🛑 เมื่อ AI ทำให้พนักงาน “ทำงานของคนอื่นได้”…แล้วตกลงหน้าที่ของใครคืออะไรกันแน่?
(AI กำลังลบเส้นแบ่งของ “ความสามารถ” ระหว่างสายงานอย่างรวดเร็ว แต่ถ้าองค์กรปล่อยให้เส้นแบ่งของ Decision Rights และ Accountability หายตามไปด้วย สิ่งที่ได้อาจไม่ใช่ Empowerment แต่คือความสับสนว่าใครเป็นเจ้าของอะไรจริงๆ?)
“ต่อไปนี้ทุกคนใช้ AI ช่วยทำงานข้ามสายกันได้เลยนะครับ จะได้ไม่ต้องรอแผนกอื่น”
ประโยคทำนองนี้ฟังดูเป็นประโยคที่เข้ากับยุค AI มากใช่ไหมครับ?
เช่น Marketing สามารถใช้ AI เขียน SQL หรือวิเคราะห์ข้อมูลได้, Business User สามารถสร้าง Prototype หรือ Workflow เอง, Engineer สามารถร่าง Copy หรือทำ Mockup ได้, Sales สามารถให้ AI ช่วยอ่าน Contract หรือ Product Manager สามารถสร้าง Application เวอร์ชันแรกขึ้นมาคุยกับลูกค้าได้โดยไม่ต้องรอ Development Queue เหมือนเมื่อก่อน เป็นต้น
ถ้ามองในมุม Productivity นี่เป็นเรื่องดีมาก แต่ในอีกมุมหนึ่ง ผมคิดว่ามีคำถามใหม่กำลังดังขึ้นเรื่อยๆ ในหลายองค์กร
“ถ้าทุกคนทำอะไรได้มากขึ้น…ตกลงอะไรคือสิ่งที่ฉันต้องรับผิดชอบจริงๆ?”
นี่คือ Paradox ที่น่าสนใจของการทำงานยุค AI ครับ
“AI กำลังเพิ่ม Capability ให้คนอย่างรวดเร็ว แต่ Organizational Design ของเรายังนิยามคนจากโลกเดิมอยู่เลย เช่น Marketing ทำ Marketing, Designer ทำ Design, Developer เขียน Code, Data Team จัดการ Data และ Legal จัดการเรื่องกฎหมาย”
เมื่อเทคโนโลยีเริ่มทำให้ทุกคน “ข้ามเส้น” เหล่านี้ได้ สิ่งที่องค์กรต้องทำจึงไม่ใช่รีบลบเส้นทั้งหมดทิ้ง ตรงกันข้ามครับ
“บางเส้นต้องถูกขีดให้ชัดกว่าเดิมเสียด้วยซ้ำ”
⸻
🧠 AI มีพลังสองด้าน คือ ทำให้เรารู้สึกว่า “ทำได้มากขึ้น” และ “ไม่รู้ว่าต้องทำอะไรแน่” พร้อมกัน
งานวิจัยที่เพิ่งตีพิมพ์ใน Frontiers in Psychology เมื่อวันที่ 14 สิงหาคม 2026 ให้ภาพเรื่องนี้ได้น่าสนใจมากครับ
Qiannan Zhang, Jingyi Zhang และ Shan Dong เก็บข้อมูลจากพนักงาน 541 คนในบริษัท High-tech 5 แห่งในเมืองเทียนจิน ประเทศจีน เพื่อศึกษาความสัมพันธ์ระหว่างการใช้ Generative AI กับการรับรู้บทบาทของพนักงานและการทำงานร่วมกับ AI. (Frontiers)
ผลลัพธ์ดูเหมือนขัดกันเองครับ
* ด้านหนึ่ง การใช้ GenAI สัมพันธ์กับ Role Breadth Self-Efficacy ที่สูงขึ้น หรือพูดง่ายๆ คือคนเริ่มมั่นใจว่า “ฉันสามารถรับผิดชอบงานที่กว้างกว่าเดิมได้”
* แต่อีกด้านหนึ่ง การใช้ GenAI ก็สัมพันธ์กับ Role Ambiguity ที่สูงขึ้นด้วย คนเริ่มไม่แน่ใจว่าขอบเขตงาน ความคาดหวัง และความรับผิดชอบของตัวเองอยู่ตรงไหน
