เวทีเสวนา “Unlocking Enterprise AI” ได้นำเสนอสองกรณีศึกษาที่น่าสนใจจาก KBTG และ JOBTOPGUN ซึ่งเผยให้เห็นสองแนวทางที่แตกต่างแต่ประสบความสำเร็จในการนำ AI มาใช้ในองค์กร โดยมีหัวใจสำคัญร่วมกันคือการมองว่า AI ไม่ใช่แค่เรื่องของเทคโนโลยี แต่คือการวางรากฐานด้าน “ข้อมูล” และ “คน” ให้พร้อม
KBTG ในฐานะองค์กรเทคโนโลยีขนาดใหญ่ในสายการเงิน ได้แสดงให้เห็นถึงโมเดลการขับเคลื่อนอย่างเป็นระบบ (Systematic Approach) ที่เน้นการสร้างแพลตฟอร์มกลางที่แข็งแกร่ง การวางโปรแกรมพัฒนาบุคลากรอย่างเป็นทางการ และการกำกับดูแลที่ชัดเจนเพื่อสร้างผลกระทบทางธุรกิจ
ในขณะที่ JOBTOPGUN ได้นำเสนอ โมเดลที่ขับเคลื่อนด้วยวัฒนธรรม (Culture-Driven Approach) ซึ่งเน้นการส่งเสริมวัฒนธรรมแห่งการทดลอง ให้อิสระแก่พนักงานในการทลายกรอบการทำงานแบบเดิมๆ และสร้างนวัตกรรมจากล่างขึ้นบน (Bottom-up) กรณีศึกษาทั้งสองจึงเป็นบทพิสูจน์ว่าไม่มีสูตรสำเร็จตายตัวสำหรับกลยุทธ์ AI แต่ความสำเร็จขึ้นอยู่กับการปรับแนวทางให้เข้ากับบริบท วัฒนธรรม และขนาดขององค์กรตนเอง
KBTG กับกลยุทธ์ AI ขับเคลื่อนองค์กรเทคโนโลยีสายการเงิน
วรรณลภย์ วิสิฐธรรมคุณ Assistant Managing Director, Intelligence Engineering and Data Technology จาก KASIKORN Business-Technology Group (KBTG) กล่าวว่า AI เป็นเทคโนโลยีที่เปลี่ยนแปลงเร็วมาก การวางแผนระยะยาว 2-3 ปีจึงอาจไม่ทันการณ์ แผนระยะสั้น 6-12 เดือนจึงเหมาะสมกว่า
กลยุทธ์ของ KBTG มุ่งเน้น 3 แกนหลัก อย่างแรกคือ การสร้างแพลตฟอร์มที่มั่นคง (Strong Foundation) ที่มีความปลอดภัยและยืดหยุ่นสูง เพื่อให้โครงสร้างพื้นฐานไม่ล้าสมัยในข้ามปี ถัดมาคือ การเปิดพื้นที่ให้พนักงานได้ทดลอง (Employee Empowerment) เนื่องจากธุรกิจธนาคารมีกฎระเบียบที่เข้มงวด KBTG จึงสร้าง “AI and Data Playground” เป็นพื้นที่ปลอดภัยให้พนักงานทุกคนสามารถเข้ามาทดลองไอเดียของตนเองได้อย่างรวดเร็ว
และสุดท้ายคือ การค้นหา Use Case ที่สร้างผลกระทบต่อธุรกิจ (Business Impact) โดยยอมรับว่า 80% ของการใช้งานอาจเป็นการเพิ่มประสิทธิภาพภายใน แต่มองหา 20% ที่เหลือที่จะสามารถสร้างรายได้ใหม่ ลดต้นทุน หรือมอบประสบการณ์ที่ดียิ่งขึ้นให้ลูกค้า
ในเชิงปฏิบัติ KBTG ได้นำ Agentic AI เข้ามาปฏิวัติกระบวนการพัฒนาซอฟต์แวร์ (SDLC) อย่างครบวงจร โดยมีเป้าหมายเพื่อเปลี่ยน Business Analyst ให้กลายเป็น Business Intelligence Engineer ที่ทำงานกับข้อมูลได้ลึกขึ้น เริ่มตั้งแต่ Developer Agent ที่ช่วยเขียนโค้ดตามมาตรฐาน “ไฉไล” Agent ที่ช่วยฝ่าย Tester สร้าง Test Case ได้ครอบคลุม และ “ใส่ใจ” Agent ที่ทำหน้าที่ตรวจสอบการทำงานของ Agent ทั้งหมดอีกทอดหนึ่ง ซึ่งผลลัพธ์คือสามารถเพิ่มประสิทธิภาพ (Productivity) ในกระบวนการได้ถึง 50-60%
