อ่านแล้วเล่า

เว็บสรุปหนังสือหลากหลายแนว

สรุปหนังสือ On AI, Analytics and the New Machine Age

สรุปหนังสือ On AI, Analytics and the New Machine Age ของ Harvard Business Review ในชุด HBR’S 10 Must Reads ที่เขียนตอนปี 2019 แม้จะผ่านมาเพียงแค่ 2 ปี แต่ก็ต้องบอกว่าในโลกของเทคโนโลยีความเป็นจริงแล้วเปลี่ยนไปไวมาก เนื้อหาบางบทของเล่มอาจจะไม่เข้ากับบริบทจริงที่กำลังเป็นอยู่ ณ ค่อนกลางปี 2021 นี้ แต่เนื้อหาหลายส่วนของเล่มนี้ผมก็ยังยอมรับว่าดี และก็ยังได้แง่คิดดีๆ ว่าธุรกิจยุคใหม่จะใช้ Data-Driven Business ได้อย่างไร

เนื้อหาในหนังสือ On AI, Analytics and the New Machine Age ของ Harvard Business Review เล่มนี้แบ่งออกเป็นทั้งหมด 11 บท

เริ่มจากบทที่ 1 Artificial Intelligence for the Real World

พูดถึงเรื่องของการเอาเทคโนโลยี AI มาใช้ในโลกจริงว่าเกิดอะไรขึ้นบ้างในเวลานั้น ซึ่งปัญหาหลักที่พบก็คือบริษัทหรือองค์กรส่วนใหญ่รู้ดีว่า AI นั้นดีและมีประโยชน์อย่างไร แต่ส่วนใหญ่ไม่สามารถอดทนทำให้ AI ฉลาดถึงระดับนั้นได้ ก็เลยต้องล้มพับกระดานโปรเจคสร้าง AI เพื่อธุรกิจตัวเองไปในที่สุดครับ

เพราะเจ้า AI นี้ในเวลานั้นก็ไม่รู้ว่าควรจะเป็นงานของฝ่ายไหน จะ IT หรือไม่ จะ Marketing หรือเปล่า ส่วนหนึ่งผมคิดว่าเป็นเพราะในวันนั้นองค์กรส่วนใหญ่อาจจะยังไม่รู้จักคำว่า MarTech เท่าที่ควร

ถ้าเป็นวันนี้หน่วยงานที่จะเข้ามาดูแลเรื่อง AI จะต้องถูกสร้างขึ้นมาใหม่หรือมี Marketing ซึ่งเป็นผู้ใช้ AI เป็นตัวหลีด หรือถ้าจะให้ดีที่สุดคือต้องเอาทุกทีมเข้ามาช่วยในการสร้าง AI นี้ เพราะเจ้า AI ที่ว่านี้จะกลายเป็น Backbone ของธุรกิจทั้งหมดครับ

ดังนั้นเรื่อง AI ต้องไม่ใช่แค่ Ad Hoc Project แต่ต้องกำหนดให้เป็น Strategic ของธุรกิจ เพราะธุรกิจในยุค 5.0 นี้จะต้องใช้ Data เป็นตัวขับเคลื่อน และเจ้า Data มากมายที่ได้มานี้ก็ต้องเอามาใช้เป็นน้ำมันป้อนให้กับ AI เราทรงพลังมากขึ้นในทุกวันอีกด้วยครับ

ธุรกิจอีกหน่อยจะขยายตัวไม่ใช่ด้วยจำนวนคน แต่จะสเกลได้ด้วยความฉลาดของ AI เราจะมีบริษัทมูลค่าพันล้านเหรียญที่มีพนักงานน้อยลงมากขึ้นเรื่อยๆ นั่นหมายความว่า AI คือหัวใจของทุกสิ่งในยุคดาต้า 5.0 ในยุคที่เราแข่งกันว่าใครมี AI ที่เก่งและเร็วกว่ากันนั่นเองครับ

เรื่อง AI นี้ยังมีการพูดถึงเรื่องของ RPA ที่ย่อมาจาก Robotic Process Automation ที่เอามาช่วยลดงานเดิมที่มนุษย์ต้องเคยทำซ้ำซาดให้เหลือแต่งานยากๆ หรือที่เรียกว่าท้าทายให้กับมนุษย์ได้ทำครับ และด้วยการเอาระบบอัตโนมัติมาช่วยงานมนุษย์นี่เองที่ทำให้บริษัทใหญ่ๆ สามารถลดจำนวนคนทำงานข้างใน หรืออาจจะไม่ได้ลดจำนวนคนแต่ทำงานได้มากขึ้นโดยเอาเทคโนโลยีมาช่วยเป็นเครื่องมือเครื่องมือแทนคนใหม่ๆ นั่นเอง ส่วนงานไหนที่ทำไม่ได้ก็ส่งออกข้างนอก Outsource ทำให้ได้กำไรมากขึ้นโดยไม่ต้องเพิ่มจำนวนคนแบบวันวาน