และสองเส้นทางนี้ให้ผลต่างกัน Role Breadth Self-Efficacy สัมพันธ์เชิงบวกกับ Employee-AI Collaboration ขณะที่ Role Ambiguity สัมพันธ์เชิงลบ นอกจากนี้ AI Literacy ที่สูงขึ้นยังสัมพันธ์กับการลดทอนเส้นทาง Role Ambiguity และเสริมเส้นทาง Self-Efficacy ให้แข็งแรงขึ้นอีกด้วย. (Frontiers)
ผมคิดว่านี่เป็นภาพของ AI Transformation ที่ค่อนข้างตรงกับสิ่งที่เราเริ่มเห็นในโลกจริงครับ
AI สามารถทำให้พนักงานรู้สึก “มีพลังมากขึ้น” และ “สับสนมากขึ้น” ในเวลาเดียวกัน
และตรงนี้สำคัญมาก เพราะถ้าผู้บริหารเห็นเฉพาะด้านแรก เราจะรีบประกาศว่า
“Empower ทุกคนเลยครับ ใครทำอะไรได้ทำไปเลย” แต่ถ้าไม่มีการออกแบบ Role ใหม่ สิ่งที่เราเรียกว่า Empowerment อาจค่อยๆ กลายเป็น “Organizational Ambiguity”
⸻
🌪️ สิ่งที่ AI กำลังทำลายไม่ใช่ “อาชีพ” อย่างเดียว แต่มันกำลังทำลายเส้นแบ่งของ Task
ลองนึกถึงทีม Product สมัยก่อนครับ
* Product Manager เขียน Requirement
* Designer ออกแบบ
* Engineer เขียน Code
* Data Analyst วิเคราะห์ข้อมูล
* Marketing ทำ Communication
“ทุก Role มีพื้นที่ที่ค่อนข้างชัด ถึงแม้ในโลกจริงจะมี Overlap กันอยู่บ้างก็ตาม”
แต่วันนี้ Product Manager สามารถใช้ AI สร้าง Prototype ได้เอง Designer Generate Front-end Code ได้ Engineer สร้าง Copy ได้ Data Analyst สร้าง Dashboard พร้อม Narrative ได้ และ Business User สามารถทำ Application แบบ Citizen Developer ได้
นี่หมายความว่าเส้นแบ่งเดิมที่ว่า “ฉันทำสิ่งนี้ เพราะฉันมี Skill นี้” กำลังจะค่อยๆ หายไปแล้ว
Microsoft Work Trend Index 2026 ก็เห็นการเปลี่ยนแปลงคล้ายกัน โดยพบว่า AI กำลังขยายประเภทของงานที่คนสามารถทำได้ และเสนอว่าคุณค่าของงานมนุษย์กำลังขยับจากการนิยามตัวเองด้วย “Task ที่ฉันทำ” ไปสู่ “Outcome ที่ฉันสามารถขับเคลื่อนได้” มากขึ้น. (Microsoft)
ผมคิดว่านี่เป็น Shift ที่ใหญ่มากครับ เพราะที่ผ่านมาเราออกแบบ Organization Chart จาก Division of Labor
* ใครทำอะไร?
* ใครมี Skill อะไร?
* ใครรับ Requirement จากใคร?
แต่ในโลกที่ AI ลดข้อจำกัดด้าน Skill ลงเรื่อยๆ เราอาจต้องออกแบบองค์กรจากคำถามอีกชุดหนึ่ง
* ใครเป็นเจ้าของ Outcome?
* ใครมีสิทธิ์ตัดสินใจ?
* ใครต้องรับผิดชอบเมื่อสิ่งนั้นผิด?
“นี่ต่างหากที่จะกลายเป็นเส้นแบ่งใหม่”
⸻
⚠️ “ทำได้” ไม่ได้แปลว่า “ตัดสินใจได้” และยิ่งไม่ได้แปลว่า “ต้องรับผิดชอบ”
