ในทุกสัปดาห์ ผมได้พูดคุยกับเจ้าของธุรกิจที่กังวลว่าพวกเขากำลังล้าหลัง พวกเขาเห็นพาดหัวข่าว ได้ยินเรื่องราวของคู่แข่งที่ใช้ LLMs ในการลดค่าใช้จ่ายในการดำเนินงาน และต้องการที่จะเริ่มบ้าง แต่เมื่อเราตรวจสอบรายละเอียดภายใน เรามักจะพบปัญหาเดียวกันคือ พวกเขาไม่ได้มองหา การนำ AI มาใช้ในธุรกิจขนาดเล็ก (AI implementation for their small business) แต่พวกเขากำลังมองหาปาฏิหาริย์ดิจิทัลเพื่อมาแก้ไขความวุ่นวายที่ทำด้วยมือ (manual)
ผมเรียกสิ่งนี้ว่า ความย้อนแย้งของความกังวลในระบบอัตโนมัติ (The Automation Anxiety Paradox) ธุรกิจที่กระตือรือร้นจะทำระบบอัตโนมัติมากที่สุด มักจะเป็นธุรกิจที่เตรียมความพร้อมมาน้อยที่สุด เพราะกระบวนการพื้นฐานของพวกเขาถูกยึดโยงไว้ด้วย 'ความรู้เฉพาะตัวบุคคล (tribal knowledge)' และไฟล์ Excel ที่สับสน หากคุณนำระบบอัตโนมัติมาใช้กับสิ่งที่ยุ่งเหยิง คุณจะไม่ได้ประสิทธิภาพเพิ่มขึ้น แต่คุณจะได้ความยุ่งเหยิงที่เกิดขึ้นด้วยความเร็วที่มากกว่าเดิม 10,000 เท่า
ก่อนที่คุณจะใช้จ่ายแม้แต่ Penny เดียวไปกับ custom GPT หรือเวิร์กโฟลว์อัตโนมัติ คุณจำเป็นต้องรู้ว่ารากฐานของคุณสามารถรองรับน้ำหนักของ AI ได้จริงหรือไม่ นี่คือจุดที่ที่ปรึกษาส่วนใหญ่จะขายแพ็กเกจ 'การเปลี่ยนแปลงสู่ดิจิทัล (digital transformation)' ให้คุณ แต่ผมจะมอบเกณฑ์การประเมินเพื่อให้คุณตรวจสอบด้วยตัวเอง
ปรากฏการณ์ 'ขยะเข้า ประกายออก' (The 'Garbage-In-Glint-Out' Effect)
💡 ต้องการให้ Penny วิเคราะห์ธุรกิจของคุณหรือไม่? เธอจัดทำแผนผังว่าบทบาทใดที่ AI สามารถแทนที่ได้ และสร้างแผนแบบเป็นขั้นตอน เริ่มทดลองใช้ฟรี →
ในโลกของ AI เราเคยพูดถึง 'Garbage In, Garbage Out' (เข้าขยะ ออกขยะ) แต่ด้วย AI สมัยใหม่ สิ่งนั้นได้วิวัฒนาการไปสู่สิ่งที่ผมเรียกว่า ปรากฏการณ์ Garbage-In-Glint-Out ปัจจุบัน AI มีความสามารถในการจัดรูปแบบและปรับโทนเสียงได้ดีมาก จนสามารถนำข้อมูลที่ยุ่งเหยิงและไม่ถูกต้องของคุณ มานำเสนอในรูปแบบรายงานที่ขัดเกลาอย่างสวยงามและดูเป็นมืออาชีพ ทั้งที่เนื้อหานั้นผิดพลาดอย่างสิ้นเชิง
