• 99% ขององค์กรในไทยเชื่อว่า AI จะเข้ามาปฏิรูปอุตสาหกรรม 

• 27% ของผู้ร่วมสำรวจในไทย กำลังเปลี่ยนผ่านจากแนวคิดสู่การนำ GenAI มาใช้งานจริง  

• 98% ขององค์กรไทยกล่าวว่าข้อมูลคือหัวใจสำคัญของความสำเร็จด้าน AI 

• 89% ของผู้ร่วมสำรวจในไทย กล่าวว่าเครื่องมือ AI ช่วยเพิ่มศักยภาพให้มนุษย์ และให้ผลลัพธ์สูงสุด 

ผลการวิจัย Dell Technologies Innovation Catalyst Research   99% สำหรับองค์กรไทย (เอเชียแปซิฟิกและญี่ปุ่น 85% ทั่วโลก 81%) โดยองค์กรที่รายงานการเติบโตของรายได้เพิ่มขึ้นในปี 2023 มีสูงถึง 91% (เพิ่มขึ้น 25%) และลดลงเหลือ 75% สำหรับองค์กรที่รายงานการเติบโตรายได้ลดลง (1-5%) และมีรายได้คงที่หรือถดถอย  

จากการสำรวจผู้มีอำนาจตัดสินใจด้านไอที และผู้มีอำนาจตัดสินใจทางธุรกิจจำนวน 6,600 คน ครอบคลุม 40 ประเทศ รายงานชี้ให้เห็นว่า แม้องค์กรส่วนใหญ่มีความเชื่อมั่นในศักยภาพของ AI และ GenAI แต่ระดับความพร้อมขององค์กรในการรับมือกับการเปลี่ยนแปลงอย่างรวดเร็ว ล้วนแตกต่างกันไปมาก  เกือบทุกองค์กรในประเทศไทย (98%) กล่าวว่าตัวเองมีจุดยืนที่ดีในการแข่งขันและมีกลยุทธ์ที่แข็งแกร่ง (เอเชียแปซิฟิกและญี่ปุ่น 80% ทั่วโลก 82%) ขณะเดียวกัน ครึ่งหนึ่งผู้เข้าร่วมสำรวจที่เป็นองค์กรในไทยต่างไม่แน่ใจว่าอุตสาหกรรมจะเป็นอย่างไรในอีก 3-5 ปีข้างหน้า (เอเชียแปซิฟิกและญี่ปุ่น 50% ทั่วโลก 48%) และทุกองค์กร (100%) รายงานถึงความยากลำบากในการตามให้ทันกับสถานการณ์ (เอเชียแปซิฟิกและญี่ปุ่น 59% ทั่วโลก 57%) โดย 40% ของผู้ร่วมการสำรวจในไทยกล่าวว่ายังขาดบุคลากรที่มีความสามารถ (เอเชียแปซิฟิกและญี่ปุ่น 41% ทั่วโลก 35%) โดย 37% รายงานถึงความกังวลใจเรื่องความเป็นส่วนตัวของข้อมูลและความปลอดภัยทางไซเบอร์ (เอเชียแปซิฟิกและญี่ปุ่น 36% ทั่วโลก 31%) และ 34% ขององค์กรในประเทศไทยรายงานถึงการขาดงบประมาณ (เอเชียแปซิฟิกและญี่ปุ่น 31% ทั่วโลก 29%) ว่าเป็นความท้าทายที่ต้องเผชิญในการขับเคลื่อนนวัตกรรม 

GenAI จากแนวคิดสู่การใช้งานจริง 

60% ของผู้ร่วมการสำรวจในไทย กล่าวว่า GenAI ให้ศักยภาพที่โดดเด่นในการปฏิรูปการทำงาน ช่วยสร้างคุณค่าในการปรับปรุงการรักษาความปลอดภัยไอที (เอเชียแปซิฟิกและญี่ปุ่น 51% ทั่วโลก 52%) และ 65% อ้างถึงการสร้างผลลัพธ์ที่ดี (เอเชียแปซิฟิกและญี่ปุ่น 53% ทั่วโลก 52%) ขณะที่ 62% ของผู้ร่วมการสำรวจในไทย อ้างถึงศักยภาพที่ช่วยปรับปรุงประสบการณ์ลูกค้าได้ดีขึ้น (เอเชียแปซิฟิกและญี่ปุ่น 51% ทั่วโลก 51%) นอกจากนี้ ผู้ร่วมการสำรวจยังตระหนักดีถึงความท้าทายที่ต้องรับมือ 88% ขององค์กรในไทยกลัวว่า AI จะนำพาปัญหาใหม่ๆ ด้านความปลอดภัยภัยและความเป็นส่วนตัวมาด้วย (เอเชียแปซิฟิกและญี่ปุ่น 69% ทั่วโลก 68%) และ 90% ของผู้ร่วมการสำรวจในไทย (เอเชียแปซิฟิกและญี่ปุ่น 76% ทั่วโลก 73%) เห็นพ้องว่าข้อมูลและทรัพย์สินทางปัญญาในองค์กรตนมีค่ามากเกินกว่าจะเอามาไว้ในเครื่องมือ GenAI ที่บุคคลที่สามสามารถเข้าถึงได้ 

ในภาพรวม การตอบแบบสอบถามยังชี้ว่าองค์กรต่างๆ กำลังพิจารณาความเป็นไปได้ของ GenAI ในการเปลี่ยนจากแนวคิดสู่การนำมาใช้งานจริง 27% ของผู้ร่วมการสำรวจจากไทยกล่าวว่ากำลังเริ่มนำ GenAI มาใช้งาน เนื่องจากองค์กรต่างๆ กำลังนำมาใช้กันมากขึ้น ซึ่งความกังวลหลักจะอยู่ที่การทำความเข้าใจว่ามีความเสี่ยงตรงจุดไหนบ้าง และใครรับผิดชอบความเสี่ยงเหล่านั้น โดย 92% ของผู้ร่วมการสำรวจในไทย เห็นพ้องว่าองค์กรควรเป็นผู้รับผิดชอบต่อความผิดพลาดหรือพฤติกรรมที่ไม่พึงประสงค์ ของ AI มากกว่าตัวระบบ การใช้งาน หรือสาธารณะเองก็ตาม 

ฐิตพล บุญประสิทธิ์ กรรมการผู้จัดการ เดลล์ เทคโนโลยีส์ ในประเทศไทย ให้ข้อมูลเพิ่มว่า “ข้อมูลแสดงให้เห็นว่าบรรดาธุรกิจในประเทศไทยเริ่มตระหนักถึงพลังในการเปลี่ยนแปลงของ AI และ GenAI ที่ให้ศักยภาพสำคัญในการเพิ่มประสิทธิภาพการทำงาน ปรับปรุงเรื่องความปลอดภัยและยกระดับประสบการณ์ที่เหนือชั้นให้แก่ลูกค้า ความท้าทายในขณะนี้ คือการเปลี่ยนจากแนวคิดสู่การใช้งานจริง และการสร้างระบบนิเวศของพันธมิตรที่เชื่อถือได้คือสิ่งสำคัญยิ่งที่ช่วยให้องค์กรสร้างโครงสร้างพื้นฐานที่ปลอดภัย สามารถปรับขยายเพื่อรองรับนวัตกรรมได้ อีกทั้งช่วยตอบโจทย์ความกังวลใจหลักอย่างความเป็นส่วนตัวของข้อมูล การขาดแคลนบุคลากรที่มีความสามารถที่เหมาะสม และการสร้างความยั่งยืน   

องค์กรกำลังต่อกรกับความท้าท้ายของภาพรวมภัยคุกคามในปัจจุบัน 

การรักษาความปลอดภัยทางไซเบอร์ ยังคงเป็นปัญหาใหญ่สำหรับองค์กรในวงกว้าง ความกังวลเหล่านี้ มีที่มาที่ไป เนื่องจาก 92% ของผู้ร่วมการสำรวจในไทย กล่าวว่าได้รับผลกระทบจากการโจมตีความปลอดภัยภายใน 12 เดือนที่ผ่านมา (เอเชียแปซิฟิกและญี่ปุ่น 84% ทั่วโลก 83%) ผู้ร่วมการสำรวจส่วนใหญ่ (96%) กำลังนำกลยุทธ์ Zero Trust มาใช้ (เอเชียแปซิฟิกและญี่ปุ่น 90% ทั่วโลก 89%) และ 94% ขององค์กรในประเทศไทย กล่าวว่าองค์กรตนมีแผนตอบสนองต่อเหตุการณ์ (Incident Response Plan) อยู่แล้ว ในการรับมือการโจมตี หรือข้อมูลรั่วไหล (เอเชียแปซิฟิกและญี่ปุ่น 79% ทั่วโลก 78%) 

ปัญหาหลักสามอันดับแรก ได้แก่ มัลแวร์ ฟิชชิ่ง และการละเมิดข้อมูล ในรายงานยังเน้นว่าปัญหาที่เกิดจากฟิชชิ่ง เป็นสัญญานบ่งชี้ถึงปัญหาที่ใหญ่ขึ้นตามมา โดยพนักงานมีบทบาทต่อภัยคุกคามในภาพรวม ตัวอย่างเช่น 86% ของผู้ร่วมการสำรวจไทย (เอเชียแปซิฟิกและญี่ปุ่น 72% ทั่วโลก 67%) เชื่อว่าพนักงานบางคนหลบหลีกข้อกำหนดและแนวทางปฏิบัติด้านความปลอดภัยในองค์กรเพราะทำให้เกิดความล่าช้าในการทำงานและทำให้ประสิทธิภาพการทำงานลดลง และ 91% ของผู้ร่วมการสำรวจไทย กล่าวว่าภัยคุกคามจากในองค์กรเป็นความกังวลอย่างมาก (เอเชียแปซิฟิกและญี่ปุ่น 70% ทั่วโลก 65%) ซึ่งชี้ให้เห็นถึงความจำเป็นที่ต้องมุ่งเน้นเรื่องการฝึกอบรมเพราะบุคลากรคือด่านแรกในการป้องกัน 

โครงสร้างพื้นฐานเทคโนโลยีที่เหมาะสมจะช่วยให้องค์กรประสบความสำเร็จ  

การวิจัยยังเผยว่าโครงสร้างพื้นฐานที่ทันสมัยมีบทบาทสำคัญในขณะที่เทคโนโลยีอย่าง GenAI กำลังเดินหน้าพัฒนาและมีปริมาณข้อมูลเพิ่มขึ้น การลงทุนในโครงสร้างพื้นฐานที่ทันสมัย รองรับการปรับขยายได้ ถูกหยิบยกว่าเป็นปัจจัยสำคัญอันดับแรกที่ธุรกิจต้องปรับปรุงเพื่อเร่งสร้างนวัตกรรม ผู้มีอำนาจตัดสินใจด้านไอทีส่วนใหญ่ในประเทศไทย (78%) กล่าวถึงความชื่นชอบในโมเดลแบบ on-prem หรือไฮบริด ว่าช่วยตอบโจทย์ความท้าทายที่คาดว่าจะเกิดจากการนำ GenAI มาใช้ในองค์กร 

นอกจากนี้ ความสามารถในการแบ่งปันข้อมูลทั่วองค์กร ยังนับว่าเป็นส่วนสำคัญในการสร้างนวัตกรรม 53% ของผู้ร่วมการสำรวจชาวไทย (เอเชียแปซิฟิกและญี่ปุ่น 36% ทั่วโลก 33%) กล่าวว่าปัจจุบันตนสามารถเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึกแบบเรียลไทม์เพื่อช่วยสนับสนุนการสร้างนวัตกรรมได้ อย่างไรก็ตาม ผลสำรวจชี้ให้เห็นว่าองค์กรต่างๆ กำลังรับมือกับความท้าทาย 98% ของผู้ร่วมการสำรวจในไทย (เอเชียแปซิฟิกและญี่ปุ่น 84% ทั่วโลก 82%) กล่าวว่าข้อมูลคือปัจจัยที่สร้างความแตกต่างและกลยุทธ์ GenAI ต้องสัมพันธ์กับการใช้และปกป้องข้อมูล นอกจากนี้ผู้ร่วมการสำรวจเกินครึ่ง (62%) ในไทย (เอเชียแปซิฟิกและญี่ปุ่น 47% ทั่วโลก 42%) ยังอ้างว่าตัวเองคาดว่าภายในห้าปีข้างหน้า จะมีปริมาณข้อมูลมากมายที่หลั่งไหลมาจากเอดจ์ 

ผลวิจัยที่น่าสนใจอื่นๆ รวมถึงประเด็นต่อไปนี้ 

• เรื่องทักษะ เกือบสามในสี่ของผู้ร่วมการสำรวจชาวไทย (78%) (เอเชียแปซิฟิกและญี่ปุ่น 74% ทั่วโลก 67%) อ้างว่าปัจจุบันองค์กรขาดแคลนบุคลากรที่มีทักษะซึ่งจำเป็นต่อการสร้างนวัตกรรมในอุตสาหกรรม ความคล่องตัวในการเรียนรู้และปรับตัว ความเชี่ยวขาญด้าน AI และความสร้างสรรค์ รวมถึงการคิดในเชิงสร้างสรรค์ ได้รับการจัดให้เป็นทักษะและความสามารถด้านการแข่งขันในอันดับต้นสำหรับห้าปีข้างหน้า 

• ความยั่งยืน 64% ของผู้ร่วมการสำรวจชาวไทย (เอเชียแปซิฟิกและญี่ปุ่น 48% ทั่วโลก 42%) เชื่อว่า “การขับเคลื่อนนวัตกรรมที่สร้างความยั่งยืนให้สภาพแวดล้อม” คือส่วนสำคัญที่ต้องปรับปรุง และประสิทธิภาพด้านพลังงานคือประเด็นหลัก 92% ขององค์กรในไทย (เอเชียแปซิฟิกและญี่ปุ่น 79% ทั่วโลก 79%) กำลังทดลองใช้โซลูชันเชิงบริการ (as-a-Service) เพื่อจัดการสภาพแวดล้อมไอทีให้มีประสิทธิภาพมากขึ้น และ 97% ของผู้ร่วมการสำรวจชาวไทย (เอเชียแปซิฟิกและญี่ปุ่น 76% ทั่วโลก 73%) กำลังย้ายการดำเนินงานด้าน AI Inferencing ไปที่เอดจ์ เพื่อเพิ่มประสิทธิภาพด้านพลังงาน (เช่น อาคารอัจฉริยะ) 

• การทำไอที ให้เป็นเป็นพันธมิตรเชิงกลยุทธ์  ปัจจุบัน 82% ของผู้มีอำนาจตัดสินใจทางธุรกิจในประเทศไทย (เอเชียแปซิฟิกและญี่ปุ่น 85% ทั่วโลก 81%) มีเหตุผลในการแยกผู้มีอำนาจตัดสินใจด้านไอที ออกจากการสนทนาที่เป็นเชิงกลยุทธ์ กระนั้นทั้งสองฝ่ายก็ยังถูกจัดว่ามีความสัมพันธ์ที่แน่นแฟ้นมากขึ้น ซึ่งนับเป็นปัจจัยที่ควรปรับปรุงและสำคัญเป็นอันดับสอง 

• การให้ผลลัพธ์ 89% ของผู้ร่วมการสำรวจชาวไทย เชื่อว่าเครื่องมือ AI จะช่วยเพิ่มศักยภาพให้มนุษย์และให้ผลลัพธ์สูงสุด 

 การ์ทเนอร์คาดการณ์ ภายในสิ้นปี 2568 โปรเจกต์ต่าง ๆ จาก Generative AI (GenAI) อย่างน้อย 30% จะยกเลิกหลังการพิสูจน์เชิงแนวคิด หรือ Proof of Concept (PoC) อันเนื่องมาจากข้อมูลคุณภาพต่ำ มีการควบคุมความเสี่ยงไม่เพียงพอ ค่าใช้จ่ายที่เพิ่มสูงขึ้น หรือมูลค่าทางธุรกิจไม่ชัดเจน 