ผมคิดว่ามี 3 เรื่องที่เราต้องแยกออกจากกันให้ชัดที่สุดในยุค AI
1. Capability — ฉันสามารถทำอะไรได้?
* AI กำลังทำให้คำตอบของคำถามนี้กว้างขึ้นเรื่อยๆ
* Sales สามารถร่าง Contract ได้
* Marketing สามารถ Query Database ได้
* Finance สามารถสร้าง Automation ได้
* Business User สามารถสร้าง Application ได้
* Engineer สามารถสร้าง Design Draft ได้
ซึ่งจริงๆ ดีมากนะครับ แต่มีคำถามอีกสองข้อที่ต้องตอบต่อ
2. Decision Rights — ฉันมีสิทธิ์ตัดสินใจเรื่องอะไร?
* Sales อาจใช้ AI ร่าง Contract ได้ แต่ไม่ได้แปลว่าทุกคนสามารถเปลี่ยน Legal Clause ที่สร้าง Risk ให้บริษัทได้เอง
* Business User อาจสร้าง Application ได้ แต่ไม่ได้แปลว่าเขาสามารถเชื่อม Customer Data เข้ากับ External Service ใดก็ได้
* Engineer อาจ Generate User Interface ได้ แต่ไม่ได้แปลว่าความต้องการของลูกค้าและ Product Direction ถูกตัดสินโดยคนที่ Generate หน้าจอและสุดท้ายคือ
3. Accountability — ถ้าผลลัพธ์ผิด ใครเป็นเจ้าของปัญหา?
* นี่คือคำถามที่ AI ไม่ได้ตอบแทนเรา :Capability สามารถ Overlap ได้ครับ แต่ Accountability ไม่ควรเบลอ”
* ถ้าคนห้าคน “ช่วยกันเป็นเจ้าของ” เรื่องหนึ่ง ซึ่งในโลกจริงหลายครั้งแปลว่า “ไม่มีใครเป็นเจ้าของเลย?”
⸻
🤝 Cross-functional ไม่ได้แปลว่า “ทุกคนทำทุกอย่าง”
นี่เป็นความเข้าใจผิดที่ผมเห็นมาตั้งแต่ยุค Agile แล้วครับ…เราพูดว่า Cross-functional Team แล้วบางองค์กรตีความว่า ทุกคนต้องทำงานแทนกันได้ทุกอย่าง ซึ่งผมคิดว่า “ผมคิดว่าไม่ใช่”
“Cross-functional ที่ดีหมายถึง ทีมมี Capability ครบพอที่จะสร้าง Outcome โดยไม่ต้องโยนงานข้ามกำแพงไปมา” แต่นั่นไม่ได้หมายความว่า Expertise, Professional Judgment หรือ Accountability ของแต่ละเรื่องต้องหายไป เช่น ศัลยแพทย์กับวิสัญญีแพทย์ทำงาน Cross-functional ได้ครับ ไม่ได้แปลว่าวันหนึ่งใครว่างกว่าก็สลับหน้าที่กันตามใจ
ใน Software Team ก็เหมือนกัน
* Designer ไม่จำเป็นต้องเป็นคนเดียวที่วาดหน้าจออีกต่อไป
* Engineer ไม่จำเป็นต้องเป็นคนเดียวที่สามารถสร้าง Code
* Product Manager ไม่จำเป็นต้องเป็นคนเดียวที่เขียน Requirement
แต่แต่ละทีมยังต้องรู้ว่า
* ใครถือ Product Outcome
* ใครถือ Engineering Quality
* ใครถือ Security Risk
* ใครถือ Experience Standard
* และเมื่อต้อง Trade-off กัน “ใครคือคนที่มี Decision Right ในเรื่องนั้น?”
“AI ควรทำให้ Hand-off น้อยลงครับ แต่ไม่ควรทำให้ Ownership หายไป?”
⸻
🧩 Job Description แบบ “รายการงานที่ต้องทำ” กำลังหมดอายุเร็วขึ้น
ลองเปิด Job Description แบบเดิมดูครับ
“จัดทำ Report”
“วิเคราะห์ข้อมูล”
“เตรียม Presentation”
“เขียน Content”
“สร้าง Prototype”
“เขียน Code”
“จัดทำเอกสาร Requirement”
หลายข้อในนี้วันนี้ AI ทำได้บางส่วนแล้ว และในอีกไม่กี่ปีอาจทำได้มากกว่านี้อีก ถ้าเรายังนิยาม Role ด้วยรายการ Task แบบละเอียดมากเกินไป เราจะเจอปัญหาสองอย่าง
* อย่างแรกคือ Job Description ล้าสมัยเร็วกว่าที่ HR จะแก้ทัน
* อย่างที่สองคือคนจะเริ่มถามว่า “ถ้า AI ทำ Task หลักของฉันได้ แล้วบริษัทยังต้องการฉันทำไม?”
