# ถ้าสร้างองค์กรใหม่วันนี้…เรายังต้องมีทุกแผนกเหมือนเดิมหรือ?
ในตอนที่แล้ว เราลองเดินออกจากประตูด้วยคำถามของ Andy Grove
> **“ถ้าวันนี้คุณถูกไล่ออก แล้ว Board จ้าง CEO คนใหม่เข้ามา คุณคิดว่าเขาจะทำอะไร?”**
คำถามนี้น่ากลัวตรงที่...
มันทำให้เราเริ่มมององค์กร
**โดยไม่มีสิทธิ์ใช้คำว่า “เพราะเราทำแบบนี้มาตลอด” เป็นคำตอบ**
แต่ถ้าเรากล้าที่จะเดินกลับเข้ามาในบริษัทอีกครั้ง
ในฐานะ CEO คนใหม่
คำถามต่อไปจะยิ่งเจ็บกว่าเดิม
> **“ถ้าวันนี้ผมสามารถสร้างองค์กรนี้ขึ้นมาใหม่จากศูนย์ ผมยังจะสร้างมันเหมือนเดิมหรือไม่?”**
และคราวนี้...
อย่าเพิ่งมอง Strategy
อย่าเพิ่งมอง Product
อย่าเพิ่งมองยอดขาย
ให้มองสิ่งที่อยู่ตรงหน้า CEO ทุกวัน
## Organization Chart
---
# เราเคยชินกับการมอง Organization Chart เป็น “ความจริง”
Finance อยู่ตรงนี้
Sales อยู่ตรงนี้
Marketing อยู่ตรงนี้
HR อยู่ตรงนี้
IT อยู่ตรงนี้
Operations อยู่ตรงนี้
Procurement อยู่ตรงนี้
แล้วแต่ละ Department ก็มี
Manager
Supervisor
Staff
Headcount
Budget
KPI
Report
Meeting
และ Approval
ทุกอย่างดูเป็นระเบียบ
ดูเป็นระบบ
ดูเหมือนถูกออกแบบมาอย่างดี
แต่มีคำถามหนึ่งที่ผู้บริหารแทบไม่เคยถาม
> **“ทำไม Organization Chart ของเราถึงหน้าตาเป็นแบบนี้?”**
คำตอบจำนวนมากอาจไม่ใช่เพราะมันคือโครงสร้างที่ดีที่สุด
แต่มันเกิดจากการสะสมของอดีต
บริษัทโตขึ้น → ตั้งแผนกเพิ่ม
งานเพิ่ม → เพิ่มคน
ปัญหาเพิ่ม → เพิ่ม Manager
ระบบยังไม่เชื่อมกัน → เพิ่มคนประสานงาน
Report เพิ่ม → เพิ่มคนทำ Report
Approval เยอะขึ้น → เพิ่มคนตรวจ
ธุรกิจซับซ้อนขึ้น → เพิ่ม Department
แล้ววันหนึ่งเราหันกลับมาดูอีกที...
บริษัทที่เคยมี 50 คน
กลายเป็น 500 คน
แต่ไม่มีใครสามารถตอบได้อย่างชัดเจนว่า
**“ถ้าเริ่มใหม่วันนี้ เราจะยังสร้างโครงสร้างแบบนี้หรือไม่?”**
---
# นี่คือสิ่งที่ AI กำลังทำให้เราเห็นชัดขึ้น
AI ไม่ได้เพียงทำให้บางงานเร็วขึ้น
มันกำลังทำให้เกิดคำถามกับ **เหตุผลที่เราเคยสร้างตำแหน่งงานเหล่านั้นขึ้นมา**
ลองคิดง่าย ๆ
ถ้าเมื่อก่อนเราต้องมีคนหนึ่งคนเพื่อ
ดึงข้อมูลจากระบบ A
แล้วอีกคนเอาไปใส่ Excel
อีกคนรวมข้อมูลจากระบบ B
อีกคนตรวจความถูกต้อง
อีกคนทำ Reconciliation
อีกคนทำ Presentation
อีกคนเขียน Commentary
อีกคนตรวจ Report
เราอาจมองว่า
**“นี่คือ 7 ตำแหน่งงาน”**
แต่ถ้าวันนี้ Technology สามารถทำให้ข้อมูลไหลจากต้นทาง → ประมวลผล → ตรวจสอบ → วิเคราะห์ → สรุป ได้แทบอัตโนมัติ
สิ่งที่หายไปก่อนอาจไม่ใช่ “คน”
แต่คือ
## “เหตุผลที่ต้องมีขั้นตอนเหล่านั้น”
และเมื่อขั้นตอนหายไป
คำถามต่อไปคือ
**ตำแหน่งที่ถูกสร้างขึ้นมาเพื่อรองรับขั้นตอนเหล่านั้น ยังควรมีอยู่ในรูปแบบเดิมหรือไม่?**
นี่ต่างหากคือระเบิดเวลาของ AI Transformation
---
# เพราะ Organization Chart จำนวนมาก
# ไม่ได้ถูกสร้างจาก “Customer Value”
แต่มันถูกสร้างจาก
**งานที่ต้องทำ**
แล้วงานที่ต้องทำก็ถูกแบ่งเป็น
**แผนก**
แผนกถูกแบ่งเป็น
**ตำแหน่ง**
ตำแหน่งถูกกำหนดเป็น
**Job Description**
จากนั้นจึงสร้าง
**KPI**
และสุดท้ายจึงเกิด
**Headcount**
เราจึงได้องค์กรที่มีคนครบทุกช่อง
แต่บางครั้ง...
กลับไม่มีใครถามว่า
> **“ช่องเหล่านี้ทั้งหมดกำลังสร้าง Value ให้ลูกค้าหรือธุรกิจมากแค่ไหน?”**
---
# ลองกลับด้านของการออกแบบองค์กร
แทนที่จะถามว่า
**“เราต้องใช้กี่คน?”**
ลองถามว่า
> **“Customer ต้องการอะไร?”**
แล้วถามต่อว่า
> **“Business ต้องสร้างอะไร?”**
แล้วถามต่อว่า
> **“กระบวนการอะไรจำเป็น?”**
แล้วถามว่า
> **“ขั้นตอนไหนควรให้ Technology ทำ?”**
แล้วจึงถามว่า
> **“ขั้นตอนไหนยังต้องใช้ Human Judgment?”**
จากนั้นค่อยถามสุดท้ายว่า
> **“เราต้องใช้คนกี่คน?”**
สังเกตไหมครับ?
**Headcount กลายเป็นผลลัพธ์ของการออกแบบ**
ไม่ใช่
**จุดตั้งต้นของการออกแบบ**
---
# แต่โลกขององค์กรจำนวนมากกลับตรงกันข้าม
เมื่อปีที่แล้วมี 100 คน
ปีนี้ก็ต้องมีอย่างน้อย 100 คน
ปีหน้าธุรกิจโต 10%
ก็ขอเพิ่มอีก 10 คน
ผู้จัดการที่มีทีม 20 คน
หากได้รับโอกาสเพิ่มเป็น 30 คน
หลายครั้งมันถูกมองว่า
**“ทีมใหญ่ขึ้น” = “ความสำคัญมากขึ้น”**
Budget ใหญ่ขึ้น
Headcount ใหญ่ขึ้น
Department ใหญ่ขึ้น
อำนาจต่อรองมากขึ้น
พื้นที่ใน Organization Chart ใหญ่ขึ้น
และบางครั้ง...
ตำแหน่งก็ใหญ่ขึ้นตามไปด้วย
---
# นี่คือจุดที่ AI ไปชนกับ “Power Structure”
ลองจินตนาการว่า
วันนี้ Manager คนหนึ่งมีลูกน้อง 30 คน
แต่หลังจาก Redesign Process + AI
งานเดิมสามารถใช้
10 คน
เพื่อสร้าง Output เท่าเดิม
หรือมากกว่าเดิม
ในเชิง Productivity
นี่อาจเป็นข่าวดี
แต่ในเชิงโครงสร้างอำนาจ
มันอาจสร้างคำถามที่ละเอียดอ่อนมาก
เพราะทันทีที่เราถามว่า
> **“แล้วอีก 20 คนล่ะ?”**
คำถามต่อไปอาจกลายเป็น
> **“แล้ว Manager คนนี้ยังจำเป็นต้องบริหารทีมขนาด 30 คนอยู่หรือไม่?”**
และถ้าถามต่อไปอีก
> **“ตำแหน่ง Manager นี้ถูกสร้างขึ้นมาเพื่อสร้าง Value หรือถูกสร้างขึ้นมาเพื่อบริหารความซับซ้อนที่องค์กรสร้างขึ้นเอง?”**
คำถามนี้ต่างหากที่ทำให้ AI Transformation เริ่มไม่ใช่เรื่องของ IT
---
# เพราะ AI กำลังเปลี่ยน “Unit of Productivity”
โลกเดิมมักคิดว่า
**1 คน = 1 หน่วยกำลังการผลิต**
จึงคุ้นกับการวัด
จำนวนคน
ชั่วโมงทำงาน
จำนวน Transaction
จำนวน Report
จำนวน Case
จำนวน Task
แต่ในโลกที่ AI เข้ามา
สมการอาจเริ่มเปลี่ยนเป็น
> **Human + AI + Process + Data = Output**
ดังนั้นคนที่สร้าง Output ได้มากกว่า
ไม่จำเป็นต้องเป็นคนที่ทำงานหนักกว่า
แต่อาจเป็นคนที่
**ออกแบบระบบงานได้ดีกว่า**
---
# Manager ในโลก AI จึงต้องเปลี่ยนความหมาย
Manager ในอดีตอาจมีคุณค่าจากการ
ควบคุมงาน
กระจายงาน
ติดตามงาน
ตรวจงาน
รวบรวม Report
ประสานงาน
อนุมัติ
และรายงานต่อผู้บริหาร
แต่ลองถามว่า...
ถ้า AI สามารถ
ติดตามงาน
รวบรวมข้อมูล
สร้าง Report
ตรวจ Anomaly
แจ้งเตือน
สรุปประเด็น
และเตรียมข้อมูลสำหรับการตัดสินใจ
ได้เกือบทั้งหมด
## Manager จะเหลือคุณค่าอะไร?
คำตอบอาจไม่ใช่
**“ไม่มีอะไรเหลือ”**
แต่ตรงกันข้าม
Manager ที่แท้จริงอาจต้องมีคุณค่ามากขึ้นกว่าเดิม
เพราะต้องทำสิ่งที่ AI ยังไม่ได้ทำแทนอย่างสมบูรณ์
**ตั้งคำถามที่ถูกต้อง**
**ตัดสินใจในสถานการณ์คลุมเครือ**
**จัดการความขัดแย้ง**
**พัฒนาคน**
**เชื่อมโยง Business**
**จัดสรรทรัพยากร**
**รับผิดชอบผลลัพธ์**
และที่สำคัญ
## “ออกแบบระบบที่ทำให้คน + AI สร้าง Value ได้สูงขึ้น”
ดังนั้น AI ไม่ได้กำลังฆ่า Manager
แต่มันกำลังบังคับให้เราถามว่า
> **“Manager ของเรากำลังบริหารคน...หรือกำลังสร้างผลลัพธ์?”**
---
# จาก Headcount ไปสู่ “Output per Head”
นี่อาจเป็นหนึ่งในการเปลี่ยน KPI ที่สำคัญที่สุดของยุค AI
จาก
**How many people do you manage?**
ไปสู่
**How much value does your team create?**
จาก
**จำนวนคน**
ไปสู่
**Output per FTE**
จาก
**จำนวน Report**
ไปสู่
**Decision Impact**
จาก
**จำนวน Transaction**
ไปสู่
**Business Outcome**
จาก
**Activity**
ไปสู่
**Value**
เพราะถ้าผู้บริหารยังให้รางวัลกับ
**“ทีมที่ใหญ่กว่า”**
องค์กรก็จะมีแรงจูงใจให้
**“รักษาทีมให้ใหญ่”**
แต่ถ้าองค์กรให้รางวัลกับ
**“ทีมที่สร้าง Output สูงกว่า ด้วยทรัพยากรที่เหมาะสมกว่า”**
พฤติกรรมขององค์กรจะเริ่มเปลี่ยน
---
# และนี่คือเหตุผลที่ AI Transformation
# ไม่ควรเริ่มด้วยการซื้อ AI
มันควรเริ่มด้วย
## “ลบกระดาษหนึ่งแผ่นออกจากโต๊ะ”
เลือก Report สักหนึ่งตัว
เลือก Process สักหนึ่งตัว
เลือก Workflow สักหนึ่งตัว
แล้วถามทีละขั้นว่า
**ขั้นตอนนี้มีไว้ทำไม?**
**ใครเป็นคนทำ?**
**ทำไมต้องทำด้วยคน?**
**ข้อมูลมาจากไหน?**
**ทำไมต้องส่งต่อ?**
**ใครต้องอนุมัติ?**
**ใครอ่าน?**
**ใครใช้ตัดสินใจ?**
และคำถามที่สำคัญที่สุด
> **“ถ้าเราไม่ทำขั้นตอนนี้เลย จะเกิดอะไรขึ้น?”**
คำถามนี้ทรงพลังมาก
เพราะบางครั้งคำตอบอาจเป็น
**“ไม่มีอะไรเกิดขึ้น”**
และนั่นหมายความว่า...
เราอาจใช้คนจำนวนมาก
เพื่อสร้างสิ่งที่
**ไม่มีใครจำเป็นต้องใช้ตั้งแต่แรก**
---
# นี่คือสิ่งที่ผมเรียกว่า
# “Organizational Zero-Based Design”
ไม่ใช่การถามว่า
**“เราจะปรับองค์กรเดิมอย่างไร?”**
แต่ถามว่า
> **“ถ้าองค์กรนี้ไม่มีอยู่มาก่อนเลย เราจะสร้างมันอย่างไร?”**
ไม่มี Department เดิม
ไม่มี Manager เดิม
ไม่มี KPI เดิม
ไม่มี Process เดิม
ไม่มี Report เดิม
ไม่มี Meeting เดิม
ไม่มี Approval เดิม
ไม่มีข้ออ้างว่า
**“แต่ก่อนเราทำแบบนี้”**
จากนั้นจึงค่อยเอา
**AI + Data + Technology + Human Capability**
เข้ามาออกแบบองค์กรใหม่
---
# ลองจินตนาการบริษัทแห่งหนึ่ง
บริษัท A มีพนักงาน 1,000 คน
มี 12 Department
มี 70 Manager
มี Report จำนวนมาก
มี Meeting ทุกสัปดาห์
มี Approval หลายชั้น
มีข้อมูลอยู่หลายระบบ
และมีงาน Manual จำนวนมหาศาล
วันหนึ่ง CEO ตั้งคำถามว่า
> **“ถ้าเราปิดบริษัทวันนี้ แล้วพรุ่งนี้เปิดบริษัทใหม่โดยไม่สามารถนำโครงสร้างเดิมกลับมาใช้ได้เลย เราจะสร้างบริษัทนี้อย่างไร?”**
ทันทีที่คำถามนี้ถูกถาม
หลายสิ่งที่เคยดูเหมือน “จำเป็น”
อาจกลายเป็นสิ่งที่
**“เคยจำเป็น”**
และคำสองคำนี้ต่างกันมหาศาล
---
# “เคยจำเป็น”
# ไม่ได้แปลว่า
# “จำเป็นตลอดไป”
นี่คือกับดักที่องค์กรเก่ง ๆ จำนวนมากอาจเจอ
เพราะสิ่งที่เคยทำให้บริษัทเติบโต
เมื่อเวลาผ่านไป
อาจกลายเป็นสิ่งที่ทำให้บริษัทช้าลง
Process ที่เคยสร้าง Control
อาจกลายเป็น Bureaucracy
Report ที่เคยช่วยตัดสินใจ
อาจกลายเป็น Administrative Burden
Manager ที่เคยช่วยประสานงาน
อาจกลายเป็น Management Layer
Department ที่เคยแก้ปัญหา
อาจกลายเป็น Silo
KPI ที่เคยผลักดัน Performance
อาจกลายเป็นสิ่งที่ทำให้คนทำงานเพื่อ KPI แทนที่จะทำงานเพื่อ Business
---
# AI จึงไม่ได้เพียง “Automate งาน”
มันกำลังเปิดโปง
## “ต้นทุนของความซับซ้อน”
องค์กรที่มี Process 20 ขั้นตอน
เมื่อเทียบกับองค์กรที่มี 7 ขั้นตอน
AI อาจไม่ได้ทำให้ทั้งสององค์กรแตกต่างกันแค่เรื่อง Technology
แต่ทำให้เห็นว่า
**องค์กรหนึ่งมีสิ่งที่ต้อง Automate มากกว่าอีกองค์กรหนึ่งถึงหลายเท่า**
และนี่คือเหตุผลที่
> **AI + Bad Process = Bad Process ที่เร็วขึ้น**
แต่
> **AI + Redesigned Process = Operating Model ใหม่**
---
# ดังนั้นคำถามสำคัญที่สุดของ CEO อาจไม่ใช่
“เราจะซื้อ AI ตัวไหนดี?”
แต่คือ
### “เราจะหยุดทำอะไร?”
### “เราจะรวมอะไร?”
### “เราจะยุบขั้นตอนอะไร?”
### “เราจะย้ายคนไปสร้าง Value ที่ไหน?”
### “เราจะเปลี่ยน KPI อะไร?”
### “เราจะลด Management Layer ตรงไหน?”
### “เราจะทำให้ Decision เร็วขึ้นอย่างไร?”
และสุดท้าย
# “ถ้าไม่ต้องรักษาอดีตไว้...เราจะสร้างบริษัทนี้ใหม่อย่างไร?”
---
# เพราะองค์กรไม่ได้กลัว AI เสมอไป
บางครั้งองค์กรกลัวสิ่งที่ AI เปิดเผย
AI อาจเปิดเผยว่า
**Process นี้ไม่จำเป็น**
**Report นี้ไม่มีคนใช้**
**Meeting นี้ไม่มี Decision**
**Approval นี้ไม่มี Value**
**ตำแหน่งนี้เกิดขึ้นเพื่อรองรับระบบเก่า**
**Department นี้ทำงานซ้ำกับอีก Department**
**Manager ชั้นนี้มีไว้ประสานงานเพราะระบบไม่เชื่อมกัน**
และที่เจ็บที่สุด...
อาจเปิดเผยว่า
> **“คนจำนวนหนึ่งไม่ได้กำลังสร้าง Value ใหม่ แต่กำลังช่วยกันดูแลความซับซ้อนที่องค์กรสร้างขึ้นเอง”**
