ในทุกๆ วัน ผมมีโอกาสได้พูดคุยกับเจ้าของธุรกิจที่ต้องการ "เข้าสู่โลกของ AI" อย่างมาก พวกเขาเห็นพาดหัวข่าว รู้สึกถึงแรงกดดันจากคู่แข่ง และเริ่มสมัครใช้งานบริการต่างๆ พวกเขานำเครื่องมือ generative AI เข้ามาใช้ในการตลาด นำบอทอัตโนมัติเข้ามาใช้ในงานบริการลูกค้า และใช้ผู้ช่วยจัดตารางเวลาในปฏิทินของตนเอง
แต่หกเดือนหลังจากนั้น ผลกำไรของพวกเขากลับไม่ขยับไปไหน ในความเป็นจริง การดำเนินงานของพวกเขากลับดูวุ่นวายมากกว่าที่เคย นี่คือผลลัพธ์ของความเข้าใจผิดขั้นพื้นฐานว่า AI strategy สำหรับ SME ที่ประสบความสำเร็จนั้นเป็นอย่างไร ธุรกิจส่วนใหญ่เป็นเพียงการนำความฉลาดไปวางทับซ้อนบนความผิดปกติของการทำงาน ผมเรียกสิ่งนี้ว่า ภาษีความฉลาด (The Intelligence Tax)
ความเชื่อผิดๆ เกี่ยวกับกลยุทธ์ AI สำหรับ SME แบบ 'เสียบปลั๊กแล้วใช้งานได้เลย'
💡 ต้องการให้ Penny วิเคราะห์ธุรกิจของคุณหรือไม่? เธอจัดทำแผนผังว่าบทบาทใดที่ AI สามารถแทนที่ได้ และสร้างแผนแบบเป็นขั้นตอน เริ่มทดลองใช้ฟรี →
มีความเชื่อทั่วไปที่ว่า AI คือเครื่องมือเยียวยา — ที่ว่าหากคุณมีกระบวนการที่ยุ่งเหยิง การเพิ่มเครื่องมือ 'อัจฉริยะ' เข้าไปจะช่วยจัดระเบียบมันได้เอง นี่คือความผิดพลาดที่มีราคาแพงและอันตราย AI ไม่ใช่เครื่องดูดฝุ่น แต่มันคือโทรโข่ง มันจะขยายทุกสิ่งที่คุณใส่เข้าไปให้ชัดเจนและรุนแรงยิ่งขึ้น
หากกระบวนการรับลูกค้าใหม่ (customer onboarding) ของคุณซับซ้อนเกินไปและต้องพึ่งพา spreadsheets สี่ไฟล์ที่แตกต่างกัน รวมถึงอีเมล 'ติดตามผล' ที่ส่งด้วยมือซึ่งทุกคนมักจะลืมส่ง การใช้ AI มาทำเป็นระบบอัตโนมัติจะไม่ช่วยแก้ปัญหาความติดขัดนั้น แต่มันจะสร้างข้อผิดพลาดอัตโนมัติขึ้นมานับร้อยรายการ ในเวลาที่เดิมเคยใช้ในการทำความผิดพลาดด้วยมือเพียงครั้งเดียว
เมื่อเราพูดถึงการพัฒนา AI strategy สำหรับ SME ที่ยั่งยืน เราต้องพูดถึงสุขอนามัยของกระบวนการ (process hygiene) หากคุณยังไม่ได้ทำให้ขั้นตอนการทำงานง่ายขึ้นก่อนที่จะเปลี่ยนเป็นระบบอัตโนมัติ คุณไม่ได้กำลังประหยัดเงิน — คุณแค่กำลังจ่ายภาษีให้กับความซับซ้อนของตัวเอง
ขอแนะนำให้รู้จักกับ 'หนี้ทางตรรกะ' (Logic Debt)
ในการพัฒนาซอฟต์แวร์ เราพูดถึง 'หนี้ทางเทคนิค' (technical debt) — ซึ่งคือต้นทุนของการเลือกวิธีแก้ปัญหาที่ง่ายและไม่เรียบร้อยในตอนนี้ แทนที่จะเป็นแนวทางที่ดีกว่าซึ่งต้องใช้เวลานานกว่า ในโลกของการเปลี่ยนแปลงธุรกิจด้วย AI เรากำลังเห็นการเพิ่มขึ้นของ หนี้ทางตรรกะ (Logic Debt)
