Workslop: เมื่อ AI ช่วยให้คนหนึ่งทำงานเร็วขึ้น แต่กลับเพิ่มงานให้อีกคน

AI อาจช่วยให้คนหนึ่งส่งงานได้เร็วขึ้น

แต่ถ้างานนั้นทำให้คนรับต้องเสียเวลาเกือบ 2 ชั่วโมงเพื่อตรวจ แก้ หรือทำใหม่ เรายังเรียกสิ่งนั้นว่า “productivity” ได้อยู่หรือเปล่า?
...

ปลายปี 2568 นักวิจัยจาก BetterUp Labs และ Stanford Social Media Lab เรียกปรากฏการณ์นี้ว่า “Workslop”

หมายถึงงานที่สร้างด้วย AI ซึ่งดูเผิน ๆ เหมือนเรียบร้อยและเสร็จสมบูรณ์ แต่เมื่ออ่านจริงกลับไม่มีเนื้อหาหรือคุณภาพเพียงพอที่จะช่วยให้งานเดินหน้าต่อได้ ภาระในการคิด ตรวจสอบ และแก้ไขจึงถูกส่งต่อไปให้คนรับแทน

ในการสำรวจพนักงานออฟฟิศเต็มเวลาในสหรัฐฯ 1,150 คน ราว 4 ใน 10 บอกว่าเคยได้รับ workslop ในช่วงหนึ่งเดือนที่ผ่านมา

แต่ละครั้ง พวกเขาต้องใช้เวลาเฉลี่ยถึง 1 ชั่วโมง 56 นาที เพื่อตรวจสอบ แก้ไข พูดคุยกับผู้ส่ง หรือทำงานชิ้นนั้นใหม่!

นักวิจัยประเมินว่า workslop สร้างต้นทุนจากเวลาทำงานที่สูญเสียไปราว 186 ดอลลาร์ต่อพนักงานหนึ่งคนต่อเดือน และสำหรับองค์กรขนาดใหญ่ที่มีพนักงานประมาณ 10,000 คน ต้นทุนดังกล่าวอาจสูงกว่า 9 ล้านดอลลาร์ต่อปี

ผลกระทบไม่ได้หยุดอยู่แค่เวลาที่เสียไป

คนที่ได้รับ workslop มากกว่าครึ่งรู้สึกรำคาญ 38% รู้สึกสับสน และ 22% รู้สึกไม่พอใจหรือขุ่นเคือง

ที่น่ากังวลกว่านั้นคือ มันยังเปลี่ยนความรู้สึกที่คนรับมีต่อคนส่งด้วย ผู้ตอบราวครึ่งหนึ่งมองว่าคนที่ส่งงานลักษณะนี้มีความคิดสร้างสรรค์น้อยลง มีความสามารถน้อยลง และไม่น่าเชื่อถือเท่าเดิม

พูดง่าย ๆ คือ workslop ไม่ได้ทำลายแค่คุณภาพงาน แต่มันอาจทำลายความไว้ใจระหว่างเพื่อนร่วมงานไปพร้อมกันด้วย
(Axios, 2025; Harvard Business Review, 2025)

ต้นปี 2569 นักวิจัยกลุ่มเดิมเผยแพร่งานศึกษาต่อเนื่อง โดยสำรวจพนักงานออฟฟิศเต็มเวลาในสหรัฐฯ อีก 962 คน

ครั้งนี้ 52.7% ยอมรับว่าเคยส่งเนื้อหาที่เข้าข่าย workslop ให้ผู้อื่น ขณะที่ 38% บอกว่าเคยได้รับ workslop จากเพื่อนร่วมงานหรือคนในทีม และต้องเสียเวลาเฉลี่ย 3.4 ชั่วโมงต่อเดือน ไปกับการตรวจสอบ พูดคุย แก้ไข หรือทำงานใหม่

ตัวเลขนี้ทำให้เห็นว่า workslop ไม่ใช่ปัญหาของ “คนอื่น” เท่านั้น

คน ๆ เดียวอาจรู้สึกหงุดหงิดเมื่อได้รับงานคุณภาพต่ำจาก AI แต่ในอีกสถานการณ์หนึ่งก็อาจเผลอส่งงานลักษณะเดียวกันให้คนอื่นได้เช่นกัน
...

แล้วเหตุใดคนจึงยังสร้าง workslop ทั้งที่มันเสี่ยงต่อความน่าเชื่อถือของตัวเอง?