เบื้องหลังความสำเร็จนี้ KBTG วางรากฐานไว้อย่างเป็นระบบ ในมิติของข้อมูล คุณวรรณลภย์เน้นย้ำว่า “Data Catalog” คือหัวใจสำคัญที่จะทำให้ AI เข้าใจข้อมูลได้อย่างถ่องแท้ ส่วนรากฐานด้านเทคโนโลยีคือการออกแบบสถาปัตยกรรมแบบเปิดและแยกส่วน (Modular) เพื่อให้ปรับเปลี่ยนได้ง่าย ในด้านบุคลากร KBTG ใช้แนวทางที่เป็นระบบผ่าน “AI Literacy Program” ที่พนักงานทุกคนต้องผ่านการอบรม และมีการจัดตั้ง “AI Council” ที่รวมผู้เกี่ยวข้องจากทุกฝ่ายมาวางกลยุทธ์และ KPI ร่วมกัน พร้อมทั้งแบ่งกลุ่มผู้ใช้งาน 3 ระดับเพื่อจัดสรรเครื่องมือให้เหมาะสมกับความต้องการที่แตกต่างกัน
JobTopGun กับการใช้ AI ทลายกำแพงการทำงานในธุรกิจสรรหาบุคลากร
วริศ ชนาเทพาพร Executive Vice President จาก JOBTOPGUN กล่าวว่า ภารกิจหลักของบริษัทคือการช่วยคนหางานและช่วยองค์กรหาคน ดังนั้นการใช้ AI จึงมุ่งเน้นไปที่การวิเคราะห์และเชื่อมโยงคนให้เข้ากับองค์กร โดยแผนในระยะ 6-12 เดือนข้างหน้าคือการใช้ AI เพื่อทลายกำแพงการทำงาน (Breaking down boundaries)
คุณวริศชี้ให้เห็นปรากฏการณ์ที่น่าสนใจ เช่น พนักงานฝ่าย Product เริ่มทำ UX/UI เอง หรือฝ่ายขายเริ่มวิเคราะห์ข้อมูลเองได้ เป้าหมายจึงเป็นการส่งเสริมวัฒนธรรมนี้ให้กว้างขึ้น ช่วยให้พนักงาน Connect the dots และสนุกกับการสร้างสรรค์โซลูชันใหม่ ๆ ที่เป็นรูปธรรมที่สุดคือการใช้ Agentic AI เพื่อยกระดับผลิตภัณฑ์สำหรับลูกค้าฝ่ายสรรหา (Talent Acquisition) ให้มีความลึกซึ้งกว่าเดิม โดยใช้ Agent หลายตัวทำงานร่วมกัน เช่น Lifestyle Agent และ Skill Agent เพื่อวิเคราะห์ผู้สมัครในมิติที่ซับซ้อนกว่าแค่ข้อมูลในเรซูเม่ ผลลัพธ์ที่ได้ไม่ใช่แค่การจับคู่ แต่ยังช่วยให้ผู้สรรหาสามารถ “ตั้งคำถามสัมภาษณ์ที่ดีขึ้น” และ “วิเคราะห์คำตอบของผู้สมัคร” เพื่อประเมินความเข้ากันได้กับวัฒนธรรมองค์กร (Culture Fit) ได้อย่างมีประสิทธิภาพ
รากฐานที่สำคัญของ JobTopGun คือความเชื่อที่ว่า “Good AI ต้องมาจาก Good Data” ดังนั้นจึงให้ความสำคัญอย่างยิ่งกับการสร้างพื้นฐานข้อมูลที่มีคุณภาพและความหลากหลาย (Variety) มีการจัดการ Metadata ที่ดี เพื่อหลีกเลี่ยงสภาวะ Garbage In, Garbage Out
ในมิติของคน JobTopGun เน้นการสร้าง “วัฒนธรรมแห่งการทดลอง” (Experimentation Culture) ที่เชื่อว่าการลงมือทำคือการเรียนรู้ที่ดีที่สุด โดยคุณวริศเล่าว่าเมื่อพนักงาน เช่น ทีมการตลาด ได้ลองใช้เครื่องมือจนสามารถสร้างและปล่อยงานต้นแบบ (Prototype) ได้ด้วยตัวเอง นั่นคือจุดที่จะเกิดการยอมรับและแรงผลักดันในการใช้งาน AI อย่างแท้จริง
บทสรุปจากทั้งสองกรณีศึกษาชี้ให้เห็นว่า การเดินทางของ AI ในองค์กรเป็นเรื่องที่ต้องทำอย่างเป็นองค์รวม การลงทุนในเทคโนโลยีเพียงอย่างเดียวไม่เพียงพอ แต่ต้องมาพร้อมกับการเตรียมความพร้อมด้านข้อมูล การพัฒนาศักยภาพของบุคลากร และการสร้างวัฒนธรรมที่เปิดกว้าง เพื่อเปลี่ยนผ่านจากยุคของการทำงานตามคำสั่งสู่ยุคที่มนุษย์และ AI ทำงานร่วมกันเพื่อสร้างสรรค์สิ่งใหม่ ๆ ได้อย่างแท้จริง
ข่าวอื่น ๆ ที่น่าสนใจ
AI: อวสานแรงงานมนุษย์หรือจุดกำเนิด ‘ไซบอร์ก’?
ธนา เธียรอัจฉริยะ ถอดรหัส ‘Likable Polymath’ ทักษะมนุษย์ที่จำเป็นในยุค AI