หนี้ทางตรรกะเกิดขึ้นเมื่อคุณใช้ AI เพื่อข้ามข้อบกพร่องของกระบวนการ แทนที่จะแก้ไขข้อบกพร่องนั้นเอง ตัวอย่างเช่น หากการจัดการสต็อกสินค้าของคุณแย่มากจนพนักงานต้องใช้เวลาสามชั่วโมงต่อวันในการตรวจสอบยอดสต็อกด้วยตนเอง คุณอาจถูกดึงดูดให้ใช้ตัวแทน AI เพื่อ 'อ่าน' รายงานที่ยุ่งเหยิงเหล่านั้นและสรุปผลออกมา
ยินดีด้วยครับ: คุณเพิ่งทำให้กระบวนการที่พังกลายเป็นระบบถาวร ตอนนี้คุณกำลังจ่ายค่าสมัครสมาชิก AI เพื่อจัดการกับปัญหาที่ไม่ควรจะมีอยู่ตั้งแต่แรก นั่นคือหนี้ทางตรรกะ เมื่อเวลาผ่านไป 'วิธีการแก้ไขปัญหาอัตโนมัติแบบชั่วคราว' เหล่านี้จะสะสมมากขึ้น ธุรกิจของคุณจะกลายเป็นเครือข่ายของเครื่องมือ AI ที่คุยกับระบบที่พัง และในที่สุด ทั้งหมดก็จะเปราะบางเกินกว่าจะเปลี่ยนแปลงได้
ภาษีเอเจนซี่ (Agency Tax) ปะทะ ภาษีความฉลาด (Intelligence Tax)
เป็นเวลาหลายปีที่ SME ต้องจ่ายในสิ่งที่ผมเรียกว่า ภาษีเอเจนซี่ (Agency Tax) นี่คือค่าธรรมเนียมส่วนเกินที่คุณจ่ายให้กับเอเจนซี่ภายนอกสำหรับงานปฏิบัติการ — เช่น การโพสต์โซเชียลมีเดีย, SEO พื้นฐาน หรือการสนับสนุนด้าน IT ตามกิจวัตร — ซึ่งพวกเขามักจะใช้พนักงานระดับจูเนียร์และกระบวนการที่เป็นเทมเพลตสำเร็จรูปในการจัดการ
AI ทำให้ภาษีเอเจนซี่นี้มองเห็นได้ชัดเจนขึ้น เมื่อคุณตระหนักว่าเครื่องมือราคา £30/เดือน สามารถทำงานแทนค่าจ้างรายเดือนราคา £3,000 ได้ ภาษีนี้ก็กลายเป็นสิ่งที่ยอมรับไม่ได้ อย่างไรก็ตาม ในความรีบร้อนที่จะหลีกเลี่ยงภาษีเอเจนซี่ เจ้าของธุรกิจหลายคนกลับวิ่งเข้าหาภาษีความฉลาดโดยตรง พวกเขายกเลิกเอเจนซี่แต่ไม่ได้คิดทบทวนเรื่องเนื้องานใหม่ พวกเขาพยายามทำให้ AI เลียนแบบสิ่งที่เอเจนซี่ทำทุกขั้นตอน
แต่เอเจนซี่มักจะเติบโตได้จากชั่วโมงการทำงานที่เรียกเก็บเงินได้ ซึ่งหมายความว่ากระบวนการของพวกเขาถูกออกแบบมาให้ใช้เวลานาน หากคุณใช้ AI เพื่อทำซ้ำกระบวนการที่ 'ล่าช้า' คุณกำลังพลาดประเด็นสำคัญ ธุรกิจที่ใช้ AI เป็นหัวใจหลักอย่างแท้จริง ไม่เพียงแต่ทำงานเก่าได้เร็วขึ้น แต่ยังกำจัดความจำเป็นของงานนั้นออกไปอย่างสิ้นเชิง
กฎ 90/10 ของการทำงานอัตโนมัติ
ผมได้สังเกตรูปแบบที่เกิดขึ้นซ้ำๆ ในธุรกิจนับพันแห่ง: กฎ 90/10 เมื่อ AI สามารถจัดการกับหน้าที่เฉพาะอย่างได้ 90% — เช่น การทำบัญชีพื้นฐานหรือการสนับสนุนด้านเทคนิคระดับต้น — ธุรกิจต่างๆ มักจะประสบปัญหาในส่วน 10% ที่เหลือ
