Goldman Sachs เผยว่ามีเพียง 2% ของบริษัทใน S&P 500 เท่านั้นที่วัดผลกระทบของ AI ต่อกำไรได้ ขณะที่เม็ดเงินลงทุน AI ในสหรัฐฯ ปี 2026 เกือบ 600,000 ล้านดอลลาร์ คิดเป็นเกือบ 2% ของ GDP
งานวิจัยจาก MIT พบว่า 95% ของโครงการ AI นำร่องในองค์กรไม่ส่งผลกระทบต่อกำไร (P&L) และ McKinsey รายงานว่าน้อยกว่า 20% ของการใช้งาน AI ในองค์กรที่มีผลกระทบทางธุรกิจที่วัดได้
According to Gartner, why are roughly one in five organizations expected to scale back or abandon AI deployment in parts of their operationsGartner, Goldman Sachs, McKinsey, and MIT all show that most enterprise AI deployments fail to deliver measurable ROI, leading to a predicted pullback by 2028.
AI พรอมต์
Create a landscape editorial hero image for this Studio Global article: According to Gartner, why are roughly one in five organizations expected to scale back or abandon AI deployment in parts of their operations. Article summary: ## Gartner's prediction: Why one in five organizations will pull back on AI by 2028. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
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 จะลดหรือเลิกใช้ AI ในบางส่วนของธุรกิจ และกลับไปใช้ซอฟต์แวร์แบบเดิม เนื่องจากต้นทุนที่ควบคุมไม่ได้และผลตอบแทนไม่คุ้มค่า Goldman Sachs เผยว่ามีเพียง 2% ของบริษัทใน S&P 500 เท่านั้นที่วัดผลกระทบของ AI ต่อกำไรได้ ขณะที่เม็ดเงินลงทุน AI ในสหรัฐฯ ปี 2026 เกือบ 600,000 ล้านดอลลาร์ คิดเป็นเกือบ 2% ของ GDP
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
งานวิจัยจาก MIT พบว่า 95% ของโครงการ AI นำร่องในองค์กรไม่ส่งผลกระทบต่อกำไร (P&L) และ McKinsey รายงานว่าน้อยกว่า 20% ของการใช้งาน AI ในองค์กรที่มีผลกระทบทางธุรกิจที่วัดได้
Goldman Sachs เผยว่ามีเพียง 2% ของบริษัทใน S&P 500 เท่านั้นที่วัดผลกระทบของ AI ต่อกำไรได้ ขณะที่เม็ดเงินลงทุน AI ในสหรัฐฯ ปี 2026 เกือบ 600,000 ล้านดอลลาร์ คิดเป็นเกือบ 2% ของ GDP
งานวิจัยจาก MIT พบว่า 95% ของโครงการ AI นำร่องในองค์กรไม่ส่งผลกระทบต่อกำไร (P&L) และ McKinsey รายงานว่าน้อยกว่า 20% ของการใช้งาน AI ในองค์กรที่มีผลกระทบทางธุรกิจที่วัดได้
According to Gartner, why are roughly one in five organizations expected to scale back or abandon AI deployment in parts of their operationsGartner, Goldman Sachs, McKinsey, and MIT all show that most enterprise AI deployments fail to deliver measurable ROI, leading to a predicted pullback by 2028.
AI พรอมต์
Create a landscape editorial hero image for this Studio Global article: According to Gartner, why are roughly one in five organizations expected to scale back or abandon AI deployment in parts of their operations. Article summary: ## Gartner's prediction: Why one in five organizations will pull back on AI by 2028. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
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 จะลดหรือเลิกใช้ AI ในบางส่วนของธุรกิจ และกลับไปใช้ซอฟต์แวร์แบบเดิม เนื่องจากต้นทุนที่ควบคุมไม่ได้และผลตอบแทนไม่คุ้มค่า Goldman Sachs เผยว่ามีเพียง 2% ของบริษัทใน S&P 500 เท่านั้นที่วัดผลกระทบของ AI ต่อกำไรได้ ขณะที่เม็ดเงินลงทุน AI ในสหรัฐฯ ปี 2026 เกือบ 600,000 ล้านดอลลาร์ คิดเป็นเกือบ 2% ของ GDP
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
งานวิจัยจาก MIT พบว่า 95% ของโครงการ AI นำร่องในองค์กรไม่ส่งผลกระทบต่อกำไร (P&L) และ McKinsey รายงานว่าน้อยกว่า 20% ของการใช้งาน AI ในองค์กรที่มีผลกระทบทางธุรกิจที่วัดได้
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
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"
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
ibm.comWhy most enterprise AI projects stall before they scale | IBM
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
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"
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
ibm.comWhy most enterprise AI projects stall before they scale | IBM
