ปัญหา: ก้าวข้ามการใช้งาน AI แค่ผิวเผิน

แนวคิดหลักของบริษัทคือการที่หลายองค์กรซื้อไลเซนส์ AI แต่ไม่สามารถสร้างผลตอบแทนที่คุ้มค่าได้ เนื่องจากพนักงานไม่เคยนำเครื่องมือเหล่านั้นเข้าไปผสานในกิจวัตรการทำงานเลย ผู้ก่อตั้ง Atheni ใช้เวลากว่าสองปีในการพัฒนาแนวทางเพื่อรับมือปัญหานี้จากการทำงานกับลูกค้าโดยตรง เพื่อช่วยให้ทีมฝัง AI เข้าไปในเวิร์กโฟลว์ปกติและใช้มันในการตัดสินใจที่ดีขึ้น

ขนาดของความท้าทายนี้สะท้อนให้เห็นในข้อมูลตลาดโดยรวม การขาดความเชี่ยวชาญยังคงเป็นอุปสรรคอันดับหนึ่งของการนำ AI มาใช้ โดยองค์กรที่พิจารณาใช้งาน AI แต่สุดท้ายไม่ได้ใช้ ราว 70% ระบุถึงปัญหานี้ Atheni มีเป้าหมายที่จะเชื่อมช่องว่างดังกล่าวด้วยการนำแนวทางที่ผ่านการพิสูจน์แล้วมาทำให้เป็นผลิตภัณฑ์

Atheni Accelerator ทำงานอย่างไร

หัวใจหลักของข้อเสนอจาก Atheni คือ Atheni Accelerator ซึ่งเป็นโปรแกรมบนเบราว์เซอร์ที่ออกแบบมาเพื่อให้คำแนะนำเฉพาะบุคคลในการทำงานแก่พนักงาน แทนที่จะเป็นการอบรมแบบนามธรรม แพลตฟอร์มนี้จะฝังการสนับสนุน AI เฉพาะบทบาทลงในงานที่ทำในแต่ละวันโดยตรง

องค์ประกอบหลักของ Accelerator ประกอบด้วย:

• คำแนะนำเฉพาะบทบาท: ความช่วยเหลือที่ออกแบบมาเฉพาะตัวที่ตรงกับจุดที่พนักงานทำงาน
• ตัวชี้วัดการนำไปใช้ที่วัดผลได้: เครื่องมือสำหรับองค์กรในการติดตามว่า AI ถูกใช้งานจริงหรือไม่ และส่งผลต่อเวิร์กโฟลว์อย่างไร
• ระเบียบวิธีที่ปรับขนาดได้: การนำโมเดลการทำงานร่วมกับลูกค้าที่ผู้ก่อตั้งพัฒนามาสองปีมาทำให้เป็นผลิตภัณฑ์

เป้าหมายคือการย้ายทีมจากการใช้ AI แบบกระจัดกระจายและเป็นการทดลอง ไปสู่การบูรณาการที่สม่ำเสมอและมีคุณภาพระดับที่ใช้ในการตัดสินใจ

อัตราการนำไปใช้: สิ่งที่เรารู้และสิ่งที่เราไม่รู้

แม้ว่าข่าวประชาสัมพันธ์ของ Atheni จะกล่าวถึงผลการทดลองในสภาพแวดล้อมที่หลากหลาย ไม่ว่าจะเป็น การศึกษาขั้นสูง (Further Education) ในเซาท์เวลส์, การศึกษาสำหรับผู้บริหาร (Executive Education), งานบริการด้านวิชาชีพ (Professional Services) และสมาคมการค้าด้านการผลิตขนาดใหญ่ แต่ก็ยังไม่มีการเปิดเผยเปอร์เซ็นต์การนำไปใช้หรือผลลัพธ์เชิงปริมาณที่เจาะจงใดๆ

นี่คือช่องว่างที่สำคัญที่น่าสังเกต หากดูภาพรวมของการนำ AI ไปใช้ในอุตสาหกรรมต่างๆ จะพบความแตกต่างอย่างมีนัยสำคัญในแต่ละภาคส่วน โดยบริษัทเทคโนโลยีเป็นผู้นำที่ประมาณ 88–92% ในขณะที่ภาคการศึกษายังตามหลังอยู่ที่ประมาณ 34% จนกว่า Atheni จะเปิดเผยตัวชี้วัดของแพลตฟอร์มเอง ก็เป็นไปไม่ได้เลยที่จะประเมินว่า Accelerator สามารถยกระดับอัตราการนำไปใช้ให้สูงกว่าเส้นฐานของอุตสาหกรรมเหล่านี้ได้อย่างมีนัยสำคัญหรือไม่

กลุ่มเป้าหมายและแผนการต่อไป

ด้วยเงินทุนใหม่นี้ Atheni วางแผนที่จะพัฒนาแพลตฟอร์มและขยายขีดความสามารถของ Accelerator อย่างต่อเนื่อง โดยบริษัทในเบื้องต้นมุ่งเน้นไปที่สามภาคส่วน :

