เมื่อ AI เข้ามาเปลี่ยนงาน องค์กรต้องเปลี่ยนอะไร? 7 คำถามจาก IBM CHRO Study 2026

‍

เมื่อ AI เปลี่ยนงาน องค์กรต้องเปลี่ยนอะไร?

7 คำถามจาก IBM CHRO Study 2026 ที่ชวน

Rethink — Reimagine — Redesign

‍

องค์กรของคุณอาจจะมี AI ใช้แล้ว และพนักงานเริ่มใช้ AI เขียนรายงาน สรุปการประชุม วิเคราะห์ข้อมูล และจัดการงานที่เคยใช้เวลาหลายชั่วโมงให้เสร็จได้ภายในไม่กี่นาที

หลายองค์กรเริ่มเห็นประโยชน์จากความรวดเร็วและประสิทธิภาพที่เพิ่มขึ้น บางแห่งกำลังขยายการใช้ AI ไปยังหน่วยงานทั่วองค์กร ขณะที่บางแห่งเริ่มตั้งเป้าว่าพนักงานทุกคนควรใช้ AI ให้เป็น

แต่มีคำถามหนึ่งที่อาจสำคัญกว่าจำนวนคนที่ใช้ AI ได้

เมื่อ AI ทำงานบางอย่างแทนคนได้แล้ว องค์กรได้เปลี่ยนวิธีออกแบบงานตามไปด้วยหรือยัง?

‍

แม้เครื่องมือจะเปลี่ยนไป แต่ในหลาย ๆ องค์กร ตำแหน่งงานยังเหมือนเดิม วิธีวัดผลงานยังเหมือนเดิม เส้นทางความก้าวหน้ายังเหมือนเดิม และเมื่อเกิดความผิดพลาดจาก AI คนทำงานก็อาจยังต้องรับผิดชอบโดยไม่มีอำนาจควบคุมระบบนั้นอย่างแท้จริง

คำถามเหล่านี้เป็นหัวใจของรายงาน 2026 CHRO Study: Designing the Thinking Organization จาก IBM Institute for Business Value ซึ่งชวนผู้นำองค์กรและ HR มองให้ไกลกว่าการนำเทคโนโลยีมาใช้

รายงานไม่ได้มองเพียงว่า AI จะช่วยให้องค์กรทำงานได้เร็วขึ้นแค่ไหน แต่กำลังถามว่า องค์กรจะออกแบบการทำงานระหว่างมนุษย์กับ AI อย่างไร เพื่อให้เกิดการเติบโตที่ยั่งยืน

‍

มี AI เหมือนกัน แต่ทำไมบางองค์กรไปได้ไกลกว่า?

รายงาน IBM CHRO Study 2026 ศึกษาผู้บริหารด้านทรัพยากรบุคคลและกลยุทธ์กำลังคน 1,500 คน ครอบคลุม 23 อุตสาหกรรม พร้อมสำรวจความคิดเห็นพนักงานอีก 8,800 คน จาก 28 ประเทศ

IBM เสนอแนวคิด Thinking Organization หรือองค์กรที่สามารถผสานความสามารถของมนุษย์และ AI เข้ากับการออกแบบงาน การตัดสินใจ การพัฒนาคน และการสร้างคุณค่าทางธุรกิจได้อย่างเป็นระบบ

แนวคิดนี้ไม่ได้หมายถึงองค์กรที่มี AI มากที่สุด หรือองค์กรที่นำระบบอัตโนมัติมาใช้แทนคนได้มากที่สุด

แต่หมายถึงองค์กรที่รู้ว่าควรให้ AI ทำอะไร มนุษย์ควรรับผิดชอบอะไร และจะทำอย่างไรให้ความสามารถที่เพิ่มขึ้นจาก AI กลายเป็นประโยชน์ต่อทั้งองค์กรและคนทำงาน

สิ่งที่น่าสนใจคือ IBM พบว่าองค์กรที่มีความสามารถในการเป็น Thinking Organization สูง มีผลลัพธ์ด้านรายได้ บุคลากร และนวัตกรรมที่ดีกว่ากลุ่มที่มีความสามารถต่ำอย่างชัดเจน

