MIT ชี้องค์กรยังทำให้เอเจนต์ AI ไปถึงโปรดักชันได้ยากเพราะขาด “ความรู้” ที่เข้าใจบริบท

รายงานจาก MIT Technology Review ชี้ว่าอุปสรรคสำคัญของเอเจนต์ AI ในภาคองค์กรไม่ได้อยู่ที่ปริมาณข้อมูลเพียงอย่างเดียว แต่อยู่ที่การเข้าถึง “ความรู้” ที่ช่วยให้ระบบเข้าใจความหมายของข้อมูลในบริบทของแต่ละบริษัทได้จริง หากขาดชั้นความรู้ดังกล่าว เอเจนต์จะตัดสินใจพลาด ใช้เหตุผลคลาดเคลื่อน และไม่สามารถทำงานอัตโนมัติได้อย่างน่าเชื่อถือ

รายงานนี้อ้างอิงผลสำรวจผู้บริหารด้านข้อมูล AI และเทคโนโลยี 300 คน เพื่อประเมินความสามารถขององค์กรในการทำให้เอเจนต์เข้าใจบริบทเชิงความหมาย ความจำจากเหตุการณ์ที่ผ่านมา และความรู้เชิงกระบวนการ พร้อมทั้งตรวจสอบอุปสรรคที่ทำให้การใช้งานเอเจนต์ไม่สามารถขยายจากขั้นทดลองไปสู่การใช้งานจริงได้ รวมถึงแนวทางที่องค์กรกำลังนำมาใช้แก้ปัญหา

ผลสำรวจพบว่าโดยเฉลี่ยมีเพียงราว 34% ของโครงการเอเจนต์ AI เท่านั้นที่ไปถึงการใช้งานจริง สาเหตุหลักมาจากระบบข้อมูลเดิมที่ล้าสมัย ความกังวลด้านความปลอดภัยและความเป็นส่วนตัว และโดยเฉพาะอย่างยิ่งการขาดความรู้และบริบทที่เพียงพอ ปัญหานี้เกิดขึ้นแม้ในบริษัทเทคโนโลยีชั้นนำ สะท้อนว่าอุปสรรคเชิงโครงสร้างยังเป็นตัวฉุดให้หลายโครงการหยุดอยู่แค่ระดับนำร่อง

ในทางกลับกัน กลุ่มองค์กรที่ทำได้ดีกว่า หรือที่รายงานเรียกว่า production leaders มีอัตราโครงการที่ผ่านจาก pilot ไปสู่การใช้งานจริงเฉลี่ย 61% และมีความสามารถด้านความรู้ของเอเจนต์ที่แข็งแรงกว่าอย่างเห็นได้ชัด โดยเฉพาะด้าน semantic knowledge ความต่างนี้สัมพันธ์กับความสำเร็จในการนำเอเจนต์ไปใช้งานจริงอย่างใกล้ชิด

เมื่อถามถึงอุปสรรคในการเปิดให้เอเจนต์เข้าถึงความรู้ขององค์กร ผู้ตอบแบบสำรวจส่วนใหญ่ชี้ไปที่ข้อมูลที่กระจัดกระจายและไม่เชื่อมโยงกันระหว่างระบบต่าง ๆ ซึ่งเป็นปัญหาหลักของ 55% ขององค์กร ขณะที่กลุ่มผู้นำด้านการใช้งานจริงกลับมองว่าความปลอดภัยและความเป็นส่วนตัวเป็นประเด็นใหญ่ที่สุด สะท้อนว่าบริษัทที่เดินหน้าได้ไกลกว่าจะเจอข้อกังวลเชิงกำกับดูแลและการควบคุมมากกว่าปัญหาพื้นฐานด้านข้อมูล

รายงานยังระบุว่าองค์กรส่วนใหญ่เริ่มมุ่งเสริม “สะพาน” ระหว่างข้อมูลกับเอเจนต์ โดยคาดว่าการสร้างโครงสร้างพื้นฐานที่ดีขึ้นจะช่วยให้เอเจนต์ตัดสินใจได้แม่นยำขึ้น แนวคิดเรื่อง knowledge layer ถูกมองว่าเป็นตัวเชื่อมสำคัญที่จะทำให้เอเจนต์เข้าถึงความหมายของข้อมูลได้มากกว่าการดึงข้อมูลดิบมาใช้เพียงอย่างเดียว

ในเชิงการลงทุน องค์กรต่าง ๆ วางแผนทุ่มงบไปที่เทคโนโลยีดึงข้อมูลและจัดเตรียมข้อมูล เช่น ingestion pipelines, AI-ready APIs, retrieval-augmented generation (RAG), เครื่องมือประเมินเอเจนต์ AI และ knowledge graph รายงานจึงสะท้อนว่าอนาคตของเอเจนต์ AI ในองค์กรไม่ได้ขึ้นกับโมเดลที่ฉลาดขึ้นเท่านั้น แต่ต้องอาศัยการจัดระเบียบความรู้ภายในองค์กรให้พร้อมใช้งานต่อระบบอัตโนมัติด้วย