By Skooldio สรุปเซสชัน AI HARD TALK: THE JOBPOCALYPSE คุยลึกเรื่อง AI ลดคน Redesign องค์กร สร้างจุดชนะใหม่ธุรกิจ
โดยคุณยอด ชินสุภัคกุล ประธานเจ้าหน้าที่บริหาร LINE MAN Wongnai และคุณโบ๊ท พชร อารยะการกุล ประธานเจ้าหน้าที่บริหาร บริษัท Bluebik Group
ดำเนินการสนทนาโดยคุณเคน นครินทร์ วนกิจไพบูลย์ ประธานเจ้าหน้าที่บริหาร และบรรณาธิการบริหาร บริษัท เดอะสแตนดาร์ด จำกัด ในงาน The Secret Sauce Summit 2026
คุณเคนถามอัปเดตสถานการณ์กับ Speakers ทั้ง 2 ท่าน
ตอนนี้เอา AI มาใช้ตรงไหนบ้าง ใช้มากน้อยแค่ไหน มีการลดคนหรือไม่ หรือได้ Productivity อย่างไร?
คุณยอดเล่าว่าที่ LINE MAN Wongnai use case แรกที่ใช้คือทำ Customer Service ซึ่งเป็น Use Case ที่ Common สุด เพราะทำไม่ยากมากนัก โดยวิธีคือเลือกดูก่อนว่าตรงไหนคนเยอะสุด ก็เอา AI ไปจับตรงนั้น ซึ่งแผนกคนเยอะที่เป็นกล้ามเนื้อมัดใหญ่ขององค์กรคือ Sale , Software Engineer โดยมี agent ประมาณ 400 คน เดือนหนึ่งมีเคสหลายแสนเคส
พอเอา AI มาใช้ได้ 1 ปี ก็ไม่ได้เจอแค่เรื่อง Cost Saving แต่เจอว่าดีกว่ามนุษย์หลายแง่มุม
AI ได้เปรียบเรื่อง Accuracy โดยสามารถตอบได้ตาม SOP ถึง 94% แต่ Human ได้แค่ 74% รวมถึง Average response time มนุษย์อยู่ที่ 12 วินาที ส่วน AI อยู่ที่ 10 วินาที คนใช้เวลาปิดเคสช้ากว่า
ส่วน Cost per case ถูกกว่า 4 เท่า เพราะคนมีค่าแรงสูงกว่า AI
Cancellation Rate ลูกค้าที่ถามคำถามเช่น อยากยกเลิกออร์เดอร์ ปรากฏว่า AI ทำได้ดีกว่าในการ Convince ให้ลูกค้าไม่ Cancel Order โดย 52% vs 37% คือ Cancel Rate ของลูกค้าเมื่อผ่าน Human vs AI
คุณยอดสเกล AI ไปเยอะมากแล้ว โดยสเกลไปแล้ว 80% เป็น merchant 88% และ rider 59%
คุณยอดบอกว่าตอนนี้ Headcount ฝั่ง Customer Service ลดไปแล้วกว่า 100 คน แต่ไม่ได้มีการ layoff อะไร เพราะทีม Customer Service มี Turnover rate ที่สูงอยู่แล้ว เลยใช้การฟรีซคนแล้วให้ AI ทำงานแทน
ส่วนคนที่ยังอยู่ จะทำหน้าที่เป็น QA หรือรอตอบคำถามงานที่ AI ตอบไม่ได้ เพราะไม่มีใน SOP
AI ช่วยการ Scalability ได้ดี งานเยอะก็ช่วยได้
Frontline Operation อื่น ๆ ที่ไม่ใช่ Customer Service ก็มีการ Launch แล้วเหมือนกัน แต่ Frontline อื่น ๆ จะมี Noise มากกว่า เช่น เวลามีหนี้ต้องโทรไปทวง ล่าสุดก็มีการใช้ AI ในการทวงหนี้ ซึ่งจะสามารถทวงได้ 80% ของ Human ดังนั้นในจุดนี้ AI จะยังไม่ดีเท่าคน แต่ก็ช่วยสเกลได้มากขึ้น
หรือการทำ Rider Activation ขอข้อมูลจากไรเดอร์เช่น ใบขับขี่ ทะเบียนรถ ตามเอกสาร พอใช้ AI ตามเอา ก็ Perform ได้ไม่ได้เท่าคน แต่ก็สเกลได้ดีกว่า
