ข้ามไปเนื้อหาหลัก
THEN

Designing Human-AI Collaboration: ออกแบบการทำงานร่วมกับ AI ให้ทุกแผนกใช้ได้จริง

เผยแพร่: 18 พ.ย. 2569 · อัปเดตล่าสุด: 18 พ.ย. 2569 · บทความโดย ลินน์ ทีมเนื้อหา Learning Hub Thailand

สวัสดีค่ะ ลินน์อยากเริ่มด้วยภาพที่หลายองค์กรเจอตอนนี้นะคะ

องค์กรซื้อเครื่องมือ AI มาให้พนักงานครบ จัดอบรมการใช้งานเรียบร้อย แต่ผ่านไปหลายเดือนกลับพบว่าแต่ละคนใช้ AI คนละแบบ บางคนใช้ช่วยร่างอีเมล บางคนไม่แตะเลย และที่สำคัญคืองานข้ามแผนกก็ยังติดขัดเหมือนเดิม AI เข้ามาแล้วแต่ภาพรวมขององค์กรไม่ได้เปลี่ยน

ปัญหานี้ไม่ได้อยู่ที่เครื่องมือค่ะ แต่อยู่ที่เราไม่เคย ออกแบบการทำงานร่วมกับ AI ให้ชัด ว่างานไหนคนทำ งานไหน AI ทำ และสองฝั่งส่งต่องานกันยังไง วันนี้ลินน์จะพาดูว่า workflow คนบวก AI ที่ดีหน้าตาเป็นแบบไหน และจะออกแบบให้ทุกแผนกใช้ได้จริงอย่างไรค่ะ

ทำไมแค่ "ใช้ AI เป็น" ถึงยังไม่พอ?

เพราะการใช้ AI เป็นแค่เครื่องมือ กับการออกแบบให้ AI อยู่ในงานอย่างมีกลยุทธ์ ให้ผลต่างกันมากค่ะ งานวิจัยของ Atlassian ที่สำรวจคนทำงานราว 5,000 คน พบว่าคนที่ทำงานร่วมกับ AI แบบมีกลยุทธ์ได้ผลตอบแทนมากกว่าคนที่ใช้แบบผิวเผินถึง 2 เท่า นี่คือช่องว่างที่เครื่องมือตัวเดียวกันแต่ให้ผลคนละระดับ

ความต่างอยู่ที่วิธีใช้ค่ะ คนที่ใช้แบบผิวเผินมักให้ AI ช่วยงานย่อย ๆ แล้วเอาเวลาที่ประหยัดได้ไปทำงานธุรการต่อ ส่วนคนที่ใช้แบบมีกลยุทธ์ให้ AI ช่วยวิเคราะห์ ชั่งน้ำหนักทางเลือก และหาสิ่งที่มองข้าม แล้วเอาเวลาที่ได้ไปคิดงานที่สร้างคุณค่าสูงขึ้น Atlassian ยังพบว่ากลุ่มหลังประหยัดเวลาได้ถึง 105 นาทีต่อวัน เทียบกับ 53 นาทีของกลุ่มแรก ต่างกันเกือบเท่าตัว

สิ่งที่น่าสนใจคือ ความต่างนี้ไม่ได้มาจากความเก่งส่วนตัว แต่มาจากสภาพแวดล้อมค่ะ Atlassian พบว่าคนที่ผู้นำสนับสนุนให้ทดลองใช้ AI มีโอกาสกลายเป็นผู้ใช้แบบมีกลยุทธ์มากกว่าถึง 2.5 เท่า แปลว่าการออกแบบวิธีทำงานและวัฒนธรรมรอบ ๆ AI สำคัญกว่าตัวเครื่องมือเอง

การทำงานร่วมกับ AI ที่ดีหน้าตาเป็นอย่างไร?

