รับชม: AI จะเปลี่ยนข้อมูลจำนวนมหาศาลให้เป็นการตัดสินใจที่ชาญฉลาดขึ้นได้อย่างไร?
ในเดือนพฤศจิกายน ณ งาน SiGMA ยุโรปกลางที่กรุงโรม ผู้นำในอุตสาหกรรมได้มารวมตัวกันเพื่อเข้าร่วมการเสวนาในระดับสูงซึ่งจัดโดย CEVRO ในหัวข้อ “AI ในการตัดสินใจ: จากข้อมูลล้นเกินสู่ข้อมูลเชิงลึกเชิงกลยุทธ์” การเสวนาครั้งนี้ดำเนินรายการโดย Krzysztof Szyszkiewicz ผู้ร่วมก่อตั้งและหุ้นส่วนของ Valueships บริษัทที่ปรึกษาด้านการกำหนดราคาขนาดเล็กที่ทำงานอย่างกว้างขวางกับกลยุทธ์ที่ขับเคลื่อนด้วย AI
ผู้ร่วมขึ้นเวทีกับเขา ได้แก่ Michael Cutajar ผู้ก่อตั้งและซีอีโอของ Accora, Chaim Heber ผู้ก่อตั้งและซีอีโอของ Cevro AI, Mex Emini กรรมการผู้จัดการของ SiGMA Play และ Chavdar Trendafilov ผู้อำนวยการฝ่ายเทคนิคของ Cloud Office โดยพวกเขาร่วมกันสำรวจว่าองค์กรต่างๆ สามารถก้าวข้ามการสะสมข้อมูลดิบไปสู่ข้อมูลเชิงลึกที่นำไปใช้ได้จริงได้อย่างไร
ข้อมูลสู่ข้อมูลเชิงลึก
การประชุมเริ่มต้นด้วยการตรวจสอบความเป็นจริง “เรามีข้อมูลเพิ่มขึ้น 90% ทุกปี” Szyszkiewicz กล่าว พร้อมถามผู้ฟังว่ามีกี่คนที่รู้สึกว่าตนเอง“นั่งอยู่บนกองข้อมูล” ซึ่งเกือบทุกคนในกลุ่มผู้ฟังยกมือขึ้น
สำหรับ Heber ปัญหาไม่ได้อยู่ที่การรวบรวมข้อมูล แต่เป็นเรื่องความชัดเจนมากกว่า “การรวบรวมข้อมูลไม่ใช่กุญแจสำคัญ คุณต้องรู้ว่าผลลัพธ์ที่คุณต้องการบรรลุคืออะไร” เขากล่าวเน้นว่า การตัดสินใจเริ่มต้นจากเจตนา ไม่ใช่จากแดชบอร์ด
Trendafilov เห็นด้วยกับเรื่องนี้ โดยชี้ให้เห็นว่าระบบที่กระจัดกระจายคืออุปสรรคสำคัญ“บ่อยครั้งที่เรามีข้อมูลที่กระจัดกระจายอยู่ในที่ต่างๆ โดยไม่ได้เชื่อมต่อและใช้งานร่วมกัน” เขากล่าว พร้อมสนับสนุนกลยุทธ์ข้อมูลที่เป็นหนึ่งเดียว และการมองข้อมูลเป็นผลิตภัณฑ์มากกว่าผลพลอยได้
การจัดโครงสร้างความโกลาหล
ในด้านการเงินและการบัญชี ความแม่นยำเป็นสิ่งที่ไม่สามารถต่อรองได้ Cutajar เน้นย้ำถึงความท้าทายในการเปลี่ยนข้อมูลที่ไม่เป็นระเบียบให้เป็นข้อมูลที่มีโครงสร้าง “การเปลี่ยนข้อมูลที่ไม่มีโครงสร้างให้เป็นข้อมูลที่มีโครงสร้างเป็นความท้าทายอันดับหนึ่ง” เขากล่าว พร้อมเสริมว่า AI ยังคงได้รับประโยชน์จากความเชี่ยวชาญของมนุษย์เมื่อบริบทไม่ชัดเจน
สำหรับ AI ที่ขับเคลื่อนด้วยการปรับแต่งเฉพาะบุคคล บริบทจึงมีความสำคัญมากยิ่งขึ้น “หากคุณไม่ป้อนบริบทที่ถูกต้องให้ AI ตัวแทนก็ไม่สามารถดำเนินการได้อย่างเหมาะสม” Heber อธิบาย การเลือกข้อมูลในอดีตที่สำคัญและข้อมูลที่ไม่เกี่ยวข้อง คือสิ่งที่แยกการทำงานอัตโนมัติที่เป็นประโยชน์ออกจากการทำงานอัตโนมัติที่ไร้ประโยชน์
