AI, Data, Automation: สูตรพลิกโฉมธุรกิจสู่อนาคต
AI, Data, Automation: สูตรพลิกโฉมธุรกิจสู่อนาคต ต้นน้ำ Self-Understanding Stage กลางน้ำ Optimization Stage และ ปลายน้ำ Maximization Stage
AI (Artificial Intelligence) หรือปัญญาประดิษฐ์เป็นการสร้างโปรแกรมในระบบคอมพิวเตอร์ให้มีความสามารถในการเรียนรู้ ทำงาน ตัดสินใจหรือแก้ไขปัญหาที่ต้องการความสามารถทางปัญหาของมนุษย์ โดยตั้งต้นจาก Data หรือชุดข้อมูลที่ป้อนเข้าไปเพื่อให้โปรแกรมนั้น ๆ เกิดการเรียนรู้จนสามารถคิดวิเคราะห์เชิงลึกและช่วยในการตัดสินใจได้ โดยปลายทางสามารถนำไปสู่การสร้าง Automation หรือกระบวนการทำงาน-บริการอัตโนมัติส่วนต่าง ๆ ในธุรกิจ เช่น การบริการลูกค้า แนะนำสินค้า สร้างคอนเทนต์ การจัดการเอกสาร จัดการระบบงาน จนไปถึงควบคุมอุปกรณ์ต่าง ๆ และการผลิตในอุตสาหกรรม เพื่อเพิ่มความรวดเร็วและประสิทธิภาพ ลดต้นทุน และลดความผิดพลาดในการทำงาน
ในยุค AI และ Automation นี้ การมีข้อมูลยิ่งมากและมีคุณภาพ จึงเสมือนมีสินทรัพย์มูลค่ามหาศาล องค์กรสามารถนำข้อมูลเหล่านั้นมาประยุกต์ใช้ได้ในทุก ๆ ขั้นตอนของธุรกิจ แต่ Data นั้นเปรียบเสมือนน้ำมันดิบ ที่ต้องผ่านกระบวนการกลั่นด้วยขั้นตอนต่าง ๆ ก่อนนำมาใช้
ต้นน้ำ: Self-Understanding Stage
เป็นขั้นตอนสำคัญในการกำหนดทิศทางในการนำ Data และ AI มาใช้ในธุรกิจ องค์กรต้องทำความเข้าใจตัวเองเสียก่อนว่าต้องการทำอะไร ตัวชี้วัดความสำเร็จ (KPI) คืออะไร และอะไรคือตัวการขับเคลื่อนที่สำคัญ (Key Driver) เช่น ปรับเปลี่ยนแนวคิดให้เป็น Data-Driven Culture หรือวัฒนธรรมการขับเคลื่อนด้วยข้อมูล ออกแบบ Data Structure และลงทุนในระบบได้อย่างเหมาะสม และเก็บข้อมูลที่ต้องการนำมาใช้งานได้อย่างถูกต้อง ต่อเนื่อง จนได้ข้อมูลที่มีคุณภาพและปริมาณเพียงพอ
กลางน้ำ: Optimization Stage
เป็นการนำข้อมูลที่จัดเก็บไว้มาปรับใช้ให้สอดคล้องกับการดำเนินงานแต่ละส่วนเพื่อไปถึงเป้าหมายทางธุรกิจที่กำหนด เช่น การทำ Marketing ที่ต้องใช้ข้อมูลในการทำแคมเปญ ทั้งข้อมูลกลุ่มลูกค้าเป้าหมาย พฤติกรรม ความสนใจ กิจกรรม การมีส่วนร่วม การซื้อ ช่องทางการขายและบริการ ข้อมูลตลาด เป็นต้น
ปลายน้ำ: Maximization Stage
เมื่อมีความพร้อมด้าน Data แล้ว จึงสามารถนำ AI เข้ามาใช้และเรียนรู้ข้อมูลเพื่อสร้าง Automation Process ต่าง ๆ เช่น
- การเพิ่มยอดขาย ด้วยระบบ Recommendation System อัตโนมัติบนแพลตฟอร์ม E-Commerce ที่สามารถแนะนำสินค้าให้ตรงกับความต้องการของลูกค้า ไปจนถึง Upselling และ Cross-selling ให้ลูกค้าใช้จ่ายมากขึ้น หรือซื้อสินค้าที่เกี่ยวเนื่องกัน
- การยกระดับประสบการณ์ลูกค้า (Customer Experience-CX) ในแต่ละ Touchpoint เช่น ในการจัดคิวเข้ารับบริการ การจัดการคลังสินค้า การตอบคำถามและประสานงานกับลูกค้าในทุกช่องทาง
