ซอฟต์แวร์ AI กับคำถามผลผลิตมูลค่านับล้านล้านดอลลาร์

หาก AI เก่งขึ้นอย่างมากในการเขียนซอฟต์แวร์ ผู้นำธุรกิจควรเปลี่ยนแปลงอะไรในวันนี้ คำตอบของผมคือการวัดว่ามันปรับปรุงกระบวนการธุรกิจที่สมบูรณ์ได้อย่างไร รวมถึงงานที่จำเป็นในการตรวจสอบและบำรุงรักษาผลลัพธ์ของมัน

AI สามารถเพิ่มมูลค่า 20 ถึง 30 ล้านล้านดอลลาร์สหรัฐให้กับผลผลิตทางเศรษฐกิจโลกต่อปีได้หรือไม่ Elon Musk ได้เสนอการประมาณการคร่าว ๆ นี้ พร้อมกับการคาดการณ์ว่า AI สามารถจัดการงานดิจิทัลเกือบทุกอย่างและมีความสามารถในการเขียนโค้ดระดับ Stockfish ข้อกล่าวอ้างเหล่านี้ได้รับความสนใจเพราะชี้ให้เห็นการเปลี่ยนแปลงครั้งใหญ่ในเศรษฐศาสตร์ของงานที่ใช้ความรู้

เหล่านี้คือการคาดการณ์ที่ทะเยอทะยาน ไม่ใช่ผลลัพธ์ที่พิสูจน์แล้ว ผู้นำธุรกิจควรแยกแยะระหว่างความเป็นไปได้ของผลประโยชน์ด้านผลผลิตขนาดใหญ่กับหลักฐานว่า AI สามารถส่งมอบงานดิจิทัลทุกอย่างได้อย่างน่าเชื่อถือ การตัดสินใจลงทุนต้องการหลักฐานจากงานที่องค์กรทำจริง

การเปรียบเทียบกับ Stockfish บอกอะไรเรา

Stockfish เป็นเอนจินหมากรุกแบบโอเพนซอร์สและเป็นหนึ่งในตัวที่แข็งแกร่งที่สุดในโลก การเปรียบเทียบนี้แสดงให้เห็นความเป็นไปได้จริง: เครื่องจักรสามารถทำได้ดีกว่ามนุษย์ในงานทางปัญญาที่ท้าทาย อย่างไรก็ตาม การเปรียบเทียบเพียงอย่างเดียวไม่สามารถยืนยันได้ว่า AI จะทำได้ดีกว่าวิศวกรซอฟต์แวร์ทุกคนเมื่อไหร่

หมากรุกมีกฎที่คงที่ กระดานที่มองเห็นได้ และเป้าหมายที่ชัดเจน ซอฟต์แวร์องค์กรเกี่ยวข้องกับข้อกำหนดที่ไม่สมบูรณ์ นโยบายที่เปลี่ยนแปลง ระบบดั้งเดิม และลำดับความสำคัญของผู้มีส่วนได้ส่วนเสียที่แข่งขันกัน โปรแกรมอาจผ่านการทดสอบขณะที่แก้ปัญหาทางธุรกิจที่ผิด

การสร้างโค้ดเป็นส่วนหนึ่งของวิศวกรรม การตัดสินใจว่าจะสร้างอะไร การควบคุมการเข้าถึง การตรวจสอบความปลอดภัย การปรับใช้อย่างปลอดภัย และการสนับสนุนผู้ใช้ยังคงเป็นส่วนหนึ่งของผลลัพธ์ แม้แต่ AI ที่มีความสามารถสูงก็ต้องการกระบวนการที่สามารถตรวจพบข้อผิดพลาดและกำหนดความรับผิดชอบ