พวกเขายังคงจ้างพนักงานเต็มเวลาในตำแหน่งนั้นเพื่อจัดการกับความซับซ้อน 10% นั้น นี่คือจุดที่ ROI ของ AI สูญสิ้นไป หาก 90% ของบทบาทถูกทำให้เป็นอัตโนมัติ บทบาทนั้นก็ไม่ควรมีอยู่อีกต่อไปในรูปแบบเดิม ส่วน 10% ที่เหลือซึ่งเป็น 'กรณีพิเศษ' ที่ซับซ้อนและมีมูลค่าสูง ควรถูกนำไปรวมเข้ากับตำแหน่งงานอื่นที่มีความสำคัญเชิงกลยุทธ์มากกว่า
การปฏิเสธที่จะปรับโครงสร้างบทบาทหน้าที่คือรูปแบบหนึ่งของภาษีความฉลาด คุณกำลังจ่ายค่า AI และ จ่ายเงินเดือนเต็มจำนวนให้กับพนักงานที่ตอนนี้ทำงานเพียง 10% ของงานเดิม นี่คือเหตุผลที่ผมมักจะแนะนำให้เปรียบเทียบแนวทางของผมเองกับแนวทางของที่ปรึกษาแบบดั้งเดิม คุณสามารถดูความแตกต่างของเราได้ในการเปรียบเทียบระหว่าง Penny และที่ปรึกษาทางธุรกิจ
วิธีหลีกเลี่ยงภาษี: กรอบการทำงาน 'แก้ไขก่อนทำระบบอัตโนมัติ' (Edit Before You Automate)
ก่อนที่คุณจะใช้เงินแม้แต่ปอนด์เดียวกับเครื่องมือ AI ใหม่ ให้ใช้กรอบการทำงานสามขั้นตอนกับกระบวนการใดๆ ที่คุณต้องการเปลี่ยนแปลง:
- กำจัด (Eliminate): กระบวนการนี้จำเป็นต้องเกิดขึ้นจริงหรือไม่? หากคุณกำลังทำรายงานประจำสัปดาห์ที่เป็นระบบอัตโนมัติแต่ไม่มีใครอ่าน ให้หยุดทำเสีย ระบบอัตโนมัติที่ราคาถูกที่สุดคือระบบที่คุณไม่ต้องสร้างขึ้นมา
- ทำให้ง่ายขึ้น (Simplify): หากกระบวนการนั้นจำเป็นต้องมี สามารถทำให้เหลือสามขั้นตอนแทนที่จะเป็นสิบขั้นตอนได้ไหม? AI ทำงานได้ดีที่สุดบนตรรกะที่สะอาดและเป็นเส้นตรง จงตัดภาระที่เรียกว่า 'เราทำแบบนี้มาโดยตลอด' ออกไป
- เสริมประสิทธิภาพ (Augment): ถึงตอนนี้คุณค่อยนำ AI เข้ามาใช้ ใช้มันเพื่อจัดการแกนกลางของกระบวนการที่ถูกทำให้ง่ายขึ้นแล้ว
เส้นทางสู่ก้าวต่อไป
ความสำเร็จของ AI strategy สำหรับ SME ไม่ได้อยู่ที่ว่าคุณใช้เครื่องมือจำนวนเท่าใด แต่อยู่ที่ว่าคุณสามารถล้าง 'หนี้ทางตรรกะ' ได้มากเพียงใด
ธุรกิจที่จะชนะในอีกห้าปีข้างหน้าจะไม่ใช่ธุรกิจที่มีระบบ AI ที่แพงที่สุด แต่จะเป็นธุรกิจที่มีการดำเนินงานที่ลีน (lean) และสะอาดที่สุด — ธุรกิจที่มองว่า AI คือรากฐาน ไม่ใช่แค่พลาสเตอร์ยา
หากคุณรู้สึกถึงภาระของภาษีความฉลาด หรือหากคุณไม่แน่ใจว่าหนี้ทางตรรกะของคุณซ่อนอยู่ที่ไหน มาดูตัวเลขร่วมกันครับ การเปลี่ยนแปลงอาจเป็นเรื่องที่น่าอึดอัด แต่การตกรุ่นนั้นเลวร้ายยิ่งกว่า
พร้อมที่จะหยุดจ่ายภาษีนี้หรือยัง? เริ่มต้นด้วยการสำรวจต้นทุนการทำงานด้วยตนเองที่สูงที่สุดของคุณ — ซึ่งมักจะอยู่ในการสนับสนุนด้าน IT — และตั้งคำถามว่า: นี่เป็นปัญหาที่กระบวนการหรือปัญหาที่เครื่องมือ?