การปรับโครงสร้างบุคลากรและแผนการ Reskilling หลังนำ AI มาใช้: ขั้นตอนการออกแบบงานใหม่สำหรับพนักงานในฐานการผลิตที่ไทย

「หากนำ AI มาใช้ ใครจะทำอะไร」— ที่ฐานปฏิบัติการในประเทศไทย มีฝ่ายบุคคลและผู้รับผิดชอบฐานปฏิบัติการจำนวนไม่น้อยที่ยังไม่สามารถตอบคำถามนี้ได้ การนำ Generative AI และเครื่องมือระบบอัตโนมัติมาใช้จะช่วยลดเวลาการทำงานได้อย่างแน่นอน แต่หากไม่กำหนดว่าจะนำเวลาและบุคลากรที่ลดลงไปใช้ทำอะไร งานจะลดลงก็จริง แต่องค์กรทั้งหมดจะเริ่มหยุดชะงัก จะจัดสรรเวลาและบุคลากรที่เหลือไปยังงานที่ควรให้มนุษย์ทำต่อไป เช่น การรับมือกับลูกค้าและงานที่ต้องใช้การตัดสินใจ ได้อย่างไร แผนงานนี้คือสิ่งที่เรียกว่าการจัดสรรบุคลากรใหม่หลังการนำ AI มาใช้ ในบทความนี้ จะอธิบายขั้นตอนที่ฝ่ายบุคคลและผู้รับผิดชอบฐานปฏิบัติการของบริษัทญี่ปุ่นในประเทศไทยควรดำเนินการจริง โดยแบ่งเป็น 5 ขั้นตอน ตั้งแต่การสำรวจงานเป้าหมาย การออกแบบตำแหน่งที่จะจัดสรรใหม่ แผนการรีสกิล (Reskilling) จนถึงการปรับปรุงระบบการประเมินผล พร้อมนำเสนอขั้นตอนที่สามารถนำไปใช้ได้จริงในสถานที่ทำงาน โดยคำนึงถึงธรรมเนียมการจ้างงานและสถานการณ์ด้านภาษาที่เป็นลักษณะเฉพาะของประเทศไทยด้วย

การจัดสรรบุคลากรใหม่หลังการนำ AI มาใช้จะเป็นตัวตัดสินความสำเร็จ เพราะเป็นจุดเปลี่ยนสำคัญว่าจะจบลงเพียงแค่การลดต้นทุน หรือนำไปสู่การเพิ่มขีดความสามารถในการแข่งขัน แม้จะเป็นมาตรการระบบอัตโนมัติแบบเดียวกัน แต่ผลลัพธ์จะแตกต่างกันระหว่างสาขาที่ปล่อยเวลาที่ว่างลงให้สูญเปล่า กับสาขาที่มีการวางแผนการจัดสรรบุคลากรใหม่ไว้ล่วงหน้า สำหรับสาขาในประเทศไทย มักเกิดความคลาดเคลื่อนในการรับรู้บทบาทระหว่างฝ่ายบริหารของบริษัทญี่ปุ่นกับพนักงานในท้องถิ่น ทำให้จุดเปลี่ยนนี้เห็นได้ชัดเจนเป็นพิเศษ ต่อไปเราจะมาดูความแตกต่างดังกล่าวและข้อจำกัดเฉพาะของสาขาในประเทศไทยกัน

หากมีจุดประสงค์เพียงเพื่อลดจำนวนพนักงาน มักจะเป็นเพียงการลดต้นทุนในระยะสั้นเท่านั้น แต่หากมีการออกแบบไปจนถึงการจัดสรรตำแหน่งใหม่และการพัฒนาบุคลากร ก็มีแนวโน้มที่จะนำไปสู่การเพิ่มขีดความสามารถในการแข่งขันในระยะกลางได้ กรณีแรกนั้นจะมองว่าเวลาที่ว่างจากการนำ AI มาใช้เป็น "ส่วนเกิน" และจบลงเพียงแค่การหยุดรับพนักงานใหม่มาทดแทนตำแหน่งที่ว่างลง แม้ต้นทุนด้านบุคลากรจะลดลงในระยะสั้น แต่เมื่อปริมาณงานเพิ่มขึ้น ก็จะต้องกลับไปพึ่งพาการจ้างงานภายนอกหรือการรับพนักงานใหม่เข้ามาอีกครั้ง ทำให้องค์กรไม่เกิดการเรียนรู้ใดๆ

ในทางกลับกัน กรณีหลังจะมีการจัดสรรเวลาที่ว่างลงไปสู่งานที่มนุษย์ควรทำอย่างเป็นระบบ เช่น การตอบสนองต่อลูกค้าหรือการเสนอแนวทางปรับปรุงงาน ตัวอย่างเช่น การที่พนักงานบัญชีได้รับอิสระจากการคีย์ข้อมูลแบบเดิมๆ แล้วนำเวลานั้นไปใช้ในการเจรจาเงื่อนไขกับคู่ค้าหรือการเพิ่มความแม่นยำของงบประมาณภายในบริษัท

สำหรับฐานการผลิตในประเทศไทย การเปลี่ยนแปลงกฎระเบียบข้อบังคับในการทำงานและการสร้างความเห็นพ้องกับผู้จัดการชาวไทยต้องใช้เวลา หากปล่อยให้การออกแบบการจัดสรรตำแหน่งใหม่เป็นเรื่องรอง ผลลัพธ์ของการนำ AI มาใช้ก็มักจะหยุดอยู่เพียงแค่ "การลดชั่วโมงการทำงานล่วงเวลา" เท่านั้น การพิจารณาว่าจะดำเนินการตรวจสอบปริมาณงานไปพร้อมกับการออกแบบตำแหน่งงานใหม่หรือไม่ คือจุดเปลี่ยนสำคัญระหว่างการนำ AI มาใช้เพื่อลดต้นทุนเพียงอย่างเดียว กับการนำมาใช้เพื่อสร้างขีดความสามารถในการแข่งขัน

การปรับโครงสร้างบุคลากรในฐานปฏิบัติการที่ประเทศไทย หากใช้วิธีการที่ประสบความสำเร็จจากสำนักงานใหญ่ในญี่ปุ่นมาปรับใช้โดยตรง มักจะไม่ค่อยได้ผล ทั้งนี้มีปัจจัยสำคัญ 3 ประการที่เกี่ยวข้อง ได้แก่ ภาษา แนวปฏิบัติในการจ้างงาน และระบบการบริหารงานโดยพนักงานที่ถูกส่งมาประจำการ (Expatriate)