นี่คือเหตุผลที่ Transformation ที่แท้จริงไม่ใช่เรื่อง Technology Adoption
แต่คือ
## “การกล้าที่จะลบสิ่งที่องค์กรเคยสร้างขึ้นเอง”
---
# แล้วเราควรลดคนหรือไม่?
คำถามนี้อาจเร็วเกินไป
เพราะก่อนถามว่า
**“ใครควรออก?”**
เราควรถามว่า
> **“งานอะไรควรหายไป?”**
เมื่อรู้ว่างานอะไรควรหาย
จึงถามว่า
> **“เวลาที่คืนกลับมา เราจะเอาไปสร้างอะไร?”**
เมื่อรู้ว่าจะสร้างอะไร
จึงถามว่า
> **“เราต้องการทักษะอะไร?”**
เมื่อรู้ว่าต้องการทักษะอะไร
จึงถามว่า
> **“คนเดิมสามารถพัฒนาไปทำสิ่งนั้นได้หรือไม่?”**
และถ้าคำตอบคือไม่ได้
จึงค่อยกลับมาถามเรื่อง
**Reskill**
**Redeploy**
**Recruit**
หรือในบางกรณี
**Restructure**
นี่คือวิธีคิดที่ต่างจาก
**“เอา AI มาแล้วลดคน”**
อย่างสิ้นเชิง
---
# องค์กรที่ฉลาดจะไม่ถามว่า
# “AI แทนคนได้กี่คน?”
แต่จะถามว่า
> **“AI ทำให้เราสร้าง Value ได้มากขึ้นกี่เท่า โดยไม่จำเป็นต้องเพิ่มความซับซ้อนขององค์กร?”**
นี่คือเกมใหม่
เพราะบริษัทที่มีคน 1,000 คน
ไม่จำเป็นต้องเก่งกว่าบริษัทที่มี 500 คน
และบริษัทที่มี AI มากกว่า
ก็ไม่ได้แปลว่าจะชนะบริษัทที่มี AI น้อยกว่า
สิ่งสำคัญคือ
**ใครออกแบบระบบการทำงานได้ดีกว่า**
---
# เพราะสุดท้ายแล้ว
AI อาจไม่ได้เปลี่ยนแค่
**Job**
มันกำลังเปลี่ยน
**Organization**
AI อาจไม่ได้เปลี่ยนแค่
**Employee**
มันกำลังเปลี่ยน
**Manager**
AI อาจไม่ได้เปลี่ยนแค่
**Process**
มันกำลังเปลี่ยน
**Power Structure**
และ AI อาจไม่ได้ทำให้บริษัทต้องถามว่า
**“เราจะใช้คนกี่คน?”**
แต่กำลังบังคับให้บริษัทถามว่า
# **“องค์กรที่ดีควรมีหน้าตาอย่างไร ในวันที่เครื่องจักรสามารถทำงานทางความคิดบางส่วนแทนมนุษย์ได้?”**
---
## และนี่คือจุดที่เรื่องเริ่มอันตรายขึ้นอีกระดับ
เพราะถ้าเราเปลี่ยน Process
แต่ไม่เปลี่ยน KPI
องค์กรจะกลับไปทำแบบเดิม
ถ้าเราเปลี่ยน KPI
แต่ไม่เปลี่ยน Manager
องค์กรจะต่อต้าน
ถ้าเราเปลี่ยน Manager
แต่ไม่เปลี่ยน Organization Structure
ความซับซ้อนก็จะกลับมา
ถ้าเราเปลี่ยน Structure
แต่ไม่เปลี่ยน Culture
คนก็จะสร้างกำแพงใหม่ขึ้นมา
ดังนั้น AI Transformation ที่แท้จริง
ไม่ได้เป็นเส้นตรงจาก
**Technology → Employee**
แต่มันคือการเปลี่ยนพร้อมกันทั้งระบบ
> **AI → Process → Structure → KPI → People → Leadership → Culture**
และตรงกลางของทั้งหมดนี้มีคำถามหนึ่งที่ไม่มี Technology ตัวไหนตอบแทน CEO ได้
# **“เรากล้าลบองค์กรแบบเดิม เพื่อสร้างองค์กรแบบใหม่หรือยัง?”**
เพราะบางครั้ง...
สิ่งที่ทำให้บริษัทเดินช้า
ไม่ใช่เพราะคนเดินช้า
แต่เพราะ
## **เราสร้างองค์กรที่มีคนจำนวนมาก...เพื่อช่วยกันแบกโครงสร้างที่หนักเกินไป**
และเมื่อ AI เข้ามาช่วยยกน้ำหนักนั้น
สิ่งที่ควรเกิดขึ้นไม่ใช่แค่
**“คนเดินเร็วขึ้น”**
แต่คือ
# **“เราอาจไม่จำเป็นต้องแบกน้ำหนักเดิมอีกต่อไป”**
นั่นต่างหาก...
คือความหมายที่แท้จริงของ
**AI Transformation**
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
