'High Tech, High Touch AI เก่งขึ้นทุกวัน ใครจะสร้างผู้นำรุ่นต่อไป?

ช่วงสองสามปีที่ผ่านมา ผมเจอผู้บริหารที่พูดเรื่อง AI มากขึ้นเรื่อยๆ บางบริษัทตั้ง AI Task Force บางแห่งส่งพนักงานไปเรียนเขียน Prompt บางคนเปิดประชุมด้วยตัวเลขว่า AI จะช่วยลดต้นทุนได้กี่เปอร์เซ็นต์ เพิ่ม Productivity ได้เท่าไร หรือจะลดเวลาทำงานจากสามวันเหลือสามชั่วโมงได้อย่างไร

ทั้งหมดเป็นคำถามที่ถูก

แต่มีคำถามหนึ่งที่ผมแทบไม่เคยได้ยินเลยฃ

ถ้า AI ทำงานของเด็กจบใหม่ได้เกือบหมด แล้วเด็กจบใหม่จะโตเป็นผู้บริหารได้อย่างไร? และใครจะสร้างผู้นำรุ่นต่อไป?

ตอนเริ่มทำงานใหม่ๆ ไม่มีใครได้เริ่มจากงานที่ยิ่งใหญ่

นักวิเคราะห์เริ่มจากอ่านเอกสาร ทำตาราง ตรวจตัวเลข และแก้สไลด์ตอนดึก ทนายรุ่นใหม่ค้นคำพิพากษา ร่างเอกสาร และถูกแก้งานจนแทบไม่เหลือประโยคเดิม คนทำโฆษณาเขียน Headline ยี่สิบแบบเพื่อให้รุ่นพี่เลือกหนึ่งแบบ คนทำการเงินนั่งทำโมเดลซ้ำแล้วซ้ำอีก

หลายงานน่าเบื่อ หลายงานกินเวลา และบางงาน ถ้ามองด้วยสายตาของผู้บริหารวันนี้ ก็แทบไม่มีเหตุผลต้องให้มนุษย์ทำอีกแล้ว เพราะ AI ทำได้เร็วกว่า ถูกกว่า และบางครั้งก็ดีกว่า

ถ้าโจทย์มีเพียง Productivity คำตอบก็ดูง่าย — เอา AI มาแทนเสีย

ปัญหาคือ งานเหล่านี้ไม่ได้มีคุณค่าเพียงเพราะ “งานเสร็จ” แต่มันมีคุณค่าเพราะระหว่างทำงาน คนกำลังถูกสร้างขึ้นมาด้วย

มนุษย์ไม่ได้เรียนรู้ Judgment จากการฟัง Lecture เรื่อง Judgment เราเรียนรู้จากการทำเรื่องเล็กๆ ผิด ถูกแก้ ถูกถามว่าทำไม เช็กข้อมูลไม่ครบแล้วต้องกลับไปทำใหม่ เสนออะไรที่ฟังดูดีแต่ใช้จริงไม่ได้ แล้วค่อยๆ เริ่มแยกออกว่าอะไรสำคัญ อะไรไม่สำคัญ และเมื่อไรไม่ควรเชื่อตัวเลขที่วางอยู่ตรงหน้า

องค์กรอาจได้ Productivity แต่กำลังเสีย “โรงเรียนสร้างผู้นำ”

นี่อาจเป็นหนึ่งในโจทย์ภาวะผู้นำที่สำคัญที่สุดของยุค AI

คำถามไม่ใช่เพียง AI จะเอางานไปจากมนุษย์กี่ตำแหน่ง แต่อยู่ที่ว่า AI กำลังเอาขั้นตอนที่มนุษย์เคยใช้เติบโตออกไปจากองค์กรหรือไม่

บริษัทอาจมีประสิทธิภาพขึ้นในปีหน้า แต่กลับไม่มีคนที่พร้อมจะนำบริษัทในอีกสิบปีข้างหน้า

ในยุค AI ผู้นำจึงต้องคิดพร้อมกันอย่างน้อยสี่เรื่องในการนำพาองค์กรไปข้างหน้า ซึ่งผมเรียกว่า “4A Framework”

1. Advantage — AI จะสร้างความได้เปรียบตรงไหน
2. Architecture — ต้องออกแบบองค์กรใหม่อย่างไร
3. Adoption — ทำอย่างไรให้คนเติบโตไปพร้อมกับ AI
4. Accountability — เมื่อ AI ผิด ใครต้องรับผิดชอบ

1. Advantage: การมี AI ไม่ได้แปลว่ามีความได้เปรียบ

ไม่ใช่ทุกสิ่งที่ AI ทำได้ควรกลายเป็นเรื่องสำคัญของบริษัท และไม่ใช่ทุกบริษัทที่ใช้ AI จะมีความได้เปรียบ

ทุกวันนี้แทบทุกคนเข้าถึงเครื่องมือใกล้เคียงกันได้ ความได้เปรียบจริงจึงไม่ได้อยู่ที่ใคร “มี AI” แต่อยู่ที่ใครรู้ว่าจะเอามันไปเชื่อมกับสิ่งที่ตัวเองมีอยู่แล้วอย่างไร

ไม่ว่าจะเป็นข้อมูลที่สะสมมาหลายปี ความสัมพันธ์กับลูกค้า ความเข้าใจอุตสาหกรรม ช่องทางจำหน่าย ความน่าเชื่อถือของแบรนด์ หรือความรู้เฉพาะที่คู่แข่งลอกไม่ได้

บริษัทที่ฉลาดไม่จำเป็นต้องมี AI Project ห้าสิบโครงการ อาจต้องการเพียงสามหรือสี่เรื่องที่เปลี่ยน Economics ของธุรกิจจริงๆ

ตรงไหนทำให้เราขายได้ดีขึ้น?
ตรงไหนทำให้ลูกค้าได้รับบริการดีขึ้น?
ตรงไหนลดเวลาได้อย่างมีนัยสำคัญ?
และตรงไหนเปิดธุรกิจใหม่ที่เมื่อก่อนไม่มีทางทำได้?

ผู้นำที่ยังคิดว่า AI เป็นเรื่องของฝ่ายเทคโนโลยีจึงอาจเริ่มช้าไปแล้ว เพราะ AI Strategy กำลังกลายเป็น Business Strategy

 

2. Architecture: อย่าเอาเครื่องยนต์ใหม่ไปใส่ในองค์กรแบบเดิม

หลังจากรู้ว่า AI จะสร้างความได้เปรียบตรงไหน คำถามถัดไปยากกว่า

ถ้าเรารู้ตั้งแต่วันแรกว่า AI มีอยู่ เราจะยังออกแบบบริษัทแบบเดิมหรือไม่?

หลายองค์กรเอา AI ไปติดไว้บนโครงสร้างเดิม เหมือนเปลี่ยนเครื่องยนต์ใหม่แต่ยังใช้ถนนเส้นเดิมทุกอย่าง

รายงานยังเหมือนเดิม ลำดับชั้นยังเหมือนเดิม การอนุมัติยังเหมือนเดิม ประชุมก็ยังยาวเท่าเดิม เพียงแต่ก่อนประชุมให้ AI ช่วยสรุปเอกสาร

ผมไม่แน่ใจว่านั่นเรียกว่า Transformation ได้หรือยัง

AI ที่ทรงพลังจริงควรทำให้เรากล้าตั้งคำถามกับวิธีทำงานเดิม

มีงานอะไรที่ไม่ต้องทำแล้ว?
มีงานอะไรที่ควรรวมกัน?
มีการตัดสินใจอะไรที่ควรเร็วขึ้น?
มีตำแหน่งไหนที่บทบาทควรเปลี่ยน?

และที่สำคัญ มีงานอะไรที่แม้ AI ทำได้ แต่เรายังควรให้คนทำ เพราะมันเป็นส่วนหนึ่งของการฝึกฝน?

องค์กรในยุค AI จึงไม่ควร Redesign งานโดยดูแค่ Efficiency แต่ต้อง Redesign Learning Architecture ไปพร้อมกันด้วย

ถ้าเมื่อก่อนคนรุ่นใหม่ใช้เวลาสองปีทำงานพื้นฐานเพื่อสร้างความเข้าใจในธุรกิจ แล้ววันนี้ AI ทำงานพื้นฐานนั้นหมดภายในสองนาที บริษัทต้องตอบให้ได้ว่าจะสร้างประสบการณ์ทดแทนอย่างไร

ไม่อย่างนั้น เราอาจได้พนักงานที่ผลิตงานระดับ Senior ได้อย่างรวดเร็ว แต่ไม่มีประสบการณ์ระดับ Senior

สองอย่างนี้ต่างกันมาก

คนหนึ่งมี Output ดี แต่อีกคนมี Judgment ดี

และเมื่อถึงเวลาวิกฤต บริษัทไม่ได้ต้องการคนที่สร้างคำตอบได้เร็วที่สุดเสมอไป แต่ต้องการคนที่รู้ว่า คำตอบไหนไม่ควรเชื่อ

3. Adoption: เป้าหมายไม่ใช่แค่ให้คน “ใช้ AI” แต่ต้อง “โตไปกับ AI”

หลายบริษัทเข้าใจ Adoption ว่าหมายถึงทำอย่างไรให้คนใช้ AI มากขึ้น

แต่ผมคิดว่าคำถามควรลึกกว่านั้น

เราจะทำอย่างไรให้คนเติบโตขึ้นพร้อมกับ AI?

โดยเฉพาะ First Jobber คนที่เข้าทำงานปีนี้ไม่ควรได้รับการฝึกแบบเดียวกับคนที่เริ่มทำงานเมื่อสิบปีก่อน เพราะสภาพแวดล้อมในการเรียนรู้เปลี่ยนไปแล้ว

บางครั้งควรให้เขาลองคิดก่อนเปิด AI

บางครั้งควรให้ใช้ AI ก่อน แล้วบังคับให้อธิบายว่าคำตอบนั้นมีจุดอ่อนตรงไหน

บางครั้งควรให้ทำงานสองแบบ แล้วเปรียบเทียบว่ามนุษย์พลาดอะไร AI พลาดอะไร

และบางครั้งก็ควรปล่อยให้เขาทำงานช้ากว่า ทั้งที่เรารู้ว่ามีวิธีที่เร็วกว่า

เพราะ การเรียนรู้ไม่ใช่ Waste

เหมือนการฝึกกล้ามเนื้อ เราไม่สามารถบอกว่าเพราะมีลิฟต์แล้ว บันไดจึงไม่มีประโยชน์

จาก Mentoring สู่ Reverse Apprenticeship

การเรียนรู้ในองค์กรยุค AI อาจกลับหัวกลับหางกว่าที่เราเคยชิน

เมื่อก่อนความรู้มักไหลจาก Senior ไป Junior คนอาวุโสมีประสบการณ์ คนรุ่นใหม่รับฟัง

วันนี้ภาพอาจไม่เรียบง่ายแบบนั้น

คนอายุ 50 อาจเข้าใจลูกค้า การเมืองในองค์กร และการตัดสินใจภายใต้ความไม่แน่นอนได้ดีกว่า ขณะที่คนอายุ 23 อาจเข้าใจการใช้ AI ค้นข้อมูล เขียน Code ทดลอง Model หรือสร้าง Workflow ใหม่ได้เร็วกว่ามาก

ความสัมพันธ์ที่ดีจึงอาจไม่ใช่ Mentoring แบบทางเดียว แต่เป็น Reverse Apprenticeship

รุ่นพี่สอน Judgment
รุ่นน้องสอน Experimentation
และ AI อยู่ตรงกลาง

ผมชอบจินตนาการภาพ CEO คนหนึ่งนั่งกับพนักงานใหม่หนึ่งคน เอางานจริงในบริษัทขึ้นมาวางตรงหน้า แล้วถามกันทีละขั้นว่า

ตรงนี้ใครควรทำ?
ตรงนี้ AI ทำได้ดีกว่าไหม?
ถ้าให้ AI ทำ เด็กคนนี้จะเสียโอกาสเรียนรู้อะไร?
และถ้าฝืนให้คนทำต่อ เรากำลังรักษาทักษะที่จำเป็น หรือแค่รักษาวิธีทำงานเก่าเพราะเราคุ้นเคย?

บทสนทนาแบบนี้อาจมีประโยชน์กว่าการส่งพนักงานไปเข้าคอร์ส AI Literacy หนึ่งวันเสียอีก

เพราะสุดท้ายองค์กรไม่ได้ต้องการคนที่ Prompt เก่งที่สุด แต่ต้องการ มืออาชีพที่ใช้ AI เป็น และยังคิดเอง

เป็น

สองอย่างนี้เริ่มไม่เหมือนกันมากขึ้นทุกที

4. Accountability: “AI แนะนำมา” ไม่ควรเป็นคำแก้ตัว

เมื่อก่อนความผิดพลาดมีความเร็วจำกัดตามความเร็วของมนุษย์

วันนี้ AI ทำให้ทั้งความถูกต้องและความผิดพลาดขยายตัวได้ในระดับที่ไม่เคยเกิดขึ้นมาก่อน

คำตอบผิดหนึ่งคำตอบสามารถถูกส่งต่อไปยังลูกค้าหมื่นคน การวิเคราะห์ผิดหนึ่งครั้งสามารถกลายเป็นการตัดสินใจอัตโนมัติหลายพันรายการ

เพราะฉะนั้น ยิ่งองค์กรใช้ AI มากขึ้น ยิ่งต้องตอบคำถามพื้นฐานให้ชัดขึ้นว่า

ใครเป็นคนรับผิดชอบ?

คำตอบว่า “AI แนะนำมา” ไม่ควรใช้ได้ในองค์กรใด

AI อาจช่วยคิด ช่วยวิเคราะห์ หรือช่วยเสนอทางเลือกได้ แต่ในเรื่องที่กระทบคน เงิน ความปลอดภัย ชื่อเสียง หรือสิทธิของผู้อื่น ต้องมีมนุษย์ที่รู้ว่าตัวเองกำลังลงชื่อรับรองอะไร

และต้องเป็นมนุษย์ที่มีความรู้มากพอที่จะ ไม่เชื่อเครื่องจักรทุกครั้ง

นี่คืออีกเหตุผลที่ Apprenticeship สำคัญ

เราไม่สามารถมอบ Accountability ให้คนที่ไม่เคยผ่านกระบวนการสร้าง Judgment แล้วหวังว่าเมื่อถึงวันหนึ่งเขาจะมีมันขึ้นมาเอง

ในองค์กรยุค AI ความเร็วสำคัญ

แต่ ความเร็วโดยไม่มี Judgment ก็เป็นเพียงการเดินทางไปผิดที่ให้เร็วขึ้น

ภาวะผู้นำยุค AI ไม่ได้วัดว่า CEO ใช้ ChatGPT หรือไม่

ภาวะผู้นำในยุค AI ไม่ได้เริ่มจากคำถามว่า CEO ใช้ ChatGPT หรือไม่

ไม่ได้วัดจากจำนวน AI Projects

ไม่ได้วัดจากจำนวนพนักงานที่ผ่านการอบรม

และอาจไม่ได้วัดจากจำนวนงานที่ Automate ได้ด้วยซ้ำ

แต่มันอยู่ที่ผู้นำสามารถถือความจริงสองอย่างไว้พร้อมกันได้หรือไม่

เราต้องใช้ AI ให้เร็วพอที่จะไม่แพ้

และในเวลาเดียวกัน

เราต้องพัฒนามนุษย์ให้ลึกพอที่จะไม่หลงทาง

เพราะความท้าทายที่ใหญ่ที่สุดของ AI อาจไม่ใช่วันที่เครื่องจักรทำงานแทนมนุษย์ได้ แต่เป็นวันที่องค์กรค้นพบว่า ในการพยายามทำทุกอย่างให้เร็วขึ้น เราเผลอลบกระบวนการที่เคยสร้างคนให้พร้อมเป็นผู้นำออกไปด้วย

ข่าวมี่เกี่ยวข้อง 

• High Tech, High Touch: เมื่อ AI เริ่มแทนที่ความสัมพันธ์ของมนุษย์
• 'AI'กับ 'ดนตรี' จะไปด้วยกันได้หรือไหม โดย พิธา ลิ้มเจริญรัตน์
• High Tech, High Touch คุยกับพิธา ในโลก AI คุณค่าคนทำงานอยู่ตรงไหน?