AI Trends 2026 - ห้าเทรนด์ AI หลักที่มีผลกระทบต่อ CIO
การนำทางด่วน
แท็ก
แชร์สไลด์
AI Trends 2026 - ห้าเทรนด์ AI หลักที่มีผลกระทบต่อ CIO
มุมมองรายละเอียดของแต่ละหน้าสไลด์ รวมถึงlayout เนื้อหาหลักและองค์ประกอบภาพ
สไลด์ชื่อเรื่องแสดง 'AI TRENDS 2026' พร้อมคำบรรยายใต้ภาพ 'FIVE KEY AI TRENDS AFFECTING CIOs' และตราสินค้า Info-Tech Research Group บนพื้นหลังไล่ระดับสีพร้อมเอฟเฟกต์แสง
ตัวอักษรขนาดใหญ่ตัวหนาสำหรับชื่อเรื่อง, layout กึ่งกลางพร้อมโลโก้ Info-Tech ที่มุมขวาบน, โทนสีไล่ระดับที่ทันสมัยจากสีน้ำเงินเข้มเป็นสีเขียวอมฟ้า/ชมพู
บทสรุปสำหรับผู้บริหารแสดงรายการห้าแนวโน้มหลัก: 1) หลักการ Foundational AI จะเขียน DNA ขององค์กรใหม่, 2) จาก copilots สู่ vibe coding: AI จะยังคงคิดค้น IT ใหม่ต่อไป, 3) Agentic AI จะเติบโตเต็มที่และขับเคลื่อน exponential enterprise, 4) การบริหารความเสี่ยงจะเป็นราคาที่ต้องจ่ายสำหรับการเข้าถึง AI, 5) AI จะแขวนอยู่บนความสมดุลระหว่างอิสรภาพและการควบคุม
พื้นหลังไล่ระดับสีเข้มพร้อมรูปแบบรายการตามไอคอน, แต่ละแนวโน้มมีไอคอนสี (สีม่วง, สีเขียว, สีน้ำเงิน, สีส้ม, สีชมพู) พร้อมชื่อเรื่องและคำอธิบาย
ภาพรวมของพื้นฐานการสำรวจพร้อมการตอบกลับจากผู้นำด้าน IT 700+ รายการตั้งแต่วันที่พฤษภาคม-มิถุนายน 2025 ส่วนใหญ่อยู่ในอเมริกาเหนือ แต่มีการเป็นตัวแทนทั่วโลก ตำแหน่งระดับ director ขึ้นไป ครอบคลุม 12+ อุตสาหกรรมรวมถึงภาครัฐ บริการทางการเงิน การศึกษา การผลิต บริการระดับมืออาชีพ การดูแลสุขภาพ และอื่นๆ
เนื้อหาข้อความด้านซ้ายพร้อมภาพจำลองแล็ปท็อปด้านขวาที่แสดงอินเทอร์เฟซการสำรวจ พื้นหลังสีขาวพร้อมข้อความสีเข้ม
ตัวแบ่งส่วนแนะนำแนวโน้มแรกด้วยภาพสีม่วงที่แสดงตัวอักษร AI 3D นามธรรมพร้อมการบูรณาการทิวทัศน์เมือง สโลแกนอ่านว่า 'กลยุทธ์ AI จะได้รับแจ้งจากชุดหลักการที่เกิดขึ้นใหม่'
ภาพศิลปะแบบเต็มหน้ากระดาษพร้อมไอคอนแนวโน้มที่ด้านบนซ้าย ข้อความขนาดใหญ่ซ้อนทับที่ด้านซ้าย การเรนเดอร์ 3D นามธรรมที่ด้านขวา
กรอบการทำงานที่แสดงให้เห็นว่ากลยุทธ์ AI ขับเคลื่อนโดยกลยุทธ์องค์กรและตัวขับเคลื่อนคุณค่า โดยมีองค์ประกอบหลักสี่ประการ: AI Vision (ความมุ่งมั่นที่มองไปข้างหน้า), Business Value Drivers (วิธีการรับรู้คุณค่า), Strategic AI Principles (การจัดแนวธุรกิจ-AI) และ Foundational AI Principles (การลดความเสี่ยง)
แผนภาพกึ่งกลางพร้อมฮับ AI Strategy ที่เชื่อมต่อกับองค์ประกอบโดยรอบสี่องค์ประกอบ พื้นหลังสีขาวพร้อมไอคอนภาพประกอบสำหรับแต่ละองค์ประกอบ
คำอธิบายว่าหลักการ foundational AI จัดการกับความเสี่ยง AI และสอดคล้องกับหลักการชี้นำขององค์กร ซึ่งเป็นหัวใจสำคัญของการกำกับดูแล AI และใช้เพื่อระบุประเภทความเสี่ยง แผนภาพแสดงหลักการแปดประการที่จัดเรียงในโครงสร้างคล้ายอะตอม: Sustainability, Safety and Security, Data Privacy, Explainability and Transparency, Contestability, Validity and Reliability, Accountability, Fairness and Bias Detection
ข้อความทางด้านซ้าย แผนภาพสไตล์อะตอมวงกลมทางด้านขวาแสดงหลักการที่เชื่อมต่อถึงกัน
อธิบายว่าหลักการ foundational AI ยังคงพัฒนาไปพร้อมกับข้อกำหนดด้านการกำกับดูแลขององค์กร แสดงรายการหลักการที่เป็นไปได้ที่ควรพิจารณา: Sustainability (ประหยัดพลังงาน), Human Agency and Autonomy, Environmental (ผลลัพธ์เชิงบวก), Contestability (ท้าทายการตัดสินใจของ AI), Intellectual Property และหลักการที่กำหนดเองอื่นๆ
ด้านซ้ายแสดงแผนภาพอะตอมแบบเดิมจากหน้าก่อนหน้า ด้านขวารายการหลักการเพิ่มเติมที่เป็นไปได้ในกล่องสีม่วง
ข้อมูลการสำรวจแสดงให้เห็นว่าในขณะที่การพัฒนากลยุทธ์ AI อย่างเป็นทางการเป็นแนวโน้มที่เพิ่มขึ้น ส่วนใหญ่ยังไม่ได้สร้างกลยุทธ์ทั่วทั้งองค์กรอย่างเป็นทางการ: 23% มีกลยุทธ์ทั่วทั้งองค์กร 26% มีกลยุทธ์สำหรับบางพื้นที่ 34% กำลังพัฒนาในเร็วๆ นี้ 13% จะรวมเข้ากับกลยุทธ์ IT/องค์กร 3% มีกลยุทธ์ที่ล้าสมัย 1% ไม่มีแผน
แผนภูมิวงกลมด้านซ้าย กล่องข้อมูลเชิงลึกด้านขวาพร้อมพื้นหลังสีลาเวนเดอร์ที่อธิบายผลการวิจัย
ผู้ตอบแบบสอบถามมากกว่าครึ่งเข้าใจถึงความจำเป็นสำหรับหลักการ foundational AI เพื่อจัดการกับความเสี่ยง AI: 31% ได้สร้างและบูรณาการหลักการแล้ว 24% กำลังดำเนินการตามแผนการขยาย 35% กำลังประเมินและอยู่ในช่วงเริ่มต้น 6% ทราบแต่ไม่มีแผน 4% ไม่ทราบ 0% ไม่เห็นความจำเป็น (ผู้ตอบแบบสอบถามเป็นศูนย์มองว่าเป็นอุปสรรคต่อการสร้างสรรค์นวัตกรรม)
แผนภูมิวงกลมทางด้านซ้าย กล่องข้อมูลเชิงลึกทางด้านขวาพร้อมพื้นหลังสีม่วงอ่อน
องค์กรส่วนใหญ่รู้สึกพร้อมที่จะนำหลักการ AI ไปปฏิบัติ: 70% รู้สึกพร้อม (3) ถึงพร้อมอย่างเต็มที่ (5) ในระดับ 5 จุด โดยมีการกระจายที่แสดงให้เห็นถึงความเบ้ที่แข็งแกร่งต่อระดับความพร้อมที่สูงขึ้น