บทนี้ยังมีการพูดถึง Insight ว่าเมื่อเราเอา Data มากมายมาป้อนให้ AI มันจะไม่เหนื่อยในการอ่าน แถมมันยังช่วยสกัดหา Insight ที่แท้จริงที่เกิดขึ้นเป็น Pattern โดยที่เราไม่รู้ตัวมาก่อน จากนั้นเราก็เอา Pattern นั้นมาวิเคราะห์ต่อยอดกลายเป็นกลยุทธ์การตลาดใหม่ๆ นี่แหละครับที่ผมบอกว่า Instinct ไม่ใช่ Insight เพราะ Insight ที่แท้จริงต้องมาจาก Data ต้องเป็นสิ่งที่คนส่วนใหญ่ทำซ้ำๆ เป็นประจำ

ดังนั้นคุณไม่ต้องกังวลว่าถ้า Data มากไปในระดับ Big Data เราจะเสียเวลาวิเคราะห์ข้อมูลทั้งหมดจนไม่ทันการตัดสินใจ เพราะวันนี้เรามี AI มาช่วยในการอ่านเรียนรู้และทำความเข้าใจ Data ทั้งหมด สิ่งที่เราต้องทำก็คือเลือกดูจุดที่สำคัญเท่านั้นจากข้อมูลภาพรวมทั้งหมด จากนั้นก็ลงไปทำความเข้าใจว่าทำไม แล้วดูว่านั่นคือ Problem หรือ Opportunity ที่เราไม่เคยรู้มาก่อนครับ

บทที่หนึ่งนี้ยังแนะนำว่าในงาน Customer Service ทั้งหลายเราสามารถเอา Deep learning มาหารูปแบบคำถามที่พบเจอบ่อยๆ ได้ จากนั้นก็เอาระบบ Automation เข้ามาใช้เพื่อลดเวลาการทำงาน (เหมือนกับในหนังสือ Marketing 5.0) แล้วก็ส่งงานยากๆ เข้ามาให้มนุษย์เป็นคนทำ แล้วก็เอาเรื่องนั้นกลับเข้าไปสอน AI หรือระบบ Automation อีกครั้งครับ

ส่วนใครที่ไม่รู้ว่าจะเริ่มเอา AI มาใช้กับธุรกิจอย่างไร ในบทนี้ก็มีสรุปออกมาเป็น 4 ขั้นตอนของการใช้ AI ในองค์กรให้ประสบความสำเร็จครับ

