The Big Blue by Bangkok Bank

เมื่อ AI เข้ามาเปลี่ยนโลกผู้นำ แล้วองค์กรควรมองหาอะไรต่อไป?



ยุคปัจจุบัน AI เริ่มเข้ามาเปลี่ยนความหมายของ “ความเก่งฉบับผู้นำ” แน่นอนว่า Leadership Potential จึงกลายเป็นคุณสมบัติสำคัญของผู้นำยุค Human-AI ซึ่งการพูดถึงอนาคตของ AI มักเต็มไปด้วยคำถามว่า

- งานไหนจะหายไป?
- ทักษะอะไรจะสำคัญขึ้นหลังจากนี้?
- องค์กรควรเตรียมตัวอย่างไร?

แต่ความจริงคือไม่มีใครสามารถรู้อนาคตได้อย่างแน่นอน แม้แต่ผู้เชี่ยวชาญที่พยายามคาดการณ์การเปลี่ยนแปลงของเทคโนโลยีและตลาดแรงงานก็ตาม แต่สิ่งที่องค์กรรู้แน่ ๆ คือ การเปลี่ยนแปลงกำลังเกิดขึ้นแล้ว และในช่วงไม่กี่ปีที่ผ่านมา AI ได้เข้ามาเปลี่ยนทั้งรูปแบบการทำงาน บทบาทของพนักงาน และวิธีที่องค์กรสร้างคุณค่าอย่างรวดเร็ว ดังนั้นความท้าทายสำคัญขององค์กรอาจไม่ใช่การพยายามทำนายว่า AI จะเป็นอย่างไรในอีก 5 หรือ 10 ปีข้างหน้า แต่คือการสร้างผู้นำที่สามารถปรับตัวได้เมื่อสิ่งที่คาดการณ์ไว้ไม่เป็นไปตามแผน

—-----------------------------------
📌เมื่อโลกการทำงานซับซ้อนขึ้น ความเป็นผู้นำยิ่งสำคัญมากขึ้นไปอีกขั้น!
—-----------------------------------

ในโลกที่การทำงานยังค่อนข้างเป็นระบบและผลลัพธ์สามารถคาดการณ์ได้ ความสำคัญของผู้นำอาจไม่ได้เด่นชัดมากนักเพราะทีมสามารถดำเนินงานตามกระบวนการที่วางไว้ได้เรื่อย ๆ แต่เมื่อความซับซ้อนเพิ่มขึ้นส่งผลให้ความสัมพันธ์ระหว่างสิ่งที่องค์กรทำกับผลลัพธ์ที่เกิดขึ้นกลับไม่ชัดเจนเหมือนเดิม ความสามารถในการประสานคน ตัดสินใจ และปรับทิศทางจึงกลายเป็นปัจจัยที่สำคัญมากขึ้น

ซึ่งจุดนี้ AI เป็นสิ่งที่เข้ามาทำให้สถานการณ์นี้ชัดเจนขึ้น เพราะองค์กรสามารถเข้าถึงข้อมูลและความสามารถในการวิเคราะห์ได้มากขึ้น ในขณะเดียวกันทุกองค์กรก็สามารถเข้าถึงเทคโนโลยีและข้อมูลประเภทเดียวกันได้มากขึ้นเช่นกัน ดังนั้นสิ่งที่จะสร้างความแตกต่างให้กับองค์กรจึงอาจไม่ใช่แค่เพียงว่า “ใครมีข้อมูลมากกว่า” แต่เป็น ใครสามารถนำข้อมูลและ AI ไปใช้เพื่อสร้างการตัดสินใจและการลงมือทำได้ดีกว่า

ตรงนี้เองที่บทบาทของผู้นำยังคงมีความสำคัญ เพราะ AI ทำให้ “ความรู้” ไม่ใช่ข้อได้เปรียบแบบเดิม จากที่ในอดีตการเลือกผู้นำมักให้ความสำคัญกับเรื่องของความรู้ ความเชี่ยวชาญ และประสบการณ์ เพราะสิ่งเหล่านี้เป็นตัวสะท้อนว่าคนคนนั้นมีความสามารถในการแก้ปัญหาและสร้างผลลัพธ์ได้ดี

แต่ AI กำลังเปลี่ยนสมการนี้! จากการที่ระบบ Generative AI และ Large Language Models สามารถเข้าถึงและประมวลผลความรู้จำนวนมหาศาลได้อย่างรวดเร็ว ทำให้ความสามารถในการ “รู้คำตอบ” เพียงอย่างเดียวมีคุณค่าน้อยลงเมื่อเทียบกับในอดีต ซึ่งเป็นจุดที่ทำให้ความเชี่ยวชาญกำลังเปลี่ยนความหมายไป จากการเป็นคนที่รู้คำตอบจำนวนมากไปสู่การเป็นคนที่ตั้งคำถามได้ถูกต้อง รู้ว่าควรถาม AI อย่างไร และสามารถตรวจสอบ ตีความ หรือปฏิเสธคำตอบที่ไม่เหมาะสมได้จริง



สำหรับผู้นำ นี่หมายความว่าการใช้ AI ให้เกิดประโยชน์ไม่ได้จบลงที่การรู้จักเครื่องมือ แต่ต้องมีวิจารณญาณเพียงพอที่จะรู้ว่า AI ควรมีบทบาทตรงไหนและเมื่อใดที่มนุษย์ต้องเข้ามาตัดสินใจเอง?

นอกจากนี้อีกหนึ่งแนวคิดที่องค์กรอาจต้องทบทวน คือ การใช้ผลงานในอดีตเป็นตัวชี้วัดหลักของศักยภาพความเป็นผู้นำ จากที่ผ่านมาถ้าหากองค์กรต้องการคนที่สามารถสร้างผลลัพธ์ในอนาคตได้จริง ก็มักจะต้องมองหาคนที่เคยสร้างผลงานได้ดี มีประสบการณ์สูง และเคยรับผิดชอบงานที่คล้ายกันมาก่อน ซึ่งวิธีคิดนี้ยังคงมีประโยชน์ แต่กำลังมีข้อจำกัดมากขึ้นเพราะความเป็นผู้นำในอนาคตอาจไม่เหมือนอดีตทั้งหมด

เมื่อ AI กำลังเข้ามาเปลี่ยนวิธีการทำงานของหลาย ๆ ตำแหน่ง แม้ชื่อตำแหน่งหรือหน้าที่อย่างเป็นทางการจะยังเหมือนเดิม แต่สิ่งที่คนคนนั้นต้องทำเพื่อสร้างคุณค่าอาจเปลี่ยนไปอย่างมาก เพราะงานบางส่วนอาจถูกส่งต่อให้ AI, AI Agents, หรือระบบ Automation ทำแทน ทำให้มนุษย์ต้องใช้เวลาไปกับงานที่มีมูลค่าสูงขึ้น ดังนั้นคนที่ทำงานเดิมได้ดีในอดีตอาจไม่ได้หมายความว่าจะสามารถรับมือกับโจทย์ใหม่ได้ดีที่สุดเสมอไป องค์กรจึงควรมีมุมมองที่เพิ่มจากคำถามว่า “คนนี้เคยทำอะไรสำเร็จ?” ไปสู่คำถามว่า “คนนี้มีศักยภาพที่จะเรียนรู้และทำสิ่งที่ยังไม่เคยทำได้หรือไม่?” เพราะนี่คือความแตกต่างระหว่าง Talent กับ Potential

1. Talent คือ ความสามารถในการสร้างผลงานที่โดดเด่นในปัจจุบัน
2. Potential คือ ความเป็นไปได้ที่คนคนนั้นจะพัฒนาความสามารถและสร้างผลงานในระดับที่สูงขึ้นในอนาคต