ผมคิดว่าคำตอบไม่ควรเป็นการพยายามหา Task ใหม่มาเติมลงไปให้พนักงานยุ่งต่อครับ แต่ควรย้าย Definition ของ Role ขึ้นอีกชั้นจาก “คุณต้องทำอะไร?” ไปเป็น “คุณรับผิดชอบ Outcome อะไร?”
ตัวอย่างเช่น
* Product Manager ไม่ได้มีคุณค่าเพราะ “เขียน Requirement” แต่เพราะต้องทำให้ทีมสร้าง Product ที่แก้ปัญหาลูกค้าและสร้าง Business Outcome
* Designer ไม่ได้มีคุณค่าเพราะ “ใช้ Figma” แต่เพราะรับผิดชอบต่อคุณภาพของ Experience ในขอบเขตที่องค์กรกำหนด
* Engineer ไม่ได้มีคุณค่าเพราะ “พิมพ์ Code” แต่เพราะระบบต้องทำงานได้ ปลอดภัย ดูแลต่อได้ และตอบโจทย์ทางเทคนิคของธุรกิจ
เมื่อเรานิยาม Role ด้วย Outcome…AI สามารถเข้ามาทำ Task ได้มากเท่าไรก็ได้ แต่คนยังรู้ว่า
“สุดท้ายฉันกำลังถืออะไรอยู่?”
⸻
🇹🇭 ปัญหานี้ยิ่งสำคัญกับองค์กรไทย เพราะคนเริ่มวิ่งนำโครงสร้างแล้ว
ข้อมูลประเทศไทยจาก Microsoft Work Trend Index 2026 ยิ่งทำให้ประเด็นนี้น่าสนใจครับ
“Microsoft รายงานว่า 32% ของคนทำงานไทยในชุดข้อมูลถูกจัดอยู่ในกลุ่ม Frontier Professionals ซึ่งสูงกว่าค่าเฉลี่ยโลกที่ 16% และ 89% ใช้ AI Output เป็นจุดตั้งต้นเพื่อนำไปคิด ปรับปรุง หรือต่อยอดงานของตัวเองแล้ว” (Source)
“แต่ Microsoft ก็พูดถึงอีกด้านหนึ่งอย่างชัดเจนว่า คนกำลังเปลี่ยนวิธีทำงานเร็วกว่าระบบรอบตัว และแนะนำให้องค์กร Rearchitect Structures and Workflows ให้สอดคล้องกับรูปแบบการทำงานใหม่ ไม่ใช่หยุดอยู่แค่การกระตุ้น Adoption” (Source)
ผมคิดว่านี่คือประโยคที่ผู้บริหารไทยควรสนใจมาก เพราะปัญหา AI Transformation รอบต่อไปอาจไม่ใช่ “พนักงานยังใช้ AI ไม่เป็น” แต่คือ
“พนักงานทำอะไรได้เกินกว่าโครงสร้างเดิมจะอธิบายได้แล้ว” เช่น
* Marketing เขียน Code ได้
* Finance สร้าง Agent ได้
* HR ทำ App ได้
* Developer ทำ Creative ได้
“ทุกคนมี Capability เพิ่มขึ้น แต่ Performance Management ยังวัด Role เดิม”
* Job Description ยังเป็น Role เดิม
* Approval ยังเดินตาม Org Chart เดิม
* Budget ยังแยก Function เดิม
* Decision Rights ยังไม่รู้ว่าใครถือ
แล้วเราก็แปลกใจว่าทำไม AI Transformation เริ่มชนกำแพงครับ
“คนเปลี่ยนแล้ว แต่ Operating Model ยังไม่เปลี่ยน?”
⸻
👑 AI Literacy อย่างเดียวจึงไม่พอ?
ผมคิดว่านี่เป็นอีกบทเรียนสำคัญจากงานวิจัยของ Zhang และคณะฯ
“งานพบว่า AI Literacy ที่สูงขึ้นสัมพันธ์กับ Role Ambiguity ที่ลดลง และทำให้ความสัมพันธ์ระหว่าง GenAI กับ Role Breadth Self-Efficacy แข็งแรงขึ้น กล่าวคือ คนที่เข้าใจ AI ดีขึ้นมีแนวโน้มจะตีความขอบเขตใหม่ของตัวเองได้ดีขึ้นด้วย” (Frontiers)
นี่สนับสนุนเรื่อง Upskill แน่นอนครับ
* คนควรรู้ว่า AI ทำอะไรได้
* ทำอะไรไม่ได้
* ควรตรวจอย่างไร
* มี Risk อะไร
* และทำงานร่วมกับมันอย่างไร
แต่ผู้วิจัยเองก็เสนอว่าองค์กรควรทำ Role Clarification ควบคู่กับ AI Literacy และยอมรับในข้อจำกัดของงานด้วยว่า Organizational Structure, Decision-making Model และ Cultural Context มีแนวโน้มจะมีผลต่อการปรับตัวของพนักงาน แต่ยังไม่ได้ถูกทดสอบครบในงานชิ้นนี้. (Frontiers)
พูดง่ายๆ คือ “สอนคนใช้ AI เก่งขึ้น ไม่สามารถชดเชย Organization Design ที่คลุมเครือได้ทั้งหมด”
คุณสามารถส่งทุกคนไปเรียน Prompt Engineering แต่ถ้ากลับมาแล้วไม่มีใครรู้ว่า
“ใคร Decide?”
“ใคร Approve?”
“ใคร Own?”
“ใคร Review?”
“และถ้าพัง ใครรับ?”
ดังนั้น “เรายังไม่ได้ทำ AI Transformation ครับ…เราเพียงเพิ่ม Tool ให้กับความสับสนเดิม”
⸻
⚙️ ผมคิดว่าองค์กรต้องเปลี่ยนจาก Job Description ไปสู่ “Role Contract” แบบใหม่
ไม่จำเป็นต้องสร้าง Framework ซับซ้อนครับ แต่ทุก Role ในโลกที่ทำงานร่วมกับ AI ควรตอบคำถามให้ได้อย่างน้อย 4 เรื่อง
1. Outcome ไหนที่คุณเป็นเจ้าของ?
* ไม่ใช่เพียง Task ที่ต้องทำ แต่ผลลัพธ์อะไรที่ถ้าไม่เกิดขึ้น คุณต้องเป็นคนลุกขึ้นถามว่า “เกิดอะไรขึ้น?”
2. คุณตัดสินใจอะไรได้เอง?
* ตรงไหนทดลองได้โดยไม่ต้องขออนุมัติ ตรงไหนต้อง Consult และตรงไหนต้อง Escalate
3. AI และคนอื่นเข้ามาช่วยตรงไหนได้?
* Capability สามารถข้าม Function ได้แค่ไหน โดยไม่ทำลาย Professional Standard หรือ Governance ที่จำเป็น
4. อะไรคือสิ่งที่ไม่ใช่ความรับผิดชอบของคุณ?
* ข้อนี้สำคัญพอๆ กับสามข้อแรกครับ เพราะ Role Clarity ไม่ได้เกิดจากการบอกคนว่า “คุณทำอะไรได้บ้าง” เพียงอย่างเดียว มันเกิดจากการทำให้เขารู้ด้วยว่า “ตรงไหนคุณควรหยุด และส่งไม้ต่อให้คนอื่น”
* ผมเรียกสิ่งนี้ว่า Role Contract มากกว่า Job Description เพราะมันไม่ได้บอกเพียงรายการงาน แต่กำหนดความสัมพันธ์ระหว่าง Outcome, Authority, Accountability และ Interface กับคนอื่น
นี่เป็นกรอบสังเคราะห์ของผมครับ ไม่ใช่ Framework จากงานวิจัยต้นทาง แต่ผมคิดว่าจะสำคัญขึ้นเรื่อยๆ เมื่อ AI ทำให้ Task Boundary อ่อนลง
⸻
🚦 “ข้ามสายงานได้” ต้องไม่กลายเป็น “ข้าม Governance ได้”
ลองสมมติว่าพนักงาน Sales ใช้ AI ร่าง Contract ได้ภายในห้านาที
“เยี่ยมไหมครับ?” ถ้าคิดแบบไม่คิดอะไรมาก…มันเร็วกว่เดิมเยอะเนอะ?
