5 Trends ด้าน Data และ AI ที่น่าสนใจในปี 2025

ในยุคที่ Data และ AI พัฒนาไปอย่างรวดเร็ว และกำลังมีบทบาทสำคัญต่อเศรษฐกิจโลกนี้ เราควรเตรียมพร้อมรับมือกับการเปลี่ยนแปลงนี้อย่างไร ลองมาดูการวิเคราะห์ของผู้เชี่ยวชาญดีกว่า ว่า 5 เทรนด์สำคัญ ที่น่าสนใจและติดตามในปี 2025 นี้ มีอะไรกันบ้าง

Table of Contents

• 5 เทรนด์ Data และ AI ที่น่าสนใจในปี 2025
  • 1. กระแสของ Agentic AI
  • 2. การวัดผลลัพธ์จากการทดลอง Generative AI
  • 3. วัฒนธรรมองค์กรกับการขับเคลื่อนด้วยข้อมูล (Data-Driven)
  • 4. ความสำคัญของข้อมูลไม่มีโครงสร้าง (Unstructured Data) ที่กลับมาอีกครั้ง
  • 5. บทบาทของผู้นำด้าน Data และ AI
• สรุป

ในบทความ “Five Trends in AI and Data Science for 2025” จาก MIT Sloan Management Review ซึ่งได้ไปทำการสำรวจจากแหล่งข้อมูลสำคัญต่างๆ เกี่ยวกับ Generative AI, โครงสร้างการบริหารเทคโนโลยี และ Agentic AI ที่กำลังมาแรงในตอนนี้

จนได้ 5 เทรนด์ AI ปี 2025 ที่ผู้นำองค์กรควรทำความเข้าใจและติดตาม ดังนี้

5 เทรนด์ Data และ AI ที่น่าสนใจในปี 2025

1. กระแสของ Agentic AI

เทรนด์ที่มาแรงที่สุดในตอนนี้ คงจะหนีไม่พ้น Agentic AI หรือ AI ที่สามารถทำงานได้อย่างอิสระ ซึ่งถือเป็นหนึ่งในเทรนด์ที่คาดว่าจะได้รับความสนใจมากที่สุดในปี 2025 และกระแสของ Agentic AI กำลังเติบโตอย่างหลีกเลี่ยงไม่ได้ เพื่อให้สามารถใช้ AI ได้มากกว่าเพียงแค่สร้าง Content เพียงอย่างเดียว แม้ว่าจะยังไม่มีใครมั่นใจเต็มร้อยว่ารูปแบบการทำงานเหล่านี้จะเป็นอย่างไร

จากความเห็นของผู้เขียนบทความ คาดว่าช่วงนี้ Generative AI bots จะสามารถทำงานตามคำสั่งของมนุษย์ในงานสร้างเนื้อหาเฉพาะด้าน แต่ในการทำงานที่ซับซ้อน เช่น การจองตั๋วเดินทาง หรือ ทำธุรกรรมทางการเงิน น่าจะต้องใช้ Agentic AI หลายตัวทำงานร่วมกัน

ซึ่งแม้ว่า AI เหล่านี้จะสามารถดำเนินงานได้อย่างมีประสิทธิภาพ แต่พวกมันยังคงทำงานโดยใช้หลักการ คาดเดาคำถัดไป (predicting the next word) ซึ่งอาจทำให้เกิด ข้อผิดพลาด หรือ ข้อมูลที่ไม่แม่นยำ ได้

ดังนั้นยังคงมีความจำเป็นที่ มนุษย์ต้องเข้ามาตรวจสอบและควบคุม เป็นระยะ เพื่อให้แน่ใจว่าผลลัพธ์ที่ได้ถูกต้องและเชื่อถือได้

โดยคาดว่า Agentic AI รุ่นแรก ๆ จะถูกนำมาใช้กับงานภายในองค์กรที่มีโครงสร้างชัดเจนและเกี่ยวข้องกับเงินจำนวนน้อย เช่น การช่วยเปลี่ยนรหัสผ่าน ในระบบ IT หรือ การจองวันลาพักร้อน ผ่านระบบ HR เนื่องจากความเสี่ยงต่ำและสามารถควบคุมได้ง่าย

