CLOUD & INFRA

ความสำเร็จของ AI Agents ในองค์กร: ทำไมระบบข้อมูลดั้งเดิมจึงเป็นอุปสรรคสำคัญ

MIT Technology Review Insights12 Aug 2026
1 min read
Key Takeaways
  • การเพิ่มความสามารถในการเข้าถึงข้อมูล (Data Access) และการจัดการข้อมูลในบริบททางธุรกิจ (Business Context) เป็นปัจจัยชี้ขาดในการสร้างความคุ้มค่าจาก AI Agents

ทำไมเรื่องนี้ถึงสำคัญ

ข้อมูลนี้เน้นย้ำว่าการลงทุนในระบบ AI จะไร้ผลหากไม่มีการปรับปรุงรากฐานข้อมูลให้พร้อมสำหรับการทำงานของระบบอัตโนมัติ ซึ่งเป็นทิศทางหลักขององค์กรในอีก 2 ปีข้างหน้า

รายงานจากการสำรวจผู้บริหารด้านไอที 300 ท่าน ชี้ให้เห็นว่า 'Agentic AI' กำลังเป็นเป้าหมายหลักขององค์กรธุรกิจ โดยเปลี่ยนจากการใช้ AI เพียงเพื่อตอบคำถาม เป็นการใช้เพื่อดำเนินการตามเป้าหมาย (Taking actions) อย่างไรก็ตาม ปัญหาหลักที่ขัดขวางการเติบโตคือระบบข้อมูลดั้งเดิม (Legacy Systems) ที่ไม่สามารถเชื่อมโยงข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างเข้าด้วยกันได้ในเวลาจริง

ผลสำรวจระบุว่ากลุ่ม 'ผู้นำด้านข้อมูล' (Data Leaders) ซึ่งให้ AI เข้าถึงข้อมูลในองค์กรได้มากกว่า 70% ประสบความสำเร็จในการใช้งาน AI Agents และมีความเชื่อมั่นในผลลัพธ์ของระบบเต็ม 100% ในขณะที่กลุ่มที่เข้าถึงข้อมูลได้น้อย (Data Laggards) กว่า 66% ประสบปัญหาในการขยายผลระบบ ความท้าทายสำคัญคือการทำลายกำแพงของระบบข้อมูลเดิมเพื่อสร้างระบบที่สามารถประมวลผลข้อมูลทางธุรกิจได้อย่างครอบคลุมและมีความน่าเชื่อถือ

สรุปประเด็นหลัก

100% ของบริษัทที่สำรวจวางแผนจะใช้ Agentic AI ภายใน 2 ปีข้างหน้า

กลุ่ม Data Leaders มีความเชื่อมั่นในผลลัพธ์ของ AI สูงกว่ากลุ่มอื่นอย่างชัดเจน

ระบบข้อมูลแบบดั้งเดิมเป็นอุปสรรคต่อการตัดสินใจด้วยความเร็วของ AI Agents

นวัตกรรมและเทคโนโลยี

platform

Agentic AI Foundation

การเปลี่ยนจากการใช้ AI ตอบคำถาม (Q&A) ไปสู่ระบบที่ลงมือปฏิบัติงานจริงในระบบปฏิบัติการขององค์กร

infrastructure

Unified Data Access

การรวบรวมข้อมูลแบบ Structured และ Unstructured เพื่อเพิ่มความแม่นยำในการตัดสินใจของ AI

Developer Impact
วิศวกรและสถาปนิกข้อมูลต้องเร่งปรับปรุงระบบ Legacy API และท่อข้อมูล (Data Pipeline) ให้รองรับการเรียกใช้งานแบบ Real-time จาก AI Agents เพื่อลดความหน่วงในการตัดสินใจ
Keywords
#ai agents #enterprise ai #data infrastructure #digital transformation
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

MIT Technology Review Insights