ริต้า ซาลลัม รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “หลังจาก GenAI เป็นกระแสฮือฮาเมื่อปีก่อน ผู้บริหารต่างจดจ้องที่จะได้เห็นผลตอบแทนจากการลงทุนใน GenAI แต่ว่าองค์กรต่าง ๆ กลับต้องฝ่าฟันเพื่อพิสูจน์และรับรู้ถึงคุณค่าของมัน ตามที่ขอบเขตของแผนงานด้าน GenAI ขยายออกไป ประกอบกับภาระทางการเงินในการพัฒนาและการนำโมเดล GenAI ไปใช้งานก็เพิ่มมากขึ้นเรื่อย ๆ 

โดยการ์ทเนอร์ยังระบุว่าความท้าทายสำคัญที่องค์กรเผชิญนั้น คือ การพิสูจน์ให้เห็นถึงความคุ้มค่าของการลงทุนเป็นจำนวนมหาศาลกับ GenAI ในการเพิ่มประสิทธิภาพการทำงาน ซึ่งจะแปลงเป็นผลประโยชน์ทางการเงินโดยตรงได้ยาก ทั้งนี้องค์กรมากมายกำลังใช้ประโยชน์จาก GenAI เพื่อเปลี่ยนแปลงโมเดลธุรกิจและสร้างโอกาสทางธุรกิจใหม่ ๆ แต่อย่างไรก็ตาม แนวทางนี้มาพร้อมกับต้นทุนมหาศาลตั้งแต่ 5 ล้านดอลลาร์สหรัฐฯ ไปจนถึง 20 ล้านดอลลาร์สหรัฐฯ (ดูรูปที่ 1) 

“น่าเสียดายที่ GenAI ไม่มีสูตรสำเร็จที่ใช้ได้กับทุกสถานการณ์ และต้นทุนก็ไม่สามารถคาดเดาได้เหมือนกับเทคโนโลยีอื่น ๆ ดังนั้นสิ่งที่องค์กรจ่าย อาทิ ยูสเคสที่ลงทุนและวิธีการนำไปใช้ที่เลือก ล้วนเป็นตัวกำหนดต้นทุนทั้งนั้น ไม่ว่าคุณจะเป็นผู้เข้ามาดิสรัปตลาดและต้องการฝัง AI เข้าไปในทุกที่ หรือต้องการมุ่งเน้นที่การเพิ่มผลผลิตหรือการขยายกระบวนการเดิมที่มีอยู่ สิ่งเหล่านี้ล้วนมีต้นทุน ความเสี่ยง ความผันแปร และส่งผลกระทบเชิงกลยุทธ์ในระดับที่ต่างกัน” ซาลลัม กล่าว 

ผลการวิจัยการ์ทเนอร์ยังชี้ว่าการพัฒนา GenAI ไม่ว่าเพื่อเป้าหมายใด ต้องอาศัยความอดทนที่สูงกว่ากับผลลัพธ์ทางอ้อม สำหรับวางหลักเกณฑ์การลงทุนด้านการเงินในอนาคตเทียบกับผลตอบแทนการลงทุนทันที (ROI) ในอดีตผู้บริหารระดับสูงด้านการเงิน หรือ CFO หลายรายไม่สะดวกใจลงทุนวันนี้เพื่อมูลค่าทางอ้อมในอนาคต ซึ่งความลังเลใจนี้อาจทำให้การจัดสรรเม็ดเงินลงทุนถูกเบี่ยงเบนไปในทางยุทธวิธีมากกว่าผลลัพธ์เชิงกลยุทธ์ 

การตระหนักถึงมูลค่าทางธุรกิจ 

ผู้ที่นำ AI มาใช้ก่อนใคร หรือที่เรียกว่า Earlier Adopter ทั้งในอุตสาหกรรมและกระบวนการทางธุรกิจต่างรายงานถึงพัฒนาการและการปรับปรุงด้านธุรกิจที่หลากหลาย แตกต่างกันไปตามยูสเคสใช้งาน ประเภทงาน และระดับทักษะของคนทำงาน ผลการสำรวจผู้นำทางธุรกิจของการ์ทเนอร์ล่าสุด จากจำนวนผู้ตอบแบบสอบถาม 822 ราย ที่จัดทำช่วงเดือนกันยายนถึงพฤศจิกายนปี 2566 พบว่าองค์กรที่นำ AI มาใช้มีรายได้เพิ่มขึ้น 15.8% ประหยัดต้นทุนขึ้น 15.2% และช่วยปรับปรุงประสิทธิผลการผลิตโดยเฉลี่ย 22.6% 

“ดาต้านี้เป็นข้อมูลอ้างอิงสำคัญสำหรับการประเมินมูลค่าทางธุรกิจที่ได้มาจากนวัตกรรมโมเดลธุรกิจ GenAI แต่สิ่งสำคัญคือเราต้องยอมรับความท้าทายในการประเมินมูลค่าดังกล่าว เนื่องจากผลประโยชน์ต่าง ๆ นั้นจะขึ้นกับบริษัทเป็นหลัก รวมถึง ยูสเคส บทบาท และแรงงานอย่างเฉพาะ บ่อยครั้งที่ผลกระทบอาจไม่เผยชัดเจนในทันทีและอาจเกิดขึ้นภายหลัง อย่างไรก็ตาม ความล่าช้านี้ไม่ได้ลดผลประโยชน์ที่อาจได้รับลงแต่อย่างใด” ซาลลัม กล่าวเสริม 

การคำนวณผลกระทบต่อธุรกิจ 

จากการวิเคราะห์มูลค่าทางธุรกิจและต้นทุนรวมของนวัตกรรมโมเดลธุรกิจ GenAI องค์กรต่าง ๆ สามารถกำหนดผลตอบแทนจากการลงทุนโดยตรง (ROI) และผลกระทบต่อมูลค่าธุรกิจในอนาคตได้ ซึ่งถือเป็นเครื่องมือสำคัญในการตัดสินใจลงทุนอย่างรอบคอบเกี่ยวกับนวัตกรรมโมเดลธุรกิจ GenAI 

“หากผลลัพธ์ทางธุรกิจเป็นไปตามเป้าหรือเกินความคาดหวัง ถือเป็นโอกาสการขยายการลงทุน โดยเพิ่มขอบเขตนวัตกรรมและการใช้งาน GenAI ให้ครอบคลุมฐานผู้ใช้ที่กว้างขึ้น หรือนำไปใช้ในแผนกธุรกิจอื่น ๆ เพิ่มเติม อย่างไรก็ตาม หากผลลัพธ์ไม่เป็นไปตามที่คาด อาจจำเป็นต้องพิจารณานวัตกรรมทางเลือก โดยอาศัยข้อมูลเชิงลึกเหล่านี้ช่วยให้องค์กรจัดสรรทรัพยากรได้อย่างมีกลยุทธ์พร้อมกำหนดแผนดำเนินงานที่มีประสิทธิภาพสูงสุดในอนาคต” ซาลลัม กล่าวสรุป  

HPE Discover 2024 – บริษัทฮิวเลตต์ แพคการ์ด เอนเตอร์ไพรส์ (Hewlett Packard Enterprise (NYSE: HPE)) และเอ็นวิเดีย (NVIDIA) ได้ประกาศเปิดตัว NVIDIA AI Computing by HPE ซึ่งเป็นผลิตภัณฑ์โซลูชัน AI ที่ได้รับการพัฒนาและออกสู่ตลาดร่วมกัน ซึ่งช่วยให้องค์กรต่าง ๆ สามารถเร่งการนำ Generative AI ไปใช้งานได้รวดเร็วยิ่งขึ้น

บริการหลักในชุดผลิตภัณฑ์นี้ ได้แก่ HPE Private Cloud AI ซึ่งเป็นโซลูชันแรกที่รวมเอาการผสานที่ล้ำลึกที่สุดจนถึงปัจจุบันของการประมวลผล AI ของ NVIDIA, การสร้างเครือข่าย และซอฟต์แวร์เข้ากับพื้นที่เก็บข้อมูล AI ของ HPE การประมวลผลและระบบคลาวด์ HPE GreenLake เพื่อช่วยให้องค์กรทุกขนาดสามารถพัฒนาและปรับใช้แอปพลิเคชัน Generative AI ได้อย่างยั่งยืน ประหยัดพลังงาน รวดเร็ว และยืดหยุ่นมากยิ่งขึ้น โดย HPE Private Cloud AI ขับเคลื่อนด้วย OpsRamp AI copilot ใหม่ที่ช่วยให้การปฏิบัติการด้าน IT ปรับปรุงเวิร์กโหลดและประสิทธิภาพด้าน IT นอกจากนี้ ยังมาพร้อมประสบการณ์คลาวด์แบบบริการตนเอง รวมถึงการจัดการตลอดอายุการใช้งาน และยังสามารถกำหนดค่าขนาดที่เหมาะสมให้เลือกถึงสี่แบบเพื่อรองรับเวิร์กโหลด AI และเคสการใช้งานที่หลากหลาย