นี่คือสิ่งที่อันตราย เมื่อพนักงานบัญชีที่เป็นมนุษย์ทำผิดพลาด มักจะดูออกว่าเป็นข้อผิดพลาด แต่เมื่อ AI ทำผิดพลาดโดยอิงจากสุขอนามัยข้อมูล (data hygiene) ที่แย่ของคุณ มันจะดูเหมือนเป็นข้อมูลเชิงลึกเชิงกลยุทธ์
เพื่อหลีกเลี่ยงสิ่งนี้ เราต้องพิจารณา เอนโทรปีของกระบวนการ (Process Entropy) ซึ่งเป็นแนวโน้มตามธรรมชาติที่กระบวนการทางธุรกิจแบบแมนนวลจะซับซ้อนขึ้นและมีการบันทึกเอกสารน้อยลงตามกาลเวลา การนำ AI มาใช้ให้เกิดประสิทธิภาพ คุณต้องย้อนกระบวนการเอนโทรปีนั้น คุณต้องเปลี่ยนจาก 'วิธีที่เราเคยทำกันมา' ไปสู่ 'วิธีที่เครื่องจักรสามารถทำซ้ำได้อย่างแม่นยำ'
เกณฑ์การประเมินความพร้อมด้าน AI (The AI Readiness Rubric)
ผมได้สังเคราะห์รูปแบบจากการตรวจสอบธุรกิจหลายพันแห่งเพื่อสร้างเกณฑ์การประเมินนี้ ให้คะแนนธุรกิจของคุณในระดับ 1-5 สำหรับแต่ละหมวดหมู่ หากคุณได้คะแนนต่ำกว่า 3 ในด้านใดก็ตาม นั่นคือจุดที่การเดินทางสู่ AI ของคุณควรเริ่มต้น ไม่ใช่เริ่มต้นด้วยเครื่องมือ แต่เป็นการสะสางข้อมูล
1. การรวมศูนย์ข้อมูล (การทดสอบ 'อยู่ที่ไหน?')
ข้อมูลธุรกิจของคุณกระจัดกระจายอยู่ในตู้เก็บเอกสาร หน้าจอเดสก์ท็อปส่วนตัว และในสมองของ CEO หรือไม่? หรืออยู่ในสภาพแวดล้อมบนคลาวด์ที่รวมศูนย์?
- ระดับ 1: ใช้กระดาษเป็นหลัก, มีสเปรดชีตที่เป็น 'แหล่งข้อมูลหลัก' หลายแห่ง, ข้อมูลถูกแยกส่วน (siloed)
- ระดับ 5: เป็น Cloud-native เต็มรูปแบบ ทุกการปฏิสัมพันธ์กับลูกค้า ธุรกรรม และการอัปเดตโปรเจกต์ อยู่ในฐานข้อมูลที่สืบค้นได้และเชื่อมโยงกัน
หากคุณยังคงจัดการพนักงานผ่านอีเมลที่กระจัดกระจาย ถึงเวลาที่ต้องดู ต้นทุนซอฟต์แวร์ HR สมัยใหม่ ก่อนที่จะพยายามสร้างผู้ช่วย HR ด้วย AI เพราะ AI ต้องการ 'สมอง' ในการอ่าน หากสมองนั้นคือโพสต์อิท 50 แผ่นที่แตกต่างกัน AI ก็จะตาบอด
2. การกำหนดมาตรฐานกระบวนการ (การทดสอบ 'ตัวแทน')
ถ้าผมจ้างคนที่มีความฉลาดพอสมควรเข้ามาทำงานในวันพรุ่งนี้โดยไม่มีการฝึกอบรม พวกเขาจะสามารถทำงานหลักของธุรกิจคุณให้เสร็จสิ้นได้เพียงแค่อ่านเอกสารของคุณหรือไม่?
