ในยุคที่คำว่า “AI” (Artificial Intelligence) กลายเป็นคำฮิตติดปากของคนทำธุรกิจ หลายองค์กรต่างพยายามวิ่งไล่ตามกระแสด้วยการมองหาทางนำ AI เข้ามาใส่ในทุกระบบการทำงาน เพราะเชื่อว่าจะช่วยปรับปรุงองค์กรให้ล้ำสมัยขึ้น
แต่รู้หรือไม่? ความจริงแล้ว AI ไม่ใช่ยาสารพัดนึก และการยัดเยียด AI เข้าไปในทุกจุดของการทำงานอาจกลายเป็นความพยายามที่สูญเปล่า เสียทั้งเวลาและงบประมาณโดยใช่เหตุ
วันนี้เราจะมาเจาะลึกและแบ่งประเภทงานให้เห็นชัด ๆ ว่า งานแบบไหนที่เหมาะกับโปรแกรมธรรมดา (Rule-based) และงานแบบไหนที่ควรส่งไม้ต่อให้ AI เข้ามาจัดการ!
📌 เปิดสมการการทำงาน: แบ่งงานออกเป็น 2 ขั้ว
หากเราลองสกัดรูปแบบการทำงานในองค์กรออกมา เราจะสามารถแบ่งงานออกเป็น 2 ประเภทใหญ่ ๆ ตามความต้องการขั้นพื้นฐาน ดังนี้ครับ
1. งานที่ต้องการ “ความถูกต้อง 100%” (Rule-based Systems)
ลองนึกถึง ระบบบัญชี (Accounting) หรือ ระบบบริหารสินค้าคงคลัง (Inventory Management) งานเหล่านี้มีคุณลักษณะร่วมกันคือ:
- ต้องเป็นไปตามกฎเกณฑ์ (Rules) ที่ตายตัว
- ต้องการความถูกต้องแม่นยำสูงมาก ผิดพลาดไม่ได้แม้แต่จุดทศนิยมเดียว
- ไม่ต้องการความสร้างสรรค์ หรือการคิดนอกกรอบใด ๆ
งานประเภทนี้เราเรียกว่า Rule-based หรือระบบที่ทำงานตามคำสั่งที่ถูกเขียนไว้ล่วงหน้า ซึ่งซอฟต์แวร์ธรรมดาที่เราใช้กันอยู่ในปัจจุบันทำงานตรงนี้ได้ดีเยี่ยมอยู่แล้ว การเอา AI เข้ามาทำหน้าที่แทนอาจทำให้ระบบช้าลง หรือเกิดความเสี่ยงจากความผิดพลาดที่คาดเดาไม่ได้ (เพราะ AI มีธรรมชาติของการสุ่มและคาดคะเนผลลัพธ์)
2. งานที่ต้องการ “ความคิดสร้างสรรค์และการคิดวิเคราะห์” (Creative & Cognitive Systems)
ในทางตรงกันข้าม งานอีกซีกโลกหนึ่งคือการออกแบบ, การวางแผน และการประยุกต์ใช้ เช่น:
- การวางโครงสร้างและแผนงานธุรกิจ (Business Design)
- การสร้างสรรค์เนื้อหาภาพและสื่อเพื่อการโฆษณาประชาสัมพันธ์ (Creative Assets)
- การวิเคราะห์แนวโน้มเพื่อหาแนวทางใหม่ ๆ (Predictive & Analytical Thinking)
นี่แหละคือ “พื้นที่ปล่อยของ” ของ AI เพราะงานเหล่านี้ต้องการการเชื่อมโยงข้อมูลจำนวนมหาศาลเพื่อสร้างผลลัพธ์ใหม่ ๆ ที่ไม่ได้ถูกกำหนดไว้ด้วยกฎตายตัว
💡 ตัวอย่างการใช้งานจริง (Real-World Use Case)
เพื่อให้เห็นภาพชัดเจน ลองจินตนาการถึง “บริษัทจำหน่ายสินค้าแฟชั่นออนไลน์” แห่งหนึ่ง:
- หลังบ้าน (ระบบบัญชีและการขนส่ง): บริษัทใช้ระบบ ERP แบบดั้งเดิมที่ทำงานตามกฎเกณฑ์ (Rule-based) ในการตัดสต็อกสินค้าทันทีเมื่อมีการชำระเงิน และคำนวณยอดภาษีมูลค่าเพิ่ม ระบบนี้ทำงานได้อย่างแม่นยำและรวดเร็วโดยไม่ต้องใช้ AI
- หน้าบ้าน (การตลาดและการสร้างแบรนด์): ทีมการตลาดใช้ Generative AI ในการช่วยระดมสมอง (Brainstorm) คิดสโลแกนแคมเปญใหม่ และใช้ AI ในการเจนภาพตัวอย่างนายแบบนางแบบสวมใส่เสื้อผ้าในบรรยากาศต่าง ๆ เพื่อนำไปใช้บนโซเชียลมีเดียได้อย่างรวดเร็ว
จากเคสนี้จะเห็นได้ว่า ทั้งสองระบบทำงานร่วมกันได้อย่างลงตัว โดยแต่ละเทคโนโลยีทำหน้าที่ในส่วนที่ตนเองถนัดที่สุด
👁️ Insight: ทำไมการเลือกเทคโนโลยีให้ถูกงานถึงสำคัญ?
แก่นสำคัญของการเลือกเทคโนโลยีคือ “การเข้าใจจุดเด่นและข้อจำกัด” ของเครื่องมือ
การนำ AI ไปทำงานที่ต้องการความถูกต้องเชิงตัวเลขแบบร้อยเปอร์เซ็นต์ (เช่น งานบัญชี) อาจนำไปสู่ปัญหาที่เรียกว่า AI Hallucination (อาการ AI หลอน) ซึ่งเป็นภาวะที่ AI สร้างข้อมูลเท็จขึ้นมาอย่างแนบเนียน ซึ่งเป็นอันตรายอย่างยิ่งต่อข้อมูลทางการเงิน
ในทางกลับกัน การใช้โปรแกรมแบบ Rule-based เขียนโค้ดแบบเดิม ๆ มาเพื่องานออกแบบสร้างสรรค์ ก็จะทำให้เราได้ผลลัพธ์ที่ซ้ำซาก จำเจ และไม่สามารถแข่งขันในตลาดที่เปลี่ยนแปลงอย่างรวดเร็วได้
“AI เก่งเรื่องการสร้างสรรค์สิ่งใหม่ ๆ (Creativity) และการวิเคราะห์เชิงลึก (Analysis) แต่ระบบแบบดั้งเดิมเก่งเรื่องความเป๊ะและความสม่ำเสมอตามกฎเกณฑ์ (Consistency)”
🔮 มุมมองสู่อนาคต
ในอนาคตอันใกล้ เทรนด์การทำงานระดับองค์กรจะไม่ใช่การตัดสินใจเลือกอย่างใดอย่างหนึ่งระหว่าง “AI ทั้งหมด” หรือ “ไม่ใช้ AI เลย” แต่จะเป็นยุคของ “Hybrid Workspace” (ระบบทำงานแบบผสมผสาน)
องค์กรที่ประสบความสำเร็จคือองค์กรที่สามารถเชื่อมต่อระบบหลังบ้านที่เป็น Rule-based ดั้งเดิมที่แข็งแกร่ง เข้ากับระบบหน้าบ้านที่ขับเคลื่อนด้วย AI ที่ยืดหยุ่นและชาญฉลาดได้อย่างไร้รอยต่อก่อนจะเริ่มโปรเจกต์ไอทีครั้งถัดไป ลองหยุดถามตัวเองก่อนว่า: “งานนี้ต้องการความถูกต้องร้อยเปอร์เซ็นต์ หรือต้องการไอเดียสร้างสรรค์และการวิเคราะห์ใหม่ ๆ?” คำตอบของคำถามนี้จะช่วยให้คุณประหยัดเงิน และได้ระบบงานที่ทรงประสิทธิภาพที่สุดอย่างแน่นอนครับ!
About the Author