* เราไม่จำเป็นต้องส่งทุกประโยคให้ Legal เริ่มจากกระดาษเปล่าเหมือนเมื่อก่อนก็ได้
* องค์กรสามารถสร้าง Template, Approved Clause และ Guardrail เพื่อให้ Sales ทำงานได้เร็วขึ้น
* แต่เมื่อมีการแก้ Term ที่สร้าง Legal Exposure สูง เส้นต้องชัดว่าเมื่อไรต้องส่งกลับให้ Legal
* หรือ Citizen Developer สร้าง Workflow สำหรับทีมตัวเองได้?…ดีไหมครับ?
* แต่วันที่ Workflow นั้นเริ่มแตะ Customer Data, Financial Transaction หรือ Core System มันกำลังเปลี่ยนจาก Productivity Tool เป็น Enterprise Software
ตรงนั้น Governance ต้องเปลี่ยนตาม Risk นี่คือหลักสำคัญที่ผมคิดว่าองค์กรต้องถือไว้
“AI สามารถทำให้คนข้าม Skill Boundary ได้ แต่ไม่ได้ให้สิทธิ์ข้าม Accountability Boundary โดยอัตโนมัติ”
ถ้าไม่ทำเส้นนี้ให้ชัด AI จะไม่ได้กำจัด Silo มันอาจสร้าง Silo แบบใหม่ที่มองไม่เห็น
* ทุกทีมทำระบบของตัวเอง
* ทุกคนสร้าง Workflow ของตัวเอง
* ทุก Function มี Agent ของตัวเอง
จนวันหนึ่งไม่มีใครรู้ว่า ระบบไหนเป็น Source of Truth
* ใครดูแลอะไร?
* และ Agent ตัวไหนกำลังตัดสินใจแทนใครอยู่ครับ?
⸻
🔄 แทนที่จะถามว่า “AI จะกินงานใคร?” ผมคิดว่าเราควรถามว่า “Ownership จะย้ายไปไหน?”
ผมคิดว่าการสนทนาเรื่อง Future of Work จำนวนมากติดอยู่กับคำถามว่า
“AI จะทำงานอะไรแทนคน?”
“Role ไหนจะหาย?”
“Headcount จะลดเท่าไร?”
แน่นอนครับ คำถามเหล่านี้สำคัญ แต่ในระดับ Organizational Design ผมคิดว่ามีคำถามที่น่าสนใจกว่า
“เมื่อ Task ย้ายไปให้ AI แล้ว Accountability ของ Task นั้นย้ายไปอยู่กับใคร?”
* สมมติ AI เป็นคน Generate Forecast แล้ว Finance ยัง Own Forecast อยู่หรือไม่?
* AI เขียน Code 80% แล้ว Engineer ยังรับผิดชอบ Production Quality หรือไม่?
* Agent ตอบลูกค้า แล้ว Customer Service Owner ยังรับผิดชอบ Customer Outcome หรือไม่?
คำตอบของผมคือ
“ควรจะยังมีมนุษย์หรือ Role ที่ชัดเจนเป็นเจ้าของ Outcome อยู่ครับ”
เพราะ AI สามารถทำงานได้ แต่ Organization Chart ไม่สามารถเขียนชื่อ Model ลงในช่อง Accountability แล้วจบเรื่องได้ เช่น วันที่ Model ผิด, ลูกค้าไม่ได้โทรหา Neural Network, Regulator ไม่เรียก Agent เข้า Meeting และ ผู้บริหาร ไม่ถาม Chatbot ว่า “ใครอนุมัติเรื่องนี้?”
สุดท้ายองค์กรยังต้องมีคนที่ตอบว่า
“เรื่องนี้อยู่ในความรับผิดชอบของผม”
⸻
🧹 และบางทีสิ่งที่ต้องชัดที่สุด คือ “อะไรที่คุณไม่ต้องทำ?”
ผมคิดว่าเรากำลังอยู่ในยุคที่ Capability Expansion ถูกเฉลิมฉลองมากครับ
“AI ทำให้พนักงานทำได้มากขึ้น”
“ทุกคนเป็น Creator”
“ทุกคนเป็น Analyst”
“ทุกคนเขียน Code ได้”
ฟังแล้วรู้สึก Empower มาก? แต่ถ้าพนักงานตื่นมาตอนเช้าแล้วมี Tool ที่ทำให้เขาทำได้ 50 อย่าง แต่ไม่รู้ว่า 3 อย่างไหนสำคัญที่สุดต่อ Role ของตัวเอง
เรากำลังสร้าง Productivity หรือ Cognitive Overload กันแน่?
