มีหน่วยงานหนึ่งเชิญผมไปบรรยายหัวข้อ “การบริหารจัดการความรู้ (Knowledge Management: KM) ในยุค AI” ทำให้ผมต้องย้อนกลับมาคิดว่า ทุกวันนี้ตัวเองบริหารจัดการความรู้อย่างไร
KEY POINTS
- AI Agent พลิกโฉมการจัดการความรู้ จากเดิมที่มนุษย์ต้องค้นหาข้อมูล มาเป็นการใช้ AI ค้นหา สังเคราะห์ และนำเสนอความรู้จากหลากหลายแหล่งข้อมูลให้โดยอัตโนมัติ
- AI Agent สามารถเปลี่ยนความรู้เชิงประสบการณ์ (Tacit Knowledge) ที่อยู่ในตัวบุคคลให้กลายเป็นทักษะที่จับต้องได้และนำไปใช้ซ้ำได้ ช่วยลดปัญหาความรู้สูญหายไปพร้อมกับบุคลากร
- ความสำเร็จในการใช้ AI ไม่ได้ขึ้นอยู่กับความเก่งของเครื่องมือ แต่ขึ้นอยู่กับคุณภาพขององค์ความรู้ในองค์กรที่ต้องถูกต้อง เป็นระบบ และมีกติกาการเข้าถึงที่ชัดเจนเพื่อป้องกันความผิดพลาด
มีหน่วยงานหนึ่งเชิญผมไปบรรยายหัวข้อ “การบริหารจัดการความรู้ (Knowledge Management: KM) ในยุค AI” ทำให้ผมต้องย้อนกลับมาคิดว่า ทุกวันนี้ตัวเองบริหารจัดการความรู้อย่างไร
KM คือ กระบวนการอย่างเป็นระบบที่ทำให้องค์กรสร้าง เก็บ แบ่งปัน และนำความรู้ไปใช้ เพื่อให้ตัดสินใจและทำงานได้ดีขึ้น หัวใจไม่ได้อยู่ที่ “การเก็บ” แต่อยู่ที่ “ความรู้ถูกนำไปใช้ซ้ำ” ความรู้แบ่งได้เป็นสองแบบ คือ 1. Explicit and Executable Knowledge หรือความรู้ที่ถ่ายทอดและนำไปปฏิบัติซ้ำได้ เช่น คู่มือ รายงาน และนโยบาย และ 2. Tacit Knowledge หรือความรู้ที่ฝังอยู่ในประสบการณ์ วิจารณญาณ และวิธีทำงานของแต่ละบุคคล
ความท้าทายการจัดการความรู้ไม่เคยเปลี่ยน คือทำอย่างไรให้ความรู้ที่อยู่ในหัวคนกลายเป็นความรู้ขององค์กร ในยุคดั้งเดิมความรู้อยู่ในตัวคนเป็นหลัก ถ่ายทอดกันผ่านการทำงานจริง ระบบพี่สอนน้อง การประชุม และแฟ้มเอกสาร วิธีนี้ทำให้ได้ความรู้จากประสบการณ์อย่างครบถ้วน แต่ขยายผลได้ยาก และเมื่อคนเก่งเกษียณหรือลาออก ความรู้ก็หายไปพร้อมกับเขา
เมื่อเข้าสู่ยุคดิจิทัล เราพยายามย้ายความรู้จากคนไปไว้ในระบบ องค์กรลงทุนกับอินทราเน็ต SharePoint และ Wiki ไปจนถึง Google Drive และ Notion เพื่อแปลงความรู้เป็นเอกสารที่จัดหมวดหมู่และค้นหาได้ แต่ระบบเหล่านี้ในหลายองค์กรกลับค่อยๆ กลายเป็นสุสานเอกสาร คนไม่อยากบันทึก ค้นแล้วไม่เจอ ข้อมูลไม่ถูกปรับปรุง และความรู้เชิงประสบการณ์ซึ่งสำคัญที่สุดก็ยังไม่เคยถูกเขียนลงไปอยู่ดี