ข้อเสนอและบริการ NVIDIA AI Computing by HPE ทั้งหมดจะถูกนำเสนอผ่านกลยุทธ์การเข้าสู่ตลาด (Go-to-market strategy) ร่วมกัน ซึ่งครอบคลุมถึงการจำหน่าย ทีมงาน พันธมิตรในแต่ละช่องทาง การเทรน และเครือข่ายผู้วางระบบทั่วโลก ได้แก่ Deloitte, HCLTech, Infosys, TCS และ Wipro ซึ่งสามารถช่วยให้องค์กรในอุตสาหกรรมต่าง ๆ ดำเนินงานเวิร์กโหลด AI ที่ซับซ้อนได้

ในระหว่างการประกาศในงาน HPE Discover นายอันโตนิโอ เนรี ประธานและซีอีโอ บริษัทฮิวเลตต์ แพคการ์ด เอนเตอร์ไพรส์ และนายเจนเซ่น หวง ผู้ก่อตั้งและซีอีโอของ NVIDIA ได้ประกาศว่า NVIDIA AI Computing by HPE ถือเป็นการขยายความร่วมมือที่มีมายาวนานหลายทศวรรษ และสะท้อนให้เห็นถึงความมุ่งมั่นที่สำคัญในด้านเวลาและทรัพยากรของทั้งสองบริษัท

นายอันโตนิโอ เนรี ประธานและซีอีโอ บริษัทฮิวเลตต์ แพคการ์ด เอนเตอร์ไพรส์ เปิดเผยว่า “Generative AI มีศักยภาพที่ยิ่งใหญ่ในการปฏิวัติองค์กร แต่ความซับซ้อนของเทคโนโลยี AI ที่ประกอบด้วยหลายส่วนนั้นมีความเสี่ยงและอุปสรรคมากเกินไป ซึ่งจะเป็นอุปสรรคต่อการใช้งานในองค์กรขนาดใหญ่ และอาจเป็นภัยต่อทรัพย์สินที่มีค่าที่สุดของบริษัทซึ่งก็คือข้อมูลที่เป็นกรรมสิทธิ์ของพวกเขา ดังนั้นเพื่อปลดปล่อยศักยภาพอันมหาศาลของ Generative AI ในองค์กร ทาง HPE และ NVIDIA ได้ร่วมกันพัฒนาระบบคลาวด์ส่วนตัวแบบครบวงจรสำหรับ AI โดยจะช่วยให้องค์กรต่างๆ สามารถมุ่งเน้นการใช้ทรัพยากรของตนเองเพื่อพัฒนาการใช้งาน AI แบบใหม่ๆ ซึ่งสามารถช่วยเพิ่มผลงานและเปิดประตูสู่แหล่งรายได้ใหม่ๆ ได้ด้วย"

นอกจากนี้ นายเจนเซน หวง ผู้ก่อตั้งและซีอีโอของ NVIDIA กล่าวว่า “Generative AI และการประมวลผลแบบเร่งความเร็วเป็นแรงผลักดันให้เกิดการเปลี่ยนแปลงรากฐาน เนื่องจากทุกอุตสาหกรรมต่างร่วมกันแข่งขันเพื่อปฏิวัติอุตสาหกรรม ซึ่งก่อนหน้านี้ NVIDIA และ HPE ไม่เคยมีการบูรณาการเทคโนโลยีของเราอย่างลึกซึ้งเช่นนี้มาก่อน โดยการรวมชุดการประมวลผล AI ของ NVIDIA ทั้งหมดเข้ากับเทคโนโลยีคลาวด์ส่วนตัวของ HPE ในครั้งนี้ เราตั้งใจที่จะให้ลูกค้าองค์กรและผู้เชี่ยวชาญระดับมืออาชีพด้าน AI มีโครงสร้างพื้นฐานและบริการคอมพิวเตอร์ที่ทันสมัยที่สุดเพื่อขยายขอบเขตการทำงานของ AI”

HPE และ NVIDIA ร่วมกันพัฒนาผลิตภัณฑ์ Private Cloud AI

HPE Private Cloud AI นำเสนอประสบการณ์บนคลาวด์ที่ไม่เหมือนใครเพื่อเร่งความเร็วในการสร้างนวัตกรรม และเพิ่มผลตอบแทนจากการลงทุน และขณะที่จัดการความเสี่ยงระดับองค์กรจาก AI โดยโซลูชันประกอบด้วย

● รองรับการอนุมาน การปรับแต่งโมเดล และเวิร์กโหลด RAG AI ที่ใช้ข้อมูลที่เป็นกรรมสิทธิ์

● องค์กรสามารถควบคุมข้อกำหนดด้านความเป็นส่วนตัว ความปลอดภัย ความโปร่งใส และการกำกับดูแลข้อมูลได้

● เพิ่มผลิตผลในการทำงาน ด้วยประสบการณ์คลาวด์ เช่น ITOps และ ความสามารถของ AIOps

● มาพร้อมเส้นทางที่รวดเร็วในการใช้ทรัพยากรอย่างยืดหยุ่น เพื่อตอบสนองโอกาสและการเติบโตของ AI ในอนาคต

AI และชุดเครื่องมือซอฟต์แวร์ที่ได้รับการคัดสรรใน HPE Private Cloud AI รากฐานของ AI และเครื่องมือซอฟต์แวร์ข้อมูลเริ่มต้นด้วยแพลตฟอร์มซอฟต์แวร์ NVIDIA AI Enterprise ซึ่งรวมถึงไมโครเซอร์วิสอนุมาน NVIDIA NIM™

NVIDIA AI Enterprise เร่งกระบวนการทางวิทยาศาสตร์ข้อมูลและปรับปรุงกระบวนการพัฒนาและการปรับใช้ Copilot ในระดับการผลิต รวมถึงแอปพลิเคชัน GenAI อื่น ๆ เมื่อรวมกับ NVIDIA AI Enterprise แล้ว NVIDIA NIM จะให้บริการไมโครเซอร์วิสที่ใช้งานง่าย ซึ่งมอบการเปลี่ยนผ่านที่ราบรื่นจากต้นแบบไปจนถึงการปรับใช้โมเดล AI ที่ปลอดภัยในกรณีการใช้งานที่หลากหลาย เสริมด้วย NVIDIA AI Enterprise และ NVIDIA NIM ซอฟต์แวร์ให้สมบูรณ์ยิ่งขึ้น HPE AI Essentials ได้มอบชุดเครื่องมือ AI และรากฐานข้อมูลที่พร้อมใช้งานซึ่งคัดสรรมาแล้ว พร้อมด้วย Control Plane แบบครบวงจรที่มีโซลูชันที่ปรับเปลี่ยนได้ ให้บริการการสนับสนุนองค์กรอย่างต่อเนื่อง และบริการ AI ที่เชื่อถือได้ เช่น การเป็นไปตามข้อกำหนดและคุณสมบัติที่เพิ่มขยายได้ของข้อมูลและโมเดล ที่ช่วยให้มั่นใจว่าการเคลื่อนที่ของข้อมูล AI เป็นไปตามข้อกำหนด เข้าใจได้ และทำซ้ำได้ทั้งหมดของวงจรชีวิต AI เพื่อส่งมอบประสิทธิภาพที่ดีที่สุดสำหรับ AI และชุดซอฟต์แวร์ข้อมูล HPE Private Cloud AI เสนอโครงสร้างพื้นฐาน AI แบบครบวงจร ซึ่งได้แก่เครือข่าย NVIDIA Spectrum-X Ethernet, HPE GreenLake for File Storage และเซิร์ฟเวอร์ HPE ProLiant พร้อมการสนับสนุนสำหรับ NVIDIA L40S, NVIDIA H100 NVL Tensor Core GPUs และ แพลตฟอร์ม NVIDIA GH200 NVL2

