งานวิจัยพบ AI ที่ประจบประแจง กำลังทำลายคุณภาพการตัดสินใจ ในงานและธุรกิจ
ทุกวันนี้ ผู้บริหารหลายองค์กรพูดตรงกันว่า ในที่ทำงานยุค AI มนุษย์จะยังเป็นผู้ควบคุม เป็นคนตัดสินใจ และใช้ AI เป็นผู้ช่วย
แต่ยังมีอีกคำถามที่น่าสนใจคือ รูปแบบการโต้ตอบระหว่างพนักงานกับ AI ที่ใช้กันอยู่ทุกวัน ช่วยให้คนคิดได้ดีขึ้น หรือแค่ทำให้รู้สึกดีขึ้น ?
Harvard Business Review ได้เผยแพร่บทความ ที่ BT Group กลุ่มบริษัทโทรคมนาคมที่ใหญ่ที่สุดในสหราชอาณาจักร ร่วมกับ MoreThanNow บริษัทที่ปรึกษาด้านพฤติกรรมศาสตร์ ได้ทำการทดลองเพื่อหาคำตอบเรื่องนี้
และผลที่ได้ ทำให้ทีมวิจัยเองก็ประหลาดใจ..
ปัจจุบัน AI ถูกนำไปใช้ในองค์กรโดยแทบไม่มีการทดสอบ และไม่มีการปรับให้แตกต่างกันตามแต่ละองค์กร
ผลคือ บริษัท AI ชั้นนำเพียงไม่กี่ราย กำลังเป็นผู้กำหนดค่าเริ่มต้นของการโต้ตอบระหว่าง AI กับพนักงานในองค์กรทั่วโลก
ที่สำคัญ พนักงานถูกสนับสนุนให้ใช้ AI กับงานที่สำคัญที่สุด ทั้งการวางกลยุทธ์ทีม แผนการดำเนินงาน และการตัดสินใจทางธุรกิจ
รวมถึงใช้เตรียมตัวก่อนบทสนทนาสำคัญ เช่น การคุยเรื่องเงินเดือน การประเมินผลงาน และการเริ่มต้นโปรเจกต์
โดยทีมวิจัยมองว่ามีความท้าทาย 3 ข้อที่องค์กรต้องเผชิญคือ
1. AI อาจลดความคิดสร้างสรรค์โดยรวม
งานวิจัยพบว่า AI ช่วยให้แต่ละคนทำงานได้ดีขึ้นและสร้างสรรค์ขึ้น แต่ความหลากหลายของไอเดียในภาพรวมกลับลดลง จนไอเดียในองค์กรและอุตสาหกรรม อาจเริ่มเหมือนกันไปหมด
2. การยอมจำนนทางความคิด (Cognitive Surrender)
คือภาวะที่คนพึ่งพาคำตอบของ AI มากขึ้นเรื่อย ๆ และใช้วิจารณญาณของตัวเองน้อยลง ซึ่งกระทบทั้งคุณภาพการตัดสินใจและความรับผิดชอบ
3. AI ถูกออกแบบมาให้ชอบเอาใจผู้ใช้
ทำให้การโต้ตอบที่ท้าทายความคิด เกิดขึ้นน้อยลง
ประวัติศาสตร์ธุรกิจเคยแสดงให้เห็นแล้วว่า วัฒนธรรมประจบประแจง ผู้นำที่ไม่มีใครกล้าแย้ง และไอเดียที่ไม่ถูกตั้งคำถาม สามารถนำไปสู่การล่มสลายได้ อย่างกรณีของ Enron, Lehman Brothers และ Theranos
องค์กรต่าง ๆ พยายามกำจัดพฤติกรรมเหล่านี้ออกจากการทำงานระหว่างคนกับคน มาตลอด
