โครงการ AI นำมาซึ่งความท้าทายอะไรบ้าง | AI ในธุรกิจ #65

คุณต้องการใช้ประโยชน์จากความสามารถของปัญญาประดิษฐ์เมื่อดำเนินโครงการใหม่ในบริษัทของคุณหรือไม่? AI สามารถอำนวยความสะดวกทั้งในระยะแนวคิด เพิ่มความคล่องตัวในการปฏิบัติงานแต่ละงาน ตลอดจนการวิเคราะห์ผลลัพธ์ในปัจจุบันและในอดีตของกิจกรรมโครงการ อย่างไรก็ตาม การเลือกรับความช่วยเหลือจาก AI ในระหว่างการดำเนินโครงการคุ้มค่าเสมอไปหรือไม่ จะประเมินความสามารถในการทำกำไรของโครงการ AI ได้อย่างไร จะจัดการกับการขาดแคลนข้อมูลและผู้เชี่ยวชาญได้อย่างไร? จะเริ่มหลีกเลี่ยงข้อผิดพลาดทั่วไปได้ที่ไหน? อ่านต่อและค้นหาความท้าทายในโครงการที่ใช้ AI

จะรวมโครงการ AI เข้ากับกลยุทธ์ธุรกิจของคุณอย่างมีประสิทธิภาพได้อย่างไร

การวิจัยของ Gartner ระบุว่าภายในปี 2573 80% ของงานการจัดการโครงการจะได้รับการจัดการโดย AI เปอร์เซ็นต์ของโปรเจ็กต์ที่ใช้ AI ในการทำงานให้เสร็จสิ้นจะเป็นอย่างไร คงต้องรอดูกันต่อไป อย่างไรก็ตาม การพิจารณาวิธีการบูรณาการ AI เข้ากับกลยุทธ์การดำเนินงานของบริษัทก็คุ้มค่าอยู่แล้ว

ขั้นตอนแรกคือการทำความเข้าใจศักยภาพและข้อจำกัดของเทคโนโลยีนี้ ปัญญาประดิษฐ์สามารถวิเคราะห์แนวโน้มและรูปแบบได้ดี แต่ล้มเหลวในเรื่องต่างๆ เช่น การใช้เหตุผลหลายขั้นตอนและการตัดสินใจเชิงศีลธรรม มันสร้างภาพที่น่าตื่นตาตื่นใจ แต่การสร้างวัสดุที่เข้ากับภาพลักษณ์ของแบรนด์อย่างสม่ำเสมอนั้นต้องใช้ทักษะอย่างมาก นั่นเป็นเหตุผลว่าทำไมเมื่อเราเริ่มทำงานในโครงการ AI เราไม่สามารถคาดเดาได้ว่ามีความน่าจะเป็นที่เทียบเคียงได้กับโครงการอื่นๆ หรือไม่ว่าจะสร้างผลลัพธ์ที่เป็นรูปธรรมและวัดผลได้หรือไม่

จุดเริ่มต้นที่ดีคือการวิเคราะห์ข้อดีข้อเสีย:

• ต้นทุนรวมของการดำเนินโครงการ AI ในขั้นตอนต่างๆ เป็นเท่าใด
• ควรกำหนด KPI ใดเพื่อประเมินผลกระทบทางธุรกิจของโครงการ AI

เพื่อให้ได้รับคำตอบที่น่าเชื่อถือสำหรับคำถามเหล่านี้ วิธีที่ดีที่สุดคือเลือกโครงการ AI ง่ายๆ ที่มีมูลค่าสูง วัดผลได้ง่าย และเหมาะสมกับกลยุทธ์ของบริษัท สตาร์ทอัพที่นำเสนอบริการจัดส่งสามารถใช้เป็นตัวอย่างได้ เป้าหมายคือการปรับปรุงการบริการลูกค้าและเพิ่มความยืดหยุ่นของห่วงโซ่อุปทาน ตัวอย่างเช่น โครงการ AI ที่เรียบง่ายแต่มีคุณค่าคือการใช้แชทบอทที่จัดการข้อซักถามของลูกค้า ผู้ช่วยเสมือนดังกล่าวจะจัดการคำขอได้มากกว่าศูนย์บริการทางโทรศัพท์แบบเดิม ซึ่งเพิ่มความพึงพอใจของลูกค้าผ่านการตอบกลับข้อซักถามอย่างรวดเร็วและคุณภาพการสื่อสารที่สม่ำเสมอ ในทางตรงกันข้าม ระบบขั้นสูงที่ปรับเส้นทางการจัดส่งให้เหมาะสมนั้นสอดคล้องกับเป้าหมายในการปรับปรุงความยืดหยุ่นในการจัดส่ง แต่มีความซับซ้อนและมีความเสี่ยงสูงกว่ามาก

