3 ทักษะ Management ที่ต้องมีในยุคที่ AI ทำงานร่วมกับมนุษย์

การนำปัญญาประดิษฐ์ (AI) เข้ามาใช้ในองค์กรกำลังเปลี่ยนวิธีแบ่งหน้าที่ ตัดสินใจ และบริหารคน โดยเฉพาะในบทบาทของทีม Management ซึ่งอยู่ระหว่างผู้กำหนดกลยุทธ์กับทีมปฏิบัติงาน เพราะเมื่อ AI สามารถสรุปข้อมูล จัดทำรายงาน วิเคราะห์แนวโน้ม ร่างเนื้อหา ตอบคำถามลูกค้า และทำงานรูทีนบางประเภทได้ภายในเวลาอันรวดเร็ว ทีม Management ไม่จำเป็นต้องใช้เวลาส่วนใหญ่ไปกับการติดตาม Checklist หรือตรวจสอบงานทุกขั้นตอนเหมือนเดิม แต่ต้องพัฒนาบทบาทไปสู่การเป็น “Orchestrator” หรือผู้ประสานการทำงานระหว่างคน กระบวนการ ข้อมูล และ AI ให้ดำเนินไปในทิศทางเดียวกัน

องค์การแรงงานระหว่างประเทศ (ILO) ประเมินว่า ผลกระทบจาก Generative AI ในหลายอาชีพมีแนวโน้มเกิดในรูปแบบของการเปลี่ยนแปลงงานและการเสริมความสามารถของมนุษย์ มากกว่าการทำให้อาชีพทั้งหมดหายไปในทันที จึงเป็นเหตุผลที่องค์กรควรให้ความสำคัญกับการออกแบบงานใหม่และการพัฒนาทักษะควบคู่กับการลงทุนเทคโนโลยี

สำหรับ SME การสร้าง AI Workforce ไม่จำเป็นต้องเริ่มจากระบบขนาดใหญ่ เพราะสิ่งที่สำคัญกว่าคือการพัฒนาทักษะ Management ยุค AI เพื่อให้ผู้บริหารเลือกได้ว่างานใดควรใช้ AI งานใดควรให้มนุษย์รับผิดชอบ และจุดใดจำเป็นต้องมีการตรวจสอบก่อนนำผลลัพธ์ไปใช้จริง

เมื่อ AI ทำงานร่วมกับทีม Management จะช่วยยกระดับความสามารถได้อย่างไร?

AI สามารถช่วยลดภาระงานของทีม Management ในงานที่มีรูปแบบซ้ำ ๆ และการใช้ข้อมูลจำนวนมาก เช่น 

• การรวบรวมยอดขายจากหลายช่องทาง 

• การสรุปรายงานประชุม 

• การจัดหมวดหมู่ความคิดเห็นของลูกค้า

• การเปรียบเทียบข้อมูลเบื้องต้น

• การสร้างดราฟต์แรกของเอกสาร

เมื่อเวลาที่ใช้กับงานเหล่านี้ลดลง ทีม Management ก็จะสามารถหันไปให้ความสำคัญกับการตั้งคำถามเชิงกลยุทธ์ การจัดลำดับความสำคัญ การพัฒนาทีม และการประเมินผลกระทบของการตัดสินใจได้มากขึ้น

อย่างไรก็ตาม แม้ AI จะมีจุดแข็งด้านการคาดการณ์และการประมวลผลข้อมูล แต่การตัดสินใจยังต้องอาศัยองค์ประกอบอื่น ๆ ร่วม ไม่ว่าจะเป็นเป้าหมายทางธุรกิจ การประเมินผลกระทบ ตลอดจนวิจารณญาณของมนุษย์ ขณะเดียวกัน AI ยังมีข้อจำกัดในการทำความเข้าใจปัจจัยที่จับต้องได้ยาก ได้แก่ จริยธรรม คุณค่า ความรู้สึก และบริบททางสังคม

