แม้ AI จะถูกมองว่าเป็นเครื่องมือสำคัญในการเพิ่มประสิทธิภาพการทำงาน แต่ข้อมูลล่าสุดกลับสะท้อนอีกด้านหนึ่งว่า พนักงานจำนวนไม่น้อยกำลังเผชิญ “ภาระงานที่เพิ่มขึ้น” และเกิดความเหนื่อยล้าทางความคิดในรูปแบบใหม่ จนกลายปรากฏการณ์ที่เรียกว่า “Brain fry” ซึ่งกำลังกลายเป็นความท้าทายสำคัญขององค์กรยุคดิจิทัล
ที่ผ่านมาวัยทำงานคงเห็นภาพเดียวกันมาตลอดว่า AI ถูกวางบทบาทให้เป็น “ตัวเร่งประสิทธิภาพ” ของโลกการทำงานยุคใหม่ แต่ในทางปฏิบัติ ภาพที่เกิดขึ้นจริงกลับซับซ้อนกว่านั้นมาก เมื่อองค์กรจำนวนมากเริ่มผลักดันให้พนักงานใช้ AI เป็นส่วนหนึ่งของงานประจำวัน ความคาดหวังด้านความเร็วและผลงานก็เพิ่มขึ้นตามไปด้วย
แต่รู้หรือไม่? เบื้องหลังความรวดเร็วเหล่านั้น กลับมี “แรงงานมนุษย์” ที่ต้องคอยควบคุม ตรวจสอบ และแก้ไขผลลัพธ์ของ AI อย่างต่อเนื่อง นี่คือความย้อนแย้งระหว่าง “ความคาดหวังของผู้บริหาร” และ “ประสบการณ์การใช้งาน AI จริงๆ ของพนักงาน” ที่ในยุคนี้เริ่มเห็นความต่างชัดเจนขึ้นเรื่อยๆ สิ่งนี้กำลังบอกเราเป็นนัยๆ ว่า AI อาจไม่ใช่คำตอบสำเร็จรูปอย่างที่หลายองค์กรเคยเชื่อ
ความคาดหวังขององค์กร vs ความจริงของคนทำงาน
ในช่วงไม่กี่ปีที่ผ่านมา หลายองค์กรระดับโลกเริ่มกำหนดให้การใช้ AI เป็น “ทักษะพื้นฐาน” ของพนักงาน โดยมีสัดส่วนบริษัทที่บังคับใช้ AI ในทุกตำแหน่งเพิ่มขึ้นอย่างมีนัยสำคัญ อย่างไรก็ตาม ข้อมูลจากหลากหลายการสำรวจสะท้อนภาพที่สวนทางกันอย่างชัดเจน ระหว่างภาพการทำงานของผู้บริหารและภาพการทำงานของพนักงานทั่วไป
ผู้บริหารส่วนใหญ่แสดงความ “ตื่นเต้น” กับศักยภาพของ AI ขณะที่พนักงานจำนวนมากกลับรู้สึก “กดดัน วิตกกังวล และรับมือไม่ทัน” กับเครื่องมือใหม่ที่ถูกนำเข้ามาอย่างรวดเร็ว
ประเด็นสำคัญจึงไม่ใช่แค่การมี AI ใช้หรือไม่ แต่คือการที่องค์กรยังไม่ทันได้ออกแบบวิธีทำงานใหม่ ให้สอดคล้องกับเครื่องมือเหล่านี้ AI จึงถูกเพิ่มเข้ามาในระบบเดิม โดยที่ภาระงานเดิมยังคงล้นมืออยู่เหมือนเดิม
ลองทบทวนใหม่ AI อาจช่วยประหยัดเวลา แต่ไม่ได้ลดงานจริง
แม้พนักงานส่วนใหญ่จะยอมรับว่า AI ช่วยประหยัดเวลาได้จริง โดยเฉลี่ยหลายชั่วโมงต่อสัปดาห์ แต่สิ่งที่ตามมาคือ “เวลาที่ต้องเสียไปกับการตรวจสอบและแก้ไข” มีข้อมูลจากผลสำรวจบางชิ้นพบว่า พนักงานต้องใช้เวลาไปถึงประมาณ 40% ของเวลาที่ประหยัดได้ เพื่อรีไรต์ แก้ไข หรือ fact-check ผลลัพธ์จาก AI
