บทความ · HR Management · Performance Management
⬛ HR Insight
เราควรประเมินผลงานพนักงาน หรือประเมินผลงาน AI กันแน่
“คุณภาพของชิ้นงาน กับคุณภาพของความคิด ไม่จำเป็นต้องเดินไปด้วยกันเหมือนเดิมอีกแล้ว”
ช่วงนี้ผมคิดว่าหัวหน้าหลายคนน่าจะเริ่มเจอลูกน้องสายพันธุ์ใหม่กันบ้างแล้วครับ
สั่งให้ไปวิเคราะห์ข้อมูลตอนเช้า ตอนสาย ๆ ได้รายงานกลับมา 20 หน้า ไวมาก มี Executive Summary มี Key Findings มี Recommendations ครบถ้วน ภาษาอังกฤษก็ดีเสียด้วย บางคนเมื่อก่อนเขียนอีเมลภาษาอังกฤษสามย่อหน้ายังต้องแก้กันสองรอบ เดี๋ยวนี้รายงานภาษาอังกฤษ 20 หน้าส่งมาแบบแทบไม่มีที่ติ
หัวหน้าเปิดดูแล้วก็ชื่นใจ ลูกน้องเราพัฒนาเร็วจริง ๆ
“ดีมาก แล้วจากข้อมูลทั้งหมดนี้ คุณคิดว่าเราควรทำอย่างไรต่อไปดี”
ลูกน้องนิ่งไปสักพักก่อนตอบว่า
“เดี๋ยวผมลองถาม AI เพิ่มให้นะครับ”
อ้าว… แล้ว 20 หน้าที่เพิ่งส่งมานี่ไม่ได้คิด ไม่ได้อ่านเลยหรือครับ
ปัญหาไม่ได้อยู่ที่การใช้ AI
ผมไม่ได้มีปัญหากับการใช้ AI นะครับ ตรงกันข้าม ผมคิดว่าคนทำงานทุกวันนี้ควรใช้ให้เป็นด้วยซ้ำ งานที่เมื่อก่อนใช้เวลาสามวัน ถ้าใช้ AI แล้วเหลือสามชั่วโมง ทำไมเราจะไม่ใช้ ยิ่งถ้าผลงานออกมาดีกว่าเดิมด้วย ผมยิ่งไม่เห็นเหตุผลที่ต้องกลับไปนั่งทำทุกอย่างด้วยตัวเองเพื่อพิสูจน์ว่าเราขยัน
ปัญหาจึงไม่ได้อยู่ที่การใช้ AI แต่อยู่ที่เราใช้มันเป็น ผู้ช่วยคิด หรือค่อย ๆ เลื่อนตำแหน่งให้มันกลายเป็น ผู้คิดแทน กันแน่
ทุกวันนี้บางคนเริ่มใช้ AI ตั้งแต่ต้นจนจบ หาข้อมูลก็ AI วิเคราะห์ก็ AI สรุปก็ AI เขียนข้อเสนอแนะก็ AI ทำสไลด์ก็ AI หน้าที่ของเจ้าของงานเหลือเพียงตรวจดูนิดหน่อย เปลี่ยนแบบอักษรให้ตรงกับเทมเพลตของบริษัท แล้วกดส่ง
ถ้าหัวหน้าถามอะไรที่มีอยู่ในรายงานก็ยังพอตอบได้ เพราะอ่านผ่านตามาก่อนแล้ว แต่ถ้าถามเลยออกไปจากสิ่งที่ AI เตรียมไว้ให้สักหน่อย บางคนก็เริ่มติดขัด และขอกลับไป “ศึกษาเพิ่มเติม”
ซึ่งคำว่า “ศึกษาเพิ่มเติม” ในปี 2026 บางครั้งก็แปลว่ากลับไปที่โต๊ะแล้วถาม AI อีกรอบครับ เลยมีผู้บริหารหลายคนที่เริ่มสงสัยว่า ตกลงลูกน้องเราคิดเองบ้างหรือไม่
สมมติฐานเก่าที่ระบบประเมินผลงานตั้งอยู่
เรื่องนี้ฟังดูขำ ๆ แต่ผมคิดว่ากำลังจะกลายเป็นโจทย์ใหญ่ของการบริหารผลงาน (Performance Management) ครับ
เพราะระบบประเมินผลงานที่เราใช้กันมานาน ตั้งอยู่บนสมมติฐานง่าย ๆ อย่างหนึ่งว่า ผลงานที่เราเห็น สะท้อนความสามารถของคนที่ทำงานชิ้นนั้น
ลูกน้องวิเคราะห์ข้อมูลได้ดี เราก็คิดว่าเขามี Analytical Thinking ที่ดี เขียนรายงานได้ดี เราก็คิดว่าเขาเรียบเรียงความคิดได้ดี ทำสไลด์ออกมาดี เราก็มองว่าเขาสื่อสารเก่ง ถ้าเสนอทางเลือกและข้อเสนอแนะที่ดี เราก็อาจประเมินว่าเขามี Problem Solving และ Judgment ที่ดี
