การนำ AI มาใช้เพิ่มขึ้น แล้วผลประกอบการดีขึ้นหรือไม่?

บริษัทต่าง ๆ กำลังประสบปัญหาในการเปลี่ยนการลงทุนด้าน AI ให้เป็นผลตอบแทนที่มีนัยสำคัญ แม้การใช้งานจะเพิ่มขึ้น แต่มีองค์กรเพียง 13% เท่านั้นที่รายงานว่า AI สร้างคุณค่าในระดับที่พลิกโฉมองค์กรได้อย่างมีนัยสำคัญ ช่องว่างนี้ควรกระตุ้นให้ผู้นำถอยมาพิจารณาว่าตนกำลังวัดกิจกรรมที่เกิดขึ้น หรือวัดการเปลี่ยนแปลงที่มีความหมาย

เมื่อถูกกดดันให้แสดงผลตอบแทนจากการลงทุนด้าน AI (ROI) อย่างชัดเจน องค์กรมักหันไปใช้ตัวชี้วัดที่รายงานได้ง่าย เช่น การใช้เครื่องมือ จำนวนผู้ใช้งานที่ใช้งานอยู่ หรืออัตราการนำไปใช้ ตัวชี้วัดเหล่านี้แสดงให้เห็นว่าพนักงานใช้งาน AI หรือไม่ แต่แทบไม่ได้บอกว่าเนื้องานดีขึ้นหรือการลงทุนสร้างคุณค่าหรือไม่

ตัวอย่างเช่น PwC พบว่า 64% ของพนักงานที่ตอบแบบสำรวจใช้ AI ในการทำงานในช่วง 12 เดือนที่ผ่านมา เพิ่มขึ้น 10 จุดเปอร์เซ็นต์เมื่อเทียบกับปีก่อน มองแวบแรก ตัวเลขนี้เป็นสัญญาณการเติบโตที่น่าพอใจ แต่ไม่ได้ยืนยันว่า AI ส่งผลต่อผลกำไรสุทธิ การนำ AI มาใช้จะกลายเป็นตัวชี้วัดลวงเมื่อผู้นำมองว่าเป็นหลักฐานของการเปลี่ยนแปลงครั้งใหญ่ ตัวชี้วัดที่มีน้ำหนักมากกว่าคือ AI ช่วยต่อยอดข้อมูลเชิงลึกจากโครงการก่อนหน้าให้เป็นกรอบการทำงาน เครื่องมือ และสิ่งที่ช่วยเร่งการทำงาน ซึ่งทำให้ทีมส่งมอบผลลัพธ์ได้ดีขึ้นอย่างไร

ปัญหาที่ซ่อนอยู่: AI อาจเร่งงานที่จำเป็นต้องปรับเปลี่ยน

ก่อนนำ AI มาใช้ องค์กรต้องเข้าใจวัตถุประสงค์ของกระบวนการทำงาน ระบุขั้นตอนที่ไม่จำเป็น และทบทวนว่างานควรดำเนินไปอย่างไร เรื่องนี้สำคัญ เพราะการนำ AI มาใช้กับกระบวนการที่ไม่มีประสิทธิภาพอาจเร่งให้กระบวนการนั้นเร็วขึ้น พร้อมผลักคอขวดไปยังขั้นตอนถัดไปและทำให้ต้องตรวจทานหรือแก้ไขงานมากขึ้น

ความเข้าใจเดียวกันนี้ควรเป็นแนวทางในการกำหนดสิ่งที่องค์กรจะวัดด้วย การพิจารณากระบวนการทำงานตั้งแต่ต้นจนจบช่วยให้ทีมเห็นว่าการเปลี่ยนแปลงในงานหนึ่งส่งผลต่อขั้นตอนถัด ๆ ไปอย่างไร และผลลัพธ์ที่ดูเหมือนดีขึ้นช่วยลดภาระงานจริงหรือเพียงย้ายภาระนั้นไปให้ผู้อื่น

AI ช่วยเร่งงานแต่ละอย่างได้ เช่น ร่างเนื้อหา สรุปข้อมูล หรือวิเคราะห์ข้อมูลได้เร็วขึ้น โดยไม่ได้ทำให้กระบวนการทำงานดีขึ้นเสมอไป ตัวอย่างเช่น การสร้างเนื้อหาได้เร็วขึ้นอาจเพิ่มภาระงานให้ผู้ตรวจทานและผู้อนุมัติในขั้นตอนถัดไป แม้พนักงานแต่ละคนจะรายงานว่าประหยัดเวลาได้ แต่คอขวดก็เพียงย้ายไปอยู่ที่อื่น