เมื่อกำหนดโครงการ AI เบื้องต้นแล้ว สตาร์ทอัพควรประเมินความเป็นไปได้ เช่น ในแง่ของงบประมาณที่โครงการ AI ควรเหมาะสม

การจัดทำงบประมาณโครงการ AI ความท้าทายที่สำคัญ

การใช้โซลูชัน SaaS หรือ AI as a Service (AIaaS) ที่มีจำหน่ายทั่วไปหรือที่เรียกว่า "AI ที่มีจำหน่ายทั่วไป" มีข้อดีหลายประการ หนึ่งคือต้นทุนที่คาดการณ์ได้ของการใช้เครื่องมือและต้นทุนในการดำเนินโครงการ AI ที่ประมาณการได้ง่าย คุณสามารถเลือกจากโซลูชันเช่น:

• chatbot สำหรับการบริการลูกค้า เช่น Intercom Fin, LiveChat จาก Chatbot.com, Drift หรือ FreshChat
• การวิเคราะห์โซเชียลมีเดียเพื่อเพิ่มการเข้าถึงข้อความทางการตลาด – ด้วย Cortex, Buffer หรือ Lately หรือ
• การวิเคราะห์ข้อมูลธุรกิจด้วย Microsoft Power BI, Tableau หรือสำหรับงานที่ซับซ้อนน้อยกว่า - Google Bard ซึ่งทำงานร่วมกับเอกสาร Google

สำหรับโครงการ AI ขนาดใหญ่ ค่าใช้จ่ายมักจะถูกประเมินต่ำเกินไป โดยเฉพาะอย่างยิ่งเมื่อพูดถึงทรัพยากรและเวลาที่จำเป็นสำหรับการรวบรวมและจัดเตรียมข้อมูล ตัวอย่างเช่น ตามที่ Arvind Krishna แห่ง IBM กล่าวไว้ ขั้นตอนการเตรียมข้อมูลสำหรับการเรียนรู้ด้วย AI สามารถคิดเป็นสัดส่วนได้มากถึง 80% ของระยะเวลาของโปรเจ็กต์

ที่มา: DALL-E 3, แจ้ง: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

ยิ่งไปกว่านั้น ยิ่งเราต้องการโมเดล AI ส่วนบุคคลสำหรับโปรเจ็กต์มากเท่าใด เราก็ยิ่งต้องรวบรวมข้อมูลเชิงคุณภาพมากขึ้นเท่านั้น ตัวอย่างเช่น โครงข่ายประสาทเชิงลึกสำหรับการเรียนรู้จำเป็นต้องมีตัวอย่างนับแสนตัวอย่าง ซึ่งจะทำให้ต้นทุนในการรับและทำความสะอาดชุดข้อมูลขนาดใหญ่ดังกล่าวสูงขึ้น โชคดีที่การพัฒนาปัญญาประดิษฐ์อย่างรวดเร็วทำให้สามารถดำเนินโครงการ AI ได้มากขึ้นเรื่อยๆ โดยไม่จำเป็นต้องเรียนรู้โมเดลที่กำหนดเองซึ่งมีค่าใช้จ่ายสูง

อย่างไรก็ตาม บริษัทที่วางแผนโครงการ AI ควรพิจารณาไม่เพียงแต่ขั้นตอนการพัฒนาโซลูชันเท่านั้น แต่ยังรวมถึงการเตรียมข้อมูลและการดำเนินงานอย่างต่อเนื่องของระบบ รวมถึงค่าใช้จ่ายในการบำรุงรักษา การอัปเดต หรือการรวบรวมข้อมูลใหม่ จากนั้นคุณก็สามารถประเมินผลตอบแทนจากการลงทุนใน AI ที่แท้จริงได้