อย่างไรก็ตาม องค์กรส่วนใหญ่ยังไม่น่าจะปล่อยให้ AI เหล่านี้ทำงานกับลูกค้าจริงที่มีธุรกรรมทางการเงินที่สำคัญ เว้นแต่จะมีระบบที่ให้ มนุษย์ตรวจสอบหรือย้อนกลับธุรกรรม ได้หากเกิดความผิดพลาด

ดังนั้น ในปี 2025 น่าจะยังไม่ส่งผลกระทบใหญ่ต่อแรงงานมนุษย์

2. การวัดผลลัพธ์จากการทดลอง Generative AI

จากการสำรวจพบว่า 58% รายงานว่าได้ประสิทธิภาพจาก GenAI เพิ่มขึ้นอย่างมาก แต่ยังมีองค์กรน้อยมากที่วัดผลอย่างจริงจัง ดังนั้น บริษัทต่างๆ ยังไม่ควรเชื่อมั่นในศักยภาพของ GenAI โดยไม่มีหลักฐานที่ชัดเจน เนื่องจากยังมีเพียงไม่กี่องค์กรที่ทำการวัดผล ประสิทธิภาพการทำงาน อย่างละเอียด

นอกจากนี้ ยังพบว่า ประสิทธิภาพที่เพิ่มขึ้นจาก GenAI ขึ้นอยู่กับกลุ่มผู้ใช้ด้วย เช่น

• พนักงานที่มีประสบการณ์น้อย มักได้รับประโยชน์มากกว่าในงานด้าน บริการลูกค้า
• ในขณะที่ ผู้มีประสบการณ์สูง จะได้ผลลัพธ์ที่ดีกว่าในงานที่ซับซ้อน เช่น การเขียนโค้ด

สรุปคือ แม้ GenAI จะช่วยเพิ่มประสิทธิภาพได้ แต่บริษัทควร วัดผลและตรวจสอบข้อเท็จจริง ก่อนจะตัดสินใจลงทุนในเทคโนโลยีนี้อย่างเต็มตัว

3. วัฒนธรรมองค์กรกับการขับเคลื่อนด้วยข้อมูล (Data-Driven)

หลายๆ คน น่าจะกำลังเริ่มเห็นว่า Generative AI เป็นเทคโนโลยีที่ ล้ำสมัยและน่าตื่นเต้น แต่ ไม่ได้เปลี่ยนทุกอย่าง โดยเฉพาะอย่างยิ่ง วัฒนธรรมองค์กร ที่ฝังรากลึกมานาน

การมี Generative AI เพียงอย่างเดียวนั้น ไม่เพียงพอที่จะทำให้องค์กรหรือวัฒนธรรมกลายเป็น “Data-Driven” ได้อย่างแท้จริง เพราะการสร้างวัฒนธรรมมีสิ่งที่ต้องทำมากกว่า การเพียงแค่นำเทคโนโลยีใหม่มาใช้ แต่ต้องมีการปรับกระบวนการทำงาน การฝึกอบรมพนักงาน และการเปลี่ยนแนวคิดองค์กรอีกด้วย

จากการสำรวจพบว่า 92% ของผู้ตอบแบบสอบถามเชื่อว่า “ความท้าทายด้านวัฒนธรรมองค์กรและการจัดการการเปลี่ยนแปลง” เป็น อุปสรรคหลัก ที่ทำให้องค์กรยังไม่สามารถกลายเป็นองค์กรที่ ขับเคลื่อนด้วยข้อมูลและ AI ได้สำเร็จ ข้อนี้สะท้อนให้เห็นว่า เทคโนโลยีเพียงอย่างเดียวไม่เพียงพอ หากไม่มีการปรับเปลี่ยนกระบวนการและวัฒนธรรมภายในองค์กรควบคู่ไปด้วย

