“ทุกบริษัทล้วนมีนโยบายเรื่อง AI” เป็นประโยคที่ผู้บริหารส่วนใหญ่กล่าวด้วยความมั่นใจ ทว่าข้อมูลจากหัวข้อการบรรยาย Ped.AI: From specialists to generalists empowered by AI กลับสะท้อนภาพที่ต่างออกไป เมื่อ 70% ของโครงการ AI ที่องค์กรลงทุนกลับไม่สามารถขยายผลสู่การใช้งานจริง สาเหตุไม่ได้อยู่ที่ตัวเครื่องมือหรือเทคโนโลยี แต่อยู่ที่จุดเริ่มต้นที่ผิดตั้งแต่แรก คือการละเลย “คน”
ขณะที่ อภิรัตน์ หวานชะเอม Founder & CEO Practico กลับเสนอทางออกด้วยแนวคิดที่พลิกโฉมโครงสร้างองค์กร ตั้งแต่การแตกเนื้องานด้วย E.A.A. Score การรวมงานด้วย Compound Job ไปจนถึงการออกแบบ Hybrid Job Description ที่จะเปลี่ยนให้พนักงานจาก Specialist สู่ Generalist แห่งยุค AI โดยมี HR และผู้บริหารเป็นกลไกหลักขับเคลื่อน 70% ของความสำเร็จ ก่อนที่ทีมเทคโนโลยีจะเข้ามารับช่วงต่อ
วิกฤติโครงสร้าง: กลยุทธ์ไม่ลงถึงหน้างาน
คุณอภิรัตน์กล่าวว่า ปัญหาการนำ AI มาใช้ในองค์กรไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่การเริ่มต้นที่ผิดลำดับ องค์กรส่วนใหญ่ลงทุนกับเครื่องมือและระบบก่อน โดยละเลยบุคลากรและกระบวนการทำงาน อาการที่พบบ่อยคือการมีกลยุทธ์ระดับผู้บริหารแต่ไม่ลงถึงหน้างานจริง การจัดอบรมการใช้แชทบอทที่พนักงานไม่สามารถนำไปประยุกต์ใช้กับงานจริงจังได้ และการไม่สามารถวัดความคุ้มค่าของการลงทุนได้
“ทุกบริษัทล้วนมีนโยบายเรื่อง AI แต่ 70% ของโครงการ AI มักไม่ประสบความสำเร็จในการนำไปใช้ขยายผลจริง” คุณอภิรัตน์กล่าว พร้อมชี้ว่าสาเหตุหลักเกิดจากการมองข้ามคนและกระบวนการทำงานตั้งแต่แรกเริ่ม
–Practico เดิมพันใหม่ ‘อภิรัตน์ หวานชะเอม’ พาธุรกิจไทยฝ่าพายุ AI
เป้าหมาย 3 ระดับ: จากงานทั่วไปสู่การก้าวข้ามขีดจำกัด
คุณอภิรัตน์เสนอกรอบการใช้งาน AI 3 ระดับที่องค์กรควรเลือกให้เหมาะสมกับกลยุทธ์และสถานการณ์ของตนเอง
- ระดับแรก คือการปลดปล่อยพนักงานจากงานทั่วไปที่เรียกว่า “Work about work” เช่น การทำนัดหมาย การทำรีพอร์ต หรือการทำพรีเซนเทชัน ซึ่งกินเวลาทำงานของพนักงานถึง 60 เปอร์เซ็นต์ การนำ AI มาช่วยในส่วนนี้จะเพิ่มผลิตภาพได้ถึง 50 เปอร์เซ็นต์
- ระดับที่ 2 คือการยกระดับงานหลักให้ดีขึ้นด้วยการนำ AI มาช่วยวิเคราะห์ข้อมูล ทำให้พนักงานคิดได้กว้างและลึกซึ้งขึ้น เข้าใจลูกค้าได้มากขึ้น
- ระดับที่ 3 คือการก้าวข้ามขีดจำกัดเดิมด้วยการผสานศักยภาพของคนกับ AI เพื่อสร้างความสามารถใหม่ที่มนุษย์คนเดียวไม่สามารถทำได้
ทั้งนี้ องค์กรไม่จำเป็นต้องมุ่งสู่ระดับสูงสุดเสมอไป แต่ควรเลือกให้เหมาะสมกับสถานการณ์และทรัพยากรที่มีอยู่
E.A.A. Score: วิธีตัดสินว่าใครทำอะไร
การจะแบ่งว่างานใดควรมอบให้มนุษย์หรือ AI ทำ คุณอภิรัตน์แนะนำให้แตกภาพใหญ่ของตำแหน่งงานลงมาเป็นเนื้องานย่อย ๆ แล้วให้คะแนนตามหลัก E.A.A. Score ซึ่งประกอบด้วย 3 มิติ
