Faros AI รายงานการวิจัยปี 2.026 พบว่าการนำ AI มาใช้ในองค์กรไม่สร้างคุณค่าตามคาด เนื่องจากความเร็วในขั้นตอนรีวิวโค้ดเพิ่มขึ้น 441% แต่ปัญหาค้างอยู่ในขั้นตอนถัดไป ส่งผลให้เกิดคิวงานที่ไม่ได้แก้ไข ข้อมูลครอบคลุม 22,000 นักพัฒนาใน 4,000 ทีม ชี้ว่าความเร็วไม่ใช่ปัญหาหลัก แต่ระบบองค์กรไม่สามารถดูดซับความเร็วได้ องค์กรที่ใช้ AI แต่ไม่ปรับระบบจะพบปัญหาคิวงานสะสมกระทบตัดสินใจธุรกิจ แนวทางแก้ไขคือปรับระบบให้รองรับความเร็วทั่วองค์กร พร้อมแนะนำกรอบ FAAFO (fast, ambitious, autonomous, fun, optionality) เพื่อสร้างคุณค่าที่แท้จริง การวิจัยชี้ปัญหาหลักไม่ใช่ความเร็วของนักพัฒนา แต่คือความสามารถของระบบในการดูดซับความเร็วอย่างปลอดภัย ซึ่งส่งผลต่อประสิทธิภาพการทำงานทั้งหมด ข้อมูลจากการทดลองที่ธนาคารพบว่าทีมที่ใช้ AI ทำให้เวลาตรวจสอบเพิ่มขึ้น 441% แต่ปัญหาค้างอยู่ในขั้นตอนถัดไป แสดงให้เห็นว่าความเร็วไม่ได้หายไป แต่ย้ายไปอยู่ในคิวงานที่ไม่ได้แก้ไข แนวทางวัดคุณค่าควรใช้ 'second-user test' แทนการนับจำนวนการใช้งาน AI ที่ไม่ส่งผลจริง ต้นฉบับเน้นว่าการเปลี่ยนแปลงองค์กรต้องเข้าใจการผสมผสานระหว่างพฤติกรรมมนุษย์กับวัฒนธรรมองค์กร ซึ่งเป็นปัจจัยสำคัญที่ทำให้การเปลี่ยนแปลงล้มเหลวแม้แผนจะดี Faros AI แนะนำให้องค์กรปรับกระบวนการให้รองรับความเร็วทั่วทั้งองค์กร ไม่ใช่เพียงเพิ่มความเร็วในขั้นตอนเดียว พร้อมใช้ FAAFO สร้างคุณค่าที่แท้จริง ข้อมูลการวิจัยช่วยให้เห็นว่าการเปลี่ยนแปลงเทคโนโลยีต้องควบคู่กับการปรับวัฒนธรรมองค์กรอย่างลึกซึ้ง
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว