ซื้อ AI เพิ่ม แต่คนทำงานกลับมีภาระมากขึ้น
AI ในองค์กรคือเทคโนโลยีที่ควรช่วยให้พนักงานทำงานได้เร็วขึ้นและลดขั้นตอน โดยต้องเชื่อมกับข้อมูล ระบบ และวิธีทำงานจริง ไม่ใช่เพียงติดตั้งเครื่องมือใหม่แล้วคาดหวังว่าผลิตภาพจะเพิ่มขึ้นเอง ผลสำรวจของ Ricoh เผยความไม่ตรงกันอย่างชัดเจนระหว่างมุมมองผู้บริหารกับพนักงาน โดยผู้ตัดสินใจทางธุรกิจ 91% เชื่อว่าการลงทุน AI ให้ผลตามคาด แต่พนักงาน 53% กลับรู้สึกว่าเครื่องมือเหล่านี้สร้างอุปสรรคหรืองานเพิ่มขึ้น และ 55% ระบุว่าเวลาที่เสียไปกับเทคโนโลยีที่ทำงานได้ไม่ดีรบกวนผลิตภาพของตน นี่คือ AI ผลิตภาพ ช่องว่าง ที่บริษัทมองข้าม เมื่อผู้บริหารเห็นการลงทุนและการเปิดใช้งาน แต่พนักงานต้องรับมือกับขั้นตอนที่ยังไม่ลงตัว ตัวเลขยิ่งชัดเมื่อ 90% ของผู้ตัดสินใจมองว่าระบบเชื่อมต่อกันดี ขณะที่พนักงาน 76% อยากให้ระบบทำงานร่วมกันได้ดีขึ้น คนทำงานแบบไฮบริด 25% ยังพบปัญหาการทำงานร่วมกัน มากกว่าพนักงานออฟฟิศ 16% และผู้ทำงานจากบ้าน 14%

เครื่องมือเงาเกิดจากช่องว่าง ไม่ใช่แค่การฝ่าฝืน
เมื่อเครื่องมือของบริษัทเพิ่มภาระแทนที่จะช่วยให้งานเดินหน้า พนักงานก็มีเหตุผลที่จะหาทางเลือกที่คล่องตัวกว่า เกือบครึ่งหนึ่ง หรือ 45% ยอมรับว่าใช้เครื่องมือ AI ไม่ได้รับการอนุมัติอย่างน้อยเดือนละครั้ง การใช้ AI เงาจึงไม่ใช่แค่ปัญหาวินัย แต่เป็นสัญญาณว่ากลยุทธ์ขององค์กรยังตอบโจทย์งานประจำวันไม่พอ และทำให้ฝ่ายบริหารมองไม่เห็นว่าข้อมูลถูกส่งไปที่ใด ปัญหานี้เกิดขึ้นพร้อมกับการเร่งลงทุน บริษัทกำลังนำ AI เข้ามา แต่ 81% ของผู้ตัดสินใจยอมรับว่าลงทุนในเทคโนโลยีใหม่เร็วกว่าการสนับสนุนให้พนักงานนำไปใช้จริง เมื่อเครื่องมือไม่ต่อกับข้อมูลและขั้นตอนเดิม การบังคับให้ใช้แพลตฟอร์มเดียวไม่ได้แก้ต้นเหตุ กลับผลักให้พนักงานทำงานซ้ำหรือสลับระบบไปมา องค์กรควรฟังว่าพนักงานกำลังแก้ปัญหาอะไรด้วยเครื่องมือที่เลือกเอง แล้วปรับการเชื่อมต่อและขั้นตอนให้ตอบโจทย์ การลงโทษการใช้เครื่องมือโดยไม่อนุมัติโดยไม่แก้ประสบการณ์ใช้งาน ยิ่งทำให้ช่องว่างระหว่างนโยบายกับงานจริงกว้างขึ้น
ระบบที่สร้างเร็วไม่เท่ากับระบบที่แก้ปัญหาได้
เมื่อเครื่องมือสร้างโค้ดด้วย AI แพร่หลาย พนักงานหน้างานอาจสร้างหน้าจอหรือระบบภายในได้ในเวลาไม่นาน แต่การรู้ขั้นตอนที่ตัวเองทำทุกวันไม่ได้แปลว่าเข้าใจงานทั้งระบบ วิศวกรซอฟต์แวร์อาวุโสรายหนึ่งชี้ว่า ระบบที่ทีมธุรกิจสร้างโดยขาดการออกแบบสถาปัตยกรรมมักใช้ไม่ได้ หรือพังหลังเปิดใช้งานเพียงสามวัน จุดบอดคือการมองเห็นเฉพาะงานส่วนของตัวเอง โดยไม่เข้าใจการส่งต่องานระหว่างแผนก โครงสร้างข้อมูล ความเสี่ยง และผลกระทบเมื่อมีข้อยกเว้น ผลลัพธ์จึงอาจเป็นระบบ AI ที่ล้มเหลวทันทีเมื่อเจอสถานการณ์นอกแบบ และกลายเป็นขยะดิจิทัลที่ไม่มีใครดูแล การคัดลอกวิธีทำงานเฉพาะหน้าที่ไม่มีประสิทธิภาพลงในโปรแกรม ไม่ได้ทำให้กระบวนการดีขึ้น แต่เพียงย้ายความยุ่งเหยิงไปอยู่ในระบบ นี่คือความล้มเหลว AI องค์กร ที่การเร่งทำต้นแบบถูกเข้าใจผิดว่าเป็นการเปลี่ยนงานให้ดีขึ้น Gartner ระบุว่ามีองค์กรเพียง 3% ที่บรรลุเป้าหมายด้านผลิตภาพ ประสิทธิภาพ และการลดต้นทุนจาก AI ทั้งที่ผู้นำสามในสี่คาดว่า AI จะส่งผลสำคัญ และ 85% วางแผนเพิ่มการลงทุนในปี 2027 แม้ 38% ใช้งบเกินแผนแล้ว
ทางออกไม่ใช่หยุดใช้ AI แต่ต้องเลือกงานที่เทคโนโลยีสร้างผลได้จริง ออกแบบกระบวนการและโครงสร้างข้อมูลก่อนสร้างระบบ พร้อมกระจายความรู้เรื่อง AI ให้ทั้งผู้บริหารและพนักงานแนวหน้า การชะลอการซื้อเครื่องมือใหม่เพื่อจัดระบบข้อมูลและการทำงานที่มีอยู่ อาจสร้างผลลัพธ์ได้มากกว่าการเพิ่มแพลตฟอร์มอีกหนึ่งตัว ข้อสรุปคือบริษัทไม่ได้ขาด AI แต่ขาดการเชื่อม AI เข้ากับงานจริง จนพนักงานรู้สึกว่าเครื่องมือช่วยงานได้แทนที่จะเพิ่มงาน