ซึ่งจุดนี้ทำให้ Leadership Potential กลายเป็นสิ่งที่องค์กรต้องลงทุนมากขึ้นอย่างจริงจัง หากความท้าทายในอนาคตสามารถเปลี่ยนแปลงได้อยู่ตลอดเวลา การพัฒนาผู้นำก็ไม่ควรจบลงเมื่อคนหนึ่งคนขึ้นมารับตำแหน่งบริหาร เพราะยุคนี้ผู้นำที่องค์กรต้องการอาจเป็นคนที่สามารถพัฒนาตัวเองไปพร้อมกับความท้าทายใหม่ ๆ ได้แบบไม่มีลิมิต! คุณสมบัติสำคัญจึงไม่ได้มีแค่เพียงเรื่องของ Hard Skills หรือความรู้เฉพาะทาง แต่รวมถึงความสามารถที่ช่วยให้คนคนนั้นสามารถเรียนรู้ ปรับตัว และนำผู้อื่นผ่านสถานการณ์ที่ไม่แน่นอนได้ โดยสิ่งเหล่านี้ประกอบไปด้วย

🔹Curiosity — ความอยากรู้และพร้อมเรียนรู้สิ่งใหม่
🔹Judgment — การวิเคราะห์และตัดสินใจอย่างมีวิจารณญาณ
🔹Vision — สามารถมองเห็นทิศทางและสร้างความหมายให้ทีม
🔹Resilience — สามารถรับมือความผิดพลาดและกลับมาได้
🔹Coachability — เปิดรับ Feedback และพร้อมพัฒนาตัวเอง
🔹Agility — ปรับตัวได้เร็วเมื่อสถานการณ์เปลี่ยน

คุณสมบัติเหล่านี้ไม่ได้เป็นทักษะใหม่และไม่ได้เกิดขึ้นเพราะ AI เพิ่งทำให้มันสำคัญ แต่ AI กำลังทำให้เราเห็นชัดขึ้นว่าสิ่งเหล่านี้มีคุณค่ามากแค่ไหนเมื่อความรู้และงานบางประเภทสามารถถูกส่งต่อให้เทคโนโลยีทำแทนได้

—-----------------------------------

โดย Curiosity และ Judgment คือ “การรู้ว่าอะไรควรถามและอะไรควรเชื่อ” เมื่อ AI สามารถสร้างคำตอบให้เราได้อย่างรวดเร็ว ผู้นำไม่จำเป็นต้องเป็นคนที่รู้ทุกอย่างด้วยตัวเองแต่ต้องเป็นคนที่รู้ว่า “อะไรคือสิ่งที่ตัวเองยังไม่รู้?” ซึ่ง Curiosity ช่วยให้ผู้นำพร้อมเรียนรู้ ทดลอง และตั้งคำถามกับสิ่งที่ดูเหมือนเป็นคำตอบที่ถูกต้องอยู่แล้ว ในขณะที่ Judgment ช่วยให้สามารถประเมินข้อมูลและคำตอบที่ได้รับรวมถึงแยกแยะว่าอะไรมีประโยชน์ อะไรไม่เกี่ยวข้อง และอะไรไม่ควรถูกนำไปใช้ตัดสินใจ เพราะในยุคที่ AI สามารถสร้างข้อมูลได้มากขึ้นความสามารถในการคัดเลือกและตัดสินใจจึงมีความสำคัญไม่แพ้ความสามารถในการสร้างข้อมูล

ในส่วนของ Vision คือ “เมื่ออนาคตไม่ชัดผู้นำต้องช่วยสร้างทิศทาง” เพราะ AI สามารถเข้ามาช่วยวิเคราะห์ข้อมูลและสร้างทางเลือกได้แต่ไม่สามารถกำหนดความหมายของสิ่งที่องค์กรกำลังพยายามทำได้ทั้งหมด เมื่ออนาคตมีความไม่แน่นอน คนในองค์กรยังคงต้องการทิศทางและเหตุผลว่าทำไมพวกเขาจึงควรเดินไปข้างหน้า และนี่คือบทบาทของ Vision ซึ่งจุดนี้ผู้นำจึงไม่ได้มีหน้าที่เพียงแค่บอกทีมว่า “ต้องทำอะไร?” แต่ต้องช่วยให้คนเข้าใจว่า “เรากำลังทำไปเพื่ออะไร?” และสร้างความมั่นใจให้ทีมสามารถเดินหน้าต่อได้แม้ผลลัพธ์สุดท้ายจะยังไม่ชัดเจนก็ตาม

Resilience คือมุมมองที่ว่า “เพราะการเปลี่ยนแปลงย่อมมีความล้มเหลว” การเปลี่ยนผ่านสู่การทำงานร่วมกับ AI ไม่ได้หมายความว่าทุกโครงการจะประสบความสำเร็จตั้งแต่ครั้งแรก องค์กรอาจทดลองแล้วไม่เกิดผลลัพธ์ตามที่คาดไว้ ระบบอาจไม่เหมาะกับ Workflow หรือแนวทางที่คิดว่าจะสร้าง Productivity อาจไม่สามารถสร้างคุณค่าที่แท้จริงได้ ดังนั้นผู้นำจำเป็นต้องมี Resilience หรือ “ความสามารถในการรับมือกับความผิดพลาดและกลับมาเดินหน้าต่อ” ซึ่งสิ่งสำคัญไม่ใช่การทำให้ทุกอย่างไม่มีความผิดพลาด แต่คือการทำให้ทีมสามารถเรียนรู้จากความผิดพลาดและปรับตัวได้เร็วขึ้น

Coachability คือ “ผู้นำเองก็ต้องพร้อมเรียนรู้” เป็นอีกหนึ่งคุณสมบัติสำคัญที่ผู้นำต้องมีความพร้อมที่จะรับ Feedback และพัฒนาตัวเอง ในโลกที่ความรู้และเทคโนโลยีเปลี่ยนเร็วการคิดว่าตัวเองเป็น “ผู้นำที่พร้อมแล้ว” อาจกลายเป็นข้อจำกัด! ผู้นำที่มีศักยภาพจึงควรมองตัวเองเป็นคนที่ยังสามารถเรียนรู้ได้เสมอ พร้อมรับข้อมูลใหม่ ทดลองแนวทางใหม่ และเปลี่ยนวิธีคิดเมื่อสถานการณ์เปลี่ยน หรือพูดง่าย ๆ คือ ผู้นำที่คิดว่าตัวเองเป็นผลิตภัณฑ์ที่เสร็จสมบูรณ์แล้วอาจกำลังหยุดพัฒนาตัวเอง

ปัจจุบันในส่วนของ Transformational Leadership ไม่ใช่บทบาทเฉพาะอีกต่อไป จากที่ในอดีต Transformational Leadership เคยถูกมองว่าเป็นรูปแบบความเป็นผู้นำสำหรับคนที่มีหน้าที่ขับเคลื่อนการเปลี่ยนแปลงโดยเฉพาะ แต่เมื่อการเปลี่ยนแปลงกลายเป็นส่วนสำคัญส่วนหนึ่งของการทำธุรกิจ การเป็นผู้นำการเปลี่ยนแปลงจึงไม่ควรจำกัดอยู่เฉพาะตำแหน่งใดตำแหน่งหนึ่ง ไม่ว่าจะเป็นหัวหน้าทีม ผู้บริหาร หรือผู้รับผิดชอบหน่วยธุรกิจ ล้วนต้องสามารถช่วยให้ทีมปรับตัวกับสิ่งใหม่ได้ ดังนั้น Transformational Leadership จึงกำลังเปลี่ยนจากบทบาทเฉพาะทางมาเป็น “ความสามารถพื้นฐานของผู้นำยุคใหม่”



📌แล้วองค์กรควรปรับวิธีพัฒนาผู้นำอย่างไร?

