5 คำถามที่ CEO ต้องตอบ เพื่อเปลี่ยนจากองค์กรที่ใช้ AI ไปสู่องค์กรที่ถูกออกแบบมาเพื่อ AI ตั้งแต่ต้น
ในวันที่องค์กรต่าง ๆ เดินหน้าลงทุน AI อย่างต่อเนื่อง ไม่ว่าจะเป็นการนำ Copilot, Chatbot และ AI Agent เข้ามาใช้ การจัดตั้ง AI Lab หรือการพัฒนา Use Case จำนวนมากเพื่อเพิ่มประสิทธิภาพการทำงาน คำถามสำคัญอาจไม่ใช่อีกต่อไปว่าองค์กรมี AI หรือยัง แต่คือการลงทุนเหล่านั้นสร้างผลลัพธ์ให้กับธุรกิจได้มากน้อยเพียงใด และทำให้องค์กรเกิดการเปลี่ยนแปลงอย่างแท้จริงหรือไม่
ภายในงาน KBTG ที่ผ่านมา ใน Session “ROI or RIP: Beyond the Pilot Phase” กระทิง เรืองโรจน์ พูนผล Co-founder, House of Wisdom ได้เล่าถึงแนวคิด AI Native Transformation ว่า ในวันนี้งบประมาณลงทุนด้าน AI ขององค์กรในอุตสาหกรรมต่าง ๆ เพิ่มขึ้นจาก 0.8% ของรายได้ในปีก่อน เป็น 1.7% ของรายได้ในปีนี้ หรือเพิ่มขึ้นมากกว่า 2 เท่า สะท้อนให้เห็นว่าองค์กรต่างให้ความสำคัญกับการลงทุนด้าน AI มากขึ้น
แต่การมีงบประมาณ มีเทคโนโลยี หรือมี AI Use Case จำนวนมาก ไม่ได้หมายความว่าองค์กรจะสามารถสร้างผลลัพธ์ทางธุรกิจได้ตามที่คาดหวังเสมอไป เพราะคำถามสำคัญไม่ใช่เพียงว่าองค์กร “มี AI หรือยัง” แต่คือ AI เหล่านั้นสร้าง Result, Impact และ Transformation ให้กับองค์กรได้จริงหรือไม่
หากองค์กรมี AI มีงบประมาณ และมี Use Case จำนวนมาก แต่สุดท้ายยังไม่สามารถสร้างผลลัพธ์หรือเปลี่ยนแปลงองค์กรได้จริง สิ่งที่เกิดขึ้นอาจเป็นเพียง AI การละคร ซึ่งเป็นภาวะที่องค์กรดูเหมือนกำลังทำ AI Transformation เพราะมีทั้งงบลงทุน เทคโนโลยี AI และ Use Case จำนวนมาก แต่ผลลัพธ์ยังไม่สามารถเปลี่ยนสิ่งเหล่านั้นให้กลายเป็นการเปลี่ยนแปลงทางธุรกิจได้จริง
เพราะการนำ AI เข้าไปใส่ในองค์กรที่ยังถูกออกแบบด้วยกระบวนการแบบเดิม อาจเป็นเพียงการใช้ AI เพื่อ Automate the Past หรือทำให้งานเดิมเร็วขึ้น มีประสิทธิภาพมากขึ้น และใช้ทรัพยากรน้อยลง แต่ยังไม่ได้กลับไปตั้งคำถามว่า กระบวนการเหล่านั้นควรถูกออกแบบใหม่ตั้งแต่ต้นหรือไม่
แนวคิดของ AI Native Transformation จึงไม่ได้เริ่มจากคำถามว่า จะนำ AI ไปใช้กับงานอะไรได้บ้าง แต่ต้องย้อนกลับไปตั้งคำถามตั้งแต่ระดับการออกแบบองค์กรว่า หากวันนี้ต้องสร้างองค์กรขึ้นมาใหม่ตั้งแต่ Day One ในวันที่ AI มีความสามารถสูงขึ้นอย่างต่อเนื่อง และมีต้นทุนลดลงเรื่อย ๆ เรายังจะออกแบบองค์กร โครงสร้างคน และกระบวนการทำงานในรูปแบบเดิมอยู่หรือไม่
เพราะเมื่อ Intelligence ซึ่งในอดีตเป็นทรัพยากรที่หายากและมีต้นทุนสูง กำลังกลายเป็นสิ่งที่เข้าถึงได้ง่ายขึ้น บทบาทของ AI จึงไม่ควรหยุดอยู่เพียงการช่วยให้คนทำงานได้เร็วขึ้นหรือเพิ่ม Productivity เท่านั้น แต่ควรนำไปสู่การทบทวนว่า องค์กรควรถูกออกแบบใหม่อย่างไรในวันที่ AI กลายเป็นส่วนหนึ่งของการทำงานตั้งแต่ต้น
จากแนวคิดนี้ กระทิงจึงนำไปสู่คำถามสำคัญ 5 ข้อที่ CEO และผู้บริหารควรกลับมาทบทวน ดังนี้
1.What future are we actually building for? องค์กรกำลังสร้างตัวเองขึ้นมาเพื่ออนาคตแบบไหน
หนึ่งในอุปสรรคสำคัญของ AI Transformation คือการที่องค์กรไม่มี Vision ที่ชัดเจนว่าอุตสาหกรรมกำลังเปลี่ยนแปลงไปในทิศทางใด และองค์กรควรปรับตัวอย่างไรเพื่อรองรับการเปลี่ยนแปลงนั้น