• การศึกษา (รวมถึงการศึกษาขั้นสูงและการศึกษาสำหรับผู้บริหาร)
• การผลิต
• บริการทางการเงินที่มีการกำกับดูแล

ยังไม่มีการเปิดเผยแผนงานด้านผลิตภัณฑ์หรือไทม์ไลน์การขยายธุรกิจที่ละเอียดเกินไปกว่าการสร้างแพลตฟอร์มในปัจจุบัน อย่างไรก็ตาม การเลือกกลุ่มเป้าหมายก็น่าสนใจ เพราะภาคการศึกษาและการผลิตเป็นกลุ่มที่นำ AI ไปใช้ได้ช้ากว่าในอดีต ซึ่งหมายความว่าผลลัพธ์ของลูกค้าในกลุ่มนี้ (หากมีการเผยแพร่เมื่อใด) จะเป็นบททดสอบสำคัญของระเบียบวิธีของ Atheni

ภาพใหญ่กว่านั้น

การที่ Atheni มุ่งเน้นไปที่การนำไปใช้มากกว่าการพัฒนาเครื่องมือ จัดให้บริษัทอยู่ในประเภทที่แตกต่างออกไป ในขณะที่สตาร์ทอัป AI ส่วนใหญ่สร้างความสามารถใหม่ๆ Atheni กำลังพยายามทำให้แน่ใจว่าเครื่องมือที่มีอยู่ถูกใช้งานได้จริง ซึ่งสอดคล้องกับปัญหาหลักขององค์กรทั่วโลก โดย 69% ขององค์กรยังอยู่ในขั้นทดลองหรือดำเนินโครงการนำร่องแบบจำกัด และมีเพียง 23% เท่านั้นที่บรรลุถึงการปรับใช้ในระดับปฏิบัติการและมีผลกระทบทางการเงินที่วัดผลได้

ในฐานะบริษัทเล็กๆ ระดับ Pre-Seed ที่ยังไม่มีข้อมูลผลการดำเนินงานที่เผยแพร่ Atheni ยังมีอีกหลายอย่างที่ต้องพิสูจน์ แต่ด้วยการสนับสนุนจากผู้ประกอบการมากประสบการณ์อย่าง Alex Chesterman และการมุ่งเน้นที่ชัดเจนไปยังปัญหาที่แพร่หลายและวัดผลได้ สิ่งนี้มอบรากฐานที่น่าจับตามอง

ปัญหา: ก้าวข้ามการใช้งาน AI แค่ผิวเผิน

แนวคิดหลักของบริษัทคือการที่หลายองค์กรซื้อไลเซนส์ AI แต่ไม่สามารถสร้างผลตอบแทนที่คุ้มค่าได้ เนื่องจากพนักงานไม่เคยนำเครื่องมือเหล่านั้นเข้าไปผสานในกิจวัตรการทำงานเลย ผู้ก่อตั้ง Atheni ใช้เวลากว่าสองปีในการพัฒนาแนวทางเพื่อรับมือปัญหานี้จากการทำงานกับลูกค้าโดยตรง เพื่อช่วยให้ทีมฝัง AI เข้าไปในเวิร์กโฟลว์ปกติและใช้มันในการตัดสินใจที่ดีขึ้น

ขนาดของความท้าทายนี้สะท้อนให้เห็นในข้อมูลตลาดโดยรวม การขาดความเชี่ยวชาญยังคงเป็นอุปสรรคอันดับหนึ่งของการนำ AI มาใช้ โดยองค์กรที่พิจารณาใช้งาน AI แต่สุดท้ายไม่ได้ใช้ ราว 70% ระบุถึงปัญหานี้ Atheni มีเป้าหมายที่จะเชื่อมช่องว่างดังกล่าวด้วยการนำแนวทางที่ผ่านการพิสูจน์แล้วมาทำให้เป็นผลิตภัณฑ์

Atheni Accelerator ทำงานอย่างไร

หัวใจหลักของข้อเสนอจาก Atheni คือ Atheni Accelerator ซึ่งเป็นโปรแกรมบนเบราว์เซอร์ที่ออกแบบมาเพื่อให้คำแนะนำเฉพาะบุคคลในการทำงานแก่พนักงาน แทนที่จะเป็นการอบรมแบบนามธรรม แพลตฟอร์มนี้จะฝังการสนับสนุน AI เฉพาะบทบาทลงในงานที่ทำในแต่ละวันโดยตรง

องค์ประกอบหลักของ Accelerator ประกอบด้วย:

• คำแนะนำเฉพาะบทบาท: ความช่วยเหลือที่ออกแบบมาเฉพาะตัวที่ตรงกับจุดที่พนักงานทำงาน
• ตัวชี้วัดการนำไปใช้ที่วัดผลได้: เครื่องมือสำหรับองค์กรในการติดตามว่า AI ถูกใช้งานจริงหรือไม่ และส่งผลต่อเวิร์กโฟลว์อย่างไร
• ระเบียบวิธีที่ปรับขนาดได้: การนำโมเดลการทำงานร่วมกับลูกค้าที่ผู้ก่อตั้งพัฒนามาสองปีมาทำให้เป็นผลิตภัณฑ์

เป้าหมายคือการย้ายทีมจากการใช้ AI แบบกระจัดกระจายและเป็นการทดลอง ไปสู่การบูรณาการที่สม่ำเสมอและมีคุณภาพระดับที่ใช้ในการตัดสินใจ

อัตราการนำไปใช้: สิ่งที่เรารู้และสิ่งที่เราไม่รู้

แม้ว่าข่าวประชาสัมพันธ์ของ Atheni จะกล่าวถึงผลการทดลองในสภาพแวดล้อมที่หลากหลาย ไม่ว่าจะเป็น การศึกษาขั้นสูง (Further Education) ในเซาท์เวลส์, การศึกษาสำหรับผู้บริหาร (Executive Education), งานบริการด้านวิชาชีพ (Professional Services) และสมาคมการค้าด้านการผลิตขนาดใหญ่ แต่ก็ยังไม่มีการเปิดเผยเปอร์เซ็นต์การนำไปใช้หรือผลลัพธ์เชิงปริมาณที่เจาะจงใดๆ

นี่คือช่องว่างที่สำคัญที่น่าสังเกต หากดูภาพรวมของการนำ AI ไปใช้ในอุตสาหกรรมต่างๆ จะพบความแตกต่างอย่างมีนัยสำคัญในแต่ละภาคส่วน โดยบริษัทเทคโนโลยีเป็นผู้นำที่ประมาณ 88–92% ในขณะที่ภาคการศึกษายังตามหลังอยู่ที่ประมาณ 34% จนกว่า Atheni จะเปิดเผยตัวชี้วัดของแพลตฟอร์มเอง ก็เป็นไปไม่ได้เลยที่จะประเมินว่า Accelerator สามารถยกระดับอัตราการนำไปใช้ให้สูงกว่าเส้นฐานของอุตสาหกรรมเหล่านี้ได้อย่างมีนัยสำคัญหรือไม่

กลุ่มเป้าหมายและแผนการต่อไป

ด้วยเงินทุนใหม่นี้ Atheni วางแผนที่จะพัฒนาแพลตฟอร์มและขยายขีดความสามารถของ Accelerator อย่างต่อเนื่อง โดยบริษัทในเบื้องต้นมุ่งเน้นไปที่สามภาคส่วน :

• การศึกษา (รวมถึงการศึกษาขั้นสูงและการศึกษาสำหรับผู้บริหาร)
• การผลิต
• บริการทางการเงินที่มีการกำกับดูแล

ยังไม่มีการเปิดเผยแผนงานด้านผลิตภัณฑ์หรือไทม์ไลน์การขยายธุรกิจที่ละเอียดเกินไปกว่าการสร้างแพลตฟอร์มในปัจจุบัน อย่างไรก็ตาม การเลือกกลุ่มเป้าหมายก็น่าสนใจ เพราะภาคการศึกษาและการผลิตเป็นกลุ่มที่นำ AI ไปใช้ได้ช้ากว่าในอดีต ซึ่งหมายความว่าผลลัพธ์ของลูกค้าในกลุ่มนี้ (หากมีการเผยแพร่เมื่อใด) จะเป็นบททดสอบสำคัญของระเบียบวิธีของ Atheni

ภาพใหญ่กว่านั้น

การที่ Atheni มุ่งเน้นไปที่การนำไปใช้มากกว่าการพัฒนาเครื่องมือ จัดให้บริษัทอยู่ในประเภทที่แตกต่างออกไป ในขณะที่สตาร์ทอัป AI ส่วนใหญ่สร้างความสามารถใหม่ๆ Atheni กำลังพยายามทำให้แน่ใจว่าเครื่องมือที่มีอยู่ถูกใช้งานได้จริง ซึ่งสอดคล้องกับปัญหาหลักขององค์กรทั่วโลก โดย 69% ขององค์กรยังอยู่ในขั้นทดลองหรือดำเนินโครงการนำร่องแบบจำกัด และมีเพียง 23% เท่านั้นที่บรรลุถึงการปรับใช้ในระดับปฏิบัติการและมีผลกระทบทางการเงินที่วัดผลได้

ในฐานะบริษัทเล็กๆ ระดับ Pre-Seed ที่ยังไม่มีข้อมูลผลการดำเนินงานที่เผยแพร่ Atheni ยังมีอีกหลายอย่างที่ต้องพิสูจน์ แต่ด้วยการสนับสนุนจากผู้ประกอบการมากประสบการณ์อย่าง Alex Chesterman และการมุ่งเน้นที่ชัดเจนไปยังปัญหาที่แพร่หลายและวัดผลได้ สิ่งนี้มอบรากฐานที่น่าจับตามอง