ปรึกษาการนำ AI มาใช้ ควรเริ่มที่ไหน | ที่ปรึกษา 4 ประเภทและ 3 แกนประเมินสถานะองค์กร

ภายในองค์กรเริ่มมีการพูดกันแล้วว่าน่าจะลองเอา Generative AI มาใช้ดู แต่พอถึงเวลาจริงกลับไม่รู้ว่าจะลงมือจากตรงไหน และเมื่อลองค้นหาคำว่าปรึกษาการนำ AI มาใช้ สิ่งที่โผล่ขึ้นมาก็มีแต่รายชื่อบริษัทรับพัฒนาระบบ สุดท้ายเรื่องก็ค้างอยู่แค่นั้น ที่ฐานปฏิบัติการในประเทศไทยของผู้ผลิตสัญชาติญี่ปุ่น เราเห็นสภาพแบบนี้ค้างอยู่เป็นเวลาหลายเดือนอยู่บ่อยครั้ง บทความนี้จะจัดระเบียบขั้นตอนที่จะพาคุณไปถึงการปรึกษาครั้งแรก โดยยึดที่ปรึกษา 4 ประเภท และ 3 แกนสำหรับประเมินว่าองค์กรของคุณเหมาะกับประเภทใด เป็นแกนหลักของเรื่อง

ทำไมการเลือกที่ปรึกษาสำหรับการนำ AI มาใช้จึงทำให้เดินหน้าต่อไม่ได้

สิ่งแรกที่เราจะทำคือแยกส่วนเหตุผลที่ทำให้เลือกที่ปรึกษาไม่ได้เสียก่อน เมื่อจุดนี้ถูกจัดระเบียบแล้ว คุณจะมองเห็นเองว่าสิ่งถัดไปที่ต้องไปหาข้อมูลคืออะไร

เมื่อยังอธิบายโจทย์เป็นคำพูดไม่ได้ การไปคุยกับบริษัทรับพัฒนาจะไม่ลงล็อก

เหตุผลใหญ่ที่สุดที่ทำให้เลือกที่ปรึกษาไม่ได้ คือโจทย์ของฝ่ายที่จะไปปรึกษายังไม่กลายเป็นคำพูด ความรู้สึกกว้างๆ ว่าน่าจะทำอะไรกับ AI ได้บ้างนั้นมีอยู่ แต่ยังไม่ได้ตกลงกันว่าเป็นงานใด ขั้นตอนไหน และต้องการเปลี่ยนอะไร ถ้าไปติดต่อบริษัทพัฒนา AI ในสภาพแบบนี้ สิ่งที่อีกฝ่ายจะถามกลับมาคือต้องการระบบลักษณะใด เมื่อตอบไม่ได้ เรื่องก็ไม่เดินหน้า และมักจบลงที่การได้ใบเสนอราคาคร่าวๆ มาหนึ่งใบเท่านั้น

เรามองว่านี่ไม่ใช่เรื่องที่ฝ่ายที่มาขอคำปรึกษาเตรียมตัวมาไม่ดี แต่เป็นเรื่องของวิธีเลือกคู่สนทนามากกว่า บริษัทพัฒนามีบทบาทคือสร้างงานที่ข้อกำหนดนิ่งแล้ว การรับปรึกษาในสภาพที่ยังไม่มีข้อกำหนดจึงอยู่นอกขอบเขตที่เขาถนัดโดยธรรมชาติ สำหรับขั้นที่ข้อกำหนดยังไม่นิ่ง มีคู่สนทนาอีกแบบที่เหมาะกับขั้นนั้นอยู่ต่างหาก

คำว่าปรึกษามีเนื้อหาไม่เหมือนกัน ขึ้นอยู่กับว่าคุยกับใคร

อีกเรื่องที่ถูกมองข้ามได้ง่ายคือ แม้จะใช้คำว่าปรึกษาเหมือนกัน แต่เนื้อหาที่อีกฝ่ายจะรับไว้ได้นั้นต่างกันโดยสิ้นเชิง

มีคู่สนทนาที่ยินดีคิดไปพร้อมกับคุณตั้งแต่การจัดลำดับความสำคัญของโจทย์ และมีคู่สนทนาที่คุยเรื่องการสร้างระบบบนสมมติฐานว่าข้อกำหนดนิ่งแล้ว ยังมีคู่สนทนาที่เดินเคียงข้างโดยตั้งเป้าถ่ายทอดเทคโนโลยีเพื่อสร้างคนที่ทำ AI ได้ขึ้นในองค์กรของคุณด้วย เรื่องนี้ไม่ใช่ว่าแบบใดเหนือกว่าแบบใด เพียงแต่ขั้นของผู้ที่มาขอคำปรึกษาที่แต่ละแบบตั้งสมมติฐานไว้นั้นต่างกันเท่านั้น ทั้งที่เป็นเช่นนั้น ผลการค้นหากลับเรียงทุกแบบมาในฐานะช่องทางปรึกษาการนำ AI มาใช้เหมือนกันหมด สภาพที่เกิดขึ้นจึงเป็นสภาพที่เลือกไม่ได้

กระแสตลาดเป็นแรงหนุนจริง จึงยิ่งไม่อยากเลือกประตูทางเข้าผิด

เราไม่ได้ตั้งใจจะเร่งให้คุณรีบตัดสินใจ แต่การรับรู้สถานการณ์รอบตัวไว้ก็ไม่เสียหาย

ตามรายงาน Global AI Diffusion report และ Work Trend Index 2026 ที่ Microsoft เผยแพร่เมื่อวันที่ 10 มิถุนายน 2026 ในงาน Microsoft AI Tour Bangkok 2026 การนำ AI มาใช้ของแรงงานในประเทศไทยเติบโต 36.4% เมื่อเทียบกับปีก่อนหน้า ซึ่งสูงกว่าค่าเฉลี่ยของโลกที่ 17.8% อยู่มาก และเป็นอัตราการเติบโตอันดับ 2 ของโลก รองจากเกาหลีใต้ที่ 43.2% การสำรวจเดียวกันระบุว่าอัตราการนำ AI มาใช้ของประเทศไทยโดยรวมอยู่ที่ 12.4% เพิ่มขึ้นจาก 9.1% ณ เวลาที่สำรวจครั้งก่อน นอกจากนี้ อัตราการใช้ AI ของกลุ่มพนักงานที่ทำงานกับข้อมูลในองค์กรไทยอยู่ที่ 32% ซึ่งเป็น 2 เท่าของค่าเฉลี่ยทั่วโลก และผู้บริหารไทยที่มีกลยุทธ์ด้าน AI ชัดเจนอยู่ที่ 51% ซึ่งก็เป็นราว 2 เท่าของค่าเฉลี่ยทั่วโลกเช่นกัน ในด้านโครงสร้างพื้นฐาน Microsoft ประกาศว่าจะลงทุนในคลาวด์และฐาน AI บนคลาวด์ของประเทศไทยมากกว่า 1 พันล้านดอลลาร์สหรัฐ หรือราว 3.5 หมื่นล้านบาท ในช่วงปี 2026 ถึงปี 2028

ลองดูการสำรวจอีกชุดหนึ่งด้วย ตามรายงาน Unlocking Thailand’s AI Potential 2026 ที่ AWS เผยแพร่ องค์กรไทย 43% ใช้ AI อย่างต่อเนื่อง เพิ่มขึ้นจาก 32% ของปีก่อนหน้า คิดเป็นการเติบโต 34% เมื่อเทียบกับปีก่อนหน้า ประเมินได้ว่ามีราว 2.2 แสนบริษัทที่เพิ่งเริ่มนำ AI มาใช้ในช่วง 12 เดือนที่ผ่านมา รายงานฉบับเดียวกันระบุว่าวิสาหกิจขนาดกลางและขนาดย่อมของไทยมากกว่า 70% กำลังดำเนินการนำ AI มาใช้ ซึ่งสูงกว่าค่าเฉลี่ยของภูมิภาค

ในทางกลับกัน เมื่อเปลี่ยนขอบเขตของกลุ่มตัวอย่าง ภาพของตัวเลขก็เปลี่ยนไปด้วย การสำรวจที่ ETDA หรือสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ ดำเนินการในปี 2024 กับ 580 บริษัท ให้ผลว่าอัตราการนำ AI มาใช้ของภาคธุรกิจไทยโดยรวมอยู่ที่ 18% เท่านั้น การสำรวจเดียวกันคาดการณ์ว่าภาคการผลิตซึ่งมีขอบเขตกลุ่มตัวอย่างต่างออกไป จะมีการนำ AI มาใช้ขยายตัวถึง 15% ภายในปี 2030 ตัวเลข 18% ของภาคธุรกิจโดยรวมกับตัวเลข 15% ของภาคการผลิตมาจากกลุ่มตัวอย่างคนละกลุ่ม จึงขออย่าอ่านว่าตัวหลังที่เล็กกว่าหมายถึงการลดลง นอกจากนี้ ในบรรดาองค์กรที่ใช้ AI อยู่ มี 84% ที่รู้สึกได้ถึงผลิตภาพที่สูงขึ้น เพิ่มจาก 81% ของปีก่อนหน้า และ 71% ที่รู้สึกได้ถึงรายได้ที่เพิ่มขึ้น โดยรายงานการเติบโตเฉลี่ย 19%

สิ่งที่เราอยากเน้นตรงนี้คือ ตัวเลขเหล่านี้ห้ามนำมาวางเรียงเพื่อเปรียบเทียบกันหรือนำมาบวกรวมกัน การสำรวจของ Microsoft มีกลุ่มเป้าหมายเป็นแรงงานและผู้บริหาร รายงานของ AWS วัดการใช้อย่างต่อเนื่องในระดับองค์กร ส่วนการสำรวจของ ETDA วัดภาคธุรกิจโดยรวมจากกลุ่มตัวอย่าง 580 บริษัท ทั้งเจ้าของการสำรวจและนิยามของกลุ่มตัวอย่างจึงต่างกัน แม้จะใช้คำว่าอัตราการนำ AI มาใช้เหมือนกัน แต่สิ่งที่คำนั้นชี้ถึงกลับต่างกัน เวลานำไปอ้างอิงในเอกสารภายในองค์กร ขอให้กำกับไว้เสมอว่าเป็นตัวเลขของการสำรวจใดและของกลุ่มตัวอย่างใด

สิ่งที่ควรอ่านออกจากข้อมูลชุดนี้ไม่ใช่ความต่างเล็กน้อยของตัวเลข แต่คือแนวโน้มที่ว่าองค์กรซึ่งลงมือกับ AI ในประเทศไทยเพิ่มขึ้นอย่างชัดเจน และฝ่ายที่รับปรึกษา ซึ่งได้แก่ผู้ให้บริการและบริษัทที่ปรึกษา ก็มีปริมาณเพิ่มขึ้นตามไปด้วย พูดอีกแบบหนึ่งคือ เมื่อตัวเลือกมากขึ้น วิธีเลือกประตูทางเข้าก็กลายเป็นสิ่งที่กำหนดผลลัพธ์ไปด้วย อนึ่ง รายงานภูมิภาคเอเชียตะวันออกเฉียงใต้ที่องค์การส่งเสริมการลงทุนญี่ปุ่นและจีนเผยแพร่ ก็ระบุเช่นกันว่าในธุรกิจของประเทศไทย มีองค์กรจำนวนมากที่นำ Generative AI มาใช้แล้วหรือมีแผนจะนำมาใช้

ที่ปรึกษาสำหรับการนำ AI มาใช้แบ่งได้เป็น 4 ประเภท

จากนี้ไปคือแกนกลางของบทความ ที่ปรึกษาสำหรับการนำ AI มาใช้แบ่งออกได้เป็น 4 ประเภทใหญ่ตามบทบาทที่แต่ละฝ่ายรับผิดชอบ เมื่อจำการแบ่งประเภทนี้ไว้ในหัว คุณจะตัดสินได้ว่าบริษัทที่เรียงอยู่ในผลการค้นหานั้นอยู่ตำแหน่งใด

ประเภทกลยุทธ์และที่ปรึกษา | รับตั้งแต่ขั้นที่โจทย์ยังคลุมเครือ

ประเภทแรกคือประเภทกลยุทธ์และที่ปรึกษา รับปรึกษาตั้งแต่ขั้นที่ยังไม่ได้ตัดสินว่าจะแก้อะไรด้วย AI แล้วเดินไปด้วยกันตั้งแต่การสำรวจงานที่มีอยู่ การคัดตัวเลือกที่นำ AI ไปใช้ได้ การจัดลำดับความสำคัญ ไปจนถึงการออกแบบ PoC

คุณค่าของประเภทนี้อยู่ที่ผลงานส่งมอบไม่ใช่ระบบ แต่เป็นข้อมูลประกอบการตัดสินใจ เขาจะช่วยจัดระเบียบให้ว่างานใดที่นำ AI ไปใช้แล้วเห็นผลง่าย และในทางกลับกัน งานใดที่ยังไม่เหมาะ ณ เวลานี้ โดยดูจากข้อมูลการทำงานและโครงสร้างทีมขององค์กรคุณจริงๆ เนื่องจากการที่ข้อกำหนดยังไม่นิ่งคือสมมติฐานตั้งต้นของการปรึกษาแบบนี้อยู่แล้ว คุณจึงไม่ต้องรู้สึกเกรงใจกับการที่ยังไม่มีอะไรตัดสินใจได้เลย

ในอีกด้านหนึ่ง แม้จะจ้างประเภทนี้ งานสร้างระบบก็มักต้องสั่งจ้างแยกต่างหาก ค่าใช้จ่ายจึงเกิดขึ้นแยกจากงานสร้าง สำหรับความต่างของรูปแบบบริษัทที่ปรึกษาและโครงสร้างค่าใช้จ่าย เราจัดระเบียบการแบ่งประเภทและรายละเอียดค่าใช้จ่ายไว้ใน4 ประเภทของบริการที่ปรึกษา Generative AI และค่าใช้จ่าย 5 ชั้น เมื่อคุณแคบขอบเขตลงมาที่ประเภทที่ปรึกษาแล้ว ขอเชิญอ่านบทความนั้นต่อ ส่วนบทความนี้จะกล่าวถึงเพียงตำแหน่งของมันในฐานะหนึ่งใน 4 ประเภทเท่านั้น

ประเภทบริษัทพัฒนา AI และรับจ้างพัฒนา | รับตั้งแต่ขั้นที่ข้อกำหนดนิ่งแล้ว

ประเภทที่สองคือบริษัทพัฒนา AI และผู้รับจ้างพัฒนา รับผิดชอบการสร้างและการนำไปใช้งานจริง ในขั้นที่ตัดสินได้แล้วในระดับหนึ่งว่าจะสร้างอะไร

ประเภทนี้ยิ่งข้อกำหนดเป็นรูปธรรมมากเท่าไร ก็ยิ่งแสดงพลังได้มากเท่านั้น พูดกลับกันคือ ถ้าไปปรึกษาทั้งที่ข้อกำหนดยังคลุมเครือ ก็เป็นประเภทที่มักจบลงด้วยการใช้เวลาไปกับการปรับความเข้าใจอย่างเดียว ก่อนไปปรึกษา ขอให้เขียนงานเป้าหมาย ปริมาณรายการที่ประมวลผลอยู่ในปัจจุบัน และสภาพที่ต้องการไปให้ถึง ออกมาเป็นคำพูดไว้ก่อน แล้วคุณจะคุยเรื่องที่เป็นรูปธรรมได้ตั้งแต่ครั้งแรก