มิติแรกคือ Empathy Score ที่วัดว่างานนี้ต้องการความเห็นอกเห็นใจและความเป็นมนุษย์สูงแค่ไหน เช่น การปลอบโยนลูกค้าหรือการให้คำปรึกษาที่ซับซ้อน ซึ่งงานประเภทนี้ให้มนุษย์เป็นผู้ลงมือทำหลัก โดยมี AI ช่วยค้นหาข้อมูลหรือให้คำแนะนำอยู่เบื้องหลัง มิติที่สองคือ Augmented Score ที่วัดว่างานนี้สามารถให้ AI เป็นลูกน้องช่วยร่างข้อเสนอ หาข้อมูลย้อนหลัง หรือเตรียมการให้มนุษย์ตัดสินใจต่อได้หรือไม่ มิติที่สามคือ Automate Score ที่วัดว่างานนี้เป็นงานซ้ำซากจำเจที่สามารถให้ AI ทำแทนได้ 100 เปอร์เซ็นต์ เช่น การทำบันทึกหลังวางสาย
“การออกแบบการทำงานต้องไม่ดูภาพรวมระดับตำแหน่ง แต่ต้องเจาะลึกลงไปที่ระดับเนื้องาน” คุณอภิรัตน์กล่าว โดยการแบ่งงานตาม E.A.A. Score จะนำไปสู่การสร้าง Hybrid Job Description ซึ่งเป็นใบกำหนดหน้าที่การงานแบบใหม่ที่ระบุชัดเจนว่าในตำแหน่งนี้ มนุษย์ต้องรับผิดชอบส่วนใด และมี AI Agent ตัวไหนคอยรับผิดชอบงานส่วนใดบ้างร่วมกัน
Compound Job: รวมงานเพื่อลดรอยต่อบริการ
ในอดีตองค์กรมักแบ่งพนักงานเป็นผู้เชี่ยวชาญเฉพาะทาง ทำให้ลูกค้าต้องถูกโอนสายไปหลายแผนก ซึ่งส่งผลเสียต่อประสบการณ์ของลูกค้า แต่เมื่อมี AI เป็นผู้ช่วยคอยป้อนข้อมูล พนักงานหนึ่งคนก็สามารถรู้รอบด้านจนแก้ปัญหาจบได้ในตัวคนเดียว คุณอภิรัตน์เรียกแนวทางนี้ว่า Compound Job หรือการรวบเนื้องานเข้าด้วยกัน โดยมีเกณฑ์สี่ข้อในการพิจารณา
เกณฑ์แรก คือความใกล้เคียงกันของเนื้องาน เกณฑ์ที่สองคือหากแยกกันทำจะทำให้ประสบการณ์ของลูกค้าเสียไปหรือไม่ เกณฑ์ที่สามคือเมื่อรวมงานแล้วพนักงานจะรับไหวและรู้สึกมีคุณค่ามากขึ้น โดยไม่เกิดอาการหมดไฟหรือไม่ และเกณฑ์สุดท้ายคือช่องว่างของการเรียนรู้ไกลเกินไปหรือไม่ เช่น การให้พนักงาน Call Center ไปทำกลยุทธ์อาจจะไกลเกินไป
หัวใจสำคัญของบริการในอนาคตคือ “High Tech อยู่เบื้องหลัง และ High Touch อยู่เบื้องหน้า” คุณอภิรัตน์เน้นว่ามนุษย์ยังคงเป็นสิ่งที่ลูกค้าต้องการ โดยเฉพาะในเรื่องของความเข้าใจและความเห็นอกเห็นใจ และไม่ควรนำแชทบอทมาแทนที่คนแบบ 100 เปอร์เซ็นต์ในงานบริการลูกค้า
สามทางเลือกเมื่อ AI ลดภาระงาน
เมื่อองค์กรสามารถใช้ AI จัดการงานจนพนักงานมีเวลาเหลือ คุณอภิรัตน์กล่าวว่า องค์กรต้องตัดสินใจในสามทางเลือก ทางเลือกแรกคือการลดคน ซึ่งเป็นทางเลือกที่ไม่แนะนำเพราะจะยิ่งทำให้พนักงานกลัว AI และต่อต้านการใช้งาน ทางเลือกที่สองคือการเพิ่มขีดความสามารถด้วยการใช้คนเท่าเดิมแต่รับงานหรือดูแลลูกค้าได้มากขึ้น เช่น Call Center ที่รับสายต่อวันได้เพิ่มขึ้นโดยไม่ต้องจ้างคนเพิ่ม ทางเลือกที่สามคือการโยกย้ายพนักงานไปทำงานที่มีมูลค่าสูงขึ้น เช่น นำคนที่เคยต้องคอยสรุปข้อมูลไปทำหน้าที่ดูแลคุณภาพหรือติดตามผลกับลูกค้าแทน
ทั้งนี้ ทางเลือกที่สองและสามเป็นแนวทางที่คุณอภิรัตน์เสนอให้องค์กรพิจารณา เนื่องจากจะสร้างประโยชน์ทั้งต่อองค์กรและพนักงานในระยะยาว
Hybrid Job Description: สะพานเชื่อม HR สู่ทีม Tech
กระบวนการเปลี่ยนแปลงตามแนวทางของ Ped.AI ต้องเริ่มจาก HR และผู้บริหารที่ดูแลฝั่งกระบวนการทำงานและคน ถึง 70 เปอร์เซ็นต์ ก่อนที่จะส่งต่อให้ทีมเทคโนโลยีอีก 20 เปอร์เซ็นต์ เมื่อ HR สามารถออกแบบ Hybrid Job Description ที่ระบุชัดเจนว่าในตำแหน่งนี้ มนุษย์ต้องรับผิดชอบส่วนใด และมี AI Agent ตัวไหนคอยรับผิดชอบงานส่วนใดบ้างร่วมกัน ทีม Tech จะทำงานได้ง่ายขึ้น เพราะจะรู้ได้ทันทีว่า AI ตัวไหนต้องการความฉลาดระดับใด
“หากงานนั้นแค่ต้องการการสรุปเอกสารง่าย ๆ ทีม Tech ก็จะเลือกระบบ AI พื้นฐานมาใช้ เพื่อไม่ให้สิ้นเปลือง แต่หากต้องวิเคราะห์ข้อมูลลูกค้าระดับลึก ก็จะเลือกระบบที่ซับซ้อนขึ้น” คุณอภิรัตน์กล่าว พร้อมสรุปหลักการสำคัญว่า “Put the right AI to the right job” ซึ่งหมายถึงการเลือกใช้ AI ที่เหมาะสมกับงานแต่ละประเภท ไม่มากหรือน้อยเกินไป
วิวัฒนาการทักษะ: จาก I-Shape สู่ O-Shape
คุณอภิรัตน์กล่าวว่าในอดีตองค์กรต้องการคนแบบ I-Shape ที่รู้ลึกเรื่องเดียว ต่อมาในยุคปี 2022 หรือยุค Innovation องค์กรต้องการคนแบบ T-Shape ที่รู้ลึกหนึ่งเรื่องและรู้กว้างในเรื่องอื่นๆ แต่ในยุค AI ที่สามารถเติมเต็มความรู้เชิงลึกให้กับมนุษย์ได้ ทักษะของมนุษย์จะพัฒนาไปสู่ความเป็น Generalist มากขึ้น เช่น Pi-Shape, M-Shape และ O-Shape ที่รู้รอบด้านและเข้าใจภาพรวมมากขึ้น
แนวคิดนี้สอดคล้องกับ Ped.AI Concept หรือแนวคิดมนุษย์เป็ดแห่งยุค AI ที่คุณอภิรัตน์นำเสนอ โดยอธิบายว่า AI จะเข้ามาช่วยชดเชยความรู้เชิงลึกให้กับพนักงาน ทำให้พนักงานสามารถรู้รอบด้านและเข้าใจภาพรวม และแก้ไขปัญหาได้จบในคนเดียว ปรากฏการณ์นี้ก่อให้เกิดประโยชน์สามฝ่าย ฝ่ายแรกคือบริษัทที่ได้ผลิตภาพและรายได้เพิ่มขึ้น ฝ่ายที่สองคือลูกค้าที่ได้รับบริการที่ดีเยี่ยมและจบปัญหาได้ในคนเดียว ฝ่ายที่สามคือพนักงานที่ได้ทำงานที่มีความหมายและรู้สึกมีคุณค่ามากขึ้น
Leadership on Day 1: ทักษะแห่งอนาคต
คุณอภิรัตน์กล่าวทิ้งท้ายว่า “พนักงานในอนาคตจะไม่ตกงานเพราะ AI แต่จะตกงานเพราะแพ้คนที่ใช้ AI เป็น” ทักษะสำคัญที่เหลืออยู่ของมนุษย์จะมีเพียงสองอย่างคือทักษะการทำงานร่วมกับ AI ได้อย่างสอดประสาน และความเป็นมนุษย์ที่สูงขึ้น หรือทักษะด้านความสัมพันธ์ระหว่างบุคคล
นอกจากนี้ เด็กจบใหม่ที่เข้าทำงานจะต้องมีทักษะ “Leadership on Day 1” เพราะทันทีที่เริ่มงาน พวกเขาจะไม่ได้เป็นแค่ลูกน้อง แต่ต้องเป็นหัวหน้าที่คอยบริหารจัดการและสั่งงานลูกน้องที่เป็น AI ทันที โดยไม่ต้องรอให้มีประสบการณ์ทำงานมาก่อน
“ผู้ที่จะขับเคลื่อนกระบวนการ AI Transformation ในองค์กรให้สำเร็จ ไม่ใช่ทีมเทคโนโลยี แต่คือ ผู้บริหารและทีมงาน HR ที่ต้องเป็นผู้ออกแบบกระบวนการและดูแลเรื่องคนนำหน้า 70 เปอร์เซ็นต์ให้สำเร็จ” คุณอภิรัตน์กล่าว
ข่าวอื่น ๆ ที่น่าสนใจ
BDMS ทุ่ม 2.9 หมื่นล้าน ปั้น WellEra ดัน Health Span คนไทยสู่ 75 ปี
AI เริ่มต้นที่คน: ทรู คอร์ปอเรชั่น ปรับโครงสร้าง HR รับมือการเปลี่ยนผ่านสู่ยุค AI