แม้ข้อมูลนี้จะสะท้อนความสัมพันธ์ ไม่ใช่หลักฐานยืนยันว่าแนวทางดังกล่าวทำให้ผลประกอบการดีขึ้นโดยตรง แต่ก็ชวนให้กลับมามองว่า ความสำเร็จของ AI อาจไม่ได้ขึ้นอยู่กับตัวเทคโนโลยีเพียงอย่างเดียว

‍

จากรายงานฉบับนี้ PMAT หยิบ 7 ประเด็นมาชวนตั้งคำถามผ่านแนวคิดของ THAILAND HR DAY 2026

Rethink — ทบทวนสิ่งที่เราเคยเชื่อ

Reimagine — มองความเป็นไปได้ใหม่

Redesign — ออกแบบวิธีทำงานใหม่

เพราะการเปลี่ยนผ่านสู่ยุค AI อาจไม่ใช่แค่การเรียนรู้วิธีใช้เครื่องมือใหม่ แต่เป็นโอกาสที่จะกลับมาทบทวนระบบการทำงานที่เราใช้กันมานาน

‍

RETHINK — ทบทวนสิ่งที่เราเคยเชื่อ

1. เรากำลังฝึกพนักงานให้ใช้ AI เก่งขึ้น แต่กำลังลืมฝึกให้พวกเขาคิดเองหรือเปล่า?

‍

ทุกวันนี้หลายองค์กรกำลังลงทุนกับ AI Literacy สอนพนักงานเขียน Prompt ใช้ AI วิเคราะห์ข้อมูล และสร้างระบบอัตโนมัติเพื่อลดงานซ้ำ ๆ แต่ IBM ชวนมองอีกด้านหนึ่งของการพัฒนาทักษะ นั่นคือ Skill Erosion หรือความเสื่อมถอยของทักษะที่เกิดขึ้นเมื่อมนุษย์ไม่ได้ใช้ความสามารถบางอย่างอย่างต่อเนื่อง

ลองนึกถึงพนักงานที่เคยต้องอ่านข้อมูลหลายแหล่ง เปรียบเทียบข้อดีข้อเสีย และสรุปข้อเสนอด้วยตัวเอง

วันนี้เขาอาจให้ AI ทำงานส่วนใหญ่ แล้วใช้เวลาเพียงไม่กี่นาทีตรวจคำตอบก่อนส่งต่อ

ประสิทธิภาพอาจเพิ่มขึ้นจริง แต่หากกระบวนการคิดวิเคราะห์ถูกส่งต่อให้ AI เกือบทั้งหมดเป็นเวลานาน พนักงานจะยังมีโอกาสฝึกความสามารถในการตั้งคำถาม ประเมินหลักฐาน และตัดสินใจด้วยตัวเองมากเพียงใด?

ประเด็นนี้ไม่ได้หมายความว่าการใช้ AI ทำให้คนคิดไม่เป็นโดยอัตโนมัติ หรือองค์กรควรลดการใช้ AI ลง

แต่หมายความว่า การพัฒนาทักษะในยุค AI ต้องมีทั้งการเรียนรู้สิ่งใหม่ และการรักษาความสามารถสำคัญที่มนุษย์ไม่ควรสูญเสียไป

‍

สำหรับ HR และ L&D คำถามจึงอาจต้องเปลี่ยนจาก

“ปีนี้เราอบรมให้พนักงานใช้ AI ได้กี่คน?”

เป็น

“หลังจากพนักงานใช้ AI ได้แล้ว เรายังออกแบบงานให้พวกเขาได้ฝึกคิด วิเคราะห์ และตัดสินใจด้วยตัวเองอยู่หรือไม่?”

เพราะคนที่ใช้ AI คล่อง อาจไม่ได้เป็นคนเดียวกับคนที่รู้ว่าเมื่อไรควรเชื่อ หรือไม่ควรเชื่อคำตอบของ AI

‍

2. AI ช่วยทำงานแทนเรา แต่ใครเป็นคนตรวจงาน AI และทำไมงานส่วนนั้นถึงไม่เคยอยู่ในแบบประเมินผลงาน?

‍

เมื่อพูดถึง Productivity จาก AI เรามักนึกถึงเวลาที่ประหยัดได้

รายงานที่เคยใช้เวลาสามชั่วโมงเหลือสามสิบนาที การวิเคราะห์ข้อมูลที่เคยใช้เวลาหลายวันเหลือไม่กี่ชั่วโมง หรือการตอบคำถามลูกค้าที่ทำได้รวดเร็วขึ้น

แต่หลังจาก AI สร้างผลงานเสร็จ ยังมีงานอีกประเภทหนึ่งที่มนุษย์ต้องทำ

ตรวจว่าข้อมูลถูกต้องหรือไม่ แก้ข้อผิดพลาด ประเมินความเสี่ยง ตัดสินใจในกรณีที่ AI ไม่สามารถให้คำตอบที่เหมาะสม และรับผิดชอบต่อผลลัพธ์ที่เกิดขึ้น!

