ออกจาก Sandbox ของ Prompt: AI องค์กรเข้าสู่โจทย์จัดซื้อและความรับผิดชอบ

เลิกมอง AI เป็นของเล่น: มันกำลังกลายเป็นโครงสร้างพื้นฐานของการทำงาน

วันที่ 11 มิถุนายน OpenAI ระบุว่า BBVA กำลังขยาย ChatGPT Enterprise ไปยังพนักงานทั่วโลก 100,000 คน หนึ่งวันก่อนหน้า เคสของ LSEG ก็แสดงให้เห็น trusted AI ที่ใช้งานกับพนักงาน 4,000 คน สำหรับผู้ก่อตั้ง ตัวเลขสองชุดนี้คือสัญญาณปฏิบัติการชัดเจน: สิทธิ์จัดซื้อมาก่อน ขั้นต่อไปคือต้องกำหนดว่าใครซื้อได้ ใครดูข้อมูลได้ และใครหยุดงานได้

ถ้าบริษัทมีโครงการ AI เยอะ แต่ผลลัพธ์ยังเบา หรือทีม security คอยเบรกเครื่องมือใหม่อยู่เสมอ ปัญหาอาจไม่ใช่เพราะคนเขียน prompt ไม่เก่ง แต่เพราะองค์กรยังใช้ logic การอนุมัติโครงการแบบเก่า กับระบบอัตโนมัติที่ต้องควบคุมแบบ dynamic กว่านั้น

มุมมอง ALTOS LAB: ขอบเขตความรับผิดชอบคือคูเมือง บริษัทควรพูดถึง agent autonomy ก็ต่อเมื่อ procurement, permission, review และ recovery เข้าไปอยู่ในงานประจำแล้ว

เมื่อขยายสเกล ความเชื่อถือคือผลิตภัณฑ์ที่แท้จริง

BBVA กำลังขยาย ChatGPT Enterprise ไปยังพนักงานทั่วโลก 100,000 คน ในธุรกิจธนาคารที่มีข้อกำกับและความเป็นส่วนตัวเข้มงวดมาก สเกลแบบนี้ไม่ได้เกิดจากการเลือกโมเดลที่ฉลาดกว่าอย่างเดียว แต่เกิดจากการวาง AI เป็นแกนหลักของ digital transformation พร้อมออกแบบการแยกข้อมูลและจุดตรวจทานไว้ในกระบวนการทำงาน

LSEG ก็เดินหน้า trusted AI ให้พนักงาน 4,000 คน สำหรับองค์กรที่ดูแลข้อมูลตลาดการเงินทั่วโลก คุณค่าของ AI อยู่ที่การลดเวลาจาก insight ไปสู่การเผยแพร่ โดยยังรักษาความถูกต้องไว้ได้ สองกรณีนี้บอกเรื่องเดียวกัน: เมื่อผู้ใช้ AI เพิ่มจากหลักสิบเป็นหลักหมื่น สิ่งที่ชี้ขาดคือความเชื่อถือที่ถูกทำให้เป็นระบบ ผลลัพธ์จากโมเดล เส้นทางการตัดสินใจอัตโนมัติ และสิทธิ์หยุดโดยมนุษย์ต้องตรวจสอบย้อนหลังได้

เส้นทางจัดซื้อกลับสู่ cloud และแกนการเงิน

สำหรับผู้ก่อตั้งและผู้ดูแล operations อีกเรื่องที่เปลี่ยนชัดคือเส้นทางจัดซื้อ เมื่อก่อนการใช้โมเดล AI ใหม่มักแปลว่าต้องมี vendor ใหม่ security review ใหม่ และงบที่แยกจาก finance workflow เดิม

ความร่วมมือของ Oracle และ OpenAI เปลี่ยนเส้นทางนี้ ลูกค้า Oracle Cloud Infrastructure ที่เข้าเงื่อนไขสามารถใช้ Oracle Universal Credits เพื่อเข้าถึง OpenAI models and Codex ได้ นั่นแปลว่า AI spending สามารถกลับมาอยู่ใกล้ cloud commitment, procurement contract และงบ infrastructure เดิม แทนที่จะกระจัดกระจายเป็น SaaS subscription ของแต่ละทีม

มุมมองของ ALTOS LAB คือ เวลาซื้อ AI อย่าถามแค่ว่าโมเดลไหนเก่งที่สุด แต่ต้องถามว่าค่าใช้จ่ายนี้อยู่ใน vendor governance, security review และ cost allocation เดิมได้หรือไม่ เมื่อเส้นทางจัดซื้อชัด AI จึงมีโอกาสเดินจาก pilot ไปสู่ความสามารถระยะยาว

ก่อนให้ Agent ทำเอง ต้องออกแบบสิทธิ์หยุดและทางกลับ

Microsoft WorkLab พูดถึงคุณค่าของ AI ผ่านการออกแบบงานใหม่และ human agency ส่วน Anthropic มอง agent autonomy ผ่าน interruption, supervision, work traces และ completion quality สำหรับผู้ก่อตั้ง นี่เป็นเรื่องใช้งานจริงมาก: AI agent ไม่ได้ดีเพราะมนุษย์แตะน้อยที่สุด แต่มันดีเมื่อมนุษย์มองเห็น หยุด และแก้ไขได้ในจังหวะที่ควร

หลายบริษัทจินตนาการว่า agent จะจัดการ customer service, sales, finance หรือ operations จนจบเอง แต่ถ้า workflow แตะข้อมูลลูกค้า การชำระเงิน สัญญา คำตอบของแบรนด์ หรือสิทธิ์ภายใน demo ที่ลื่นยังไม่พอ ต้องนิยามก่อนว่าใครให้สิทธิ์อ่านข้อมูลได้ action ไหนต้องหยุดรอการอนุมัติ และถ้าผิดพลาดจะย้อนกลับไปยังสถานะปลอดภัยล่าสุดอย่างไร

สามเรื่องที่ผู้ก่อตั้งควรทำในสัปดาห์นี้

หนึ่ง แยกการใช้ AI ปัจจุบันเป็นสามกลุ่ม: เครื่องมือเพิ่มประสิทธิภาพส่วนตัว เครื่องมือทำงานร่วมกันของทีม และเครื่องมือที่แตะข้อมูลหลักหรือคำมั่นสัญญากับลูกค้า กลุ่มที่สามควรเข้าสู่การออกแบบสิทธิ์และการตรวจทานอย่างเป็นทางการทันที

สอง ดึงการจัดซื้อ AI กลับมาอยู่ใต้ finance และ IT governance ถ้าแต่ละแผนกซื้อกันเอง บริษัทจะเสียภาพรวมของต้นทุน ข้อมูล และความเสี่ยง

สาม เพิ่ม pause และ recovery path ให้ทุก workflow AI อย่าถามแค่ว่ามันทำงานจบหรือไม่ แต่ต้องถามว่าใครหยุดได้ทันที ใครตรวจ log และใครพา output ที่ผิดกลับไปให้คนตรวจทาน

ข้อสรุปของ ALTOS LAB ตรงไปตรงมา: การแข่งขัน AI องค์กรปี 2026 ไม่ได้ตัดสินจากความสามารถโมเดลอย่างเดียว แต่จากความสามารถขององค์กรในการวาง AI ไว้ในระบบที่บริหารได้ ตรวจสอบได้ และกู้คืนได้ Prompt ยังสำคัญ แต่ไม่ใช่สนามหลักอีกต่อไป สนามหลักคือขอบเขตความรับผิดชอบ