อีกหนึ่งประเด็นที่น่าสนใจคือ ผู้ตอบแบบสอบถามส่วนใหญ่ มาจาก องค์กรดั้งเดิม (Legacy Organizations) ที่ก่อตั้งมานานกว่า 1 รุ่น และมักมีการเปลี่ยนแปลงอย่างค่อยเป็นค่อยไป ไม่ได้ปรับตัวเร็วเหมือนบริษัทสตาร์ทอัพหรือนวัตกรรมใหม่ๆ

อย่างไรก็ตาม หลายองค์กรเหล่านี้สามารถ เร่งกระบวนการ ทำ Digital Transformation ได้อย่างรวดเร็วในช่วง โดยสิ่งที่พวกเขาทำในช่วง การแพร่ระบาดของโควิด-19 นั้น มีมากกว่าสิ่งที่เคยทำมาตลอด 20 ปีที่ผ่านมาซะอีก แสดงให้เห็นว่า แรงกดดันจากสถานการณ์ภายนอก ก็สามารถเป็นตัวเร่งให้เกิดการเปลี่ยนแปลงได้เร็วขึ้น แม้ในองค์กรที่มักปรับตัวช้า

4. ความสำคัญของข้อมูลไม่มีโครงสร้าง (Unstructured Data) ที่กลับมาอีกครั้ง

ข้อมูลส่วนใหญ่ ที่ Generative AI ใช้งานเป็น ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) เช่น

• ข้อความ (Text)
• รูปภาพ (Images)
• วิดีโอ (Video)
• และข้อมูลอื่น ๆ ที่ไม่อยู่ในรูปแบบตารางที่เป็นระเบียบ

ทำให้บริษัทต้องหันมาสนใจ ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) มากขึ้น

โดยองค์กรจำเป็นต้อง คัดเลือกตัวอย่างที่ดีที่สุด สำหรับข้อมูลแต่ละประเภท, ติดแท็ก (Tagging) หรือ สร้างความสัมพันธ์ระหว่างข้อมูล (Graphing) และจากนั้นจึง นำข้อมูลเข้าสู่ระบบ

หลายบริษัทเริ่มสนใจใช้ GenAI เพื่อจัดการและเข้าถึงข้อมูลภายในองค์กร โดยเฉพาะการนำมาใช้ร่วมกับเทคนิคที่เรียกว่า Retrieval-Augmented Generation (RAG) ซึ่งช่วยให้ AI สามารถดึงข้อมูลจากฐานข้อมูลขององค์กรมาสร้างคำตอบหรือเนื้อหาที่เกี่ยวข้องได้อย่างมีประสิทธิภาพมากขึ้น

แม้ว่าวิธีการเหล่านี้จะช่วยให้พนักงานสามารถเข้าถึงความรู้และข้อมูลได้ง่ายขึ้น แต่กระบวนการจัดเตรียมข้อมูลยังคงต้องพึ่งพามนุษย์อย่างมาก

ซึ่งในอนาคต อาจมาถึงวันที่เราสามารถให้ GenAI จัดการข้อมูลเหล่านี้ให้เราได้ แต่ปี 2025 อาจยังไม่ใช่เวลานั้น

และแม้เทคโนโลยีจะก้าวหน้าเพียงใด ก็ยังมีข้อจำกัดที่ต้องการการมีส่วนร่วมของมนุษย์อยู่ดี

5. บทบาทของผู้นำด้าน Data และ AI

ปัจจุบัน องค์กรต่าง ๆ ให้ความสำคัญกับ ข้อมูล และการใช้ AI มากขึ้น บทบาทของผู้นำด้านข้อมูลอย่าง Chief Data Officer (CDO) จะไม่ได้เน้นแค่การจัดการความเสี่ยงหรือการปฏิบัติตามกฎระเบียบเหมือนเดิม แต่ขยายไปสู่การขับเคลื่อน การเติบโต นวัตกรรม และ การเปลี่ยนแปลงองค์กร

