ทันทีที่คุณสร้างทีม AX องค์กรของคุณก็ล้มเหลวกับ AX แล้ว

สรุปสั้นในบรรทัดเดียว

การตั้งทีมขับเคลื่อน AX ขึ้นมาใหม่ คือความย้อนแย้งของการเพิ่มอีกหนึ่งชั้น ทั้งที่ควรลดลำดับชั้นลง งานวิจัย MIT NANDA พบว่า 5% ที่ประสบความสำเร็จไม่ใช่องค์กรที่มีห้องแล็บ AI ส่วนกลาง แต่เป็นองค์กรที่ผู้จัดการหน้างานเป็นผู้นำ จากประสบการณ์ CTO 15 ปี หลักการข้อแรกของ AX ไม่ใช่เครื่องมือ แต่คือองค์กรและผู้คน

ความย้อนแย้งของทีมขับเคลื่อน AX — ควรลบชั้น แต่กลับกำลังเพิ่มชั้น

• งานวิจัย MIT NANDA: 95% ของ GenAI pilot ในองค์กรล้มเหลว ส่วน 5% ที่สำเร็จไม่ใช่ Central AI lab แต่เป็น องค์กรที่ผู้จัดการหน้างาน (line manager) เป็นผู้นำ
• Coca-Cola: ผลักดันการเปลี่ยนผ่าน AI (Project Fizzion) ทั้งองค์กร แต่เกิดกระแสต้านโฆษณา AI → CEO James Quincey ลาออก และสำนักงานใหญ่ปรับโครงสร้าง 75 ตำแหน่ง
• Commonwealth Bank: หลังนำ AI bot มาใช้ ปลดพนักงาน CS 45 คน → แต่ปริมาณสายกลับเพิ่มขึ้น → ภายในหนึ่งเดือนจึงจ้าง 45 คนกลับมาใหม่ สหภาพเรียกว่าเป็นการ “กลับลำทั้งหมด”
• เพนตากอน CDAO: ดันองค์กร AI อิสระขึ้นมา แล้วภายหลังก็ปรับกลับไปอยู่ใต้ R&E (วิจัย·วิศวกรรม)
• Intel CAIO: ย้ายไป OpenAI ภายใน 7 เดือน
• ข้อมูล Fortune: 76% ของโปรเจกต์ AI ที่ CFO เป็นผู้นำ บรรลุผลลัพธ์ แต่บริษัทที่ให้บทบาท AI กับ CFO มีเพียง 2% เท่านั้น
• แก่นสำคัญ: ทันทีที่สร้างองค์กรแยกขึ้นมา องค์กรเดิมจะมอง AX เป็น “เรื่องของคนอื่น”

ไม่ใช่เรื่องของเครื่องมือ แต่เป็นเรื่องของอัตลักษณ์

• คนเรามองงานของตัวเองเป็นอัตลักษณ์ เช่น “ฉันคือนักวางแผน” “ฉันคือนักการตลาด” “ฉันคือวิศวกรแบ็กเอนด์”
• เมื่อคนทำการตลาดที่มีประสบการณ์ 15 ปีเห็นว่า AI ทำรายงานหนึ่งสัปดาห์เสร็จได้ใน 3 ชั่วโมง ความรู้สึกที่เกิดขึ้นไม่ใช่ “ว้าว” แต่คือ “งั้นฉันคืออะไร?”
• สิ่งที่ AX ต้องการคือการรื้ออัตลักษณ์ นี่ไม่ใช่ปัญหาเรื่องประสิทธิภาพ แต่เป็น ปัญหาเรื่องอัตลักษณ์
• หลายบริษัทพูดได้ถึงขั้น “60% ของงานในตำแหน่งคุณจะถูกทำอัตโนมัติ” แต่บริษัทที่จะไปต่อถึงขั้น “แล้วใน 40% ที่เหลือ คุณต้องรับผิดชอบอะไร” นั้นมีน้อยมาก
• AX ที่ยึดเครื่องมือเป็นศูนย์กลางย่อมล้มเหลวแน่นอน

