วันนี้เราทุกคนต่างรู้กันดีว่า AI มีบทบาทสำคัญมากขึ้นในหลายๆองค์กรและหลายๆแผนก ไม่ว่าจะเข้ามาช่วยในเรื่องของการทำ Automation ต่างๆ ช่วยประกอบการตัดสินใจ ไปจนถึงการเพิ่ม Customer Experience เหมือนกันการจ้างพนักงานเพิ่มขึ้นมาอีก 1 คนเลยทีเดียว เพราะจะเกิดการลงทุนแล้วแน่ๆ ไม่ว่าจะเป็นค่าใช้จ่ายที่จะต้องเสียไป หรือลงทุนในทรัพยากรที่จะต้องใช้ในการพัฒนาตัว AI ให้พร้อมใช้งาน แต่ก่อนที่จะนำ AI มาใช้งานให้ประสบความสำเร็จนั้น จำเป็นจะต้องอาศัยการวางแผนและดำเนินการอย่างรอบคอบ
การบริหารจัดการการเปลี่ยนแปลง (Change management) เป็นกระบวนการวางแผน, ปฏิบัติ และติดตามการเปลี่ยนแปลงภายในองค์กร สิ่งนี้มีความสำคัญในการช่วยให้เราแน่ใจได้ว่า พนักงานของเราที่เป็นมนุษย์นั้น ยอมรับและยินดีที่จะร่วมงานกับพนักงานใหม่ที่เป็น AI อย่างมีประสิทธิภาพจริงๆ ความท้าทายอย่างหนึ่งของการบริหารจัดการการเปลี่ยนแปลง (Change Management) คือ การวัดผลกระทบของเทคโนโลยีใหม่ ที่จะเกิดขึ้นต่อธุรกิจและบุคลากร
วันนี้ Predictive ขอเสนอกรอบแนวคิด หรือ Framework เพื่อพัฒนา KPIs ที่จะช่วยวัดผล AI Change Management โดยในเบื้องต้นเราจะขอกล่าวถึง AI 3 ประเภทที่มักจะพบอยู่บ่อยๆ ได้แก่
- Everyday AI
- Boundary-Pushing AI
- Game-Changing AI
โดย AI แต่ละประเภทจะสร้างผลกระทบที่ต่างกันออกไป ต่อธุรกิจ เทคโนโลยี และบุคลากร เดี๋ยวเรามาเริ่มกันเลยว่า AI แต่ละประเภทคืออะไร และจะสร้างผลกระทบอะไรให้กับองค์กรของเราบ้าง
เลือกอ่านหัวข้อที่คุณสนใจ
Everyday AI
เป็น AI ที่พบได้ทั่วไปที่สุด ใช้ในการทำงาน ช่วยจัดการขั้นตอนที่เป็น Routine และการบริการลูกค้า ซึ่ง KPIs ที่แนะนำให้ใช้ในการวัดผลกระทบของ AI ตัวนี้ได้แก่
- ช่วย Customer Service ทำงานได้มากขึ้นเท่าไหร่ : เช่น โดยปกติแล้ว Customer Service 1 คนสามารถปิดเคสได้ 20 เคส ต่อวัน แต่เมื่อนำ AI เข้ามาใช้งาน พบว่า จำนวนพนักงานเท่าเดิม แต่ช่วยให้ค่าเฉลี่ยในการปิดเคสเพิ่มขึ้นเป็น 40 เคส ต่อคน ต่อวัน
- ลดระยะเวลาที่ใช้ในการปิดเคส: เช่น เดิมที 1 เคสจะต้องใช้เวลาเฉลี่ยอยู่ที่ 30 นาที เพื่อแก้ไขปัญหาให้กับลูกค้า แต่เมื่อมี AI เข้ามาช่วย ทำให้ลดระยะเวลาให้เหลือเพียง 17 นาที ต่อเคส
- เพิ่มความพึงพอใจในการใช้งาน : ทุกคนน่าจะเคยถูกขอให้ประเมินความพึงพอใจหลังการให้บริการใช้ไหมครับ และเกณฑ์การประเมินนี้ก็จะถูกใช้กับ AI ด้วยเช่นกัน ถ้าหากคะแนนความถึงพอใจของลูกค้าสูงขึ้นเท่าไหร่ ก็ยิ่งเป้นสัญญาณที่ดีที่เราจะใช้งาน AI ต่อไปในส่วนอื่นๆด้วย
Boundary-pushing AI
มีความซับซ้อนกว่า Everyday AI ใช้สำหรับงานที่ซับซ้อนขึ้นมาอีกระดับ เช่น การตรวจจับการทุจริต และการวิเคราะห์เชิงคาดการณ์ KPIs ที่แนะนำให้ใช้เพื่อวัดผลกระทบของ AI ตัวนี้ ได้แก่
- เพิ่มความแม่นยำในการตรวจจับการทุจริต : จาก 100% ของเคสที่เราใส่ให้ AI ตรวจจับ ความแม่นยำในผลลัพธ์ที่ได้เป็นอย่างไร หากมีความคลาดเคลื่อนเกิดขึ้น ให้พิจรณาว่าอยู่ในเกณฑ์ที่องค์กรยอมรับได้หรือไม่