สำหรับเรื่องที่ว่าเมื่อคัดผู้รับงานเหลือ 2 ถึง 3 รายแล้ว ควรดูตรงไหนในสัญญาและใบเสนอราคา เราเขียนไว้ในวิธีเลือกบริษัทพัฒนา AI และจุดตายของสัญญากับใบเสนอราคา บทความนี้กล่าวถึงขั้นก่อนหน้านั้น คือขั้นเลือกประเภทของที่ปรึกษา ดังนั้นเมื่อคุณเดินไปถึงขั้นที่คัดผู้รับงานได้แล้ว ขอให้สลับไปอ่านบทความนั้นแทน

อนึ่ง มุมมองทั่วไปสำหรับการประเมินบริษัทพัฒนาที่ถูกยกว่าใช้ได้ผลคือ ให้ตรวจสอบว่าเขาเล่ากรณีการนำ AI ไปใช้ในอุตสาหกรรมเดียวกันได้อย่างเป็นรูปธรรมหรือไม่ ทั้งกรณีที่สำเร็จและกรณีที่ล้มเหลว หากมีแต่กรณีที่สำเร็จออกมา ก็มีมุมมองว่าเป็นไปได้ที่ประสบการณ์หน้างานจริงยังบางอยู่ นอกจากนี้ AI ไม่ได้จบในตัวเองด้วยงานพัฒนาระบบเพียงอย่างเดียว แต่ความสามารถในการออกแบบแบบองค์รวมที่ครอบคลุมทั้งข้อมูล ความปลอดภัย การใช้งานจริง และการกำกับดูแล คือสิ่งที่ตัดสินความสำเร็จหรือล้มเหลว จึงถูกระบุว่าการเลือกพันธมิตรที่สนับสนุนได้ต่อเนื่องตั้งแต่ PoC ไปจนถึงการใช้งานจริงและการปรับปรุงหลังใช้งาน เป็นเรื่องสำคัญ

ประเภทผู้ให้บริการคลาวด์และ SIer ขนาดใหญ่ | ตั้งต้นจากการเชื่อมกับโครงสร้างพื้นฐานเดิม

ประเภทที่สามคือการใช้ผู้ให้บริการคลาวด์ พันธมิตรที่ได้รับการรับรองของผู้ให้บริการเหล่านั้น หรือ SIer ขนาดใหญ่ เป็นช่องทางติดต่อ หากคุณจะพิจารณา AI ในฐานะส่วนต่อขยายของฐานคลาวด์หรือกรุ๊ปแวร์ที่องค์กรใช้อยู่แล้ว เส้นทางนี้จะมีแรงเสียดทานน้อยที่สุด

ลักษณะเด่นของประเภทนี้คือความเข้ากันได้กับโครงสร้างพื้นฐานสารสนเทศเดิมถูกรับประกันไว้ตั้งแต่ต้น ส่วนที่ถ้าสร้างใหม่ทีหลังจะหนักมาก เช่น ฐานการยืนยันตัวตน การจัดการสิทธิ์ และการเก็บรักษาบันทึกการใช้งาน จะไปวางอยู่บนกลไกที่มีอยู่แล้ว ในทางกลับกัน เนื่องจากจุดตั้งต้นของการปรึกษาเอนไปทางขอบเขตที่ผลิตภัณฑ์ครอบคลุม จึงมีข้อจำกัดว่าเขาจะก้าวเข้าไปในคำถามที่ว่าโจทย์ขององค์กรคุณควรแก้ด้วย AI จริงหรือไม่ ได้ยากกว่าประเภทอื่น

บทความนี้จะไม่กล่าวถึงว่าผู้ให้บริการคลาวด์รายใดเหนือกว่ารายใด เพราะนี่ไม่ใช่เรื่องของการเลือกผู้ให้บริการ แต่เป็นเรื่องที่ถูกกำหนดด้วยสภาพปัจจุบันของระบบสารสนเทศในองค์กรคุณเอง หากมีฐานที่องค์กรใช้อยู่ทั่วทั้งบริษัทแล้ว การลองปรึกษาช่องทางของฐานนั้นก่อน คือวิธีเก็บข้อมูลที่ใช้ค่าใช้จ่ายน้อยที่สุด

ประเภทสนับสนุนการทำเองภายในองค์กร | ทำให้ทีมภายในองค์กรขับเคลื่อนงานสร้าง AI ได้เอง

ประเภทที่สี่คือประเภทสนับสนุนการทำเองภายในองค์กร ไม่ใช่การให้ภายนอกสร้างให้ แต่เดินเคียงข้างบนสมมติฐานของการถ่ายทอดเทคโนโลยี โดยมีเป้าหมายคือสร้างคนที่จัดการ AI ได้ขึ้นในองค์กรของคุณเอง เป็นประเภทที่เหมาะกับองค์กรซึ่งต้องการวางการสร้าง AI ภายในองค์กรไว้เป็นงานที่ทำต่อเนื่อง

การตัดสินใจเลือกประเภทนี้มีเงื่อนไขตั้งต้นอยู่ คือต้องมีคนที่จะเป็นเป้าหมายของการพัฒนาอยู่ในองค์กร และคนคนนั้นต้องกันเวลาไว้ได้ในระดับหนึ่ง ไม่ใช่ควบไปกับงานประจำ หากประกาศว่าจะทำเองภายในองค์กรโดยไม่มีสองข้อนี้ ผลที่ได้คือเมื่อระยะเวลาสนับสนุนสิ้นสุดลง จะไม่มีใครรับช่วงต่อได้เลย

สำหรับการออกแบบว่าชั้นใดควรถือไว้เอง และชั้นใดควรมอบให้ภายนอก เราจัดระเบียบไว้ในบริการสนับสนุนการทำ AI เองภายในองค์กร และวิธีตัดสินว่าชั้นใดควรถือไว้เอง เมื่อคุณเอนไปทางทิศทางของการทำเองแล้ว ขอให้ไปตรวจสอบการแบ่งชั้นในบทความนั้น ส่วนบทความนี้จะแนะนำเพียงในฐานะหนึ่งใน 4 ประเภทเท่านั้น

วาง 4 ประเภทเรียงกันเพื่อเปรียบเทียบ

เมื่อนำทั้ง 4 ประเภทมาวางเรียงกันในแกนเดียวกัน คุณจะเดาได้ง่ายขึ้นว่าองค์กรของคุณควรไปปรึกษาที่ไหน

สิ่งที่สำคัญที่สุดในตารางนี้คือคอลัมน์ขวาสุด เนื่องจากปริมาณข้อมูลที่ต้องมีตอนไปปรึกษาต่างกันไปตามประเภท คุณจึงคิดย้อนกลับได้ว่าจะเลือกที่ปรึกษาจากปริมาณข้อมูลที่มีอยู่ในมือ หากมีเพียงความรู้สึกต่อโจทย์เท่านั้น การเริ่มจากประเภทที่ต้องการข้อมูลน้อยที่สุดคือเรื่องที่เป็นธรรมชาติ

จะเริ่มต้น Generative AI จากอะไร ขึ้นอยู่กับสถานะขององค์กรคุณ

เมื่อเข้าใจประเภทของที่ปรึกษาแล้ว ลำดับถัดไปคือองค์กรของคุณเข้าข่ายตรงไหน เราจะตรวจสอบด้วย 3 แกน

แกนที่ 1 | อธิบายโจทย์เป็นคำพูดได้แล้วหรือยัง

แกนแรกคือคุณอธิบายโจทย์ที่ต้องการแก้ออกมาเป็นคำพูดในระดับของงานได้แล้วหรือยัง วิธีตัดสินนั้นเรียบง่าย ให้ดูว่าคุณพูดออกมาเป็นประโยคเดียวได้หรือไม่ว่า แผนกใด งานใด ใช้เวลาต่อเดือนเท่าไร และต้องการทำให้มันเป็นอย่างไร

ถ้าพูดได้ ก็แปลว่าโจทย์อยู่ในฝั่งที่ชัดเจน ถ้าพูดไม่ได้ นั่นไม่ใช่ปัญหาเรื่องความสามารถ แต่เป็นเพียงเพราะยังไม่ได้สำรวจสถานะปัจจุบันเท่านั้น เนื่องจากมีประเภทที่รับเอาการสำรวจสถานะปัจจุบันเองมาเป็นหัวข้อของการปรึกษาได้ แทนที่จะฝืนอธิบายให้เป็นคำพูดด้วยตัวเองจนไปต่อไม่ได้ การไปปรึกษาในสภาพนั้นเลยจะเดินหน้าได้เร็วกว่า

