ອົງກອນ AI Native ບໍ່ແມ່ນການນຳເອົາ AI ມາ "ວາງໄວ້ເທິງ" ການດຳເນີນງານທີ່ມີຢູ່ແລ້ວ, ແຕ່ເປັນຮູບແບບຂອງບໍລິສັດທີ່ຝັງ AI ເຂົ້າໄປເປັນພື້ນຖານໃນທຸກຊັ້ນຂອງຍຸດທະສາດ, ຂະບວນການເຮັດວຽກ ແລະ ການຕັດສິນໃຈ. ມັນບໍ່ແມ່ນການນຳມາໃຊ້ເປັນພຽງເຄື່ອງມື, ແຕ່ເປັນການອອກແບບໂຄງສ້າງຂອງອົງກອນຄືນໃໝ່ໄປພ້ອມກັບ AI — ເຊິ່ງເປັນແນວຄິດທີ່ແຕກຕ່າງຈາກການຂັບເຄື່ອນ DX ແບບດັ້ງເດີມຢ່າງສິ້ນເຊີງ.

ບົດຄວາມນີ້ມີຈຸດປະສົງເພື່ອໃຫ້ຜູ້ບໍລິຫານ, ຫົວໜ້າຝ່າຍບຸກຄະລາກອນ ແລະ ຜູ້ຮັບຜິດຊອບວາງແຜນຍຸດທະສາດຂອງອົງກອນ ໄດ້ເຂົ້າໃຈເຖິງຂອບເຂດວຽກງານຂອງ Chief AI Officer (CAO), ການແບ່ງບົດບາດໜ້າທີ່ກັບ CIO ແລະ CFO, ລວມເຖິງວິທີການອອກແບບໂຄງສ້າງອົງກອນຄືນໃໝ່ເປັນແຕ່ລະໄລຍະ ຈາກມຸມມອງການປະຕິບັດງານຕົວຈິງ. ເມື່ອອ່ານຈົບ, ທ່ານຈະເຫັນທິດທາງໃນການອອກແບບອົງກອນເພື່ອວາງການລົງທຶນດ້ານ AI ໃຫ້ເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ໃນການຕັດສິນໃຈ ຢ່າງເປັນຮູບປະທຳ.

ອົງກອນ AI-native ບໍ່ໄດ້ໝາຍເຖິງພຽງແຕ່ບໍລິສັດທີ່ມີການນຳໃຊ້ເຄື່ອງມື AI ເທົ່ານັ້ນ. ແຕ່ໝາຍເຖິງບໍລິສັດທີ່ການຕັດສິນໃຈດ້ານການບໍລິຫານ, ການອອກແບບຂະບວນການເຮັດວຽກ, ການຈັດວາງບຸກຄະລາກອນ ແລະ ການອອກແບບ KPI ທັງໝົດ ຖືກສ້າງຂຶ້ນໂດຍມີພື້ນຖານທີ່ວ່າ "AI ສາມາດເປັນຜູ້ດຳເນີນການຫຼັກໃນການເຮັດວຽກໄດ້". ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດເມື່ອທຽບກັບອົງກອນທີ່ຂັບເຄື່ອນດ້ວຍ DX ແບບດັ້ງເດີມ ແມ່ນຢູ່ທີ່ແນວຄິດພື້ນຖານວ່າ ຈະວາງຕຳແໜ່ງ AI ໃຫ້ເປັນ "ເຄື່ອງມືຊ່ວຍເຫຼືອມະນຸດ" ຫຼື ຈະອອກແບບໂດຍໃຫ້ AI ເປັນ "ຜູ້ດຳເນີນການຫຼັກໃນການເຮັດວຽກ". ສິ່ງທີ່ສຳຄັນບໍ່ແມ່ນການພິຈາລະນາວ່າໄດ້ນຳໃຊ້ເຄື່ອງມືແລ້ວຫຼືບໍ່, ແຕ່ແມ່ນການຕັ້ງຄຳຖາມວ່າໂຄງສ້າງຂອງອົງກອນນັ້ນໄດ້ຖືກອອກແບບໂດຍມີ AI ເປັນພື້ນຖານແລ້ວຫຼືຍັງ.

DX ແມ່ນມີ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຢູ່ທີ່ "ການເຮັດໃຫ້ວຽກງານທີ່ມີຢູ່ແລ້ວກາຍເປັນດິຈິຕອນ". ບໍ່ວ່າຈະເປັນການປ່ຽນແບບຟອມເຈ້ຍມາເປັນລະບົບ Workflow, ການປ່ຽນການຂາຍແບບຕໍ່ໜ້າມາເປັນການປະຊຸມອອນລາຍ, ຫຼື ການເຮັດໃຫ້ການລວມຂໍ້ມູນ Excel ເປັນອັດຕະໂນມັດດ້ວຍເຄື່ອງມື BI. ທັງໝົດນີ້ແມ່ນແນວຄວາມຄິດທີ່ວ່າ ຜູ້ດຳເນີນຂະບວນການເຮັດວຽກຍັງຄົງເປັນມະນຸດ, ພຽງແຕ່ປ່ຽນເຄື່ອງມືທີ່ໃຊ້ໃຫ້ເປັນດິຈິຕອນເທົ່ານັ້ນ.