ประสบการณ์ที่เกิดขึ้นได้ด้วยคลาวด์ HPE GreenLake

HPE Private Cloud AI นำเสนอประสบการณ์คลาวด์แบบบริการตนเองใช้งานด้วยคลาวด์ HPE GreenLake ซึ่งเป็นบริการคลาวด์ที่มีความสามารถในการจัดการและความสามารถในการตรวจสอบ วิเคราะห์และแก้ไขปัญหาได้ เพื่อดำเนินงานแบบอัตโนมัติ จัดระเบียบ และจัดการอุปกรณ์ใช้งานปลายทาง (Endpoint) เวิร์กโหลด และข้อมูลในสภาพแวดล้อมแบบไฮบริดผ่าน Control Plane เดี่ยวบนแพลตฟอร์ม ซึ่งรวมถึงตัวชี้วัดความยั่งยืนสำหรับเวิร์กโหลดและอุปกรณ์ใช้งานปลายทาง

Observability ของโครงสร้างพื้นฐาน AI และผู้ช่วย Copilot สำหรับคลาวด์ HPE GreenLake และ OpsRamp การดำเนินงานด้านไอทีของ OpsRamp ได้รับการผสานเข้ากับคลาวด์ HPE GreenLake เพื่อส่งมอบความสามารถในการตรวจสอบ วิเคราะห์ และแก้ไขปัญหา (Observability) และ AIOps ให้กับผลิตภัณฑ์และบริการของ HPE ทั้งหมด ขณะนี้ OpsRamp มอบความสามารถในการตรวจสอบสำหรับชุดคอมพิวเตอร์เร่งความเร็ว NVIDIA แบบครบวงจร ซึ่งรวมถึงซอฟต์แวร์ NVIDIA NIM และ AI, GPU NVIDIA Tensor Core และคลัสเตอร์ AI รวมถึงสวิตช์ NVIDIA Quantum InfiniBand และ NVIDIA Spectrum Ethernet ผู้ดูแลระบบไอทีสามารถรับข้อมูลเชิงลึกเพื่อระบุความผิดปกติและตรวจสอบโครงสร้างพื้นฐาน AI และปริมาณงานในสภาพแวดล้อมแบบไฮบริดและมัลติคลาวด์

สำหรับผู้ช่วยปฏิบัติการ OpsRamp รุ่นใหม่ได้ใช้แพลตฟอร์มคอมพิวเตอร์เร่งความเร็วของ NVIDIA เพื่อวิเคราะห์ชุดข้อมูลขนาดใหญ่เพื่อหาข้อมูลเชิงลึกกับผู้ช่วยสนทนา ช่วยเพิ่มประสิทธิภาพในการบริหารจัดการการปฏิบัติการ OpsRamp จะผสานรวมกับ CrowdStrike API ด้วยเพื่อให้ลูกค้าสามารถดูมุมมองแผนที่บริการแบบครบถ้วน สำหรับการรักษาความปลอดภัยปลายทาง (Endpoint Security) ครอบคลุมโครงสร้างพื้นฐานและแอปพลิเคชันทั้งหมด

เร่งระยะคุ้มทุนให้รวดเร็วยิ่งขึ้นด้วย AI – ขยายความร่วมมือกับผู้วางระบบระดับโลก

เพื่อเร่งระยะคุ้มทุนสำหรับองค์กรในการพัฒนาโซลูชัน AI เฉพาะอุตสาหกรรม และเคสการใช้งานที่มีประโยชน์ต่อธุรกิจอย่างชัดเจน บริษัท Deloitte, HCLTech, Infosys, TCS และ WIPRO ได้ประกาศสนับสนุน NVIDIA AI Computing จากชุดผลิตภัณฑ์ของ HPE และ HPE Private Cloud AI ซึ่งเป็นส่วนหนึ่งของโซลูชันและบริการ AI เชิงกลยุทธ์ของแบรนด์

HPE เพิ่มการสนับสนุนสำหรับ GPU, CPU และ Superchips ล่าสุดของ NVIDIA

● HPE Cray XD670 รองรับ NVIDIA H200 NVL Tensor Core GPU แปดตัว และเหมาะสำหรับผู้พัฒนา LLM

● เซิร์ฟเวอร์ HPE ProLiant DL384 Gen12 มาพร้อม NVIDIA GH200 NVL2 และเหมาะสำหรับผู้ใช้ LLM ที่ใช้โมเดลขนาดใหญ่หรือ RAG

● เซิร์ฟเวอร์ HPE ProLiant DL380a Gen12 รองรับ NVIDIA H200 NVL Tensor Core GPU สูงสุดแปดตัว เหมาะอย่างยิ่งสำหรับผู้ใช้ LLM ที่ต้องการความยืดหยุ่นในการปรับขนาดเวิร์กโหลด GenAI

● HPE จะพัฒนาผลิตภัณฑ์เพื่อรองรับ NVIDIA GB200 NVL72 / NVL2 พร้อมทั้งสถาปัตยกรรมNVIDIA Blackwell, NVIDIA Rubin และ NVIDIA Vera ใหม่

พื้นที่จัดเก็บไฟล์ขนาดใหญ่ได้รับการรับรองให้ใช้กับระบบ NVIDIA DGX BasePOD และ OVX HPE GreenLake for File Storage ผ่านการรับรองเพื่อใช้งานกับ NVIDIA DGX BasePOD และการตรวจสอบพื้นที่จัดเก็บข้อมูล NVIDIA OVX™ ช่วยให้ลูกค้าได้รับโซลูชันการจัดเก็บไฟล์ระดับองค์กรที่ได้รับการพิสูจน์แล้วว่าสามารถเร่งความเร็วเวิร์คโหลด AI, GenAI และ GPU ปริมาณมากได้ โดย HPE เตรียมนำโปรแกรมรับรองการจัดเก็บข้อมูลสถาปัตยกรรมอ้างอิงของ NVIDIA ออกสู่ตลาดในเร็ว ๆ นี้

ผลิตภัณฑ์และบริการที่จะมีวางจำหน่ายทั้งหมดในช่วงไตรมาส 3-4 ปี 2024

● HPE Private Cloud AI

● เซิร์ฟเวอร์ HPE ProLiant DL380a Gen12 พร้อมกับ NVIDIA H200 NVL Tensor Core GPUs

● เซิร์ฟเวอร์ HPE ProLiant DL384 Gen12 พร้อมกับ Dual NVIDIA GH200 NVL2

● เซิร์ฟเวอร์ HPE Cray XD670 พร้อมกับ NVIDIA H200 Tensor Core GPUs NVL2

 การ์ทเนอร์คาดการณ์ยอดส่งมอบ AI PC และ GenAI Smartphone ทั่วโลกในปี 2567 รวมทั้งหมดประมาณ 295 ล้านเครื่อง เพิ่มขึ้นจาก 29 ล้านเครื่องในปี 2566

การ์ทเนอร์ให้นิยาม AI PC ว่าคือคอมพิวเตอร์ส่วนบุคคลที่ติดตั้งหน่วยประมวลผลที่เป็นตัวเร่งความเร็วหรือแกนประมวลผล AI ไว้โดยเฉพาะ ได้แก่ หน่วยประมวลผล Neural Processing Unit (NPU), หน่วยประมวลผล Accelerated Processing Unit (APU) หรือหน่วยประมวลด้าน AI เฉพาะ อย่าง Tensor Processing Units (TPU) ซึ่งออกแบบมาเพื่อเพิ่มประสิทธิภาพและเร่งการทำงานของปัญญาประดิษฐ์บนอุปกรณ์ เพื่อมอบประสิทธิภาพและประสิทธิผลที่ดีขึ้นในการจัดการปริมาณงานของ AI และ GenAI โดยไม่ต้องพึ่งพาเซิร์ฟเวอร์ภายนอกหรือบริการคลาวด์ต่าง ๆ