ในขณะเดียวกัน บทบาทใหม่อย่าง Chief AI Officer (CAIO) ก็เริ่มได้รับความนิยม โดย CAIO มีหน้าที่ดูแลการนำ AI ไปปรับใช้ในกระบวนการต่าง ๆ ขององค์กร และวางมาตรฐานด้านจริยธรรมและความรับผิดชอบในการใช้ AI

แม้บทบาทของผู้นำด้านข้อมูลและ AI จะยังคงพัฒนาอย่างต่อเนื่อง แต่หลายองค์กรยังคงต้องเจอกับความสับสนเกี่ยวกับ หน้าที่ความรับผิดชอบ, ขอบเขตงาน, และ โครงสร้างการรายงาน ของตำแหน่งเหล่านี้

ปัจจุบัน ยังไม่มีข้อสรุปแน่ชัดว่าองค์กรควรแยกบทบาทระหว่าง Chief AI Officer และ Chief Data (and Analytics/AI) Officer ออกจากกันหรือไม่ บางองค์กรเลือกที่จะรวมบทบาทเหล่านี้เข้าด้วยกันเพื่อความคล่องตัว แต่บางองค์กรได้แยกตำแหน่ง Chief AI Officer ออกมาให้มีสถานะเทียบเท่ากับ Chief Data Officer เพื่อให้แต่ละตำแหน่งมีความชัดเจนและโฟกัสเฉพาะด้านมากขึ้น

สิ่งหนึ่งที่สามารถยืนยันได้อย่างมั่นใจคือ ความต้องการผู้นำด้านข้อมูลและ AI จะยังคง เติบโตขึ้นเรื่อย ๆ ไม่ว่าจะอยู่ในรูปแบบหรือโครงสร้างใดก็ตาม องค์กรต่าง ๆ ยังคงมองหาผู้นำที่สามารถนำข้อมูลและ AI มาใช้เพื่อขับเคลื่อนกลยุทธ์และสร้างมูลค่าทางธุรกิจได้อย่างมีประสิทธิภาพ

สรุป

ขอสรุป Trend ปี 2025 จากความเข้าใจของผม ที่ได้อ่านบทความต้นทางและนำมาสรุปเป็นบทความนี้นะครับ

• น่าจะมีการพัฒนา Agentic AI มากยิ่งขึ้น แต่ผลลัพธ์จะเป็นยังไง สามารถเชื่อถือได้หรือไม่ ต้องรอดูกันต่อไป
• หลายๆ ธุรกิจ น่าจะมีความพยายามวัดผลตอบแทนและความคุ้มค่าในการลงทุนใน Generative AI ให้ชัดเจนยิ่งขึ้น
• การนำ Generative AI มาใช้ให้มีประสิทธิภาพ น่าจะยังต้องใช้คนเข้ามามีส่วนร่วมอีกมาก โดยเฉพาะการจัดการ Unstructured Data ต่างๆ
• การปรับเทคโนโลยี ต้องมาคู่กับการปรับวัฒนธรรมองค์กรด้วย (อันนี้หลายๆ คนน่าจะชินตั้งแต่ตอนมี Trend ด้าน Data Driven หรือ Digital Transformation แล้ว)
• บทบาทของ CDO, CAIO จะมีส่วนร่วมในเชิงกลยุทธ์ธุรกิจมากขึ้น

แล้วคุณเห็นด้วยกับความเห็นของบทความนี้มั้ยครับ? สามารถมาแชร์ความเห็นกันได้ในเพจเลยนะครับ 🙂

ปล. ผมสรุปส่วนที่คิดว่าสำคัญมาให้นะครับ หากต้องการรายละเอียดครบๆ สามารถเข้าไปอ่านที่บทความต้นทางใน Reference ด้านล่างนี้ได้เลยครับ

Reference: https://sloanreview.mit.edu/article/five-trends-in-ai-and-data-science-for-2025/