เพราะ AI ไม่ได้ส่งผลเฉพาะการเพิ่ม Productivity แต่กำลังเปลี่ยนต้นทุนพื้นฐานของการดำเนินธุรกิจ ตั้งแต่ Cost of Intelligence, Cost of Creation, Cost of Coordination และ Cost of Experimentation ที่มีแนวโน้มลดลง ขณะที่ความเร็วในการตัดสินใจและความสามารถของบุคคลในการสร้างผลลัพธ์ หรือ Individual Leverage เพิ่มสูงขึ้น
ในอดีต Intelligence หรือความสามารถในการคิด วิเคราะห์ สร้างสรรค์ และแก้ปัญหา เป็นทรัพยากรที่หาได้ยากและมีต้นทุนสูง แต่เมื่อ AI มีความสามารถเพิ่มขึ้น Intelligence กำลังกลายเป็นทรัพยากรที่เข้าถึงได้มากขึ้น จนเริ่มมีลักษณะคล้าย Commodity หรือ Utility
ขณะเดียวกัน Frontier AI Model ต่าง ๆ มีความสามารถใกล้เคียงกันมากขึ้น โมเดลที่มีความสามารถสูงสุดในช่วงเวลาหนึ่งอาจถูกโมเดลอื่นพัฒนาขึ้นมาตามทันได้ภายในเวลาเพียงไม่กี่เดือน
กระทิงมองว่าที่ผ่านมาการพัฒนา AI ที่มี Productivity เพิ่มขึ้นอย่างมากถึง 1,000 เท่า ในช่วง 30 เดือนที่ผ่านมา ซึ่งการเปลี่ยนแปลงนี้ทำให้ความได้เปรียบขององค์กรไม่สามารถพึ่งพาเพียงการเข้าถึง AI Model ที่ดีที่สุดได้อีกต่อไป แต่ต้องพิจารณาว่าจะใช้ประโยชน์จาก Intelligence ที่มีต้นทุนลดลงอย่างไร เพื่อสร้างความแตกต่างทางธุรกิจ
และที่สำคัญ AI ไม่ได้เปลี่ยนเฉพาะภายในองค์กร แต่ยังส่งผลต่อโครงสร้างอุตสาหกรรมและพฤติกรรมผู้บริโภคด้วย
เช่น การเข้ามาของ Agentic Commerce ที่กำลังเปลี่ยนรูปแบบการซื้อขายจาก Traditional Commerce ซึ่งผู้บริโภคเป็นผู้ค้นหาและตัดสินใจซื้อด้วยตัวเอง ไปสู่การให้ AI Agent เข้ามามีบทบาทในแต่ละขั้นตอนมากขึ้น ตั้งแต่ช่วย Discovery หรือค้นหาสินค้า ไปสู่การช่วย Checkout ก่อนที่ผู้บริโภคจะเริ่มมอบหมายงานบางส่วนและให้อำนาจในการตัดสินใจกับ AI มากขึ้น จนพัฒนาไปสู่ Autonomous Payment หรือการที่ AI สามารถดำเนินการชำระเงินได้ภายใต้ขอบเขตอำนาจที่ได้รับมอบหมายไว้
เมื่อผู้บริโภคเริ่มใช้ AI Agent ในการค้นหาและเลือกซื้อสินค้า ความสัมพันธ์ระหว่างลูกค้ากับธุรกิจก็เปลี่ยนตามไปด้วย โดยเฉพาะในธุรกิจ E-Commerce และ Retail ที่ในอนาคต การซื้อขายบางส่วนอาจไม่ได้เกิดขึ้นระหว่างผู้บริโภคกับแพลตฟอร์มหรือร้านค้าโดยตรง แต่เกิดขึ้นระหว่าง AI Agent ของผู้บริโภคกับ AI Agent ของธุรกิจ มากขึ้น
นอกจากนี้ การเปลี่ยนแปลงของเทคโนโลยียังเชื่อมโยงต่อเนื่องกันตั้งแต่ Content, Commerce, Payment ไปจนถึง Financial Services ทำให้เมื่อเทคโนโลยีเข้าไปเปลี่ยนพฤติกรรมหรือรูปแบบธุรกิจในจุดหนึ่ง ก็สามารถส่งผลต่อเนื่องไปยังส่วนอื่นได้เช่นกัน
ในมุมขององค์กร กระทิงมองว่าเรากำลังเข้าสู่ยุค Agentic Enterprise ที่ Agentic AI จะเข้ามามีบทบาทมากขึ้นในฐานะ Core Infrastructure ขององค์กร และนำไปสู่ภาพของ Autonomous Enterprise ในอนาคต
ทำให้องค์กรต้องเริ่มคิดถึงการเปลี่ยนแปลงในระดับโครงสร้าง ไม่ใช่เพียงนำ AI เข้าไปช่วยเพิ่มประสิทธิภาพให้กับกระบวนการทำงานแบบเดิม แต่ต้องกลับมาทบทวนว่า หาก AI กลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานขององค์กรแล้ว วิธีการบริหาร การตัดสินใจ และการออกแบบองค์กรควรเปลี่ยนไปอย่างไร
และหนึ่งในจุดเริ่มต้นสำคัญคือการขยับจากการ Forecast อนาคต ไปสู่การทำ Strategic Foresight ที่มองหา Weak Signals ถึงความเป็นไปได้ของอนาคต เตรียมความพร้อม และสามารถปรับตัวเมื่อสถานการณ์เปลี่ยนแปลง ในหลาย Scenario และเตรียม Strategic Options ไว้รองรับความเป็นไปได้ที่แตกต่างกัน
