Agentic AI ความสำเร็จ เริ่มที่ ความน่าเชื่อถือ (Agentic AI: Trustworthiness comes before success)

แทนที่จะเริ่มจากการเลือกงานเพื่อทำระบบอัตโนมัติ องค์กรมุ่งพิสูจน์ก่อนว่า AI Agent สามารถดำเนินกระบวนการทำงานที่ซับซ้อน ตั้งแต่ต้นจนจบ ภายใต้กฎระเบียบการทำงานข้ามหลายระบบ และการตัดสินใจที่มีมาตรฐานเดียวกันได้อย่างสม่ำเสมอ

แนวทางนี้จึงให้ความสำคัญกับการประเมินประสิทธิภาพ การกำกับดูแล และการสร้างองค์ความรู้ภายในองค์กร ก่อนขยายผลสู่การใช้งานจริงในวงกว้าง เพื่อให้การนำ AI มาใช้เกิดความปลอดภัย น่าเชื่อถือ และยั่งยืน  

งานด้านบริหารถือเป็นหนึ่งในโอกาสสำคัญที่สุดของการประยุกต์ใช้ AI ในระบบสาธารณสุข เนื่องจากกระบวนการต่าง ๆ เช่น การบริหารรายได้ การเข้าถึงบริการ และการประสานการดูแลผู้ป่วย ใช้ทรัพยากรบุคคลจำนวนมากและส่งผลโดยตรงต่อคุณภาพการรักษา

อย่างไรก็ตาม การประเมิน AI Agent ภายใต้สถานการณ์จำลองที่สะท้อนการทำงานจริง พบว่า AI ชั้นนำในปัจจุบันยังสามารถดำเนินงานที่ซับซ้อนได้สำเร็จในการทดลองครั้งแรกเพียงไม่มาก และมีจำนวนน้อยที่รักษาผลลัพธ์ได้อย่างสม่ำเสมอเมื่อทดสอบซ้ำ

ผลการศึกษาชี้ว่า ความสำเร็จของ AI Agent ไม่ได้ขึ้นอยู่กับการเลือกโมเดล AI เพียงอย่างเดียว แต่ขึ้นอยู่กับการออกแบบ Workflow และกลไกการทำงานที่ครอบคลุมทั้งกระบวนการ (Agent Harness) ซึ่งเป็นปัจจัยสำคัญในการเปลี่ยน AI ให้พร้อมใช้งานจริงในองค์กร  

นอกจากนี้ ความท้าทายหลักไม่ได้เกิดจากการสร้างข้อมูลผิดหรือการเชื่อมต่อระบบ แต่เกิดจากความสามารถในการตีความและตัดสินใจภายใต้กฎ ระเบียบ และนโยบายที่มีความซับซ้อน ซึ่งยังเป็นข้อจำกัดสำคัญของ AI ในปัจจุบัน

อีกหนึ่งแนวทางสำคัญคือ การใช้ AI เพื่อรวบรวมและบริหารจัดการองค์ความรู้ขององค์กร โดยเปลี่ยนความรู้ที่กระจัดกระจายอยู่ในประสบการณ์ของบุคลากร เอกสาร และการสื่อสารภายใน ให้เป็นฐานความรู้ที่ค้นหาและนำไปใช้ได้อย่างเป็นระบบ  

แนวคิดนี้ช่วยลดความเสี่ยงจากการสูญเสียองค์ความรู้เมื่อบุคลากรลาออกหรือเกษียณ พร้อมสร้าง "สมองดิจิทัลขององค์กร" ที่ทำให้ความรู้และแนวปฏิบัติสำคัญสามารถถ่ายทอดและต่อยอดได้อย่างต่อเนื่อง

แม้องค์กรยังไม่สามารถสรุปผลตอบแทนทางการเงิน (ROI) ได้อย่างชัดเจน แต่การวัดความสำเร็จของ AI ควรเริ่มจากตัวชี้วัดด้านคุณภาพและความน่าเชื่อถือ ไม่ใช่ต้นทุนที่ลดลงเพียงอย่างเดียว

ตัวชี้วัดสำคัญ ได้แก่ อัตราการทำงานสำเร็จตั้งแต่ครั้งแรก ความสม่ำเสมอของผลลัพธ์ ความต่อเนื่องระหว่างขั้นตอนการทำงาน ความผิดพลาดในการให้เหตุผล การใช้เครื่องมือ และความปลอดภัยของผลลัพธ์  

ขณะเดียวกัน องค์กรยังติดตามต้นทุนการใช้งาน AI และมูลค่าที่สร้างขึ้นอย่างโปร่งใส เพื่อกำหนดข้อมูลอ้างอิงก่อนใช้งานจริง และช่วยให้ผู้บริหารสามารถประเมินได้ว่า AI Agent แต่ละตัวสร้างคุณค่าด้านการรักษา การดำเนินงาน หรือผลตอบแทนทางธุรกิจได้คุ้มค่ากับการลงทุนหรือไม่

อีกหนึ่งปัจจัยสำคัญของการนำ AI ไปใช้ในองค์กรคือ การกำกับดูแล (AI Governance) โดยต้องจัดทำนโยบาย กระบวนการประเมินผู้ให้บริการ มาตรฐานการกำกับดูแล การพัฒนาบุคลากร และระบบบันทึกข้อมูลที่สามารถตรวจสอบย้อนหลังได้  

แนวทางดังกล่าวช่วยให้ทุกการทำงานของ AI Agent มีความโปร่งใส สามารถระบุได้ว่า AI ตัวใดดำเนินการอะไร ภายใต้นโยบายใด และให้ผลลัพธ์อย่างไร ซึ่งเป็นรากฐานสำคัญของความรับผิดชอบ (Accountability) และการสร้างความเชื่อมั่นก่อนขยายการใช้งาน AI ในระดับองค์กร

สำหรับองค์กรที่ต้องการนำ Agentic AI มาใช้ ควรกำหนดเป้าหมายความสำเร็จให้ชัดเจนใน 3 มิติ ได้แก่ ผลลัพธ์ทางคลินิก ประสิทธิภาพการดำเนินงาน และผลตอบแทนทางธุรกิจ 

โดยการลงทุนที่ยั่งยืนควรสร้างคุณค่าได้อย่างน้อย 2 ใน 3 มิติดังกล่าว   การเริ่มต้นควรให้ผู้บริหารและหน่วยงานปฏิบัติงานมีส่วนร่วมตั้งแต่ต้น กำหนดตัวชี้วัด (KPI) ก่อนเริ่มโครงการนำร่อง และวิเคราะห์กระบวนการทำงานอย่างเป็นระบบ เพื่อค้นหางานที่เหมาะกับการใช้ AI แทนการเริ่มต้นจากตัวเทคโนโลยี

บทเรียนสำคัญคือ การขยายการใช้งาน Agentic AI อย่างปลอดภัยและยั่งยืน ต้องอาศัยการประเมินศักยภาพที่เป็นมาตรฐาน การกำกับดูแลที่เข้มแข็ง และความเข้าใจในกระบวนการทำงานขององค์กรควบคู่กัน ไม่ใช่เพียงการเลือกใช้โมเดล AI ที่มีประสิทธิภาพสูงเท่านั้น