Categories: BooksNon-fictions

[สรุปหนังสือ] Competing in the Age of AI : Strategy and Leadership When Algorithms and Networks Run the World

 

 

Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World (2020)

by Marco Iansiti & Karim R. Lakhani

 

“AI is the runtime that is going to shape all of what we do.” – Satya Nadella, Microsoft CEO

 

เทคโนโลยีปัญญาประดิษฐ์ (artificial intelligence หรือ AI) กำลังสร้างการเปลี่ยนแปลงต่อชีวิตประจำวันของมนุษย์ทุกคนทั่วทุกมุมโลกอย่างรวดเร็วและนำมาสู่การเติบโตอย่างก้าวกระโดดขององค์กรเทคโนโลยีชั้นนำอย่าง Amazon, Apple, Microsoft, Google, Facebook, Tencent และ Alibaba ที่ต่างก็ยึดเอาเทคโนโลยี AI เป็น “ศูนย์กลาง” ในการกำหนดยุทธศาสตร์และพื้นฐานของระบบปฏิบัติการขององค์กรที่ช่วยสร้างขีดความสามารถในการแข่งขันอันเหนือชั้นกว่าองค์กรในรูปแบบดั้งเดิมอย่างมหาศาล

Competing in the Age of AI คือ หนังสือที่ว่าด้วยศาสตร์ของการวางกลยุทธ์และการบริหารจัดการองค์กรในยุคแห่ง AI โดยฝีมือของ Marco Iansiti และ Karim R. Lakhani สองศาสตราจารย์ด้านเทคโนโลยีแห่ง Harvard Business School ที่นำเสนอแนวทางในการปรับโครงสร้างและระบบปฏิบัติการขององค์กรให้สามารถใช้ประโยชน์จากเทคโนโลยี AI ได้อย่างเต็มกำลังเพื่อสร้างการเติบโตอย่างยั่งยืนและปลดล็อกโอกาสใหม่ๆที่เกิดขึ้นจากการเปลี่ยนแปลงอย่างรวดเร็วของโลกในยุคดิจิตอล

ขอเชิญทุกท่านอ่านหนังสือเล่มนี้ที่เปรียบดั่งตำราการทำธุรกิจในยุคแห่ง AI นี้กันได้เลยครับ

 

ผู้เขียน Marco Iansiti และ Karim R. Lakhani (ขอบคุณรูปจาก The People Space)

 


 

Chapter 1 : The Age of AI

การเปลี่ยนแปลงทางเทคโนโลยีในยุคดั้งเดิมหรือ “อนาล็อก (analog)” มักก่อให้เกิดผู้ชนะที่ครอบครองเทคโนโลยีที่เหนือชั้นกว่าที่สามารถเข้ามาแทนที่เทคโนโลยีในรูปแบบเก่าของผู้แพ้ที่ปรับตัวตามไม่ทัน เหมือนดังเช่น กรณีของการคิดค้นกล้องถ่ายรูปในยุคแรกเริ่มที่สามารถเข้ามาแทนที่อุตสาหกรรมการวาดภาพเหมือนบุคคลที่ทั้งใช้เวลานานและมีต้นทุนสูงได้อย่างเบ็ดเสร็จ

การเปลี่ยนแปลงในยุคใหม่ที่ล้วนเกิดขึ้นในระบบ “ดิจิตอล (digital)” ที่ทุกอย่างถูกแปลงสภาพเป็นชุดข้อมูลที่เชื่อมโยงถึงกันได้อย่างรวดเร็วนั้น นอกจากจะก่อให้เกิดการแทนที่กันระหว่างผู้แพ้และผู้ชนะแล้ว เทคโนโลยีแบบดิจิตอลยังก่อให้เกิดการเปลี่ยนแปลงต่อองค์ประกอบและขอบเขตของอุตสาหกรรมที่เกี่ยวข้องอย่างหลีกเลี่ยงไม่ได้ เหมือนอย่างในปัจจุบันที่เทคโนโลยีการถ่ายรูปแบบดิจิตอลผ่านสมาร์ตโฟนนั้นสร้างให้เกิดกิจกรรมใหม่ๆมากมาย อาทิ การเปลี่ยนแปลงพฤติกรรมของผู้บริโภคที่หยิบเอาโทรศัพท์มือถือขึ้นมาถ่ายภาพกันตลอดเวลาเพื่อแชร์รูปภาพเหล่านั้นผ่าน social media ต่างๆแบบไร้ซึ่งค่าใช้จ่ายเพิ่มเติมใดๆ หรือ การที่บริษัท social media สามารถป้อนข้อมูลรูปภาพอันมหาศาลเหล่านั้นเพื่อพัฒนาระบบตรวจจับใบหน้า (facial recognition) บนไฟล์รูปภาพให้มีความแม่นยำสูงมากขึ้นเรื่อยๆได้

การเกิดขึ้นของระบบโครงข่ายดิจิตอลที่นำมาสู่การเพิ่มขึ้นของจำนวนข้อมูลอันมหาศาลนั้นคือพื้นฐานของการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ หรือ AI ที่มีส่วนสำคัญอย่างมากต่อการเปลี่ยนแปลงพื้นฐานในการดำเนินธุรกิจของทุกอุตสาหกรรมอันนำมาสู่การเกิดขึ้นของ “ระบบปฏิบัติการ (operating model)” ขององค์กรในรูปแบบใหม่ที่เชื่อมโยงองค์ความรู้ที่สืบทอดกันมาในยุคอนาล็อกเข้ากับเทคโนโลยีแห่งยุคดิจิตอลเพื่อทำลายข้อจำกัดแบบเดิมๆและเสริมสร้างขีดความสามารถใหม่ๆ ทั้ง การเร่งอัตราการเติบโตอย่างรวดเร็ว การขยายขอบเขตการดำเนินการและการพัฒนากระบวนการเรียนรู้อย่างต่อเนื่อง ซึ่งล้วนทำให้องค์กรที่มี “AI เป็นศูนย์กลาง” เหล่านี้มีขีดความสามารถในการแข่งขันที่ล้ำหน้าองค์กรในรูปแบบดั้งเดิมอย่างมหาศาล

 

แผนภาพเปรียบเทียบการเติบโตของมูลค่าของระบบปฏิบัติการแบบดั้งเดิมและแบบดิจิตอลตามจำนวนผู้ใช้งาน (ขอบคุณภาพจาก Havard Business Review)

 

Chapter 2 : Rethinking the Firm

สององค์ประกอบสำคัญที่เป็นตัวกำหนด “คุณค่า” ขององค์กรในการสร้างและส่งมอบคุณค่าต่อให้กับลูกค้า ก็คือ โมเดลการทำธุรกิจ (business model) และ โมเดลระบบปฏิบัติการ (operating model) ซึ่งมีรายละเอียดดังต่อไปนี้

โมเดลการทำธุรกิจ คือ “ยุทธศาสตร์ภาพใหญ่” ขององค์กรที่เป็นตัวกำหนดแนวทางในการสร้างคุณค่า (value creation) ให้แก่ลูกค้าผ่านผลิตภัณฑ์หรือการบริการต่างๆที่ช่วยแก้ปัญหาให้แก่พวกเขาและการเก็บคุณค่าเหล่านั้น (value capture) ผ่านการจัดเก็บส่วนแบ่งของคุณค่าที่ลูกค้าได้รับ อาทิ การขายสินค้าให้แก่ลูกค้าโดยตรง หรือ การขายโฆษณาในแพลตฟอร์มที่เปิดให้ผู้ใช้งานเข้ามาใช้ได้โดยไม่ต้องเสียเงิน

