AI Transformation ยาก เพราะองค์กรไม่ได้ถูกสร้างมาเพื่อ AI

16 นาทีที่ผ่านมา

ยาว 2 นาที

เวลาผู้บริหารพูดถึง AI ในองค์กร บทสนทนามักวนอยู่กับเรื่อง Performance, Productivity, Automation และ Cost Reduction ส่วนเรื่อง “People” มักถูกย่อให้เหลือเพียงโจทย์ว่า จะทำอย่างไรให้พนักงานใช้ AI เป็น จึงเกิดทั้ง Training, Workshop, AI Champion และหลักสูตร Prompting ตามมาเต็มไปหมด ราวกับว่าเมื่อทุกคนใช้เครื่องมือเป็นแล้ว องค์กรจะค่อย ๆ Transform ตัวเองโดยอัตโนมัติ

แต่ปัญหาของ AI Transformation อาจไม่ได้อยู่ตรงนั้น เพราะ การทำให้พนักงานใช้ AI เป็น กับการทำให้องค์กรทำงานด้วย AI เป็น คือคนละเรื่องกัน อย่างแรกเป็นเรื่อง Skill แต่อย่างหลังคือการกลับไปตั้งคำถามใหม่กับ Process, Structure, Role, KPI, Career Path และแม้กระทั่งเหตุผลที่บางตำแหน่งมีอยู่ตั้งแต่แรก

🔴 Process ไม่ได้ประกอบด้วยงาน แต่มันประกอบด้วย “คน”

เมื่อเรามอง Process ผ่าน Flowchart เรามักเห็นเพียงกล่องและลูกศร งาน A ส่งต่อไปงาน B ผ่านการตรวจสอบของ C ก่อนอนุมัติโดย D ดังนั้นเมื่อ AI สามารถทำงาน B ได้ สิ่งที่ดูสมเหตุสมผลที่สุดคือเอา AI ใส่เข้าไปแทน แล้วคำนวณว่าองค์กรประหยัดเวลาและต้นทุนได้เท่าไร

แต่ Process ในโลกจริงไม่เคยเป็นเพียง Flowchart เพราะตลอดหลายปีที่องค์กรเติบโตขึ้น แต่ละขั้นตอนได้สร้างตำแหน่งงาน ความเชี่ยวชาญ อำนาจตัดสินใจ KPI และ Career Path ขึ้นมารอบตัวมัน รายงานหนึ่งฉบับอาจใช้ AI ทำได้ภายในไม่กี่นาที แต่เดิมมันอาจเป็นพื้นที่ที่ทำให้พนักงานคนหนึ่งสร้าง Expertise ขึ้นมา Approval สามชั้นอาจลดเหลือชั้นเดียวได้ แต่สองชั้นที่หายไปอาจหมายถึงอำนาจและความสำคัญของผู้จัดการบางตำแหน่งที่หายไปพร้อมกัน

ยิ่งไปกว่านั้น งานบางอย่างที่ AI ทำแทนได้อาจเป็น “งานฝึกมือ” ของคนรุ่นใหม่มาตลอด หาก AI วิเคราะห์ข้อมูล ทำ Research และสร้าง Draft แรกได้ทั้งหมด องค์กรไม่ได้มีแค่คำถามว่าจะลดเวลาทำงานได้เท่าไร แต่ต้องตอบด้วยว่า Junior จะเรียนรู้งานจากอะไร และจะสะสมประสบการณ์อย่างไรจนกลายเป็น Senior ในอนาคต

ดังนั้นการเอาคนออกจาก Process จึงไม่เหมือนการลบกล่องหนึ่งออกจาก Flowchart เพราะสิ่งที่ถูกแตะพร้อมกันคือ Work, Power, Expertise, Career และ Identity ของคนในองค์กร

