องค์กรใช้ AI กันมากขึ้น แต่ทำไมยังพิสูจน์ความคุ้มค่าได้ยาก

จำนวนพนักงานที่เข้าถึง AI หรือจำนวนโครงการทดลองเป็นตัวเลขที่นับได้ง่าย แต่คำถามที่ยากกว่าคือ เงินที่จ่ายไปทำให้งานดีขึ้นคุ้มกับต้นทุนทั้งหมดหรือไม่ ผลสำรวจในปี 2026 สะท้อนช่องว่างด้านการติดตามค่าใช้จ่ายและการวัดผล ไม่ได้พิสูจน์ว่า AI สร้างคุณค่าไม่ได้232534

ผลสำรวจบอกอะไร และไม่ได้บอกอะไร

Flexera ระบุว่ามีเพียง 31% ขององค์กรที่มองเห็นค่าใช้จ่ายด้านซอฟต์แวร์ AI ได้อย่างแม่นยำ ขณะที่ 59% บอกว่าค่าใช้จ่าย AI ที่สูญเปล่าเพิ่มขึ้นในรอบปีที่ผ่านมา34 ส่วนผลสำรวจผู้นำเทคโนโลยีระดับสูง 100 คนของ Battery Ventures พบว่า 94% ระบุว่าองค์กรไม่มีกรอบประเมินผลตอบแทนจากการลงทุน หรือ ROI ด้าน AI ที่ใช้สอดคล้องกันทั้งองค์กร และมีเพียง 16% ที่รายงานว่าโครงการ AI มากกว่าครึ่งหนึ่งให้ ROI เป็นบวก23

เรื่องงบประมาณก็เป็นอีกสัญญาณหนึ่ง: ในผลสำรวจช่วงครึ่งหลังของปี 2026 ของ Futurum ผู้ตอบ 46.9% ระบุว่าค่าใช้จ่าย AI สูงกว่าแผน เทียบกับ 5.6% ที่ใช้จ่ายต่ำกว่าแผน33 อย่างไรก็ดี ผลสำรวจเหล่านี้ถามคนต่างกลุ่มและวัดคนละเรื่อง ทั้งความชัดเจนของค่าใช้จ่าย ความรู้สึกว่ามีเงินสูญเปล่า ผลตอบแทนรายโครงการ และการใช้เงินเกินงบ จึงนำเปอร์เซ็นต์มารวมเป็น “อัตราความล้มเหลวของ AI” ตัวเดียวไม่ได้

ทำไมยอดใช้งานจึงยังตอบโจทย์ ROI ไม่ได้

การซื้อสิทธิ์ใช้งาน การมีผู้ใช้ประจำ หรือการทดลองระบบสำเร็จ ยังไม่บอกว่าองค์กรได้ผลตอบแทนทางการเงินเท่าไร การพิสูจน์ความคุ้มค่าต้องรู้ก่อนว่างานเดิมใช้เวลาและทรัพยากรเท่าไร กำหนดผลลัพธ์ที่ต้องการ เช่น บริการได้เร็วขึ้นหรือผลงานมีคุณภาพดีขึ้น แล้วเทียบผลที่ได้กับต้นทุนการใช้งานทั้งหมด

KPMG พบว่า แม้หลายองค์กรมีเครื่องมือติดตามและขั้นตอนอนุมัติแล้ว ส่วนใหญ่ยังมองไม่เห็นต้นทุนดำเนินงาน AI แบบครบตั้งแต่ต้นจนจบในเวลาจริง19 ในผลสำรวจระดับโลกของ KPMG องค์กรที่มองเห็นต้นทุนดังกล่าวครบถ้วนมีสัดส่วนที่รายงานว่าได้ ROI ชัดเจนสูงกว่าองค์กรที่มองเห็นไม่ครบ 15% เทียบกับ 3% นี่เป็นความสัมพันธ์ที่พบในข้อมูล ไม่ใช่หลักฐานว่าการติดตามต้นทุนเพียงอย่างเดียวทำให้เกิดผลตอบแทน25

การวัดผลยังต้องเดินคู่กับการปรับวิธีทำงาน ผู้บริหารเทคโนโลยีของ Bank of America ระบุว่าการเปลี่ยนกระบวนการตั้งแต่ต้นจนจบ การนำสิ่งที่ทำได้ไปใช้ซ้ำ การกำกับดูแล และ ROI เป็นประเด็นสำคัญเมื่อขยายโครงการ AI14 ขณะเดียวกัน ผลสำรวจที่ CIO รายงานพบว่า 61% ขององค์กรเคยหยุด เลื่อน ลดขนาด หรือยกเลิกโครงการปรับปรุงระบบ IT ในช่วงสองปีก่อนหน้า การโยกงบไปหา AI เป็นหนึ่งในแรงกดดันที่มีการรายงาน แต่ตัวเลขนี้ไม่ได้หมายความว่าทุกโครงการล่าช้าเพราะ AI18

สำหรับ agentic AI หรือ AI ที่รับมอบหมายให้ดำเนินงานหลายขั้นตอน ความชัดเจนเรื่องต้นทุน คุณค่าทางธุรกิจ และการควบคุมความเสี่ยงยิ่งสำคัญเมื่อขยายโครงการ Gartner คาดการณ์ไว้ในปี 2025 ว่าโครงการ agentic AI มากกว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 โดยให้เหตุผลรวมถึงต้นทุนที่เพิ่มขึ้น คุณค่าทางธุรกิจที่ไม่ชัด และมาตรการควบคุมความเสี่ยงที่ไม่เพียงพอ ตัวเลขนี้เป็นการคาดการณ์ ไม่ใช่อัตราการยกเลิกที่เกิดขึ้นแล้วในปี 202651

Bank of America: วัดผลงานได้ แต่ยังต้องแยกให้ออกว่าเงินคุ้มหรือไม่

Bank of America ระบุว่าพนักงานราว 200,000 คนเข้าถึงเครื่องมือ AI ได้ และประสิทธิภาพงานเขียนโค้ดของนักพัฒนาราว 19,000–20,000 คนเพิ่มขึ้นประมาณ 15%–20%34 ผลลัพธ์ที่ระบุงานชัดเจนเช่นนี้มีความหมายมากกว่าการนับจำนวนผู้ใช้เพียงอย่างเดียว ผู้บริหารร่วมของธนาคารระบุด้วยว่า ผลที่เห็นชัดที่สุดจนถึงตอนนี้อยู่ในงานเทคโนโลยี เช่น การเขียนโค้ด1

ธนาคารยังประเมินว่าการใช้ AI ให้ประโยชน์ราว 800 ล้านดอลลาร์สหรัฐ เทียบกับต้นทุน 400 ล้านดอลลาร์สหรัฐ แต่เป็นตัวเลขประเมินของฝ่ายบริหาร ไม่ใช่การตรวจสอบอิสระว่า AI ทุกกรณีใช้งานคุ้มทุน2

บทเรียนสำหรับองค์กรจึงไม่ใช่แค่เร่งให้คนใช้ AI มากขึ้น แต่ควรระบุผู้รับผิดชอบแต่ละโครงการ วัดงานก่อนและหลังใช้งาน บันทึกต้นทุนให้ครบ และตรวจคุณภาพกับความเสี่ยงไปพร้อมกัน แล้วจึงขยายผลเมื่อประโยชน์ที่วัดได้ยังคงอยู่หลังหักต้นทุน วิธีนี้เปิดทางให้เห็นคุณค่าจริงของ AI โดยไม่เผลอนับกิจกรรมการใช้งานเป็น ROI192325