การนำปัญญาประดิษฐ์ (AI) เข้ามาใช้ในองค์กรไม่ใช่เพียงการติดตั้งเครื่องมือทางเทคโนโลยี แต่เป็นกระบวนการเปลี่ยนแปลงที่ต้องเริ่มจากการกำหนดเป้าหมายและเตรียมความพร้อมของบุคลากรเป็นอันดับแรก ข้อสรุปนี้เกิดขึ้นในเวทีเสวนา MARTECH Expo 2026 หัวข้อ AI Transformation Checklist for Changing Upskilling and Scaling ที่มีวิทยากรจาก Data First และ Bangkok Commercial Asset Management PCL. มาร่วมกันนำเสนอแนวทาง ตั้งแต่การเริ่มต้น การเลือกคน การวัดผล จนถึงการขยายผลในองค์กร
เข็มทิศการเดินทางและก้าวแรกกับ Everyday AI
ทุกเส้นทางการเปลี่ยนแปลงล้วนเริ่มต้นด้วยคำถามว่าจะไปที่ไหน ดร.ธนกร หวังพิพัฒน์วงศ์ รองประธานเจ้าหน้าที่บริหารสายสารสนเทศและดิจิทัล บริษัท บริหารสินทรัพย์ กรุงเทพพาณิชย์ จำกัด (มหาชน) กล่าวว่า การเปลี่ยนแปลงดังกล่าวเปรียบเสมือนการเดินทางที่ต้องรู้ว่าต้องการไปยังจุดหมายใด
โดยภาพรวมสามารถแบ่งออกเป็น 3 ระดับ ได้แก่ ระดับบุคคลที่ให้พนักงานใช้เครื่องมือ AI ทั่วไปเพื่ออัปสกิลตนเอง ระดับกระบวนการที่นำ AI ไปใช้ลดต้นทุนหรือเพิ่มรายได้ และระดับองค์กรที่พัฒนา AI Model ของตนเองเพื่อรักษาความลับทางธุรกิจและสร้างความได้เปรียบ
สำหรับองค์กรขนาดกลางหรือขนาดเล็ก อนันฑ์ ตีระบูรณะพงษ์ Vice Executive Data & Innovation Director จาก Data First เสนอว่าสามารถตั้งต้นจากวัตถุประสงค์หลัก 5 ประการ ได้แก่ การลดระยะเวลาการทำงาน การเพิ่มประสิทธิภาพกระบวนการ การเพิ่มความแม่นยำและคุณภาพ การสร้างความพึงพอใจให้ลูกค้า และการเพิ่มความผูกพันและการมีส่วนร่วมของพนักงาน
แต่ก่อนจะพูดถึง AI Model ที่ซับซ้อน องค์กรต้องเริ่มจาก Everyday AI เสียก่อน แนวคิดนี้หมายถึงการยกระดับฐานความสามารถของพนักงานให้เข้าถึงเครื่องมือพื้นฐาน เช่น ChatGPT, Microsoft Copilot หรือ Google Workspace เพื่อช่วยในการเขียนอีเมล สรุปการประชุม และวิเคราะห์ข้อมูลเบื้องต้น
เป้าหมายในระยะแรกคือการทำให้พนักงานทุกคนมีพื้นฐาน AI ที่แข็งแรงก่อนจะขยายสู่ความซับซ้อนในลำดับถัดไป การวัดผลในระยะนี้ไม่สามารถวัดเป็นตัวเงินได้โดยตรง องค์กรจึงใช้ตัวชี้วัดแบบ Soft ROI เช่น จำนวนเวลาที่ประหยัดได้ ความพึงพอใจของพนักงาน และสัดส่วนผู้ใช้งานจริง
เทคนิคการเลือก “คน” และ จิตวิทยาการสร้างทีม
หากมีสิ่งหนึ่งที่วิทยากรทั้งสองย้ำตรงกัน นั่นคือคนสำคัญกว่าเทคโนโลยี ดร.ธนกรกล่าวว่า AI Transformation เป็นเรื่องของคนถึง 1,000 เปอร์เซ็นต์ คำถามสำคัญคือควรเริ่มอัปสกิลที่ใครก่อน ระหว่างผู้บริหารหรือพนักงานระดับปฏิบัติการ
ดร.ธนกรแนะนำให้เลือกคนที่ใช่และอยากทำก่อน หากคนนั้นเป็นผู้บริหารระดับสูงจะยิ่งสร้างผลกระทบเชิงบวกให้องค์กรได้มาก คุณอนันฑ์มีมุมมองที่ต่างออกไปเล็กน้อย โดยมองว่าต้องเริ่มที่ผู้บริหารก่อน เพื่อให้เข้าใจเทรนด์และลดความกลัวว่า AI จะมาดิสรัปต์ธุรกิจ เมื่อผู้บริหารเข้าใจก็จะกล้าอนุมัติงบประมาณและสั่งการลงมายังพนักงานได้ง่ายขึ้น
ส่วนพนักงานระดับปฏิบัติการนั้น ต้องปรับเนื้อหาการสอนให้เข้ากับแต่ละแผนก เช่น แผนกการเงินหรือบัญชี ต้องเน้นสอนเรื่องการใช้งาน AI ให้ปลอดภัยและไม่ละเมิดข้อมูลความลับ
คุณอนันฑ์เล่าประสบการณ์จาก Data First ว่าผลที่พบคือกลุ่ม Gen Z ปรับตัวได้เร็ว แต่กลุ่ม Gen Y และ Gen X ยังมีกำแพงทางความคิด คุณอนันฑ์จึงใช้วิธีปลุกพลังคนในองค์กรให้รู้สึกภูมิใจที่ได้เป็นผู้สร้างอนาคต ผ่านการทำเวิร์กชอป 70 วันเพื่อสร้างโปรเจกต์ร่วมกัน มีการใช้จิตวิทยาเล็กๆ เช่น การจัดตั้งสตูดิโอถ่ายรูปให้พนักงานทุกคนที่เข้าร่วมโปรเจกต์ เพื่อสร้างความรู้สึกภาคภูมิใจและรู้สึกสนุกที่ได้มีส่วนร่วม มากกว่าการถูกบังคับให้มาเรียนและส่งโปรเจกต์เพียงอย่างเดียว
เมื่อเริ่มมีคนที่อยากทำและพร้อมเรียนรู้ ขั้นตอนต่อไปคือการสร้างทีมงาน ดร.ธนกรเสนอว่าองค์กรควรสร้าง AI Transformation Architect จากคนในองค์กร เพื่อทำหน้าที่วิเคราะห์และแตกย่อยงานว่าส่วนไหนให้คนทำ ส่วนไหนให้ AI ทำ
จุดสำคัญคือไม่ควรมองการใช้ AI เฉพาะในแผนกใดแผนกหนึ่ง แต่ควรมองข้ามสายงาน เพราะ AI หนึ่งตัวอาจเข้าไปช่วยทำงานที่มีลักษณะซ้ำๆ ในหลายแผนกได้พร้อมกัน สำหรับการพัฒนา AI Model ที่ซับซ้อน ดร.ธนกรแนะนำให้จ้างพาร์ตเนอร์ภายนอก เนื่องจากเทคโนโลยีพัฒนาเร็วมาก การทำเองทั้งหมดอาจมีต้นทุนสูงเกินไป
เปลี่ยนวิธีคิดเรื่องการวัดผลสู่เป้าหมายแบบ Moonshot
เมื่อวิธีการทำงานเปลี่ยน วิธีวัดผลก็ต้องเปลี่ยนตาม ดร.ธนกรมองว่าการทำ Transformation เป็นสิ่งใหม่ที่ไม่เคยทำ จึงไม่ควรใช้ KPI แบบเดิมที่ตั้งเป้าหมายแบบปลอดภัย
การวัดผลความสำเร็จของ AI Transformation แบ่งออกเป็น 3 ระยะ ระยะแรกวัดผลที่การเรียนรู้ เน้นการทดลองทำโปรเจกต์โดยวัดจากจำนวนสมมติฐานที่ถูกพิสูจน์ ความเร็วในการสร้างต้นแบบ และการรับ Feedback แบบ Fail Fast, Learn Fast
ระยะที่สองวัดผลที่พฤติกรรม ได้แก่ อัตราการใช้งานจริงต่อเนื่อง ความพึงพอใจ และปริมาณงานที่ลดลงได้จริง ระยะที่สามคือเปลี่ยนจาก KPI ไปใช้ OKRs เหตุผลที่ต้องเปลี่ยนเนื่องจากเป้าหมาย AI มักเป็นแบบก้าวกระโดด การทำได้ถึง 70 เปอร์เซ็นต์ก็ถือว่าสำเร็จและให้อิมแพ็กต์ที่ยอดเยี่ยมแล้ว ต่างจาก KPI ที่มักคาดหวังผลเต็มร้อย
ความท้าทายในอนาคตที่ทุกคนต้องเผชิญ เมื่อโปรเจกต์ทดลองสำเร็จ ขั้นตอนต่อไปคือการขยายผลทั่วองค์กร นี่คือจุดที่หลายองค์กรสะดุด ดร.ธนกรชี้ว่า องค์กรต้องมีฐานข้อมูลที่แข็งแกร่ง และต้องมีการจัดการสิทธิ์การเข้าถึงข้อมูลที่รัดกุม เพื่อป้องกันปัญหาการตรวจสอบ
นอกจากนี้ ในการขยายผล AI ทั่วองค์กร การทำงานแบบเดิมที่เป็นขั้นเป็นตอนจะใช้ไม่ได้อีกต่อไป โลกเปลี่ยนเร็วจนกระบวนการต้องกลายเป็น Agile และนี่คือจุดที่กระทบกับระบบหลังบ้านอย่างการขออนุมัติงบประมาณอย่างรุนแรง
คุณอนันฑ์ฝากข้อคิดไว้ตรงนี้ว่า AI ติดคุกแทนคนไม่ได้ แต่ AI ทำผิดได้และทำองค์กรเสียเงินได้ องค์กรและพนักงานจึงต้องเป็นผู้รับผิดชอบต่อความเสี่ยงในการใช้งานเสมอ
ทั้งสองเห็นตรงกันว่าในมุมของการเริ่มใช้ AI องค์กรเล็กหรือ SME มีความได้เปรียบและไปได้เร็วกว่า เพราะไม่มีข้อจำกัดเรื่องกฎระเบียบ สิทธิ์การเข้าถึงข้อมูล หรือความเข้มงวดด้านการตรวจสอบ แต่เมื่อทุกองค์กรต่างเร่งพัฒนาทักษะ AI อนาคตอาจเผชิญกับภาวะ Uniform Marketing ที่ทุกองค์กรใช้ AI เก่งเหมือนกันหมด จนไม่มีความแตกต่าง
คุณอนันฑ์กล่าวว่า เมื่อทุกองค์กรใช้ AI เก่งเท่ากัน สิ่งที่จะทำให้องค์กรโดดเด่นคือ ความคิดสร้างสรรค์และความเห็นอกเห็นใจแบบมนุษย์ ที่ AI ไม่สามารถทดแทนได้
ข่าวอื่น ๆ ที่น่าสนใจ
Tellscore ชู Content Score ใช้ AI แปลง Social Signal สู่กลยุทธ์ธุรกิจ
สงคราม EV เดือด! 6 ค่ายรถชูอาวุธหนักลุย Motor Show 2026