คนที่ไม่เข้าใจองค์กร ย่อมเปลี่ยนองค์กรไม่ได้

• ประสบการณ์ของผู้เขียน: เข้าไปในบริษัทหนึ่งในฐานะที่ปรึกษา เข้าออฟฟิศสัปดาห์ละ 4 ครั้ง ทุกเย็นครั้งละ 3 ชั่วโมง เป็นเวลา 1 เดือน (ประมาณ 50 ชั่วโมง) อ่านโค้ด เข้าประชุม และพูดคุยกับผู้คน
• ไม่เคยใช้เทคโนโลยีสแตกนั้นมาก่อนเลย (Node.js, Kafka) แต่ตัดสินใจเข้าร่วมเป็น CTO เพราะ ได้เห็นคนที่จะต้องทำงานด้วยกัน
• “เทคโนโลยีเรียนรู้กันได้ แต่ถ้าไม่มีคนที่จะร่วมงานด้วย ก็ทำอะไรไม่ได้เลย”
• อ้างอิงมุมมองของ Jack Dorsey (CEO ของ Block): เดิมทีลำดับชั้นมีไว้เพื่อ route ข้อมูล แต่ AI กำลังสั่นคลอนบทบาทของชั้นกลางนั้น
• บริษัทส่วนใหญ่หยุดอยู่แค่การติด AI copilot เข้ากับโครงสร้างเดิม (automation) แต่คำถามที่ Jack Dorsey โยนมาคือ การออกแบบใหม่ทั้งวิธีที่บริษัททำงาน (การออกแบบองค์กรใหม่)

ท้ายที่สุด AX คือ End-to-End

• สิ่งที่ AI เปลี่ยนคือ coverage ของคนหนึ่งคน งานที่เมื่อก่อนต้องใช้ 3 ทีม ตอนนี้ทีมที่เล็กกว่าก็อาจรับไหว
• ทิศทางของ AX: ทีมเล็กลง การส่งต่องานสั้นลง ความรับผิดชอบชัดขึ้น
• Projection Problem (Evan Reiser, CEO ของ Abnormal Security): ไอเดียมีมิติสูง แต่ภาษามีมิติต่ำ ผู้เชี่ยวชาญ→PM→สเปก→วิศวกร ทุกการส่งต่องานคือการบีบอัดที่สูญเสียข้อมูล “ทุกคนคิดว่ามองเห็นเงาเดียวกันและเข้าใจกันตรงกัน แต่จริง ๆ ต่างคนต่างจินตนาการผลิตภัณฑ์คนละแบบ” Reiser เลือกให้ CISO ที่มีประสบการณ์ 20 ปีนั่งเป็นเจ้าของผลิตภัณฑ์โดยตรง และให้ AI เป็นฝ่ายสัมภาษณ์ โครงสร้างคือ Expert → AI การส่งต่องานแค่ 1 ครั้ง นี่คือคำอธิบายที่ชัดที่สุดว่าทำไม End-to-End จึงจำเป็น
• Lumen Technologies: จากผู้ให้บริการโทรคมนาคมแบบเลกาซี → นิยามอัตลักษณ์ใหม่เป็น “backbone ของเศรษฐกิจ AI” งานวิจัยเพื่อการขายจาก 4 ชั่วโมง → 15 นาที สร้างมูลค่ารายได้ปีละ $50M ในองค์กรขาย 3,000 คน
• JPMorgan Chase: วาง CDAO ไว้ในคณะกรรมการบริหาร (Operating Committee) ทำให้ AI ไม่ใช่องค์กรแยก แต่เป็น หัวข้อบนโต๊ะตัดสินใจหลัก
• Walmart: รวมเป็น 4 super agent เพิ่มผลิตภาพด้วย AI แต่ยังคงจำนวนพนักงานไว้ → เปลี่ยนเนื้อหาของบทบาทงานโดยตรง
• จุดร่วมคือ ไม่ได้สร้างทีม AX แยกออกมา แต่ เปลี่ยนบทบาทและโครงสร้างขององค์กรเดิมโดยตรง

automation ระดับบุคคล ≠ AX ระดับองค์กร

• เมื่อสมาชิกในองค์กรเริ่มสร้าง AI tool ใช้กันเองทีละคน มันน่าภูมิใจ แต่ แม้จะลดแรงเสียดทานของแต่ละคน ก็ยังไม่แตะคอขวดขององค์กร
• A ใช้ GPT ของตัวเอง, B ใช้ Claude, C ใช้ Zapier ไม่มีทั้งภาษาร่วม เป้าหมายร่วม หรือหลักการปฏิบัติการร่วม
• “นี่ไม่ใช่ AX แต่คือการเอาตัวรอดแบบต่างคนต่างอยู่ที่ถูกยกระดับขึ้น”
• ตัวชี้วัดกิจกรรม (จำนวนผู้ใช้ AI, จำนวน automation, จำนวนครั้งของ demo day) เทียบกับตัวชี้วัดผลลัพธ์ (lead time ลูกค้า, การลด handoff, เวลาหน่วงของการตัดสินใจ)
• automation ระดับบุคคลอาจเป็นสัญญาณได้ แต่ยังไม่ใช่หลักฐาน

ถึงอย่างนั้น ถ้าทีม AX ถูกสร้างขึ้นมาแล้ว

• สิ่งที่ทีม AX ต้องการไม่ใช่ผู้เชี่ยวชาญ AI แต่คือ คนที่รู้ว่าคอขวดในงานหน้างานอยู่ตรงไหน (นักการตลาด วิศวกร เจ้าหน้าที่ CS)
• ภารกิจไม่ควรเป็น “เร่งการนำ AI มาใช้” แต่ต้องเป็นปัญหาธุรกิจที่เฉพาะเจาะจง เช่น “เวลาตอบกลับครั้งแรกของลูกค้า จาก 24 ชั่วโมง → 4 ชั่วโมง”
• ServiceNow: ประเมินความสามารถด้าน AI ของพนักงานทั้ง 28,000 คน → จัดโครงแผนที่บทบาทงานใหม่
• ถ้าทีม AX จะสำเร็จ เป้าหมายของทีม AX ต้องเป็นการทำให้ตัวเองหายไป ทีมที่มีเหตุผลในการดำรงอยู่คือการสลายตัวของตัวเอง นี่คือแบบออกแบบเดียวที่ใช้ได้จริง
• Bank of America: หลังเปิดตัว Erica ในปี 2018 ใช้เวลา 7 ปีในการขยายไปสู่การใช้งานสำหรับพนักงานและการบริหารสินทรัพย์ “ค่อย ๆ ปูให้ช้า แต่ใช้ได้นาน ดีกว่า”

ส่งท้าย

• หลักการข้อแรกของ AX คือ ไม่ใช่เครื่องมือ แต่คือองค์กรและผู้คน
• “คนที่รู้เครื่องมือ จะหยุดอยู่ที่เครื่องมือ คนที่รู้คน จะเปลี่ยนองค์กรได้”

[tsboard]

น่าเสียดายที่ตอนนี้หลายบริษัทมีการตั้งทีม AX กันไปแล้ว ดังนั้นคงต้องใส่ใจรับมือโดยเน้นที่ย่อหน้าสุดท้ายเป็นพิเศษครับ

[wfedev]

คนที่รู้ว่าคอขวดในหน้างานอยู่ตรงไหนน่าจะเป็นหัวใจสำคัญครับ

[snisty]

ไม่ใช่ว่าทีมขับเคลื่อน AX จะไม่ดี...
ดูเหมือนประเด็นคือ การตั้งทีม AX ขึ้นมาแล้วบอกว่า "พวกคุณเป็นทีม AX ก็ลองทำระบบอัตโนมัติด้วย AI ให้เร็วสิ" ต่างหากที่เป็นปัญหา...
ผมคิดว่าทางที่ดีที่สุดคือให้คนทำงานสายโดเมนเป็นผู้ขับเคลื่อนหลัก และให้ผู้เชี่ยวชาญด้านเทคโนโลยี AX คอยสนับสนุนในการนำ AI มาใช้..