ลองนึกภาพฉากนี้ดูก่อนครับ#

สมมติว่าเจ้าของกิจการคนหนึ่งเพิ่งกลับมาจากงานสัมมนา หัวร้อนวูบวาบเต็มไปด้วยคำว่า AI ตื่นเต้นมาก เดินเข้าออฟฟิศวันจันทร์เช้าแล้วประกาศกลางวงประชุมว่า “ต่อไปนี้บริษัทเราจะใช้ AI!” — เสร็จแล้วก็เงียบ เพราะพอทุกคนหันมามองแล้วถามว่า “ใช้ตรงไหนครับ” เจ้าตัวก็ตอบไม่ถูก

ผมว่าฉากนี้เกิดขึ้นเยอะมากในช่วงนี้ครับ 555+ คือทุกคนรู้ว่า AI มันมาแล้ว ต้องเอามาใช้ แต่พอถามว่า “ใช้ตรงไหน” กลับตันทันที เพราะมองบริษัทเป็นก้อนเดียว แล้วคำว่า “ใช้ AI ทั้งบริษัท” มันใหญ่เกินกว่าจะจับต้องได้

วิธีที่ผมว่าใช้ได้ผลกว่าเยอะ คือ อย่ามองบริษัทเป็นก้อนเดียว ให้มองเป็นแผนกๆ ครับ เพราะงานของแต่ละแผนกมันคนละหน้าตากันเลย งานการตลาดกับงานการเงินนี่แทบจะคนละโลก สิ่งที่ AI ช่วยแผนกการตลาดได้ดีๆ อาจจะเอาไปใช้กับการเงินไม่ได้เลยด้วยซ้ำ พอเราซอยให้เล็กลงเป็นแผนก คำถามที่เคยตอบไม่ได้อย่าง “บริษัทเราควรใช้ AI ไหม” มันจะกลายเป็นคำถามที่ตอบง่ายขึ้นเยอะ เช่น “แผนกบริการลูกค้าเราตอบแชทซ้ำๆ เยอะไหม” — อันนี้ตอบได้ใช่ไหมครับ

ตอนนี้ผมเลยจะพาเดินทีละแผนกเลย เอาแผนกหลักๆ ที่บริษัททั่วไปมีกัน — การตลาด, การเงิน, HR, ปฏิบัติการ, และบริการลูกค้า — ว่าแต่ละแผนกเอา AI ไปทำงานแบบไหนได้บ้าง งานไหนเข้าทาง งานไหนยังต้องระวังมือ ไปดูกันครับ

ก่อนเริ่มขอบอกไว้นิดนึงว่า ตัวอย่างงานที่ผมจะยกในแต่ละแผนกทั้งหมดเป็น ภาพงานทั่วๆ ไปที่หลายธุรกิจทำกัน นะครับ ไม่ใช่เคสของบริษัทไหนเป็นพิเศษ และฉากตัวอย่างที่ยกมาเป็นฉาก สมมติ ที่ผมแต่งขึ้นเพื่อให้เห็นภาพ ไม่ใช่เรื่องที่เกิดขึ้นจริงกับใคร — เล่าแบบหลวมๆ พอให้จับหลักได้ ไม่ได้อิงตัวเลขสถิติเป๊ะๆ จากที่ไหน เพราะของพวกนี้มันต่างกันไปตามแต่ละธุรกิจอยู่แล้ว สิ่งที่อยากให้ได้กลับไปคือ “วิธีคิด” ว่าจะมองงานในแผนกตัวเองยังไง มากกว่าตัวเลขใดๆ

💡 มุมเจ้าของกิจการ: ก่อนจะอ่านต่อ ลองหยิบกระดาษมาแผ่นนึงครับ เขียนชื่อแผนกในบริษัทคุณลงไปคอลัมน์ซ้าย แล้วระหว่างอ่านตอนนี้ลองจดไปด้วยว่า “งานไหนในแผนกนี้ที่เราทำซ้ำๆ ทุกวันจนเบื่อ” — เพราะงานพวกนั้นแหละครับคือจุดที่ AI (หรือบางทีแค่ automation ธรรมดา) เข้าไปช่วยได้ก่อนเพื่อน ไม่ต้องคิดใหญ่ คิดทีละงานเล็กๆ ที่กวนใจก่อน

หลักคิดร่วมก่อนเดินเข้าแผนก — “AI เก่งงานร่าง ไม่เก่งงานชี้ขาด”#

ก่อนจะแยกเข้าแต่ละแผนก ผมอยากปูหลักคิดอันนึงที่จะใช้ได้กับ ทุกแผนก เลยครับ เพราะถ้าจับหลักนี้ได้ เดี๋ยวพออ่านแต่ละแผนกมันจะเข้าหัวง่ายขึ้นเยอะ

หลักคือแบบนี้ — งานในออฟฟิศแทบทุกแผนก ถ้าเราซอยละเอียดๆ มันจะแบ่งได้เป็นสองกองใหญ่ๆ:

• กองที่หนึ่ง “งานร่าง / งานยกของหนัก” — พวกงานที่ต้องเริ่มจากศูนย์ ต้องร่างต้องเขียนต้องสรุปต้องจัดเรียง ต้องอ่านของเยอะๆ แล้วย่อยให้สั้น พวกนี้กินเวลาคนเยอะมาก แต่ไม่ได้ต้องการความเป๊ะระดับชี้เป็นชี้ตาย
• กองที่สอง “งานชี้ขาด / งานรับผิดชอบ” — พวกงานที่ต้องตัดสินใจขั้นสุดท้าย ต้องเซ็นชื่อรับผิดชอบ ต้องการความถูกต้องเป๊ะๆ ผิดไม่ได้ มีคนเดือดร้อนถ้าพลาด

จุดที่ผมอยากให้จำคือ AI ทุกวันนี้เก่งกองแรกมากๆ แต่ยังไว้ใจให้ทำกองสองเดี่ยวๆ ไม่ได้ ครับ

ลองนึกภาพง่ายๆ ว่า AI เหมือน ผู้ช่วยคนนึงที่ขยันสุดๆ ร่างงานเร็วเป็นไฟ ยกของหนักไม่เคยบ่น — คุณบอกให้ร่างอีเมล ร่างมาให้ทันที คุณบอกให้สรุปเอกสาร 30 หน้าเหลือครึ่งหน้า ทำให้ได้ในพริบตา แต่พอถึงจังหวะ “ตกลงเราจะส่งอันไหน เราจะเซ็นอนุมัติไหม เราจะตอบลูกค้ารายนี้ว่าอะไร” — ตรงนั้นคุณ (หรือคนในทีม) ต้องเป็นคนชี้ขาดเอง ไม่ใช่ปล่อยให้ผู้ช่วยตัดสินแทน

ผมชอบเรียกหลักนี้แบบบ้านๆ ว่า “AI ร่าง คนชี้ขาด” ครับ จำสี่คำนี้ไว้ เดี๋ยวเดินเข้าแต่ละแผนกคุณจะเห็นว่ามันวนกลับมาใช้หลักเดียวกันนี้ตลอด ต่างกันแค่ว่า “งานร่าง” ของแต่ละแผนกหน้าตาไม่เหมือนกันเท่านั้นเอง