ฝั่ง Sales AI สามารถ Perform ได้ 60% ของคน แต่เพิ่ง launch ไปได้เดือนเดียว ปัญหาคือลูกค้าไม่ค่อยตอบตาม SOP เช่น เราถามว่าลูกค้าอยากเข้าร่วมแคมเปญนี้ไหม แต่ลูกค้าถามกลับว่า “ยอดขายไม่ดีเกิดอะไรขึ้น” บทสนทนาแบบนี้ไม่ได้เป็นตามสคริปต์ AI จึงไม่สามารถ Perform ได้ดีเท่าคน
ฝั่ง Software Engineering มีการใช้ตั้งแต่ Claude Code, Codex, Cursor ในการ Coding โดยตอนนี้ 80% ของ code เขียนโดย AI แล้ว
MR Throughput ดีขึ้น 50% แต่พบคอขวดที่การ Design และ QA รวมถึง Decision Making
ในแง่ Software Engineer มีการพัฒนาที่ไวมากโดยเริ่มจากใช้ GitHub Copilot และต่อมาก็ใช้ Cursor ล่าสุดใช้ Claude Code โดยใน 18 เดือนที่ผ่านมา มีการเปลี่ยน IDE ไปแล้วถึงสามรอบ
รู้สึกอย่างไรเมื่อเห็นว่า AI สามารถทำงานได้เยอะขึ้นมากแล้ว ไม่ใช่แค่สาย Software?
คุณยอดบอกว่าที่ผ่านมา นอกจากการฟรีซคน ก็มีการ Layoff คนออกไปด้วย นี่เป็น decision ที่จำเป็น
เมื่อมีการใช้ AI Productivity จะมีการเพิ่มขึ้น 20-30% ในทุก ๆ คนอยู่แล้ว คนที่ตามไม่ทันก็อาจจะมีบ้าง คุณยอดเลยมองว่าการ Layoff เป็นเรื่องจำเป็น เพราะไม่ใช่ทุกคนจะได้ไปต่อ
ฝั่งคุณโบ๊ทเล่าว่าปกติ Bluebik จะเข้าไปช่วยองค์กรทำ Transformation ซึ่งตอนนี้คือ AI Transformation โดยจากที่ผ่านมา คุณโบ๊ทเห็นว่าแต่ละองค์กรจะมีระดับการทำงานกับ AI แบ่งเป็น 4 ระดับ ดังนี้
- ซื้อเครื่องมือให้คนทำงานใช้ – เป็นการติดอาวุธแบบง่ายสุด เช่น ซื้อ Generative AI, LLM
- ปรับกระบวนการ Process Re-engineering พอมี AI เราก็สามารถทำ Agent ทำงานแทนคนบางจุดได้ แล้วมี Human-in-the-Loop
- บางองค์กรต้องการ Reshape Business Operating Model – โครงสร้างองค์กร บทบาท Role แต่ละคน เมื่อก่อนไม่มี Role สำหรับ Monitor AI แต่ตอนนี้ต้องมี เพราะ AI ไม่เหมือนซอฟต์แวร์ทั่วไป เราต้อง Monitor AI ด้วย เพราะข้อมูลในโมเดลกับความจริงอาจจะไม่แมตช์กัน ที่เรียกว่า Data Drift
- เปลี่ยน Business Model – พอมี AI เข้ามา เรื่องบางเรื่องที่ทำไม่ได้ AI ก็เข้ามาทำให้เป็นไปได้ เช่น ปกติการ Reach out หาคน การโทรทีนึงต้องใช้เงิน 30-40 บาทต่อครั้ง แต่พอมี AI ใช้เงินแค่ 3-4 บาทต่อครั้ง ทำให้สามารถทำการ Reach Out ได้ง่ายขึ้น
แต่ละองค์กร Apply AI คนละ Stage ใน Bluebik เองก็มีเรื่องที่เปลี่ยนไปเยอะ นั่นคือการทำเรื่อง Software Engineer
ในทีม tech จะมีการแบ่งเป็น 3 ทีม ให้แต่ละคนเอา AI ไปใช้ โดยมีเป้าหมายคืออยากให้ Productivity เพิ่ม ซึ่งผลคือ 3 ทีมนี้ใช้ Approach ไม่เหมือนกันเลย
มีทีมหนึ่งทำงานกับลูกค้าขนาดกลาง-เล็ก เลยมีจุดมุ่งหมายว่าจะใช้ AI ทำ Software Engineer แบบ Dark Factory เช่น แทนที่จะโค้ดผ่าน IDE ก็ให้สั่งงานลง Platform ที่สร้างขึ้นเอง แล้วโยน Prompt/Requirements ต่าง ๆ ลงใน Platform ที่สร้างขึ้นเลย