แกนที่ 2 | มีคนในองค์กรที่เคยลองใช้ AI หรือไม่

แกนที่สองคือในองค์กรมีคนที่เคยลองใช้เครื่องมือ AI จริงหรือไม่ คำว่าคนตรงนี้ไม่ได้หมายถึงวิศวกรที่พัฒนาโมเดลได้ แต่หมายถึงระดับที่ว่าเคยลองใช้เครื่องมือ Generative AI กับงานจริง และมีความรู้สึกว่าอะไรทำได้และอะไรทำไม่ได้ เท่านั้นก็พอ

การมีคนแบบนี้หรือไม่มี ทำให้คุณภาพของการปรึกษาต่างกัน ถ้ามี องค์กรจะตัดสินได้เองว่าเนื้อหาที่ถูกเสนอมานั้นเป็นไปได้จริงหรือไม่ ถ้าไม่มี เนื่องจากองค์กรตรวจสอบความสมเหตุสมผลของข้อเสนอเองไม่ได้ วิธีเดินงานที่ปลอดภัยกว่าคือฟังจากที่ปรึกษาหลายรายแล้วนำเนื้อหามาเทียบกัน

แกนที่ 3 | มีกรอบงบประมาณคร่าวๆ หรือยัง

แกนที่สามคือหลักของจำนวนเงินถูกกำหนดแล้วหรือยัง ไม่จำเป็นต้องเป็นงบประมาณที่แม่นยำ ให้ตัดสินเพียงว่าคุณมองเห็นหลักที่น่าจะขออนุมัติภายในองค์กรได้แล้วหรือไม่

แม้ไม่มีกรอบงบประมาณ การปรึกษาก็ยังทำได้ แต่ความละเอียดของข้อเสนอจะไม่นิ่ง บางท่านคิดว่าการไม่บอกงบประมาณจะดึงข้อเสนอที่ได้เปรียบกว่าออกมาได้ แต่ในทางปฏิบัติเรารู้สึกว่ามักเป็นตรงกันข้าม เพราะเมื่อไม่รู้หลักของงบประมาณ อีกฝ่ายก็จำเป็นต้องเสนอโครงสร้างที่ปลอดภัยที่สุด ซึ่งหมายถึงโครงสร้างที่ใหญ่กว่าความจำเป็น

ใช้การผสมกันของ 3 แกนตัดสินว่าควรปรึกษาใคร

ตารางต่อไปนี้คือการนำการผสมกันของทั้ง 3 แกนมาจับคู่กับที่ปรึกษา 4 ประเภท

เมื่อดูตารางจะเห็นว่าแถวที่โจทย์คลุมเครือทั้งหมดเอนไปทางประเภทกลยุทธ์และที่ปรึกษาหรือประเภทผู้ให้บริการคลาวด์ ในทางกลับกัน แถวที่ประเภทสนับสนุนการทำเองภายในองค์กรจะกลายเป็นตัวเลือกได้นั้น มีเพียงแถวที่ครบทั้ง 3 แกนเท่านั้น เราได้รับการปรึกษาว่าอยากเริ่มจากการทำเองภายในองค์กรอยู่บ่อยครั้ง แต่การตั้งเป้าหมายไว้ที่การทำเองทั้งที่ยังไม่ครบ 3 แกน จะทำให้เข้าสู่รูปแบบความล้มเหลวที่จะกล่าวถึงต่อไปได้ง่าย

สิ่งที่จะถูกถามในการปรึกษาครั้งแรก และข้อมูลที่ควรถือไป

เมื่อจับทางที่ปรึกษาได้แล้ว ลำดับถัดไปคือการเตรียมตัวสำหรับการประชุมครั้งแรก แต่คุณไม่จำเป็นต้องทำเอกสารหนาเตอะแต่อย่างใด

สิ่งที่ถูกถามมีหลักๆ อยู่ 4 เรื่อง

เนื้อหาที่จะถูกถามในการสัมภาษณ์ครั้งแรกนั้นเหมือนกันโดยประมาณ แม้ประเภทของอีกฝ่ายจะต่างกัน ได้แก่ ผังกระบวนการทำงานในปัจจุบัน ความรู้สึกต่อโจทย์ งบประมาณคร่าวๆ และสภาพที่ต้องการไปให้ถึง

ผังกระบวนการทำงานในปัจจุบันไม่จำเป็นต้องเป็นรูปภาพ การเขียนออกมาเป็นข้อๆ ว่าใครทำอะไรเรียงตามลำดับใด ก็ทำหน้าที่ได้เพียงพอแล้ว ส่วนความรู้สึกต่อโจทย์ ให้ยกออกมาอย่างเป็นรูปธรรมว่างานนั้นใช้เวลาไปกับตรงไหน และเกิดความผิดพลาดขึ้นที่จุดใด สำหรับสภาพที่ต้องการไปให้ถึง หากทำออกมาในรูปของ KPI ได้ก็ถือว่าเหมาะที่สุด แต่ระดับของถ้อยคำอย่างเช่นอยากให้งานตรวจสอบนี้จบภายในครึ่งหนึ่งของเวลาเดิม ก็เพียงพอสำหรับครั้งแรกแล้ว

แม้ไม่มีอะไรพร้อมเลย ขอเพียงมีความรู้สึกต่อโจทย์ การปรึกษาก็เกิดขึ้นได้

ตรงนี้คือจุดที่เราอยากเน้น แม้ 3 ใน 4 เรื่องจะยังว่างอยู่ ขอเพียงคุณอธิบายความรู้สึกต่อโจทย์ออกมาเป็นคำพูดได้ ประเภทกลยุทธ์และที่ปรึกษา กับประเภทผู้ให้บริการคลาวด์และ SIer ขนาดใหญ่ ก็รับปรึกษาให้ ยิ่งไปกว่านั้น งานอธิบายสิ่งนั้นให้เป็นคำพูดเองก็กลายเป็นหัวข้อของการปรึกษาได้

เราเห็นองค์กรที่เลื่อนการปรึกษาออกไปจนกว่าจะเตรียมตัวเสร็จอยู่บ่อยครั้ง แต่วันที่การเตรียมตัวเสร็จสมบูรณ์นั้นไม่ค่อยมาถึงด้วยกำลังขององค์กรเพียงลำพัง แทนที่จะปล่อยให้เวลาผ่านไปครึ่งปีเพราะตั้งใจจะสำรวจสถานะปัจจุบันภายในองค์กรให้จบก่อนแล้วค่อยปรึกษา การไปปรึกษาตั้งแต่ขั้นที่สรุปความรู้สึกต่อโจทย์ลงในกระดาษแผ่นเดียวได้ จะทำให้ลงมือได้เร็วกว่าในบั้นปลาย

เหตุผลที่ไม่ควรเริ่มจากวิธีเลือกเครื่องมือ Generative AI

ในการปรึกษาครั้งแรก มีไม่น้อยที่เริ่มจากคำถามว่าควรใช้เครื่องมือตัวไหน แต่เรามองว่าวิธีเลือกเครื่องมือ Generative AI ไม่ใช่เรื่องที่ตัดสินกันในขั้นนี้

เหตุผลคือการเลือกเครื่องมือเป็นสิ่งที่ขึ้นอยู่กับนิยามของโจทย์และโครงสร้างทีม ข้อมูลที่จัดการอยู่นั้นออกนอกองค์กรไม่ได้หรือไม่ จำเป็นต้องเชื่อมกับระบบงานเดิมหรือไม่ และผู้ใช้มีกี่คน เมื่อสิ่งเหล่านี้ถูกกำหนด ขอบเขตของเครื่องมือที่เลือกได้ก็จะแคบลงโดยอัตโนมัติ ในทางกลับกัน ถ้าตัดสินจากเครื่องมือก่อน คุณจะต้องดัดโจทย์ให้เข้ากับสิ่งที่เครื่องมือนั้นทำได้ และปัญหาที่ตั้งใจจะแก้แต่แรกก็จะถูกเลื่อนออกไปทีหลัง