โมเดลระบบปฏิบัติการ คือ “ระบบของกระบวนการ” ที่ทำให้องค์กรสามารถดำเนินการสร้างคุณค่าให้แก่ลูกค้าตามโมเดลการทำธุรกิจได้อย่างสมบูรณ์ ไม่ว่าจะเป็นกระบวนการผลิต กระบวนการจัดส่งสินค้า กระบวนการขาย กระบวนการทางบัญชีและอีกมากมาย ซึ่งมักจะต้องเผชิญกับความท้าทายสำคัญ 3 ประการ ได้แก่

  • Scale : การทำให้ระบบปฏิบัติการสามารถขยาย “ขนาด” และ “ความซับซ้อน” ได้อย่างมีประสิทธิภาพ อาทิ การขยายกำลังการผลิตและการขยายตลาดไปยังต่างเมืองหรือต่างประเทศ
  • Scope : การทำให้ระบบปฏิบัติการสามารถขยาย “ขอบเขต” ของผลิตภัณฑ์และการให้บริการได้เพิ่มมากขึ้นเรื่อยๆ อาทิ การสร้างผลิตภัณฑ์ใหม่ๆในอุตสาหกรรมเดิมและการขยายไปสู่อุตสาหกรรมใหม่ๆ
  • Learning : การทำให้ระบบปฏิบัติการสามารถ “เรียนรู้” และ “พัฒนา” ได้อย่างต่อเนื่องเพื่อเพิ่มประสิทธิภาพของระบบปฏิบัติการและสร้างนวัตกรรมใหม่ๆที่มอบคุณค่าที่สูงขึ้นให้แก่ลูกค้า

โมเดลระบบปฏิบัติการขององค์กรในรูปแบบดั้งเดิมที่ต้องอาศัยพนักงานเป็นศูนย์กลางในการเชื่อมประสานกระบวนการต่างๆมักมี “ข้อจำกัด” ด้านความซับซ้อนของระบบที่เกิดขึ้นจากการขยายขนาดและขอบเขตของการดำเนินการขององค์กรไปถึงจุดสูงสุดที่โมเดลระบบปฏิบัติการจะสามารถดำเนินการได้อย่างเต็มประสิทธิภาพ อันนำมาซึ่งการถดถอยของผลกำไรหรือการจำกัดการเติบโตขององค์กรแบบดั้งเดิม

ตรงกันข้าม โมเดลระบบปฏิบัติการขององค์กรที่มี AI เป็นศูนย์กลางนั้นกลับมีความได้เปรียบอย่างมหาศาลจากเทคโนโลยี AI และเครือข่ายดิจิตอลที่สร้างให้เกิดขีดความสามารถที่เหนือชั้นกว่าระบบปฏิบัติการขององค์กรในรูปแบบดั้งเดิม อันได้แก่

  • ความสามารถในการขยายขนาด (scale) การดำเนินการขององค์กรได้อย่างรวดเร็วผ่านระบบแบบ “อัตโนมัติ” ที่ใช้ AI เป็นตัวควบคุมกระบวนการหลัก (critical path) ของการดำเนินธุรกิจทั้งหมดโดยไม่ต้องอาศัยแรงงานคนที่เป็นข้อจำกัดหลักขององค์กรแบบดั้งเดิม [Grab ไม่ต้องจ้างพนักงานทำหน้าที่เรียกรถแท็กซี่มาให้กับผู้โดยสารทีละราย, Netflix ไม่ต้องจ้างพนักงานที่คอยแนะนำซีรี่ย์ให้กับลูกค้าทีละคนและ Facebook ไม่ต้องจ้างพนักงานที่คอยคัดสรรข้อมูลกิจกรรมต่างๆของเพื่อนของผู้ใช้งานมาให้พวกเขาดูตลอด 24 ชั่วโมง] และทำให้องค์กรสามารถขยายการให้บริการลูกค้าได้ด้วยต้นทุนส่วนเพิ่มที่แทบจะเป็นศูนย์ [จากเพียงแค่ต้นทุน server ที่องค์กรแบบดิจิตอลส่วนใหญ่มักเลือกใช้บริการระบบ cloud server ที่คิดค่าใช้จ่ายตามปริมาณการใช้งานได้อย่างยืดหยุ่นและขยายได้อย่างรวดเร็ว]
  • ความสามารถในการขยายขอบเขต (scope) การดำเนินการขององค์กรได้อย่างไม่รู้จบด้วยการออกแบบโครงสร้างซอฟท์แวร์แบบ “แยกส่วน (modular)” ที่สามารถหยิบกลุ่มก้อนของกระบวนการแบบดิจิตอลต่างๆมาเชื่อมต่อระหว่างกันได้อย่างรวดเร็วเหมือนกับการต่อเลโก้ ยกตัวอย่างให้เห็นภาพเช่น บริษัท e-commerce ที่พัฒนาระบบการขายเสื้อผ้าออนไลน์เสร็จสมบูรณ์แล้วก็สามารถนำเอา “โค้ด” ของระบบนั้นมาใช้พัฒนาระบบการขายสินค้าประเภทอื่นๆได้อย่างรวดเร็ว หรือ บริษัทเรียกรถแท็กซี่ที่สร้างฐานลูกค้าของตัวเองมาได้พอสมควรแล้วก็สามารถหยิบเอาฐานลูกค้าเหล่านั้นมาเชื่อมต่อกับธุรกิจการขนส่งอาหารได้ในทันที
  • ความสามารถในการเรียนรู้ (learning) ที่เกิดขึ้นจากการครอบครองข้อมูลจำนวนมหาศาลที่เกิดขึ้นในทุกขั้นตอนของกระบวนการในระบบดิจิตอลที่สามารถนำมาใช้ในการค้นหาโอกาสใหม่ๆและวิเคราะห์แนวทางในการเพิ่มประสิทธิภาพของระบบปฏิบัติการขององค์กร พร้อมๆกับกระบวนการสร้างการเรียนรู้ที่ทำได้อย่างรวดเร็วผ่านโครงสร้างของระบบปฏิบัติการแบบดิจิตอล เช่น การทำ A/B testing ที่เป็นการทดสอบส่งหน้าจอการแสดงผลหรือบริการที่มีความแตกต่างกันให้กับผุ้ใช้งานแบบสุ่มเพื่อดูว่ารูปแบบไหนได้ผลลัพท์ที่ดีกว่า

หนึ่งตัวอย่างขององค์กรที่มีโมเดลระบบปฏิบัติการที่มี AI เป็นศูนย์กลางอย่างครบวงจรก็คือ Ant Financial บริษัทเทคโนโลยีด้านการเงินหรือ fintech ขนาดใหญ่ที่สุดในโลกที่มุ่งเน้นในการให้บริการด้านการเงินแก่ธุรกิจรายย่อยและบุคคลธรรมดาที่ไม่มีโอกาสเข้าถึงระบบธนาคารของจีนมาก่อน โดยมีจุดกำเนิดมาจากระบบการจ่ายเงิน AliPay ซึ่งเป็นตัวจุดประกายการซื้อขายผ่านโลกออนไลน์ใน Alibaba และการสร้างพฤติกรรมสังคมไร้เงินสดของประเทศจีนภายในเวลาไม่กี่ปี

