ผลการวิเคราะห์ข้อความ ChatGPT จำนวน 800,000 ข้อความที่ส่งโดยมืออาชีพในสหรัฐฯ โดย OpenAI แสดงให้เห็นว่า เกือบ 1 ใน 6 ของคำสั่ง (prompt) ที่เกี่ยวข้องกับการทำงานในปัจจุบัน เป็นการขอให้โมเดลจัดการกับงานที่ตามปกติแล้วเป็นหน้าที่ของอาชีพอื่น หากตัดงานเขียนและงานสรุปความที่เป็นกิจวัตรออกไป ตัวเลขนี้จะพุ่งสูงถึง 43.5% การเปลี่ยนแปลงนี้กำลังปรับเปลี่ยนรูปแบบการทำงานในแต่ละวันของพนักงาน และส่งผลกระทบมากที่สุดต่อบริษัทขนาดเล็กที่สุด ซึ่งทุกทักษะที่เพิ่มขึ้นมาสามารถช่วยลดระยะเวลาการรอคอยผู้เชี่ยวชาญลงได้เป็นสัปดาห์

ทำไมตัวเลขเหล่านี้จึงสำคัญ

การศึกษาพบว่าคำขอข้ามแผนกมักกระจุกตัวอยู่ในบางสายงาน โดยฝ่ายการตลาดและวิศวกรรมเป็นกลุ่มผู้นำ โดยพบคำถามที่เกี่ยวข้องกับการตลาดปรากฏอยู่ใน 8.9% ของข้อความจากบทบาทอื่น ซึ่งเป็นอัตราที่สูงที่สุดในชุดข้อมูลนี้ พนักงานขายอาจขอให้ ChatGPT คำนวณตัวเลขมูลค่าตลอดช่วงชีวิตของลูกค้า (customer-lifetime-value) ซึ่งปกติจะเป็นหน้าที่ของนักวิเคราะห์ข้อมูล ในขณะที่นักการตลาดสามารถแก้ไขปัญหาลิงก์เสียหรือปรับแต่ง SEO บนหน้าเว็บได้ด้วยตัวเอง ก่อนที่จะต้องไปประสานงานกับวิศวกร

สำหรับเจ้าของธุรกิจขนาดเล็ก ผลกระทบนี้จะชัดเจนยิ่งขึ้น ปัจจุบันเจ้าของธุรกิจสามารถร่างบันทึกการตรวจสอบทางกฎหมาย ทำการพยากรณ์ทางการเงินอย่างรวดเร็ว และทำการวิเคราะห์เฉพาะกิจ (ad-hoc analysis) ซึ่งแต่เดิมต้องใช้ทนายความหรือ CFO ในทีมที่มีสมาชิก 2 ถึง 5 คน พบว่า 18.9% ของงานที่สร้างโดย AI เป็นงานที่อยู่นอกเหนือบทบาทหลักของพนักงาน เมื่อเทียบกับ 16.3% ในองค์กรขนาดใหญ่ที่มีพนักงานมากกว่าหนึ่งร้อยคน คณิตศาสตร์นั้นเรียบง่าย: บริษัทขนาดใหญ่สามารถส่งต่อคำขอไปยังเพื่อนร่วมงานที่มีหน้าที่รับผิดชอบโดยตรงได้ แต่บริษัทขนาดจิ๋วต้องแก้ปัญหาด้วยตัวเอง

ข้อดี: ความเร็วและการส่งต่องานที่มีประสิทธิภาพยิ่งขึ้น

เมื่อพนักงานสร้างการวิเคราะห์ขั้นต้นหรือร่างสรุปทางกฎหมายคร่าวๆ การส่งต่องานให้ผู้เชี่ยวชาญก็จะรวดเร็วและตรงประเด็นมากขึ้น ผู้เชี่ยวชาญจะได้รับคำอธิบายปัญหาที่ชัดเจนขึ้น ข้อมูลที่เตรียมมาดีขึ้น และลดอีเมลประเภท "ช่วยอธิบายหน่อยว่าคุณต้องการอะไร" ลง สิ่งนี้ช่วยลดระยะเวลาการรอคอย ลดความติดขัดภายในองค์กร และยกระดับคุณภาพของคำขอ

สิ่งที่มีความเสี่ยง

การศึกษานี้ไม่ได้อ้างว่า AI จะทำให้ผู้เชี่ยวชาญหมดความสำคัญ แต่เป็นการมองว่าเทคโนโลยีนี้เป็นผู้ตอบสนองด่านหน้า (front-line responder) ที่ช่วยนำปัญหาเข้าใกล้ต้นตอของมันมากขึ้น

วิธีที่บริษัทสามารถปรับตัวได้

  • กำหนดจุดตัดสินใจ – ระบุจุดที่คำขอมักจะหยุดชะงัก และทดสอบว่า AI สามารถสร้างร่างแรกที่นำไปใช้งานได้หรือไม่
  • กำหนดขอบเขตอำนาจหน้าที่ – ระบุว่าผลลัพธ์ใดบ้างที่ต้องได้รับการอนุมัติจากผู้เชี่ยวชาญที่มีคุณสมบัติเหมาะสม
  • ฝึกฝนทักษะชุดใหม่ – จัดการเรียนรู้แบบย่อย (micro-learning) เกี่ยวกับการเขียน prompt การตีความคำแนะนำของ AI และการตรวจจับข้อผิดพลาดที่อาจเกิดขึ้น
  • วัดผลกระทบ – ติดตามเวลาที่ประหยัดได้จากการส่งต่องาน เทียบกับอัตราข้อผิดพลาดหรือการต้องทำงานซ้ำที่อาจเพิ่มขึ้น

องค์กรขนาดเล็ก vs ขนาดใหญ่: เส้นทางที่แตกต่างกัน

พรมแดนถัดไป

ข้อมูลของ OpenAI บ่งชี้ถึงแนวปฏิบัติที่กำลังพัฒนาอย่างรวดเร็ว เมื่อโมเดลมีความน่าเชื่อถือและมีความเฉพาะทางมากขึ้น สัดส่วนของงานข้ามแผนกก็มีแนวโน้มที่จะเพิ่มสูงขึ้น องค์กรที่มองว่า AI เป็นเพียงเครื่องมือเพิ่มประสิทธิภาพ แทนที่จะเป็นตัวเร่งในการออกแบบกระบวนการทำงานใหม่ มีความเสี่ยงที่จะล้าหลัง ส่วนองค์กรที่เริ่มออกแบบกระบวนการใหม่ตั้งแต่ตอนนี้—โดยตัดสินใจว่าการตัดสินใจใดควรเป็นหน้าที่ของมนุษย์ และการตัดสินใจใดสามารถใช้ AI เสริมศักยภาพได้—จะได้รับประโยชน์จากวงจรการทำงานที่เร็วขึ้นและทีมที่มีความคล่องตัวมากขึ้น

บทสรุป: AI กำลังย้ายการตอบสนองขั้นแรกไปยังต้นตอของปัญหา โดยเฉพาะในธุรกิจขนาดเล็กที่ทุกความสามารถที่เพิ่มขึ้นช่วยลดความล่าช้าได้ ข้อได้เปรียบที่แท้จริงไม่ได้มาจากการเปลี่ยนชื่อตำแหน่งงาน แต่มาจากการคิดทบทวนใหม่ว่าใครควรทำอะไร และจุดไหนที่เครื่องจักรสามารถเข้ามาช่วยได้อย่างปลอดภัย