แต่ความคืบหน้านั้นกำลังเสี่ยงจะถอยหลัง.. เพราะ AI ที่ชอบชม อาจแค่ตอกย้ำสิ่งที่ผู้บริหารเชื่ออยู่แล้ว แทนที่จะชี้สมมติฐานที่ผิด หรือความเสี่ยงที่มองข้ามไป
BT เริ่มเห็นปัญหานี้ไม่นานหลังจากสนับสนุนให้พนักงานกว่า 77,000 คน ใช้ AI เป็นเครื่องมือทำงาน
โดยผู้บริหารตั้งคำถามว่า ความชอบเอาใจของ AI อาจกำลังบั่นทอนค่านิยมหนึ่งขององค์กร คือการเป็น “Challengers” ที่ตั้งเป้าหมายใหญ่ สร้างนวัตกรรม และอยากรู้อยากเห็นอยู่เสมอ
ทีมวิจัยไล่หาจังหวะสำคัญที่การถูกท้าทายมีผลจริง และพบว่ากระบวนการตั้งเป้าหมายประจำปี เป็นช่วงที่มีเดิมพันสูง
โดยงานวิจัยตั้งแต่ทศวรรษ 1980 แสดงให้เห็นว่า เป้าหมายที่ท้าทายมีความเชื่อมโยงอย่างมากกับผลงาน
และงานวิจัยต่อมาก็พบความเชื่อมโยงกับความสามารถในการทำกำไร
แต่ในความเป็นจริง หลายคนมองการตั้งเป้าหมายเป็นแค่งานติ๊กให้ครบ และหันไปให้ AI ช่วยร่างมากขึ้นเรื่อย ๆ
ซึ่งทีมวิจัยทำการทดลองแบบสุ่มที่มีกลุ่มควบคุม กับผู้เข้าร่วม 2,400 คน โดยให้ตั้งเป้าหมายการทำงานสำหรับปีถัดไป และสุ่มแบ่งเป็น 3 กลุ่ม
- กลุ่มควบคุม ได้รับคำแนะนำการเขียนเป้าหมายตามปกติ โดยไม่มีเครื่องมือ AI
- กลุ่ม AI แบบค่าเริ่มต้น ใช้เครื่องมือที่จำลองการโต้ตอบของ AI ในองค์กรทั่วไป ซึ่งมีแนวโน้มชอบเอาใจ
- กลุ่ม Challenger AI ใช้เครื่องมือที่ออกแบบให้ท้าทาย กระตุ้นให้คิดใหญ่ และผลักให้ไปไกลกว่าเดิม
ทีมวิจัยคาดไว้ว่า AI แบบค่าเริ่มต้นจะทำให้พนักงานรู้สึกดีกับเป้าหมายของตัวเอง แต่ไม่ได้ช่วยยกระดับคุณภาพ
เช่น เมื่อพนักงานขอความเห็น AI เกี่ยวกับร่างเป้าหมายที่เขียนขึ้น
AI อาจตอบว่า “ยอดเยี่ยมมาก แล้วในทางปฏิบัติ เป้าหมายนั้นจะมีหน้าตาเป็นอย่างไรสำหรับคุณ”
จากนั้นพนักงานก็อาจขยายความเพิ่มเติมอีกเล็กน้อย ก่อนจะสรุปและส่งเป้าหมายเข้าสู่ระบบ HR
สถานการณ์นี้สอดคล้องกับสิ่งที่กำลังเกิดขึ้นในปัจจุบัน ซึ่งพนักงานเริ่มใช้ AI เพื่อช่วยกำหนดเป้าหมายในการทำงานมากขึ้นเรื่อย ๆ
ส่วนกลุ่ม Challenger AI
AI อาจเริ่มต้นด้วยการบอกพนักงานว่า “นี่เป็นเป้าหมายที่ดีและมีความชัดเจน แล้วในทางปฏิบัติ เป้าหมายนั้นจะมีหน้าตาเป็นอย่างไรสำหรับคุณ คุณต้องลงมือทำอะไรบ้างอย่างเป็นรูปธรรม เพื่อให้บรรลุเป้าหมายนี้”
เมื่อพนักงานอธิบายรายละเอียดเพิ่มเติม AI ก็จะกระตุ้นให้พวกเขาคิดต่อไปอีก เช่น “สิ่งเหล่านั้นเป็นองค์ประกอบที่สำคัญ แล้วคุณสามารถระบุให้ชัดเจนขึ้นได้หรือไม่ว่า คุณจะต้องทำอะไรเพื่อให้บรรลุเป้าหมายดังกล่าว”
และในขั้นต่อมา อาจถามว่า “คุณสามารถผลักดันเป้าหมายนี้ให้ท้าทายขึ้นไปอีกได้หรือไม่ ทั้งในแง่ของขนาดเป้าหมาย หรือกรอบเวลา”
กระบวนการทั้งหมดนี้ ใช้เวลาเพิ่มขึ้นจากแบบแรกเพียงไม่กี่นาที
นอกจากนี้ ทีมวิจัยยังพัฒนาเครื่องมือ AI ให้คะแนนเป้าหมายของพนักงานทุกกลุ่ม แล้วตรวจสอบความแม่นยำซ้ำด้วยตัวเอง
โดยใช้เกณฑ์จากทฤษฎีการตั้งเป้าหมาย ที่นิยามเป้าหมายที่ดีว่าต้องทั้งท้าทายและเฉพาะเจาะจง
และผลลัพธ์ ก็ทำให้ทีมวิจัยทึ่ง..
แม้การใช้ AI แบบใดก็ตาม จะดีกว่าการไม่ใช้เลย
แต่ Challenger AI ช่วยยกระดับคุณภาพเป้าหมายได้อย่างก้าวกระโดด โดยมีเป้าหมายที่ได้คะแนนระดับ “ยอดเยี่ยม” มากกว่ากลุ่ม AI แบบค่าเริ่มต้นและกลุ่มควบคุม ถึง 3.5 เท่า
นอกจากจะเพิ่มโอกาสได้เป้าหมายที่ดีขึ้นแล้ว Challenger AI ยังลดโอกาสที่จะได้เป้าหมายที่อ่อนแอด้วย
ที่น่าสนใจคือ แม้จะลดความชอบเอาใจของ AI ลง
แต่ผู้เข้าร่วมทุกกลุ่ม กลับรายงานระดับความสนุก ความรู้สึกปลอดภัยทางจิตใจ และความอยากใช้เทคโนโลยีนี้อีก ไม่ต่างกันเลย
หลังจากนี้ BT จะนำ Challenger AI มาใช้กับกระบวนการตั้งเป้าหมายจริง
และจะศึกษาต่อว่า การขอ Feedback จาก AI ส่งผลต่อคุณภาพงาน วัฒนธรรมการให้ Feedback และความสัมพันธ์ระหว่างคนในที่ทำงานอย่างไร
ซึ่งทีมวิจัย ได้สรุปบทเรียนสำหรับผู้นำองค์กรไว้ 3 ข้อ
1) ต้องวัดความสำเร็จของ AI ด้วยตัวชี้วัดที่มีความหมาย
แทนการวัดแค่จำนวนผู้ใช้งาน จำนวนไลเซนส์ ปริมาณ Token ที่ใช้ หรือจำนวนคนที่ผ่านการอบรม ซึ่งกรณีของ Meta, Amazon และ Uber แสดงให้เห็นแล้วว่าตัวเลขเหล่านี้ถูกปั่นได้ง่าย
องค์กรควรวัด Outputs และผลลัพธ์ที่เกิดขึ้นจริง ซึ่งสะท้อนให้เห็นว่า ปฏิสัมพันธ์ระหว่าง AI กับพนักงาน ส่งผลต่อประสิทธิภาพและความสำเร็จในการทำงานอย่างไร
ซึ่งบริษัท AI ชั้นนำเอง ก็เริ่มจ้างนักวิทยาศาสตร์ข้อมูลด้านพฤติกรรมเข้ามาทำหน้าที่นี้มากขึ้น
2) อย่าใช้แนวทาง “รอดูไปก่อน” ว่า AI จะเปลี่ยนวิธีการทำงานอย่างไร
