ChatGPT, AI เชิงสร้างสรรค์, RPA, Codex
ไม่กี่ปีที่ผ่านมา เครื่องมือสำหรับทำงานให้อัตโนมัติเพิ่มขึ้นอย่างก้าวกระโดด
ข้อความร่างแรก AI ช่วยเขียนให้ได้ สรุปยอดใน Excel ก็ถาม AI ได้ ถ้าใช้ RPA (หุ่นยนต์ซอฟต์แวร์ที่ทำซ้ำการคลิกและการพิมพ์แบบที่คนทำบนคอมพิวเตอร์) ก็ทำงานบนหน้าจอและการคัดลอกข้อมูลข้ามที่ให้อัตโนมัติได้ ถ้าใช้ AI ที่ลงมือทำงานจริงอย่าง Codex ก็ผลักงานจำนวนมากไปพร้อมกันได้ ทั้งบทความ landing page โค้ด เอกสาร การประมวลผลข้อมูล ไปจนถึงข้อเสนอแนะการปรับปรุง
แต่พอมองไปที่หน้างานจริง ก็ยังมีงานแบบนี้เหลืออยู่
- เปิด Excel
- คัดลอก
- วาง
- ตรวจด้วยตา
- พิมพ์ซ้ำลงอีกระบบหนึ่ง
- ตรวจอีกรอบว่าไม่มีข้อผิดพลาด
- ประชุมยืนยันอีกครั้ง
- ได้รับคำขอให้แก้ แล้วก็แก้ด้วยมืออีก
นี่แหละคือแรงงานหอกไม้ไผ่แห่งยุค AI (ในญี่ปุ่น "หอกไม้ไผ่" มาจากช่วงท้ายสงคราม ที่ประชาชนถูกฝึกให้เอาไม้ไผ่เหลาปลายแหลมไปสู้กับอาวุธสมัยใหม่ หมายถึงเหนื่อยมากแต่เครื่องมือผิดชนิด)
แน่นอนว่าตัว Excel ไม่ได้เป็นปัญหา ตรงกันข้าม Excel เก่งมาก ทั้งตารางคำนวณ สรุปยอด ฐานข้อมูลง่ายๆ แบบฟอร์ม กราฟ ตารางตรวจสอบ ตารางจัดการ และเป็นที่หลบภัยชั่วคราวของหน้างาน ทุกวันนี้ก็ยังยอดเยี่ยมอยู่
ปัญหาไม่ใช่การใช้ Excel
ปัญหาคือ งานที่ Excel ทำได้ กลับยังถูกขับเคลื่อนด้วยมือคน สายตา ความอึด และการประชุมยืนยัน ไปเรื่อยๆ ไม่รู้จบ
ดูตัวเลขการใช้งานแล้ว ยังอยู่ในช่วงเริ่มต้นมาก
คุณอาจคิดว่า "ตอนนี้ทุกคนใช้ AI กับ RPA กันแล้วไม่ใช่เหรอ"
จริงอยู่ที่คนรู้จัก ChatGPT มากขึ้นเยอะ ตาม Reuters ประมาณการจาก Sensor Tower ระบุว่าแอป ChatGPT มีผู้ใช้งานรายเดือนทั่วโลกถึง 1 พันล้านคนในเดือนพฤษภาคม 2026
แต่คนที่ส่งส่วนการลงมือทำงานให้ AI และระบบอัตโนมัติได้ ยังมีน้อยมาก
ตาม Axios Codex ของ OpenAI มีผู้ใช้งานรายสัปดาห์เกิน 5 ล้านคน ณ มิถุนายน 2026 และราว 1 ใน 5 ของผู้ใช้เหล่านั้นเป็นพนักงานสายความรู้
เป็นเครื่องมือ AI ลงมือทำงานของ OpenAI ที่ใช้ได้ทั่วโลก แต่ผู้ใช้ต่อสัปดาห์เกิน 5 ล้านคนนิดเดียว น้อยกว่าประชากรของจังหวัดไอจิ (ถิ่นของโตโยต้า ในภาคกลางของญี่ปุ่น) เสียอีก