Business Analyst, Tester, etc. ในตอนนี้จะเปลี่ยนไปเป็นคน Make Decision Architecture แทน สิ่งที่เกิดคือได้ Productivity เพิ่ม 50% และไม่ต้องทำงานใน IDE อีกต่อไป เพราะทุกคนทำงานผ่าน Platform เดียวกันไปเลย สามารถสั่งให้ AI แก้งานผ่าน Platform ได้เลย
อีกทีมทำ Software ให้ธนาคาร จึงทำให้ต้องมี Human-in-the-Loop เยอะ ด้วยการสร้าง Agent ไปประกบแต่ละ Role เป็นต้น
ด้าน Bluebik คุณโบ๊ทเล่าว่าไม่ได้มีการเอาคนออก แต่ก็ไม่ปฏิเสธว่าวันหนึ่งต้องมี เพราะธุรกิจ Bluebik เป็น Service ทำให้บางตำแหน่งอาจต้องการน้อยลง บางตำแหน่งต้องการเยอะขึ้น
แล้วฝั่งที่เป็น Business ล่ะ AI แทนคนเยอะไหม? คุณโบ๊ทเล่าว่าฝั่ง Sales & Marketing AI มีการแทนไปเยอะมาก เรียกได้ว่า Transform ทั้งหมด ยกตัวอย่างทีม Consult ที่ปกติแล้วมักจะต้องทำงาน Research, ทำ Analysis, ทำ Slides ให้ผู้บริหาร ซึ่งตอนนี้งานทั้งหมดนี้ก็ใช้ Agent ทำได้ สิ่งที่ตามมาคือ พอใช้ Agent ทำ คนก็จะยิ่งใช้สมองทำงานมากขึ้น ดังนั้นโจทย์ใหม่คือจะทำยังไงให้ Layer ของคนสามารถ Add Value ให้องค์กรได้อยู่
อะไรคือ Secret Sauce ของการทำ Transformation ให้สำเร็จ?
คุณยอดมองว่าสิ่งที่สำคัญที่สุดเลยคือ Top-Down Direction จากผู้นำองค์กร CEO ต้องเป็นคนฟันธงก่อนเป็นข้อแรก
สำหรับคุณยอด คุณยอดมองว่าตัวเองเป็นสายเหยี่ยวอยู่แล้ว เลยจัด Hackathon เอง
ถ้าเป็นเรื่อง AI transformation คุณยอดจะดูเองหมด
ทุกเดือนหรือ ทุก ๆ 2 สัปดาห์ จะมีการเอาผลการ Launch AI มา Report มาตรง ๆ กับคุณยอดเองหมด ไม่ Delegate
คุณยอดมองว่าในฐานะ CEO เอง ทีแรกเขาก็ไม่ได้รู้ทุกอย่าง แต่จากการรับ Report ด้วยตัวเองตลอด ๆ จึงทำให้คุณยอดเป็น Expert ไปโดยไม่รู้ตัว เพราะเห็นอัปเดต/ภาพรวม ของทุกโปรเจกต์
สุดท้ายแล้ว การ set โทนจากด้านบนขององค์กร เป็นสิ่งสำคัญที่สุด
อย่างที่สองคือการเลือก Area ในการใช้ AI ให้ถูกต้อง จะได้ก้าวข้ามผ่านเรื่อง ROI ได้เร็ว
Organization ของเรา มีตรงไหนที่คนเยอะ ให้ทำตรงนั้นก่อน เช่น LMWN มี Customer Service 400 คน, Sales 300 คน, Software Engineer 400-500 คน ก็เริ่มทำจาก 3 ส่วนนี้ก่อน
เพราะสำหรับส่วนที่มีคนเยอะ การได้แค่ 5% Improvement ก็ถือว่าใหญ่แล้วสำหรับส่วนที่มี 400 คน ดังนั้นจึงแนะนำให้เลือกจาก Area ที่ High Leverage ในการทำ
จุดที่ยากไม่ใช่การหาว่าโมเดลไหนเก่ง เพราะเดี๋ยวนี้มีทำ Harness Layer ดังนั้นต้องมาดูว่าเราจะ Evaluate, QA ยังไง ดึงข้อมูลจากไหน ถ้า AI ตอบไม่ได้ควรจะ Human-in-the-Loop ตอนไหน หรือต้องมารีดีไซน์ Workflow ใหม่ไหม ?
ดังนั้นการ Implement AI ใน Workflow สิ่งที่น่ากังวลน้อยสุดคือ Model เพราะงานง่าย ๆ เหล่านี้ Model เล็กอย่าง Open Source ก็สามารถทำได้ แต่ตัวที่ยากคือ Harness Layer ต่างหาก
สุดท้ายคุณยอดเล่าว่ายังไม่ต้องไปวัด ROI มาก ให้เชื่อก่อนว่า AI มันทำงานได้ดีกว่าคนแน่ ๆ ต่อให้วันนี้ไม่เวิร์ก อนาคตเวิร์กแน่ ถ้าไม่เวิร์กก็ถือว่าจ่ายค่าเล่าเรียนกันไป
คุณยอดมองว่าตัวเองเป็นหัวหน้าหมู่ลูกเสือที่ติดในป่าแล้วทำการส่งคนกระจายไปหาทาง 5 ด้าน แล้วดูว่าทางไหนถูก เมื่อเจอทางที่ถูกก็เดินไปทางนั้น Explore ไปก่อน แล้วหาทางข้างหน้ากันต่อ
ทำไมบางองค์กรข้ามจาก Stage 1 ไป 2, 3 ไม่ได้ ?
คุณยอดมองว่า LMWN สามารถทำได้เพราะเขาเป็นคนบริหารแบบ Top-Down ลงมาดูเอง ในแง่การใช้ AI ก็มีการปรับไปเรื่อย ๆ มันไม่ได้เวิร์กตั้งแต่แรก
อย่างฝั่ง Sales ก็พยายามทำมา 6-8 เดือนแล้ว จนเพิ่งมาเจอเวอร์ชันที่เวิร์กเมื่อเดือนที่แล้วนี่เอง ก่อนหน้านี้ทำเป็นแชตลูกค้าก็ไม่มาคุย ตอนหลังทำเป็น Voice ถึงจะเริ่มมีลูกค้ามาคุยด้วยมากขึ้น
คุณยอดมองว่าเราอาจจะต้องการความกล้าบ้าบิ่นในยุคที่เทคโนโลยีเปลี่ยนแบบนี้ เพราะ Cost ที่เสียไปจากการลอง มันต่ำกว่าการไม่ได้ลองอะไรเลย
ฝั่งคุณโบ๊ทมองเป็น 3 ประเด็น
1). เวลาทำงานกับลูกค้า คุณโบ๊ทเห็น Pattern ว่าพอมี AI agent ก็มีการใช้คนน้อยลงจริง ๆ แต่องค์กรก็ต้องการคนที่เป็น Senior Expert มากขึ้น ต่างจากเมื่อก่อนที่พอมีคนไม่เก่ง คนคนนั้นก็ทำงาน Labour แล้วคนเก่งก็ไปควบคุมดูแล แต่ตอนนี้หาที่ลงให้ไม่ได้แล้ว
คุณโบ๊ทเห็นด้วยกับคุณยอดว่าการเปลี่ยนแปลงเรื่องขององค์กรนั้นใหญ่มาก ๆ มองว่าเวลาทำงาน เราไม่ได้ซื้อ Tools ไปให้ลูกน้องใช้ เพราะปัญหาคือลูกน้องจะทำงานเร็วขึ้น เก่งขึ้น ได้เวลาเพิ่มขึ้น แต่ไม่ได้อะไรมากกว่านั้น แถม Cost ก็ไม่ได้ลดลง
คำว่าคนเก่งของคุณโบ๊ทคือคนที่มีพื้นฐาน ทักษะ เข้าใจและบอกได้ว่าผลลัพธ์จาก AI คือสิ่งที่ถูกหรือผิด คนไม่เก่งคือคนที่ AI พูดอะไรมาก็เชื่อหมด
2). เราต้องการทีมที่ผสมระหว่าง AI และคน แต่หัวหน้าต้องสามารถ Accountable กับงานของทุกคนได้ พอเป็น AI agent เราจะตรวจงานไม่เหมือนเดิม บางงานเราใช้ Agent มากกว่า 1 ตัว เพื่อ Cross-Check กัน แล้วเอา Frontier Model มาตรวจงานอีกที
Structure องค์กรเมื่อก่อนมี Middle Manager เยอะ แต่ตอนนี้หลายองค์กรลด Layer องค์กรให้ Flat ลง ลดคนระดับกลางได้
ตอนนี้เป็นองค์กรที่ฐานถูก Fill ด้วย AI และ Layer น้อยลง Reporting Line น้อยลง อยู่ที่เราดูว่าเราอยากได้คนแบบไหน
โดยตอนนี้ คุณโบ๊ทมองว่าองค์กรต้องการคนที่มี 4 สิ่งนี้
1). ต้องรู้ก่อนว่าสิ่งที่ AI ทำมา ถูกหรือผิด มีสกิลในการ Judge ได้ว่า AI พูดถูกหรือผิด
