Proof of Concept (POC)

Proof of Concept หรือที่วงการเรียกย่อว่า POC คือการทดลองขนาดเล็กที่กินเวลาและทรัพยากรน้อยกว่าการสร้างของจริงมาก เพื่อตอบคำถามเดียว: ไอเดียหรือเทคโนโลยีนี้ทำได้จริงในทางเทคนิคหรือไม่ ก่อนที่องค์กรจะทุ่มงบและคนลงไปสร้างของจริง POC จึงไม่ใช่การส่งมอบผลิตภัณฑ์ ไม่ต้องสวย ไม่ต้องครบฟีเจอร์ คนดูผลส่วนใหญ่คือคนในทีมหรือผู้บริหารที่ต้องตัดสินใจ ไม่ใช่ลูกค้าปลายทาง คำนี้ไม่ได้เพิ่งเกิดในยุค AI เริ่มใช้มาตั้งแต่ปี 1967 และปรากฏนิยามทางการในการไต่สวนของสภาคองเกรสสหรัฐฯ ปี 1969 ว่าเป็นขั้นตอนที่สร้างและทดสอบฮาร์ดแวร์ทดลอง เพื่อสำรวจและพิสูจน์ความเป็นไปได้ของแนวคิดใหม่

สิ่งที่ทำให้คนสับสนบ่อยคือ POC กับ prototyping และ pilot อยู่คนละขั้นของกระบวนการ POC ตอบแค่ว่า "ทำได้ไหม" ในสเกลเล็กและปิดเฉพาะภายใน ส่วน prototype ตอบว่า "หน้าตาและการทำงานควรเป็นแบบไหน" ให้คนได้ลองกด ส่วน pilot คือเอาระบบที่ทำงานได้จริงแล้วไปทดลองใช้กับผู้ใช้กลุ่มเล็กในสภาพแวดล้อมจริง ก่อนขยายเต็มองค์กร ลำดับที่พบบ่อยคือ POC ไปต่อ prototype ไปต่อ pilot แล้วค่อยไป production แต่ในทางปฏิบัติไม่มีลำดับสากลที่ทุกวงการใช้เหมือนกัน หลายที่ข้ามขั้นหรือเรียกชื่อคนละแบบ แต่ในโลก AI ช่วงหลังลำดับนี้กลายเป็นจุดที่หลายองค์กรติดหล่ม รายงาน "The GenAI Divide: State of AI in Business 2025" ของ MIT Media Lab โดยโครงการ NANDA เผยแพร่กรกฎาคม 2025 ทำวิจัยช่วงมกราคมถึงมิถุนายน 2025 ด้วยการทบทวนโครงการ generative-ai ที่เปิดเผยต่อสาธารณะกว่า 300 โครงการ สัมภาษณ์เชิงลึก 52 คน และสำรวจผู้บริหารระดับสูง 153 คนจากงานประชุมใหญ่สี่งาน รายงานระบุว่าท่ามกลางเม็ดเงินที่องค์กรทุ่มให้ generative AI ซึ่งผู้เขียนประเมินไว้ราว 30-40 พันล้านดอลลาร์สหรัฐ 95% ขององค์กรในกลุ่มที่ศึกษาได้ผลตอบแทนเป็นศูนย์ และมีเพียง 5% ของ pilot ที่ต่อยอดเข้าระบบงานจริงเท่านั้นที่ดึงมูลค่าได้ระดับหลายล้านดอลลาร์ ส่วนที่เหลือยังไม่เห็นผลกระทบต่อกำไรขาดทุนที่วัดได้ รายงานอธิบายสาเหตุว่าเครื่องมือส่วนใหญ่จำ feedback ไม่ได้ ปรับตามบริบทไม่ได้ และไม่พัฒนาต่อเมื่อเวลาผ่านไป

