AI เก่งขึ้น แต่ผลการเงินองค์กรยังจำกัด มีบริษัทผลงานสูงเพียง 6%

แม้ประสิทธิภาพของโมเดล AI จะเพิ่มขึ้นอย่างรวดเร็ว แต่ผลิตภาพขององค์กรไม่ได้เพิ่มขึ้นในอัตราเดียวกัน โดยมีบริษัทเพียง 6% ที่รายงานผลลัพธ์ด้าน AI ในระดับสูงและมีผลต่อ EBIT อย่างมีนัยสำคัญ

ฟอร์จูนวิเคราะห์เมื่อวันที่ 22 กันยายนว่า การถกเถียงเรื่องความเร็วในการพัฒนา AI หรือ ‘เพซิง’ อาจกำลังมองข้ามประเด็นสำคัญ แนวคิดแบบ ‘คอมพิวต์ต่อ GDP’ ที่เชื่อว่าผลิตภาพเศรษฐกิจมหภาคจะเพิ่มขึ้นทันทีเมื่อโมเดลมีประสิทธิภาพสูงขึ้นหนึ่งระดับ ไม่ได้สะท้อนเวลาที่องค์กรและรูปแบบการทำงานต้องใช้ในการปรับตัว

องค์กรที่ต้องการนำ AI ใหม่ไปใช้ในงานจริงยังต้องเผชิญกับไซโลข้อมูล คุณภาพข้อมูลต่ำ ระบบวางแผนทรัพยากรองค์กร(ERP) รุ่นเก่า และระบบปฏิบัติตามกฎระเบียบ การเปิดตัวโมเดลเพียงอย่างเดียวไม่ได้ทำให้รูปแบบการทำงานหรือโครงสร้างองค์กรเปลี่ยนแปลงทันที

แอคเซนเจอร์(Accenture) ระบุจากการสำรวจ 2,000 บริษัทใน 15 ประเทศและ 9 อุตสาหกรรมว่า มีบริษัทเพียง 7% ที่มีความพร้อมด้านข้อมูลมากพอจะขยายการใช้งาน AI ขั้นสูง แม้ 64% ของบริษัทที่ตอบแบบสำรวจจะระบุว่าเริ่มใช้งาน AI ในระดับปฏิบัติการหรือเริ่มขยายการใช้งานทั่วทั้งองค์กรแล้วก็ตาม

แมคคินซีย์ระบุในผลสำรวจปี 2026 ว่า ผู้ตอบแบบสอบถาม 37% ได้รับผลกระทบต่อ EBIT ในระดับหนึ่งจากการใช้ AI ขณะที่บริษัทผลงานสูงซึ่งระบุว่า AI ส่งผลต่อ EBIT อย่างน้อย 5% และประเมินผลกระทบของเทคโนโลยีว่า ‘มีนัยสำคัญ’ มีสัดส่วนประมาณ 6% ซึ่งอยู่ในระดับเดียวกับปีก่อน

การนำ AI ไปใช้ยังไม่ได้หยุดลง โดย 44% ของผู้ตอบแบบสำรวจแมคคินซีย์ระบุว่า AI เข้าสู่ระยะขยายการใช้งานทั่วทั้งองค์กรแล้ว และ 60% คาดว่าจะเพิ่มการลงทุนด้าน AI ภายใน 1 ปีข้างหน้า อย่างไรก็ตาม ช่องว่างระหว่างการเพิ่มผลิตภาพในงานรายบุคคลกับผลประกอบการทางการเงินของทั้งองค์กรยังคงอยู่

ผู้ตอบแบบสอบถาม 20% ระบุว่าจำกัดการใช้งาน AI เนื่องจากต้นทุนการดำเนินงานและค่าโทเคน ข้อมูลดังกล่าวสะท้อนว่า นอกจากประสิทธิภาพของโมเดลแล้ว ต้นทุนการจัดระเบียบข้อมูล ภาระการออกแบบงานใหม่ และค่าใช้จ่ายในการดำเนินงานก็มีผลต่อความเร็วในการนำ AI มาใช้เช่นกัน

การถกเถียงเรื่องการชะลอความเร็วในการพัฒนา AI เริ่มต้นจากประเด็นการตรวจสอบความปลอดภัย ดาริโอ อโมเดอี(Dario Amodei) ซีอีโอ Anthropic กล่าวว่า “เพซิงไม่ได้หมายความว่าเราจะหยุดการฝึกโมเดลหรือความก้าวหน้าทางเทคโนโลยี” คำกล่าวนี้ชี้ว่าประเด็นสำคัญอยู่ที่การจัดจังหวะระหว่างการพัฒนาความสามารถกับการตรวจสอบความปลอดภัย