เทียบกับแอป ChatGPT ที่ 1 พันล้านคนต่อเดือน Codex ที่เกิน 5 ล้านคนต่อสัปดาห์ถือว่าเล็กมาก
หมายความว่ามีช่องว่างแบบนี้
- คนที่ถาม AI เพิ่มขึ้น
- คนที่ให้ AI ช่วยปรับข้อความก็เพิ่มขึ้น
- แต่คนที่ส่งงานให้ AI ยังน้อย
- และคนที่ส่งงานให้ AI ในขนาดที่ลงมือทำได้จริง ยิ่งน้อยกว่านั้น
ตรงนี้มีโอกาสทางธุรกิจขนาดใหญ่
อัตราการนำ RPA มาใช้ก็ยังไม่สูงเลย
RPA ก็เหมือนกัน
RPA คือวิธีให้หุ่นยนต์ซอฟต์แวร์ทำงานประจำที่คนทำบนคอมพิวเตอร์แทน การกรอกข้อมูล การคัดลอกข้ามที่ การสรุปยอด การตรวจสอบ การทำเอกสาร และงานที่ข้ามหลายระบบ เข้ากันดีกับงาน Excel ที่ทำด้วยมือ
แต่ในผลสำรวจประจำปี 2024 ของ Startear Raise อัตราการนำ RPA มาใช้ของบริษัทญี่ปุ่นโดยรวมอยู่ที่ 13.04% บริษัทขนาดกลางและเล็กอยู่ที่ 8.51% และแม้แต่บริษัทใหญ่ก็อยู่แค่ 27.69%
พูดง่ายๆ คือบริษัทญี่ปุ่นส่วนใหญ่ยังไม่ได้นำ RPA มาใช้
ผลสำรวจเดียวกันยังถามถึงปัญหาก่อนนำ RPA มาใช้ อันดับ 1 คือ "งานทำมือเยอะ (กรอกข้อมูล คัดลอกข้ามที่ ลงทะเบียน ฯลฯ)" อันดับ 2 คือ "ทำมือแล้วผิดพลาดบ่อย"
นี่สะท้อนภาพได้ชัดมาก
หน้างานมีงานทำมือเยอะ ผิดพลาดก็เยอะ คนก็ไม่พอ แต่อัตราการนำ RPA มาใช้ยังอยู่แค่ราว 13%
ความต้องการมีอยู่ ("งานทำมือเยอะ อยากทำให้อัตโนมัติ") แต่ในความเป็นจริง บริษัทจำนวนมากยังติดอยู่กับงานทำมือ
ความผิดพลาดของพนักงานใหม่ แก้ด้วยการออกแบบระบบ ไม่ใช่โทษนิสัย
เรื่องนี้เชื่อมกับการสอนงานพนักงานใหม่ด้วย
ที่ทำงานมักเกิดเรื่องแบบนี้
- พนักงานใหม่กรอกข้อมูลผิด
- พนักงานใหม่ตั้งชื่อไฟล์ผิด
- พนักงานใหม่เซฟไฟล์ผิดที่
- พนักงานใหม่ข้ามรายการตรวจสอบ
- พนักงานใหม่ใช้ฟอร์แมตเก่า
- พนักงานใหม่เข้าใจผิดเรื่องกำหนดส่งหรือคนที่ต้องขอ
แล้วคนรอบตัวก็พูดว่า
"พนักงานใหม่ผิดพลาดบ่อยจัง" "ตรวจให้ดีหน่อย" "เคยบอกไปแล้วนะ" "ทำไมผิดเรื่องเดิมอีก"
แต่สิ่งที่ควรคิดตรงนี้ไม่ใช่แค่นิสัยหรือความรอบคอบของพนักงานใหม่
สิ่งที่ควรดูมากกว่าคือ โครงสร้างงานนี้ทำให้พนักงานใหม่ผิดพลาดได้ง่ายเกินไปหรือเปล่า
พนักงานใหม่ยังไม่รู้ที่มาที่ไปของงาน ไม่รู้กฎที่ไม่ได้เขียนไว้ ไม่รู้นิสัยการทำงานของคนก่อนหน้า ไม่รู้ว่าทำไมต้องดูคอลัมน์นั้น ทำไมชื่อไฟล์ต้องเป็นแบบนั้น ทำไมต้องตรวจจุดนั้น