GenAI Smartphone ออกแบบมาพร้อมความสามารถด้านฮาร์ดแวร์และซอฟต์แวร์ที่ช่วยให้สามารถผสมผสานการทำงานได้อย่างราบรื่นและใช้งานฟีเจอร์รวมถึงแอปพลิเคชั่นที่ขับเคลื่อนด้วย GenAI บนสมาร์ทโฟนได้อย่างมีประสิทธิภาพ ซึ่งสมาร์ทโฟนในกลุ่มนี้สามารถใช้งานโมเดลพื้นฐานหรือโมเดล AI เวอร์ชั่นใหม่ ที่ได้รับการปรับแต่งให้เข้ากับท้องถิ่น สำหรับสร้างเนื้อหา กำหนดกลยุทธ์ แนวทางการออกแบบและวิธีการต่าง ๆ ตัวอย่างเช่น Gemini Nano จาก Google, ERNIE จาก Baidu และ GPT-4 ของ OpenAI

นายรันจิต อัตวัล ผู้อำนวยการฝ่ายวิจัยอาวุโสของการ์ทเนอร์ กล่าวว่า “การนำโปรเซสเซอร์ AI และความสามารถของ GenAI มาใช้อย่างรวดเร็วบนอุปกรณ์จะกลายเป็นข้อกำหนดมาตรฐานสำหรับผู้ขายเทคโนโลยีในท้ายที่สุด ก่อให้เกิดความท้าทายในการสร้างความแตกต่างจากคู่แข่ง และทำให้การสร้างจุดขายให้เป็นเอกลักษณ์ รวมถึงการเพิ่มรายได้ยากขึ้น”

การ์ทเนอร์คาดว่าภายในสิ้นปี 2567 ยอดจัดส่ง GenAI Smartphone จะอยู่ที่ประมาณ 240 ล้านเครื่อง ขณะที่ AI PC จะมียอดจัดส่งที่ 54.5 ล้านเครื่อง (ดูรูปที่ 1) คิดเป็นสัดส่วน 22% ของ Smartphone ในระดับพื้นฐานและพรีเมียม และ 22% ของ PC ทั้งหมดในปีนี้ ตามลำดับ

ภาพที่ 1. ส่วนแบ่งตลาด AI PC และ GenAI Smartphone ทั่วโลก ระหว่างปี 2566-2568

ที่มา: การ์ทเนอร์ (กุมภาพันธ์ 2567)

การรวม AI เข้ากับคอมพิวเตอร์ส่วนบุคคลหรือพีซีจะยังไม่ใช่ปัจจัยหนุนปริมาณการใช้จ่ายของผู้ใช้ทั่วไปเกินกว่าการคาดการณ์ด้านราคาที่คาดว่าจะเพิ่มขึ้น ผู้ซื้อในกลุ่มธุรกิจต้องการเหตุผลที่น่าสนใจหรือดึงดูดกว่านี้เพื่อลงทุน อย่างไรก็ตามผู้ให้บริการซอฟต์แวร์จะต้องใช้เวลาควบคุมประสิทธิภาพของ On-Device AI และแสดงให้เห็นประโยชน์ที่เพิ่มขึ้นอย่างชัดเจน

ตลาดพีซีกลับมาเติบโตอีกครั้งในไตรมาสสี่ของปีที่แล้ว หลังจากลดลงแปดไตรมาสติดต่อกัน การ์ทเนอร์คาดการณ์ยอดส่งมอบพีซีโดยรวมในปี 2567 อยู่ที่ 250.4 ล้านเครื่อง เพิ่มขึ้น 3.5% จากปี 2566 โดย On-Device AI จะทำให้กิจกรรมการตลาดของพีซีกลับมาคึกคักอีกครั้งตลอดทั้งปี 2567 และรักษาวงจรการเปลี่ยนเครื่องทดแทนตามที่คาดการณ์ไว้ในปัจจุบัน พร้อมกำจัดผลกระทบเชิงลบบางอย่างจากการดิสรัปของสิ่งแวดล้อมทางเศรษฐกิจสังคม

ตลาดสมาร์ทโฟนกลับมาเติบโตในปีนี้

เช่นเดียวกับ AI PC ที่ GenAI Smartphone จะไม่ช่วยกระตุ้นความต้องการสมาร์ทโฟนจนกว่าจะถึงปี 2570 “การเพิ่มประสิทธิภาพสมาร์ทโฟนรุ่นต่าง ๆ จะเพิ่มประสบการณ์การใช้งานปัจจุบันด้วยการผสมผสานกล้องและเสียงไว้ด้วยกัน ซึ่งผู้ใช้มีความคาดหวังกับความสามารถเหล่านี้ มากกว่าฟังก์ชันการทำงานที่แปลกใหม่ โดยผู้ใช้มีความคาดหวังแบบเดียวกันต่อการทำงานของ GenAI บนสมาร์ทโฟนของพวกเขา ซึ่งผู้บริโภคไม่

มีแนวโน้มที่จะจ่ายเงินเพิ่มสำหรับมือถือสมาร์ทโฟน GenAI เนื่องจากยังไม่มีแอปพลิเคชั่นแปลกใหม่ ที่ทำให้พวกเขาได้รับประสบการณ์เพิ่มมากขึ้น”

ปัจจัยเร่งการเปลี่ยนแปลงประสบการณ์ของผู้ใช้ขึ้นอยู่กับความก้าวหน้าของโมเดลดีปเลิร์นนิ่งภาษาขนาดใหญ่หรือ Large Language Model (LLM) ในเวอร์ชันที่เล็กกว่าและปรับแต่งมาเฉพาะสำหรับสมาร์ทโฟน โดยวิวัฒนาการนี้จะเปลี่ยนโฉมสมาร์ทโฟนให้กลายเป็นเพื่อนคู่คิดที่ใช้งานง่ายยิ่งขึ้น สามารถเข้าใจและตอบสนองต่อภาษาและภาพที่มนุษย์ใช้สื่อสาร ซึ่งยกระดับประสบการณ์ผู้ใช้ในภาพรวมไปอีกขั้น

ตลาดสมาร์ทโฟนบันทึกการเติบโตไตรมาสแรกไว้ในไตรมาส 4 ปีที่แล้ว หลังจากลดลงมาเก้าไตรมาสต่อเนื่อง โดยคาดว่าในปี 2567 ยอดส่งมอบสมาร์ทโฟนทั่วโลกจะเติบโตประมาณ 4.2% หรือคิดเป็นจำนวนประมาณ 1.2 พันล้านเครื่อง เมื่อเทียบเป็นรายปี “เราไม่ควรตีความการเติบโตของยอดขายสมาร์ทโฟนว่าเป็นการฟื้นตัวเต็มรูปแบบ มันจะชัดเจนกว่าหากมองว่ามันเป็นความคงที่ของตลาดในระดับที่ต่ำกว่า ซึ่งต่ำกว่าปี 2565 เกือบ 60 ล้านเครื่อง”

การ์ทเนอร์เผยการคาดการณ์เชิงกลยุทธ์สำคัญของปี 2567 และถัดจากนั้น โดยได้สำรวจผลกระทบของ Generative AI (GenAI) ที่เปลี่ยนแนวคิดของผู้นำและผู้บริหารในทุกมิติ พร้อมกลยุทธ์การสร้างองค์กรที่ยืดหยุ่นและปรับเปลี่ยนได้เพื่อพร้อมรับมือกับอนาคตได้ดียิ่งขึ้น

แดริล พลัมเมอร์ รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “GenAI ให้โอกาสแก่เราในการบรรลุผลสำเร็จในสิ่งที่มนุษย์ไม่เคยทำได้มาก่อน โดย CIO และผู้บริหารอื่น ๆ ในองค์กรจะยอมรับความเสี่ยงของการนำ GenAI มาใช้เพื่อให้สามารถเก็บเกี่ยวผลประโยชน์ได้อย่างที่ไม่เคยมีมาก่อน”

“ปีนี้เป็นปีเต็ม ๆ ปีแรกที่ GenAI เป็นหัวใจสำคัญของทุกการตัดสินใจเชิงกลยุทธ์ และการสร้างสรรค์นวัตกรรมที่ขับเคลื่อนผ่านเทคโนโลยีอื่น ๆ โดย GenAI ยังทลายกรอบเดิม ๆ และสร้างความตื่นตัวต่ออุตสาหกรรมมากขึ้นเรื่อย ๆ”