🔴 บริษัทที่เกิดมาพร้อม AI กับบริษัทที่ต้องเปลี่ยนมาใช้ AI เล่นคนละเกม

นี่เป็นเหตุผลว่าทำไม Solopreneur หรือธุรกิจที่เพิ่งเกิดในยุค AI จึงดูเหมือนใช้ AI ได้ง่ายกว่าบริษัทขนาดใหญ่ เพราะธุรกิจเหล่านี้สามารถเริ่มจากกระดาษเปล่าแล้วถามตั้งแต่วันแรกว่า งานอะไรควรให้ AI ทำ งานอะไรจำเป็นต้องใช้มนุษย์ และงานอะไรไม่จำเป็นต้องสร้างตำแหน่งขึ้นมารองรับเลย

บริษัทใหม่จึงกำลังทำ Design ขณะที่บริษัทเดิมกำลังทำ Redesign และสองเรื่องนี้มีความยากต่างกันมาก

บริษัทที่มีพนักงาน 5,000 คนไม่สามารถถามเพียงว่า “ถ้าเริ่มบริษัทวันนี้ เราต้องใช้คนกี่คน?” เพราะมีคำถามที่ตามมาทันทีว่า ถ้า Operating Model ใหม่ต้องการคนเพียง 3,500 คน แล้วอีก 1,500 คนที่อยู่ในระบบวันนี้จะไปไหน ใครควรถูก Reskill งานใหม่จะมาจากไหน โครงสร้างองค์กรจะเปลี่ยนอย่างไร และผู้จัดการที่เคยบริหารทีมสิบคนจะมีบทบาทอะไร เมื่อ AI สามารถรับงานส่วนหนึ่งของทีมไปทำได้

นี่จึงไม่ใช่ Technology Project ที่เพียง Implement เครื่องมือให้เสร็จตาม Timeline แต่เป็นการรื้อและประกอบระบบองค์กรใหม่ ขณะที่คนจำนวนมากยังใช้ชีวิตการทำงานอยู่ภายในระบบเดิม

🔴 Productivity เพิ่มขึ้น แล้วองค์กรจะทำอะไรกับมัน?

สมมติว่า AI ทำให้พนักงานทำงานได้เร็วขึ้น 30% คำถามที่น่าสนใจไม่ใช่เพียงว่า “Productivity เพิ่มขึ้นเท่าไร” แต่คือ องค์กรจะทำอะไรกับ Capacity 30% ที่ได้คืนมา

จะเพิ่ม Target 30% ลด Headcount ย้ายคนไปทำงานที่มีมูลค่าสูงขึ้น ลด Management Layer หรือออกแบบ Job ใหม่ทั้งหมด? หากองค์กรตอบคำถามนี้ไม่ได้ สิ่งที่เกิดขึ้นอาจเป็นเพียงการเอา AI ไปเร่งระบบเดิมให้เร็วขึ้น โดยไม่ได้เปลี่ยนวิธีที่องค์กรสร้างคุณค่าเลย

เราจึงอาจเห็นองค์กรที่มี AI ล้ำสมัย แต่ยังทำรายงานเดิม ส่งหัวหน้าคนเดิม ผ่าน Approval เดิม เข้าประชุมเดิม และวัดผลด้วย KPI เดิม เพียงแต่ทุกอย่างเสร็จเร็วขึ้นเล็กน้อย

นี่คือความแตกต่างสำคัญระหว่าง AI Adoption กับ AI Transformation อย่างแรกคือการเอาเทคโนโลยีใหม่เข้าไปอยู่ในองค์กรเดิม แต่อย่างหลังคือการยอมให้ความสามารถของเทคโนโลยีกลับมาเปลี่ยนวิธีที่องค์กรถูกออกแบบ

🔴 Training จึงเป็นเพียงส่วนเล็กของโจทย์เรื่อง People

แน่นอนว่าองค์กรต้อง Reskill และ Upskill พนักงาน แต่การมอง People Strategy ของ AI Transformation ผ่าน Training เพียงอย่างเดียวอาจเป็นการประเมินปัญหาต่ำเกินไป เพราะต่อให้พนักงานทุกคนใช้ AI เก่งขึ้นพร้อมกันในวันพรุ่งนี้ คำถามที่ยากที่สุดก็ยังไม่ได้รับคำตอบ

เมื่อ AI รับงานบางประเภทไป Expertise แบบไหนจะมีมูลค่าลดลง และแบบไหนจะมีมูลค่าเพิ่มขึ้น? Job Description ต้องเปลี่ยนอย่างไร? KPI แบบเดิมยังสมเหตุสมผลหรือไม่? Career Path จะเดินอย่างไรเมื่อ Entry-level Tasks จำนวนมากถูก Automation? ผู้จัดการควรบริหาร “คน” หรือบริหารทั้งคนและ AI Agent? และองค์กรจะทำอย่างไรกับคนที่เก่งมากในระบบเดิม เมื่อระบบใหม่ไม่ได้ต้องการความเก่งแบบนั้นมากเท่าเดิม?

คำถามเหล่านี้ไม่มีคำตอบอยู่ในหลักสูตร Prompt Engineering เพราะมันไม่ใช่ปัญหาเรื่องการใช้ AI แต่เป็นปัญหาเรื่อง Organization Design

🔴 อย่าถามแค่ว่า “AI ทำอะไรแทนคนได้”

คำถามนี้จำเป็น แต่แคบเกินไป เพราะมันทำให้เรามอง AI เป็นเพียงเครื่องมือสำหรับลดงานหรือลดคน คำถามที่ใหญ่กว่าคือ “เมื่อ AI ทำสิ่งนี้ได้แล้ว เรายังจำเป็นต้องออกแบบองค์กรแบบเดิมอยู่หรือไม่?”

ถ้า AI ทำรายงานได้ เราไม่ควรถามเพียงว่าจะประหยัดเวลากี่ชั่วโมง แต่อาจต้องถามว่ารายงานนั้นยังจำเป็นหรือไม่ ถ้า AI วิเคราะห์ข้อมูลได้ เราไม่ควรถามเพียงว่านักวิเคราะห์จะทำงานเร็วขึ้นกี่เปอร์เซ็นต์ แต่ควรถามว่าบทบาทของนักวิเคราะห์ควรขยับไปสร้างคุณค่าตรงไหน และถ้า AI Agent สามารถทำงานข้ามหลายขั้นตอนได้เอง เราอาจต้องกลับไปถามด้วยว่า Process ที่เคยแบ่งออกเป็นห้าแผนกยังจำเป็นต้องแบ่งแบบนั้นอีกหรือไม่

เมื่อมาถึงจุดนี้ AI Transformation จึงไม่ใช่เรื่องของ Technology อีกต่อไป แต่เป็นเรื่องของ Operating Model

ธุรกิจที่เกิดขึ้นพร้อม AI อาจได้เปรียบ เพราะสามารถออกแบบตัวเองโดยไม่ต้องแบกอดีต แต่บริษัทที่ใช้เวลาหลายสิบปีสร้างองค์กรขึ้นมาด้วย “คน” ไม่มีความหรูหราแบบนั้น ทุกครั้งที่เอาคนออกจาก Process มันไม่ได้ขยับแค่กล่องหนึ่งออกจาก Flowchart แต่กำลังขยับตำแหน่ง อำนาจ ความเชี่ยวชาญ ความก้าวหน้า และความมั่นคงของใครบางคนไปพร้อมกัน

AI Transformation จึงอาจไม่ได้ยากเพราะ AI ยังไม่เก่งพอ แต่มันยากเพราะองค์กรส่วนใหญ่ถูกสร้างขึ้นบนสมมติฐานว่า “คน” จะอยู่ใน Process เหล่านั้นตลอดไป

และวันนี้ เทคโนโลยีกำลังเปลี่ยนสมมติฐานนั้นเร็วกว่าที่หลายองค์กรจะออกแบบตัวเองใหม่ทัน