ตำนาน
คุณต้องวางแผนกลยุทธ์ทั้งหมดให้เสร็จก่อนจึงจะเริ่มลงมือปฏิบัติได้
ความเป็นจริง
การบริหารจัดการสมัยใหม่นิยมแนวทาง "คู่ขนาน" โดยการนำโครงการนำร่องขนาดเล็กมาใช้เพื่อเป็นข้อมูลและปรับปรุงกลยุทธ์ระยะยาวในวงกว้าง
กลยุทธ์ธุรกิจการแปลง AIการจัดการโครงการความเป็นผู้นำด้านเทคโนโลยี
กลยุทธ์ AI กับ การนำ AI ไปใช้งานจริง
การเปลี่ยนผ่านจากแผนวิสัยทัศน์ไปสู่ความเป็นจริงในการปฏิบัติงาน คือหัวใจสำคัญของความสำเร็จในการเปลี่ยนแปลงธุรกิจสมัยใหม่ ในขณะที่กลยุทธ์ AI ทำหน้าที่เป็นเข็มทิศระดับสูงที่ระบุว่า "ที่ไหน" และ "ทำไม" ควรลงทุน การนำ AI ไปใช้งานจริงนั้นเป็นความพยายามทางวิศวกรรมภาคสนามที่สร้าง บูรณาการ และขยายขนาดเทคโนโลยีเพื่อให้ได้ผลตอบแทนจากการลงทุนที่วัดผลได้
ไฮไลต์
- กลยุทธ์เปรียบเสมือน 'ตัวเร่งความเร็ว' ในขณะที่การนำไปปฏิบัติเปรียบเสมือน 'เครื่องยนต์'
- 85% ของโครงการ AI ล้มเหลวเนื่องจากคุณภาพข้อมูลที่ไม่ดีซึ่งตรวจพบระหว่างการดำเนินการ
- การวางแผนเชิงกลยุทธ์ช่วยป้องกัน "ความเหนื่อยล้าจากการใช้เครื่องมือ" โดยการจำกัดจำนวนโครงการ AI ที่ดำเนินการพร้อมกัน
- การนำไปใช้ให้ประสบความสำเร็จต้องอาศัยกระบวนการทำงานที่มี 'มนุษย์เข้ามามีส่วนร่วม' เพื่อสร้างความไว้วางใจกับพนักงาน
กลยุทธ์ AI คืออะไร
แผนงานระดับสูงที่เชื่อมโยงโครงการปัญญาประดิษฐ์เข้ากับเป้าหมายทางธุรกิจหลักและวิสัยทัศน์ระยะยาว
- โดยจะเน้นที่การระบุกรณีการใช้งานที่มีผลกระทบสูงมากกว่าข้อกำหนดการเขียนโค้ดเฉพาะเจาะจง
- ทีมผู้บริหารใช้ขั้นตอนนี้ในการประเมินความพร้อมด้านข้อมูลและความพร้อมขององค์กร
- องค์ประกอบสำคัญประการหนึ่งคือการตัดสินใจว่าจะ "สร้างเองหรือซื้อ" สำหรับเครื่องมือ AI ที่เสนอมาทุกชิ้น
- เอกสารนี้กำหนดขอบเขตทางจริยธรรมและนโยบายการกำกับดูแลที่บริษัทต้องปฏิบัติตาม
- ความสำเร็จวัดได้จากความสอดคล้องเชิงกลยุทธ์และความได้เปรียบในการแข่งขันที่คาดการณ์ไว้
การนำ AI ไปใช้ คืออะไร
กระบวนการทางเทคนิคและปฏิบัติการในการพัฒนา ทดสอบ และใช้งานโมเดล AI ในขั้นตอนการทำงานประจำวัน
- ขั้นตอนนี้เกี่ยวข้องกับงานหนักด้านการทำความสะอาดข้อมูล การติดป้ายกำกับ และการประมวลผลข้อมูล
- นักพัฒนาให้ความสำคัญกับ MLOps เพื่อให้มั่นใจว่าโมเดลยังคงมีความแม่นยำหลังจากใช้งานจริงแล้ว
- จำเป็นต้องมีการบูรณาการอย่างลึกซึ้งกับระบบเทคโนโลยีที่มีอยู่เดิม เช่น ระบบ ERP หรือ CRM
- การฝึกอบรมผู้ใช้และการจัดการการเปลี่ยนแปลงมีความสำคัญอย่างยิ่งต่อการสร้างความมั่นใจว่าพนักงานจะนำเครื่องมือไปใช้อย่างแท้จริง
- ประสิทธิภาพจะถูกติดตามผ่านตัวชี้วัดทางเทคนิค เช่น ความหน่วง ความแม่นยำ และระยะเวลาการทำงานของระบบ
ตารางเปรียบเทียบ
| ฟีเจอร์ | กลยุทธ์ AI | การนำ AI ไปใช้ |
|---|---|---|
| คำถามหลัก | ทำไมเราถึงทำเช่นนี้? | เราจะทำให้มันสำเร็จได้อย่างไร? |
| ผู้มีส่วนได้ส่วนเสียหลัก | ผู้บริหารระดับสูง, คณะกรรมการ, นักวางกลยุทธ์ | ไอที, นักวิทยาศาสตร์ข้อมูล, ฝ่ายปฏิบัติการ |
| เอาต์พุต | แผนงานและนโยบาย | โค้ดที่ใช้งานได้จริงและ API ที่ผสานรวม |
| ไทม์ไลน์ | จากหลายสัปดาห์สู่หลายเดือน (การวางแผน) | หลายเดือนถึงหลายปี (ต่อเนื่อง) |
| การมุ่งเน้นความเสี่ยง | ความเสี่ยงด้านตลาดและกลยุทธ์ | ความเสี่ยงทางเทคนิคและการดำเนินงาน |
| ตัวชี้วัดความสำเร็จ | ผลตอบแทนจากการลงทุนและมูลค่าที่คาดการณ์ไว้ | ความแม่นยำของแบบจำลองและการยอมรับของผู้ใช้ |
การเปรียบเทียบโดยละเอียด
วิสัยทัศน์ที่สอดคล้องกัน กับความเป็นจริงทางเทคนิค
กลยุทธ์ AI ช่วยให้คุณไม่ได้แค่ตามกระแส แต่เชื่อมโยงเทคโนโลยีเข้ากับปัญหาเฉพาะเจาะจง เช่น การลดอัตราการเลิกใช้บริการของลูกค้าลง 10% การนำไปใช้งานจริงคือจุดที่ความฝันมาบรรจบกับความเป็นจริง ซึ่งมักจะเผยให้เห็นว่าข้อมูลของคุณยุ่งเหยิงเกินไป หรือเซิร์ฟเวอร์เดิมของคุณไม่สามารถรองรับภาระการประมวลผลได้ หากไม่มีกลยุทธ์ คุณอาจสร้างเครื่องมือที่ดูดีแต่ไม่มีใครใช้ และหากไม่มีการนำไปใช้งาน กลยุทธ์ของคุณก็เป็นเพียงแค่สไลด์นำเสนอราคาแพงเท่านั้น
การจัดสรรทรัพยากรและการจัดทำงบประมาณ
กลยุทธ์เกี่ยวข้องกับการตัดสินใจว่าจะลงทุนเงินทุนไปที่ใด ไม่ว่าจะเป็นการจ้างหัวหน้าฝ่าย AI คนใหม่ หรือการลงทุนในโครงสร้างพื้นฐานคลาวด์เฉพาะทาง การดำเนินการคือการใช้จ่ายงบประมาณนั้นจริง ๆ สำหรับโทเค็น API บริการติดป้ายข้อมูล และชั่วโมงการทำงานของวิศวกรที่จำเป็นในการสร้างผลิตภัณฑ์ขั้นต่ำที่ใช้งานได้จริง การจัดการที่มีประสิทธิภาพต้องอาศัยการแลกเปลี่ยนข้อมูลอย่างต่อเนื่องระหว่างทั้งสองส่วน เพื่อให้แน่ใจว่าต้นทุนการดำเนินการจะไม่บานปลายเกินกว่ามูลค่าที่คาดการณ์ไว้ในกลยุทธ์
บทบาทของการกำกับดูแลข้อมูล
ในระหว่างขั้นตอนการวางกลยุทธ์ ผู้นำจะกำหนดกฎเกณฑ์เกี่ยวกับการคุ้มครองข้อมูลส่วนบุคคลและการใช้งานอย่างมีจริยธรรมเพื่อหลีกเลี่ยงการฟ้องร้องหรือความเสียหายต่อแบรนด์ในอนาคต จากนั้นทีมงานที่รับผิดชอบการดำเนินการจะต้องหาทางที่จะนำกฎเหล่านั้นไปใส่ไว้ในโค้ด โดยใช้เทคนิคต่างๆ เช่น การปกปิดข้อมูลส่วนบุคคล หรืออัลกอริธึมตรวจจับความลำเอียง นี่คือความแตกต่างระหว่างการพูดว่า 'เราจะทำอย่างมีจริยธรรม' กับการเขียนโค้ดตรวจสอบเพื่อป้องกันไม่ให้โมเดลทำงานผิดพลาด
ขยายผลจากโครงการนำร่องสู่ระดับองค์กร
กลยุทธ์เป็นการวางแผนเส้นทางว่าโครงการนำร่องขนาดเล็กในแผนกหนึ่งจะขยายไปสู่ทั้งบริษัทได้อย่างไร ส่วนการนำไปปฏิบัติเป็นงานที่ยากลำบากในการย้ายโครงการนำร่องนั้นจากสภาพแวดล้อม "แล็ปท็อป" ไปสู่สภาพแวดล้อมการผลิตบนคลาวด์ที่แข็งแกร่งซึ่งพนักงานหลายพันคนสามารถเข้าถึงพร้อมกันได้ ซึ่งมักจะต้องเปลี่ยนจากสคริปต์แบบง่ายๆ ไปเป็นไปป์ไลน์ "MLOps" ที่ซับซ้อนซึ่งตรวจสอบสถานะของโมเดลอย่างต่อเนื่อง
ข้อดีและข้อเสีย
กลยุทธ์ AI
ข้อดี
- + ทิศทางธุรกิจที่ชัดเจน
- + การบริหารความเสี่ยงที่ดีขึ้น
- + การใช้ทรัพยากรอย่างมีประสิทธิภาพสูงสุด
- + รับประกันการปฏิบัติตามหลักจริยธรรม
ยืนยัน
- − อาจกลายเป็น 'สินค้าที่ยังไม่มีอยู่จริง'
- − ทำให้การดำเนินการเริ่มต้นช้าลง
- − ค่าใช้จ่ายในการให้คำปรึกษาสูง
- − มักขาดความลึกซึ้งทางเทคนิค
การนำ AI ไปใช้
ข้อดี
- + ให้ผลลัพธ์ที่จับต้องได้
- + สร้างความเชี่ยวชาญภายในองค์กร
- + ช่วยเพิ่มประสิทธิภาพในการทำงานประจำวัน
- + สร้างข้อมูลจากโลกแห่งความเป็นจริง
ยืนยัน
- − ความซับซ้อนทางเทคนิคสูง
- − ความเสี่ยงจากการใช้เครื่องมือแบบ 'แยกส่วน'
- − ค่าใช้จ่ายในการบำรุงรักษาอย่างต่อเนื่อง
- − มีโอกาสเกิดความล้มเหลวสูง
ความเข้าใจผิดทั่วไป
ตำนาน
การนำ AI มาใช้งานนั้นเป็นหน้าที่ของฝ่ายไอทีโดยเฉพาะ
ความเป็นจริง
การนำไปใช้ให้ประสบความสำเร็จนั้นขึ้นอยู่กับ 'การบริหารจัดการการเปลี่ยนแปลง' เป็นอย่างมาก ซึ่งเกี่ยวข้องกับการที่ฝ่ายทรัพยากรบุคคลและหัวหน้าแผนกต่างๆ ช่วยให้พนักงานปรับตัวเข้ากับขั้นตอนการทำงานอัตโนมัติแบบใหม่
ตำนาน
การมีกลยุทธ์หมายความว่าคุณ "พร้อมรับมือกับ AI" แล้ว
ความเป็นจริง
การเตรียมความพร้อมเชิงกลยุทธ์เป็นเพียงครึ่งหนึ่งของความสำเร็จ หากโครงสร้างข้อมูลของคุณล้าสมัย การวางแผนระดับสูงเพียงอย่างเดียวไม่สามารถทำให้การนำไปใช้งานประสบความสำเร็จได้
ตำนาน
การดำเนินการติดตั้งมีค่าใช้จ่ายในการตั้งค่าเพียงครั้งเดียว
ความเป็นจริง
ระบบ AI จำเป็นต้องมีการ 'ตรวจสอบและฝึกฝนใหม่' อย่างต่อเนื่องเมื่อข้อมูลเปลี่ยนแปลง ทำให้การนำไปใช้งานกลายเป็นค่าใช้จ่ายในการดำเนินงานถาวร ไม่ใช่โครงการที่ทำเพียงครั้งเดียว
คำถามที่พบบ่อย
ฉันจะรู้ได้อย่างไรว่าบริษัทของฉันจำเป็นต้องมีกลยุทธ์ AI ใหม่?
หากทีมของคุณกำลังเปิดตัวเครื่องมือ AI ต่างๆ ที่ไม่สามารถทำงานร่วมกันได้ หรือหากคุณกำลังใช้จ่ายเงินไปกับ AI โดยไม่เห็นผลกระทบที่ชัดเจนต่อผลกำไรของคุณ แสดงว่ากลยุทธ์ของคุณอาจผิดพลาด กลยุทธ์ที่ดีทำหน้าที่เหมือนตัวกรอง ช่วยให้คุณปฏิเสธเครื่องมือใหม่ๆ ที่ดูดีแต่ไม่ได้ตอบสนองวัตถุประสงค์ทางธุรกิจที่เฉพาะเจาะจงของคุณ มันจะนำความเป็นระเบียบมาสู่สิ่งที่มักจะดูวุ่นวายในด้านเทคโนโลยี
ในการนำ AI ไปใช้งานนั้น 'Pilot Purgatory' คืออะไร?
นี่เป็นสถานการณ์ทั่วไปที่บริษัทสร้างต้นแบบ AI ขนาดเล็ก (โครงการนำร่อง) ได้สำเร็จ แต่ล้มเหลวในการบูรณาการเข้ากับธุรกิจจริง โดยปกติแล้วจะเกิดขึ้นเพราะทีมงานที่รับผิดชอบการนำไปใช้งานไม่ได้คำนึงถึงความซับซ้อนของการขยายขนาด เช่น ความปลอดภัย การฝึกอบรมผู้ใช้ หรือค่าใช้จ่ายคลาวด์ที่สูง การก้าวผ่านขั้นตอนนี้ไปได้ต้องอาศัยกลยุทธ์ที่วางแผนการบูรณาการทั่วทั้งองค์กรตั้งแต่วันแรก
ฉันจำเป็นต้องจ้าง 'ประธานเจ้าหน้าที่ฝ่ายปัญญาประดิษฐ์' สำหรับขั้นตอนการวางกลยุทธ์หรือไม่?
แม้ว่าไม่ใช่ทุกบริษัทจำเป็นต้องมี CAIO (ประธานเจ้าหน้าที่ฝ่ายสารสนเทศ) แต่คุณก็จำเป็นต้องมีคนที่ทำหน้าที่เชื่อมโยงระหว่างธุรกิจและเทคโนโลยี สำหรับบริษัทขนาดเล็ก อาจเป็น CTO ที่มีวิสัยทัศน์ทางธุรกิจที่แข็งแกร่ง สำหรับองค์กรขนาดใหญ่ ผู้นำที่ทุ่มเทจะช่วยให้มั่นใจได้ว่ากลยุทธ์ AI ไม่ใช่แค่โครงการเสริมของทีมไอที แต่เป็นเสาหลักสำคัญของแผนการแข่งขันในอนาคตของบริษัททั้งหมด
เหตุใดการดำเนินการจึงมักใช้เวลานานกว่าที่คาดไว้?
ส่วนที่ 'ซ่อนอยู่' ในกระบวนการนำไปใช้งานคือการเตรียมข้อมูล บริษัทส่วนใหญ่พบว่าข้อมูลของตนถูกจัดเก็บในรูปแบบที่แตกต่างกัน กระจัดกระจายอยู่ในหลายๆ ที่ หรือมีข้อผิดพลาดที่ทำให้ไม่สามารถนำไปใช้ฝึกฝน AI ได้ การทำความสะอาดและจัดระเบียบข้อมูลนี้อาจใช้เวลาถึง 80% ของระยะเวลาในการนำไปใช้งาน ซึ่งเป็นความจริงที่มักถูกประเมินต่ำไปในระหว่างการประชุมวางแผนกลยุทธ์ในช่วงเริ่มต้น
ฉันสามารถนำ AI มาใช้ได้โดยไม่ต้องมีกลยุทธ์ที่เป็นทางการหรือไม่?
คุณทำได้ แต่มีความเสี่ยง คุณอาจลงเอยด้วยการใช้ระบบอัตโนมัติกับกระบวนการที่บกพร่องอยู่แล้ว หรือเลือกผู้ให้บริการที่ไม่ตรงกับความต้องการด้านความปลอดภัยในอนาคตของคุณ การนำไปใช้โดยไม่มีกลยุทธ์ก็เหมือนกับการสร้างบ้านโดยไม่มีแบบแปลน คุณอาจสร้างห้องบางห้องเสร็จ แต่โครงสร้างทั้งหมดอาจไม่มั่นคงหรือล้มเหลวในการตอบสนองความต้องการของคุณในที่สุด
วัฒนธรรมองค์กรมีบทบาทอย่างไรในการนำไปปฏิบัติ?
วัฒนธรรมเป็นตัวแปรสำคัญที่อาจส่งผลเสียในระยะยาว หากพนักงานกลัวว่าการนำ AI มาใช้จะเข้ามาแทนที่พวกเขา พวกเขาอาจต่อต้านการใช้เครื่องมือนี้ หรือแม้แต่ให้ข้อมูลที่ไม่ดีแก่ AI การนำไปใช้จึงต้องมีแผนการสื่อสารที่ชัดเจน ซึ่งอธิบายว่า AI จะเสริมบทบาทของพวกเขา ลดงานที่น่าเบื่อ และมอบโอกาสใหม่ๆ สำหรับงานสร้างสรรค์ระดับสูงได้อย่างไร
คุณจะวัดผลตอบแทนจากการลงทุน (ROI) ของการนำ AI มาใช้ได้อย่างไร?
ผลตอบแทนจากการลงทุน (ROI) ควรวัดเทียบกับเป้าหมายเฉพาะที่กำหนดไว้ในกลยุทธ์ ซึ่งอาจเป็นการประหยัดต้นทุนที่เป็นรูปธรรม (เช่น ลดจำนวนพนักงาน หรือลดค่าใช้จ่ายด้านพลังงาน) หรือผลกำไรที่ไม่เป็นรูปธรรม (เช่น คะแนนความพึงพอใจของลูกค้าที่สูงขึ้น หรือรอบการออกผลิตภัณฑ์ที่เร็วขึ้น) สิ่งสำคัญคือต้องติดตามตัวชี้วัดเหล่านี้ทั้งก่อนและหลังการดำเนินการ เพื่อพิสูจน์คุณค่าให้แก่ผู้มีส่วนได้ส่วนเสีย
ในบริบทของ AI การ "สร้างเอง" กับ "ซื้อ" แตกต่างกันอย่างไร?
นี่เป็นการตัดสินใจเชิงกลยุทธ์ 'การซื้อ' หมายถึงการใช้ซอฟต์แวร์สำเร็จรูป (เช่น ChatGPT หรือ CRM ที่ใช้ AI เฉพาะทาง) ซึ่งเร็วกว่าแต่มีความเป็นเอกลักษณ์น้อยกว่า 'การสร้าง' หมายถึงการสร้างแบบจำลองที่เป็นกรรมสิทธิ์ของคุณเอง ซึ่งจะทำให้คุณได้เปรียบในการแข่งขันที่ไม่เหมือนใคร แต่มีค่าใช้จ่ายในการดำเนินการสูงกว่ามาก บริษัทส่วนใหญ่ใช้วิธีผสมผสาน โดยซื้อสำหรับงานมาตรฐานและสร้างสำหรับกระบวนการ 'สูตรลับ' ของตนเอง
คำตัดสิน
หากองค์กรของคุณรู้สึกว่ามีตัวเลือกมากมายจนเกินไปและต้องการจัดลำดับความสำคัญอย่างชัดเจน ควรเลือกเน้นที่กลยุทธ์ AI หรือหากคุณมีแผนอยู่แล้วแต่พบว่าโครงการของคุณติดอยู่ในขั้นตอน "นำร่องที่ไร้ผล" โดยที่ยังไม่เห็นผลลัพธ์ที่เป็นรูปธรรม ควรเปลี่ยนไปเน้นที่การนำ AI ไปใช้งานจริง
การเปรียบเทียบที่เกี่ยวข้อง
AI ที่เน้นการปฏิบัติงานเทียบกับ AI ที่เน้นการกำกับดูแล
องค์กรสมัยใหม่กำลังเผชิญกับความท้าทายระหว่างแรงผลักดันในการนำระบบอัตโนมัติมาใช้ที่รวดเร็วและความจำเป็นในการกำกับดูแลอย่างเข้มงวด ในขณะที่ AI ที่เน้นการปฏิบัติงานจะให้ความสำคัญกับความเร็ว ผลลัพธ์ และการแก้ปัญหาในทันที AI ที่เน้นการกำกับดูแลจะให้ความสำคัญกับความปลอดภัย จริยธรรม และการปฏิบัติตามกฎระเบียบ เพื่อให้มั่นใจถึงเสถียรภาพขององค์กรในระยะยาว
OKR ที่โปร่งใส เทียบกับ เป้าหมายของแผนกที่ไม่เปิดเผยตัวตน
การเลือกระหว่างการเปิดเผยข้อมูลการดำเนินงานอย่างโปร่งใสกับการรักษาความเป็นส่วนตัวของแต่ละแผนกนั้น มีผลต่อวัฒนธรรมองค์กรโดยรวม ในขณะที่ OKRs ที่โปร่งใสช่วยสร้างความสอดคล้องโดยให้ทุกคนเห็นว่างานของตนเชื่อมโยงกับวิสัยทัศน์ของ CEO อย่างไร เป้าหมายที่เป็นส่วนตัวจะช่วยสร้างสภาพแวดล้อมที่ปลอดภัยสำหรับทีมเฉพาะทางในการพัฒนาปรับปรุงงานโดยปราศจากการตรวจสอบจากภายนอกหรือการคาดเดาจากหน่วยงานอื่นอย่างต่อเนื่อง
OKR ที่สอดคล้องกัน กับ เป้าหมายทีมที่แยกจากกัน
การเปรียบเทียบนี้จะสำรวจความแตกต่างพื้นฐานระหว่าง OKRs ที่สอดคล้องกัน ซึ่งเชื่อมโยงความพยายามของแต่ละบุคคลเข้ากับภารกิจหลักของบริษัท และเป้าหมายของทีมที่แยกจากกัน ซึ่งมุ่งเน้นไปที่ผลการดำเนินงานในระดับท้องถิ่น ในขณะที่ความสอดคล้องส่งเสริมความโปร่งใสและเป้าหมายร่วมกัน เป้าหมายที่แยกจากกันอาจนำไปสู่การแบ่งแยกภายในแผนกและลำดับความสำคัญที่ขัดแย้งกัน ซึ่งขัดขวางความก้าวหน้าโดยรวมขององค์กร
OKR แบบบนลงล่าง เทียบกับ OKR แบบล่างขึ้นบน
การเปรียบเทียบนี้จะพิจารณาสองแนวทางหลักในการกำหนดเป้าหมายเชิงกลยุทธ์ ได้แก่ OKR แบบบนลงล่าง ซึ่งให้ความสำคัญกับวิสัยทัศน์และการประสานงานของผู้บริหาร และ OKR แบบล่างขึ้นบน ซึ่งใช้ประโยชน์จากความเชี่ยวชาญและความเป็นอิสระในระดับทีม แนวทางแบบบนลงล่างช่วยให้ทุกคนทำงานไปในทิศทางเดียวกัน ในขณะที่แนวทางแบบล่างขึ้นบนจะกระตุ้นให้เกิดการมีส่วนร่วมและนวัตกรรมที่เป็นรูปธรรมจากระดับปฏิบัติการมากขึ้น
OKR ระดับบริษัท เทียบกับ OKR ระดับบุคคล
การเปรียบเทียบนี้จะแสดงให้เห็นถึงความแตกต่างระหว่าง OKR ระดับบริษัท ซึ่งกำหนดเป้าหมายหลักโดยรวมขององค์กรทั้งหมด และ OKR ระดับบุคคล ซึ่งมุ่งเน้นไปที่การพัฒนาส่วนบุคคลและการมีส่วนร่วมที่เฉพาะเจาะจง ในขณะที่เป้าหมายของบริษัทให้วิสัยทัศน์ เป้าหมายส่วนบุคคลจะแปลงวิสัยทัศน์นั้นไปสู่ความรับผิดชอบและการเติบโตส่วนบุคคล