เมื่อก่อนสมมติฐานแบบนี้พอใช้ได้ครับ เพราะความสามารถของคนกับผลงานที่ออกมามันเชื่อมโยงกันค่อนข้างมาก
แต่ AI กำลังทำให้ความสัมพันธ์นี้เปลี่ยนไป
วันนี้คนคนหนึ่งผลิตรายงานที่ดูเหมือนมี Analytical Thinking สูงมากได้ โดยที่ตัวเองอาจไม่ได้วิเคราะห์อะไรมากขนาดนั้น เขียนภาษาอังกฤษได้ดีเกินระดับความสามารถทางภาษาของตัวเอง และเสนอ Recommendation ที่ฟังดูเป็นกลยุทธ์ได้ ทั้งที่ถ้าถามว่าทำไมถึงเลือกข้อนี้ เจ้าตัวอาจตอบไม่ได้ชัดเจนนัก
พูดง่าย ๆ ก็คือ คุณภาพของชิ้นงาน (Quality of Output) กับคุณภาพของความคิด (Quality of Thinking) ไม่จำเป็นต้องเดินไปด้วยกันเหมือนเดิมอีกแล้ว
ลองนึกภาพพนักงานสองคนได้รับโจทย์เดียวกัน ใช้ AI เหมือนกัน ใช้เวลาสามชั่วโมงเท่ากัน และส่งรายงานที่ดูดีพอ ๆ กันมาให้เรา
หัวหน้าถามคนแรกว่า “ข้อมูลตรงนี้เชื่อได้แค่ไหน” เขาตอบไม่ได้ เพราะ AI เป็นคนหามาให้
ถามต่อว่า “ทำไมถึงเลือกข้อเสนอนี้” ก็ตอบได้ประมาณว่า จากข้อมูลที่วิเคราะห์มาน่าจะเป็นทางเลือกที่เหมาะสมที่สุด
แต่พอถามว่า “แล้วถ้าเป็นคุณ คุณจะเลือกทางนี้จริงหรือ” ก็เริ่มไม่แน่ใจ
ส่วนอีกคนอธิบายได้ว่าข้อมูลส่วนไหนมาจากไหน ตรงไหนที่ AI ให้มาแล้วเขาไม่เชื่อจึงไปตรวจเพิ่ม ข้อเสนอข้อไหนที่ AI เสนอมาแต่เขาตัดทิ้งเพราะไม่เข้ากับบริบทของบริษัท และสุดท้ายที่เลือกทางนี้เพราะอะไร
ชิ้นงานของสองคนนี้หน้าตาเหมือนกันครับ แต่ผลงานของ “คน” สองคนนี้ไม่เหมือนกันเลย
คนแรก
ใช้ AI เพื่อสร้างคำตอบ
คนที่สอง
ใช้ AI เพื่อช่วยให้ตัวเองสร้างคำตอบที่ดีขึ้น
ความต่างเล็ก ๆ ตรงนี้แหละครับ ที่ผมคิดว่าจะสำคัญขึ้นเรื่อย ๆ ในการประเมินผลงาน เพราะถ้าองค์กรยังประเมินกันด้วยจำนวนงาน ความเร็ว ความสวยงามของสไลด์ หรือแม้แต่คุณภาพของชิ้นงานที่ปลายทางเพียงอย่างเดียว เราอาจกำลังให้คะแนนสูงกับความสามารถของ AI โดยไม่รู้ตัว
แล้วเราควรดูอะไรแทน
ผมไม่ได้หมายความว่าเราต้องไปไล่จับผิดว่าพนักงานใช้ AI ไปกี่เปอร์เซ็นต์นะครับ ถ้าทำแบบนั้นผมว่าเรากำลังเดินผิดทางเสียอีก เพราะในอนาคตการไม่ใช้ AI ทั้งที่มันช่วยให้งานดีขึ้น อาจเป็นเรื่องที่ควรถูกตั้งคำถามมากกว่าการใช้ด้วยซ้ำ
สิ่งที่ควรดูคือ หลังจากมี AI แล้ว พนักงานเอาเวลาที่ประหยัดได้ไปทำอะไรต่อ
01 เขาตั้งคำถามกับงานได้ดีขึ้นหรือไม่
โจทย์ที่ส่งให้ AI ดีแค่ไหน คำตอบก็มักจะดีได้แค่นั้น คนที่ตั้งโจทย์เก่งขึ้นเรื่อย ๆ คือคนที่เข้าใจงานจริง
02 เขาตรวจสอบข้อมูลหรือเปล่า
หรือรับมาแล้วส่งต่อทั้งก้อนตามที่ได้มา
03 เขามองเห็นสิ่งที่ AI มองไม่เห็นไหม
เช่น ปีนี้บริษัทตัดงบไปแล้วครึ่งหนึ่ง ฝ่ายที่ถูกเสนอให้เป็นเจ้าภาพเพิ่งเปลี่ยนหัวหน้า หรือข้อเสนอข้อสองเคยทำมาแล้วเมื่อสามปีก่อนและไม่สำเร็จ
