เป็นเวลาหลายทศวรรษแล้วที่คำบรรยายลักษณะงาน (Job Description) มาตรฐานสำหรับวิสาหกิจขนาดกลางและขนาดย่อม (SME) เปรียบเสมือนรายการสิ่งที่ต้อง 'ทำ' เรามองหาผู้สมัครที่สามารถ 'จัดการปฏิทินโซเชียลมีเดีย' 'ประมวลผลเงินเดือน' หรือ 'เขียนจดหมายข่าวรายเดือน' แต่ในขณะที่ผมทำงานร่วมกับธุรกิจต่างๆ ที่กำลังก้าวผ่านการเปลี่ยนแปลงนี้ ผมเริ่มเห็นการเปลี่ยนแปลงขั้นพื้นฐาน: กลยุทธ์ AI สำหรับ SME ที่ดีที่สุดไม่ใช่การหาเครื่องมือที่ดีกว่า แต่คือการหาคนที่มีทักษะในการจัดการเมื่อเครื่องมือเหล่านั้นเข้ามาทำงานแทน
เรากำลังเข้าสู่ยุคของ The Execution Deflation (การด้อยค่าของการปฏิบัติงาน) ในความจริงใหม่นี้ มูลค่าทางการตลาดของการปฏิบัติงาน 'มาตรฐาน' ซึ่งก็คือความสามารถในการทำงานด้านพุทธิปัญญา (Cognitive Task) ที่ทำซ้ำได้ กำลังลดลงจนเกือบเป็นศูนย์ หากเครื่องมือสามารถสร้างแผนโครงการ เขียนชุดโค้ดที่ใช้งานได้ หรือร่างหนังสือตอบโต้ทางกฎหมายได้ภายในไม่กี่วินาที คนที่เคยใช้เวลาสี่สิบชั่วโมงต่อสัปดาห์เพื่อทำสิ่งเหล่านั้นก็จะไม่ใช่ทรัพย์สินขององค์กรอีกต่อไป แต่จะกลายเป็น 'คอขวด' แทน มูลค่าที่แท้จริงได้เปลี่ยนจาก คำตอบ ไปสู่ คำถาม
การเปลี่ยนผ่านจากการลงมือทำสู่การควบคุมทิศทาง
💡 ต้องการให้ Penny วิเคราะห์ธุรกิจของคุณหรือไม่? เธอจัดทำแผนผังว่าบทบาทใดที่ AI สามารถแทนที่ได้ และสร้างแผนแบบเป็นขั้นตอน เริ่มทดลองใช้ฟรี →
ผมบริหารธุรกิจที่ขับเคลื่อนด้วย AI เป็นหลัก ที่นี่ไม่มีพนักงานคนอื่น ทุกฟังก์ชันงาน ไม่ว่าจะเป็นการตลาด การสนับสนุน หรือกลยุทธ์ ล้วนจัดการโดยผม โดยมี AI เป็นขุมพลัง เมื่อผมมองดูวิธีการจ้างงานของ SME แบบดั้งเดิม ผมเห็นความล่าช้าที่น่ากังวล พวกเขายังคงจ้างงานโดยพิจารณาจาก 'ความเชี่ยวชาญในการปฏิบัติงาน' (Execution Competency) ทั้งที่ควรจะจ้างงานเพื่อ The Inquiry Alpha
The Inquiry Alpha คือความได้เปรียบในการแข่งขันที่เกิดจากความสามารถของบุคคลในการวางกรอบปัญหา การตั้งคำถามกับข้อมูล และการสั่งการระบบ AI เพื่อสร้างผลลัพธ์ที่มีมูลค่าสูง ในตลาดที่เต็มไปด้วย AI ใครๆ ก็สามารถผลิตผลงานระดับ 'ปานกลาง' ได้ ชัยชนะจึงตกเป็นของคนที่อยากรู้อยากเห็นมากพอที่จะผลักดัน AI ให้ก้าวข้ามขีดความสามารถระดับมาตรฐานไปได้
หากคุณยังคงใช้ ซอฟต์แวร์ด้านทรัพยากรบุคคล รุ่นเก่าเพื่อคัดกรองผู้สมัครตามทักษะที่ตายตัว คุณอาจกำลังคัดกรองคนที่จะช่วยให้ธุรกิจของคุณรอดพ้นจากการล้าสมัยออกไป คุณไม่ต้องการคนที่แค่รู้วิธีใช้ CRM เฉพาะทาง แต่คุณต้องการคนที่สงสัยว่าทำไม CRM ถึงไม่พยากรณ์อัตราการเลิกใช้บริการของลูกค้า (Churn Rate) และมีความอยากรู้อยากเห็นที่จะทำให้มันทำเช่นนั้นได้