ทำไมผมถึงย้ำเรื่องนี้ตั้งแต่ต้น? เพราะความผิดพลาดที่ผมเห็นบ่อยที่สุดเวลาเจ้าของกิจการเอา AI เข้าบริษัท ไม่ใช่ “ใช้ผิดแผนก” หรอกครับ แต่คือ “ให้ AI ทำเกินหน้าที่” — คือเริ่มต้นให้มันช่วยร่างช่วยคิด ซึ่งดีมาก แต่พอเห็นว่ามันเก่ง ก็เผลอเลื่อนขั้นให้มันไป “ตัดสินใจแทน” โดยไม่มีคนคุม แล้วพอมันพลาดทีนึง (ซึ่งมันพลาดได้แน่ๆ เพราะมันเดา ไม่ได้รู้จริง) ความเสียหายก็ตกที่บริษัท ไม่ได้ตกที่ AI ครับ เพราะ AI ไม่เคยต้องรับผิดชอบอะไร คนต่างหากที่ต้องรับ ฉะนั้นใครที่ต้องรับผิดชอบ คนนั้นต้องเป็นคนชี้ขาด

อีกมุมที่อยากฝากไว้ก่อนเริ่ม — AI ไม่ได้มาแทนทั้งแผนก มันมาแทน “บางงานในแผนก” ครับ หลายคนพอได้ยินคำว่า AI เข้าแผนกการตลาด ก็คิดภาพว่าจะไม่ต้องมีทีมการตลาดแล้ว ซึ่งไม่ใช่เลย ภาพที่ถูกกว่าคือ ทีมการตลาดยังอยู่ครบ แต่งานน่าเบื่อๆ ที่กินเวลาเขาวันละหลายชั่วโมงถูกโยนให้ AI ทำแทน ทีมเลยมีเวลาไปทำงานที่ใช้สมอง-ใช้ฝีมือมากขึ้น มองแบบนี้จะช่วยให้คุณตัดสินใจถูก และทีมงานก็ไม่ตื่นตระหนกกลัวตกงานจนต่อต้านของใหม่ด้วย

เอาล่ะ พอปูพื้นเสร็จ เดินเข้าแผนกแรกกันเลยครับ

แผนกที่ 1 — การตลาด (Marketing) : แผนกที่ AI เข้าทางที่สุด#

ถ้าให้ผมจัดอันดับว่าแผนกไหน “เอา AI ไปเล่นได้สนุกและเห็นผลไวที่สุด” ผมยกให้การตลาดเป็นที่หนึ่งเลยครับ เพราะงานการตลาดส่วนใหญ่มันคือ งานสร้างของ + งานเดาใจคน ซึ่งสองอย่างนี้ตรงสเปก AI สมัยนี้เป๊ะ

มาดูกันว่างานในแผนกการตลาดที่ AI เข้าไปช่วยได้มีอะไรบ้าง:

1) งานเขียน / งานคิดคอนเทนต์ — อันนี้ชัดสุด งานเขียนแคปชั่น เขียนคำโฆษณา คิดหัวข้อโพสต์ ร่างอีเมลหาลูกค้า เขียนบทความ พวกนี้แต่เดิมกินเวลาคนทำคอนเทนต์มหาศาล เพราะการนั่งคิดจากหน้ากระดาษเปล่ามันยากกว่าการแก้ของที่มีอยู่แล้วเยอะ AI เข้ามาช่วยตรงนี้ได้ดีมาก ไม่ใช่ในฐานะ “คนเขียนแทน” แต่ในฐานะ “คนร่างฉบับแรกให้” — สมมติว่าทีมการตลาดต้องคิดแคปชั่นโพสต์ขายของชิ้นนึง แทนที่จะนั่งเค้นสมองหาคำเปิด ก็ให้ AI ร่างมาให้สัก 5-6 แบบก่อน แล้วคนค่อยเลือกอันที่ใช่ เอามาขัดเกลาต่อ — จากที่เคยใช้เวลาครึ่งวันกว่าจะได้แคปชั่นที่พอใจ อาจเหลือแค่ชั่วโมงเดียว

2) งานทำภาพ / งานออกแบบเบื้องต้น — ทุกวันนี้ AI สร้างภาพได้แล้ว (ในตอนก่อนๆ ของซีรีส์เราคุยเรื่อง AI สร้างภาพ-สร้างของไปแล้วนะครับ) แผนกการตลาดเอาไปใช้ทำภาพประกอบ ทำ mockup คร่าวๆ ทำตัวเลือกดีไซน์เร็วๆ เพื่อเอาไปคุยกันในทีมก่อนจ้างดีไซเนอร์ทำจริง — ย้ำว่า “ก่อนทำจริง” นะครับ เพราะงานภาพที่จะใช้เป็นทางการ มันยังมีเรื่องคุณภาพและเรื่องลิขสิทธิ์ที่ต้องระวัง (เดี๋ยวมีตอนเฉพาะเรื่องนี้)

3) งานย่อย-วิเคราะห์ลูกค้า — งานอ่านรีวิว อ่านคอมเมนต์ อ่านผลแบบสอบถามจำนวนมากๆ แล้วสรุปว่า “ลูกค้าส่วนใหญ่บ่นเรื่องอะไร ชอบเรื่องอะไร” — แต่เดิมงานแบบนี้ต้องมีคนนั่งไล่อ่านทีละอัน เหนื่อยและช้า AI อ่านภาษาคนเข้าใจ เลยช่วยจับใจความรวมๆ ได้ว่ากระแสไปทางไหน (แต่ถ้าจะเอาตัวเลขเป๊ะๆ ไปตัดสินใจใหญ่ ก็ต้องให้คนเช็คซ้ำนะครับ — หลัก “AI ร่าง คนชี้ขาด” เดิม)

4) งานคิดไอเดียแคมเปญ / ระดมสมอง — เวลาทีมตันคิดไม่ออก AI เป็นคู่คิดที่ดีมากครับ โยนโจทย์ให้มันช่วยปั่นไอเดียมาเยอะๆ ก่อน แล้วคนค่อยคัด ไอเดียที่มันปั่นมาส่วนใหญ่อาจจะใช้ไม่ได้ แต่บางทีมันจุดประกายให้เราคิดต่อไปทางที่ไม่เคยคิด