เป้าหมายจึงไม่ใช่เพียงการ Predict the Future แต่คือการทำให้องค์กร ไม่ถูก Surprise จากสิ่งที่เกิดขึ้นในอนาคต พร้อมกับสร้างความสามารถในการ Create the Future ที่องค์กรต้องการไปให้ถึง
และทั้งหมดนี้ต้องเริ่มจาก Top Management เพราะหากผู้นำยังมองไม่เห็นว่าอนาคตกำลังเปลี่ยนไปในทิศทางใด ก็ยากที่จะกำหนดได้ว่าองค์กรควรลงทุน AI เรื่องไหน ควรเปลี่ยนอะไร และควรพาองค์กรไปในทิศทางใดต่อไป
2.Are we transforming the business or automating the past? องค์กรกำลัง Transform ธุรกิจ หรือเพียงใช้ AI ทำงานแบบเดิม
แม้ AI จะช่วยเพิ่มประสิทธิภาพการทำงานได้มากขึ้น แต่การนำ AI เข้าไปใช้กับกระบวนการเดิม ไม่ได้หมายความว่าองค์กรกำลังก้าวไปสู่ AI Native Transformation เสมอไป
ตัวอย่างเช่น การใช้ AI ช่วยสรุปการประชุม เขียนโค้ด พัฒนา Software หรือจัดการงานประจำบางส่วน ที่ช่วยเพิ่ม Efficiency และลดต้นทุนการดำเนินงานได้ แต่การเปลี่ยนแปลงเหล่านี้ยังเป็นการทำให้กระบวนการเดิมทำงานได้เร็วขึ้น โดยที่โครงสร้างและวิธีทำงานหลักขององค์กรยังไม่ได้เปลี่ยนไป
นี่คือสิ่งที่เรียกว่า Automate the Past หรือการใช้ AI เพื่อทำสิ่งที่องค์กรเคยทำอยู่แล้วให้มีประสิทธิภาพมากขึ้น
คำถามสำคัญจึงไม่ใช่เพียงว่า AI จะช่วยงานเดิมได้อย่างไร แต่คือ หากวันนี้ต้องออกแบบกระบวนการทั้งหมดขึ้นมาใหม่ โดยมี AI เป็นส่วนหนึ่งขององค์กรตั้งแต่ต้น เรายังจำเป็นต้องออกแบบกระบวนการทำงานในรูปแบบเดิมอยู่หรือไม่
กระทิงมองว่าแนวทางการใช้ AI เพื่อเปลี่ยนธุรกิจออกเป็น 3 ระดับสำคัญ ได้แก่
ระดับแรกคือ Deploy หรือการนำ AI เข้ามาช่วยเพิ่ม Efficiency ให้กับกระบวนการทำงานเดิม เช่น การสรุปการประชุม การเขียนโค้ด และการพัฒนา Software ซึ่งเป็นสิ่งที่หลายองค์กรเริ่มนำมาใช้แล้ว
ระดับที่สองคือ Reshape หรือการนำ AI เข้ามาปรับรูปแบบการทำงานใหม่ในระดับ Domain ไม่ใช่เพียงช่วยงานบางส่วน แต่กลับไปออกแบบกระบวนการทั้ง Function ใหม่ เช่น การออกแบบ Marketing Function ใหม่ทั้งระบบ แทนที่จะใช้ AI เพียงเพื่อสร้าง Content หรือวิเคราะห์ข้อมูลลูกค้าเป็นบางจุด
ส่วนระดับที่สามคือ Invent หรือการใช้ AI เพื่อสร้าง Business Model, Product และ Service ใหม่ ที่อาจไม่สามารถเกิดขึ้นได้ในรูปแบบเดิม
ดังนั้น สิ่งที่องค์กรต้องทำจึงไม่ใช่เพียงถามว่า จะนำ AI ไปใช้กับงานอะไรได้บ้าง แต่ต้องมองต่อไปว่า กระบวนการใดควรถูกออกแบบใหม่ทั้งระบบ และ AI สามารถเปิดโอกาสให้เกิดธุรกิจ สินค้า หรือบริการรูปแบบใหม่อะไรได้บ้าง
นอกจากนี้ กระทิงยังมองว่า การที่องค์กรมี AI Use Case จำนวนมาก อาจกลายเป็นหนึ่งในกับดักของการทำ AI Transformation หรือที่เรียกว่า Use Case Trap
เพราะเมื่อองค์กรให้ความสำคัญกับการสร้าง Use Case จำนวนมากเกินไป ผ่านหน่วยงานต่างๆ ที่พัฒนาโครงการของตัวเอง ทำให้โครงการมีความกระจัดกระจาย ไม่เชื่อมโยงกัน และไม่ได้ตอบโจทย์ Priority สำคัญของธุรกิจ แม้แต่ละ Use Case จะสร้างผลลัพธ์ได้ในระดับหนึ่ง แต่เมื่อนำมารวมกัน อาจยังไม่สามารถสร้าง Impact ต่อองค์กรได้มากเท่าที่ควร
อีกประเด็นหนึ่งคือการ Outsource Innovation มากเกินไป เพราะการพึ่งพาผู้ให้บริการภายนอกทุกครั้งที่ต้องพัฒนาโครงการใหม่ โดยไม่ได้สร้างความสามารถในการคิด ทดลอง และพัฒนาสิ่งใหม่ด้วยตัวเอง องค์กรอาจค่อย ๆ สูญเสียสิ่งที่กระทิงเรียกว่า Innovation Muscle หรือความสามารถในการสร้างนวัตกรรมจากภายในองค์กรเอง