การวัดสิ่งที่สำคัญ
โครงสร้างพื้นฐานเป็นหัวใจสำคัญของทุกสิ่งนี้ Trendafilov ได้กล่าวถึงสามเสาหลัก ได้แก่ สถาปัตยกรรม ระบบอัตโนมัติ และการกำกับดูแล “แม้ว่าข้อมูลจะถูกจัดเก็บไว้ในระบบแยกส่วน คุณก็ต้องรู้ว่าข้อมูลอยู่ที่ไหนและจะใช้งานอย่างไร” เขากล่าว พร้อมเน้นย้ำว่าความยืดหยุ่นและความสามารถในการขยายขนาดเป็นข้อได้เปรียบเชิงกลยุทธ์
เมื่อพูดถึงเรื่องประสิทธิภาพการทำงาน Emini กระตุ้นให้บริษัทต่างๆ ทบทวนตัวชี้วัดใหม่ “เวลาการทำงานที่ต่อเนื่องไม่ได้ทำให้คุณก้าวไปข้างหน้า มันแค่ทำให้คุณประคองตัวอยู่ได้” เขากล่าว พร้อมปรับกรอบ KPI ให้เป็นตัวชี้วัดสุขภาพมากกว่าตัวขับเคลื่อนการเติบโต คณะผู้ร่วมอภิปรายเห็นพ้องต้องกันว่าความสำเร็จที่แท้จริงอยู่ที่ผลกระทบทางธุรกิจที่วัดผลได้
ที่ซึ่ง AI ขับเคลื่อนผลกำไร
บทบาทของ AI ในด้านผลกำไรก่อให้เกิดการถกเถียงอย่างเข้มข้น Emini เล่าว่าข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI ช่วยให้ SiGMA Play ปรับตัวได้อย่างรวดเร็วในตลาดบราซิล Szyszkiewicz กล่าวว่า “ก่อนมี AI คุณจะต้องใช้เงิน 2 ล้านดอลลาร์สำหรับโครงการให้คำปรึกษาเพื่อเรียนรู้”
ในด้านรายได้ Heber ชี้ให้เห็นถึงการมีส่วนร่วมของผู้เล่นที่ปรับให้เหมาะสมกับแต่ละบุคคลเป็นพิเศษ “เรากำลังป้องกันการเลิกเล่นและเพิ่มรายได้ด้วยข้อเสนอที่ปรับแต่งให้เหมาะสม” เขากล่าว ในขณะเดียวกัน คูตาจาร์ได้ระบุถึงประสิทธิภาพที่เพิ่มขึ้น โดยระบุว่างานที่เคยใช้เวลามากกว่าหนึ่งนาทีหากทำด้วยมือ ตอนนี้สามารถทำเสร็จได้ภายในเวลาไม่ถึง 15 วินาทีด้วย AI
ปัญญาประดิษฐ์ในการตัดสินใจ
Trendafilov แนะนำว่า “ให้เน้นที่ปัญหาเป็นอันดับแรก จากนั้นค่อยใช้เทคโนโลยี” แม้ว่าการปรับแต่งให้เหมาะสมกับแต่ละบุคคลอย่างมากและกลยุทธ์ที่ใช้ AI ช่วยเหลือจะยังคงขยายตัวต่อไป แต่ก็มีความเห็นพ้องต้องกันอย่างชัดเจนว่ามนุษย์ต้องยังคงควบคุมอยู่ โดยเฉพาะอย่างยิ่งในการตัดสินใจที่มีความเสี่ยงสูง
อยากรับฟังข้อมูลเชิงลึกเพิ่มเติมเช่นนี้โดยตรงจากผู้เชี่ยวชาญด้าน AI ข้อมูล และการตัดสินใจหรือไม่? เข้าร่วมงาน SiGMA ของเราในปี 2026 เพื่อรับฟังการเสวนาจากผู้เชี่ยวชาญ กรณีศึกษาจากโลกแห่งความเป็นจริง และการอภิปรายที่มองไปข้างหน้าซึ่งจะเปลี่ยนเทคโนโลยีเกิดใหม่ให้เป็นความได้เปรียบในการแข่งขัน
