Data Governance ล้มเหลวเพราะวัฒนธรรมองค์กร: Gartner ชี้คือตัวตัดสินความสำเร็จของ AI

12 นาทีที่ผ่านมา

ยาว 2 นาที

บทความนี้วิเคราะห์จากบทความของ Gartner ที่ได้คาดการณ์ว่าภายในปี 2027 องค์กร 60% ที่ไม่แก้ปัญหาด้านวัฒนธรรมของ Data Governance จะกำกับดูแล AI (AI Governance) ไม่สำเร็จ ผลสำรวจผู้นำด้าน Data & Analytics 223 ค้นพบว่าการต่อต้านเชิงวัฒนธรรมเป็นสาเหตุที่โครงการ Data Governance ล้มเหลวมากกว่าปัญหางบประมาณ (60% ต่อ 40%) ทางออกคือผูก governance กับเป้าหมายธุรกิจ ทำให้เป็นความรับผิดชอบร่วมของทุกฝ่าย และฝังเข้าไปในงานประจำวัน

ทำไมองค์กรมี Data Governance แล้ว แต่ยังไม่พร้อมสำหรับ AI

Data Governance (ธรรมาภิบาลข้อมูล) คือกรอบการกำกับดูแลข้อมูลขององค์กร ครอบคลุมนโยบาย บทบาทความรับผิดชอบ และกระบวนการที่ทำให้ข้อมูลถูกต้อง ปลอดภัย และนำไปใช้ได้อย่างเชื่อถือได้ ส่วน AI Governance คือการกำกับดูแลการพัฒนาและใช้งาน AI ให้โปร่งใส ตรวจสอบได้ และสอดคล้องกับกฎหมาย ซึ่งต้องตั้งอยู่บนข้อมูลที่ผ่าน Data Governance มาแล้ว

หลายองค์กรในไทยลงทุนกับ Data Governance มาแล้วไม่น้อย มี Data Policy มี Data Catalog มีคณะทำงาน แต่พอถึงวันที่ต้องเอาข้อมูลไปป้อน AI กลับพบว่าข้อมูลยังไม่พร้อม คนยังไม่ทำตาม และไม่มีใครรู้ว่าใครเป็นเจ้าของข้อมูลชุดไหน

Gartner เพิ่งให้คำตอบที่ตรงจุดในงาน Gartner Data & Analytics Summit ที่มุมไบ เมื่อ 21 กันยายน 2026 โดยคาดการณ์ว่า ภายในปี 2027 องค์กร 60% ที่ไม่แก้ปัญหาด้านวัฒนธรรมของ Data & Analytics (D&A) Governance จะกำกับดูแล AI ไม่สำเร็จ

พูดง่าย ๆ คือ ปัญหาไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่ “คน” และ “วิธีคิด” ในองค์กร ซึ่ง Gartner นิยามวัฒนธรรมในบริบทนี้ว่าเป็นชุดความคิด พฤติกรรม และบรรทัดฐานที่กำหนดว่า governance จะถูกนำไปใช้และอยู่รอดในองค์กรได้จริงหรือไม่

สาเหตุหลักที่ Data Governance ล้มเหลวคืออะไร

Gartner สำรวจผู้นำด้าน D&A จำนวน 223 คนเมื่อมีนาคม 2026 พบว่าเหตุผลอันดับหนึ่งที่ทำให้โครงการ Data Governance ล้มเหลวคือ การต่อต้านเชิงวัฒนธรรม (cultural resistance) ที่ 60% ส่วนข้อจำกัดด้านงบประมาณอยู่ที่ 40% โดยอาการที่พบซ้ำ ๆ มีสามแบบ ดังนี้

ความเป็น data-driven ยังต่ำ คนยังตัดสินใจจากความเคยชินมากกว่าข้อมูล จึงไม่เห็นว่าคุณภาพข้อมูลเป็นเรื่องของตัวเอง
Stakeholder ไม่เข้าใจคุณค่าของ governance มองว่าเป็นขั้นตอนที่เพิ่มงาน มากกว่าเป็นสิ่งที่ช่วยให้งานเร็วขึ้น
ฝั่งธุรกิจมีส่วนร่วมน้อย ปล่อยให้ IT ถือเรื่องนี้ไว้คนเดียว

ผลที่ตามมาคือองค์กรสร้างฐานข้อมูลที่เชื่อถือได้ไม่ทัน ในขณะที่แผน AI เดินหน้าไปแล้ว ทั้งที่องค์กรควรต้องวางรากฐานที่ดีตั้งแต่แรก

AI-ready stakeholders คืออะไร และทำไมสำคัญพอ ๆ กับ AI-ready data

ทุกวันนี้องค์กรโฟกัสกับการเขียนนโยบายและการลงเครื่องมือ แต่มองข้ามมิติด้านวัฒนธรรม ซึ่งเป็นตัวตัดสินว่านโยบายเหล่านั้นจะถูกใช้จริงในวงกว้างได้หรือไม่ Data Governance ที่ไม่สร้าง data-driven culture ควบคู่กัน ก็คือความพยายามที่สูญเปล่า

อีกประเด็นที่น่าสนใจคือ หลายองค์กรกำลังเร่งทำ AI-ready data แต่หากอ้าอิงจากบทความของ Gartner หากมองแค่นั้นอาจไม่พอ ต้องมี AI-ready stakeholders ด้วย คือคนที่