  1. เข้าใจ Technology นี่คือสิ่งที่คนส่วนใหญ่เลือกมองข้ามไม่ความสนใจ โดยเฉพาะคนฝั่งธุรกิจหรือการตลาดที่มักจะมองว่าการเรียนรู้และอัพเดท Technology ใหม่ๆ ไม่ใช่เรื่องของเขาแต่อย่างไร แต่ในความเป็นจริงแล้วเราต้องรู้เพื่อให้เข้าใจว่าเครื่องมือแต่ละอย่างนั้นมีความสามารถมากน้อยแค่ไหน อะไรคือข้อจำกัดของ Technology แต่ละชนิด การที่เราจะแก้ปัญหาใดๆ ได้เราต้องรู้ก่อนว่า ณ ตอนนี้เรามีเครื่องมืออะไรที่หยิบจับเอามาใช้ได้บ้างครับ
  2. ขยายผลงานด้วย AI หลายคนไม่รู้ว่าจะเอาเทคโนโลยีเข้าไปเสริมตรงไหน ก็เริ่มจากต่อยอดสิ่งที่ทำให้ได้แต่อาจจะช้าไม่ทันใจให้รวดเร็วทันใจกลายเป็นดีเยี่ยมด้วย AI เช่น ถ้าบริษัทหนึ่งทีม Sale ทำงานเก่งมาก ก็อาจจะเลือกเอา AI มาช่วยให้ Sale แต่ละคนสามารถจัดการปิดการขายกับลูกค้าแต่ละรายได้ดีขึ้นก่อน นี่คือกลยุทธ์ในการเริ่มประยุกต์ใช้ AI ในองค์กรที่เริ่มต้นได้ง่ายและเห็นผลได้จริง เพราะเราเริ่มต้นจาก Business objective ว่าอยากทำให้อะไรดีขึ้นแล้วก็เป็นการเลือกเอา Technology ที่เหมาะสมมาเท่านั้นเองครับ
  3. เริ่มต้นเล็กๆ ด้วยการสร้างธุรกิจใหม่จาก AI ธุรกิจในยุค Data-Driven Business คือการเอา Data และ AI มาเป็นพื้นฐานสำคัญในทุกสิ่ง ดังนั้นถ้าเรายังดันทุรังทำงานแบบเดิมก็ยากที่จะเปลี่ยนแปลงได้ แต่การจะเปลี่ยนแปลงองค์กรใหญ่ให้เร็วทันใจก็เป็นเรื่องที่ยากยิ่งกว่า สิ่งที่ง่ายที่สุดคือลองสร้างทีมใหม่หรือบริษัทใหม่เล็กๆ ขึ้นมาทำธุรกิจเดียวกันแต่เอา Data และ AI เป็นแก่นหลักของธุรกิจ ซึ่งถ้าธุรกิจใหม่นี้ไปได้ดีก็ค่อยๆ ย้ายทรัพยากรหรือคนจากบริษัทเก่าที่อยากจะเติบโตเข้ามาในองค์กรนี้เท่านั้นเอง
  4. Scale เอา AI มาช่วยขยายงานที่เคยเป็นคอขวดให้รวดเร็วและมีประสิทธิภาพมากกว่าเดิม Retail บางรายเริ่มเอา AI มาทำหน้าที่แทน Buyer ในการช่วยเลือกสินค้าว่าควรรับอะไรมาขายหรือเอาอะไรออกไป จากเดิมจำนวน Buyer ที่มีไม่พอจนทำให้การเลือกสินค้าช้าไม่เป็นไปตาม Data ก็ทำให้ Flow การทำงานเร็วขึ้นมากจนส่งผลให้ Buyer บางคนตั้งคำถามว่า “แล้วฉันจะไปทำอะไร?”

เราต้องมองให้ออกว่า AI ไม่ได้เข้ามาแย่งงานเรา แต่ AI เข้ามาช่วยให้เราทำงานได้มีประสิทธิภาพมากกว่าเดิม ผมอยากให้คุณลองคิดภาพในมุมว่า AI เปรียบเสมือนกับ Application ใหม่ๆ ในมือถือหรือโปรแกรมใหม่ๆ ในคอมพิวเตอร์ที่เราต้องเรียนรู้เพื่อใช้ในการทำงาน มองแบบนี้แล้วคุณจะพบว่าจริงๆ แล้วเราแค่ต้องหมั่นและขยันเรียนรู้สิ่งใหม่ๆ เพิ่มขึ้นอีกหน่อยเท่านั้นเอง

บทที่ 2 Stitch Fix’s CEO ขาย Personalized Style ให้กับลูกค้าตลาด Mass Market

ส่วนตัวผมชอบบทนี้มากที่สุดเพราะทำให้เห็นภาพจริงๆ ของธุรกิจที่ใช้ Data-Driven Business จริงๆ เพราะบริษัทนี้ CEO ให้ความสำคัญกับเรื่องของ Data มาก ถึงขนาดให้ทีม Data Scientist ทำงานตรงกับตัว CEO ไม่ต้องผ่านคนอื่นเลย

นั่นเพราะ CEO ผู้ก่อตั้งมองเห็นว่าธุรกิจแฟชั่นที่ดูเต็มไปด้วยต้นทุนมากมายอย่าง Inventory ที่เป็นฝันร้ายของนักลงทุนนั้นไม่ใช่ปัญหาอีกต่อไป ตอนที่เค้าเอาไอเดียไปเสนอนักลงทุนมากมายว่าจะทำธุรกิจขายเสื้อผ้าออนไลน์ นักลงทุนส่วนใหญ่เบือนหน้าหนีหมดเพราะบอกว่าเงินลงทุนจำนวนมากจะจมไปกับ Inventory ครับ