หน้าตาของมันคือ AI รับงานที่ทำซ้ำและมีข้อมูลชัด ส่วนคนขยับไปทำงานที่ต้องใช้วิจารณญาณค่ะ กรณีศึกษาจาก Eerly AI สรุปไว้สั้นแต่คมว่า บทบาทของคนไม่ได้หดเล็กลง แต่ขยับขึ้นไปอยู่ชั้นที่สูงขึ้น คนเลิกทำงานประจำที่ AI ทำแทนได้ แล้วไปโฟกัสที่การตัดสินใจและข้อยกเว้นแทน

ลองดูตัวอย่างจริงค่ะ ในงานการเงิน AI ช่วยกระทบยอดและจับความผิดปกติ ส่วนคนดูแลเฉพาะเคสที่ต้องตัดสินใจ ในงาน HR AI ตอบคำถามนโยบายและรวบรวมเอกสาร ส่วนคนไปทำงานที่ต้องใช้ดุลยพินิจ ในงาน IT AI จัดการ ticket เบื้องต้น ส่วนคนดูแลเรื่องสถาปัตยกรรมระบบ จะเห็นว่ารูปแบบเดียวกันคือ AI ทำงานต้นน้ำ คนทำงานที่ต้องคิด

แต่จุดที่หลายองค์กรพลาดคือ "การส่งต่องาน" ค่ะ Eerly AI ชี้ว่าถ้า AI หยุดแค่บอกข้อมูล แล้วปล่อยให้คนไปตามหาคนที่เกี่ยวข้องและลงมือเองทั้งหมด คุณค่าส่วนใหญ่จะหายไปตรงนั้น การออกแบบ workflow ที่ดีจึงต้องคิดถึงรอยต่อระหว่างคนกับ AI ว่าส่งงานกันยังไงให้จบ ไม่ใช่ปล่อยให้ AI ผลิตข้อมูลออกมากองไว้

ทำไมต้องออกแบบให้ทำงานข้ามแผนกด้วย?

เพราะงานที่สร้างคุณค่าจริงมักวิ่งข้ามแผนก และ AI จะได้ผลสูงสุดเมื่อออกแบบให้เชื่อมทีมเข้าด้วยกันค่ะ งานวิเคราะห์ปี 2026 ที่อ้างอิงงานวิจัยของ Deloitte พบว่าทีมที่ทำงานข้ามสายงานมีโอกาสได้ประโยชน์ด้านประสิทธิภาพและนวัตกรรมจาก AI มากกว่าทีมที่อยู่ในไซโลถึง 30%

เหตุผลคือปัญหาเดิมขององค์กรไม่ได้หายไปเพราะมี AI ค่ะ ข้อมูลชุดเดียวกันจาก Speakwise ระบุว่า 65% ของความล้มเหลวในโปรเจกต์มาจากการสื่อสารข้ามทีมที่ไม่ดี และพนักงาน 41% มองว่าการทำงานข้ามแผนกยากกว่าการทำงานในทีมตัวเอง ถ้าเราเอา AI ไปวางบนกระบวนการข้ามแผนกที่พังอยู่แล้ว มันก็ช่วยแค่ให้แต่ละแผนกเร็วขึ้นในไซโลของตัวเอง แต่ภาพรวมไม่ดีขึ้น

นี่คือเหตุผลที่การออกแบบการทำงานร่วมกับ AI ต้องมองข้ามแผนก ไม่ใช่สอนรายคนให้ใช้เครื่องมือเก่งขึ้น แต่ต้องออกแบบว่าข้อมูลและงานจะไหลข้ามทีมยังไงเมื่อมี AI อยู่ในสมการ

คอร์สแนะนำ

Designing Human-AI Collaboration

หลักสูตร In-house 1 วัน · ผู้บริหาร ผู้จัดการ หัวหน้างาน

ลงมือออกแบบ Workflow คนกับ AI จาก Process จริงขององค์กร กำหนดจุดส่งต่องานให้ชัด แล้วกลับไปพร้อมแผน 90 วัน

ดูรายละเอียดหลักสูตร

ออกแบบ Workflow คนทำงานร่วมกับ AI ทีละขั้นอย่างไร?

