยสร้างรายได้ แล้วนำข้อเสนอจากคนทำงานจริงมาพิจารณาว่าเรื่องใดทำได้และมีโอกาสให้ผลตอบแทนสูง เป้าหมายที่ชัดช่วยให้จัดสรรทรัพยากรและคัดเลือกโครงการได้ง่ายขึ้น

เขายกตัวอย่างช่องทางขายประกันผ่านโบรกเกอร์ ซึ่งต้องสอบถามเบี้ยต่ออายุจากบริษัทก่อนเสนอให้ลูกค้า การติดต่อผ่านโทรศัพท์ อีเมล หรือ LINE มีข้อจำกัดเรื่องเวลาทำการ บริษัทจึงเตรียมฐานข้อมูลและพัฒนาแชตบอตให้โบรกเกอร์สอบถามเบี้ยได้ตลอดเวลา ทีฆภัครายงานว่า ยอดขายจากกลุ่มโบรกเกอร์ที่ทดลองใช้เพิ่มขึ้น 3 เท่า โดยเป็นผลของกลุ่มทดลอง ไม่ครอบคลุมยอดขายทั้งบริษัท

อีกกรณีคือการใช้ AI วิเคราะห์รูปแบบการเคลมในอดีต เพื่อประเมินความเสี่ยงและแจ้งให้เจ้าหน้าที่ตรวจสอบเคสที่ควรดูเป็นพิเศษ ซึ่งทีฆภัคระบุว่าช่วยประหยัดค่าใช้จ่ายได้เกือบ 2 ล้านบาทต่อเดือน ทั้งสองตัวเลขเป็นผลลัพธ์ที่เขารายงานบนเวที ส่วนวิธีคิดที่เชื่อมสองกรณีเข้าด้วยกันคือการหาข้อจำกัดที่กระทบธุรกิจ แล้วเลือกเทคโนโลยีมาแก้ให้ตรงจุด

ทำอย่างไรให้พนักงานอยากใช้ AI โดยไม่รู้สึกว่ามีงานเพิ่ม?

สำหรับคนที่งานประจำเต็มมือ การเรียนรู้เครื่องมือใหม่อาจกลายเป็นอีกภาระหนึ่ง ทีฆภัคเสนอให้เริ่มจากงานที่พนักงานติดขัดอยู่แล้ว แล้วช่วยให้เห็นว่าเครื่องมือทำให้งานง่ายขึ้นอย่างไร อาจเริ่มจาก AI ที่ไม่ซับซ้อน หรือแม้แต่การปรับกระบวนการทำงาน เมื่อคนหน้างานรู้ว่าเครื่องมือทำอะไรได้ เขาจะเริ่มมองออกว่าจะนำไปช่วยงานส่วนไหนของตัวเอง

ณฐพงศ์ชี้ว่า การเห็นความสำคัญของ AI กับความเต็มใจเปลี่ยนตัวเองเป็นคนละขั้น ผู้บริหารต้องเข้าใจด้วยว่าพนักงานจะได้รับอะไร ทั้งการทำงานที่สะดวกขึ้นและโอกาสเติบโต เขาจึงเสนอให้ประเมินความพร้อมสามด้าน ได้แก่ เห็นความสำคัญ มีแรงจูงใจลงมือ และมีทักษะเพียงพอ แต่ละหน่วยงานอาจติดอยู่คนละด้าน การจัดอบรมหรือกิจกรรมแบบเดียวกันจึงอาจตอบโจทย์ได้ไม่เท่ากัน

ช้องมาศเล่าว่า OR แบ่งการพัฒนาคนตามความพร้อม ตั้งแต่ AI User ที่ต้องใช้เครื่องมือได้เหมาะสมและปลอดภัย กลุ่ม AI Champion / Professional ที่สามารถสร้างเครื่องมือแก้ปัญหาของหน่วยงาน จนถึงทีม AI Center of Excellence ที่ทำงานซับซ้อนและเป็นโค้ชให้ผู้อื่น แนวทางนี้เปิดพื้นที่ให้คนหน้างานพัฒนาทางแก้จากปัญหาที่ตัวเองรู้จัก พร้อมมีผู้เชี่ยวชาญช่วยต่อยอด

จะทำให้การใช้ AI เดินหน้าต่อ หลังจบโครงการทดลองได้อย่างไร?

การเรียนรู้ต้องมีโอกาสให้ลงมือและมีคนช่วยต่อ ช้องมาศยกตัวอย่างโครงการ OR Tech Spark ที่ให้พนักงานจากหลายหน่วยงานเสนอปัญหา โดยมีโค้ชช่วยตั้งแต่พัฒนาแนวคิดจนออกมาเป็นโครงการทดลอง หากงานใดมีศักยภาพสร้างผลลัพธ์ ทีมส่วนกลางจะเข้าไปช่วยต่อยอดให้ใช้งานจริง ควบคู่กับการสร้างชุมชนเรียนรู้และการยอมรับทักษะของพนักงาน

ทีฆภัคเสนอให้มองการใช้ AI เป็นงานที่ต้องดำเนินต่อเนื่อง พร้อมกำหนดหมุดหมายในแต่ละช่วงว่าโครงการและทักษะของคนคืบหน้าอย่างไร เพื่อให้เห็นเร็วพอว่ากำลังเดินถูกทางหรือควรแก้ปัญหาตรงไหน ขณะที่ณฐพงศ์ฝากโจทย์ถึงพนักงานด้วยว่า เมื่อ AI ช่วยคืนเวลาและเพิ่มความสามารถให้แล้ว คุณค่าใหม่ที่แต่ละคนจะสร้างให้องค์กรอยู่ตรงไหน

ก่อนลงทุนครั้งถัดไป องค์กรจึงควรตอบให้ได้ว่า กำลังแก้ปัญหาอะไร ต้องเตรียมระบบและคนอย่างไร และจะติดตามผลทางธุรกิจจากจุดไหน เมื่อได้เวลาจาก AI กลับมาแล้ว ต้องมีแผนว่าจะใช้เวลานั้นทำอะไรต่อ พร้อมกลับมาดูผลที่เกิดขึ้นจริง เพื่อพิจารณาว่าควรปรับแก้หรือขยายการลงทุนอย่างไร