การ์ทเนอร์เผยคาดการณ์สำคัญด้านข้อมูลและการวิเคราะห์ (Data and Analytics) ในปี 2569

Rita Sallam รองประธานนักวิเคราะห์อาวุโสของการ์ทเนอร์ กล่าวว่า "การเปลี่ยนแปลงด้านข้อมูลและปัญญาประดิษฐ์นั้นรวดเร็วมากจนแต่ละปีรู้สึกเหมือนเรากำลังก้าวเข้าสู่บทใหม่ของนิยายวิทยาศาสตร์ และในปีนี้ เส้นแบ่งระหว่างความเฉลียวฉลาดของมนุษย์ เครื่องจักร และองค์กรจะเลือนลางขึ้นเรื่อย ๆ ธุรกิจจำนวนมากมายต่างพึ่งพาข้อมูลในแบบที่ไม่เคยมีมาก่อน โดยระบบ AI ไม่เพียงเป็นเครื่องมือสนับสนุนสำคัญ แต่ยังทำงานร่วมกับเราในฐานะ 'พันธมิตร' และจากการคาดการณ์เหล่านี้จะช่วยให้ผู้นำเตรียมพร้อมรับมือกับโอกาสและความท้าทายที่รออยู่ในอนาคต"

ภายในปีหน้า (2570) กระบวนการจ้างงานถึง 75% จะบรรจุ "การทดสอบและใบรับรองความเชี่ยวชาญด้าน AI สำหรับการทำงาน" ไว้ในขั้นตอนของการสรรหาบุคลากร

สาเหตุที่ทำให้เกิดความจำเป็นเร่งด่วนเพื่อกำหนดกลยุทธ์ด้านบุคลากรที่ขับเคลื่อนด้วย AI อย่างจริงจังมาจากความเร็วของการพัฒนานวัตกรรม AI ที่ก้าวกระโดด ผู้นำที่ไม่ปรับปรุงกลยุทธ์ด้าน Tech Talent ให้ทันสมัย เสี่ยงที่จะทำให้องค์กรต้องเดินตามหลังคู่แข่งที่สามารถดึงศักยภาพการทำงานร่วมกันระหว่าง "มนุษย์และ AI มาใช้ได้"

"ผู้นำ D&A ควรสนับสนุนให้มีการทดสอบวัดระดับทักษะอย่างเข้มงวดโดยใช้ข้อมูลเป็นตัวตั้ง เพื่อให้เห็นช่องว่าง ที่ขวางกั้นระหว่างเป้าหมายด้าน AI ขององค์กร กับความพร้อมของพนักงานด้านไอทีที่มีอยู่จริง" Sallam กล่าวเสริม

ภายในปี 2570 การใช้งาน GenAI และ AI Agent จะสร้างความท้าทายยิ่งยวดต่อเครื่องมือเพิ่มประสิทธิภาพการทำงานกระแสหลักเป็นครั้งแรกในรอบ 30 ปี ที่สั่นคลอนตลาดมูลค่ากว่า 5.8 หมื่นล้านดอลลาร์

การสร้างเนื้อหาใหม่ ๆ ในปัจจุบันเริ่มเปลี่ยนไปสู่การใช้ GenAI ที่สามารถรวบรวมเนื้อหามหาศาลและนำมาสังเคราะห์ในรูปแบบที่หลากหลาย แทนที่หน้ากระดาษเปล่า ๆ แม้แต่การแก้ไขเนื้อหาบ่อย ๆ ก็เป็นการให้ AI เขียนซ้ำขึ้นมาแทนที่จะเป็นตัวผู้เขียนลงมือแก้ไขเอง

AI ยังเป็นตัวจุดชนวนการแข่งขันใหม่ ๆ ในกลุ่มซอฟต์แวร์สำนักงาน เนื่องจากคุณค่าหลักย้ายไปอยู่ที่ "ประสบการณ์การใช้ Agentic AI" ดังนั้นผู้นำ D&A จึงต้องการเครื่องมือที่สร้างขึ้นมาเพื่อสอดรับกับปัจจุบัน อาทิ อินเทอร์เฟซผู้ใช้แบบใหม่, ปลั๊กอินใหม่, ประเภทเอกสารใหม่ ๆ และรูปแบบไฟล์ใหม่ ๆ

อีกสามปีข้างหน้า (2572) คาดการณ์ว่า AI Agent จะสร้างข้อมูลจากสภาพแวดล้อมทางกายภาพมากกว่าข้อมูลที่ได้มาจากแอปพลิเคชัน AI ดิจิทัลทั้งหมดรวมกันถึง 10 เท่า

การใช้งาน Agentic AI ในโลกจริงกำลังผลิตข้อมูลที่เรียกว่า Trajectory Data จำนวนมหาศาล ทั้งในเชิงตรรกะ พื้นที่ และสถานการณ์ที่ต้องใช้เอเจนท์หลายตัวทำงานร่วมกัน ขณะที่พวกมันมีปฏิสัมพันธ์กับสภาพแวดล้อมรอบตัว สิ่งนี้ถือเป็นโอกาสที่หาได้ยากสำหรับ "โมเดลที่ใช้ในระดับโลก" (World Models) เพื่อเรียนรู้รูปแบบจากข้อมูลดังกล่าว นำมาใช้พยากรณ์และจำลองสถานการณ์ได้อย่างแม่นยำ

ในอีกสี่ปีข้างหน้า (2573) องค์กรถึง 50% จะใช้ Autonomous AI Agents เพื่อตีความนโยบายธรรมาภิบาลและมาตรฐานทางเทคนิค และเปลี่ยนให้เป็น "ข้อตกลงหรือสัญญาในรูปแบบดิจิทัลที่เครื่องตรวจสอบได้" ซึ่งจะช่วยให้การปฏิบัติตามกฎระเบียบและการบังคับใช้นโยบายธรรมาภิบาลเป็นไปอย่างอัตโนมัติ

ครึ่งหนึ่งของการใช้งาน AI Agent ที่ไม่ประสบความสำเร็จจะมาจากการบังคับใช้กฎในขณะทำงาน (Runtime Enforcement) ของแพลตฟอร์มธรรมาภิบาล AI ไม่ครอบคลุมเพียงพอ โดยเฉพาะในแง่ของขีดความสามารถและการทำงานร่วมกันระหว่างหลายระบบ ทั้งนี้ในระยะสั้น การตัดสินใจโดยใช้ LLM ที่ปราศจากการกำกับดูแลจะส่งผลให้องค์กรสูญเสียทั้งเงินและชื่อเสียง

"ผู้นำ D&A ควรเริ่มทดลองใช้ Data Governance Agents ในกระบวนการที่มีความเสี่ยงต่ำ เพื่อจัดระเบียบและทำให้ขั้นตอนการเจรจาต่อรองข้อมูลเป็นไปอย่างอัตโนมัติ โดยจำเป็นต้องตรวจสอบให้แน่ใจว่าเอเจนท์สามารถตีความบริบทและโปรโตคอลต่าง ๆ ได้อย่างถูกต้องในสภาพแวดล้อมที่ควบคุมได้ ก่อนที่จะขยายผลไปสู่สเกลที่ใหญ่ขึ้น นอกจากนี้ ควรมีการออกแบบเวิร์กโฟลว์การวิเคราะห์ใหม่ โดยเพิ่มขั้นตอนการประเมินผลที่จำเป็นเข้าไปด้วย" Sallam กล่าว

ภายในปี 2573 60% ขององค์กรที่สร้างความต่างทางธุรกิจด้วย AI สำเร็จ จะมีผู้นำองค์กรที่ให้ความสำคัญกับ "ทักษะความสัมพันธ์ระหว่างบุคคล"