ปัจจุบัน บริษัท Ant Financial ได้ขยายขอบเขตการให้บริการด้านการเงินอย่างครอบคลุม ตั้งแต่ การจ่ายเงินออนไลน์, การจ่ายเงินผ่าน QR code, การนำเงินฝากไปลงทุนผ่านกองทุนรวม, การบริหาความมั่งคั่ง, การประเมิน credit score และการปล่อยกู้ที่กระบวนการทั้งหมดนั้นถูกดำเนินการโดยระบบคอมพิวเตอร์และ AI โดยไม่ต้องอาศัยพนักงานเลยแม้แต่น้อย ยกตัวอย่างเช่น กระบวนการปล่อยกู้ให้แก่ธุรกิจขนาดย่อมที่ใช้เวลาในการกรอกข้อมูลผ่านระบบเพียงแค่ 3 นาทีและใช้เวลาในการอนุมัติวงเงินกู้เพียงแค่ 1 วินาที !! ผ่านการนำข้อมูลของผู้ขอกู้จากทั้งแบบฟอร์มการกรอก ฐานข้อมูลเครดิตของรัฐบาลและฐานข้อมูลพฤติกรรมของผู้กู้ในแพลตฟอร์มที่เกี่ยวข้องเช่น Alibaba ไปประมวลผลในระบบ AI ที่มีเงื่อนไขกว่า 3,000 ข้ออย่างรวดเร็วและยังมีการพัฒนาการเพื่อเพิ่มความแม่นยำอย่างต่อเนื่อง จนไม่น่าแปลกใจว่าทำไม Ant Financial ถึงสามารถให้บริการลูกค้ากว่า 700 ล้านคนได้ด้วยพนักงานเพียงแค่ไม่ถึงหนึ่งหมื่นคน [เทียบกับธนาคารไทยพาณิชย์ของบ้านเราที่มีพนักงาน 27,000 คนในการให้บริการลูกค้าที่เต็มที่ก็ไม่น่าเกิน 20-30 ล้านคน]

 

บริการด้านการเงินทั้งหมดของ Ant Financial (ขอบคุณภาพจาก CBInsights)

 

Chapter 3 : The AI Factory

วิวัฒนาการทางเศรษฐกิจที่ทำให้มนุษยชาติพัฒนาผลิตภาพของเผ่าพันธุ์ไปได้อย่างก้าวกระโดดนั้นเกิดขึ้นในยุคปฏิวัติอุตสาหกรรมที่มนุษย์เริ่มเปลี่ยนวิธีการผลิตสินค้าจากการนั่งทำมือเป็นชิ้นๆไปสู่กระบวนการผลิตแบบ “จำนวนมาก (mass production)” ในโรงงานด้วยการเปลี่ยนหน้าที่ของคนงานหนึ่งคนจากคนที่ต้องรู้จักวิธีการผลิตอย่างครอบคลุมมาทำหน้าที่เพียงแค่บางส่วนของกระบวนการผลิตเท่านั้นอันนำมาสู่ประสิทธิภาพของการผลิตที่เพิ่มสูงขึ้นมาก

แต่ถึงแม้ว่ากระบวนการผลิตนั้นจะได้รับการพัฒนาประสิทธิภาพไปอย่างมหาศาลแล้ว กระบวนการ “วิเคราะห์ข้อมูล” และการ “ตัดสินใจ” ของมนุษย์นั้นกลับยังคงมีรูปแบบเหมือนเดิมที่กระบวนการส่วนใหญ่ยังคงเปรียบเสมือนการผลิตสินค้าด้วยมือทีละชิ้นแทนที่การผลิตแบบจำนวนมาก จนกระทั่งในยุคปัจจุบัน เทคโนโลยี AI และโครงสร้างองค์กรแบบดิจิตอลนั้นได้เปิดโอกาสให้องค์กรสามารถนำเอาวิธีคิดแบบอุตสาหกรรมมาปฏิวัติกระบวนการวิเคราะห์ข้อมูลและการตัดสินใจได้ผ่าน “โรงงาน AI” ที่มีความสามารถในการจัดเก็บข้อมูล พยากรณ์ เรียนรู้และตัดสินใจได้อย่างอัตโนมัติและมีประสิทธิภาพสูง

โครงสร้างหลักของโรงงาน AI นั้นมีองค์ประกอบสำคัญอยู่ 4 องค์ประกอบ ได้แก่

องค์ประกอบที่ 1. Data pipeline : โครงสร้างของฐานข้อมูลจำนวนมหาศาลที่เชื่อมต่อกันได้อย่างสมบูรณ์ องค์กรที่ต้องการอยู่รอดและคว้าโอกาสจากยุคแห่ง AI นั้นต้องคำนึงถึงการเปลี่ยนแปลงกิจกรรมต่างๆที่เกิดขึ้นให้กลายมาเป็นข้อมูล (datafication) ให้ได้มากที่สุด อาทิ Netflix ที่เก็บข้อมูลตลอดทุกกระบวนการดูวิดิโอของผู้ใช้งาน ตั้งแต่ การคลิกแต่ละครั้ง การหยุดวิดิโอ ช่วงเวลาการรับชม อุปกรณ์ในการรับชม ฯลฯ เพื่อนำข้อมูลเหล่านั้นมาสร้างประสบการณ์โดยเฉพาะให้กับผู้ใช้งานแต่ละคน แต่ที่สำคัญกว่านั้น ภารกิจที่สำคัญที่สุดขององค์กรที่ยังมีระบบการจัดเก็บข้อมูลแบบดั้งเดิมอยู่ก็คือการสร้าง “ฐานข้อมูลกลาง” ที่เป็นมาตรฐานและมีการทำความสะอาดข้อมูล (data cleansing) ให้ถูกต้องสมบูรณ์และรวดเร็วที่สุด

องค์ประกอบที่ 2. Algorithm development : โครงสร้างในการวิเคราะห์ พยากรณ์และตัดสินใจจากข้อมูลผ่านระบบ AI ที่ใช้โมเดลทางสถิติในการประมวลผลข้อมูลที่มีความแม่นยำมากกว่ามนุษย์ผู้เชี่ยวชาญขึ้นเรื่อยๆและมีประสิทธิภาพที่เหนือกว่ามนุษย์แบบเทียบกันไม่ได้ ซึ่งโมเดล AI นั้นแบ่งออกได้เป็น 3 ประเภทหลัก ได้แก่

  • Supervised learning : โมเดลการพยากรณ์ผลลัพท์ให้มีความแม่นยำมากที่สุดโดยมีมนุษย์เป็นผู้ที่คอย “สอน” ให้โมเดล AI มีความแม่นยำมากยิ่งขึ้นผ่านการป้อนข้อมูลจำนวนมหาศาลที่ข้อมูลแต่ละชุดมีการระบุไว้อย่างชัดเจนว่าข้อมูลชุดนั้นนำไปสู่ผลลัพท์อะไร อาทิ การพัฒนา AI ที่แยกรูปสุนัขกับแมวออกจากกันได้นั้นก็สามารถทำได้โดยการป้อนรูปสุนัขและรูปแมวจำนวนมากให้กับโมเดล AI ได้เรียนรู้ถึงความแตกต่างระหว่างข้อมูลทั้งสองกลุ่ม หรือ การพัฒนา AI สำหรับใช้พยากรณ์ความต้องการของสินค้าชนิดต่างๆนั้นก็สามารถทำได้ด้วยการป้อนข้อมูลยอดขายที่เกิดขึ้นในอดีตและปัจจัยที่เกี่ยวข้องจำนวนมากให้โมเดล AI พิจารณาดูว่าปัจจัยใดบ้างที่มีส่วนสำคัญต่อยอดขายของสินค้านั้นๆ
  • Unsupervised learning : โมเดลการค้นหาความรู้ที่มีประโยชน์ (insight) จากข้อมูลที่ไม่ได้มีการกำหนดวัตถุประสงค์อย่างตายตัวด้วยการจัดข้อมูลที่มีอยู่อย่างมหาศาลให้เป็นกลุ่มก้อน (cluster) ที่มีลักษณะใกล้เคียงกันที่สุดเพื่อให้นักวิเคราะห์นำข้อมูลกลุ่มก้อนเหล่านั้นไปใช้ประโยชน์ได้หลากหลายรูปแบบ อาทิ การแบ่งกลุ่มลูกค้าตามชุดข้อมูลจำนวนมากเพื่อทำความเข้าใจพฤติกรรมหลักๆของลูกค้าแต่ละกลุ่มและหาแนวทางในการบริการลูกค้าแต่ละกลุ่ม การจับคู่ผลิตภัณฑ์ที่มีแนวโน้มในการขายพ่วงไปด้วยกันได้เพื่อแนะนำสินค้าให้แก่ลูกค้า หรือ การตรวจจับข้อมูลที่ไม่เข้าพวกเพื่อตรวจสอบการโกง
  • Reinforcement learning : โมเดลการคำนวณแนวทางในการนำไปสู่ผลลัพธ์ที่ดีที่สุดด้วยการกำหนดกฎกติกาอย่างชัดเจนโดยมีข้อมูลตั้งต้นเพียงเล็กน้อย ตัวอย่างที่โด่งดังที่สุดของโมเดลประเภทนี้ ก็คือ โมเดล AlphaGo Zero ที่เป็น AI หมากกระดานโกะที่เรียนรู้วิธีการเล่นหมากกระดานด้วยตัวเองภายในระยะเวลาอันสั้นแต่สามารถเอาชนะโมเดล AlphaGo ที่เป็นโมเดลในรูปแบบ supervised learning ที่สามารถเอาชนะเซียนโกะทั่วโลกมาก่อนหน้าแล้วได้อย่างขาดลอย