บทบาทใหม่ของทีม Management จึงเปลี่ยนจากการตรวจสอบทุกกิจกรรม ไปสู่ AI Oversight หรือการกำกับดูแลว่า AI ได้รับข้อมูลที่เหมาะสมหรือไม่ สร้างผลลัพธ์สอดคล้องกับวัตถุประสงค์มากน้อยเพียงใด และที่สำคัญคือต้องไม่ทำให้เกิดความเสี่ยงต่อพนักงาน ลูกค้า หรือองค์กร

3 ทักษะ Management ที่ต้องมีในยุค AI Workforce

ในยุคที่ AI เข้ามามีบทบาทในกระบวนการทำงานมากขึ้น ทีม Management ต้องสามารถออกแบบการทำงานร่วมกับ AI ได้อย่างมีประสิทธิภาพ ด้วยการทำความเข้าใจทั้งศักยภาพและข้อจำกัดของเทคโนโลยี ดังนี้

1. AI Literacy: เลือกมอบหมายงานให้ถูกประเภท

AI Literacy สำหรับทีม Management คือการเข้าใจว่า AI ทำอะไรได้ดี มีข้อจำกัดอย่างไร และควรนำไปใช้กับงานประเภทใด โดยสามารถแบ่งงานออกเป็น 3 กลุ่ม ได้แก่

• งานที่ AI ดำเนินการได้ เช่น การสรุปข้อมูล การจัดหมวดหมู่ หรือการสร้างร่างเบื้องต้น

• งานที่ AI ช่วยเตรียมข้อมูล แต่คนต้องตัดสินใจ เช่น การวิเคราะห์ลูกค้า การจัดทำแผนการตลาด หรือการประเมินความเสี่ยง

• งานที่ควรให้มนุษย์รับผิดชอบเป็นหลัก เช่น การเจรจา การจัดการความขัดแย้ง การตัดสินใจเกี่ยวกับบุคลากร และการสื่อสารในภาวะวิกฤต

ตัวอย่างเช่น SME ที่ได้รับข้อความลูกค้าจำนวนมากใช้ AI ช่วยจำแนกคำถาม แนะนำคำตอบเบื้องต้น และส่งเคสที่มีความซับซ้อนไปยังพนักงาน วิธีนี้ช่วยลดเวลาคัดกรอง โดยยังให้มนุษย์รับผิดชอบสถานการณ์ที่ต้องอาศัยความเข้าใจ การเจรจา หรือการตัดสินใจเฉพาะกรณี

ในช่วงเริ่มต้น ทีม Management ควรเลือกทดลองกับงานที่มีรูปแบบชัดเจน ความเสี่ยงต่ำ ไม่เกี่ยวข้องกับข้อมูลละเอียดอ่อน และสามารถตรวจสอบความถูกต้องได้ง่าย เพื่อให้ทีมเรียนรู้ข้อจำกัดของเครื่องมือก่อนขยายการใช้งาน ส่วนงานที่เกี่ยวข้องกับข้อมูลส่วนบุคคล การประเมินพนักงาน การอนุมัติทางการเงิน หรือการตัดสินใจที่กระทบสิทธิของบุคคล จำเป็นต้องประเมินความเสี่ยงแยกเป็นรายกรณี ใช้ระบบที่มีมาตรการรักษาความปลอดภัย และกำหนดให้มนุษย์เป็นผู้พิจารณาและรับรองผลลัพธ์ขั้นสุดท้าย

2. Emotional & Contextual Intelligence: ทำให้ Soft Skills กลายเป็นทักษะหลัก

เมื่อ AI ประมวลผลข้อมูลได้รวดเร็วขึ้น ความสามารถในการเข้าใจคนและบริบทก็จะยิ่งมีความสำคัญ ทีม Management ต้องสามารถสังเกตได้ว่า พนักงานคนใดกำลังกังวลว่าจะถูกเทคโนโลยีแทนที่ ใครยังไม่มั่นใจในการใช้เครื่องมือ หรือใครได้รับภาระเพิ่มจากการต้องตรวจงานของ AI ความรู้สึกเหล่านี้อาจไม่ปรากฏอยู่ใน Dashboard แต่มีผลต่อแรงจูงใจ ความร่วมมือ และคุณภาพงาน กล่าวคือ แม้ Generative AI ช่วยเพิ่มประสิทธิภาพในการทำงานบางประเภท แต่การทำงานร่วมกับ AI ก็ส่งผลต่อแรงจูงใจภายในของพนักงานได้เช่นกัน ผู้จัดการจึงควรติดตามทั้งผลลัพธ์ของงานและประสบการณ์ของผู้ใช้งาน ไม่ควรวัดความสำเร็จจากความเร็วหรือปริมาณงานเพียงอย่างเดียว

