จาก People Analytics สู่ Action: ทำ Decision Loop 5 ขั้นโดยไม่ปล่อย AI ตัดสินใจแทนคน

ทำไม People Analytics ที่มี Dashboard แล้วยังไม่เกิด Action?

ทีม HR หลายแห่งเห็น attrition risk บน dashboard ทุกเดือน แต่ไม่มีใครตอบว่าใครต้องทำอะไรภายในเมื่อไร ผู้จัดการรอ HR, HR รอข้อมูลเพิ่ม และ L&D เปิดหลักสูตรกว้าง ๆ ปัญหาไม่ได้อยู่ที่สีของกราฟ แต่อยู่ที่ช่องว่างระหว่าง insight, decision right และ workflow

SAP เสนอเมื่อ 28 สิงหาคม 2026 ว่า People Analytics กำลังขยับจาก reporting ไปสู่ workforce intelligence และเชื่อมการตัดสินใจกับ hiring, learning, internal mobility และ planning นี่เป็น vendor vision ที่น่าสนใจ แต่คำว่า Autonomous HCM ไม่ควรแปลว่าปล่อยระบบอนุมัติผลกระทบต่อคนเอง

Decision Loop 5 ขั้นคืออะไร?

ขั้นหนึ่ง Question: ระบุ decision เช่นจะลด turnover ในทีมใดภายในไตรมาส โดยไม่เพิ่ม overtime ขั้นสอง Evidence: รวม people data, business data, งานวิจัย, professional expertise และเสียงของผู้ได้รับผลกระทบ ขั้นสาม Options/Risk: เปรียบเทียบทางเลือก ผลข้างเคียง และกลุ่มที่อาจเสียประโยชน์

ขั้นสี่ Human Approval/Action: เจ้าของงบและเจ้าของผลกระทบอนุมัติ action พร้อม reason code, expiry date และ escalation ขั้นห้า Outcome Review: วัดทั้ง business outcome, people outcome และ unintended effect แล้ววนกลับไปปรับคำถาม โมเดล หรือ action ไม่ใช่ปล่อย recommendation เดิมทำงานถาวร

จะรวมหลักฐานอย่างไรไม่ให้ข้อมูลก้อนเดียวครองคำตอบ?

CIPD แนะนำ evidence-based practice ที่ใช้หลักฐานสี่แหล่งร่วมกัน ได้แก่ scientific research, local organizational data, professional expertise และ stakeholder views ถ้า attrition model บอกว่าทีมหนึ่งเสี่ยงสูง ข้อมูลนั้นเป็นเพียงหนึ่งหลักฐาน ต้องถามผู้จัดการ พนักงาน และดู workload, pay, mobility กับบริบทตลาดด้วย

ทำ Evidence Card ต่อ decision ระบุ source, period, population, definition, missingness, confidence และสิ่งที่ข้อมูลตอบไม่ได้ ห้ามใช้ correlation เป็นสาเหตุโดยไม่ทดสอบ และอย่ารวมกลุ่มเล็กจนเปิดเผยตัวบุคคล ใช้ ISO 30414:2025 เป็น taxonomy ของพื้นที่ที่ควรพิจารณา ไม่ใช่สูตรเลือก action อัตโนมัติ

AI ช่วยตรงไหนและควรหยุดตรงไหน?

AI ช่วยหา anomaly, สรุปหลักฐาน, สร้าง scenario และส่ง approved task ไปยัง workflow ได้ จุดหยุดคือการตัดสินใจที่มีผลต่อการจ้าง เลื่อนตำแหน่ง ค่าตอบแทน ตารางงาน หรือการลงโทษ ต้องมีผู้รับผิดชอบที่เห็น input, limitation และทางเลือก ไม่ใช่กดรับคำแนะนำเพราะระบบจัดอันดับมาแล้ว

ใช้ NIST AI RMF วาง Govern เป็นชั้นครอบ Map, Measure และ Manage บันทึก intended purpose, affected people, error cost, override และ go/no-go ทุกครั้งที่บริบทหรือข้อมูลเปลี่ยน ตรวจ explanation กับผู้ใช้หลายกลุ่ม รวมถึงคนที่เป็น subject ของ decision และจัดช่องทาง recourse ที่ตอบจริง

จะเริ่ม Pilot 30 วันอย่างไร?

สัปดาห์แรกเลือก decision เดียวที่ reversible และมีเจ้าของ เช่นเสนอ learning intervention ให้ทีมที่ skill gap สูง ไม่เริ่มที่ termination หรือ pay สัปดาห์สองทำ data contract กับ baseline และ Evidence Card สัปดาห์สาม run แบบ shadow mode ให้ระบบเสนอแต่คนยังทำกระบวนการเดิม แล้วเทียบความต่าง

สัปดาห์สี่ประชุม review กับ HR, line manager, data/IT และตัวแทนพนักงาน อ่านเคสผิดพลาดอย่างน้อยจำนวนหนึ่ง ไม่ดูแต่ค่าเฉลี่ย ถ้าผ่านเกณฑ์จึงเปิด action ในขอบเขตจำกัด พร้อม kill switch, expiry และ review date ทุก recommendation ต้องย้อนกลับไปยังข้อมูลและผู้อนุมัติได้

• Deliverable: Decision Charter, Evidence Card, data contract และ action playbook

• Guardrail: ห้าม action อัตโนมัติใน decision ที่มีผลสูง

• Metric: decision latency, completion, quality, override, appeal และ group impact

• Review: อ่านเหตุผลของ false positive/negative และผลข้างเคียง ไม่พึ่ง dashboard อย่างเดียว

วัดผลและ Governance แบบไหนหลัง Pilot?

วัด chain จาก insight acceptance ไป action completion และ outcome ไม่หยุดที่จำนวน alert ดูว่า decision เร็วขึ้นหรือไม่ action ทำครบหรือไม่ ปัญหาธุรกิจดีขึ้นหรือไม่ และคนได้รับผลกระทบอย่างไร เพิ่ม counter-metric เช่น workload, fairness, privacy complaint, mobility quality และ manager dependency ต่อระบบ

กำหนด Model/Rule Owner, Data Owner, Decision Owner และ Impact Owner แยกกัน คนสร้าง model ไม่ควรอนุมัติความสำเร็จฝ่ายเดียว ทบทวน definition และ threshold ตามรอบ พร้อมปิด recommendation ที่ไม่มี action owner หรือไม่เคยพิสูจน์ outcome

Admin ต้องตรวจอะไรบ้างก่อนอนุมัติ?

ตรวจวันที่ SAP 28 สิงหาคม 2026 และคงถ้อยคำว่าเป็น vision/claim ของ vendor ตรวจ CIPD เรื่อง evidence หลายแหล่ง, ISO 30414:2025 เรื่อง 11 human capital areas และ NIST เรื่อง Govern, Map, Measure, Manage โดยไม่เขียนว่า framework ใดบังคับใช้กับทุกองค์กร

ตรวจว่าบทความไม่สื่อว่า AI มีสิทธิ์อนุมัติ decision เรื่องคน ตรวจภาพว่าเป็นงานสร้างใหม่ ไม่มีหน้าจอ SAP หรือกราฟต้นฉบับ และตรวจ internal links, meta, direct answer, privacy กับ recourse ก่อนเปลี่ยนสถานะจาก draft