มีเพียง 31% ของผู้ตอบแบบสำรวจที่ระบุว่า AI ถูกฝังในธุรกิจอย่างเต็มรูปแบบ ขณะที่ 35% ใช้ในบางทีม และ 11% ยังอยู่ในขั้นทดลองจำกัดวง อุปสรรคอันดับต้น ๆ ของการขยาย Agentic AI คือคุณภาพและความพร้อมของข้อมูล 38% การเชื่อมกับระบบและเวิร์กโฟลว์เดิม 37% และธรรมาภิบาลกับการปฏิบัติตามข้อกำหนด 33% มีเพียง 29% ที่ฝัง business or...
เผยแพร่โดยแก้ไขด้วย GPT-5.6 Terraรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย

Create a landscape editorial hero image for this Studio Global article: What did UiPath’s global survey of 590 C-suite executives and IT practitioners at enterprises with at least $1 billion in annual revenue acr. Article summary: UiPath’s survey suggests that large enterprises are enthusiastic about agentic AI but remain early in operational maturity: most have not yet made it a repeatable, governed capability across the business. The central obs. Topic tags: general, general web. 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, clic
Agentic AI ไม่ได้เป็นเพียงแนวคิดบนสไลด์อีกต่อไปสำหรับบริษัทขนาดใหญ่จำนวนมาก แต่การนำไปใช้ทั่วทั้งองค์กรยังเป็นข้อยกเว้น ผลสำรวจของ UiPath ครอบคลุมผู้บริหารระดับ C-suite และผู้ปฏิบัติงานด้านไอที 590 คน จากองค์กรภาคเอกชนที่มีรายได้ต่อปีอย่างน้อย 1 พันล้านดอลลาร์สหรัฐ ในสหรัฐฯ สหราชอาณาจักร ฝรั่งเศส เยอรมนี อินเดีย และสิงคโปร์ ข้อค้นพบสำคัญคือ ความยากไม่ได้อยู่ที่การเริ่มใช้ AI Agent ตัวหนึ่ง แต่อยู่ที่การเดินงานที่เชื่อมโยงกันได้จริง มีการควบคุม และขยายได้ในองค์กรที่มีระบบซับซ้อน 3
4
ผู้ตอบเพียง 31% ระบุว่า AI ถูกฝังอยู่ในการดำเนินธุรกิจอย่างเต็มรูปแบบ อีก 35% ใช้งานแบบจำกัดในบางทีม ขณะที่ 11% ยังทดลองใช้งานในวงจำกัด 3
7
ตัวเลขนี้สะท้อนช่องว่างระหว่าง “ทำโครงการนำร่องได้” กับ “นำไปใช้งานจริงในวงกว้างได้” อย่างชัดเจน ทีมหนึ่งอาจพิสูจน์ประโยชน์ของ Agent ได้ในกรณีใช้งานที่ควบคุมขอบเขตได้ แต่การขยายผลต้องทำให้ Agent เชื่อมกับข้อมูลองค์กร แอปพลิเคชันธุรกิจ กระบวนการเดิม และพนักงานที่ต้องรับช่วงเมื่อเกิดข้อยกเว้น ได้อย่างน่าเชื่อถือ
ผู้ตอบแบบสำรวจระบุอุปสรรคหลักในการปรับใช้ Agentic AI ให้มีประสิทธิภาพ ได้แก่
ทั้งหมดนี้เป็นโจทย์ด้านการปฏิบัติการและสถาปัตยกรรมระบบ ไม่ใช่แค่การเลือกโมเดล AI ที่เก่งกว่า แม้โมเดลจะอ่านข้อมูลหรือเสนอแนวทางดำเนินการได้ แต่เวิร์กโฟลว์ที่ใช้งานจริงยังต้องมีข้อมูลนำเข้าที่เชื่อถือได้ สิทธิ์เข้าถึงที่เหมาะสม การเชื่อมต่อกับระบบ ความรับผิดชอบที่ชัดเจน และทางออกสำหรับงานที่ระบบทำเองไม่ได้
สำหรับองค์กรที่มีระบบเก่า (legacy systems) และกระบวนการพาดผ่านหลายฝ่าย ความท้าทายเรื่องการเชื่อมต่อยิ่งเด่นชัด Agent ที่ทำงานดีในแอปเดียวหรือในทีมเดียว ไม่ได้แปลว่าจะเข้ากับกระบวนการตั้งแต่ต้นจนจบ ซึ่งอาจมีหลายระบบ หลายจุดส่งต่องาน และหลายขั้นอนุมัติ
UiPath ใช้คำว่า business orchestration สำหรับชั้นที่เชื่อมข้อมูล ระบบ เวิร์กโฟลว์ พนักงาน และ AI Agent เข้าด้วยกัน ในทางปฏิบัติ คือการกำกับงานตลอดทั้งกระบวนการ ตั้งแต่มอบหมายงานให้ระบบอัตโนมัติ Agent หรือพนักงานที่เหมาะสม ติดตามความคืบหน้า ใช้มาตรการควบคุม และส่งต่อข้อยกเว้นให้มนุษย์ตัดสินใจเมื่อจำเป็น 4