งานเหล่านี้อาจไม่ปรากฏอยู่ใน Job Description เดิม และอาจไม่ได้ถูกนับเป็นผลงานในระบบประเมินผลด้วย

‍

IBM ชี้ให้เห็นความสำคัญของการปรับ Performance Management ให้สอดคล้องกับการทำงานร่วมกันระหว่างมนุษย์กับ AI โดยเฉพาะคุณค่าที่เกิดจากการใช้วิจารณญาณ การตรวจสอบ และการจัดการข้อยกเว้น

ลองนึกถึงพนักงานสองคนที่ใช้ AI ทำรายงานได้เร็วเท่ากัน คนแรกส่งรายงานทันที ส่วนอีกคนใช้เวลาเพิ่มเพื่อตรวจพบข้อมูลผิดพลาดที่อาจส่งผลต่อการตัดสินใจของผู้บริหาร

หากองค์กรวัดเพียงความเร็วและปริมาณงาน คนที่สองอาจดูมีประสิทธิภาพน้อยกว่า ทั้งที่เขาอาจช่วยป้องกันความเสียหายที่มีมูลค่าสูงกว่าเวลาที่ใช้ไปหลายเท่า

เมื่อ AI เปลี่ยนวิธีสร้างผลงาน องค์กรอาจต้องเปลี่ยนวิธีนิยามคำว่า “ผลงานที่ดี” ด้วย

ไม่ใช่วัดเพียงว่าทำงานได้เร็วแค่ไหน แต่ต้องมองด้วยว่ามนุษย์สร้างคุณค่าอะไรเพิ่มขึ้นจากการทำงานร่วมกับ AI

‍

REIMAGINE — มองความเป็นไปได้ใหม่

3. ถ้า AI ทำงานของเด็กจบใหม่ได้ แล้วเด็กจบใหม่จะสะสมประสบการณ์จากที่ไหน?

‍

งานที่หลายองค์กรกำลังให้ AI ทำแทนเป็นงานประเภทเดียวกับที่พนักงานระดับเริ่มต้นเคยใช้ฝึกฝน เช่น ค้นคว้าข้อมูล จัดทำรายงาน วิเคราะห์ข้อมูลเบื้องต้น สรุปการประชุม หรือเตรียมเอกสารประกอบการตัดสินใจ

งานเหล่านี้อาจดูเป็นงานง่ายสำหรับคนที่มีประสบการณ์แล้ว แต่สำหรับคนเพิ่งเริ่มทำงาน มันคือพื้นที่เรียนรู้ที่สำคัญ

พนักงานใหม่ไม่ได้เรียนรู้เพียงวิธีทำรายงาน แต่เรียนรู้ด้วยว่าข้อมูลแบบไหนเชื่อถือได้ จะตั้งคำถามอย่างไร เมื่อไรควรขอคำปรึกษา และการตัดสินใจหนึ่งครั้งส่งผลต่อคนอื่นอย่างไร

เมื่อ AI รับงานระดับเริ่มต้นไปทำมากขึ้น องค์กรจึงต้องเผชิญกับคำถามที่ใหญ่กว่าการลดจำนวนตำแหน่งงาน

หากงานที่เคยเป็นพื้นที่ฝึกฝนหายไป เราจะสร้างผู้เชี่ยวชาญและผู้นำรุ่นต่อไปอย่างไร?