ในปี 2570 มูลค่าและประสิทธิภาพการสร้างสรรค์ผลงานจาก AI จะได้รับการยอมรับว่าเป็นปัจจัยบ่งชี้การเติบโตทางเศรษฐกิจสำคัญของประเทศ รัฐบาลหลายประเทศมีความมุ่งมั่นและกำลังจัดลำดับความสำคัญของกลยุทธ์และแผนงานด้าน AI โดยยอมรับว่า AI กลายเป็นเทคโนโลยีหลักของภาครัฐและภาคเอกชน ซึ่งการรวม AI เข้าไว้ในการวางแผนระยะยาวระดับชาติกำลังได้รับแรงหนุนจากการออกกฎหมายและกฎระเบียบต่าง ๆ ที่เกี่ยวข้องเพื่อส่งเสริมแนวคิดริเริ่มด้าน AI

“การนำ AI มาไว้ในแผนพัฒนาระดับชาติจะทำให้ AI นั้นมีความแข็งแกร่งยิ่งขึ้นและกลายเป็นตัวเร่งการเพิ่มประสิทธิภาพการผลิตเพื่อกระตุ้นเศรษฐกิจดิจิทัล การนำ AI มาใช้ในโครงการขนาดใหญ่ให้ประสบความสำเร็จนั้นจำเป็นต้องได้รับการสนับสนุนและความร่วมมือจากผู้มีส่วนได้ส่วนเสียหลากหลายภาคส่วน แสดงให้เห็นถึงความสามารถของประเทศในการระดมสรรพกำลังและทรัพยากรต่าง ๆ” แดริล กล่าว

ในปี 2570 เครื่องมือ GenAI ต่าง ๆ จะถูกนำไปใช้เพื่ออธิบายการทำงานของแอปพลิเคชันทางธุรกิจแบบเดิมและทำงานทดแทนได้อย่างเหมาะสม ช่วยลดต้นทุนของการปรับให้ทันสมัยลงถึง 70%

“ประสิทธิภาพและความสามารถของโมเดลภาษาขนาดใหญ่ (LLM) ทำให้ CIO มีโอกาสค้นหากลไกที่น่าเชื่อถือและการปรับปรุงแอปพลิเคชันทางธุรกิจแบบเดิมให้ทันสมัยอย่างคุ้มค่า ผู้บริหาร CIO สามารถสร้างบททดสอบเฉพาะเพื่อทดสอบผลลัพธ์ที่สร้างโดย GenAI LLMs ในขณะเดียวกันการพัฒนาการจัดการการเปลี่ยนแปลงและพัฒนากระบวนการยกระดับทักษะเพื่อเพิ่มประสิทธิภาพให้พนักงานได้สูงสุดตลอดวงจรการปรับปรุงให้ทันสมัย”

ภายในปี 2571 องค์กรธุรกิจจะใช้เงินมากกว่า 3 หมื่นล้านดอลลาร์สหรัฐฯ ไปกับการรับมือกับข้อมูลอันตรายต่าง ๆ โดยเป็นการแบ่งงบประมาณการตลาดและความปลอดภัยทางไซเบอร์ 10% เพื่อสู้กับภัยคุกคามรอบด้าน

ข้อมูลที่สร้างความเสียหายเหล่านี้ส่งผลกระทบต่อกลไกการตัดสินใจของมนุษย์และเครื่องจักร และอาจตรวจจับและปิดระบบได้ยากยิ่ง โดยข้อมูลนี้จัดเป็นภัยคุกคามการทำงานที่แตกต่างกันสามส่วนด้วยกันคือ งานด้านความปลอดภัยทางไซเบอร์ ด้านการตลาดและด้าน AI

“การเติบโตอย่างรวดเร็วของ GenAI ได้กระตุ้นให้หน่วยงานกำกับดูแลรวมข้อมูลพวกนี้ไว้เป็นหนึ่งในความเสี่ยงที่เกี่ยวข้องกับพลังและความพร้อมที่มีมากขึ้นของ GenAI กับผู้ไม่ประสงค์ดี ซึ่งองค์กรที่เฝ้าระวังผู้หวังร้าย ติดตามหน่วยงานกำกับดูแล รวมถึงผู้ให้บริการเครื่องมือและเทคโนโลยีอย่างใกล้ชิดเพื่อรับมือกับข้อมูลอันตรายนี้ มีแนวโน้มที่จะได้เปรียบคู่แข่งอย่างมาก” พลัมเมอร์ กล่าวเพิ่ม

ในปี 2570 ผู้บริหารระดับสูงด้านการรักษาความปลอดภัยข้อมูล (Chief Information Security Officers หรือ CISO) ประมาณ 45% จะเพิ่มขอบเขตการทำงานนอกเหนือจากความปลอดภัยไซเบอร์ เนื่องจากแรงกดดันด้านกฎระเบียบและการขยายพื้นที่การโจมตีเพิ่มมากขึ้น  ความรับผิดชอบในการจัดการความปลอดภัยและสินทรัพย์ดิจิทัลนั้นกระจัดกระจายไปตามแผนกและทีมงานส่วนต่าง ๆ โดยผู้บริหาร CISO จะต้องดูแลพอร์ตโฟลิโอสินทรัพย์ดิจิทัลในภาพรวม ประเด็นนี้ไม่สอดคล้องกับการสนับสนุนการเปิดเผยตามกฎหมายรวมถึงการรับประกันความปลอดภัยทางดิจิทัล และการจัดการเหตุการณ์ด้านความปลอดภัยที่มีประสิทธิภาพที่ส่งผลให้ประสิทธิภาพองค์กรโดยรวมลดลง การขยายพอร์ตโฟลิโอของผู้บริหาร CISO จะสามารถรวมการจัดการความปลอดภัยเข้าไว้ด้วยกัน โดยให้การควบคุมดูแลกระบวนการจัดการเหตุการณ์ด้านความปลอดภัยแบบรวมศูนย์ทั่วทั้งองค์กร

ในปี 2571 อัตราการทำงานในรูปแบบสหภาพของพนักงานที่มีทักษะจะเพิ่มขึ้น 1,000% โดยได้แรงกระตุ้นจากการนำ GenAI มาปรับใช้ในการทำงาน

ผู้บริหารมักบอกว่า AI เป็นเหตุให้ต้องปรับลดตำแหน่งงาน ดังนั้นจึงเป็นสิ่งสำคัญที่ผู้บริหารต้องสื่อสารชัดเจนกับพนักงานถึงความตั้งใจในการนำ AI มาปรับใช้ภายในองค์กร ซึ่งแนวทางนี้จะหลีกเลี่ยงผลที่ตามมาโดยไม่ได้ตั้งใจจากการสร้างความวิตกกังวลของ AI ในหมู่พนักงาน โดยองค์กรที่ใช้ GenAI และไม่วางแผนจัดการกับความกังวลด้าน AI อย่างชัดเจนกับพนักงานที่มีทักษะ จะต้องเผชิญกับอัตราการลาออกเพิ่มสูงขึ้น 20%

“องค์กรควรให้ความสำคัญกับความพยายามในการนำ AI มาเสริมประสิทธิภาพและคุณภาพการทำงานของพนักงานมากกว่านำมาใช้เป็นระบบอัตโนมัติ ผู้บริหารต้องเข้าใจสิ่งที่เทคโนโลยีสามารถทำได้และทำไม่ได้ เนื่องจากยังมีการโอ้อวดประสิทธิภาพ AI เกินจริง ที่ไปสร้างความคาดหวังให้กับบอร์ดผู้บริหาร” พลัมเมอร์ กล่าว

ในปี 2569 พนักงาน 30% จะใช้ประสิทธิภาพของตัวชี้วัดความสามารถด้านดิจิทัล หรือ Digital Charisma Filter เพื่อบรรลุความก้าวหน้าในอาชีพจากที่ไม่เคยทำได้มาก่อน

Digital Charisma Filter จะแจ้งเตือนและกรองการสื่อสารเพื่อเพิ่มประสิทธิภาพทางสังคมมากขึ้นตามสถานการณ์ที่หลากหลาย ทั้งการเตือนก่อนและหลังเพื่อทำให้การโต้ตอบสื่อสารมีประสิทธิภาพแก่ผู้บริหารและผู้ร่วมงานในสถานการณ์ทางสังคมที่พวกเขาต้องการความแม่นยำ Digital Charisma Filter จะปรับปรุงความสามารถองค์กรในการขยายการจ้างงานครอบคลุมพนักงานที่มีความหลากหลายมากขึ้น

“องค์กรสามารถขยายกลุ่มผู้สมัครที่มีทักษะความสามารถได้โดยการใช้ Digital Charisma Filter เป็นผู้ช่วยปรับปรุงความความสัมพันธ์กันของการโต้ตอบทุกขั้นตอนของการสรรหาและว่าจ้างบุคลากร ซึ่งการเร่งนำผู้ช่วย Digital Charisma มาใช้งานทำได้โดยการเน้นย้ำถึงความสำคัญกับผู้จำหน่ายแอปพลิเคชันองค์กรและการผนวกรวมเครื่องมือนี้เหล่านี้ไว้ในแผนของผลิตภัณฑ์” พลัมเมอร์ กล่าวว่า

ภายในปี 2570 25% ของบริษัทที่ติดอันดับ Fortune 500 จะรับบุคลากรที่มีทักษะหลากหลายด้านระบบประสาท หรือ Neurodivergent Talent มาร่วมงาน อาทิ บุคคลออทิสติก บุคคลสมาธิสั้น และบุคคลดิลเล็กเซีย เพื่อพัฒนาผลการดำเนินงานของธุรกิจ

“องค์กรธุรกิจที่ว่าจ้างและรักษาบุคลากร Neurodivergent Talent จะได้ประสบการณ์การมีส่วนร่วมของพนักงาน รวมถึงมีผลิตผลและนวัตกรรมเพิ่มขึ้นทั่วทั้งองค์กร” พลัมเมอร์ กล่าว

บริษัทที่ติดอันดับ Fortune 500 ที่ลงทุนในโครงการจ้างงานบุคคลที่มีความหลากหลายในด้านระบบประสาทและรับรู้ถึงผลจากการมีส่วนร่วมและผลลัพธ์ทางธุรกิจ องค์กรต้องจัดทำโครงการเผยแพร่ประชาสัมพันธ์เพื่อเพิ่มประสิทธิภาพของการค้นพบบุคลากรที่มีทักษะในกลุ่ม Neurodivergent ซึ่งมีความพยายามเร่งด่วนจากการใช้แนวทางปฏิบัติที่ดีที่สุดของผู้เชี่ยวชาญและใช้องค์ความรู้จากองค์กรชั้นนำที่ทำงานในด้านความหลากหลายทางระบบประสาท

“องค์กรควรรวมเอาบุคคลด้านระบบประสาทที่มีพรสวรรค์ไว้ในตำแหน่งระดับหัวหน้า เนื่องจากการมีหัวหน้าที่มีคุณสมบัติ Neurodivergent อยู่ในองค์กรจะช่วยส่งเสริมวัฒนธรรมความเท่าเทียมและไม่แบ่งแยก ทั้งยังเป็นการดำเนินงานที่มีคุณค่ามากที่สุดต่อมุมมองของพนักงาน Neurodivergent” พลัมเมอร์ กล่าว

ในปี 2569 บริษัทขนาดใหญ่ 30% จะมีหน่วยธุรกิจหรือช่องทางการขายเฉพาะเพื่อเข้าถึงตลาด Machine Customer ที่เติบโตอย่างรวดเร็ว Machine Customer จะบังคับให้เกิดการปรับเปลี่ยนของฟังก์ชันหลัก ๆ อาทิ ห่วงโซ่อุปทาน การขาย การตลาด การบริการลูกค้า การค้าดิจิทัล และประสบการณ์ของลูกค้า และภายในปี 2568 ศูนย์การขายและบริการมากกว่า 25% ในองค์กรขนาดใหญ่จะได้รับการติดต่อจาก Machine Customer

“Machine Customer จะต้องการช่องทางการขายและบริการเป็นของตน เนื่องด้วยลูกค้าประเภทนี้จะทำธุรกรรมด้วยความเร็วสูง และมีปริมาณตัวแปรของการตัดสินใจที่สูงเกินขีดความสามารถมนุษย์อย่างมาก Machine Customer จะต้องการพนักงานที่มีทักษะความสามารถ และมีกระบวนการรับมือที่แตกต่างออกไป ซึ่งอาจไม่มีอยู่ในแผนกดูแลกลุ่มลูกค้าที่เป็นมนุษย์” พลัมเมอร์ กล่าว

 ในปี 2571 จะมีหุ่นยนต์อัจฉริยะมากกว่ามนุษย์ปฏิบัติงานในสายการผลิต ค้าปลีก และลอจิสติกส์ เนื่องจากภาวะการขาดแคลนแรงงาน

บริษัทในอุตสาหกรรมการผลิต ค้าปลีกและลอจิสติกส์ส่วนใหญ่ไม่สามารถค้นหาหรือรักษาบุคลากรไว้เพียงพอเพื่อรองรับการดำเนินงานในแต่ละวัน ทำให้ในทศวรรษหน้าองค์กรด้านซัพพลายเชนจะประสบปัญหาในการสรรหาพนักงานให้เพียงพอ ซึ่งหุ่นยนต์จะมาช่วยเติมเต็มช่องว่างดังกล่าวนี้ จากการสำรวจของการ์ทเนอร์ในเดือนธันวาคม 2565 พบว่า 96% ของผู้ปฏิบัติงานด้านเทคโนโลยีซัพพลายเชนได้ปรับใช้หรือวางแผนที่จะปรับใช้ระบบอัตโนมัติทางกายภาพไซเบอร์ หรือ Cyber-Physical Automation และ 35% ได้นำหุ่นยนต์มาใช้งานแล้ว โดย 61% ยังอยู่ในขั้นทดลองหรืออยู่ระหว่างการใช้งานหุ่นยนต์เป็นครั้งแรก

“เทคโนโลยีหุ่นยนต์กำลังรุดหน้าอย่างรวดเร็ว สามารถทำงานในระดับปฏิบัติการได้ในจำนวนมากขึ้นเรื่อย ๆ ตั้งแต่โรงงาน คลังสินค้า ไปจนถึงร้านค้าปลีก และอื่น ๆ อีกมากมาย” พลัมเมอร์ กล่าว

ภายในปี 2569 ประเทศสมาชิกในกลุ่ม G20 ประมาณ 50% จะประสบกับการจัดสรรไฟฟ้าทุกเดือน ส่งผลให้การดำเนินงานที่ต้องอาศัยพลังงาน กลายเป็นทั้งข้อได้เปรียบทางการแข่งขันและความเสี่ยงการล้มเหลวครั้งใหญ่

โครงสร้างพื้นฐานที่เป็นโครงข่ายไฟฟ้าดั้งเดิมกำลังจำกัดความสามารถของการเพิ่มกำลังการผลิตกระแสไฟฟ้า แต่ความต้องการไฟฟ้ายังคงเพิ่มขึ้นอย่างต่อเนื่อง องค์กรต่าง ๆ กำลังประเมินราคาพลังงานและการเข้าถึงแหล่งพลังงานว่าเป็นความสามารถในการแข่งขัน หมายความว่าการเข้าถึงไฟฟ้าอย่างมีเสถียรภาพสำหรับลูกค้าจะกลายเป็นข้อได้เปรียบทางการแข่งขัน ด้วยเหตุนี้ผู้บริหารจึงสร้างแนวทางการดำเนินงานที่คำนึงถึงพลังงานผ่านการเพิ่มประสิทธิภาพและการลงทุนโดยตรงในการผลิตพลังงาน

“ต้องดึงประโยชน์จากประสิทธิภาพการใช้พลังงานเพื่อสร้างความได้เปรียบทางการแข่งขันระยะยาว โดยลดการใช้พลังงานเชิงโครงสร้างลง และประเมินการลงทุนขององค์กรโดยรวมต้นทุนพลังงานทั้งที่คาดการณ์ไว้ในปัจจุบันและอนาคต” พลัมเมอร์ กล่าวสรุป