ผลสำรวจ UiPath: Agentic AI ในองค์กรยังติดอยู่ที่ขั้นทดลอง ไม่ได้ขยายใช้เต็มรูปแบบ

ผลสำรวจของ UiPath เมื่อเดือนกันยายน 2026 ซึ่งสอบถามผู้บริหารระดับ C-suite และผู้ปฏิบัติงานด้านไอทีราว 600 คนจากบริษัทที่มีรายได้อย่างน้อย 1 พันล้านดอลลาร์สหรัฐ สะท้อนภาพที่ชัดเจนของ Agentic AI ในองค์กรขนาดใหญ่: หลายแห่งพิสูจน์แนวคิดเบื้องต้นได้แล้ว แต่มีน้อยกว่ามากที่ทำให้ AI agent กลายเป็นขีดความสามารถซึ่งใช้ซ้ำและขยายได้ทั่วทั้งธุรกิจ UiPath เรียกภาวะนี้ว่า “pilot purgatory” หรือการติดค้างอยู่ในขั้นโครงการนำร่อง 418

อย่างไรก็ดี นี่เป็นแบบสำรวจที่ได้รับการสนับสนุนโดยผู้ให้บริการเทคโนโลยี และผลลัพธ์อาศัยการรายงานด้วยตนเองของผู้ตอบ จึงควรตีความตัวเลขผลตอบแทนจากการลงทุน (ROI) ว่าเป็นประสบการณ์ที่ผู้ตอบรายงาน ไม่ใช่การวัดผลอิสระ แต่ผลสำรวจช่วยชี้จุดที่การนำไปใช้งานระดับองค์กรกำลังสะดุดได้ชัดเจน นั่นคือ ข้อมูล การเชื่อมต่อระบบ และธรรมาภิบาล

มีการใช้งานจริง แต่ยังไม่ทั่วถึง

ในกลุ่มองค์กรที่ตอบแบบสำรวจ 31% ระบุว่า AI ถูกฝังอยู่ในการดำเนินธุรกิจอย่างเต็มรูปแบบ อีก 35% ใช้งานในวงจำกัด ส่วน 11% ยังอยู่ในช่วงโครงการนำร่องหรือการทดลอง 3

ตัวเลขนี้ไม่ได้หมายความว่าองค์กรที่เหลือทั้งหมดล้มเหลวในการใช้ AI แต่สะท้อนว่าการฝัง AI เข้ากับการปฏิบัติงานในวงกว้างยังพบได้ไม่มากเท่าการใช้งานแบบจำกัดขอบเขต ข้อค้นพบหลักของ UiPath คือ องค์กรมักสร้าง proof of concept (PoC) สำหรับการใช้งาน Agentic AI ครั้งแรกได้ แต่กลับยากที่จะขยายผลและพิสูจน์ ROI ที่มีนัยสำคัญ 18

3 กำแพงสำคัญเมื่อจะขยาย Agentic AI

เมื่อถามถึงความท้าทายในการปรับใช้ให้มีประสิทธิภาพ ผู้ตอบระบุอุปสรรคอันดับต้น ๆ ดังนี้

• คุณภาพและความพร้อมของข้อมูล: 38%
• การเชื่อม Agentic AI เข้ากับเวิร์กโฟลว์และระบบเดิม: 37%
• ธรรมาภิบาลและการปฏิบัติตามข้อกำหนด: 33% 18

สิ่งเหล่านี้อธิบายได้ว่าทำไมเดโมที่ทำงานได้จึงไม่เท่ากับการนำไปใช้จริงในระดับ production โครงการนำร่องอาจจำกัดอยู่กับงานแคบ ๆ ผู้ใช้กลุ่มเล็ก และการเชื่อมต่อระบบไม่กี่จุด แต่เมื่อใช้งานจริง ระบบต้องทำงานข้ามแอปพลิเคชัน ทีมงาน และกลไกควบคุมที่เป็นส่วนหนึ่งของงานประจำวัน

TechTarget อธิบายความต่างนี้ในทิศทางเดียวกัน: เดโมช่วยยืนยันว่า agent ทำงานหนึ่งได้ภายใต้เงื่อนไขควบคุม แต่ไม่ได้ยืนยันว่าองค์กรแก้โจทย์ข้อมูล ความปลอดภัย การออกแบบเวิร์กโฟลว์ การวัดคุณค่า และรูปแบบการดำเนินงานที่จำเป็นต่อการใช้งานซ้ำได้ทั่วองค์กรแล้ว 21

ทำไม orchestration จึงเป็นหัวใจของการขยายใช้

UiPath ใช้คำว่า business orchestration เพื่อหมายถึงชั้นการประสานงานที่เชื่อมคน แอปพลิเคชัน ข้อมูล ระบบอัตโนมัติ และ AI agent ซึ่งอยู่ในกระบวนการธุรกิจเดียวกัน เป้าหมายคือทำให้องค์ประกอบเหล่านี้ทำงานเป็นโฟลว์แบบครบวงจรที่จัดการได้ แทนที่จะเป็นเครื่องมือแยกส่วน โดยกรอบผลิตภัณฑ์ของ UiPath ระบุถึงการประสาน agent, หุ่นยนต์ซอฟต์แวร์, คน, แอปพลิเคชัน และข้อมูลข้ามกระบวนการองค์กร 14

