ทำไมองค์กรที่ใช้ AI อาจกำลังสร้างปัญหาความสามารถขาดแคลนในอนาคต

เมื่อองค์กรเร่งลงทุนด้าน AI เพื่อเพิ่มผลิตภาพ สิ่งที่มักถูกละเลยมากที่สุดไม่ใช่ต้นทุนการพัฒนาเทคโนโลยี แต่เป็น “ต้นทุนของทักษะมนุษย์” ที่กำลังหายไปอย่างช้า ๆ แม้งานจะเร็วขึ้น แต่คนกลับไม่ได้เก่งขึ้นตามไปด้วย ปรากฏการณ์นี้กำลังเกิดขึ้นในองค์กรจำนวนมาก และกำลังก่อตัวเป็นปัญหาระดับโครงสร้างที่อาจสร้างช่องโหว่ด้านความสามารถในอนาคตอันใกล้

เมื่อ AI ทำงานแทน แต่ไม่ได้สอนงานให้คน

ในอดีต คนรุ่นใหม่เรียนรู้ผ่านการลงมือทำงานจริงที่เต็มไปด้วยแรงเสียดทานและข้อผิดพลาด งานที่เคยใช้เวลา ทั้งการวิเคราะห์ข้อมูล การตรวจทานเอกสาร หรือการสร้างโมเดลเชิงเทคนิค คือพื้นที่ฝึกฝนสำคัญ แต่เมื่อ AI เข้ามาทำงานส่วนนี้แทน โอกาสในการสร้าง “ความเข้าใจเชิงลึก” ถูกตัดทอนทันที

แม้ผลลัพธ์ขององค์กรจะดีขึ้นในระยะสั้น แต่องค์ความรู้ที่สะสมต้องอาศัยเวลา กลับไม่เกิดขึ้นอีกต่อไป ส่งผลให้เกิดช่องว่างระหว่างคนรุ่นใหม่ที่ยังไม่เชี่ยวชาญ และคนรุ่นก่อนที่กำลังจะเกษียณอย่างรวดเร็ว

Expert–Novice Bond ที่หายไปอย่างเงียบ ๆ

หัวใจของการพัฒนาทักษะมนุษย์ตลอดเวลาที่ผ่านมาคือคือความสัมพันธ์แบบ “ผู้เชี่ยวชาญ–ผู้เรียน” ผู้เชี่ยวชาญมอบงานท้าทายที่พอดีให้ ผู้เรียนลองผิดลองถูก ผู้เชี่ยวชาญคอยสังเกต แก้จุดบอด และให้บริบทที่หาไม่ได้จากตำราใด ๆ

แต่ในยุค AI ความสัมพันธ์ลักษณะนี้ถูกลดทอนอย่างมีนัยสำคัญ เมื่อผู้เชี่ยวชาญเลือกใช้เครื่องมืออัตโนมัติในการทำงานที่ควรเป็นพื้นที่ฝึกฝน ผู้เรียนถูกกันออกจากงานจริง และเมื่อไม่มีการลงมือทำภายใต้แรงกดดัน ความเข้าใจเชิงลึกก็ไม่เกิดขึ้น

ผลคือ AI เสริมพลังผู้เชี่ยวชาญ แต่ทำให้ผู้เรียนไม่สามารถไล่ตามทันได้เลย

กรณีตัวอย่างจากหลากหลายอุตสาหกรรม

ปรากฏการณ์ Skill Erosion ไม่ได้เกิดขึ้นเฉพาะวงการเทคโนโลยี แต่เกิดขึ้นในหลายสาขาอาชีพพร้อมกัน กฎหมายเป็นตัวอย่างชัดเจน เมื่อสำนักงานกฎหมายใช้ระบบตรวจเอกสารอัตโนมัติ ทำให้ทนายรุ่นใหม่ไม่ได้ฝึกการอ่าน วิเคราะห์ และตีความเอกสารจำนวนมาก ทักษะที่เคยเป็นฐานสำคัญหายไปอย่างรวดเร็ว

ในสายงานวิศวกรรม AI ทำให้วิศวกรอาวุโสออกแบบผลิตภัณฑ์ได้เร็วขึ้น แต่คนรุ่นใหม่กลับขาดการฝึกฝนขั้นตอนย่อยที่สร้างความเข้าใจของโครงสร้างงานจริง เช่นเดียวกับสายการเงินที่โมเดลวิเคราะห์ทางการเงินถูกระบบอัตโนมัติสร้างแทบทั้งหมด ทำให้พนักงานรุ่นใหม่ไม่เข้าใจตรรกะเบื้องหลังงานที่ตนเองรับผิดชอบ