แต่ทาง CEO บอกว่าด้วย Data และ AI จะทำให้การไหลเวียนของสินค้าใน Inventory เป็นไปอย่างรวดเร็ว เรียกได้ว่าคลังสินค้าไม่ได้มีไว้สต๊อก แต่มีไว้สำหรับที่ให้สินค้าต่างๆ ที่เข้ามาได้แวะพักก่อนจะไหลผ่านออกไปยังมือลูกค้าปลายทาง

และหัวใจสำคัญของธุรกิจ Stitch Fix คือระบบ​ Recommendation แนะนำแฟชั่นในแบบ Personalization ที่รู้ใจมากๆ จึงทำให้ลูกค้าที่สมัครสมาชิกเสียเงินชอบแทบจะทุกชิ้นที่ส่งมาจนคืนสินค้าน้อยมากๆ ครับ

ที่พูดถึงเรื่องการคืนสินค้าเพราะนี่คืออุปสรรคหลักของการขายเสื้อผ้าแฟชั่นออนไลน์ เพราะคนที่ขายเสื้อผ้าออนไลน์ต้นทุนส่วนหนึ่งที่เยอะมากก็คืออัตราการเสียหายจากการรับสินค้าคืนครับ

เพราะพฤติกรรมการช้อปปิ้งออนไลน์กับออฟไลน์นั้นแตกต่างกันโดยชิ้นเชิง เพราะเวลาเราอยากได้ยีนส์สักตัวเราจะขับรถไปยังร้านหนึ่งแล้วก็เลือกมาสัก 5-6 ตัว ลองให้ครบทุกตัวแล้วก็ตัดสินใจเลือกยีนส์ตัวที่เราชอบมากที่สุดตัวหนึ่ง

แต่ถ้าเป็นการช้อปกางเกงยีนส์ออนไลน์คนส่วนใหญ่จะเลือกสั่งสินค้ามาจาก 5-6 เว็บหรือชิ้นแทน จากนั้นก็เอามาลองที่บ้านทุกชิ้นแล้วก็ส่งชิ้นที่ไม่ชอบทั้งหมดกลับคืนไป

นั่นแหละครับคือต้นทุนใหญ่ของการทำธุรกิจออนไลน์ในวันนี้ คือต้นทุนค่าส่งสินค้าไปแล้วก็ต้องเสียเงินค่ารับสินค้ากลับ แต่ Stitch Fix แก้ปัญหานี้ด้วยการส่งสินค้าที่ลูกค้าน่าจะชอบมากที่สุดไปให้อย่างแม่นยำแทน เลยทำให้อัตราการคืนสินค้านั้นต่ำมากแล้วก็ก่อให้เกิดกำไรมากที่สุดครับ

เพราะบริษัทนี้มองเสื้อผ้าเป็น Data ที่เต็มไปด้วย Attribute มากมายในเสื้อผ้าหนึ่งชิ้น ตั้งแต่ไซส์ สี เนื้อผ้า น้ำหนัก ดีไซน์ ขนาดเอว ขนาดอก มีกระดุมหรือไม่มีกระดุม ทั้งหมดนี้ล้วนแล้วแต่เป็น Data สำคัญที่เมื่อเอามาให้ AI เรียนรู้ก็จะเข้าใจ Insight ที่ซ่อนอยู่จนนำไปเป็น New Product Development ใหม่

ที่ Stitch Fix ไม่ได้มีแค่ตำแหน่ง Chief Data Officer เหมือนที่อื่น แต่ที่นี่มีตำแหน่ง Chief Algorithm Officer เพราะในเมื่อ Algorithm คือหัวใจสำคัญของธุรกิจก็เลยต้องมีคนที่รับผิดชอบสูงสุดในเรื่องนี้ขึ้นมา

Algorithm ของ Stitch Fix สามารถบอกได้ว่าเทรนด์เสื้อผ้าแบบไหนหรือสินค้าใดที่คนจะกลับมาซื้อใหม่ในช่วงไหน จากนั้นพวกเขาก็จะไปเตรียมสินค้านั้นไว้รอล่วงหน้า เพื่อที่ว่าพอคนสั่งขึ้นมาก็จะสามารถส่งได้ทันทีทันใดเพื่อให้ได้เงินเข้ามาทันที

หรือแม้แต่ใช้ Data ในการทำ Data Analytics หาว่า “ลักษณะ” เสื้อผ้าแบบไหนที่คนชอบแล้วนำมาดีไซน์เป็นแบบใหม่

เช่น Algorithm ของ Stitch Fix พบว่าผุ้หญิงอายุ 40-50 อยากได้เสื้อ Cloth ที่เป็น Capped-Sleeve Blouse

