ขับเคลื่อนการเปลี่ยนแปลงองค์กรเพื่อสร้างนวัตกรรมทางธุรกิจ

Dai Nippon Printing Co., Ltd. (DNP) ก่อตั้งขึ้นในปี พ.ศ. 2419 เป็นหนึ่งในบริษัทการพิมพ์ที่ใหญ่ที่สุดในโลก โดยมีการจ้างงานบุคลากรมากกว่า 37,000 คนทั่วโลก ด้วยกลุ่มธุรกิจที่ครอบคลุมทั้งด้านการสื่อสารอัจฉริยะ ชีวิตและสุขภาพ และอิเล็กทรอนิกส์ DNP จึงยึดถือวิสัยทัศน์ของแบรนด์ที่ว่า "การสร้างมาตรฐานแห่งอนาคต" เป็นแนวทางหลัก และมีความมุ่งมั่นที่จะเชื่อมโยงผู้คนและสังคมเข้าด้วยกัน ควบคู่ไปกับการขับเคลื่อนความยั่งยืน

ภายใต้ความมุ่งมั่นนี้ DNP จึงเปิดรับและนำเทคโนโลยีใหม่ๆ มาใช้มาอย่างต่อเนื่องและยาวนาน ในเดือนเมษายน พ.ศ. 2566 บริษัทตัดสินใจเชิงกลยุทธ์ที่จะนำ AI มาใช้ทั่วทั้งองค์กร ภายในเดือนพฤษภาคม พ.ศ. 2566 DNP สร้างสภาพแวดล้อมที่ปลอดภัยสำหรับการใช้งานทั่วทั้งองค์กรได้สำเร็จ ในเดือนกุมภาพันธ์ พ.ศ. 2568 บริษัทเปิดตัวการใช้งาน ChatGPT Enterprise ใน 10 แผนกหลัก ภายในระยะเวลาสามเดือน ผลลัพธ์ที่ได้ประกอบไปด้วย:

• กรณีการใช้งาน ChatGPT Enterprise กว่า 90% แสดงให้เห็นถึงผลลัพธ์ที่วัดผลได้จริง
• อัตราการใช้งานเป็นประจำทุกสัปดาห์เต็ม 100%
• ระบบอัตโนมัติช่วยประหยัดเวลาการทำงานลงได้ถึง 87%
• อัตราการนำความรู้กลับมาใช้ซ้ำอยู่ที่ 70% (GPT แบบกำหนดเอง)
• ปริมาณการประมวลผลเพิ่มขึ้น 10 เท่า

DNP เลือกนำ AI เชิงสร้างสรรค์มาใช้ใน 10 หน่วยงานที่มีศักยภาพในการสร้างความเปลี่ยนแปลงสูงสุด เพื่อให้เกิดความคุ้มค่าอย่างเต็มที่ บริษัทกำหนดเกณฑ์ชี้วัดที่ชัดเจน คือ พนักงานแต่ละคนควรใช้ ChatGPT อย่างน้อย 100 ครั้งต่อสัปดาห์ และต้องลดระยะเวลาการทำงานด้วยระบบอัตโนมัติให้ได้เกินกว่า 50%

ผลลัพธ์ที่ตามมาคือ การพัฒนาของพนักงานแต่ละคนเริ่มแพร่ขยายไปสู่ระดับทีมผ่านการสร้าง GPT แบบปรับแต่งได้ และการแลกเปลี่ยนประสบการณ์การใช้งาน จนเกิดเป็นต้นแบบสำคัญที่ช่วยผลักดันการเปลี่ยนแปลงทางธุรกิจ

ในบรรดาแผนกที่มีการนำ ChatGPT Enterprise เข้ามาใช้ แผนกวิจัยและพัฒนาเทคโนโลยีสารสนเทศและการสื่อสาร คือส่วนที่เห็นผลลัพธ์การเปลี่ยนแปลงชัดเจนที่สุด Yohei Ishida ผู้จัดการทั่วไปหน่วยวิจัยและพัฒนานวัตกรรม P&I จาก Advanced Business Center นำทีมสร้างระบบอัตโนมัติเพื่อปรับปรุงกลยุทธ์การสืบค้นและจดสิทธิบัตร แทนที่การทำงานที่ต้องลงมือทำเอง

ทีมของเขาสร้างเวิร์กโฟลว์ต่อไปนี้โดยใช้ ChatGPT Enterprise:

• งานวิจัยด้านสิทธิบัตร: การใช้ระบบอัตโนมัติในการค้นหา สรุปเนื้อหา และแยกประเภท ช่วยประหยัดเวลาทำงานได้ 95% พร้อมทั้งเพิ่มขีดความสามารถในการตรวจสอบข้อมูลได้กว้างกว่าเดิม 10 เท่า
• กลยุทธ์การยื่นขอสิทธิบัตร: ระบุข้อแตกต่างที่สำคัญระหว่างเทคโนโลยีของ DNP และสิทธิบัตรของคู่แข่ง ช่วยลดความเสี่ยงในการถูกปฏิเสธและลดขั้นตอนการแก้ไขให้เหลือน้อยที่สุด
• การวิเคราะห์คู่แข่ง: สร้างร่างรายงานฉบับแรกโดยอัตโนมัติ ช่วยลดระยะเวลาในการเตรียมงานลงได้ถึง 80%