‍

IBM ให้ความสำคัญกับการรักษาเส้นทางการเรียนรู้ของพนักงานช่วงเริ่มต้นอาชีพ เพราะการออกแบบกำลังคนในอนาคตไม่ควรมองเฉพาะจำนวนคนที่องค์กรต้องใช้วันนี้ แต่ต้องมองด้วยว่าคนรุ่นถัดไปจะพัฒนาความสามารถขึ้นมาได้อย่างไร

องค์กรอาจต้องจินตนาการรูปแบบการเรียนรู้ใหม่ เช่น ให้พนักงานใหม่ฝึกตรวจสอบผลงานของ AI ได้ทำงานกับผู้มีประสบการณ์มากขึ้น ได้เข้าร่วมกระบวนการตัดสินใจ หรือได้รับโจทย์ที่ช่วยฝึกวิจารณญาณอย่างเป็นขั้นตอน

AI อาจช่วยให้คนรุ่นใหม่เรียนรู้ได้เร็วกว่าเดิมด้วยซ้ำ หากองค์กรออกแบบการเรียนรู้นั้นอย่างตั้งใจ

แต่หากใช้ AI เพียงเพื่อตัดงานระดับเริ่มต้นออกไปทั้งหมด วันหนึ่งองค์กรอาจพบว่าตัวเองมีเครื่องมือที่เก่งขึ้น แต่มีคนที่พร้อมเติบโตเป็นผู้เชี่ยวชาญน้อยลง

‍

4. เมื่อ AI ช่วยให้พนักงานประหยัดเวลาได้ เวลานั้นควรเป็นของใคร?

‍

สมมติว่า AI ช่วยให้พนักงานคนหนึ่งทำงานเสร็จเร็วขึ้นวันละหนึ่งชั่วโมง

องค์กรจะนำเวลาที่ได้คืนมานั้นไปทำอะไร?

เพิ่มเป้าหมายการทำงานอีก 20%?

ลดจำนวนคนในทีม?

ให้พนักงานได้เรียนรู้ทักษะใหม่?

หรือเปิดพื้นที่ให้ทดลองแนวคิดที่ก่อนหน้านี้ไม่มีเวลาทำ?

ทุกทางเลือกสะท้อนมุมมองที่องค์กรมีต่อ Productivity และคุณค่าของคนทำงาน

‍

IBM พบว่า มีเพียง 42% ขององค์กรที่นำเวลาหรือขีดความสามารถที่ AI ช่วยปลดปล่อยออกมาไปลงทุนต่อด้านการพัฒนาทักษะและนวัตกรรม

ตัวเลขนี้ชวนให้ตั้งคำถามว่า องค์กรกำลังมองประโยชน์จาก AI เป็นเพียงสิ่งที่นำไปลดต้นทุน หรือมองเป็นทรัพยากรใหม่สำหรับการเติบโต แน่นอนว่าไม่มีคำตอบเดียวที่เหมาะกับทุกองค์กร บางธุรกิจจำเป็นต้องเพิ่มประสิทธิภาพและควบคุมต้นทุนเพื่อความอยู่รอด

แต่หากเวลาที่ AI ประหยัดได้ถูกเปลี่ยนเป็นงานที่เพิ่มขึ้นทั้งหมด โดยไม่มีพื้นที่สำหรับการเรียนรู้ การทดลอง หรือการพัฒนาคน องค์กรอาจได้ประโยชน์ด้านประสิทธิภาพในระยะสั้น ขณะที่พลาดโอกาสสร้างความสามารถใหม่ในระยะยาว

สำหรับ HR เรื่องนี้จึงไม่ใช่เพียงการคำนวณชั่วโมงทำงานที่ลดลง

แต่เป็นการร่วมออกแบบว่า เวลาที่ได้คืนมาจาก AI จะถูกนำไปสร้างคุณค่าให้กับองค์กรและคนทำงานอย่างไร เพราะการเติบโตไม่ได้เกิดจากการทำงานให้มากขึ้นเพียงอย่างเดียว แต่เกิดจากการมีเวลาไปทำสิ่งที่มีคุณค่ามากกว่าเดิมด้วย

‍

REDESIGN — ออกแบบวิธีทำงานใหม่

5. งานของพนักงานเปลี่ยนไปแล้ว แต่ใครเป็นคนออกแบบงานใหม่?

