มี AI แล้ว แต่ทำไมยังต้องทำงานเหมือนเดิมทุกขั้นตอน?

‍

ถ้าเราไม่กล้าคิดใหม่
เราก็จะมองไม่เห็นว่ากระบวนการทำงานสามารถทำให้เป็นแบบอื่นได้
และเมื่อมองไม่เห็นภาพการทำงานแบบใหม่
เราก็ไม่มีทางออกแบบระบบใหม่ขึ้นมาได้ด้วยเช่นเดียวกัน

‍

นี่คือเหตุผลที่การมี AI ไม่ได้ทำให้หลายองค์กรเปลี่ยนแปลงกระบวนการทำงานใด ๆ เลย

วันนี้เรามี AI ช่วยร่างอีเมล สรุปการประชุม วิเคราะห์ข้อมูล และจัดการเอกสารได้เร็วกว่าเดิม

แต่จำนวนอีเมลยังเท่าเดิม
จำนวนการประชุมยังเท่าเดิม
เอกสารที่ต้องทำยังเท่าเดิม
ขั้นตอนอนุมัติหลายชั้นก็ยังอยู่ครบ

ทุกอย่างเร็วขึ้น แต่แทบไม่มีอะไรหายไปจากกระบวนการ

เพราะหลายองค์กรกำลังนำเทคโนโลยีใหม่มาใช้ โดยยังไม่ได้

‍คิดใหม่ว่างานเดิมจำเป็นหรือไม่

มองใหม่ว่าคนกับ AI สามารถทำงานร่วมกันแบบใด

และออกแบบใหม่ให้ความเป็นไปได้นั้นเกิดขึ้นจริง

‍

เรื่องแบบนี้เคยเกิดขึ้นมาแล้วเมื่อกว่าร้อยปีก่อน เพียงแต่เทคโนโลยีในเวลานั้นไม่ใช่ AI

แต่มันคือ “ไฟฟ้า”

‍

โรงงานมีไฟฟ้าแล้ว แต่ผลิตภาพกลับไม่เพิ่ม

ปลายศตวรรษที่ 19 โรงงานจำนวนมากใช้เครื่องจักรไอน้ำหรือกังหันน้ำเป็นแหล่งพลังงานหลัก แล้วส่งกำลังผ่านเพลา รอก และสายพานไปยังเครื่องจักรแต่ละตัว

ตำแหน่งของเครื่องจักรจึงไม่ได้ถูกจัดวางตามลำดับการผลิต แต่ต้องอยู่ในระยะที่ระบบส่งกำลังไปถึง

ผังโรงงานทั้งหมดถูกออกแบบขึ้นเพื่อรับใช้ข้อจำกัดของแหล่งพลังงานส่วนกลาง

เมื่อมอเตอร์ไฟฟ้าเริ่มแพร่หลาย หลายคนคาดว่าผลิตภาพของโรงงานจะเพิ่มขึ้นอย่างรวดเร็ว

แต่มันกลับไม่ได้เกิดขึ้นทันที!

‍

Paul A. David นักเศรษฐศาสตร์จาก Stanford University อธิบายปรากฏการณ์นี้ไว้ในบทความคลาสสิกปี 1990 เรื่อง The Dynamo and the Computer

โรงงานในยุคแรกไม่ได้เปลี่ยนวิธีผลิต พวกเขาเพียงถอดแหล่งพลังงานเดิมออก แล้วนำมอเตอร์ไฟฟ้าขนาดใหญ่มาวางไว้แทน

ส่วนเพลา สายพาน ตำแหน่งเครื่องจักร และผังโรงงานยังเหมือนเดิม

เทคโนโลยีใหม่จึงถูกนำไปวางทับบนระบบเก่า และให้ผลลัพธ์ดีขึ้นเพียงเล็กน้อย

‍

สิ่งที่เปลี่ยนเกมไม่ใช่มอเตอร์ แต่คือวิธีคิดที่มีต่อโรงงาน

จุดเปลี่ยนเริ่มเกิดขึ้นก่อนทศวรรษ 1920 เมื่อโรงงานรุ่นใหม่เลิกใช้มอเตอร์ตัวใหญ่เพื่อส่งกำลังให้เครื่องจักรทั้งหมดพร้อมกัน แล้วเปลี่ยนมาใช้มอเตอร์ขนาดเล็กติดกับเครื่องจักรแต่ละตัว

