Pay Philosophy Series | ตอนที่ 1 ก่อนจ่ายเงิน ต้องรู้ก่อนว่าจ่ายเพื่อใคร

บทความ · HR Management · Pay Philosophy

⬛ Pay Philosophy Series | ตอนที่ 1

ก่อนจ่ายเงิน ต้องรู้ก่อนว่าจ่ายเพื่อใคร

“ก่อนจะถามว่าควรจ่ายเท่าไหร่ ต้องถามก่อนว่าเราจ่ายเพื่อดึงดูดใคร และเราจ่ายเพื่อสร้างองค์กรแบบไหน”


หลายองค์กรเริ่มออกแบบระบบค่าตอบแทนด้วยคำถามว่า “ตลาดจ่ายเท่าไหร่” แล้วก็หยุดอยู่แค่นั้น

ได้ตัวเลขมา ก็เอาไปใส่ในโครงสร้าง ปรับนิดปรับหน่อย แล้วก็เรียกว่าระบบเสร็จแล้ว

คำถามและวิธีการเหล่านั้นไม่ผิดครับ แต่ถ้าเริ่มดิบ ๆ แบบนี้ องค์กรอาจได้แค่ ตัวเลข แต่ยังไม่ได้ หลักคิด และเมื่อไม่มีหลักคิด สิ่งที่ตามมาคือระบบค่าตอบแทนจะกลายเป็นเรื่องของการแก้ปัญหาเฉพาะหน้าไปเรื่อย ๆ

คนนี้ขอลาออก ก็ counter offer คนนั้นหายาก ก็จ่ายเกินโครงสร้าง ผู้จัดการคนนี้เสียงดัง ก็ขอปรับเงินเดือนพิเศษ บางหน่วยงานจ่ายสูง บางหน่วยงานจ่ายต่ำ โดยไม่มีเหตุผลที่อธิบายได้ชัดเจน อยากให้ใครก็ให้ ไม่อยากให้ใครก็ไม่ให้ ไม่มีเหตุผลรองรับ

สุดท้ายองค์กรมี Salary Structure ก็จริง มี Bonus Scheme ก็จริง มี Incentive Plan ก็จริง แต่ไม่มี “หลักคิด” ที่เป็นเข็มทิศในการตัดสินใจเพื่อการบริหารค่าจ้างเงินเดือนอย่างเป็นธรรม


ระบบค่าตอบแทนที่ดีไม่ได้ออกแบบมาเพื่อดึงดูด “ทุกคน”

นี่คือจุดที่หลายองค์กรพลาดตั้งแต่การออกแบบระบบ

ระบบค่าตอบแทนที่ดีออกแบบมาเพื่อดึงดูด “คนที่ใช่” สำหรับกลยุทธ์ขององค์กร ซึ่งแปลว่าก่อนจะถามว่าจ่ายเท่าไหร่ ต้องถามก่อนว่าเราต้องการคนแบบไหนที่จะให้เข้ามาทำงานกับองค์กรเรา

ถ้าองค์กรต้องการคนที่กล้าคิด กล้าทำ กล้ารับผิดชอบ และสร้างผลลัพธ์สูง ระบบค่าตอบแทนก็ต้องสะท้อนเรื่อง performance, accountability และ contribution ให้ชัดเจน

“แต่ถ้าองค์กรบอกว่าอยากได้คนเก่ง คนเร็ว คนเปลี่ยนแปลงได้ แต่ระบบค่าตอบแทนกลับให้รางวัลกับอายุงาน ความอาวุโส และการอยู่มานานเป็นหลัก — แบบนี้ philosophy กับพฤติกรรมจริงก็จะขัดกันทันที แล้วก็แปลกใจที่คนที่ ‘ใช่’ ไม่อยู่”


คำถามที่ควรถามก่อนออกแบบระบบ

ผมมักแนะนำให้ HR และผู้บริหารเริ่มจากคำถามเหล่านี้ก่อน

01  เราต้องการดึงดูดคนประเภทไหนเป็นพิเศษ?