ดังนั้น วิธีบริหารคนร่วมกับ AI จึงควรมีทั้งการอธิบายเหตุผลในการนำ AI มาใช้ การเปิดพื้นที่ให้ทดลอง การรับฟังปัญหา และการกำหนดให้ชัดว่า AI มีหน้าที่ช่วยทีม ไม่ใช่เป็นเครื่องมือที่จะมาแทนที่หรือจับผิดพนักงาน

3. System Thinking: ออกแบบ Workflow ที่คนและ AI เกื้อกูลกัน

การลงทุนในเครื่องมือ AI เพื่อนำมาใช้ในองค์กรโดยไม่มีการปรับ Workflow ทำให้งานเร็วขึ้นเพียงบางจุด แต่จะสร้างคอขวดในขั้นตอนถัดไป เช่น AI สร้างเนื้อหาได้จำนวนมาก แต่ทีมไม่มีเวลาตรวจสอบ หรือระบบตอบลูกค้าได้เร็ว แต่ไม่สามารถส่งต่อเคสสำคัญให้พนักงานได้อย่างเหมาะสม

System Thinking คือความสามารถในการมองเห็นความเชื่อมโยงตั้งแต่ข้อมูลนำเข้า กระบวนการทำงาน ผู้รับผิดชอบ จุดตัดสินใจ ไปจนถึงผลลัพธ์ที่ส่งถึงลูกค้า โดยทีม Management ควรกำหนดให้ชัดว่า

• ใครเป็นผู้ป้อนข้อมูลให้ AI

• AI มีหน้าที่สร้าง วิเคราะห์ หรือประมวลผลอะไร

• ใครเป็นผู้ตรวจสอบผลลัพธ์

• กรณีใดต้องส่งต่อให้ผู้มีอำนาจตัดสินใจ

• ข้อมูลและผลลัพธ์จะถูกจัดเก็บอย่างไร

การวางแผนลักษณะนี้จะช่วยสร้าง AI-Augmented Team ซึ่งมนุษย์และ AI ไม่ได้แยกกันทำงาน แต่ส่งต่อข้อมูลและสนับสนุนกันภายใต้ความรับผิดชอบที่กำหนดไว้อย่างชัดเจน

Case Study: Klarna กับบทเรียนเรื่องสมดุลระหว่างคนและ AI

กรณีของ Klarna บริษัทผู้ให้บริการทางการเงินจากสวีเดน เป็นตัวอย่างที่ช่วยให้ SME มองเห็นทั้งศักยภาพของ AI และความสำคัญของการออกแบบระบบที่ยังคงมีมนุษย์ร่วมรับผิดชอบ

ในเดือนกุมภาพันธ์ 2024 Klarna เปิดเผยว่า AI Assistant ของบริษัทดูแลบทสนทนาฝ่ายบริการลูกค้าได้ประมาณสองในสามของแชตทั้งหมดในช่วงเดือนแรก และรองรับปริมาณงานเทียบเท่าพนักงานบริการลูกค้าเต็มเวลาประมาณ 700 คน บริษัทระบุด้วยว่า เวลาเฉลี่ยในการแก้ไขปัญหาลดลงจาก 11 นาทีเหลือน้อยกว่า 2 นาที

ตัวเลขดังกล่าวสะท้อนว่า AI สามารถช่วยรองรับงานบริการลูกค้าที่มีปริมาณมากและมีรูปแบบค่อนข้างชัดเจนได้ อย่างไรก็ตาม ไม่ควรตีความว่า AI เข้ามาแทนที่ทีม Management โดยตรง เพราะข้อมูลดังกล่าวกล่าวถึงปริมาณงานของฝ่ายบริการลูกค้าเป็นหลัก ขณะที่ Management ยังคงมีหน้าที่ออกแบบกระบวนการ กำหนดเกณฑ์ส่งต่อเคส และตรวจสอบว่าระบบสามารถรักษาคุณภาพบริการได้ตามเป้าหมาย

ในปี 2025 ผู้บริหารของ Klarna ยอมรับว่า บริษัทเคยให้น้ำหนักกับการใช้ AI เพื่อเพิ่มประสิทธิภาพและลดต้นทุนมากเกินไป จึงเริ่มปรับแนวทางมาให้ความสำคัญกับคุณภาพของผลิตภัณฑ์และบริการมากขึ้น ขณะเดียวกัน แนวทางที่บริษัทสื่อสารในเวลาต่อมาสะท้อนถึงการรักษาบทบาทของพนักงานไว้ในระบบบริการ โดยเฉพาะกรณีที่มีความซับซ้อน ขณะที่ AI ยังคงมีบทบาทในการรองรับงานทั่วไปและเพิ่มประสิทธิภาพของกระบวนการ

กรณีนี้ไม่ได้หมายความว่า Klarna ยุติการใช้ AI แต่สะท้อนถึงการปรับจากแนวทางที่เน้นระบบอัตโนมัติเป็นหลัก ไปสู่รูปแบบที่ AI และพนักงานทำงานร่วมกันตามความเหมาะสมของแต่ละกรณี

สำหรับ SME บทเรียนสำคัญคือ การประเมิน AI ไม่ควรพิจารณาเฉพาะต้นทุน จำนวนงาน หรือความเร็ว แต่ควรติดตามคุณภาพคำตอบ ความพึงพอใจของลูกค้า อัตราการแก้ไขปัญหาสำเร็จตั้งแต่ครั้งแรก จำนวนเคสที่ต้องส่งต่อให้พนักงาน และจำนวนปัญหาที่ลูกค้าต้องติดต่อกลับมาอีกครั้ง เพื่อให้เห็นว่า AI ช่วยเพิ่มประสิทธิภาพโดยไม่ลดทอนคุณภาพของบริการ

สร้างวัฒนธรรม AI-Augmented Team เมื่อคนและ AI ทำงานร่วมกัน

องค์กรที่ต้องการสร้าง AI-Augmented Team ควรวางบทบาทของ AI ในฐานะเครื่องมือสนับสนุนให้พนักงานทำงานได้มีประสิทธิภาพและสร้างคุณค่าได้มากขึ้น แทนการสื่อสารว่า AI ถูกนำมาใช้เพื่อแทนที่บุคลากรเพียงอย่างเดียว

1. เปลี่ยน Mindset จาก AI-Replacement สู่ AI-Empowerment

ทีม Management ควรสื่อสารว่า AI ถูกนำมาใช้เพื่อลดงานซ้ำ เพิ่มข้อมูลประกอบการตัดสินใจ และเปิดโอกาสให้พนักงานใช้เวลากับงานที่สร้างคุณค่ามากขึ้น เช่น การดูแลลูกค้ารายสำคัญ การพัฒนาผลิตภัณฑ์ หรือการแก้ปัญหาเฉพาะหน้า

2. ออกแบบ Collaboration Workflow

SME สามารถเริ่มจาก Workflow เล็ก ๆ หนึ่งกระบวนการ เช่น การจัดทำรายงานยอดขาย โดยให้ AI รวบรวมและสรุปข้อมูล หัวหน้าทีมตรวจสอบความถูกต้อง และผู้บริหารเป็นผู้ตีความก่อนตัดสินใจ ไม่ควรเริ่มจากการเชื่อม AI เข้ากับทุกแผนกพร้อมกัน เพราะจะทำให้ประเมินผลและค้นหาสาเหตุของความผิดพลาดได้ยาก