- ระดับ 1: ไม่มีการบันทึกขั้นตอนการทำงาน งานใช้ 'สัญชาตญาณ' และแตกต่างกันไปตามพนักงานแต่ละคน
- ระดับ 5: มีขั้นตอนการปฏิบัติงานมาตรฐาน (SOPs) ที่ชัดเจนและเป็นลำดับขั้นตอนสำหรับทุกงานที่ต้องทำซ้ำ
โดยพื้นฐานแล้ว AI คือ 'พนักงานใหม่ที่เก่งที่สุด' แต่มันต้องการคำแนะนำที่สมบูรณ์แบบ หากกระบวนการของคุณขึ้นอยู่กับ 'ความรู้สึก' AI จะล้มเหลว ตัวอย่างเช่น ในธุรกิจบริการวิชาชีพ คุณไม่สามารถทำระบบตรวจสอบการปฏิบัติตามกฎระเบียบแบบอัตโนมัติได้ หากเกณฑ์ของคุณเปลี่ยนไปตามความเห็นของพาร์ทเนอร์แต่ละคนที่ดูไฟล์นั้น คุณสามารถดูวิธีที่เราจัดการกับการเปลี่ยนผ่านนี้ได้ใน คู่มือการประหยัดงบประมาณด้านการปฏิบัติตามกฎระเบียบ
3. ความหนาแน่นของการตัดสินใจ (Decision Density)
นี่คือแนวคิดที่ผมใช้เพื่อกำหนดว่า AI จะเพิ่มมูลค่าได้มากที่สุดที่ไหน ความหนาแน่นของการตัดสินใจ (Decision Density) คืออัตราส่วนของตรรกะ 'ถ้าเกิดสิ่งนี้-ให้ทำสิ่งนั้น' (if-this-then-that) ต่อ 'กลยุทธ์การสร้างสรรค์ระดับสูง' ในบทบาทเฉพาะ
- ความหนาแน่นของการตัดสินใจสูง: การทำบัญชี, การจัดตารางเวลา, การสนับสนุนลูกค้าพื้นฐาน, การป้อนข้อมูล สิ่งเหล่านี้เหมาะอย่างยิ่งสำหรับ AI
- ความหนาแน่นของการตัดสินใจต่ำ: การเจรจาต่อรองที่มีเดิมพันสูง, ทิศทางความคิดสร้างสรรค์ของแบรนด์, การจัดการวิกฤตที่ต้องใช้ความเห็นอกเห็นใจ
เมื่อคุณดูที่ การเปรียบเทียบระหว่างแนวทางที่เน้น AI กับพนักงานบัญชีแบบดั้งเดิม ผู้ชนะไม่ได้ขึ้นอยู่กับต้นทุนเพียงอย่างเดียว แต่เป็นเรื่องของข้อเท็จจริงที่ว่าการทำบัญชีมีความหนาแน่นของการตัดสินใจสูงมาก จนมนุษย์กลายเป็นคอขวดสำหรับข้อมูล
การระบุ 'หนี้สินทางระบบเดิม' (Legacy Debt)
ธุรกิจขนาดเล็กส่วนใหญ่กำลังแบกรับ หนี้สินทางระบบเดิม (Legacy Debt) นี่ไม่ใช่หนี้ทางการเงิน แต่เป็นต้นทุนของวิธีการทำงานแบบเก่าที่คุณยังคงต้องจ่ายด้วย 'เวลา'
เมื่อไม่นานมานี้ ผมได้ร่วมงานกับกลุ่มค้าปลีกขนาดกลางที่ต้องการระบบพยากรณ์สินค้าคงคลังด้วย AI พวกเขาพร้อมที่จะจ่ายเงิน £20k สำหรับโซลูชันที่ปรับแต่งเฉพาะ แต่เมื่อเราดูข้อมูลของพวกเขา ชื่อ SKU ของพวกเขามีความไม่สม่ำเสมอ บันทึกการคืนสินค้าไม่สมบูรณ์ และการตรวจนับสต็อกครึ่งหนึ่งทำบนคลิปบอร์ด
'หนี้สินทางระบบเดิม' ของพวกเขาสูงมากจน AI ใดๆ ก็ตามจะสร้างภาพหลอนของคลังสินค้าในจินตนาการขึ้นมา เราใช้เวลาสามเดือนในการแก้ไขการไหลของข้อมูลก่อน ผลลัพธ์คืออะไร? พวกเขาไม่จำเป็นต้องใช้ AI ราคา £20k เลยด้วยซ้ำ เพราะเครื่องมือมาตรฐานที่มีขายทั่วไปก็ทำงานได้อย่างสมบูรณ์แบบเมื่อข้อมูลสะอาดแล้ว
กฎ 90/10 ของการนำมาใช้ (The 90/10 Rule of Adoption)
เมื่อคุณเริ่มเส้นทาง การนำ AI มาใช้ในธุรกิจขนาดเล็ก (AI implementation small business) ให้ใช้ กฎ 90/10 ของผม: เมื่อ AI สามารถจัดการหน้าที่งานได้ 90% ถึงเวลาที่คุณต้องหยุดถามว่า 'ฉันจะช่วยพนักงานใช้เครื่องมือนี้ได้อย่างไร?' และเริ่มถามว่า 'บทบาทนี้ยังจำเป็นต้องเป็นตำแหน่งงานแยกต่างหากหรือไม่?'
ฟังดูอาจจะดูใจร้าย แต่นี่คือความเป็นจริงของการดำเนินงานที่คล่องตัว หากบทบาทหนึ่งประกอบด้วยการดึงข้อมูล 90% และการคลิก 'อนุมัติ' 10% บทบาทนั้นจะไม่ใช่ตำแหน่งงานเต็มเวลาอีกต่อไป แต่มันคือความรับผิดชอบที่รวมเข้ากับเวิร์กโฟลว์ของอีกคนหนึ่ง นี่คือวิธีที่คุณสร้างธุรกิจที่ไม่ใช่แค่ 'ใช้ AI' แต่เป็นธุรกิจที่ 'เน้น AI เป็นหลัก' (AI-first)
3 ขั้นตอนแรกของคุณ
หากเกณฑ์การประเมินแสดงให้เห็นว่าคุณยังไม่ค่อยพร้อม อย่าเพิ่งตกใจ คุณไม่จำเป็นต้องเตรียมตัวเป็นปี แต่คุณต้องการความชัดเจนเพียงแค่ช่วงสุดสัปดาห์เดียว
- กำจัดกระดาษ (Kill the Paper): ถ้ามันไม่ใช่ดิจิทัล มันก็ไม่มีตัวตนสำหรับ AI เปลี่ยนผ่านการทำงานแบบแมนนวลส่วนสุดท้ายของคุณไปสู่ระบบคลาวด์ภายในเดือนนี้
- บันทึกทุกอย่าง (Record Everything): ใช้เครื่องมืออย่าง Otter หรือ Grain เพื่อบันทึกการประชุมภายในของคุณเป็นเวลาหนึ่งสัปดาห์ สิ่งนี้จะสร้าง 'รอยเท้าทางข้อความ' ของความรู้ในองค์กรที่ AI สามารถนำไปเรียนรู้ได้ในภายหลัง
- ตรวจสอบ 'ภาษีเอเจนซี่' (Audit the 'Agency Tax'): ดูสิ่งที่คุณกำลังจ่ายให้เอเจนซี่ภายนอก คุณกำลังจ่าย 'ภาษีเอเจนซี่' ซึ่งเป็นค่าพรีเมียมสำหรับงานปฏิบัติการที่จริงๆ แล้วเป็นเพียงการตัดสินใจที่มีความหนาแน่นสูงแต่ความซับซ้อนต่ำหรือไม่? หากเอเจนซี่เพียงแค่ 'ทำงาน' แทนที่จะ 'วางกลยุทธ์' พวกเขาคือกลุ่มแรกที่ควรถูกแทนที่ด้วย AI
AI ไม่ใช่ชั้นเลเยอร์ที่คุณเพิ่มเข้าไปในธุรกิจ แต่เป็นรากฐานที่คุณสร้างธุรกิจขึ้นมา หากรากฐานร้าว บ้านก็จะเอียง แก้ไขข้อมูล กำหนดกระบวนการให้ชัดเจน และหลังจากนั้น—และหลังจากนั้นเท่านั้น—จึงค่อยเริ่มระบบอัตโนมัติ
พร้อมที่จะดูว่าการประหยัดครั้งใหญ่ที่สุดซ่อนอยู่ที่ไหนในอุตสาหกรรมของคุณหรือยัง? สำรวจการวิเคราะห์ตามกลุ่มอุตสาหกรรมได้ที่นี่