นี่คือจุดที่ตัวชี้วัดประสิทธิภาพการทำงานอาจกลายเป็นตัวชี้วัดลวง การทำงานชิ้นหนึ่งเสร็จเร็วขึ้นอาจดูเหมือนเป็นชัยชนะที่เกิดขึ้นทันที แต่ก็อาจมองข้ามแรงงานที่ต้องใช้เพื่อนำผลงานไปต่อยอดเป็นผลลัพธ์ที่มีประโยชน์ในขั้นตอนถัดไป การออกแบบกระบวนการทำงานใหม่ควรเริ่มจากผลลัพธ์ที่ต้องการ จากนั้นจึงพิจารณาว่า AI จะช่วยเพิ่มคุณค่าในจุดใด และต้องปรับเปลี่ยนขั้นตอนใดบ้าง

ทั้งประสิทธิภาพของงานแต่ละชิ้นและประสิทธิภาพของกระบวนการทำงานล้วนสำคัญ การวัดทั้งสองด้านควบคู่กันกำหนดให้ทีมมองไกลกว่าการประหยัดเวลาของแต่ละคน โดยประเมินคุณภาพ งานที่ต้องแก้ไขซ้ำ และแรงงานทั้งหมดที่ใช้เพื่อให้ได้ผลลัพธ์

สิ่งที่เราเรียนรู้จากการเป็นลูกค้า AI ของตัวเอง

ที่ Arionkoder เราสร้าง Socrates ซึ่งเป็นโครงการเปลี่ยนผ่านองค์กรภายใน เพื่อช่วยให้องค์กรของเราเป็นองค์กรที่มี AI เป็นแกนหลัก การทดลองใช้ AI กับตัวเราเองในฐานะ “กรณีทดสอบแรก” ทำให้เห็นว่าประสิทธิภาพที่เพิ่มขึ้นในงานแต่ละชิ้นอาจบดบังปัญหาที่เกิดขึ้นตลอดกระบวนการทำงานได้ ตัวอย่างเช่น ในกระบวนการบริหารโครงการ เราเคยคิดในตอนแรกว่าการใช้ AI สร้างสรุปการประชุม รายการสิ่งที่ต้องดำเนินการ และรายงานความคืบหน้าโครงการจะช่วยให้งานเหล่านั้นมีประสิทธิภาพขึ้น อย่างไรก็ตาม ข้อมูลที่มีปริมาณเพิ่มขึ้นยังต้องผ่านการตรวจทานด้วยตนเอง การจัดลำดับความสำคัญ และการประสานงานระหว่างทีม ภาระงานจึงถูกผลักไปยังขั้นตอนถัดไป แทนที่จะลดลง เราตระหนักว่าการทำให้งานแต่ละชิ้นเสร็จเร็วขึ้นไม่ได้หมายความว่ากระบวนการทำงานโดยรวมจะมีประสิทธิภาพขึ้นเสมอไป เป้าหมายของ Socrates ยังคงมีความสำคัญ แต่โครงการต้องช่วยให้ทีมเปลี่ยนจากการเร่งงานเฉพาะจุดไปสู่การออกแบบกระบวนการทำงานใหม่ตั้งแต่ต้นจนจบ

ความล้มเหลวครั้งนี้กลับเป็นประโยชน์ เมื่อเราพิจารณาสิ่งที่เกิดขึ้นและนำข้อค้นพบไปใช้กับความพยายามครั้งต่อไป เหตุการณ์นี้ตอกย้ำว่าการเปลี่ยนผ่านด้วย AI ต้องอาศัยมากกว่าการนำเทคโนโลยีเข้ามาใช้ แต่ยังต้องเปลี่ยนวิธีที่ผู้คนเรียนรู้จากการทดลอง ตัดสินใจ และทำงานร่วมกัน Socrates ต้องช่วยให้พนักงานเชื่อมโยงสิ่งที่แต่ละคนสร้างขึ้นกับวิธีการทำงานจริง

แนวทางที่ปรับปรุงใหม่นี้กำหนดลำดับขั้นของการทดลองไว้อย่างชัดเจน พนักงานอาจเริ่มจากใช้ AI แก้ปัญหาจริงเล็ก ๆ สักเรื่อง ขั้นต่อไปคือทดลองว่าผู้อื่นสามารถใช้สิ่งที่ตนสร้างขึ้นได้หรือไม่ จากนั้นบริษัทจึงพิจารณากระบวนการทำงานในภาพรวม ระบุจุดติดขัด และเชื่อมโยงงานเข้ากับขีดความสามารถที่ทีมอื่นพัฒนาขึ้น การเรียนรู้ร่วมกันระหว่างพนักงานช่วยประเมินได้ว่าการปรับปรุงนั้นยังเป็นประโยชน์หรือไม่ เมื่อนำไปใช้นอกเหนือจากงานที่ออกแบบมาเพื่อรองรับในตอนแรก

ความแตกต่างนี้สำคัญ การสร้างสิ่งที่ใช้ได้ผลสำหรับคนคนเดียวเป็นเพียงจุดเริ่มต้น การสร้างคุณค่าให้ทั้งองค์กรต้องอาศัยความเข้าใจว่าผู้อื่นนำสิ่งนั้นไปใช้อย่างไร และมีอะไรเปลี่ยนแปลงบ้างเมื่อสิ่งนั้นกลายเป็นส่วนหนึ่งของกระบวนการที่ใหญ่ขึ้น

ดังนั้น การปรับแนวทางของเราจึงเริ่มจากผลลัพธ์ที่ต้องการ ทีมต้องบรรลุอะไร ขั้นตอนใดช่วยให้ได้ผลลัพธ์นั้น และขั้นตอนใดมีอยู่เพียงเพราะเป็นกระบวนการที่ใช้กันมานานแต่ไม่ตอบโจทย์อีกต่อไป คำถามเหล่านี้ช่วยเปลี่ยนจุดสนใจจากการเพิ่ม AI เข้าไปในงานแต่ละชิ้น ไปสู่การออกแบบกระบวนการทำงานใหม่ให้สอดคล้องกับเป้าหมายที่ชัดเจนยิ่งขึ้น

จากนั้น เรากำหนดค่าพื้นฐานและเกณฑ์ที่เหมาะกับกระบวนการทำงานแต่ละแบบ เราพิจารณาคุณภาพ งานที่ต้องแก้ไขซ้ำ และภาระงานของพนักงานควบคู่ไปกับระยะเวลาที่ใช้จนเสร็จสิ้น ตัวชี้วัดเหล่านี้ช่วยให้เราประเมินการปรับปรุงได้ตลอดทั้งกระบวนการ

ทั่วทั้ง Socrates เราออกแบบกระบวนการทำงานใหม่กว่า 20 กระบวนการ โดยเปลี่ยนการทดลองที่มุ่งแก้ปัญหาทางธุรกิจจริงให้เป็นขีดความสามารถที่ผู้อื่นนำไปใช้ได้ รายงานด้านการเงินใช้เวลาลดลงจากสี่ชั่วโมงเหลือ 20 นาที ขณะที่ฝ่ายไอทีรายงานว่างานซ้ำ ๆ ลดลง 40% และเวลาตอบสนองลดลง 60% ผลลัพธ์เหล่านี้แสดงให้เห็นถึงความคืบหน้าในการดำเนินงาน หากต้องการเข้าใจว่าตัวชี้วัดเหล่านี้แปรเปลี่ยนเป็นมูลค่าทางธุรกิจได้อย่างไร จำเป็นต้องประเมินว่าภาระงานลดลงตลอดกระบวนการหรือไม่ และทีมต่าง ๆ นำศักยภาพที่เพิ่มขึ้นไปใช้อย่างไร

บทเรียนที่เราได้รับคือ ต้องติดตามการปรับปรุงให้เห็นผลตลอดทั้งกระบวนการ การประหยัดเวลาของแต่ละคนเป็นเรื่องสำคัญ แต่จะกลายเป็นคุณค่าต่อองค์กรเมื่อช่วยให้คนถัดไปทำงานได้ดีขึ้น และทำให้ทั้งทีมเข้าใกล้ผลลัพธ์ที่ต้องการมากขึ้น

CIO ควรวัดอะไรแทน

การติดตามผลการปรับปรุงไปจนถึงผลกระทบทางธุรกิจต้องทำมากกว่าแค่ติดตามการใช้ AI หรือเวลาที่ประหยัดได้ ผู้นำต้องเชื่อมโยงการนำ AI มาใช้เข้ากับการปรับปรุงวิธีทำงานและผลลัพธ์ที่เกิดขึ้น ควรวัดความคืบหน้าในสามระดับที่แตกต่างกันดังนี้:

1. การนำ AI มาใช้: พนักงานใช้ AI หรือไม่?

   การนำ AI มาใช้ยังเป็นตัวชี้วัดเพื่อการวินิจฉัยที่มีประโยชน์ ข้อมูลการใช้งาน การมีส่วนร่วมในการทดลอง และความคิดเห็นของพนักงานช่วยให้เห็นว่าพวกเขาเริ่มมั่นใจในการใช้ AI มากขึ้นตรงจุดใด และต้องการการสนับสนุนในเรื่องใด

   สัญญาณเหล่านี้ช่วยให้ผู้นำเข้าใจความพร้อมขององค์กร แต่ไม่ได้ยืนยันผลตอบแทนจากการลงทุน (ROI) การใช้งานในระดับสูงเป็นจุดเริ่มต้นของการตรวจสอบ ไม่ใช่หลักฐานว่าการเปลี่ยนแปลงเกิดขึ้นแล้ว

2. ประสิทธิภาพของกระบวนการทำงาน: งานดีขึ้นจริงหรือไม่?