3. สร้าง Psychological Safety

พนักงานต้องสามารถแจ้งข้อผิดพลาดของ AI ตั้งคำถามกับผลลัพธ์ หรือยอมรับว่ายังใช้เครื่องมือไม่คล่องได้โดยไม่ถูกมองว่าเป็นผู้ต่อต้านการเปลี่ยนแปลง โดยทีม Management อาจจัดช่วงทดลอง 30 วัน มีช่องทางรวบรวมปัญหา และทบทวน Workflow ร่วมกันทุกสัปดาห์

ความท้าทายและการจัดการความเสี่ยงด้วย Human-in-the-Loop

การนำ AI เข้ามาใช้ในองค์กรไม่ได้มีเพียงข้อดีด้านความเร็วและประสิทธิภาพเท่านั้น แต่ยังมาพร้อมความเสี่ยงที่ต้องบริหารจัดการอย่างรอบคอบ โดยเฉพาะในมิติของข้อมูลและจริยธรรม การออกแบบระบบที่มีมนุษย์ร่วมกำกับ (Human-in-the-Loop) จึงเป็นแนวทางสำคัญในการลดความผิดพลาดและเพิ่มความน่าเชื่อถือของผลลัพธ์

Data Privacy & AI Ethics ในองค์กร

ความรับผิดชอบที่สำคัญของผู้จัดการคือการควบคุมทั้ง Input และ Output ไม่ควรนำข้อมูลลูกค้า ข้อมูลพนักงาน สัญญา ความลับทางการค้า หรือข้อมูลที่สามารถระบุตัวบุคคลเข้าสู่เครื่องมือ AI สาธารณะ หากยังไม่ได้รับอนุญาต ไม่มีมาตรการคุ้มครองข้อมูล หรือยังไม่ได้ตรวจสอบเงื่อนไขการจัดเก็บและประมวลผลข้อมูลของผู้ให้บริการ

องค์กรสามารถจัดการความเสี่ยงผ่าน 4 กระบวนการ ได้แก่ 

• Govern (การกำกับดูแล) กำหนดนโยบาย บทบาท และความรับผิดชอบในการใช้ AI ภายในองค์กร รวมถึงการวางโครงสร้างการตัดสินใจและหลักธรรมาภิบาล เพื่อให้การใช้ AI สอดคล้องกับเป้าหมายธุรกิจและจริยธรรม

• Map (การทำความเข้าใจบริบท) วิเคราะห์ว่า AI จะถูกนำไปใช้ในบริบทใด ใครเป็นผู้ได้รับผลกระทบ และมีความเสี่ยงอะไรบ้างในกระบวนการใช้งาน เพื่อให้เห็นภาพรวมของระบบและจุดเสี่ยงที่อาจเกิดขึ้น

• Measure (การวัดและประเมินความเสี่ยง) ประเมินความเสี่ยงของ AI ทั้งในเชิงเทคนิคและผลกระทบ เช่น ความแม่นยำ ความลำเอียง (Bias) ความปลอดภัยของข้อมูล และผลกระทบต่อผู้ใช้งาน โดยใช้ตัวชี้วัดที่ชัดเจน

• Manage (การจัดการและติดตามผล) นำผลการประเมินไปใช้ในการลดหรือควบคุมความเสี่ยง เช่น การปรับโมเดล AI การกำหนด Human Oversight หรือการตั้งระบบตรวจสอบต่อเนื่องหลังการใช้งานจริง

การทบทวนขั้นสุดท้ายโดยมนุษย์

งานที่ส่งถึงลูกค้า สาธารณะ หรือมีผลต่อสิทธิของบุคคล ควรมีมนุษย์เป็นผู้อนุมัติขั้นสุดท้าย เช่น ใบเสนอราคา คำแนะนำทางการเงิน การคัดเลือกผู้สมัคร การประเมินพนักงาน และคำตอบข้อร้องเรียน

