AI ร่วมกับมนุษย์คืออะไร และทำไมถึงกลายเป็นประเด็นใหญ่
AI ร่วมกับมนุษย์คือแนวคิดการออกแบบการทำงานที่ให้ปัญญาประดิษฐ์รับบทเป็นผู้ช่วยด้านความเร็ว ความแม่นยำ และการประมวลผลข้อมูล ในขณะที่มนุษย์ยังรับบทหลักด้านวิจารณญาณ ความคิดสร้างสรรค์ และความเข้าอกเข้าใจ เพื่อสร้างผลลัพธ์ที่ดีกว่าการทำงานของคนหรือเครื่องคนเดียว การเปลี่ยนผ่านสู่รูปแบบนี้จึงไม่ใช่การแทนที่คน แต่คือการจัดวางบทบาทใหม่ให้คนและเครื่องทำงานแบบเสริมกัน
ในหลายองค์กร คลื่น AI รอบนี้กำลังสั้นลงตามทฤษฎี S-Curve เมื่อความก้าวหน้าของเทคโนโลยีและการเปลี่ยนแปลงของกำลังคนทำให้องค์กรเติบโตและถึงจุดอิ่มตัวเร็วขึ้น การไล่ล่าประสิทธิภาพเพียงอย่างเดียวจึงไม่พออีกต่อไป การใช้ AI แค่ทำงานเดิมให้เร็วขึ้นทำให้องค์กรติดอยู่ในกับดักการทดลอง และแข่งขันกันด้วยต้นทุน แทนที่จะแข่งขันด้วยศักยภาพของคนและความคิดใหม่ เมื่อทุกคนเข้าถึงเครื่องมือคล้ายกัน ความต่างที่แท้จริงจึงอยู่ที่ Human Edge หรือศักยภาพที่เทคโนโลยีลอกเลียนแบบไม่ได้
จาก Human + Machine สู่ Human x Machine: เมื่อเป้าไม่ใช่แค่ประสิทธิภาพแต่คือคุณค่า
องค์กรจำนวนมากยังมอง AI เป็นเครื่องจักรลดต้นทุน มากกว่าพาร์ตเนอร์สร้างคุณค่า ผลสำรวจการเปลี่ยนผ่านดิจิทัลพบว่าเพียง 19% ขององค์กรสามารถใช้งาน AI ได้ทั่วทั้งองค์กร ในขณะที่ 81% ยังอยู่ในช่วงทดลองใช้งาน นั่นสะท้อนว่าหลายแห่งยังไม่เข้าใจปัญหาที่แท้จริงและไม่เห็นกรณีใช้งานที่สร้างผลลัพธ์ชัดเจน การยึดเป้าแค่เพิ่มประสิทธิภาพและผลิตภาพจึงทำให้องค์กรหมุนอยู่กับที่
แนวทางที่เริ่มชัดคือการออกแบบการทำงานใหม่ที่ผสานศักยภาพของคนและ AI จากการทำงานร่วมกันแบบ Human + Machine ไปสู่การทำงานแบบบูรณาการ Human x Machine ที่ทั้งสองฝ่ายเสริมศักยภาพกัน องค์กรที่ยึดมนุษย์เป็นศูนย์กลางมีโอกาสบรรลุผลตอบแทนจากการลงทุนสูงกว่าองค์กรที่ยึดเทคโนโลยีเป็นศูนย์กลางถึง 1.6 เท่า เพราะใช้ AI รับงานเชิงเส้นและงานประจำ ปล่อยให้คนไปโฟกัสกับการคิดเชิงกลยุทธ์ การสร้างสรรค์ และการตัดสินใจที่ซับซ้อน เมื่อ AI ถูกวางบทบาทเป็นผู้ขยายศักยภาพของมนุษย์ไม่ใช่ผู้แทนที่ ประสบการณ์ของคนทำงานก็เปลี่ยนจากความกังวลเป็นโอกาส
กรณีศึกษา AI ในงาน IT: เมื่อเครื่องจัดการงานประจำ คนโฟกัสกับปัญหายาก
ภาพของ AI ร่วมกับมนุษย์ไม่ได้อยู่แค่ในสไลด์ แต่เกิดขึ้นแล้วในงานปฏิบัติการ IT จริง การทำงานของ Marvin Ondong ในการดูแลปฏิบัติการ IT แสดงให้เห็นว่า AI ที่ออกแบบมาทำงานร่วมกับทีมช่วยยกระดับผลลัพธ์ได้อย่างเป็นรูปธรรม หนึ่งในตัวอย่างคือการใช้การตรวจจับความผิดปกติและการลดเสียงรบกวนด้วย AI ทำให้ลดสัญญาณเตือนที่ไม่จำเป็นลงได้ถึง 75% ส่งผลให้ทีมใช้เวลาน้อยลงกับการคัดกรองแจ้งเตือน และมีเวลามากขึ้นในการสืบหาปัญหาที่สำคัญจริง
อีกกรณีคือการใช้แพลตฟอร์ม Remote Monitoring and Management ที่มี AI ช่วยจัดการงานประจำอย่างการอัปเดตแพตช์ ตรวจสุขภาพระบบ และสคริปต์แก้ไขปัญหาเดิม ทำให้อัตราความครบถ้วนของแพตช์จากเดิมต่ำกว่า 50% กระโดดขึ้นไปแตะระดับเปอร์เซ็นไทล์ที่ 95 สิ่งสำคัญคือเมื่อเกิดความผิดปกติ AI จะช่วยวิเคราะห์และชี้เบาะแส แต่การตีความสาเหตุและผลกระทบในระบบที่เชื่อมโยงกันซับซ้อนยังต้องอาศัยวิศวกรที่รู้จักสภาพแวดล้อมดี เทคโนโลยีอาจบอกว่ามีรูปแบบผิดปกติ หรือสามารถรันวิธีแก้ที่รู้จัก แต่คนคือผู้เข้าใจบริบทและผลของการตัดสินใจ
กับดักใหม่ของ AI: งานเพิ่ม เวลาไม่พอ และความคิดสร้างสรรค์ถูกบีบ
แม้หลายคนหวังว่า AI จะช่วยลดงานและเพิ่มเวลาให้คิดลึก แต่ความเป็นจริงที่เริ่มชัดคือ AI กำลังบั่นทอนเงื่อนไขของการคิดแบบแตกต่าง งานที่เกี่ยวข้องกับการดูแลระบบ AI จำนวนมากทำให้คนรู้สึกว่าโหลดงานกลับเพิ่มขึ้น ผลสำรวจหนึ่งพบว่าคนทำงานที่เผชิญการเปลี่ยนแปลงจาก AI อย่างมีนัยสำคัญถึง 69% บอกว่าภาระงานเพิ่ม และ 43% มองว่าการไม่มีเวลาเป็นอุปสรรคใหญ่ที่สุดต่อการปรับตัว
อีกด้านคือกับดักความอุดมสมบูรณ์ เมื่อ AI สร้างรายงาน สไลด์ และร่างเนื้อหาได้แทบไม่จำกัด ผลลัพธ์คือข้อมูลท่วมเกินกว่าที่ทีมจะอ่านหรือใช้ได้ทัน การคอยกำกับระบบ AI ที่ซับซ้อนยังทำให้เกิดภาวะล้าในสมอง จนกระทบกับความสามารถในการคิดลึกและคิดต่าง การปกป้องพื้นที่สำหรับความสงบ การสะท้อนคิด และจินตนาการจึงไม่ใช่เรื่องฟุ่มเฟือย แต่เป็นกลยุทธ์ที่จำเป็นในการรักษา Human Edge เพราะ AI เก่งงานสังเคราะห์และสรุปผล แต่ไม่ได้ถูกออกแบบมาเพื่อคิดแหกกรอบหรือสร้างมุมมองตรงข้าม
จากการนำ AI ไปสู่การปรับตัว: เมื่อการคิด การตัดสินใจ และการทำงานต้องเปลี่ยน
การใช้ AI ให้คุ้มค่าขึ้นอยู่กับการปรับตัวมากกว่าการติดตั้งเครื่องมือ องค์กรจึงต้องขยับจากการวางแผนแบบคงที่ไปสู่การบริหารทรัพยากรแบบ Dynamic Orchestration ปรับบทบาทคน ทักษะ และเทคโนโลยีให้สอดคล้องกับเป้าหมายธุรกิจอย่างต่อเนื่อง พร้อมทั้งกำหนดธรรมาภิบาลที่ชัดเจนว่าอะไรควรอัตโนมัติ เมื่อไรต้องให้วิศวกรเข้ามา และใครรับผิดชอบเมื่อระบบอัตโนมัติทำงานผิด องค์กรยังต้องกำหนดขอบเขตการกำกับ AI ให้เหมาะสม เพราะภาระดูแลเอเจนต์จำนวนมากสามารถลดคุณภาพการตัดสินใจได้
สัญญาณว่าทีมกำลังปรับตัวกับ AI จริงไม่ใช่แค่การใช้เครื่องมือเพิ่มขึ้น แต่คือการเปลี่ยนวิธีคิด วิธีตัดสินใจ และวิธีทำงาน หากข้อมูลการใช้งานบอกว่าคนเพียงส่งพรอมป์แล้วรับผลลัพธ์โดยไม่สังเคราะห์เพิ่มเติม ระบบอาจต้องเพิ่มแรงเสียดทานเล็กน้อย เช่นคำถามชวนคิดอีกแบบ หรืองานท้าทายให้สร้างไอเดียที่ AI ไม่น่าให้ได้ ในอีกด้าน การปกป้องเวลาสำหรับงานคิดลึกและคิดต่างจงใจทั้งในแบบดิจิทัลและไม่ดิจิทัล เป็นเงื่อนไขที่ทำให้การทำงานแบบ AI ร่วมกับมนุษย์สร้างมูลค่า AI องค์กร ได้จริง ไม่ใช่แค่ตัวเลขประสิทธิภาพบนกระดาษ
