องค์กรจำนวนมากผ่านช่วง "ตื่นเต้นกับ AI" มาแล้วรอบหนึ่ง จัดอบรม ซื้อ license ตั้งคณะทำงาน แล้วอีกหกเดือนต่อมาก็ไม่มีอะไรเปลี่ยนในงานจริง บทความนี้รวมสาเหตุที่เจอซ้ำที่สุดจากการทำงานกับองค์กรไทย พร้อมวิธีแก้ที่ทำได้จริง — เพราะเกือบทุกข้อไม่ใช่ปัญหาเทคโนโลยี
1. อบรมแล้วไม่มีงานรองรับ
อาการที่เห็น: พนักงานผ่านอบรมครบทุกคน คะแนนประเมินดี แต่กลับไปนั่งทำงานแบบเดิม
สาเหตุคือการอบรมถูกวางเป็นกิจกรรม HR ไม่ใช่เป็นส่วนหนึ่งของการเปลี่ยนวิธีทำงาน คนออกจากห้องพร้อมความรู้ แต่ไม่มีใครบอกว่าพรุ่งนี้ต้องเอาไปใช้กับงานชิ้นไหน และไม่มีใครถามอีกเลย
วิธีแก้ เลือกงานที่จะเปลี่ยน ก่อน จองวันอบรม แล้วให้แบบฝึกหัดในคลาสเป็นงานชิ้นนั้นจริง ๆ ออกจากห้องแล้วผู้เรียนควรมีชุดคำสั่งของตัวเองที่ใช้ได้ในวันจันทร์ ไม่ใช่สมุดโน้ต
2. ไม่มีตัวเลขฐาน เลยพิสูจน์อะไรไม่ได้
อาการที่เห็น: ทีมรู้สึกว่าเร็วขึ้นจริง แต่พอถึงเวลาของบรอบถัดไปกลับตอบผู้บริหารไม่ได้ว่าคุ้มตรงไหน
สาเหตุคือไม่มีใครวัดก่อนเริ่ม พอไม่มีจุดเทียบ ผลลัพธ์ทั้งหมดจึงกลายเป็นความรู้สึก ซึ่งแพ้ในห้องประชุมงบประมาณเสมอ
วิธีแก้ ก่อนเปลี่ยนวิธีทำงาน จดไว้สามอย่าง คือ งานนี้ใช้เวลาเท่าไรต่อครั้ง ทำบ่อยแค่ไหน และใครทำ ใช้เวลาไม่ถึงครึ่งวันแต่เปลี่ยนผลของทั้งโครงการ (วิธีวัดผลที่ผู้บริหารเชื่อ)
3. เริ่มจากงานที่ใหญ่และเสี่ยงเกินไป
อาการที่เห็น: โครงการแรกคือระบบตอบลูกค้าอัตโนมัติหรือระบบวิเคราะห์ข้อมูลทั้งองค์กร แล้วติดอยู่ที่การเตรียมข้อมูลนานหลายเดือน
สาเหตุคือเลือก use case จากความน่าตื่นเต้น ไม่ใช่จากความง่ายในการพิสูจน์ผล
วิธีแก้ ให้ use case แรกเป็นงานภาษาที่ทำซ้ำและตรวจผลได้ง่าย เก็บงานที่ต้องเชื่อมระบบไว้ทีหลัง (เกณฑ์เลือก use case)
4. นโยบายห้ามทุกอย่าง หรือไม่มีนโยบายเลย
อาการที่เห็น: ฝั่งหนึ่งคือประกาศห้ามใช้ทั้งหมด ซึ่งทำให้พนักงานย้ายไปใช้จากเครื่องส่วนตัวและองค์กรมองไม่เห็นเลย อีกฝั่งคือปล่อยเสรีจนไม่มีใครรู้ว่าข้อมูลอะไรออกไปบ้าง
สาเหตุเดียวกันทั้งสองฝั่งคือไม่ได้จัดชั้นข้อมูล พอไม่มีการจัดชั้น กติกาจึงเขียนได้แค่ "ห้ามทั้งหมด" หรือ "ระวังด้วย" ซึ่งไม่มีใครทำตามได้
วิธีแก้ จัดชั้นข้อมูลเป็นสามชั้นให้จบก่อน แล้วเขียนกติกาต่อชั้น จากนั้นให้พนักงานฝึกจำแนกด้วยตัวอย่างจริงจนติดเป็นนิสัย (โครงนโยบายการใช้ AI)
5. คนเก่งกระจุกอยู่ไม่กี่คน
อาการที่เห็น: มีพนักงานสองสามคนที่ใช้ AI เก่งมากและงานเร็วขึ้นจริง แต่ความรู้ไม่กระจายออกไปไหน
สาเหตุคือไม่มีที่เก็บกลาง ทุกคนคิดชุดคำสั่งของตัวเองซ้ำ ๆ และคนที่ทำเป็นก็ไม่มีเวลาสอน
วิธีแก้ ทำคลังชุดคำสั่งของแผนกไว้ในที่ที่ทุกคนเข้าถึงได้ตั้งแต่วันแรก และให้คนกลุ่มนำร่องเป็นผู้ช่วยสอนในรอบถัดไปโดยกันเวลาให้จริง ไม่ใช่ฝากทำ
6. ไม่มีเจ้าของ หรือเจ้าของไม่มีอำนาจ
อาการที่เห็น: ทุกคนเห็นด้วยว่าสำคัญ แต่ไม่มีใครเป็นคนตัดสินใจ พอชนกับงานประจำ AI แพ้ทุกครั้ง
วิธีแก้ ระบุเจ้าของที่มีอำนาจตัดสินใจเรื่องเวลาของทีม และกันเวลาของพนักงานไว้ในตารางจริง โครงการที่ขอให้คน "ทำเพิ่มตอนว่าง" อยู่ได้ไม่เกินสองสามสัปดาห์
7. หยุดที่เดโม ไม่ได้ไปต่อถึงการใช้จริง
อาการที่เห็น: มีการนำเสนอที่น่าประทับใจ ผู้บริหารพอใจ แล้วก็จบแค่นั้น
สาเหตุคือเดโมถูกวัดด้วยความประทับใจ ไม่ใช่ด้วยจำนวนงานจริงที่เปลี่ยนไป
วิธีแก้ ตั้งเกณฑ์ความสำเร็จตั้งแต่ต้นเป็นตัวเลขงานจริง เช่น "รายงานประจำสัปดาห์ 12 ฉบับต่อเดือนทำด้วยวิธีใหม่ทั้งหมด" ไม่ใช่ "ทีมได้เรียนรู้เครื่องมือใหม่"
จุดร่วมของทั้งเจ็ดข้อ
ไม่มีข้อไหนเป็นปัญหาเรื่องความสามารถของโมเดลเลย ทุกข้อเป็นเรื่องการเลือกงาน การวัดผล กติกา และเจ้าของ ซึ่งเป็นเรื่องที่องค์กรจัดการเองได้ทั้งหมดและไม่ต้องรอเทคโนโลยีรุ่นถัดไป
ถ้าองค์กรของคุณเคยผ่านรอบที่เงียบหายมาแล้ว ลองไล่เจ็ดข้อนี้ดูว่ารอบที่แล้วติดข้อไหน มักจะติดมากกว่าหนึ่งข้อ และมักเป็นข้อ 1 กับข้อ 2 พร้อมกัน
อ่านต่อ
เริ่มรอบใหม่ให้ถูกด้วยโรดแมป 90 วันแรก ประเมินจุดที่ยังอ่อนด้วยเช็กความพร้อม 6 ด้าน หรือดูวิธีที่เราออกแบบโปรแกรมในองค์กร ให้มีงานรองรับตั้งแต่ก่อนอบรม