AI Readiness Checklist สำหรับองค์กรไทย

วิธีใช้และวิธีให้คะแนน

ให้คะแนนแต่ละข้อตามความจริง ไม่ใช่ตามที่ควรจะเป็น

• 2 คะแนน — ทำแล้ว และมีหลักฐานหรือเอกสารยืนยันได้
• 1 คะแนน — ทำบางส่วน หรือทำแบบไม่เป็นทางการ
• 0 คะแนน — ยังไม่ได้ทำ หรือไม่แน่ใจว่าใครทำ

คะแนนเต็ม 72 โดยแต่ละหมวดเต็ม 12 คะแนน หมวดที่ได้คะแนนต่ำที่สุดคือหมวดที่ควรลงแรงก่อน แม้คะแนนรวมจะดูดี

1. กลยุทธ์และผู้สนับสนุน

หมวดนี้ได้คะแนนต่ำคือสาเหตุอันดับหนึ่งที่โครงการ AI ตายหลังเดโม

• มีผู้บริหารระดับสูงที่รับผิดชอบผลของโครงการ AI โดยตรง ไม่ใช่แค่สนับสนุน
• ระบุได้ว่า AI จะช่วยแก้ปัญหาธุรกิจข้อไหน โดยไม่ต้องเอ่ยชื่อเทคโนโลยี
• มีงบประมาณที่จัดสรรไว้แล้ว ไม่ใช่งบที่ต้องไปขอเมื่อเห็นผล
• รู้ว่าจะวัดความสำเร็จด้วยตัวเลขอะไร และตัวเลขนั้นมีค่าฐานปัจจุบันแล้ว
• มีการสื่อสารกับพนักงานว่า AI จะกระทบงานของพวกเขาอย่างไร
• ยอมรับได้ว่าโครงการแรกอาจไม่สำเร็จ และมีแผนว่าจะเรียนรู้อะไรจากมัน

2. ข้อมูล

ข้อมูลคือข้อจำกัดที่แท้จริงของโครงการ AI ส่วนใหญ่ ไม่ใช่โมเดล

• รู้ว่าข้อมูลที่ Use Case ต้องใช้อยู่ที่ระบบไหน และเข้าถึงได้จริง
• ข้อมูลนั้นมีประวัติย้อนหลังมากพอต่อการหาแบบแผน ไม่ใช่เพิ่งเริ่มเก็บ
• มีคนที่ตอบได้ว่าฟิลด์แต่ละฟิลด์หมายถึงอะไร
• รู้ระดับคุณภาพข้อมูล เช่น อัตราค่าว่าง ค่าซ้ำ และความถี่ที่ข้อมูลผิด
• ข้อมูลจากหลายระบบเชื่อมโยงถึงกันได้ด้วยรหัสอ้างอิงที่ตรงกัน
• มีกระบวนการที่ทำให้ข้อมูลใหม่ไหลเข้ามาอย่างสม่ำเสมอ ไม่ใช่ดึงมือครั้งเดียว

3. เทคโนโลยีและแพลตฟอร์ม

ไม่จำเป็นต้องได้ 2 ทุกข้อก่อนเริ่ม แต่ต้องรู้ว่าข้อไหนได้ 0

• มีที่เก็บข้อมูลรวมศูนย์ เช่น Data Warehouse หรือ Data Lake ที่ใช้งานจริง
• มีสภาพแวดล้อมสำหรับทดลองที่แยกจากระบบงานจริง
• ระบบงานหลักมี API หรือช่องทางดึงข้อมูลออกได้ ไม่ต้องส่งออกเป็นไฟล์ด้วยมือ
• มีการควบคุมเวอร์ชันของโค้ดและการตั้งค่า
• มีระบบเฝ้าระวังที่บอกได้ว่างานประมวลผลล้มเหลว
• รู้ว่าจะนำโมเดลหรือระบบ AI ขึ้นใช้งานจริงด้วยวิธีใด ไม่ใช่ค่อยคิดตอนนั้น