ลองนึกภาพฉากสมมติให้เห็นจังหวะการทำงานจริงนะครับ — สมมติว่าทีมการตลาดของร้านขายของแห่งหนึ่งต้องปล่อยโปรโมชันใหม่ในอีกสามวัน แต่เดิมงานนี้คือนั่งประชุมกันครึ่งวันเพื่อเคาะธีม แล้วอีกครึ่งวันนั่งเขียนแคปชั่นกับคิดหัวข้อโพสต์ พอมี AI เข้ามา จังหวะมันเปลี่ยนเป็น — เช้านี้คนในทีมโยนโจทย์ให้ AI ช่วยปั่นธีมโปรโมชันมาสิบแบบภายในห้านาที ทีมอ่านแล้วขีดฆ่าเหลือสามแบบที่น่าสนใจ จากนั้นให้ AI ช่วยร่างแคปชั่นของแต่ละแบบมาให้ดู คนในทีมก็เอามาเกลา ปรับให้เป็นเสียงของแบรนด์ ตัดมุกที่ฝืดออก เติมรายละเอียดจริงของร้านที่ AI ไม่รู้เข้าไป — สังเกตว่า AI ไม่ได้มาแทนคนทำการตลาดเลยนะครับ คนยังเป็นคนตัดสินทุกขั้น แค่ส่วนที่ “นั่งจ้องหน้ากระดาษเปล่า” ซึ่งกินพลังและกินเวลาที่สุด ถูกตัดออกไป

มาดูเป็นตารางสรุปแผนกการตลาดกันครับ (ตัวอย่างทั้งหมดเป็นงานแบบทั่วไปที่บริษัทส่วนใหญ่ทำกัน ไม่ใช่เคสบริษัทไหนเป็นพิเศษ):

💡 มุมเจ้าของกิจการ: การตลาดเป็นแผนกที่ “ลองง่าย เจ็บน้อย” ที่สุดครับ เพราะถ้า AI ร่างแคปชั่นมาห่วย คุณก็แค่ไม่ใช้ ไม่มีใครเดือดร้อน ต่างจากการเอา AI ไปยุ่งกับเงินหรือสัญญาที่พลาดแล้วเจ็บจริง ฉะนั้นถ้าจะเริ่มทดลอง AI ในบริษัท แผนกการตลาดคือสนามซ้อมที่ดีที่สุด ให้ทีมได้ลองจับ ลองเล่น คุ้นมือก่อน แล้วค่อยขยายไปแผนกที่ความเสี่ยงสูงขึ้น

แผนกที่ 2 — การเงิน/บัญชี (Finance) : แผนกที่ต้องระวังมือที่สุด#

ทีนี้ข้ามมาอีกขั้วเลยครับ การเงินกับบัญชี — แผนกที่ผมอยากให้ “ระวังมือ” มากที่สุดเวลาเอา AI เข้าไปยุ่ง ไม่ใช่เพราะ AI ช่วยไม่ได้นะครับ ช่วยได้เยอะเลย แต่เพราะแผนกนี้มัน ผิดไม่ได้ ตัวเลขพลาดบาทเดียวก็เป็นเรื่อง แล้วอย่างที่เราคุยกันในตอนก่อนๆ ว่า AI มันมี “อาการหลอน” (hallucination) คือมั่นใจมากแต่มั่วได้ — ซึ่งกับงานการตลาดมันไม่เป็นไร แต่กับงานเงินนี่อันตราย

แล้วถ้างั้น AI ช่วยแผนกการเงินตรงไหนได้บ้าง? คำตอบคือ ช่วยงานรอบๆ ตัวเลข แต่ไม่ใช่ตัวการคำนวณชี้ขาด ครับ:

1) งานอ่าน-ย่อยเอกสารการเงิน — สมมติว่ามีรายงานการเงินหนาๆ หรือสัญญายาวๆ ที่ต้องอ่าน AI ช่วยย่อให้ได้ว่าใจความสำคัญอยู่ตรงไหน มีเงื่อนไขอะไรที่ต้องระวัง ช่วยให้คนการเงินไม่ต้องไล่อ่านทุกบรรทัดเอง แต่ — และนี่สำคัญ — ต้องเอาคนไปอ่านจุดสำคัญซ้ำเสมอ เพราะถ้า AI สรุปตกหล่นเงื่อนไขสำคัญไปข้อนึง อาจเสียหายได้

2) งานร่างคำอธิบาย / รายงานเชิงบรรยาย — ตัวเลขให้ระบบบัญชีคำนวณนะครับ แต่ “คำอธิบายประกอบตัวเลข” เช่นร่างย่อหน้าสรุปว่าเดือนนี้ทำไมยอดขึ้นยอดลง อันนี้ AI ช่วยร่างได้ดี เพราะมันคืองานเขียน ไม่ใช่งานคำนวณ

3) งานช่วยจับสิ่งผิดปกติ (ในฐานะผู้ช่วย ไม่ใช่ผู้ตัดสิน) — AI พอจะช่วยสะกิดได้ว่า “รายการนี้ดูแปลกๆ นะ ต่างจากปกติเยอะ ลองเช็คหน่อยไหม” เหมือนมีผู้ช่วยคอยชี้จุดให้คนไปดูต่อ แต่ย้ำว่ามัน ชี้ให้ดู ไม่ใช่ตัดสินแทน — คนการเงินยังต้องเป็นคนยืนยันว่าจริงๆ มันผิดปกติหรือเปล่า

4) งานตอบคำถามขั้นตอน — พวกคำถามซ้ำๆ ในออฟฟิศแบบ “เบิกค่าเดินทางทำยังไง” “ส่งเอกสารภายในวันไหน” AI ช่วยตอบแทนคนการเงินได้ ลดงานจุกจิกลง

ลองดูฉากสมมติให้เห็นเส้นแบ่งชัดๆ นะครับ — สมมติว่าโรงงานแห่งหนึ่งได้สัญญาซื้อขายกับคู่ค้าใหม่มาฉบับนึง หนาเป็นสิบหน้า ภาษากฎหมายอ่านยาก เดิมทีคนการเงินต้องนั่งไล่อ่านทุกบรรทัดเพื่อหาว่ามีเงื่อนไขอะไรที่ต้องระวัง กินเวลาครึ่งวัน พอมี AI ช่วย จังหวะเปลี่ยนเป็น — ให้ AI อ่านแล้วสรุปก่อนว่า “เงื่อนไขการจ่ายเงินอยู่หน้าไหน มีค่าปรับถ้าจ่ายช้าไหม มีข้อผูกมัดระยะยาวอะไรบ้าง” คนการเงินเลยรู้ว่าต้องไปเพ่งจุดไหนเป็นพิเศษ แต่ (และนี่คือหัวใจ) คนการเงินยัง ต้องเปิดไปอ่านจุดสำคัญนั้นด้วยตาตัวเองทุกครั้ง ไม่ใช่เชื่อสรุปของ AI แล้วเซ็นเลย เพราะถ้า AI สรุปตกหล่นเงื่อนไขค่าปรับไปบรรทัดเดียว แล้วบริษัทเซ็นไปโดยไม่รู้ ความเสียหายอาจเป็นเงินก้อนโต เห็นไหมครับว่า AI ช่วย “ชี้จุดให้ไปดู” แต่คน “ดูและตัดสิน” เหมือนเดิม