อย่างไรก็ดี มีเพียง 29% ที่ระบุว่าฝัง orchestration ได้เต็มรูปแบบทั่วองค์กร ในกลุ่มนี้ 89% กล่าวว่าโครงการ Agentic AI ของตนให้ผลตอบแทนจากการลงทุน (ROI) ได้ตามหรือเกินความคาดหวัง 3
15
ผลลัพธ์ดังกล่าวน่าสนใจ แต่ไม่ควรตีความว่า orchestration เพียงอย่างเดียวเป็นสาเหตุให้ ROI สูงขึ้น เพราะเป็นแบบสำรวจที่ได้รับการสนับสนุนจากผู้ขายเทคโนโลยีและอาศัยการรายงานด้วยตนเอง องค์กรที่ทำ orchestration ได้สำเร็จอาจมีพื้นฐานข้อมูล วินัยด้านกระบวนการ ความสามารถในการเชื่อมระบบ และการสนับสนุนจากผู้บริหารที่พร้อมกว่าอยู่แล้ว 15
ผลสำรวจยังชี้ถึงความสำคัญของเวิร์กโฟลว์แบบผสม (hybrid workflows) ซึ่งรวมงานที่เป็นขั้นตอนตายตัวและทำซ้ำได้ เข้ากับงานที่เปลี่ยนไปตามบริบทและต้องใช้ดุลยพินิจ โดย 52% ของผู้นำที่สำรวจระบุว่ามีเวิร์กโฟลว์ลักษณะนี้อยู่ในการทำงานประจำวัน 10
จุดนี้ทำให้ Agent สามารถเสริมระบบอัตโนมัติแบบกำหนดกฎตายตัว แทนที่จะมาแทนที่ทั้งหมด ขั้นตอนที่มีโครงสร้างและทำซ้ำได้อาจปล่อยให้ระบบอัตโนมัติจัดการ ส่วน Agent ช่วยรับมือข้อมูลไม่มีโครงสร้าง บริบทที่เปลี่ยนแปลง และงานที่ต้องใช้การพิจารณา แต่การขยายรูปแบบนี้ยังขึ้นกับการออกแบบเวิร์กโฟลว์และกลไกควบคุมโดยรอบ
ประโยชน์เชิงปฏิบัติที่ผู้ตอบระบุจาก orchestration ได้แก่
ลำดับความสำคัญนี้ตอกย้ำว่า องค์กรไม่ได้ต้องการเพียงซอฟต์แวร์ที่ทำงานได้เองมากขึ้นเท่านั้น แต่ต้องการวิธีประสานคน แอปพลิเคชัน ระบบอัตโนมัติ และ AI เข้ากับกระบวนการธุรกิจที่มองเห็น ตรวจสอบ และกำกับดูแลได้
สารจากผลสำรวจคือ การเริ่มโครงการนำร่องแบบแยกส่วนทำได้ไม่ยากนัก แต่การทำให้ใช้ซ้ำและขยายได้ทั่วองค์กรยากกว่ามาก การก้าวพ้นช่วงทดลองจึงต้องมีมากกว่าการเลือกโมเดล AI หรือเปิดใช้ Agent แบบเดี่ยว ๆ ต้องอาศัยฐานข้อมูลที่เชื่อถือได้ การทำงานร่วมกันของแอปพลิเคชัน ความเป็นเจ้าของกระบวนการ ธรรมาภิบาล การติดตามผล และเส้นทางส่งต่อให้มนุษย์จัดการ
สำหรับผู้บริหาร คำถามจึงไม่ใช่แค่ Agent ช่วยงานตรงไหนได้บ้าง แต่ควรเป็น Agent จะทำงานอย่างปลอดภัย วัดผลได้ และอยู่ในเวิร์กโฟลว์ทั้งหมดอย่างไร องค์กรที่แก้โจทย์การประสานงานนี้ได้ จะมีโอกาสเปลี่ยนการทดลองที่ดูมีแววในระดับแผนก ให้กลายเป็นขีดความสามารถทางธุรกิจที่ใช้ข้ามสายงานได้จริง 4
Studio Global AI
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
มีเพียง 31% ของผู้ตอบแบบสำรวจที่ระบุว่า AI ถูกฝังในธุรกิจอย่างเต็มรูปแบบ ขณะที่ 35% ใช้ในบางทีม และ 11% ยังอยู่ในขั้นทดลองจำกัดวง
มีเพียง 31% ของผู้ตอบแบบสำรวจที่ระบุว่า AI ถูกฝังในธุรกิจอย่างเต็มรูปแบบ ขณะที่ 35% ใช้ในบางทีม และ 11% ยังอยู่ในขั้นทดลองจำกัดวง อุปสรรคอันดับต้น ๆ ของการขยาย Agentic AI คือคุณภาพและความพร้อมของข้อมูล 38% การเชื่อมกับระบบและเวิร์กโฟลว์เดิม 37% และธรรมาภิบาลกับการปฏิบัติตามข้อกำหนด 33%
มีเพียง 29% ที่ฝัง business orchestration ทั่วองค์กร แต่ 89% ของกลุ่มนี้บอกว่าการใช้งาน Agentic AI ให้ผลตอบแทนตามหรือเกินความคาดหวัง โดยเป็นความสัมพันธ์จากแบบสำรวจ ไม่ใช่หลักฐานเชิงเหตุและผล