2). ทักษะในการบริหารจัดการ Task & Team การบริหารจัดการเวลา คนทำงานจะเหมือนไม่ได้ทำงานคนเดียว เพราะมี AI agent ทำงานให้ด้วย
ดังนั้นคนทำงานต้องแบ่งงานให้ดี ๆ ว่างานไหนให้ Agent ตัวไหนทำ แล้วตรงไหนที่ต้องมีคนรีวิว หรือรวบรวม ถ้าบริหารเวลาไม่ดี จัดการไม่ดี ทั้งหมดนี้อาจจะใช้เวลาเท่ากับก่อนมี AI ก็ได้ พอเป็นแบบนี้มันจะไม่เกิดประโยชน์อะไรขึ้น ดังนั้นคนทำงานต้องสับหลีกงานเก่งมาก การมีคนแบบนี้จะช่วยเซฟเวลาขององค์กรได้เยอะ
3). Interpersonal Skills – องค์กรต้องการคนที่มีหน้าที่รับ Context ที่ AI อาจจะไม่ได้มี Context เหล่านั้นในโมเดลแต่แรก แล้วป้อนเข้า AI คนเหล่านี้จะต้องเป็นคนที่สามารถเข้าใจสิ่งที่เกิดขึ้นในโลกภายนอก และแปลงให้ AI รับรู้ และต้องสามารถเอาความรู้จาก AI มาแปลงให้สามารถสื่อสารกับมนุษย์ได้ รวมถึงการทำงานกับเพื่อนร่วมงานมนุษย์ก็ยังสำคัญอยู่
4). Accountable Mindset – รับผิดชอบกับงานของตัวเอง แม้ว่าจะ Delegate ให้ AI ทำ ก็ต้องรับผิดชอบกับผลที่ออกมาได้
คิดตลอดว่าถูกต้องไหม จะพัฒนายังไง แก้ไขให้ดียิ่งขึ้น มีความรับผิดชอบในสิ่งที่ทำ
องค์กรจะยังรับเด็กจบใหม่หรือไม่?
คุณยอดมองว่า คงไม่ได้ดูว่าเป็นเด็กจบใหม่หรือไม่ เพราะ LMWN ตอนนี้ก็มีเปิดรับพนักงานทั่วไปอยู่ อาจจะมีตำแหน่งใหม่ด้วยบ้าง แต่ก็เป็นความจริงที่ว่า ทักษะหรือประสบการณ์ที่ต้องการ มีแนวโน้มที่ทั้งตลาดจะเน้นไปที่ Foundational Knowledge มากขึ้น
การจ้างงานจะน้อยลงกับคนที่มีประสบการณ์น้อยกว่า เช่น การ Graphic Design, UX/UI ถ้าใช้ AI เก่งก็ทำแทนคนได้ แต่สุดท้ายก็ยังต้องมีคนที่มีประสบการณ์มา Judge อีกทีว่าดีพอหรือไม่
คุณยอดบอกว่าตอนที่ทำงาน ถ้ามีสไลด์ที่ทำด้วย AI แล้วดูออก คุณยอดก็ไม่ชอบ แต่ถ้าใช้ AI ทำสไลด์แล้วดูไม่ออกก็โอเค
คุณยอดไม่ยินยอมให้มี AI Slop ในองค์กร ดังนั้นถ้าเป็นเด็กจบใหม่ที่อยากมีงานทำในตอนนี้ ก็ต้องเป็นคนที่มีความรู้สูง ๆ
คุณโบ๊ทเห็นด้วยและเสริมว่าตอนแรก ๆ ที่ทำ Automation ในบริษัท คนที่โดนแทนแรก ๆ คือน้อง ๆ เพราะ ปัญหาคืองานเหล่านั้นใช้ AI ทดแทนได้ และน้อง ๆ ไม่สามารถ Judge Output จาก AI ได้ดีเท่า Senior
ทว่าคนอีกกลุ่มที่น่าเป็นห่วงคือหัวหน้าที่อยู่มานาน และไม่สามารถ Adapt กับ AI ได้ แต่เด็กที่ปรับตัวได้เร็ว มีความเข้าใจเรื่องนี้เร็ว เริ่ม Perform ดีขึ้นก็ไม่ได้น่าห่วงมาก
บางคนที่ทำงานเดิมมานานและ Adaptability ต่ำ แม้ไม่ได้มีปัญหาทาง Skill แต่เป็นปัญหาทาง mindset มากกว่า ซึ่งเป็นปัญหาว่าถ้า mindset ของหัวหน้าไม่ดี อาจจะส่งต่อไปคนอื่นได้
Senior ที่ Mindset ไม่ดี จึงเป็นอีกเรื่องที่น่าเป็นห่วง
ถ้าเราไม่มีความพร้อมในการเปลี่ยนองค์กร ปัญหามันเกิดแน่ วันหนึ่งถ้าคนอื่นเปลี่ยนได้เราเปลี่ยนไม่ได้ เราจะเสร็จคนอื่น
มีอะไรที่ทั้งสองท่าน ไม่ยอมให้ AI ทำ?