จุดสำคัญที่สุดของแผนกนี้ ผมขอตีกรอบให้ชัดเลยครับ — อย่าเอา AI ไปเป็นคนคำนวณตัวเลขเงินตรงๆ แบบไม่มีคนเช็ค และอย่าให้ AI เป็นคนกดอนุมัติจ่ายเงินเอง เด็ดขาด งานพวกนี้ต้องผ่านสายตาคนและผ่านระบบบัญชีที่คำนวณแบบกฎตายตัว (ซึ่งจริงๆ ตรงนี้เป็นงานของ automation มากกว่า AI ด้วยซ้ำ — ยังจำตอน “AI กับ automation ต่างกันยังไง” ได้ไหมครับ การคำนวณเป๊ะๆ คืองานของ automation/ระบบบัญชี ไม่ใช่ AI)

💡 มุมเจ้าของกิจการ: หลักง่ายๆ สำหรับแผนกการเงินคือ “ให้ AI แตะข้อมูลได้ แต่ห้ามแตะการตัดสินใจเรื่องเงิน” ครับ ใช้มันเป็นผู้ช่วยอ่าน ผู้ช่วยร่าง ผู้ช่วยสะกิด ได้เต็มที่ แต่ปุ่มที่กดแล้วเงินออกจากบริษัท ต้องเป็นนิ้วคนกดเสมอ อย่าเพราะเห็นว่ามันฉลาดแล้วใจอ่อนปล่อยให้มันตัดสินเรื่องเงินเอง

แผนกที่ 3 — ทรัพยากรบุคคล (HR) : ช่วยได้เยอะ แต่ไวต่อ “ความรู้สึกคน”#

แผนก HR นี่น่าสนใจครับ เพราะงานมันมีทั้งสองโลกปนกัน — มีทั้งงานเอกสารซ้ำๆ เยอะมาก (ซึ่ง AI เข้าทางสุด) และมีทั้งงานที่ต้องตัดสินอนาคตคน (ซึ่งต้องระวังสุดๆ) อยู่ในแผนกเดียวกัน

งานที่ AI ช่วย HR ได้ดี:

1) งานร่างเอกสาร HR — ร่างประกาศรับสมัครงาน ร่างอีเมลตอบผู้สมัคร ร่างเอกสารต้อนรับพนักงานใหม่ ร่างหนังสือภายใน พวกนี้เป็นงานเขียนซ้ำๆ ที่ AI ร่างฉบับแรกให้ได้สบาย คน HR เอาไปขัดเกลา

2) งานตอบคำถามพนักงาน — ออฟฟิศหนึ่งๆ คน HR โดนถามคำถามเดิมๆ วันละหลายรอบ “วันลาเหลือกี่วัน” “สวัสดิการนี้เบิกยังไง” “วันหยุดบริษัทมีวันไหนบ้าง” — งานพวกนี้ AI (ในรูปผู้ช่วยตอบอัตโนมัติ) รับไปตอบแทนได้เยอะ ทำให้ HR มีเวลาไปทำงานที่ต้องใช้คนจริงๆ มากขึ้น

3) งานช่วยอ่านใบสมัครรอบแรก — อันนี้ต้องพูดให้ระวังหน่อยครับ คือเวลามีใบสมัครเข้ามาเยอะมากๆ AI พอจะช่วยคัดกรองรอบแรกได้ว่าใบไหนพอเข้าเกณฑ์พื้นฐานที่เราตั้งไว้ เพื่อลดกองให้คนไปอ่านต่อ — แต่ห้ามให้ AI เป็นคนตัดสินว่ารับหรือไม่รับใคร เด็ดขาด เพราะนี่คือการตัดสินอนาคตคน และที่สำคัญมาก AI อาจมี อคติ (bias) ติดมาโดยที่เราไม่รู้ตัว เช่นถ้าข้อมูลที่มันเรียนมาในอดีตเคยลำเอียงไปทางใดทางหนึ่ง มันอาจคัดคนแบบลำเอียงตามโดยที่ดูเหมือนเป็นกลาง อันนี้อันตรายและไม่เป็นธรรมกับผู้สมัคร ฉะนั้นใช้มันแค่ “ช่วยจัดกอง” ได้ แต่คนต้องเป็นผู้ตัดสินทุกครั้ง

อธิบายคำว่า “ช่วยจัดกอง” ให้ชัดหน่อยนะครับ — หมายถึงงานพื้นฐานแบบ “ใบสมัครนี้ระบุประสบการณ์ตรงตามที่ประกาศไหม กรอกข้อมูลครบไหม” ซึ่งเป็นการเช็คตามเกณฑ์ที่คนเป็นคนตั้ง ไม่ใช่ให้ AI ไปตีความว่า “คนนี้นิสัยดีน่าจะเข้ากับทีม” ซึ่งเป็นเรื่องที่ AI ตัดสินไม่ได้และไม่ควรตัดสิน เส้นแบ่งคือ AI ช่วย “จัดเรียง-คัดกองตามเกณฑ์ชัดๆ” ได้ แต่ “การประเมินตัวคน” ต้องเป็นสายตาคน HR เสมอ

4) งานสรุปผลสำรวจความเห็นพนักงาน — เหมือนงานอ่านรีวิวของฝ่ายการตลาดเลยครับ ถ้าทำแบบสำรวจความพึงพอใจพนักงานแล้วได้คำตอบปลายเปิดมาเยอะ AI ช่วยย่อยให้เห็นภาพรวมได้ว่าคนในองค์กรกังวลเรื่องอะไรเป็นหลัก

ขอยกฉากสมมติเรื่องอคติให้เห็นภาพชัดๆ เพราะมันสำคัญมากครับ — สมมติว่าบริษัทแห่งหนึ่งเอา AI มาช่วยคัดใบสมัครรอบแรก โดยให้มันเรียนรู้จาก “พนักงานเก่งๆ ที่บริษัทเคยรับในอดีต” ฟังดูดีใช่ไหมครับ ให้มันหาคนที่คล้ายคนเก่งเดิม — แต่ถ้าบังเอิญในอดีตบริษัทเคยรับคนจากกลุ่มใดกลุ่มหนึ่งเป็นส่วนใหญ่ (ไม่ว่าจะตั้งใจหรือไม่) AI ก็จะ “เรียนรู้” ว่าคนกลุ่มนั้นคือคนที่ใช่ แล้วเผลอตัดคนกลุ่มอื่นที่อาจเก่งพอกันออกไปเงียบๆ โดยที่ดูเหมือนเป็นกลางและมีเหตุผล — นี่คืออันตรายของอคติที่ติดมากับข้อมูล มันมองไม่เห็นด้วยตาเปล่า และไม่เป็นธรรมกับผู้สมัครที่ถูกตัดทิ้งโดยไม่มีโอกาส ฉะนั้นกับ HR ยิ่งต้องระวังเรื่องนี้เป็นพิเศษ