สำหรับองค์กรที่กำลังเข้าสู่ยุค Human-AI สิ่งสำคัญอาจไม่ใช่การพยายามคาดการณ์ว่าอีกหลายปีข้างหน้าผู้นำจะต้องมี Hard Skills อะไร? เพราะไม่มีใครสามารถรู้ได้อย่างแม่นยำ แต่สามารถเริ่มจากการพัฒนาความสามารถที่ช่วยให้ผู้นำเรียนรู้และปรับตัวได้เมื่อ Hard Skills เหล่านั้นเปลี่ยนไป ดังนั้นการประเมินผู้นำจึงควรมองทั้งผลงานในปัจจุบันและศักยภาพในการเติบโตในอนาคต ขณะเดียวกันการพัฒนาผู้นำควรสร้างพื้นที่ให้ทดลอง เรียนรู้ รับ Feedback และทำงานร่วมกับ AI อย่างมีวิจารณญาณ

องค์กรไม่จำเป็นต้องเลือกว่าจะพัฒนา “คน” หรือ “เทคโนโลยี” เพราะความได้เปรียบในยุคนี้เกิดจากการทำให้ทั้งสองส่วนทำงานร่วมกันได้ดี เมื่อ AI ยิ่งเก่งขึ้นความเป็นมนุษย์ยิ่งมีค่า ซึ่งสิ่งที่น่าสนใจที่สุดของการเปลี่ยนผ่านครั้งนี้ คือ ยิ่งเทคโนโลยีพัฒนาไปไกลคุณสมบัติพื้นฐานของมนุษย์กลับยิ่งมีความสำคัญ
- ความอยากรู้
- การตัดสินใจ
- ความสามารถในการสร้างแรงบันดาลใจ
- ความยืดหยุ่น
- ความสามารถในการเข้าใจผู้อื่น

Skills เหล่านี้ไม่ใช่ทักษะแห่งอนาคตที่เพิ่งเกิดขึ้น แต่เป็นคุณสมบัติที่มีความสำคัญมาโดยตลอด AI เพียงแค่เข้ามาทำให้เราเห็นชัดขึ้นว่าความรู้และประสบการณ์ไม่ได้เป็นตัวแทนที่สมบูรณ์แบบของศักยภาพในอนาคต เมื่อเครื่องจักรสามารถทำบางสิ่งได้ดีกว่ามนุษย์ สิ่งที่มนุษย์ควรทำจึงไม่ใช่การพยายามเอาชนะเครื่องจักรในทุกด้าน แต่คือการย้ายจุดแข็งไปอยู่ในพื้นที่ที่มนุษย์ยังสามารถสร้างคุณค่าได้มากที่สุด

แน่นอนว่าสำหรับผู้นำนั่นหมายถึงการใช้ AI เพื่อเพิ่มความสามารถของทีม โดยไม่ปล่อยให้ AI เข้ามาแทนที่ความอยากรู้ จินตนาการ วิจารณญาณ และความสามารถในการสร้างความหมายให้กับผู้คน ซึ่งท้ายที่สุดแล้ว คำถามสำคัญของผู้นำในยุค AI อาจไม่ใช่ “เราจะตาม AI ให้ทันได้อย่างไร?” แต่คือ “เราจะใช้ AI ให้เก่งขึ้น โดยยังรักษาความเป็นมนุษย์ที่ทำให้การนำองค์กรมีความหมายได้อย่างไร?” เพราะในโลกที่เทคโนโลยีเปลี่ยนเร็วขึ้นเรื่อย ๆ ผู้นำที่องค์กรต้องการอาจไม่ใช่คนที่รู้ดีที่สุดในวันนี้ แต่คือคนที่มีศักยภาพมากพอที่จะเรียนรู้ เติบโต และนำผู้คนไปสู่สิ่งที่ยังไม่เคยเกิดขึ้นได้นั่นเอง

📌🤖เมื่อ 88% ขององค์กรใช้ AI แล้ว แล้วธุรกิจคุณปรับใช้ AI ไปถึงจุดไหนแล้วบ้าง!? มาเช็กกันเลย 👇



จากเทคโนโลยีที่ครั้งหนึ่งเคยถูกมองว่าเป็นเรื่องไกลตัว วันนี้ AI กำลังกลายเป็นส่วนหนึ่งของการทำงานจริงในองค์กร ตั้งแต่การตอบคำถามลูกค้า การทำการตลาด การวิเคราะห์ข้อมูล ไปจนถึงการบริหาร Supply Chain และการวางแผนทางการเงิน โดยข้อมูลระบุว่า 88% ขององค์กรกำลังใช้ AI อย่างน้อยหนึ่งส่วนในกระบวนการดำเนินธุรกิจ

แต่การที่องค์กรมี AI ไม่ได้หมายความว่าจะสร้างคุณค่าทางธุรกิจได้ทันที เพราะหลายองค์กรยังอยู่ในช่วงเปลี่ยนผ่านจากการทดลองใช้ AI ไปสู่การนำ AI มาใช้อย่างเป็นระบบและสามารถสร้างผลลัพธ์ที่วัดได้จริง ดังนั้นประเด็นสำคัญจึงไม่ใช่เพียงว่าธุรกิจจะใช้ AI หรือไม่? แต่คือธุรกิจจะนำ AI ไปอยู่ตรงไหนของกระบวนการทำงาน เพื่อให้คน เทคโนโลยี และข้อมูลทำงานร่วมกันได้อย่างมีประสิทธิภาพมากที่สุด!?

---------------------------------------------
👉เปิด 13 รูปแบบที่ธุรกิจเลือกใช้ AI เข้ามาเปลี่ยนจาก “ทดลองใช้” สู่ “การสร้าง Growth”
---------------------------------------------

1. Customer Service เร็วขึ้นและทำงานได้อัตโนมัติมากขึ้น
หนึ่งในพื้นที่ที่เห็นการนำ AI มาใช้ได้ชัดเจนที่สุดคือ “Customer Service” เพราะธุรกิจจำนวนมากต้องรับมือกับคำถามและคำขอจากลูกค้าจำนวนมากในแต่ละวัน AI-powered Chatbots และ Virtual Assistants จึงเข้ามาช่วยในการตอบคำถามทั่วไป จัดเส้นทางคำถามไปยังทีมที่เกี่ยวข้อง จัดการข้อร้องเรียนเบื้องต้น และให้บริการได้ตลอด 24 ชั่วโมง

ผลลัพธ์ที่เกิดขึ้นไม่ได้มีเพียงแค่การตอบลูกค้าได้เร็วขึ้น แต่ยังช่วยลดภาระของทีม Support และลดเวลารอของลูกค้าดิอีกด้วย โดยเฉพาะธุรกิจอย่างธนาคาร โทรคมนาคม และค้าปลีกที่มีปริมาณการติดต่อสูง การนำ AI เข้ามาจัดการงานที่เกิดขึ้นซ้ำ ๆ จึงช่วยให้คนสามารถนำเวลาไปจัดการกับปัญหาที่ซับซ้อนและต้องการการดูแลแบบมนุษย์มากขึ้น



2. ใช้ AI ช่วยให้ธุรกิจตัดสินใจได้เร็วขึ้น
ในแต่ละวันธุรกิจมีข้อมูลจำนวนมหาศาลตั้งแต่ Customer Trends, Sales Performance, Supply Chain Risks ไปจนถึง Market Conditions และ Consumer Behaviour ดังนั้นการวิเคราะห์ข้อมูลทั้งหมดด้วยวิธีแบบเดิมอาจใช้เวลานาน ทำให้ผู้บริหารต้องตัดสินใจจากข้อมูลที่อาจไม่ทันกับสถานการณ์ปัจจุบัน จุดนี้ AI จึงเข้ามาเป็น “ตัวช่วยประมวลผลข้อมูลจำนวนมาก” และค้นหารูปแบบที่อาจต้องใช้เวลาหลายสัปดาห์กว่าทีมงานจะมองเห็น ทำให้ธุรกิจสามารถนำ Predictive Insights มาประกอบการตัดสินใจได้รวดเร็วขึ้นและลดการพึ่งพาเพียงประสบการณ์หรือรายงานข้อมูลในอดีต



3. Marketing ผลิต Content ได้มากขึ้นในเวลาที่น้อยลง
Marketing เป็นอีกหนึ่งทีมที่นำ Generative AI มาใช้อย่างรวดเร็ว เพราะ AI สามารถช่วยสร้าง Content ได้หลากหลายรูปแบบ ตั้งแต่บทความ โฆษณา Email Campaigns Product Descriptions ไปจนถึง Social Media Posts