04 เขาเชื่อมคำตอบเข้ากับบริบทของธุรกิจได้หรือไม่
ข้อเสนอที่ถูกตามหลักวิชา กับข้อเสนอที่ทำได้จริงในองค์กรเรา บางครั้งไม่ใช่ข้อเดียวกัน
05 เขากล้าทักท้วงคำตอบของ AI ไหม
และสุดท้ายเขาตัดสินใจด้วย Judgment ของตัวเองได้หรือเปล่า
เพราะคุณค่าของคนอาจไม่ได้อยู่ที่การทำงานทุกขั้นตอนด้วยมือตัวเองอีกต่อไป แต่อยู่ที่ความสามารถใน การใช้ AI แล้วทำให้ผลลัพธ์ดีกว่าการมี AI เพียงอย่างเดียว
ตรงนี้ทำให้ Competency บางตัวที่เราเคยประเมินจากชิ้นงานต้องกลับมาทบทวนใหม่เหมือนกันครับ Analytical Thinking อาจวัดจากรายงานไม่ได้เหมือนเดิม ทักษะการสื่อสารอาจดูจากสไลด์อย่างเดียวไม่ได้ และ Problem Solving ก็อาจดูจากข้อเสนอแนะที่เขียนมาสวย ๆ ไม่พอ
หัวหน้าอาจต้องถามมากขึ้น
สิ่งที่ผมคิดว่าหัวหน้าทำได้เลยตั้งแต่วันนี้ คือเพิ่มคำถามเข้าไปในจังหวะที่รับงาน
“ทำไมถึงคิดแบบนี้”
“ข้อมูลส่วนไหนที่คุณไม่เชื่อ”
“AI เสนออะไรมาแล้วคุณไม่เลือก เพราะอะไร”
“ถ้าเงื่อนไขเปลี่ยน คุณจะยังตัดสินใจแบบเดิมหรือไม่”
หรือคำถามที่ง่ายที่สุด
“แล้วตัวคุณเองคิดอย่างไร”
คำถามเหล่านี้ผมว่ามีค่ามากกว่าการนั่งอ่านรายงาน 20 หน้าเสียอีกครับ เพราะมันไม่ได้วัดว่าเครื่องมือทำงานได้ดีแค่ไหน แต่วัดว่าคนที่อยู่หลังเครื่องมือนั้นเข้าใจงานของตัวเองแค่ไหน
และคำถามพวกนี้ไม่ได้มีไว้จับผิดใครนะครับ คนที่คิดมาเองจริง ๆ จะสนุกกับคำถามแบบนี้ด้วยซ้ำ เพราะมันคือโอกาสที่เขาจะได้เล่าสิ่งที่ใส่ลงไปในรายงานไม่หมด
สุดท้ายนี้
ผมคิดว่า AI ไม่ได้ทำให้การบริหารผลงานหมดความสำคัญนะครับ ตรงกันข้าม มันอาจทำให้เราต้องกลับมาทำเรื่องนี้กันอย่างจริงจังกว่าเดิม เพราะสิ่งที่เรามองเห็นที่ปลายทาง ไม่ได้บอกเราชัดเหมือนเดิมแล้วว่าคนที่อยู่เบื้องหลังผลงานนั้นเก่งแค่ไหน
อีกหน่อยเวลาหัวหน้าเปิดแฟ้มประเมินผลงานแล้วเห็นว่า พนักงานคนนี้ทำรายงานได้เร็วขึ้นเป็นเท่าตัว สไลด์ดีขึ้น วิเคราะห์ข้อมูลได้ลึกขึ้น ภาษาอังกฤษดีขึ้น และข้อเสนอแนะก็ดูเป็นมืออาชีพขึ้นทั้งหมด
ก่อนจะรีบให้ Rating 5 ผมว่าอาจต้องชวนเขาคุยกันอีกสักหน่อยครับ
เพราะคำถามของการบริหารผลงานในยุค AI อาจไม่ได้มีแค่ว่า
“ผลงานออกมาดีแค่ไหน”
แต่อาจต้องถามเพิ่มอีกข้อว่า
“ในผลงานที่ดีขึ้นทั้งหมดนี้ อะไรคือผลงานของพนักงาน และอะไรคือผลงานของ AI”
ไม่อย่างนั้นปลายปีเราอาจกำลังนั่ง Calibration กันอย่างจริงจังว่าใครควรได้ 3 ใครควรได้ 4 ใครควรได้ 5
ทั้งที่พนักงานที่ทำผลงานโดดเด่นที่สุดในทีม…
“อาจชื่อ ChatGPT หรือ Gemini ก็ได้ครับ”
โดย ประคัลภ์ ปัณฑพลังกูร | ที่ปรึกษาด้านการบริหารทรัพยากรบุคคล | Think People Consulting
ใส่ความเห็น