การ์ทเนอร์เผย ข้อมูลและการวิเคราะห์ ที่องค์กรต้องจับตาในอนาคต AI
การ์ทเนอร์เผยคาดการณ์ด้าน “ข้อมูลและการวิเคราะห์” ที่องค์กรต้องจับตาในอนาคต AI ต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล ช่วยองค์กรตัดสินใจและดำเนินการได้อย่างชาญฉลาด
วันที่ 4 กรกฏาคม 2568 - การ์ทเนอร์เผยคาดการณ์ด้านข้อมูลและการวิเคราะห์ (Data and Analytics) สำคัญ ๆ ของปี 2568 และปีต่อ ๆ ไป พบว่าการตัดสินใจทางธุรกิจครึ่งหนึ่งเป็นผลมาจากการเพิ่มประสิทธิภาพและการทำงานอัตโนมัติจาก AI Agents โดยความรู้และทักษะ AI ของผู้บริหารจะเพิ่มประสิทธิภาพทางการเงินให้สูงขึ้น และความล้มเหลวสำคัญในการจัดการข้อมูลสังเคราะห์ หรือ Synthetic Data จะเพิ่มความเสี่ยงด้านธรรมาภิบาล AI รวมถึงความแม่นยำและการปฏิบัติตามข้อกำหนดของโมเดล
Carlie Idoine, รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า "ในวันนี้กิจกรรมเกือบทุกอย่างของเราตั้งแต่วิธีการทำงานไปจนถึงวิธีการตัดสินใจล้วนได้รับอิทธิพลจากปัญญาประดิษฐ์ไม่ทางตรงก็ทางอ้อม ซึ่ง AI ไม่สามารถตอบสนองหรือส่งมอบคุณค่าทั้งหลายได้เองตามลำพัง จำเป็นต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล เพื่อช่วยให้ตัดสินใจและดำเนินการได้อย่างชาญฉลาดและสามารถปรับเปลี่ยนได้เหมาะสมทั่วทั้งองค์กร"
การ์ทเนอร์แนะนำให้องค์กรใช้หลักสมมติฐานเชิงกลยุทธ์ต่อไปนี้ เพื่อวางแผนอนาคตในอีก 2-3 ปีข้างหน้า ภายในปี 2570 ครึ่งหนึ่ง (50%) ของการตัดสินใจทางธุรกิจมาจากการทำงานอัตโนมัติและเสริมประสิทธิภาพด้วย AI Agents สำหรับ Decision Intelligence
Decision Intelligence เมื่อรวมเข้ากับข้อมูล การวิเคราะห์ และ AI จะสร้างกระบวนการตัดสินใจเพื่อสนับสนุนและทำให้การตัดสินใจที่ซับซ้อนเป็นอัตโนมัติ โดย AI Agents ช่วยเพิ่มประสิทธิภาพกับกระบวนการนี้ จัดการกับความซับซ้อน การวิเคราะห์ และการดึงแหล่งข้อมูลต่าง ๆ มาใช้ การ์ทเนอร์แนะนำให้ผู้บริหาร D&A ทำงานร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ เพื่อระบุและจัดลำดับการตัดสินใจที่สำคัญ ๆ เพื่อบรรลุความสำเร็จขององค์กร รวมถึงการตัดสินใจที่ได้ประโยชน์จากการนำการวิเคราะห์และปัญญาประดิษฐ์ไปใช้อย่างมีประสิทธิภาพมากขึ้น
"AI Agents สำหรับ Decision Intelligence ไม่ใช่สูตรสำเร็จและไม่ใช่เรื่องที่ผิดพลาดไม่ได้ หากแต่ต้องใช้ร่วมกันกับการกำกับดูแลและการจัดการความเสี่ยงที่มีประสิทธิภาพ ซึ่งการตัดสินใจของมนุษย์ยังต้องการความรู้ที่เหมาะสม รวมถึงความรู้ในด้านข้อมูลและปัญญาประดิษฐ์" Idoine กล่าวเพิ่ม
ภายในปี 2570 องค์กรที่มุ่งเน้นให้ผู้บริหารเรียนรู้และเข้าใจเรื่องปัญญาประดิษฐ์ (AI Literacy) จะมีผลประกอบการทางการเงินสูงกว่าองค์กรที่ไม่สนใจเรื่องนี้ถึง 20%
การปลดล็อกศักยภาพธุรกิจเต็มรูปแบบด้วยปัญญาประดิษฐ์ต้องสร้าง AI Literacy ให้แก่ผู้บริหาร พวกเขาต้องเรียนรู้และทำความเข้าใจเกี่ยวกับโอกาส ความเสี่ยงและต้นทุน AI เพื่อตัดสินใจได้อย่างมีประสิทธิภาพและเตรียมพร้อมสำหรับอนาคตการลงทุนด้าน AI ที่ช่วยเร่งผลลัพธ์ขององค์กร การ์ทเนอร์แนะนำให้ผู้บริหาร D&A แนะนำโปรแกรมการพัฒนาทักษะที่มอบประสบการณ์ให้ผู้บริหาร เช่น การพัฒนาต้นแบบเฉพาะโดเมนสำหรับทำให้ปัญญาประดิษฐ์เป็นเรื่องที่จับต้องได้ ที่จะนำไปสู่การลงทุนที่มากขึ้นและเหมาะสมขึ้นกับความสามารถในการใช้ AI