แผนภูมิแท่งแนวนอนที่แสดงการกระจายระดับ 5 จุด กล่องข้อมูลเชิงลึกทางด้านขวา
มุมมองที่สมดุลของผลกระทบจากกลยุทธ์ AI โอกาส: การปรับใช้ที่รวดเร็วขึ้น, ประสบการณ์ลูกค้าที่ดีขึ้น, การดึงดูด/รักษาบุคลากร, นวัตกรรมและการเติบโต, ผลผลิตที่เพิ่มขึ้น ความเสี่ยง: การถูกแทนที่งานที่อาจเกิดขึ้น, การพึ่งพา AI มากเกินไป, deepfakes สำหรับการฉ้อโกง, การไม่สอดคล้องกับหลักการ, การละเมิดความเป็นส่วนตัว
เลย์เอาต์สองคอลัมน์พร้อมส่วนโอกาสและความเสี่ยง, พื้นหลังสีเข้มพร้อมองค์ประกอบภาพนามธรรมทางด้านขวา
การวิเคราะห์สถานการณ์ของการเปิดตัว DeepSeek เมื่อวันที่ 20 มกราคม 2025 รวมถึงโมเดล R1 สำหรับการให้เหตุผลที่ซับซ้อนและ V3 chatbot ไฮไลท์: โมเดลโอเพนซอร์สแรกที่ตรงกับประสิทธิภาพของ OpenAI o1, โอเพนซอร์สพร้อมใช้งานเชิงพาณิชย์, เทคนิคการเรียนรู้เสริมแรงแบบใหม่, ต้นทุนเพียง $6M และ 2 เดือน เทียบกับเงินลงทุน $6.6B ของ OpenAI, ต้นทุนต่ำกว่า OpenAI 27 เท่า
เลย์เอาต์สองคอลัมน์พร้อมโลโก้ DeepSeek, การวิเคราะห์สถานการณ์ทางซ้าย, ไฮไลท์ของโมเดลทางขวา
องค์กรที่แบน DeepSeek (หน่วยงานของสหรัฐฯ, ออสเตรเลีย, อินเดีย, อิตาลี, เกาหลีใต้, ไต้หวัน) เนื่องจากการละเมิดหลักการพื้นฐานของ AI: ความปลอดภัย/ความมั่นคง (ความเสี่ยงด้านความมั่นคงของชาติ) และความเป็นส่วนตัวของข้อมูล (การละเมิด GDPR) คำแนะนำ: กำหนดให้เทคโนโลยี AI สอดคล้องกับหลักการพื้นฐานก่อนนำไปใช้
การกระทำและการวิเคราะห์แนวโน้มในคอลัมน์ด้านซ้าย, ด้านขวาแสดงแผนภาพหลักการพื้นฐาน
คำแนะนำในการสร้างหลักการพื้นฐานของ AI ให้เป็นองค์ประกอบหลักของกลยุทธ์และการกำกับดูแล AI: ใช้ประโยชน์จากหลักการในฐานะหมวดหมู่ความเสี่ยง AI, ใช้สำหรับโปรแกรมการจัดการความเสี่ยง, พัฒนาหลักการเมื่อกลยุทธ์เปลี่ยนแปลง, ขยายขอบเขตไปสู่การสร้างมูลค่า, พิจารณาหลักการเพิ่มเติม เช่น ความยั่งยืนและความสามารถในการโต้แย้ง
รายการดำเนินการแบบหัวข้อย่อยด้านซ้าย, ภาพสถาปัตยกรรมนามธรรมพร้อมเส้นแสงด้านขวา
ตัวแบ่งส่วนสำหรับแนวโน้มที่สอง: 'จาก copilots สู่ vibe coding: AI จะยังคงคิดค้น IT ใหม่' ด้วยธีมสีเขียวและการออกแบบใบโคลเวอร์สี่แฉกที่เป็นนามธรรมซึ่งรวมภาพเทคโนโลยี (แผงวงจร, ธรรมชาติ, อาคาร)
ภาพเต็มหน้าพร้อมไอคอนแนวโน้มด้านบนซ้าย, ข้อความซ้อนทับด้านซ้าย, โคลเวอร์ 3 มิติที่เป็นนามธรรมทางด้านขวา
ภาพรวมที่ครอบคลุมของ AI technology stack ที่แสดงห้าเลเยอร์: Applications (Amazon Q, Copilot, Workday, Writer, ServiceNow, Glean, SAP, etc.), Data and AI Tools (Bedrock, SageMaker, Azure ML, Vertex AI, LangChain, Hugging Face, PyTorch, Kafka, DataRobot, Domino), Foundational Models (OpenAI, Anthropic, Mistral, Stability.ai, Runway, Bloom, Gemma, LLaMA, DeepSeek), Data Platform (AWS, Azure, Google Cloud, Salesforce, Snowflake, Redis, Databricks, Elastic, Pinecone, Stardog, Milvus, Chroma), Infrastructure (AWS, Azure, Google Cloud, Nvidia, AMD, Intel, Qualcomm)
ตารางห้าแถวที่แสดง technology stack พร้อมโลโก้บริษัทในแต่ละเลเยอร์
ไดอะแกรมแสดงวิวัฒนาการจาก Prompt Engineering/Inferencing (ง่ายที่สุด) ผ่าน RAG (พร้อมฐานความรู้), Fine-Tuning (ข้อมูลเฉพาะงาน), ไปจนถึง Full Training (ซับซ้อนที่สุด) แสดงความก้าวหน้าในด้านความแม่นยำและความซับซ้อน โดยทักษะของนักวิทยาศาสตร์ข้อมูลที่จำเป็นจะเพิ่มขึ้นสำหรับแนวทางที่ซับซ้อนมากขึ้น
ตารางกริด 2x2 ที่แสดงสี่แนวทางพร้อมไอคอนและคำอธิบาย ความแม่นยำบนแกน Y ความซับซ้อนบนแกน X
การเปรียบเทียบสองแนวทาง - Best-of-Breed AI Tools (ดีที่สุดสำหรับงานเฉพาะ, ต้นทุนต่ำกว่า, ความยืดหยุ่น) vs AI Development Platform (เน้นโซลูชัน, การจัดการที่ง่ายขึ้น, ลดความซับซ้อนในการรวมระบบ) แสดงข้อดีข้อเสีย รวมถึงการผูกมัดกับผู้ขาย, ความท้าทายในการรวมระบบ และข้อควรพิจารณาด้านต้นทุน
การเปรียบเทียบสองคอลัมน์พร้อมข้อดี/ข้อเสียสำหรับแต่ละแนวทาง กราฟิกเครื่องชั่งสมดุลที่ด้านล่าง
แผนก IT เป็นผู้นำในการนำ AI ไปใช้ โดย 70% ได้มาแล้ว ตามมาด้วย Creative (50%), Marketing and Sales (46%), R&D (45%), Operations (44%), HR และ Finance/Administration แสดงการนำไปใช้ตามแผนจนถึงปี 2026 และหลังจากนั้น
แผนภูมิแท่งแนวนอนแบบเรียงซ้อนที่แสดงสถานะการนำไปใช้ในแต่ละหน้าที่ทางธุรกิจ กล่องข้อมูลเชิงลึกทางด้านขวา
แอปพลิเคชัน AI ที่ได้รับความนิยมมากที่สุดสำหรับ IT: IT Security (54%), IT Service Management (44%), Business Intelligence and Analytics (41%), IT Asset Management (37%), Service Desk (35%), Code Generation and Quality (32%), Data Management (31%), Software Testing (24%), Source Code and Build Management (23%), Infrastructure (19%), Synthetic Data Generation (18%)
แผนภูมิแท่งแนวนอนพร้อมกล่องข้อมูลเชิงลึกทางด้านขวา
ในขณะที่หลายคนชอบซื้อแบบสำเร็จรูป แต่ส่วนใหญ่จะต้องปรับแต่ง: 41% ซื้อที่มีจำหน่ายทั่วไป, 13% สร้างโดยการปรับแต่ง, 46% ทั้งซื้อและสร้าง Insight ชี้ให้เห็นว่าระบบนิเวศของผู้จำหน่ายยังคงเติบโต และหลายคนเต็มใจที่จะปรับแต่ง
แผนภูมิวงกลมทางด้านซ้ายที่มีสามส่วน กล่อง Insight ทางด้านขวา
โอกาส: ปรับปรุงระยะเวลาในการออกสู่ตลาด, ลดต้นทุนเริ่มต้น, ลดการบำรุงรักษา, ปรับปรุงความสามารถในการปรับขนาด ความเสี่ยง: พึ่งพาผู้จำหน่ายมากเกินไป, ความท้าทายในการบูรณาการ, การปรับแต่งที่จำกัด, การควบคุมคุณสมบัติใหม่ที่จำกัด
เลย์เอาต์สองคอลัมน์ที่มีพื้นหลังสีเข้ม/เขียว ภาพแดชบอร์ดนามธรรมทางด้านขวา
แนะนำ vibe coding เป็นหมวดหมู่เครื่องมือ AI ใหม่ที่ประกาศในเดือนกุมภาพันธ์ 2025 ซึ่งช่วยให้พัฒนาซอฟต์แวร์ได้โดยไม่ต้องมีพื้นฐานทางเทคนิค แสดงตารางเปรียบเทียบ Traditional Coding vs AI-Assisted Coding vs Vibe Coding โดยเน้นความแตกต่างในด้านคำจำกัดความ เป้าหมายหลัก และบทบาทของมนุษย์ ระบุเหตุการณ์ Replit ที่ AI ลบฐานข้อมูลการผลิต
เลย์เอาต์สองคอลัมน์ที่มีตารางคำจำกัดความและคำอธิบายเหตุการณ์
คำแนะนำ: ใช้ประโยชน์จากเฟรมเวิร์กการเลือกซอฟต์แวร์ที่มีอยู่ รวมถึงการจัดแนวหลักการ AI พื้นฐาน, วางแผนกลยุทธ์การออกจากผู้จำหน่ายเพื่อป้องกันการถูกผูกมัด, ระบุเส้นทางการย้ายข้อมูล, รวมแผนความต่อเนื่องทางธุรกิจ
รายการดำเนินการทางด้านซ้าย ภาพสถาปัตยกรรมนามธรรมที่มีเส้นแสงทางด้านขวา
ตัวแบ่งส่วนสำหรับแนวโน้มที่สาม: 'Agentic AI จะเติบโตเต็มที่และขับเคลื่อนองค์กรแบบเอ็กซ์โพเนนเชียล' ด้วยธีมสีน้ำเงินที่แสดงองค์ประกอบ 3 มิตินามธรรมของภาพธุรกิจ/เทคโนโลยี รวมถึงการจับมือและการ์ดวงจร
ภาพ Visual แบบเต็มหน้าจอที่มีไอคอนแนวโน้มด้านบนซ้าย ข้อความซ้อนทับด้านซ้าย ภาพองค์ประกอบ 3 มิติทางด้านขวา
ตารางเปรียบเทียบแนวทางการทำงานอัตโนมัติห้าแนวทาง: Business Process Management (การรายงานค่าใช้จ่าย, ข้อมูลที่มีโครงสร้าง), RPA (การประมวลผลใบแจ้งหนี้, ข้อมูลที่มีโครงสร้าง/กึ่งโครงสร้าง), Intelligent Automation (การตรวจจับการฉ้อโกง, เพิ่มขีดความสามารถ AI), Generative AI (ผู้ช่วยเสมือน, สร้างเนื้อหาใหม่), Agentic AI (การวิจัยและการรายงานแบบอัตโนมัติ, ให้เหตุผลและดำเนินการโปรแกรม) แสดงความก้าวหน้าในด้านความสามารถในการทำงานอัตโนมัติ เทคโนโลยี และการจัดการข้อมูล
ตารางเปรียบเทียบที่ครอบคลุมโดยมีห้าคอลัมน์และหกแถว ครอบคลุมกรณีการใช้งาน ความสามารถ เทคโนโลยี และข้อมูล
แสดงส่วนประกอบทางสถาปัตยกรรมหลักสี่ส่วนในการไหลเวียนแบบวงกลมรอบ LLM ส่วนกลาง: Sense (รวบรวมข้อมูลทางประสาทสัมผัส, ประมวลผลล่วงหน้า, ตรวจสอบการพึ่งพา), Reason (ประเมิน/วางแผนงาน, ไตร่ตรองตัวเลือก, วางแผนการประสานงาน, ตรวจสอบความถูกต้องของหลักการ AI), Act (ประสานงานการดำเนินการ, จัดการความคงอยู่, สังเคราะห์ผลลัพธ์, ตรวจสอบ), Adapt (วัดผลกระทบ, ปรับปรุงเวิร์กโฟลว์, อัปเดตฐานความรู้และนโยบาย) โพรโทคอลรวมถึง Model Context Protocol และ Agent2Agent
ไดอะแกรมการไหลเวียนแบบวงกลมที่มีไอคอนสมองส่วนกลาง ส่วนประกอบสี่ส่วนพร้อมลูกศรเชื่อมต่อ
แสดงรูปแบบการออกแบบทั่วไปสามแบบ: Planning (แยกเป้าหมายออกเป็นงานย่อยพร้อมวงจรป้อนกลับการประเมิน), Multi-agent orchestration (ผู้ประสานงานกำหนดงาน, ผู้สังเคราะห์รวบรวมผลลัพธ์), Tool usage and Reflection (ใช้ประโยชน์จากเครื่องมือภายนอก, ดำเนินการประเมินตนเอง) รวมถึงไดอะแกรมการไหลที่แสดง IN/OUT และวงจรป้อนกลับ
ส่วนรูปแบบสามส่วนพร้อมไดอะแกรมการไหลที่แสดงการไหลของกระบวนการและจุดตัดสินใจ
ปัจจัยขับเคลื่อนหลักสำหรับ agentic AI: ปรับปรุงประสิทธิภาพการดำเนินงาน (70%), ปรับปรุงประสบการณ์ผู้ใช้ (61%), สนับสนุนโครงการริเริ่มการเติบโต (48%), เปิดใช้งานนวัตกรรม (40%), ปรับปรุงการบริหารความเสี่ยง (25%), ไม่ได้ดำเนินการ AI agent (5%) Insight ชี้ให้เห็นว่าประสิทธิภาพการดำเนินงานยังคงเป็นปัจจัยขับเคลื่อนอันดับต้น ๆ
แผนภูมิแท่งแนวนอนพร้อมกล่อง Insight ทางด้านขวา
เครื่องมือชั้นนำสำหรับการพัฒนา agentic AI: Microsoft Copilot Studio (60%), Google Vertex AI Agent Builder (37%), Microsoft AutoGen (28%), เครื่องมือ Amazon (24%), Salesforce Agentforce, Botpress, CrewAI, LangChain, Eliza, LangGraph, Fine และแพลตฟอร์มเชิงพาณิชย์/โอเพนซอร์สอื่น ๆ Insight ชี้ให้เห็นถึงความคาดหวังสำหรับเครื่องมือใหม่ ๆ เช่น OpenAI ที่จะเติบโต
แผนภูมิแท่งแนวนอนพร้อมกล่อง Insight ทางด้านขวา
แผนภูมิสองชุดแสดง: 1) ความมั่นใจในการทำความเข้าใจ AI agents โดยส่วนใหญ่อยู่ในระดับ 4-5, 2) แผนการลงทุนแสดงให้เห็นว่า 50%+ กำลังใช้งานและวางแผนที่จะเพิ่ม, 20% วางแผนที่จะนำไปใช้ภายในสิ้นปี 2026, เปอร์เซ็นต์ที่น้อยกว่าสำหรับการนำไปใช้ในภายหลังหรือไม่มีแผน Insight notes องค์กรที่ลงทุนและพัฒนาทักษะโดยคาดหวังการเติบโตอย่างมีนัยสำคัญ
แผนภูมิแท่งแนวนอนสองชุดวางเคียงข้างกันโดยมีกล่อง Insight ที่ด้านล่าง
โอกาส: การดำเนินงานแบบอัตโนมัติ, ระบบปรับตัว, ประสบการณ์ส่วนบุคคลขั้นสูง, ปรับปรุงระยะเวลาในการออกสู่ตลาด, การเติบโตแบบทวีคูณ ความเสี่ยง: อาจมีการเคลื่อนย้ายงาน, ข้อกังวลด้านความเป็นส่วนตัวเกี่ยวกับการแบ่งปันข้อมูล, การใช้ทรัพยากรมากเกินไป, agents ไม่สอดคล้องกับหลักการพื้นฐานของ AI, ความซับซ้อนที่มากขึ้น
รูปแบบสองคอลัมน์ที่มีพื้นหลังสีน้ำเงินเข้ม, ภาพแดชบอร์ดนามธรรมทางด้านขวา
การวิเคราะห์สถานการณ์จาก Walmart CTO Hari Vasudev อธิบายถึงแนวทางการผ่าตัดเพื่อ agentic AI โดยเน้นที่กรณีการใช้งานเฉพาะ Notes สององค์ประกอบหลัก: ลูกค้าฝึกอบรม agents ของตนด้วยความชอบ และผู้ค้าปลีกเปิดใช้งาน personal shopping agents เพื่อสื่อสารกับ internal agents กล่าวถึงทรัพยากรและข้อผูกมัดด้านข้อมูลที่กว้างขวางของ Walmart
รูปแบบสองคอลัมน์พร้อมการวิเคราะห์สถานการณ์และส่วนการดำเนินการ
คำแนะนำเพื่อเตรียมพร้อมสำหรับองค์กรแบบทวีคูณ: ทำความเข้าใจลักษณะการใช้งานที่เหมาะสมที่สุดสำหรับ agentic AI (หลีกเลี่ยงสำหรับงานที่ตายตัว/ซ้ำซาก, ผลลัพธ์ที่กำหนดได้, ความต้องการเวลาแฝงต่ำ, สภาพแวดล้อมที่มีข้อจำกัดด้านต้นทุน), ใช้การกำกับดูแลของมนุษย์ด้วยการตรวจสอบ/อนุมัติสำหรับการดำเนินงานที่มีความเสี่ยงสูง, ตรวจสอบประสิทธิภาพด้วยระบบข้อเสนอแนะ
รายการการดำเนินการด้านซ้าย, ภาพสถาปัตยกรรมนามธรรมด้านขวา
ตัวแบ่งส่วนสำหรับแนวโน้มที่สี่: 'การจัดการความเสี่ยงจะเป็นราคาของการเข้าถึง AI' ด้วยธีมสีส้มที่แสดงโครงสร้างทางเรขาคณิต 3 มิติแบบนามธรรมพร้อมการเชื่อมต่อเครือข่าย
ภาพ Visual แบบเต็มหน้าพร้อมไอคอนแนวโน้มด้านบนซ้าย, ข้อความซ้อนทับด้านซ้าย, โครงสร้างทางเรขาคณิต 3 มิติด้านขวา
ตารางเปรียบเทียบกรอบการทำงาน 5 แบบ: NIST AI RMF (ไม่เกี่ยวข้องกับกฎระเบียบ, เน้นความน่าเชื่อถือ), ISO/IEC 23894:2023 (มาตรฐานสากล, เน้นจริยธรรมและสิทธิมนุษยชน), ISO 31000 (การบริหารความเสี่ยงขององค์กรที่ปรับใช้ได้กับ AI), COSO ERM (การบริหารความเสี่ยงขององค์กรที่ปรับใช้ได้กับ AI), Info-Tech AI RMF (ออกแบบมาเฉพาะสำหรับ AI, เน้นหลักการพื้นฐาน) เปรียบเทียบประเด็นสำคัญ ลักษณะตามกฎระเบียบ หลักการ AI หมวดหมู่ความเสี่ยง ความสามารถในการปรับตัว และแนวทางการนำไปปฏิบัติ
ตารางเปรียบเทียบที่ครอบคลุม มีหกแถวและห้าคอลัมน์สำหรับกรอบการทำงาน
แสดงฟังก์ชันหลักสี่ประการ: การกำกับดูแลความเสี่ยง (ข้อกำหนดทางกฎหมาย/ข้อบังคับ, หลักการพื้นฐานของ AI, การยอมรับความเสี่ยง, ความโปร่งใส, การตรวจสอบ, รายการ, การเลิกใช้งาน), การระบุความเสี่ยง (การสร้างบริบท, การจัดหมวดหมู่ระบบ AI, คุณค่า/ผลประโยชน์, ความเสี่ยง, การจัดหมวดหมู่ผลกระทบ), การวัดความเสี่ยง (เมตริกความเสี่ยง AI, การประเมินการจัดแนวหลักการพื้นฐาน, การตรวจสอบความเสี่ยงของระบบ, การประเมินการวัด), การตอบสนองต่อความเสี่ยง (การตอบสนองตามลำดับความสำคัญ, กลยุทธ์ความเสี่ยงของระบบ, ความเสี่ยง/ผลประโยชน์ของบุคคลที่สาม, แผนการรักษาและการสื่อสาร) รวมถึงตัวอย่าง Artifact สำหรับแต่ละฟังก์ชัน
เลย์เอาต์แนวนอนสี่กล่องพร้อม Bullet point ที่มีรายละเอียดและตัวอย่าง Artifact ด้านล่างแต่ละกล่อง
ตัวอย่างโดรนสี่ตัวอย่างที่แสดงให้เห็นว่าเทคโนโลยีเดียวกันมีความเสี่ยงในระดับที่แตกต่างกันตามบริบท: ความเสี่ยงน้อยที่สุด (โดรนสันทนาการแบบแมนนวล, ไม่มีการเก็บรวบรวมข้อมูล), ความเสี่ยงจำกัด (การจัดส่งพัสดุพร้อมการควบคุมโดยมนุษย์, การโต้ตอบเพื่อยืนยันการจัดส่ง), ความเสี่ยงสูง (การจัดส่งเวชภัณฑ์ในโครงสร้างพื้นฐานที่สำคัญซึ่งความล้มเหลวมีผลร้ายแรง), ความเสี่ยงที่ยอมรับไม่ได้ (การเฝ้าระวังจำนวนมากด้วยการจดจำใบหน้าเพื่อบังคับใช้กฎหมายโดยไม่มีสาเหตุ - ห้าม)
เลย์เอาต์สี่ส่วนพร้อมรูปภาพโดรนและคำอธิบายความเสี่ยง
ความเป็นผู้นำสำหรับการกำกับดูแล AI: ศูนย์ความเป็นเลิศหรือคณะกรรมการ AI (31%), CIO (23%), แบ่งปันโดยตำแหน่งตั้งแต่สองตำแหน่งขึ้นไปที่ต่ำกว่าระดับผู้บริหาร (13%), แบ่งปันโดยผู้บริหารตั้งแต่สองคนขึ้นไป (10%), CEO (10%), เจ้าหน้าที่/ผู้บริหารด้านความเสี่ยงและการปฏิบัติตามกฎระเบียบ (2%), ผู้บริหารระดับ C อื่นๆ (5%), ไม่มีใคร (6%) ข้อสังเกตเชิงลึก การกำกับดูแล AI เป็นความรับผิดชอบร่วมกัน โดยมีศูนย์ความเป็นเลิศ AI หรือ CIO เป็นผู้นำบ่อยที่สุด
แผนภูมิวงกลมทางด้านซ้าย กล่องข้อมูลเชิงลึกทางด้านขวา
คนส่วนใหญ่เห็นว่าการบริหารความเสี่ยงเป็นสิ่งสำคัญ: 62% สำคัญมาก, 32% ค่อนข้างสำคัญ, 6% สำคัญเล็กน้อย, 0% ไม่สำคัญ ข้อสังเกตเชิงลึก การบริหารความเสี่ยงเป็นโปรแกรมสำคัญที่ได้รับการยอมรับจากผู้ตอบแบบสอบถามเกือบทั้งหมด
แผนภูมิวงกลมพร้อมกล่องข้อมูลเชิงลึก
การบริหารความเสี่ยงขององค์กรเป็นแนวทางที่ต้องการ: 33% บูรณาการการบริหารความเสี่ยงขององค์กรอย่างเต็มที่, 28% บูรณาการและรวมศูนย์, 26% เฉพาะโดเมน, 13% เฉพาะกิจหรือตอบสนอง Insight ระบุว่า 61% ชอบแนวทางระดับองค์กรมากกว่าแบบแบ่งส่วน/เฉพาะกิจ
Pie chart พร้อมกล่อง Insight
โอกาส: มอบหลักประกันสำหรับระบบ AI, บังคับใช้หลักการ AI พื้นฐาน, รับรองความถูกต้องและความสมบูรณ์, ปฏิบัติตามกฎระเบียบ, เพิ่มมูลค่าสูงสุดจาก AI ความเสี่ยง: ขาดความเชี่ยวชาญด้านการกำกับดูแลและการบริหารความเสี่ยง, ขาดการสนับสนุนจากผู้บริหาร, ขาดโปรแกรมการศึกษาทั่วทั้งองค์กร, ขาดการระบุความเสี่ยงที่มีประสิทธิภาพ, ขาดการตรวจสอบและวัดผลที่มีประสิทธิภาพ
layout สองคอลัมน์พร้อมพื้นหลังสีน้ำตาลเข้ม, ภาพแดชบอร์ดนามธรรมทางด้านขวา
การวิเคราะห์สถานการณ์ที่สังเกตแนวทางของรัฐบาลที่แตกต่างกัน (US/UK ที่ขับเคลื่อนด้วยนวัตกรรม เทียบกับ กฎหมายที่ครอบคลุมของ EU) และความท้าทายกับโปรแกรมความเสี่ยงในปัจจุบันที่ไม่ได้คาดการณ์ AI อธิบายการจัดประเภทความเสี่ยงของ EU AI Act (ยอมรับไม่ได้, ควบคุมความเสี่ยงสูง, โปร่งใสความเสี่ยงจำกัด, ไม่มีการควบคุมความเสี่ยงน้อยที่สุด) ระบุคำสั่งผู้บริหารของสหรัฐฯ ที่กำหนดให้หน่วยงานรัฐบาลกลางใช้แนวทางการบริหารความเสี่ยงขั้นต่ำภายในเดือนเมษายน 2026
layout สองคอลัมน์พร้อมส่วนการวิเคราะห์สถานการณ์, การดำเนินการ, และแนวโน้ม, รวมถึงไดอะแกรม Info-Tech framework
คำแนะนำในการนำวัฒนธรรมการบริหารจัดการตามความเสี่ยงมาใช้: ปลูกฝังวัฒนธรรมการบริหารความเสี่ยงโดยให้ความรู้แก่พนักงานเกี่ยวกับความเสี่ยง/ประโยชน์ของ AI และกำหนดหลักการ AI พื้นฐานเป็นหมวดหมู่ความเสี่ยง, ใช้ AI risk management framework ด้วยการประเมินเป็นประจำ, ดำเนินการตามหลักการ AI ที่มีความรับผิดชอบ (พิจารณาเครื่องมืออัตโนมัติ), ตรวจสอบให้แน่ใจว่าโปรแกรมสามารถปรับตัวเพื่อจัดการกับแอปพลิเคชัน AI ที่เป็นตัวแทน
รายการการดำเนินการด้านซ้าย, ภาพสถาปัตยกรรมนามธรรมด้านขวา
ตัวแบ่งส่วนสำหรับแนวโน้มที่ห้า: 'AI จะแขวนอยู่บนความสมดุลระหว่างอิสระและการควบคุม' ด้วยธีมสีชมพู/ม่วงแดงที่แสดงโครงสร้างทางเรขาคณิต 3 มิตินามธรรมพร้อมองค์ประกอบทรงกลม, สโลแกนอ่านว่า 'อำนาจอธิปไตยของ AI จะกลายเป็นสิ่งสำคัญที่สุดสำหรับผู้ควบคุมกฎระเบียบ'
ภาพ Full-bleed พร้อมไอคอนแนวโน้มด้านบนซ้าย, ข้อความซ้อนทับด้านซ้าย, งานศิลปะเรขาคณิต 3 มิติด้านขวา
ตารางเปรียบเทียบที่ครอบคลุมของกฎระเบียบ AI ในหกภูมิภาค: สหภาพยุโรป (อิงตามความเสี่ยง/สิทธิ, EU AI Act), สหรัฐอเมริกา (ขับเคลื่อนด้วยตลาด, คำสั่งผู้บริหาร), สหราชอาณาจักร (ขับเคลื่อนด้วยบริบท/ตลาด, Online Safety Act), จีน (ขับเคลื่อนโดยรัฐ, Generative AI Regulation), แคนาดา (อิงตามความเสี่ยง/สิทธิ, เสนอ AI and Data Act), ออสเตรเลีย (อิงตามความเสี่ยง/สิทธิ, AI Ethics Principles) รวมถึงแนวทางกำกับดูแล, กฎระเบียบ/ความคิดริเริ่ม AI และรายละเอียดการบังคับใช้สำหรับแต่ละรายการ
ตารางเปรียบเทียบขนาดใหญ่พร้อมธงประเทศ, โครงสร้างสามแถวที่ครอบคลุมลักษณะ, กฎระเบียบ และการบังคับใช้
การเปรียบเทียบโดยละเอียดของแนวทางที่แตกต่างกัน: สหรัฐฯ มุ่งเน้นไปที่นวัตกรรมและการลดกฎระเบียบด้วยนโยบายโดยสมัครใจและบทลงโทษขั้นต่ำ, America's AI Action Plan และ 'Unbiased AI Principles' (การแสวงหาความจริง, ความเป็นกลางทางอุดมการณ์) EU มุ่งเน้นไปที่ความปลอดภัยและนวัตกรรมด้วยกฎระเบียบ AI และบทลงโทษทางการเงิน, EU AI Continent Action Plan (AI Factories, Data Union Strategy, AI Skills Academy) และหลักการพื้นฐานเจ็ดประการรวมถึงความหลากหลาย/ความยุติธรรม แสดงระบบการจัดประเภทความเสี่ยงสำหรับทั้งสอง
ตารางเปรียบเทียบโดยละเอียดสองคอลัมน์ที่ครอบคลุมตัวขับเคลื่อนหลัก, framework, หลักการ, แผนปฏิบัติการ และการบริหารความเสี่ยง
ไดอะแกรมวงกลมที่แสดงส่วนประกอบการกำกับดูแล AI ที่ปรับเปลี่ยนได้: AI Guiding Principles (ไอคอนอะตอมตรงกลาง), Organizational Structure (ไอคอนคน), Risk & Compliance (ไอคอนเครื่องชั่ง), Policies/Processes/Standards (ไอคอนรายการตรวจสอบ), Assurance (ไอคอนโล่), Accountability (ไอคอนจับมือ), Adaptability & Resilience (ไอคอนสมอง) แสดงรายการผลประโยชน์: ลดความเสี่ยง, รับรองการปฏิบัติตามกฎระเบียบ, ให้ความสามารถในการระบุแหล่งที่มา, เปิดใช้งานการจัดการนโยบายแบบไดนามิก, ให้การรับประกันแบบเรียลไทม์, เปิดใช้งานการบรรเทาผลกระทบแบบเรียลไทม์, ส่งเสริมการปรับปรุงอย่างต่อเนื่อง, สอดคล้องกับ NIST AI RMF 1.0 และ EU AI Act
ไดอะแกรมการกำกับดูแลแบบวงกลมด้านซ้าย, รายการผลประโยชน์ด้านขวา
หลายองค์กรกำลังแสวงหา Sovereign AI: 40% ใช้ Sovereign AI โดยเฉพาะ, 21% ใช้ทั้ง Sovereign และ Non-Sovereign, 14% กำลังประเมินโมเดล Sovereign AI อย่างแข็งขัน, 13% ไม่มีแผนในทันที, 3% ไม่มีตัวเลือก Sovereign, 9% ไม่ได้พิจารณา Insight ระบุว่าความมั่นคงของชาติ, ความเป็นอิสระ, การควบคุมข้อมูล และการเติบโตทางเศรษฐกิจเป็นตัวขับเคลื่อน
Pie chart พร้อมกล่อง Insight
องค์กรส่วนใหญ่มีความมั่นใจว่าผู้ขายจะสร้างหลักประกัน: 72% รู้สึกมั่นใจ (3) ถึงมั่นใจมาก (5) ว่าผู้ขาย AI จะควบคุมตนเองและใช้หลักประกันที่จำเป็น การกระจายแสดงให้เห็นถึงความเบ้ที่แข็งแกร่งต่อระดับความมั่นใจที่สูงขึ้น (4 เป็นการตอบสนองที่พบบ่อยที่สุด)
Horizontal bar chart พร้อมมาตราส่วน 5 จุด และกล่อง Insight
การสนับสนุนอย่างมากสำหรับการนำกฎระเบียบ AI มาใช้: 33% สนับสนุนอย่างยิ่ง, 45% สนับสนุนปานกลาง (รวมสนับสนุน 78%), 11% เป็นกลาง, 6% ไม่เห็นด้วยปานกลาง, 5% ไม่เห็นด้วยอย่างยิ่ง (รวมไม่เห็นด้วย 11%) ข้อมูลเชิงลึกเน้นว่าผู้ตอบแบบสอบถามส่วนใหญ่สนับสนุนกฎระเบียบของรัฐบาล
แผนภูมิวงกลมพร้อมกล่องข้อมูลเชิงลึก
โอกาส: ภูมิศาสตร์เช่น สหรัฐอเมริกา/สหราชอาณาจักร อาจดึงดูดเงินทุนได้มากขึ้นเนื่องจากขาดกฎระเบียบ กฎระเบียบ AI สามารถปรับให้เข้ากับลำดับความสำคัญระดับชาติ/เศรษฐกิจ ส่งเสริมความเป็นอิสระจากกลุ่มผู้ผูกขาด Big Tech AI ความเสี่ยง: กฎระเบียบที่ไม่เหมือนใครอาจเป็นอุปสรรคต่อการเข้าสู่ตลาด การขาดความไว้วางใจของผู้บริโภคหากไม่มีกฎระเบียบ AI นวัตกรรมอาจหยุดนิ่งหากมีการควบคุมมากเกินไป
เลย์เอาต์สองคอลัมน์ที่มีพื้นหลังสีม่วงเข้ม ภาพแดชบอร์ดนามธรรมทางด้านขวา
การวิเคราะห์สถานการณ์ของประเทศที่ดำเนินกลยุทธ์ AI อธิปไตยซึ่งขับเคลื่อนโดยความมั่นคงของชาติ ความเป็นอิสระทางเทคโนโลยีจาก Big Tech การอนุรักษ์เอกลักษณ์/วัฒนธรรม/ภาษาของชาติ และแรงผลักดันทางเศรษฐกิจ แสดงแผนภาพสามเหลี่ยมที่มีจุดยอดสามจุด: LLM Sovereignty (เอกราชเชิงกลยุทธ์, ความมั่นคงของชาติ, IP, การสนับสนุนภาษา), Data Sovereignty (ความมั่นคงของชาติ, ความเป็นส่วนตัวของข้อมูล, กฎหมาย, ประสิทธิภาพ), Infrastructure Sovereignty (ความมั่นคง/ความยืดหยุ่นของชาติ, ขับเคลื่อนเศรษฐกิจท้องถิ่น, การควบคุม, ประสิทธิภาพ) โดยมี Foundational AI Principles อยู่ตรงกลาง
การวิเคราะห์สถานการณ์ด้านซ้าย แผนภาพสามเหลี่ยมด้านขวาพร้อมองค์ประกอบอธิปไตยสามส่วน
แสดงรายการความคิดริเริ่มด้านอธิปไตย AI ที่ประกาศทั่วโลก รวมถึง America's AI Action Plan, Canadian Sovereign AI Compute Strategy, EU AI Continent Action Plan, UK AI Opportunities Action Plan, กลยุทธ์จากเยอรมนี, ฝรั่งเศส, สเปน, สวีเดน, จีน, อินเดีย, เกาหลีใต้, สหรัฐอาหรับเอมิเรตส์ และบราซิล ระบุ US Executive Order 14320 ที่ส่งเสริมการส่งออก American AI Technology Stack เป็นมาตรฐานสากล อธิบายแนวโน้มของการพัฒนากฎระเบียบ AI ที่ไม่สอดคล้องกันและแรงผลักดันสำหรับการพัฒนาโมเดล AI ในท้องถิ่น (ความคิดริเริ่มระดับชาติ, การทำให้เป็นสินค้าโภคภัณฑ์, แรงผลักดันทางภูมิรัฐศาสตร์)
เลย์เอาต์สองคอลัมน์พร้อมส่วนการดำเนินการและการวิเคราะห์แนวโน้ม
คำแนะนำสำหรับการนำทางกฎระเบียบ AI ที่ไม่สอดคล้องกัน: ทำความเข้าใจความเสี่ยงใหม่ที่เกี่ยวข้องกับแอปพลิเคชัน AI โดยไม่คำนึงถึงมุมมองของรัฐบาล (แนะนำโปรแกรมการจัดการความเสี่ยง AI, ใช้ระบบการจัดประเภทความเสี่ยง), ประเมินความเป็นไปได้ในการพัฒนาหรือใช้ประโยชน์จากโมเดล AI อธิปไตย (ตรวจสอบให้แน่ใจว่าโมเดลพื้นฐานที่คาดหวังเป็นไปตามข้อกำหนดด้านความถูกต้อง, ปรับปรุงความเกี่ยวข้องโดยการปรับแต่งสำหรับภาษาและวัฒนธรรมท้องถิ่น)
รายการดำเนินการด้านซ้าย ภาพสถาปัตยกรรมนามธรรมด้านขวา
สรุปสำหรับผู้บริหารเกี่ยวกับ 5 แนวโน้มพร้อมรายการดำเนินการ: กลยุทธ์ AI (สร้างหลักการพื้นฐาน), แอปพลิเคชันผู้ขาย AI (แนวทางที่เน้นโซลูชันซึ่งสอดคล้องกับหลักการ), Agentic AI (เลือกกรณีการใช้งานที่ขับเคลื่อนด้วยธุรกิจโดยมีการกำกับดูแลจากมนุษย์), การจัดการความเสี่ยง AI (ปลูกฝังวัฒนธรรมความเสี่ยงด้วยโปรแกรมการจัดการ), ข้อบังคับ AI (พัฒนากรอบการกำกับดูแลที่ปรับเปลี่ยนได้, ตรวจสอบให้แน่ใจว่ามีรูปแบบอธิปไตยในการแข่งขัน)
สรุปห้าส่วนพร้อมภาพนามธรรมแห่งอนาคตทางด้านขวา แสดงให้เห็นร่างที่เดินผ่านภูมิทัศน์ทางเทคโนโลยี
แสดงรายชื่อผู้ร่วมให้ข้อมูลภายนอก (Andreu Gomez - UN Vienna CDO, Sunil Gupta - CTBTO CITO, Said Ahmed - UN Technology Development Risk, Rick Pastore - SustainableIT.org, Tom Godden และ Paul Weiss - AWS) และผู้ร่วมให้ข้อมูลภายใน (Jack Hakimian - SVP Research, Rob Garmaise - VP AI Research, Mark Tauschek - VP Research Fellowships, Brian Jackson - Principal Research Director, Naveli Thomas - AVP Content Marketing, Manoj Atwal - Senior Member Services Director)
รูปแบบสองคอลัมน์แสดงรายชื่อผู้ร่วมให้ข้อมูลภายนอกและภายในพร้อมตำแหน่ง พื้นหลังเทคโนโลยีนามธรรมทางด้านขวา
หน้าแรกของบรรณานุกรมแสดงรายชื่อแหล่งที่มา รวมถึง AI Act (European Commission), AI Policy and Regulations of Brazil (NewMind AI), NIST AI Risk Management Framework, America's AI Action Plan (The White House), กลยุทธ์ AI ระหว่างประเทศต่างๆ และรายงานทางเทคนิคเกี่ยวกับโมเดล DeepSeek
บรรณานุกรมคอลัมน์เดียวพร้อมรูปแบบการอ้างอิงมาตรฐาน ภาพพื้นหลังนามธรรม
ต่อเนื่องจากบรรณานุกรม รวมถึง M-25-21 Memorandum (OMB), Make France an AI Powerhouse, บทความกลยุทธ์ Walmart AI, เอกสารราคา DeepSeek, กลยุทธ์ AI ระหว่างประเทศจากสวีเดน เกาหลีใต้ สหรัฐอาหรับเอมิเรตส์ แผนปฏิบัติการ AI ของสหราชอาณาจักร และรายงานเหตุการณ์การเข้ารหัส vibe
บรรณานุกรมคอลัมน์เดียวต่อเนื่องจากหน้าก่อนหน้า
ส่งเสริมทรัพยากร Info-Tech สามรายการ: AI Marketplace (ปลดล็อกศักยภาพ AI ด้วยการสนับสนุนที่ปรับให้เหมาะสม), Build Your AI Strategy Roadmap (เพิ่มมูลค่าสูงสุดพร้อมจัดการความเสี่ยง), Build Your AI Risk Management Roadmap (เปลี่ยนกระบวนการเฉพาะกิจให้เป็นโปรแกรมต่อเนื่องที่เป็นทางการ) แต่ละรายการมีคำอธิบายสั้นๆ และการแสดงภาพ
สามส่วนพร้อมภาพขนาดย่อและคำอธิบายสำหรับแต่ละทรัพยากร
คำถามทั่วไปเกี่ยวกับสไลด์นี้และเนื้อหาการนำเสนอพื้นฐาน
ห้าเทรนด์หลักคือ: 1) หลักการ AI พื้นฐานจะเขียน DNA ขององค์กรใหม่ - กลยุทธ์ AI จะได้รับข้อมูลจากหลักการที่เกิดขึ้นใหม่ เช่น ความปลอดภัย ความเป็นส่วนตัว และความเป็นธรรม; 2) จาก Copilot สู่ Vibe Coding: AI จะยังคงปรับปรุง IT อย่างต่อเนื่อง - ระบบนิเวศของโซลูชัน AI สำหรับ IT จะเติบโตด้วยหมวดหมู่ใหม่ๆ; 3) Agentic AI จะเติบโตเต็มที่และขับเคลื่อนองค์กรแบบเอ็กซ์โพเนนเชียล - Agentic AI จะช่วยให้การดำเนินงานเป็นไปโดยอัตโนมัติและการเติบโตแบบเอ็กซ์โพเนนเชียล; 4) การบริหารความเสี่ยงจะเป็นราคาของการเข้าถึง AI - องค์กรต้องนำโปรแกรมการบริหารความเสี่ยง AI มาใช้; 5) AI จะแขวนอยู่บนความสมดุลระหว่างอิสระและการควบคุม - อธิปไตย AI จะมีความสำคัญอย่างยิ่งสำหรับหน่วยงานกำกับดูแลทั่วโลก
Info-Tech AI Risk Management Framework ได้รับการออกแบบมาโดยเฉพาะสำหรับระบบ AI และประกอบด้วยสี่หน้าที่หลัก: การกำกับดูแลความเสี่ยง (การกำหนดข้อกำหนดทางกฎหมาย หลักการพื้นฐาน การยอมรับความเสี่ยง และสินค้าคงคลัง AI), การระบุความเสี่ยง (การสร้างบริบท การจัดหมวดหมู่ระบบ AI และการระบุความเสี่ยง), การวัดความเสี่ยง (การกำหนดเมตริกความเสี่ยง AI การประเมินการจัดตำแหน่ง และการตรวจสอบระบบ) และการตอบสนองความเสี่ยง (การจัดลำดับความสำคัญของการตอบสนอง การพัฒนากลยุทธ์ความเสี่ยง และการดำเนินการตามแผนการรักษา) อิงตาม NIST AI RMF 1.0 และมุ่งเน้นไปที่หลักการ AI พื้นฐานเป็นหมวดหมู่ความเสี่ยงหลัก
องค์กรควรกำหนดหลักการ AI พื้นฐานหลักแปดประการ: ความปลอดภัยและความมั่นคง (การปกป้องระบบและผู้คน), ความเป็นส่วนตัวของข้อมูล (การปกป้องข้อมูลส่วนบุคคล), ความสามารถในการอธิบายและความโปร่งใส (การทำให้การตัดสินใจของ AI เป็นที่เข้าใจได้), ความถูกต้องและความน่าเชื่อถือ (การรับประกันความถูกต้อง), ความเป็นธรรมและการตรวจจับอคติ (การป้องกันการเลือกปฏิบัติ), ความรับผิดชอบ (การมอบหมายความรับผิดชอบ), ความสามารถในการโต้แย้ง (การอนุญาตให้มีการท้าทายการตัดสินใจของ AI) และความยั่งยืน (การลดผลกระทบต่อสิ่งแวดล้อม) หลักการที่เกิดขึ้นใหม่อื่นๆ ได้แก่ หน่วยงานและเอกราชของมนุษย์ ข้อพิจารณาด้านสิ่งแวดล้อม และการคุ้มครองทรัพย์สินทางปัญญา
สหรัฐอเมริกาและสหภาพยุโรปใช้วิธีการที่แตกต่างกันในการกำกับดูแล AI สหรัฐอเมริกาใช้วิธีการที่ขับเคลื่อนด้วยตลาด โดยมุ่งเน้นที่นวัตกรรมด้วยนโยบายโดยสมัครใจผ่านคำสั่งของผู้บริหารและไม่มีกฎหมายของรัฐบาลกลาง โดยเน้นการกำกับดูแลขั้นต่ำเพื่อส่งเสริมความเป็นผู้นำด้าน AI ของอเมริกา สหภาพยุโรปใช้วิธีการที่อิงตามความเสี่ยงและสิทธิ โดยมีการกำกับดูแลที่ครอบคลุมผ่าน EU AI Act, GDPR และกฎหมายอื่นๆ โดยกำหนดบทลงโทษทางการเงินสำหรับการไม่ปฏิบัติตาม สหรัฐอเน้นที่ 'หลักการ AI ที่เป็นกลาง' (การแสวงหาความจริงและความเป็นกลางทางอุดมการณ์) ในขณะที่สหภาพยุโรปเน้นที่หลักการพื้นฐานเจ็ดประการ ได้แก่ หน่วยงานของมนุษย์ ความโปร่งใส ความหลากหลาย ความเป็นธรรม และความเป็นอยู่ที่ดีของสังคม ทั้งสองใช้ระบบการจัดประเภทความเสี่ยง แต่ของสหภาพยุโรปมีข้อกำหนดมากกว่า โดยมีสี่ประเภท: ไม่เป็นที่ยอมรับ (ต้องห้าม), มีความเสี่ยงสูง (มีการควบคุม), มีความเสี่ยงจำกัด (ภาระผูกพันด้านความโปร่งใส) และมีความเสี่ยงน้อยที่สุด (ไม่มีการควบคุม)
Agentic AI หมายถึงซอฟต์แวร์อัตโนมัติที่สามารถให้เหตุผล แบ่งเป้าหมายออกเป็นงานย่อย และดำเนินการโปรแกรมภายนอกโดยไม่ต้องมีการแทรกแซงจากมนุษย์ เป็นวิวัฒนาการที่ล้ำหน้าที่สุดนอกเหนือจาก RPA, ระบบอัตโนมัติอัจฉริยะ และ Generative AI องค์กรควรใช้ Agentic AI สำหรับงานที่ซับซ้อนและไดนามิกที่ต้องมีการปรับตัวและการตัดสินใจ เช่น การวิจัยอัตโนมัติ การประสานงานการบริการลูกค้า และระบบอัตโนมัติของขั้นตอนการทำงานแบบหลายขั้นตอน อย่างไรก็ตาม องค์กรควรหลีกเลี่ยง Agentic AI สำหรับ: งานที่คงที่และทำซ้ำ สถานการณ์ที่ต้องการผลลัพธ์ที่แน่นอน ข้อกำหนดด้านเวลาแฝงต่ำ หรือสภาพแวดล้อมที่มีข้อจำกัดด้านต้นทุน แนวทางปฏิบัติที่ดีที่สุด ได้แก่ การใช้การกำกับดูแลของมนุษย์สำหรับการดำเนินงานที่มีความเสี่ยงสูง การกำหนดกระบวนการตรวจสอบและอนุมัติที่ชัดเจน และการใช้ระบบข้อเสนอแนะเพื่อปรับปรุงประสิทธิภาพของเอเจนต์อย่างต่อเนื่อง
Sovereign AI หมายถึงโมเดล AI และโครงสร้างพื้นฐานที่พัฒนาและดำเนินการภายในประเทศหรือภูมิภาคที่เจาะจง จากการสำรวจ 40% ขององค์กรใช้โมเดล Sovereign AI โดยเฉพาะ และ 21% ใช้ทั้งโมเดล Sovereign และ Non-Sovereign องค์กรต่างๆ แสวงหา Sovereign AI ด้วยเหตุผลสำคัญหลายประการ: ความมั่นคงแห่งชาติ (การปกป้องข้อมูลและการดำเนินงานที่ละเอียดอ่อน), ความเป็นอิสระทางเทคโนโลยี (การลดการพึ่งพาผู้ขาย Big Tech จากประเทศอื่นๆ), อัตลักษณ์แห่งชาติ (การรักษาวัฒนธรรมและภาษาท้องถิ่น), การเติบโตทางเศรษฐกิจ (การขับเคลื่อนอุตสาหกรรม AI และงานในท้องถิ่น) และการควบคุมข้อมูล (การรับประกันอธิปไตยของข้อมูลและการปฏิบัติตามกฎระเบียบท้องถิ่น) ประเทศต่างๆ เช่น สหรัฐอเมริกา แคนาดา ประเทศในสหภาพยุโรป จีน อินเดีย เกาหลีใต้ สหรัฐอาหรับเอมิเรตส์ และบราซิล ได้ประกาศโครงการริเริ่มและกลยุทธ์ Sovereign AI ทั้งหมด
จากการสำรวจ 41% ขององค์กรชอบที่จะซื้อโซลูชันสำเร็จรูปที่มีจำหน่ายในเชิงพาณิชย์ 13% สร้างโดยการปรับแต่งโมเดลที่มีอยู่ และ 46% ทำทั้งสองอย่าง เมื่อเลือก ให้พิจารณา: สำหรับโซลูชันของผู้ขาย - ระยะเวลาในการออกสู่ตลาดที่เร็วกว่า ต้นทุนเริ่มต้นที่ต่ำกว่า การบำรุงรักษาน้อยกว่า ความสามารถในการปรับขนาดที่ดีกว่า แต่มีความเสี่ยงที่ผู้ขายจะล็อกอิน ความท้าทายในการผสานรวม การปรับแต่งที่จำกัด และการควบคุมคุณสมบัติน้อยลง สำหรับการสร้างแบบกำหนดเอง - เครื่องมือที่ดีที่สุดสำหรับงานเฉพาะ ต้นทุนใบอนุญาตที่ต่ำกว่าในระยะยาว ความยืดหยุ่นที่มากขึ้น แต่ต้องใช้เครื่องมือหลายอย่าง ต้นทุนการผสานรวมที่สูงขึ้น และความซับซ้อนในการจัดการผู้ขายมากขึ้น แนวทางปฏิบัติที่ดีที่สุดคือการนำแนวทางที่เน้นโซลูชันมาใช้ ซึ่งมุ่งเน้นไปที่มูลค่าทางธุรกิจ รับประกันความสอดคล้องกับหลักการ AI พื้นฐาน และวางแผนกลยุทธ์การออกจากระบบเสมอเพื่อป้องกันการล็อกอินของผู้ขาย
CIOs ควรให้ความสำคัญกับห้าด้านการดำเนินการที่สำคัญ: 1) กลยุทธ์ AI - กำหนดหลักการ AI พื้นฐานที่จัดการกับความเสี่ยงและสะท้อนถึงหลักการเชิงกลยุทธ์ขององค์กร; 2) แอปพลิเคชันของผู้ขาย AI - นำแนวทางที่เน้นโซลูชันมาใช้โดยใช้กรอบการเลือกซอฟต์แวร์ที่มีอยู่ซึ่งรวมถึงการจัดตำแหน่งหลักการ AI พื้นฐาน; 3) Agentic AI - เลือกกรณีการใช้งานที่ขับเคลื่อนด้วยธุรกิจ ทำความเข้าใจลักษณะที่เหมาะสมที่สุดสำหรับ Agentic AI และรวมการกำกับดูแลของมนุษย์สำหรับการดำเนินงานที่มีผลกระทบสูง; 4) การบริหารความเสี่ยง AI - สร้างวัฒนธรรมการบริหารความเสี่ยงโดยการให้ความรู้แก่พนักงานและดำเนินการโปรแกรมการบริหารความเสี่ยง AI อย่างเป็นทางการที่สอดคล้องกับกระบวนการทางธุรกิจ; 5) กฎระเบียบ AI - พัฒนากรอบการกำกับดูแล AI ที่ปรับเปลี่ยนได้เพื่อให้มีการป้องกันและควบคุมตนเองโดยไม่คำนึงถึงสภาพแวดล้อมทางกฎหมาย และตรวจสอบให้แน่ใจว่าโมเดล Sovereign AI สามารถแข่งขันกับโมเดลของผู้ขาย Big Tech ได้
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
อ้างอิงการออกแบบมืออาชีพ เลือกสไตล์ของคุณ และสร้างสไลด์ด้วยการแสดงผลข้อความที่สมบูรณ์แบบ ขับเคลื่อนโดย Nano Banana—เริ่มสร้างการนำเสนอของคุณตอนนี้
เอเจนต์ AI ของคุณสำหรับสไลด์ ประหยัดเวลา เปล่งประกายเร็วขึ้นด้วยการสร้างงานนำเสนออัจฉริยะ
© 2026 2slides สงวนลิขสิทธิ์