ซึ่งสิ่งที่เปลี่ยนไป คือ ทีม Marketing ไม่จำเป็นต้องเริ่มต้นทุกชิ้นงานจากหน้ากระดาษเปล่าอีกต่อไป AI สามารถช่วยสร้าง Draft หรือแนวทางเบื้องต้น ทำให้ทีมสามารถใช้เวลาไปกับการวางกลยุทธ์ การตรวจสอบคุณภาพ และการปรับ Content ให้เหมาะกับแบรนด์มากขึ้น นอกจากนี้ AI ยังสามารถช่วย Personalise Campaigns โดยอ้างอิงจากพฤติกรรมและรูปแบบการซื้อของลูกค้าได้อีกด้วย เพียงแค่ ให้ AI ช่วยงานขั้นตอนแรก เช่น Draft และ Idea Generation แต่ยังคงให้คนตรวจสอบคุณภาพ ความถูกต้องและความเป็นตัวตนของแบรนด์ก่อนเผยแพร่



4. Personalisation ช่วยสร้าง Engagement กับลูกค้า
ผู้บริโภคในปัจจุบันคาดหวังประสบการณ์ที่ตรงกับความสนใจของตัวเองมากขึ้น AI จึงเข้ามามีบทบาทในการวิเคราะห์ข้อมูลและสร้าง Recommendation ที่เหมาะกับผู้ใช้แต่ละคน โดยธุรกิจสามารถนำ AI ไปใช้กับ
- Email Marketing
- Website Experience
- Product Recommendations
- Advertising Campaigns
- Loyalty Programmes

ซึ่งสำหรับธุรกิจการทำ Personalisation ทำให้การสื่อสารกับลูกค้าไม่จำเป็นต้องใช้รูปแบบเดียวกับทุกคนอีกต่อไป แต่สามารถปรับเนื้อหา โปรโมชั่น หรือสินค้าให้สอดคล้องกับพฤติกรรมของแต่ละกลุ่มได้ ซึ่งอาจช่วยเพิ่ม Engagement และ Conversion ได้มากขึ้น เริ่มจากข้อมูลพฤติกรรมที่ธุรกิจมีอยู่จากนั้นทำการแบ่งลูกค้าออกเป็นกลุ่มที่มีความสนใจแตกต่างกัน ก่อนนำ AI มาช่วยสร้างประสบการณ์ที่เหมาะกับแต่ละกลุ่ม



5. AI ช่วยเปลี่ยนวิธี Forecast รายได้ของธุรกิจ
การคาดการณ์ยอดขายและรายได้ในอดีตมักอาศัย Spreadsheet ข้อมูลย้อนหลังและการประเมินจากประสบการณ์ของทีม แต่ตลาดที่เปลี่ยนแปลงอย่างรวดเร็วทำให้การพึ่งพาข้อมูลในอดีตเพียงอย่างเดียวอาจไม่เพียงพอ จุดนี้ AI และ Machine Learning จึงถูกนำมาใช้เพื่อคาดการณ์ Future Sales, Customer Churn, Buying Intent, Seasonal Demand และ Revenue Growth ได้ โดยเป้าหมายไม่ได้มีเพียงการทำ Forecast ให้แม่นยำขึ้น แต่คือการช่วยให้ธุรกิจสามารถตัดสินใจได้เร็วขึ้นเมื่อสถานการณ์เกิดการเปลี่ยนแปลง



6. Supply Chain กำลังเปลี่ยนจากการแก้ปัญหาเป็นการคาดการณ์ล่วงหน้า
จากความผันผวนของ Supply Chain ทำให้ธุรกิจต้องรับมือกับปัญหาอย่างสินค้าขาด การจัดส่งล่าช้า หรือความต้องการของลูกค้าที่เปลี่ยนแปลง AI จึงเข้ามาช่วยให้ธุรกิจสามารถมองเห็นความเสี่ยงและวางแผนล่วงหน้าได้มากขึ้น ซึ่งระบบ AI สามารถเข้ามาช่วยได้หลายส่วน ไม่ว่าจะเป็น
- คาดการณ์ Inventory Shortages
- ติดตาม Shipping Delays
- เพิ่มประสิทธิภาพการทำงานของคลังสินค้า Forecast Customer Demand
- ลด Operational Waste

ซึ่งบอกเลยว่าเป็นส่วนที่มีความสำคัญอย่างมากสำหรับธุรกิจที่พึ่งพาการผลิตและ Logistics โดยสามารถใช้ AI วิเคราะห์ข้อมูล Inventory และ Demand เพื่อมองหาสัญญาณของสินค้าขาดหรือความต้องการที่เปลี่ยนแปลงก่อนที่จะกลายเป็นปัญหาได้



7. AI ช่วยยกระดับ Fraud Detection และ Cybersecurity
เมื่อภัยคุกคามทางไซเบอร์มีความซับซ้อนมากขึ้น การตรวจสอบด้วยระบบแบบเดิมอาจรับมือได้ไม่ทัน AI จึงถูกนำมาใช้เพื่อติดตามกิจกรรมบนระบบอย่างต่อเนื่องและช่วยระบุพฤติกรรมที่มีความผิดปกติได้รวดเร็วขึ้น ซึ่งการใช้งานมีตั้งแต่
- Fraud Detection
- Threat Monitoring
- Automated Security Alerts
- Risk Assessment
- Compliance Monitoring

โดยเฉพาะสถาบันการเงินที่ต้องรับมือกับ Digital Fraud ที่มีความซับซ้อนเพิ่มขึ้น ซึ่งสามารถใช้ AI เป็นระบบเฝ้าระวังเบื้องหลัง เพื่อช่วยตรวจจับความผิดปกติและแจ้งเตือนทีมก่อนที่ปัญหาจะขยายตัว



8. Recruitment และ HR เริ่มใช้ AI ลดงานที่ต้องทำซ้ำ
AI กำลังเข้ามาช่วยให้ทีม Human Resources จัดการกระบวนการ Recruitment และ Workforce Management ได้มีประสิทธิภาพมากขึ้น ตั้งแต่การคัดกรอง Resume การจับคู่ Candidate กับตำแหน่งงาน ไปจนถึงการวิเคราะห์ Workforce Trends, Onboarding และการค้นหา Skills Gaps ภายในองค์กร

โดยประโยชน์สำคัญ คือ การเข้ามาช่วยลดเวลาที่ทีม HR ต้องใช้กับงานที่มีรูปแบบซ้ำ ๆ ทำให้สามารถนำเวลาไปใช้กับการดูแลคนและการวางแผนกำลังคนได้มากขึ้น แต่แน่นอนว่าการใช้ AI ในการคัดเลือกบุคลากรยังต้องให้ความสำคัญกับ Algorithmic Bias และความโปร่งใสของกระบวนการคัดเลือกด้วย



9. AI Agents กำลังกลายเป็นเทรนด์สำคัญของการทำงาน
จาก AI ที่เคยเน้นการตอบคำถามหรือสร้าง Content ปัจจุบันแนวคิดของ AI Agents กำลังได้รับความสนใจมากขึ้น เพราะ AI Agents สามารถทำงานหลายขั้นตอนต่อเนื่องได้ด้วยตัวเอง รวมถึงเข้ามาช่วยจัดการ Workflow และทำงานร่วมกับระบบธุรกิจหลายประเภท

โดยข้อมูลจาก McKinsey ระบุว่า 62% ขององค์กรกำลังทดลองใช้ AI Agents ในรูปแบบใดรูปแบบหนึ่ง สะท้อนให้เห็นว่าองค์กรกำลังมอง AI ไม่ใช่เพียงเครื่องมือที่ช่วยทำงานบางขั้นตอน แต่เป็นระบบที่อาจเข้ามาจัดการ Workflow ที่ซับซ้อนมากขึ้น



10. ฝ่ายการเงินใช้ AI เพื่อ Forecast และวางแผนได้แม่นยำขึ้น
โดยในส่วนของ Finance เป็นอีกหนึ่งแผนกที่สามารถนำ AI มาช่วยวิเคราะห์ข้อมูลและคาดการณ์สถานการณ์ทางการเงินได้ ตั้งแต่
- Cash Flow Forecasting
- Budget Analysis
- Risk Modelling
- Financial Reporting
- Investment Planning

ซึ่งแนวคิดสำคัญคือการเปลี่ยนจากการมองข้อมูลในอดีตเพียงอย่างเดียว ไปสู่การใช้ข้อมูลเพื่อมองไปข้างหน้า เมื่อ AI ช่วยวิเคราะห์แนวโน้มและความเสี่ยงได้เร็วขึ้นจากนั้นทีม Finance ก็สามารถใช้ข้อมูลเหล่านั้นประกอบการวางแผนได้ทันท่วงทีมากขึ้นนั่นเอง



