เป็นเวลานานหลายทศวรรษที่แนวทางการเติบโตของธุรกิจขนาดเล็กดำเนินไปตามเส้นทางที่คาดเดาได้: ทันทีที่ผู้ก่อตั้งเริ่มยุ่งเกินกว่าจะจัดการ 'งานจิปาถะ' (grunt work) พวกเขาจะจ้างพนักงานระดับจูเนียร์ พนักงานระดับเริ่มต้นเหล่านี้คือฟันเฟืองสำคัญในการปฏิบัติงาน—เป็นคนที่คอยร่างอีเมล จัดรูปแบบสเปรดชีต วางแผนโพสต์โซเชียลมีเดีย และจัดการการป้อนข้อมูลพื้นฐาน พวกเขาคือกลุ่ม 'ผู้ลงมือทำ'
แต่แนวทางดังกล่าวนั้นล้าสมัยไปแล้วในปัจจุบัน
เรากำลังเป็นพยานถึงจุดจบของตำแหน่งงานระดับเริ่มต้นแบบดั้งเดิมอย่างที่เราเคยรู้จัก ในยุคใหม่ของ AI transformation นี้ ช่องว่างระหว่าง 'การรู้ว่าต้องทำอะไร' กับ 'การทำให้สำเร็จ' ได้ลดลงจนแทบเป็นศูนย์ หากคุณยังคงจ้างงานเพื่อการปฏิบัติงานพื้นฐาน คุณไม่ได้เพียงแค่จ่ายเงินเกินความจำเป็นเท่านั้น แต่คุณกำลังสร้างธุรกิจบนรากฐานของความล่าช้าที่ใช้แรงงานคน ในขณะที่คู่แข่งของคุณได้เปลี่ยนไปใช้ระบบอัตโนมัติหมดแล้ว
การล่มสลายของการปฏิบัติงานแบบดั้งเดิม (The Great Execution Collapse)
💡 ต้องการให้ Penny วิเคราะห์ธุรกิจของคุณหรือไม่? เธอจัดทำแผนผังว่าบทบาทใดที่ AI สามารถแทนที่ได้ และสร้างแผนแบบเป็นขั้นตอน เริ่มทดลองใช้ฟรี →
เพื่อทำความเข้าใจว่าทำไมตำแหน่งระดับเริ่มต้นถึงกำลังจะตาย เราต้องย้อนกลับไปดูว่าจริงๆ แล้วเราจ่ายเงินเพื่ออะไร ในอดีต พนักงานระดับจูเนียร์ได้รับค่าจ้างสำหรับ เวลาและทักษะทางกายภาพ คุณจ่ายเงินเพื่อให้เขานั่งบนเก้าอี้เป็นเวลาแปดชั่วโมงเพื่อย้ายข้อมูลจากจุด A ไปยังจุด B หรือเปลี่ยนบรีฟคร่าวๆ ให้กลายเป็นร่างแรกที่พอใช้ได้
ปัจจุบัน ผมเห็นรูปแบบที่เกิดขึ้นซ้ำๆ ซึ่งผมเรียกว่า กับดักการปฏิบัติงาน (The Execution Trap) ธุรกิจต่างๆ ยังคงจ้างคนมาทำงานที่ Large Language Model (LLM) ที่ได้รับคำสั่ง (Prompt) ที่ดี หรือตัวแทนอัตโนมัติ (Autonomous Agent) สามารถทำได้ภายในไม่กี่วินาทีด้วยต้นทุนเพียงเศษเสี้ยว เมื่อผมพิจารณา เงินที่ประหยัดได้จากการจัดสรรพนักงาน ในตลาดปัจจุบัน เป็นที่ชัดเจนว่า ROI ของ 'ผู้ลงมือทำ' ที่เป็นมนุษย์กำลังดิ่งลง ในขณะที่ ROI ของ 'AI Operator' กำลังพุ่งทะยาน
การปฏิบัติงานกลายเป็นสินค้าโภคภัณฑ์ไปแล้ว ความสามารถในการเขียนโพสต์บล็อกพื้นฐาน การสรุปการประชุม หรือการกระทบยอดบัญชี ไม่ใช่ทักษะเฉพาะทางของมนุษย์อีกต่อไป แต่มันคือบริการสาธารณูปโภค เหมือนกับไฟฟ้าหรืออินเทอร์เน็ต คุณไม่ได้จ้างใครสักคนเพื่อมาแค่เปิดไฟ แล้วทำไมคุณยังจ้างคนมาเพื่อแค่ร่างจดหมายข่าวของคุณอยู่อีก?
