มีคำถามหนึ่งที่ถกเถียงกันมาพักใหญ่ ว่าสุดท้ายแล้ว AI จะช่วยใครมากกว่ากัน
ฝั่งหนึ่งเชื่อว่า AI จะเป็นตัวช่วยของคนที่เก่งน้อยกว่า เพราะได้ทั้ง template ได้ทั้งคำตอบ และได้โค้ชส่วนตัวฟรี ๆ ในทุกขั้นตอนของงาน
อีกฝั่งกลับมองว่า เมื่อ AI กวาดงาน routine ออกไป คนเก่งจะยิ่งมีเวลาไปทำงานที่มีมูลค่าสูง ซึ่งเป็นสิ่งที่พวกเขาได้เปรียบอยู่แล้ว
ทีมนักเศรษฐศาสตร์ร่วมกับ Chief Executive Officer (CEO) ของ Terret บริษัทที่ช่วยองค์กรนำ AI ไปใช้ในทีมสร้างรายได้ ได้สัมภาษณ์ผู้บริหารระดับสูง 8 คนจากคณะที่ปรึกษาด้าน Chief Revenue Officer (CRO) ของ Bain Capital Ventures ประชุมกับผู้นำฝ่ายขายกว่าสิบครั้ง และสำรวจพนักงานขาย 236 คนจาก Stripe และ Checkr
คำตอบที่ได้คือ AI ช่วยทุกคนจริง แต่คนที่ได้ประโยชน์มากที่สุดคือ top performer หรือ คนที่เก่งและมีผลงานดีอยู่แล้ว
หลายครั้งที่เราเผลอคิดว่าความได้เปรียบนี้มาจากการประหยัดเวลาได้มากกว่าเท่านั้น ซึ่งก็ไม่ผิด
top performer ประหยัดเวลาได้มากกว่าจริง และหลังนำ AI มาใช้ ผู้จัดการมอบงานสำคัญให้พนักงานกลุ่มบนสุดถึง 44% เทียบกับเพียง 12% สำหรับกลุ่มล่างสุด
ทว่ากลไกที่สำคัญกว่านั้นซ่อนอยู่ลึกกว่าที่คิด
คนเก่งใช้ AI กว้างกว่าและลึกกว่า ไม่ได้ใช้แค่ค้นข้อมูลหรือร่างอีเมล แต่ใช้เป็นคู่คิด ช่วยลับกลยุทธ์ให้คม ทบทวนบทเรียนจากการคุยกับลูกค้าครั้งก่อน ทดสอบข้อโต้แย้ง และซ้อมการเจรจา ผู้จัดการรายงานว่ามีโอกาสเห็นคุณภาพงานพัฒนาขึ้นจากกลุ่มบนสุดมากกว่ากลุ่มล่างสุด 16% แปลว่างานดีขึ้นจริง ไม่ใช่แค่เร็วขึ้น
ทีมวิจัยเรียกคนกลุ่มนี้ว่า Autodidacts หรือคนที่เรียนรู้ด้วยตัวเอง คนกลุ่มนี้ไม่รอการอบรม ไม่รอให้บริษัทจัด workshop ไม่รอให้ใครมาบอกว่าเครื่องมือไหนดี แต่ลองเอง เทียบเอง รับ feedback และแลกเปลี่ยนกันเองในเครือข่าย
เมื่อให้คะแนน AI literacy และประโยชน์ที่ได้รับบนสเกล 1 ถึง 5 ทุก 1 คะแนนที่ AI literacy เพิ่มขึ้น ประโยชน์ที่รายงานจะเพิ่มขึ้นเฉลี่ย 0.71 คะแนน
อีกประเด็นที่มักถูกมองข้ามคือ AI literacy ในที่นี้ไม่ได้หมายถึงการไว้ใจ AI มากแค่ไหน ตัวเลขด้านความไว้ใจแทบไม่สัมพันธ์กับประโยชน์ที่ได้เลย
สิ่งที่สำคัญกว่าคือความสามารถในการใช้เครื่องมือที่มีอยู่ เรียนรู้เครื่องมือใหม่ ประเมินผลลัพธ์ จับข้อผิดพลาด และรู้ว่าเมื่อไรมนุษย์ต้องเข้ามาคุมเอง
พูดง่าย ๆ คือความต่างระหว่างคนที่ถาม AI แล้วเชื่อทันที กับคนที่รู้ว่าคำตอบนั้นถูกหรือไม่
ตัวอย่างจากของจริงมีให้เห็นชัด ที่ Checkr พนักงานขายคนหนึ่งสร้างผู้ช่วยเจรจาต่อรองขึ้นมาเองก่อนที่เครื่องมือแบบนี้จะมีขายทั่วไป Lindsey Scrase Chief Operating Officer (COO) ของ Checkr มองว่าความคิดสร้างสรรค์ที่ปรับให้เข้ากับลูกค้าแต่ละรายแบบนี้แหละที่แยกคนที่ดีที่สุดออกจากคนอื่น
ส่วนที่ Brex พนักงานคนหนึ่งสร้างเครื่องมือ AI ขึ้นมาในช่วงสุดสัปดาห์ เพียงเพราะคิดว่ามันน่าจะมีประโยชน์ จนบริษัทนำไปขยายผลให้ทั้งองค์กรใช้ นี่คือรูปแบบของคนที่ลงมือก่อนมากกว่าจะรอให้ใครสั่ง
คำถามที่ผู้นำองค์กรมักกังวลคือ แล้วบริษัทควรทำอย่างไร งานวิจัยชี้ไว้ 4 เรื่อง
เรื่องแรก คือ วิธีสัมภาษณ์งาน แทนที่จะถามว่าใช้ AI เป็นไหม ควรถามว่าเรียนรู้สิ่งใหม่ ๆ จาก AI อย่างไร เคยสร้าง workflow เองไหม เคยเจอข้อผิดพลาดแล้วจัดการอย่างไร เคยเทียบผลจากหลายเครื่องมือแล้วเลือกอย่างไร ผู้นำคนหนึ่งถึงขั้นขอดู AI session ที่ผู้สมัครใช้เตรียมตัวมาสัมภาษณ์ คำถามแบบนี้พาเราออกจากเรื่องความคุ้นเคยกับเครื่องมือ ไปสู่ความอยากรู้และความสามารถในการเรียนรู้ด้วยตัวเอง
เรื่องที่สอง คือ การออกแบบงานระดับเริ่มต้นใหม่ให้ยังเป็นแหล่งปั้นคน Garrett Marker CRO ของ Brex เลือก automate งาน manual ของ Sales Development Representative (SDR) ไป 20 ถึง 40 เปอร์เซ็นต์ แล้วเปิดให้ SDR ที่มีไฟเอาเวลาที่เหลือไปดูแลดีลตั้งแต่ต้นจนปิดเอง ใครทำเป้าเดิมได้พร้อมปิดดีลแบบครบวงจรได้จำนวนหนึ่ง ก็ได้เลื่อนตำแหน่งอัตโนมัติ ผลคือดึงคนเก่งเข้ามาได้มากขึ้น เลื่อนตำแหน่งจากภายในมากขึ้น และพนักงานใหม่ทำงานได้เต็มที่เร็วขึ้น
เรื่องที่สาม คือ การเลือกให้ถูกว่าจะสร้างเองหรือซื้อ ควรซื้อเมื่องานเป็นเรื่องทั่วไป ตลาดมีทางเลือกที่สุกงอมแล้ว และไม่ต้องใช้ข้อมูลเฉพาะขององค์กร Eileen O’Mara อดีต CRO ของ Stripe เล่าว่า Gong ทำเรื่องบันทึกการโทรและแนะนำขั้นตอนถัดไปได้ดีอยู่แล้ว Stripe จึงไม่สร้างเองในส่วนนี้ แต่จะสร้างเองเมื่อต้องใช้ข้อมูลอ่อนไหว หรือต้องการตรรกะที่เฉพาะกับธุรกิจตัวเอง
เรื่องที่สี่ คือ การรวมศูนย์บริบท แต่กระจายการค้นพบ สิ่งที่ทั้งองค์กรต้องใช้ร่วมกันและต้องเชื่อถือได้ ทั้งข้อมูล สิทธิ์การเข้าถึง คลังความรู้ที่ผ่านการรับรอง agent ระดับใช้งานจริง และกลไกป้องกันความเสี่ยง ควรอยู่ที่ส่วนกลาง ส่วนการค้นหาวิธีใช้งานใหม่ ๆ ควรปล่อยให้คนหน้างาน เพราะ power user มักเจอ use case ที่ทีมกลางไม่เคยนึกถึง บริษัทที่ทำได้ดีจึงมีวงแชร์ผลงาน AI ทุกสัปดาห์ แลก prompt กันระหว่างเพื่อนร่วมงาน และใช้เครื่องมือ vibe coding อย่าง Lovable สร้างต้นแบบ ก่อนให้ทีมกลางนำไปขัดเกลาและขยายผลต่อ
สุดท้าย AI ไม่ได้มาแทนที่คน และไม่ได้ทำให้ทุกคนเก่งเท่ากันโดยอัตโนมัติ แต่จะให้แรงส่งอย่างไม่สมส่วนแก่คนและองค์กรที่รู้จักสร้างระบบจากจุดแข็งของตัวเอง เวลาที่ประหยัดได้จะมีค่าก็ต่อเมื่อถูกแปลงไปเป็นความเข้าใจลูกค้าที่ลึกขึ้น กลยุทธ์ที่คมขึ้น และวิจารณญาณของมนุษย์ที่ดีขึ้น
งานของผู้นำจึงไม่ใช่การแจกเครื่องมือแล้วรอผล แต่คือการตัดสินใจว่าตรงไหน AI ควรทำแทน ตรงไหนควรเสริม และตรงไหนมนุษย์ควรทำเอง
คนเก่งจะรู้ 3 เรื่องนี้โดยสัญชาตญาณ คนเหล่านี้จึงกลายเป็นพยัคฆ์ติดปีก ขณะที่อีกหลายคนยังยืนรอการอบรมอยู่
Strategic Thinker | Author | Independent Analyst
สำเร็จการศึกษาด้านความสัมพันธ์ระหว่างประเทศ จากจุฬาลงกรณ์มหาวิทยาลัย มีความสนใจและการค้นคว้าอย่างลึกซึ้งในด้านทฤษฎีการเมือง พฤติกรรมของมหาอำนาจ และการวิเคราะห์ภูมิรัฐศาสตร์เชิงยุทธศาสตร์
ติดต่ออีเมล์ Tivawarin@gmail.com
