MIT ชี้เอเจนต์วิเคราะห์ข้อมูลยังให้ “อินไซต์” คุณภาพไม่พอ แม้ช่วยธุรกิจได้มากขึ้น

รายงานจาก MIT Technology Review ชี้ว่า “agentic analytics” หรือการใช้เอเจนต์ AI เข้ามาช่วยวิเคราะห์ข้อมูลและตัดสินใจในงานองค์กร กำลังเริ่มสร้างผลลัพธ์ทางธุรกิจได้จริง แต่คุณภาพของอินไซต์ที่เอเจนต์สร้างขึ้นยังเป็นข้อจำกัดสำคัญ โดยเฉลี่ยแล้วมีเพียงราว 48% ของอินไซต์ที่นำไปสู่การเปลี่ยนแปลงที่ช่วยธุรกิจได้ ซึ่งดีขึ้นจากปีก่อนหน้า แต่ก็ยังหมายความว่ามากกว่าครึ่งยังไม่ก่อประโยชน์ที่จับต้องได้

รายงานระบุว่าบริษัทจำนวนหนึ่งที่ทำผลงานได้โดดเด่นกว่ากลุ่มอื่น หรือที่เรียกว่า “insight leaders” มีสัดส่วนอินไซต์ที่นำไปสู่การปรับปรุงธุรกิจสูงกว่า 70% สะท้อนว่าความแตกต่างของคุณภาพเอเจนต์ไม่ได้อยู่ที่ตัวโมเดลอย่างเดียว แต่อยู่ที่โครงสร้างข้อมูล กระบวนการทำงาน และการกำกับดูแลภายในองค์กรด้วย จุดเด่นของกลุ่มผู้นำคือพวกเขาประเมินคุณภาพอินไซต์ได้ดีกว่า และเอเจนต์ของพวกเขาสร้างอินไซต์เชิงสั่งการหรือ prescriptive insights ได้แม่นยำกว่าอย่างเห็นได้ชัด

ปัญหาหลักที่ทำให้อินไซต์คุณภาพต่ำคือ “บริบททางธุรกิจ” ที่เอเจนต์เข้าถึงได้ไม่พอ โดยผู้บริหารที่ตอบแบบสำรวจมากกว่าครึ่งมองว่านี่คือสาเหตุสำคัญ รองลงมาคือข้อมูลที่กระจัดกระจายหรือเข้าถึงยาก การขาดความเข้าใจบริบทขององค์กรทำให้เอเจนต์ตีความข้อมูลได้ไม่ครบถ้วน และเสี่ยงสรุปผลหรือแนะนำการตัดสินใจที่ไม่เหมาะสมกับสถานการณ์จริง

อีกประเด็นที่รายงานเน้นคือ “อินไซต์ล้นเกิน” หลายองค์กรได้รับผลวิเคราะห์จำนวนมากจากเอเจนต์จนไม่มีทรัพยากรเพียงพอจะตรวจสอบและนำไปใช้ได้ทั้งหมด กว่า 52% ขององค์กรที่สำรวจบอกว่าเอเจนต์สร้างอินไซต์มากเกินกว่าจะประเมินได้ครบถ้วน และมีเพียง 24% เท่านั้นที่ตรวจสอบอินไซต์ได้ทั้งหมด ทำให้กระบวนการคัดกรองยังต้องพึ่งแรงงานมนุษย์สูงและไม่สามารถขยายผลอัตโนมัติได้เต็มที่

เพื่อยกระดับคุณภาพอินไซต์ องค์กรต่าง ๆ กำลังให้ความสำคัญกับการเสริมทั้งธรรมาภิบาล AI และธรรมาภิบาลข้อมูล รวมถึงการวาง semantic layer หรือชั้นความหมายบนสถาปัตยกรรมข้อมูล เพื่อช่วยให้เอเจนต์เข้าใจความสัมพันธ์ของข้อมูลและบริบทธุรกิจได้ดีขึ้น รายงานระบุว่าแนวทางนี้เป็นหนึ่งในโฟกัสสำคัญของบริษัทที่ต้องการให้งาน agentic analytics สร้างผลตอบแทนต่อธุรกิจได้มากขึ้น

ภาพรวมของรายงานสะท้อนว่า agentic AI ยังอยู่ในช่วงเริ่มต้นของการใช้งานจริงในระดับองค์กร แม้ศักยภาพด้านการอัตโนมัติและการตัดสินใจจะสูง แต่ความสำเร็จไม่ได้ขึ้นอยู่กับความสามารถของเอเจนต์เพียงอย่างเดียว หากองค์กรต้องการให้ AI ช่วยสร้างผลลัพธ์ทางธุรกิจอย่างสม่ำเสมอ ก็จำเป็นต้องลงทุนกับคุณภาพข้อมูล บริบททางธุรกิจ และกรอบการกำกับดูแลควบคู่กันไป