ใครคือ critical talent ขององค์กร ตำแหน่งใดมีผลต่อความสำเร็จของธุรกิจมากที่สุด

02  เรายินดีจ่ายมากกว่าตลาดให้กับคนกลุ่มไหน?

และคนแบบไหนที่เราไม่จำเป็นต้องแข่งด้วยเงินมากเกินไป

03  เราจะออกแบบ career path ให้ talent เติบโตเร็วแค่ไหน?

จะ pay at market หรือ lead market จะมี premium pay สำหรับ skill ที่หายากหรือไม่

คำตอบของคำถามเหล่านี้จะนำไปสู่การตัดสินใจเชิงโครงสร้างที่ชัดเจน ถ้าไม่มีคำตอบที่ชัดเจน ทุกการตัดสินใจเรื่องค่าตอบแทนก็จะกลายเป็นการเดา และการเดาทีละครั้งสองครั้งอาจไม่เจ็บปวดนัก แต่เมื่อสะสมกันนาน ๆ มันจะทำให้โครงสร้างทั้งหมดไม่เป็นเรื่องเป็นราว


จ่ายเพื่อสร้างองค์กรแบบไหน

ผมสังเกตว่าองค์กรที่มีระบบค่าตอบแทนที่ดีและยั่งยืน มักไม่ใช่องค์กรที่จ่ายสูงที่สุด แต่เป็นองค์กรที่รู้ชัดว่าตัวเองต้องการอะไร และออกแบบระบบให้สอดคล้องกับสิ่งนั้น

พวกเขากล้าบอกได้ว่าจะชนะตลาดตรงไหน และจะไม่แข่งตรงไหน พวกเขารู้ว่า critical talent ของตัวเองคือใคร และออกแบบระบบมาเพื่อรักษาคนกลุ่มนั้นโดยเฉพาะ

ระบบที่ดีบนกระดาษ แต่ดึงดูดคนผิดคน ไม่ใช่ระบบที่ดีครับ

ถามให้ถูก แล้วระบบที่ดีจะตามมาเอง

ก่อนจะถามว่า “ควรจ่ายเท่าไหร่” ต้องถามก่อนว่า “เราจ่ายเพื่อดึงดูดใคร” และ “เราจ่ายเพื่อสร้างองค์กรแบบไหน” สองคำถามนี้ถ้าตอบได้ชัด ตัวเลขที่เหลือจะตามมาเองครับ

“ระบบที่ดีบนกระดาษแต่ดึงดูดคนผิดคน ไม่ใช่ระบบที่ดี”

โดย ประคัลภ์ ปัณฑพลังกูร | ที่ปรึกษาด้านการบริหารทรัพยากรบุคคล | Think People Consulting

หัวหน้าจำยอม หรือ หัวหน้าตัวจริง

สวัสดีครับท่านผู้อ่านทุกท่าน

เคยสงสัยไหมครับว่า ทำไมเดี๋ยวนี้เราถึงเจอ หัวหน้างาน ที่ดูไม่ค่อยมีความสุขกับการทำงาน หรือบางทีก็ดูเหมือนบริหารจัดการอะไรไม่ค่อยได้เรื่องเท่าที่ควร

ผลการวิจัยล่าสุดจาก Gartner (ปี 2024-2025) เผยตัวเลขที่น่าตกใจครับว่า มีผู้จัดการเพียง 38% เท่านั้นที่ลูกน้องรู้สึกพอใจในผลงาน และที่น่าเป็นห่วงกว่านั้นคือ ผู้จัดการ 1 ใน 4 คน สารภาพว่าจริง ๆ แล้วพวกเขาไม่อยากเป็นหัวหน้าคนเลย

อ่านเพิ่มเติม “หัวหน้าจำยอม หรือ หัวหน้าตัวจริง”