องค์ประกอบที่ 3. Experimentation platform : โครงสร้างในการเรียนรู้ผ่านการทดลองแบบอัตโนมัติอย่างต่อเนื่องที่ใช้แนวคิด A/B testing ในการทดสอบประสิทธิภาพของกระบวนการที่คิดค้นขึ้นมาใหม่เพื่อแก้ไขปัญหา (treatment) ในกลุ่มผู้ใช้งานบางส่วนเทียบกับกระบวนการปัจจุบัน (control) ก่อนที่จะนำกระบวนการเหล่านั้นไปใช้กับผู้ใช้งานทุกคน องค์กรที่มีโครงสร้างซอฟท์แวร์และ AI ที่สามารถรองรับการทดลองแบบอัตโนมัติจำนวนมากนั้นจะมีความได้เปรียบจากการเรียนรู้ได้อย่างรวดเร็วเมื่อเทียบกับองค์กรในรูปแบบดั้งเดิมที่การเรียนรู้นั้นต้องทำผ่านตัวนักวิเคราะห์ที่เป็นมนุษย์ ดั่งเช่น Google ที่สามารถทำการทดลองกว่าหนึ่งแสนครั้งในแต่ละปี

องค์ประกอบที่ 4. Software infrastructure : โครงสร้างของ software ที่เชื่อมโยงฐานข้อมูล โมเดล AI และกระบวนการทดลองเพื่อเรียนรู้อย่างต่อเนื่องเข้ามารวมกันได้อย่างสมบูรณ์ซึ่งถือเป็นพื้นฐานสำคัญของระบบปฏิบัติการแบบสมัยใหม่

 

Chapter 4 : Rearchitecting the Firm

ปัจจัยสำคัญที่นำมาสู่ความสำเร็จและการเติบโตอย่างก้าวกระโดดของ Amazon ให้กลายมาเป็นบริษัท e-commerce อันดับ 1 ของโลกนั้นสามารถสืบย้อนกลับไปยัง “จดหมายเปิดผนึก” ของ Jeff Bezos ในปี 2002 ที่ว่าด้วยการ “บังคับ” ให้โปรแกรมเมอร์ทุกคนของ Amazon ปรับเปลี่ยนวิธีการพัฒนาโครงสร้าง software ทั้งหมดจากเดิมที่มีความกระจัดกระจายแตกต่างกันไปตามแต่ละธุรกิจย่อยหรือ “ไซโล (silo)” ให้กลายมาเป็นโครงสร้างรูปแบบมาตรฐานที่เชื่อมโยงฐานข้อมูลและกระบวนการต่างๆเข้าถึงกันได้อย่างสมบูรณ์โดยมี API (Application Programming Interface) หรือวิธีการเชื่อมต่อระหว่าง software ที่เป็นมาตรฐานในระดับที่ “คนนอก” สามารถเข้ามาเชื่อมต่อกับระบบปฏิบัติการของ Amazon ได้อย่างง่ายดาย

วิสัยทัศน์เมื่อเกือบสองทศวรรษที่ผ่านมาของ Jeff Bezos นั้นแสดงให้เห็นถึงความสำคัญของการพัฒนาโครงสร้างของระบบ IT ขององค์กรขึ้นมาใหม่ทั้งหมดเพื่อทำให้ระบบปฎิบัติการแบบมี AI เป็นศูนย์กลางสามารถสร้างขีดความสามารถด้าน scale, scope และ learning ได้อย่างเต็มที่ ผู้บริหารขององค์กรในยุคปัจจุบันที่ต้องการอยู่รอดต่อไปได้ในอนาคตจึงต้องให้ความสำคัญกับการสร้าง “โรงงาน AI” ให้สำเร็จให้ได้

อีกหนึ่งตัวอย่างความสำเร็จของการปฏิรูปองค์กรครั้งใหญ่จากระบบปฏิบัติการแบบไซโลมาสู่ระบบปฏิบัติการที่มี AI และโครงข่ายดิจิตอลเป็นจุดศูนย์กลางก็คือ Microsoft ในยุคของ Satya Nadella ผู้ทำหน้าที่เป็น CEO คนที่ 3 ของบริษัทผู้สามารถพลิกฟื้นองค์กรที่กำลังเสื่อมสลายให้สามารถพัฒนาธุรกิจใหม่ทั้ง cloud computing, AI และ mixed reality ได้อย่างประสบความสำเร็จ ซึ่งหนึ่งในสิ่งแรกที่ Satya Nadella ทำในฐานะ CEO ก็คือการสร้างทีมงาน IT ชุดใหม่ที่มีหน้าที่สำคัญในการสร้างโครงสร้างพื้นฐาน software กลางที่เชื่อมต่อกับทุกหน่วยงานของ Microsoft ได้สำเร็จด้วยต้นทุนมหาศาลแต่สามารถคืนทุนได้อย่างรวดเร็วจนทำให้มูลค่าบริษัทของ Microsoft พุ่งพรวดกว่า 5 เท่าภายในระยะเวลาเพียงแค่ 6 ปี

 

แผนภาพ ecosystem ของ Microsoft (ขอบคุณภาพจาก Microsoft Dynamic Community)

 

Chapter 5 : Becoming an AI Company

การปฏิรูปองค์กรให้กลายมาเป็นบริษัทที่มีระบบปฏิบัติการ AI เป็นศูนย์กลางนั้นถือเป็นความท้าทายที่สุดขององค์กรขนาดใหญ่ในปัจจุบัน ผู้เขียนทั้งสองคนในฐานะศาสตราจารย์และที่ปรึกษาด้านธุรกิจดิจิตอลได้ทำการศึกษาการปฏิรูปองค์กรมากกว่า 350 แห่งจนสามารถกลั่นกรองหลักการสำคัญ 5 ประการในการปฏิรูปองค์กรแห่งยุค AI ไว้ดังนี้

ข้อที่ 1. One strategy : องค์กรที่ต้องการปฎิรูประบบปฏิบัติการของตัวเองนั้นต้องกำหนดยุทธศาสตร์ของการปฏิรูปอย่างชัดเจนและจริงจัง ผู้บริหารระดับสูงทุกคนต้องแสดงเจตจำนงในการปฏิรูปอย่างแน่วแน่เพื่อให้การปฏิรูปอันแสนซับซ้อนและมีต้นทุนสูงสามารถดำเนินการต่อไปได้อย่าสัมฤทธิ์ผล