ข้อจำกัดที่สำคัญที่สุดคือเรื่องภาษา สถานประกอบการที่มีพนักงานตั้งแต่ 10 คนขึ้นไปมีข้อบังคับตามกฎหมายที่ต้องจัดทำข้อบังคับเกี่ยวกับการทำงานเป็นภาษาไทย ดังนั้น การเปลี่ยนแปลงขอบเขตงานหรือการปรับปรุงเกณฑ์การประเมินผลที่มาพร้อมกับการปรับโครงสร้างบุคลากร จำเป็นต้องถ่ายทอดออกมาในรูปแบบที่สื่อสารเป็นภาษาไทยได้อย่างถูกต้องแม่นยำ การใช้วิธีจัดทำนโยบายเป็นภาษาญี่ปุ่นแล้วค่อยนำมาแปลภายหลังนั้น ทำให้ยากที่จะได้รับความเข้าใจและความร่วมมือจากหน้างาน เนื่องจากทุกถ้อยคำในเกณฑ์การประเมินส่งผลโดยตรงต่อค่าตอบแทน ความแม่นยำในการแปลจึงเป็นตัวกำหนดความสำเร็จหรือความล้มเหลวของการปรับโครงสร้างโดยตรง

แนวปฏิบัติในการจ้างงานก็เป็นสิ่งที่ละเลยไม่ได้เช่นกัน กฎระเบียบเรื่องค่าล่วงเวลาและวันหยุดพักผ่อนประจำปีถูกบังคับใช้ตามกฎหมายแรงงานของไทย หากการปรับโครงสร้างทำให้ขอบเขตงานหรือรูปแบบการทำงานเปลี่ยนไป จะเกิดภาระในการตรวจสอบความสอดคล้องกับเงื่อนไขการจ้างงานเดิมเป็นรายกรณี

อีกปัจจัยหนึ่งคือระบบการบริหารงานโดยพนักงานที่ถูกส่งมาประจำการ (Expatriate) เนื่องจากในหลายฐานปฏิบัติการ พนักงานที่ถูกส่งมาประจำการจะมีการผลัดเปลี่ยนทุกสองสามปี ทำให้แผนการปรับโครงสร้างมักขึ้นอยู่กับ "นโยบายของพนักงานที่ประจำการอยู่ในขณะนั้น" หากจัดทำแผนโดยเน้นความรวดเร็วภายใต้การนำของพนักงานที่ถูกส่งมาประจำการ นโยบายก็จะสั่นคลอนทุกครั้งที่มีการเปลี่ยนตัว การให้ผู้บริหารระดับกลางชาวไทยเข้ามามีส่วนร่วมในการวางแผนตั้งแต่เนิ่นๆ จะช่วยให้แนวนโยบายมีความต่อเนื่องแม้จะมีการเปลี่ยนตัวพนักงานที่ถูกส่งมาประจำการแล้วก็ตาม

แผนการปรับโครงสร้างองค์กรไม่ใช่สิ่งที่สามารถทำได้โดยการนึกคิดขึ้นมาลอยๆ หากไม่เตรียมข้อมูลพื้นฐานให้พร้อมเสียก่อน ไม่ว่าจะเป็นขอบเขตของงานที่เกี่ยวข้อง, ขอบเขตงานที่จะมอบหมายให้ AI รับผิดชอบ, การจัดวางบุคลากรในปัจจุบัน, ทักษะที่มีอยู่ รวมถึงระบบการประเมินผล แผนงานนั้นก็จะคลาดเคลื่อนไปจากความเป็นจริงในหน้างาน ต่อไปนี้คือการสรุปสิ่งที่ควรตรวจสอบก่อนโดยแบ่งออกเป็น 2 มุมมองครับ

การทำ Inventory (การสำรวจและจัดหมวดหมู่ภาระงาน) เริ่มต้นจากการแยกย่อยงานออกเป็นส่วนๆ และกำหนดขอบเขตว่างานส่วนใดควรให้ AI เป็นผู้รับผิดชอบ

จำเป็นต้องแยกย่อยงานลงไปถึงระดับ "ขั้นตอนการทำงาน" ไม่ใช่แค่ระดับแผนก ตัวอย่างเช่น งานรับคำสั่งซื้อและจัดซื้อสามารถแบ่งออกเป็น "การป้อนข้อมูล" "การตรวจจับความผิดปกติ" "การติดต่อสอบถามคู่ค้า" และ "การตัดสินใจในกรณีพิเศษ" ซึ่งแต่ละส่วนมีความเหมาะสมในการใช้ AI แตกต่างกัน งานที่เป็นรูปแบบตายตัวอย่างการป้อนข้อมูลหรือการตรวจสอบข้อมูลถือเป็นตัวเลือกที่เหมาะสมในการให้ AI ทำแทน แต่ในหลายกรณี งานที่ต้องอาศัยความสัมพันธ์กับคู่ค้า การเจรจาต่อรอง หรือการตัดสินใจขั้นสุดท้ายในกรณีพิเศษ ยังคงเป็นส่วนที่มนุษย์ต้องรับผิดชอบ

เกณฑ์ในการขีดเส้นแบ่งคือ "ความสามารถในการทำซ้ำของการตัดสินใจ" และ "ขนาดของผลกระทบ" งานที่ให้ผลลัพธ์เหมือนเดิมภายใต้เงื่อนไขเดียวกันนั้นง่ายต่อการมอบหมายให้ AI ทำ ในทางกลับกัน งานที่ปัจจัยเฉพาะตัวหรือความสัมพันธ์ที่เชื่อถือได้มีผลต่อผลลัพธ์ ควรจัดให้เป็นส่วนที่มนุษย์ต้องรับผิดชอบ แนวคิดนี้มีส่วนที่ซ้อนทับกับแนวคิด 3 รูปแบบที่กล่าวถึงใน AI กับการแบ่งบทบาทหน้าที่ระหว่างมนุษย์คืออะไร? 3 เกณฑ์การตัดสินใจเพื่อกำหนดว่า "ควรให้ AI ทำ/ร่วมมือกัน/มนุษย์ทำเอง" ซึ่งการอ้างอิงถึงแนวคิดนี้ในขั้นตอนเริ่มต้นของการทำ Inventory จะช่วยให้การจัดระเบียบงานทำได้ง่ายขึ้น

สำหรับสาขาในประเทศไทย เนื่องจากระเบียบข้อบังคับในการทำงานถูกกำหนดไว้เป็นภาษาไทยในรูปแบบของกฎระเบียบแรงงาน ดังนั้นหากมีการเปลี่ยนแปลงเนื้อหางานจากการทำ Inventory ฝ่ายบุคคลจำเป็นต้องตรวจสอบความสอดคล้องกับกฎระเบียบดังกล่าวไว้ล่วงหน้า

