AI ทำให้เร็วขึ้น แต่ระบบองค์กรทำให้ต้องแกล้งช้า
ปรากฏการณ์ที่พนักงานใช้ AI ผลิตภาพการทำงานให้เสร็จเร็วขึ้น แต่จงใจทำให้ตัวเองดูงานยุ่ง คือการที่เทคโนโลยีเร่งความสามารถของคนทำงานในระดับผลลัพธ์ ขณะที่ระบบวัดผลงานขององค์กรยังยึดติดกับการมองเห็นความยุ่ง ความออนไลน์ และชั่วโมงการทำงาน ส่งผลให้ความเร็วถูกตีความว่าเป็นโอกาสในการยัดงานเพิ่ม ไม่ใช่พื้นที่ให้คนได้พักและพัฒนาทักษะของตัวเอง จึงเกิดวัฒนธรรมการซ่อนประสิทธิภาพจาก AI เพราะการแสดงความสามารถอย่างตรงไปตรงมากลับทำให้พนักงานรู้สึกว่าถูกลงโทษมากกว่าถูกให้รางวัล ตัวอย่างชัดเจนคือ งานรายงานที่เคยใช้เวลา 3 ชั่วโมง หากใช้ AI ช่วยก็เหลือเพียง 1 ชั่วโมง ส่วนอีก 2 ชั่วโมงควรเป็นเวลาสำหรับเรียนรู้ ทดลอง หรือเตรียมงานที่มีคุณค่ามากขึ้น แต่ในความเป็นจริง หลายองค์กรกลับตอบสนองด้วยการเติมงานใหม่ทันที จนพนักงานเรียนรู้ว่าหากทำงานเสร็จเร็ว ก็จะมีงานเพิ่มเข้ามาไม่รู้จบ จึงเริ่มเปิดเอกสารค้างไว้ เลื่อนการตอบข้อความ และทำให้สถานะออนไลน์ดู Active เพื่อบอกว่าตัวเองยัง “ยุ่ง” อยู่ ที่น่ากังวคือตัวเลขจากการสำรวจที่สะท้อนว่านี่ไม่ใช่พฤติกรรมของคนส่วนน้อย แต่กลายเป็นบรรทัดฐานขององค์กรยุค AI ผลิตภาพการทำงาน เมื่อระบบติดตาม Productivity ถูกใช้แบบผิดเป้าหมาย พนักงานถึง 63% กลับรู้สึกว่าการถูกจับตาดูทำให้แกล้งทำงานมากขึ้น ไม่ใช่ทำงานให้ดีขึ้น ปัญหาจึงไม่ได้อยู่ที่คน “ขี้เกียจ” แต่อยู่ที่ระบบวัดผลงานที่ส่งสัญญาณผิดไปยังคนทำงานทั้งองค์กร
การวัดประสิทธิภาพ AI ที่ผิดเป้า: เมื่อ Activity สำคัญกว่าผลลัพธ์
หัวใจของปัญหา AI ผลิตภาพการทำงานในวันนี้ คือระบบวัดผลงานที่ให้คุณค่ากับ “งานยุ่ง” มากกว่า “งานสำเร็จ” องค์กรจำนวนมากนำ AI เข้ามาแล้วใช้มันเพื่อวัด Productivity ของพนักงาน แต่กลับโฟกัสไปที่การปรากฏตัว การออนไลน์ และชั่วโมงทำงาน มากกว่าผลลัพธ์ที่สร้างคุณค่า นี่คือการส่งสารชัดเจนว่า ใครดูยุ่งคือคนขยัน ใครทำเสร็จเร็วคือคนที่ต้องรับงานเพิ่ม ไม่ใช่คนที่ควรได้รับพื้นที่ให้คิดงานเชิงกลยุทธ์ ในมุมของการวัดประสิทธิภาพ AI หลายบริษัทตั้งตัวชี้วัดองค์กร AI adoption จากจำนวนชั่วโมงที่ AI ช่วยลดลง จำนวนงานที่ถูกทำด้วย AI ความถี่การใช้งาน และคุณภาพผลลัพธ์ที่ดูดีขึ้น แต่ตัวเลขเหล่านี้ไม่เคยถามว่า “ชีวิตคนทำงานดีขึ้นหรือแย่ลง” และ “องค์กรเข้าใจคุณค่าที่แท้จริงของพนักงานหรือไม่” เมื่อ AI