AI กำลังแทนที่พนักงาน หรือมันเป็นข้ออ้างที่ดูดีแทนที่คำอธิบายของผู้บริหารในการลดคน ?

ลองพิจารณาคำอธิบายสองแบบจากองค์กรที่กำลังลดพนักงาน

แบบแรกคือ “เราขยายทีมมากเกินไป และรายได้ไม่เติบโตตามที่คาด”

แบบที่สองคือ “เรากำลังปรับองค์กรสู่ยุค AI เพื่อเพิ่มประสิทธิภาพและความสามารถในการแข่งขัน”

ทั้งสองประโยคอาจนำไปสู่การตัดสินใจเดียวกัน แต่สร้างความเข้าใจต่อการตัดสินใจนั้นต่างกันอย่างมาก ประโยคแรกทำให้ผู้ฟังตั้งคำถามกับวิจารณญาณของผู้บริหาร ขณะที่ประโยคหลังทำให้ผู้บริหารดูเหมือนกำลังมองการณ์ไกล

นี่คือเหตุผลที่เราควรตรวจสอบคำประกาศลดคนที่อ้างถึง AI ให้ลึกกว่าภาษาของการเปลี่ยนผ่านทางเทคโนโลยี

คำถามสำคัญคือ AI ทำให้องค์กรต้องการคนน้อยลงจริง หรือทำให้องค์กรอธิบายการลดคนได้ง่ายขึ้น

หลักฐานที่มีอยู่ยังไม่เพียงพอจะสรุปว่าการลดคนโดยอ้าง AI ส่วนใหญ่เป็นข้ออ้าง แต่ก็ไม่มีเหตุผลที่จะยอมรับว่าการประกาศใช้ AI เป็นหลักฐานในตัวเองว่าองค์กรสามารถทำงานเดิมด้วยคนที่น้อยลงได้แล้ว

🔴 เรื่องเล่าที่เปลี่ยนความหมายของการลดคน

การลดคนเป็นการตัดสินใจที่ผู้บริหารต้องอธิบายต่อหลายฝ่ายพร้อมกัน ทั้งคณะกรรมการ นักลงทุน ลูกค้า และพนักงานที่ยังอยู่

หากสาเหตุคือยอดขายที่ชะลอตัว การจ้างงานเกินความจำเป็น หรือโครงสร้างที่ซ้ำซ้อน คำถามถัดไปย่อมเกี่ยวข้องกับความรับผิดชอบของฝ่ายบริหาร แต่เมื่อคำอธิบายเปลี่ยนเป็น AI จุดสนใจอาจเลื่อนจากการตัดสินใจในอดีตไปสู่ความสามารถในการแข่งขันในอนาคต

ในเชิงการสื่อสาร AI จึงมีคุณสมบัติที่น่าสนใจอย่างหนึ่ง นั่นคือสามารถทำให้การถอยดูเหมือนการรุก และทำให้มาตรการแก้ปัญหาทางการเงินดูเหมือนส่วนหนึ่งของยุทธศาสตร์เทคโนโลยี

ความเสี่ยงไม่ได้จำกัดอยู่ที่ผู้บริหารซึ่งตั้งใจใช้ AI บังหน้า บางองค์กรอาจเชื่อคำอธิบายของตัวเองอย่างจริงใจ เพราะเห็นว่าเครื่องมือสามารถเขียนรายงาน สร้างภาพ หรือตอบคำถามได้เร็วขึ้น แล้วอนุมานต่อไปว่าองค์กรย่อมต้องการพนักงานน้อยลงในสัดส่วนใกล้เคียงกัน

ความเข้าใจที่คลาดเคลื่อนกับการสื่อสารที่เลือกเล่าเพียงบางส่วนอาจนำไปสู่ผลลัพธ์เดียวกัน คือการลดกำลังคนก่อนพิสูจน์ว่าระบบงานรองรับได้