ปัญหาการจัดการข้อมูลในโครงการ AI สิ่งที่คุณควรรู้

ความท้าทายที่สำคัญในโครงการ AI คือข้อมูล – ความพร้อมใช้งาน ปริมาณ และคุณภาพ แล้วต้องทำอย่างไร? ก่อนที่จะเริ่มโปรเจ็กต์ AI คุณต้อง:

• ตรวจสอบอย่างรอบคอบว่าบริษัทมีข้อมูลใดบ้าง – จัดเก็บในรูปแบบใดและมาจากไหน
• ดูแลโครงสร้างพื้นฐานและพัฒนากระบวนการเก็บข้อมูลภายใน
• พิจารณาซื้อชุดข้อมูลภายนอกหรือการจัดหามวลชนหากขาดแคลน

ปัญหาที่พบบ่อยคือข้อมูลกระจัดกระจายไปตามระบบและรูปแบบต่างๆ การรวม ทำความสะอาด และเตรียมการเรียนรู้ AI อาจเป็นเรื่องท้าทาย แนวปฏิบัติที่ดีคือให้ทีม AI ทำงานอย่างใกล้ชิดกับแผนกไอทีหรือนักวิเคราะห์ข้อมูล พวกเขาควรตรวจสอบให้แน่ใจว่ามีโครงสร้างพื้นฐานและกระบวนการรับข้อมูลที่ถูกต้อง

ความท้าทายด้านเทคนิคและความปลอดภัยในโครงการ AI

AI ไม่ใช่แค่อัลกอริธึมการเรียนรู้ของเครื่อง เพื่อให้ใช้งานได้จริง จำเป็นต้องมีโครงสร้างพื้นฐานด้านไอทีทั้งหมด ในขณะเดียวกัน การรวมระบบ AI ใหม่เข้ากับระบบที่มีอยู่ของบริษัทอาจเป็นเรื่องท้าทาย มักต้องมีการปรับระบบธุรกิจแบบเก่า ซึ่งสำหรับหลายๆ บริษัท ส่งผลให้ต้องเสียค่าใช้จ่ายในการอัพเกรดเป็นจำนวนมาก

นอกจากนี้ โครงการ AI ยังต้องการความเชี่ยวชาญในด้านวิทยาศาสตร์ข้อมูลและวิศวกรรมข้อมูลอีกด้วย ในขณะเดียวกัน โลกกำลังเผชิญกับการขาดแคลนผู้เชี่ยวชาญในสาขานี้ ตามรายงาน “Technology Trends Outlook 2023” ของ McKinsey อัตราส่วนของการโฆษณางานต่อผู้เชี่ยวชาญที่มีอยู่คือ 7 ต่อ 100 และความต้องการก็เพิ่มขึ้นอย่างต่อเนื่อง

ปัญหาความปลอดภัยของข้อมูลก็ไม่มีนัยสำคัญเช่นกัน ระบบ AI ประมวลผลข้อมูลที่ละเอียดอ่อนจำนวนมหาศาล ซึ่งจะต้องมีการป้องกันการรั่วไหลอย่างเหมาะสม ในขณะเดียวกัน การละเมิดข้อมูลได้เพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา นี่จึงเป็นความเสี่ยงที่สำคัญอีกประการหนึ่งที่ต้องคำนึงถึงเมื่อดำเนินโครงการ AI

ความสามารถหลักด้าน AI สำหรับผู้ประกอบการ คุณอาจประสบปัญหาอะไรบ้าง?

อุปสรรคทั่วไปในการดำเนินโครงการ AI อาจเกิดจากความรู้ที่ไม่ดีเกี่ยวกับปัญญาประดิษฐ์ในหมู่ผู้จัดการและผู้มีอำนาจตัดสินใจทางธุรกิจ หากไม่มีความเข้าใจเชิงลึกเกี่ยวกับความสามารถของเทคโนโลยี เป็นการยากที่จะประเมินศักยภาพของโครงการเฉพาะและตัดสินใจได้ดี นั่นคือเหตุผลว่าทำไมการลงทุนเพื่อพัฒนาความรู้ของผู้จัดการในด้านเทคโนโลยีใหม่ๆ จึงเป็นสิ่งสำคัญ

การฝึกอบรมพนักงานปัจจุบันอีกครั้งก็สามารถช่วยได้เช่นกัน มีการพูดถึงสิ่งที่เรียกว่า "นักวิเคราะห์ข้อมูลพลเมือง" เพิ่มมากขึ้น ("นักวิทยาศาสตร์ข้อมูลพลเมือง") ผู้เชี่ยวชาญเหล่านี้ใช้ประโยชน์จากเทคโนโลยีล้ำสมัยเพื่อแก้ไขปัญหาทางธุรกิจเฉพาะที่พวกเขาเผชิญอยู่ทุกวัน พวกเขามีความรู้อย่างสูงเกี่ยวกับอุตสาหกรรมที่พวกเขาทำงานอยู่ ด้วยการเป็นส่วนหนึ่งของทีมที่ทำงานในโครงการ AI พวกเขาช่วยให้ผู้เชี่ยวชาญด้าน AI สามารถมุ่งเน้นไปที่ปัญหาการใช้งานโดยการตอบคำถามเฉพาะอุตสาหกรรม

นอกเหนือจากทักษะทางเทคนิค เช่น การประเมินคำแนะนำของ AI และการตัดสินใจแล้ว ทักษะด้านอารมณ์ก็มีความสำคัญเช่นกัน รวมถึงการเป็นผู้นำและการคิดเชิงกลยุทธ์ นี่เป็นอีกวิธีหนึ่งในการแก้ไขปัญหาการขาดแคลนทักษะ AI ในบริษัทต่างๆ

วิเคราะห์ความสำเร็จของโครงการ AI จะหลีกเลี่ยงข้อผิดพลาดในการวัด ROI ได้อย่างไร

มีข่าวลือที่ไม่พร้อมเพรียง (และอาจไม่จริง) แพร่สะพัดบนอินเทอร์เน็ตว่าโครงการ AI มากถึง 87% ไม่เคยเข้าสู่ขั้นตอนการผลิตเลย แม้ว่าเราจะไม่สามารถเข้าถึงการศึกษาที่เชื่อถือได้ของโครงการที่ประสบความสำเร็จ แต่คำจำกัดความเบื้องต้นของวิธีการวัดความสำเร็จเป็นกุญแจสำคัญในการประเมินผลกระทบที่แท้จริงของการนำ AI ไปใช้

แนวปฏิบัติที่ดีที่นี่คือการทดลองขนาดเล็ก โดยเกี่ยวข้องกับการทดสอบประสิทธิภาพของ AI กับกลุ่มตัวอย่างแบบสุ่มของผู้ใช้ และการเปรียบเทียบผลลัพธ์กับกลุ่มควบคุมโดยใช้โซลูชันมาตรฐาน การทดสอบ A/B ดังกล่าวช่วยให้คุณตรวจสอบได้ว่าระบบ AI ใหม่สามารถให้ผลลัพธ์ที่คาดหวัง เช่น การเปลี่ยนแปลงที่เพิ่มขึ้น หรือความพึงพอใจของลูกค้าได้หรือไม่

ที่มา: DALL-E 3, แจ้ง: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

การทดสอบ A/B คุ้มค่าที่จะทำซ้ำเป็นระยะๆ แม้ว่าหลังจากใช้งาน AI แล้วก็ตาม เนื่องจากโมเดลอาจสูญเสียความแม่นยำและความเกี่ยวข้องในการแก้ปัญหา สิ่งนี้จะช่วยให้คุณสามารถระบุความผิดปกติที่เกิดขึ้นได้อย่างรวดเร็ว และความจำเป็นในการปรับเทียบระบบใหม่ เพื่อให้ยังคงให้ผลลัพธ์ทางธุรกิจที่คาดหวังต่อไป