วิชาที่ไม่มีใครสอน: บทเรียนจากชีวิตการทำงาน ที่ไม่มีในคู่มือพนักงาน

บทความ · นิทานสอนใจ · Innovation Culture

⬛ นิทานสอนใจ

เราต้องการคนคิดต่าง (แต่ขอให้คิดเหมือนเราก่อน)

“บางองค์กรไม่ได้ฆ่าไอเดียใหม่ด้วยคำว่า ‘ไม่’ แต่ฆ่ามันด้วยคำว่า ‘ขอคิดดูก่อน’ ที่ไม่มีวันกลับมาคิดจริง”


ปีนั้น องค์กรประกาศเรื่องใหญ่ใน Townhall ผู้บริหารขึ้นเวทีด้วยน้ำเสียงหนักแน่น พร้อมสไลด์ที่ออกแบบมาอย่างสวยงาม

“ปีนี้ เราต้องการ Innovation”

“เราต้องการคนที่กล้า ท้าทายวิธีการทำงานแบบเดิม ๆ เพื่อให้เกิดสิ่งใหม่ที่ดีขึ้น”

“ทุกคนต้องกล้าคิด กล้าพูด กล้าเสนอสิ่งใหม่”

เสียงปรบมือดังขึ้นทั้งห้อง

พนักงานหลายคนรู้สึกมีพลัง หลายคนรู้สึกว่าองค์กรกำลังเปิดพื้นที่ใหม่ หลายคนเริ่มคิดว่า บางทีนี่อาจเป็นเวลาที่เหมาะแล้วที่จะพูดสิ่งที่ตัวเองเก็บไว้มานาน

โดยเฉพาะเขาคนนั้น


คนที่เห็นปัญหาเดิมซ้ำ ๆ มาหลายปี

คนที่เห็นปัญหาเดิมซ้ำ ๆ มาหลายปี เห็นลูกค้าบ่นเรื่องเดิม

เห็นพนักงานเสียเวลากับขั้นตอนเดิม

เห็นระบบที่ทุกคนรู้ว่าไม่เวิร์ก แต่ไม่มีใครกล้าแตะ

เห็นกระบวนการที่มีไว้เพื่อให้ดูเหมือนควบคุมได้ แต่จริง ๆ แล้วทำให้งานช้าลงทุกวัน แต่ไม่มีใครกล้าพูดอะไร

หลังจากวันนั้น เขาจึงตัดสินใจทำสิ่งที่องค์กรขอ

เขาคิดต่างจริง ๆ ด้วยความตั้งใจจริง

ไม่ใช่คิดต่างเพื่อให้ดูเท่ ไม่ใช่คิดต่างเพื่อเอาคะแนน

ไม่ใช่คิดต่างเพื่อจะทำให้ใครให้เสียหน้า

แต่คิดต่างเพราะเขาเห็นว่า ถ้าองค์กรยังทำแบบเดิม ผลลัพธ์ก็จะไม่มีทางเปลี่ยน


เขาทำการบ้านอย่างจริงจัง

เขาใช้เวลาหลายสัปดาห์รวบรวมข้อมูล คุยกับลูกค้า คุยกับทีมหน้างาน ดูตัวเลขย้อนหลัง

วิเคราะห์ pain point เปรียบเทียบวิธีการทำงานแบบเดิมกับแนวทางใหม่

และจัดทำข้อเสนออย่างจริงจัง

ข้อเสนอของเขาเรียบง่าย แต่กระทบโครงสร้างการทำงานเดิมพอสมควร

🎯  สิ่งที่เขาเสนอ

01  ยกเลิกขั้นตอนที่ไม่สร้างคุณค่า

เขาเสนอให้ยกเลิกบางขั้นตอนที่ไม่สร้างคุณค่า

02  ลดขั้นตอนการขออนุมัติที่ซ้ำซ้อน

เพื่อให้ทีมหน้างานตัดสินใจได้เร็วขึ้น

03  ทดลองใช้เครื่องมือดิจิทัลใหม่

นำเทคโนโลยีเข้ามาช่วยให้กระบวนการทำงานคล่องตัวขึ้น

04  เปลี่ยนวิธีวัดผล

จาก “ทำครบขั้นตอน” เป็น “สร้างผลลัพธ์จริงให้ลูกค้า”