ทำความเข้าใจข้ออ้างทางเศรษฐกิจ

การเพิ่มขึ้น 20 ถึง 30 เปอร์เซ็นต์ในระดับผลผลิตทางเศรษฐกิจต่อปีแตกต่างจากการเติบโต 20 ถึง 30 เปอร์เซ็นต์ทุกปี ข้ออ้างในระดับนี้ต้องการสมมติฐานที่ชัดเจนเกี่ยวกับการนำมาใช้ ความน่าเชื่อถือ การลงทุน และเวลาที่จำเป็นในการสร้างผลประโยชน์ การจับคู่เปอร์เซ็นต์เหล่านั้นกับ 20 ถึง 30 ล้านล้านดอลลาร์หมายถึงเศรษฐกิจเริ่มต้นประมาณ 100 ล้านล้านดอลลาร์

เพื่อเปรียบเทียบ Goldman Sachs ได้เผยแพร่สถานการณ์ในปี 2023 ที่ AI แบบสร้างสรรค์สามารถเพิ่ม GDP โลกประมาณ 7 เปอร์เซ็นต์ หรือเกือบ 7 ล้านล้านดอลลาร์ และเพิ่มการเติบโตของผลผลิตขึ้น 1.5 จุดเปอร์เซ็นต์ในช่วงสิบปี นั่นเป็นการคาดการณ์แบบมีเงื่อนไข ไม่ใช่ผลลัพธ์ที่วัดได้หรือขีดจำกัดสูงสุดของผลประโยชน์ในอนาคต มันไม่ได้ยืนยันการประมาณการที่ใหญ่กว่าของ Musk อย่างอิสระ

ในระดับบริษัท การคำนวณที่มีประโยชน์นั้นง่ายกว่า: มูลค่าสุทธิเท่ากับมูลค่าของผลผลิตที่มีประโยชน์เพิ่มเติมและการประหยัดที่เกิดขึ้นจริง หักด้วยต้นทุน AI การบูรณาการ การตรวจสอบ งานทำซ้ำ และความสูญเสียจากข้อผิดพลาด เวลาที่ประหยัดได้จะกลายเป็นมูลค่าทางการเงินก็ต่อเมื่อองค์กรสามารถใช้มันอย่างมีประสิทธิผล

ข้อดีและต้นทุน

ความเร็วเทียบกับการตรวจสอบ AI อาจทำให้การร่าง การเขียนโค้ด และการวิเคราะห์สั้นลง ผู้นำควรวัดเวลาที่จำเป็นในการตรวจสอบผลลัพธ์ควบคู่ไปกับเวลาที่ประหยัดได้ในการผลิตมัน

ต้นทุนการผลิตที่ต่ำกว่าเทียบกับต้นทุนการดำเนินงานใหม่ การสร้างเวอร์ชันแรกอาจถูกลง การใช้โมเดล การบูรณาการ การติดตาม และการแก้ไขยังคงใช้เงินและเวลาของพนักงาน

การเข้าถึงที่กว้างขึ้นเทียบกับการพึ่งพา ทีมที่เล็กกว่าอาจรับงานที่เคยอยู่เหนือทรัพยากรของพวกเขา การพึ่งพาผู้ให้บริการรายเดียวอาจทำให้การจัดการราคา ความพร้อมใช้งาน และการเปลี่ยนแปลงโมเดลยากขึ้น

ความสามารถที่มากขึ้นเทียบกับการหยุดชะงักของแรงงาน พนักงานอาจใช้เวลามากขึ้นกับความต้องการของลูกค้าและการตัดสินใจที่ยาก ธุรกิจยังต้องวางแผนสำหรับบทบาทที่เปลี่ยนแปลง การฝึกอบรมใหม่ และการพัฒนาพนักงานระดับต้นที่งานเรียนรู้ประจำวันของพวกเขาอาจถูกทำให้เป็นอัตโนมัติ

ตัวอย่างองค์กรเชิงปฏิบัติ

ลองพิจารณาธุรกิจคลังสินค้าสมมติที่สร้างบริการติดตามคำสั่งซื้อ AI สามารถร่างส่วนติดต่อผู้ใช้ เสนอคำสั่งฐานข้อมูล และสร้างกรณีทดสอบ ทีมยังคงต้องยืนยันว่าลูกค้ารายใดสามารถดูคำสั่งซื้อแต่ละรายการได้ ความคลาดเคลื่อนของสต็อกได้รับการจัดการอย่างไร และบริการทำงานร่วมกับระบบที่มีอยู่หรือไม่