11. AI ช่วยเร่งกระบวนการพัฒนาผลิตภัณฑ์
AI ไม่ได้มีบทบาทเฉพาะในงานหลังบ้านแต่ยังสามารถเข้ามาช่วยในกระบวนการ Research & Development เพื่อให้ธุรกิจพัฒนาสินค้าและบริการได้เร็วขึ้น โดย AI สามารถช่วยวิเคราะห์ Customer Feedback ค้นหา Product Trends จำลองผลลัพธ์ ทดลองแนวคิด และช่วยเพิ่มความเร็วของ Innovation Cycles ได้

ข้อมูลจาก McKinsey ระบุว่า 64% ขององค์กรบอกว่า AI กำลังมีส่วนช่วยสร้าง Innovation ภายในธุรกิจ ทำให้ AI กลายเป็นอีกหนึ่งเครื่องมือที่ช่วยให้ธุรกิจทดลองและพัฒนาสิ่งใหม่ ๆ ได้อย่างรวดเร็วขึ้นอีกขั้น โดยสามารถนำข้อมูล Feedback และความต้องการของลูกค้ามาวิเคราะห์ด้วย AI เพื่อค้นหา Insight ที่สามารถนำไปพัฒนาสินค้าหรือบริการรุ่นต่อไป



12. Operational Efficiency ยังคงเป็นเหตุผลสำคัญในการใช้ AI
แม้ AI จะถูกพูดถึงในแง่ของ Innovation และการสร้างโอกาสใหม่ ๆ แต่หนึ่งในเหตุผลหลักที่ธุรกิจนำ AI มาใช้ยังคงเป็นเรื่องของการลดงานซ้ำและเพิ่มประสิทธิภาพการดำเนินงาน โดยองค์กรสามารถใช้ Automation จัดการงานอย่าง
- Document Processing
- Workflow Automation
- Scheduling
- Data Entry
- Internal Reporting

ซึ่งแต่ละงานอาจใช้เวลาไม่มากเมื่อทำเพียงครั้งเดียว แต่เมื่อเกิดขึ้นซ้ำ ๆ ในทุกวันก็สามารถกลายเป็นภาระขององค์กรได้ ซึ่งการมอง AI เป็นเพียงเครื่องมือลดต้นทุนอาจทำให้ธุรกิจพลาดโอกาสในการใช้ AI เพื่อสร้างคุณค่าในด้านอื่น เช่น การสร้างนวัตกรรมหรือการเติบโตของธุรกิจ เป็นต้น



13. ผลกระทบทางเศรษฐกิจของ AI อาจมีขนาดใหญ่มาก
เมื่อ AI ถูกนำไปใช้อย่างกว้างขวางผลกระทบไม่ได้จำกัดอยู่เฉพาะระดับองค์กร แต่สามารถขยายไปสู่เศรษฐกิจโดยรวมได้ โดยข้อมูลจาก PwC ประเมินว่าการนำ AI มาใช้อาจช่วยเพิ่มผลผลิตทางเศรษฐกิจโลกได้สูงถึง 15% ภายในปี 2035 ซึ่งตัวเลขดังกล่าวสะท้อนให้เห็นว่า AI อาจกลายเป็นหนึ่งในเทคโนโลยีที่สร้างการเปลี่ยนแปลงทางเศรษฐกิจครั้งใหญ่นับตั้งแต่ยุคของอินเทอร์เน็ต ในขณะเดียวกันการขยายตัวของ AI ก็ทำให้เกิดโจทย์ใหม่ที่ภาครัฐและองค์กรต้องพิจารณา ทั้งเรื่อง Privacy, การเปลี่ยนแปลงของการจ้างงาน และการใช้ AI อย่างมีจริยธรรม

ซึ่งจุดนี้จึงไม่ใช่เพียงเรื่องของการเลือกว่าจะใช้ AI หรือไม่? แต่เป็นเรื่องของการเตรียมองค์กรให้พร้อมกับตลาดและรูปแบบการทำงานที่กำลังเปลี่ยนแปลง

---------------------------------------------

จากทั้ง 13 Use Cases สู่คำถามสำคัญของธุรกิจ เมื่อมองทั้ง 13 รูปแบบร่วมกันจะเห็นว่า AI สามารถเข้าไปอยู่ได้แทบทุกส่วนขององค์กรตั้งแต่ Customer Service, Marketing, Sales, Finance, HR, Cybersecurity, Supply Chain ไปจนถึง Product Development แต่สิ่งที่น่าสนใจ คือ การนำ AI มาใช้ไม่ได้มีเป้าหมายเพียงเพื่อ “ลดจำนวนงานของคน” เท่านั้น เพราะในหลายกรณี AI กำลังทำหน้าที่เป็นตัวช่วยให้คนเข้าถึงข้อมูลได้เร็วขึ้น ทำงานที่ซ้ำ ๆ ได้โดยอัตโนมัติ มองเห็นแนวโน้มก่อนเกิดปัญหา และมีเวลามากขึ้นสำหรับงานที่ต้องใช้การคิด วิเคราะห์ และสร้างสรรค์

ดังนั้นสำหรับองค์กรที่กำลังเริ่มต้น Digital Transformation อาจไม่จำเป็นต้องเริ่มจากการนำ AI มาเปลี่ยนทั้งองค์กรในครั้งเดียว แต่ควรเริ่มจากการถามว่า “งานไหนใช้เวลามาก งานไหนเกิดขึ้นซ้ำ และงานไหนที่หากทำได้เร็วขึ้นจะส่งผลต่อธุรกิจโดยตรง” จากนั้นจึงเลือก AI ที่เหมาะกับปัญหานั้นมาทดลองวัดผลและค่อยขยายไปยังกระบวนการอื่น เพราะหัวใจสำคัญของ AI Technology in Business ไม่ใช่การมีเครื่องมือ AI ให้มากที่สุด แต่คือการทำให้ AI สามารถสร้างผลลัพธ์ที่เชื่อมโยงกับเป้าหมายของธุรกิจได้จริง

🤖🥤เมื่อหุ่นยนต์ชงกาแฟได้ 202 แก้วใน 1 ชั่วโมง งานบริการจะเปลี่ยนไปแค่ไหน?



ภาพของหุ่นยนต์กำลังบดกาแฟ ชงเครื่องดื่ม ผสมส่วนผสม และนำแก้วไปวางให้ลูกค้ารับด้วยตัวเอง อาจดูเหมือนฉากจากภาพยนตร์แห่งอนาคต แต่สิ่งนี้กำลังเกิดขึ้นจริงในกรุงปักกิ่ง ประเทศจีน เมื่อร้านกาแฟที่เปิดให้บริการตลอด 24 ชั่วโมง ใช้ Humanoid Robot เพียงตัวเดียวดูแลกระบวนการทำกาแฟทั้งหมด และสามารถเสิร์ฟกาแฟได้โดยใช้เวลาเฉลี่ยไม่ถึง 30 วินาทีต่อแก้ว!

ในวันเปิดร้านหุ่นยนต์สามารถทำและเสิร์ฟกาแฟได้สูงถึง “202 แก้วภายใน 1 ชั่วโมง” จนสร้างสถิติโลก Guinness World Record สำหรับจำนวนกาแฟที่ร้านซึ่งดำเนินงานด้วยหุ่นยนต์สามารถเสิร์ฟได้ภายในหนึ่งชั่วโมง ซึ่งแน่นอนว่าจุดนี้ความน่าสนใจจึงไม่ได้อยู่แค่ความเร็วในการทำงานของหุ่นยนต์ แต่ยังทำให้เกิดคำถามที่ใหญ่กว่าว่า “เมื่อเครื่องจักรสามารถทำงานที่มนุษย์ทำอยู่ได้มากขึ้น งานบริการอย่าง Barista จะได้รับผลกระทบมากแค่ไหน!?”