ด้วยการยกระดับกลยุทธ์ด้านทรัพย์สินทางปัญญา DNP กำลังสร้างความแข็งแกร่งให้กับรากฐานของเอกลักษณ์ผลิตภัณฑ์และความสามารถในการแข่งขันในระยะยาว

หน่วยงานวิจัยของ DNP ที่มุ่งเน้นเทคโนโลยีการผลิต ได้ผลักดันนวัตกรรม QCD (คุณภาพ ต้นทุน การส่งมอบ) เพื่อเพิ่มมูลค่าให้กับผลิตภัณฑ์และบริการที่มีอยู่ พร้อมทั้งเดินหน้าพัฒนาผลิตภัณฑ์และบริการรูปแบบใหม่ DNP นำ ChatGPT Enterprise มาประยุกต์ใช้เพื่อร่นระยะเวลาการทำงานในส่วนที่ต้องอาศัยการวิเคราะห์และการประเมินที่ซับซ้อน ไม่ว่าจะเป็นการควบคุมอุปกรณ์ทดลองเพื่อประเมินคุณสมบัติวัสดุ การตรวจวัด หรือการวิเคราะห์ผล ซึ่งช่วยให้งานเสร็จเร็วขึ้นกว่าเดิมอย่างเห็นได้ชัด

ผลลัพธ์ที่สำคัญประกอบด้วย:

• การประมวลผลข้อมูลสิทธิบัตรที่เป็นภาษาอังกฤษและหลักการทางเทคนิคของอุปกรณ์ให้เป็นระบบภายในเวลา 3 วัน ซึ่งสั้นลงอย่างมากจากเดิมที่ต้องใช้เวลาหลายเดือน
• ช่วยให้พนักงานที่ไม่มีประสบการณ์ด้าน Python สามารถสร้างและรันโค้ดผ่าน ChatGPT Enterprise ได้

ตัวอย่างที่น่าสนใจมากคือกลุ่มพนักงานที่ไม่เคยใช้ Python มาก่อน สามารถสร้างโค้ดและวิเคราะห์ข้อมูลได้โดยไม่ต้องเสียเวลาเรียนรู้เพิ่มเติม งานพัฒนาที่ตามปกติควรต้องใช้เวลานานกว่าหนึ่งปี กลับสามารถดำเนินการให้เสร็จสิ้นได้ภายในเวลาเพียงไม่กี่วัน เมื่อนำความสามารถเหล่านี้มาผนวกกับความเชี่ยวชาญและองค์ความรู้ของนักวิจัย จึงเกิดการค้นพบข้อมูลเชิงลึกใหม่ๆ ที่สร้างผลกระทบเชิงบวกอย่างมีนัยสำคัญไปทั่วทั้งแผนก

DNP กำลังปรับปรุงการกำกับดูแลด้านไอทีให้ทันสมัยด้วย ChatGPT Enterprise Masahiro Kobayashi ผู้จัดการทั่วไปฝ่ายพัฒนาโครงสร้างพื้นฐานระบบ ศูนย์ ICT ฝ่ายปฏิบัติการนวัตกรรมสารสนเทศ ได้เน้นย้ำถึงการปรับปรุงงานที่ครั้งหนึ่งเคยต้องทำด้วยตนเองและขาดความสม่ำเสมอ

• การตรวจสอบความปลอดภัยจากหน่วยงานภายนอก: ลดเวลาในการเปรียบเทียบผลการตรวจสอบจาก 30 นาทีเหลือเพียง 5 นาที และลดเวลาในการเลือกชุดการเข้ารหัส จาก 3 ชั่วโมงเหลือเพียง 1 ชั่วโมง
• ความปลอดภัยบนระบบคลาวด์: ตรวจสอบรายการที่ไม่เป็นไปตามมาตรฐาน CIS Benchmark ประมาณ 100 รายการเสร็จสิ้นภายใน 10 นาที จากเดิมที่ต้องใช้เวลาทำงานถึง 2 วัน
• การสนับสนุนการตรวจสอบงาน: ลดระยะเวลาในการตรวจสอบข้อกำหนดจาก 1 ชั่วโมงเหลือเพียง 30 นาที โดยการอ้างอิงนโยบายการออกแบบและบันทึกข้อมูลในอดีต

เขาย้ำว่า AI ไม่สามารถแทนที่บทบาทของมนุษย์ได้ โดยเฉพาะในส่วนการตรวจสอบ "หน้าที่ในการยืนยันผลและการตรวจเช็กครั้งสุดท้ายยังเป็นของมนุษย์เสมอ"

