ช่วงสัปดาห์นี้ ผมดูรายการบันทึกการใช้ AI ย้อนหลังตั้งแต่ต้นปีนี้เฉพาะสำหรับการใช้ในการทำงาน และสิ่งที่เห็นคือมีทั้งหมดร้อยกว่าครั้งที่ผมสั่งงาน AI อย่างจริงจัง ตั้งแต่การเขียนบทความ วิเคราะห์งบการเงิน สร้างแดชบอร์ด ทำอินโฟกราฟิก หรือทำแบนเนอร์ให้หน่วยงาน ทำสไลด์นำเสนองาน เขียนโครงการ ไปจนถึงการวางแผนตารางงานประจำสัปดาห์ สิ่งที่น่าสนใจไม่ใช่แค่ว่า AI ทำได้ แต่ทำได้เร็วและดีกว่าที่ผมคิดไว้มาก จนผมเริ่มตั้งคำถามว่าบทบาทของคนในทีมงานของผมควรเป็นอย่างไรต่อจากนี้
งานประจำของผมในหลายหน่วยงานที่รับผิดชอบนั้น ต้องอาศัยทีมงานหลายด้านเป็นแกนหลัก มีตั้งแต่คนช่วยค้นข้อมูลและเตรียมการประชุม คนร่างสรุปเอกสาร คนช่วยเตรียมสไลด์นำเสนอ คนช่วยแปลความหมายตัวเลข คนช่วยร่างเอกสารก่อนที่ผมจะปรับเนื้อหาอีกที ซึ่งกระบวนการเหล่านี้ดูปกติมากสำหรับหน่วยงานต่างๆ ที่อาจต้องใช้คนจำนวนมาก
แต่ในช่วงเกือบปีที่ผ่านมาหลังจากที่ผมใช้ AI สำหรับงานของผมเองแล้ว ผมยังเริ่มนำมาใช้กับทีมงานต่างๆ ของผม บางหน่วยงานที่ทำงานด้วย ผมมีโอกาสเข้าไปแนะนำการใช้ AI ให้กับบุคลากรและทีมงาน ช่วงแรกๆ ก็เน้นให้มีความตระหนัก แต่หลังๆ ผมเริ่มบอกให้ทีมงานต้องนำมาใช้ในงานบางด้าน และบางครั้งก็เริ่มตั้งคำถามกับทีมงานบางส่วนที่เห็นว่ายังทำงานแบบเดิมๆ ล่าช้า และไม่มีประสิทธิภาพที่ดีพอ
ผมลองนึกถึงงานชิ้นหนึ่งที่มอบหมายให้ทีมงานไปวิเคราะห์งบประมาณของหน่วยงานย้อนหลังสามปี ทีมงานใช้เวลาอยู่หลายสัปดาห์กว่าจะส่งไฟล์สเปรดชีตและรายงานสรุปเป็นข้อความมา 5 หน้า ผมเห็นว่างานยังไม่ดีพอ เลยนำไฟล์เดิมส่งให้ AI ทำแทน ภายในเวลาไม่ถึงครึ่งชั่วโมง ได้งานออกมาครบทั้งกราฟต่างๆ ที่แสดงงบการเงิน กราฟแมงมุมเปรียบเทียบอัตราส่วนทางการเงิน และตารางวิเคราะห์ที่กรองและจัดเรียงได้ทุกคอลัมน์
ถ้าให้ทีมนักพัฒนาระบบข้อมูลมือดีทำ งานชิ้นนี้ใช้เวลาอย่างน้อย 2-3 วัน หลังจากนั้นผมก็ให้ AI เขียนรายงานใหม่ โดยนำกราฟมาใส่และเพิ่มเนื้อหาให้ดีขึ้น ซึ่ง AI ใช้เวลาเพียงเล็กน้อยก็ปรับรายงานออกมาเป็นเอกสารที่ดีมาก แล้วผมก็ส่งเป็นร่างกลับไปให้ทีมงานปรับปรุงให้สมบูรณ์ขึ้น