เมื่อเครื่องจักรไม่จำเป็นต้องผูกอยู่กับเพลาและสายพานอีกต่อไป โรงงานจึงสามารถออกแบบพื้นที่ตามการไหลของวัตถุดิบ คน และกระบวนการผลิตจริง

เครื่องจักรถูกจัดวางใหม่
อาคารโรงงานเปลี่ยนไป
ขั้นตอนการผลิตยืดหยุ่นขึ้น
และคนไม่ต้องทำงานภายใต้ข้อจำกัดของระบบส่งกำลังแบบเดิม

ผลจากการใช้ไฟฟ้าจึงเริ่มปรากฏอย่างชัดเจน หลังจากแทบไม่มีความก้าวหน้าที่โดดเด่นมานานกว่าสามทศวรรษ และไฟฟ้ามีส่วนต่อการเติบโตของผลิตภาพในภาคการผลิตประมาณครึ่งหนึ่งในช่วงทศวรรษ 1920

สิ่งที่เปลี่ยนโรงงานจึงไม่ใช่เพียงการมีมอเตอร์ไฟฟ้า

แต่คือการที่คนเริ่มตั้งคำถามว่า

เมื่อเราไม่ต้องพึ่งเพลาเส้นเดิมแล้ว ทำไมโรงงานจึงยังต้องมีผังโรงงานแบบเดิม?

‍

วันนี้เราอาจกำลังทำสิ่งเดียวกันกับ AI

ผลสำรวจ AI Readiness 2026 ของเนคเทค จากองค์กรภาครัฐและเอกชน 574 แห่ง พบว่า 53.7% ขององค์กรไทยนำ AI มาใช้งานแล้ว เพิ่มขึ้นประมาณ 3 เท่าจากปี 2567

ฟังดูเหมือนเป็นสัญญาณที่ดี

แต่เมื่อพิจารณาเฉพาะองค์กร 308 แห่งที่เริ่มใช้ AI แล้ว พบว่า 86.4% ยังไม่สามารถระบุผลลัพธ์จากการใช้งานได้อย่างชัดเจน

ในจำนวนนี้

• 49.4% ยังไม่เคยวัดผล
• 37% อยู่ระหว่างเก็บข้อมูล
• มีเพียง 13.6% ที่วัดผลแล้วและพบผลลัพธ์เชิงบวกอย่างชัดเจน

ข้อมูลนี้ไม่ได้แปลว่า AI ไม่มีประโยชน์ แต่มันกำลังบอกว่า การมี AI กับการเปลี่ยน AI ให้เป็นคุณค่าขององค์กร เป็นคนละเรื่องกัน

‍

ทุกอย่างเร็วขึ้น แต่ไม่มีอะไรหายไปจากกระบวนการ

ในทางปฏิบัติ ภาพนี้เกิดขึ้นรอบตัวเราทุกวัน

พนักงานใช้ AI ร่างอีเมลได้เร็วขึ้น แต่จำนวนอีเมลที่ต้องส่งยังเท่าเดิม

ใช้ AI สรุปการประชุมได้ภายในไม่กี่นาที แต่จำนวนการประชุมยังเท่าเดิม

ใช้ AI ช่วยคัดกรองใบสมัคร แต่ขั้นตอนอนุมัติหลายชั้นยังอยู่ครบ

ใช้ AI ทำรายงานได้เร็วขึ้น แต่ไม่มีใครย้อนกลับไปถามว่า รายงานทุกฉบับยังมีคนใช้ตัดสินใจอยู่จริงหรือไม่

เรากำลังทำทุกอย่างให้เร็วขึ้น โดยยังเก็บงานทุกชิ้นและทุกขั้นตอนของระบบเดิมเอาไว้

เพราะคำถามแรกของเรามักเป็น

“AI จะช่วยให้เราทำงานนี้เร็วขึ้นได้อย่างไร?”

แทนที่จะถามว่า

“ธุรกิจต้องการผลลัพธ์อะไร และงานนี้ยังจำเป็นต่อผลลัพธ์นั้นอยู่หรือไม่?”

คำถาม 2 แบบนี้นำองค์กรไปคนละทาง

คำถามแรกพาเราไปหาเครื่องมือมาช่วยทำสิ่งเดิม
ส่วนคำถามหลังพาเรากลับไปทบทวนว่า สิ่งเดิมควรมีอยู่ตั้งแต่แรกหรือไม่

‍

ถ้าไม่ต้องทำงานแบบเดิม เราจะทำงานแบบไหนได้อีก?