เริ่มจากเลือกงานหนึ่งกระบวนการ แล้วแยกให้ชัดว่าช่วงไหน AI ทำ ช่วงไหนคนทำ และส่งต่อกันตรงไหนค่ะ จากนั้นออกแบบจุดที่คนต้องตรวจก่อนงานออกไป แล้ววัดผลที่ผลลัพธ์ทางธุรกิจ ไม่ใช่ความเร็วอย่างเดียว ลินน์สรุปเป็น 4 ขั้นให้ค่ะ

ขั้นแรก เลือกกระบวนการที่วิ่งข้ามแผนกและทำซ้ำบ่อย เช่น การอนุมัติ การตอบลูกค้า หรือการสรุปข้อมูล ขั้นที่สอง แยกงานในกระบวนการนั้นว่าส่วนไหน AI ทำได้ดี (งานข้อมูล งานซ้ำ) และส่วนไหนต้องใช้คน (การตัดสินใจ ข้อยกเว้น) ขั้นที่สาม ออกแบบรอยต่อให้ชัด ว่า AI ส่งงานให้ใคร คนตรวจตรงไหน และใครเป็นคนกดอนุมัติขั้นสุดท้าย ขั้นที่สี่ วัดผลที่ outcome เช่น เวลาที่ลดลงจริง หรือคุณภาพงานที่ดีขึ้น ไม่ใช่แค่จำนวนครั้งที่ใช้ AI

ลินน์ทำตารางแบ่งบทบาทคนกับ AI ในงานแต่ละแผนกให้ดูเป็นตัวอย่างค่ะ

แผนกAI ช่วยทำคนโฟกัสที่
การเงินกระทบยอด จับความผิดปกติ จัดลำดับการอนุมัติตัดสินใจเคสที่เป็นข้อยกเว้น
HRตอบคำถามนโยบาย รวบรวมเอกสาร onboardingงานที่ต้องใช้ดุลยพินิจและดูแลคน
ITคัดกรอง ticket จัดการสิทธิ์พื้นฐาน เฝ้าระบบสถาปัตยกรรมระบบและเคสที่ซับซ้อน
การตลาดร่างคอนเทนต์ สรุปข้อมูล วิเคราะห์เบื้องต้นกลยุทธ์ การตีความเชิงธุรกิจ และคุณภาพ

บริบทไทย: โอกาสอยู่ที่การออกแบบ ไม่ใช่แค่มีเครื่องมือ

สำหรับองค์กรไทย ความท้าทายไม่ได้อยู่ที่การเข้าถึง AI แต่อยู่ที่คนที่ออกแบบและกำกับมันได้ค่ะ Chiang Rai Times รายงานว่าไทยยังขาดบุคลากรทักษะ AI ราว 80,000 คน และผู้บริหารหนึ่งในห้ามองว่าการขาดคนเก่ง AI คืออุปสรรคใหญ่ที่สุดต่อการเติบโต

ข่าวดีคือ การออกแบบการทำงานร่วมกับ AI ไม่ได้ต้องรอจ้างผู้เชี่ยวชาญจากข้างนอกค่ะ องค์กรที่เริ่มจากการฝึกคนในทีมให้ออกแบบ workflow คนบวก AI เป็น จะสร้างคนเก่งได้เอง และคนเหล่านั้นเข้าใจบริบทงานข้ามแผนกขององค์กรดีกว่าคนนอกด้วย นี่คือจุดที่การลงทุนพัฒนาคนให้ผลตอบแทนสูงสุด

เรื่องจากที่ทำงาน: AI ที่ทุกคนใช้ แต่ไม่มีใครส่งงานต่อกัน

ลินน์ขอเล่าภาพที่เจอบ่อยนะคะ เป็นภาพรวมจากหลายองค์กร ไม่ใช่บุคคลใดบุคคลหนึ่ง

หลายองค์กรเปิดให้พนักงานใช้ AI ได้อิสระ แต่ละแผนกก็ใช้กันเก่งขึ้นจริง ทีมการตลาดร่างคอนเทนต์เร็วขึ้น ทีมการเงินสรุปตัวเลขไว แต่พอถึงงานที่ต้องส่งต่อข้ามแผนก เช่น การตลาดต้องรอข้อมูลจากการเงิน ทุกอย่างกลับติดเหมือนเดิม เพราะไม่มีใครออกแบบว่าข้อมูลจาก AI ของแผนกหนึ่งจะส่งต่อให้อีกแผนกใช้ยังไง สุดท้าย AI ทำให้แต่ละไซโลเร็วขึ้น แต่ภาพรวมขององค์กรไม่ได้เปลี่ยน

องค์กรที่ทำได้ดีมักเริ่มจากการเลือกหนึ่งกระบวนการข้ามแผนก แล้วออกแบบใหม่ทั้งเส้นค่ะ กำหนดชัดว่า AI ช่วยตรงไหน คนตรวจตรงไหน และงานส่งต่อกันยังไงจนจบ พอเห็นผลในกระบวนการเดียวแล้วค่อยขยาย บทเรียนคือ คุณค่าของ AI ไม่ได้เกิดตอนที่ทุกคนใช้เป็น แต่เกิดตอนที่เราออกแบบให้คนและ AI ส่งงานต่อกันได้ลื่นทั้งองค์กรค่ะ

Reflection Questions: คำถามชวนคิด

ลองสำรวจการทำงานร่วมกับ AI ขององค์กรคุณดูนะคะ

  • ในทีมคุณ ได้ออกแบบไว้ไหมว่างานไหน AI ทำ งานไหนคนทำ หรือปล่อยให้แต่ละคนใช้กันเอง
  • เวลา AI ช่วยงานเสร็จ มีจุดส่งต่อที่ชัดเจนไหม ว่าใครรับงานต่อและตรวจตรงไหน
  • งานข้ามแผนกขององค์กรคุณ ดีขึ้นจริงหลังมี AI หรือแค่แต่ละแผนกเร็วขึ้นในไซโลตัวเอง
  • เวลาที่ AI ช่วยประหยัด ถูกนำไปทำงานที่สร้างคุณค่าสูงขึ้น หรือแค่งานธุรการเพิ่ม
  • ผู้นำในองค์กรสนับสนุนให้ทีมทดลองใช้ AI กับงานจริงแค่ไหน

Next Action: เริ่มต้นวันนี้

ถ้าอยากให้การทำงานร่วมกับ AI เห็นผลทั้งองค์กร ลินน์แนะนำให้เริ่มจากสิ่งเล็ก ๆ ที่ทำได้เลยค่ะ

  • 👉 เลือกงาน 1 กระบวนการที่วิ่งข้ามแผนกและทำซ้ำบ่อย แล้ววาดเส้นทางของมันออกมา ระบุให้ชัดว่าช่วงไหน AI ช่วยได้ ช่วงไหนคนต้องตัดสินใจ และงานส่งต่อกันตรงไหน แค่ทำกระบวนการเดียวให้ลื่นก่อน ก็จะเห็นภาพว่าการออกแบบ workflow คนบวก AI ต่างจากการแค่เปิดให้ใช้ AI อย่างไร

ลินน์เชื่อว่าองค์กรที่ได้ประโยชน์จาก AI จริง ไม่ใช่องค์กรที่พนักงานใช้ AI เก่งที่สุด แต่คือองค์กรที่ออกแบบให้คนและ AI ทำงานส่งต่อกันได้ทั้งระบบค่ะ 💛

ลองประเมินความพร้อมขององค์กรก่อนออกแบบ

ก่อนลงมือออกแบบ workflow ลินน์อยากชวนสำรวจสักนิดค่ะ ว่าระบบพัฒนาคนและผู้นำขององค์กรคุณตอนนี้เป็นอย่างไรบ้าง เพราะอย่างที่เห็นว่าตัวแปรสำคัญคือคนและการออกแบบงาน ไม่ใช่ตัวเทคโนโลยี

Learning Hub Thailand มีแบบประเมิน Thailand LDM Assessment ที่ช่วยให้เห็นว่าระบบพัฒนาผู้นำและคนขององค์กรอยู่ในระดับใด ใช้เวลาราว 5 นาที ลองทำดูได้ที่ แบบประเมิน Thailand LDM Assessment เพื่อเห็นจุดที่ควรเสริมก่อนค่ะ

ออกแบบการทำงานร่วมกับ AI ให้ทั้งองค์กร

การทำงานร่วมกับ AI ที่ได้ผลเริ่มที่การออกแบบงานและทีม ไม่ใช่ที่ตัวเครื่องมือ Learning Hub Thailand มีหลักสูตรที่ช่วยองค์กรวางระบบนี้

Frequently Asked Questions

การทำงานร่วมกับ AI คืออะไร?

การทำงานร่วมกับ AI คือการออกแบบให้คนและ AI แบ่งงานกันทำในกระบวนการเดียว โดย AI รับงานที่ทำซ้ำและมีข้อมูลชัด ส่วนคนทำงานที่ต้องใช้วิจารณญาณและการตัดสินใจ ไม่ใช่แค่การที่พนักงานเปิดเครื่องมือ AI ขึ้นมาใช้เอง หัวใจอยู่ที่การกำหนดว่างานไหนใครทำ และส่งต่อกันตรงไหน

ทำไมองค์กรใช้ AI แล้วผลงานไม่เปลี่ยน?

เพราะส่วนใหญ่เปิดให้พนักงานใช้ AI โดยไม่ได้ออกแบบกระบวนการใหม่ ผลคือแต่ละคนใช้ AI ช่วยงานย่อยในไซโลตัวเอง แต่งานข้ามแผนกยังติดเหมือนเดิม งานวิจัยของ Atlassian พบว่าคนที่ใช้ AI แบบมีกลยุทธ์ได้ผลตอบแทนมากกว่าคนที่ใช้แบบผิวเผินถึง 2 เท่า ความต่างอยู่ที่การออกแบบ ไม่ใช่ตัวเครื่องมือ

ออกแบบ workflow คนทำงานร่วมกับ AI เริ่มอย่างไร?

เริ่มจากเลือกหนึ่งกระบวนการที่วิ่งข้ามแผนกและทำซ้ำบ่อย แล้วแยกให้ชัดว่าช่วงไหน AI ทำ ช่วงไหนคนทำ ออกแบบจุดส่งต่อและจุดที่คนต้องตรวจก่อนงานออกไป จากนั้นวัดผลที่ผลลัพธ์ทางธุรกิจ เช่น เวลาที่ลดลงหรือคุณภาพที่ดีขึ้น ไม่ใช่นับจำนวนครั้งที่ใช้ AI

ทำไมการทำงานข้ามแผนกถึงสำคัญกับ AI?

เพราะงานที่สร้างคุณค่าจริงมักวิ่งข้ามแผนก และ AI ได้ผลสูงสุดเมื่อเชื่อมทีมเข้าด้วยกัน งานวิจัยที่อ้างอิง Deloitte พบว่าทีมข้ามสายงานได้ประโยชน์จาก AI มากกว่าทีมที่อยู่ในไซโลถึง 30% หากเอา AI ไปวางบนกระบวนการข้ามแผนกที่ยังพัง มันจะช่วยแค่ให้แต่ละแผนกเร็วขึ้นแต่ภาพรวมไม่ดีขึ้น

คนจะถูก AI แทนที่ในการทำงานร่วมกันไหม?

ไม่ บทบาทของคนไม่ได้หดลง แต่ขยับขึ้นไปทำงานที่ต้องใช้วิจารณญาณมากขึ้น เมื่อ AI รับงานที่ทำซ้ำไป คนจะไปโฟกัสที่การตัดสินใจ การจัดการข้อยกเว้น และงานที่ต้องเข้าใจคน ซึ่งเป็นงานที่ AI ทำแทนไม่ได้ การออกแบบ workflow ที่ดีคือการวางให้คนอยู่ในจุดที่ใช้จุดแข็งของตัวเองเต็มที่

References: อ้างอิง