การเปรียบเทียบที่มีความหมายคือต้นทุนต่อการเปิดตัวที่ได้รับการยอมรับและประสิทธิภาพในการใช้งาน วัดเวลาในการส่งมอบ ข้อบกพร่อง คำขอความช่วยเหลือ และผลลัพธ์ของลูกค้า การร่างแรกที่เร็วขึ้นซึ่งสร้างเหตุการณ์การผลิตมากขึ้นอาจลดมูลค่าโดยรวม

หลักการเดียวกันใช้กับการบริการลูกค้า การทำให้คำขอที่ตรงไปตรงมาเป็นอัตโนมัติอาจปรับปรุงเวลาตอบสนอง กรณีที่ไม่ชัดเจนต้องการเส้นทางที่เชื่อถือได้ไปยังบุคคล โดยคงบริบทที่เกี่ยวข้องไว้

CEO และ CTO ควรทำอะไร

CEO ควรเลือกกระบวนการหนึ่งที่มีต้นทุนที่ระบุได้และผลลัพธ์ลูกค้าที่ชัดเจน สร้างเส้นฐาน ดำเนินการนำร่องแบบจำกัด และตกลงล่วงหน้าว่าการปรับปรุงใดที่จะสมเหตุสมผลกับการขยายตัว รวมต้นทุนการดำเนินการและการเปลี่ยนแปลงความรับผิดชอบของพนักงาน

CTO ควรประเมินโมเดลที่เสนอบนงานที่เป็นตัวแทนจากระบบของตนเอง ตรวจสอบความถูกต้อง ความปลอดภัย ความเป็นส่วนตัว การกู้คืนจากความล้มเหลว และความเข้ากันได้กับบริการที่มีอยู่ แยกสิทธิ์ในการเสนอการเปลี่ยนแปลงออกจากสิทธิ์ในการดำเนินการ

สำหรับการกระทำที่มีผลกระทบ กำหนดเจ้าของการอนุมัติและเก็บเส้นทางการตรวจสอบ รักษาความสามารถในการย้อนกลับการเปลี่ยนแปลง จำกัดการเข้าถึง และระงับระบบอัตโนมัติเมื่อประสิทธิภาพลดลง

ทบทวนการพึ่งพาผู้ขายและฝึกอบรมพนักงานให้ท้าทายผลลัพธ์ ขยายการปรับใช้เมื่อผลประโยชน์ที่วัดได้ยังคงเป็นบวกหลังจากต้นทุนการตรวจสอบและการสนับสนุน การคาดการณ์ทางเศรษฐกิจโลกควรให้ข้อมูลแก่การวางแผนสถานการณ์ ในขณะที่หลักฐานท้องถิ่นควรเป็นแนวทางในการลงทุน

การตัดสินใจของผู้นำ

AI อาจเปลี่ยนแปลงเศรษฐศาสตร์ของงานดิจิทัลอย่างมีนัยสำคัญ ขนาดและช่วงเวลายังคงไม่แน่นอน คำแนะนำของผมคือสร้างความสามารถในการประเมินและนำมาใช้อย่างรับผิดชอบในตอนนี้ จากนั้นเพิ่มการลงทุนเมื่อหลักฐานแข็งแกร่งขึ้น

กระบวนการใดในองค์กรของคุณที่คุณจะทดสอบก่อน และหลักฐานใดที่จะทำให้คุณมั่นใจว่า AI สร้างมูลค่าทางธุรกิจที่ยั่งยืน

คิดอย่างคณิตศาสตร์ วิศวกรรมอย่างชาญฉลาด นำอย่างมีกลยุทธ์ สร้างอย่างรับผิดชอบ ขยายอย่างทั่วโลก สร้างคุณค่าทางธุรกิจที่แท้จริงผ่านปัญญาประดิษฐ์

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

เผยแพร่ครั้งแรกบน LinkedIn โดย Keshavan Thiagaraja อ่านต้นฉบับบน LinkedIn [1]