นั่นหมายความว่า ประสิทธิภาพที่เพิ่มขึ้น ไม่ได้แปลว่า “งานลดลง” แต่เป็นการเปลี่ยนรูปแบบของงานจาก “ลงมือทำ” เป็น “ควบคุมและตรวจสอบ” AI จึงไม่ใช่เครื่องมือที่ทำงานแทนมนุษย์อย่างสมบูรณ์ แต่เป็นเครื่องมือที่ต้องอาศัยมนุษย์ทำงานอยู่เบื้องหลังตลอดเวลา
นอกจากนี้ ยังมีอีกหลายๆ กรณี ที่พบว่าเกิดความผิดพลาดของการใช้ AI มาช่วยทำงาน เช่น การประเมินข้อมูลผิด หรือการ “hallucinate” กลับสร้างแรงกดดันเพิ่มเติมให้พนักงานที่ต้องรับผิดชอบผลลัพธ์สุดท้าย
ภาระที่มองไม่เห็น เมื่อการใช้ AI กลายเป็น “งานเพิ่ม”
อีกหนึ่งความท้าทายที่ถูกพูดถึงมากขึ้น คือ “ต้นทุนการเรียนรู้” กล่าวคือ พนักงานจำนวนมากต้องใช้เวลาเรียนรู้ AI ด้วยตัวเอง โดยไม่ได้รับการฝึกอบรมอย่างเป็นระบบจากองค์กร สิ่งนี้กำลังสร้างวงจรการทำงานที่ไม่ยั่งยืน
สาเหตุก็เนื่องจากว่า พนักงานต้องทำงานเต็มเวลาในช่วงกลางวัน และใช้เวลานอกงานเพื่อเรียนรู้เครื่องมือใหม่ เพื่อให้ “ตามให้ทัน” ผลลัพธ์คือ ภาระงานไม่ได้จบลงที่เวลางาน แต่ลามไปสู่เวลาส่วนตัวโดยปริยาย
ในขณะเดียวกัน การเข้าถึงเครื่องมือและทรัพยากรด้าน AI ก็ยังไม่เท่าเทียม
ทำให้พนักงานบางกลุ่มต้องพยายามมากกว่าคนอื่น เพียงเพื่อให้ทำงานได้ในระดับเดียวกัน
“Brain Fry” ความล้าแบบใหม่ของคนทำงานยุค AI
หนึ่งในผลกระทบที่เริ่มถูกพูดถึงอย่างจริงจังคือปรากฏการณ์ที่เรียกว่า “AI brain fry” ซึ่งหมายถึง ภาวะความเหนื่อยล้าทางความคิดที่เกิดจากการใช้ AI อย่างต่อเนื่อง อาการนี้เกิดจากการที่พนักงานที่ใช้ AI เป็นประจำ มีแนวโน้มที่จะรู้สึกมึนล้า ตัดสินใจยากขึ้น และมีโอกาสผิดพลาดสูงขึ้น
ขณะที่ ปัจจัยสำคัญที่ทำให้เกิดภาวะนี้ คือ การที่พนักงานต้อง “ดูแลหลายระบบพร้อมกัน” หากใครใช้ AI ทำงานทุกวันก็จะพบว่า การใช้ AI ไม่ได้จบที่การกดคำสั่ง หรือการเขียนพรอมพ์ให้ทำแค่ขั้นเดียวแล้วงานเสร็จจบไปเลยทีเดียว แต่มันหมายถึง การเขียนพรอมพ์ซ้ำหลายครั้งเพื่อปรับแก้สิ่งที่ AI ทำมาให้ผิด หรือยังทำได้ไม่สมบูรณ์ตามมาตรฐาน รวมถึงคนทำงานต้องคอยตรวจสอบผลลัพธ์ ปรับคำสั่งใหม่อีกที และเปรียบเทียบข้อมูลจากหลายแหล่งด้วยตัวเอง
หรือพูดง่ายๆ ว่า ยิ่งใช้เครื่องมือหลายตัวพร้อมกัน ภาระทางสมองก็ยิ่งเพิ่มขึ้น ซึ่งสถานการณ์นี้ถูกเปรียบเทียบว่า มันเหมือนกับการที่พนักงานกำลัง “หมุนจานหลายใบพร้อมกัน” โดยที่ต้องคอยระวังไม่ให้ใบใดใบหนึ่งตก และความรู้สึกว่าต้องคอยระวังตลอดเวลา กลายเป็นความเครียดสะสมที่ไม่ชัดเจน แต่ส่งผลต่อประสิทธิภาพการทำงานในระยะยาว
เมื่อ AI ไม่ได้แค่เพิ่มความเร็ว แต่ยังเพิ่ม “ขอบเขตของงาน” ด้วย
อีกประเด็นที่สำคัญคือ AI ไม่ได้แค่ทำให้งานเร็วขึ้น แต่ยังทำให้ “ขอบเขตของงานกว้างขึ้น” โดยไม่รู้ตัว เนื่องจากพนักงานที่ใช้ AI มักทำงานได้มากขึ้นในเวลาเท่าเดิม รับผิดชอบงานหลากหลายขึ้น และในบางกรณี งานยังลามไปนอกเวลาทำงาน
สิ่งนี้สร้างความคาดหวังใหม่โดยปริยาย เมื่อองค์กรเริ่มมองว่าผลผลิตในระดับที่สูงขึ้นนั้น “เป็นมาตรฐาน” แม้จะไม่มีคำสั่งโดยตรงจากผู้บริหาร แต่พนักงานจำนวนไม่น้อยรู้สึกว่าจำเป็นต้องใช้ AI เพื่อให้ทันกับตัวชี้วัดผลงานที่เพิ่มระดับสูงขึ้นในองค์กร นำไปสู่แรงกดดันของคนทำงาน ที่หลายคนก็ไม่กล้าพูดออกมาอย่างชัดเจนในที่ทำงาน
ในประเด็นนี้ ผู้เชี่ยวชาญมองว่า ปัญหาที่เกิดขึ้นไม่ใช่เพราะ AI แต่เป็นเพราะ “วิธีการนำ AI มาใช้” ต่างหาก ดังนั้น ทางออกของปัญหานี้ องค์กรจำเป็นต้องตั้งคำถามใหม่ว่า AI ควรถูกใช้ในจุดไหน ที่ช่วยลดภาระจริง และจุดไหนที่อาจสร้างภาระเพิ่มโดยไม่จำเป็น
ตัวอย่างที่เห็นชัดคือ AI มีประสิทธิภาพสูงในการจัดการงานซ้ำๆ หรือรูทีน
ซึ่งสามารถช่วยลด burnout ได้จริง แต่ในงานที่ต้องใช้การวิเคราะห์หรือการตัดสินใจ AI อาจกลายเป็นภาระมากกว่าตัวช่วย นอกจากนี้ การลงทุนด้านการฝึกอบรม และการออกแบบ workflow ใหม่ เป็นปัจจัยสำคัญที่จะทำให้การใช้ AI มีประสิทธิภาพในระยะยาว
AI ไม่ใช่คำตอบการทำงานทั้งหมด แต่ต้อง “ออกแบบการใช้” ให้เหมาะสม
ภาวะ Brain fry ที่แพร่ระบาดไปยังพนักงานในหลายๆ องค์กรในปัจจุบัน กำลังสะท้อนว่า AI ไม่ใช่ “magic bullet” ที่จะเข้ามาแก้ปัญหาทุกอย่าง แต่เป็นเครื่องมือที่ต้องอาศัยการออกแบบระบบการทำงานใหม่อย่างรอบด้าน เพื่อให้คนในองค์กรใช้งานมันได้อย่างถูกที่ ถูกงาน ถูกเวลา
เป้าหมายของการใช้ AI ไม่ควรเป็นเพียง “การเพิ่มปริมาณงาน” แต่ต้องเป็นการสร้างงานที่มีคุณภาพมากขึ้น ภายใต้สภาพแวดล้อมที่พนักงานยังสามารถทำงานได้อย่างมีประสิทธิภาพ ลดอาการหมดไฟ ลดภาวะ Brain fry เพื่อให้ทำงานยืนระยะได้ยาวๆ และยั่งยืน
เพราะในระยะยาว องค์กรที่ประสบความสำเร็จ ไม่ใช่องค์กรที่ใช้ AI มากที่สุด แต่คือองค์กรที่สามารถใช้ AI โดยที่ “คนยังไม่หมดไฟ” และยังคงเป็นศูนย์กลางของการทำงานได้อย่างแท้จริง
อ้างอิง: CNBC, AIResumeBuilder, Sectionai Report