ข้อที่ 2. Architectural clarity : องค์กรจะต้องฉายภาพของโครงสร้างระบบดิจิตอลตามเป้าหมายของการปฏิรูปองค์กรและทำให้พนักงานทุกคนเข้าใจถึงสิ่งที่จะมีการเปลี่ยนแปลงในอนาคตได้อย่างชัดเจน

ข้อที่ 3. Agile, product-focused organization : องค์กรต้องปรับเปลี่ยนโครงสร้างของหน่วยงานให้มีลักษณะแบบ agile ที่แบ่งพนักงานออกเป็นทีมขนาดเล็กที่มีอำนาจในการตัดสินใจอย่างสมบูรณ์และรวดเร็ว พร้อมๆกับการสร้างแนวคิดที่ให้ความสำคัญกับการพัฒนา software และ AI ที่กลายมาเป็นผลิตภัณฑ์หลักขององค์กรมากยิ่งขึ้น

ข้อที่ 4. Capability foundations : องค์กรที่มีระบบปฏิบัติการที่มี AI เป็นศูนย์กลางนั้นมีความต้องการพนักงานที่มีทักษะในรูปแบบที่แตกต่างไปจากเดิม องค์กรจึงต้องเพิ่มขีดความสามารถในการพัฒนา software และวิเคราะห์ข้อมูลให้กับพนักงานในองค์กรและต้องสรรหาผู้นำที่มีความเข้าใจทั้งทางด้านเทคนิคและด้านธุรกิจ

ข้อที่ 5. Clear, multidisciplinary governance : องค์กรที่อาศัย AI เป็นตัวกำหนดการตัดสินใจนั้นต้องพึงระวังถึงผลกระทบในแง่ลบที่เกิดจากความผิดพลาดของโมเดล AI ด้วยการสร้างโครงสร้างการกำกับดูแลความเหมาะสมและความถูกต้องทางกฎหมายของระบบ AI ตั้งแต่ฐานรากให้ครอบคลุมในทุกองค์ประกอบของระบบปฏิบัติการ

 

Chapter 6 : Strategy for a New Age

การเกิดขึ้นขององค์กรยุคใหม่ที่มีระบบปฏิบัติการแบบดิจิตอลได้สร้างขีดความสามารถทางการแข่งขันในรูปแบบใหม่ผ่านโมเดลธุรกิจแบบ “โครงข่าย (network)” ที่เชื่อมต่อระหว่างระบบปฏิบัติการที่มี AI เป็นศูนย์กลางขององค์กรเข้ากับโครงข่ายขององค์ประกอบอื่นๆภายในระบบนิเวศของธุรกิจ ไม่ว่าจะเป็น โครงข่ายฐานลูกค้า โครงข่ายห่วงโซ่อุปทานและโครงข่ายพันธมิตรทางธุรกิจที่ล้วนเกิดขึ้นบนโครงสร้างพื้นฐาน software ขององค์กร

องค์กรที่มีโครงข่ายที่แข็งแกร่งและสามารถนำเอาโครงข่ายเหล่านั้นมาสร้างให้เกิดคุณค่าได้มากจะมีศักยภาพทางการแข่งขันที่สูงกว่าองค์กรแบบดั้งเดิมอย่างมหาศาล การวางยุทธศาสตร์การดำเนินธุรกิจขององค์กรแบบดิจิตอลในปัจจุบันจึงต้องให้ความสำคัญกับ 2 องค์ประกอบหลักที่เป็นตัวกำหนดคุณค่าของโครงข่ายขององค์กร ได้แก่

  • Network effects หรือ “คุณค่าของโครงข่าย” ขององค์กรที่มักจะเพิ่มขึ้นตามจำนวนผู้ใช้งานหรือพันธมิตรที่เชื่อมต่อกับโครงข่ายเหล่านั้น ยกตัวอย่างเช่น โครงข่าย social network ของ Facebook นั้นจะมีคุณค่าต่อผู้ใช้งานก็ต่อเมื่อเพื่อนๆของเขาหรือบุคคลที่พวกเขาติดตามสมัครเป็นผู้ใช้งานของ Facebook เช่นเดียวกัน อีกกรณีหนึ่งก็คือ AirBnB ที่ประสบความสำเร็จในการสร้างโครงข่ายของนักเดินทางและโครงข่ายของเจ้าของบ้านที่มีจำนวนมหาศาลอยู่แทบทั่วทุกมุมโลกจนมีความได้เปรียบในการแข่งขันเหนือกว่าคู่แข่งรายใหม่ๆอย่างมาก ดังนั้น องค์กรแบบดิจิตอลจึงต้องให้ความสำคัญกับการวางกลยุทธ์ของโครงข่ายให้สามารถสร้างฐานผู้ใช้งานได้อย่างรวดเร็วและสร้างประโยชน์จาก network effect ให้ได้มากที่สุด
  • Learning effects หรือ “คุณค่าของการเรียนรู้” ที่เกิดขึ้นจากโครงข่ายขององค์กรที่มักจะเพิ่มขึ้นตามจำนวนข้อมูลที่เกิดขึ้นจากการใช้งานของผู้ใช้งานหรือพันธมิตรที่เชื่อมต่อกับโครงข่ายเหล่านั้น ซึ่งองค์กรที่สามารถหยิบเอาข้อมูลจำนวนมากมาใช้พัฒนาศักยภาพของระบบปฏิบัติการได้อย่างดีที่สุดนั้นจะสามารถสร้างขีดความสามารถที่เหนือกว่าคู่แข่งได้อย่างมหาศาล ดังเช่น ระบบ search engine ของ Google ที่นำเอาข้อมูลการใช้งานของผู้ใช้งานจำนวนมหาศาลมาใช้พัฒนาระบบ AI สำหรับประมวลผลการค้นหาข้อมูลที่มีขีดความสามารถเหนือกว่าคู่แข่งรายอื่นๆอย่างที่ไม่มีใครตามทันและสามารถเรียกได้ว่า Google สามารถครอบครองตลาด search engine ได้อย่างเบ็ดเสร็จ

อย่างไรก็ตาม ถึงแม้ว่าโมเดลธุรกิจในรูปแบบโครงข่ายนั้นจะสามารถสร้างคุณค่าที่เหนือชั้นกว่าโมเดลธุรกิจในรูปแบบเดิมอย่างมหาศาล การเก็บรักษาคุณค่าเหล่านั้นให้อยู่กับองค์กรนั้นต้องเผชิญกับความท้าทายสำคัญ 2 ประการ ได้แก่

