ถึงเวลา AI ต้องพิสูจน์ตัวเอง: Gartner ชี้ 1 ใน 5 องค์กรเตรียมถอยหลังกลับมาใช้ซอฟต์แวร์ดั้งเดิมภายในปี 2028

กระแส AI ในองค์กรกำลังเจอความจริงที่ต้องเผชิญ หลังจากหลายปีแห่งการนำไปใช้อย่างรวดเร็วและการใช้จ่ายมหาศาล งานวิจัยจาก Gartner, Goldman Sachs, McKinsey, MIT และ Sequoia Capital ต่างเผยให้เห็นช่องว่างที่กว้างขึ้นเรื่อยๆ ระหว่างการลงทุนด้าน AI กับผลตอบแทนทางธุรกิจที่วัดได้จริง ข้อสรุปที่ตรงกันคือ องค์กรส่วนใหญ่ยังไม่สามารถแสดงให้เห็นว่าการใช้จ่ายด้าน AI ของพวกเขาสร้างผลตอบแทน และหลายแห่ง也开始ถอยกลับแล้ว

คำทำนายของ Gartner: การถอยกลับของ AI ที่กำลังจะมาถึง

Gartner คาดการณ์ว่าภายในปี 2028 องค์กรทั่วโลกประมาณ 1 ใน 5 แห่งจะลดขนาดหรือเลิกใช้ AI ในบางส่วนของการดำเนินงาน และหันกลับไปใช้การพัฒนาซอฟต์แวร์แบบดั้งเดิม เนื่องจากไม่สามารถควบคุมต้นทุนที่พุ่งสูงขึ้น และพบว่าผลตอบแทนไม่คุ้มกับการลงทุน การถอยกลับนี้คาดว่าจะเกิดขึ้นในพื้นที่ที่มูลค่าทางธุรกิจยังไม่ชัดเจน

นี่ไม่ใช่การคาดการณ์ที่โดดเดี่ยว งานวิจัยที่กว้างขึ้นของ Gartner เกี่ยวกับความล้มเหลวของโครงการ AI ชี้ให้เห็นถึงสาเหตุที่ไม่ใช่ทางเทคนิคที่สอดคล้องกันซึ่งผลักดันให้เกิดการถอยกลับ :

• ต้นทุนที่สูงขึ้นโดยไม่มีรูปแบบ ROI ที่ชัดเจน — ค่าใช้จ่ายด้านโครงสร้างพื้นฐาน AI (การคำนวณ API การบูรณาการ การบำรุงรักษาอย่างต่อเนื่อง และการดูแลโดยมนุษย์) มีจำนวนมากและมักจะบานปลาย CIO 90% รายงานว่าต้นทุน AI จำกัดความสามารถในการเพิ่มมูลค่าสูงสุดแล้ว
• มูลค่าทางธุรกิจที่ไม่ชัดเจน — หลายโครงการถูกยกเลิกหลังจากพิสูจน์แนวคิด (Proof of Concept) เพราะองค์กรไม่สามารถแสดงผลกระทบที่วัดได้ต่อผลกำไร
• คุณภาพข้อมูลที่ไม่ดีและการควบคุมความเสี่ยงที่ไม่เพียงพอ — การกำกับดูแลที่อ่อนแอ ปัญหาด้านข้อมูล และการจัดการความเสี่ยงที่ไม่เพียงพอทำให้โครงการล้มเหลว Gartner ทำนายว่าภายในปี 2026 องค์กรจะยกเลิก 60% ของโครงการ AI ที่ไม่ได้รับการสนับสนุนจากข้อมูลที่พร้อมใช้กับ AI
• 'Agent Washing' การเปลี่ยนชื่อ产品和ฟีเจอร์ AI โดยไม่มีนวัตกรรมจริง และการใช้ Use Case ที่ล่องลอย — องค์กรดำเนินการ AI เพื่อตัว AI เอง โดยไม่มีกรณีทางธุรกิจที่มีวินัย นำไปสู่ความล้มเหลว Anushree Verma นักวิเคราะห์ของ Gartner ตั้งข้อสังเกตว่าผู้ขายหลายรายได้เปลี่ยนชื่อแบรนด์แชทบอทที่มีอยู่เป็น AI agents โดยไม่ส่งมอบผลลัพธ์ที่มีความหมาย