สำหรับฐานปฏิบัติการที่มีพนักงานไม่ถึง 10 คน การสำรวจแบบง่ายโดยเน้นการสัมภาษณ์ก็เพียงพอแล้ว แต่หากมีพนักงานตั้งแต่ 10 คนขึ้นไป จำเป็นต้องมีการตรวจสอบอย่างเป็นระบบโดยนำข้อบังคับเกี่ยวกับการทำงาน (Work Rules) ฉบับภาษาไทยมาเปรียบเทียบกับรายละเอียดงาน (Job Description) สถานการณ์ที่ว่า "จริงๆ แล้วไม่มีใครทราบแน่ชัดว่าพนักงานของเราทำอะไรได้บ้าง" นั้นไม่ใช่เรื่องแปลกสำหรับฐานปฏิบัติการในไทยที่มีการเปลี่ยนตัวพนักงานประจำ (Expat) ทุกๆ สองสามปี

สิ่งที่ต้องทำความเข้าใจมี 3 ประการ ได้แก่ โครงสร้างบุคลากร ทักษะ และระบบการประเมินผล ในส่วนของโครงสร้างบุคลากร ให้ตรวจสอบจำนวนพนักงานและอายุงานโดยแบ่งตามแผนกและประเภทการจ้างงาน (พนักงานประจำ/พนักงานสัญญาจ้าง) ส่วนด้านทักษะ นอกจากความเชี่ยวชาญในงานปัจจุบันแล้ว ให้รวบรวมไปถึงทักษะแฝง เช่น การใช้ AI และความสามารถทางภาษา สำหรับระบบการประเมินผล จำเป็นต้องตรวจสอบให้แน่ชัดว่าหัวข้อการประเมินในปัจจุบันเอนเอียงไปที่ "ปริมาณงาน" มากเกินไปหรือไม่ และมีหัวข้อที่วัดความสามารถในการตัดสินใจหรือการรับมือกับสถานการณ์ต่างๆ หรือไม่

ระบบการประเมินผลสำหรับระดับบริหารที่เป็นคนไทยมักถูกออกแบบโดยให้ความสำคัญกับเวลาเข้างานและการปฏิบัติตามคำสั่งมากกว่าผลงาน ซึ่งบางครั้งอาจขาดหัวข้อที่ประเมินเรื่อง "การตัดสินใจ" และ "การเสนอแนะ" ซึ่งเป็นสิ่งที่จำเป็นหลังจากการปรับเปลี่ยนตำแหน่ง การทำความเข้าใจถึงจุดที่ขาดหายไปของเกณฑ์การประเมินในขั้นตอนนี้ จะช่วยเพิ่มความแม่นยำให้กับแผนการพัฒนาทักษะใหม่ (Reskilling) และการทบทวนระบบการประเมินผลในลำดับถัดไป

สำหรับฐานปฏิบัติการที่ข้อมูลด้านทรัพยากรบุคคลกระจัดกระจายอยู่ในโมดูล HR ของ ERP หรือไฟล์แยกส่วน เงื่อนไขเบื้องต้นคือต้องรวบรวมข้อมูลเหล่านี้ไว้ที่เดียวกันก่อน เพื่อให้สามารถเปรียบเทียบข้อมูลข้ามแผนกได้

เวลาที่ประหยัดได้จาก AI หากปล่อยทิ้งไว้ ก็จะจบลงเพียงแค่การเป็นเหตุผลสำหรับการลดชั่วโมงการทำงานล่วงเวลาหรือการลดจำนวนพนักงานเท่านั้น ในบริษัทผู้ผลิตแห่งหนึ่งที่มีฐานการผลิตในไทย แม้ว่าจะสามารถสร้างเวลาว่างได้ประมาณ 2 ชั่วโมงต่อวันจากการทำระบบตรวจสอบสินค้าอัตโนมัติ แต่ในช่วงแรกบริษัทกลับพยายามนำเวลานั้นไปใช้เพื่อลดจำนวนพนักงานโดยตรง ซึ่งส่งผลให้เกิดการต่อต้านจากหน้างาน หัวใจสำคัญของแผนการจัดสรรบุคลากรใหม่คือการนำเวลาและบุคลากรที่ว่างลงไปทุ่มเทให้กับ "งานที่มนุษย์เท่านั้นที่จะสร้างมูลค่าได้" อย่างตั้งใจ ในหัวข้อ H3 ถัดไป เราจะมาดูรายละเอียดกันว่าจะมีวิธีการพิจารณาเป้าหมายของงานเหล่านั้นอย่างไร

เมื่อมอบหมายงานให้ AI ทำแล้ว เราควรนำงานประเภทใดมาแทนที่เพื่อให้เกิดการสร้างคุณค่าจากมนุษย์ได้สูงสุด สิ่งที่ได้รับการยอมรับว่ามีประสิทธิภาพในหลายหน้างานคือ การมุ่งเน้นไปที่ 3 ด้าน ได้แก่ การสร้างปฏิสัมพันธ์กับลูกค้า (Customer Touchpoints), การตัดสินใจ (Judgment) และการสร้างสรรค์ (Creation)

ด้านการตัดสินใจ คือบทบาทในการนำข้อเสนอของ AI มาสรุปเป็นการตัดสินใจขั้นสุดท้าย ซึ่งถือว่ามีสัดส่วนในทางปฏิบัติมากที่สุดในบรรดา 3 ด้านนี้ ตัวอย่างเช่น การปรับจูนปริมาณการสั่งซื้อที่ AI คาดการณ์ความต้องการเสนอมา โดยคำนึงถึงธรรมเนียมการค้าในพื้นที่และความสัมพันธ์กับคู่ค้า สำหรับฐานปฏิบัติการในไทยนั้นมีตัวแปรที่สะท้อนลงในข้อมูลการเรียนรู้ของ AI ได้ยากอยู่หลายประการ เช่น ปริมาณการสั่งซื้อช่วงก่อนและหลังตรุษจีน หรือเงื่อนไขสัญญาของซูเปอร์มาร์เก็ตเครือข่ายต่างๆ ดังนั้น การจัดการข้อยกเว้นที่ไม่สามารถอธิบายได้ด้วยตัวเลขเพียงอย่างเดียวจึงกลายเป็นงานของมนุษย์ หากเดินหน้าทำระบบอัตโนมัติโดยปล่อยให้คลุมเครือว่าใครจะเป็นผู้รับผิดชอบงานตัดสินใจนี้ ข้อเสนอของ AI ก็จะถูกนำไปใช้โดยตรง ส่งผลให้ดุลยพินิจของหน้างานสูญเสียไป

ด้านการสร้างปฏิสัมพันธ์กับลูกค้า คือการทำงานที่เกี่ยวข้องกับการอ่านอารมณ์และการสร้างความสัมพันธ์ในสถานการณ์เฉพาะหน้า สำหรับฐานปฏิบัติการในไทย มักมีหลายสถานการณ์ที่จำเป็นต้องอาศัยการเชื่อมประสานทางภาษาและวัฒนธรรมระหว่างลูกค้าชาวญี่ปุ่นกับพนักงานชาวไทย หรือกับลูกค้าในท้องถิ่น ซึ่งทักษะการปรับจูนนี้เป็นสิ่งที่ทำเป็นระบบอัตโนมัติได้ยาก