--------------------------------------

จุดเปลี่ยนจากบดกาแฟไปจนถึงขั้นตอนการเสิร์ฟ ลูกค้าแทบไม่ต้องรอ! โดยภายในร้านหุ่นยนต์ตัวเดียวสามารถรับผิดชอบกระบวนการตั้งแต่ต้นจนจบได้ ตั้งแต่บดเมล็ดกาแฟ ชง ผสมเครื่องดื่ม ไปจนถึงนำเครื่องดื่มไปเสิร์ฟ ในขณะที่ลูกค้าสามารถสั่งผ่านระบบบริการตัวเองและเลือกปรับระดับความหวานหรือความเข้มของกาแฟได้ตามต้องการ

จุดเด่นของระบบนี้ คือ การนำระบบการทำงานแบบ Automation มาใช้กับงานที่มีขั้นตอนค่อนข้างชัดเจนและสามารถทำซ้ำได้เหมือนเดิมหลายครั้ง เมื่อกระบวนการถูกออกแบบไว้แล้วหุ่นยนต์สามารถทำงานต่อเนื่องได้โดยไม่ต้องมีคนคอยดำเนินการในทุกขั้นตอน และร้านยังสามารถเปิดให้บริการตลอด 24 ชั่วโมงได้อีกด้วย ซึ่งสำหรับธุรกิจจุดนี้สะท้อนให้เห็นว่า Automation อาจเข้ามาช่วยจัดการงานที่มีรูปแบบซ้ำ ๆ ได้มากขึ้น โดยเฉพาะงานที่สามารถกำหนดขั้นตอนและเงื่อนไขการทำงานได้อย่างชัดเจน



แต่แน่นอนว่าการทำกาแฟไม่ได้มีแค่ “กาแฟ” แม้หุ่นยนต์จะสามารถทำเครื่องดื่มได้อย่างรวดเร็ว แต่สิ่งที่น่าสนใจคือคำถามว่า “ลูกค้าเข้าร้านกาแฟเพื่อซื้อเครื่องดื่มเพียงอย่างเดียวหรือไม่!?”

Dr Leonora Risse จาก Queensland University of Technology มองว่า Humanoid Robot และ AI เหมาะกับงานที่เป็นกิจวัตรและทำซ้ำ แต่จะมีข้อจำกัดมากกว่าเมื่อเจอกับงานที่ต้องรับมือกับความหลากหลายหรือสถานการณ์ที่คาดเดาไม่ได้ โดยในมุมของธุรกิจบริการเรื่องการสร้างประสบการณ์ของลูกค้ายังคงมีความสำคัญ เพราะการไปคาเฟ่หรือร้านอาหารไม่ได้เกี่ยวข้องเฉพาะกับสินค้า แต่ยังรวมถึงการพูดคุย การดูแล และปฏิสัมพันธ์กับคนอื่นด้วย ดังนั้นแม้หุ่นยนต์อาจสามารถทำ “ขั้นตอนการชงกาแฟ” ได้ แต่ยังไม่ได้หมายความว่าจะสามารถทำหน้าที่ทั้งหมดของ Barista ในรูปแบบเดียวกับมนุษย์ได้

นี่จึงเป็นเหตุผลที่การเข้ามาของ AI อาจไม่ได้หมายความว่าอาชีพหนึ่งจะหายไปทันที แต่อาจเริ่มจากการเปลี่ยนว่างานส่วนใดของอาชีพนั้นจะถูก Automation ก่อน ซึ่งงานที่เสี่ยงอาจไม่ใช่งานบริการอย่างที่หลายคนคิด เนื่องจากข้อมูลที่กล่าวถึงในบทความระบุว่างานอย่าง Waiter, Barista และ Bartender อาจไม่ได้ถูกแทนที่ด้วย AI ในระดับที่หลายคนคาด เพราะหัวใจของงานเหล่านี้ยังเกี่ยวข้องกับ “Human Interaction”

ขณะที่งานที่มีความเสี่ยงมากกว่า คือ งานด้าน Clerical และ Administrative ซึ่งมีลักษณะเป็นกระบวนการซ้ำ ๆ และสามารถเปลี่ยนไปใช้ Digital Tools ได้มากขึ้น ตัวอย่างเช่น Telemarketer, Call Center Worker, Clerk, Bookkeeper, Secretary, Receptionist, และ Personal Assistant

ประเด็นนี้ทำให้การพูดถึง AI กับตลาดแรงงานไม่ควรหยุดอยู่ที่คำถามว่า “อาชีพไหนจะถูก AI แทนที่?” แต่ควรเปลี่ยนเป็นคำถามว่า “งานประเภทไหนภายในแต่ละอาชีพที่ AI สามารถทำแทนได้?” เพราะในหนึ่งอาชีพอาจมีทั้งงานที่เป็น Routine ซึ่งสามารถ Automation ได้ และงานที่ต้องใช้การสื่อสาร ความเข้าใจบริบท การตัดสินใจ หรือการดูแลผู้คน ซึ่งยังต้องพึ่งพาความสามารถของมนุษย์อยู่เช่นกัน



เมื่อ AI และหุ่นยนต์สามารถทำงานเชิงกลไกได้มากขึ้น สิ่งที่มนุษย์ควรให้ความสำคัญจึงอาจไม่ใช่การพยายามแข่งขันกับเครื่องจักรในเรื่องความเร็ว แต่คือการพัฒนาทักษะที่เครื่องจักรยังทำได้ยาก สิ่งสำคัญ คือ Empathy, Care และ Emotional Intelligence หรือความสามารถในการเข้าใจความรู้สึก ดูแลผู้อื่นและสร้างความสัมพันธ์ เพราะทักษะเหล่านี้มีความสำคัญกับงานที่ต้องติดต่อและทำงานร่วมกับผู้คน

นอกจากนี้อีกทักษะสำคัญ คือ “Critical Judgement” หรือการใช้วิจารณญาณในการตัดสินใจ เพราะ AI สามารถช่วยดำเนินการตามขั้นตอนหรือวิเคราะห์ข้อมูลได้ แต่เมื่อเจอสถานการณ์ที่ไม่มีคำตอบที่ชัดเจน การตัดสินใจยังต้องอาศัยจริยธรรม ประสบการณ์ และความเข้าใจบริบทเข้ามาประกอบ ดังนั้นการปรับตัวในยุค AI จึงไม่จำเป็นต้องหมายถึงการเรียนรู้เทคโนโลยีเพียงอย่างเดียว แต่ควรพัฒนาความสามารถที่ทำให้มนุษย์สามารถทำงานร่วมกับเทคโนโลยีได้ดีขึ้นอีกด้วย



ในกรณีของ Robot Barista เป็นเพียงหนึ่งตัวอย่างของการพัฒนา Humanoid Robot ที่กำลังขยายไปสู่งานประเภทอื่น โดยข้อมูลในบทความระบุว่า Morgan Stanley คาดการณ์ว่าอาจมีงานในสหรัฐฯ ถึง 62.7 ล้านตำแหน่งที่สามารถถูกแทนที่ด้วย Humanoid Robot ภายในปี 2050 แต่ตัวเลขดังกล่าวนี้ไม่ได้หมายความว่าจะเกิดการว่างงานจำนวนมหาศาลโดยตรง

ในขณะเดียวกันเทคโนโลยี Humanoid Robot ยังเริ่มเข้าสู่บริบทที่ซับซ้อนขึ้น เช่น ในเดือนกรกฎาคม มีการทดสอบให้ Humanoid Robot ทำการผ่าตัดแบบ Keyhole Surgery กับสัตว์ทดลองที่ได้รับยาสลบ โดยมีศัลยแพทย์มนุษย์เป็นผู้ควบคุมจากระยะไกล และหนึ่งในการทดลองสามารถทำงานร่วมกับศัลยแพทย์เพื่อผ่าตัดถุงน้ำดีของหมูได้สำเร็จ

ซึ่งภาพการทดลองเหล่านี้สะท้อนว่าเส้นแบ่งระหว่าง “งานของคน” และ “งานของเครื่องจักร” กำลังเปลี่ยนไปอย่างต่อเนื่อง แต่ไม่ได้หมายความว่าเครื่องจักรจะเข้ามาทำทุกอย่างแทนมนุษย์ในทันที