ส่วนเส้นที่ห้ามข้ามของ HR ผมว่าชัดเจน — เรื่องที่กระทบชีวิต-ความรู้สึก-อนาคตของคน อย่าให้ AI ตัดสิน ไม่ว่าจะเป็นการรับเข้า การเลื่อนตำแหน่ง การประเมินผล หรือเรื่องร้องเรียนละเอียดอ่อน เพราะนอกจากเรื่องอคติแล้ว มันยังเป็นเรื่อง “ความเป็นคน” ที่ต้องการการตัดสินด้วยใจและบริบท ซึ่ง AI ไม่มี ลองนึกดูครับว่าถ้าพนักงานคนหนึ่งถูกระบบประเมินผลแบบอัตโนมัติให้คะแนนต่ำจนกระทบโบนัส แล้วเขามาถามว่า “ทำไม” — ถ้าคำตอบคือ “ระบบมันคำนวณมาแบบนี้” โดยไม่มีคนอธิบายได้ มันไม่แฟร์กับเขาเลยใช่ไหมครับ เรื่องคนต้องมีคนรับผิดชอบและอธิบายได้เสมอ

💡 มุมเจ้าของกิจการ: กับ HR ผมอยากเตือนเรื่องที่หลายคนมองข้าม — เรื่องข้อมูลส่วนตัวพนักงาน ครับ ข้อมูล HR มันละเอียดอ่อนมาก เงินเดือน ประวัติ เรื่องส่วนตัว ก่อนจะเอาเครื่องมือ AI ตัวไหนมาช่วยงาน HR ต้องถามให้ชัดว่า “ข้อมูลที่เราป้อนเข้าไป มันไปไหนต่อ ใครเห็นได้บ้าง เก็บที่ไหน” อย่าเผลอเอาข้อมูลพนักงานทั้งบริษัทไปป้อนเครื่องมือฟรีๆ ที่ไม่รู้ที่มาที่ไป เดี๋ยวจะกลายเป็นปัญหาใหญ่กว่าเดิม (เรื่องนี้สำคัญมากจนผมว่าจะแยกไปเล่าเป็นตอนเฉพาะเลย)

แผนกที่ 4 — ปฏิบัติการ/คลังสินค้า (Operations) : AI มาช่วย “มองล่วงหน้า”#

แผนกปฏิบัติการ — พวกงานคลังสินค้า งานจัดส่ง งานวางแผนผลิต งานดูแลของไหลเข้าไหลออก — แผนกนี้น่าสนใจตรงที่ AI เข้ามาเล่นบทที่ต่างจากแผนกอื่นนิดนึง คือมาช่วย “มองล่วงหน้า” ครับ

ขอแยกให้เห็นชัดก่อนนะครับ ว่างานปฏิบัติการเดิมๆ ส่วนใหญ่มันคืองาน automation ไม่ใช่ AI — เช่นพอมีออเดอร์เข้า ระบบตัดสต็อกอัตโนมัติ พอสต็อกถึงจุดต่ำสุดระบบเด้งเตือนให้สั่งของ พวกนี้คือกฎตายตัว ไม่ต้องใช้ AI (ยังจำหลักจากตอน AI vs automation ได้นะครับ — กฎชัดใช้ automation พอ) แล้ว AI มันมาเสริมตรงไหน? มันมาตรงงานที่ต้อง “เดา/คาดการณ์” ซึ่ง automation ทำไม่ได้:

1) ช่วยคาดการณ์ความต้องการ (เดาว่าของไหนจะขายดี) — แทนที่จะสั่งของแบบเดาเอาจากความรู้สึก AI ช่วยมองรูปแบบจากอดีตได้ว่า “ช่วงนี้ของแบบนี้มักจะขายดี น่าจะสั่งเพิ่ม” หรือ “ของตัวนี้ขายช้าลง ระวังของค้าง” — ย้ำว่ามันช่วย “เดาให้แม่นขึ้น” ไม่ใช่ “เดาแม่นเป๊ะ 100%” นะครับ ของจริงยังต้องมีคนตัดสินใจสั่งอยู่ดี แต่มีตัวช่วยมองให้ดีกว่าเดาเปล่าๆ

2) ช่วยจัดเส้นทางส่งของ — งานวางแผนว่ารถส่งของควรวิ่งเส้นไหนให้ประหยัดเวลา-น้ำมัน เป็นงานที่ AI ช่วยคิดได้ เพราะมันคือการหาทางที่ดีที่สุดจากตัวเลือกเยอะๆ ซึ่งคนคิดเองทีละเส้นไหวยาก ลองนึกภาพว่าวันหนึ่งมีของต้องส่งหลายจุดทั่วเมือง ถ้าให้คนนั่งวางลำดับเองว่าไปจุดไหนก่อนหลังให้คุ้มที่สุด มันคิดได้แต่ช้าและไม่แน่ว่าดีสุด AI ช่วยลองสลับลำดับเป็นร้อยเป็นพันแบบในพริบตาแล้วเสนอเส้นที่น่าจะคุ้มที่สุดให้ — คนขับหรือคนวางแผนก็ยังปรับได้ตามหน้างานจริง เช่นรู้ว่าช่วงนี้ถนนเส้นนี้ปิดซ่อม ซึ่งเป็นข้อมูลที่ AI อาจไม่รู้

3) ช่วยมองล่วงหน้าว่าเครื่องจักรจะเสีย — ในโรงงาน AI พอจะช่วยจับสัญญาณได้ว่าเครื่องจักรตัวไหนเริ่มมีอาการผิดปกติ น่าจะต้องซ่อมก่อนที่มันจะพังจริง ทำให้วางแผนซ่อมล่วงหน้าได้ ไม่ต้องรอให้พังกลางคันแล้วงานสะดุด

4) ช่วยตรวจคุณภาพด้วยภาพ — บนสายการผลิต AI ดูภาพแล้วช่วยคัดของที่มีตำหนิออกได้ (เหมือนตัวอย่าง “สายพานที่มีสมอง” ที่ผมเคยเล่าในตอน AI vs automation นั่นแหละครับ)

ลองดูฉากสมมติให้เห็นว่า “การมองล่วงหน้า” มันมีค่ายังไงครับ — สมมติว่าร้านขายของแห่งหนึ่งทุกปีจะมีช่วงที่ของบางอย่างขายดีเป็นพิเศษ แต่เจ้าของก็มักจะนึกขึ้นได้ช้าไปนิด สั่งของไม่ทัน ของหมดสต็อกพอดีตอนลูกค้าแห่มา เสียโอกาสขายไปทุกปี ทีนี้พอมี AI ช่วยมองรูปแบบการขายย้อนหลัง มันก็สะกิดล่วงหน้าได้ว่า “ช่วงนี้กำลังจะมา ของกลุ่มนี้ปีก่อนๆ ขายพุ่ง ลองเตรียมสต็อกเพิ่มไหม” — เจ้าของเลยมีเวลาตัดสินใจสั่งของล่วงหน้าทันเวลา แทนที่จะมารู้ตัวตอนของหมดแล้ว ย้ำว่า AI แค่ “สะกิดให้เห็นแนวโน้ม” นะครับ คนยังเป็นคนตัดสินใจว่าจะสั่งเท่าไหร่ เพราะคนรู้บริบทที่ AI ไม่รู้ เช่นปีนี้เศรษฐกิจเป็นยังไง มีคู่แข่งเปิดใหม่ข้างๆ ไหม