ข้อค้นพบเหล่านี้สอดคล้องกับการประมาณการแยกต่างหากของ Gartner ในเดือนเมษายน 2026 ที่ว่า ผู้จัดการฝ่ายปฏิบัติการด้าน IT และโครงสร้างพื้นฐาน 57% มีโครงการ AI ที่ล้มเหลวอย่างน้อยหนึ่งโครงการ และหนึ่งในห้าโครงการ AI ในโดเมนนั้นล้มเหลวโดยสิ้นเชิง

ความไม่เชื่อมโยงระหว่างการใช้จ่ายและผลตอบแทน: หลักฐานจากหลายแหล่ง

แหล่งข้อมูลสำคัญหลายแห่งยืนยันถึงช่องว่างที่เพิ่มขึ้นระหว่างการลงทุน AI จำนวนมหาศาลกับผลลัพธ์ทางธุรกิจที่วัดได้:

Goldman Sachs (สิงหาคม 2026): Ben Snider นักยุทธศาสตร์ รายงานว่าการใช้จ่ายด้าน AI เพิ่มขึ้นอย่างรวดเร็ว แต่เทคโนโลยีดังกล่าวยังไม่ก่อให้เกิดการปรับปรุงกำไรที่มีความหมายสำหรับบริษัทส่วนใหญ่ มีเพียง 2% ของบริษัทใน S&P 500 เท่านั้นที่วัดผลกระทบของ AI ต่อกำไรได้ และส่วนใหญ่รายงานว่าได้รับประโยชน์เพียงเล็กน้อยหรือไม่มีเลยในทันที Jessica Rindels นักวิเคราะห์ ประมาณการว่าการลงทุน AI ของสหรัฐฯ จะรวมเกือบ 600,000 ล้านดอลลาร์ในปี 2026 ซึ่งเทียบเท่าเกือบ 2% ของ GDP แต่หลักฐานของผลประโยชน์ทางเศรษฐกิจที่สอดคล้องกันยังคงบางเบา

Goldman Sachs (พฤษภาคม 2026): Jim Covello นักวิเคราะห์ ตั้งข้อสังเกตว่าองค์กรส่วนใหญ่ยังไม่สร้างผลตอบแทนใดๆ จากการใช้จ่ายด้าน AI โดยอ้างถึงการศึกษาของ MIT ที่พบว่า 95% ของโครงการ AI นำร่องในองค์กรไม่มีผลกระทบต่อกำไรขาดทุน (P&L) ที่วัดได้ Covello ให้เหตุผลว่าเศรษฐกิจของ AI "น่าสงสัยมากกว่าเมื่อสองปีที่แล้ว"

Goldman Sachs (กรกฎาคม 2026): Jan Hatzius นักเศรษฐศาสตร์ และ David Peng นักวิเคราะห์ เสนอการตรวจสอบความเป็นจริง — การนำ AI ไปใช้และการเพิ่มผลผลิตอาจใช้เวลานานกว่าที่ตลาดคาดไว้มาก การวิเคราะห์ของพวกเขาแสดงให้เห็นว่าผลกระทบต่อผลผลิตเป็นไปตามเส้นโค้ง J: การถ่วงเล็กน้อยในช่วงสี่ปีแรก กำไรที่มีนัยสำคัญทางสถิติหลังจากแปดปี และผลกระทบสูงสุดประมาณ 0.6 จุดเปอร์เซ็นต์ในปีที่ 12 หากการเปิดตัว ChatGPT ในปี 2022 เทียบเท่ากับการเปิดตัวพีซีในปี 1981 ผลตอบแทนก็ยังอยู่ห่างออกไปอีกหลายปี

McKinsey (2026): น้อยกว่า 20% ของการปรับใช้ AI ในองค์กร ที่แสดงผลกระทบทางธุรกิจที่วัดได้

