ปรากฏการณ์ AI ผลิตภาพ ทำไมพนักงานไวขึ้นแต่อองค์กรไม่เร็วตาม

Gen AI Paradox คืออะไร ทำไมความเร็ว AI ไม่เท่าผลลัพธ์

ปรากฏการณ์ AI ผลิตภาพ หรือที่ถูกเรียกในเชิงวิชาว่า Gen AI Paradox คือสถานการณ์ที่องค์กรเร่งนำเครื่องมือปัญญาประดิษฐ์มาใช้ในการทำงาน หวังให้งานเร็วขึ้น ต้นทุนลดลง และกำไรเติบโต แต่ผลที่เกิดขึ้นจริงกลับเป็นว่าแม้พนักงานแต่ละคนทำงานเสร็จไวขึ้นอย่างเห็นได้ชัด ตัวเลขผลิตภาพระดับองค์กรกลับขยับน้อยมาก เพราะโครงสร้างงาน นโยบาย และวิธีประเมินผลงานยังไม่เปลี่ยนตามพฤติกรรมใหม่ที่ AI สร้างขึ้น

ในระดับคนทำงาน หลายคนชอบเล่าแบบติดตลกว่า พี่ใช้ AI ทำแป๊บเดียวก็เสร็จ แต่ความจริงเบื้องหลังไม่ง่ายเช่นนั้น เพราะการใช้เครื่องมืออย่าง ChatGPT หรือ AI สร้างภาพและเอกสาร ต้องแลกกับเวลาตรวจสอบความถูกต้อง แก้คำสั่งซ้ำไปมา และดัดแปลงให้เข้ากับบริบทงาน เมื่อรวมทุกขั้นตอน ความเร็ว AI ไม่เท่าผลลัพธ์โดยอัตโนมัติ และอาจกลายเป็นงานซ้อนที่ไม่ได้สะท้อนในตัวเลขผลิตภาพขององค์กรเลย

องค์กร AI ไม่เร็วขึ้น เพราะยังกลัวรื้อ Workflow และหว่านเครื่องมือแบบกระจาย

ใจกลางของ Gen AI Paradox คือองค์กรส่วนใหญ่เอา AI มาใช้แบบหว่าน ไม่ใช่แบบออกแบบใหม่ ทั้งที่ตั้งความคาดหวังไว้สูงว่า AI จะเปลี่ยนเกมธุรกิจ แต่สุดท้ายได้แค่เครื่องช่วยงานเล็กน้อยในระดับปัจเจก มากกว่าจะสร้างผลลัพธ์ชัดเจนในระดับบริษัท McKinsey ระบุว่า 88% ขององค์กรที่สำรวจมีการใช้ AI อย่างน้อยหนึ่งฟังก์ชันแล้ว แต่มีเพียง 39% ที่บอกว่า AI สร้างอิมแพคต่อกำไรก่อนหักดอกเบี้ยและภาษีอย่างเป็นรูปธรรม

ภาพคลาสสิกคือการแจกบัญชี ChatGPT หรือ Gemini ให้พนักงานทุกคนใช้ร่างอีเมล สรุปประชุม หรือหาข้อมูลทั่วไป ผลประหยัดเวลารายคนมีอยู่จริง แต่เมื่อทุกอย่างยังถูกวัดด้วย KPI เดิม ขั้นตอนอนุมัติเดิม และระบบเก่าที่ยังไม่ถูกแตะ ผลรวมระดับองค์กรจึงแทบไม่ขยับ แถมหลายบริษัทไม่กล้ารื้อ Workflow หรือระบบเดิมเพราะกลัวความเสี่ยง จน AI ถูกขังอยู่ในเฟสทดลองหรือ Pilot ไม่ได้เข้าไปอยู่ในหัวใจของกระบวนการทำงาน

Shadow AI เมื่อพนักงาน AI ซ่อนจากเจ้านาย และช่องว่างความไว้ใจ

ด้านหนึ่งองค์กรประกาศเสียงดังว่ากำลังเดินหน้ากับ AI แต่อีกด้านหนึ่ง คนทำงานกำลังสร้างโลกคู่ขนานที่เรียกว่า Shadow AI คือการลับการใช้ AI ที่งานโดยไม่บอกนายจ้าง งานวิจัยของ Deloitte พบว่าเกือบสองในสามของคนทำงานในชุดสำรวจเคยใช้ Generative AI เพื่อการทำงาน และเกือบหนึ่งในสามของผู้ใช้กลุ่มนี้ยอมรับว่าทำอย่างลับ ๆ ไม่ให้ผู้บริหารรู้

เรื่องราวในชุมชนออนไลน์เต็มไปด้วยเคสแบบ พนักงานใช้ AI ทำงานสองสัปดาห์เสร็จในหนึ่งชั่วโมง แต่ลังเลว่าควรบอกหัวหน้าหรือเก็บเงียบไว้ คำแนะนำยอดนิยมคือ ใช้เวลาแต่งงานให้เป็นน้ำเสียงของตนเอง แล้วเงียบไว้ปัญหาคือ Shadow AI ไม่ได้หยุดแค่ความกังวลเรื่องเครดิตผลงาน แต่ลุกลามถึงความเสี่ยงข้อมูล บริษัทหนึ่งสำรวจพบว่าพนักงานจำนวนมากนำข้อมูลประชุม อีเมล ลูกค้า และเอกสารลับไปใส่ใน AI สาธารณะด้วยความตั้งใจดีจะทำงานไวขึ้น แต่ละเลยเรื่องความปลอดภัยและข้อกำหนดขององค์กรโดยตรง

แรงปะทะระหว่างรุ่น ความคาดหวัง และความกลัวการถูกแทนที่

อีกด้านที่มองข้ามไม่ได้ของปรากฏการณ์ AI ผลิตภาพ คือความตึงเครียดระหว่างรุ่นในที่ทำงาน ผู้บริหารอาวุโสจำนวนไม่น้อยมอง AI ในเชิงโอกาส มองเห็นภาพใหญ่ของการเพิ่มกำไรและการรื้อโมเดลธุรกิจ ขณะที่คนทำงานรุ่นใหม่ซึ่งอยู่แนวหน้าในการลองเครื่องมือ กลับต้องแบกรับทั้งภาระทดลองใช้และความกลัวว่าจะถูกแทนที่หากทำงานได้เร็วเกินไปจนองค์กรตั้งมาตรฐานใหม่ที่โหดกว่าเดิม

เราจึงเห็นภาพหัวหน้าบางคนบอกให้ลูกน้องใช้ AI กับงานทุกอย่าง และตีความว่าความเร็วคือความขยัน ในขณะที่ลูกน้องบางคนต่อต้าน AI อย่างชัดเจนเพราะไม่ไว้ใจผลลัพธ์และไม่อยากถูกลดคุณค่าความสามารถของตัวเอง ช่องว่างนี้ยิ่งขยายเมื่อองค์กรไม่มีนโยบายชัดเจนว่าอะไรถือว่าใช้ AI อย่างเหมาะสม อะไรคือการพึ่งพาเกินขอบเขต และผลงานใดที่ต้องสะท้อนทักษะจริงของคนไม่ใช่ของเครื่องมือ

จะออกจากกับดัก Gen AI Paradox อย่างไร จากการซ่อนเครื่องมือสู่การออกแบบใหม่ทั้งระบบ

ทางออกของ Gen AI Paradox ไม่ใช่การบังคับพนักงานให้ใช้ AI ให้มากขึ้น แต่คือการยอมรับความจริงว่าความเร็วระดับบุคคลไม่เคยเพียงพอถ้าโครงสร้างองค์กรไม่เปลี่ยน McKinsey พบว่าองค์กรที่เป็น AI high performers ซึ่งมีสัดส่วนเพียงราว 6% กล้าปรับวิธีทำงานแบบถอนรากถอนโคนมากกว่าคู่แข่งหลายเท่า และกล้ารื้อ Workflow ทั้งระบบให้สอดรับกับความสามารถใหม่ของ AI

องค์กรที่อยากออกจากกับดักต้องหยุดคิดว่า AI คือปลั๊กอินเพิ่มความเร็ว และเริ่มมองว่าเป็นเหตุผลให้เราออกแบบงานใหม่ ตั้งคำถามกับขั้นตอนที่ไม่จำเป็น ปรับตัวชี้วัดให้วัดผลลัพธ์ไม่ใช่แค่ชั่วโมงทำงาน และสร้างกติกาที่ชัดเจนเรื่องการใช้ AI เพื่อปิดช่องว่างความไว้ใจ ถ้าบริษัทอยากให้พนักงานเลิกซ่อน AI ที่งาน บริษัทต้องเลิกซ่อนความคาดหวังที่แท้จริงของตนเองเช่นกัน เมื่อความโปร่งใสเกิดทั้งสองฝั่ง ความเร็วจาก AI จึงจะกลายเป็นผลลัพธ์ที่จับต้องได้จริงในระดับองค์กร