งบอบรม AI มีจำกัด ควรเลือกทีมไหนเริ่มก่อน

เริ่มจากทีมที่มีงานให้ฝึกและมีคนตรวจงานหลังเรียน

เมื่อมีที่นั่งอบรมจำกัด การเปิดรับคนที่สนใจก่อนอาจได้ผู้เรียนที่กระตือรือร้น แต่ยังไม่ตอบว่าองค์กรจะนำสิ่งที่เรียนไปเปลี่ยนงานใด บางคนกลับมาพร้อมความรู้ใหม่แล้วพบว่าไม่มีข้อมูลที่ใช้ได้ ไม่มีสิทธิ์ใช้เครื่องมือ หรือหัวหน้ายังไม่มีเวลาตรวจผล

บทความนี้จึงเน้นวิธีเลือกทีมสำหรับรอบเริ่มต้น โดยสมมติว่าองค์กรได้กำหนดขอบเขตใช้ AI เบื้องต้นแล้ว เป้าหมายคือให้ผู้เรียนกลับมาทดลองกับงานที่มีเจ้าของและเกณฑ์คุณภาพ ไม่ใช่จัดอันดับว่าใครเก่ง AI มากที่สุดหรือควรได้รับโอกาสพัฒนามากกว่าใคร

ใช้หลักฐานไทยเตือนเรื่องพื้นฐาน โดยไม่ตีตราพนักงานจากค่าเฉลี่ย

รายงาน Fostering Foundational Skills in Thailand ของ World Bank ร่วมกับกองทุนเพื่อความเสมอภาคทางการศึกษาและมหาวิทยาลัยธรรมศาสตร์ ประเมินทักษะของคนอายุ 15–64 ปี และพบช่องว่างด้านการอ่าน ทักษะดิจิทัล และทักษะทางสังคมและอารมณ์ เป็นเหตุให้ควรตรวจพื้นฐานก่อนออกแบบการเรียนรู้

ขอบเขตนี้กว้างกว่าพนักงานในองค์กรเดียว และไม่ได้เป็นการทดสอบความพร้อมใช้ AI ของทุกตำแหน่ง จึงไม่ควรนำผลระดับประเทศมาให้คะแนนทีมเรา ให้ใช้แบบฝึกสั้นจากงานจริง เช่น หาข้อมูลในเอกสาร ตรวจแหล่งที่มา และอธิบายข้อผิดพลาด เพื่อดูว่าต้องเตรียมพื้นฐานตรงไหน

ให้แต่ละทีมเสนอข้อมูลสั้น ๆ ก่อนขอที่นั่งอบรม

• งานที่อยากเปลี่ยนคืออะไร เกิดบ่อยแค่ไหน และปัญหาเดิมอยู่ที่เวลา คุณภาพ หรือขั้นตอนใด
• ข้อมูลที่จะใช้เป็นข้อมูลแบบไหน อนุญาตให้ใช้กับเครื่องมือที่เลือกหรือยัง
• ใครเป็นเจ้าของงาน ใครตรวจผล และมีเวลาให้ฝึกในเวลางานหรือไม่
• จะใช้ชิ้นงานใดเปรียบเทียบก่อนกับหลัง และอะไรถือเป็นข้อผิดพลาดสำคัญ
• หาก AI ตอบผิดหรือทำงานต่อไม่ได้ จะกลับไปใช้วิธีเดิมและแจ้งใคร

ข้อมูลเหล่านี้ควรตอบได้ด้วยตัวอย่างหนึ่งงาน ไม่ต้องเริ่มจากเอกสารโครงการยาว หากยังระบุงานไม่ได้ ให้ผู้จัดการกับ HR ช่วยกันจำกัดขอบเขตก่อน การมีผู้สนใจจำนวนมากเป็นจุดเริ่มที่ดี แต่ยังไม่ใช่หลักฐานว่าทีมพร้อมทดลอง

แยกทีมเริ่มก่อนออกจากทีมที่ต้องเตรียมเงื่อนไขเพิ่ม

ตารางนี้เป็นตัวอย่างเกณฑ์ที่ HISTECH เสนอเพื่อจัดลำดับการเตรียมงาน ไม่ใช่คะแนนมาตรฐานหรือผลสำรวจ ใช้พิจารณาทีละงาน แม้อยู่ในทีมเดียวกัน งานที่ต่างกันอาจอยู่คนละกลุ่มได้

งานที่ใช้เอกสารซึ่งอนุญาตแล้วและมีผู้ตรวจพร้อม เหมาะกับการฝึกในขอบเขตเล็ก ส่วนงานที่เกี่ยวข้องกับการจ่ายเงิน การประเมินคน หรือสิทธิ์สำคัญ ต้องเตรียมการควบคุมให้เหมาะกับผลกระทบก่อนให้ AI มีบทบาทมากขึ้น การชะลอการทดลองงานเสี่ยงไม่ได้หมายความว่าชะลอการเรียนรู้ ผู้เกี่ยวข้องยังควรฝึกด้วยข้อมูลสมมติและเรียนรู้ความเสี่ยงได้

ผู้ใช้ ผู้จัดการ และ HR กับ IT ต้องฝึกคนละหน้าที่

ผู้ใช้ควรฝึกกับชิ้นงานที่ตนรับผิดชอบ ตั้งคำถามให้ครบ ตรวจข้อเท็จจริง และระบุส่วนที่ยังไม่แน่ใจ ผู้จัดการควรฝึกกำหนดงานที่ส่งต่อให้ AI ได้ เกณฑ์รับงาน และจุดที่ต้องหยุดเพื่อให้คนตัดสินใจ ส่วน HR กับ IT ต้องร่วมกันดูสิทธิ์ เครื่องมือ และวิธีเก็บหลักฐานที่เหมาะสม

คู่มือ Generative AI ของ ETDA ปี 2024 อธิบายทั้งประโยชน์ ข้อจำกัด และความเสี่ยงของการประยุกต์ใช้ในองค์กร ส่วน NIST AI 600-1 เป็นแนวทางสมัครใจสำหรับบริหารความเสี่ยงของ Generative AI ใช้ประกอบการกำหนดโจทย์ฝึกและจุดตรวจ ไม่ได้เป็นหลักสูตรหรือเกณฑ์ให้คะแนนทีมตามตารางนี้

ในชั้นเรียนควรมีทั้งตัวอย่างที่ AI ช่วยได้และตัวอย่างที่คำตอบดูน่าเชื่อแต่ผิด ผู้เรียนต้องอธิบายได้ว่าใช้ข้อมูลอะไร ตรวจตรงไหน และเหตุใดจึงรับหรือไม่รับผลลัพธ์ การฝึกดังกล่าวช่วยให้ผู้จัดการเห็นจุดที่ต้องสนับสนุนต่อหลังอบรม

กันเวลาเรียนและงบสำหรับคนที่ต้องเสริมพื้นฐานด้วย

อย่าใช้ความพร้อมของทีมทดลองเป็นเงื่อนไขตัดงบพัฒนาคนกลุ่มอื่นทั้งหมด แบ่งงานพัฒนาอย่างน้อยเป็นกลุ่มทดลองกับงานที่พร้อม และกลุ่มเตรียมพื้นฐานหรือข้อมูลเพื่อเข้ารอบถัดไป ให้ผู้จัดการตกลงเวลาฝึกและช่องทางขอความช่วยเหลือด้วย

ตัวอย่างสมมติ หากองค์กรจัดที่นั่งได้ 20 คน อาจเริ่มด้วยสองทีม ทีมละ 10 คน ซึ่งมีงานและผู้ตรวจพร้อม ตัวเลขนี้ใช้วางแผนภาระดูแล ไม่ใช่ขนาดชั้นที่มีงานวิจัยรับรอง หากผู้จัดการตรวจชิ้นงานไม่ทัน ควรลดขนาดกลุ่มหรือเพิ่มเวลาฝึก แทนการนับคนเข้าเรียนให้ครบเป้าเพียงอย่างเดียว

ตกลงหลักฐานหลังอบรมก่อนเริ่มเรียน

• ชิ้นงานก่อนและหลังฝึกต้องใช้โจทย์และเกณฑ์คุณภาพที่เทียบกันได้
• เก็บเวลาทำงานรวมเวลาตรวจและแก้ ไม่วัดเฉพาะเวลาสร้างคำตอบ
• ระบุข้อผิดพลาดที่ยอมรับไม่ได้และให้ผู้ตรวจบันทึกการพบจริง
• แยกความพึงพอใจของผู้เรียนออกจากความสามารถนำไปทำงาน
• ทบทวนการใช้ข้อมูลและข้อขัดข้องควบคู่กับคุณภาพงาน

สำหรับรอบเริ่มต้น อาจกำหนดให้แต่ละทีมส่งชิ้นงานที่ตรวจแล้วพร้อมบันทึกสิ่งที่ต้องแก้ ก่อนขอขยายจำนวนผู้ใช้ หากคุณภาพยังไม่นิ่ง การขยายรุ่นจะเพิ่มภาระผู้ตรวจ ไม่ใช่แปลว่าควรเพิ่มเครื่องมือทันที

จบรอบทดลองด้วยการตัดสินใจว่าจะขยาย เตรียมเพิ่ม หรือพักงานใด

จัดประชุมสั้นระหว่างเจ้าของงาน ผู้จัดการ HR และ IT เทียบสิ่งที่คาดไว้กับหลักฐานจริง งานที่ทำซ้ำได้และผ่านเกณฑ์อาจขยายกลุ่มอย่างค่อยเป็นค่อยไป งานที่ติดข้อมูลหรือขั้นตอนควรระบุผู้แก้และเงื่อนไขกลับมาทดลอง ส่วนงานที่ผลกระทบยังควบคุมไม่ได้ให้พักการใช้งานในขอบเขตนั้น

การเลือกทีมเริ่มก่อนจึงเป็นการจัดลำดับความพร้อมของงานและการสนับสนุน ไม่ใช่การเลือกผู้ชนะให้ได้เรียนรู้เพียงกลุ่มเดียว เมื่อบันทึกเหตุผลและเงื่อนไขรอบถัดไปไว้ชัด HR จะจัดงบต่อได้จากสิ่งที่องค์กรยังขาด แทนการเริ่มต้นจากรายชื่อหลักสูตรใหม่ทุกครั้ง