‍

หนึ่งในข้อค้นพบที่น่าสนใจที่สุดของรายงาน IBM คือ

พนักงาน 52% ระบุว่างานที่ได้รับมอบหมายเปลี่ยนไปในรอบปีที่ผ่านมาเพราะ AI

แต่มีเพียง 26% ขององค์กร ที่ระบุว่ามีการกำหนดการแบ่งงานระหว่างมนุษย์กับ AI อย่างชัดเจนในระดับสูง

ตัวเลขสองชุดนี้สะท้อนช่องว่างสำคัญ

งานกำลังเปลี่ยนไปแล้ว แต่การออกแบบงานอย่างเป็นระบบยังตามไม่ทัน

ในหลายองค์กร พนักงานอาจเริ่มใช้ AI ช่วยทำงานด้วยตัวเอง ผู้จัดการแต่ละทีมกำหนดแนวทางแตกต่างกัน และกระบวนการทำงานค่อยๆ เปลี่ยนไปโดยไม่มีใครมองภาพรวม

ผลคือบางงานอาจถูกทำซ้ำ บางขั้นตอนขาดผู้รับผิดชอบ และบางการตัดสินใจอาจไม่มีใครรู้ชัดว่าใครมีอำนาจอนุมัติหรือยับยั้ง

‍

IBM จึงเสนอให้มอง Work Redesign เป็นกระบวนการต่อเนื่อง ไม่ใช่โครงการปรับโครงสร้างองค์กรที่ทำเพียงครั้งเดียว

แทนที่จะเริ่มจากคำถามว่า “ตำแหน่งนี้ใช้ AI ทำอะไรได้บ้าง?” องค์กรอาจต้องเริ่มจากการแยกงานออกเป็นกิจกรรมและการตัดสินใจ แล้วพิจารณาว่าอะไรควรให้มนุษย์ทำ อะไรให้ AI ช่วย และอะไรสามารถให้ AI ดำเนินการได้ภายใต้การกำกับดูแลที่เหมาะสม

จากนั้นจึงค่อยออกแบบบทบาท ทีม ทักษะ และระบบประเมินผลงานให้สอดคล้องกัน เพราะการเพิ่ม AI เข้าไปใน Workflow เดิม ไม่ได้แปลว่าองค์กรได้ Redesign งานแล้ว

‍

6. AI เป็นคนแนะนำ แต่เมื่อเกิดความผิดพลาด ทำไมพนักงานต้องรับผิด?

‍

ลองนึกถึงผู้จัดการที่ใช้ AI ช่วยประเมินข้อมูลเพื่อประกอบการตัดสินใจ

ระบบแนะนำทางเลือกหนึ่ง ผู้จัดการทำตามคำแนะนำนั้น แต่ภายหลังพบว่าข้อมูลที่ AI ใช้ไม่ครบถ้วน และการตัดสินใจส่งผลเสียต่อพนักงาน

เหตุการณ์เช่นนี้ใครควรรับผิดชอบ?

ผู้จัดการที่กดอนุมัติ?

ทีมเทคโนโลยีที่นำระบบมาใช้?

ผู้บริหารที่กำหนดนโยบาย?

หรือองค์กรที่ไม่ได้ออกแบบกระบวนการตรวจสอบให้เพียงพอ?

‍

IBM ให้ความสำคัญกับการกำหนด Decision Rights และ Accountability หรือสิทธิในการตัดสินใจและความรับผิดชอบ เมื่อ AI เข้ามาเป็นส่วนหนึ่งของกระบวนการทำงาน

เพราะในทางปฏิบัติ การบอกว่า “มนุษย์เป็นผู้ตัดสินใจขั้นสุดท้าย” อาจยังไม่เพียงพอ

หากมนุษย์ไม่เข้าใจว่าระบบใช้ข้อมูลอะไร ไม่สามารถตรวจสอบเหตุผลของคำแนะนำ หรือไม่มีอำนาจหยุดกระบวนการเมื่อพบความเสี่ยง การให้มนุษย์กดอนุมัติอาจเป็นเพียงขั้นตอนทางพิธีการ

องค์กรจึงต้องออกแบบให้ชัดว่าใครมีหน้าที่ตรวจสอบ ใครมีสิทธิโต้แย้ง ใครสามารถหยุดหรือแก้ไขการตัดสินใจของ AI และความรับผิดชอบถูกแบ่งระหว่างหน่วยงานอย่างไร