เมื่อกว่าร้อยปีก่อน โรงงานเริ่มเปลี่ยนแปลงจริง ๆ เมื่อคนมองเห็นว่า หากเครื่องจักรไม่ต้องผูกติดอยู่กับเพลาเส้นเดิม โรงงานก็ไม่จำเป็นต้องมีผังแบบเดิม

AI ก็กำลังเปิดความเป็นไปได้ในลักษณะเดียวกัน

ถ้า AI ร่างรายงานได้ เราอาจไม่ควรถามเพียงว่าจะทำรายงานให้เร็วขึ้นอย่างไร แต่ควรถามว่า รายงานนี้ยังจำเป็นหรือไม่ ใครเป็นคนอ่าน และนำข้อมูลไปใช้ตัดสินใจอะไร

ถ้า AI สรุปการประชุมได้ เราอาจไม่ควรถามเพียงว่าจะบันทึกการประชุมอย่างไร แต่ควรถามว่า ทุกคนจำเป็นต้องเข้าประชุมตั้งแต่แรกหรือไม่

ถ้า AI ช่วยคัดกรองข้อมูลได้ เราอาจต้องคิดต่อว่า ขั้นตอนใดควรให้ระบบจัดการ ขั้นตอนใดต้องมีมนุษย์ตรวจสอบ และการตัดสินใจใดต้องมีคนรับผิดชอบเสมอ

ถ้า AI ช่วยประหยัดเวลาได้ เราอาจไม่ควรหยุดอยู่ที่จำนวนชั่วโมง แต่ต้องถามต่อว่า

เวลาที่ได้คืนมาจะถูกนำไปสร้างคุณค่าอะไร?

‍

เมื่อเริ่มตั้งคำถามเหล่านี้ เราจะมองเห็นบทบาทของงาน คน และ AI ต่างออกไปจากเดิม

งานบางอย่างอาจไม่จำเป็นต้องมีอีกต่อไป
งานบางอย่างอาจถูกรวมเข้าด้วยกัน
งานบางอย่างอาจส่งต่อให้ AI
งานบางอย่างอาจให้คนกับ AI ทำร่วมกัน

ขณะเดียวกัน งานที่ต้องอาศัยความเข้าใจมนุษย์ วิจารณญาณ ความรับผิดชอบ ความไว้วางใจ และการตัดสินใจ อาจยิ่งมีความสำคัญมากขึ้น

‍

เวลาที่ AI ประหยัดได้ จะกลายเป็นคุณค่าหรือเป็นเพียงงานที่มากขึ้น?

BCG สำรวจพนักงาน ผู้จัดการ และผู้นำเกือบ 12,000 คนในมากกว่า 12 ตลาดทั่วโลก และเผยแพร่รายงาน AI at Work: Strategy Matters More Than Tools ในปี 2026

รายงานพบว่า ในกลุ่มพนักงานด่านหน้าที่ใช้ AI เป็นประจำ 42% ระบุว่าสามารถประหยัดเวลาได้อย่างน้อยสัปดาห์ละ 8 ชั่วโมง หรือเทียบเท่ากับหนึ่งวันทำงาน

แต่หลายองค์กรยังไม่รู้ว่าจะเปลี่ยนเวลาที่ประหยัดได้นั้นให้กลายเป็นคุณค่าทางธุรกิจได้อย่างไร

หากองค์กรไม่ออกแบบสิ่งที่จะเกิดขึ้นกับเวลาที่ได้คืนมา ผลลัพธ์อาจไม่ใช่งานที่มีคุณค่ามากขึ้น แต่อาจเป็นเพียงการให้พนักงานรับงานได้มากกว่าเดิม

AI จึงอาจช่วยลดเวลาของงานแต่ละชิ้น โดยไม่ได้ลดภาระงานจริง และไม่ได้เปลี่ยนแปลงประสบการณ์การทำงานของคน

BCG สรุปภาพนี้ไว้ว่า AI กำลังเปลี่ยนเนื้องานเร็วกว่าที่องค์กรจะออกแบบวิธีทำงานและรูปแบบการดำเนินงานใหม่ได้ทัน