เพราะในเวลานี้ ยังไม่มีใครมีคำตอบที่ชัดเจน และสิ่งที่ได้ผลในองค์กรหนึ่ง ก็อาจไม่ได้ผลในอีกองค์กรหนึ่ง
ผู้บริหารจึงต้องฝังเป้าหมายและค่านิยมขององค์กรลงไปในการโต้ตอบกับ AI
เรื่องนี้ต้องทำมากกว่าการตั้งค่าเครื่องมือ AI สำหรับองค์กรให้ใช้ข้อมูลภายในบริษัท หรือการสร้าง AI Agent ที่ออกแบบขึ้นมาเฉพาะ เพื่อใช้เป็นกลยุทธ์สร้างความแตกต่างจากคู่แข่ง
แต่หมายถึงการทดลองอย่างจริงจังว่า การตัดสินใจด้านการออกแบบแต่ละรูปแบบ ส่งผลต่อผลลัพธ์อย่างไร โดยใช้การทดลองแบบสุ่มมีกลุ่มควบคุม ก่อนนำไปใช้งานจริงในวงกว้าง
ซึ่งยังมีคำถามอีกมากที่รอคำตอบ เช่น งานประเภทใดบ้างที่ควรนำ AI มาใช้
ตอนเตรียมตัวประเมินผลงานหรือคุยเรื่องเงินเดือน พนักงานควรถูกท้าทายเท่ากันไหม หรือในบางสถานการณ์ การที่ AI ประจบเอาใจบ้างอาจเป็นประโยชน์
และเมื่อใช้ AI ช่วยตัดสินใจจัดสรรเงินลงทุน หรือขอคำแนะนำเรื่องความขัดแย้งในออฟฟิศ ควรปรับเพิ่มระดับการท้าทายทางความคิดให้มากน้อยเพียงใด
3) อย่าเชื่อว่าปัญหาใหม่ ต้องใช้วิธีแก้แบบใหม่เสมอ
ผู้ประกอบการบางรายตอบโจทย์ปัญหาจาก AI ด้วยโซลูชันของ AI เช่น งานเขียนจาก AI อ่านแล้วจืด ก็มีเครื่องมือ AI ทำให้ดูเป็นมนุษย์ หรือคนใช้สมองน้อยลง ก็มีแอป AI ช่วยฝึกสมอง
แต่ผู้นำควรต้านทานความคิดที่จะตอบทุกปัญหาด้วยเทคโนโลยี และยังคงลงทุนในแนวทางแก้ปัญหาที่ใช้มนุษย์เป็นศูนย์กลาง
ทีมวิจัยแนะนำให้ลงทุนกับทักษะของคนต่อไป ทั้งการพาผู้จัดการให้กล้าคุยเรื่องยาก ให้ Feedback ที่สร้างสรรค์ และสร้างทีมที่ทำงานร่วมกันได้อย่างปลอดภัยทางจิตใจ
สรุป การทดลองของ BT บอกว่า AI ที่ดีสำหรับองค์กร อาจเป็น AI ที่กล้าถามต่อ มากกว่า AI ที่ชมเก่ง
และการออกแบบให้ AI ท้าทายพนักงาน ก็ไม่ได้ทำให้ประสบการณ์การใช้งานแย่ลงอย่างที่หลายคนกังวล
โจทย์คือ องค์กรจะยอมปล่อยให้ค่าเริ่มต้นของบริษัท AI ไม่กี่แห่ง กำหนดวัฒนธรรมการทำงานของตัวเอง
หรือจะลงมือออกแบบและทดสอบการโต้ตอบกับ AI ให้สะท้อนค่านิยมและเป้าหมายของตัวเอง
เพราะสิ่งที่ต่างกันระหว่าง AI ที่ชมเก่ง
กับ AI ที่กล้าท้าทายผู้ใช้ คือคุณภาพของเป้าหมาย ที่ห่างกันถึง 3.5 เท่า..