ขณะเดียวกัน Middle Management ก็เป็นอีกกลุ่มที่อยู่ท่ามกลางแรงกดดันของการเปลี่ยนแปลง เพราะต้องรับทิศทางจาก Top Management และผลักดันให้เกิดการดำเนินงานจริงในระดับทีม จึงต้องรับทั้งเป้าหมายจากข้างบนและแรงต้านที่เกิดขึ้นภายในองค์กรไปพร้อมกัน
สำหรับตัวผู้นำเอง ก็สามารถกลายเป็นอุปสรรคของ Transformation ได้ หากตั้งเป้าหมายที่ไกลเกินความเป็นจริง เปลี่ยนทิศทางตาม AI Model ใหม่ที่เกิดขึ้นอยู่ตลอดเวลา หรือมีทางเลือกจำนวนมากจนไม่สามารถกำหนด Priority ได้ชัดเจน
นอกจากนี้ ข้อมูลที่ส่งขึ้นไปถึง CEO และ C-Level มักผ่านการคัดกรองหลายระดับ ตั้งแต่ Customer Feedback ไปจนถึงข้อมูลจากหน้างาน ทำให้ข้อมูลบางส่วนอาจถูกลดทอนหรือเปลี่ยนไปจากบริบทเดิม ส่งผลให้ผู้บริหารไม่ได้เห็นภาพที่เกิดขึ้นจริงทั้งหมด
ทั้งหมดนี้ทำให้ AI Transformation ไม่ใช่เรื่องที่สามารถมอบหมายให้ฝ่าย Technology รับผิดชอบเพียงลำพัง แต่ต้องเริ่มจาก CEO และ Top Management ที่เข้ามากำหนดทิศทางและมีส่วนร่วมกับการเปลี่ยนแปลงโดยตรง ตั้งแต่การกำหนด AI Vision ให้เชื่อมโยงกับ Business Vision การสร้าง AI Literacy ภายในองค์กร การ Commit Investment ไปจนถึงการเลือก Domain สำคัญเพียงไม่กี่เรื่องแล้วลงมือทำให้ลึกจนเกิด Result ก่อนขยายไปยังส่วนอื่น
พร้อมกันนั้น องค์กรยังต้อง Upskill บุคลากร ปรับรูปแบบองค์กร และติดตามผลลัพธ์ของการเปลี่ยนแปลง เพื่อให้ AI ไม่ได้จบอยู่ที่การมี Use Case จำนวนมาก แต่สามารถนำไปสู่การเปลี่ยนแปลงของธุรกิจได้จริง
3.Which 5 – 10 AI bets could fundamentally change our economics? อะไรคือการลงทุน AI ที่จะเปลี่ยนเศรษฐศาสตร์ของธุรกิจได้จริง
แทนที่จะมุ่งพัฒนา AI Use Case ให้ได้มากที่สุด องค์กรควรกลับมาตั้งคำถามว่า การลงทุน AI เรื่องใดบ้างที่สามารถเปลี่ยนโครงสร้างต้นทุน รายได้ Productivity หรือความสามารถในการแข่งขันของธุรกิจได้อย่างมีนัยสำคัญ
กระทิงแนะนำให้ผู้บริหารมองหา การลงทุน AI สำคัญประมาณ 5 – 10 เรื่อง ที่มีศักยภาพในการเปลี่ยนผลลัพธ์ทางธุรกิจขององค์กรได้จริง แต่ในการลงมือทำ ไม่จำเป็นต้องพัฒนาทุกเรื่องพร้อมกัน องค์กรอาจเลือกเพียง 1 – 3 เรื่องสำคัญของธุรกิจในแต่ละช่วง แล้วลงไปพัฒนาให้ลึกจนสามารถสร้างผลลัพธ์ได้จริง ก่อนขยับไปยังด้านต่อไป
ซึ่งการเลือกว่าจะเริ่มจากด้านใด ต้องกลับไปดูทั้ง Business Vision และ Strategic Foresight เพื่อให้เห็นว่าองค์กรควรสร้าง Competitive Advantage ในเรื่องใด จากนั้นจึงพิจารณาว่า ลูกค้ามี Pain Point หรือ Unmet Need อยู่ตรงไหน กระบวนการใดขององค์กรยังมี Waste และเมื่อเทียบกับคู่แข่งหรือ Benchmark แล้ว ยังมีพื้นที่ใดที่สามารถพัฒนาให้ดีขึ้นได้อีก
ตัวอย่าง เช่น บริษัท FMCG ที่ต้องการพัฒนา Personalized Marketing แทนที่จะเริ่มจากการให้แต่ละทีมสร้าง AI Use Case ด้าน Marketing จำนวนมาก ให้เปลี่ยนเป็นการเลือก Personalized Marketing ที่เป็นหนึ่งในด้านสำคัญของธุรกิจก่อน
จากนั้นจึงค่อยกำหนดว่า ต้องการสร้าง Value อะไร เลือก Solution ที่ตอบโจทย์ แล้วจึงแตกออกมาเป็น Use Case ก่อนออกแบบ Data และ Technology ที่จำเป็นต่อการพัฒนา