ถูกใช้เพียงเพื่อพิสูจน์ว่าระบบติดตาม Productivity ทำงานได้ดี ผลลัพธ์ที่ตามมาจึงเป็นการวัดคนจากการออนไลน์มากกว่าจากการสร้างผลลัพธ์จริง คำตอบของพนักงานก็ชัดเจน หากการทำงานเสร็จก่อนเวลาแล้วไม่มีงานใหม่ถูกยัดเข้าไป 71% บอกว่าจะปิดคอมพิวเตอร์และออกจากระบบทันที พวกเขาไม่ได้อยากแกล้งงานยุ่ง แต่ต้องการใช้เวลาที่เหลือไปทำอย่างอื่น ทว่าเมื่อองค์กรไม่ยอมรับแนวคิด “หยุดเมื่อทำงานเสร็จ” คนทำงานจึงถูกผลักให้เล่นเกมการแสดงตนให้ยุ่ง เพื่ออยู่รอดในระบบประเมินผลงานที่บิดเบี้ยว
เมื่อ AI กดปุ่มข้ามขั้นบันไดอาชีพ: ความเสี่ยงด้านทักษะระยะยาว
ผลกระทบขององค์กร AI adoption ไม่ได้หยุดอยู่แค่การแกล้งงานยุ่งในแต่ละวัน แต่ลึกไปถึงโครงสร้างการเติบโตของคนทำงาน โดยเฉพาะตำแหน่งระดับเริ่มต้น เดิมที งานที่ใช้เวลาหลายวัน เช่น การวิเคราะห์ตลาด การเขียนโค้ดพื้นฐาน หรือการอ่านคอมเมนต์ลูกค้านับร้อย เคยเป็นทั้งงานผลิตผลและ “งานฝึกฝีมือ” ที่สร้างสายตาและวิจารณญาณระดับมืออาชีพ แต่เมื่อ AI เข้ามา งานเหล่านี้สามารถจบภายในไม่กี่ชั่วโมง และบางส่วนถูกทำแทบทั้งหมดด้วยระบบอัตโนมัติ AI สามารถสร้างคำตอบที่ดูเนี๊ยบก่อนที่พนักงานระดับจูเนียร์จะมีความเข้าใจลึกพอที่จะประเมินมันได้ เช่น นักวิเคราะห์ข้อมูลที่เพียงอัปโหลดดาต้าขึ้นระบบแล้วได้รับบทวิเคราะห์และสไลด์สรุปภายในเวลาไม่นาน ปัญหาจะชัดเจนเมื่อผู้บริหารถามว่า เหตุใดกลุ่มลูกค้าบางกลุ่มถูกตัดออกจากการวิเคราะห์ พนักงานอาจท่องคำอธิบายของ AI ได้ แต่ไม่ได้หมายความว่าพวกเขาเข้าใจผลของการตัดสินใจนั้นอย่างแท้จริง งานระดับเริ่มต้นที่เคยเป็นระบบฝึกงานแบบไม่เป็นทางการ—ลองทำเอง ผิดเอง รับฟีดแบ็ก แล้วทำซ้ำจนมองเห็นแพตเทิร์น—กำลังถูกบีบให้หดสั้นลงหรือหายไป เมื่อ AI รับงานพื้นฐานไปมากขึ้น หลายบริษัทเริ่มมอบงานที่ต้องใช้การตีความและวิจารณญาณแก่พนักงานใหม่ทันที ขณะที่ลดงานรูทีนที่เคยใช้สร้างพื้นฐานทักษะ นี่คือสถานการณ์ที่บันไดอาชีพถูกกดปุ่มข้ามขั้น แต่ความสามารถของคนไม่ได้ขยับตาม ทำให้ระยะยาวองค์กรเสี่ยงต่อการขาดคนที่มีประสบการณ์ลึก แม้จะมีเอกสารและสไลด์สวยงามจาก AI เต็มมือก็ตาม
อนาคตงานกับช่องว่างทักษะ: ถ้าไม่ออกแบบใหม่ AI จะยิ่งทำให้คนตามไม่ทัน
หากวันนี้องค์กรยังใช้ AI ผลิตภาพการทำงานแบบวัดแต่งานยุ่ง ไม่วัดการเติบโตของคน ปัญหาจะยิ่งชัดในอีกไม่กี่ปีข้างหน้า รายงาน Future of Jobs ชี้ว่าทักษะที่จำเป็นต่อการทำงานเกือบ 40% จะเปลี่ยนแปลงไปภายในปี 2030 และในพนักงานทุก 100 คน จะมีถึง 59 คนที่จำเป็นต้องได้รับการฝึกอบรมเพิ่มเติมภายในปีเดียวกัน นั่นหมายถึง องค์กรที่ยังมอง Productivity ผ่านเลนส์ชั่วโมงทำงานและการออนไลน์ จะเจอ “ช่องว่างทักษะ” กว้างขึ้นเรื่อยๆ เพราะไม่ได้ลงทุนกับการเรียนรู้ แม้จะมีเวลาเหลือจาก AI มากเท่าไร ในระดับปฏิบัติการ เราเห็นพนักงานจำนวนมากเริ่มใช้ AI เพื่อทำงานให้เสร็จเร็วขึ้น แต่ต้องแอบซ่อนประสิทธิภาพเพื่อไม่ให้ถูกเพิ่มงาน ขณะที่ฝั่งผู้จัดการเองถึง 73% ก็ยอมรับว่าเคยแกล้งทำงานให้ดูมี Productivity ต่อหัวหน้าของตัวเอง เมื่อพฤติกรรมการ “ปกป้องตัวเองจากระบบวัดงานผิดๆ” ไหลขึ้นไปถึงระดับหัวหน้า ปัญหานี้จึงไม่ใช่เรื่องคนระดับล่าง แต่เป็นวัฒนธรรมทั้งองค์กร หากปล่อยให้เวลาเหลือจาก AI ถูกใช้ไปกับการเล่นเกมแสดงความยุ่ง แทนที่จะใช้ฝึกทักษะใหม่ องค์กรก็แค่ได้ผลลัพธ์เร็วขึ้น แต่ไม่ได้ได้คนที่ฉลาดขึ้น และสุดท้ายก็ต้องพึ่ง AI หนักขึ้นเพราะไม่มีคนที่มีวิจารณญาณลึกพอจะชี้ทางให้เทคโนโลยี
ออกจากกับดัก “งานยุ่ง”: ออกแบบใหม่การวัดผลงานในยุคองค์กร AI adoption
ทางออกไม่ใช่การบอกให้พนักงานเลิกแกล้งงานยุ่ง แต่คือการยอมรับว่าพฤติกรรมนี้เป็นสัญญาณเตือนว่าองค์กรกำลังวัดผิดด้าน ถ้า AI ทำงานรายงาน 3 ชั่วโมงให้เหลือ 1 ชั่วโมง สมการขององค์กรควรเปลี่ยนจาก “เติมงานให้เต็ม 3 ชั่วโมงเหมือนเดิม” เป็น “ใช้ 2 ชั่วโมงที่เหลือวัดผลงานด้านการเรียนรู้ การปรับปรุงกระบวนการ และการคิดงานที่มีคุณค่า” โดยต้องออกแบบการวัดประสิทธิภาพ AI ให้เห็นทั้งผลลัพธ์ งานที่ถูกปรับปรุง และทักษะใหม่ที่เกิดขึ้น ไม่ใช่แค่จำนวนงานที่ถูกทำ องค์กรควรเปลี่ยนจากการวัด Activity เป็นการวัด Outcome เช่น จากการเช็คสถานะออนไลน์เปลี่ยนเป็นดูว่าทีมสร้างผลกระทบทางธุรกิจอะไรได้มากขึ้น และให้รางวัลกับคนที่ใช้ AI เพื่อออกแบบวิธีทำงานใหม่ แทนการใช้เพื่ออัดงานให้แน่นในเวลาเท่าเดิม ในขณะเดียวกัน ต้องยอมรับว่าการเติบโตของคนต้องใช้เวลาฝึกฝน ไม่ใช่แค่ให้ AI ทำให้ดูเก่งกว่าเดิม หากองค์กรกล้าบอกคนทำงานว่า “หยุดได้เมื่อทำงานเสร็จ” และนับเวลาว่างเป็นส่วนหนึ่งของการพัฒนาทักษะ ไม่ใช่เวลาต้องเติมงานเพิ่ม พนักงานก็จะไม่จำเป็นต้องซ่อนประสิทธิภาพอีกต่อไป ความเร็วจาก AI จะไม่ถูกลงโทษ แต่ถูกใช้เป็นโอกาสสร้างทีมที่เก่งขึ้น มีวิจารณญาณลึกขึ้น และพร้อมรับโลกงานที่กำลังเปลี่ยนแปลงอย่างหนักในทศวรรษหน้า
