แชร์บทความนี้
ส่งต่อให้เพื่อนหรือทีมงานของคุณ
ข้อมูลที่น่าสนใจ
Organizational readiness can lag behind individual AI capability
ใช้เล่า transformation paradox ว่าพนักงานพร้อมทดลอง แต่ระบบองค์กรและ manager support ยังไม่พอ
Microsoft Work Trend Index 2026เปิดต้นทางAI Pyramid: AI Native, AI Foundation, AI Deep
ใช้แยกทักษะ AI เป็นสามชั้น เพื่อทำ roadmap ที่ไม่บังคับให้ทุกคนเป็นผู้เชี่ยวชาญเทคนิค
Khatri and Khanal, 2026เปิดต้นทางFuture of Jobs 2025 employer survey scope
ใช้ย้ำว่าข้อมูลมาจากมุมมองนายจ้างกว่า 1,000 ราย ครอบคลุมแรงงานกว่า 14 ล้านคน
World Economic Forumเปิดต้นทางพนักงานเริ่มใช้ AI แล้ว แต่ระบบองค์กรยังวิ่งตามอยู่
หลายองค์กรคิดว่าโจทย์ใหญ่คือทำให้พนักงานเริ่มใช้ AI แต่ข้อมูลล่าสุดชี้ว่าปัญหาอาจกลับด้าน คนจำนวนมากเริ่มทดลองและเห็นประโยชน์แล้ว สิ่งที่ตามไม่ทันคือกติกา วิธีวัดผลงาน บทบาทผู้จัดการ และ workflow ที่ยังออกแบบเหมือนโลกก่อน AI
Microsoft Work Trend Index 2026 สำรวจผู้ใช้ AI 20,000 คนใน 10 ประเทศและพบภาพที่น่าสนใจ: พนักงานบางกลุ่มเริ่มใช้ AI เพื่อทำงานซับซ้อนขึ้น แต่ organizational factors เช่น culture, manager support และ talent practices มีผลต่อ impact ที่รายงานมากกว่าความพยายามส่วนบุคคลถึงสองเท่า ภาษาง่าย ๆ คือคนพร้อมกว่าระบบ
AI literacy แบบเดิมไม่พอแล้ว
การสอนว่า AI คืออะไรหรือเขียน prompt อย่างไรยังจำเป็น แต่ไม่พอสำหรับงานจริง เพราะการใช้ AI ใน workflow ต้องอาศัย judgment, context, quality control และความเข้าใจผลกระทบต่อคน ทักษะสำคัญจึงไม่ใช่การถามให้ได้คำตอบเร็วที่สุด แต่คือรู้ว่าเมื่อไรควรถาม เมื่อไรควรตรวจ และเมื่อไรไม่ควรใช้
Microsoft รายงานว่าผู้ใช้ AI จำนวนมากมอง output เป็นจุดตั้งต้น ไม่ใช่คำตอบสุดท้าย และทักษะที่ถูกยกขึ้นมาคือ quality control กับ critical thinking สำหรับ HR นี่คือสัญญาณว่าการพัฒนา AI skill ต้องผูกกับมาตรฐานคุณภาพของงาน ไม่ใช่จำนวน prompt หรือจำนวนชั่วโมงเรียน
ใช้ AI Pyramid แยกทักษะเป็นสามชั้น
งานวิจัย AI Pyramid ปี 2026 เสนอให้มอง workforce capability เป็นสามชั้น ได้แก่ AI Native capability สำหรับทุกคน, AI Foundation capability สำหรับคนที่สร้าง เชื่อม หรือดูแลระบบ AI-enabled และ AI Deep capability สำหรับผู้เชี่ยวชาญ frontier AI สำหรับ HR โมเดลนี้ช่วยเลิกถกว่าทุกคนต้องเป็น data scientist หรือไม่ คำตอบคือไม่ แต่ทุกคนต้องมี baseline ที่พอใช้ AI อย่างรับผิดชอบ
ตัวอย่างการแปลงเป็น HR roadmap คือพนักงานทั่วไปต้องรู้วิธีตั้งเป้าหมาย ตรวจคำตอบ และปกป้องข้อมูล หัวหน้างานต้องรู้วิธีออกแบบงานและ coach ทีม ส่วน HRIS, People Analytics หรือ IT ต้องดูแล integration, access control, monitoring และ governance
หลักฐานจาก job postings บอกว่าทักษะกำลังผสมกันมากขึ้น
งานวิจัยจาก job postings กว่า 150,000 รายการช่วง 2018-2025 พบว่าการกล่าวถึงทักษะ AI เพิ่มขึ้นหลังปี 2021 และทักษะที่มากับ GenAI ไม่ได้มีแต่ technical skill แต่รวม soft/meta skill, domain-specific skill และ leadership ด้วย ภาพนี้ตรงกับสิ่งที่หลายองค์กรเห็นในงานจริง คือคนที่ใช้ AI ได้ดีมักเข้าใจทั้งงาน คน ข้อมูล และข้อจำกัดของเครื่องมือ
ดังนั้น HR ไม่ควรวัด AI readiness จากการผ่านคอร์สเดียว แต่ควรดูว่าพนักงานนำ AI ไปปรับ workflow ได้หรือไม่ ลด rework ได้หรือไม่ อธิบายเหตุผลของ output ได้หรือไม่ และรู้ขอบเขตข้อมูลที่ห้ามส่งเข้าเครื่องมือหรือไม่
Manager คือตัวคูณ ไม่ใช่แค่ผู้อนุมัติงบ training
ถ้าผู้จัดการไม่เปลี่ยนวิธีมอบหมายงาน AI training จะกลายเป็นกิจกรรมหลังเลิกงาน คนเรียนจบแล้วกลับไปทำงานแบบเดิม ผู้จัดการต้องช่วยตั้ง use case เล็ก ๆ กำหนด quality bar สร้างพื้นที่ทดลอง และถามคำถามใหม่ เช่น งานส่วนใดควรให้ AI ช่วย งานส่วนใดต้องให้คนคิดเอง และผลลัพธ์ใดต้องตรวจสองชั้น
HR ควรทำ manager enablement แยกจาก employee training โดยมี playbook สำหรับเลือกงานทดลอง เขียน guardrail สอนการ review output และเก็บ lesson learned จากทีมต่าง ๆ แล้วหมุนกลับเข้า learning system ขององค์กร
แผน 30-60-90 วันสำหรับ HR
ช่วง 30 วันแรก ให้ทำ skills baseline และเลือก 3 use case ที่มี owner ชัด เช่น สรุปเอกสารนโยบาย เตรียม training outline หรือวิเคราะห์ feedback แบบไม่ใช้ข้อมูลส่วนบุคคลละเอียด ช่วง 60 วัน ให้สร้าง manager playbook และทดลองกับทีมเล็ก ๆ พร้อมเก็บ quality metric และ risk issue
ช่วง 90 วัน ให้ทำ capability map แยก AI Native, AI Foundation และ AI Deep ระบุ role ที่ต้องยกระดับก่อน และผูกการเรียนกับ workflow จริง เป้าหมายไม่ใช่ทำให้ทุกคนดูทันสมัย แต่คือทำให้องค์กรเรียนรู้เร็วขึ้นโดยไม่ทิ้ง judgment, fairness และความรับผิดชอบไว้ข้างหลัง