Leadership จึงไม่ได้มีหน้าที่เพียงบอกว่า “คุณทำได้มากขึ้นแล้วนะ” แต่ต้องช่วยตอบด้วยว่า “ดังนั้น งานอะไรที่คุณควรหยุดทำ?”
* ถ้า AI ทำ First Draft ได้แล้ว Role ของคุณควรย้ายขึ้นไปทำ Judgment หรือไม่?
* ถ้า Business User สร้าง Report เองได้ Data Team ควรเลิกเป็น Report Factory แล้วขยับไปสร้าง Data Product หรือไม่?
* ถ้า Product Manager สร้าง Prototype เองได้ Designer ควรถูกใช้ไปกับงาน Production Pixel เดิม หรือขยับไปทำ Research, System และ Strategic Design มากขึ้น?
“AI Transformation ที่ดีไม่ควรเพิ่ม Task เข้าไปใน Job เดิมเรื่อยๆ”
มันควร ปลด Task บางอย่างออก แล้วขยับมนุษย์ขึ้นไปถือ Responsibility ที่มีมูลค่าสูงกว่า ไม่อย่างนั้นเราจะจบด้วยพนักงานที่มี Superpower แต่เหนื่อยกว่าเดิมครับ
⸻
✨ ในโลกที่ทุกคนทำได้มากขึ้น “ความชัดเจนว่าใครเป็นเจ้าของอะไร” จะยิ่งแพงขึ้น
ผมคิดว่า AI กำลังพาองค์กรออกจากโลกของ Role by Skill ไปสู่โลกของ Role by Outcome
เมื่อ Skill ถูก Democratize มากขึ้นเรื่อยๆ เราจะใช้คำว่า “นี่ไม่ใช่งานคุณ” ได้น้อยลง เพราะในเชิง Capability เขาอาจทำได้จริง แต่เรายังต้องพูดได้ชัดว่า “เรื่องนี้ใครเป็น Owner?”
นั่นคือความแตกต่างระหว่างองค์กรที่ Flexible กับองค์กรที่มั่วครับ
* องค์กร Flexible เปิดให้คนช่วยกันข้าม Boundary แต่ Accountability ชัด
* องค์กรมั่วเปิดให้ทุกคนทำทุกอย่าง แล้วพอเกิดปัญหากลับไม่มีใครรู้ว่าใครต้องรับผิดชอบ
งานของ Zhang และคณะเป็นเพียงงานสำรวจแบบ Cross-sectional ในพนักงาน High-tech ของจีน จึงยังไม่ควรใช้เป็นหลักฐานว่า GenAI “ทำให้” ทุกองค์กรเกิด Role Ambiguity โดยตรง ผู้วิจัยเองยอมรับข้อจำกัดเรื่อง Causal Inference, Self-report และการ Generalize ไปยังบริบทอื่นอย่างชัดเจน. (Frontiers)
แต่ในฐานะ Signal ผมคิดว่ามันตั้งคำถามได้ถูกเวลามากครับ เพราะเทคโนโลยีกำลังขยายสิ่งที่คนหนึ่งคน “ทำได้” เร็วกว่าที่ Organization Chart จะวาดใหม่ทัน
Microsoft เองก็สรุปจาก Work Trend Index 2026 ว่าโจทย์ของผู้นำไม่ใช่เพียงนำ AI มาให้คนใช้ แต่คือการ Rearchitect Work และทำให้โครงสร้าง Metrics, Expectations และ Workflow รองรับ Agency ใหม่ของคนด้วย. (Microsoft)
ดังนั้น ครั้งหน้าที่ผู้บริหารประกาศว่า
“ต่อไปทุกคนใช้ AI ทำงานข้ามสายกันได้เต็มที่เลยครับ”
ผมคิดว่าควรมีประโยคที่สองตามมาทันทีว่า
“และนี่คือ Outcome ที่คุณยังเป็นเจ้าของ นี่คือสิ่งที่คุณตัดสินใจได้ และนี่คือจุดที่ต้องส่งไม้ต่อให้คนอื่น”
เพราะอนาคตขององค์กรไม่ได้ต้องการกำแพงระหว่าง Function หนาเหมือนเดิมครับ แต่ก็ไม่ได้ต้องการสนามฟุตบอลที่ทุกคนวิ่งตามลูกเดียวกันจนไม่มีใครเฝ้าประตู
“AI ควรทำให้เส้นแบ่งของความสามารถบางลง”
แต่ยิ่งเส้นนั้นบางลงเท่าไร เส้นแบ่งของ Ownership, Decision Rights และ Accountability ยิ่งต้องชัดขึ้นเท่านั้น?
