Rewire Leader เพื่อรับมือโลกยุค AI และ Uncertainty (ตอนที่ 1)

โลกยุค AI และ Uncertainty

อาจไม่เหลือพื้นที่ให้ Analog Leader อีกต่อไป

เรากำลัง Upgrade Technology กันแทบทุกวัน แต่บางทีสิ่งที่ต้อง Upgrade มากกว่านั้น อาจเป็น “ระบบปฏิบัติการของ Leader”

ลองมา Rewire วิธีคิด และ Upgrade ชิปผู้นำของเรากัน ก่อนที่โลกจะไม่รอ Upgrade แต่ใช้การล้างสต๊อกแทน

จาก Disruption สู่โลกที่เต็มไปด้วย Uncertainty

TAS ตั้งขึ้นประมาณ 2 ปีก่อน COVID ตั้งแต่นั้นมา ผมมีโอกาสทำงานกับลูกค้าแทบทุกภาคส่วน ทั้งบริษัทเอกชน หน่วยงานรัฐ องค์กรอิสระ องค์การมหาชน

พอมองย้อนกลับไป ช่วงเวลานี้ สิ่งที่เกิดขึ้น เกินเลยกว่า Disruption ไปไกลมาก

เริ่มจาก Digital Disruption ตามมาด้วย Pandemic ที่เปลี่ยนวิธีทำงานแทบข้ามคืน ยังไม่ทันตั้งตัวดี AI ก็เข้ามาเปลี่ยนทั้งงานและ Skill และวันนี้ Geopolitical Conflict ก็กำลังทำให้สิ่งที่เกิดขึ้นอีกซีกโลก กระทบ Supply Chain ต้นทุน ตลาด และการตัดสินใจของธุรกิจเราได้ทันที

จากการได้เห็นหลายองค์กรพยายามปรับตัว ผมสรุปบทบาทของ Leader ในยุค AI + Uncertainty ได้อย่างน้อย 10 เรื่อง

1. สร้าง North Star ให้ชัด เลิกเป็น Bottleneck ราคาแพง

ยุค cold war ที่ไม่เน้นสงคราม แต่เน้นความก้าวหน้า และไม่ยอมเสียหน้า

ปี 1961 JFK ประกาศ mission to the moon ว่าอเมริกาจะส่งมนุษย์ไปดวงจันทร์และกลับมาอย่างปลอดภัยภายในทศวรรษนั้น ทั้งที่ตอนนั้นยังไม่มีคำตอบครบว่าจะทำอย่างไร แต่เมื่อปลายทางชัด คนทำเชื้อเพลิงแก้โจทย์เชื้อเพลิง คนทำยานแก้โจทย์ยาน คนทำระบบนำทางแก้โจทย์ของตัวเอง จน Apollo 11 ไปถึงดวงจันทร์ในปี 1969

องค์กรก็เหมือนกัน ถ้าทุกครั้งที่มีปัญหา ทุกคนต้องวิ่งมาถาม “พี่ครับ เอายังไงดี ?” แทนที่ Leader จะเป็น multiplier กลับเป็น blocker

จาก Metric สู่ Purposeful North Star

Bill George ผู้เขียนหนังสือ True North ปัจจุบันเป็น อาจารย์ที่ฮาร์วาร์ด แต่ก่อนหน้านั้น เคยเป็น CEO Medtronic ได้ก้าวผ่าน metric ไปสู่ purposeful north star

แทนที่จะตั้งเป้ายอดขายเป็นตัวเงิน Bill เปลี่ยนทุมมองพนักงาน โดยตั้งเป้าว่า เราจะทำให้ คนได้รับการช่วยให้รอดชีวิตมากขึ้น จากเดิม มีการใช้ device ของ medtronic ทุก 100 วินาที ในวันที่เขาลงจากตำแหน่ง สถานพยาบาลทั่วโลก ใช้เครื่องมือของ medtronic ทุก 7 วินาที

"บอกให้ชัดว่าจะไปไหน Why คืออะไร แล้วให้คนที่ใกล้ปัญหาที่สุดหาทางไปจนถึงจุดหมาย"

Leader ไม่จำเป็นต้องกำกับทุกทางแยก ทุกทางเลี้ยว แต่ต้องทำให้ทุกคนเห็นดาวเหนือดวงเดียวกัน

Leader เองก็จะมีเวลาไปทำ strategy ซึ่งทุกคนคาดหวัง

2. เลิก Predict โดยมองกระจกหลัง แต่ใช้ data ตัดสินใจและพัฒนาทีมให้ agile และสร้างองค์กรที่ resilient ล้มได้แต่ลุกเร็ว

AI, Technology, Climate, Regulation, Geopolitics และพฤติกรรมลูกค้า กำลังเปลี่ยนพร้อม ๆ กัน Strategic Plan ที่ละเอียดมาก ยาวหลายปีมาก อาจหมดอายุก่อนถึงรอบ Review ครั้งต่อไป

Leader จึงอาจต้องเปลี่ยนคำถามจาก “เราทายอนาคตแม่นไหมว่าอะไรจะเกิดขึ้น?” เป็นข้อมูลบอกอะไรเราบ้าง แยก Noise ออกจาก Signal ได้อย่างไร Weak Signal ที่คนอื่นไม่เห็นคืออะไร และตัวแปรไหนสำคัญสำหรับการทำ Scenario Planning

และที่สำคัญ ถ้าแผนที่เราวางไม่ใช่สิ่งที่เกิดขึ้น ทีมเราปรับได้เร็วแค่ไหน?