ที่ Stitch Fix ทำแบบนี้ได้เพราะเค้าสามารถแตกรายละเอียด ​Data Attribute ในเสื้อผ้าออกมาได้ 30-100 Attribute และยังมีปริมาณ ​Data จากฐานลูกค้ากว่าสองล้านคน จนค้นพบว่ามีผู้ชายกลุ่มหนึ่งต้องการเสื้อเชิ้ตที่มีขนาดอกกว้างขึ้น ด้วยความที่ฝรั่งบางคนเล่นกล้ามจึงมีไซส์ร่างกายไม่เป็นทรงกระบอกเหมือนคนทั่วไป (คิดถึงหุ่นกล้ามปูก็ได้ครับ) จึงทำให้เกิดการเคลมเสื้อที่กระดุมขาดบ่อยมาก สิ่งที่ Stitch Fix แก้ก็คือออกแบบเสื้อใหม่ให้กระดุมบนเม็ดแรกขยับลงมาข้างล่างแค่ไม่กี่นิ้วครับ

จากการแก้ไขแค่นี้ส่งผลให้อัตราการเคลมเสื้อผ้าลดลงอย่างเห็นได้ชัดในทันที และแน่นอนว่าก็ถูกใจกลุ่มลูกค้าเดิมที่สมัครสมาชิกอย่างมาก จนเกิดการบอกต่อให้คนอื่นๆ เข้ามาเป็นสมาชิก Stitch Fix เพิ่มขึ้นเรื่อยๆ แบบ Word of Mouth ครับ

สุดท้ายคือ Algorithm ของ Stitch Fix กลายเป็นแก่นสำคัญของธุรกิจคือ พวกเขาสามารถรู้ได้ว่าใครกำลังอยากได้เสื้อผ้าแบบไหน สีอะไรอยู่ นี่คือการทำธุรกิจโดยใช้ Data-Driven Business แต่ CEO ก็ยังบอกว่าสิ่งสำคัญที่สุดไม่ใช่ Algorithm หรือ AI ใดๆ แต่เป็นคนทำงานที่เลือกว่า Insight ใดที่สำคัญและควรจะปรับธุรกิจเราไปยังทิศทางใดครับ

บทที่ 3 Algorithms Need Managers

เมื่อ Algorithm สำคัญมากแต่เราจะปล่อยให้มันทำงานของมันเองไม่ได้ ยิ่งสำคัญยิ่งต้องเข้ามาตรวจสอบและดูแลแก้ไข เพราะ Algorithm จะดีหรือไม่ก็ขึ้นอยู่กับ Data ที่ป้อนและวิธีการคิดของคนที่สร้างมันขึ้นมาครับ

และ Algorithm ทุกวันนี้จะเรียนรู้จากทุกคลิ๊กของเราก่อนหน้าที่ป้อน Data กลับมาให้ Algorithm เรียนรู้อีกครั้งหนึ่ง แล้วถ้าเราสร้าง Algorithm จากตัวชี้วัดหรือ Metric แบบผิดๆ ก็จะทำให้ธุรกิจเราล่มจมได้ไม่ยาก

ถ้าใครขายออนไลน์ก็อย่าดูแค่ตัวเลขยอดคลิ๊กบรรทัดสุดท้ายก่อนซื้อ แต่ต้องดูตัวเลขความพึงพอใจในด้านอื่นๆ ด้วยว่าลูกค้าที่ซื้อไปนั้นมีความสุขกับสินค้าหรือบริการเราไหม

เราอาจจะต้องขยายขอบเขตการวัดผลหรือเก็บข้อมูลเพิ่มเติมขึ้นอีกหน่อย เช่น อัตราการส่งคืนสินค้า หรือจำนวนการรีวิวในแง่ลบที่เกิดขึ้น เพื่อเอามาวิเคราะห์ให้เข้าใจภาพรวมของธุรกิจทั้งหมดว่าตกลงแล้วไอ้ที่ว่ายอดขายดีนั้นไม่ได้ส่งผลให้ยอดการคืนสินค้าเพิ่มขึ้นตามสัดส่วนยอดขายใช่หรือไม่

หรือ Algorithm เราอาจจะแม่นยำกว่านี้ถ้าเรามี External Data เข้ามาเสริมให้ AI เรารู้จักลูกค้ามาขึ้น ก็อย่าลืมหา Partner ด้าน​ Data เข้ามาร่วมมือกัน หรือที่ภาษาเรียกว่าอย่าลืมวางกลยุทธ์ในการหาและเข้าถึง Second-party data และ Third-party data ด้วยนะครับ