'กฎ 90/10' ของบทบาทงานสมัยใหม่
ผมมักจะพูดคุยกับลูกค้าเกี่ยวกับ กฎ 90/10 ในเกือบทุกบทบาทงานที่ต้องใช้ทักษะทางสมอง ปัจจุบัน AI สามารถจัดการงานหนักได้ถึง 90% ไม่ว่าจะเป็นการวิจัย การร่างเนื้อหาครั้งแรก หรือการจัดรูปแบบข้อมูล ซึ่งจะเหลืออีก 10% ให้กับมนุษย์
เจ้าของธุรกิจส่วนใหญ่มองที่ 10% นั้นแล้วคิดว่า 'เยี่ยมเลย ฉันสามารถเลิกจ้างพนักงานได้' นั่นเป็นความคิดที่ตื้นเขิน เพราะแท้จริงแล้ว 10% นั้นคือส่วนที่สำคัญที่สุดของกระบวนการ: มันคือกลยุทธ์ ความละเอียดอ่อน การกำกับดูแลด้านจริยธรรม และการตั้งคำถามว่า 'ถ้าหาก...?' หากคุณกำจัดมนุษย์ออกไปโดยสิ้นเชิง คุณจะได้ธุรกิจที่มีประสิทธิภาพแต่ไร้จิตวิญญาณและหยุดนิ่ง
อย่างไรก็ตาม หากคุณเก็บพนักงานที่ถูกจ้างมาเพียงเพื่อความสามารถในการทำส่วน 90% เดิม พวกเขาจะดิ้นรนกับส่วน 10% ที่เหลือ พวกเขาจะรู้สึกถูกคุกคามโดยระบบอัตโนมัติมากกว่าที่จะรู้สึกว่าได้รับพลังจากมัน นี่คือเหตุผลที่คุณต้องนิยามคำบรรยายลักษณะงานใหม่ก่อนที่จะเริ่มจ้างงาน
ขอแนะนำ Curiosity Quotient (CQ)
จากประสบการณ์ของผม การนำ AI มาใช้ที่ประสบความสำเร็จที่สุดเกิดขึ้นในธุรกิจที่ให้ความสำคัญกับ Curiosity Quotient (CQ) หรือความฉลาดทางความอยากรู้อยากเห็น มากกว่า IQ แบบดั้งเดิมหรือประสบการณ์ ความอยากรู้อยากเห็นเป็นเพียงสิ่งเดียวที่จะช่วยป้องกันความเสี่ยงจากการพัฒนาอย่างรวดเร็วของ AI ผู้สมัครที่มี CQ สูงจะไม่ถามว่า 'ฉันต้องทำสิ่งนี้อย่างไร' แต่พวกเขาจะถามว่า 'ทำไมเราถึงทำด้วยวิธีนี้ และมันจะดีกว่านี้ได้ไหม?'
เมื่อเราเปรียบเทียบ Penny กับที่ปรึกษาทางธุรกิจ ความแตกต่างมักจะอยู่ที่จุดนี้: ที่ปรึกษาแบบดั้งเดิมขายคำตอบตามสิ่งที่เคยได้ผลในอดีต ส่วนแนวทางที่ขับเคลื่อนด้วย AI (และพนักงานที่มีความอยากรู้อยากเห็น) จะแสวงหาคำตอบที่ดีที่สุดสำหรับวันพรุ่งนี้ โดยการทดลองซ้ำผ่านความเป็นไปได้นับพันอย่างในเวลาที่ที่ปรึกษาเพิ่งจะเริ่มเปิดแล็ปท็อป
วิธีสังเกตผู้ที่มี CQ สูงในกระบวนการสัมภาษณ์
หากคุณต้องการปลูกฝังสิ่งนี้ลงในกลยุทธ์ AI สำหรับ SME เพื่อการเติบโต คุณต้องเปลี่ยนวิธีสัมภาษณ์ เลิกถามถึงสิ่งที่พวกเขาเคยทำ แต่เริ่มถามถึงสิ่งที่พวกเขาเคยทำพังแล้วแก้ไขมัน
- การทดสอบ 'มีอะไรขาดหายไป?': มอบผลลัพธ์ที่สร้างโดย AI ให้กับพวกเขา (เช่น แผนการตลาดหรือรายงานทางการเงิน) แล้วถามว่า: 'AI พลาดอะไรไปในที่นี้ที่จะทำให้ผลงานนี้อยู่ในระดับโลก?'
- ความท้าทายแบบไม่ยึดติดกับเครื่องมือ (Tool Agnostic): ขอให้พวกเขาอธิบายกระบวนการที่ซับซ้อนที่พวกเขาเคยจัดการ จากนั้นถามว่า: 'หากซอฟต์แวร์ที่คุณใช้สำหรับงานนั้นหายไปในวันพรุ่งนี้ คุณจะสร้างผลลัพธ์นั้นขึ้นมาใหม่จากศูนย์ได้อย่างไร?'
- การสืบเสาะแบบเจาะลึก (Rabbit Hole Inquiry): ถามว่า: 'สิ่งล่าสุดที่คุณใช้เวลาสามชั่วโมงในการค้นคว้าเพียงเพราะคุณต้องการทำความเข้าใจมันคืออะไร?'
'ภาษีเอเจนซี' และจุดจบของการจ้างงานภายนอก
ตามธรรมเนียมแล้ว SME มักจะจ้างเอเจนซีภายนอกเพื่อช่วยในการปฏิบัติงาน (Execution) ซึ่งเคยเป็นวิธีที่สมเหตุสมผลในการเข้าถึงทักษะโดยไม่ต้องมีภาระค่าใช้จ่ายของพนักงานประจำ แต่ตอนนี้เรากำลังเห็นการเกิดขึ้นของ The Agency Tax (ภาษีเอเจนซี) ซึ่งก็คือช่องว่างขนาดใหญ่ระหว่างสิ่งที่เอเจนซีเรียกเก็บสำหรับการปฏิบัติงาน (เช่น £2,000 สำหรับชุดบทความในบล็อก) กับต้นทุนในการผลิตสิ่งเดียวกันโดยใช้ AI (เช่น £20 สำหรับค่าโทเคนและ 30 นาทีของการควบคุมโดยมนุษย์)
เพื่อหลีกเลี่ยงภาษีนี้ คุณจำเป็นต้องดึงส่วน 'การควบคุมทิศทาง' (Direction) มาไว้ในองค์กร แต่คุณไม่จำเป็นต้องมีแผนกใหญ่โต คุณต้องการเพียงคนที่มีความอยากรู้อยากเห็นเพียงคนเดียวที่สามารถทำหน้าที่เป็น 'ผู้อำนวยเพลง' (Orchestrator) ได้
การเปลี่ยนแปลงนี้ต้องอาศัยการลงทุนซ้ำในทีมที่มีอยู่ของคุณ คุณไม่สามารถแก้ปัญหาได้ด้วยการจ้างงานใหม่เพียงอย่างเดียว แต่คุณต้องพัฒนาจากภายใน นี่คือจุดที่ การฝึกอบรมและบริการวิชาชีพ กลายเป็นอาวุธลับของคุณ แต่อย่าฝึกอบรมพวกเขาในหัวข้อ 'วิธีใช้ AI' ให้ฝึกพวกเขาในเรื่องวิธีการคิดเชิงวิพากษ์ วิธีการตรวจสอบผลลัพธ์จาก AI และวิธีรักษาความอยากรู้อยากเห็นอย่างไม่ลดละเกี่ยวกับขั้นตอน 'ถัดไป'
กรอบการทำงาน: Cognitive Shift Matrix
เพื่อช่วยให้คุณเห็นภาพการเปลี่ยนแปลงของบทบาทงาน ผมใช้กรอบการทำงานที่เรียกว่า The Cognitive Shift Matrix ซึ่งแบ่งบทบาทงานตามสองแกน: น้ำหนักการปฏิบัติงาน (Execution Weight) และ การสืบเสาะเชิงกลยุทธ์ (Strategic Inquiry)
- บทบาทแบบดั้งเดิม (การปฏิบัติงานสูง, การสืบเสาะต่ำ): เหล่านี้คือบทบาทที่เสี่ยง เช่น การป้อนข้อมูล, การทำบัญชีพื้นฐาน, การเขียนคำโฆษณามาตรฐาน บทบาทเหล่านี้ไม่ควรถูก 'แทนที่' แต่ควรถูก 'เปลี่ยนแปลง'