ด้านการสร้างสรรค์ หมายถึงงานที่ไม่มีคำตอบตายตัว เช่น การวางแผนงานใหม่ๆ หรือการเสนอแนวทางปรับปรุง เนื่องจากต้องการแนวคิดที่ไม่ได้อยู่บนเส้นทางต่อเนื่องของข้อมูลที่มีอยู่เดิม การใช้ผลลัพธ์จาก Generative AI เป็นวัตถุดิบในขณะที่มนุษย์เป็นผู้กำหนดทิศทางขั้นสุดท้ายจึงเป็นรูปแบบที่สมเหตุสมผลที่สุด

ทั้ง 3 ด้านนี้ไม่ได้แยกจากกันโดยเด็ดขาด ในการทำงานจริงมักมีกรณีที่คาบเกี่ยวกันอยู่ แนวคิดเรื่อง "Nostalgic Job" ที่จะแนะนำต่อไปนี้ จะเป็นเส้นช่วยในการจัดระเบียบความคาบเกี่ยวเหล่านี้ครับ

"Nostalgic Job" (งานที่ชวนให้คิดถึง) คือแนวคิดที่หมายถึงงานซึ่งมักจะหายไปหากพิจารณาจากเกณฑ์ด้านประสิทธิภาพเพียงอย่างเดียว แต่เป็นงานที่มีคุณค่าควรแก่การรักษาไว้เนื่องจากผูกพันอยู่กับความทรงจำและความเชื่อมั่นของลูกค้าหรือพนักงาน โครงสร้างเดียวกันกับเหตุผลที่ผู้คนยังคงไปใช้บริการร้านค้าในย่านการค้าเก่าแก่ แม้ว่าในแง่ของฟังก์ชันการใช้งานจะด้อยกว่าการซื้อของออนไลน์ ก็แฝงอยู่ในงานภายในฐานปฏิบัติการเช่นกัน

ในฐานปฏิบัติการที่ประเทศไทย งานที่เข้าข่ายนี้มักได้แก่ กิจกรรมการขายที่ไปเยี่ยมเยียนคู่ค้าที่ทำธุรกิจกันมานานเพื่อสอบถามสารทุกข์สุกดิบ หรือโอกาสที่พนักงานท้องถิ่นได้พูดคุยโดยตรงกับหัวหน้าชาวญี่ปุ่นในช่วงเวลาสำคัญ แม้งานเหล่านี้จะมีส่วนที่สามารถทดแทนได้ด้วย AI Chatbot หรือ AI พยากรณ์ความต้องการ แต่หากนำไปทำเป็นระบบอัตโนมัติทั้งหมด ก็มีความกังวลว่าความสัมพันธ์จะจางหายไป ซึ่งอาจนำไปสู่การลาออกของพนักงานหรือการลดขนาดของธุรกิจลงได้

เมื่อพิจารณาเรื่องการจัดสรรงานใหม่ การแยกประเมินระหว่าง "คุณค่าที่วัดได้ด้วยประสิทธิภาพ" และ "คุณค่าที่วัดได้ด้วยความสัมพันธ์" ในแต่ละงานจะเป็นวิธีที่มีประสิทธิภาพ ซึ่งจะช่วยให้ตัดสินใจได้ง่ายขึ้นว่างานใดควรให้ AI รับหน้าที่ไป และงานใดควรคงไว้ให้มนุษย์เป็นผู้รับผิดชอบ อย่างไรก็ตาม สิ่งสำคัญคือต้องไม่เก็บงานที่ชวนให้คิดถึงไว้ทั้งหมด แต่ต้องมีทัศนคติในการคัดเลือกงานโดยใช้ระดับผลกระทบต่อธุรกิจและความถี่เป็นเกณฑ์ตัดสิน

หากมีการตัดสินใจเรื่องการปรับเปลี่ยนตำแหน่งงานไปยังจุดที่ต้องติดต่อกับลูกค้าหรือการตัดสินใจเชิงธุรกิจแล้ว ขั้นตอนถัดไปคือการประเมินช่องว่างทางทักษะ (Skill Gap) แต่หากยังไม่ได้กำหนดตำแหน่งที่จะย้ายไป จำเป็นต้องย้อนกลับไปที่ Step 1 เพื่อคัดเลือกงานเป้าหมายให้ชัดเจน

ในการกำหนดนิยามของช่องว่างทางทักษะ สิ่งสำคัญคือต้องเปรียบเทียบระหว่าง "ทักษะที่ใช้ในตำแหน่งปัจจุบัน" กับ "ทักษะที่จำเป็นในตำแหน่งใหม่" และมุ่งเน้นการฝึกอบรมเฉพาะส่วนที่เป็นผลต่างเท่านั้น หากกำหนดให้งานทั้งหมดเป็นหัวข้อการฝึกอบรมแบบเหมารวม จะทำให้เสียทั้งเวลาและค่าใช้จ่าย อีกทั้งยังเป็นการเพิ่มภาระให้กับหน้างานโดยไม่จำเป็น

ในฐานสาขาประเทศไทย พนักงานท้องถิ่นมักมีทักษะด้านมนุษยสัมพันธ์ที่ดี แต่ยังไม่คุ้นเคยกับการวิเคราะห์และการทำรายงาน ในทางกลับกัน พนักงานชาวญี่ปุ่นที่ประจำการมักมีประสบการณ์น้อยในการเจรจาต่อรองด้วยภาษาไทย เพื่อให้เห็นภาพความไม่สมมาตรนี้อย่างชัดเจน การใช้วิธีเปรียบเทียบการประเมินตนเองและการประเมินจากหัวหน้างานในหัวข้อต่างๆ เช่น "การใช้งานเครื่องมือ AI", "การตีความข้อมูล", "การบริการลูกค้า" และ "การตัดสินใจ" ตามประเภทงานถือเป็นวิธีที่มีประสิทธิภาพ

ผลการประเมินไม่ควรเน้นตัวเลขมากเกินไป แต่ควรแบ่งเป็น 3 ระดับ ได้แก่ "ยังไม่มีประสบการณ์", "ต้องการความช่วยเหลือ" และ "สามารถปฏิบัติงานได้ด้วยตนเอง" ซึ่งจะช่วยให้หน้างานนำไปใช้งานได้ง่ายขึ้น ช่องว่างที่พบจากขั้นตอนนี้จะเป็นพื้นฐานในการเลือกสื่อการสอนและกำหนดระยะเวลาสำหรับแผนการ Upskilling/Reskilling ในลำดับถัดไป