เขาไม่ได้เสนอให้เปลี่ยนทั้งองค์กรในวันเดียวเพราะรู้ว่ามีผลกระทบ

แต่เสนอให้ทดลองในหนึ่งหน่วยงานก่อน โดยมีตัวชี้วัดชัดเจน มีกรอบเวลา

พูดง่าย ๆ คือ เขาไม่ได้โยนไอเดียลอย ๆ แต่เสนอให้ปรับปรุงแบบมีความรับผิดชอบ


วันนำเสนอ

วันนำเสนอ เขาเดินเข้าห้องประชุมด้วยความหวัง

เขาคิดว่า อย่างน้อยผู้บริหารคงเปิดใจฟัง เพราะนี่คือสิ่งที่ผู้บริหารเพิ่งประกาศเองว่าอยากได้

เขาเปิดสไลด์แรก เล่าปัญหา

เล่าข้อมูล เล่าผลกระทบ เล่าข้อเสนอ

และเล่าทางเลือกใหม่ที่อาจทำให้องค์กรเร็วขึ้น ดีขึ้น

ห้องประชุมเงียบ

ไม่มีใครแย้งทันที ไม่มีใครโจมตี

แต่บรรยากาศเริ่มเปลี่ยน


บทสนทนาในห้องประชุม

ผู้บริหารคนหนึ่งเอนตัวไปข้างหลัง แล้วถามว่า

“ที่อื่นเขาทำกันหรือเปล่า”

เขาตอบว่า

“มีบางองค์กรเริ่มทำครับ แต่บริบทของเราอาจต้องปรับให้เหมาะสม ผมจึงเสนอให้ทดลองเล็ก ๆ ก่อน”

อีกคนถามต่อทันที

“แล้วถ้ามันพลาด ใครรับผิดชอบ”

เขาตอบว่า

“ผมเสนอให้เริ่มในขอบเขตที่ควบคุมได้ และกำหนดจุดตรวจสอบความเสี่ยงไว้ชัดเจนครับ ถ้าไม่เวิร์ก เราหยุดได้ และเรียนรู้จากมันได้ทันทีครับ”

อีกคนพูดขึ้นมา

“ผมเข้าใจนะ แต่ทำแบบเดิมก็ไม่ได้แย่มากนี่นา”

อีกคนเสริม

“ลูกค้าอาจยังไม่พร้อม”

อีกคนพูดเบา ๆ

“พนักงานของเราก็อาจจะยังไม่พร้อมเหมือนกันนะ”

แล้วมีประโยคหนึ่งที่ทำให้เขานิ่งไป

“ผมชอบไอเดียนะ แต่ขอดูตัวอย่างจากบริษัทอื่นที่ทำสำเร็จแล้วก่อนดีกว่า”


เขาเริ่มเข้าใจอะไรบางอย่าง

องค์กรบอกว่าอยากได้สิ่งใหม่ แต่สิ่งใหม่ที่องค์กรอยากได้ ต้องเคยมีคนทำสำเร็จมาแล้ว แล้วมันจะใหม่ตรงไหน

องค์กรบอกว่าอยากเป็นผู้นำ แต่ต้องรอให้คนอื่นเดินนำไปก่อนเนี่ยะนะ

องค์กรบอกว่าอยากท้าทายสิ่งที่เป็นอยู่เดิม แต่ทุกคำถามในห้องประชุมกำลังปกป้องระบบงานเดิมอย่างสุภาพที่สุด