ดังนี้นบทเรียนสำคัญสำหรับคนทำงานสิ่งที่ควรเริ่มทำ คือ “มองงานของตัวเองออกเป็นสองส่วน” ได้แก่
1. งานที่เป็น Routine หรืองานที่ทำซ้ำตามขั้นตอน
2. งานที่ต้องใช้การคิด วิเคราะห์ สื่อสาร ตัดสินใจ และเข้าใจผู้คน

จากนั้นจึงค่อยหันมาพิจารณาว่างานส่วนแรกสามารถใช้ AI หรือ Automation เข้ามาช่วยได้มากแค่ไหน เพื่อให้มีเวลาไปพัฒนาทักษะในส่วนที่สร้างคุณค่าได้มากกว่า และสำหรับองค์กรเองในกรณีของร้านกาแฟหุ่นยนต์ไม่ได้หมายความว่าทุกธุรกิจจำเป็นต้องรีบเปลี่ยนพนักงานด้วย Robot แต่ควรเริ่มจากการสำรวจว่ากระบวนการใดใช้แรงงานคนจำนวนมากแต่มีรูปแบบซ้ำและสามารถกำหนดขั้นตอนได้ชัดเจน เพราะนั่นอาจเป็นจุดที่ Automation สามารถสร้างประโยชน์ได้มากที่สุด

ท้ายที่สุดคำถามสำคัญอาจไม่ใช่ “AI จะมาแย่งงานเราหรือไม่?” แต่คือ “เมื่อ AI ทำงานบางส่วนแทนเราได้แล้ว เราจะใช้เวลาที่เหลือไปสร้างคุณค่าอะไรที่เครื่องจักรทำไม่ได้?” เพราะในอนาคตการแข่งขันระหว่างคนกับ AI อาจไม่ใช่เรื่องของการที่ฝ่ายหนึ่งต้องหายไป แต่อาจเป็นเรื่องของการออกแบบงานใหม่ให้ AI ทำสิ่งที่ทำได้ดี และมนุษย์ได้ใช้ความสามารถในสิ่งที่เครื่องจักรยังทำได้ยาก ซึ่งจะเป็นทักษะสำคัญของการทำงานในยุค Automation ที่กำลังมาถึงมากขึ้นเรื่อย ๆ นั่นเอง

สู่ AI-Man! “Tom Holland” กับเบื้องหลังธุรกิจ “ ” เมื่อแบรนด์เครื่องดื่มของ Tom Holland ใช้ Agentic AI สร้างระบบจัดการข้อมูลและการทำงานให้ทั้งองค์กร!



จุดเปลี่ยนจากทีม Data คนเดียวสู่ระบบหลังบ้านทั้งบริษัทด้วย Agentic AI เมื่อธุรกิจเติบโตอย่างรวดเร็ว สิ่งที่มักเพิ่มขึ้นตามมาคือจำนวนข้อมูล ระบบงาน และขั้นตอนที่ต้องใช้คนดูแล แต่กรณีของ “BERO” แบรนด์เครื่องดื่ม Non-Alcoholic Beer ที่เริ่มต้นธุรกิจในปี 2024 กลับเลือกใช้แนวทางที่แตกต่างออกไป โดยให้พนักงานด้าน Data เพียงคนเดียวใช้ “Agentic AI” เข้ามาช่วยสร้างแพลตฟอร์มสำหรับบริหารจัดการข้อมูลและการดำเนินงานของบริษัททั้งระบบ!

จากนั้นภายในเวลาประมาณ 18 เดือนแบรนด์เครื่องดื่มอย่าง BERO เติบโตจากธุรกิจที่เริ่มต้นด้วยทีมขนาดเล็กสู่บริษัทที่มีพนักงาน 45 คน และมีเครือข่ายการจัดจำหน่ายหลายร้อยแห่ง ขณะที่เบื้องหลังการเติบโตนี้กลับมี “ทีม Data เพียงคนเดียว” ที่รับผิดชอบการสร้างระบบสำคัญที่ช่วยให้คนทั้งองค์กรทำงานกับข้อมูลได้ง่ายขึ้น

บอกเลยว่าสิ่งที่น่าสนใจไม่ใช่แค่ BERO หันมาใช้ AI แต่คือจุดที่ AI ถูกนำมาใช้เป็น “ส่วนหนึ่งของการสร้างโครงสร้างพื้นฐานให้ธุรกิจตั้งแต่ต้น!” และทำให้บริษัทสามารถขยายตัวได้โดยไม่จำเป็นต้องเพิ่มจำนวนคนในทุกจุดตามการเติบโตของธุรกิจ



ซึ่งปัญหาไม่ได้อยู่ที่ไม่มีข้อมูลแต่อยู่ที่ข้อมูลยังไม่พร้อมสำหรับการตัดสินใจ จากที่ช่วงแรก BERO ใช้ Spreadsheet, Google Drive และ NetSuite ซึ่งเพียงพอสำหรับธุรกิจที่ยังมีขนาดไม่ใหญ่มาก แต่เมื่อบริษัทกำลังขยายไปสู่ผู้จัดจำหน่ายประมาณ 200 รายความซับซ้อนก็เพิ่มขึ้นอย่างรวดเร็ว เพราะทีมจำเป็นต้องรู้ว่าแต่ละ Distributor รับผิดชอบพื้นที่ใด สามารถให้บริการร้านค้าไหน และผลการขายเป็นอย่างไร???

ปัญหาสำคัญ คือ ระบบแบบเดิมต้องใช้เวลาในการสร้างและปรับแต่งค่อนข้างนาน ขณะที่ธุรกิจที่กำลังเติบโตต้องการข้อมูลที่เร็วกว่าเดิม BERO จึงเริ่มสร้างระบบรวมข้อมูลขึ้นมา โดยใช้ Microsoft Fabric และ Power BI เพื่อทำ Dashboard แต่เมื่อใช้งานจริงกลับพบว่า Dashboard เพียงอย่างเดียวสามารถบอกได้ว่า “เกิดอะไรขึ้น” แต่ไม่ได้ช่วยอธิบายได้ครบว่า “ทำไมจึงเกิดขึ้น และควรทำอะไรต่อ..?” ซึ่งบอกเลยว่านี่นับเป็นโจทย์สำคัญสำหรับองค์กรที่กำลังใช้ Data เพราะการมี Dashboard จำนวนมากไม่ได้หมายความว่าจะตัดสินใจได้ดีขึ้น หากทีมยังต้องใช้คนวิเคราะห์ข้อมูลทีละส่วนหรือสร้าง Report ใหม่ทุกครั้งที่มีคำถามเกิดขึ้น

------------------------------------------
📌จุดเปลี่ยนคือการให้ Agentic AI ช่วยสร้างระบบ!
------------------------------------------

BERO จึงเปลี่ยนแนวทางมาใช้ Agentic AI โดย Jonathan Polites ผู้ดูแลด้าน Data Solutions และ AI ของบริษัทใช้ Claude และ Claude Code ช่วยสร้างและดูแล Data Pipeline แทนการเขียนทุกอย่างด้วยตัวเอง

ซึ่งความแตกต่างของ Agentic AI ในกรณีนี้คือ AI ไม่ได้ถูกใช้เพียงเพื่อถามคำถามหรือสร้างข้อความ แต่เข้ามาช่วยในกระบวนการที่ซับซ้อนกว่าตั้งแต่

- การวางแผน
- การสร้างระบบ
- การดูแลและปรับปรุงระบบอย่างต่อเนื่อง

BERO นำข้อมูลทั้งหมดมารวมไว้ในแพลตฟอร์มเดียว ซึ่งถูกเปรียบเทียบว่าเป็นเหมือน “Second Brain” ขององค์กร ปัจจุบันระบบทำงานกับข้อมูลมากกว่า 800 ตารางและเชื่อมต่อกับระบบต่าง ๆ มากกว่า 60 Integration ทำให้ข้อมูลจากระบบอย่าง NetSuite สามารถถูกนำมาใช้ติดตามยอดขายและการกระจายสินค้าได้แบบเรียลไทม์แทนที่จะต้องรอ Report ช่วงปลายสัปดาห์