สรุป

แม้ว่า AI จะมอบโอกาสมากมาย แต่โครงการในสาขานี้ก็ยังมีความท้าทายที่สำคัญ เพื่อให้ประสบความสำเร็จ คุณต้องประเมินต้นทุนและประโยชน์ของ AI อย่างเป็นไปได้ ดูแลการได้มาและคุณภาพข้อมูล พัฒนาความสามารถภายในองค์กร และเดิมพันกับการใช้เทคโนโลยีใหม่ๆ อย่างค่อยเป็นค่อยไป การวัดผลกระทบทางธุรกิจที่จับต้องได้จากการนำไปใช้งานและตอบสนองต่อปัญหาที่เกิดขึ้นใหม่อย่างรวดเร็วก็เป็นสิ่งสำคัญเช่นกัน เพียงเท่านี้ AI ก็จะกลายเป็นส่วนเสริมแทนที่จะเป็นภัยคุกคามต่อบริษัท

หากคุณชอบเนื้อหาของเรา เข้าร่วมชุมชนผึ้งที่ไม่ว่างของเราบน Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok

ผู้เขียน : โรเบิร์ต วิทนีย์

ผู้เชี่ยวชาญ JavaScript และผู้สอนที่เป็นโค้ชแผนกไอที เป้าหมายหลักของเขาคือการยกระดับผลงานของทีมโดยการสอนผู้อื่นถึงวิธีการร่วมมืออย่างมีประสิทธิภาพในขณะที่เขียนโค้ด

ดูโพสต์ทั้งหมด

AI ในธุรกิจ:

1. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 1)
2. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 2)
3. แอปพลิเคชัน AI ในธุรกิจ – ภาพรวม
4. แชทบอทข้อความช่วยด้วย AI
5. ธุรกิจ NLP วันนี้และพรุ่งนี้
6. บทบาทของ AI ในการตัดสินใจทางธุรกิจ
7. การกำหนดเวลาโพสต์บนโซเชียลมีเดีย เอไอสามารถช่วยได้อย่างไร?
8. โพสต์โซเชียลมีเดียอัตโนมัติ
9. บริการและผลิตภัณฑ์ใหม่ที่ทำงานด้วย AI
10. จุดอ่อนของแนวคิดทางธุรกิจของฉันคืออะไร? เซสชั่นระดมความคิดด้วย ChatGPT
11. การใช้ ChatGPT ในธุรกิจ
12. นักแสดงสังเคราะห์ เครื่องสร้างวิดีโอ AI 3 อันดับแรก
13. 3 เครื่องมือออกแบบกราฟิก AI ที่มีประโยชน์ AI เจนเนอเรชั่นในธุรกิจ
14. นักเขียน AI ที่ยอดเยี่ยม 3 คนที่คุณต้องลองวันนี้
15. สำรวจพลังของ AI ในการสร้างดนตรี
16. นำทางโอกาสทางธุรกิจใหม่ด้วย ChatGPT-4
17. เครื่องมือ AI สำหรับผู้จัดการ
18. 6 ปลั๊กอิน ChatGTP ที่ยอดเยี่ยมที่จะทำให้ชีวิตของคุณง่ายขึ้น
19. 3 กราฟิค AI Generatywna sztuczna inteligencja dla biznesu
20. อนาคตของ AI ตาม McKinsey Global Institute จะเป็นอย่างไร
21. ปัญญาประดิษฐ์ในธุรกิจ--บทนำ
22. NLP หรือการประมวลผลภาษาธรรมชาติในธุรกิจคืออะไร
23. การประมวลผลเอกสารอัตโนมัติ
24. Google แปลภาษากับ DeepL 5 แอพพลิเคชั่นเครื่องแปลภาษาสำหรับธุรกิจ
25. การดำเนินงานและการใช้งานทางธุรกิจของวอยซ์บอท
26. เทคโนโลยีผู้ช่วยเสมือนหรือจะคุยกับ AI ได้อย่างไร?
27. ระบบธุรกิจอัจฉริยะคืออะไร?
28. ปัญญาประดิษฐ์จะมาแทนที่นักวิเคราะห์ธุรกิจหรือไม่?
29. ปัญญาประดิษฐ์สามารถช่วย BPM ได้อย่างไร?
30. AI และโซเชียลมีเดีย – พวกเขาพูดอะไรเกี่ยวกับเรา?
31. ปัญญาประดิษฐ์ในการจัดการเนื้อหา
32. AI สร้างสรรค์ของวันนี้และอนาคต
33. Multimodal AI และการใช้งานในธุรกิจ
34. การโต้ตอบใหม่ AI เปลี่ยนแปลงวิธีการใช้งานอุปกรณ์ของเราอย่างไร
35. RPA และ API ในบริษัทดิจิทัล
36. ตลาดงานในอนาคตและอาชีพที่จะเกิดขึ้น
37. AI ใน EdTech 3 ตัวอย่างบริษัทที่ใช้ศักยภาพปัญญาประดิษฐ์
38. ปัญญาประดิษฐ์และสิ่งแวดล้อม 3 โซลูชัน AI ที่จะช่วยคุณสร้างธุรกิจที่ยั่งยืน
39. เครื่องตรวจจับเนื้อหา AI พวกเขาคุ้มค่าไหม?
40. ChatGPT กับ Bard และ Bing AI chatbot ตัวไหนที่เป็นผู้นำการแข่งขัน?
41. chatbot AI เป็นคู่แข่งในการค้นหาของ Google หรือไม่
42. ChatGPT พร้อมท์ที่มีประสิทธิภาพสำหรับทรัพยากรบุคคลและการสรรหาบุคลากร
43. วิศวกรรมศาสตร์ทันที วิศวกรพร้อมท์ทำอะไร?
44. เครื่องกำเนิด AI จำลอง เครื่องมือ 4 อันดับแรก
45. AI และอะไรอีก? เทรนด์เทคโนโลยียอดนิยมสำหรับธุรกิจในปี 2024
46. AI และจริยธรรมทางธุรกิจ เหตุใดคุณจึงควรลงทุนในโซลูชั่นที่มีจริยธรรม
47. เมตาเอไอ คุณควรรู้อะไรบ้างเกี่ยวกับฟีเจอร์ที่รองรับ AI ของ Facebook และ Instagram
48. กฎระเบียบของเอไอ คุณต้องรู้อะไรบ้างในฐานะผู้ประกอบการ?
49. 5 การใช้งานใหม่ของ AI ในธุรกิจ
50. ผลิตภัณฑ์และโครงการ AI - แตกต่างจากผลิตภัณฑ์และโครงการอื่นอย่างไร
51. กระบวนการอัตโนมัติที่ได้รับความช่วยเหลือจาก AI จะเริ่มตรงไหน?
52. คุณจะจับคู่โซลูชัน AI กับปัญหาทางธุรกิจได้อย่างไร
53. AI ในฐานะผู้เชี่ยวชาญในทีมของคุณ
54. ทีม AI กับการแบ่งบทบาท
55. จะเลือกสาขาอาชีพใน AI ได้อย่างไร?
56. การเพิ่มปัญญาประดิษฐ์ในกระบวนการพัฒนาผลิตภัณฑ์คุ้มค่าเสมอไปหรือไม่?
57. AI ใน HR: ระบบการสรรหาบุคลากรอัตโนมัติส่งผลต่อ HR และการพัฒนาทีมอย่างไร
58. 6 เครื่องมือ AI ที่น่าสนใจที่สุดในปี 2023
59. 6 อุบัติเหตุทางธุรกิจที่ใหญ่ที่สุดที่เกิดจาก AI
60. การวิเคราะห์วุฒิภาวะด้าน AI ของบริษัทเป็นอย่างไร
61. AI สำหรับการปรับแต่ง B2B ในแบบของคุณ
62. กรณีการใช้งาน ChatGPT 18 ตัวอย่างวิธีปรับปรุงธุรกิจของคุณด้วย ChatGPT ในปี 2024
63. ไมโครเลิร์นนิง วิธีที่รวดเร็วในการรับทักษะใหม่
64. การใช้งาน AI ที่น่าสนใจที่สุดในบริษัทต่างๆ ในปี 2024
65. ผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ทำอะไร?
66. โครงการ AI นำมาซึ่งความท้าทายอะไรบ้าง