เจาะประเด็น
AI / Data
Grab ใช้ AI จัดการงานวิเคราะห์ จนงานกลไกซ้ำซากหดหายไปกว่า 30% ใน 4 เดือน
นี่ไม่ใช่เรื่องของอนาคต แต่คือสิ่งที่ Grab ทำสำเร็จแล้ววันนี้ — แล้วทีม Data ทั่วโลกจะอยู่อย่างไรเมื่อ AI เริ่มกินงานตัวเอง?
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
คำถามที่ทุกคนอยากรู้ไม่ใช่ "AI ทำได้จริงเหรอ" แต่คือ "แล้วคนที่เคยทำงานส่วนนี้อยู่จะไปทางไหนต่อ" ต่างหาก
เราคุยกันเรื่อง AI แทนคนมานาน แต่ส่วนใหญ่ก็เป็นแค่สโลแกนสวยหรู จนกระทั่ง Grab เปิดตัวเลขจริงออกมาให้เห็นเป็นหลักฐานชิ้นโต — ในเดือนกุมภาพันธ์ นักวิเคราะห์ของบริษัทใช้เวลาถึง 44% ไปกับงานกลไกซ้ำซาก พอมาถึงเดือนมิถุนายน ตัวเลขนั้นลดลงเหลือ 30% เรียบร้อยแล้ว คำถามคือพวกเขาทำได้ยังไง? คำตอบสั้นๆ คือ "AI Agents" ที่ไม่ได้มาแทนที่นักวิเคราะห์ แต่มาช่วยกินงานส่วนที่สมองไม่ควรต้องเสียไปกับมัน
ต้องบอกก่อนว่า ตัวเลข 44% ที่ว่านี้ไม่ได้แปลว่านักวิเคราะห์ที่ Grab ขี้เกียจหรือทำงานไม่เก่ง แต่เป็นธรรมชาติของสายงาน Data ที่ต้องเจอของแบบนี้กันทุกที่ — ส่ง SQL ให้ทีมอื่น, ดึงข้อมูลซ้ำๆ, ทำรายงานเดือนต่อเดือนที่รูปแบบเดิมเป๊ะๆ งานพวกนี้มัน "จำเป็น" แต่ไม่ "คุ้มค่า" กับเงินเดือนคนเก่งๆ เลยแม้แต่น้อย และนี่คือจุดที่ Grab เลือกจะจัดการ
หัวใจของระบบนี้ไม่ได้อยู่ที่การเอา AI ไปวางแล้วปล่อยให้มันทำงานคนเดียว แต่คือการผสมผสานระหว่าง "อิสระของ Agent" กับ "ข้อมูลที่ได้รับการรับรอง" และ "มนุษย์คอยกำกับ" ฟังดูซับซ้อน แต่พูดง่ายๆ คือ Grab สร้างระบบที่ AI ช่วยจัดการงานวิเคราะห์เบื้องต้นได้เอง ตั้งแต่การตีความเมตริก, จัดการข้อมูล, ไปจนถึงเขียน SQL ให้ โดยมีมนุษย์คอยเป็นผู้ควบคุมคุณภาพอีกชั้นนึง เพื่อไม่ให้ AI หลุดกรอบหรือให้ข้อมูลผิดๆ กลับไป
สิ่งที่น่าสนใจกว่าตัวเลขคือแนวคิดเรื่อง "Self-Service Analytics" — ตอนนี้ใครก็ตามใน Grab ที่อยากได้ข้อมูลสักชุด ไม่จำเป็นต้องยื่นเรื่องรอคิวให้นักวิเคราะห์ช่วยแล้ว พวกเขาสามารถใช้ระบบ AI นี้จัดการเองได้ทันที ซึ่งหมายความว่านักวิเคราะห์ที่มีอยู่ ไม่ต้องมาเสียเวลากับงานประเภทนี้ และหันไปโฟกัสงานที่ต้องใช้สมองจริงๆ เช่น การหาอินไซต์เชิงลึก หรือการวางกลยุทธ์จากข้อมูลแทน
ตรงนี้แหละที่ผมอยากให้ทุกคนหยุดคิดกันสักนิด — ถ้าแปลความหมายให้ตรงไปตรงมา งานของนักวิเคราะห์ข้อมูลระดับล่างๆ กำลังถูก "ลดบทบาท" ลงเรื่อยๆ ไม่ใช่เพราะ AI แย่งงาน แต่เพราะงานประเภทนั้นมันไม่ควรต้องใช้คนทำตั้งแต่แรกแล้ว และ Grab กำลังพิสูจน์ให้เห็นจริงๆ ว่าโมเดลแบบนี้เวิร์ก
แต่อย่าเพิ่งตื่นตระหนกไป เพราะสิ่งที่ Grab ทำคือการ "ยกระดับ" บทบาทของนักวิเคราะห์ ไม่ใช่ "กำจัด" ทิ้ง — คนที่อยู่รอดในยุคนี้คือคนที่ใช้ AI เป็นเครื่องมือ รู้จักตั้งคำถามกับข้อมูล และนำเสนออินไซต์ที่ AI ทำไม่ได้ งานกลไกหายไป แต่งานเชิงวิเคราะห์เชิงลึกยังอยู่ และมีค่ามากขึ้นด้วยซ้ำ
Agent Autonomy
AI ทำงานได้เองในขอบเขตที่กำหนด ไม่ต้องรอคำสั่งทีละสเต็ป
Certified Data
ข้อมูลที่ AI ใช้ต้องผ่านการรับรองแล้วเท่านั้น เพื่อความน่าเชื่อถือของผลลัพธ์
Human Oversight
มนุษย์ยังคงเป็นผู้คุมเกมสุดท้าย ตรวจสอบคุณภาพก่อนใช้งานจริง
ประเด็นสำคัญอีกอย่างคือเรื่อง "Context Management" — การที่ AI จะทำงานวิเคราะห์ได้แม่นยำ มันต้องเข้าใจบริบทของธุรกิจด้วย ไม่ใช่แค่รัน SQL แล้วส่งผลลัพธ์กลับมา การที่ Grab ให้ความสำคัญกับส่วนนี้ แสดงว่าพวกเขาไม่ได้มอง AI เป็นแค่เครื่องมือตัดแปะ แต่กำลังสร้าง "เพื่อนร่วมงาน" ที่เข้าใจงานของบริษัทจริงๆ
ถ้ามองในภาพรวมวงการ เทรนด์นี้มาแน่และเร็วมาก ใครที่ทำงานสาย Data แล้วยังคิดว่างานเขียน Query หรือทำรายงานซ้ำๆ จะเลี้ยงชีพไปได้อีกสิบปี บอกได้เลยว่าใจคอไม่ดีแน่ๆ เพราะบริษัทอย่าง Grab กำลังวาง blueprint ให้ทั้งวงการเห็นว่า "อนาคตของการวิเคราะห์ข้อมูล" หน้าตาเป็นแบบไหน — เร็ว แม่นยำ และใช้คนน้อยลง
Grab ไม่ได้แค่ใช้ AI เพื่อลดต้นทุน แต่กำลังสร้างมาตรฐานใหม่ให้วงการ — งานวิเคราะห์กลไกกำลังจะตายลง และคนที่ปรับตัวไม่ทันจะกลายเป็นคนที่ "ทำงานเหมือน AI" แทนที่จะ "ใช้ AI ทำงาน"
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 6
กำลังโหลดความคิดเห็น...