จุดนี้นับเป็นการเปลี่ยนข้อมูลจำนวนมากให้ทุกคนในองค์กรสามารถเข้าถึงได้ โดยอีกส่วนสำคัญคือ “BERO AI” ซึ่งทำหน้าที่เป็น Chatbot ที่พนักงานสามารถใช้ถามคำถามเกี่ยวกับข้อมูลหรือขอให้สร้าง Report ได้ โดยระบบมีการกำหนดสิทธิ์ตามบทบาทเพื่อควบคุมว่าแต่ละคนสามารถเข้าถึงข้อมูลประเภทใดได้บ้าง

แนวคิดนี้เข้ามาช่วยลดช่องว่างระหว่าง “คนที่เชี่ยวชาญ Data” กับ “คนที่ต้องใช้ Data” เพราะพนักงานไม่จำเป็นต้องมีทักษะด้าน Data โดยตรงจึงจะสามารถเข้าถึงข้อมูลที่ต้องการได้ สำหรับองค์กรอื่นบอกเลยว่าแนวทางนี้สามารถนำไปปรับใช้ได้โดยไม่จำเป็นต้องเริ่มจากการสร้างระบบขนาดใหญ่ทันที แต่ควรเริ่มจากคำถามว่า “ข้อมูลอะไรที่พนักงานต้องใช้ซ้ำ ๆ” และขั้นตอนใดที่ต้องรอทีม Data หรือทีม IT อยู่บ่อยครั้ง และจากนั้นจึงค่อยนำ AI เข้ามาช่วยลดขั้นตอนเหล่านั้นลง



👉ซึ่ง AI ที่ดีต้องทำให้คน “ทำงานง่ายขึ้น” ไม่ใช่แค่เพิ่มเครื่องมือใหม่

ดังนั้นความท้าทายของ BERO ไม่ได้จบลงเมื่อสร้างระบบเสร็จ เพราะสิ่งที่ยากกว่าคือการทำให้คนในองค์กรเชื่อใจและนำระบบไปใช้จริง โดย BERO ใช้เวลาประมาณ 6 เดือนกว่าทีมจะเริ่มเชื่อมั่นในแพลตฟอร์มอย่างเต็มที่ ซึ่งจุดเปลี่ยนเกิดขึ้นจากการจัด “ops data summit” เป็นเวลา 2 วัน โดยทีมเปิดโอกาสให้แต่ละฝ่ายเสนอสิ่งที่อยากให้ระบบช่วยทำ และหากมีคนคิดว่าสิ่งนั้นทำไม่ได้ก็จะเปลี่ยนคำถามเป็นว่า “ต้องมีอะไรจึงจะทำได้?”

จากนั้นระบบถูกพัฒนาต่อหน้าเจ้าของปัญหาจริง ทำให้พนักงานเห็นทันทีว่า AI และระบบ Data สามารถนำมาแก้ปัญหาที่พวกเขาเจอในแต่ละวันได้อย่างไร วิธีนี้ช่วยเปลี่ยนมุมมองจากการมอง AI เป็น “เทคโนโลยีใหม่” ให้กลายเป็น “เครื่องมือที่ช่วยให้งานของเราง่ายขึ้น” เมื่อเริ่มเห็นประโยชน์จริงการใช้งานจึงขยายจาก Sales ไปยังระบบ CRM, Talent Management และ Contract Management โดยปัจจุบันมีพนักงานมากกว่า 95% ที่ใช้งานแพลตฟอร์มเป็นประจำ บอกเลยว่าเจ๋งสุด ๆ!

------------------------------------------
📌ผลลัพธ์คือองค์กรเริ่มทำงานแบบ “Exception-based”
------------------------------------------

ซึ่งเป็นผลลัพธ์ที่น่าสนใจ โดยทาง BERO ไม่จำเป็นต้องใช้เวลาจำนวนมากในการตรวจสอบทุกอย่างด้วยตัวเองอีกต่อไป แต่เปลี่ยนมาเป็นการดูเฉพาะสิ่งที่ “ผิดปกติ” หรือสิ่งที่ต้องเข้าไปจัดการ ทีมใช้เวลาประมาณ 10 นาทีในช่วงเริ่มต้นวันเพื่อดู Dashboard และสามารถเห็นได้อย่างรวดเร็วว่ามีเรื่องใดที่ต้องติดตามต่อ ขณะที่แพลตฟอร์มช่วยลดเวลาในการทำธุรกรรมลงประมาณ 50% และลดเวลาในการประชุมลงประมาณ 20%

เมื่อกระบวนการทำงานมีประสิทธิภาพมากขึ้น BERO ยังสามารถลดแรงกดดันในการเพิ่มจำนวนพนักงาน เพราะทีมสามารถรองรับงานที่มากขึ้นได้โดยไม่จำเป็นต้องเพิ่มคนในสัดส่วนเดียวกับการเติบโตของธุรกิจ ซึ่งนี่คือหนึ่งในบทเรียนสำคัญของการใช้ AI ในองค์กรเพราะเป้าหมายไม่ควรเป็นเพียงการ “ทำงานให้เร็วขึ้น” แต่ควรไปถึงจุดที่ “AI ช่วยเปลี่ยนวิธีการทำงานขององค์กร” จากการที่คนต้องคอยจัดการทุกเรื่องไปเป็นการให้ระบบจัดการงานส่วนใหญ่ และให้คนเข้ามาดูเฉพาะเรื่องที่ต้องใช้การตัดสินใจ



อีกเหตุการณ์หนึ่งสะท้อนให้เห็นถึงความคล่องตัวของแนวทางนี้ได้ชัดเจน เมื่อ BERO ต้องการเก็บ Feedback จาก Distributor หลังจบงาน Town Hall แต่บริษัทไม่มีระบบ Survey สำหรับใช้งานในตอนนั้น แทนที่จะใช้เวลาในการเลือกซื้อเครื่องมือใหม่และเรียนรู้วิธีใช้งาน ทีมหันมาเลือกให้ AI ช่วยสร้างระบบขึ้นมาเองโดยภายในคืนเดียวก็สามารถสร้าง Application ที่ส่งอีเมลไปยัง Distributor และรวบรวมคำตอบกลับมาได้ ซึ่งแนวคิดนี้ไม่ได้หมายความว่าทุกองค์กรควรสร้าง Software เองทั้งหมด แต่แสดงให้เห็นว่าเมื่อ AI สามารถช่วยลดต้นทุนและเวลาในการสร้างเครื่องมือได้ องค์กรอาจไม่จำเป็นต้องมองทุกปัญหาว่า “ต้องซื้อ Software ใหม่” เสมอไป

โดยสิ่งที่ควรถามก่อนคือ ปัญหานี้เกิดขึ้นบ่อยแค่ไหน ใช้เวลาคนเท่าไร และ AI สามารถช่วยสร้างหรือทำให้ขั้นตอนนั้นสั้นลงได้หรือไม่!??



นอกจากนี้ BERO ยังมองไปไกลกว่าการใช้ AI เพื่อจัดการข้อมูลและงานประจำวัน โดยเป้าหมายต่อไปคือการให้ระบบสามารถ “ช่วยตัดสินใจในเรื่องที่เป็น Routine ได้มากขึ้น” ขณะที่มนุษย์ยังคงทำหน้าที่ตรวจสอบและให้ความสำคัญกับงานที่ต้องใช้ความคิดสร้างสรรค์ แนวคิดนี้สะท้อนทิศทางสำคัญของ Agentic AI เพราะเมื่อ AI สามารถทำงานเป็นขั้นตอนและเชื่อมโยงข้อมูลจากหลายระบบได้มากขึ้น บทบาทของพนักงานอาจเปลี่ยนจากการลงมือทำทุกขั้นตอน ไปเป็นการกำหนดเป้าหมาย ตรวจสอบผลลัพธ์ และจัดการกับกรณีที่มีความซับซ้อน แน่นอนว่าสำหรับธุรกิจที่กำลังเริ่มต้นใช้ AI จึงอาจไม่จำเป็นต้องเริ่มจากคำถามว่า “เราจะใช้ AI ทำอะไรได้บ้าง?” แต่ควรเริ่มจาก “งานไหนที่กำลังใช้เวลาของคนมากเกินไป และสามารถเปลี่ยนให้ระบบจัดการแทนได้?” นั่นเอง