Sequoia Capital: ได้ส่งสัญญาณถึง ช่องว่างรายได้ประมาณ 600,000 ล้านดอลลาร์ ระหว่างการลงทุน AI และผลตอบแทนจาก AI

ความเสี่ยงด้านกระแสเงินสดของผู้เล่น Hyperscaler: Goldman Sachs เตือนว่าผู้ให้บริการคลาวด์รายใหญ่สี่ราย (Amazon, Alphabet/Google, Microsoft, Meta) กำลังใช้จ่าย มากกว่ากระแสเงินสดจากการดำเนินงานทั้งหมดของพวกเขา ไปกับโครงสร้างพื้นฐาน AI โดยไม่มี ROI ขององค์กรที่พิสูจน์ได้เพื่อแสดงว่าเงินลงทุนนั้นคุ้มค่า ค่าใช้จ่ายด้านทุนรวมสำหรับสี่บริษัทนี้ในปี 2026 คาดการณ์ไว้ที่ประมาณ 650,000 ล้านดอลลาร์

ทำไมโครงการถึงล้มเหลว: ไม่ใช่ปัญหาที่เทคโนโลยี

ข้อค้นพบที่สอดคล้องกันในการวิเคราะห์หลักๆ ทั้งหมดคือ ความล้มเหลวของโครงการ AI เป็นปัญหาเชิงองค์กรและเชิงกลยุทธ์ ไม่ใช่ทางเทคนิค โมเดลแทบไม่เคยล้มเหลว แต่กรณีธุรกิจ ฐานข้อมูล และการควบคุมต้นทุนต่างหากที่ล้มเหลว

Gartner ระบุรูปแบบความล้มเหลวหลักสามประการที่ขับเคลื่อนการคาดการณ์: ต้นทุนที่เพิ่มขึ้นโดยไม่มีรูปแบบ ROI ที่ชัดเจน มูลค่าทางธุรกิจที่ไม่ชัดเจน และการควบคุมความเสี่ยงที่ไม่เพียงพอ ดังที่นักวิเคราะห์ Gartner คนหนึ่งกล่าวว่า "โครงการ AI agent ส่วนใหญ่ในตอนนี้เป็นการทดลองในระยะแรกหรือการพิสูจน์แนวคิดที่ขับเคลื่อนด้วยกระแส hype เป็นหลัก และมักถูกนำไปใช้ในทางที่ผิด"

ผลที่ตามมาเริ่มปรากฏให้เห็นแล้ว Gartner ทำนายว่าภายในปี 2028 70% ของโครงการ AI จะถูกยกเลิก เนื่องจากการระเบิดของต้นทุนที่ไม่สามารถจัดการได้และการล่องลอยของมูลค่าในองค์กรที่ขาดแนวทางปฏิบัติในการจัดการทางการเงินด้าน AI โดยเฉพาะ

ความหมายสำหรับผู้บริหารองค์กร

รูปแบบจาก Gartner, Goldman Sachs, McKinsey, MIT และ Sequoia นั้นสอดคล้องกัน: การใช้จ่ายด้าน AI อยู่ในระดับสูงสุดเป็นประวัติการณ์ แต่องค์กรส่วนใหญ่ยังไม่สามารถแสดง ผลตอบแทนในเชิงผลกำไรที่วัดได้ จากการใช้จ่ายนั้น หลายแห่ง已经开始ถอยกลับหรือล้มเหลวในการนำโครงการผ่านขั้นตอนนำร่อง

สำหรับองค์กรที่ลงทุนใน AI งานวิจัยชี้ให้เห็นเส้นทางที่ชัดเจน: ระบุคอขวดในการดำเนินงานเฉพาะที่มีผลกระทบต่อต้นทุนหรือคุณภาพที่วัดได้ สร้างโซลูชัน AI สำหรับปัญหานั้นโดยเฉพาะ วัดผลกระทบก่อน/หลังอย่างเข้มงวด และขยายเฉพาะสิ่งที่ใช้ได้ผล โครงการที่ไม่สามารถกำหนดเมตริก ROI ที่ชัดเจนตั้งแต่วันแรกนั้นไม่น่าจะรอดจากการตรวจสอบที่กำลังจะมาถึง