ถ้าโยนเข้าไปในสภาพที่ต้องกรอกอิสระ ตรวจด้วยตา ฟังคำอธิบายปากเปล่า คัดลอกด้วยมือ และการตรวจที่ผูกกับคนใดคนหนึ่ง ก็ย่อมผิดพลาดเป็นธรรมดา
แทนที่จะดุทุกครั้ง ทำระบบให้ผิดพลาดยากตั้งแต่แรกดีกว่า
ตัวอย่างเช่น การปรับปรุงแบบนี้ช่วยได้มาก
- ใช้ดรอปดาวน์แทนการพิมพ์เอง
- ใช้ตัวเลือกแทนการเขียนอิสระ
- ใส่กฎการกรอกข้อมูลให้กับวันที่และจำนวนเงิน
- ถ้าช่องที่ต้องกรอกว่างอยู่ให้เตือน
- สร้างชื่อไฟล์อัตโนมัติ
- กำหนดที่เก็บไฟล์ให้ตายตัว
- ทำให้ใช้ฟอร์แมตเก่าไม่ได้
- ตรวจความขัดแย้งของข้อมูลที่กรอกอัตโนมัติ
- แสดงเฉพาะรายการที่น่าจะผิดพลาด
- แสดงหน้าจอยืนยันก่อนส่ง
- เก็บบันทึกเมื่องานเสร็จ
- ทำข้อผิดพลาดที่เจอบ่อยให้เป็นเช็กลิสต์
นี่ไม่ใช่การตามใจพนักงานใหม่
แต่คือการฝังสิ่งที่ต้องสอนไว้ในระบบ
แทนที่จะบอกคนว่า "ระวังนะ" การสร้างเส้นทางที่ผิดพลาดยากด้วยกฎการกรอกข้อมูลของ Excel, VBA (ภาษามาโครที่มาพร้อม Excel), RPA, แบบฟอร์ม, เช็กลิสต์ และการให้ AI ตรวจทาน จะเร็วกว่า
และพนักงานใหม่ก็สบายขึ้นด้วย
ไม่ต้องโดนดุทุกครั้ง คนสอนก็ไม่ต้องเตือนเรื่องเดิมซ้ำๆ หัวหน้าก็ไม่ต้องวิ่งตามเก็บกวาดหลังเกิดความผิดพลาดมากนัก
ดังนั้นการทำระบบป้องกันความผิดพลาดไม่ใช่แค่เรื่องเพิ่มประสิทธิภาพ
แต่เป็นการออกแบบเพื่อความปลอดภัย ลดภาระทางใจของทั้งพนักงานใหม่และคนสอน
ถ้าคุณจะบอกว่า "พนักงานใหม่ผิดพลาดบ่อย" สิ่งที่ต้องเช็กก่อนไม่ใช่นิสัยของเขา
แต่คือ งานนั้นถูกออกแบบแบบหอกไม้ไผ่ที่ชวนให้ผิดพลาดหรือเปล่า
AI เชิงสร้างสรรค์ก็ยังติดอยู่ในระดับบริษัทเช่นกัน
AI เชิงสร้างสรรค์ก็มีช่องว่างระหว่างความรู้สึกของคนใช้เป็นรายบุคคลกับสภาพการนำไปใช้จริงของบริษัท
จากผลสำรวจของ Nikkei Research ที่ Reuters รายงานเมื่อกรกฎาคม 2024 บริษัทญี่ปุ่นราว 24% นำ AI มาใช้แล้ว 35% มีแผนจะใช้ และ 41% ไม่มีแผน
กล่าวคือ ต่อให้ AI เป็นข่าวครึกโครมแค่ไหน ถ้าดูเป็นรายบริษัท ที่นำมาใช้แล้วมีราว 1 ใน 4 ประมาณ 40% ตอบว่า "ไม่มีแผนจะใช้"
ตรงนี้ก็เห็นภาพเดียวกัน
เป็นที่พูดถึง แต่ยังไม่เข้าไปอยู่ในงานจริง
คิดว่าสะดวก แต่ยังไม่ได้ใส่เข้าไปในขั้นตอนงาน
คนที่เคยลองใช้ ChatGPT เพิ่มขึ้นก็จริง แต่คนที่แยกงานออกเป็นส่วนๆ แล้วส่งต่อให้ AI, RPA, VBA หรือ Codex ได้จริงยังมีน้อย
แล้วทำไมทุกคนถึงยังทำ Excel ด้วยมืออยู่
เหตุผลไม่ใช่แค่ "ขี้เกียจ"
เหตุผลหลักมี 5 ข้อ
1. แยกย่อยงานไม่เป็น
การทำให้อัตโนมัติต้องเริ่มจากการแยกย่อยงานก่อน
ตัวอย่างเช่น ถ้าจะทำการคัดลอกข้อมูลใน Excel ให้อัตโนมัติ ก็ต้องกำหนดเรื่องแบบนี้
- ข้อมูลตั้งต้นอยู่ที่ไหน
- ผลลัพธ์ไปที่ไหน
- คอลัมน์ไหนย้ายไปคอลัมน์ไหน
- มีกรณียกเว้นอะไรบ้าง
- เมื่อเกิดข้อผิดพลาด จะหยุดหรือแค่บันทึกลงล็อก
- ส่วนที่คนต้องตรวจตอนท้ายคือส่วนไหน
ถ้าจัดระเบียบตรงนี้ไม่ได้ ก็ขยับ VBA, RPA หรือ AI ไม่ได้
หลายคนทำงานนั้นได้เอง แต่ไม่ถนัดที่จะจัดโครงสร้างงานให้อยู่ในรูปที่ส่งให้เครื่องได้
เลยหยุดอยู่ตรงนี้
2. งานหน้างานผูกกับตัวบุคคล
งาน Excel ที่ทำด้วยมือ มักจะผูกกับคนใดคนหนึ่ง
"คนนั้นเป็นคนทำ" "รับช่วงมาจากคนก่อน" "เซลล์นี้อย่าไปแตะจะดีกว่า" "ไม่รู้ว่าทำไมสูตรเป็นแบบนี้" "ทุกเดือนก็ทำตามขั้นตอนนี้แบบงงๆ"
พอเป็นแบบนี้ ก่อนจะพูดถึงการทำให้อัตโนมัติ ก็ไม่รู้แล้วว่างานนี้มีความหมายอะไร
ถ้านำ RPA เข้ามาทั้งที่ไม่เข้าใจความหมายของงาน ก็จะได้แค่ "งานปริศนาที่เร็วขึ้น"
การทำให้อัตโนมัติไม่ใช่การเอาเครื่องมาแทนงาน อย่างแรกคือทำให้ความหมายของงานมองเห็นได้
3. คนที่ใช้ VBA หรือ RPA เป็นมีน้อย
ใช้ฟังก์ชัน Excel ได้ก็มีไม่น้อย แต่พอถึง VBA หรือมาโคร จำนวนคนก็ลดฮวบ
ข้อมูลสาธารณะที่น่าเชื่อถือเรื่องอัตราการใช้ VBA หาได้ยาก แต่จากความรู้สึกหน้างาน คนใช้ Excel เป็นมีมาก แต่คนที่สร้างงานด้วย VBA ได้มีน้อยมาก
ต่อให้มีคนใช้ VBA เป็น งานก็มักไปกองที่คนนั้น
ผลที่ตามมาคือ
- งานทำมือเยอะ
- คนที่ทำให้อัตโนมัติได้มีน้อย
- คำขอไปรวมอยู่ที่คนที่ทำได้
- คนนั้นกลายเป็นเด็กวิ่งงานของออฟฟิศ
- ไม่มีใครดูแลต่อได้
- สุดท้ายก็กลับไปทำมือ
เป็นสวนสัตว์ที่เต็มไปด้วยรู (เป็นชื่อเรียกที่ผู้เขียนตั้งให้ที่ทำงานซึ่งคนไม่พอและปะผุไปทั่ว)
4. ใช้ AI เป็นแค่ "คนให้ปรึกษา"
แม้แต่คนที่ใช้ ChatGPT ส่วนใหญ่ก็ยังใช้เป็นที่ปรึกษาอยู่
- ช่วยแก้ข้อความหน่อย
- ช่วยสรุปให้หน่อย
- ช่วยคิดไอเดียหน่อย
- ช่วยเขียนอีเมลหน่อย
ก็สะดวกดีในแบบหนึ่ง
แต่ถ้าหยุดแค่นี้ AI ก็เป็นแค่สมุดโน้ตที่สะดวก