  • Multihoming : การที่ผู้ใช้งานสามารถเข้าถึงและเลือกใช้บริการของโครงข่ายขององค์กรหลายแห่งได้พร้อมๆกัน อาทิ การที่คนขับรถแท็กซี่และผู้โดยสารสามารถใช้งาน Uber และ Lyft ไปพร้อมๆกันได้เพื่อหาลูกค้าหรือหารถแท็กซี่ที่ราคาถูกที่สุดหรืออยู่ใกล้มากที่สุด ดังนั้น องค์กรที่มีโอกาสเจอกับปัญหานี้ต้องหาแนวทางในการทำให้ผู้ใช้งานเลือกที่จะใช้งานกับโครงข่ายของตนเองเท่านั้น เช่น กรณีของ Uber และ Lyft ที่ทั้งคู่มีการกำหนดโบนัสสำหรับคนขับรถแท็กซี่ที่สามารถขับได้หลายเที่ยวต่อวันและยังมีระบบจับคู่รถแท็กซี่กับผู้โดยสารรายถัดไปแบบอัตโนมัติก่อนส่งผู้โดยสารคนก่อนหน้าเสร็จเพื่ออำนวยความสะดวกและป้องกันไม่ให้คนขับเปลี่ยนไปใช้ app ของคู่แข่งเพื่อหาผู้โดยสารรายถัดไป หรือ กรณีของ Netflix ที่ไม่มีพลังของ network effects มากเท่าไหร่จนทำให้มีคู่แข่งเปิดให้บริการ video streaming เกิดขึ้นจำนวนมากอาทิ Disney+, Apple TV+ และ Amazon Prime Video ซึ่งต่างก็พยายามแข่งขันกันป้องกันการ multihoming ด้วยการนำเสนอ original content ของแต่ละค่ายโดยเฉพาะ [Netflix ทุ่มเงินกว่า 17,000 ล้านดอลลาร์ในการสร้าง original content ในปี 2020 ซึ่งเงินจำนวนนี้คิดเป็นกว่า 85% ของรายได้ทั้งปี 2019 !!]
  • Disintermediation : การที่ผู้ใช้งานทั้งสองฝ่ายของโครงข่ายสามารถติดต่อกันได้โดยไม่ต้องผ่านโครงข่ายซึ่งเป็นเพียงสื่อกลางและนำมาสู่การล่มสลายของคุณค่าของโครงข่ายนั้นๆ เช่นในกรณีของ Homejoy ซึ่งเป็น platform การเรียกใช้บริการคนดูแลบ้านที่ปิดให้บริการลงหลังจากที่เจ้าของบ้านส่วนใหญ่เลือกติดต่อกับคนดูแลบ้านโดยตรงในการใช้งานครั้งถัดๆไปเพื่อลดต้นทุนที่เกิดขึ้นจากการมีตัวกลาง ดังนั้น องค์กรที่มีโครงข่ายที่มีความเสี่ยงต่อปัญหานี้ต้องสร้างคุณค่าของการใช้บริการผ่านโครงข่ายที่มากขึ้นให้กับผู้ใช้งานและหันมาสร้างโมเดลธุรกิจใหม่เพื่อสร้างรายได้เพิ่มเติมจากโครงข่ายผู้ใช้งานแทน กรณีศึกษาที่ประสบความสำเร็จอย่างมาก ก็คือ ZBJ ที่เป็น platform ค้นหาฟรีแลนซ์ของประเทศจีนที่สูญเสียรายได้หลักกว่า 90% ไปกับปัญหาการกระโดดข้ามตัวกลางของผู้ใช้งาน โดย ZBJ ค้นพบว่าบริการฟรีแลนซ์ที่ได้รับความนิยมมากในหมู่ผู้ใช้งานก็คือการออกแบบโลโก้ของธุรกิจใหม่และนั่นก็ทำให้ ZBJ ตัดสินใจเพิ่มบริการจดทะเบียนธุรกิจและเครื่องหมายการค้าเพื่อต่อยอดกับฐานลูกค้าเดิมจนปัจจุบัน ZBJ ได้กลายมาเป็นบริษัทให้บริการจดทะเบียนการค้าที่ใหญ่ที่สุดของจีน

ปิดท้าย กลยุทธ์สำคัญที่องค์กรในยุคดิจิตอลควรคำนึงถึงเป็นอย่างยิ่ง ก็คือ Network bridging หรือ “การเชื่อมประสานระหว่างโครงข่าย” เพื่อสร้างคุณค่าเพิ่มเติม (synergy) เป็นเท่าทวีคูณ อาทิ การที่ธุรกิจ e-commerce อย่าง Taobao และ Tmall ของ Alibaba ได้เชื่อมประสานโครงข่ายเข้ากับ Ant Financial เพื่อสร้างโมเดลธุรกิจใหม่อย่างการปล่อยกู้แบบอัตโนมัติให้กับผู้ใช้งานทั้งลูกค้าและพ่อค้าแม่ค้าโดยประเมิน credit score จากประวัติการซื้อขายใน Taobao หรือ Tmall ซึ่งนอกจากจะเป็นการสร้างรายได้ส่วนเพิ่มแล้วยังช่วยเติมเงินให้กับผู้ใช้งานในการจับจ่ายใช้สอยสินค้าเพิ่มเติมอีกด้วย หรือ กรณีของ Google และ Facebook ที่เปิดให้บริการ search engine และ social network แบบฟรีๆเพื่อสร้างโครงข่ายของผู้ใช้งานจำนวนมากเพื่อนำไปเชื่อมต่อกับโครงข่ายของการโฆษณาที่สร้างรายได้ให้กับพวกเขาอย่างมหาศาล

 

แผนการพัฒนา 10 ปีของ Facebook ในปี 2018 (ขอบคุณภาพจาก Franchise.org)

 

Chapter 7 : Strategic Collisions

การเกิดขึ้นขององค์กรเทคโนโลยียักษ์ใหญ่แห่งยุคอย่าง Apple, Amazon, Google, Facebook, Alibaba และ Tencent ได้สร้างการเปลี่ยนแปลงที่สะเทือนวงการอุตสาหกรรมแบบดั้งเดิมอย่างรุนแรงจากขีดความสามารถของระบบปฏิบัติการแบบดิจิตอลที่มี AI เป็นศูนย์กลางที่สามารถสร้างวงจรการเพิ่มคุณค่าของ network effects และ learning effects ได้อย่างต่อเนื่อง [เมื่อผู้ใช้งานเพิ่มขึ้น คุณค่าของโครงข่ายที่มีต่อผู้ใช้งานก็เพิ่มมากขึ้นพร้อมๆกับข้อมูลใหม่ที่เกิดขึ้นและถูกนำไปใช้ประโยชน์ในการพัฒนาประสิทธิภาพของบริการที่สุดท้ายก็จะช่วยดึงดูดให้ผู้ใช้งานเพิ่มจำนวนมากขึ้นต่อไปไม่รู้จบ] ซึ่งขีดความสามารถในการ scale, scope และ learning นี้ได้ก่อให้เกิดความได้เปรียบทางการแข่งขันจนทำให้องค์กรแบบดั้งเดิมที่อยู่ในสมรภูมิรบเดียวกันนั้นพ่ายแพ้อย่างราบคาบหรือถูกด้อยค่าลงเป็นเพียงฟันเฟืองเล็กๆของระบบนิเวศของผู้ชนะเท่านั้น

ความล้มเหลวของ Nokia อดีตผู้ผลิตโทรศัพท์มือถืออันดับหนึ่งของโลกนั้นก็เกิดขึ้นจากการที่บริษัทไม่สามารถปรับระบบปฏิบัติการขององค์กรที่แต่เดิมนั้นเป็นแบบไซโลรายผลิตภัณฑ์ที่กระจายอยู่ในหลายทวีปทั่วโลกให้เปลี่ยนมาเป็นระบบปฏัติการแบบดิจิตอลที่เชื่อมต่อกันได้อย่างสมบูรณ์เหมือนกับ iOS ของ Apple และ Android ของ Alphabet ที่สามารถสร้าง network effect ได้อย่างมีประสิทธิภาพจากทั้งโครงข่ายนักพัฒนา application ที่สามารถเชื่อมต่อกับระบบปฏิบัติการของ iOs หรือ Android ได้อย่างสะดวกสบาย [ตรงกันข้ามกับ Nokia ที่นักพัฒนาจะต้องพัฒนา application เฉพาะกับโทรศัพท์ในแต่ละรุ่น] และโครงข่ายของผู้ใช้งานโทรศัพท์ที่เพิ่มขึ้นเรื่อยๆตามการขยายตัวของระบบนิเวศของทั้งสองระบบปฏัติการ

