ทีมใช้ AI เร็วขึ้นแล้ว หัวหน้าจะให้ใครอนุมัติอะไร และวัดงานอย่างไร

พนักงานตอบลูกค้าได้เร็วขึ้นจาก 15 นาทีเหลือ 5 นาที แต่หัวหน้าต้องใช้เวลาอีก 12 นาทีตรวจว่า AI สัญญาอะไรกับลูกค้าไว้บ้าง บริษัทประหยัดเวลาแล้วจริงหรือยัง

ตัวเลขนี้เป็นสถานการณ์สมมติ แต่ใช้ชี้ปัญหาที่หัวหน้าทีมควรถามก่อนซื้อเครื่องมือเพิ่มได้ตรงจุด งานร่างอาจเร็วขึ้น ขณะที่งานตรวจ การอนุมัติ และการรับผิดชอบยังอยู่ในกระบวนการเดิม ถ้างานทุกชิ้นไหลมารอหัวหน้าคนเดียว ความเร็วของแต่ละคนก็ยังไม่กลายเป็นความเร็วของทีม

ประเด็นจึงอยู่ที่การออกแบบงานร่วมกัน ใครใช้ AI เพื่อเตรียมข้อมูลได้ ใครตัดสินใจได้เอง เรื่องใดต้องส่งต่อ และบริษัทจะรู้ได้อย่างไรว่าผลลัพธ์ดีขึ้นหลังรวมเวลาตรวจและแก้แล้ว

หัวหน้าที่กำลังเริ่มใช้ AI ไม่จำเป็นต้องตอบคำถามเหล่านี้ให้ครบทุกแผนกในครั้งเดียว แต่ควรตอบให้ชัดสำหรับงานแรกที่จะนำไปทดลอง

ความเร็วของคนยังไม่เท่ากับผลลัพธ์ของทีม

งานวิจัย Generative AI at Work ซึ่งตีพิมพ์ใน The Quarterly Journal of Economics ปี 2025 ศึกษาการนำผู้ช่วย AI มาใช้กับพนักงานบริการลูกค้า 5,172 คน พบว่าจำนวนปัญหาที่แก้ได้ต่อชั่วโมงเพิ่มขึ้นเฉลี่ย 15% ผลลัพธ์แตกต่างกันตามประสบการณ์และทักษะ โดยพนักงานใหม่หรือผู้ที่มีทักษะเริ่มต้นต่ำกว่าได้ประโยชน์มากกว่า ตัวเลขนี้เป็นผลของเครื่องมือและสภาพงานที่ศึกษา ไม่ใช่อัตราที่ทุกบริษัทจะได้รับเมื่อเปิดใช้ AI อ่านงานวิจัยฉบับตีพิมพ์

สำหรับหัวหน้าทีม ข้อน่าคิดอยู่ที่ความแตกต่างภายในค่าเฉลี่ย พนักงานใหม่อาจได้แนวทางตอบที่ไม่เคยรู้มาก่อน ส่วนคนที่ชำนาญอยู่แล้วอาจต้องการเครื่องมืออีกแบบหนึ่ง การกำหนดให้ทุกคนใช้ AI เท่ากัน แล้วเพิ่มเป้าผลงานในอัตราเดียวกัน จึงอาจไม่ตรงกับสิ่งที่เกิดขึ้นจริง

อีกการทดลองหนึ่งกับพนักงานที่ทำงานโดยใช้ความรู้ 7,137 คน ใน 66 บริษัท ศึกษาเครื่องมือ AI ที่อยู่ในแอปพลิเคชันสำหรับอีเมล การประชุม และงานเขียน ผู้วิจัยรายงานว่า ในครึ่งหลังของการทดลอง 6 เดือน กลุ่มที่ได้รับสิทธิ์และใช้เครื่องมือใช้เวลากับอีเมลลดลงประมาณ 2 ชั่วโมงต่อสัปดาห์ แต่ไม่พบการเปลี่ยนแปลงที่ตรวจจับได้ในปริมาณหรือองค์ประกอบของงานจากการให้เครื่องมือเป็นรายบุคคล Shifting Work Patterns with Generative AI

งานชิ้นหลังเป็น working paper และมีผู้เขียนบางคนทำงานให้ Microsoft ซึ่งเป็นผู้ผลิตเครื่องมือที่ศึกษา จึงควรอ่านพร้อมข้อเปิดเผยดังกล่าว ผลที่ไม่พบก็ไม่ได้พิสูจน์ว่าองค์กรเปลี่ยนไม่ได้ สิ่งที่อ่านได้อย่างระมัดระวังคือ การให้เครื่องมือช่วยประหยัดเวลายังไม่ใช่หลักฐานว่ากระบวนการทำงานทั้งระบบเปลี่ยนตามไปแล้ว

ถ้าพนักงานเขียนเอกสารเร็วขึ้น แต่ต้องรอข้อมูลราคาเดิม รอหัวหน้าเดิม และติดตามงานผ่านข้อความหลายห้องเหมือนเดิม จุดติดขัดก็อาจย้ายตำแหน่งเท่านั้น หัวหน้าจึงต้องดูงานตั้งแต่รับเรื่องจนปิดเรื่อง แทนการดูเฉพาะช่วงที่ AI ทำได้เร็ว