- ลดเวลาในการระบุธุรกรรมฉ้อโกง
- ปรับปรุงการประเมินความเสี่ยงของลูกค้า
Game-changing AI
เป็น AI ที่ก้าวหน้าที่สุด ใช้สำหรับงานที่จะช่วยให้องค์กรกลายเป็นผู้นำในตลาด เช่น รถยนต์อัตโนมัติ (Autonomous Vehicles) และยาที่ปรับแต่งตามบุคคล (Personalized Medicine) KPIs ที่แนะนำให้ใช้เพื่อวัดผลกระทบของ AI ตัวนี้ ได้แก่
- เพิ่มส่วนแบ่งการตลาด (Increased market share)
- ลดเวลาในการนำผลิตภัณฑ์ใหม่สู่ตลาด (Reduced time to market for new products)
- ปรับปรุงประสบการณ์ลูกค้า (Improved customer experience)
AI Opportunity Radar ช่วยนำทางอนาคตให้กับธุรกิจของคุณ
ถ้าใครยังไม่รู้ว่าจะเริ่มที่ตรงไหนดี เราขอแนะนำให้ใช้ Opportunity Radar เพื่อระบุโอกาสเชิงกลยุทธ์ และประเมินความเป็นไปได้ พร้อมทั้งผลที่จะเกิดขึ้น
ก่อนอื่นต้องเข้าใจความหมายของ Radar ก่อน
จากภาพด้านบน Radar จะถูกแบ่งออกเป็น 4 ส่วน ซึ่งแต่ละส่วนจะสื่อความหมายถึง
- การดำเนินงานภายใน
- หน้าบ้าน (front Office)
- ความสามารถหลัก (Core Capabilities)
- และ ผลิตภัณฑ์/บริการ (Product/Services)
แต่ละส่วนก็จะถูกแบ่งออกเป็น 3 ขั้น ซึ่งแต่ละขั้นจะหมายถึง
- Everyday AI
- การลดต้นทุนผ่านระบบอัตโนมัติด้วย AI (Cost Reduction via AI Automation)
- Game-Changing AI.
บริเวณตรงกลางของเรดาร์แสดงถึงความสัมพันธ์ที่เปลี่ยนแปลงไประหว่างมนุษย์กับเครื่องจักร เมื่อเราเคลื่อนไปทางขวาบน ขีดความสามารถของ AI จะซับซ้อนมากขึ้น เปลี่ยนจากบทบาท การทำงานร่วมกัน เป็น การขยายศักยภาพ มนุษย์ยังคงมีความจำเป็น ไม่ถูกแทนที่ แต่ทำงานร่วมกับ AI เพื่อให้บรรลุผลลัพธ์ที่ดีขึ้น
ตัวอย่าง Technology/Business/People-driven Outcomes ในแต่ละอุตสาหกรรม
Predictive’s Framework
และเราจะขอเสนอ Framework เพื่อให้ทุกคนสามารถนำไปพัฒนา KPIs สำหรับ AI แต่ละประเภทอีกด้วยนะครับ โดย Framework นี้จะมี 3 ขั้นตอนที่คุณจะต้องวิเคราะห์ ได้แก่
- กำหนดวัตถุประสงค์ของการนำ AI มาใช้งาน
- ระบุผู้ที่จะมีส่วนได้เสียกับการดำเนินการครั้งนี้
- ตั้ง KPIs ที่จะช่วยให้สามารถวัดผลกระทบที่จะเกิดขึ้นกับผู้มีส่วนได้เสียแต่ละรายในข้อ 2
นอกเหนือจาก KPIs ที่เราได้แนะนำไปก่อนหน้านี้ หากองค์กรไหนมีขอบเขตอื่นๆที่ต้องการจะปรับปรุงหรือพัฒนาก็สามารถตั้ง KPIs ใหม่ขึ้นมาเพื่อให้คุณสามารถวัดผล Change Management นี้ได้ตาม Framework ที่เราได้แนะนำไปในหัวข้อสุดท้าย
สรุป
การใช้ KPIs มาวัดผลถือเป็นสิ่งสำคัญสำหรับการทำ AI Change Management ให้ประสบความสำเร็จ เพื่อวัดผลกระทบของ AI ที่จะเกิดขึ้นกับธุรกิจ เทคโนโลยี และบุคลากร และยังช่วยให้องค์กรสามารถมั่นใจได้ด้วยว่าการนำ AI มาใช้งานครั้งนี้ จะช่วยให้เกิดผลลัพธ์ที่ต้องการจริงๆ
Predictive หวังเป็นอย่างยิ่งว่าคอนเทนต์นี้จะเป็นประโยชน์ต่อผู้อ่านทุกๆท่านนะครับ และหากใครสนใจอยากจะนำ AI มาช่วยงานบุคลากร สามารถติดต่อ Predictive ได้เลยครับ เรายินดีให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย