ความขัดแย้งผลผลิตยุค AI คืออะไรกันแน่
ความขัดแย้งผลผลิตยุค AI คือสถานการณ์ที่องค์กรและพนักงานนำเทคโนโลยีปัญญาประดิษฐ์มาใช้แพร่หลาย เพื่อเพิ่มประสิทธิภาพการทำงาน AI สามารถช่วยลดเวลาทำงานในบางภารกิจได้จริง แต่แทนที่ชั่วโมงทำงานรวมจะลดลง เวลาที่ประหยัดกลับถูกเติมด้วยงานใหม่หรือความคาดหวังเพิ่มเติม ส่งผลให้ภาระงานพนักงานไม่ได้เบาขึ้นและความเหนื่อยล้ายังคงอยู่ หรือรุนแรงกว่าเดิม แม้ตัวเลขการใช้งาน AI จะดูสวยหรู แต่ผลลัพธ์ต่อชีวิตการทำงานอาจไม่เปลี่ยนไปมากนัก นี่คือช่องว่างระหว่างการใช้งาน AI ที่แท้จริงกับความเป็นอยู่ของคนทำงานที่น้อยคนจะพูดถึง
กรณีของครูในอังกฤษเป็นตัวอย่างที่ชัดเจน กว่า 80% หันมาใช้ AI ช่วยทำงาน แต่ต้องนำเวลาที่ประหยัดได้ไปทำงานอื่นแทน ทำให้ชั่วโมงทำงานเท่าเดิม มีเพียงประมาณ 35% เท่านั้นที่บอกว่าทำงานน้อยลงหลังใช้ AI ขณะที่มากกว่าครึ่งใช้เวลาทำงานเท่าเดิม ภาพนี้สะท้อนให้เห็นว่าปัญหาไม่ได้อยู่ที่เทคโนโลยีไม่เก่งพอ แต่อยู่ที่ระบบงานและวัฒนธรรมองค์กรที่ไม่ปล่อยให้เวลาที่ประหยัดกลายเป็นเวลาพักหรือเวลาคุณภาพของคนทำงาน
เมื่อครูใช้ AI เต็มที่ แต่ภาระงานยังแน่นเหมือนเดิม
การศึกษากลุ่มครูที่มีตัวอย่าง 1,033 คนพบว่า การนำ AI เข้ามาใช้สะท้อนความหวังว่าจะลดภาระงาน แต่ผลจริงกลับตอกย้ำว่าโครงสร้างงานครูหนักเกินไปมานานแล้ว AI ถูกใช้มากในงานจัดทำแผนการสอนและใบงานถึง 76% รวมถึงงานร่างจดหมาย อีเมลถึงผู้ปกครอง และรายงานผลการเรียนราว 39% ซึ่งช่วยเร่งงานด้านธุรการและงานเอกสารให้เร็วขึ้นอย่างเห็นได้ชัด
ที่น่าจับตาคือ มีเพียง 8% ที่ใช้ AI ตรวจงานนักเรียน แปลว่าครูเลือกใช้ AI กับงานที่ซ้ำๆ และใช้เวลาเยอะ แต่ไม่ได้ให้มันแตะงานที่ถือว่าเป็นหัวใจของวิชาชีพ การที่เวลาในงานธุรการสั้นลง แต่ชั่วโมงทำงานรวมไม่ลด บอกเราว่าเวลาที่ว่างถูกดูดกลับด้วยงานอื่นทันที ไม่ว่าจะเป็นงานเอกสารเพิ่ม งานบริหารจัดการ หรือกิจกรรมที่โรงเรียนคาดหวังเพิ่ม ภาระงานพนักงานครูจึงไม่ลด มีแต่ถูกจัดใหม่ให้แน่นขึ้นกว่าเดิม นี่คือความขัดแย้งผลผลิตที่เริ่มชัดเจนในสายอาชีพที่เชื่อว่าควรได้รับประโยชน์จาก AI มากที่สุด
ประสิทธิภาพการทำงาน AI ไม่ได้ขึ้นกับการใช้บ่อย แต่ขึ้นกับความเข้าใจ
ในโลกองค์กรส่วนใหญ่ตัวชี้วัดความสำเร็จของ AI คือจำนวนคนใช้ จำนวนพรอมต์ และกราฟการใช้งาน แต่การสำรวจแบบสองฝ่ายตาบอดของห้องทดลองด้านทีมเวิร์กที่เก็บข้อมูลจากพนักงานความรู้เต็มเวลา 1,002 คน ระหว่างวันที่ 28 กรกฎาคมถึง 3 สิงหาคม พบสิ่งที่สวนทางกับความเชื่อนี้ ปัจจัยที่ทำนายว่าพนักงานรู้สึกว่า AI มีประโยชน์ไม่ใช่ความถี่ในการใช้ แต่คือระดับที่ AI เข้าใจงานของเขาจริงๆ
พนักงานที่บอกว่า AI เข้าใจงานของตนในระดับสูง มีแนวโน้มมากขึ้นถึง 6 เท่าที่จะเห็นว่ามันช่วยในงานหลักของตนได้ และเมื่อ AI เข้าใจบริบทธุรกิจดีขึ้น ผลลัพธ์ที่นำไปใช้โดยไม่ต้องแก้ไขเพิ่มขึ้นได้ถึง 48% ขณะเดียวกันมีเพียง 12% เท่านั้นที่รู้สึกว่า AI เข้าใจองค์กรในระดับพนักงานอาวุโส อีกเกือบครึ่งกลับมองว่ามันเหมือนพนักงานใหม่ที่เพิ่งเข้าทีม ยิ่งไปกว่านั้น ข้อมูลจากแพลตฟอร์มด้านวิศวกรรมของบริษัทเดียวกันแสดงให้เห็นว่าองค์กรที่เชื่อมงานเข้ากับกราฟข้อมูลบริบทสอบถามมาก มีปริมาณงานที่ส่งออกมากขึ้นถึง 64% เมื่อเทียบกับกลุ่มอื่น ทั้งหมดนี้ชี้ว่าหากอยากเพิ่มประสิทธิภาพการทำงาน AI จริง การลงทุนในบริบทและข้อมูลองค์กรสำคัญกว่าการผลักดันให้ทุกคนใช้บ่อย
การใช้งาน AI ที่แท้จริงยังตื้นกว่าที่ตัวเลขใช้งานบอก
อีกด้านหนึ่ง นักเศรษฐศาสตร์กลุ่มหนึ่งพยายามตอบคำถามว่า AI สร้างผลกับงานในอาชีพต่างๆ มากน้อยแค่ไหน โดยใช้ข้อมูลจากแบบสำรวจประชากรแบบเรียลไทม์เพื่อวัดว่าพนักงานใช้ AI สร้างเนื้อหาในการทำงานอย่างไร ผลคือภาพที่แตกต่างจากตัวเลขที่บริษัทเทคโนโลยีมักโชว์ผ่านล็อกการสนทนา งานวิจัยนี้สรุปแบบตรงไปตรงมาว่า การใช้งาน AI ในโลกงานมีความกว้างแต่ไม่ลึก การใช้งานกระจายถึงประมาณ 80% ของรายละเอียดอาชีพและครอบคลุมมากกว่า 40% ของประเภทงาน แต่ในหลายอาชีพยังมีพนักงานไม่ถึงครึ่งที่นำมันมาใช้จริง
หนึ่งในประโยคที่น่าจดจำคือ “GenAI is used in many occupations and tasks, but few of these exhibit very high adoption rates” ซึ่งสะท้อนว่าแม้ตัวเลขการเข้าถึงจะสูง แต่การใช้งานจริงในระดับรายคนกลับต่ำ ข้อมูลเพิ่มเติมในงานเดียวกันบอกว่า สถานะเดือนพฤษภาคมมีผู้ใหญ่ในสหรัฐ 55% ใช้ AI สร้างเนื้อหาในกิจกรรมที่ไม่เกี่ยวกับงาน และ 45% ใช้กับงาน ขณะที่อัตราการใช้งานภาพรวมทั้งงานและนอกงานอยู่ที่ 62% เมื่อเทียบกับข้อมูลจากล็อกแชตของผู้ให้บริการที่มักจัดประเภทงานแบบกว้าง เช่น “แก้ไขเอกสาร” จึงไม่น่าแปลกที่ผลวัดการถูกใช้มีแนวโน้มสูงเกินจริง รูปแบบนี้ทำให้ผู้บริหารจำนวนมากเข้าใจว่าองค์กรของตนใช้ AI เต็มที่แล้ว ทั้งที่การใช้งานเชิงลึกและการออกแบบภาระงานให้รองรับประสิทธิภาพที่เพิ่มขึ้นยังไปไม่ถึงไหน
ทำอย่างไรให้เวลา AI ประหยัดไม่หายไปกับงานเพิ่ม
เมื่อมองรวมจากทั้งโลกครูและคนทำงานความรู้ สิ่งที่เห็นชัดคือความขัดแย้งผลผลิตที่คนส่วนใหญ่ยังไม่ตั้งชื่อ ภาระงานพนักงานไม่ได้ลดลงแม้ประสิทธิภาพการทำงาน AI จะเพิ่มขึ้น เพราะทุกนาทีที่ถูกประหยัดมักกลายเป็นเป้าหมายใหม่และงานเพิ่ม สังคมการทำงานยังยึดกับแนวคิดว่าถ้าเครื่องมือทำให้เร็วขึ้น เราควรใช้ความเร็วที่เพิ่มมาสร้างงานมากกว่าเดิม ไม่ใช่ลดงานลง
ทางออกจึงเริ่มต้นจากการยอมรับว่าการใช้งาน AI ที่แท้จริงไม่ได้หมายถึงแค่มีบัญชีหรือใช้เป็นครั้งคราว แต่คือการออกแบบงานและขอบเขตความรับผิดชอบใหม่ให้รองรับผลผลิตที่เพิ่มขึ้น หากองค์กรยังวัดคุณค่าของพนักงานจากจำนวนงานที่ส่งออก โดยไม่ให้ค่ากับเวลาพัก การเรียนรู้ และสุขภาพจิต เวลาที่ AI ช่วยประหยัดจะไม่มีวันถูกคืนให้คนทำงาน ถึงเวลาที่ฝ่ายบริหารและพนักงานต้องตั้งคำถามว่าเป้าหมายของเราเป็นเพียงการเร่งเครื่องให้ระบบเดิมหมุนเร็วขึ้น หรืออยากใช้ AI เป็นโอกาสในการออกแบบชีวิตการทำงานให้สมดุลและยั่งยืนกว่าเดิม