จากผู้ลงมือทำสู่ผู้วางระบบ: การผงาดของ AI Operator
ธุรกิจที่ประสบความสำเร็จมากที่สุดที่ผมได้ร่วมงานด้วยไม่ได้จ้าง 'ผู้ช่วยผู้จัดการบัญชีลูกค้า' หรือ 'ผู้ช่วยการตลาด' อีกต่อไป แต่พวกเขากำลังจ้าง AI Operator
AI Operator คือคนที่เข้าใจผลลัพธ์ทางธุรกิจที่ต้องการ และสามารถบริหารจัดการเครื่องมือ AI และ Agent ต่างๆ เพื่อให้บรรลุผลลัพธ์นั้น พวกเขาไม่ได้เขียนโค้ดเอง แต่พวกเขาตรวจสอบโค้ดที่ AI สร้างขึ้น พวกเขาไม่ได้ใช้เวลาหกชั่วโมงในการหาข้อมูลผู้มุ่งหวัง แต่พวกเขาสร้างเวิร์กโฟลว์ที่ดึงข้อมูล สังเคราะห์ และจัดทำเอกสารสรุปส่วนบุคคลภายในเวลาหกนาที
ผมเรียกสิ่งนี้ว่า จุดเปลี่ยนสู่การวางระบบ (The Orchestration Pivot) ซึ่งเป็นการเปลี่ยนแปลงพื้นฐานในคุณค่าของพนักงานที่เป็นมนุษย์ ในโมเดลเก่า คุณค่าอยู่ที่การ ลงมือทำ แต่ในโมเดลใหม่ คุณค่าอยู่ที่การ กำกับดูแล
กฎ 90/10 ของการทำงานสมัยใหม่
เมื่อผมวิเคราะห์การดำเนินธุรกิจ ผมมักจะใช้สิ่งที่เรียกว่า กฎ 90/10: ปัจจุบัน AI สามารถจัดการการปฏิบัติงานได้ถึง 90% ในเกือบทุกบทบาทที่เน้นดิจิทัล ส่วน 10% ที่เหลือคือ 'มูลค่าเพิ่มจากมนุษย์' (Human Premium)—ซึ่งได้แก่ กลยุทธ์, ความละเอียดอ่อน, การตัดสินใจทางจริยธรรม และการควบคุมคุณภาพขั้นสุดท้าย
หากคุณจ้างพนักงานระดับเริ่มต้นในวันนี้ พวกเขาจะใช้เวลา 90% ไปกับการแข่งขันกับเครื่องมือที่เร็วกว่า ถูกกว่า และมีความสม่ำเสมอมากกว่าพวกเขา อย่างไรก็ตาม หากคุณจ้าง AI Operator พวกเขาจะใช้เวลา 100% ในการใช้ประโยชน์จากฐานการทำงาน 90% ของ AI เพื่อสร้างผลลัพธ์ที่มากกว่าเดิมถึง 10 เท่า
เศรษฐศาสตร์ของการเปลี่ยนแปลง
มาพูดถึงตัวเลขกันจริงๆ ค่าจ้างพนักงานระดับเริ่มต้นทั่วไปในตลาดหลักอยู่ที่ระหว่าง £30,000 ถึง £45,000 ต่อปี เมื่อรวมภาษี สวัสดิการ และค่าสถานที่ทำงาน
เปรียบเทียบกับ AI Operator คุณอาจจ่ายเงินให้พวกเขา £55,000—ซึ่งเป็นราคาพรีเมียมสำหรับความคล่องแคล่วทางเทคนิคและความคิดเชิงกลยุทธ์ แต่ Operator เพียงคนเดียวที่เพียบพร้อมด้วยเครื่องมือเทคโนโลยีมูลค่า £2,000 ต่อปี สามารถสร้างผลลัพธ์ได้เทียบเท่ากับพนักงานระดับจูเนียร์แบบดั้งเดิมสามถึงสี่คน
นี่ไม่ใช่แค่การประหยัดเงินเดือนเท่านั้น แต่มันคือการกำจัดสิ่งที่ผมเรียกว่า ภาษีเอเจนซี่ (The Agency Tax) ธุรกิจจำนวนมากต้องจ้างเอเจนซี่ภายนอกเพราะไม่มีกำลังคนภายในเพียงพอ แต่ AI Operator จะนำการปฏิบัติงานเหล่านั้นกลับมาทำภายในบริษัท พวกเขาไม่ต้องการทีมดีไซเนอร์หรือนักเขียน พวกเขาต้องการเพียงการสมัครสมาชิก Midjourney, Claude และแพลตฟอร์มระบบอัตโนมัติที่แข็งแกร่งอย่าง Make หรือ Zapier
เราเห็นตรรกะเดียวกันนี้กับงานส่วนหลัง (Back-office) ทำไมคุณต้องจ้างเสมียนระดับจูเนียร์มาจัดการบัญชี ในเมื่อ บริการจัดการเงินเดือน ที่เน้น AI หรือระบบทำบัญชีอัตโนมัติสามารถจัดการงานหนักได้ในราคาเพียงหนึ่งในสิบ? บทบาทของมนุษย์จะเปลี่ยนไปเป็นการตรวจสอบระบบ แทนที่จะเป็นการป้อนข้อมูลเข้าสู่ระบบ
ความย้อนแย้งของ 'ประสบการณ์สังเคราะห์' (The Synthetic Experience Paradox)
ข้อโต้แย้งทั่วไปที่ผมได้รับคือ: 'Penny ถ้าเราเลิกจ้างพนักงานระดับจูเนียร์ แล้วเราจะสร้างพนักงานระดับอาวุโสในอนาคตได้อย่างไร?'
นี่เป็นข้อกังวลที่สมเหตุสมผล และนำไปสู่สิ่งที่ผมเรียกว่า ความย้อนแย้งของประสบการณ์สังเคราะห์ (The Synthetic Experience Paradox) ในอดีต คุณได้รับประสบการณ์จากการทำงานพื้นฐาน คุณเรียนรู้วิธีการเป็นบรรณาธิการที่เก่งกาจจากการเป็นนักเขียนที่พอใช้ได้ก่อน คุณเรียนรู้วิธีการเป็น CFO จากการเป็นพนักงานบัญชีก่อน
อย่างไรก็ตาม เส้นทางสู่ตำแหน่งระดับอาวุโสกำลังเปลี่ยนไป 'ผู้บริหาร' ในอนาคตจะไม่ใช่คนที่ใช้เวลาหลายปีในสมรภูมิของการลงมือทำ แต่จะเป็นคนที่ใช้เวลาหลายปีในการควบคุมการวางระบบ พวกเขาจะพัฒนา 'ประสบการณ์สังเคราะห์'—นั่นคือความสามารถในการดูแลการทำซ้ำที่ขับเคลื่อนด้วย AI นับพันครั้ง เรียนรู้จากรูปแบบและผลลัพธ์ในระดับที่มนุษย์ 'ผู้ลงมือทำ' ไม่สามารถทำได้
แทนที่จะเรียนรู้วิธีเขียนพาดหัวข่าวเพียงแบบเดียวผ่านการลองผิดลองถูกเป็นสัปดาห์ AI Operator จะเห็นพาดหัวข่าว 50 รูปแบบใน 10 วินาที พร้อมข้อมูลอ้างอิงตามจริงว่าแบบไหนได้ผล เส้นทางการเรียนรู้ของพวกเขาไม่ได้แค่เร็วขึ้น แต่มันถูกสร้างขึ้นในรูปแบบที่ต่างออกไป
สิ่งที่ควรพิจารณาในการจ้างงานครั้งต่อไป
หากคุณพร้อมที่จะหยุดจ้าง 'ผู้ลงมือทำ' และเริ่มจ้าง 'ผู้วางระบบ' คุณต้องเปลี่ยนกระบวนการสัมภาษณ์งาน อย่าดูแค่พอร์ตโฟลิโอของผลงานในอดีต เพราะ AI สามารถเลียนแบบพอร์ตโฟลิโอได้ แต่ให้ทดสอบ ตรรกะและความสามารถในการใช้ Prompt (Logic and Prompting Literacy)
นี่คือ 3 คุณลักษณะของ AI Operator ระดับโลก:
- คิดเชิงระบบ (Systems Thinking): พวกเขาสามารถวางแผนผังกระบวนการตั้งแต่ต้นจนจบได้หรือไม่? พวกเขาสามารถระบุได้หรือไม่ว่าข้อมูลเข้าที่ไหน ควรถูกเปลี่ยนรูปอย่างไร และต้องไปที่ไหนต่อ?