‍

การออกแบบงานใหม่ไม่ใช่โจทย์ของฝ่าย IT เพียงฝ่ายเดียว

การตัดสินใจว่างานใดควรหายไป งานใดควรถูกรวม งานใดควรให้ AI ทำ และงานใดต้องมีมนุษย์อยู่ตรงนั้น ไม่ใช่เพียงการตัดสินใจด้านเทคโนโลยี

เพราะทุกครั้งที่กระบวนการเปลี่ยน ย่อมกระทบต่อบทบาท ทักษะ โครงสร้างทีม ภาระงาน อำนาจตัดสินใจ เส้นทางอาชีพ และวิธีวัดผลงานของคน

HR จึงต้องเป็นหนึ่งในเจ้าภาพหลัก ร่วมกับผู้นำธุรกิจ ฝ่ายปฏิบัติการ พนักงาน และผู้เชี่ยวชาญด้านเทคโนโลยี

ไม่ใช่เพียงเพื่อสอนให้คนใช้ AI เป็น แต่เพื่อช่วยให้องค์กรตอบคำถามที่ใหญ่กว่านั้นว่า

• ธุรกิจต้องการผลลัพธ์อะไร
• งานใดยังสร้างคุณค่า
• งานใดควรหยุดทำ
• คนกับ AI ควรแบ่งบทบาทกันอย่างไร
• คนที่ไม่ต้องทำงานเดิมแล้วควรได้รับการพัฒนาไปทำอะไร
• องค์กรจะวัดได้อย่างไรว่าการเปลี่ยนแปลงนั้นสร้างผลลัพธ์จริง
• ‍

เราซื้อมอเตอร์มาแล้ว แต่ยังไม่ยอมรื้อผังโรงงานหรือเปล่า?

การซื้อเครื่องมือ AI อาจใช้เวลาเพียงไม่กี่สัปดาห์

แต่การเปลี่ยนวิธีคิด มองเห็นความเป็นไปได้ใหม่ และออกแบบระบบการทำงานให้สอดคล้องกับความเป็นไปได้นั้น อาจใช้เวลาหลายเดือนหรือหลายปี

เพราะองค์กรไม่ได้กำลังเปลี่ยนเพียงเครื่องมือ

แต่กำลังเปลี่ยนทั้งงาน บทบาทของคน วิธีตัดสินใจ และความหมายของคำว่า “สร้างคุณค่า”

ประวัติศาสตร์ของไฟฟ้าเคยแสดงให้เห็นแล้วว่า ผลตอบแทนที่แท้จริงจากเทคโนโลยีไม่ได้เกิดขึ้นในวันที่องค์กรนำเครื่องมือใหม่เข้ามา

แต่มันเกิดขึ้นเมื่อองค์กรกล้า คิดใหม่ ว่าสิ่งใดไม่จำเป็นต้องเหมือนเดิม
มองใหม่ ว่าคนกับเทคโนโลยีสามารถทำงานร่วมกันแบบใด
และ ออกแบบใหม่ ให้ความเป็นไปได้นั้นเกิดขึ้นจริง

เพราะถ้าเรายังใช้เทคโนโลยีใหม่เพื่อประคองทุกขั้นตอนของระบบเก่าเอาไว้

ไม่ว่า AI จะเก่งขึ้นอีกเพียงใด
เราอาจยังต้องทำงานแบบเดิมต่อไปอีกนาน

องค์กรของคุณกำลังใช้ AI เพื่อเปลี่ยนวิธีทำงาน
หรือเพียงช่วยให้ทุกคนทำงานแบบเดิมได้เร็วขึ้น?

‍

Sources:

• Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, 1990
  https://www.jstor.org/stable/2006600
• World Economic Forum, “The Latest Technology Isn’t Enough—You Need the Business Model to Go with It”
  https://www.weforum.org/stories/global-cooperation/the-latest-technology-isnt-enough-you-need-the-business-model-to-go-with-it/
• ผลสำรวจ AI Readiness 2026 ของเนคเทค จากองค์กรภาครัฐและเอกชนไทย 574 แห่ง รายงานโดยกรุงเทพธุรกิจ
  https://www.bangkokbiznews.com/tech/innovation/1251070
• Microsoft, “Microsoft Unveils Work Trend Index 2026, Guiding Thai Organizations Toward ‘Owned Intelligence’ for AI-Era Growth”
  https://news.microsoft.com/source/asia/2026/08/04/microsoft-unveils-2026-ai-work-trends-for-thailand/
• Boston Consulting Group, “AI at Work: Strategy Matters More Than Tools,” 2026
  https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools