เมื่อ AI ทำให้งานทุกชิ้นดูดี หัวหน้าจะรู้ได้อย่างไรว่าใครเก่งจริง?

เมื่อรายงานทุกฉบับที่ส่งมามีโครงชัด ภาษาลื่น ตัวเลขจัดเรียงสวย และสรุปตอนท้ายครบถ้วน หัวหน้าจะแยกอย่างไรว่าฉบับไหนมาจากคนที่เข้าใจเรื่องนั้นจริง และฉบับไหนมาจากคนที่แค่สั่ง AI เก่ง

คำถามนี้ไม่ได้เป็นเรื่องสมมติ ผลสำรวจที่ Nielsen ทำให้ Monday.com ซึ่งสำรวจผู้อำนวยการและผู้จัดการอาวุโส 1,700 คนใน 7 ประเทศ พบว่าผู้บริหารกว่าครึ่งบอกว่า AI ทำให้ประเมินงานของพนักงานยากขึ้น เพราะผลงานที่ออกมาดูขัดเกลาจนบอกไม่ได้ว่าส่วนไหนเป็นฝีมือคน ส่วนไหนเป็นฝีมือเครื่อง และเกือบครึ่งบอกว่าใช้เวลาตรวจและแนะนำงานของทีมมากกว่าเดิม (ควรจำไว้ว่าผู้ว่าจ้างสำรวจเป็นบริษัทที่ขายเครื่องมือจัดการงานด้วย ตัวเลขจึงเหมาะอ่านเป็นภาพรวมของความรู้สึก)

ตัวเลขที่น่าสนใจกว่าคือ 78% บอกว่าได้เปลี่ยนเกณฑ์ประเมินพนักงานแล้ว โดยให้น้ำหนักกับทักษะอย่างการสั่งงาน AI และการเลือกว่างานไหนควรมอบให้ AI มากขึ้น แปลว่าหัวหน้าจำนวนมากกำลังรู้ตัวว่า “ผลงานที่ดูดี” ไม่ใช่สัญญาณที่เชื่อถือได้เหมือนเดิม

🔴 ผลงานที่เรียบร้อยเท่ากันทำให้เราต้องย้ายสายตาจาก “ผลลัพธ์” ไปที่ “ร่องรอยของการตัดสินใจ”

ในอดีต คุณภาพของงานเขียนเป็นตัวแทนที่พอใช้ได้ของคุณภาพความคิด คนที่คิดไม่ชัดมักเขียนไม่ชัด รายงานที่เรียบเรียงดีจึงมักมาจากคนที่เข้าใจเรื่องนั้น เมื่อเครื่องมือทำให้การเรียบเรียงเป็นของที่ใครก็ทำได้ ตัวแทนนี้จึงพังลงโดยที่หลายคนยังไม่ทันเปลี่ยนวิธีดู

สิ่งที่ยังบอกความต่างได้คือร่องรอยของการคิดที่ AI สร้างแทนไม่ได้ในทันที เช่น ทำไมเลือกเกณฑ์นี้ ทิ้งทางเลือกไหนไปเพราะอะไร ตรงไหนที่ข้อมูลขัดกันและตัดสินอย่างไร ส่วนไหนที่ยังไม่แน่ใจ และอะไรจะทำให้ข้อสรุปเปลี่ยน คนที่คิดเองจริงตอบสิ่งเหล่านี้ได้อย่างเป็นธรรมชาติ ส่วนคนที่เอางานมาทั้งก้อนจะตอบได้เป็นประโยคทั่วไป

ตรงนี้ตรงกับทักษะการคิดขั้นสูงที่เรียกว่า “การประเมิน” คือการตัดสินด้วยเกณฑ์ ซึ่งหัวหน้าต้องใช้กับงานลูกทีมมากขึ้นแทนที่จะอ่านแล้วรู้สึกว่าดีก็ผ่าน

🔴 การถามต่อสามคำถามสั้น ๆ ให้ข้อมูลมากกว่าการอ่านงานซ้ำรอบที่สอง

หัวหน้าไม่จำเป็นต้องกลายเป็นนักสืบจับผิด วิธีที่ง่ายกว่าคือเปลี่ยนบทสนทนาหลังรับงาน จากคำว่า “โอเค ขอบคุณ” เป็นการถามที่เปิดให้เห็นกระบวนการ ตัวอย่างสามข้อที่ใช้ได้กับงานเกือบทุกประเภท คือ “ส่วนไหนของงานนี้ที่ยังไม่มั่นใจที่สุด” “ถ้าข้อมูลหนึ่งตัวที่ใช้อยู่ผิด ข้อสรุปจะเปลี่ยนตรงไหน” และ “ทางเลือกที่พิจารณาแล้วไม่เอามีอะไรบ้าง”

ข้อดีของคำถามเหล่านี้คือใช้ได้ยุติธรรมกับทุกคน ไม่ว่าจะใช้ AI ช่วยมากหรือน้อย เพราะสิ่งที่ถูกวัดไม่ใช่ว่าใช้เครื่องมือหรือไม่ แต่คือเจ้าของงานยังเป็นเจ้าของความคิดอยู่หรือเปล่า และสำหรับคนที่ใช้ AI อย่างมีวิจารณญาณ คำถามพวกนี้คือโอกาสที่จะได้โชว์ว่าตัวเองตรวจ ปรับ และตัดสินใจอะไรไปบ้าง ซึ่งเป็นทักษะที่คุ้มค่ากับการถูกมองเห็น

อีกด้านที่ควรระวังคือฝั่งหัวหน้าเอง ผลสำรวจเดียวกันพบว่า 39% ใช้ AI ช่วยร่างผลประเมินพนักงาน ซึ่งชวนให้คิดว่าถ้าเรากำลังใช้เครื่องมือที่ทำให้ทุกอย่างดูเรียบร้อยเท่ากัน เพื่อประเมินคนที่ใช้เครื่องมือเดียวกัน การตัดสินที่ควรเป็นของเราจะเหลือพื้นที่ตรงไหน

🔴 เกณฑ์การประเมินที่ดีในยุคนี้ต้องบอกล่วงหน้าว่า “เรามองหาอะไร” ไม่ใช่ตัดสินจากความรู้สึกหลังอ่าน

ปัญหาถัดมาคือถ้าหัวหน้าเริ่มถามคำถามเหล่านี้โดยไม่แจ้งใคร ลูกทีมจะรู้สึกว่าถูกจับผิดกะทันหัน การทำให้เกณฑ์ชัดตั้งแต่ตอนมอบงานจึงสำคัญ เช่น บอกตั้งแต่ต้นว่าอยากเห็นเหตุผลเบื้องหลังข้อสรุป จุดที่ยังไม่แน่ใจ และส่วนที่ตรวจสอบด้วยตัวเองแล้ว งานที่ส่งกลับมาก็จะมีส่วนเหล่านี้ติดมาโดยธรรมชาติ และการประเมินจะเป็นเรื่องที่คุยกันได้ ไม่ใช่การทายใจ

สิ่งนี้ยังช่วยให้น้องที่เพิ่งเริ่มทำงานได้ฝึกคิด แทนที่จะส่งงานที่เรียบร้อยแล้วไม่มีใครรู้ว่าเบื้องหลังเขาเข้าใจแค่ไหน

เมื่อหน้ากระดาษดูดีเท่ากันหมด สิ่งที่ยังแยกคนออกจากกันได้คือคุณภาพของเหตุผลที่อยู่ข้างหลัง

ครั้งหน้าที่รับงานที่ดูเรียบร้อยมาก ลองถามก่อนจะกดขอบคุณว่า ส่วนไหนในงานนี้ที่เจ้าของงานเองก็ยังไม่แน่ใจ และดูว่าคำตอบที่ได้ใช้เวลาคิดนานแค่ไหน

——————————————————

หากองค์กรของคุณกำลังมองหาหลักสูตรเพื่อพัฒนาทักษะการคิดและ Soft Skills ให้กับทีมงาน

dots academy ให้บริการ In-house Training ที่ออกแบบให้เหมาะกับบริบทของแต่ละองค์กร ถ่ายทอดโดยเทรนเนอร์ที่ได้รับการรับรองระดับนานาชาติ พร้อมประสบการณ์ด้านการอบรมและพัฒนาองค์กรมากกว่า 10 ปี

หลักสูตรครอบคลุมหัวข้อ เช่น

✏️Analytical Thinking

✏️Critical Thinking

✏️Strategic Thinking

✏️Six Thinking Hats

✏️Business Storytelling

สนใจสอบถามรายละเอียดหรือปรึกษาการออกแบบหลักสูตรสำหรับองค์กรของคุณได้ทาง LINE @dots