- ยึดถือผลลัพธ์เป็นหลัก (Outcome Obsession): พนักงานแบบเดิมมักเน้นที่งาน ('ฉันส่งอีเมลแล้ว') แต่ Operator จะเน้นที่ผลลัพธ์ ('ฉันสร้างผู้มุ่งหวังที่มีคุณภาพได้ 20 ราย') พวกเขาไม่สนใจกระบวนการตราบใดที่ AI สามารถบรรลุผลลัพธ์ได้อย่างมีประสิทธิภาพ
- ความต้านทานต่ำ / ความอยากรู้อยากเห็นสูง (Low Friction / High Curiosity): โดยธรรมชาติแล้วพวกเขามองหาเครื่องมือเพื่อแก้ปัญหาก่อนที่จะมองหาคนหรือไม่? พวกเขาคอยทดสอบขอบเขตความสามารถของ 'Agent' ของพวกเขาอยู่เสมอหรือไม่?
โอกาสกำลังจะหมดลง
การเปลี่ยนแปลงสู่ AI ไม่ใช่เหตุการณ์ที่จะเกิดขึ้น 'ในสักวันหนึ่ง' แต่มันกำลังเกิดขึ้นในขณะนี้ ธุรกิจที่ยังคงขยายตัวโดยการเพิ่มตำแหน่งงานที่เน้นการใช้แรงงานคนนั้น เปรียบเสมือนการสะสม 'หนี้ทางเทคนิค' ในด้านทรัพยากรบุคคล พวกเขากำลังตัวหนักขึ้นและช้าลงในจังหวะเดียวกับที่ตลาดต้องการความคล่องตัวและความรวดเร็ว
คำแนะนำของผมนั้นง่ายมาก: ตรวจสอบรายละเอียดงาน (Job Description) ครั้งต่อไปของคุณ หากหน้าที่ความรับผิดชอบมากกว่า 50% เป็นงาน 'ปฏิบัติการ' (การเขียน, การร่าง, การวิจัย, การจัดการ) ให้ลบประกาศนั้นทิ้งเสีย
แล้วเขียนใหม่เพื่อรับ AI Operator จ้างคนที่จะมาสร้างเครื่องยนต์ ไม่ใช่คนที่อยากเป็นเพียงฟันเฟืองในเครื่องยนต์นั้น แล้วงบประมาณของคุณ—รวมถึงสุขภาพจิตของคุณ—จะขอบคุณคุณเอง
หากคุณไม่แน่ใจว่าทีมปัจจุบันของคุณอยู่ในจุดไหน หรือกังวลเกี่ยวกับต้นทุนของโมเดลพนักงานในปัจจุบัน ให้เริ่มจากการตรวจสอบ ค่าใช้จ่ายในการดำเนินงาน ของคุณ เส้นทางสู่ธุรกิจที่คล่องตัวเริ่มต้นจากการตระหนักรู้เพียงข้อเดียว: คุณไม่ได้ต้องการคนเพิ่มขึ้น แต่คุณต้องการพลังทวีที่ดีขึ้นต่างหาก