คุณโบ๊ทบอกว่า ตอนนี้ทุกคนเข้าถึง Tools ได้ เลยแบ่งเป็น
1). ใช้ให้เป็น ใช้ให้ถูกจุด อย่าแพ้
ต้องมี Data และ Know-How เพื่อสร้าง Competitive Advantage ใครที่เก็บ Data ดี จะได้เปรียบสูงมาก ยิ่งมีลึก AI ก็จะแม่นยำมากขึ้น หรือถ้ามี Know-How พิเศษ ก็ใส่ลงไปใน AI ได้ ต้องรู้ให้ลึกรอบด้าน
2). Decision Making – คนที่เก่ง คือคนที่มีความสามารถในการบริหารจัดการที่ดี และเลือกทำ AI ในจุดที่ถูกต้องได้ เราไม่มีทางที่จะ Roll Out AI ได้ครบทุก Use Case อยู่แล้ว แต่เราจะเลือกทำเรื่องอะไรก่อนที่ไม่ได้ใช้ Effort เยอะเกินไป แต่มี Impact เยอะ
แล้วเราจะมีวิธีทำให้ AI ทำงานแล้วมีประสิทธิภาพแบบยั่งยืนไหม ?
คุณโบ๊ทแชร์ว่าความเสี่ยงที่เห็นคือ AI อาจจะหลอนได้
รวมถึงถ้ามีการทำ AI Automation ความเสี่ยงด้าน Cybersecurity จะสูงขึ้นทันที และจะเปิดรับความเสี่ยงรูปแบบใหม่ ๆ เช่น Prompt Injection ได้
แล้วเราจะปิดความเสี่ยงเหล่านี้อย่างไร?ผู้นำจะเอาความได้เปรียบมาเป็น Business Model ได้อย่างไร?
คุณโบ๊ทยกตัวอย่าง Bluebik Pricing Model เมื่อก่อนมีการชาร์จเป็น Man-Day
แต่ตอนนี้ต้องคิด Business Model เป็น Value-Based มากขึ้น ต้อง Co-Invest กับลูกค้า ต้องทดลอง เวลาไปหาลูกค้า แนวโน้มทุกวันนี้ชัดขึ้น กลายเป็นว่าเรา Co-Invest กับลูกค้า แล้วรอเอาผลลัพธ์ทีหลัง
สิ่งที่เคยสร้างรายได้ อนาคตอาจไม่ได้สร้างรายได้แล้วก็ได้ หรือของที่ไม่เคยสร้างรายได้ อาจจะสร้างได้
คุณยอดมองว่าตัวเองต่างจากคนอื่น ที่คนและ Culture ของบริษัทเป็นหลัก
สกิลที่สำคัญที่สุดในยุคนี้คือการเรียนรู้และการปรับตัว ธุรกิจที่เป็น Infrastructure ที่ไม่มี Moat อะไร เกือบทุกอย่างจะถูกทดแทนได้บางส่วนด้วย AI เราจึงต้องเป็นคนมูฟเร็ว เด็ดขาด ทดลองให้เยอะที่สุด เพราะอย่างนั้นคุณยอดจะเน้นมากในเรื่อง Time to Market
คุณยอดมองว่าการ Launch Version แรกสำคัญสุด เพราะคนเราจะเก่งเรื่อง Optimize แต่การเริ่มจาก 0 จะไม่มีใครกล้าเท่าไหร่ ดังนั้นเวลาคุยกับทีม จะ Encourage ให้ Launch ก่อน แล้วเอาผลมาดูกันต่อ
AI จะทดแทน Workforce ทั้งองค์กรมากขึ้นเรื่อย ๆ ตอนนี้ LMWN อยู่ใน Stage 4 และตอนนี้รู้สึกว่ามันเริ่ม Settle แล้ว เหลือรอเวลาให้มัน Optimize จนอยู่ตัว ตอนนี้เลยเน้นไปสร้าง Business Model ใหม่ ๆ ซึ่งตอนนี้ Transform ตัวเองจนมีเวลาเหลือมากขึ้น