ແນວຄວາມຄິດແບບ AI-native ແມ່ນມຸ່ງໄປໃນທິດທາງກົງກັນຂ້າມ. ໂດຍມີເງື່ອນໄຂເບື້ອງຕົ້ນທີ່ວ່າ "ໃນບັນດາວຽກງານທີ່ມະນຸດເຄີຍຕັດສິນໃຈ, ສ່ວນໃດທີ່ສາມາດສ້າງໂຄງສ້າງໄດ້ AI ຈະເປັນຜູ້ປະຕິບັດຢ່າງຕັ້ງໜ້າ, ສ່ວນມະນຸດຈະສຸມໃສ່ການຈັດການກັບກໍລະນີຍົກເວັ້ນ ແລະ ການຮັບປະກັນການຕັດສິນໃຈ", ເຊິ່ງເປັນການອອກແບບວຽກງານໃໝ່ທັງໝົດ. ຄວາມແຕກຕ່າງທີ່ສຳຄັນຄືໂຄງສ້າງທີ່ປ່ຽນໄປ ເຊິ່ງ AI ກາຍເປັນຜູ້ດຳເນີນວຽກງານຫຼັກ ແລະ ມະນຸດເຮັດໜ້າທີ່ເປັນຜູ້ກຳກັບດູແລ. ແກນກາງຂອງການຕັດສິນໃຈລົງທຶນກໍປ່ຽນຈາກການຫຼຸດຜ່ອນຕົ້ນທຶນໄປສູ່ການສ້າງມູນຄ່າ, ແລະ ຄວາມເປັນຜູ້ນຳໃນການອອກແບບອົງກອນກໍຍ້າຍຈາກພະແນກ IT ໄປສູ່ລະດັບຜູ້ບໍລິຫານ. KPI ກໍຈະບໍ່ແມ່ນການປັບປຸງປະສິດທິພາບການເຮັດວຽກອີກຕໍ່ໄປ, ແຕ່ຈະເປັນການຕັ້ງຄຳຖາມຕໍ່ກັບນິຍາມຂອງວຽກງານນັ້ນເອງ.

ຖ້າຫາກນຳ AI ມາໃຊ້ໃນຂະນະທີ່ຍັງເປັນອົງກອນ DX ຢູ່, ສຸດທ້າຍກໍມັກຈະຈົບລົງທີ່ "ການເພີ່ມ AI ເຂົ້າໄປໃນວຽກງານທີ່ມີຢູ່ແລ້ວພຽງເລັກນ້ອຍ" ເທົ່ານັ້ນ. ໂດຍທີ່ບໍ່ສາມາດບັນລຸເຖິງການອອກແບບຂະບວນການເຮັດວຽກໃໝ່ທີ່ AI ຄວນຈະນຳມາໃຫ້, ເຮັດໃຫ້ມີພຽງແຕ່ຕົ້ນທຶນໃນການນຳໃຊ້ເຄື່ອງມືເທົ່ານັ້ນທີ່ເພີ່ມຂຶ້ນກ່ອນ. ນີ້ບໍ່ແມ່ນບັນຫາຂອງເຄື່ອງມື, ແຕ່ເປັນທາງຕັນທາງໂຄງສ້າງທີ່ເກີດຈາກການທີ່ເງື່ອນໄຂເບື້ອງຕົ້ນຂອງອົງກອນບໍ່ໄດ້ປ່ຽນແປງ.

ເມື່ອສັງເກດເບິ່ງອົງກອນທີ່ດຳເນີນງານໃນຖານະບໍລິສັດ AI Native, ຈະເຫັນໄດ້ວ່າມີຈຸດຮ່ວມບາງຢ່າງທີ່ປາກົດຂຶ້ນມາ.

ກ່ອນອື່ນໝົດ, ແມ່ນການທີ່ AI ຖືກນຳເຂົ້າໄປຢູ່ໃນໜ້າວຽກຂອງການຕັດສິນໃຈ. ໃນສະຖານະການສຳຄັນຕ່າງໆ ເຊັ່ນ: ການປະຊຸມບໍລິຫານ, ການປະຊຸມຝ່າຍຂາຍ ຫຼື ການສຳພາດຮັບພະນັກງານ, ການວິເຄາະ ແລະ ຂໍ້ສະເໜີແນະຂອງ AI ຈະຖືກນຳໃຊ້ເປັນເອກະສານອ້າງອີງຫຼັກ. ບໍ່ແມ່ນພຽງແຕ່ "ເບິ່ງໄວ້ເພື່ອເປັນຂໍ້ມູນອ້າງອີງ" ເທົ່ານັ້ນ, ແຕ່ໝາຍເຖິງສະພາວະທີ່ຜົນລວມຈາກ AI ໄດ້ຖືກລວມເຂົ້າໄປໃນເອກະສານຕັ້ງແຕ່ກ່ອນຈະນຳເຂົ້າວາລະການປະຊຸມ.

ຕໍ່ມາ, ຈຸດເລີ່ມຕົ້ນຂອງການອອກແບບວຽກງານແມ່ນແຕກຕ່າງກັນ. ເມື່ອສ້າງຂະບວນການໃໝ່, ສິ່ງທີ່ຖາມເປັນອັນດັບທຳອິດຄື "ວຽກນີ້ AI ສາມາດເປັນຫຼັກໄດ້ຫຼືບໍ່?". ບໍ່ໄດ້ຕັ້ງຄ່າເລີ່ມຕົ້ນໃຫ້ມະນຸດເປັນສູນກາງ, ແຕ່ມີທັດສະນະຄະຕິທີ່ຄິດວິເຄາະການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດແບບ Zero-based.

ຍິ່ງໄປກວ່ານັ້ນ, ການມີຄວາມຮັບຜິດຊອບທີ່ຊັດເຈນຕໍ່ການລົງທຶນດ້ານ AI ກໍຖືເປັນຈຸດເດັ່ນ. ຖ້າການຕັດສິນໃຈກະແຈກກະຈາຍໄປຢູ່ກັບຫຼາຍຕຳແໜ່ງ ເຊັ່ນ: CIO, CFO, COO, ການຕັດສິນໃຈລົງທຶນດ້ານ AI ມັກຈະຖືກເລື່ອນອອກໄປ. ໃນບໍລິສັດ AI Native, ຈະມີຕຳແໜ່ງສະເພາະທາງຢ່າງ CAO ຫຼື ບຸກຄົນທີ່ມີອຳນາດການຕັດສິນໃຈທີ່ຊັດເຈນໃນລະດັບດຽວກັນ.