ตัวเลข 95% นี้เป็นหนึ่งในสถิติที่ถูกอ้างผิดมากที่สุดของวงการ ก่อนหยิบไปใช้ต้องรู้ข้อจำกัดสี่ข้อ: หนึ่ง รายงานระบุตัวเองว่าเป็น preliminary findings ไม่ผ่าน peer review และไม่ใช่งานวิจัยที่สถาบัน MIT รับรองอย่างเป็นทางการ · สอง เกณฑ์สำเร็จที่ใช้คือดึงมูลค่าได้ระดับหลายล้านดอลลาร์ในกรอบเวลาราวหกเดือน ซึ่งเป็นบาร์ที่สูงกว่าคำว่ามีผลตอบแทนบ้างมาก โครงการที่คุ้มทุนพอประมาณก็ถูกนับรวมอยู่ในฝั่ง 95% · สาม กลุ่มตัวอย่างคัดจากองค์กรที่ยินดีมาคุยเรื่องปัญหาการใช้ AI จึงเอียงไปทางเคสที่ติดขัดอยู่แล้ว · สี่ ผู้เขียนบางรายมีส่วนได้เสียกับธุรกิจ agentic AI ที่รายงานเสนอเป็นทางออก จน Kevin Werbach อาจารย์ Wharton เรียกร้องต่อสาธารณะให้เปิดข้อมูลดิบ ไม่เช่นนั้นควรถอนรายงาน สรุปคือใช้เป็นสัญญาณเตือนได้ว่า pilot จำนวนมากไปไม่ถึงงานจริง แต่อ้างว่าโครงการ AI 95% ล้มเหลว ไม่ได้ ฝั่ง agentic AI ก็เจอปัญหาคล้ายกัน Gartner ประกาศเมื่อ 25 มิถุนายน 2025 ว่าคาดการณ์ว่ากว่า 40% ของโครงการ agentic AI จะถูกยกเลิกภายในสิ้นปี 2027 เพราะต้นทุนบานปลาย มูลค่าทางธุรกิจไม่ชัดเจน และคุมความเสี่ยงไม่รัดกุมพอ Anushree Verma ตำแหน่ง Senior Director Analyst ของ Gartner ระบุว่าโครงการ agentic AI ส่วนใหญ่ตอนนี้ยังเป็นการทดลองช่วงต้นหรือ POC ที่ขับเคลื่อนด้วยกระแสเป็นหลัก และมักถูกเอาไปใช้ผิดที่ผิดทาง อีกจุดที่ Gartner เตือนคือ agent washing: จากผู้ขายหลายพันรายที่โฆษณาว่ามีความสามารถ agentic Gartner ประเมิน ณ มิถุนายน 2025 ว่ามีจริงเพียงราว 130 รายตามการประเมินของ Gartner เอง ที่เหลือคือการรีแบรนด์ chatbot หรือ RPA เดิม

คนทำงานในองค์กรไทยจะเจอคำนี้บ่อยตอนฝ่ายไอทีหรือ vendor เสนอ "ทำ POC ก่อน" ก่อนเซ็นสัญญาซื้อระบบ AI ก้อนใหญ่ เช่น POC เครื่องมือสร้าง agent อย่าง copilot-studio หรือ agentforce ซึ่งเป็นแนวทางที่ถูกต้องในตัวมันเอง แต่กับดักที่พบบ่อยคือทำ POC เสร็จแล้วไม่มีใครกล้าตัดสินใจต่อ ปล่อยให้ค้างอยู่แบบนั้น วนทำ POC ใหม่ไปเรื่อยๆ โดยไม่เคยไปถึงงานจริง แนวปฏิบัติที่ช่วยกันปัญหานี้ได้คือกำหนดเกณฑ์ล่วงหน้าก่อนเริ่ม POC เป็นสามชั้น: เกณฑ์ต่ำสุดที่ยอมรับได้ เป้าหมายที่ถ้าถึงแล้วค่อยลงทุนเต็มรูป และเงื่อนไขที่จะหยุดทันที ต้องกำหนดก่อนเห็นผลลัพธ์เท่านั้น เพื่อไม่ให้ใครขยับเป้าตามผลที่ได้ทีหลัง และต้องมีเจ้าของงบฝั่งธุรกิจ ไม่ใช่ทีมเทคนิคอย่างเดียว เป็นคนกดปุ่ม go หรือ no-go ซึ่งเป็นส่วนหนึ่งของ ai-governance ที่ดีตั้งแต่ต้นทาง ถ้าตั้งเกณฑ์แบบนี้ไม่ได้ตั้งแต่แรก การคุยเรื่อง ai-roi ตอนท้าย POC ก็มักเถียงกันไม่จบว่านับผลตอบแทนแบบไหนถึงเรียกว่าสำเร็จ

ตัวอย่างจากบทสนทนาจริง

ผู้บริหาร: "ทีมทำ POC chatbot ตอบลูกค้าไปตั้งแต่ไตรมาสก่อน ผลออกมาดีด้วย ทำไมป่านนี้ยังไม่เปิดใช้จริงสักที"

หัวหน้าทีมข้อมูล: "เพราะตอนเริ่ม POC เราไม่ได้ตกลงกันไว้ว่าแม่นยำเท่าไหร่ถึงเรียกว่าผ่าน พอผลออกมาเลยเถียงกันเองว่านับว่าสำเร็จหรือไม่สำเร็จ ตอนนี้กำลังตั้งเกณฑ์ใหม่พร้อมกำหนดวันตัดสินใจ go หรือ no-go ชัดเจน ไม่งั้นจะติดอยู่ที่ขั้น POC แบบนี้ไปเรื่อยๆ ครับ"

ระวังสับสนกับ

• prototyping : POC ตอบคำถามว่าทำได้จริงในทางเทคนิคไหม เน้นพิสูจน์ความเป็นไปได้แบบปิดภายในทีม ส่วน prototyping ตอบคำถามว่าหน้าตาและการทำงานควรเป็นแบบไหน เน้นให้คนได้ลองใช้ก่อนตัดสินใจออกแบบต่อ ลำดับปกติ POC มาก่อนแล้วค่อยไปทำ prototype