คุณยอดเคยถามน้อง ๆ ว่า “ใครคิดว่า AI ช่วยงานได้มากกว่า 30% บ้าง?” ปรากฏทุกคนยกมือหมด แสดงว่าช่วยจริง แต่ Output กลับถูกซ่อนอยู่ พอไป Track ย้อนหลังดูจึงเห็นว่าการเข้า Meeting ลดลง และทุกคนมีเวลาเหลือมากขึ้น
เลยเห็นว่า Productivity เพิ่ม แต่ Output เท่าเดิม และมีเวลาเหลือเพิ่มด้วย เลยกล้าที่จะ Layoff คนออก
What’s Next ของทั้งคู่ คิด วางแผน ทำ ตัดสินใจ อะไรในอีก 2-3 ปีหน้า?
คุณโบ๊ทเล่าว่า กำลังพยายามเคลื่อนตัวเองเข้า Stage 4 โดยเปลี่ยนให้ Business Model ตัวเองใช้ประโยชน์จาก AI ให้ได้มากที่สุด จากเดิมที่ตอนนี้เป็น Consult ให้เป็น Investment กับลูกค้ามากขึ้น โดยตอนนี้ก็พยายามหา Secret Recipe การ Investment มากขึ้น และมองความเสี่ยงควบคู่ไปด้วยว่าถ้าเอา AI มาใช้แล้วจะเจอความเสี่ยงอะไรขึ้น ตอนนี้เลยกำลังดูว่ามีความเสี่ยงอะไรบ้างที่ต้องปิด
1). พอปรับโครงสร้างองค์กร ปรับ Job Level แล้ว กลายเป็นมีบางกลุ่มที่ Overload เพราะเมื่อเอางานของคนไม่เก่งออกไป คนเก่งเลยทำงานหนักขึ้น ซึ่งอาจจะไม่ได้หมายถึงใช้เวลาเยอะขึ้น แต่ใช้สมองเยอะขึ้น
2). ตอนที่ Re-Engineer ต้องหาวิธี roll บทบาทของมนุษย์ใหม่ เพราะถ้าเอาทุกอย่างที่ AI ทำไปรีวิวผ่านมนุษย์หมด ก็ใช้เวลาเท่าเดิม เลยกำลังหาวิธีว่าจะทำยังไงให้ผลลัพธ์จาก AI ถูกต้อง เช่น สุ่มตรวจ, ปรับ Incentive
3). พอเราเริ่มลีนคนถึงจุดหนึ่ง จะเริ่มเปราะบาง คนที่เหลือคือคนที่จำเป็น อาจจะไม่เก่งเท่า องค์กรจะ Fragile มากขึ้น เพราะคนที่เหลือคือคนที่จำเป็นจริง ๆ เมื่อก่อนมันยังพอมีคนที่แทน ๆ กันได้อยู่ หรือพอมี Buffer แต่พอปรับใหม่แล้ว ทุก Role เป็น Critical Path เลยต้องหาวิธีว่าจะทำยังไงให้มีตัวแทนในระดับงาน
4). การใช้ AI ทำให้เราไม่เรียนรู้เรื่องใหม่ เราให้ AI ทำงาน และเราไม่ได้ Exercise สมอง และเราเริ่มลืม กลายเป็นว่าถ้าทั้งองค์กรลืมกันหมด องค์กรจะแย่ลงกันทั้งหมดไหม
สำหรับคุณยอด ถ้าเป็นเรื่อง Business Model ตอนนี้มีแพลนทำ 3 อย่าง
1.) กำลังสร้าง AI Product ที่เป็น Application Layer ที่จะออกในปลายปีนี้ เป็นเรื่องเดิมที่ถนัดอยู่แล้ว โดยเชื่อว่าสิ่งนี้จะช่วยเพิ่ม Productivity ให้ร้านค้า
2.) อาจจะ Invest มากขึ้น ใน Model Layer
เป็นการใช้ Data ที่มีให้เป็นประโยชน์เพื่อสร้าง Fine-Tune Model ของ LMWN
3.) Explore เรื่อง Physical AI มากขึ้น ดูเป็นเรื่องไกลตัว แต่ก็มีโอกาสไปอยู่ใน Supply Chain มากขึ้น ออกมาในแบบ Hardware มากขึ้น
ถ้าจะ Invest อะไรสักอย่างเช่น เงิน ตัวเอง เพื่อให้ Catch Up Wave นี้ทัน อะไรคือสิ่งที่อยากแนะนำให้ Invest?