แนวทางนี้ถือเป็นการเปลี่ยนจากการเริ่มต้นด้วยคำถามว่า จะสร้าง AI Use Case อะไรได้บ้าง ไปสู่การถามว่า ธุรกิจส่วนไหนควรถูกเปลี่ยนแปลงอย่างจริงจัง แล้วค่อยเลือก AI Use Case ที่จะช่วยให้การเปลี่ยนแปลงนั้นเกิดขึ้นจริง จากการพัฒนา AI เริ่มต้นจากผลลัพธ์ทางธุรกิจ แทนที่จะเริ่มจากความสามารถของเทคโนโลยีเพียงอย่างเดียว
และหากเป็นไปได้ องค์กรควรสร้าง Platform หรือ Capability ที่ลงทุนพัฒนาเพียงครั้งเดียว แต่สามารถนำกลับไปใช้ได้ในหลายส่วนขององค์กร แทนการพัฒนาระบบแยกกันสำหรับทุก Use Case
แต่การสร้าง AI Transformation ไม่ได้ขึ้นอยู่กับ AI Model เพียงอย่างเดียว เพราะความสำเร็จของ AI Transformation มีองค์ประกอบจาก AI ประมาณ 10% เทคโนโลยีประมาณ 20% และอีก 70% อยู่ที่คน การบริหารการเปลี่ยนแปลง วิธีการทำงาน วัฒนธรรมองค์กร และทักษะของบุคลากร
เมื่อ AI Model ต่าง ๆ เริ่มมีความสามารถใกล้เคียงกันมากขึ้น ความได้เปรียบในระยะยาวขององค์กรจึงไม่ได้เกิดจากการเลือกใช้ Model ที่เก่งที่สุดเพียงอย่างเดียว แต่ขึ้นอยู่กับว่าองค์กรสามารถสร้าง ระบบและสภาพแวดล้อมที่ทำให้ AI เข้าใจธุรกิจ และทำงานร่วมกับองค์กรได้ดีแค่ไหน
ดังนั้น องค์กรจึงต้อง เตรียม AI ให้เข้าใจองค์กร ไม่ต่างจากการรับพนักงานใหม่เข้ามาทำงาน โดยต้องทำให้ AI เข้าใจว่าบริษัททำธุรกิจอะไร ลูกค้าคือใคร ใช้คำศัพท์หรือภาษาภายในบริษัทแบบไหน มีกระบวนการทำงานอย่างไร รวมถึงเข้าถึง ข้อมูลภายในบริษัท บริบทของธุรกิจ ข้อมูลที่เป็นปัจจุบัน และองค์ความรู้ภายในที่อาจยังไม่ได้ถูกจัดเก็บให้อยู่ในรูปแบบที่พร้อมนำมาใช้งาน เพื่อให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพมากขึ้น
นอกจากนี้ กระทิงยังให้ความสำคัญกับการนำ Dormant Data หรือข้อมูลที่องค์กรมีอยู่แล้วแต่ยังไม่ได้ถูกนำมาใช้ประโยชน์ กลับมาสร้างคุณค่า รวมถึงการดึงองค์ความรู้ที่สั่งสมอยู่ภายในองค์กร โดยเฉพาะความรู้จากประสบการณ์ของพนักงาน มาเชื่อมโยงกับ AI
เพราะความรู้จำนวนมากไม่ได้ถูกจัดเก็บอยู่ในฐานข้อมูลหรือเอกสารเสมอไป แต่อาจฝังอยู่กับพนักงานที่มีประสบการณ์ เข้าใจลูกค้า รู้ข้อยกเว้นของกระบวนการทำงาน และสามารถแก้ปัญหาเฉพาะหน้าได้ ซึ่งความรู้ในองค์กรอาจมีถึง 80% ที่ฝังอยู่กับพนักงาน
หากองค์กรสามารถรวบรวมและจัดระเบียบความรู้เหล่านี้ได้ รวมถึงสร้าง Ontology หรือโครงสร้างที่ช่วยให้ AI เข้าใจความสัมพันธ์ระหว่างข้อมูล ความรู้ และบริบทต่าง ๆ ภายในองค์กรได้ลึกขึ้น AI ก็จะไม่ได้มีเพียงความสามารถทั่วไปจากตัว Model แต่สามารถเข้าใจ ความรู้และบริบทเฉพาะขององค์กร ได้มากขึ้น ซึ่งเป็นสิ่งที่สร้างความแตกต่างจากการที่แต่ละองค์กรใช้ AI Model ใกล้เคียงกัน
แต่การทำให้ AI ทำงานได้จริงในองค์กร ไม่ได้จบเพียงการทำให้ AI เข้าใจข้อมูลและความรู้ภายในเท่านั้น เพราะเมื่อพัฒนาไปสู่ AI Agent องค์กรยังต้องสร้างระบบรองรับรอบตัว Agent ให้พร้อมสำหรับการทำงานจริงด้วย
ตั้งแต่การกำหนดว่า AI Agent สามารถ ทำงานอะไรได้บ้าง เข้าถึงข้อมูลหรือระบบใดได้ เมื่อใด และภายใต้เงื่อนไขอะไร ไปจนถึงการกำหนดสิทธิ์การเข้าถึง ระบบควบคุม และระบบกำกับดูแลการทำงาน
4.How can we turn 10,000 employees into 1,000 Nanopreneurs? จะเปลี่ยนพนักงาน 10,000 คน ให้มีพลังการทำงานแบบผู้ประกอบการ 1,000 คนได้อย่างไร
เมื่อ AI สามารถเพิ่ม Individual Leverage หรือทำให้คนหนึ่งคนสร้างผลลัพธ์ได้มากขึ้น โครงสร้างกำลังคนและรูปแบบการทำงานภายในองค์กรก็ย่อมต้องเปลี่ยนตามไปด้วย