เขาพยายามอธิบายอีกครั้งว่า

“ถ้าเรารอให้ทุกอย่างปลอดภัย 100% ก่อน เราอาจไม่มีวันได้เริ่มอะไรใหม่เลยนะครับ”

ห้องเงียบอีกครั้ง

หัวหน้าคนหนึ่งยิ้มบาง ๆ แล้วพูดว่า

“คุณต้องเข้าใจนะว่า Innovation ไม่ได้แปลว่าเราจะเปลี่ยนทุกอย่างทันที เราต้องรอบคอบ ต้องระวัง และต้องไม่ทำให้องค์กรเสี่ยงเกินไป”

เขาพยักหน้า

เพราะประโยคนั้นฟังดูถูกต้องทุกคำ

แต่ในใจเขารู้ว่า สิ่งที่เกิดขึ้นไม่ได้เรียกว่า “รอบคอบ” อย่างเดียว แต่มันคือความกลัวที่แต่งตัวด้วยภาษาบริหารที่ฟังดูดี


บทสรุปที่ไม่มีใครพูดว่า “ไม่”

สุดท้ายข้อเสนอของเขาไม่ได้ถูกปฏิเสธตรง ๆ

ไม่มีใครพูดว่า “ไม่เอา”

ไม่มีใครพูดว่า “ไอเดียไม่ดี”

ไม่มีใครพูดว่า “เรายังไม่กล้า”

แต่ทุกคนช่วยกันใช้คำที่นุ่มนวลกว่า

 “ขอศึกษาเพิ่มเติมก่อน”

 “ขอ benchmark เพิ่มก่อน”

 “ขอดู timing อีกที”

 “ขอ align กับผู้เกี่ยวข้องก่อน”

 “ขอเอาไว้พิจารณาใน phase ถัดไป”

เขาเดินออกจากห้องประชุม พร้อมกับเข้าใจความจริงข้อหนึ่ง


ความจริงที่เขาเข้าใจในวันนั้น

บางองค์กรไม่ได้ฆ่าไอเดียใหม่ด้วยคำว่า “ไม่”

“แต่ฆ่ามันด้วยคำว่า ‘ขอคิดดูก่อน’ ที่ไม่มีวันกลับมาคิดจริง”

องค์กรของคุณ Innovation ที่ประกาศในงาน Townhall ปีที่แล้ว ตอนนี้อยู่ที่ไหนแล้วครับ?

โดย ประคัลภ์ ปัณฑพลังกูร | ที่ปรึกษาด้านการบริหารทรัพยากรบุคคล | Think People Consulting

AI อคติ หรือ คนใช้ AI กำลังมีอคติกันแน่

สวัสดีท่านผู้อ่านทุกท่าน

พักหลังมานี้ ผมเชื่อว่าหลายท่านเริ่มคุ้นเคยกับการใช้ AI อย่าง ChatGPT หรือเครื่องมือล้ำๆ มาช่วยทำงานกันมากขึ้นแล้วใช่ไหมครับ? บางคนเอามาช่วยร่างอีเมล บางคนเอามาช่วยวิเคราะห์ข้อมูล หรือแม้แต่ช่วยวางกลยุทธ์ธุรกิจ

เวลาเราพูดถึงปัญหาของ AI เรามักจะกังวลกันว่า “ข้อมูลที่ใช้สอน AI มันมีอคติ (Bias) หรือเปล่า?” ซึ่งนั่นก็ถูกครับ แต่มันเป็นแค่ยอดเขาน้ำแข็งเท่านั้นเอง เพราะจากบทความล่าสุดใน Harvard Business Review (โดย Grace Chang และ Heidi Grant) เขาชี้ให้เห็นประเด็นที่น่ากลัวกว่านั้น คือ “อคติในตัวเราเอง” (Cognitive Bias) นี่แหละครับที่กำลังเข้าไปบิดเบือนการทำงานของ AI ให้แย่ลงโดยที่เราไม่รู้ตัว

เรามาลองสำรวจกันครับว่า “อคติ” ของเรา เข้าไปแทรกซึมอยู่ในตอนไหนของการใช้ AI บ้าง?

