การเลือกระหว่างการเติบโตแบบค่อยเป็นค่อยไปและการกำกับดูแลที่มีโครงสร้าง จะเป็นตัวกำหนดว่าบริษัทจะบูรณาการปัญญาประดิษฐ์ (AI) อย่างไร การนำไปใช้จากล่างขึ้นบนส่งเสริมการสร้างนวัตกรรมอย่างรวดเร็วและการเพิ่มศักยภาพให้แก่พนักงาน ในขณะที่นโยบายจากบนลงล่างช่วยให้มั่นใจได้ถึงความปลอดภัย การปฏิบัติตามกฎระเบียบ และการสอดคล้องกับกลยุทธ์ การเข้าใจถึงการทำงานร่วมกันระหว่างปรัชญาการจัดการที่แตกต่างกันสองแบบนี้เป็นสิ่งสำคัญสำหรับองค์กรสมัยใหม่ใดๆ ที่ต้องการขยายขีดความสามารถของ AI อย่างมีประสิทธิภาพ
แนวทางที่เป็นธรรมชาติ โดยให้พนักงานระบุและนำเครื่องมือ AI มาใช้เพื่อแก้ไขปัญหาเฉพาะของแผนกหรือปัญหาเฉพาะบุคคล
กลยุทธ์แบบรวมศูนย์ที่ผู้บริหารกำหนดเครื่องมือ AI เฉพาะ หลักเกณฑ์ด้านจริยธรรม และโปรโตคอลด้านความปลอดภัยสำหรับทั้งบริษัท
| ฟีเจอร์ | การนำ AI มาใช้จากล่างขึ้นบน | นโยบาย AI จากบนลงล่าง |
|---|---|---|
| คนขับหลัก | ผลผลิตของแต่ละบุคคล | กลยุทธ์องค์กร |
| ความเร็วในการดำเนินการ | รวดเร็ว/ทันที | ปานกลาง/เป็นระยะ |
| การจัดการความเสี่ยง | กระจายอำนาจ/ความเสี่ยงสูง | ระบบส่วนกลาง/ความเสี่ยงต่ำ |
| โครงสร้างต้นทุน | การสมัครสมาชิกแบบแยกส่วน | การออกใบอนุญาตระดับองค์กร |
| ความเป็นอิสระของพนักงาน | สูง | แบบมีไกด์/จำกัด |
| ความสามารถในการปรับขนาด | ยากที่จะกำหนดมาตรฐาน | ออกแบบมาเพื่อรองรับขนาด |
| การกำกับดูแลด้านจริยธรรม | เฉพาะกิจ/แตกต่างกันไป | เข้มงวด/เป็นทางการ |
การนำไปใช้จากล่างขึ้นบนเปรียบเสมือนห้องทดลองที่พนักงานใช้ทดสอบเครื่องมือต่างๆ เพื่อดูว่าอะไรใช้ได้ผลจริงในภาคสนาม ในทางตรงกันข้าม นโยบายจากบนลงล่างทำหน้าที่เป็นเหมือนรั้วกั้น คอยตรวจสอบให้แน่ใจว่านวัตกรรมเหล่านี้จะไม่กระทบต่อข้อมูลของบริษัทหรือสถานะทางกฎหมาย ในขณะที่วิธีการแบบค่อยเป็นค่อยไปนำไปสู่ช่วงเวลาแห่งการค้นพบที่รวดเร็วกว่า วิธีการที่ขับเคลื่อนด้วยนโยบายจะช่วยป้องกันความวุ่นวายจากการที่มีเครื่องมือ AI ยี่สิบชนิดทำงานเดียวกัน
จุดอ่อนสำคัญเกิดขึ้นเมื่อพนักงานใช้โมเดล AI สาธารณะกับข้อมูลสำคัญขององค์กร ซึ่งเป็นความเสี่ยงทั่วไปในสถานการณ์ที่นโยบายกำหนดจากล่างขึ้นบน นโยบายที่กำหนดจากบนลงล่างจะจัดการปัญหานี้โดยตรงด้วยการกำหนดให้ใช้ระบบส่วนตัวหรือคุณสมบัติการรักษาความปลอดภัยระดับองค์กร หากไม่มีนโยบายส่วนกลาง องค์กรอาจเสี่ยงต่อการรั่วไหลของข้อมูลและ "ภาพลวงตา" ที่ส่งผลกระทบต่อการตัดสินใจทางธุรกิจที่สำคัญโดยปราศจากความปลอดภัย
การบังคับใช้ AI จากระดับบนสุดบางครั้งอาจทำให้พนักงานรู้สึกเหมือนเป็นภาระ ส่งผลให้มีการใช้งานน้อยลงหากเครื่องมือเหล่านั้นไม่เหมาะสมกับขั้นตอนการทำงานจริง ในทางกลับกัน การเติบโตจากล่างขึ้นบนจะช่วยให้มั่นใจได้ว่าผู้ที่ใช้เครื่องมือเหล่านั้นต้องการใช้มันจริงๆ บริษัทที่ประสบความสำเร็จมากที่สุดจะหาจุดกึ่งกลาง โดยใช้การสนับสนุนจากบนลงล่างในการจัดหาเงินทุนและจัดหาเครื่องมือที่พนักงานได้พิสูจน์แล้วว่ามีประโยชน์
ต้นทุนแบบจากล่างขึ้นบนมักถูกซ่อนอยู่ในรายงานค่าใช้จ่าย "เบ็ดเตล็ด" ซึ่งอาจนำไปสู่ค่าใช้จ่ายสะสมที่สูงเกินคาดเมื่อเวลาผ่านไป การบริหารจัดการแบบจากบนลงล่างช่วยให้ CFO มองเห็นภาพรวมของการลงทุนและเจรจาต่อรองอัตราที่ดีกว่ากับผู้ขายเช่น OpenAI หรือ Microsoft ได้ อย่างไรก็ตาม งบประมาณแบบจากบนลงล่างที่เข้มงวดอาจจำกัดความคล่องตัวที่จำเป็นในการปรับเปลี่ยนเมื่อมีโมเดล AI ที่เหนือกว่าเข้าสู่ตลาด
นโยบายจากบนลงล่างมักจะขัดขวางนวัตกรรมเสมอ
ที่จริงแล้ว นโยบายที่ดีจะสร้าง 'พื้นที่ทดลอง' ที่พนักงานสามารถทดลองได้อย่างปลอดภัย มันไม่ได้หยุดยั้งนวัตกรรม แต่เป็นการรับประกันว่านวัตกรรมนั้นจะไม่นำไปสู่การฟ้องร้องหรือการรั่วไหลของข้อมูล
การนำไปใช้จากล่างขึ้นบนนั้นไม่มีค่าใช้จ่าย เพราะพนักงานใช้เครื่องมือฟรี
เครื่องมือ "ฟรี" มักมีต้นทุนแฝงอยู่ ซึ่งโดยปกติแล้วมักถูกจ่ายด้วยข้อมูลของบริษัท นอกจากนี้ เวลาที่พนักงานใช้ในการแก้ไขปัญหาซอฟต์แวร์ที่ไม่ได้รับการสนับสนุนยังก่อให้เกิดต้นทุนแรงงานจำนวนมากอีกด้วย
คุณต้องเลือกอย่างใดอย่างหนึ่ง
องค์กรที่มีประสิทธิภาพสูงส่วนใหญ่ใช้โมเดลแบบผสมผสาน พวกเขาอนุญาตให้ทีมทดลองใช้ (จากล่างขึ้นบน) แต่กำหนดให้ทีมเหล่านั้นต้องย้ายไปใช้แพลตฟอร์มที่ได้รับการอนุมัติและปลอดภัย (จากบนลงล่าง) เมื่อเครื่องมือดังกล่าวพิสูจน์คุณค่าแล้ว
ฝ่ายไอทีไม่ชอบ AI ที่พัฒนาจากล่างขึ้นบน
โดยทั่วไปแล้ว ผู้เชี่ยวชาญด้านไอทีชื่นชมความกระตือรือร้นในเทคโนโลยีใหม่ ๆ แต่ไม่ชอบการขาดความโปร่งใส พวกเขาชอบรูปแบบการทำงานร่วมกันที่ผู้ใช้เสนอแนะเครื่องมือ และฝ่ายไอทีจัดหาโครงสร้างพื้นฐานที่ปลอดภัยเพื่อใช้งานเครื่องมือเหล่านั้น
เลือกวิธีการปรับใช้จากล่างขึ้นบนหากคุณเป็นสตาร์ทอัพขนาดเล็กที่คล่องตัวและต้องการค้นหาความเหมาะสมของผลิตภัณฑ์กับตลาดผ่านการทดลองอย่างรวดเร็ว เลือกวิธีการปรับใช้จากบนลงล่างหากคุณดำเนินธุรกิจในอุตสาหกรรมที่มีกฎระเบียบ หรือมีพนักงานจำนวนมากที่ความปลอดภัยของข้อมูลและประสิทธิภาพด้านต้นทุนมีความสำคัญสูงสุด
องค์กรสมัยใหม่กำลังเผชิญกับความท้าทายระหว่างแรงผลักดันในการนำระบบอัตโนมัติมาใช้ที่รวดเร็วและความจำเป็นในการกำกับดูแลอย่างเข้มงวด ในขณะที่ AI ที่เน้นการปฏิบัติงานจะให้ความสำคัญกับความเร็ว ผลลัพธ์ และการแก้ปัญหาในทันที AI ที่เน้นการกำกับดูแลจะให้ความสำคัญกับความปลอดภัย จริยธรรม และการปฏิบัติตามกฎระเบียบ เพื่อให้มั่นใจถึงเสถียรภาพขององค์กรในระยะยาว
การเลือกระหว่างการเปิดเผยข้อมูลการดำเนินงานอย่างโปร่งใสกับการรักษาความเป็นส่วนตัวของแต่ละแผนกนั้น มีผลต่อวัฒนธรรมองค์กรโดยรวม ในขณะที่ OKRs ที่โปร่งใสช่วยสร้างความสอดคล้องโดยให้ทุกคนเห็นว่างานของตนเชื่อมโยงกับวิสัยทัศน์ของ CEO อย่างไร เป้าหมายที่เป็นส่วนตัวจะช่วยสร้างสภาพแวดล้อมที่ปลอดภัยสำหรับทีมเฉพาะทางในการพัฒนาปรับปรุงงานโดยปราศจากการตรวจสอบจากภายนอกหรือการคาดเดาจากหน่วยงานอื่นอย่างต่อเนื่อง
การเปรียบเทียบนี้จะสำรวจความแตกต่างพื้นฐานระหว่าง OKRs ที่สอดคล้องกัน ซึ่งเชื่อมโยงความพยายามของแต่ละบุคคลเข้ากับภารกิจหลักของบริษัท และเป้าหมายของทีมที่แยกจากกัน ซึ่งมุ่งเน้นไปที่ผลการดำเนินงานในระดับท้องถิ่น ในขณะที่ความสอดคล้องส่งเสริมความโปร่งใสและเป้าหมายร่วมกัน เป้าหมายที่แยกจากกันอาจนำไปสู่การแบ่งแยกภายในแผนกและลำดับความสำคัญที่ขัดแย้งกัน ซึ่งขัดขวางความก้าวหน้าโดยรวมขององค์กร
การเปรียบเทียบนี้จะพิจารณาสองแนวทางหลักในการกำหนดเป้าหมายเชิงกลยุทธ์ ได้แก่ OKR แบบบนลงล่าง ซึ่งให้ความสำคัญกับวิสัยทัศน์และการประสานงานของผู้บริหาร และ OKR แบบล่างขึ้นบน ซึ่งใช้ประโยชน์จากความเชี่ยวชาญและความเป็นอิสระในระดับทีม แนวทางแบบบนลงล่างช่วยให้ทุกคนทำงานไปในทิศทางเดียวกัน ในขณะที่แนวทางแบบล่างขึ้นบนจะกระตุ้นให้เกิดการมีส่วนร่วมและนวัตกรรมที่เป็นรูปธรรมจากระดับปฏิบัติการมากขึ้น
การเปรียบเทียบนี้จะแสดงให้เห็นถึงความแตกต่างระหว่าง OKR ระดับบริษัท ซึ่งกำหนดเป้าหมายหลักโดยรวมขององค์กรทั้งหมด และ OKR ระดับบุคคล ซึ่งมุ่งเน้นไปที่การพัฒนาส่วนบุคคลและการมีส่วนร่วมที่เฉพาะเจาะจง ในขณะที่เป้าหมายของบริษัทให้วิสัยทัศน์ เป้าหมายส่วนบุคคลจะแปลงวิสัยทัศน์นั้นไปสู่ความรับผิดชอบและการเติบโตส่วนบุคคล