พอมาถึงยุค AI เกมก็เปลี่ยนอีกครั้ง จากการค้นหากลายเป็นการถามแล้วได้คำตอบ และเมื่อมาถึงยุค AI Agent ที่เชื่อมต่อกับระบบงานจริงได้ ความรู้ก็เริ่มลงมือทำงานได้เอง Agent บันทึก ตรวจสอบข้อมูลข้ามแหล่ง และสังเคราะห์ข้อมูลแทนเรา ผมเริ่มสังเกตว่าทักษะการทำ KM ของผมวันนี้แตกต่างจากเดิมมาก
ในยุคดิจิทัล ทักษะสำคัญของผมคือการหาเก่งและจัดเก็บเก่ง ผมต้องจำว่าไฟล์อยู่ในโฟลเดอร์ไหนของ Google Drive รู้ว่าต้องใช้คำค้นอะไรในอีเมล และต้องกรอกข้อมูลการประชุมและงานบรรยายลงโปรแกรมบันทึกข้อมูลอย่าง Notion และปฏิทินอย่าง Google Calendar ด้วยตัวเองทีละรายการ เมื่อต้องการสรุปภาพรวมทั้งปี ก็ต้องส่งออกข้อมูลมาวิเคราะห์เองอีกหลายชั่วโมง
แต่วันนี้ ทักษะที่ผมใช้มากที่สุดกลับเป็นการสั่งงาน AI ด้วย Prompt การตรวจงาน และการออกแบบบริบท ผมสั่ง AI Agent ด้วยภาษาธรรมดาเหมือนมอบหมายงานให้ลูกน้อง ว่าต้องการอะไร จากแหล่งไหน และส่งมอบในรูปแบบใด สิ่งที่ผมต้องลงแรงมากขึ้นคือการจัดระบบในครั้งแรก ให้แหล่งข้อมูลมีความชัดเจน มีเจ้าของ มีการระบุวันที่ และไม่ขัดกันเอง
ตัวอย่างเช่น เมื่อผมต้องการเตรียมการประชุมโครงการหนึ่ง แต่เดิมผมอาจต้องเปิด Google Calendar เพื่อดูนัดหมาย เปิด Gmail เพื่อหาอีเมลที่เกี่ยวข้อง เข้า Notion เพื่อดูสถานะโครงการ เปิด Google Drive เพื่ออ่านรายงาน และอาจต้องเข้า Dashboard เพื่อดูข้อมูลล่าสุด แต่เมื่อใช้ AI Agent ผมสามารถสั่งเพียงครั้งเดียวว่า “สรุปข้อมูลที่จำเป็นสำหรับการประชุมครั้งนี้ พร้อมประเด็นที่ต้องตัดสินใจ” แล้ว AI จะทำหน้าที่ค้นหา เชื่อมโยง สังเคราะห์ และนำเสนอข้อมูลจากระบบต่างๆ ที่ได้รับสิทธิ์เข้าถึง
สิ่งที่น่าสนใจยิ่งกว่านั้นคือการจัดการ Tacit Knowledge เราสามารถใช้ Agentic AI ถอดวิธีทำงานจากประสบการณ์ในงานที่ทำเป็นประจำออกมาเป็นกฎสั้นๆ เช่น นัดประชุมบอร์ดต้องลงหน้าการประชุม ไม่ใช่หน้าการบรรยาย คำสั่งสั้นๆ แบบนี้คือการแปลงความรู้ที่อยู่ในตัวเราให้ AI นำไปใช้ได้ และเมื่อสะสมมากพอ ก็กลายเป็นทักษะ (Skills) ที่ทำให้ AI Agent ทำงานได้แบบที่ผมทำ โดยเก็บไว้เป็นไฟล์ทักษะที่ส่งต่อให้คนอื่นใช้ได้อีกด้วย ปัญหาที่เราเคยกังวลว่าความรู้ในการทำงานบางอย่างจะผูกติดอยู่กับตัวคน ก็จะลดลงไปมาก
อย่างไรก็ตาม การนำ AI Agent มาใช้ไม่ได้ทำให้คุณภาพของการจัดการความรู้ดีขึ้นโดยอัตโนมัติ Agent ทำงานเร็วและตอบอย่างมั่นใจเสมอ แม้ในวันที่มันผิด ผมเคยเจอสรุปงานตอนเช้าที่เขียนวันในสัปดาห์ผิด และบอทสองตัวที่ให้คำแนะนำไม่ตรงกัน ความเสี่ยงที่ใหญ่กว่านั้นคือ AI อาจนำข้อมูลคนละช่วงเวลามาปะปนกัน หรือยังยึดเอกสารฉบับที่เคยอ่านไว้ ทั้งที่ต้นฉบับถูกแก้ไขไปแล้ว ขณะเดียวกัน Agent ที่ได้สิทธิ์กว้างเกินไปอาจเข้าถึงเอกสารลับของทุกหน่วยงาน
การนำองค์ความรู้มาใช้อย่างปลอดภัยจึงต้องเริ่มจากการวางกติกาให้ชัด ทุกคำตอบของ Agent ต้องบอกได้ว่ามาจากแหล่งไหนและข้อมูลเป็นของวันที่เท่าไร และ Agent ต้องเข้าถึงได้เฉพาะข้อมูลที่ผู้ใช้คนนั้นมีสิทธิ์เท่านั้น เช่น พนักงานที่ถาม Agent เรื่องนโยบายสวัสดิการ ไม่ควรได้เห็นข้อมูลของคนอื่นติดมาในคำตอบ และสิทธิ์นี้ต้องกำหนดไว้ในระดับระบบ ไม่ใช่แค่สั่ง AI ว่าอย่าเปิดเผย ส่วนงานที่มีผลกระทบสูงต้องมีคนอนุมัติก่อนเสมอ เพราะ AI จะน่าเชื่อถือได้ไม่เกินความรู้ที่เราป้อนให้มัน
จากประสบการณ์การใช้ AI Agent จัดการความรู้ ผมสรุปผลกระทบได้เป็นสามประเด็นใหญ่ ประเด็นแรก เราแทบไม่จำเป็นต้องรู้ว่าความรู้อยู่ที่ไหน เพราะ AI ทำหน้าที่เป็นชั้นกลางในการเข้าถึงข้อมูลจากระบบต่างๆ ด้วยภาษาธรรมชาติ ประเด็นที่สอง เราไม่จำเป็นต้องเป็นผู้รวบรวมและสังเคราะห์ความรู้เองทุกครั้ง เพราะ AI ช่วยอ่าน เปรียบเทียบ วิเคราะห์ และสร้างผลลัพธ์ใหม่จากความรู้ที่มีอยู่ได้ ประเด็นที่สาม ความรู้ไม่ควรหยุดอยู่แค่การถูกอ่าน แต่ควรถูกนำไปปฏิบัติ Agent สามารถเปลี่ยนความรู้เป็นงานจริง เช่น สร้างเอกสาร อัปเดตโครงการ เตรียมการประชุม หรือแจ้งเตือนสิ่งที่ต้องตัดสินใจ
ในอดีต เราต้องเข้าไปหาความรู้ในระบบ แต่ในยุค AI Agent ความรู้จะถูกนำมาหาเรา และช่วยทำงานต่อให้เราได้ เมื่อเป็นเช่นนี้ ความได้เปรียบขององค์กรในอนาคตจึงอาจไม่ได้อยู่ที่ว่าใครมีเครื่องมือ AI ที่เก่งกว่า เพราะทุกองค์กรเข้าถึงโมเดลชั้นนำได้ไม่ต่างกัน แต่อยู่ที่ว่าใครมีความรู้ที่ถูกต้อง น่าเชื่อถือ และถูกถอดออกมาเป็นวิธีทำงานที่ AI นำไปใช้ได้มากกว่า
องค์กรที่ยังปล่อยให้ความรู้กระจัดกระจาย ไม่มีเจ้าของ และติดอยู่กับคนเพียงไม่กี่คน จะได้ AI ที่ตอบเร็วแต่ไว้ใจไม่ได้ ขณะที่องค์กรที่ลงทุนจัดระบบความรู้ตั้งแต่วันนี้ จะได้ทีม AI Agent ที่ทำงานได้แบบคนเก่งที่สุดในองค์กร และไม่มีวันเกษียณหรือลาออก
คำถามที่ผู้บริหารควรถามตัวเองจึงไม่ใช่ว่าเราจะเลือกใช้ AI ตัวไหน แต่คือ ความรู้ขององค์กรเราวันนี้ พร้อมให้ AI นำไปทำงานแล้วหรือยัง