1. อคติ “ก่อน” เริ่มสั่งงาน (Before Prompting)

บางครั้งเรามีกำแพงในใจตั้งแต่ยังไม่ได้เปิดแอปฯ เลยครับ

  • Halo & Horns Effect: อคติจากการ “เหมารวม”
    • Halo Effect มันคืออาการ “รักแล้วรักเลย” ครับ ถ้าเราเคยใช้ AI ทำงานบางอย่างแล้วมันออกมาดีมาก เช่น ให้ช่วยเขียนโค้ดหรือร่างคำกล่าวเปิดงานแล้วดูเป็นมืออาชีพสุดๆ เราจะเริ่ม “ลำเอียง” และเชื่อมั่นว่า AI ตัวนี้เก่งไปหมดทุกเรื่อง จนลืมตรวจสอบความถูกต้องเมื่อเอามันไปใช้ในงานที่มันไม่ถนัด (เช่น งานที่ต้องใช้ความเห็นอกเห็นใจคนจริงๆ) เราจะหลับหูหลับตาเชื่อคำตอบของมันจนอาจเกิดความผิดพลาดได้
    • Horns Effect ตรงกันข้ามครับ คืออาการ “ฝังใจกับเรื่องแย่ๆ” ถ้าเราเคยเจอ AI “มั่ว” ข้อมูลครั้งหนึ่ง หรือได้ยินข่าวลบๆ เช่น งานวิจัยจาก MIT ที่บอกว่าคนใช้ AI เขียนเรียงความแล้วสมองทำงานลดลง หรือข่าวทนายความที่ถูกลงโทษเพราะใช้ AI อ้างอิงคดีที่ไม่มีอยู่จริง เราจะเกิดอาการ “เข็ดขยาด” จนปฏิเสธการใช้ AI ไปเลย ทั้งที่ในบางงานมันอาจจะเป็นผู้ช่วยที่ยอดเยี่ยมและช่วยให้ทีมงานทำงานได้เร็วขึ้นหลายเท่าตัว
    • ข้อเตือนใจสำหรับผู้นำ ถ้าคนในทีมของคุณแอนตี้ AI หรือในทางกลับกันคือเชื่อ AI มากจนไม่ใช้สมองตัวเอง ลองเช็คดูนะครับว่าเขากำลังติดกับดัก Halo หรือ Horns Effect นี้อยู่หรือเปล่า
  • Confirmation Bias (อคติยืนยันตัวเอง) อันนี้คือตัวแสบ ที่พบได้บ่อยที่สุดเลยครับ มันคือการที่เรามีความเชื่อหรือมีคำตอบในใจอยู่แล้ว แล้วเราก็พยายามใช้ AI มาเป็นเครื่องมือเพื่อหาเหตุผลสนับสนุนสิ่งที่เราเชื่อ โดยมองข้ามข้อมูลด้านอื่นไปอย่างสิ้นเชิง
    • ตัวอย่างเช่น ถ้าคุณเป็นหัวหน้าที่เชื่อว่าพนักงานคนหนึ่งทำงานแย่เพราะความขี้เกียจ คุณอาจจะสั่ง AI ว่า “ช่วยร่างอีเมลเตือนพนักงานที่ไม่มีความรับผิดชอบและชอบอู้งานหน่อย” แทนที่จะถามแบบเป็นกลางว่า “ปัจจัยอะไรบ้างที่ทำให้พนักงานคนหนึ่งมีประสิทธิภาพการทำงานลดลง?”
    • ผลเสียคือ AI จะช่วยคุณสร้างเหตุผลและข้อความที่ตอกย้ำว่าเขาขี้เกียจ ทั้งที่จริงๆ แล้วเขาอาจจะกำลังป่วย มีปัญหาทางบ้าน หรือระบบงานในบริษัทมีปัญหา ซึ่งถ้าคุณตั้งโจทย์ผิดแต่แรกเพราะอคติ AI ก็จะช่วยคุณแก้ปัญหาผิดจุด และอาจลุกลามจนกลายเป็นความไม่เป็นธรรมในที่ทำงานได้ครับ

2. อคติในระหว่างการสั่งงาน (During Prompting)

วิธีที่เรา “ตั้งคำถาม” หรือ Prompt นั่นแหละครับคือตัวดี

  • Leading Question Bias เรามักจะถามนำ เช่น “ทำไมแผนการตลาดนี้ถึงดีที่สุด?” AI ก็จะทำหน้าที่เป็น ลูกน้องที่แสนดี หาแต่ข้อสนับสนุนมาให้เรา จนเราลืมนึกถึงความเสี่ยงหรือข้อเสียไปเลย
  • Expediency Bias ยุคนี้อะไรก็ต้องเร็ว พอ AI พ่นคำตอบแรกออกมา เราก็มักจะมองว่า “เอาล่ะ แค่นี้ก็ดีพอแล้ว (Good enough)” แล้วก็ก๊อปปี้ไปใช้ทันทีโดยไม่ได้ตรวจสอบความถูกต้องหรือความสมเหตุสมผลอย่างจริงจัง

3. อคติหลังจากที่ได้ผลลัพธ์ออกมาแล้ว (After Prompting)

แม้จะได้คำตอบมาแล้ว แต่อคติก็ยังตามมาหลอกหลอนครับ

  • Endowment Effect ถ้าเราใช้ความพยายามอย่างมากในการปั้น Prompt จนได้ผลงานชิ้นนี้ออกมา เราจะรู้สึกรัก และ หวงแหนผลงานชิ้นนี้มากเป็นพิเศษ จนไม่ยอมรับฟังคำวิจารณ์จากคนอื่น หรือไม่ยอมปรับปรุงทั้งที่มีทางเลือกที่ดีกว่า
  • Framing Effect (อคติจากการตีกรอบ) เรื่องนี้คือการที่ วิธีการเล่ามีผลต่อการตัดสินใจมากกว่า ตัวเนื้อหา เสียอีกครับ แม้ข้อมูลจะเหมือนกันเป๊ะ แต่ถ้าเราเลือกนำเสนอในมุมที่ต่างกัน ความรู้สึกของคนที่ฟังก็ต่างกันคนละโลกเลย
    • ตัวอย่าง: สมมติคุณให้ AI ช่วยสรุปผลสำรวจความพึงพอใจของลูกค้า แล้ว AI บอกว่า “มีลูกค้า 80% ที่ชอบฟีเจอร์ใหม่นี้”
      • ถ้าคุณอยากขายโปรเจกต์ต่อ คุณจะรายงานว่า: “ข่าวดีครับ! ลูกค้าส่วนใหญ่ถึง 80% แฮปปี้กับฟีเจอร์ใหม่มาก เราควรลุยต่อครับ” (ตีกรอบที่ความสำเร็จ)
      • แต่ถ้าคุณ ไม่อยากทำต่อ คุณจะรายงานว่า: “ยังมีลูกค้าอีกตั้ง 20% ที่ไม่โอเคกับเรื่องนี้นะครับ เรายังมีความเสี่ยงอยู่มาก” (ตีกรอบที่ความล้มเหลว)
    • จุดที่ต้องระวัง AI อาจจะให้ข้อมูลที่ เป็นกลาง มาให้ (เช่น ตัวเลข 80/20) แต่ความอันตรายอยู่ที่ คนใช้ครับ ถ้าเรามีอคติอยู่แล้ว เราจะเลือกหยิบ AI มาช่วยเขียนสรุปในทางที่เข้าข้างความคิดตัวเอง เพื่อโน้มน้าวคนอื่นให้หลงเชื่อตามกรอบที่เราวางไว้ ซึ่งอาจทำให้ทีมตัดสินใจพลาดได้ครับ

เราจะ “แก้เกม” อคติเหล่านี้ได้อย่างไร?

การบริหารจัดการ AI ไม่ใช่แค่เรื่องทางเทคนิคครับ แต่เป็นเรื่องของการ บริหารความคิด ของเราด้วย ผมมี 3 แนวทางที่น่าสนใจมาฝากครับ

1. ฝึกหยุด และ วิเคราะห์ (Interrupt Automatic Thinking) เวลาจะตัดสินใจอะไรสำคัญ ๆ อย่าใช้ความรู้สึกแรกครับ ให้หยุดชั่วครู่เพื่อกระตุ้นสมองส่วนหน้า (Prefrontal Cortex) ให้ทำงาน ลองตั้งคำถามกับตัวเองว่า “เรามีสมมติฐานที่แสดงถึงอคติในเรื่องนี้ที่ซ่อนอยู่หรือเปล่า?” หรือลองมองปัญหาในมุมของคนนอกดูบ้าง

2. ใช้ AI ให้เป็น Devil’s Advocate แทนที่จะให้ AI ช่วยอวยเรา ลองสั่งให้มัน “จับผิด” เราดูบ้างครับ เช่น

  • “ช่วยวิจารณ์แผนงานนี้ในมุมมองของคู่แข่งหน่อย”
  • “ช่วยบอกข้อโต้แย้งที่อาจจะเกิดขึ้นถ้าผมนำเสนอเรื่องนี้”

3. สร้างระบบตรวจสอบในทีม (Build Systems) ถ้าเราทำคนเดียวอาจจะพลาด ลองใช้เทคนิคอย่าง Pre-mortem (จินตนาการว่าถ้าโครงการนี้เจ๊ง มันจะเจ๊งเพราะอะไร?) หรือการกำหนดให้มีคนในทีมทำหน้าที่เป็นคนคอยคัดค้าน (Devil’s Advocate) เพื่อเช็คความรอบคอบก่อนตัดสินใจ

สรุปส่งท้าย

AI คือเครื่องทุ่นแรงที่ยอดเยี่ยมครับ แต่อย่าปล่อยให้มันเป็น เครื่องขยายอคติของเรา ในฐานะผู้นำหรือคนทำงานมืออาชีพ เราต้องเป็นคนกุมบังเหียน AI ด้วย “การคิดเชิงวิพากษ์” (Critical Thinking) เสมอ

ใช้ AI ให้เป็นพาร์ทเนอร์ที่คอยท้าทายความคิดเรา ไม่ใช่แค่เครื่องมือที่คอยพยักหน้าเออออไปกับอคติของเรานะครับ

แล้วพบกันใหม่บทความหน้าครับ

AI กับ ใจ ของคนทำงาน เรื่องใหญ่ที่หลายองค์กรกำลังมองข้าม

สวัสดีครับท่านผู้อ่านทุกท่าน

ช่วงปีสองปีมานี้ ผมเชื่อว่าไม่มีหัวข้อไหนจะร้อนแรงไปกว่าเรื่องของ Generative AI อีกแล้วนะครับ ทุกองค์กรต่างทุ่มเททรัพยากร มหาศาลเพื่อหาคำตอบว่า AI จะมาเปลี่ยนวิธีการทำงานของเราอย่างไร” หรือ “เราจะเอา AI มาช่วยลดต้นทุนเพิ่มกำไรได้อย่างไร”

แต่สิ่งที่น่ากังวลก็คือ ในขณะที่เราโฟกัสไปที่ งาน เรากลับลืมโฟกัสที่ คน

อ่านเพิ่มเติม “AI กับ ใจ ของคนทำงาน เรื่องใหญ่ที่หลายองค์กรกำลังมองข้าม”

บลอกที่ WordPress.com .

ขึ้น ↑