โดยเฉพาะการตัดสินใจด้านบุคลากร เช่น การสรรหา การประเมินผลงาน การเลื่อนตำแหน่ง หรือการจ่ายค่าตอบแทน ซึ่งอาจส่งผลต่อชีวิตและโอกาสของคนทำงานโดยตรง

การใช้ AI อย่างรับผิดชอบจึงไม่ใช่แค่การมีคนตรวจ แต่ต้องออกแบบให้คนตรวจมีข้อมูล อำนาจ และความสามารถเพียงพอที่จะตัดสินใจจริงๆ

‍

7. IBM สร้างระบบ AI ให้พนักงานใช้ แต่ทำไมพนักงานยังอยากคุยกับ HR?

‍

ประเด็นสุดท้ายเป็นกรณีศึกษาจาก IBM เอง เมื่อ IBM พัฒนาระบบ AskHR เพื่อช่วยตอบคำถามและจัดการธุรกรรมด้าน HR ผ่านระบบดิจิทัลและ AI แต่การมีระบบที่พร้อมใช้งานไม่ได้หมายความว่าพนักงานจะเปลี่ยนพฤติกรรมทันที

พนักงานจำนวนหนึ่งยังคุ้นเคยกับการโทรศัพท์ ส่งอีเมล หรือพูดคุยกับ HR โดยตรง

IBM จึงตัดสินใจเปลี่ยนช่องทางการให้บริการ โดยปิดช่องทางโทรศัพท์และอีเมล HR ทั่วโลกเพื่อผลักดันการใช้ AskHR

ทว่าผลที่เกิดขึ้นในช่วงแรกไม่ใช่ความพึงพอใจที่เพิ่มขึ้น เพราะ Employee Net Promoter Score หรือ eNPS ลดลงจาก +19 เหลือ -35

นี่เป็นบทเรียนที่น่าสนใจ เพราะสะท้อนว่าการเปลี่ยนช่องทางให้บริการอาจทำได้รวดเร็ว แต่การสร้างความไว้วางใจและเปลี่ยนประสบการณ์ของผู้ใช้อาจต้องใช้เวลามากกว่านั้น

IBM ปรับปรุงระบบต่อเนื่อง จนรายงานระบุว่า AskHR รองรับธุรกรรมได้ 16.3 ล้านรายการต่อปี และสามารถจัดการคำถาม 95% โดยไม่ต้องส่งต่อให้มนุษย์ อย่างไรก็ตาม เรื่องนี้ก็ไม่ควรถูกอ่านว่า การบังคับให้พนักงานใช้ AI เป็นสูตรสำเร็จของ Change Management

สิ่งที่ควรตั้งคำถามคือ "องค์กรจะออกแบบการเปลี่ยนผ่านอย่างไรให้พนักงานเข้าใจ เชื่อมั่น และได้รับประสบการณ์ที่ดีขึ้นจริง" เพราะการเปลี่ยนพฤติกรรมไม่ได้เกิดจากการมีเทคโนโลยีใหม่เพียงอย่างเดียว แต่เกี่ยวข้องกับความคุ้นเคย ความเชื่อมั่น และคุณค่าที่ผู้ใช้ได้รับ

สำหรับ HR กรณีนี้ยังชวนให้คิดต่อว่า หาก AI สามารถรับงานตอบคำถามซ้ำๆ ไปได้มากขึ้น HR จะนำเวลาที่ได้คืนมาไปทำอะไร

ใช้เวลาให้คำปรึกษาผู้จัดการมากขึ้น?

ดูแลปัญหาที่ซับซ้อนของพนักงาน?

หรือสร้างความสัมพันธ์และความไว้วางใจที่ระบบอัตโนมัติไม่สามารถทดแทนได้ทั้งหมด?

บางทีการนำ AI เข้ามาในงาน HR อาจไม่ใช่การทำให้ HR มีความเป็นมนุษย์น้อยลง แต่อาจเป็นโอกาสให้ HR มีเวลาทำงานที่ต้องใช้ความเข้าใจมนุษย์มากขึ้นกว่าเดิม

‍

Rethink — Reimagine — Redesign ไม่ใช่สามขั้นตอนที่แยกจากกัน

เมื่อมองทั้ง 7 คำถามร่วมกัน จะเห็นว่าทุกเรื่องเชื่อมโยงถึงกัน

หากองค์กรเริ่มใช้ AI โดยไม่ทบทวนวิธีวัดผลงาน พนักงานอาจต้องรับภาระตรวจสอบ AI มากขึ้นโดยไม่ได้รับการยอมรับ

