Where Tech Meets Business

อาจไม่ได้ขาดเทคโนโลยี แต่ขาด “ความชัดเจน” หลายองค์กรพูดถึง transformation ตลอดเวลา เปลี่ยนระบบทำ digital initiativeตั้งทีม innovation แต่ผ่านไปหนึ่งปีผลลัพธ์แทบไม่ต่างจากเดิม คำถามคือเราขาดเทคโนโลยีจริง ๆ หรือเราขาดความชัดเจน? 1. เป้าหมายไม่คมพอ การตัดสินใจเลยไม่เด็ดขาด การเปลี่ยนแปลงต้องการการเลือก เลือกว่าจะหยุดทำอะไรเลือกว่าจะทุ่มทรัพยากรไปตรงไหนเลือกว่าจะยอมเสียอะไรเพื่อได้บางอย่าง ถ้าเป้าหมายองค์กรยังพูดกว้าง ๆ เช่น“อยากเป็น digital leader”“อยาก customer-centric” ทีมงานจะไม่รู้ว่าต้องเปลี่ยนพฤติกรรมอะไร Transformation ที่ไม่มีจุดหมายชัดมักกลายเป็นกิจกรรม ไม่ใช่การเปลี่ยนทิศทาง 2. โครงสร้างยังเหมือนเดิม แต่หวังผลลัพธ์ใหม่ หลายองค์กรเพิ่มเครื่องมือใหม่แต่ยังใช้โครงสร้างเดิม ขั้นตอนอนุมัติยังหลายชั้นการตัดสินใจยังกระจุกอยู่บนสุดทีมงานยังถูกวัดผลแบบเดิม ถ้าโครงสร้างไม่เปลี่ยนพฤติกรรมจะไม่เปลี่ยน และถ้าพฤติกรรมไม่เปลี่ยนเทคโนโลยีจะเป็นแค่ layer ใหม่บนระบบเดิมที่ช้าเหมือนเดิม 3. ความกลัวถูกซ่อนในคำว่า “รอให้พร้อมก่อน” คำว่า“รอให้ระบบสมบูรณ์ก่อน”“รอให้ทีมพร้อมกว่านี้” บางครั้งไม่ใช่เรื่องความพร้อมแต่คือความไม่มั่นใจในการตัดสินใจ การเปลี่ยนแปลงมีความเสี่ยงเสมอแต่การไม่เปลี่ยนก็มีความเสี่ยงเหมือนกัน องค์กรที่เดินหน้าได้ไม่ใช่องค์กรที่ไม่มีความเสี่ยงแต่คือองค์กรที่กล้าตัดสินใจภายใต้ความไม่สมบูรณ์ 4. การสื่อสารไม่สม่ำเสมอ ทำให้แรงต้านเงียบ ๆ โตขึ้น Transformation ไม่ได้ล้มเหลวเพราะคนไม่เก่ง แต่มักล้มเหลวเพราะคนไม่เข้าใจว่า“ทำไปเพื่ออะไร” ถ้าผู้นำพูดถึง transformation…