ภายในปี 2570 ผู้บริหารด้านข้อมูลและการวิเคราะห์ 60% จะเผชิญกับความล้มเหลวครั้งใหญ่ในการจัดการข้อมูลสังเคราะห์ (Synthetic Data) เกิดความเสี่ยงต่อการกำกับดูแล AI ความแม่นยำ และการปฏิบัติตามข้อกำหนดของโมเดล
การใช้ข้อมูลสังเคราะห์ หรือ Synthetic Data เพื่อฝึกโมเดล AI ขณะนี้เป็นกลยุทธ์สำคัญเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัวและการสร้างชุดข้อมูลที่หลากหลาย อย่างไรก็ตาม ความซับซ้อนเกิดขึ้นเนื่องจากความจำเป็นที่จะต้องให้แน่ใจว่าข้อมูลสังเคราะห์สามารถสื่อถึงสถานการณ์ที่เป็นจริงได้แม่นยำ ปรับขนาดได้อย่างมีประสิทธิภาพเพื่อตอบสนองความต้องการข้อมูลที่เติบโต และบูรณาการเข้ากับข้อมูลและระบบที่มีอยู่ได้อย่างราบรื่น
"เพื่อจัดการกับความเสี่ยงเหล่านี้ องค์กรต้องใช้การจัดการ Metadata ที่มีประสิทธิภาพ โดย Metadata จัดเตรียมบริบท เชื่อมโยง และกำกับดูแลที่จำเป็นเพื่อติดตาม ตรวจสอบ รวมถึงจัดการข้อมูลสังเคราะห์ได้อย่างมีความรับผิดชอบ ถือเป็นสิ่งสำคัญในการรักษาความถูกต้องแม่นยำของ AI และการปฏิบัติตามมาตรฐาน" Idoine กล่าวเพิ่มเติม
ภายในปี 2571 โครงการนำร่อง GenAI 30% ที่มุ่งสู่การผลิตขนาดใหญ่จะถูกสร้างขึ้นแทนที่การใช้งานผ่านแอปพลิเคชันสำเร็จรูป (Packaged Applications) เพื่อลดต้นทุนและเพิ่มการควบคุม
การสร้างโมเดล GenAI ภายในองค์กรให้ความยืดหยุ่น การควบคุม และคุณค่าในระยะยาวที่เครื่องมือสำเร็จรูปหลายอย่างทำไม่ได้ และเมื่อความสามารถภายในเติบโตขึ้น การ์ทเนอร์แนะนำให้องค์กรนำกรอบการทำงานที่ชัดเจนมาใช้สำหรับการตัดสินใจว่าจะสร้างเองหรือจะซื้อ (Build Versus Buy Decisions) ที่ต้องพิจารณาปัจจัยด้านต้นทุน ระยะเวลาที่จะออกสู่ตลาด ชุดทักษะความรู้ที่มีอยู่ ความสามารถในการบูรณาการ การปฏิบัติตามข้อกำหนดและความเสี่ยง
ภายในปี 2570 องค์กรที่จัดลำดับความสำคัญของอรรถศาสตร์ (การศึกษาความหมายของคำหรือภาษา) หรือ Semantics ในชุดข้อมูล AI จะเพิ่มความแม่นยำของโมเดล GenAI ได้สูงสุด 80% และลดต้นทุนสูงสุด 60%
อรรถศาสตร์ที่ไม่ดี (Poor Semantics) หรือการศึกษาความหมายของภาษาที่ไม่ดีใน GenAI นำไปสู่การตีความผิดเพี้ยนมากขึ้น ต้องการโทเค็นและมีต้นทุนสูงขึ้น องค์กรที่ทบทวนการจัดการข้อมูลโดยมุ่งเน้นไปที่ Active Metadata ขับเคลื่อนความแม่นยำและประสิทธิภาพของโมเดลมากขึ้น จะมีความพร้อมด้านข้อมูลปัญญาประดิษฐ์สูงขึ้น (AI Data Readiness) และลดต้นทุนการคำนวณ การ์ทเนอร์คาดว่า สิ่งนี้ช่วยให้ AI Agents ทำงานมีประสิทธิภาพมากขึ้นและเพิ่มความสะดวกในการตัดสินใจได้อย่างชาญฉลาดและรวดเร็วขึ้นทั่วทั้งองค์กร
ภายในปี 2572 บอร์ดบริหารทั่วโลก 10% จะใช้คำแนะนำที่ได้รับจาก AI มาท้าทายการตัดสินใจที่มีความสำคัญต่อธุรกิจของผู้บริหาร
เมื่อ AI ฝังอยู่ในกลยุทธ์ของบอร์ดบริหาร ความต้องการการกำกับดูแลข้อมูลให้แข็งแกร่ง หรือ Data Governance ความชัดเจนกฎระเบียบ และการจัดการชื่อเสียงองค์กรจะมีความเข้มข้นขึ้น การ์ทเนอร์แนะนำให้บอร์ดบริหารกำหนดขอบเขตการมีส่วนร่วมในการนำ AI ไปใช้ตัดสินใจและจัดตั้งนโยบายที่ชัดเจนด้านการกำกับดูแล กำหนดกรอบความรับผิดชอบ และการปฏิบัติตามกฎระเบียบ โดยสิ่งเหล่านี้จะช่วยให้พวกเขาใช้ AI เป็นที่ปรึกษาเชิงกลยุทธ์ พร้อมรักษาความไว้วางใจและควบคุมไปพร้อมกัน