อโมเดอีเรียกร้องให้องค์กรมีเวลาเพียงพอในการปรับแต่งและปกป้องโมเดลอย่างปลอดภัย รวมถึงเปิดทางให้ผู้ประเมินอิสระตรวจสอบทั้งกระบวนการฝึกและขั้นตอนการดำเนินงาน โดยแนวคิดเพซิงมุ่งลดช่องว่างระหว่างความเร็วในการเพิ่มขีดความสามารถของ AI กับความเร็วในการตรวจสอบความปลอดภัย มากกว่าการหยุดพัฒนาเทคโนโลยี

อโมเดอีแสดงความกังวลว่า หากการพัฒนาความสามารถของ AI ยังคงเร่งตัวขึ้น ภายใน 6-12 เดือนอาจเกิดกลุ่มเอเจนต์ AI ที่เข้าควบคุมอินเทอร์เน็ตทั้งหมดได้ นี่เป็นสถานการณ์ความเสี่ยงที่อโมเดอีเสนอขึ้น และยังไม่มีการยืนยันว่าเกิดขึ้นจริง

OpenAI ระบุว่าจำเป็นต้องมีมาตรฐานสากลสำหรับแนวปฏิบัติด้านความปลอดภัยและความมั่นคงของ AI ระดับแนวหน้า รวมถึงวิธีวัดผลร่วมกันและระบบรายงานเหตุการณ์ โดยระบุว่าการปรับปรุงตัวเองแบบวนซ้ำอย่างอิสระโดยสมบูรณ์ยังไม่ใช่สิ่งที่กำลังดำเนินอยู่ และไม่ควรผลักดันจนกว่าจะสามารถรักษาการควบคุมโดยมนุษย์ได้

อีกฝ่ายแสดงความกังวลว่า หากบริษัทสหรัฐฯ ชะลอความเร็วเพียงฝ่ายเดียว อาจเสียเปรียบในการแข่งขันด้านเทคโนโลยีและความมั่นคงกับจีน ฝ่ายบริหารของเมตา($META) และเอ็นวิเดีย($NVDA) ก็มีท่าทีไม่เห็นด้วยกับการชะลอความเร็วโดยรวม ขณะที่เจนเซน หวง(Jensen Huang) ซีอีโอเอ็นวิเดีย กล่าวว่า ควรพัฒนาให้เร็วที่สุด แต่ต้องหยุดและแก้ไขผลิตภัณฑ์ที่ไม่สามารถควบคุมได้

ผลสำรวจซีอีโอประมาณ 100 คนของ Yale CEO Caucus พบความต้องการให้ประธานาธิบดีโดนัลด์ ทรัมป์ของสหรัฐฯ มีบทบาทเชิงรุกมากขึ้นต่อจีนและประเด็นความปลอดภัยของ AI สะท้อนว่าทั้งฝ่ายที่ต้องการยกระดับความปลอดภัยของ AI และฝ่ายที่ไม่ต้องการชะลอความเร็วในการแข่งขันกับจีนต่างมีจุดยืนอยู่พร้อมกัน

คณะกรรมการเทคนิคมาตรฐานความปลอดภัยไซเบอร์แห่งชาติจีนเปิดเผย ‘กรอบการกำกับดูแลความปลอดภัยปัญญาประดิษฐ์ 3.0’ เมื่อวันที่ 14 กันยายน ยืนยันได้ว่าจีนมีระบบด้านความปลอดภัยและการควบคุม AI แต่ยังไม่พบข้อมูลว่าจีนตกลงจะปรับความเร็วในการพัฒนาโมเดลระดับแนวหน้าในรูปแบบเดียวกับสหรัฐฯ

ประสิทธิภาพทางเทคนิคของ AI ที่เพิ่มขึ้นไม่ได้รับประกันว่าจะถูกนำไปใช้ในงานองค์กรหรือได้รับการใช้งานอย่างแพร่หลายในตลาดทันที ก่อนหน้านี้ TokenPost เคยรายงานถึง ‘ช่องว่างระหว่างประสิทธิภาพ AI กับการยอมรับในตลาด’ และผลสำรวจครั้งนี้ก็ชี้ว่าระหว่างการแข่งขันด้านโมเดลกับผลลัพธ์จากการทำงานจริง ยังมีขั้นกลางด้านข้อมูลและระบบอยู่

ข้อถกเถียงครั้งนี้ตอกย้ำว่าไม่อาจประเมินผลกระทบทางเศรษฐกิจของ AI จากความเร็วในการพัฒนาโมเดลเพียงอย่างเดียว ผลสำรวจและจุดยืนของบริษัทที่ยืนยันได้จนถึงขณะนี้ชี้ว่า การจัดระเบียบข้อมูล การออกแบบงานใหม่ การบริหารต้นทุนการดำเนินงาน และการประเมินความปลอดภัยเป็นปัจจัยสำคัญต่อผลลัพธ์ในระดับองค์กร ทั้งนี้ยังไม่พบประกาศ ตัวเลขราคา หรือตัวเลขการลงทุนที่เชื่อมโยงโดยตรงกับตลาดสินทรัพย์ดิจิทัลในประเทศ