(คำถามไม่ใช่ว่า “ทำได้ไหม” แต่คือ “ควรให้ทำแค่ไหน”) หลายองค์กรเริ่มใช้ AI ในกระบวนการตัดสินใจ อนุมัติสินเชื่อคัดกรองผู้สมัครงานจัดลำดับลูกค้าตอบคำถามแทนเจ้าหน้าที่ คำถามที่ได้ยินบ่อยคือ“AI แม่นแค่ไหน?”“ระบบเสถียรหรือยัง?” แต่คำถามที่สำคัญกว่านั้นคือ เราควรให้ AI ตัดสินใจแทนเราในระดับไหน? เพราะทันทีที่ระบบเริ่ม “ตัดสินใจ”มันไม่ได้เป็นแค่เครื่องมืออีกต่อไปมันเริ่มมีผลต่อความเสี่ยง ความเชื่อมั่น และชื่อเสียงขององค์กร 1. Automation ไม่เท่ากับ Accountability AI สามารถ automate การวิเคราะห์ได้แต่ไม่สามารถรับผิดชอบผลลัพธ์แทนองค์กรได้ ถ้าระบบปฏิเสธลูกค้าผิดพลาดถ้า algorithm มี biasถ้าคำตอบของ chatbot ทำลายความเชื่อมั่น สุดท้ายคนที่ต้องรับผิดชอบคือผู้นำไม่ใช่ระบบ ดังนั้น ก่อนถามว่า “แม่นไหม”ควรถามว่า ถ้าระบบผิด ใครจะอธิบาย? 2. ทุกการใช้ AI คือการเลือก “เส้นแบ่ง” การนำ AI มาใช้ ไม่ใช่แค่เรื่องประสิทธิภาพ แต่มันคือการกำหนดขอบเขตระหว่างสิ่งที่ให้ระบบทำกับสิ่งที่ยังต้องเป็น judgement ของมนุษย์ ตัวอย่างเช่น ให้ AI ช่วย “แนะนำ”…

ปัญหาอาจไม่ใช่เรื่องข้อมูล) ช่วงไม่กี่ปีที่ผ่านมา องค์กรลงทุนกับ data หนักมาก สร้าง dashboard เพิ่มเก็บข้อมูลละเอียดขึ้นทำ analytics ซับซ้อนขึ้น แต่คำถามคือการตัดสินใจดีขึ้นจริงไหม? หลายองค์กรมีข้อมูลมากกว่าที่เคยแต่ผู้บริหารกลับรู้สึกสับสนมากขึ้นกว่าเดิม ปัญหาอาจไม่ใช่ว่า “ข้อมูลไม่พอ”แต่อาจเป็นว่า “เรายังไม่ชัดว่าจะใช้ข้อมูลเพื่อตัดสินใจอะไร” 1. ข้อมูลไม่เท่ากับความชัดเจน การมี dashboard 15 หน้าไม่ได้แปลว่าเรามองเห็นภาพชัดขึ้น บางครั้งมันแค่เพิ่ม noise ผู้บริหารไม่ได้ต้องการทุก metricเขาต้องการรู้ว่า วันนี้ต้องตัดสินใจอะไรและข้อมูลไหนสำคัญกับการตัดสินใจนั้น ถ้าไม่มีคำถามที่ชัดข้อมูลจะกลายเป็นของประดับ 2. เราวัดทุกอย่าง ยกเว้นสิ่งที่สำคัญ องค์กรจำนวนมากเก่งเรื่องการวัดสิ่งที่วัดง่าย จำนวนผู้ใช้งานเวลาเฉลี่ยในการทำงานconversion rate แต่คำถามเชิงกลยุทธ์อย่าง ลูกค้าไว้ใจเรามากขึ้นไหม?ทีมงานเข้าใจทิศทางองค์กรชัดขึ้นไหม?การตัดสินใจเร็วขึ้นหรือช้าลง? กลับถูกละเลย เพราะวัดยากกว่า สิ่งที่วัดได้ง่ายไม่จำเป็นต้องเป็นสิ่งที่สำคัญที่สุด 3. Data ถูกใช้เพื่อ “ยืนยัน” ไม่ใช่เพื่อ “ท้าทาย” อีกพฤติกรรมที่พบได้บ่อย เราหาข้อมูลมาสนับสนุนสิ่งที่อยากทำอยู่แล้วมากกว่าจะใช้ข้อมูลเพื่อท้าทายสมมติฐานของตัวเอง ถ้า data ถูกใช้แค่เพื่อยืนยันมันจะไม่ช่วยให้การตัดสินใจดีขึ้น บทสนทนาที่มีคุณภาพควรเป็นแบบนี้ “ถ้าข้อมูลนี้ไม่สนับสนุนสิ่งที่เราเชื่อ เราจะทำอย่างไร?” 4. ความรับผิดชอบในการตัดสินใจถูกซ่อนหลังตัวเลข บางครั้งผู้บริหารพูดว่า“ตัวเลขบอกแบบนี้”…