เพราะแม้จะเป็น Algorithm หรือ Model เพื่อวัตถุประสงค์เดียวกันแต่ก็ไม่สามารถนำมาใช้ด้วยกันได้เสมอไป อย่างตอนที่ Netflix มี Algorithm เพื่อทำ Recommendation ภาพยนต์ DVD ให้สมาชิกลูกค้าในยุคแรก แต่พอปรับธุรกิจมาเป็น Streaming ก็พบว่า Model Recommendation แบบเดิมนั้นไม่เข้ากับบริบทใหม่ของธุรกิจเอาเสียเลย

พวกเขาจึงต้องทำการสร้าง Recommendation model ขึ้นมาใหม่ที่ไม่ได้เอาโครงสร้างหรือวิธีการคิดใดจากของเก่ามาใช้เลย นี่แหละครับความสนุก ท้าทาย และสเน่ห์ของ Data มันไม่สามารถ Copy & paste แล้วเอามาใช้ได้ทันทีเหมือนที่เคยทำมาแต่อย่างไร

บทที่ 4 การตลาดในยุค Voice interface

เนื้อหาในบทนี้ส่วนใหญ่จะพูดถึง Alexa อุปกรณ์ที่เป็นลำโพงอัจฉริยะภายในบ้านของคนอเมริกาจำนวนมากหลายสิบล้านหลังวันนี้ ซึ่งเจ้าลำโพงอัจฉริยะนี้แค่คนอยากรู้อะไรก็แค่พูดออกมาไม่ต้องพิมพ์ เจ้าลำโพงนี้ก็จะบอกคำตอบให้ในเสี้ยววินาที ไปจนถึงถ้าคุณผงซักฟอกหมด ไข่ไก่หมด คุณก็ไม่ต้องเปิดแอปหรือเข้าเว็บแต่อย่างไร ก็แค่บอกออกไปว่าอะไรหมดแล้วอยากได้สินค้าอะไรมาวางหน้าบ้าน ง่ายๆ เท่านี้ภายใน 48 ชั่วโมง Amazon ก็จะเอาของที่คุณสั่งผ่านการพูดมาวางที่หน้าประตูบ้านครับ

ซึ่งพอ Amazon ออกลำโพงอัจฉริยะนี้มาก็ส่งผลให้หลายๆ ค่ายพยายามเข้ามาแย่งชิงส่วนแบ่งในตลาดนี้เช่นกัน ที่ดูพอจะเป็นคู่ปรับของ Amazon ได้หน่อยก็คือ Google home นั่นเอง แม้จำนวนผู้ใช้งานจะไม่เยอะเท่า Alexa แต่ด้วยความที่ Google นั้นเป็นผู้สร้างระบบปฏิบัติการในมือถือ Andriod ที่คนส่วนใหญ่ใช้ ทำให้ใครๆ ก็พูดว่า Ok Google ถ้าอยากให้กูเกิ้ลช่วยหาคำตอบอะไรให้ทุกที่ทุกเวลา

เจ้าลำโพงอัจฉริยะหรือระบบการสั่งการด้วยเสียงที่เรียกว่า Voice Interface นี้แหละกำลังเข้ามาปฏิวัติวงการ Marketing เพิ่มขึ้นทุกวัน เริ่มจากคุณต้องออกแบบ User Experience ใหม่ว่าจะตอบกลับคนด้วยคำพูดแบบไหน น้ำเสียงอย่างไร หรือแม้แต่เลือกเพศของเสียงที่ส่งออกไปก็ตาม ไปจนถึงว่านี่คือ Platform ยุคใหม่ที่เป็น Platform โดย AI ซึ่งจะมีแค่คำตอบเดียวที่คนส่วนใหญ่ได้ยิน ผิดกับการเลือกหาคำตอบผ่านหน้าจอที่เรามักจะเลื่อนลงมาเรื่อยๆ อย่างน้อยก็ดูจนหมดในหน้าแรกครับ

ส่งผลให้ AI ตัวนี้ต้องมีความน่าเชื่อถือย่างมากว่าคำตอบที่ให้มานั้นจะเที่ยงตรงและแม่นยำ ไม่ใช่เอาคำตอบที่ยัดเยียดมาให้เราแบบเนียนๆ หรือหลอกขายของให้เรานั่นเอง ดังนั้นสิ่งที่จะเปลี่ยนไปคือจากสิ่งที่เรียกว่า Brand Trust กลายเป็น AI Trust หรือสรุปง่ายๆ ว่า AI is new Branding ในโลกยุค 5.0 ครับ