กระทิงจึงตั้งคำถามกับองค์กรว่า จะสามารถเปลี่ยนพนักงาน 10,000 คน ให้กลายเป็น Nanopreneurs 1,000 คนได้อย่างไร โดย Nanopreneurs ในที่นี้หมายถึงคนหรือทีมขนาดเล็กที่ทำงานในลักษณะผู้ประกอบการ มี Ownership หรือความรับผิดชอบต่อผลลัพธ์ของงานมากขึ้น และใช้ AI เป็นเครื่องมือช่วยเพิ่มขีดความสามารถในการทำงาน
แนวคิดนี้จึงนำไปสู่การออกแบบองค์กรใหม่ ให้แต่ละคนหรือแต่ละทีมมีความคล่องตัวมากขึ้น รับผิดชอบต่อผลลัพธ์ได้ชัดเจนขึ้น และสามารถใช้ AI เป็นแรงช่วยในการสร้างผลลัพธ์
ในมุมของโครงสร้างบุคลากร กระทิงมองว่า องค์กรแบบเดิมที่มีลักษณะ Pyramid Shape หรือมีพนักงานระดับ Junior จำนวนมากเป็นฐาน อาจเปลี่ยนไปเมื่อ AI สามารถเข้ามารับงานบางประเภทได้มากขึ้น โดยเฉพาะงานที่มีขอบเขตและเป้าหมายชัดเจน มีขั้นตอนการทำงานแน่นอน และสามารถตรวจสอบผลลัพธ์ได้
การเปลี่ยนแปลงดังกล่าวทำให้บทบาทของ HR หรือ People Team ไม่ได้หยุดอยู่เพียงการจัดอบรมหรือยกระดับทักษะของพนักงาน แต่ต้องกลับมาทบทวนทั้ง รูปแบบบุคลากร รูปแบบผู้นำ ทักษะที่จำเป็นในอนาคต วัฒนธรรมองค์กร รวมถึงระบบผลตอบแทนและค่าตอบแทน ให้สอดคล้องกับรูปแบบองค์กรที่เปลี่ยนไป
จากเดิมที่องค์กรให้ความสำคัญกับแนวคิด Right Man in the Right Job หรือการวางคนให้เหมาะกับงาน โจทย์ใหม่จึงขยับไปสู่ Right AI in the Right Job หรือการเลือกใช้ AI ให้เหมาะกับงานแต่ละประเภทด้วย
องค์กรจึงต้องกลับมาจำแนกงานใหม่ว่า งานใดยังจำเป็นต้องใช้มนุษย์ งานใดสามารถให้ AI หรือ Machine เข้ามารับบทบาทได้ และงานใดเหมาะกับการทำงานร่วมกันระหว่างมนุษย์กับ AI
โดยสามารถพิจารณาจากสองปัจจัยสำคัญ ได้แก่ ระดับของการปฏิสัมพันธ์กับมนุษย์ และ ระดับความไม่แน่นอนของงาน หรือว่างานนั้นมีขอบเขตและคำตอบชัดเจนมากน้อยแค่ไหน
งานที่มีขั้นตอนชัดเจน มีเป้าหมายแน่นอน และสามารถตรวจสอบผลลัพธ์ได้ง่าย มีโอกาสที่ AI จะเข้ามารับบทบาทได้มากขึ้น ขณะที่งานซึ่งต้องอาศัย ปฏิสัมพันธ์ระหว่างคน ความไว้วางใจ การตัดสินใจ และการรับมือกับสถานการณ์ที่ไม่มีคำตอบตายตัว ยังคงต้องให้มนุษย์มีบทบาทสำคัญ
ตัวอย่างหนึ่งที่กระทิงยกขึ้นมาคือ AI Hospital ในประเทศจีน ซึ่งแม้จะมีหุ่นยนต์และเทคโนโลยีเข้ามาช่วยในการทำงาน แต่ผู้สูงอายุบางส่วนยังไม่ต้องการให้หุ่นยนต์เข้ามาดูแลโดยตรง สะท้อนให้เห็นว่า งานบางประเภทไม่ได้ต้องการเพียงผลลัพธ์ที่ถูกต้องหรือมีประสิทธิภาพ แต่ยังต้องอาศัย ความรู้สึก ความไว้วางใจ และปฏิสัมพันธ์ระหว่างมนุษย์ ด้วย
เช่นเดียวกับงานของ จิตแพทย์ ครูผู้มีประสบการณ์สูง Senior Sales รวมถึงงานด้าน Strategy ที่ยังต้องใช้ความสัมพันธ์ระหว่างบุคคล ความไว้วางใจ และ Judgment ในการตัดสินใจ ขณะที่งานบางประเภท เช่น Financial Advisor อาจเหมาะกับรูปแบบ Human-Machine Collaboration ที่ให้ AI ช่วยวิเคราะห์ข้อมูล ขณะที่มนุษย์ยังเป็นผู้ให้คำปรึกษา สร้างความสัมพันธ์ และรับผิดชอบต่อการตัดสินใจ
จากเดิมที่องค์กรคุ้นเคยกับแนวคิด Put the Right Man in the Right Job หรือการวางคนให้เหมาะกับงาน โจทย์ใหม่จึงเพิ่มไปถึง Put the Right AI in the Right Job at the Right Token Cost หรือการเลือก AI ให้เหมาะกับงานและต้นทุนที่เหมาะสม
เพราะ AI Model แต่ละตัวมีทั้ง ความสามารถ ต้นทุน และระดับความเสี่ยงที่แตกต่างกัน แม้จะสามารถทำงานประเภทเดียวกันได้ แต่ต้นทุนในการใช้งานอาจไม่เท่ากัน การเลือก AI จึงไม่ควรพิจารณาเพียงว่า Model ใดเก่งที่สุด แต่ต้องดูด้วยว่า เหมาะกับงานหรือไม่ ให้ผลลัพธ์ในระดับที่ต้องการหรือไม่ มีต้นทุนเท่าไร และมีความเสี่ยงในระดับไหน
การออกแบบกำลังคนในลักษณะนี้จึงไม่ใช่หน้าที่ของ HR เพียงฝ่ายเดียว แต่ต้องเชื่อมโยงกับทั้งผู้บริหารด้านธุรกิจและเทคโนโลยี เพื่อกำหนดให้ชัดเจนว่า งานใดควรเป็นของมนุษย์ งานใดควรให้ AI ทำ และงานใดควรออกแบบให้ทั้งสองส่วนทำงานร่วมกัน
เมื่อ AI เข้ามาช่วยเพิ่มขีดความสามารถในการทำงาน กระทิงมองว่า บทบาทของคนในองค์กรก็ต้องเปลี่ยนตามไปด้วย จากเดิมที่พนักงานทำงานตามคำสั่งและลำดับชั้น ไปสู่การเป็น Builder, Entrepreneur และ DRI หรือ Directly Responsible Individual ที่มีความรับผิดชอบต่อผลลัพธ์ของงานอย่างชัดเจนมากขึ้น
โดย DRI คือคนที่รับผิดชอบต่อเรื่องใดเรื่องหนึ่งโดยตรง มีความเป็น Self-driven หรือสามารถขับเคลื่อนงานได้ด้วยตัวเอง ใช้ AI Worker เข้ามาช่วยทำงาน และประสานงานข้ามฝ่ายได้มากขึ้น จนมีลักษณะคล้าย Micro-CEO ที่รับผิดชอบต่อผลลัพธ์ของงานตั้งแต่ต้นจนจบ
แนวคิดนี้ยังส่งผลต่อโครงสร้างองค์กร จากเดิมที่มีลำดับชั้นหลายระดับ อาจถูกปรับให้กระชับลง โดยให้แต่ละคนมี Accountability หรือความรับผิดชอบที่ชัดเจน และมีอำนาจในการตัดสินใจมากขึ้นในเรื่องที่ตัวเองดูแล
นอกจากนี้ ยังเชื่อมโยงไปสู่แนวคิด Nanopreneur หรือคนและทีมขนาดเล็กที่ทำงานในลักษณะผู้ประกอบการ โดยมี AI Agent, เงินทุน และ Ownership เป็นแรงสนับสนุน ทำให้ทีมขนาดเล็กสามารถสร้างผลลัพธ์ได้มากกว่ารูปแบบการทำงานเดิม
กระทิงยกตัวอย่างบริษัทขนาดเล็กบางแห่งที่มีพนักงานเก่ง เมื่อพนักงานต้องการออกไปสร้างแบรนด์หรือช่องทางของตัวเอง แทนที่บริษัทจะปล่อยให้คนเหล่านั้นออกไปแข่งขัน บริษัทสามารถเลือกลงทุนให้พนักงานพัฒนาธุรกิจหรือแบรนด์ใหม่ขึ้นมาภายใต้การสนับสนุนขององค์กรได้
นอกจากนี้บุคลากรที่มีความสามารถสูงก็ควรถูกนำไปทำงานที่ AI เข้ามาทดแทนได้ยาก โดยเฉพาะงานที่ยังไม่มีคำตอบตายตัว ต้องใช้การตัดสินใจ ความไว้วางใจ และความรับผิดชอบสูง มากกว่าการใช้คนเก่งไปกับงานที่มีขั้นตอนชัดเจนและสามารถให้ AI เข้ามาช่วยทำได้
5.What decisions must remain deeply human? การตัดสินใจเรื่องใดที่ยังจำเป็นต้องเป็นหน้าที่ของมนุษย์
แม้ AI จะพัฒนาความสามารถอย่างต่อเนื่อง ทั้ง Predictive AI, Generative AI และ Agentic AI จนสามารถทำงานที่ซับซ้อนมากขึ้น แต่ไม่ได้หมายความว่าผู้บริหารจะสามารถมอบหมายการตัดสินใจทุกเรื่องให้ AI ได้
ในทางกลับกัน เมื่อ AI สามารถช่วยวิเคราะห์ข้อมูล สร้างทางเลือก และดำเนินงานได้มากขึ้น บทบาทของ CEO และ C-Level ในเรื่อง Judgment และการตัดสินใจเชิงกลยุทธ์อาจยิ่งมีความสำคัญมากขึ้น
โดยความสามารถที่สำคัญ 4 ด้านที่ผู้นำยังต้องรับผิดชอบด้วยตัวเอง ประกอบด้วย
Judgment คือความสามารถในการประเมินว่าอะไรมีแนวโน้มจะเกิดขึ้น และองค์กรควรตัดสินใจอย่างไรเพื่อเตรียมพร้อมสำหรับอนาคต โดยผู้บรรยายยก Steve Jobs มาเป็นตัวอย่างของการใช้ Judgment ในการมองอนาคต
Taste คือความสามารถในการตัดสินว่าอะไรดี อะไรเหมาะสม และอะไรสามารถสร้างความแตกต่างได้ ไม่ใช่พิจารณาจากข้อมูลหรือประสิทธิภาพเพียงอย่างเดียว โดยยก Coco Chanel เป็นตัวอย่างของบุคคลที่มี Taste ในการสร้างสรรค์สิ่งใหม่
Conviction คือความเชื่อมั่นในการตัดสินว่าอะไรเป็นสิ่งที่ควรทำ และสามารถยืนหยัดกับทิศทางนั้นได้ แม้จะมีความไม่แน่นอน
และ Courage คือความกล้าที่จะเลือกว่าจะยอมรับความเสี่ยงใด เพื่อสร้างการเปลี่ยนแปลงที่สำคัญให้เกิดขึ้น
ความสามารถเหล่านี้มีความสำคัญ เพราะ AI สามารถช่วยให้องค์กรดำเนินงานได้รวดเร็วและมีประสิทธิภาพมากขึ้น แต่หากผู้บริหารเลือกทิศทางขององค์กรผิด การทำงานที่มีประสิทธิภาพขึ้นก็อาจหมายถึงการเดินผิดทางได้เร็วขึ้นเช่นกัน
เมื่อรูปแบบการทำงานขององค์กรเปลี่ยนไป บทบาทของ CEO ก็ต้องเปลี่ยนตามไปด้วย เพราะกระทิงมองว่า CEO ต้องทำหน้าที่เป็น Chief Decision Maker หรือผู้ตัดสินใจหลักขององค์กร พร้อมกับเป็นผู้ออกแบบระบบการทำงาน กำหนดหลักเกณฑ์และการกำกับดูแล จัดสรรเงินทุน และสร้าง Guardrails หรือขอบเขตที่ชัดเจน ว่าคนและ AI สามารถดำเนินงานหรือตัดสินใจได้มากน้อยแค่ไหน
และ CEO ยังต้องมีบทบาทในฐานะ Chief Entrepreneur หรือ Creator ที่ช่วยสร้างโอกาสใหม่ และเปิดพื้นที่ให้คนภายในองค์กรสามารถใช้ AI เพื่อพัฒนาธุรกิจและนวัตกรรมได้มากขึ้น
เป้าหมายจึงไม่ใช่การทำให้ CEO ต้องเป็นผู้ตัดสินใจทุกเรื่อง แต่คือการออกแบบระบบให้ชัดเจนว่า เรื่องไหนสามารถมอบหมายให้ AI ได้ เรื่องไหนควรให้มนุษย์กับ AI ทำงานร่วมกัน และเรื่องไหนยังต้องอยู่ภายใต้ความรับผิดชอบของมนุษย์ โดยเฉพาะการตัดสินใจที่เกี่ยวข้องกับทิศทางเชิงกลยุทธ์ การจัดสรรเงินลงทุน การกำหนดขอบเขตความเสี่ยง และการสร้างนวัตกรรม
เพราะแม้ AI จะทำให้องค์กรมี Intelligence มากขึ้น แต่ไม่ได้หมายความว่าจะทำให้องค์กรมี Leadership ที่ดีขึ้นโดยอัตโนมัติ ในทางกลับกัน เมื่อ AI มีความสามารถสูงขึ้น Good Judgment หรือวิจารณญาณที่ดีของมนุษย์ยิ่งมีความสำคัญ
แนวคิดสำคัญจึงอยู่ที่การนำ Wisdom of Human มาทำงานร่วมกับ Intelligence of Machine โดย AI สามารถช่วยรวบรวมข้อมูล วิเคราะห์ สร้างทางเลือก และดำเนินงาน ขณะที่มนุษย์ยังต้องเป็นผู้ Choose, Commit, Judge และ Assess หรือเลือกทิศทาง ยืนยันการตัดสินใจ ใช้วิจารณญาณ และประเมินผลลัพธ์
เมื่อทั้งสองส่วนทำงานร่วมกัน องค์กรจึงสามารถใช้ AI เพิ่มความสามารถในการดำเนินงาน ขณะเดียวกันก็ยังคงบทบาทของมนุษย์ในการกำหนดทิศทางและรับผิดชอบต่อการตัดสินใจที่สำคัญ
อย่างไรก็ดีจากคำถามทั้ง 5 ข้อ จะเห็นได้ว่า AI Native Transformation ไม่ได้มีเป้าหมายเพียงการนำ AI เข้ามาเพิ่มประสิทธิภาพการทำงาน แต่เป็นการกลับไปทบทวนวิธีออกแบบองค์กรตั้งแต่ต้น ตั้งแต่การกำหนด Business Vision การเลือกด้านสำคัญของธุรกิจที่จะลงทุน การสร้างข้อมูลและระบบเทคโนโลยี ไปจนถึงการปรับรูปแบบบุคลากรและโครงสร้างองค์กร
เพราะเมื่อ AI สามารถรับงานได้มากขึ้น ต้นทุนของ Intelligence ลดลง และคนหนึ่งคนสามารถสร้างผลลัพธ์ได้มากกว่าเดิม องค์กรจึงต้องกลับมาถามว่า โครงสร้างและกระบวนการทำงานที่เคยใช้ในอดีต ยังเหมาะสมกับอนาคตหรือไม่
การเปลี่ยนแปลงเหล่านี้จึงต้องอาศัยการมีส่วนร่วมของ CEO และ Top Management ตั้งแต่การกำหนดทิศทาง เลือกเรื่องที่ควรลงทุน ไปจนถึงการสร้างสภาพแวดล้อมที่ทำให้คนภายในองค์กรสามารถใช้ AI เพื่อสร้างผลลัพธ์ได้จริง
นี่คือหัวใจของ AI Native Transformation จากการเพียง Adopt AI ไปสู่การ Reinvent Enterprise หรือการออกแบบองค์กรใหม่ให้สามารถทำงานร่วมกับ AI ได้ตั้งแต่ต้น
About The Author