เมื่อทราบถึงช่องว่างทางทักษะ (Skill Gap) ที่ชัดเจนแล้ว ให้นำไปจัดทำเป็นแผนปฏิบัติการที่ผสมผสานระหว่างระยะเวลาการฝึกอบรม สื่อการเรียนรู้ และการสอนงานหน้างานจริง (OJT) เนื่องจากการเรียนในห้องเรียนเพียงอย่างเดียวอาจทำให้พนักงานนำไปปรับใช้จริงได้ยาก การออกแบบให้มีการฝึกอบรมพื้นฐานด้าน AI ควบคู่ไปกับการสอนงานหน้างานจริง (OJT) จึงมีประสิทธิภาพมากกว่า ในหัวข้อ H3 ถัดไป เราจะมาดูรายละเอียดเกี่ยวกับเกณฑ์ขั้นต่ำของการฝึกอบรม และวิธีการจัดทำสื่อการเรียนรู้สองภาษาทั้งภาษาไทยและภาษาญี่ปุ่นครับ

ผู้รับผิดชอบด้านการฝึกอบรมในหน้างานมักจะตัดสินใจได้ยากว่าควรคาดหวังความรู้ด้าน AI จากพนักงานทุกคนมากน้อยเพียงใด หากจำกัดขอบเขตการฝึกอบรมมากเกินไปอาจนำไปสู่ปัญหาจากการใช้งานผิดประเภทหรือความเชื่อมั่นที่มากเกินไป แต่หากกว้างเกินไปก็จะทำให้การดำเนินงานในหน้างานติดขัด

สิ่งที่ควรตั้งไว้เป็นเกณฑ์ขั้นต่ำมี 3 ประการ ดังนี้:

• ทัศนคติที่ไม่เชื่อผลลัพธ์จาก AI อย่างไม่มีเงื่อนไข: เข้าใจกลไกที่อาจเกิด "ฮัลซิเนชัน" (Hallucination) และเรียนรู้วิธีการตรวจสอบ
• ขอบเขตของข้อมูลที่อนุญาตให้ป้อนได้: มีเกณฑ์การตัดสินใจที่จะไม่ป้อนข้อมูลส่วนบุคคลหรือข้อมูลลับของคู่ค้าลงในเครื่องมือ AI
• การแบ่งแยกการใช้งานในงาน: สามารถอธิบายขอบเขตระหว่างงานที่มอบหมายให้ AI ทำกับงานที่มนุษย์ต้องตรวจสอบขั้นสุดท้ายได้ โดยสอดคล้องกับรายละเอียดงาน (Job Description) ของแผนกตนเอง

สำหรับระดับบริหาร จำเป็นต้องมีความเข้าใจในเกณฑ์การประเมินเมื่อปริมาณงานของลูกน้องเปลี่ยนแปลงไป รวมถึงกระบวนการอนุมัติข้อเสนอจาก AI แม้ว่าการเรียนภาคทฤษฎีจะสามารถทำได้ภายในเวลาประมาณครึ่งวัน แต่เพื่อให้เกิดความเข้าใจอย่างถ่องแท้ จำเป็นต้องออกแบบโดยผสมผสานกับการสอนงานจริง (OJT) โดยใช้ข้อมูลการทำงานจริงประกอบด้วย การป้องกันไม่ให้ความรู้เป็นเพียงการเรียนรู้เชิงรูปแบบ คือการไม่ทำให้การฝึกอบรมเป็นเพียงกิจกรรมที่จัดขึ้นครั้งเดียว แต่ต้องเชื่อมโยงกับการทบทวนระบบการประเมินผลรายไตรมาส

เกณฑ์การตัดสิน: สามารถจัดเตรียมสื่อการสอนเป็นสองภาษา ทั้งภาษาไทยและภาษาญี่ปุ่น โดยไม่จำกัดเพียงภาษาเดียวได้หรือไม่

สื่อการสอนที่มีเฉพาะภาษาญี่ปุ่นมักทำให้พนักงานชาวไทยที่ต้องใช้งานเครื่องมือจริงในหน้างานมีความเข้าใจที่ไม่ลึกซึ้ง ในทางกลับกัน หากมีเฉพาะภาษาไทย พนักงานที่ถูกส่งมาประจำการ (Expat) จะติดตามความคืบหน้าและระดับความเข้าใจในการฝึกอบรมได้ยาก แม้ในปัจจุบันจะมีเครื่องมือช่วยแปลที่ใช้เทคโนโลยี NLP (Natural Language Processing) แบบหลายภาษาแพร่หลายแล้ว แต่การกำหนดคำศัพท์เฉพาะให้เป็นมาตรฐานและการปรับสำนวนให้เข้ากับหน้างานยังคงจำเป็นต้องอาศัยการตรวจสอบโดยมนุษย์

ในการปฏิบัติงานจริง การแบ่งหน้าที่ดังต่อไปนี้จะช่วยให้ดำเนินการได้ง่ายขึ้น:

• คู่มือการใช้งานและกฎการป้อนข้อมูล: จัดทำโดยใช้ภาษาไทยเป็นหลัก และระบุเฉพาะประเด็นสำคัญเป็นภาษาญี่ปุ่นควบคู่กันไป
• เอกสารอธิบายเกณฑ์การประเมินและแผนการเพิ่มทักษะ (Reskilling): จัดทำโดยวางภาษาญี่ปุ่นและภาษาไทยคู่กันในรูปแบบเดียวกัน เพื่อให้พนักงานที่ถูกส่งมาประจำการและหัวหน้างานชาวไทยสามารถอภิปรายโดยดูเอกสารชุดเดียวกันได้
• กรณีศึกษาสำหรับการฝึกอบรม AI Literacy: จัดทำกรณีศึกษาจากงานจริงในพื้นที่เป็นภาษาไทย และใช้ภาษาญี่ปุ่นเป็นหมายเหตุประกอบ

สำหรับสถานประกอบการที่มีพนักงานตั้งแต่ 10 คนขึ้นไปซึ่งมีข้อบังคับในการจัดทำข้อบังคับเกี่ยวกับการทำงาน เอกสารที่เกี่ยวข้องกับเงื่อนไขการจ้างงานจะต้องจัดทำเป็นภาษาไทยเป็นหลัก สื่อการสอนก็ควรยึดตามหลักการนี้เช่นกัน โดยการใช้ภาษาไทยเป็นฉบับจริงถือเป็นมาตรการที่ปลอดภัยในทางปฏิบัติ ทั้งนี้ ควรจัดให้มีขั้นตอนการตรวจสอบคุณภาพการแปลโดยให้หัวหน้างานชาวไทยเป็นผู้ตรวจทานเสมอ