ซึ่งผลกระทบของเจ้าลำโพงอัจฉริยะอย่าง Alexa ของโลกการตลาดในวันนี้คือ การตลาดต่อไปนี้จะเข้าถึงลูกค้ายากขึ้นมาก เพราะมี Alexa เป็นตัวกลาง Platform ที่คอยกรองทุกคำตอบมากมายบนโลกออนไลน์ว่าอะไรคือสิ่งที่ดีที่สุด หรือดีต่อ​ Amazon ในการคำตอบถามนั้นไป

ซึ่งกลยุทธ์การสู้กับ Platform คือ

  • เข้าใจ Algorithm
  • พาคนออกจาก Platform ดังกล่าวหรือที่เรียกว่า D2C (Direct to Consumer)
  • Offline Experience จะยิ่งสำคัญมากในการสร้างความประทับใจให้ลูกค้าอยากเลือกเราด้วยตัวเองไม่ว่าจะสั่งงานผ่านแพลตฟอร์มไหน

ด้วยความน่าเชื่อถือนี้เองก็จะยิ่งทำให้ Platform ต่างๆ แข็งแรงมากยิ่งขึ้น เพราะถ้าแพลตฟอร์มใดไม่น่าเชื่อถือคนก็จะลดการใช้งาน นั่นหมายความว่าปริมาณ Data ที่ไหลเข้ามาก็จะลดน้อยลงเรื่อยๆ จนทำให้ขาดซึ่งความแม่นยำในการให้คำตอบ

นี่คือสิ่งที่ธุรกิจยุคใหม่ที่สร้าง Platform AI ต้องคำนวนให้ดีว่า แค่ไหนคือจุดที่ Consumer รับได้ และแค่ไหนคือการล้ำเส้นไป เพราะถ้า AI คุณไม่น่าเชื่อถือเมื่อไหร่ก็เท่ากับว่าคุณกำลังเสียเปรียบคู่แข่งเพราะไม่มีดาต้าใหม่ๆ ป้อนเข้ามาให้รู้จักลูกค้าเพิ่มขึ้นเลย

หนังสือเล่มนี้ยังมีบทที่พูดในเรื่องของ Drone ซึ่งสำหรับผมรู้สึกว่ายังไกลตัวคนไทยเกินไป ทางผู้เขียนก็บอกว่ายุคของ Drone กำลังจะมาเมื่อระบบนำทางอัตโนมัติของ Drone นั้นฉลาดและแม่นยำพอที่จะไปยังจุดหมายปลายทางเองได้โดยไม่ชนกับสิ่งใด หรือแม้แต่ไม่ชนกับ Drone ด้วยกันครับ

ส่วนในบทของ 3D Printing ส่วนตัวผมก็รู้สึกว่าอาจไม่เข้าใจกับบริบทของนักการตลาดไทยเท่าไหร่ แต่หนังสือเล่มนี้ก็อัพเดทให้เห็นว่าเทคโนโลยีนี้กำลังก้าวเข้ามาสู่ชีวิตเราแบบเงียบๆ แม้ 3D Printer จะเป็นแค่ของเล่นสำหรับคนไม่กี่คนในบ้านเรา แต่ในแง่ของอุตสาหกรรมนั้น Adidas สามารถพิมพ์รองเท้าขึ้นมาแบบ Personalization จาก 3D Printer ปีละเป็นล้านๆ คู่ ทำให้รูปแบบธุรกิจจากเดิมที่ต้องใช้ Economic of Scale กลายเป็น Economic of Scope หรือเจาะให้ลึกลงไปในใจของลูกค้าแต่ละคนมากที่สุดเพื่อกำไรนั่นเองครับ

ส่วนในบทที่ 9 ที่เป็นเรื่องของการทำงานร่วมกับ AI ของมนุษย์ยุคใหม่ก็สำคัญ

บทที่ 9 Collaborative Intelligence: Human and AI Are Joining Forces

เมื่อ AI กำลังค่อยๆ ก้าวเข้ามาเป็นเครื่องมือสามัญประจำบ้าน การที่จะทำให้มนุษย์นั้นอยู่ร่วมกับ AI ได้ดีก็ต้องเข้าใจความต้องการของมนุษย์ให้ดีว่า AI แบบไหนทำให้พวกเขารู้สึกอย่างไร