Resilience ไม่ใช่การทายอนาคตถูก แต่คือการปรับตัวได้เร็ว

หากเราดูบริษัทที่เติบโต ณ ตอนนี้ ส่วนใหญ่มักจะแสดงให้เห็นในช่วงโควิดแล้วว่าเขาปรับตัวได้

ไดสันปรับจุดเด่นของมอร์เตอร์ตัวเองมาทำ Medical Ventilation ตามที่รัฐบาลอังกฤษร้องขอ และสามารถออก New Product ได้ภายใน 30 วัน ด้วยการระดม Engineer และ Scientist กว่า 600 คนทั้งใน UK และสิงคโปร์ ทำงานแบบ Virtual

และไม่เพียง Innovate สินค้าใหม่ Dyson ยังปรับ Manufacturing Facility เพื่อรองรับการผลิต แม้ลงทุนไปหลายสิบล้านปอนด์ และรัฐบาลอังกฤษเปลี่ยนความต้องการ ทำให้ New Product ไม่ออกสู่ตลาดในเชิงพาณิชย์ แต่เรื่องนี้ก็สะท้อนขีดความสามารถในการเป็น Resilient Organization ของ Dyson ได้อย่างดี

Xiaomi: เมื่อโลกเปลี่ยน ก็เปลี่ยนวิธีเล่น

Xiaomi ตอน COVID เริ่มระบาดในจีน เป็นอีกหนึ่งตัวอย่าง เดิมบริษัทเตรียมเปิดตัว Mi 10 ด้วยงานใหญ่ประมาณ 3,000 คนในปักกิ่ง แผนและทุกอย่างพร้อม เหลือแค่รอวันงานจริง

1 อาทิตย์ก่อนถึงวันงาน COVID ระบาดรุนแรง แทนที่จะรอให้โลกกลับมาเหมือนเดิม Xiaomi เปลี่ยนงานทั้งหมดเป็น Online-only Launch และเปิดตัวในเดือนกุมภาพันธ์ 2020 ในเวลาที่ Virtual Event ยังไม่ใช่เรื่องปกติเหมือนวันนี้

ผลคือ Mi 10 ทำยอดขาย 200 ล้านหยวนภายใน 1 นาที

Xiaomi ไม่ได้ Predict ว่า COVID จะเกิดขึ้น แต่พอโลกเปลี่ยน เขาเปลี่ยนวิธีเล่นได้เร็ว

3. ใช้ AI เพื่อคืนเวลาให้คน แต่ไม่ลืมคิดด้วยว่าจะเอาเวลาที่คืนมาไปทำอะไร

วันนี้หลายองค์กรใช้ AI เพื่อ Save Time เขียนเร็วขึ้น วิเคราะห์เร็วขึ้น ทำ Report เร็วขึ้น แต่คำถามที่ผมว่าสำคัญกว่าคือ แล้วเวลาที่ Save มา เราเอาไปสร้าง Value อะไร?”

ถ้า AI ช่วยลดงานจาก 8 ชั่วโมงเหลือ 6 ชั่วโมง แต่ 2 ชั่วโมงที่เหลือถูกเติมกลับด้วย Meeting และงานเดิม ๆ เราอาจได้ Efficiency แต่ยังไม่ได้ Innovation จาก Transformation

Leader ต้องช่วย Redirect เวลาที่ได้คืนมา กำหนดแนวทางให้ชัด ไป Co-create คิดของใหม่ เรียนรู้ Skill ใหม่ หรือทำงานที่ต้องใช้ Human Judgment มากขึ้น

จาก AI for Efficiency สู่ AI for Value Creation

DBS เป็นตัวอย่างที่ผมว่าน่าสนใจ เขาใช้ GenAI ช่วย Customer Service ตั้งแต่การถอดบทสนทนา สรุปเรื่อง ไปจนถึงช่วยแนะนำคำตอบ ทำให้เวลาที่ใช้จัดการ Call ลดลงได้ถึงประมาณ 20%

แต่เรื่องไม่ได้จบที่ “ลดเวลาได้ 20%” DBS มองว่า Capacity ที่ได้คืนมา ควรกลับไปอยู่กับงานที่สร้าง Value มากกว่า เช่น การเข้าใจและดูแลลูกค้าให้ลึกขึ้น ใช้ Judgment มากขึ้น สร้าง Innovation และพัฒนา Skill ใหม่ บาง Role ถึงขั้นถูก Reskill จาก Customer Service ไปสู่ Relationship และ Wealth Planning

นี่คือความต่างระหว่าง AI for Efficiency กับ AI for Value Creation

และอีกด้านที่สำคัญไม่แพ้กันคือ Responsible AI เรื่องไหน AI ช่วยได้? เรื่องไหนคนต้อง Verify? เรื่องไหนมนุษย์ต้องเป็นผู้ตัดสินใจและรับผิดชอบ? ที่สำคัญ ใช้ AI แล้ว ใครกลายเป็น Disadvantage Group

อย่าเพียงถามว่า AI ลดงานอะไรได้ แต่ถามว่า AI ทำให้คนของเราสร้างอะไรเพิ่มได้ และคนเราจะยังไม่ถูก Abuse หรือ Discriminate ได้อย่างไร

4. ทำองค์กรให้ Lean ขึ้น แต่อย่า Lean จนกลายเป็นบอนไซ เพราะการเร่งให้โตอีกครั้งอาจแพงกว่า

AI อาจทำให้องค์กรจาก Pyramid ค่อย ๆ มีรูปร่างคล้าย Diamond มากขึ้น บาง Layer เล็กลง ทีมเล็กลง Flat ลง กระชับขึ้น งาน Entry Level บางส่วนถูก Substitute บางส่วนถูกเปลี่ยนเป็น AI Augment ให้หัวหน้าทำเอง

แต่ถ้าเราลดคนระดับต้นเพื่อลด Cost วันนี้ คำถามคือ แล้ว Leader ของเราในอีก 3–5 ปีจะโตมาจากไหน?

เหมือนทีมฟุตบอลที่มีแต่ตัวจริงลงสนาม แต่เลิกทำ Academy วันนี้ทีมอาจเล่นดีขึ้น ค่าใช้จ่ายในการบริหารทีมลดลง แต่อีก 3 ฤดูกาลข้างหน้า จะไม่มีใครขึ้นมาแทน

Optimize Today แต่อย่าทอดทิ้ง Future Talent Pipeline ของตัวเอง

อีกเรื่องหนึ่งที่สำคัญ เราต้องไม่มองข้ามความไม่แน่นอนในอนาคต แบงค์ใหญ่ที่มี Golden Handshake สำหรับคนอายุ 45 สร้างความฮือฮาทั่วประเทศเมื่อปีก่อน อันนั้นเขาคงคิดมาดีแล้ว

แต่บางครั้ง Capability ที่เราคิดว่า “ไม่จำเป็น” วันนี้ อาจเป็น Capability ที่เราต้องจ่ายแพงเพื่อซื้อกลับมาในวันหน้า

Capability ที่ปล่อยไป อาจต้องซื้อกลับมาแพงกว่าเดิม

Google เคยลดพนักงานครั้งใหญ่ 12,000 คนในปี 2023 แต่เมื่อ AI Talent กลายเป็นสมรภูมิใหม่ บริษัทก็กลับมาไล่ดึงอดีตพนักงานกลับ จนในปี 2025 ประมาณ 1 ใน 5 ของ AI Software Engineer ที่ Google จ้าง เป็นอดีตพนักงานของตัวเองที่กลับมาใหม่

เรื่องจริงอีก Case ที่เกิดขึ้น Klarna บริษัท Fintech จากสวีเดน เคยเป็นหนึ่งในบริษัทที่เดินเรื่องนี้เร็วมาก บริษัทประกาศว่า AI Customer Service สามารถทำงานได้เทียบเท่าคนประมาณ 700 คน และในช่วงหนึ่งก็หยุดรับคนเพิ่ม ขณะที่จำนวนพนักงานของบริษัทลดลงอย่างมาก

แต่ปี 2025 Klarna เริ่มรับคนกลับเข้ามาทำ Customer Service อีกครั้ง CEO ยอมรับว่า การให้น้ำหนักกับ Cost มากเกินไป ทำให้สิ่งที่ได้กลับมาคือ Lower Quality

เพราะสุดท้าย AI ทำบางอย่างได้เร็วและถูกกว่าคน แต่ Customer บางเรื่องยังต้องการ Empathy เรื่องซับซ้อนยังต้องการ Judgment

และบางครั้ง…คนก็ยังอยากคุยกับคนอยู่

แล้ว Leader ของเราพร้อมแค่ไหน?

วันนี้แชร์ไว้ 4 ข้อก่อน พรุ่งนี้เปิดงาน ลองดูว่า ผู้นำองค์กรเราพร้อมสำหรับสิ่งเหล่านี้หรือไม่

ตอนหน้ามาคุยกันต่ออีก 6 เรื่องครับ