พลังที่แท้จริงอยู่ถัดจากนั้น
- แยกย่อยงาน
- ทำเป็นข้อกำหนดความต้องการ
- เขียนเป็น Markdown (รูปแบบข้อความธรรมดาแบบง่ายๆ)
- ส่งให้ Codex
- นำขึ้น GitHub (เว็บไซต์สำหรับเก็บและแบ่งปันโค้ด)
- ปรับลง landing page บทความ และแอป
- ทำเป็นสคริปต์อัตโนมัติ
- ไปจนถึงทำรายการทดสอบ
ไม่ใช่ถาม AI แต่ส่งงานให้ AI
คนที่ไปถึงขั้นนี้ยังมีน้อย
5. บริษัทกลัวความเสี่ยง
เมื่อบริษัทใช้ AI หรือ RPA ก็มีความเสี่ยงจริงๆ
- ข้อมูลส่วนบุคคล
- ข้อมูลลับ
- การจัดการสิทธิ์
- ผลลัพธ์ที่ผิด
- ใครรับผิดชอบ
- ความปลอดภัย
- การต่อต้านจากหน้างาน
- ความเข้ากันกับงานเดิม
เมื่อคิดถึงทั้งหมดนี้ การที่บริษัทระมัดระวังก็เป็นเรื่องธรรมดา
แต่ระมัดระวังไม่เท่ากับไม่ทำอะไรเลย
ไม่ใส่ข้อมูลส่วนบุคคล ประมวลผลในเครื่อง ลองด้วยข้อมูลสมมติ เก็บขั้นตอนให้คนตรวจทาน ไม่ใช้ผลลัพธ์ตรงๆ เก็บบันทึกไว้
ถ้าออกแบบการทำงานแบบนี้ ก็เริ่มจากเล็กๆ ได้ โดยไม่ต้องนำไปใช้ทั้งบริษัททันที
ปัญหาคือการที่ความกลัวกลายเป็น "ห้ามทั้งหมด" ถ้าทำแบบนั้น หน้างานก็จะติดอยู่กับ Excel ทำมือไปตลอด
เศรษฐกิจ Excel ทำมือจะยังอยู่ไปอีกพักใหญ่
เมื่อดูมาถึงตรงนี้ งาน Excel ทำมือหน้างานน่าจะยังคงอยู่ไปอีกนาน
เหตุผลง่ายๆ
- อัตราการนำ RPA มาใช้ของบริษัทญี่ปุ่นโดยรวมราว 13%
- ในบริษัทขนาดกลางและเล็กไม่ถึง 1 ใน 10
- AI เชิงสร้างสรรค์ก็มีบริษัทนำมาใช้ราว 1 ใน 4
- ผู้ใช้ Codex รายสัปดาห์ทั่วโลกเกิน 5 ล้านคนนิดเดียว
- คนที่ใช้ VBA หรือ RPA เป็นมีจำกัด
- คนที่แยกย่อยงานแล้วส่งให้ AI ได้ยิ่งน้อยกว่า
กล่าวอีกอย่างคือ โลกยังไม่ได้เข้าสู่ "ยุคที่ AI ลงมือทำงาน" อย่างเต็มตัว
ในข่าว AI เจ๋งมาก ในโซเชียลก็มีเรื่องการใช้ AI ไหลผ่านตลอด แต่ที่หน้างานยังมี คัดลอกวาง พิมพ์ซ้ำ ตรวจด้วยตา และประชุมยืนยัน
นี่ไม่ใช่มุมมองแง่ร้าย แต่เป็นโอกาส
คนที่จะมีค่าต่อจากนี้คือ "ช่างประปาของงาน"
สิ่งที่มีค่าในยุค AI ไม่ใช่แค่คนที่รู้จัก AI
คนที่มีค่าคือคนที่แปลงงานให้อยู่ในรูปที่ส่งให้ AI, RPA, VBA และ Codex ได้
พูดง่ายๆ คือช่างประปาของงาน
หน้างานมีงานกระจัดกระจาย มี Excel มีอีเมล มี PDF มีบันทึกที่เขียนด้วยมือ มีการประชุม มีความรู้ในตัวคนที่ไม่ได้เขียนไว้
แปลงทั้งหมดนั้นเป็นสิ่งต่อไปนี้
- จุดประสงค์ของงาน
- ข้อมูลนำเข้า
- รูปแบบผลลัพธ์
- เกณฑ์การตัดสินใจ
- การจัดการกรณียกเว้น
- วิธีตรวจทาน
- ส่วนที่ทำให้อัตโนมัติได้
- ส่วนที่คนเป็นผู้ดู
- คำสั่งที่จะส่งให้ Codex หรือ RPA
คนที่ลงรายละเอียดได้ถึงระดับนี้ แข็งแกร่ง
งานในยุค AI กำลังเปลี่ยนจาก "คนที่ลงมือทำทุกอย่างเอง" ไปเป็น "คนที่ออกแบบงานให้ส่งต่อให้ AI ได้"
"ส่งงานให้ AI ได้" แข็งแกร่งกว่า "ใช้ AI เป็น"
สิ่งที่จะสร้างความต่างต่อจากนี้ ไม่ใช่ว่าเคยใช้ AI หรือไม่
คนที่เคยใช้ AI จะเพิ่มขึ้น คนที่เคยลองใช้ ChatGPT ก็จะเพิ่มขึ้น แค่สร้างข้อความหรือสรุปความ หลายคนจะทำได้
แต่คนที่ทำสิ่งต่อไปนี้ได้ยังมีน้อย
- แยกย่อยงานของตัวเอง
- เลือกงานทำมือมาเป็นตัวเลือกที่จะทำให้อัตโนมัติ
- ตัดสินใจว่าจะใช้คอลัมน์ไหนของ Excel
- กำหนดการจัดการกรณียกเว้น
- เขียน Markdown ที่จะส่งให้ AI
- ส่งเงื่อนไขว่างานเสร็จเมื่อไรให้ Codex
- ปรับลง landing page บทความ และแอป
- ดูผลลัพธ์แล้วปรับปรุง
ตรงนี้คือจุดที่ความต่างเกิดขึ้น
ดังนั้นความได้เปรียบต่อจากนี้ไม่ได้อยู่ที่ "ผู้ใช้ AI" แต่อยู่ที่ "ผู้ออกแบบการให้ AI ลงมือทำงาน"
งานทำมือที่ควรดูก่อนเป็นอันดับแรกที่หน้างาน
แล้วควรเริ่มทำให้อัตโนมัติจากตรงไหน
สิ่งแรกที่ควรดูคืองานแบบนี้
1. งานที่ทำซ้ำทุกเดือน ทุกสัปดาห์ หรือทุกวัน
งานที่ทำซ้ำบ่อย เห็นผลจากการทำให้อัตโนมัติง่าย
ต่อให้เดือนละ 1 ชั่วโมง ปีหนึ่งก็ 12 ชั่วโมง ถ้าทำกันหลายคน ยิ่งรวมแล้วมาก
2. งานที่คัดลอกและวางเยอะ
คัดลอกวางเป็นตัวเลือกที่เหมาะจะทำให้อัตโนมัติ ให้คนทำก็แทบไม่มีความหมาย
แต่ถ้ามีกรณีที่ต้องตัดสินใจเยอะ ให้เริ่มจากกึ่งอัตโนมัติ ไม่ใช่อัตโนมัติเต็มรูปแบบ
3. งานที่ตรวจด้วยตาเยอะ
การตรวจด้วยตาเหนื่อย และพลาดได้
ถ้าเงื่อนไขการตรวจชัดเจน ก็ลดได้มากด้วยฟังก์ชัน Excel, VBA, Python, AI หรือ RPA
4. งานที่ต้องยืนยันในที่ประชุมทุกครั้ง
สิ่งที่ยืนยันในที่ประชุมทุกครั้ง มีโอกาสสูงที่จะทำเป็นตารางหรือเช็กลิสต์ไว้ล่วงหน้าได้
แค่เปลี่ยนจาก "ถามในที่ประชุม" เป็น "ให้กรอกมาก่อน" ก็เพิ่มประสิทธิภาพได้มาก
5. งานที่มีแต่คนก่อนหน้าที่รู้
งานที่มีแต่คนก่อนหน้าที่รู้นั้นอันตราย
ก่อนอื่นให้ทำเป็นเอกสารมาตรฐาน แล้วค่อยหาส่วนที่ทำให้อัตโนมัติได้
การทำให้อัตโนมัติโดยไม่ทำมาตรฐานก่อนนั้นอันตราย จะกลายเป็นแค่การเร่งงานที่ไม่รู้ว่าทำไปทำไม
6. งานที่พนักงานใหม่มักพลาด
งานที่พนักงานใหม่มักพลาด ควรได้ลำดับความสำคัญสูงในการทำให้อัตโนมัติและทำมาตรฐาน
เพราะตรงนั้นมักมีข้อใดข้อหนึ่งต่อไปนี้
- กฎเป็นความรู้ที่ไม่ได้เขียนไว้
- ช่องกรอกอิสระเกินไป
- เกณฑ์การตัดสินใจไม่ได้เขียนเป็นตัวอักษร
- การจัดการกรณียกเว้นขึ้นอยู่กับความจำของคน
- รายการที่ต้องตรวจมากเกินไป
- โครงสร้างที่ต้องผิดพลาดแล้วถึงจะรู้
นี่ไม่ใช่ปัญหาของพนักงานใหม่ แต่เป็นปัญหาของการออกแบบงาน
จุดที่พนักงานใหม่พลาด คนเก๋าก็พลาดได้เวลาเหนื่อย จุดที่พนักงานใหม่ติด การส่งมอบงานก็จะติดเหมือนกัน จุดที่พนักงานใหม่ไม่เข้าใจ ก็ยังไม่ได้ถูกเขียนลงเอกสารมาตรฐาน
ดังนั้น ความผิดพลาดของพนักงานใหม่คือดีบักล็อกอันมีค่า (ดีบักล็อกคือบันทึกที่โปรแกรมเมอร์ใช้อ่านเพื่อหาว่าโปรแกรมผิดตรงไหน)
อย่ามองว่า "พลาดอีกแล้ว" แต่ให้มองว่า "ตรงนี้เรียกร้องความระมัดระวังจากคนมากเกินไป"
แค่มีมุมมองนี้ การสอนงานก็ง่ายขึ้นมาก
ขั้นตอนเล็กๆ เพื่อออกจากแรงงานหอกไม้ไผ่
ไม่จำเป็นต้องทำดิจิทัลทรานส์ฟอร์เมชันทั้งบริษัทในทีเดียว
เริ่มจากเล็กๆ ก่อนก็พอ
Step 1: เลือกงานทำมือหนึ่งอย่าง
เลือกงาน Excel ที่ทำทุกเดือนมาหนึ่งอย่าง การคัดลอกข้อมูล สรุปยอด ตรวจสอบ เช็กชื่อไฟล์ หรือทำรายการ PDF ก็ได้
Step 2: เขียนขั้นตอนงานเป็นข้อความ
เขียนขั้นตอนเหมือนอธิบายให้คนอื่นฟัง
- เปิดไฟล์ไหน
- ดูคอลัมน์ไหน
- ตัดสินด้วยเงื่อนไขอะไร
- ส่งผลลัพธ์ไปที่ไหน
- กรณียกเว้นทำอย่างไร
Step 3: ถาม AI ว่า "ส่วนไหนทำให้อัตโนมัติได้"
ถาม ChatGPT หรือ AI อื่นๆ แบบนี้
ช่วยแยกส่วนของขั้นตอนงานนี้ที่ทำให้อัตโนมัติได้ด้วยฟังก์ชัน Excel, VBA, RPA, Python หรือ AI เชิงสร้างสรรค์ ไม่ต้องอัตโนมัติเต็มรูปแบบ กึ่งอัตโนมัติก็ได้ ช่วยเสนอเรียงตามความเสี่ยงต่ำไปสูง
Step 4: เริ่มจากกึ่งอัตโนมัติก่อน
อย่าทำอัตโนมัติเต็มรูปแบบตั้งแต่แรก
เริ่มจากทำตารางตรวจสอบ แสดงเฉพาะรายการที่น่าจะผิดพลาด สรุปยอดด้วยปุ่มเดียว ทำให้อัตโนมัติเฉพาะการตรวจก่อนคัดลอกข้อมูล
แค่นี้ก็พอ
Step 5: ถ้าไปได้ดี ให้ทำเป็นเทมเพลต
เมื่อทำสำเร็จหนึ่งอย่างแล้ว ให้ทำเป็นเทมเพลต
- คู่มือขั้นตอน
- เช็กลิสต์
- โค้ด VBA
- สถานการณ์ RPA
- พรอมต์ AI
- Markdown สำหรับป้อนให้ Codex
ถ้าเก็บไว้ถึงขนาดนี้ งานส่วนตัวของคุณก็กลายเป็นสินทรัพย์
ระวังจะกลายเป็นเด็กวิ่งงานในบริษัท
อย่างไรก็ตาม คนที่ทำให้อัตโนมัติได้ในบริษัทต้องระวัง
ยิ่งมองเห็นปัญหา ก็ยิ่งถูกให้รับ ยิ่งสร้างได้ ก็ยิ่งถูกให้แบกรับ ยิ่งปรับปรุงได้ ก็ยิ่งกลายเป็นเด็กวิ่งงาน
เรื่องนี้เกิดบ่อยในสวนสัตว์ที่เต็มไปด้วยรู
บริษัทไม่จัดเวลาสำหรับทำมาตรฐาน ผู้รับผิดชอบ การประเมินผลงาน หรือระบบดูแลรักษา แต่ปล่อยให้เฉพาะคนที่ทำได้เป็นฝ่ายซับการปรับปรุงทั้งหมด
ผลคือคนที่ปรับปรุงได้หมดแรง
ดังนั้นถ้าจะเสนอการปรับปรุงในบริษัท ต้องเสนอ 4 ข้อนี้เป็นชุดเดียวกัน
- ใครเป็นคนตัดสินใจ
- ใครเป็นคนดำเนินการ
- ใครเป็นคนดูแลรักษา
- ตัวเองรับผิดชอบถึงตรงไหน
ถ้าปรับปรุงทั้งที่ปล่อยจุดเหล่านี้คลุมเครือ น้ำใจดีของคุณจะถูกดูดไป
ที่บริษัท ใช้แรงน้อยที่สุด กับสินทรัพย์ของตัวเอง ทุ่มสุดตัว
การแยกแบบนี้สำคัญ
สรุป: ระหว่างที่ทุกคนทำ Excel ด้วยมือ จงสร้างท่อให้เสร็จ
AI เก่งอยู่แล้ว มี RPA มี VBA มี Codex
แต่พอดูตัวเลขการใช้งาน คนที่ส่งส่วนการลงมือทำงานต่อไปได้ยังมีน้อย
แอป ChatGPT ขยายไปถึงระดับ 1 พันล้านคนต่อเดือน ขณะที่ Codex มีเกิน 5 ล้านคนต่อสัปดาห์นิดเดียว อัตราการนำ RPA มาใช้ของบริษัทญี่ปุ่นโดยรวมอยู่ที่ 13.04% บริษัทญี่ปุ่นที่นำ AI มาใช้แล้วมีราว 24%
กล่าวคือ โลกยังไม่ได้เปลี่ยนไปอย่างสมบูรณ์
หน้างานจำนวนมากยังเปิด Excel คัดลอกวาง ตรวจด้วยตา และประชุมยืนยันอยู่
นี่คือความล้าหลัง แต่ก็เป็นโอกาสด้วย
คนที่จะมีค่าต่อจากนี้ ไม่ใช่คนที่แค่เล่น AI แต่คือคนที่แยกย่อยงานและทำให้อยู่ในรูปที่ส่งให้ AI, RPA, VBA และ Codex ได้
ระหว่างที่ทุกคนทำ Excel ด้วยมือ เราสร้างท่อกัน
ระหว่างที่ประชุมลิงกำลังคัดลอกวาง เราปล่อย Markdown วิ่งอยู่เบื้องหลัง ("ประชุมลิง" เป็นมุกของผู้เขียนที่ใช้เรียกการประชุมไร้สาระที่ทุกคนได้แต่คัดลอกวางด้วยมือ) ระหว่างที่เศรษฐกิจ Excel ทำมือยังอยู่ เราสร้างโรงงาน AI ที่ลงมือทำงาน
นั่นคือแนวทางชนะในตอนนี้