สิ่งที่เกิดขึ้นคือความเร็วในการทำงานเพิ่มขึ้น แต่ความเชี่ยวชาญกลับลดลงอย่างมีนัยสำคัญ

Productivity Trap: กับดักที่องค์กรสร้างให้ตัวเอง

AI ทำให้ตัวชี้วัดด้านประสิทธิภาพดีขึ้นแทบทุกด้าน ทั้งระยะเวลา เวิร์กโหลด และต้นทุน แต่ความสำเร็จเหล่านี้บดบังต้นทุนระยะยาวที่สำคัญที่สุด นั่นคือ “จำนวนผู้เชี่ยวชาญที่จะเหลืออยู่ในอนาคต”

องค์กรกำลังหลงอยู่ในกับดักผลิตภาพ คือให้ความสำคัญกับความคุ้มค่าในปัจจุบันจนมองไม่เห็นว่ากำลังทำลายทักษะต้นน้ำที่ต้องใช้เวลาเป็นปีในการก่อรูป และความเสียหายประเภทนี้ไม่สามารถเร่งสร้างให้กลับคืนได้ง่าย ๆ เพราะทักษะไม่ใช่ทรัพยากรที่สร้างใหม่ได้ในชั่วข้ามคืน

การฟื้นความสามารถต้องออกแบบ AI ให้ “สร้างทักษะ” ไม่ใช่แค่ “แทนทักษะ”

สิ่งที่องค์กรจำเป็นต้องทำไม่ใช่การลดการใช้ AI แต่คือการออกแบบการทำงานใหม่ให้เทคโนโลยีกลายเป็นส่วนหนึ่งของการพัฒนาความสามารถมนุษย์ในระยะยาว

การเริ่มต้นต้องมาจากการทำความเข้าใจว่า AI เข้าไปแทนพื้นที่เรียนรู้ส่วนใดบ้าง จากนั้นปรับกระบวนการให้ผู้เรียนได้เข้าไปอยู่ในลูปงานตั้งแต่ต้น น้ำหนักของงานต้องถูกจัดให้มีความท้าทายที่พอดี ให้ผู้เรียนได้ลองผิดพลาด และได้รับคำแนะนำจากผู้เชี่ยวชาญอย่างใกล้ชิด

ในระยะยาว องค์กรควรวางบทบาทให้ AI ทำหน้าที่เสริมศักยภาพ ไม่ใช่แทนที่กระบวนการเรียนรู้ เช่น ใช้ AI เพื่อให้ผู้เรียนซ้อมสถานการณ์ที่ยากขึ้น ให้ผู้เชี่ยวชาญเห็นจุดบอดของทีมได้เร็วขึ้น หรือขยายโอกาสให้ผู้เรียนได้ทำงานที่หลากหลายขึ้น

การออกแบบในลักษณะนี้ทำให้องค์กรได้ทั้งประสิทธิภาพในวันนี้ และได้ผู้เชี่ยวชาญในวันหน้าไปพร้อมกัน

ปัญหาไม่ได้อยู่ที่ AI แต่อยู่ที่วิธีที่เราใช้มัน

AI ไม่ได้ทำให้ทักษะมนุษย์ด้อยลงตามธรรมชาติ แต่การออกแบบระบบงานที่เร่งใช้เครื่องมือโดยไม่คำนึงถึงกระบวนการสั่งสมทักษะต่างหากที่เป็นสาเหตุแท้จริง

คำถามสำคัญที่ผู้นำองค์กรต้องตอบให้ได้คือองค์กรกำลังใช้ AI เพื่อให้ “งานเร็วขึ้น” เพียงอย่างเดียว หรือกำลังใช้ AI เพื่อให้ “คนเก่งขึ้น” ไปพร้อมกัน

หากตอบไม่ได้อย่างชัดเจน วันนี้ที่เทคโนโลยีช่วยให้เราทำงานง่ายขึ้น อาจเป็นวันที่เรากำลังทำลายผู้เชี่ยวชาญรุ่นต่อไปโดยไม่รู้ตัว และนั่นคือความเสี่ยงเชิงยุทธศาสตร์ที่หนักหนาที่สุดของยุค AI