หากปริมาณงานที่ใช้เป็นเกณฑ์การประเมินยังคงเป็นปริมาณงานก่อนนำ AI มาใช้ ก็มักจะถูกทิ้งไว้ตามเกณฑ์เดิม แต่หากพื้นที่งานที่มอบหมายให้ AI เพิ่มมากขึ้น การเขียนใหม่เอกสารบรรยายลักษณะงาน (job description) และเกณฑ์การประเมินก็เป็นสิ่งที่ขาดไม่ได้ หากยังคงระบบที่ประเมินเพียงจำนวนงานที่ประมวลผลได้ ส่วนที่ AI ประมวลผลไปแล้วก็จะถูกนับรวมเป็นผลงานของคนด้วย ทำให้เกิดความคลาดเคลื่อนระหว่างสภาพความเป็นจริงกับการประเมิน

แกนหลักของการเขียนใหม่มี 3 ประเด็นดังนี้

• หัวข้อการประเมิน: เปลี่ยนจุดเน้นจากปริมาณงานที่ประมวลผลได้ ไปสู่คุณภาพของการตัดสินใจ การรับมือกับกรณีข้อยกเว้น และความเหมาะสมในการรับมือกับลูกค้า
• เอกสารบรรยายลักษณะงาน: ระบุให้ชัดเจนโดยแยกขอบเขตที่มอบหมายให้ AI ขอบเขตที่ทำงานร่วมกัน และขอบเขตที่มนุษย์รับผิดชอบ พร้อมทั้งแสดงให้เห็นอย่างเป็นรูปธรรมว่าผู้รับผิดชอบ "ตัดสินใจในเรื่องอะไร"
• เกณฑ์การขึ้นเงินเดือนและระดับตำแหน่ง: นำทักษะที่ได้รับจากแผน reskilling มาสะท้อนในข้อกำหนดของระดับตำแหน่ง และสร้างระบบที่เชื่อมโยงการเข้ารับการฝึกอบรมกับการประเมินผล

สำหรับสำนักงานในประเทศไทย เนื่องจากการเปลี่ยนแปลงระเบียบข้อบังคับการทำงานเกี่ยวข้องกับกระบวนการด้านแรงงาน แนวทางที่เป็นจริงได้คือการดำเนินการสร้างความเห็นพ้องต้องกันโดยให้ฝ่ายทรัพยากรบุคคลและผู้บริหารคนไทยเข้ามามีส่วนร่วมด้วย สำหรับแนวคิดเรื่องการแบ่งบทบาทหน้าที่ สามารถอ้างอิงได้จากบทความ การแบ่งบทบาทระหว่าง AI และมนุษย์คืออะไร? 3 แนวทางการตัดสินใจเพื่อกำหนด "สิ่งที่มอบหมาย สิ่งที่ทำงานร่วมกัน และสิ่งที่มนุษย์รับผิดชอบ" หลังจากเขียนใหม่แล้ว แนวทางที่เป็นจริงคือไม่ควรนำไปใช้กับทั้งบริษัทในครั้งเดียว แต่ควรจำกัดขอบเขตไปที่แผนกที่เป็นเป้าหมายก่อน แล้วปรับปรุงถ้อยคำและความหยาบของเกณฑ์ไปพร้อมกับการดำเนินงานจริง

การวางแผนปรับเปลี่ยนตำแหน่งงานและทักษะใหม่ (Reskilling) จะดำเนินการได้ง่ายกว่าหากเริ่มจาก 1-2 แผนก แทนที่จะเริ่มใช้กับทุกแผนกพร้อมกัน หากพบข้อผิดพลาดหลังจากนำระบบไปใช้ทั่วทั้งบริษัท ต้นทุนในการแก้ไขจะสูงขึ้นและอาจทำให้ความเชื่อมั่นของผู้จัดการชาวไทยลดลงได้

แนวทางการเริ่มต้นในวงจำกัดมีดังนี้:

• การคัดเลือกแผนกเป้าหมาย: เริ่มจากแผนกที่มีสัดส่วนงานที่สามารถใช้ AI เข้ามาช่วยได้สูง และเป็นแผนกที่ได้รับความร่วมมือจากผู้จัดการได้ง่าย
• การกำหนดระยะเวลาทดลอง: ใช้เวลาประมาณ 1 ไตรมาสในการสังเกตปริมาณงาน ความพึงพอใจ และแนวโน้มการลาออกหลังจากการปรับเปลี่ยนตำแหน่ง
• การทดลองใช้เกณฑ์การประเมิน: ทดลองใช้หัวข้อการประเมินใหม่ก่อนนำมาใช้จริง เพื่อรับฟังความคิดเห็นและข้อสงสัยจากหน้างาน

ในการทบทวนรายไตรมาส ให้ตรวจสอบว่าทักษะที่ได้จากการวางแผน Reskilling ถูกนำไปใช้ในงานจริงมากน้อยเพียงใด หากพบว่าทักษะที่ควรจะเรียนรู้มาแล้วไม่ได้ถูกนำไปใช้ จำเป็นต้องทบทวนการออกแบบตำแหน่งงานใหม่ตั้งแต่ต้น

หากตรวจสอบรอบการทบทวนให้สอดคล้องกับสภาพการทำงานจริงของชั่วโมงการทำงานและระบบวันลา จะช่วยให้ค้นพบการปรับเปลี่ยนตำแหน่งที่ไม่เหมาะสมได้รวดเร็วยิ่งขึ้น กรณีศึกษาจากแผนกที่ประสบความสำเร็จในการทดลองยังสามารถนำไปใช้เป็นข้อมูลประกอบการอธิบายสำหรับแผนกเป้าหมายถัดไปได้อีกด้วย

ในระหว่างที่ดำเนินการตามแผนการปรับเปลี่ยนตำแหน่งงาน คุณกำลังตกอยู่ในรูปแบบความล้มเหลวเดิมๆ อยู่หรือไม่? สองสิ่งที่พบได้บ่อยเป็นพิเศษคือ การจัดอบรมเพียงอย่างเดียวแต่ไม่มีการปรับเปลี่ยนตำแหน่งงานจริง และการที่แผนงานถูกจัดทำขึ้นโดยพนักงานประจำสาขา (Expat) เท่านั้นโดยไม่มีผู้จัดการชาวไทยเข้ามามีส่วนร่วม ทั้งสองกรณีนี้ส่งผลเสียต่อประสิทธิผลของแผนงาน ดังนั้น ต่อจากนี้เราจะมาดูรายละเอียดและแนวทางแก้ไขปัญหาดังกล่าวอย่างเป็นรูปธรรมกัน

เกณฑ์การตัดสิน: คือการตระหนักได้ว่าการจัดอบรมและการปรับเปลี่ยนหน้าที่การงานเป็นคนละเรื่องกัน

มีหลายกรณีที่พนักงานซึ่งผ่านการอบรม AI Literacy ยังคงทำงานเดิมและใช้รายละเอียดงาน (Job Description) เดิมต่อไปหลังจากจบการอบรม ในกรณีนี้ พนักงานจะไม่มีพื้นที่สำหรับนำความรู้ที่ได้เรียนมาไปใช้ และมีแนวโน้มที่จะลืมเนื้อหาที่อบรมไปภายในเวลาไม่กี่เดือน

วิธีแก้ไขคือการวางแผนกำหนดการปรับเปลี่ยนตำแหน่งงานควบคู่ไปกับแผนการอบรม โดยเฉพาะอย่างยิ่ง ควรตัดสินใจขั้นตอนไว้ล่วงหน้า เช่น การย้ายพนักงานไปสู่ขอบเขตงานใหม่ภายใน 2-4 สัปดาห์หลังจากจบการอบรม หรือการมอบหมายงานเดิมบางส่วนให้ AI ทำแทน แล้วนำเวลาที่เหลือไปใช้กับการปฏิบัติงานใหม่

หากมีการปรับปรุงระบบการประเมินผลหรือแก้ไขรายละเอียดงานไว้ล่วงหน้า การอบรมจะถูกวางตำแหน่งให้เป็น "การเตรียมความพร้อมที่จำเป็นสำหรับบทบาทใหม่" ซึ่งจะช่วยเพิ่มความเข้าใจและความยอมรับของผู้เข้าอบรมได้ ในทางกลับกัน หากจัดการอบรมซ้ำๆ โดยไม่มีแนวโน้มที่จะปรับเปลี่ยนตำแหน่งงาน พนักงานมักจะมองว่าเป็นการ "อบรมที่ถูกบังคับให้ทำอีกแล้ว" ซึ่งต้องระวังว่าทัศนคติที่ให้ความร่วมมือต่อการทำ Reskilling จะลดน้อยลงด้วย

การที่พนักงานที่ถูกส่งไปประจำการ (Expat) จัดทำแผนการปรับเปลี่ยนตำแหน่งงานโดยลำพังโดยอิงจากนโยบายของสำนักงานใหญ่ และใช้วิธีการอธิบายให้ผู้จัดการชาวไทยฟังในลักษณะของ "การแจ้งให้ทราบถึงสิ่งที่ตัดสินใจไปแล้ว" นั้น เป็นความผิดพลาดที่มักเกิดขึ้นได้ง่ายโดยเฉพาะในฐานการผลิตที่ประเทศไทย

ในตอนแรก หลายคนมักคิดว่าการให้พนักงานที่ถูกส่งไปประจำการเป็นผู้นำในการกำหนดแผนจะช่วยให้การตัดสินใจรวดเร็วขึ้นและรายงานต่อสำนักงานใหญ่ที่ญี่ปุ่นได้ง่ายกว่า แต่ในความเป็นจริงแล้ว การให้ผู้จัดการชาวไทยในพื้นที่เข้ามามีส่วนร่วมตั้งแต่ขั้นตอนการวางแผนจะช่วยให้แผนงานนั้นมีความยั่งยืนมากกว่า ผู้จัดการเหล่านี้สามารถตัดสินใจเรื่องการจัดวางตำแหน่งงานโดยคำนึงถึงทักษะ ความมุ่งมั่น และสถานการณ์ครอบครัวของลูกน้อง อีกทั้งยังมีความเชี่ยวชาญในกฎระเบียบข้อบังคับเกี่ยวกับการทำงานและแนวทางปฏิบัติเรื่องประกันสังคม จึงสามารถชี้ให้เห็นถึงข้อจำกัดที่พนักงานที่ถูกส่งไปประจำการเพียงลำพังอาจมองข้ามไปได้ตั้งแต่เนิ่นๆ

สำหรับวิธีการที่ชัดเจนในการให้เข้ามามีส่วนร่วมนั้น ขั้นตอนที่มีประสิทธิภาพ ได้แก่ การให้ผู้จัดการชาวไทยรับผิดชอบในการสัมภาษณ์เบื้องต้นในขั้นตอนการสำรวจภาระงาน การร่วมกันจัดทำรายชื่อผู้ที่เหมาะสมสำหรับการปรับเปลี่ยนตำแหน่งงาน และการขอความคิดเห็นในการเลือกสื่อการสอนสำหรับแผนการเพิ่มทักษะ (Reskilling) หากผู้จัดการรู้สึกว่า "นี่คือแผนที่พวกเขามีส่วนร่วมในการตัดสินใจ" ก็จะมีความเป็นไปได้สูงที่พวกเขาจะดำเนินการอธิบายให้ลูกน้องฟังและติดตามผลหลังการปรับเปลี่ยนตำแหน่งงานด้วยตนเองอย่างกระตือรือร้น

ในทางกลับกัน หากใช้วิธีการจัดเพียงการประชุมเพื่อชี้แจงหลังจากที่แผนเสร็จสมบูรณ์แล้ว ผู้จัดการชาวไทยจะทำหน้าที่เป็นเพียงผู้ส่งต่อข้อมูลเท่านั้น และมีแนวโน้มที่แผนงานจะกลายเป็นเพียงรูปแบบที่ไร้ผล เนื่องจากพวกเขาไม่สามารถรับมือกับความไม่พอใจหรือข้อสงสัยจากลูกน้องได้

Q1. ควรวางแผนการจัดสรรบุคลากรใหม่หลังการนำ AI มาใช้ในช่วงระยะเวลาเท่าใด? โดยพื้นฐานแล้ว กระบวนการทั้งหมดตั้งแต่การสำรวจทรัพยากรบุคคลไปจนถึงการทบทวนระบบประเมินผล ควรดำเนินการเป็นรอบสั้นๆ รายไตรมาส การทดลองในแผนกนำร่องในลักษณะ MVP (Minimum Viable Product) และทบทวนผลลัพธ์ของการจัดสรรบุคลากรและการทำ Reskilling ทุก 3 เดือนเป็นแนวทางที่ทำให้เกิดความยั่งยืนได้ง่ายกว่า การสร้างรูปแบบความสำเร็จในแผนกเดียวก่อนแล้วค่อยขยายผลออกไป จะช่วยลดการทำงานซ้ำซ้อนได้ดีกว่าการปรับใช้พร้อมกันทั้งบริษัท

Q2. การฝึกอบรม Reskilling ควรจัดเป็นภาษาไทยหรือภาษาญี่ปุ่น? แนวทางปฏิบัติที่เหมาะสมคือระบบสองภาษา โดยใช้ภาษาไทยซึ่งเป็นภาษาแม่ของผู้เข้าอบรมเป็นสื่อการสอนหลัก และจัดเตรียมฉบับภาษาญี่ปุ่นไว้เป็นเอกสารประกอบสำหรับพนักงานชาวญี่ปุ่น หากจัดการฝึกอบรมพนักงานชาวไทยเป็นภาษาญี่ปุ่นทั้งหมด จะทำให้ความเข้าใจในเนื้อหาไม่ลึกซึ้งและนำไปปรับใช้ในหน้างานได้ยาก การมอบเอกสารทั้งภาษาไทยและภาษาญี่ปุ่นให้แก่ระดับหัวหน้างาน เพื่อให้พวกเขาสามารถทำหน้าที่อธิบายต่อให้ลูกน้องฟังได้นั้นถือเป็นวิธีที่มีประสิทธิภาพ

Q3. การจัดสรรบุคลากรใหม่จำเป็นต้องแก้ไขรายละเอียดงาน (Job Description) และระบบประเมินผลมากน้อยเพียงใด? เมื่อภารกิจที่มอบหมายให้ AI ทำมีความชัดเจนแล้ว จำเป็นต้องปรับปรุงรายละเอียดงานและตัวชี้วัดการประเมินผลใน Job Description ให้สอดคล้องกับความเป็นจริง หากยังคงเกณฑ์การประเมินที่อิงตามปริมาณงานแบบเดิมไว้ จะไม่สามารถประเมินคุณภาพของงานด้านการตัดสินใจหรืองานบริการลูกค้าที่มนุษย์รับผิดชอบได้อย่างถูกต้อง ในกรณีที่มีการเปลี่ยนแปลงข้อบังคับเกี่ยวกับการทำงาน สำหรับสถานประกอบการที่มีพนักงานตั้งแต่ 10 คนขึ้นไป จำเป็นต้องตรวจสอบขั้นตอนการแก้ไขข้อบังคับการทำงานเป็นภาษาไทยควบคู่ไปด้วย

Q4. จะเกิดอะไรขึ้นหากดำเนินแผนงานโดยที่หัวหน้างานชาวไทยมีส่วนร่วมน้อย? มีแนวโน้มสูงที่จะเกิดแผนการจัดสรรที่ไม่สอดคล้องกับความเป็นจริงในหน้างาน ทำให้พนักงานที่เกี่ยวข้องไม่ยอมรับและนำไปสู่การปรับตัวที่ยากลำบาก เนื่องจากหัวหน้างานมีความเชี่ยวชาญทั้งเรื่องทักษะและสถานการณ์ส่วนตัวของลูกน้อง รวมถึงมีความรู้ในทางปฏิบัติเกี่ยวกับประกันสังคมและข้อบังคับการทำงาน การมีส่วนร่วมตั้งแต่ขั้นตอนการวางแผนจึงเป็นสิ่งจำเป็น หากละเลยการให้มีส่วนร่วมจนถึงขั้นตอนท้ายๆ มักจะจบลงเพียงแค่การแจ้งให้ทราบถึงสิ่งที่ตัดสินใจไปแล้ว ซึ่งมีรายงานว่ามักจะนำไปสู่ปัญหาการลาออกหรือความไม่พอใจหลังจากเริ่มการจัดสรรบุคลากรใหม่

Q5. จะหลีกเลี่ยงความล้มเหลวจากการจัดอบรม AI Literacy เพียงอย่างเดียวโดยไม่มีการปรับเปลี่ยนตำแหน่งงานได้อย่างไร? สิ่งสำคัญคือต้องวางแผนการฝึกอบรมและการปรับเปลี่ยนตำแหน่งงานควบคู่กันไป โดยต้องกำหนดหน้าที่ความรับผิดชอบและเกณฑ์การประเมินผลที่ชัดเจนหลังจบการอบรมไว้ล่วงหน้า หากเน้นการฝึกอบรมเพียงอย่างเดียวโดยไม่มีพื้นที่ให้ใช้ทักษะที่เรียนมา จะทำให้แรงจูงใจของพนักงานลดลงได้ง่าย การกำหนดตำแหน่งที่จะย้ายไปให้ชัดเจนตั้งแต่ขั้นตอนการสำรวจทรัพยากรบุคคล แล้วจึงย้อนกลับมาวิเคราะห์ทักษะที่จำเป็นเพื่อออกแบบเนื้อหาการฝึกอบรม เป็นลำดับขั้นตอนที่มีประสิทธิภาพ

หลังจากนำ AI มาใช้ ประสิทธิผลของการลงทุนจะเปลี่ยนไปอย่างมาก ขึ้นอยู่กับว่าคุณจะจัดการกับเวลาและบุคลากรที่ว่างลงอย่างไร ความแตกต่างระหว่างสาขาที่จบลงด้วยการลดต้นทุนเพียงอย่างเดียว กับสาขาที่เปลี่ยนสิ่งนั้นให้กลายเป็นแหล่งที่มาของความสามารถในการแข่งขัน อยู่ที่การมีหรือไม่มีแผนการจัดสรรบุคลากรใหม่

5 ขั้นตอนที่นำเสนอในบทความนี้ ครอบคลุมกระบวนการต่อเนื่องตั้งแต่การสำรวจงาน การกำหนดงานที่ต้องให้มนุษย์ทำ การระบุช่องว่างทางทักษะ การออกแบบแผนการเพิ่มทักษะ (Reskilling) ไปจนถึงการปรับปรุงระบบการประเมินผล สิ่งที่ไม่ควรมองข้ามสำหรับสาขาในประเทศไทยคือ การดำเนินการที่แตกต่างจากสำนักงานใหญ่ในญี่ปุ่น เช่น ขั้นตอนการแก้ไขข้อบังคับเกี่ยวกับการทำงาน และการจัดเตรียมสื่อการฝึกอบรมเป็นภาษาไทย

สิ่งสำคัญคือการไม่เริ่มทำพร้อมกันทั้งบริษัท แต่ให้เริ่มทดลองในหน่วยงานเล็กๆ ก่อน แล้วค่อยๆ ขยายผลโดยตรวจสอบประสิทธิผลของการจัดสรรบุคลากรและการเพิ่มทักษะในทุกไตรมาส การไม่วางแผนโดยพนักงานที่ถูกส่งมาจากญี่ปุ่นเพียงฝ่ายเดียว แต่ต้องดึงผู้จัดการชาวไทยเข้ามามีส่วนร่วมด้วยนั้น เป็นเงื่อนไขสำคัญที่จะทำให้เกิดการปฏิบัติจริงในหน้างาน

การกำหนดขอบเขตงานที่จะมอบหมายให้ AI เป็นการทำงานเพื่อนิยามคุณค่าของงานที่มนุษย์ต้องรับผิดชอบใหม่ หากคุณต้องการจัดระเบียบเกณฑ์การตัดสินใจในการแบ่งบทบาทหน้าที่ ขอแนะนำให้ลองวางแผนที่เหมาะสมกับสาขาของบริษัทคุณ โดยอ้างอิงจากบทความ AI กับการแบ่งบทบาทหน้าที่ระหว่างมนุษย์คืออะไร? 3 เกณฑ์การตัดสินใจเพื่อกำหนด "การมอบหมายงาน การทำงานร่วมกัน และงานที่มนุษย์ต้องทำ" ประกอบด้วย