🔴 ความผิดพลาดเริ่มต้นเมื่อองค์กรตัดสินใจเรื่องคนก่อนเข้าใจเรื่องงาน

Gartner ระบุในบทวิเคราะห์เดือนมกราคม 2026 ว่าผู้บริหารจำนวนหนึ่งเผชิญแรงกดดันให้ลดต้นทุนตามความต้องการของคณะกรรมการ และมอง AI เป็นกลไกที่จะช่วยให้การลดคนเกิดขึ้นได้โดยไม่กระทบการดำเนินงาน อย่างไรก็ตาม ผลิตภาพที่เพิ่มขึ้นจาก AI มักไม่ได้ทำให้การลดคนเป็นไปอย่างราบรื่นปราศจากความเสี่ยง องค์กรจึงต้องประเมินผลกระทบและความพร้อมตามความเป็นจริง

แรงกดดันเช่นนี้อาจทำให้ลำดับการตัดสินใจกลับด้าน

แทนที่องค์กรจะเริ่มจากการปรับกระบวนการ ทดลองใช้ AI วัดผล แล้วจึงประเมินความต้องการกำลังคน องค์กรกลับเริ่มจากเป้าหมายลดต้นทุน กำหนดจำนวนคนที่จะลด แล้วค่อยคาดหวังให้ AI เติมกำลังการผลิตที่หายไป

ความแตกต่างนี้มีนัยสำคัญ การลดคนจากผลลัพธ์ที่พิสูจน์แล้วคือการปรับทรัพยากรให้สอดคล้องกับระบบงานใหม่ ส่วนการลดคนจากผลลัพธ์ที่คาดหวังคือการเดิมพันว่าระบบงานใหม่จะพร้อมทันเวลา

การเดิมพันอาจมีเหตุผลทางธุรกิจ แต่ผู้บริหารควรเรียกมันตามความจริง เพราะความคาดหวังกับความสามารถที่เกิดขึ้นแล้วต้องได้รับการกำกับดูแลต่างกัน

🔴 งานบางส่วนที่เร็วขึ้น ไม่ได้ทำให้ทั้งตำแหน่งหมดความจำเป็น

จุดอ่อนสำคัญของเหตุผล “ใช้ AI แล้วจึงลดคนได้” คือการมองตำแหน่งงานเสมือนเป็นกิจกรรมเพียงอย่างเดียว

พนักงานการตลาดไม่ได้มีหน้าที่เพียงเขียนข้อความ พวกเขายังต้องเข้าใจลูกค้า เลือกประเด็น ประสานฝ่ายต่าง ๆ ตรวจสอบข้อกล่าวอ้าง และรับผิดชอบเมื่อการสื่อสารผิดพลาด พนักงานบริการลูกค้าก็ไม่ได้มีหน้าที่เพียงตอบคำถาม แต่ต้องจัดการข้อยกเว้น ประเมินสถานการณ์ และตัดสินใจเมื่อคำตอบมาตรฐานใช้ไม่ได้

AI อาจช่วยกิจกรรมบางส่วนได้มาก แต่ผลต่อความต้องการกำลังคนขึ้นอยู่กับว่างานส่วนนั้นกินเวลามากเพียงใด และเวลาที่ประหยัดได้สามารถนำกลับมาใช้จริงอย่างไร

ตัวอย่างสมมติ หากการร่างเนื้อหาคิดเป็น 30% ของเวลาทำงาน และ AI ช่วยลดเวลาร่างลงครึ่งหนึ่ง เวลาที่ประหยัดได้เบื้องต้นคือ 15% ของเวลาทั้งหมด ก่อนนับเวลาตรวจสอบและแก้ไข การสรุปว่าทีมจึงลดคนได้ครึ่งหนึ่งย่อมข้ามขั้นตอนสำคัญในการวิเคราะห์

นอกจากนี้ เวลาที่ประหยัดได้อาจกระจายอยู่ในงานของพนักงานหลายคน คนละเล็กละน้อย การเปลี่ยนเวลาว่างเหล่านั้นให้เป็นกำลังการผลิตที่นำไปใช้ได้ ต้องอาศัยการจัดบทบาท ตารางงาน และการส่งต่องานใหม่

หลักฐานวิจัยแสดงให้เห็นว่า AI เพิ่มผลิตภาพได้จริง หลายงานวิจัยเรื่อง Generative AI พบว่าผู้ให้บริการลูกค้าที่เข้าถึงเครื่องมือช่วยเหลือด้วย AI สามารถแก้ปัญหาต่อชั่วโมงได้เพิ่มขึ้นโดยประโยชน์แตกต่างกันระหว่างกลุ่มพนักงาน แต่ผลดังกล่าวไม่ได้หมายความว่าทุกองค์กรสามารถลดพนักงานได้ในสัดส่วนเดียวกัน

ระหว่าง “พนักงานทำงานบางอย่างได้เร็วขึ้น” กับ “องค์กรต้องการพนักงานน้อยลง” จึงยังมีการตัดสินใจด้านการออกแบบงานอีกหลายขั้น

🔴 ต้องแยกการทดแทนจริง การเดิมพัน และการใช้ AI เป็นคำอธิบาย

เพื่อประเมินการลดคนอย่างเป็นธรรม ผู้บริหารและคณะกรรมการควรแยกสถานการณ์อย่างน้อยสามแบบ

แบบแรก การทดแทนที่พิสูจน์แล้ว องค์กรมีระบบงานใหม่ที่ใช้งานจริง สามารถรองรับปริมาณงานและรักษาคุณภาพได้ด้วยทรัพยากรที่น้อยลง การปรับกำลังคนจึงมีหลักฐานเชิงปฏิบัติการรองรับ

แบบที่สอง การลดคนล่วงหน้าบนความคาดหวัง องค์กรเชื่อว่า AI จะรองรับงานได้ในอนาคต จึงลดคนก่อนที่ความสามารถนั้นจะเกิดขึ้นครบถ้วน ประเด็นที่ต้องประเมินคือความสมเหตุสมผลของสมมติฐาน ระยะเวลา และแผนรองรับหากผลลัพธ์ไม่เป็นไปตามคาด

แบบที่สาม การใช้ AI อธิบายการลดคนที่มีแรงขับจากเหตุอื่น องค์กรต้องการลดต้นทุนอยู่แล้วจากรายได้ที่อ่อนตัว การลงทุนที่ไม่สำเร็จ หรือการจ้างงานเกินความจำเป็น และใช้ AI ทำให้การตัดสินใจดูสอดคล้องกับอนาคต

ทั้งสามแบบอาจเกิดขึ้นพร้อมกันในองค์กรเดียว บางหน่วยงานอาจมีระบบอัตโนมัติที่พร้อมแล้ว ขณะที่อีกหน่วยงานกำลังลดคนเพื่อให้ถึงเป้าหมายทางการเงิน

การวิเคราะห์จึงควรลงไปถึงระดับกระบวนการ แทนการยอมรับคำอธิบายเดียวสำหรับการปรับโครงสร้างทั้งองค์กร

🔴 ต้นทุนที่หายไปจากบัญชี อาจย้ายไปอยู่ในระบบงาน

หลังลดคน ค่าใช้จ่ายบุคลากรมักลดลงให้เห็นได้ทันที แต่ผลกระทบต่อความสามารถขององค์กรอาจปรากฏช้ากว่า

งานอาจย้ายไปอยู่กับพนักงานที่เหลือ ผู้รับเหมา ผู้จัดการ หรือแม้แต่ลูกค้าที่ต้องใช้เวลาจัดการปัญหาด้วยตัวเอง งานบางส่วนอาจกลายเป็นงานค้าง ขณะที่กิจกรรมอย่างการพัฒนาคน การตรวจสอบคุณภาพ หรือการสร้างความสัมพันธ์กับลูกค้าอาจถูกลดความสำคัญลง

หากองค์กรวัดเพียงค่าใช้จ่ายเงินเดือน การลดต้นทุนก็อาจดูประสบความสำเร็จ ทั้งที่เวลาส่งมอบยาวขึ้น ความผิดพลาดเพิ่มขึ้น หรือทีมต้องทำงานล่วงเวลาเพื่อรักษาผลลัพธ์เดิม

ในสถานการณ์เช่นนี้ สิ่งที่ถูกนำเสนอว่าเป็นผลิตภาพจาก AI อาจประกอบด้วยความเข้มข้นของการทำงานที่เพิ่มขึ้น และการยอมรับคุณภาพบริการที่ต่ำลงด้วย

ความเสี่ยงอีกด้านคือความไว้วางใจ หากพนักงานเห็นว่าการสอน AI ให้ทำงานได้ดีขึ้นนำไปสู่การลดตำแหน่งทันที พวกเขาอาจลังเลที่จะเปิดเผยความรู้หรือเสนอวิธีปรับปรุงงาน องค์กรจึงอาจทำลายความร่วมมือที่จำเป็นต่อการเปลี่ยนผ่านของตัวเอง

🔴 คณะกรรมการควรขอหลักฐานอะไร ก่อนยอมรับเหตุผลเรื่อง AI

การกำกับดูแลที่ดีต้องเปลี่ยนคำถามจาก “เราใช้ AI มากแค่ไหน” ไปสู่ “ระบบงานเปลี่ยนไปอย่างไร และผลลัพธ์พิสูจน์อะไรแล้ว”

ก่อนอนุมัติการปรับกำลังคน คณะกรรมการควรขอคำตอบที่ชัดเจนในห้าเรื่อง

1. งานส่วนใดถูกทดแทนจริง ? - ระบุกิจกรรม ปริมาณงาน และเวลาที่ลดลง พร้อมแยกออกจากความสามารถที่ยังอยู่ระหว่างพัฒนา

2. ผลลัพธ์ดีขึ้นตลอดกระบวนการหรือไม่ ? - วัดเวลาตั้งแต่รับงานจนส่งมอบ คุณภาพ การแก้ไขซ้ำ และผลต่อลูกค้า

3. งานที่ยังเหลือจะไปอยู่ที่ใคร ? - รวมภาระตรวจสอบ AI การจัดการข้อยกเว้น และความรับผิดชอบต่อการตัดสินใจ

4. หากไม่มี AI องค์กรจะลดคนอยู่ดีหรือไม่ ? - คำตอบช่วยแยกแรงกดดันทางการเงินออกจากผลของเทคโนโลยี

5. มีแผนรองรับเมื่อสมมติฐานผิดอย่างไร ? - กำหนดสัญญาณเตือน ผู้รับผิดชอบ และเงื่อนไขในการปรับกำลังคนกลับ

คำตอบเหล่านี้ควรอยู่ในเอกสารประกอบการตัดสินใจตั้งแต่ต้น เพื่อให้สามารถย้อนตรวจสอบได้ว่าผลลัพธ์เกิดจาก AI การออกแบบงานใหม่ หรือการส่งภาระไปยังส่วนอื่น

ผู้บริหารยังควรประเมินว่าจะใช้กำลังการผลิตที่เพิ่มขึ้นอย่างไร การรองรับลูกค้าเพิ่ม ลดงานค้าง ยกระดับคุณภาพ ชะลอการจ้าง หรือย้ายคนไปทำงานใหม่ ล้วนเป็นทางเลือกที่ต้องเปรียบเทียบกับการลดคนตามบริบทของธุรกิจ

🔴 ผู้บริหารต้องเป็นเจ้าของเหตุผลที่แท้จริง

องค์กรอาจมีเหตุผลจำเป็นต้องลดคน และ AI อาจเปลี่ยนความต้องการกำลังคนได้จริง สิ่งที่ต้องเรียกร้องคือความแม่นยำในการอธิบายความสัมพันธ์ระหว่างสองเรื่องนี้

หากปัญหาหลักคือรายได้ โครงสร้างต้นทุน หรือการขยายทีมเกินความจำเป็น ผู้บริหารควรรับผิดชอบต่อเหตุผลนั้นอย่างตรงไปตรงมา หากการลดคนขึ้นอยู่กับ AI ที่ยังพัฒนาไม่เสร็จ ก็ควรระบุว่าเป็นการตัดสินใจภายใต้สมมติฐาน พร้อมเปิดเผยความเสี่ยงและแผนรองรับ

ความสามารถในการประกาศว่าองค์กรเป็น AI-first ไม่ได้พิสูจน์ว่าองค์กรเข้าใจงานของตัวเองดีขึ้น

หลักฐานที่หนักแน่นกว่าคือการตอบได้ว่า งานอะไรหายไป งานอะไรเปลี่ยน ใครยังต้องรับผิดชอบ และลูกค้าได้รับผลลัพธ์อย่างไรหลังการเปลี่ยนแปลง

หากยังตอบคำถามเหล่านี้ไม่ได้ การอ้าง AI ก็ยังเป็นเพียงคำอธิบายที่ต้องพิสูจน์ และการลดคนก็ยังเป็นการตัดสินใจที่ผู้บริหารต้องรับผิดชอบด้วยตัวเอง