- บทบาทช่วงเปลี่ยนผ่าน (การปฏิบัติงานสูง, การสืบเสาะสูง): นี่คือจุดที่ SME ส่วนใหญ่ติดหล่ม พนักงานทำงานหนักขึ้นเพื่อจัดการเครื่องมือ AI แต่ยังไม่สามารถปล่อยมือจากการลงมือทำเองได้ ซึ่งนำไปสู่ภาวะหมดไฟ
- บทบาทแห่งอนาคต (การปฏิบัติงานต่ำ, การสืบเสาะสูง): นี่คือเป้าหมาย มนุษย์ใช้เวลา 90% ไปกับกลยุทธ์ การทดสอบ และการควบคุมทิศทางเชิงสร้างสรรค์ ในขณะที่ AI จัดการเรื่องผลผลิต
ทำไมสิ่งนี้จึงสำคัญต่อกำไรของ SME
นี่ไม่ใช่แค่เรื่องของ 'วัฒนธรรมองค์กร' แต่เป็นเรื่องของตัวเลข พนักงานที่มีความอยากรู้อยากเห็นและรู้จักใช้ AI สามารถทำงานได้เท่ากับพนักงานที่เน้นการปฏิบัติงานเพียงอย่างเดียวถึงสามคน
ลองนึกถึงการประหยัดต้นทุน:
- ลดจำนวนพนักงาน (โดยไม่เสียปริมาณงาน)
- นำแนวคิดใหม่ๆ ออกสู่ตลาดได้เร็วขึ้น
- ขจัด 'ภาษีเอเจนซี'
แต่การประหยัดที่ยิ่งใหญ่ที่สุดคือสิ่งที่ซ่อนอยู่: มันคือต้นทุนของ การรักษาสถานะเดิม (The Status Quo) ในโลกที่เร่งความเร็วด้วย AI การหยุดนิ่งคือสิ่งที่แพงที่สุดที่คุณสามารถทำได้ คู่แข่งที่จ้างงานด้วยความอยากรู้อยากเห็นจะพัฒนาได้เร็วกว่าคุณสิบเท่า พวกเขาจะพบประสิทธิภาพที่คุณมองข้าม และจะแก้ปัญหาของลูกค้าที่คุณไม่เคยรู้ว่ามีอยู่ด้วยซ้ำ
ความจริงที่โหดร้าย: ส่วนที่ยากที่สุด
ผมจะพูดตรงๆ กับคุณ: การเปลี่ยนผ่านนี้เป็นเรื่องที่น่าอึดอัดใจ มันยากที่จะบอกพนักงานที่ซื่อสัตย์ว่า 'การลงมือทำ' ของพวกเขาไม่ใช่สิ่งที่มีมูลค่าอีกต่อไป มันยากที่จะโยนคำบรรยายลักษณะงานที่เคยใช้ได้ผลมาเป็นสิบปีทิ้งไป
แต่ในฐานะไกด์ของคุณ ผมต้องบอกความจริง: หน้าต่างแห่งโอกาสกำลังจะปิดลง AI ไม่ใช่เรื่องของ 'อนาคต' อีกต่อไป แต่มันคือความจริงใน 'ปัจจุบัน' หน้าที่ของคุณในฐานะเจ้าของธุรกิจไม่ใช่การจัดการคนที่ลงมือทำงานอีกต่อไป แต่คือการนำทางคนที่ควบคุมเครื่องจักร
เริ่มตั้งแต่วันนี้ ลองดูประกาศรับสมัครงานล่าสุดของคุณ หากมันเป็นรายการของงานที่ต้องทำ ให้ลบทิ้งซะ แล้วแทนที่ด้วยรายการปัญหาที่คุณต้องการให้แก้ไข และคุณสมบัติของผู้สมัครที่ไม่ยอมหยุดถามว่า 'ทำไม?'
ความอยากรู้อยากเห็นไม่ได้ฆ่าแมว แต่ในยุค AI มันเป็นสิ่งเดียวที่ทำให้ธุรกิจอยู่รอด