จะเห็นว่าแผนกปฏิบัติการ AI ส่วนใหญ่มาในบทบาท “ผู้ช่วยมองและเดา” ให้แม่นขึ้น ส่วนการลงมือจริง-การตัดสินใจสั่งของ-การเซ็นอนุมัติ ยังเป็นงานของคนและระบบ automation เหมือนเดิม

💡 มุมเจ้าของกิจการ: จุดที่ผมว่าคุ้มสุดในแผนกปฏิบัติการคือ “การมองล่วงหน้า” ครับ เพราะธุรกิจส่วนใหญ่เจ็บตัวจากเรื่องที่ “ไม่ทันตั้งตัว” — ของหมดตอนลูกค้าต้องการ ของค้างเต็มคลังจนเงินจม เครื่องพังกลางงานเร่ง ถ้า AI ช่วยให้เรา “เห็นก่อนล่วงหน้าสักนิด” แม้จะไม่เป๊ะ มันก็ช่วยให้เราเตรียมตัวทันแทนที่จะมาแก้ตอนเป็นเรื่องแล้ว อันนี้แหละคือมูลค่าจริงๆ ของ AI ในงานปฏิบัติการ ไม่ใช่ความหวือหวา แต่คือ “ลดเรื่องที่มาแบบไม่ทันตั้งตัว”

แผนกที่ 5 — บริการลูกค้า (Customer Service) : สนามที่ AI ดังที่สุด แต่กับดักก็เยอะที่สุด#

มาถึงแผนกสุดท้ายที่ผมว่าทุกคนนึกถึงเป็นอันดับแรกเวลาพูดถึง AI ในธุรกิจเลย — บริการลูกค้า ครับ เพราะนี่คือจุดที่เราเห็น “แชทบอท” “ผู้ช่วยตอบอัตโนมัติ” กันบ่อยที่สุด แต่พอดีที่มันดังที่สุด มันก็เลยมีกับดักให้พลาดเยอะที่สุดด้วยเหมือนกัน

งานที่ AI ช่วยบริการลูกค้าได้ดี:

1) ตอบคำถามซ้ำๆ ที่ถามกันบ่อยมาก — นี่คือจุดที่ AI คุ้มสุดในแผนกนี้ คำถามพื้นๆ ที่ลูกค้าถามวนเวียนทุกวัน “ร้านเปิดกี่โมง” “ส่งของกี่วันถึง” “คืนของยังไง” — งานพวกนี้ให้ AI ตอบแทนได้สบาย ตอบได้ 24 ชั่วโมงไม่ต้องรอคนมาเปิดร้าน ทำให้พนักงานจริงมีเวลาไปจัดการเรื่องยากๆ ที่ต้องใช้คนแทน

2) ช่วยร่างคำตอบให้พนักงาน (ไม่ใช่ตอบแทนตรงๆ) — โมเดลที่ผมว่าฉลาดและปลอดภัยกว่าการให้บอทตอบเดี่ยว คือให้ AI ร่างคำตอบขึ้นมาก่อน แล้วพนักงานคนจริงเป็นคนกดส่ง — แบบนี้ได้ความเร็วของ AI แต่ยังมีคนคุมคุณภาพ ลูกค้าได้คำตอบจากคนจริงที่มี AI ช่วยร่าง

3) ช่วยจัดลำดับ-คัดแยกเรื่อง — พอลูกค้าทักเข้ามาเยอะๆ AI ช่วยอ่านคร่าวๆ ว่าเรื่องนี้เร่งไหม เป็นเรื่องอะไร ควรส่งต่อให้แผนกไหน เหมือนมีคนรับสายหน้าด่านที่คัดเรื่องให้ก่อน

4) ช่วยสรุปบทสนทนาให้พนักงาน — เวลาเรื่องถูกส่งต่อจากคนนึงไปอีกคน AI ช่วยสรุปให้ว่า “ลูกค้ารายนี้คุยอะไรมาแล้วบ้าง ติดปัญหาตรงไหน” คนรับช่วงต่อไม่ต้องอ่านแชทยาวเองทั้งหมด

ทีนี้มาที่กับดัก เพราะแผนกนี้พลาดง่ายและพลาดแล้วลูกค้าเห็นทันที:

กับดักที่ 1 — เอาบอทไปขวางทาง แทนที่จะช่วย ถ้าตั้งระบบไม่ดี บอทจะกลายเป็นกำแพงที่ลูกค้าต้องพยายามฝ่าเพื่อจะได้คุยกับคนจริง ลูกค้าที่กำลังหัวร้อนอยู่แล้วเจอบอทตอบวนไม่ตรงเรื่อง ยิ่งโมโหหนักขึ้น ทางออกคือต้องมี “ปุ่มขอคุยกับคน” ที่กดง่ายเสมอ อย่าขังลูกค้าไว้กับบอท

กับดักที่ 2 — บอทมั่ว แล้วลูกค้าเชื่อ AI มันมีอาการหลอนได้ (เรื่องเดิมที่เราคุยกันมาตลอด) ถ้าปล่อยบอทตอบเรื่องสำคัญเองเดี่ยวๆ มันอาจตอบมั่นใจแต่ผิด เช่นบอกเงื่อนไขคืนของผิด แล้วลูกค้าเชื่อ พอเอาเข้าจริงไม่ตรง — กลายเป็นเรื่องร้องเรียน ฉะนั้นเรื่องที่มีผลผูกพัน (เงื่อนไข ราคา สัญญา) อย่าปล่อยให้บอทตอบเองแบบไม่มีคนคุม

กับดักที่ 3 — ลืมบอกลูกค้าว่ากำลังคุยกับบอท อันนี้เป็นเรื่องมารยาทและความไว้ใจครับ ลูกค้าหลายคนรู้สึกไม่ดีถ้ารู้ทีหลังว่าที่คุยอยู่คือบอท การบอกตรงๆ ว่า “ตอนนี้เป็นผู้ช่วยอัตโนมัตินะคะ เดี๋ยวถ้าต้องการคุยกับเจ้าหน้าที่กดตรงนี้ได้เลย” กลับทำให้ลูกค้าสบายใจกว่า

ลองนึกภาพฉากสมมติที่ทำถูกกับทำผิดเทียบกันครับ — สมมติว่าลูกค้ารายหนึ่งสินค้าที่สั่งมาส่งช้า กำลังหงุดหงิด ทักเข้ามาในเพจ แบบที่พลาด: บอทตอบวนอยู่กับเมนู “กด 1 เพื่อเช็คสถานะ กด 2 เพื่อ…” ลูกค้าพิมพ์ว่า “ของยังไม่ถึงเลยค่ะ ร้อนใจมาก” บอทดันตอบกลับเป็นข้อความต้อนรับเดิมๆ เพราะมันงงคำที่ไม่ตรงเมนู — ลูกค้ายิ่งโมโห หาปุ่มคุยกับคนก็ไม่เจอ สุดท้ายไปรีวิวด่าร้าน แบบที่ดี: บอทอ่านออกว่าลูกค้าอารมณ์ไม่ดีและเป็นเรื่องการจัดส่งที่ค่อนข้างเร่ง เลยตอบสั้นๆ อย่างสุภาพว่ากำลังส่งต่อให้เจ้าหน้าที่ดูแลทันที พร้อมสรุปเรื่องให้พนักงานคนจริงเสร็จสรรพ พนักงานรับช่วงต่อโดยรู้บริบทแล้ว ตอบลูกค้าได้ตรงจุดเร็ว — เห็นความต่างไหมครับ ตัวเทคโนโลยีเดียวกัน แต่ “ออกแบบให้ AI รู้จักส่งไม้ต่อให้คน” กับ “ปล่อยให้ AI ดันทุรังตอบเอง” ผลลัพธ์คนละเรื่องเลย

💡 มุมเจ้าของกิจการ: หัวใจของ AI ในงานบริการลูกค้าคือ “ใช้ AI รับงานง่ายๆ ปริมาณเยอะ เพื่อปลดปล่อยคนไปทำงานยากที่ต้องใช้ใจ” ครับ ไม่ใช่ “ใช้ AI แทนคนทั้งหมดเพื่อประหยัดค่าจ้าง” — เพราะถ้าคิดแบบหลัง คุณจะเผลอเอาบอทไปรับงานที่มันยังไม่พร้อม แล้วลูกค้าก็หนีไป สุดท้ายประหยัดค่าคนได้นิดเดียวแต่เสียลูกค้าไปเยอะกว่า ไม่คุ้ม

งานข้ามแผนกที่ AI ช่วยได้ — และ 3 หลุมที่คนตกซ้ำๆ#

เดินครบ 5 แผนกแล้ว ผมขอแถมอีกมุมที่หลายคนมองข้าม คือมีงานบางประเภทที่มันไม่ได้อยู่แผนกใดแผนกหนึ่ง แต่ โผล่ในทุกแผนก เลย — แล้วงานพวกนี้แหละที่ AI ช่วยได้แทบจะทันที ไม่ต้องลงทุนอะไรใหญ่โต:

• งานสรุปประชุม — ทุกแผนกประชุม ทุกแผนกต้องจดสรุป AI ช่วยย่อบันทึกการประชุมยาวๆ ให้เหลือ “ตกลงอะไรกัน ใครต้องทำอะไรต่อ” ได้
• งานร่างอีเมล/หนังสือภายใน — ไม่ว่าแผนกไหนก็ต้องเขียนอีเมล AI ร่างฉบับแรกให้ได้หมด
• งานแปลภาษา — ติดต่อต่างประเทศ อ่านเอกสารภาษาอังกฤษ AI ช่วยแปลคร่าวๆ ให้พอเข้าใจได้เร็ว (งานทางการก็ยังต้องคนเช็คนะครับ)
• งานหาข้อมูล-เรียบเรียงเบื้องต้น — ต้องเริ่มศึกษาเรื่องใหม่ AI ช่วยปูพื้นให้เร็วก่อนไปหาแหล่งจริงต่อ

เห็นไหมครับว่างานข้ามแผนกพวกนี้ “เริ่มได้พรุ่งนี้เลย” โดยไม่ต้องวางระบบใหญ่ — เหมาะมากสำหรับให้คนทั้งบริษัทได้ลองคุ้นมือกับ AI

ทีนี้ขออีกฝั่ง — 3 หลุมที่ผมเห็นเจ้าของกิจการตกซ้ำๆ ไม่ว่าจะแผนกไหน เอาไว้เป็นเช็กลิสต์เตือนตัวเองครับ:

หลุมที่ 1 — “เห็นเขาใช้ก็อยากใช้บ้าง” โดยไม่ดูว่างานเราเข้าทางไหม หลายคนเอา AI มาเพราะกลัวตกเทรนด์ ไม่ได้เริ่มจากปัญหาจริงในบริษัท ผลคือซื้อมาแล้วไม่รู้จะใช้ตรงไหน เงินจมเปล่า วิธีที่ถูกคือเริ่มจาก “งานไหนในบริษัทที่กวนใจที่สุด/กินเวลาที่สุด” แล้วค่อยหาว่า AI ช่วยตรงนั้นได้ไหม ไม่ใช่ซื้อ AI มาก่อนแล้วค่อยหางานให้มันทำ

หลุมที่ 2 — ป้อนข้อมูลลับของบริษัทเข้าเครื่องมือฟรีๆ ที่ไม่รู้ที่มา อันนี้เจ็บได้จริงครับ ข้อมูลลูกค้า ข้อมูลพนักงาน ตัวเลขภายใน สูตรลับ ถ้าเผลอเอาไปป้อนเครื่องมือที่ไม่รู้ว่าเก็บข้อมูลไปทำอะไรต่อ มันอาจรั่วไหลได้ ก่อนใช้เครื่องมือไหนกับข้อมูลสำคัญ ต้องถามให้ชัดว่า “ข้อมูลที่เราป้อน ไปไหนต่อ ใครเห็นได้ เก็บไว้นานแค่ไหน”

หลุมที่ 3 — ลืมว่า “คนต้องคุม” แล้วปล่อยยาว ช่วงแรกทุกคนตั้งใจเช็คงานที่ AI ทำ แต่พอใช้ไปนานๆ เห็นว่ามันทำดีตลอด ก็เริ่มชะล่าใจ ปล่อยให้มันทำเองโดยไม่ดู — แล้ววันที่มันพลาดก็มักเป็นวันที่ไม่มีใครดูพอดี ฉะนั้นการ “ให้คนคุม” ต้องเป็นกติกาถาวร ไม่ใช่แค่ช่วงแรก

💡 มุมเจ้าของกิจการ: ถ้าจะให้ผมสรุปวิธีเริ่มแบบปลอดภัยที่สุดเป็นประโยคเดียว คือ “เริ่มจากงานข้ามแผนกที่เสี่ยงต่ำ ให้คนทั้งบริษัทได้ลองก่อน แล้วค่อยขยับไปงานเฉพาะแผนกที่เสี่ยงสูงขึ้นทีละขั้น โดยมีคนคุมตลอด” ครับ ไม่ต้องรีบ ไม่ต้องใหญ่ ค่อยเป็นค่อยไปแต่ไปถูกทาง

ภาพรวมทั้ง 5 แผนก — มองทะลุในตารางเดียว#

เดินครบ 5 แผนกแล้ว ผมขอรวบทุกแผนกมาไว้ในตารางเดียวให้เห็นภาพทั้งบ้านพร้อมกันครับ จะได้เปรียบเทียบกันง่ายๆ ว่าแผนกไหน “เริ่มได้เลย” แผนกไหน “ต้องระวังมือ”:

มองตารางนี้แล้วผมว่าเห็นเส้นทางชัดเลยครับ — ถ้าจะเริ่มเอา AI เข้าบริษัท ให้เริ่มจากซ้ายบนไปขวาล่าง คือเริ่มที่การตลาด (เสี่ยงต่ำ ลองง่าย) ให้ทีมคุ้นมือ เห็นว่ามันช่วยได้จริง แล้วค่อยขยับลงไปแผนกที่เสี่ยงสูงขึ้นเรื่อยๆ โดยเพิ่มความระมัดระวังและการ “ให้คนคุม” มากขึ้นตามความเสี่ยง พอถึงการเงินซึ่งเสี่ยงสุด ก็ใช้แบบจำกัดวงที่สุด

มีอีกมุมที่ผมว่าควรพูดให้ครบ — มีงานบางอย่างที่ผมว่ายังไม่ควรเอา AI ไปแตะแบบปล่อยมือเลยในตอนนี้ ไม่ว่าแผนกไหน ขอไล่ให้ฟังครับ: งานที่ต้องรับผิดชอบตามกฎหมาย (เซ็นสัญญา ยื่นเอกสารราชการ), งานที่ตัดสินอนาคตคนแบบชี้ขาด (รับ-ไล่ออก-เลื่อนขั้น), งานที่ผิดแล้วแก้คืนไม่ได้หรือเสียหายหนัก (โอนเงินก้อนใหญ่ ลบข้อมูลสำคัญ), และงานที่ต้องใช้ “ใจ” จริงๆ (ปลอบลูกค้าที่เจอเรื่องร้ายแรง ดูแลพนักงานที่มีปัญหาส่วนตัว) — ไม่ใช่ว่า AI ช่วยงานพวกนี้ไม่ได้เลยนะครับ มันช่วย “ร่าง/เตรียม/สะกิด” ได้ แต่ห้ามให้มันเป็นคนกดปุ่มสุดท้าย เพราะของพวกนี้ถ้าพลาดแล้วไม่มีใครยอมรับคำว่า “ระบบมันทำเอง” หรอกครับ

อีกเรื่องที่อยากเตือนเบาๆ คือ อย่าเพิ่งคาดหวังว่าเอา AI เข้าวันแรกแล้วทุกอย่างจะดีขึ้นทันที ของจริงมันมีช่วง “ลองผิดลองถูก” ครับ ช่วงแรกอาจรู้สึกว่าเสียเวลามากกว่าเดิมด้วยซ้ำ เพราะต้องเรียนรู้ว่าจะสั่งงานมันยังไง ต้องคอยเช็คงานมัน แต่พอผ่านช่วงนั้นไป ทีมเริ่มคุ้นมือ รู้ว่างานไหนเชื่อมันได้แค่ไหน ตรงนั้นแหละที่จะเริ่มเห็นว่ามันช่วยประหยัดเวลาได้จริง อดทนกับช่วงต้นหน่อยนะครับ

และสังเกตไหมครับว่าไม่ว่าแผนกไหน หลักมันวนกลับมาที่ “AI ร่าง คนชี้ขาด” ที่ผมปูไว้ตอนต้นเสมอ — การตลาด AI ร่างแคปชั่น คนเลือก, การเงิน AI ย่อยเอกสาร คนตัดสิน, HR AI ร่างประกาศ คนอนุมัติ, บริการลูกค้า AI ร่างคำตอบ คนกดส่ง — ต่างกันแค่หน้าตางาน แต่หลักเดียวกันหมด

สรุปสั้นๆ ส่งท้าย#

ถ้าให้ย่อทั้งตอนนี้เหลือไม่กี่บรรทัดเอาไว้จำง่ายๆ คือแบบนี้ครับ —

• อย่ามองบริษัทเป็นก้อนเดียว คำถาม “ควรใช้ AI ไหม” ใหญ่ไป ให้ซอยเป็น “แผนกไหน งานแบบไหน” แล้วจะตอบง่ายขึ้นเยอะ
• หลักร่วมทุกแผนก = “AI ร่าง คนชี้ขาด” AI เก่งงานร่าง/ย่อย/เดา แต่งานตัดสินใจชี้เป็นชี้ตายยังเป็นของคน
• การตลาด เข้าทางสุด เสี่ยงต่ำ เริ่มที่นี่ได้เลยเป็นสนามซ้อม
• การเงิน ระวังมือสุด ให้แตะข้อมูลได้ แต่ห้ามแตะการตัดสินใจเรื่องเงิน
• HR ช่วยงานเอกสารได้เยอะ แต่ไวต่อความรู้สึกคนและเรื่องอคติ + ข้อมูลส่วนตัว
• ปฏิบัติการ AI มาช่วย “มองล่วงหน้า” ลดการเซอร์ไพรส์
• บริการลูกค้า ดังสุดแต่กับดักเยอะ ใช้ปลดปล่อยคนไปทำงานยาก ไม่ใช่แทนคนทั้งหมด

ถ้าถามผมว่า “แล้วพรุ่งนี้จะเริ่มยังไงดี” คำตอบสั้นๆ คือ — อย่าเพิ่งคิดถึงการวางระบบใหญ่โตให้ปวดหัวครับ ลองเริ่มจากงานข้ามแผนกง่ายๆ ก่อน เช่นรอบหน้าที่ประชุม ลองให้ใครสักคนเอาบันทึกการประชุมไปให้ AI ช่วยสรุปดู หรือรอบหน้าที่ต้องร่างอีเมลยาวๆ ลองให้มันร่างฉบับแรกแล้วเราเกลาต่อ — เริ่มจากของเล็กๆ ที่พลาดแล้วไม่เจ็บแบบนี้ ให้ตัวเองกับทีมได้สัมผัสว่ามันช่วยจริงไหม คุมมันยังไง พอคุ้นมือแล้วค่อยขยับไปงานใหญ่ขึ้น นี่แหละครับวิธีเริ่มที่ผมว่าปลอดภัยและไม่เครียดที่สุด

ย้ำเหมือนเดิมครับว่าผมไม่ใช่ผู้เชี่ยวชาญด้าน AI อะไร เป็นแค่คนที่พยายามทำความเข้าใจแล้วเล่าให้เพื่อนเจ้าของกิจการด้วยกันฟังแบบภาษาคน ตัวอย่างงานต่างๆ ที่ยกมาในตอนนี้เป็นภาพงานทั่วไปที่หลายธุรกิจทำกัน ไม่ใช่เคสเจาะจงของบริษัทไหน และฉากต่างๆ ที่ยกมาก็เป็นเรื่องสมมติเพื่อให้เห็นภาพล้วนๆ ตรงไหนผมเข้าใจคลาดเคลื่อน ทักท้วงกันเข้ามาได้เลยนะครับ ยินดีมากๆ

ตอนหน้าของซีรีส์ ผมว่าจะเจาะลงไปอีกขั้น — พอเรารู้แล้วว่าแผนกไหนเอา AI ไปทำอะไร คำถามต่อไปที่เจ้าของกิจการถามผมบ่อยที่สุดคือ “แล้วจะเริ่มยังไงโดยไม่เจ๊งก่อน” — เริ่มจากงานไหน ลงทุนแค่ไหน วัดผลยังไงว่าคุ้ม ไว้มาว่ากันต่อตอนหน้าครับ