“AI ในการจัดการผลิตภัณฑ์”
(จากทฤษฎีสู่การปฏิบัติที่องค์กรต่างๆ กำลังหาท่าอยู่)

เมื่อวานได้มีโอกาสฟังงานสัมมนาด้านการจัดการผลิตภัณฑ์ระดับนานาชาติ หรือ #ProductCon ที่ London มีช่วงหนึ่งมี poll ที่น่าสนใจมากถามว่า “What’s your approach to integrating AI in Product Management?” โดยเป็นคำถามๆ กลุ่ม Product management ทั่วโลกที่ร่วมสัมนา เกี่ยวกับการนำ “ปัญญาประดิษฐ์ (AI)” มาใช้ในกระบวนการจัดการผลิตภัณฑ์ (Product Manatement) ผลลัพธ์ที่ได้สะท้อนแนวโน้มและความท้าทายที่น่าสนใจ ดังนี้

ผลสำรวจ: 4 ระดับการบูรณาการ AI ในองค์กร
- บูรณาการ AI ทุกขั้นตอน (9.1%)
- องค์กรกลุ่มนี้ใช้ AI ครอบคลุมตั้งแต่การวิจัยตลาด ออกแบบผลิตภัณฑ์ ไปจนถึงการวิเคราะห์ข้อมูลผู้ใช้
2. ใช้ AI สำหรับงานเฉพาะทาง (22.5%)
- โดยโฟกัสใช้ AI ในงานที่มีข้อมูลชัดเจน เช่น วิเคราะห์ข้อมูลลูกค้า, พยากรณ์ความต้องการตลาด, เอามาช่วยกระบวนการรายงานต่างๆ เป็นต้น
3. อยู่ในช่วงทดลองและศึกษา (57.6%)
- องค์กรส่วนใหญ่ยังไม่มั่นใจ เริ่มต้นด้วยการทดลอง Proof of Concept (PoC) ขนาดเล็ก (ซึ่งเป็นกลุ่มใหญ่ที่สุดตอนนี้)
- ตัวอย่าง: ทดลองใช้ ChatGPT ช่วยเขียนเอกสาร Requirement เบื้องต้น
4. ยังไม่ให้ความสำคัญ (10.8%)
- ส่วนมากเป็นองค์กรในอุตสาหกรรมดั้งเดิม ที่มองว่า AI ไม่สอดคล้องกับธุรกิจหลัก เป็นต้น
เหตุผลที่องค์กรส่วนใหญ่ “ยังไม่กล้าลงทุน หรือปรับเปลี่ยนกระบวนการมาใช้ AI ในเชิง Product Management เต็มตัว”
- ขาดทักษะภายใน — ทีมงานขาดความรู้ด้าน AI และ Data Science ว่าจะประยุกต์ใช้ยังไงในกระบวนการ product management
- กังวลเรื่องความปลอดภัยข้อมูล — โดยเฉพาะองค์กรที่จัดการข้อมูลละเอียดอ่อน
- ไม่รู้จะลองผิดลองถูกยังไง — เพราะมันจะต้องค่อนข้างฉีกวิธีคิดการทำงานในปัจจุบัน หรือที่เรียนหรือสอนกันมา
- ไม่เห็น ROI ชัดเจน — ไม่รู้ว่าจะวัดผลสำเร็จของการใช้ AI อย่างไร?
แนวทางสำหรับองค์กรแต่ละกลุ่ม
- องค์กรที่บูรณาการแล้ว
ปรับปรุงโมเดลอย่างต่อเนื่องด้วย Feedback ผู้ใช้
ฝึกอบรมทีมให้ทันเทรนด์เทคโนโลยีใหม่ สม่ำเสมอ
2. องค์กรที่ใช้เฉพาะงาน
ต้องเริ่มทดลองขยายขอบเขตการใช้ AI สู่กระบวนการอื่นๆ โดยผู้บริหาร อาจให้โจทย์ เช่น จะทำยังไงให้ฝังในกระบวนการที่คิดว่าต้องการเพิ่มประสิทธิภาพ แล้วไปทดลองดู ผิดไม่เป็นไร แต่ทดลองแล้วเพิ่มประสิทธิภาพ หรือได้เรียนรู้อะไร
3. องค์กรกำลังทดลอง
ต้องเริ่มจากโจทย์เล็กๆ เช่น ใช้ AI ช่วยคัดกรอง Feedback ลูกค้า หรือ เอามาช่วย browse ความถูกต้องของ requirement ในเรื่อง ideation หรือเอามาช่วยตรวจสอบโค้ดเบื้องต้นก่อน (เริ่มใช้ให้เป็นนิสัย เหมือนเราเปิด Mircosoft office หรือ Google ทุกวัน)
หาพาร์ทเนอร์หรือที่ปรึกษาด้าน AI เพื่อลดความเสี่ยง หรือบอก process หรือวิธีการที่น่าจะ work เป็นต้น
4. องค์กรที่ยังไม่เริ่ม
ต้องเริ่มศึกษากรณีศึกษาจากอุตสาหกรรมเดียวกัน
เริ่มด้วยการวิเคราะห์ว่า AI จะลดต้นทุนหรือเพิ่มประสิทธิภาพส่วนใดได้บ้าง เพราะไม่ทำเลยก็คือล้าหลัง
AI ไม่ใช่ตัวเลือก…แต่คือความจำเป็น!
แม้องค์กรส่วนใหญ่ยังอยู่ในช่วงสำรวจ แต่ข้อเท็จจริงคือ “ผู้ชนะในตลาดอนาคตคือผู้ที่ใช้ข้อมูลและ AI เป็นฐานการตัดสินใจ” การรอคอยอาจทำให้เสียโอกาสในการแข่งขัน
“การเริ่มต้นวันนี้…ดีกว่าถูก Disrupt ในวันหน้า”
#วันละเรื่องสองเรื่อง