หนึ่งในความท้าทายที่ใหญ่ที่สุดของ DNP คือการสูญเสียองค์ความรู้ บ่อยครั้งที่ทักษะเชี่ยวชาญเฉพาะทางติดตัวไปกับพนักงานอาวุโส หรือไม่ก็ถูกฝังอยู่ในเอกสารแบบเดิมที่ยากต่อการเข้าถึง

DNP กำลังนำเทคโนโลยี AI มาใช้แก้ปัญหาดังกล่าวโดยตรง ภายใต้การบริหารของ Isaku Osawa ผู้จัดการทั่วไปด้านการพัฒนาเทคโนโลยีแห่งหน่วยธุรกิจ AI ของ Advanced Business Center

ทีมของเขาใช้ ChatGPT Enterprise เพื่อจัดโครงสร้างและแปลงข้อมูลที่ไม่มีโครงสร้างให้อยู่ในรูปแบบดิจิทัล ตั้งแต่คู่มือฉบับกระดาษไปจนถึงบันทึกคุณภาพย้อนหลัง เมื่อถูกนำเข้าสู่ระบบแล้ว ระเบียนเหล่านี้จะกลายเป็นส่วนหนึ่งของฐานความรู้ภายในที่ทุกคนสามารถเข้าถึงได้ผ่าน GPT แบบกำหนดเอง ระยะเวลาที่ต้องใช้ในการกำหนดสถาปัตยกรรมข้อมูลลดลง 90% ทีมยังเพิ่มจำนวนเอกสารทางเทคนิคที่พวกเขาสามารถตรวจสอบได้เป็นสองเท่า

"เป้าหมายของเราคือการเปลี่ยนความรู้ที่สั่งสมมาหลายรุ่นให้กลายเป็นแรงงานดิจิทัล" Osawa กล่าว การเปลี่ยนแปลงดังกล่าวไม่เพียงแต่ช่วยชดเชยการขาดแคลนแรงงานเท่านั้น แต่ยังเป็นการวางรากฐานศักยภาพด้านนวัตกรรมที่ยั่งยืน

• 90% ของกรณีการใช้งานแสดงให้เห็นถึงผลลัพธ์ที่วัดผลได้
• อัตราการใช้งานเป็นประจำทุกสัปดาห์เต็ม 100%
• ลดเวลาที่ใช้ในการสืบค้นข้อมูลสิทธิบัตรลงได้ถึง 95%
• ประสิทธิภาพจากระบบอัตโนมัติส่งผลให้ลดเวลาในการปฏิบัติงานได้ถึง 87%
• ปริมาณการประมวลผลเพิ่มขึ้น 10 เท่า

"เอเจนต์ AI จะผสมผสานเข้ากับสถานการณ์ต่างๆ ได้อย่างราบรื่น ช่วยให้ทุกคนได้รับประโยชน์จาก AI โดยที่ไม่ต้องรู้สึกตัวเลยด้วยซ้ำ" Otake กล่าว เขามองเห็นการยกระดับจากการทำงานคู่กันของคนและ AI ไปสู่รากฐานที่ส่วนต่างๆ ของธุรกิจดำเนินงานผ่านการสื่อสารระหว่าง AI กับ AI โดยตรง ความก้าวหน้าทางหุ่นยนต์จะส่งผลให้ทิศทางนี้พัฒนาไปอย่างรวดเร็ว นำไปสู่โลกอนาคตที่ AI ในรูปแบบกายภาพสามารถปฏิบัติงานได้จริงในโลกแห่งความเป็นจริง

เมื่อมองไปข้างหน้า Otake เน้นย้ำว่าการรักษาองค์ความรู้จะเป็นเรื่องที่สำคัญอย่างยิ่ง "เราต้องแปลงข้อมูลที่สร้างขึ้นเพื่อมนุษย์ให้เป็นข้อมูลที่ AI สามารถเข้าใจได้ และต้องทำให้มั่นใจว่าความรู้นั้นจะถูกรักษาและส่งต่อกันได้" เป้าหมายของเราคือการเพิ่มผลิตภาพ เพื่อเตรียมพร้อมรับมือกับกำลังแรงงานที่ลดลง" เป้าหมายคือการจัดระเบียบองค์ความรู้หน้างานและบันทึกคุณภาพให้เป็นข้อมูลโครงสร้าง เพื่อให้เอเจนต์ AI และ AI เชิงกายภาพในอนาคตสามารถเรียนรู้และนำไปใช้งานได้ ซึ่งจะช่วยลดการพึ่งพาความเชี่ยวชาญส่วนบุคคลและเปลี่ยนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืน

ภายใต้ถ้อยแถลงของแบรนด์ที่บอกว่า "การสร้างมาตรฐานแห่งอนาคต" DNP มุ่งมั่นที่จะขยายจุดแข็งด้านเทคโนโลยีการพิมพ์และสารสนเทศ พร้อมทั้งปรับโฉมสู่การเป็นบริษัทที่ขับเคลื่อนด้วย AI อย่างเต็มตัวเพื่อสร้างมาตรฐานใหม่ให้กับสังคม