ผู้บริหารระดับสูงด้านข้อมูลและการวิเคราะห์ หรือ CDAOs ที่มีทักษะในการสร้างพันธมิตรและโน้มน้าวใจเก่ง ๆ กำลังก้าวหน้าไปสู่บทบาทผู้บริหารระดับสูงที่มีอิทธิพลมากขึ้น รวมถึงตำแหน่ง CEO เนื่องจากองค์กรต่าง ๆ เริ่มตระหนักถึงคุณค่าของวิสัยทัศน์เชิงกลยุทธ์ที่นำโดยมนุษย์ เพื่อเค้นศักยภาพของ AI มาใช้ให้เกิดประโยชน์สูงสุด

ภายในปี 2573 Universal Semantic Layers จะถูกยกให้เป็นโครงสร้างพื้นฐานที่มีความสำคัญอย่างสูง เทียบเท่ากับแพลตฟอร์มข้อมูลและระบบความปลอดภัยทางไซเบอร์

การพัฒนา Universal Semantic Layer หรือ ชั้นข้อมูลที่ครอบคลุมและได้มาตรฐาน ซึ่งเป็นส่วนต่อประสานหนึ่งเดียวสำหรับการเข้าถึงและการวิเคราะห์ข้อมูลทั่วทั้งองค์กรกลายเป็นสิ่งที่ "Must-Do" สำหรับผู้นำ D&A ที่กำลังขับเคลื่อนหรือสนับสนุนการใช้ AI เนื่องจากเป็นวิธีเดียวที่จะช่วยเพิ่มความแม่นยำ, บริหารจัดการต้นทุน, ลดหนี้ทางเทคนิคของ AI ลงอย่างมาก, สร้างความสอดคล้องให้กับระบบเอเจนท์หลายตัว และยับยั้งความไม่สอดคล้องกันของข้อมูลที่มีต้นทุนสูงก่อนแพร่ออกไป โดยผู้นำ D&A จำเป็นต้องจัดสรรงบประมาณสำหรับเพิ่มขีดความสามารถด้าน Semantic เพื่อวางเป็นรากฐานสำคัญ

ภายในปี 2571 ครึ่งหนึ่ง (50%) ของบทบาทการบริหารความเสี่ยงด้านเนื้อหาจะย้ายจากฝ่ายกฎหมายและความปลอดภัยไซเบอร์ไปสู่ "AI Engineering" เพื่อจัดการกับความเสี่ยงที่เกิดขึ้นจากกระบวนการตรวจสอบที่แยกส่วนกัน

หน้าที่การลดความเสี่ยงกำลังถูกผนวกรวมเข้ากับกระบวนการด้านวิศวกรรม AI, วิทยาศาสตร์ข้อมูล และการพัฒนาซอฟต์แวร์มากขึ้นเรื่อย ๆ ทีมงานเหล่านี้ถูกคาดหวังให้เป็นผู้ออกแบบระบบที่สามารถสร้างและคัดกรองเนื้อหาได้อย่างชาญฉลาด พร้อมทั้งรับผิดชอบในการลดเสี่ยงที่เกี่ยวข้อง ผ่านการสร้างระบบควบคุมแบบเบ็ดเสร็จตั้งแต่ขั้นตอนการออกแบบ ซึ่งแนวทางนี้จะช่วยให้เกิดนวัตกรรมที่รวดเร็วและมีความรับผิดชอบ ภายใต้กรอบจริยธรรมและกฎหมาย โดยเฉพาะอย่างยิ่งในกรณีที่การตัดสินใจของโมเดล AI จำเป็นต้องอ้างอิงตามบริบทเฉพาะของผู้ใช้งาน

• ข่าวปัญญาประดิษฐ์
• ข่าวและเทคโนโลยี
• ข่าวการ์ทเนอร์
• ข่าวธรรมาภิบาล
• ข่าวขับเคลื่อน