การเปรียบเทียบเครื่องมือควรทำหลังจากโจทย์และโครงสร้างทีมนิ่งแล้ว นั่นคือลำดับที่เป็นธรรมชาติ ขอให้ลองถามที่ปรึกษาว่า ถ้าเป็นโจทย์และโครงสร้างทีมแบบนี้ ตัวเลือกจะแคบลงเหลือแค่ไหน แทนที่จะถามว่าเครื่องมือตัวไหนดี ความเป็นรูปธรรมของคำตอบที่กลับมาจะใช้วัดประสบการณ์หน้างานของอีกฝ่ายได้ด้วย

ลำดับทั่วไปตั้งแต่การปรึกษาจนถึงการลงมือ

เมื่อรู้ล่วงหน้าว่าหลังการปรึกษาแล้วเรื่องจะเดินไปตามลำดับใด คุณจะรู้สึกไม่มั่นใจระหว่างทางน้อยลง

จากการสัมภาษณ์ครั้งแรก สู่ PoC และการออกแบบใช้งานจริง

ลำดับทั่วไปคือการสัมภาษณ์ครั้งแรก การออกแบบ PoC การทดลองในขอบเขตเล็ก และการออกแบบสำหรับใช้งานจริง โดยเริ่มจากการแบ่งปันสถานะปัจจุบันและโจทย์ในการสัมภาษณ์ครั้งแรก จากนั้นแคบขอบเขตลงมาที่บริเวณซึ่งน่าจะเห็นผล แล้วทดลองในขอบเขตที่จำกัด และตัดสินใจเรื่องการออกแบบใช้งานจริงกับการลงทุนจากผลของการทดลองนั้น

ข้อดีของการเดินตามลำดับนี้อยู่ที่ข้อมูลประกอบการตัดสินใจลงทุนได้มาจากข้อมูลจริงขององค์กรคุณเอง กรณีของบริษัทอื่นใช้อ้างอิงได้ก็จริง แต่ไม่ได้สะท้อนความเรียบร้อยของข้อมูลและนิสัยเฉพาะของงานในองค์กรคุณ ขอให้มองว่าขั้นตอนทดลองในขอบเขตเล็กคือขั้นตอนสำหรับตรวจสอบความต่างตรงนั้น

อย่าเพิ่งขอใบเสนอราคาสำหรับการขยายทั้งองค์กรตั้งแต่ครั้งแรก

จากนี้เป็นความเห็นเชิงปฏิบัติที่บริษัทของเราได้เห็นจากหน้างานที่เข้าไปสนับสนุน เรามองว่าการขอให้เขาออกยอดรวมสำหรับกรณีที่ขยายไปทั้งองค์กร ตั้งแต่การปรึกษาครั้งแรก เป็นสิ่งที่ควรหลีกเลี่ยง

เหตุผลมี 2 ข้อ ข้อแรก ยอดรวมที่ออกมาก่อนที่โจทย์และขอบเขตจะนิ่ง ย่อมจำเป็นต้องเป็นใบเสนอราคาที่ตั้งสมมติฐานไว้กว้างมาก จึงไม่ได้ความแม่นยำระดับที่ใช้ขออนุมัติภายในองค์กรได้ ข้อที่สอง เราเคยเห็นกรณีที่ตัวเลขก้อนใหญ่นั้นถูกพูดต่อกันไปเองภายในองค์กร แล้วเหลือไว้เพียงข้อสรุปว่า AI แพง จนการพิจารณาหยุดลงมาแล้วจริงๆ

สิ่งที่ควรขอในช่วงต้นของการปรึกษาไม่ใช่ยอดรวม แต่คือค่าใช้จ่ายและระยะเวลาของขอบเขตที่จะทดลองแบบเล็ก เนื่องจากขอบเขตนี้มีสมมติฐานที่จำกัด ความแม่นยำของใบเสนอราคาจึงสูงขึ้นด้วย จากนั้นเมื่อผลของการทดลองขนาดเล็กออกมาแล้ว จึงประเมินขนาดของการขยายทั้งองค์กรโดยอ้างอิงจากค่าที่วัดได้จริง ถ้าเดินตามลำดับนี้ ตัวเลขที่ได้จะกลายเป็นตัวเลขที่อธิบายภายในองค์กรได้

ประเด็นเฉพาะของการปรึกษาการนำ AI มาใช้ที่ฐานปฏิบัติการในไทย

จากนี้เราจะดึงเรื่องเข้ามาที่หน้างานในประเทศไทย ที่ฐานปฏิบัติการในไทยของผู้ผลิตสัญชาติญี่ปุ่น มีการตัดสินใจเพิ่มเข้ามาอีกชั้นซึ่งองค์กรในประเทศญี่ปุ่นไม่มี

ฝ่ายไอทีของสำนักงานใหญ่ในญี่ปุ่น หรือผู้ให้บริการในประเทศไทย

ความลังเลที่พบมากที่สุดคือควรปรึกษาฝ่ายระบบสารสนเทศของสำนักงานใหญ่ในญี่ปุ่น หรือควรปรึกษาผู้ให้บริการในประเทศไทยโดยตรง

หากให้กล่าวในฐานะความเห็นเชิงปฏิบัติของบริษัทเรา นี่ไม่ใช่ปัญหาที่ต้องเลือกทางใดทางหนึ่ง แต่การคิดด้วยการแบ่งบทบาทคือวิธีที่ใช้ได้จริงมากกว่า สิ่งที่ฝั่งสำนักงานใหญ่รับผิดชอบคือนโยบายระดับทั้งบริษัท เช่น ระเบียบการใช้งาน Generative AI เกณฑ์การจัดการข้อมูล และการอนุมัติงบประมาณ ส่วนสิ่งที่ฝั่งประเทศไทยรับผิดชอบคือการนำไปใช้งานจริงและการสนับสนุนด้วยภาษาท้องถิ่น รวมถึงส่วนที่ต้องแปลงลงไปสู่งานที่หน้างานทำจริง

หากเดินหน้าโดยไม่กำหนดการแบ่งบทบาทนี้ไว้ก่อน จะเกิดการหยุดชะงักได้ 2 ทิศทาง ถ้าปรึกษาแต่สำนักงานใหญ่ โครงสร้างที่ไม่ได้สะท้อนสภาพงานจริงในประเทศไทยจะถูกส่งลงมา แล้วหน้างานก็ไม่ใช้ ถ้าปรึกษาแต่ฝั่งประเทศไทย ก็จะสอดคล้องกับนโยบายของสำนักงานใหญ่ไม่ได้ แล้วถูกตีกลับในขั้นขออนุมัติ ทั้งสองอย่างนี้หลีกเลี่ยงได้ถ้ากำหนดการแบ่งบทบาทไว้ก่อนเริ่มปรึกษา

ในทางรูปธรรม ก่อนเริ่มปรึกษาในประเทศไทย ขอให้ตรวจสอบว่าสำนักงานใหญ่มีระเบียบการใช้งาน Generative AI หรือไม่ และระเบียบนั้นห้ามอะไรไว้ถึงระดับใด หากไม่มีระเบียบ ก็เท่ากับเดินหน้าต่อบนพื้นฐานของข้อเท็จจริงที่ยืนยันแล้วว่าไม่มี เราเคยเห็นกรณีที่เดินหน้าในประเทศไทยไปจนถึงขั้น PoC โดยไม่ได้ตรวจสอบเรื่องนี้ แล้วมาพบทีหลังว่าขัดกับระเบียบของสำนักงานใหญ่ จนต้องกลับไปเริ่มต้นใหม่

