แชร์บทความนี้

ส่งต่อให้เพื่อนหรือทีมงานของคุณ

LINELinkedIn

ข้อมูลที่น่าสนใจ

Framework

ISO 30414:2025 keeps 11 human capital areas and adds a baseline of 14 required metrics

ใช้เป็นฐานอธิบายว่ารายงานเรื่องคนต้องมีทั้ง metric, narrative และ governance มากขึ้นกว่าฉบับเดิม

ISO/TC 260 update on ISO 30414:2025เปิดต้นทาง
Model

Three aims of a people analytics strategy

ใช้เป็นโมเดลเชื่อม metric เข้ากับ business decision, HR action และการวัดผลของ function

CIPD People Analytics Factsheetเปิดต้นทาง
Trend

Algorithmic management is already widespread, but accountability concerns remain

ใช้เตือนว่าการให้ AI ใช้ metric โดยไม่มี contract ชัดจะขยายปัญหาเรื่องความรับผิดชอบและการอธิบายเหตุผล

OECD policy brief on algorithmic managementเปิดต้นทาง

ทำไม HR ยังมี metric เยอะ แต่ยังคุยกันคนละภาษา

ปัญหายอดนิยมของทีม HR ไม่ใช่ขาดตัวเลข แต่คือแต่ละทีมใช้ตัวเลขเดียวกันคนละความหมาย Headcount ของ HR, Finance และ Line Manager อาจต่างกันเพราะ cut-off date, population และข้อยกเว้นไม่เหมือนกัน พอเอาตัวเลขชุดนี้ไป feed เข้า dashboard หรือ AI assistant ระบบก็จะตอบเร็วขึ้น แต่ไม่ได้แปลว่าตอบจากข้อตกลงเดียวกัน

ในทางปฏิบัติ metric ที่ไม่มีสัญญาร่วมมักสร้างปัญหาสามชั้นพร้อมกัน คือคนเถียงกันเรื่องนิยาม ผู้บริหารไม่แน่ใจว่าจะใช้ตัดสินใจได้แค่ไหน และ AI ไม่มีทางรู้เองว่าควรตีความข้อมูลตามกติกาของทีมใด นี่คือเหตุผลที่องค์กรต้องยกระดับจาก data dictionary ไปสู่ metric contract ที่ใช้งานได้จริง

ISO 30414:2025 เปลี่ยนโจทย์จาก มีรายงานไหม เป็น รายงานตรวจสอบได้ไหม

ISO 30414:2025 ระบุว่ามาตรฐานฉบับนี้เป็น baseline สำหรับ human capital reporting and disclosure ที่ใช้ได้กับทุกองค์กร และในเวอร์ชันปี 2025 ขอบเขตไม่ได้หยุดที่การมีตัวเลข แต่เพิ่มมิติเรื่อง requirement ที่ตรวจสอบได้ ความคาดหวังให้เปิดเผยทั้งเชิงปริมาณและเชิงคุณภาพ และการจัดการบริบทเรื่อง data, privacy, technology และ AI อย่างชัดเจนขึ้น

ข่าวอัปเดตของคณะทำงาน ISO/TC 260 อธิบายเพิ่มว่าเวอร์ชันใหม่มี baseline 14 required metrics, คงกรอบ 11 human capital areas ไว้เป็นโครงจัดหมวด และเน้นให้ผู้รายงานอธิบาย governance, strategy, metrics และ variance explanation ด้วย นี่มีความหมายมากกับ HR Tech เพราะมันบอกว่า metric ที่ดีต้องบอกได้ทั้งวัดอะไร วัดไปทำไม และใครรับผิดชอบเมื่อตัวเลขถูกใช้ผิดบริบท

CIPD เติมอีกชั้นว่า people analytics ต้องผูกกับการตัดสินใจธุรกิจ

CIPD เขียนไว้ชัดใน factsheet เรื่อง People Analytics ว่ากลยุทธ์ people analytics ควรมีสามเป้าหมาย คือเชื่อม people data กับ business data เพื่อช่วยการตัดสินใจ ทำให้ทีม HR ใช้ insight ไปออกแบบการดำเนินงาน และวัดประสิทธิผลของ function ตัวเองได้ จุดสำคัญคือ analytics ไม่ได้จบที่การสร้างรายงาน แต่ต้องเดินต่อไปถึง action

เมื่อเอาหลักของ CIPD มาวางคู่กับ ISO 30414 จะเห็นภาพว่า metric ที่พร้อมสำหรับ AI หรือ reporting ที่มีคุณภาพต้องเชื่อมสามเรื่องเข้าด้วยกัน คือนิยามที่คงที่ ความหมายเชิงธุรกิจ และการวัดผลหลังใช้งาน ไม่อย่างนั้น dashboard จะสวยแต่ยังไม่ช่วยให้ผู้จัดการตัดสินใจดีขึ้น