อีกตัวอย่างในงานส่วนตัวของผมคือเรื่องบทความ เช่น ผมเขียนคอลัมน์ Think Beyond ในกรุงเทพธุรกิจนี้มาหลายปี มีสไตล์การเขียนที่เป็นของตัวเองพอสมควร ตอนแรกที่ลองให้ AI ช่วยร่างบทความ ผลลัพธ์ก็เหมือนงานทั่วไป ภาษาแข็ง เป็นทางการ ขาดความเป็นคนเล่าเรื่อง แต่หลังจากที่ผมสร้างชุดคำสั่งที่ฝังทั้งแนวทางการเขียน โครงสร้างย่อหน้า รวมถึงสำนวนที่ใช้จากตัวอย่างบทความที่ผ่านมา ผลที่ได้เปลี่ยนไปมาก AI เขียนบทความที่อ่านแล้วดูเหมือนผมเขียนเอง ในระดับที่ทีมงานถามว่าผมเขียนเองหรือไม่ มันไม่ใช่แค่เลียนแบบรูปแบบ แต่เรียนรู้วิธีคิดและมุมมองที่ผมใช้ประจำด้วย งานเขียนของผมส่วนใหญ่ตอนนี้ AI ช่วยร่างต้นฉบับมาให้ ลดเวลาทำงานไปได้มาก
คำถามที่สำคัญกว่าคือ จากนี้ไปคนที่เคยทำงานเหล่านี้จะอยู่ตรงไหน นักการเงิน นักวิเคราะห์ข้อมูล ผู้ช่วยนักวิจัย ทีมงานประชาสัมพันธ์ งานธุรการ งานเลขานุการที่ต้องนั่งรวบรวมข้อมูลจากปฏิทินและอีเมลมาเตรียมสรุปงานทุกเช้า ผมไม่อยากมองโลกในแง่ร้ายมากเกินไป แต่ต้องยอมรับว่างานที่เคยเรียกว่า “ทักษะปฏิบัติประจำ” กำลังถูกแทนที่จริงๆ และเร็วกว่าที่ตลาดแรงงานทั่วไปรับรู้ ที่น่ากังวลกว่าคือ งานที่ถูกกระทบรอบนี้ไม่ใช่แค่แรงงานไร้ทักษะอย่างที่บางคนเคยปลอบใจไว้ แต่เป็นงานระดับนักวิชาชีพที่ต้องใช้วุฒิการศึกษาและฝึกฝนมาหลายปี
แต่นั่นไม่ใช่ประเด็นที่น่ากังวลที่สุด ประเด็นที่น่ากังวลกว่าคือ ในขณะที่ AI เก่งขึ้นทุกวัน คนส่วนใหญ่ยังตอบสนองด้วยการทำสิ่งเดิมให้เร็วขึ้นอีก ทำงานล่วงเวลามากขึ้น หรือหวังว่า AI จะยังทำงานบางอย่างไม่ได้อีกสักพัก ซึ่งผมคิดว่าเป็นการตอบโจทย์ที่ผิดทิศทาง เพราะแข่งความเร็วกับ AI คือการแข่งที่มนุษย์แพ้ตั้งแต่ออกสตาร์ท เราไม่มีทางพิมพ์ได้เร็วกว่า ประมวลผลข้อมูลได้มากกว่า หรืออ่านเอกสารได้ฉับไวกว่า และยิ่งพยายามแข่งในสนามนั้นยิ่งเสียเปรียบมากขึ้น
สิ่งที่ผมสังเกตจากประสบการณ์ใช้งานจริงคือ งานที่ AI ยังทำได้ไม่ดีนั้นไม่ใช่งานที่ใช้ทักษะการปฏิบัติ แต่คืองานที่ต้องใช้วิจารณญาณ ลองนึกถึงการที่ผมต้องตัดสินใจว่าจะเอาข้อมูลไหนไปเสนอ หรือบทความควรใช้มุมมองไหนจึงจะสื่อสารได้ตรงใจผู้อ่านในบริบทปัจจุบัน หรือข้อเสนอโครงการชิ้นไหนจะผ่านพิจารณา สิ่งที่ทำได้คือให้ AI ร่างมาเป็นทางเลือก แต่การตัดสินใจสุดท้ายต้องอาศัยความเข้าใจบริบทที่ลึกกว่าข้อมูล และนั่นคือพื้นที่ที่มนุษย์ยังมีคุณค่าอย่างแท้จริง
