สถานการณ์ AI ปี 2025: ยุคแห่ง Agents นวัตกรรม และการเปลี่ยนผ่านสู่สเกลจริง

ส่วนที่ 1: กำเนิด Agentic AI — เมื่อ AI เริ่ม “คิดและทำ” แทนมนุษย์

หนึ่งในไฮไลท์สำคัญที่สุดของปี 2025 คือการก้าวกระโดดจาก Generative AI แบบเดิม สู่ระบบ Agentic AI

Agentic AI คืออะไร?

ต่างจาก Chatbot ทั่วไปที่รอรับคำสั่งแล้วตอบกลับ Agentic AI คือระบบที่สร้างบนพื้นฐานของ Foundation Models ที่มีความสามารถในการ:

1. วางแผน (Planning): แตกงานใหญ่ออกเป็นขั้นตอนย่อยๆ
2. ดำเนินการ (Executing): ลงมือทำตามขั้นตอนเหล่านั้นในโลกดิจิทัลจริง
3. ทำงานหลายขั้นตอน (Multi-step workflow): เชื่อมโยงงานต่างๆ เข้าด้วยกันโดยไม่ต้องรอมนุษย์สั่งทุกครั้ง

สถานะการใช้งานในปัจจุบัน

• 23% ขององค์กรรายงานว่ากำลังขยายผล (Scaling) ระบบ Agentic AI ในอย่างน้อยหนึ่งฟังก์ชัน
• 39% กำลังอยู่ในช่วงทดลอง (Experimenting)
• ความนิยมตามอุตสาหกรรม: กลุ่มเทคโนโลยี (Technology), สื่อและโทรคมนาคม (Media & Telco), และสาธารณสุข (Healthcare) คือผู้นำในการนำ Agentic AI มาใช้
• ฟังก์ชันที่ใช้งานสูงสุด: งานด้าน IT (เช่น การจัดการ Service Desk อัตโนมัติ) และการจัดการองค์ความรู้ (Knowledge Management – เช่น การค้นคว้าวิจัยเชิงลึก)

แม้กระแสความสนใจจะสูงมาก (Hype Cycle) แต่ในความเป็นจริง การใช้งาน Agentic AI ยังคงจำกัดอยู่ในวงแคบ ส่วนใหญ่ (Most) ของผู้ที่เริ่มใช้ ยังคงใช้ใน 1-2 ฟังก์ชันเท่านั้น ยังไม่กระจายไปทั่วทั้งองค์กร

ส่วนที่ 2: ภาพรวมการใช้งาน (Adoption) และช่องว่างของการขยายผล (The Scaling Gap)

การเติบโตที่กระจายตัว (Broadening Use)

ในปี 2025 เราเห็นสัญญาณที่ชัดเจนว่า AI ไม่ได้กระจุกตัวอยู่แค่บริษัทเทคโนโลยีอีกต่อไป

• อุตสาหกรรมสื่อ โทรคมนาคม และประกันภัย: มีอัตราการใช้ AI เทียบเท่ากับบริษัท Tech แล้ว
• ฟังก์ชันยอดนิยม:
  1. IT (Software Engineering)
  2. การตลาดและการขาย (Marketing & Sales)
  3. น้องใหม่มาแรง: การจัดการองค์ความรู้ (Knowledge Management)
• ความลึกของการใช้: มากกว่า 2 ใน 3 ขององค์กรใช้ AI ใน มากกว่า 1 ฟังก์ชัน และครึ่งหนึ่งใช้ใน 3 ฟังก์ชันขึ้นไป

วิกฤต “Pilot Purgatory” (ติดหล่มการทดลอง)

แม้จะมีการใช้งานกว้างขวาง แต่เมื่อถามถึง “การใช้งานจริงแบบขยายผลทั้งองค์กร” (Scaling across enterprise):

• 2/3 ขององค์กร ยังคงอยู่ในเฟสทดลอง (Experimenting/Piloting)
• มีเพียง 1/3 เท่านั้นที่เริ่มขยายผล (Scaling) อย่างจริงจัง

ปัจจัยเรื่องขนาดองค์กร: บริษัทขนาดใหญ่ (รายได้มากกว่า 5 พันล้านดอลลาร์) มีแนวโน้มที่จะขยายผล AI ได้สำเร็จมากกว่าบริษัทขนาดเล็ก (รายได้ต่ำกว่า 100 ล้านดอลลาร์) เกือบ 2 เท่า (50% เทียบกับ 29%) เนื่องจากความพร้อมด้านทรัพยากรและโครงสร้างพื้นฐาน

ส่วนที่ 3: ผลกระทบทางธุรกิจ (Business Impact) — กำไรอยู่ที่ไหน?

คำถามสำคัญที่ผู้บริหารทุกคนถามคือ “ลงทุน AI ไปแล้ว ได้เงินคืนหรือยัง?”

ผลกระทบต่อกำไร (EBIT)

• มีเพียง 39% ขององค์กรที่รายงานว่า AI ส่งผลกระทบต่อกำไรก่อนดอกเบี้ยและภาษี (EBIT)
• ในจำนวนนี้ ส่วนใหญ่บอกว่าผลกระทบยังน้อยกว่า 5% ของ EBIT ทั้งหมด

ผลกระทบเชิงคุณภาพ (Qualitative Benefits)

แม้ตัวเลขทางการเงินระดับองค์กรอาจยังไม่ชัดเจนในวงกว้าง แต่ประโยชน์ในด้านอื่นกลับเห็นผลชัดเจน:

• นวัตกรรม (Innovation): เสียงส่วนใหญ่ (Majority) ระบุว่า AI ช่วยเร่งกระบวนการสร้างนวัตกรรม
• ความพึงพอใจ: เกือบครึ่งระบุว่าลูกค้าและพนักงานมีความพึงพอใจมากขึ้น
• ความได้เปรียบทางการแข่งขัน: เริ่มเห็นความแตกต่างระหว่างผู้ใช้และไม่ใช้

แหล่งที่มาของมูลค่า (Value Sources)

• ลดต้นทุน (Cost Reduction): เห็นผลชัดเจนที่สุดในงาน Software Engineering, การผลิต (Manufacturing), และ IT
• เพิ่มรายได้ (Revenue Increase): เห็นผลชัดเจนที่สุดใน Marketing & Sales และการพัฒนาผลิตภัณฑ์ (Product Development)