คุณโบ๊ทมองว่าให้ Invest ในความรู้ของตัวเอง เพราะเรื่อง AI Transformation ไม่ใช่ปัญหาแค่ทาง Tech หรือ Business อย่างเดียว คนที่จะเห็นภาพดีที่สุด ต้องเป็นคนที่เป็นเบอร์ 1 ขององค์กร ต้องแบ่งเวลาไปหา Tools / Use Case
แล้วถ้าเครียดตาม AI ไม่ทันทำยังไง?
ส่วนตัวคุณโบ๊ทใช้ AI ในการช่วยตามทันข่าวสาร AI ถ้าเป็นเมื่อก่อนต้องมาไล่อ่านเอง หาเอง มันใช้เวลา แต่ทุกวันนี้คุณโบ๊ทมี AI Agent ที่คอย Update สรุปข่าว AI ในเรื่องที่อยากรู้ ถ้าชอบเรื่องไหนก็กดอ่าน Sources อีกทีได้
เวลาไม่รู้เรื่องก็ถามกับ AI การเรียนรู้ต้อง 2-way บางทีเราอ่านแล้วสงสัยก็ถามเลย และการเรียนรู้จะเกิดขึ้น ก็เกิดตอนเอาไปใช้จริง
สำหรับผู้บริหาร คุณโบ๊ทมองว่า invest เรื่อง Data, ERP, CRM ที่มีข้อมูล
ในเชิงของคน ให้ Invest Culture / Mindset คนที่ Mindset ไม่ดี อาจจะต้องปล่อยไป
Invest เรื่องการปรับโครงสร้างองค์กรและ Incentive
ถ้าทำได้แล้ว ก็ปรับเรื่องการป้องกันความเสี่ยงและ Governance เป็นต้น
คุณยอดฝากว่าควร Invest ในความผิดพลาด ตั้งงบไว้เลยว่าเราจะผิดพลาดได้แค่ไหน ตั้งงบไว้ และลองผิดพลาดดู
สุดท้าย ในหมวกของคนที่ Make Decision คุณยอดมองว่าตั้งแต่ AI เข้ามา รู้สึกเหมือนต้องกลับไปเป็น Startup อีกครั้ง ตัดสินใจเร็วขึ้น ฟังน้อยลง เมื่อก่อนตอนจะเข้า IPO จะเน้นเรื่องการ Governance ต่าง ๆ แต่พอมี AI มา ก็เน้นการลงมือทำ เน้นไวเป็นหลักมากกว่าที่จะเน้นถูกต้องตามวิธีเดิม
ส่วนคุณโบ๊ท น้องในทีมบอกว่าเขาดุขึ้น ตั้งแต่มี AI การตัดสินใจต้องฉับไวมากขึ้น เพราะตั้งแต่มี AI เรามีเครื่องมือ แต่ Benefit จะไม่ได้เกิดจากเครื่องมือ แต่จะเกิดจากคนในองค์กร ดังนั้นถ้าคนมีเวลาว่างขึ้น แต่ไม่เกิดประโยชน์ ก็ไม่ได้ช่วยอะไร
การตัดสินใจโหดไม่ใช่ไม่เห็นใจคนทำงาน แต่โลกกำลังเปลี่ยนไปทั้งโลก ถ้าเราใจดี องค์กรก็จะไปต่อไม่ได้ คนที่เราเอาออกไปโดยที่เราไม่เคยโหดกับเขา เขาจะไม่มีทักษะ ไปไหนก็ไม่รอด แต่ถ้าเราโหดกับเขา ต่อให้วันหนึ่งเขาออกไป เขาก็จะมีสกิลติดตัว ไปไหนก็รอด