4. คนและทักษะ

ทักษะที่ขาดบ่อยที่สุดไม่ใช่การสร้างโมเดล แต่คือคนที่แปลโจทย์ธุรกิจเป็นโจทย์ข้อมูลได้

• มีคนที่แปลงโจทย์ธุรกิจเป็นโจทย์ที่แก้ด้วยข้อมูลได้
• มีคนที่ดูแลไปป์ไลน์ข้อมูลได้ต่อเนื่อง ไม่ใช่พึ่งที่ปรึกษาภายนอกอย่างเดียว
• ผู้ใช้ปลายทางได้รับการอบรมการใช้ AI ในบริบทงานของตนเอง
• ผู้บริหารเข้าใจข้อจำกัดของ AI มากพอที่จะไม่ตั้งความคาดหวังผิด
• มีเจ้าของระบบที่ชัดเจนหลังโครงการจบ ไม่ใช่ปล่อยลอย
• มีแผนรักษาคนที่มีทักษะเหล่านี้ไว้ในองค์กร

5. ธรรมาภิบาลและกฎหมาย

หมวดนี้คือจุดที่โครงการนำร่องมักหยุด ตอนกำลังจะแตะข้อมูลลูกค้าจริง

• มีนโยบายการใช้ AI เป็นลายลักษณ์อักษรที่พนักงานเข้าถึงได้
• รู้ว่าข้อมูลส่วนบุคคลที่จะใช้ อยู่ภายใต้ฐานทางกฎหมายใดตาม PDPA
• ตรวจสอบแล้วว่าผู้ให้บริการ AI นำข้อมูลไปฝึกโมเดลหรือไม่ และปิดได้หรือไม่
• รู้ว่าข้อมูลถูกประมวลผลที่ประเทศใด และเข้าเงื่อนไขการโอนข้ามพรมแดนหรือไม่
• มีผู้รับผิดชอบที่ระบุชื่อได้เมื่อระบบ AI ให้ผลลัพธ์ที่ผิด
• มีการเก็บบันทึกการใช้งานที่ตรวจสอบย้อนหลังได้

6. กระบวนการและการวัดผล

AI ที่ไม่ได้ฝังอยู่ในกระบวนการทำงาน จะถูกใช้สองสัปดาห์แล้วเลิก

• รู้ว่าผลลัพธ์จาก AI จะเข้าไปอยู่ในขั้นตอนไหนของกระบวนการทำงานปัจจุบัน
• คนที่ต้องใช้ผลลัพธ์นั้นมีส่วนร่วมตั้งแต่ออกแบบ
• มีเกณฑ์ชัดเจนว่าผลลัพธ์แบบไหนที่ต้องส่งให้มนุษย์ตัดสิน
• มีวิธีเก็บ Feedback จากผู้ใช้กลับมาปรับปรุงระบบ
• วัดผลเทียบกับค่าฐานก่อนใช้ AI ได้จริง
• มีกำหนดเวลาทบทวนว่าจะเลิกใช้ระบบนี้เมื่อไรถ้าไม่ได้ผล

แปลผลคะแนน

คะแนนต่ำไม่ได้แปลว่าเริ่มไม่ได้

องค์กรส่วนใหญ่ที่ทำแบบประเมินนี้ครั้งแรกจะได้คะแนนกลาง ๆ และนั่นเป็นเรื่องปกติ ประโยชน์ของแบบประเมินอยู่ที่การเห็นว่าหมวดไหนได้ 0 หลายข้อ เพราะนั่นคือสิ่งที่จะทำให้โครงการสะดุดในอีกสามเดือนข้างหน้า ไม่ใช่คะแนนรวม

หากต้องการประเมินเชิงลึกพร้อม Roadmap ที่จัดลำดับ Use Case ให้ นั่นคือขอบเขตของบริการที่ปรึกษา AI

บริการที่เกี่ยวข้อง