เริ่มต้นจากการกำหนดเป้าหมายทางธุรกิจอย่างชัดเจน เช่น ต้องการเพิ่มยอดขาย ขยายตลาด หรือปรับปรุงประสิทธิภาพการทำงานในกระบวนการผลิต จากนั้นจึงวางแผนว่าการนำ AI มาใช้นั้นจะช่วยตอบโจทย์หรือแก้ปัญหาธุรกิจในจุดใดได้บ้าง หลังจากที่รู้เป้าหมายของธุรกิจแล้ว สิ่งที่ควรเตรียมคือ “ข้อมูล” และวิธีการจัดเก็บ จัดการ ไปจนถึงการ Cleansing Data เพื่อให้ข้อมูลพร้อมนำไปวิเคราะห์ด้วย AI ได้ดีมากยิ่งขึ้น หากไม่มี Data Strategy ที่ดี โมเดล AI อาจทำงานได้ไม่เต็มประสิทธิภาพ หรือได้ผลลัพธ์คลาดเคลื่อนครับ
เมื่อธุรกิจและข้อมูลพร้อมแล้ว จึงวางกลยุทธ์ AI เฉพาะด้านว่าจะสร้างโมเดลแบบใด ใช้เทคโนโลยี AI แบบใด Machine Learning, Deep Learning, NLP หรืออื่น ๆ และจะจัดสรรทรัพยากรด้านบุคลากรและงบประมาณอย่างไร เพื่อให้สามารถต่อยอดการพัฒนา AI ได้อย่างต่อเนื่องครับ
ต้องสามารถรองรับการทำงาน และการใช้งานโมเดล AI ที่มีความซับซ้อนได้อย่างราบรื่นอาจเป็น Cloud หรือแบบ On-Premise ที่ต้องมีความยืดหยุ่น สามารถขยายระบบได้ตามปริมาณข้อมูลหรือจำนวนผู้ใช้งานที่เพิ่มขึ้นได้ รวมถึงรองรับการติดตั้งเครื่องมือที่จำเป็นต่อ AI เช่น Apache Spark, Kubernetes, Docker หรือแพลตฟอร์ม Data Warehouse/ Data Lake เป็นต้น
อีกทั้งยังต้องพิจารณาเซิร์ฟเวอร์ หน่วยประมวลผลแบบ GPU/TPU และระบบเครือข่ายที่มีความเร็วเพียงพอเพื่อประมวลผล AI ได้รวดเร็วครับ
ในองค์กรขนาดใหญ่ การจะพัฒนาและนำ AI ไปใช้จริงเกี่ยวพันกับหลากหลายฝ่าย เช่น ฝ่ายไอที ฝ่ายธุรกิจหรือฝ่ายข้อมูล ซึ่งแต่ละฝ่ายอาจมีเป้าหมายและภาษาการทำงานต่างกัน ผู้จัดการโครงการจึงต้องประสานงานและบริหารกำหนดเวลา อย่างมีประสิทธิภาพ
โครงการ AI มักพบอุปสรรคจากความไม่เข้าใจหรือไม่เชื่อมั่นในเทคโนโลยี การบริหารจัดการความคาดหวังเพื่อให้พนักงานยอมรับเทคโนโลยีใหม่จึงเป็นสิ่งสำคัญครับ โครงการ AI มักต้องลงทุนสูงทั้งด้านระบบและบุคลากร การวางกรอบงบประมาณและเป้าหมายที่วัดผลได้ จะช่วยให้ผู้บริหารเห็นภาพและตัดสินใจลงทุนได้อย่างคุ้มค่า