ในทางปฏิบัติ orchestration มีไว้ช่วยกำหนดว่างานขั้นถัดไปคืออะไร ใครหรือระบบใดต้องรับช่วง จุดใดต้องมีมนุษย์ตรวจสอบ และจะติดตามรวมถึงกำกับดูแลงานอย่างไร เรื่องนี้สำคัญยิ่งขึ้นเมื่อการกระทำของ agent ต้องเชื่อมกับแอปพลิเคชันเดิมและขั้นตอนอนุมัติที่มีอยู่

ผลสำรวจพบว่า มีผู้ตอบเพียง 29% ที่ฝัง orchestration ไว้ในเวิร์กโฟลว์อย่างเต็มรูปแบบ และในกลุ่มนี้ 89% ระบุว่าการนำ Agentic AI ไปใช้ให้ ROI เป็นไปตามหรือสูงกว่าความคาดหวัง 5

นี่เป็นความสัมพันธ์ที่น่าสนใจในผลสำรวจ แต่ไม่ควรตีความว่า orchestration เป็นสาเหตุที่รับประกัน ROI โดยตรง องค์กรที่มี orchestration พร้อมใช้ อาจมีฐานข้อมูลที่แข็งแรงกว่า เลือกกรณีใช้งานได้ชัดเจนกว่า หรือมีแนวปฏิบัติด้านการดำเนินงานที่พัฒนากว่า ข้อสรุปที่รอบคอบกว่าคือ orchestration ดูจะเป็นส่วนหนึ่งของชุดความสามารถที่สัมพันธ์กับความสำเร็จตามที่ผู้ตอบรายงาน

เวิร์กโฟลว์แบบผสมจะได้รับความสนใจมากขึ้น

เมื่อมองไปใน 12 เดือนข้างหน้า ผู้ตอบ 36% คาดว่า AI agent จะมีบทบาทสำคัญในเวิร์กโฟลว์ขององค์กร 2

ประเภทงานที่ถูกเลือกมากที่สุดคือ เวิร์กโฟลว์แบบผสม (hybrid workflows) ที่ 52% โดยเป็นงานที่รวมขั้นตอนคงที่และทำซ้ำได้ เข้ากับงานที่ต้องอาศัยบริบทและเปลี่ยนแปลงตามสถานการณ์ 212

ประเด็นนี้สำคัญ เพราะกระบวนการที่มีมูลค่าสูงมักไม่ใช่งานอัตโนมัติล้วน ๆ หรือใช้คนล้วน ๆ แต่อาจผสานธุรกรรมที่มีโครงสร้าง เอกสาร กรณียกเว้น การใช้ดุลยพินิจ และการอนุมัติ Agentic AI อาจช่วยงานเหล่านี้ได้ แต่การขยายใช้ต้องประสานรูปแบบการทำงานที่หลากหลาย ไม่ใช่มอง agent เป็นเพียงหน้าจอหรือเครื่องมือเดี่ยว

จาก PoC สู่ความสามารถระดับองค์กร

บทเรียนสำคัญจากผลสำรวจคือ องค์กรไม่ควรตัดสินความพร้อมจากคำถามเพียงว่า agent ทำงานทดสอบสำเร็จหรือไม่ คำถามที่ยากกว่า คือองค์กรสามารถนำความสามารถนั้นไปใช้ในงานจริงได้อย่างสม่ำเสมอหรือไม่

แนวทางที่มุ่งสู่การใช้งานจริงควรครอบคลุมอย่างน้อย 5 เรื่อง

1. ข้อมูลที่น่าเชื่อถือและนำไปใช้ได้ — agent ต้องเข้าถึงข้อมูลที่น่าไว้วางใจและพร้อมใช้เพียงพอสำหรับงานนั้น
2. การเชื่อมเวิร์กโฟลว์และระบบ — agent ต้องทำงานภายในแอปพลิเคชัน ขั้นตอน และจุดส่งต่องานที่มีอยู่ ไม่ใช่ทำงานแยกข้างกระบวนการ
3. ธรรมาภิบาลและความรับผิดชอบ — เมื่อ AI มีส่วนร่วมในงานปฏิบัติการ องค์กรต้องมีการควบคุม การมองเห็น และผู้รับผิดชอบที่เหมาะสม
4. การออกแบบกระบวนการแบบผสม — เวิร์กโฟลว์ต้องรองรับทั้งระบบอัตโนมัติที่เป็นขั้นตอนตายตัว งานที่ขับเคลื่อนด้วย AI และการตัดสินใจของมนุษย์ในจุดที่เหมาะสม
5. การวัดผลลัพธ์ — ทีมงานต้องวัดได้ว่าการใช้งานสร้างผลลัพธ์ทางธุรกิจที่มีความหมาย ไม่ใช่เพียงเดโมที่น่าประทับใจ

ผลสำรวจของ UiPath ไม่ได้บอกว่า Agentic AI หายไปจากองค์กรขนาดใหญ่ แต่ชี้ว่าความยากได้ย้ายจากช่วงทดลอง มาสู่ช่วงทำให้ใช้งานจริงในระดับปฏิบัติการ สำหรับองค์กรที่ต้องการหลุดพ้นจากโครงการนำร่อง ลำดับความสำคัญจึงไม่ใช่การเพิ่ม agent แบบแยกส่วนอีกตัว หากคือการสร้างรากฐานด้านข้อมูล การเชื่อมระบบ ธรรมาภิบาล และการประสานงาน เพื่อให้ agent ทำหน้าที่เป็นส่วนที่ตรวจสอบและรับผิดชอบได้ของเวิร์กโฟลว์ธุรกิจแบบครบวงจร 1821