ทางเลือกที่องค์กรแบบดั้งเดิมต้องตัดสินใจอย่างเร่งด่วนที่สุดนั้นมีเพียง 2 ทางเลือกระหว่าง การปฏิรูปองค์กรให้มีระบบปฏิบัติการแบบดิจิตอลเพื่อสร้างขีดความสามารถทางการแข่งขันผ่าน scale, scope และ learning ให้ได้มากที่สุดเพื่อแข่งขันกับองค์กรสมัยใหม่ที่กำลังค่อยๆขยายโครงข่ายของพวกเขาเข้ามาสู่หลากหลายอุตสาหกรรมมากขึ้นเรื่อยๆ หรือ การปรับตัวให้เป็นทางเลือกที่ดีที่สุดในการเป็นโครงข่ายพันธมิตรของโครงข่ายที่มีแนวโน้มในการเป็นผู้ชนะของสมรภูมินั้นๆ เหมือนกับที่ Samsung เลือกที่จะทำหน้าที่เป็นผู้ผลิตสมาร์ตโฟนสำหรับระบบปฏิบัติการของ Android และเป็นส่วนหนึ่งของห่วงโซ่สัมปทานในการผลิตหน้าจอ touch screen ให้แก่ทั้ง Apple และ Android แทนการลงแข่งในสมรภูมิการพัฒนาระบบปฏิบัติการที่ Samsung ไม่มีความได้เปรียบแต่อย่างใด

 

Chapter 8 : The Ethics of Digital Scale, Scope and Learning

ถึงแม้ว่าการเกิดขึ้นของระบบปฏิบัติการแบบดิจิตอลที่มี AI เป็นผู้ควบคุมกระบวนการทำงานหลักแทนมนุษย์อย่างอัตโนมัติทั้งหมดนั้นจะสามารถสร้างขีดความสามารถของ scale, scope และ learning ให้กับองค์กรได้อย่างเท่าทวีคูณ ขีดความสามารถใหม่ที่เกิดขึ้นเหล่านี้ได้นำมาสู่ปัญหาทางด้าน “จริยธรรม” รูปแบบใหม่ 5 ประการที่องค์กรทุกแห่งต้องคำนึงถึง ได้แก่

ข้อที่ 1. Digital amplification : จุดประสงค์ส่วนใหญ่ของโมเดล AI ที่ทำหน้าที่ควบคุมกิจกรรมต่างๆขององค์กรเทคโนโลยีนั้นคือการเพิ่มรายได้ เพิ่มกำไรหรือเพิ่ม engagement ของผู้ใช้งาน ซึ่งแน่นอนว่า โมเดล AI เหล่านั้นจึงต้องพยายามสรรหาสินค้าหรือ content แนะนำที่ผู้ใช้งานเหล่านั้นสนใจมาให้พวกเขาได้มากที่สุดจนนำมาสู่ปรากฎการณ์ที่เรียกว่า “echo chamber” หรือการที่ผู้ใช้งานได้รับข้อมูลแต่เพียงข้างเดียวจนนำมาสู่ปัญหาทางสังคมที่เกิดความแตกกันทั่วโลกเหมือนในปัจจุบัน

ข้อที่ 2. Algorithmic Bias : โมเดล AI ทั้งหมดนั้นถูกกำหนด “จุดประสงค์” และป้อน “ข้อมูล” ในการฝึกฝนโดยฝีมือของมนุษย์ซึ่งนำมาสู่ปัญหาของความลำเอียงของการตัดสินใจของโมเดล AI ที่เกิดขึ้นจากการกำหนดจุดประสงค์ได้อย่างไม่สมบูรณ์หรือการป้อนข้อมูลที่มีความลำเอียงอยู่มาก เช่น การป้อนข้อมูลใบหน้าของชายผิวขาวในสัดส่วนที่มากกว่าลงไปใน AI ตรวจจับใบหน้าจนทำให้โมเดล AI นั้นมีความแม่นยำแค่การตรวจจับหน้าผู้ชายผิวขาวและไม่สามารถตรวจจับใบหน้าคนผิวสีได้อย่างมีประสิทธิภาพ การออกแบบโมเดล AI นั้นจึงต้องคำนึงถึงการป้อนข้อมูลที่ไม่มีความลำเอียงและควรตัดปัจจัยที่อาจนำมาสู่ความลำเอียง เช่น เพศและเชื้อชาติ ออกไปจากการประมวลผลของ AI

ข้อที่ 3. Cybersecurity : องค์กรแห่งยุคดิจิตอลที่ประสบความสำเร็จล้วนมีความสามารถในการสร้างโครงข่ายขนาดใหญ่ของผู้ใช้งานและพันธมิตรจำนวนมหาศาลอันนำมาสู่ความเสี่ยงต่อการจู่โจมทางโลกไซเบอร์ที่เกิดขึ้นอยู่ตลอดเวลาในโลกยุคปัจจุบัน [Robert Mueller กล่าวเกี่ยวกับเรื่องนี้ในปี 2012 ไว้ว่า “องค์กรมีอยู่ 2 แบบ: องค์กรที่รู้ว่าตัวเองกำลังถูกแฮคกับองค์กรที่ไม่รู้ตัว”] ดังนั้น องค์กรแบบดิจิตอลจึงต้องให้ความสำคัญกับการรักษาความปลอดภัยของข้อมูลของผู้ใช้งานให้ดีที่สุดและต้องมีแผนการรับมือเมื่อเกิดปัญหาข้อมูลรั่วไหลที่โปร่งใสและมีประสิทธิภาพ

ข้อที่ 4. Platform control : องค์กรที่มีความสามารถในการครอบครองโครงข่ายขนาดมหาศาล (hub company) ที่เชื่อมโยงผู้ใช้งานจำนวนมากนั้นมีพลังอำนาจในการควบคุมกฎกติกาของผู้ที่เป็นส่วนหนึ่งของโครงข่ายนั้นได้อย่างเบ็ดเสร็จ อาทิ Facebook เป็นผู้กำหนดนโยบายการเข้าถึงข้อมูลของผู้ใช้งานและนโยบายการเซ็นเซอร์ข้อมูลอันตรายทั้งหมด หรือ Apple เป็นผู้กำหนดกฎกติการของ application ทั้งหมดที่ต้องการเข้ามาอยู่ใน App Store [พร้อมกับการคิดค่านายหน้า 30% ที่กำลังถูกกล่าวหาว่าเป็นการผูกขาดจากผู้พัฒนา application หลายเจ้า]

ข้อที่ 5. Fairness and equity : สืบเนื่องมาจากข้อที่แล้ว องค์กรเทคโนโลยีที่สามารถครอบครองตลาดได้อย่างเบ็ดเสร็จนั้นมีความได้เปรียบในการแข่งขันและการเจรจาต่อรองกับพันธมิตรที่อยากเข้ามาเชื่อมต่อกับโครงข่ายขององค์กรเหล่านั้นอย่างมหาศาลและแนวโน้มที่ความได้เปรียบเหล่านั้นจะลดลงก็เป็นไปได้ยากมากตามหลักการของ scale, scope และ learning ที่องค์กรผู้ชนะในตลาดจะมี learning effects ที่เหนือกว่าคู่แข่งรายใหม่อย่างไม่รู้จบ

โลกในอนาคตนั้นกำลังดำเนินไปสู่โลกที่เต็มไปด้วยระบบโครงข่ายที่เชื่อมโยงประสานกันโดยมี hub company อย่าง Facebook, Google, Apple หรือ Amazon ที่มีอำนาจมหาศาลเป็นศูนย์กลาง การออกกฎหมายในการลดอำนาจหรือลดขนาดขององค์กรเหล่านั้นจึงไม่ใช่คำตอบที่ถูกต้อง [เพราะองค์กรที่มี scale, scope และ learning ที่ดีที่สุดก็จะเติบโตขึ้นมาเป็นเจ้าตลาดได้สำเร็จเหมือนเดิม] แนวทางในการสร้างโลกที่มีระบบจริยธรรมที่ดีที่สุดจึงต้องเกิดขึ้นจากภายในขององค์กรเหล่านั้นที่ต้องยึดเอาหลักการ “ความยั่งยืนของโครงข่าย” มาใช้พิจารณาในการกำหนดนโยบายต่างๆเพื่อลดปัญหาทางจริยธรรมที่เกิดขึ้นในโครงข่ายของตัวเองลงให้ได้มากที่สุด

 

Chapter 9 : The New Meta

Meta หรือ “most effective tactics available” คือศัพท์ที่เกิดขึ้นจากวงการเกมที่มีความหมายถึงกลยุทธ์ที่มีประสิทธิภาพที่สุดในการเอาชนะตัวเกมหรือผู้เล่นรายอื่นซึ่งมักจะแปรเปลี่ยนไปตามการอัพเดท (patch update) แต่ละครั้ง

สังคมของมนุษย์ยุคใหม่นั้นก็เคยมีการอัพเดท Meta ครั้งใหญ่มาแล้วหนึ่งรอบในสมัยของการปฏิวัติอุตสาหกรรมที่นำไปสู่การเปลี่ยนแปลงของวิถีชีวิตของมนุษย์อย่างมากจากการเป็นผู้ผลิตสินค้าด้วยมือที่ต้องใช้ทักษะสูงไปสู่การเป็นแรงงานผู้ทำหน้าที่เฉพาะทางในสายการผลิตต่างๆ ซึ่งถึงแม้ว่าการเปลี่ยน Meta ครั้งนั้นจะสร้างให้เกิดผลิตภาพที่สูงขึ้นมากของมนุษยชาติ แต่มันก็ได้นำมาสู่การเปลี่ยนแปลงเชิงสังคมมากมายที่นำไปสู่การแบ่งแยกทางชนชั้นและปัญหาความไม่เท่าเทียม [ที่ทำให้ในสมัยนั้นมีกลุ่มชาวบ้านที่ถูกเรียกว่า Luddite ลุกฮือขึ้นมาทำลายเครื่องจักรมากมายในประเทศอังกฤษ]

โลกในยุคแห่ง AI นี้ก็กำลังเข้าสู่กระบวยการ “อัพเดท Meta” ชุดใหม่ที่มาพร้อมกับการเปลี่ยนแปลงสำคัญ 5 ประการ อันได้แก่

ข้อที่ 1. Change is no longer localized, it is systemic : การเปลี่ยนแปลงในยุคดิจิตอลที่ทุกอย่างถูกเชื่อมโยงกันผ่านเครือข่ายอินเตอร์เน็ตนั้นจะเกิดขึ้นอย่างรวดเร็วและส่งอิทธิพลอย่างครอบคลุมทั่วทั้งระบบ แตกต่างจากการเปลี่ยนแปลงในสมัยก่อนที่มักจะค่อยๆเกิดขึ้นอย่างช้าๆในบางกลุ่มอุตสาหกรรมก่อนเท่านั้น [ท่านใดสนใจเรื่องความเร็วในการพัฒนาเทคโนโลยีสามารถอ่านสรุปหนังสือ The Future Is Faster Than You Think ต่อได้ที่นี่ครับ]

ข้อที่ 2. Capabilities are increasingly horizontal and universal : องค์ความรู้แบบรู้ลึกเฉพาะส่วนของระบบอุตสาหกรรมแบบดั้งเดิมกำลังถูกแทนที่ด้วยองค์ความรู้รูปแบบใหม่ที่สามารถนำมาประยุกต์ใช้ได้กับทุกอุตสาหกรรม นั่นก็คือ การบริหารจัดการระบบปฏิบัติการแบบดิจิตอล การวิเคราะห์ข้อมูลและการพัฒนาโครงข่ายขององค์กร ที่เป็นทักษะสำคัญที่สุดในการเสริมประสิทธิภาพของ scale, scope และ learning

ข้อที่ 3. Traditional industry boundaries are disappearing, recombination is now the rule : เส้นแบ่งของอุตสาหกรรมจะถูกทำลายลงเนื่องจากองค์กรแบบดิจิตอลนั้นมีความสามารถในการพัฒนาและต่อยอดโครงข่ายขององค์กรจากความได้เปรียบของ scale, scope และ learning จนไม่แปลกที่องค์กรเทคโนโลยีในอนาคตจะมีการก้าวข้ามอุตสาหกรรมมากขึ้นเรื่อยๆ ดังเช่น Google ที่กำลังพัฒนารถยนต์ไร้คนขับ, Apple ที่กำลังให้ความสำคัญกับอุตสาหกรรมสุขภาพและ Alibaba ที่ต่อยอดไปสู่ธุรกิจให้บริการด้านการเงินได้อย่างยิ่งใหญ่

ข้อที่ 4. From constrained operations to frictionless impact : อุปสรรคของการดำเนินกิจการในรูปแบบดั้งเดิมกำลังค่อยๆถูกทำลายไปเรื่อยๆจากระบบปฏิบัติการแบบอัตโนมัติที่มี AI เป็นคนตัดสินใจแทนมนุษย์ได้อย่างมีประสิทธิภาพ

ข้อที่ 5. Concentration and inequality will likelt get worse : การรวมศูนย์อำนาจขององค์กรผู้กุมพื้นที่หลักของโครงข่ายขนาดใหญ่จะนำไปสู่ปัญหาความไม่เท่าเทียมกันทั้งในระดับการแข่งขันระหว่างองค์กรและในระดับประเทศชาติ ผู้นำองค์กรและรัฐบาลจึงต้องรีบประเมินขีดความสามารถของตัวเองและหาทางรับมือกับการเปลี่ยนแปลงที่กำลังจะซัดเข้ามาอย่างรวดเร็วที่สุด

 

โครงข่ายบริษัททั้งหมดภายใต้เครือ Alphabet (ขอบคุณภาพจาก Axis Bluchip Fund)

 

Chapter 10 : A Leadership Mandate

ปิดท้าย การเกิดขึ้นของ New meta นั้นได้สร้าง “ความรับผิดชอบ” รูปแบบใหม่ให้กับผู้นำองค์กรและผู้นำประเทศที่แบ่งออกเป็นแก่นสำคัญหลักๆ 2 ส่วน ได้แก่ ความรับผิดชอบในการปฏิรูปองค์กร (transformation) ให้กลายมาเป็นองค์กรแบบดิจิตอลซึ่งถือเป็นสิ่งที่หลีกเลี่ยงไม่ได้แล้วในยุคปัจจุบัน กับ ความรับผิดชอบในการดูแลสังคม (community) ที่รวมตั้งแต่เครือข่ายพันธมิตรและคู่ค้าที่เชื่อมโยงกับโครงข่ายขององค์กรไปจนถึงสังคมเพื่อนมนุษย์ระดับประเทศและระดับโลกให้สามารถดำรงอยู่และเติบโตควบคู่กันไปได้อย่างยั่งยืน

 



<<< ติดตาม [สรุปหนังสือ] เล่มอื่นๆต่อได้ทางนี้เลยครับ [CLICK] >>>

 

<<< ที่สำคัญ อย่าลืมกดไลค์ Panasm’s Facebook Page เพื่อติดตามอัพเดทใหม่ๆของผมนะครับ [CLICK] >>>

 

<<< ปิดท้าย สิ่งที่ผมทำสรุปมานั้นเป็นเพียงแค่เนื้อหาส่วนที่ผมสนใจที่สุดของหนังสือเล่มนี้ สำหรับเพื่อนๆที่ถูกใจสรุปของหนังสือเล่มนี้ อย่าลืมซื้อหนังสือเล่มเต็มและอุดหนุนผู้เขียนกันด้วยนะครับ ขอบคุณที่ติดตามครับผม >>>

 

punksood

Recent Posts