ก่อนกำหนดจุดอนุมัติ ต้องแยกให้ออกว่าใครรับผิดชอบเรื่องอะไร

คำสั่งว่า "ใช้ AI ได้ แต่ต้องมีคนตรวจ" ยังไม่พอสำหรับการทำงานจริง คนตรวจต้องรู้ว่าตนกำลังตรวจข้อมูล ความเหมาะสมของคำตอบ หรืออนุมัติภาระที่บริษัทจะต้องรับ

พนักงานอาจตรวจชื่อและเลขที่เอกสารได้ถูกต้อง แต่ไม่มีอำนาจอนุมัติส่วนลด หัวหน้าฝ่ายขายอาจอนุมัติราคาได้ แต่ไม่ใช่ผู้รับรองว่าการส่งข้อมูลลูกค้าเข้าเครื่องมือนั้นเหมาะสม ส่วนผู้ดูแลระบบอาจตั้งสิทธิ์เข้าถึงได้ โดยไม่ได้เป็นเจ้าของการตัดสินใจทางธุรกิจ

จึงควรระบุแยกกันอย่างน้อยว่า ใครเป็นเจ้าของขั้นตอนงาน ใครมีอำนาจตัดสินใจเรื่องนั้น และใครดูแลเงื่อนไขการใช้ข้อมูล บางบริษัทอาจมีคนเดียวรับหลายบทบาท แต่ชื่อบทบาทควรชัดเพื่อให้รู้ว่าเมื่อเกิดปัญหาต้องกลับไปแก้กติกาตรงไหน

แนวทาง AI Risk Management Framework 1.0 ของ NIST ระบุให้บทบาท ความรับผิดชอบ และช่องทางสื่อสารเรื่องความเสี่ยง AI ชัดเจน รวมถึงแยกบทบาทของคนในการทำงานร่วมกับ AI และการกำกับดูแล แนวทางนี้เป็นกรอบสมัครใจ ไม่ใช่กฎหมายไทย และไม่ได้กำหนดว่าทุกบริษัทต้องใช้ตารางอนุมัติแบบเดียวกัน NIST AI RMF Core หมวด Govern 2 และ Govern 3

สิ่งที่นำมาใช้ได้คือการเลิกปล่อยให้คำว่า "คนตรวจ" รับความหมายทุกอย่าง แล้วเขียนให้เห็นว่าแต่ละคนตรวจอะไร อนุมัติอะไร และส่งต่อเมื่อใด

ใช้ผลกระทบของการตัดสินใจเป็นตัวตั้ง

ลองพิจารณาทีมบริการลูกค้าของธุรกิจจำหน่ายอุปกรณ์ ตัวอย่างต่อไปนี้เป็นข้อเสนอสำหรับการออกแบบงาน ไม่ใช่มาตรฐานบังคับ และไม่ใช่กระบวนการที่ยืนยันว่า Enersys หรือลูกค้ารายใดใช้อยู่

ตารางนี้ช่วยให้เห็นว่าเรื่องที่ควรอนุมัติมักผูกกับผลที่บริษัทต้องรับ ไม่ใช่ความยาวของข้อความ AI เขียนคำตอบสั้นเพียงประโยคเดียวก็อาจทำให้ลูกค้าเข้าใจว่าบริษัทรับประกันสิ่งหนึ่งแล้ว

ในทางกลับกัน หากพนักงานตอบจากคู่มือที่ตกลงกันไว้ ตรวจแหล่งข้อมูลได้ และอยู่ในอำนาจที่ได้รับ การให้หัวหน้าอ่านทุกคำอาจเพิ่มคิวรอโดยไม่ได้ช่วยตรวจเรื่องที่สำคัญขึ้น หัวหน้าควรเลือกจุดตรวจให้สัมพันธ์กับผลกระทบ พร้อมกำหนดวิธีสุ่มทบทวนงานที่พนักงานส่งเองได้

งานที่ส่งผลสูงหรือแก้กลับยากอาจต้องมีผู้เชี่ยวชาญตรวจทุกครั้ง ส่วนงานที่ผลกระทบจำกัดอาจเริ่มจากการตรวจทุกชิ้นในระยะทดลอง แล้วปรับตามข้อผิดพลาดที่พบ ไม่มีสัดส่วนสุ่มตรวจเดียวที่เหมาะกับทุกงาน

การส่งต่อควรมีข้อมูลพร้อมพอให้ตัดสินใจได้ด้วย เช่น ลูกค้าต้องการอะไร ข้อเท็จจริงที่ตรวจแล้วคืออะไร ติดเงื่อนไขข้อใด พนักงานเสนอทางเลือกไหน และต้องการคำตอบเมื่อใด ถ้าหัวหน้าต้องเริ่มค้นเรื่องใหม่ทุกครั้ง ระบบอนุมัติก็จะช้าแม้มี AI ช่วยร่างอยู่แล้ว