   เกณฑ์ความสำเร็จควรสะท้อนเป้าหมายของกระบวนการทำงานนั้น ๆ การปรับปรุงอาจหมายถึงข้อมูลที่แม่นยำขึ้น ข้อผิดพลาดน้อยลง หรือแก้ไขปัญหาได้เร็วขึ้น ทั้งนี้ขึ้นอยู่กับกรณีการใช้งาน

   เปรียบเทียบประสิทธิภาพกับค่าฐานตลอดทั้งกระบวนการ ติดตามจำนวนขั้นตอนที่ไม่จำเป็นซึ่งถูกตัดออก งานที่ต้องทำซ้ำ คุณภาพ และภาระงานโดยรวมของพนักงาน รวมถึงผู้ที่ได้รับผลลัพธ์จาก AI และนำผลลัพธ์นั้นไปดำเนินการต่อ งานไม่ได้มีประสิทธิภาพขึ้นเสมอไป หากทำให้ต้องตรวจทานหรือแก้ไขเพิ่มเติมในส่วนอื่น

3. ผลกระทบทางธุรกิจ: กระบวนการทำงานที่ใช้ AI ช่วยให้ผลลัพธ์ทางธุรกิจดีขึ้นหรือไม่?

   เชื่อมโยงการปรับปรุงกระบวนการทำงานเข้ากับผลลัพธ์ที่ผู้บริหารให้ความสำคัญอยู่แล้ว เช่น การรักษาลูกค้า รายได้ คุณภาพการบริการ หรือต้นทุนต่อปัญหาที่แก้ไขได้ ตัวอย่างเช่น การผลิตเนื้อหาได้มากขึ้นแสดงว่าปริมาณงานเพิ่มขึ้น แต่มูลค่าทางธุรกิจขึ้นอยู่กับเนื้อหาที่ผลิตได้

   ติดตามว่ามีการนำเวลาที่ประหยัดได้ไปใช้ทำอะไร ศักยภาพที่เพิ่มขึ้นช่วยยกระดับการบริการ สนับสนุนการเติบโต หรือลดต้นทุนการดำเนินงานหรือไม่ ประเมินมูลค่าเทียบกับต้นทุนทั้งหมดที่ใช้ในการสร้างผลลัพธ์นั้น ซึ่งรวมถึงแรงงานคน การใช้ AI การผสานระบบ การกำกับดูแล การฝึกอบรม และการบำรุงรักษา

เมื่อพิจารณาร่วมกัน ตัวชี้วัดเหล่านี้ช่วยให้ผู้นำติดตามได้ว่าการนำ AI มาใช้ส่งผลต่อการปรับปรุงกระบวนการทำงานและผลลัพธ์ทางธุรกิจอย่างไร หากการใช้ AI เพิ่มขึ้นโดยไม่ได้ลดภาระงานของคน ยกระดับคุณภาพ หรือสร้างมูลค่าทางธุรกิจ ผู้นำต้องทบทวนแนวทางก่อนขยายการใช้งาน

ผู้นำต้องนิยามความก้าวหน้าด้าน AI ใหม่

ข้อมูลการนำ AI มาใช้ช่วยให้บริษัทเห็นว่าใครกำลังใช้ AI และจุดใดต้องการการสนับสนุนเพิ่มเติม การทำความเข้าใจคุณค่าของ AI ต้องอาศัยการรับฟังคนที่ทำงานจริง และประเมินว่าประโยชน์ที่เกิดขึ้นช่วยปรับปรุงกระบวนการทำงานในภาพรวมหรือไม่ ผู้นำต้องสร้างความมั่นใจให้พนักงานกล้าชี้ให้เห็นแนวทางที่เพิ่มภาระงานโดยไม่ทำให้ผลลัพธ์ดีขึ้น แล้วนำข้อค้นพบเหล่านั้นไปดำเนินการ การปรับเปลี่ยนหรือยุติแนวทางที่ไม่ได้ผลถือเป็นความก้าวหน้า หากบทเรียนที่ได้รับช่วยให้ตัดสินใจครั้งต่อไปได้ดีขึ้น

การเปลี่ยนแปลงที่มีความหมายสะท้อนให้เห็นจากการตัดงานที่ไม่จำเป็นออก การได้ผลลัพธ์ที่ดีขึ้น และการมีศักยภาพเพิ่มขึ้นสำหรับงานที่สำคัญ สิ่งเหล่านี้คือผลลัพธ์ที่ผู้นำควรใช้ประเมินความก้าวหน้าด้าน AI และกำหนดทิศทางการลงทุนเพิ่มเติม