ผมคิดว่าทักษะที่คนทำงานต้องพัฒนาเร่งด่วนที่สุดคือทักษะการเป็นผู้กำกับงาน ไม่ใช่การทำงานเองทุกขั้นตอน แต่คือการรู้ว่าจะมอบหมายอะไรให้ AI อย่างไร ตรวจสอบผลลัพธ์อย่างไร และนำสิ่งที่ได้ไปรวมกับความรู้และวิจารณญาณของตัวเองได้อย่างไร นักวิเคราะห์ที่เก่งปัจจุบันไม่ใช่คนที่เขียนโปรแกรมที่เก่งที่สุด แต่คือคนที่รู้ว่าต้องตั้งคำถามอะไร แปลผลที่ AI ให้มาได้ถูกต้อง และรู้ว่าเมื่อไรต้องไม่เชื่อผลนั้น นี่คือทักษะที่ไม่มีหลักสูตรสอนตรงๆ แต่ต้องสะสมจากประสบการณ์
สิ่งที่ผมพบคือคนที่ใช้ AI ได้เก่งมักเป็นคนที่มีประสบการณ์ในงานนั้นอยู่แล้ว คนที่เพิ่งจบใหม่อาจใช้เครื่องมือ AI ได้คล่อง แต่ยังขาดความเข้าใจว่าจะนำ AI เข้ามาช่วยแก้ปัญหาในบริบทใด งานไหนสำคัญ และผลลัพธ์ที่ได้นั้นถูกต้องหรือไม่ หน่วยงานที่สามารถสร้างวัฒนธรรมองค์กรให้คนนำ AI มาใช้ในการทำงานได้อย่างกลมกลืน โดยเป็นส่วนหนึ่งของกระบวนการทำงานที่แท้จริง จะได้เปรียบอย่างมากในระยะยาว
ผมมีตัวอย่างหน่วยงานหนึ่งที่ทำงานด้วยและประสบความสำเร็จในเรื่องนี้คือมหาวิทยาลัยขอนแก่น ส่วนหนึ่งเป็นเพราะผู้บริหารระดับสูงลงมาเล่นเอง ตั้งแต่สร้างความตระหนัก ฝึกฝนให้บุคลากรใช้ จน AI กลายเป็นส่วนหนึ่งในการทำงาน ตั้งแต่การเตรียมเอกสาร งานประชาสัมพันธ์ การค้นคว้าหาข้อมูล การพัฒนาระบบไอที หรือแม้แต่การสรุปการประชุม ลดเวลาการทำงานแบบเดิมๆ ไปได้อย่างมาก
ผมเชื่อว่าคนที่จะรอดไม่ใช่คนที่กลัว AI มากที่สุด และไม่ใช่คนที่มองข้ามมันว่าเป็นแค่กระแสที่จะผ่านไป แต่คือคนที่เรียนรู้จะทำงานกับมันจนรู้ว่ามันเก่งตรงไหน อ่อนตรงไหน และนำเวลาที่ประหยัดได้ไปลงทุนกับสิ่งที่มนุษย์ยังทำได้ดีกว่า ไม่ว่าจะเป็นความสัมพันธ์ การโน้มน้าวใจ ความไว้วางใจ ความรับผิดชอบ หรือความคิดสร้างสรรค์ที่มาจากการมีชีวิตจริงในโลกจริง AI คือเทคโนโลยีที่ไม่ได้สร้างมาให้มนุษย์ไปแข่งด้วย แต่เป็นเครื่องมือให้เราอยู่ร่วมกัน เหมือนตอนที่มีรถยนต์เข้ามา เราไม่ได้วิ่งแข่งกับรถ แต่เรียนรู้ที่จะขับรถเพื่อประหยัดเวลาในการเดินทาง
ผมใช้เวลามาหลายปีเพื่อเรียนรู้การอยู่ร่วมกับ AI จากการลองผิดลองถูก และผมยังเรียนรู้อยู่ทุกวัน เพราะ AI มีความสามารถใหม่ๆ เพิ่มขึ้นตลอดเวลา เวลาที่เราเหลืออยู่สำหรับการปรับตัวนั้นมีอยู่จริง แต่น้อยกว่าที่หลายคนคิด หากใครยังไม่ปรับตัว ก็คงอยู่ในโลกการทำงานต่อไปได้ลำบากขึ้นเรื่อยๆ เหมือนตอนที่คอมพิวเตอร์เข้ามา ใครใช้ไม่เป็นก็ทำงานลำบาก แต่ AI มาเร็วกว่าและสร้างการเปลี่ยนแปลงมากกว่าคอมพิวเตอร์หรืออินเทอร์เน็ต ดังนั้นเราทุกคนต้องรีบปรับตัว