จะเห็นได้ว่าการจะให้ AI และ Automation ทำงานได้อย่างเกิดประโยชน์สูงสุดนั้นต้องใช้ทั้ง “Data” และ “Human” ในการขับเคลื่อน คือนอกจากมีข้อมูลแล้ว มนุษย์จะต้องเป็นผู้กำหนดเป้าหมายและกฎเกณฑ์ (Business Rules) ที่เกี่ยวข้อง โดยมีกระบวนการทดสอบ ลองผิดลองถูกและเรียนรู้อย่างต่อเนื่อง เพื่อให้สามารถตอบสนองต่อลูกค้าและสร้างประโยชน์ให้กับธุรกิจอย่างวัดผลได้ให้มากที่สุด ซึ่งรวมถึง
- เพิ่มรายได้ โดยมีตัวชี้วัดเช่น ยอดขาย และ Conversion Rate เช่น เมื่อลูกค้าซื้อสินค้าอย่างหนึ่งแล้ว ก็ซื้ออีกอย่างไปใช้ด้วย หรือการค้นหา (Search) ที่ฉลาด ลูกค้าค้นหาสินค้าได้ตรงใจ รู้สึกว่า Shop นี้หาอะไรก็ถูกใจไปหมด
- เพิ่มประสบการณ์ลูกค้า โดยมีตัวชี้วัดเช่น CSAT, NPS, และ Adoption Rate เช่น สร้างคอนเทนต์เฉพาะ (Personalized Content) สอดคล้องต่อความสนใจของผู้ใช้แต่ละคน จนไปถึงการใช้เทคโนโลยีเพื่อตรวจสอบการชำระเงินของลูกค้า ตัดยอด-เบิกของจากคลังสินค้าอัตโนมัติ จนสามารถจัดส่งถึงลูกค้าได้เร็วขึ้น
- เพิ่มประสิทธิภาพ โดยมีตัวชี้วัดด้าน Efficiency Metric ต่าง ๆ เช่น การใช้ข้อมูลจากยอดขาย มาวิเคราะห์เพื่อตัดสินใจในการสั่งซื้อสินค้าแต่ละตัวและบริหารสต๊อกโดยอัตโนมัติ เพื่อให้ไม่มีสินค้าค้างสต็อกนาน ซึ่งเป็นหัวใจสำคัญของธุรกิจค้าปลีกและอีคอมเมิร์ซ การเพิ่มประสิทธิภาพการทำงานของพนักงานแต่ละคนให้จัดลำดับความสำคัญของงานได้อย่างมีประสิทธิภาพและมีผลงานได้มากขึ้น
แม้ AI และ Automation จะติดอันดับเทรนด์ที่แต่ละองค์กรต่างสนใจนำมาใช้พลิกโฉมเข้าสู่ยุคเศรษฐกิจดิจิทัล (Digital Economy) ในปีนี้ แต่ในมุมของ Data ซึ่งถือเป็นต้นน้ำที่สำคัญของ AI ยังคงความเข้าใจผิดกันอยู่บ้าง เช่น ความเข้าใจเกี่ยวกับการทำ Big Data ที่วันนี้หลายองค์กรยังคงอยู่ใน Stage ที่มองเรื่องปริมาณเป็นหลัก แต่ขาดความเข้าใจถึงความสำคัญของการนำไปใช้ให้เกิดประโยชน์ที่จับต้องได้จริงกับองค์กร บางข้อมูลเก็บไว้มากมาย แต่เมื่อนำมาใช้จริงกลับมีประโยชน์น้อย หรือใช้ไม่ได้เลยเพราะวิธีการจัดเก็บไม่ถูกต้อง ซึ่งบาง Small Data มีค่าไม่แพ้ Big Data เพราะข้อมูลบางอย่างแม้ว่าจะมีไม่เยอะ แต่สามารถนำมาใช้ประโยชน์ในองค์กรได้อย่างมาก
ปลายทางของการนำเทคโนโลยีเหล่านี้มาใช้ คือการปรับวัฒนธรรมองค์กรให้เป็น Data-Driven Organization หรือองค์กรที่ขับเคลื่อนด้วยข้อมูล โดยทั้งผู้บริหารและทุกคนในองค์กรตัดสินใจดำเนินงานหรือแก้ปัญหา โดยใช้ข้อมูลที่ผ่านการคิดวิเคราะห์ (Analytics) เพื่อให้ได้ข้อมูลเชิงลึก (Insight) และได้แนวทางนำไปสู่การปฏิบัติ (Action) ทำให้ผลลัพธ์นั้นมีประสิทธิภาพมากกว่าการใช้ความรู้สึก (Gut Feeling) ซึ่งปัจจุบันนี้ด้วย AI และ Automation สามารถทำให้กระบวนการที่ซับซ้อนและเคยต้องพึ่งแต่ปัญญาของมนุษย์เหล่านี้ รวดเร็วและแม่นยำมากกว่าเดิมหลายเท่า