ผลการศึกษาพบว่า พฤติกรรม workslop พบได้มากขึ้นในกลุ่มคนที่
1. ไว้วางใจ AI สูง
2. รู้สึกว่าตัวเองไม่มีอิสระในการตัดสินใจว่าจะใช้ AI อย่างไร
3. ได้รับแรงผลักดันจากองค์กรให้ใช้ AI
4. รู้สึกไม่ปลอดภัยทางใจมากพอที่จะยอมรับความไม่แน่ใจหรือขอความช่วยเหลือ

สิ่งที่น่าสนใจคือ ปัญหาอาจไม่ได้เกิดจาก “ความขี้เกียจ” ของพนักงานเพียงอย่างเดียว แต่อาจเกิดจากสภาพแวดล้อมที่องค์กรสร้างขึ้นด้วย

หากองค์กรส่งสัญญาณว่า “ทุกคนต้องใช้ AI” แต่ไม่ได้กำหนดมาตรฐานคุณภาพให้ชัด ไม่เปิดโอกาสให้พนักงานเลือกว่างานใดควรหรือไม่ควรใช้ AI และไม่สร้างพื้นที่ให้คนยอมรับได้ว่า AI ไม่ได้ช่วยในทุกสถานการณ์ สิ่งที่ตามมาอาจเป็นงานที่ดูเหมือนเสร็จเร็วขึ้น แต่กลับเพิ่มภาระให้คนอื่นในกระบวนการ
...

อีกหนึ่งสัญญาณที่น่าจับตาคือ workslop ไม่ได้ไหลจากพนักงานขึ้นไปหาหัวหน้าเท่านั้น แต่ยังไหลจากบนลงล่างได้ด้วย

ผลสำรวจของ Zety ในเดือนมกราคม 2569 ซึ่งเก็บข้อมูลจากพนักงานสหรัฐฯ 1,000 คนที่เคยพบ workslop พบว่า 55% เคยได้รับงานลักษณะนี้จากผู้จัดการหรือหัวหน้างานของตัวเอง และ 85% บอกว่า หากได้รับ workslop จากหัวหน้า ความไว้ใจที่มีต่อผู้นำจะลดลง
(Zety Workslop Trust Report, 2026)
...

ทั้งหมดนี้คือประเด็นที่ HR ต้องเข้ามาเกี่ยวข้อง

เพราะ dashboard ที่รายงานว่า
“พนักงาน 70% ใช้ AI ทุกวัน”

บอกเราได้เพียงว่า AI ถูกใช้มากแค่ไหน แต่ยังไม่ได้บอกว่า งานที่ออกมาดีขึ้นจริงหรือเปล่า หรือกำลังสร้างภาระให้คนปลายทางมากขึ้นโดยไม่มีใครมองเห็น

การวัดความสำเร็จของ AI จึงไม่ควรหยุดอยู่ที่ adoption rate หรือจำนวนคนที่ใช้ แต่ควรถามต่อว่า

งานที่ส่งต่อมีคุณภาพดีขึ้นหรือไม่?
คนรับต้องใช้เวลาแก้งานจาก AI มากแค่ไหน?
ใครเป็นผู้รับภาระในการตรวจสอบความถูกต้อง?
พนักงานกล้าบอกหรือไม่ว่า AI ไม่เหมาะกับงานบางประเภท?
และหัวหน้ากำลังเป็นตัวอย่างของการใช้ AI อย่างรับผิดชอบหรือกำลังส่งต่อ workslop ลงมาให้ทีม?

ถ้าองค์กรผลักดันให้คนใช้ AI โดยไม่กำหนดมาตรฐานคุณภาพและไม่สร้างพื้นที่ปลอดภัยให้พนักงานพูดถึงข้อจำกัดอย่างตรงไปตรงมา สิ่งที่ได้กลับมาอาจไม่ใช่ productivity ที่เพิ่มขึ้น

แต่อาจเป็นเพียงการย้ายภาระจากคนหนึ่งไปกองไว้ที่อีกคนหนึ่งอย่างเงียบ ๆ โดยไม่มีตัวเลขใดในรายงานสะท้อนให้เห็น

‍
ครั้งล่าสุดที่เราได้รับงานจาก AI ซึ่งดูดีแต่แทบไม่มีเนื้อหา เรารู้สึกอย่างไรกับคนที่ส่งมา?

‍
#AIinHR #FutureOfWork #HRThailand #EmployeeEngagement #AIGovernance

Source:
Axios. (2025, September 24). AI "workslop" sabotages productivity, study finds. https://www.axios.com/2025/09/24/ai-workslop-workplace-efficiency-study

Sciety. (2026, February 5). Workslop: Examining the prevalence, antecedents and consequences of low-quality AI-generated content at work. https://sciety.org/articles/activity/10.31234/osf.io/5f78h_v1

Zety. (2026). The Rise of Workslop Report / Workslop Trust Report. https://zety.com/blog/workslop-trust-report