ไม่อย่างนั้นวันหนึ่งเราอาจสร้างองค์กรที่ทุกคน “ทำได้ทุกอย่าง” แต่เมื่อเกิดเรื่องสำคัญขึ้น กลับไม่มีใครตอบได้เลยว่า
“แล้วเรื่องนี้…จริงๆ เป็นหน้าที่ของใครครับ?”
#วันละเรื่องสองเรื่อง #ExecutiveMindset #AITransformation #OrganizationalDesign #PeopleTransformation #FutureOfWork #RoleClarity #RoleAmbiguity #DecisionRights #Leadership #OperatingModel
⸻
📚 Source / Reference
* Qiannan Zhang, Jingyi Zhang & Shan Dong (2026), Frontiers in Psychology — “Dual pathways of generative AI use: role ambiguity and self-efficacy in employee-AI collaboration”: งาน Original Research ตีพิมพ์ 14 สิงหาคม 2026 เก็บข้อมูลพนักงาน 541 คนจากบริษัท High-tech 5 แห่งในเมืองเทียนจิน ประเทศจีน
พบว่าการใช้ GenAI สัมพันธ์เชิงบวกทั้งกับ Role Ambiguity และ Role Breadth Self-Efficacy โดย Role Ambiguity สัมพันธ์เชิงลบกับ Employee-AI Collaboration ขณะที่ Role Breadth Self-Efficacy สัมพันธ์เชิงบวก และ AI Literacy ช่วยลดทอนเส้นทาง Ambiguity พร้อมเสริมเส้นทาง Self-Efficacy. (Frontiers) Frontiers in Psychology — Original Research
* ข้อจำกัดของงาน Zhang et al. (2026): ผู้วิจัยระบุเองว่าเป็นข้อมูล Cross-sectional จากบริษัท High-tech ในจีน ใช้ตัวแปรแบบ Self-report จากผู้ตอบคนเดียวกัน จึงมีข้อจำกัดด้าน Causal Inference และ Generalizability รวมถึงยังไม่ได้ทดสอบ Organizational Context เช่นรูปแบบ Centralized/Decentralized Decision Making อย่างครบถ้วน. (Frontiers)
* Microsoft — 2026 Work Trend Index Annual Report: ใช้เป็นบริบทเรื่อง Human Agency และการเปลี่ยนคุณค่าของงานจากการทำ Task ไปสู่การกำหนด Intent, Judgment, Quality Bar และ Outcome รวมถึงข้อเสนอว่าผู้นำต้อง Rearchitect Work เพราะ Individual AI Capability กำลังเดินเร็วกว่าระบบองค์กรในหลายกรณี. (Microsoft) Microsoft 2026 Work Trend Index
* Microsoft Thailand — Work Trend Index 2026 Thailand Insights, 4 August 2026: ใช้เป็นบริบทประเทศไทย โดยรายงานว่า 32% ของคนทำงานไทยในชุดข้อมูลอยู่ในกลุ่ม Frontier Professionals เทียบกับค่าเฉลี่ยโลก 16% และ 89% ใช้ AI Output เป็นจุดตั้งต้นในการต่อยอดความคิด พร้อมเสนอให้องค์กรปรับ Structures และ Workflows ให้สอดคล้องกับวิธีทำงานใหม่. (Source - Microsoft Thailand — Work Trend Index 2026
* กรอบ Capability ≠ Decision Rights ≠ Accountability, Role by Outcome, Role Contract และหลัก “Capability สามารถ Overlap ได้ แต่ Accountability ไม่ควรเบลอ” — เป็นการสังเคราะห์ของผู้เขียนเพื่ออธิบาย Organizational Design ในโลกที่ Generative AI ทำให้ Task Boundary ระหว่าง Function บางลง ไม่ได้นำเสนอในฐานะ Framework จากงานวิจัยต้นทาง
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