หากองค์กรนำ AI ไปทำงานระดับเริ่มต้นโดยไม่ออกแบบเส้นทางเรียนรู้ใหม่ วันหนึ่งอาจพบว่าคนรุ่นใหม่ขาดโอกาสสะสมประสบการณ์

หากองค์กรใช้ AI เพื่อเพิ่ม Productivity แต่ไม่นำเวลาที่ประหยัดได้กลับมาพัฒนาคน ความสามารถขององค์กรในระยะยาวก็อาจไม่เติบโตไปพร้อมกับประสิทธิภาพที่เพิ่มขึ้น

และหากองค์กรนำ AI เข้าสู่กระบวนการตัดสินใจโดยไม่กำหนดอำนาจและความรับผิดชอบให้ชัดเจน ความรวดเร็วที่เพิ่มขึ้นอาจมาพร้อมความเสี่ยงที่ไม่มีใครเตรียมรับมือ

นี่คือเหตุผลที่การเปลี่ยนผ่านสู่ยุค AI ต้องมองทั้งระบบ

Rethink เพื่อทบทวนว่าความเชื่อ วิธีวัดผล และวิธีพัฒนาคนแบบเดิมยังเหมาะสมอยู่หรือไม่

Reimagine เพื่อมองเห็นโอกาสใหม่ในการสร้างประสบการณ์ เส้นทางเติบโต และคุณค่าของงาน

Redesign เพื่อเปลี่ยนแนวคิดเหล่านั้นให้กลายเป็นโครงสร้างงาน บทบาท กระบวนการ และความรับผิดชอบที่ใช้ได้จริง

ทั้งสามเรื่องจึงไม่ใช่กิจกรรมที่ทำแยกกัน แต่เป็นกระบวนการเปลี่ยนแปลงที่ต้องเกิดขึ้นร่วมกัน

‍

องค์กรอาจไม่ได้ต้องการ AI เพิ่ม แต่อาจต้องการคำถามที่ดีขึ้น

หนึ่งในข้อคิดสำคัญจาก IBM CHRO Study 2026 คือ การสร้าง Thinking Organization ไม่ได้เริ่มจากการมีเทคโนโลยีใหม่เสมอไป

หลายครั้งสิ่งที่องค์กรต้องเปลี่ยนคือการตัดสินใจของผู้บริหาร วิธีออกแบบงาน และวิธีบริหารคน

AI อาจทำให้รายงานเสร็จเร็วขึ้น วิเคราะห์ข้อมูลได้มากขึ้น และจัดการงานซ้ำๆ ได้อย่างมีประสิทธิภาพ แต่ AI ไม่สามารถตัดสินใจแทนองค์กรได้ทั้งหมดว่าเวลาที่ประหยัดได้ควรถูกนำไปใช้เพื่ออะไร คนรุ่นใหม่ควรเติบโตอย่างไร หรือความรับผิดชอบต่อการตัดสินใจควรถูกออกแบบแบบไหน

สิ่งเหล่านี้ยังต้องอาศัยการตัดสินใจร่วมกันของผู้นำองค์กร HR และคนทำงาน

และบางที ความท้าทายสำคัญของ HR ในยุค AI อาจไม่ใช่การทำให้ทุกคนใช้ AI เป็นเพียงอย่างเดียว แต่เป็นการทำให้องค์กรสามารถออกแบบระบบการทำงานที่คนและ AI สร้างคุณค่าร่วมกันได้จริง

‍เพราะคำถามสำคัญอาจไม่ใช่ว่า “AI จะทำงานแทนคนได้อีกมากแค่ไหน?”

แต่คือ “เมื่อ AI ทำงานเหล่านั้นได้แล้ว เราจะออกแบบอนาคตของคนและองค์กรอย่างไร?”

‍

นี่คือโจทย์ของการ Rethink — Reimagine — Redesign และเป็นคำถามที่ทุกองค์กรควรเริ่มหาคำตอบตั้งแต่วันนี้

‍

Source:
IBM Institute for Business Value. (2026). Designing the Thinking Organization: 5 focus areas for CHROs as AI reshapes work. Global C-suite Series, 2026 CHRO Study.