ແລະສິ່ງທີ່ບໍ່ສາມາດມອງຂ້າມໄດ້ຄື ການຈັດການ AI Governance ໃຫ້ເປັນວາລະການບໍລິຫານ. ຫົວຂໍ້ຕ່າງໆ ເຊັ່ນ: ຄວາມສາມາດໃນການອະທິບາຍ (Explainability), ຄວາມຍຸຕິທຳ, ຄວາມເປັນສ່ວນຕົວຂອງຂໍ້ມູນ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ ຈະບໍ່ຖືກມອບໝາຍໃຫ້ພຽງແຕ່ພະແນກປະຕິບັດຕາມກົດລະບຽບ (Compliance) ເທົ່ານັ້ນ, ແຕ່ຝ່າຍບໍລິຫານຈະນຳເອົາຫົວຂໍ້ເຫຼົ່ານີ້ເຂົ້າສູ່ເວທີການສົນທະນາໂດຍກົງ.

ບໍລິສັດທີ່ສາມາດເຮັດໄດ້ຄົບທັງ 4 ຢ່າງນີ້ ໃນປັດຈຸບັນຍັງຖືເປັນສ່ວນໜ້ອຍ. ສິ່ງທີ່ສຳຄັນບໍ່ແມ່ນການຖາມວ່າ "ເຮັດໄດ້ຄົບທຸກຢ່າງແລ້ວຫຼືບໍ່", ແຕ່ແມ່ນການທີ່ຝ່າຍບໍລິຫານສາມາດເຂົ້າໃຈໄດ້ຢ່າງຖືກຕ້ອງວ່າ ບໍລິສັດຂອງຕົນເອງຢູ່ໃນຂັ້ນຕອນໃດ ແລະ ຄວນເສີມສ້າງສິ່ງໃດຕໍ່ໄປ.

ໂຄງການ AI ໄດ້ເລີ່ມຕົ້ນຂຶ້ນໃນແຕ່ລະພະແນກ ຈົນເຮັດໃຫ້ການຕັດສິນໃຈລົງທຶນຂອງທັງບໍລິສັດເກີດຄວາມແຕກແຍກໂດຍບໍ່ຮູ້ຕົວ—ທ່ານເຄີຍພົບກັບສະຖານະການແບບນີ້ບໍ? ຝ່າຍການຕະຫຼາດກໍມີວິທີການຂອງຝ່າຍການຕະຫຼາດ, ຝ່າຍວິສະວະກຳກໍມີວິທີການຂອງຝ່າຍວິສະວະກຳ, ຕ່າງຝ່າຍຕ່າງກໍນຳໃຊ້ເຄື່ອງມືຂອງຕົນເອງ ແລະ ບໍ່ມີໃຜສາມາດຕອບໄດ້ວ່າຄວາມຮັບຜິດຊອບດ້ານການກຳກັບດູແລ (Governance) ນັ້ນຢູ່ໃສ. ການທີ່ການປະຕິບັດຕາມກົດລະບຽບຊັກຊ້າກໍມີຕົ້ນຕໍມາຈາກບັນຫາດຽວກັນນີ້ເອງ, ນັ້ນກໍຄືການທີ່ບໍ່ມີໜ່ວຍງານໃດໃນອົງກອນຮັບຜິດຊອບໃນການຕັດສິນໃຈລົງທຶນດ້ານ AI. ການແຕ່ງຕັ້ງ Chief AI Officer (CAO) ຈຶ່ງກາຍເປັນທາງເລືອກໃນການອອກແບບອົງກອນທີ່ໄດ້ຮັບຄວາມສົນໃຈ ເພື່ອຕື່ມເຕັມຊ່ອງຫວ່າງດັ່ງກ່າວ.

ຫຼາຍບໍລິສັດກຳລັງດຳເນີນໂຄງການ AI ໃນຮູບແບບ "ການລິເລີ່ມທີ່ເປັນເອກະລາດຂອງແຕ່ລະພະແນກ". ພະແນກຂາຍເຮັດສັນຍາໃຊ້ AI ຜູ້ຊ່ວຍແບບແຊັດດ້ວຍຕົນເອງ, ພະແນກບຸກຄະລາກອນນຳໃຊ້ AI ຊ່ວຍເຫຼືອການຮັບສະໝັກງານຈາກຜູ້ໃຫ້ບໍລິການອື່ນ, ແລະ ພະແນກຜະລິດເລີ່ມເຮັດ PoC ກ່ຽວກັບການບຳລຸງຮັກສາແບບຄາດການ. ເບິ່ງຜິວເຜີນຄືແຕ່ລະພະແນກກຳລັງເຄື່ອນໄຫວຢ່າງຫ້າວຫັນ, ແຕ່ຄວາມເປັນຈິງແລ້ວມັນຄືການສະສົມການເພີ່ມປະສິດທິພາບແບບແຍກສ່ວນ.

ຜົນທີ່ຕາມມາຄືການເກີດຄວາມຜິດປົກກະຕິທາງໂຄງສ້າງ. ເນື່ອງຈາກຂໍ້ມູນດຽວກັນຖືກຈັດການໃນຮູບແບບທີ່ແຕກຕ່າງກັນໃນແຕ່ລະພະແນກ ຈຶ່ງບໍ່ສາມາດວິເຄາະແບບຂ້າມພະແນກໄດ້, ແລະ ການເຮັດສັນຍາກັບຜູ້ໃຫ້ບໍລິການ AI ທີ່ກະຈັດກະຈາຍເຮັດໃຫ້ບໍ່ມີໃຜເຫັນຕົ້ນທຶນລວມ. ການລົງທຶນໃນພື້ນຖານຂໍ້ມູນ, ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ດ້ານການຢືນຢັນຕົວຕົນ ແລະ ການກຳກັບດູແລທີ່ໃຊ້ຮ່ວມກັນທັງບໍລິສັດ ຖືກຜັດຜ່ອນໄປເລື້ອຍໆດ້ວຍເຫດຜົນທີ່ວ່າ "ບໍ່ແມ່ນງົບປະມານຂອງພະແນກເຮົາ", ຈົນມາຮອດຈຸດທີ່ພົບວ່າບໍ່ມີຜູ້ຮັບຜິດຊອບຄົນໃດໃນກອງປະຊຸມບໍລິຫານທີ່ສາມາດຕັດສິນໃຈກ່ຽວກັບລຳດັບຄວາມສຳຄັນຂອງວຽກງານທີ່ສຳຄັນໄດ້ເລີຍ.

ຖ້າເຊັ່ນນັ້ນ, ຕຳແໜ່ງທີ່ມີຢູ່ແລ້ວບໍ່ສາມາດຮັບມືໄດ້ບໍ? CIO ເປັນຕຳແໜ່ງທີ່ເບິ່ງພາບລວມຂອງໂຄງສ້າງພື້ນຖານ IT, ແຕ່ການຈະໃຫ້ມາທຸ້ມເທເວລາເຕັມທີ່ກັບປະເດັນສະເພາະຂອງການລົງທຶນ AI ເຊັ່ນ: ການເລືອກແບບຈຳລອງ, ຍຸດທະສາດຂໍ້ມູນ, ຈັນຍາບັນ AI ແລະ ການປະຕິບັດຕາມກົດລະບຽບນັ້ນ ແມ່ນມີພາລະໜັກເກີນໄປເມື່ອລວມກັບໜ້າທີ່ຮັບຜິດຊອບເດີມ. ໃນຂະນະທີ່ CFO ຢູ່ໃນຖານະທີ່ຈະຕັດສິນໃຈກ່ຽວກັບປະສິດທິຜົນຂອງການລົງທຶນ, ແຕ່ບຸກຄະລາກອນທີ່ສາມາດຕັດສິນໃຈໂດຍອີງໃສ່ຄຸນລັກສະນະຂອງເທັກໂນໂລຊີ AI ຍັງຖືວ່າຫາຍາກ. ຈະແຕ່ງຕັ້ງຜູ້ບໍລິຫານລະດັບສູງທີ່ຮັບຜິດຊອບໂດຍສະເພາະ (CAO) ຫຼື ຈະລວມສູນຄວາມຮັບຜິດຊອບດ້ານຍຸດທະສາດ AI ໄວ້ໃນຕຳແໜ່ງທີ່ມີຢູ່ແລ້ວຢ່າງຊັດເຈນ? ບໍ່ວ່າຈະເປັນທາງໃດ, ການດຳເນີນການນັ້ນຄືບາດກ້າວທຳອິດທີ່ສຳຄັນໃນການແກ້ໄຂບັນຫາຄວາມຊັກຊ້າໃນການຕັດສິນໃຈ.

AI Governance ບໍ່ແມ່ນຫົວຂໍ້ທີ່ຈົບລົງພຽງແຕ່ໃນພະແນກປະຕິບັດຕາມກົດລະບຽບເທົ່ານັ້ນ ແຕ່ມັນມີຄວາມຜູກພັນຢ່າງແຍກບໍ່ອອກກັບຍຸດທະສາດທຸລະກິດ, ຍຸດທະສາດຂໍ້ມູນ ແລະ ຍຸດທະສາດຊັບພະຍາກອນມະນຸດ.

ມີຫຼາຍຫົວຂໍ້ທີ່ຄວນໃຫ້ຄວາມສຳຄັນຢ່າງລະອຽດ. ກ່ອນອື່ນໝົດ, ແມ່ນບັນຫາຄວາມສາມາດໃນການອະທິບາຍຂອງໂມເດວ (Model Explainability) ເຊິ່ງກໍຄືການສາມາດອະທິບາຍເຫດຜົນຂອງການຕັດສິນໃຈທີ່ AI ໄດ້ຕັດສິນລົງໄປໃນສະຖານະການຕ່າງໆ ເຊັ່ນ: ການຮັບສະໝັກງານ, ການໃຫ້ສິນເຊື່ອ ແລະ ການປະເມີນຜົນພະນັກງານ. ຕໍ່ມາແມ່ນບັນຫາຄວາມເປັນສ່ວນຕົວ ກ່ຽວກັບການກຳນົດຂອບເຂດໃນການນຳຂໍ້ມູນສ່ວນບຸກຄົນໄປໃຫ້ AI ຮຽນຮູ້ ແລະ ຫຼັກການການຫຼຸດຜ່ອນຂໍ້ມູນໃຫ້ໜ້ອຍທີ່ສຸດ (Data Minimization). ນອກຈາກນີ້, ຍັງມີວຽກງານການຈັດປະເພດການນຳໃຊ້ AI ຂອງບໍລິສັດໃຫ້ສອດຄ່ອງກັບກອບກົດໝາຍ ເຊັ່ນ: EU AI Act, ການກຳນົດຂອບເຂດການສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ AI ຂອງພາກສ່ວນທີສາມ (Third-party AI) ແລະ ການປະເມີນຄວາມສ່ຽງ, ລວມເຖິງການສ້າງນະໂຍບາຍພາຍໃນກ່ຽວກັບການນຳໃຊ້ Generative AI ຂອງພະນັກງານ ກໍເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້.

ໃນບໍລິສັດທີ່ບໍ່ມີການປຶກສາຫາລືເລື່ອງເຫຼົ່ານີ້ໃນລະດັບຜູ້ບໍລິຫານ, ການຮັບມືກັບກົດລະບຽບມັກຈະຖືກປ່ອຍໃຫ້ເປັນການຕັດສິນໃຈຂອງແຕ່ລະພະແນກ ເຊິ່ງມີແນວໂນ້ມທີ່ຈະພົບເຫັນຄວາມບໍ່ສອດຄ່ອງທີ່ຮ້າຍແຮງໃນເວລາທີ່ມີການກວດສອບໃນພາຍຫຼັງ. ການສ້າງລະບົບໃຫ້ CAO ຫຼື ຜູ້ຮັບຜິດຊອບໃນລະດັບດຽວກັນ ເປັນຜູ້ຈັດການ AI Governance ໃຫ້ເປັນວາລະການບໍລິຫານ ຈະຊ່ວຍໃຫ້ສາມາດຮັກສາສະຖານະທີ່ເຮັດໃຫ້ເຫັນຄວາມສ່ຽງເຫຼົ່ານີ້ໄດ້.

ຂອບເຂດວຽກງານຂອງ Chief AI Officer ແມ່ນຈະແຕກຕ່າງກັນໄປຕາມໄລຍະຂອງບໍລິສັດ, ຂະແໜງທຸລະກິດ ແລະ ໂຄງສ້າງອົງກອນທີ່ມີຢູ່ແລ້ວ. ແນວໃດກໍຕາມ, ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກທີ່ທຸກບໍລິສັດຕ້ອງພິຈາລະນາຄືກັນນັ້ນ ມັກຈະສຸມໃສ່ສອງປະເດັນຄື: ການຕັດສິນໃຈວ່າ "ຈະສຸມການລົງທຶນດ້ານ AI ໄວ້ບ່ອນໃດ" ແລະ "ຈະກຳນົດຂອບເຂດບົດບາດກັບຕຳແໜ່ງ C-level ອື່ນໆແນວໃດ".

ຄວາມຮັບຜິດຊອບອັນດັບທຳອິດຂອງ CAO ແມ່ນການອອກແບບພອດໂຟລິໂອການລົງທຶນດ້ານ AI ຂອງທັງອົງກອນ.

ໂດຍສະເພາະ, ມັນເລີ່ມຕົ້ນຈາກການຄັດເລືອກຂົງເຂດທີ່ສຳຄັນວ່າຄວນຈະສຸມການລົງທຶນດ້ານ AI ໃສ່ຂະແໜງການໃດ. ໂດຍມີການປະເມີນແບບຂ້າມສາຍງານ ເຊັ່ນ: ການສະໜັບສະໜູນການຂາຍ, ການເພີ່ມປະສິດທິພາບການຜະລິດ, ແລະ ການເຮັດໃຫ້ວຽກງານຫຼັງບ້ານເປັນອັດຕະໂນມັດ, ພ້ອມທັງຈັດລຳດັບຄວາມສຳຄັນຈາກທັງຜົນກະທົບຕໍ່ການບໍລິຫານ ແລະ ຄວາມເປັນໄປໄດ້ໃນການປະຕິບັດຕົວຈິງ. ໃນຂະນະດຽວກັນ, ການຈັດສັນການລົງທຶນລະຫວ່າງກໍລະນີການນຳໃຊ້ (Use case) ສະເພາະທາງ ກັບການລົງທຶນໃນ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ສ່ວນກາງ ເຊັ່ນ: ພື້ນຖານຂໍ້ມູນ ແລະ ພື້ນຖານການດຳເນີນງານຂອງໂມເດວ ກໍເປັນການຕັດສິນໃຈທີ່ສຳຄັນ. ຖ້າໄລ່ຕາມຜົນປະໂຫຍດໃນໄລຍະສັ້ນຫຼາຍເກີນໄປ ພື້ນຖານກໍຈະອ່ອນແອ, ແຕ່ຖ້າເນັ້ນໜັກໃສ່ພື້ນຖານຫຼາຍເກີນໄປ ການສົ່ງມອບຄຸນຄ່າໃຫ້ແກ່ໜ້າວຽກຕົວຈິງກໍຈະຊັກຊ້າ. ຄວາມຮູ້ສຶກໃນການຮັກສາຄວາມສົມດູນນີ້ເອງ ຄືສິ່ງທີ່ຮຽກຮ້ອງໃຫ້ມີໃນການບໍລິຫານສຳລັບ CAO.

ຍິ່ງໄປກວ່ານັ້ນ, ຍັງຮັບຜິດຊອບໃນການແຍກແຍະລະຫວ່າງຂົງເຂດທີ່ຄວນພັດທະນາ ແລະ ດຳເນີນງານເອງ ພາຍໃນບໍລິສັດ ກັບຂົງເຂດທີ່ຄວນມອບໝາຍໃຫ້ SaaS ຫຼື ບໍລິສັດທີ່ປຶກສາ, ລວມເຖິງການກຳນົດມາດຕະຖານການປະເມີນຜູ້ຂາຍ (Vendor) ແລະ ຂໍ້ກຳນົດດ້ານທຳມາພິບານ (Governance) ທີ່ໃຊ້ຮ່ວມກັນທັງອົງກອນ.

ສິ່ງທີ່ຄວນຈື່ໄວ້ໃນທີ່ນີ້ຄື CAO ບໍ່ແມ່ນຜູ້ຊ່ຽວຊານດ້ານການຄັດເລືອກເຕັກໂນໂລຊີ. ໂດຍພື້ນຖານແລ້ວ, ການຕັດສິນໃຈດ້ານເຕັກນິກໃນລະດັບການຈັດຕັ້ງປະຕິບັດຄວນມອບໝາຍໃຫ້ທີມວິສະວະກຳ AI/ML, ໃນຂະນະທີ່ຕົວ CAO ເອງຈະສຸມໃສ່ການບໍລິຫານພອດໂຟລິໂອວ່າ "ຄວນລົງທຶນບ່ອນໃດ, ຄວນຖອນຕົວຈາກຫຍັງ, ແລະ ຄວນຂະຫຍາຍຕົວເມື່ອໃດ". ເປັນຕຳແໜ່ງທີ່ມີຄວາມຮັບຜິດຊອບສູງສຸດໃນການຕັດສິນໃຈດ້ານການລົງທຶນ ໃນຖານະຜູ້ເຊື່ອມຕໍ່ລະຫວ່າງເຕັກໂນໂລຊີ ແລະ ການບໍລິຫານ.

ເມື່ອມີການແຕ່ງຕັ້ງ CAO, ຖ້າບໍ່ມີການລະບຸພາລະບົດບາດໃຫ້ຊັດເຈນກັບຕຳແໜ່ງ C-level ທີ່ມີຢູ່ແລ້ວ ເຊັ່ນ: CIO, CFO ຫຼື CSO, ມັນຈະເກີດບັນຫາຄວາມຮັບຜິດຊອບຊ້ຳຊ້ອນ ຫຼື ຊ່ອງວ່າງໃນການເຮັດວຽກ. ນີ້ບໍ່ແມ່ນພຽງແຕ່ຄວາມກັງວົນໃນທາງທິດສະດີເທົ່ານັ້ນ, ແຕ່ເປັນບັນຫາທີ່ມັກເກີດຂຶ້ນແທ້ໃນການອອກແບບໂຄງສ້າງອົງກອນ.

ການຈັດລະບຽບພາລະບົດບາດຄວນຍຶດຖືແນວທາງພື້ນຖານດັ່ງນີ້: CAO ມີຄວາມຮັບຜິດຊອບສູງສຸດຕໍ່ການອອກແບບຍຸດທະສາດ AI ທັງໝົດ, ການຈັດສັນການລົງທຶນ ແລະ ການກຳກັບດູແລ, ໃນຂະນະທີ່ CIO ຮັບຜິດຊອບດ້ານການສ້າງ ແລະ ດຳເນີນງານ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ຂອງ AI ລວມເຖິງການເຊື່ອມໂຍງລະບົບ. CFO ຮັບຜິດຊອບການວັດແທກ ROI ຂອງການລົງທຶນ AI ແລະ ການປະເມີນຜົນກະທົບທາງການເງິນ, CSO/CISO ຮັບຜິດຊອບການປະເມີນຄວາມປອດໄພຂອງ AI ແລະ ການຈັດການຄວາມສ່ຽງດ້ານຂໍ້ມູນຮົ່ວໄຫຼ, ສ່ວນ CHRO ຮັບຜິດຊອບການຮັບສະໝັກບຸກຄະລາກອນດ້ານ AI ແລະ ການພັດທະນາທັກສະໃໝ່ (Reskilling) ໃຫ້ແກ່ພະນັກງານທີ່ມີຢູ່.

ສິ່ງທີ່ຕ້ອງລະມັດລະວັງເປັນພິເສດຄືການແບ່ງງານກັບ CIO. ຖ້າບໍ່ມີການກຳນົດເສັ້ນແບ່ງທີ່ຊັດເຈນຕັ້ງແຕ່ຕົ້ນວ່າ "ການສ້າງ ແລະ ດຳເນີນງານ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ຂອງ AI ເປັນໜ້າທີ່ຂອງ CIO, ສ່ວນການຕັດສິນໃຈດ້ານຍຸດທະສາດການລົງທຶນ AI ເປັນໜ້າທີ່ຂອງ CAO", ຄວາມເຫັນຂອງທັງສອງຝ່າຍອາດຂັດແຍ່ງກັນໃນຂັ້ນຕອນການເລືອກເທັກໂນໂລຊີ ເຊິ່ງຈະເຮັດໃຫ້ໂຄງການຢຸດສະງັກ. ເນື່ອງຈາກເປັນຂອບເຂດທີ່ທັງສອງຝ່າຍມັກຈະຮູ້ສຶກວ່າ "ເປັນຂອບເຂດຄວາມຮັບຜິດຊອບຂອງຕົນ", ຫາກປ່ອຍໃຫ້ມີຄວາມບໍ່ຊັດເຈນກໍຈະເຮັດໃຫ້ຕົ້ນທຶນໃນການປັບປ່ຽນພາຍຫຼັງເພີ່ມສູງຂຶ້ນ. ວິທີການຮັບມືທີ່ເປັນຈິງຄືການໃຫ້ຄະນະບໍລິຫານງານທັງໝົດຮ່ວມກັນສ້າງເອກະສານລະບຸວ່າ "CAO ມີຄວາມຮັບຜິດຊອບສູງສຸດໃນດ້ານໃດ" ແລະ ກຳນົດຂະບວນການທົບທວນຄືນໃນທຸກໆປີ.

ການຫັນປ່ຽນໄປສູ່ອົງກອນ AI-native ບໍ່ຄວນເລີ່ມຕົ້ນດ້ວຍການປະຕິຮູບທັງອົງກອນໃນທັນທີ. ໂດຍພິຈາລະນາຈາກຄວາມຊິນເຄີຍຂອງອົງກອນທີ່ມີຢູ່ແລ້ວ, ການອອກແບບເພື່ອປ່ຽນແປງຢ່າງເປັນຂັ້ນຕອນແມ່ນມີຄວາມເປັນໄປໄດ້ຫຼາຍກວ່າ. ຕໍ່ໄປນີ້ແມ່ນຕົວຢ່າງຂອງຮູບແບບການປ່ຽນແປງຕາມຂັ້ນຕອນ.

ຂັ້ນຕອນການປ່ຽນແປງອົງກອນ ໂດຍທົ່ວໄປຈະດຳເນີນໄປຕາມ 4 ໄລຍະ ດັ່ງນີ້:

ການປ່ຽນຜ່ານຈາກ Stage 1 ໄປສູ່ Stage 4 ຈະມີຄວາມແຕກຕ່າງກັນຫຼາຍ ໂດຍຂຶ້ນຢູ່ກັບຂະໜາດຂອງບໍລິສັດ, ຄວາມຍືດຫຍຸ່ນຂອງອົງກອນທີ່ມີຢູ່ເດີມ ແລະ ລະດັບຄວາມສົນໃຈຂອງຝ່າຍບໍລິຫານທີ່ມີຕໍ່ AI. ສິ່ງທີ່ສຳຄັນຄືການສ້າງຄວາມເຂົ້າໃຈທີ່ກົງກັນໃນກອງປະຊຸມບໍລິຫານວ່າ "ປະຈຸບັນບໍລິສັດຢູ່ໃນໄລຍະໃດ ແລະ ປັດໄຈກະຕຸ້ນ (Trigger) ເພື່ອກ້າວໄປສູ່ໄລຍະຕໍ່ໄປແມ່ນຫຍັງ".

ນອກຈາກນີ້ ຄວນຈັດລຽງບັນຫາທີ່ມັກພົບໃນແຕ່ລະໄລຍະໄວ້ດັ່ງນີ້:

• ອຸປະສັກຈາກ Stage 1 → 2: ແຕ່ລະພາກສ່ວນຍຶດຕິດກັບການເຮັດວຽກແບບສະເພາະພາກສ່ວນຕົນເອງ ແລະ ປະຕິເສດການປະສານງານຈາກສູນກາງ
• ອຸປະສັກຈາກ Stage 2 → 3: ຝ່າຍບໍລິຫານຍັງຄົງເບິ່ງວ່າ AI ເປັນພຽງ "ບັນຫາດ້ານ IT" ເຮັດໃຫ້ການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບໂດຍກົງມີຄວາມຊັກຊ້າ
• ອຸປະສັກຈາກ Stage 3 → 4: ເຖິງວ່າການລົງທຶນດ້ານ AI ຈະເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ ແຕ່ຂະບວນການເຮັດວຽກແບບເດີມຍັງຄົງຖືກຮັກສາໄວ້ ເຮັດໃຫ້ບໍ່ເກີດຜົນລັພທີ່ຊັດເຈນ

ການຮັບຮູ້ເຖິງອຸປະສັກໃນແຕ່ລະໄລຍະລ່ວງໜ້າ ຈະຊ່ວຍໃຫ້ສາມາດວາງແຜນມາດຕະການປ້ອງກັນໄດ້ຕັ້ງແຕ່ຂັ້ນຕອນການວາງແຜນໂຄງການປ່ຽນແປງອົງກອນ.

ໃນຂະນະທີ່ກຳລັງດຳເນີນການປ່ຽນຜ່ານໄປສູ່ອົງກອນແບບ AI-native, ມັກຈະເກີດຄວາມເຂົ້າໃຈຜິດ ແລະ ຄວາມຜິດພາດແບບເດີມໆຊ້ຳໆ. ຖ້າຫາກຮັບຮູ້ໄວ້ລ່ວງໜ້າ ກໍຈະສາມາດຫຼີກລ່ຽງກັບດັກທີ່ຄ້າຍຄືກັນນີ້ໄດ້.

ຄວາມຜິດພາດທີ່ພົບເລື້ອຍທີ່ສຸດໃນການນຳໃຊ້ AI ຄືສະພາວະທີ່ຢຸດຢູ່ພຽງແຕ່ຂັ້ນຕອນທົດລອງ (Pilot) ເຊິ່ງ "PoC ປະສົບຜົນສຳເລັດ ແຕ່ບໍ່ສາມາດນຳໄປໃຊ້ງານຈິງໄດ້". ສາເຫດສ່ວນໃຫຍ່ບໍ່ໄດ້ມາຈາກບັນຫາທາງດ້ານເຕັກນິກ ແຕ່ມາຈາກປັດໄຈດ້ານອົງກອນ:

• ບໍ່ມີການກຳນົດພາກສ່ວນຮັບຜິດຊອບໃນການດຳເນີນງານຈິງ: PoC ຖືກນຳພາໂດຍພະແນກ IT ແຕ່ມີການຕັ້ງເປົ້າໄວ້ວ່າພະແນກປະຕິບັດງານຈະເປັນຜູ້ຮັບຊ່ວງຕໍ່ໃນການດຳເນີນງານຈິງ. ເມື່ອພະແນກປະຕິບັດງານຕອບກັບວ່າ "ບໍ່ມີຄວາມພ້ອມດ້ານຊັບພະຍາກອນໃນການດຳເນີນງານເອງ", ໂຄງການດັ່ງກ່າວກໍຖືກປ່ອຍປະລະເລີຍ.
• ພະນັກງານໜ້າວຽກບໍ່ມີສິດອຳນາດໃນການປ່ຽນແປງຂະບວນການເຮັດວຽກທີ່ມີຢູ່: ການຕັດສິນໃຈທີ່ວ່າ "ໃນເມື່ອ AI ເປັນຜູ້ຕອບ, ກໍສາມາດລະເວັ້ນຂັ້ນຕອນການກວດສອບໂດຍມະນຸດໄດ້" ນັ້ນ ພະນັກງານໜ້າວຽກບໍ່ສາມາດຕັດສິນໃຈເອງໄດ້. ຖ້າຝ່າຍບໍລິຫານບໍ່ໄດ້ມອບອຳນາດໃນການອອກແບບຂະບວນການເຮັດວຽກຄືນໃໝ່, AI ກໍຈະກາຍເປັນພຽງຂັ້ນຕອນເພີ່ມເຕີມເທົ່ານັ້ນ.
• KPI ຍັງເປັນແບບເດີມເຮັດໃຫ້ບໍ່ເຫັນຜົນປະໂຫຍດ: ຫຼັງຈາກນຳໃຊ້ AI ແລ້ວ ຖ້າຍັງໃຊ້ KPI ປະລິມານວຽກແບບເດີມ (ຈຳນວນການປະມວນຜົນ, ຊົ່ວໂມງແຮງງານທີ່ໃຊ້) ກໍຈະບໍ່ສາມາດສະທ້ອນເຖິງການປ່ຽນແປງທາງໂຄງສ້າງຂອງວຽກທີ່ເກີດຈາກ AI ໄດ້.
• ບໍ່ມີຜູ້ຕັດສິນໃຈໃນການລົງທຶນຢ່າງຕໍ່ເນື່ອງ: ເຖິງຈະມີງົບປະມານສຳລັບ PoC ແຕ່ບໍ່ໄດ້ມີການລະບຸໄວ້ຢ່າງຊັດເຈນວ່າ ຕຳແໜ່ງໃດເປັນຜູ້ອະນຸມັດງົບປະມານສຳລັບການດຳເນີນງານຈິງ ແລະ ການປັບປຸງຢ່າງຕໍ່ເນື່ອງ.

ການຢຸດຢູ່ພຽງຂັ້ນຕອນທົດລອງ ເປັນສັນຍານທີ່ບົ່ງບອກວ່າ "ເຕັກໂນໂລຊີບໍ່ໄດ້ບໍ່ພ້ອມ" ແຕ່ເປັນເພາະ "ການອອກແບບອົງກອນຕາມບໍ່ທັນ". ການແຕ່ງຕັ້ງ CAO ຫຼື ການມອບອຳນາດໃນການອອກແບບຂະບວນການເຮັດວຽກຄືນໃໝ່ ຖືເປັນການຕອບສະໜອງຕໍ່ສັນຍານດັ່ງກ່າວ.

ເມື່ອວາງແຜນການຫັນປ່ຽນໄປສູ່ອົງກອນ AI-native, ການອອກແບບຈຸດໝາຍສຳຄັນ (Milestones) ໃນປີທຳອິດ, ປີທີ 2 ແລະ ປີທີ 3 ເປັນຕົ້ນໄປ ຄວນມີຄວາມເປັນຈິງດັ່ງນີ້:

ໃນແຕ່ລະໄລຍະ ຄວນກຳນົດ "ເກນການຕັດສິນໃຈເພື່ອດຳເນີນການຕໍ່ໃນໄລຍະຖັດໄປ" ໄວ້ລ່ວງໜ້າ. ຕົວຢ່າງເຊັ່ນ: ການບັນທຶກເງື່ອນໄຂໄວ້ວ່າ "ຖ້າອັດຕາການນຳໃຊ້ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ສ່ວນກາງໃນເຄິ່ງປີຫຼັງຂອງປີທຳອິດບັນລຸເຖິງຈຳນວນພະແນກທີ່ກຳນົດໄວ້, ຈະອະນຸມັດການລົງທຶນໃນຂົງເຂດສຳຄັນຂອງປີທີ 2". ເນື່ອງຈາກເກນມາດຕະຖານທີ່ຊັດເຈນຈະແຕກຕ່າງກັນໄປຕາມຂະໜາດຂອງອົງກອນ ແລະ ປະເພດທຸລະກິດ, ການກຳນົດມາດຕະຖານໃຫ້ສອດຄ່ອງກັບສະຖານະການຂອງບໍລິສັດຕົນເອງຈຶ່ງເປັນສິ່ງທີ່ສຳຄັນ. ສິ່ງນີ້ຈະຊ່ວຍຮັກສາສະຖານະທີ່ເຮັດໃຫ້ການຊັກຊ້າຂອງຄວາມຄືບໜ້າສາມາດຖືກນຳມາປຶກສາຫາລືໃນຖານະເປັນປະເດັນການຕັດສິນໃຈຂອງອົງກອນ ບໍ່ແມ່ນບັນຫາຄວາມຮັບຜິດຊອບສ່ວນບຸກຄົນ.

ການຫັນປ່ຽນໄປສູ່ອົງກອນ AI-native ບໍ່ແມ່ນພຽງແຕ່ການຂະຫຍາຍການນຳໃຊ້ເຄື່ອງມືເທົ່ານັ້ນ, ແຕ່ເປັນຄວາມພະຍາຍາມໃນການອອກແບບໂຄງສ້າງການຕັດສິນໃຈຂອງການບໍລິຫານຄືນໃໝ່. ການແຕ່ງຕັ້ງ Chief AI Officer (CAO) ເປັນທາງເລືອກໜຶ່ງທີ່ເປັນຈຸດເລີ່ມຕົ້ນ, ແຕ່ການສ້າງຕຳແໜ່ງພຽງແຕ່ຮູບການນັ້ນຈະໃຫ້ຜົນລັດທີ່ຈຳກັດ.

ເພື່ອໃຫ້ເກີດປະສິດທິຜົນ, ຈຳເປັນຕ້ອງມອບອຳນາດການອະນຸມັດຂັ້ນສຸດທ້າຍໃນການຈັດສັນການລົງທຶນດ້ານ AI ໃຫ້ແກ່ CAO, ມີການບັນທຶກການແບ່ງງານກັບ CIO, CFO ແລະ CHRO ຢ່າງຊັດເຈນ, ລວມທັງການປະເມີນຄວາມພ້ອມຂອງອົງກອນຢ່າງຕໍ່ເນື່ອງຕາມຮູບແບບຂັ້ນຕອນ (Stage Model). ສຳລັບບາດກ້າວທຳອິດ, ວິທີທີ່ເປັນຈິງທີ່ສຸດແມ່ນການວິນິດໄສໃນກອງປະຊຸມບໍລິຫານວ່າປັດຈຸບັນບໍລິສັດຂອງທ່ານຢູ່ໃນຂັ້ນຕອນໃດຂອງ Stage Model ແລະ ກຳນົດມາດຕະຖານການຕັດສິນໃຈ (KPI, ງົບປະມານ, ຜູ້ຮັບຜິດຊອບ) ເພື່ອກ້າວໄປສູ່ຂັ້ນຕອນຕໍ່ໄປໃຫ້ເປັນລາຍລັກອັກສອນ.

ການອອກແບບໂຄງສ້າງອົງກອນໃໝ່ເປັນຄວາມພະຍາຍາມທີ່ຕ້ອງໃຊ້ເວລາຫຼາຍປີ. ການນຳໃຊ້ຕົວຊີ້ວັດຜົນສຳເລັດໄລຍະສັ້ນຄວບຄູ່ກັບຕົວຊີ້ວັດການປ່ຽນແປງໂຄງສ້າງໃນໄລຍະກາງ ແລະ ໄລຍະຍາວ, ພ້ອມທັງທົບທວນບົດບາດ ແລະ ຂອບເຂດໜ້າທີ່ຂອງ CAO ເປັນລາຍປີ ແມ່ນເງື່ອນໄຂເບື້ອງຕົ້ນທີ່ຈະເຮັດໃຫ້ການຫັນປ່ຽນເປັນອົງກອນ AI-native ກາຍເປັນວາລະການບໍລິຫານທີ່ຍືນຍົງ.