ตัวเลือกของที่ปรึกษาในประเทศไทยกำลังเพิ่มขึ้น

ดังที่กล่าวไปแล้ว การสำรวจของ Microsoft ระบุว่าการนำ AI มาใช้ของแรงงานในประเทศไทยเติบโต 36.4% เมื่อเทียบกับปีก่อนหน้า เป็นอัตราการเติบโตอันดับ 2 ของโลกรองจากเกาหลีใต้ที่ 43.2% เมื่อเทียบกับค่าเฉลี่ยของโลกที่ 17.8% ก็จะเห็นความเร็วของความเคลื่อนไหวในประเทศไทย ส่วนในฝั่งองค์กร รายงานของ AWS ระบุว่าองค์กรไทย 43% ใช้ AI อย่างต่อเนื่อง และให้ผลว่าวิสาหกิจขนาดกลางและขนาดย่อมมากกว่า 70% กำลังดำเนินการนำ AI มาใช้

นอกจากนี้ UOB Business Outlook Study 2026 ยังให้ผลว่าวิสาหกิจขนาดกลางและขนาดย่อมของไทยมองความสามารถในการฟื้นตัวเป็นวินัยในการบริหาร และมีการนำ AI มาใช้ก้าวหน้าที่สุดในภูมิภาค โดยมากกว่า 80% วางแผนจะขยายกิจการไปต่างประเทศภายใน 2 ถึง 3 ปีข้างหน้า

ตามการเติบโตของความต้องการเช่นนี้ ฝ่ายที่รับปรึกษาภายในประเทศไทยก็มีปริมาณเพิ่มขึ้นด้วย เมื่อเทียบกับเมื่อไม่กี่ปีก่อน ตัวเลือกของคู่สนทนาที่ปรึกษาได้ในประเทศกว้างขึ้นอย่างเห็นได้ชัด อย่างไรก็ตาม การที่ปริมาณเพิ่มขึ้นก็แปลว่าช่วงของผลงานที่ผ่านมาก็กว้างขึ้นตามไปด้วย ด้วยเหตุนี้เอง คุณจึงจำเป็นต้องตรวจสอบตั้งแต่แรกว่าบริษัทนั้นอยู่ตำแหน่งใดใน 4 ประเภทที่กล่าวมา

ตรวจสอบระบบสนับสนุนด้วยภาษาท้องถิ่นก่อนทำสัญญา

อีกเรื่องที่อยากให้ตรวจสอบให้ได้ที่ฐานปฏิบัติการในประเทศไทยคือระบบสนับสนุนด้วยภาษาไทย

การนำ AI มาใช้ไม่ได้จบลงเมื่อสร้างเสร็จ แต่ผลจะเกิดขึ้นจากการที่หน้างานใช้มันทุกวัน คนที่ใช้คือพนักงานในประเทศ ดังนั้นหากคำอธิบายวิธีใช้งานและช่องทางรับเรื่องเมื่อเกิดข้อสงสัย ไม่ได้จัดให้ในภาษาท้องถิ่น ระบบก็จะไม่หยั่งราก ขอให้ตรวจสอบก่อนทำสัญญาว่าคู่มือ การอบรม และช่องทางรับเรื่องสอบถามหลังเริ่มใช้งาน ทั้ง 3 อย่างจัดให้ในภาษาใดบ้าง

อย่าจบแค่คำตอบว่ารองรับได้ แต่ให้เจาะลึกต่อว่าผู้รับผิดชอบที่ดูแลจริงประจำอยู่หรือไม่ หรือต้องจัดหาเป็นครั้งคราว แล้วคุณจะเห็นสภาพจริง เรามองว่านี่ไม่ใช่ความสะดวกสบายที่เป็นตัวเลือกเสริม แต่เป็นเงื่อนไขที่ชี้ว่าเงินลงทุนจะคืนทุนได้หรือไม่

ความล้มเหลวที่พบบ่อยเมื่อเดินหน้าโดยไม่ปรึกษาใคร

เมื่อเดินหน้าไปโดยไม่ได้เลือกที่ปรึกษา ผลจะเป็นอย่างไร เราจะยก 2 รูปแบบที่พบเห็นบ่อย

สั่งงานบริษัทพัฒนา AI ทั้งที่โจทย์ยังคลุมเครือ

รูปแบบแรกคือการสั่งงานบริษัทพัฒนา AI ทันที ทั้งที่ยังอธิบายโจทย์ออกมาเป็นคำพูดไม่ได้

ในกรณีนี้ การปรับความเข้าใจเรื่องข้อกำหนดจะเริ่มขึ้นหลังทำสัญญาไปแล้ว บริษัทพัฒนาลงมือไม่ได้ถ้าข้อกำหนดยังไม่นิ่ง จึงต้องสัมภาษณ์ซ้ำแล้วซ้ำอีก แต่ฝ่ายผู้สั่งงานเองก็ยังไม่นิ่งว่าต้องการอะไร ทิศทางจึงเปลี่ยนไปทุกครั้งที่ประชุม ผลคือใช้เวลาไปหลายเดือนกับการปรับความเข้าใจเรื่องข้อกำหนดเพียงอย่างเดียว และค่าใช้จ่ายของช่วงเวลานั้นก็เกิดขึ้นด้วย

สิ่งที่ยุ่งยากของรูปแบบนี้คือไม่มีฝ่ายใดผิดเลย ฝ่ายผู้สั่งงานก็พิจารณาอย่างจริงจัง บริษัทพัฒนาก็สัมภาษณ์อย่างละเอียดถี่ถ้วน ที่ยังไม่เดินหน้าทั้งที่เป็นเช่นนั้น เกิดจากความไม่ตรงกันของประตูทางเข้า คือการไปปรึกษาประเภทที่ตั้งสมมติฐานว่าข้อกำหนดนิ่งแล้ว ในขั้นที่ข้อกำหนดยังไม่นิ่ง

ตั้งเป้าทำเองภายในองค์กร แต่ไม่มีแผนถ่ายทอดเทคโนโลยีตั้งแต่ต้น

รูปแบบที่สองคือการประกาศเป้าหมายว่าจะสร้าง AI เองภายในองค์กร แต่ไม่มีแผนตั้งแต่ต้นว่าจะถ่ายทอดเทคโนโลยีใดให้ใคร

ระบบเริ่มเดินได้ภายใต้การสนับสนุนจากภายนอก แต่การออกแบบและการพัฒนาจริงทำโดยฝ่ายสนับสนุน ส่วนสมาชิกในองค์กรอยู่ในสภาพที่เพียงนั่งร่วมประชุมไปเรื่อยๆ เมื่อระยะเวลาสนับสนุนสิ้นสุดลง สิ่งที่เหลืออยู่ในองค์กรคือระบบที่เดินได้ กับโครงสร้างทีมที่อธิบายเนื้อในของระบบนั้นไม่ได้ ทั้งการแก้ไขและการปรับปรุงการใช้งานจึงต้องพึ่งภายนอกต่อไป และเป้าหมายตั้งต้นเรื่องการทำเองภายในองค์กรก็ไม่บรรลุ

ทั้ง 2 รูปแบบนี้ไม่ได้ถูกกำหนดหลังจากโครงการเดินแล้ว แต่ถูกกำหนดที่ประตูทางเข้าก่อนโครงการจะเดินต่างหาก สำหรับโครงสร้างที่ทำให้หยุดนิ่งหลังจากเดินไปแล้ว เราจัดระเบียบไว้ต่างหากในความล้มเหลวของการนำ Generative AI มาใช้ และโครงสร้างที่ทำให้ 95% หยุดนิ่ง หากคุณอยู่ในสถานการณ์ที่ลงมือไปแล้วแต่ไม่คืบหน้า ขอเชิญอ่านบทความนั้น ส่วนบทความนี้กล่าวถึงการเลือกที่ปรึกษาก่อนลงมือเท่านั้น

เช็กลิสต์ที่ควรตรวจสอบก่อนไปปรึกษา

นี่คือรายการที่ควรตรวจสอบภายในองค์กรก่อนเดินหน้าไปปรึกษา เราทำให้อยู่ในระดับที่นำไปใช้ในการประชุมได้ทันที

• อธิบายโจทย์ที่ต้องการแก้ออกมาเป็นประโยคเดียวได้หรือไม่ ในรูปแบบว่าแผนกใด งานใด และต้องการทำให้เป็นอย่างไร
• ทราบคร่าวๆ แล้วหรือยังว่างานนั้นใช้เวลาต่อเดือนประมาณเท่าไร
• ในองค์กรมีคนที่เคยลองใช้เครื่องมือ Generative AI กับงานจริงหรือไม่
• คนคนนั้นอยู่ในสภาพที่แบ่งเวลามาให้การพิจารณาได้ในระดับหนึ่งหรือไม่
• มองเห็นหลักของงบประมาณที่น่าจะขออนุมัติภายในองค์กรได้แล้วหรือยัง
• พูดสภาพที่ต้องการไปให้ถึงออกมาในรูปที่วัดได้ เช่น เวลาที่ลดลงหรือความผิดพลาดที่ลดลง ได้หรือไม่
• ตรวจสอบแล้วหรือยังว่าสำนักงานใหญ่ในญี่ปุ่นมีระเบียบการใช้งาน Generative AI หรือไม่
• หากมีระเบียบ ทราบหรือไม่ว่าห้ามการจัดการข้อมูลใดไว้บ้าง
• กำหนดการแบ่งบทบาทระหว่างสำนักงานใหญ่กับฝั่งประเทศไทยแล้วหรือยัง ว่าใครกำหนดนโยบายและใครนำไปใช้งานจริง
• ตรวจสอบก่อนติดต่อแล้วหรือยังว่าที่ปรึกษารายนั้นเข้าข่ายประเภทใดใน 4 ประเภท
• เตรียมพร้อมแล้วหรือยังที่จะถามค่าใช้จ่ายและระยะเวลาของขอบเขตทดลองแบบเล็ก แทนที่จะถามยอดรวม ในการปรึกษาครั้งแรก
• เตรียมหัวข้อสำหรับตรวจสอบแล้วหรือยังว่าคู่มือ การอบรม และช่องทางรับเรื่องหลังเริ่มใช้งาน จัดให้ในภาษาใด

หากคุณไปปรึกษาบริษัทพัฒนา AI ในขั้นที่ยังตอบ 5 ข้อบนไม่ได้ คุณจะใช้เวลาไปกับการปรับความเข้าใจเรื่องข้อกำหนดเพียงอย่างเดียว ในกรณีนั้นขอให้เริ่มจากประเภทกลยุทธ์และที่ปรึกษา หรือช่องทางของผู้ให้บริการคลาวด์ที่ใช้อยู่ในปัจจุบัน นอกจากนี้ หากเดินหน้าที่ฐานปฏิบัติการในไทยโดยไม่ตรวจสอบ 3 หัวข้อเรื่องระเบียบการใช้งาน Generative AI ของสำนักงานใหญ่ การแบ่งบทบาทระหว่างสำนักงานใหญ่กับฝั่งไทย และขอบเขตที่จัดให้ในภาษาท้องถิ่น ก็จะสะดุดได้ง่ายในขั้นขออนุมัติและขั้นทำให้ระบบหยั่งราก

คำถามที่พบบ่อย

ควรปรึกษาการนำ AI มาใช้กับใคร

เปลี่ยนไปตามสถานะขององค์กรคุณ หากอยู่ในขั้นที่โจทย์ยังไม่กลายเป็นคำพูด ประเภทกลยุทธ์และที่ปรึกษา หรือช่องทางของผู้ให้บริการคลาวด์ที่ใช้อยู่ในปัจจุบัน จะเหมาะกว่า ถ้าตัดสินได้แล้วว่าจะสร้างอะไร ก็เป็นประเภทบริษัทพัฒนา AI และรับจ้างพัฒนา และถ้าต้องการให้เทคโนโลยีคงอยู่ในองค์กร ก็เป็นประเภทสนับสนุนการทำเองภายในองค์กร ขอให้ตัดสินด้วย 3 แกน ได้แก่ อธิบายโจทย์เป็นคำพูดได้หรือไม่ มีคนในองค์กรที่เคยลองใช้ AI หรือไม่ และมีกรอบงบประมาณคร่าวๆ หรือไม่ หากขาดไปแม้เพียงแกนเดียวใน 3 แกนนี้ การเริ่มจากประเภทที่รับขั้นคลุมเครือไว้ได้ จะเดินหน้าได้เร็วกว่าประเภทบริษัทพัฒนาซึ่งตั้งสมมติฐานว่าข้อกำหนดนิ่งแล้ว

ควรเริ่มต้น Generative AI จากอะไร

ขอให้เริ่มจากการสำรวจงานที่มีอยู่ ไม่ใช่จากการคัดเลือกเครื่องมือ ให้เขียนออกมาว่างานใดของแผนกใดที่ใช้เวลามาก และเกิดความผิดพลาดขึ้นที่จุดใด แล้วแคบขอบเขตลงมาเหลือบริเวณที่น่าจะเห็นผล 1 หรือ 2 บริเวณ หากทำงานนี้ให้จบภายในองค์กรเองไม่ได้ ก็มีที่ปรึกษาที่รับเอาการสำรวจงานเองมาเป็นหัวข้อของการปรึกษาได้ แทนที่จะรอจนกว่าจะเตรียมตัวเสร็จ การไปปรึกษาตั้งแต่ขั้นที่สรุปความรู้สึกต่อโจทย์ลงในกระดาษแผ่นเดียวได้ จะทำให้ลงมือได้เร็วกว่าในบั้นปลาย

วิธีเลือกเครื่องมือ Generative AI ควรดูอะไรก่อน

เราขอแนะนำให้กำหนดเงื่อนไขข้อจำกัดขององค์กรคุณให้นิ่งก่อน แทนที่จะเปรียบเทียบฟังก์ชันของเครื่องมือ ข้อมูลที่จัดการอยู่ออกนอกองค์กรได้หรือไม่ จำเป็นต้องเชื่อมกับระบบงานเดิมหรือไม่ และผู้ใช้มีกี่คน เมื่อ 3 ข้อนี้ถูกกำหนด ขอบเขตที่เลือกได้จะแคบลงโดยอัตโนมัติ ถ้าตัดสินจากเครื่องมือก่อน คุณจะต้องดัดโจทย์ให้เข้ากับสิ่งที่เครื่องมือนั้นทำได้ และปัญหาที่ตั้งใจจะแก้แต่แรกก็จะถูกเลื่อนออกไป ขอให้ลองถามที่ปรึกษาว่าถ้าเป็นโจทย์และข้อจำกัดแบบนี้ ตัวเลือกจะแคบลงเหลือแค่ไหน แทนที่จะถามว่าเครื่องมือตัวไหนดี

องค์กรสร้าง AI ขึ้นใช้เองภายในได้หรือไม่

ทำได้ถ้าเงื่อนไขตั้งต้นครบ แต่เรามองว่าการยกขึ้นเป็นเป้าหมายทั้งที่ยังไม่ครบนั้นควรหลีกเลี่ยง เงื่อนไขที่จำเป็นมี 3 ข้อ ได้แก่ มีคนที่จะเป็นเป้าหมายของการพัฒนาอยู่ในองค์กร คนคนนั้นกันชั่วโมงทำงานไว้ได้ในระดับหนึ่งโดยไม่ควบกับงานประจำ และมีแผนว่าจะถ่ายทอดเทคโนโลยีใดให้ใครก่อนเริ่มรับการสนับสนุน หากประกาศว่าจะทำเองภายในองค์กรโดยไม่มี 3 ข้อนี้ เมื่อระยะเวลาสนับสนุนสิ้นสุดลง จะกลายเป็นสภาพที่มีระบบที่เดินได้ แต่ไม่มีคนที่อธิบายเนื้อในได้ ส่วนการออกแบบว่าชั้นใดจะถือไว้เอง ขอให้พิจารณาเป็นรายกรณีเมื่อคุณเอนไปทางทิศทางของการทำเองแล้ว