หลัก Human-in-the-Loop ไม่ได้หมายถึงให้พนักงานตรวจทุกคำที่ AI สร้าง แต่คือการกำหนดระดับการตรวจตามความเสี่ยง งานภายในที่มีความเสี่ยงต่ำและสามารถแก้ไขได้ง่ายอาจใช้การสุ่มตรวจตามเกณฑ์ที่กำหนด ส่วนงานที่เผยแพร่สู่ภายนอก เกี่ยวข้องกับข้อมูลสำคัญ หรือกระทบสิทธิของบุคคล ควรได้รับการตรวจสอบทุกครั้งก่อนนำไปใช้

ในระยะทดลอง ค่าใช้จ่ายมักเริ่มจากค่าบริการเครื่องมือสำเร็จรูปสำหรับผู้ใช้งานจำนวนไม่มาก ไปจนถึงงบประมาณที่สูงขึ้นเมื่อองค์กรต้องการบัญชีสำหรับหลายคน ระบบควบคุมข้อมูล การเชื่อมต่อกับซอฟต์แวร์เดิม หรือการพัฒนา Workflow เฉพาะทาง SME จึงควรเริ่มจากการกำหนดปัญหาและจำนวนผู้ใช้งานก่อนเปรียบเทียบค่าใช้จ่ายจริงจากผู้ให้บริการ โดยต้องรวมเวลาอบรม การทดสอบ การตรวจงาน และการดูแลระบบไว้ในการประเมินทรัพยากรด้วย

บทสรุปและข้อเสนอแนะ

ยุค AI Workforce ไม่ได้ลดความสำคัญของทีม Management ลง เพียงแต่กำลังยกระดับความคาดหวังต่อบทบาทของผู้นำ ผู้จัดการที่เหมาะกับบริบทใหม่อาจไม่ใช่ผู้ที่สั่งงานหรือควบคุมรายละเอียดได้มากที่สุด แต่คือผู้ที่เลือกใช้ AI อย่างเข้าใจ ออกแบบระบบที่คนกับเทคโนโลยีสนับสนุนกัน และรักษาคุณภาพ จริยธรรม และความรับผิดชอบไว้ตลอดกระบวนการ

SME สามารถเริ่มต้นได้ด้วยการเลือกหนึ่ง Workflow ที่มีงานซ้ำสูงและความเสี่ยงต่ำ กำหนดขอบเขตการใช้ AI ทดลองประมาณ 30 วัน และวัดทั้งเวลาที่ประหยัด คุณภาพงาน ความพึงพอใจของลูกค้า และประสบการณ์ของพนักงาน จากนั้นจึงนำข้อมูลมาปรับระบบก่อนขยายการใช้งาน

เมื่อองค์กรสามารถพัฒนา AI Literacy, Emotional & Contextual Intelligence และ System Thinking ไปพร้อมกันได้แล้ว AI ก็จะมีโอกาสทำหน้าที่เป็นทีมงานคนใหม่ที่ช่วยเพิ่ม Productivity ขณะที่มนุษย์ยังคงเป็นผู้สร้าง Value Added กำหนดทิศทาง และรับผิดชอบต่อผลลัพธ์สุดท้ายของธุรกิจ โดยมีเป้าหมายสำคัญคือการยกระดับศักยภาพของคนและองค์กรไปพร้อมกันอย่างยั่งยืน

ข้อมูลอ้างอิง

1. 5 AI RMF Core. สืบค้นเมื่อวันที่ 2 สิงหาคม 2569 จาก https://airc.nist.gov/airmf-resources/airmf/5-sec-core/. 

2. Generative AI likely to augment rather than destroy jobs. สืบค้นเมื่อวันที่ 1 สิงหาคม 2569 จาก https://www.ilo.org/resource/news/generative-ai-likely-augment-rather-destroy-jobs.  

3. Klarna AI assistant handles two-thirds of customer service chats in its first month. สืบค้นเมื่อวันที่ 2 สิงหาคม 2569 จาก https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/. 

4. Sweden's Klarna shifts AI focus from cost cuts to growth. สืบค้นเมื่อวันที่ 6 สิงหาคม 2569 จาก https://www.reuters.com/business/swedens-klarna-shifts-ai-focus-cost-cuts-growth-2025-09-10/.