คำถามที่ทำให้โครงการ AI ในองค์กรไม่ได้ไปต่อ ไม่ใช่ "มันทำงานได้ไหม" แต่คือ "แล้วมันคุ้มตรงไหน" คำตอบว่า "ทีมรู้สึกว่าเร็วขึ้น" ไม่เคยผ่านห้องประชุมงบประมาณ บทความนี้เสนอวิธีวัดที่ใช้เวลาไม่มาก ทำได้โดยไม่ต้องมีระบบวัดผลใหม่ และให้ตัวเลขที่ผู้บริหารเถียงไม่ได้
กฎข้อเดียวที่สำคัญที่สุด: วัดก่อนเริ่ม
ถ้าอ่านบทความนี้แล้วจำได้ข้อเดียว ให้จำข้อนี้ ตัวเลขหลังบ้านที่สวยแค่ไหนก็ไร้ความหมายถ้าไม่มีจุดเทียบ และการย้อนกลับไปวัดฐานหลังเปลี่ยนวิธีทำงานแล้วทำไม่ได้ เพราะไม่มีใครจำได้ว่าเมื่อก่อนใช้เวลาเท่าไรจริง ๆ
การวัดฐานใช้เวลาไม่ถึงครึ่งวัน สำหรับงานที่เลือกไว้ ให้จดสามอย่าง
- เวลาต่อครั้ง ให้คนที่ทำงานนั้นประเมินเอง แล้วถามสองสามคนเพื่อเทียบ
- ความถี่ ทำสัปดาห์ละกี่ครั้ง หรือเดือนละกี่ครั้ง
- จำนวนคน มีกี่คนที่ทำงานประเภทนี้
สามตัวนี้คูณกันได้ "ชั่วโมงต่อเดือนที่องค์กรใช้ไปกับงานนี้" ซึ่งเป็นตัวตั้งของทุกอย่างที่ตามมา
วัดสี่ชั้น ไม่ใช่ชั้นเดียว
การรายงานแค่ "ประหยัดเวลา" มักถูกตั้งคำถามกลับว่า "แล้วเวลาที่ประหยัดไปทำอะไร" ให้เตรียมคำตอบสี่ชั้น
ชั้นที่ 1 — เวลาที่ลดลง เทียบเวลาต่อครั้งก่อนและหลังด้วยวิธีเดียวกัน นี่คือตัวเลขพาดหัว
ชั้นที่ 2 — ปริมาณงานที่ทำได้เพิ่ม งานที่เคยดองไว้เพราะไม่มีเวลา ตอนนี้ได้ทำหรือยัง เช่น สรุปฟีดแบ็กลูกค้าที่เคยอ่านไม่ทัน หรือคู่มือที่ค้างมาสองปี ข้อนี้มักน่าสนใจกว่าชั้นที่ 1 สำหรับผู้บริหาร
ชั้นที่ 3 — คุณภาพ ร่างแรกดีขึ้นจนรอบแก้ลดลงไหม วัดง่าย ๆ ด้วยจำนวนรอบแก้เฉลี่ยต่อชิ้นงาน หรือให้หัวหน้าให้คะแนนตัวอย่างงานแบบไม่รู้ว่าชิ้นไหนทำด้วยวิธีใด
ชั้นที่ 4 — การใช้งานที่ยังอยู่ หลังอบรมสามเดือน ยังมีคนใช้อยู่กี่เปอร์เซ็นต์ ข้อนี้คือตัวชี้ว่าการเปลี่ยนแปลงติดจริงหรือแค่ตื่นเต้นชั่วคราว และเป็นตัวเลขที่บอกได้ว่าควรลงทุนรอบต่อไปหรือไม่
แปลงเป็นเงินอย่างระมัดระวัง
ผู้บริหารมักอยากเห็นตัวเลขเป็นบาท แต่การแปลงเวลาเป็นเงินตรง ๆ แล้วประกาศว่า "ประหยัดได้ปีละหลายล้าน" มักถูกจับได้ว่าเกินจริง เพราะเวลาที่ประหยัดไม่ได้แปลว่าองค์กรลดคนหรือลดค่าใช้จ่ายจริง
วิธีที่น่าเชื่อถือกว่าคือรายงานสองบรรทัด
- ชั่วโมงที่คืนกลับมา — "ทีม 12 คน คืนเวลาได้รวมประมาณ 90 ชั่วโมงต่อเดือน"
- เวลานั้นถูกใช้ไปกับอะไร — "ใช้ไปกับงานวิเคราะห์ลูกค้าที่เคยทำไม่ทันทุกเดือน"
ถ้าจะแปลงเป็นเงิน ให้ระบุสมมติฐานไว้ตรง ๆ ว่าใช้ต้นทุนต่อชั่วโมงเท่าไรและมาจากไหน การเปิดสมมติฐานทำให้ตัวเลขน่าเชื่อถือขึ้น ไม่ใช่ลดลง
รายงานหน้าเดียวที่ใช้ได้จริง
โครงที่ผู้บริหารอ่านจบใน 60 วินาที
- บรรทัดแรกคือตัวเลข งานอะไร ลดเวลาจากเท่าไรเหลือเท่าไร คิดเป็นกี่ชั่วโมงต่อเดือน
- ทำกับใคร กี่คน แผนกไหน ช่วงเวลาไหน
- หลักฐาน ตัวอย่างงานจริงสองสามชิ้น ก่อนและหลัง
- สิ่งที่ยังไม่ได้ผล ระบุตรง ๆ ว่าอะไรลองแล้วไม่เวิร์ก ข้อนี้ทำให้ทั้งรายงานน่าเชื่อถือขึ้นทันที
- ขอตัดสินใจอะไร ขยายไปแผนกไหน ใช้งบเท่าไร ทำไมถึงคุ้ม
ข้อ 4 คือข้อที่คนส่วนใหญ่ตัดทิ้ง และเป็นข้อที่ทำให้ผู้บริหารเชื่อข้อ 1–3 มากที่สุด
กับดักที่ควรเลี่ยง
- วัดจำนวนคนที่ผ่านอบรม เป็นตัวเลขกิจกรรม ไม่ใช่ผลลัพธ์ ไม่มีใครในห้องประชุมสนใจ
- วัดคะแนนความพึงพอใจอย่างเดียว บอกว่าคลาสสนุก ไม่ได้บอกว่างานเปลี่ยน
- วัดจำนวนครั้งที่เปิดใช้เครื่องมือ คนเปิดได้โดยไม่ได้ใช้ทำงานจริง
- เทียบกับองค์กรอื่น ตัวเลขจากบริบทอื่นไม่ช่วยตัดสินใจเรื่ององค์กรคุณ
- รอให้ครบปีแล้วค่อยวัด ถึงตอนนั้นไม่มีใครจำได้ว่าเมื่อก่อนเป็นอย่างไร
อ่านต่อ
วางการวัดผลไว้ตั้งแต่ต้นด้วยโรดแมป 90 วันแรก เลือกงานที่วัดผลได้ง่ายด้วยเกณฑ์หา use case และดูว่าอะไรทำให้โครงการ AI หยุดกลางทาง ซึ่งข้อสองคือการไม่มีตัวเลขฐาน