ที่ฐานปฏิบัติการในไทย ควรปรึกษาสำนักงานใหญ่ในญี่ปุ่นหรือฝั่งประเทศไทย

การคิดด้วยการแบ่งบทบาทคือวิธีที่ใช้ได้จริงมากกว่าการเลือกทางใดทางหนึ่ง สิ่งที่สำนักงานใหญ่รับผิดชอบคือนโยบายระดับทั้งบริษัท ได้แก่ ระเบียบการใช้งาน Generative AI เกณฑ์การจัดการข้อมูล และการอนุมัติงบประมาณ ส่วนสิ่งที่ฝั่งประเทศไทยรับผิดชอบคือการนำไปใช้งานจริง การสนับสนุนด้วยภาษาท้องถิ่น และการแปลงลงไปสู่งานที่หน้างานทำจริง ก่อนเริ่มปรึกษาในประเทศไทย ขอให้ตรวจสอบให้ได้ว่าสำนักงานใหญ่มีระเบียบการใช้งาน Generative AI หรือไม่ และระเบียบนั้นห้ามอะไรไว้ มีกรณีที่ข้ามการตรวจสอบนี้แล้วเดินหน้าในไทยไปจนถึงขั้น PoC จากนั้นจึงพบภายหลังว่าขัดกับระเบียบของสำนักงานใหญ่ จนต้องกลับไปเริ่มต้นใหม่

สรุป

เราจะจัดระเบียบประเด็นสำคัญที่บทความนี้กล่าวถึงเรื่องวิธีเลือกที่ปรึกษาสำหรับการนำ AI มาใช้

• สาเหตุที่เลือกที่ปรึกษาไม่ได้ไม่ใช่การเตรียมตัวไม่พอ แต่อยู่ที่ความไม่ตรงกันของประตูทางเข้า คือการไปปรึกษาประเภทที่ตั้งสมมติฐานว่าข้อกำหนดนิ่งแล้ว ในขั้นที่ข้อกำหนดยังไม่นิ่ง
• ที่ปรึกษาจัดระเบียบได้เป็น 4 ประเภท ได้แก่ กลยุทธ์และที่ปรึกษา บริษัทพัฒนา AI และรับจ้างพัฒนา ผู้ให้บริการคลาวด์และ SIer ขนาดใหญ่ และการสนับสนุนการทำเองภายในองค์กร
• ทั้ง 4 ประเภทต้องการปริมาณข้อมูลตอนไปปรึกษาไม่เท่ากัน คุณจึงคิดย้อนกลับจากปริมาณข้อมูลที่มีอยู่ในมือเพื่อเลือกที่ปรึกษาได้
• ให้ประเมินสถานะขององค์กรด้วย 3 แกน ได้แก่ อธิบายโจทย์เป็นคำพูดได้หรือไม่ มีคนในองค์กรที่เคยลองใช้ AI หรือไม่ และมีกรอบงบประมาณคร่าวๆ หรือไม่
• หากโจทย์ยังคลุมเครือ ตัวเลือกจะเป็นประเภทที่ปรึกษาหรือประเภทผู้ให้บริการคลาวด์ ส่วนประเภทสนับสนุนการทำเองภายในองค์กรจะเป็นตัวเลือกได้เมื่อครบทั้ง 3 แกนเท่านั้น
• สิ่งที่ถูกถามในการปรึกษาครั้งแรกมี 4 เรื่อง คือผังกระบวนการทำงานปัจจุบัน ความรู้สึกต่อโจทย์ งบประมาณคร่าวๆ และสภาพที่ต้องการไปให้ถึง แต่ขอเพียงอธิบายความรู้สึกต่อโจทย์เป็นคำพูดได้ การปรึกษาก็เกิดขึ้นได้
• วิธีเลือกเครื่องมือ Generative AI เป็นเรื่องหลังจากโจทย์และข้อจำกัดนิ่งแล้ว ถ้าตัดสินจากเครื่องมือก่อน คุณจะต้องดัดโจทย์ให้เข้ากับเครื่องมือแทน
• ลำดับตั้งแต่การปรึกษาจนถึงการลงมือโดยทั่วไปคือการสัมภาษณ์ครั้งแรก การออกแบบ PoC การทดลองในขอบเขตเล็ก และการออกแบบใช้งานจริง โดยควรหลีกเลี่ยงการขอยอดรวมของการขยายทั้งองค์กรตั้งแต่ครั้งแรก
• ที่ฐานปฏิบัติการในไทย แทนที่จะเลือกระหว่างสำนักงานใหญ่กับฝั่งไทย การคิดด้วยการแบ่งบทบาทที่ให้สำนักงานใหญ่ดูนโยบายและการอนุมัติงบประมาณ ส่วนฝั่งไทยดูการนำไปใช้งานจริงและการสนับสนุนด้วยภาษาท้องถิ่น คือวิธีที่ใช้ได้จริงมากกว่า
• การสำรวจของ Microsoft ระบุว่าการนำ AI มาใช้ของแรงงานไทยเติบโต 36.4% เมื่อเทียบกับปีก่อนหน้า เป็นอันดับ 2 ของโลก ส่วนรายงานของ AWS ระบุว่าองค์กรไทย 43% ใช้ AI อย่างต่อเนื่อง ปริมาณที่ปรึกษาในประเทศจึงเพิ่มขึ้นตามไปด้วย
• การสำรวจแต่ละชุดมีทั้งเจ้าของและกลุ่มตัวอย่างต่างกัน เวลานำไปอ้างอิงในเอกสารภายในองค์กร ขอให้กำกับไว้เสมอว่าเป็นตัวเลขของการสำรวจใดและกลุ่มตัวอย่างใด และอย่านำมาวางเรียงเปรียบเทียบกันแบบง่ายๆ

สิ่งที่ควรทำเป็นอย่างแรกไม่ใช่การเปรียบเทียบผู้ให้บริการ และไม่ใช่การขอใบเสนอราคา แต่คือการจัดการ 3 เรื่องให้จบภายในองค์กรของคุณเอง ได้แก่ เขียนโจทย์ที่ต้องการแก้ออกมาเป็นประโยคเดียว ระบุตัวคนที่เคยลองใช้ AI ในองค์กรให้ได้ 1 คน และตรวจสอบหลักของงบประมาณ เมื่อครบ 3 เรื่องนี้แล้ว คุณจะใช้ตารางในบทความนี้แคบขอบเขตของที่ปรึกษาลงมาได้โดยอัตโนมัติ

TOMAS TECH ให้การสนับสนุน DX ที่หน้างานแก่ผู้ผลิตสัญชาติญี่ปุ่นที่ดำเนินกิจการในประเทศไทย โดยมีระบบบริหารการผลิต PEGASUS เป็นแกนหลัก สำหรับเรื่อง AI เราก็รับปรึกษาตั้งแต่ขั้นก่อนหน้านั้น เช่น คำถามที่ว่าตกลงแล้วควรไปปรึกษาที่ไหน หรือควรทำให้สอดคล้องกับระเบียบของสำนักงานใหญ่อย่างไร แม้จะยังอยู่ในขั้นรวบรวมข้อมูลก่อนตัดสินใจนำระบบมาใช้ก็ไม่เป็นไร ขอเชิญทักมาพูดคุยกันได้ที่หน้าติดต่อเรา

แหล่งอ้างอิง

• Thailand Business News – Thailand ranks second worldwide for AI adoption growth, Microsoft reports
• SME Asia – Thailand’s AI use surges to 43% but most firms still struggle in adoption
• ThaiPR – UOB Business Outlook Study 2026 on Thai SME resilience and AI adoption
• HR NAVI – มุมมองที่ควรตรวจสอบเมื่อเลือกบริษัทพัฒนา Generative AI
• องค์การส่งเสริมการลงทุนญี่ปุ่นและจีน – รายงานภูมิภาคเอเชียตะวันออกเฉียงใต้ การนำ Generative AI มาใช้ในธุรกิจของประเทศไทย