เข้าใจว่าข้อมูลที่เชื่อถือได้มีมูลค่าต่อธุรกิจอย่างไร
มีส่วนร่วมในการดูแลนโยบายด้าน governance ไม่ใช่แค่รับทราบ
ช่วยกันรักษาวัฒนธรรมของความรับผิดชอบ (accountability) และความไว้วางใจ (trust)

สำหรับองค์กรไทยที่อยู่ภายใต้ PDPA และกำลังเตรียมรับกฎหมายด้าน AI ประเด็นนี้ยิ่งสำคัญ เพราะ compliance ที่ยั่งยืนเกิดจากคนที่ทำตามได้จริงในงานประจำวัน ไม่ใช่จากเอกสารนโยบายที่วางอยู่บนชั้น

ทำ Data Governance ให้สำเร็จต้องทำอย่างไร: 3 คำแนะนำจาก Gartner

เชื่อมโยง governance เข้ากับผลลัพธ์ทางธุรกิจ Gartner แนะนำให้จัดลำดับงาน governance ตามเป้าหมายเชิงกลยุทธ์และแผน AI ขององค์กร เพื่อให้วัดผลได้และผู้บริหารยังสนับสนุนต่อเนื่อง ในทางปฏิบัติ คือเริ่มจาก use case ที่ผู้บริหารสนใจอยู่แล้ว เช่น การทำ AI ด้านลูกค้า หรือรายงานที่ต้องส่งหน่วยงานกำกับ แทนการไล่ทำทุก dataset พร้อมกัน
ทำ Data Governance ให้เป็น business enabler และเป็น team sport เลิกมองว่าเป็นงานของ IT แล้วสร้างความรับผิดชอบร่วมระหว่างฝั่งธุรกิจกับฝั่งเทคโนโลยี เช่น กำหนด Data Owner และ Data Steward จากหน่วยธุรกิจที่ใช้ข้อมูลจริง
ฝัง governance และวัฒนธรรมเข้าไปใน workflow ประจำวัน ผสาน data literacy, AI literacy และ change management เข้ากับงานที่คนทำอยู่ทุกวัน ให้การทำตามนโยบายเป็นส่วนหนึ่งของงาน ไม่ใช่งานเพิ่ม

ทั้งสามข้อมีจุดร่วมเดียวกัน คือ governance ที่สำเร็จต้องออกแบบโดยมองคนเป็นศูนย์กลาง ไม่ใช่เริ่มจากเครื่องมือ

องค์กรของคุณพร้อมสำหรับ AI Governance แค่ไหน: เช็กลิสต์สำหรับผู้บริหาร

Gartner ปิดท้ายว่าความสำเร็จของ AI ขึ้นกับคนพอ ๆ กับเทคโนโลยี องค์กรที่มอง Data Governance และ data-driven culture เป็นรากฐานคู่กันของความไว้วางใจ จะกำกับดูแล AI ได้ดีกว่า และได้ผลตอบแทนจากการลงทุน AI มากกว่า

คำถามที่ผู้บริหารควรถามตัวเองตอนนี้มีไม่กี่ข้อ

ถ้าถามว่าข้อมูลลูกค้าชุดนี้ใครเป็นเจ้าของ ทีมตอบได้ทันทีไหม
ฝั่งธุรกิจมีส่วนในการกำหนดนโยบายข้อมูล หรือรับคำสั่งจาก IT อย่างเดียว
นโยบายที่เขียนไว้ ถูกใช้จริงในงานประจำวันกี่เปอร์เซ็นต์

ถ้ายังตอบได้ไม่ชัด ไม่ได้แปลว่าองค์กรของคุณล้าหลัง แต่เป็นสัญญาณว่าถึงเวลาวางฐาน Data Governance ให้แข็งแรงก่อนที่แผน AI จะเดินหน้าไปไกลกว่านี้ เพราะยิ่งเริ่มช้า ต้นทุนในการแก้ข้อมูลและแก้พฤติกรรมคนก็ยิ่งสูงขึ้น

Coraline ช่วยวาง Data Governance ที่ใช้ได้จริงอย่างไร

เราออกแบบบริการ Data Governance โดยมองคนเป็นศูนย์กลาง สอดคล้องกับสิ่งที่ Gartner ชี้ว่าเป็นตัวตัดสินความสำเร็จ

ประเมินความพร้อม (Readiness Assessment): ตรวจทั้งฝั่งข้อมูลและฝั่งคน ว่าอะไรคือจุดติดขัดจริง แล้วจัดลำดับสิ่งที่ควรแก้ก่อนตามเป้าหมายธุรกิจและแผน AI ขององค์กร
ออกแบบโครงสร้างความรับผิดชอบ: กำหนด Data Owner และ Data Steward จากหน่วยธุรกิจที่ใช้ข้อมูลจริง ให้ governance เป็นงานของทุกฝ่าย ไม่ใช่ภาระของ IT ฝ่ายเดียว
ฝัง governance เข้าไปใน workflow: วางนโยบายให้เข้ากับวิธีทำงานของแต่ละหน่วยงาน พร้อมสร้าง data literacy ให้ทีม เพื่อให้นโยบายถูกใช้จริง ไม่จบแค่บนกระดาษ

เริ่มต้นจากบทสนทนาเดียว

หากองค์กรของคุณกำลังวางแผน AI หรือเคยลงทุนกับ Data Governance แล้วแต่ยังไม่เห็นผล ทีม Coraline พร้อมนั่งคุยเพื่อประเมินว่าฐานข้อมูลและทีมของคุณพร้อมแค่ไหน และควรเริ่มแก้จากตรงไหนก่อน นัดคุยกับทีม Data Governance ของ Coraline