Metric contract 3 ชั้นที่ HisTech แนะนำ

สำหรับการใช้งานจริงในองค์กร HisTech เสนอให้มอง metric contract เป็นข้อตกลง 3 ชั้นที่ทีมต้องเซ็นใจตรงกันก่อนพัฒนา dashboard หรือปล่อย AI ให้ตอบจาก metric นั้น ชั้นแรกคือชั้นนิยาม ชั้นที่สองคือชั้นการตัดสินใจ และชั้นที่สามคือชั้นกำกับดูแล

กรอบนี้ไม่ได้แทนมาตรฐานสากล แต่ช่วยแปลงภาษามาตรฐานให้เป็นของที่ทีม HR, HRIT และ Data ใช้ร่วมกันได้ในงานประจำวัน โดยเฉพาะเมื่อ metric เดียวกันถูกใช้ทั้งในรายงานผู้บริหาร ระบบ self-service และ workflow อัตโนมัติ

  • ชั้นนิยาม: ระบุชื่อ metric, population, numerator, denominator, source system, cut-off date และข้อยกเว้น
  • ชั้นการตัดสินใจ: ระบุว่า metric นี้ถูกใช้ตอบคำถามใด ใครเป็นผู้ใช้หลัก และ action อะไรที่ควรตามมาเมื่อค่าเปลี่ยน
  • ชั้นกำกับดูแล: ระบุ owner, review cadence, สิทธิ์แก้สูตร, วิธีบันทึกการเปลี่ยนแปลง และ guardrail หาก AI นำ metric ไปสรุปหรือแนะนำต่อ

ลองใช้กับ 4 metric ที่ HR มักเถียงกัน

Headcount ควรระบุชัดว่ารวมพนักงานทดลองงาน พนักงานลาหยุดยาว หรือ contractor หรือไม่ Internal mobility ต้องนิยามว่าการย้ายทีมชั่วคราวนับไหม Absence rate ต้องตกลงทั้งหน่วยเวลาและกรณีพิเศษ ส่วน skill gap metric ต้องบอกให้ได้ว่ามาจาก skill profile, learning completion หรือการประเมิน manager

เมื่อแต่ละ metric มี contract ครบ ระบบต่าง ๆ จะคุยกันง่ายขึ้น ผู้บริหารอ่าน trend ได้มั่นใจขึ้น และ AI จะมีหลักอ้างอิงมากกว่าการเดาความหมายจากชื่อคอลัมน์เพียงอย่างเดียว

  • Headcount ใช้ตัดสินใจเรื่องกำลังคน ไม่ใช่แค่สรุปจำนวนคนปลายเดือน
  • Internal mobility ใช้ดูความคล่องตัวของ talent marketplace ไม่ใช่แค่นับการย้ายตำแหน่ง
  • Absence rate ต้องแยกกรณีที่กระทบ coverage กับกรณีที่เป็นสิทธิ์ตามปกติ
  • Skill gap ต้องบอกชัดว่าเป็น gap ต่อบทบาท ต่อโครงการ หรือเทียบกับกลยุทธ์องค์กร

AI เข้ามาเกี่ยวตรงไหน และทำไม accountability ต้องมาก่อน

OECD รายงานในปลายปี 2025 ว่า algorithmic management ถูกใช้แพร่หลายในหลายประเทศแล้ว และแม้ผู้จัดการจำนวนมากมองว่าช่วยให้ตัดสินใจดีขึ้น แต่ก็ยังมีข้อกังวลเรื่อง accountability และการอธิบายเหตุผลของระบบ หากองค์กรปล่อยให้ AI สรุป metric ที่นิยามไม่ชัด ปัญหาเก่าจะถูกขยายผ่านภาษาที่ฟังมั่นใจขึ้น

ดังนั้น metric contract ไม่ใช่เอกสารหลังบ้านอย่างเดียว แต่เป็น control surface สำหรับ AI ด้วย ยิ่ง use case ใกล้การจัดคน เลื่อนตำแหน่ง ปรับค่าตอบแทน หรือประเมินความเสี่ยงคนออก ทีมยิ่งต้องรู้ว่าระบบอ้าง metric ชุดใด ใครอนุมัติสูตร และผู้ใช้จะ challenge คำตอบได้อย่างไร

คำถามที่ควรถามก่อนส่ง metric ให้ AI หรือผู้บริหาร

ถ้าตอบคำถามต่อไปนี้ไม่ได้ครบ ยังไม่ควรรีบเชื่อว่า metric นั้นพร้อมสำหรับ automation หรือ executive reporting เพราะสิ่งที่ขาดอาจไม่ใช่เทคโนโลยี แต่คือข้อตกลงและ governance

  • ตัวเลขนี้มี owner คนเดียวที่รับผิดชอบนิยามและคุณภาพข้อมูลหรือยัง
  • มี variance note อธิบายเหตุผลเมื่อ trend เปลี่ยนผิดปกติหรือยัง
  • AI หรือ dashboard ที่ใช้ metric นี้ระบุ source และช่วงเวลาของข้อมูลได้หรือไม่
  • ถ้ามีการเปลี่ยนสูตร ใครอนุมัติ และผู้ใช้ปลายทางจะรู้ได้อย่างไร
  • หาก metric นี้ถูกใช้กับการตัดสินใจเรื่องคน มี human review อยู่ตรงไหน
กลับไปหน้าบทความ