เช่น ระบบขับเคลื่อนอัตโนมัติของรถยนต์ที่พบว่าระหว่าง AI ที่ขับรถแบบเงียบๆ บอกสถานะด้วยตัวหนังสือผ่านหน้าจอ กับ AI ที่มีชื่อและเสียงผู้หญิงนั้นส่งผลต่างกันมากมาย เพราะพอเมื่อเกิดอุบัติเหตุขึ้นคนจะโทษ AI ที่มีชื่อและเป็นน้ำเสียงผู้หญิงน้อยกว่า AI ไร้ชื่อไร้เสียงอย่างเห็นได้ชัด

หรือแม้แต่ถ้าเป็น AI ด้านรักษาความปลอดภัยสิ่งที่เกิดขึ้นคือ ถ้าเจ้า AI ตัวนี้มีชื่อแบบผู้ชายและมีน้ำเสียงแบบผู้ชายแข็งแรง ก็ส่งผลให้คนใช้รู้สึกว่าเจ้า AI ตัวนี้มันน่าเชื่อถือกว่า AI ตัวอื่นที่แม้จะทำผลงานได้แบบเดียวกันครับ

ขึ้นชื่อว่ามนุษย์อย่างไรก็ย่อมมี Bias มีอารมณ์เข้ามาร่วมในการตัดสินใจ แต่ก็นั่นแหละครับในเมื่อเรารู้ว่านี่คือธรรมชาติของมนุษย์ส่วนใหญ่ที่ถูกฝังมาใน DNA ก็อย่าลืมจำแล้วเอาไปใช้ให้เกิดประโยชน์กับธุรกิจเรากันนะครับ

บทสุดท้าย บทที่ 11 Managing Our Hub Economy

ธุรกิจในยุคดาต้า 5.0 คือธุรกิจที่ต้องสร้าง Ecosystem ทางด้าน Data ของตัวเองขึ้นมา เหมือนที่ Facebook พยายามขยายไปยังธุรกิจอื่นๆ เพิ่มเติม หรือแม้แต่การเพิ่มเติมฟีเจอร์ใหม่ๆ เข้าไป นั่นก็เป็นเหตุผลว่าทำไมหลายบริษัท Startup ในวันนี้พยายมจะเป็น Super App ให้ได้ เพราะ Platform จะโตได้ก็ด้วย Customer data นั่นเองครับ

เพราะยิ่งเรามี data ลูกค้าที่ครบถ้วนรอบด้านมากเท่าไหร่ เราก็จะยิ่งสร้างกำไรจากธุรกิจได้มากเท่านั้น

สุดท้ายนี้ธุรกิจยุคดาต้า 5.0 นั้นต่างจากธุรกิจในโลกยุคเก่าโดยชิ้นเชิง เพราะเดิมทีเรามักจะแข่งกันผลิตสินค้าออกมาจำนวนมากแล้วก็ขายออกไปเพื่อเอากำไร แต่ธุรกิจยุคใหม่ในวันนี้คือการแข่งขันกันสะสมผู้ใช้ว่าใครทำให้คนใช้งานกับตัวเองได้นานกว่ากัน

เมื่อถึงจุดหนึ่ง Data ที่สั่งสมมาก็จะทำให้เราต่อยอดและทำกำไรจาก Data นั้นได้มหาศาล ดังนั้น Business Strategy ของธุรกิจในวันนี้คือการมองการณ์ไกลว่าเราจะทำให้ผู้ใช้ติดหนึบกับเราได้อย่างไรแทนที่จะปล่อยให้ไปใช้คู่แข่งครับ

อ่านแล้วเล่า สรุปหนังสือเล่มที่ 8 ของปี 2021

สรุปหนังสือ HBR'S 10 Must Reads, On AI, Analytics and the New Machine Age สำนักพิมพ์ Harvard Business Review ร้านหนังสือ Asia Book

สรุปหนังสือ HBR’S 10 Must Reads, On AI, Analytics and the New Machine Age
สำนักพิมพ์ Harvard Business Review

ขอบคุณร้านหนังสือ Asia Book ด้วยนะครับสำหรับหนังสือดีๆ เล่มนี้ที่มอบให้

อ่านสรุปหนังสือแนวนี้ต่อ > https://www.summaread.net/category/ai/
สนใจสั่งซื้อออนไลน์ > https://bit.ly/2RnW6Fy

Tagged: , , ,

Leave comment

Your email address will not be published. Required fields are marked with *.