ถ้า AI ช่วยร่างงานเสร็จในห้านาที ใครเป็นคนนับเวลาที่ต้องนั่งอ่านทวนทีละบรรทัด?

สไลด์ขึ้นหน้าจอว่า “AI ช่วยประหยัดเวลาทำรายงานได้ 70%” ทุกคนในห้องพยักหน้า

แต่ไม่มีใครถามต่อว่า ตัวเลข 70% นั้นนับเวลาถึงจุดไหน นับถึงตอนที่ AI พิมพ์เสร็จ หรือนับถึงตอนที่รายงานผ่านตาหัวหน้าและส่งออกไปได้จริง เพราะระหว่างสองจุดนั้นมีงานชนิดหนึ่งอยู่ คือการนั่งอ่านทวนว่าตัวเลขตรงไหม ข้อความไหนที่ AI เขียนมั่นใจเกินจริง และประโยคไหนที่ฟังดูดีแต่ไม่มีที่มา งานชนิดนี้ใช้เวลาจริง ใช้สมองจริง แต่ไม่ปรากฏในสไลด์ไหนเลย

เมื่อมีคนเริ่มนับ

เดือนกันยายน 2026 IBM เผยผลการศึกษาที่สำรวจผู้บริหารทรัพยากรบุคคลระดับ CHRO จำนวน 1,500 คนจาก 21 พื้นที่และ 23 อุตสาหกรรม คู่กับพนักงานประจำ 8,800 คนจาก 28 ประเทศ เก็บข้อมูลในช่วงเมษายนถึงมิถุนายน 2026 ผลที่ตรงกับเรื่องนี้คือ CHRO ถึง 80% ยอมรับว่า AI สร้าง “งานล่องหน” (Invisible Work) ขึ้นมา ได้แก่การตรวจสอบและแก้ไขข้อผิดพลาดของผลลัพธ์จาก AI ขณะที่พนักงาน 42% รายงานว่าภาระงานเพิ่มขึ้น หรือความพยายามของตนไม่ได้รับการมองเห็น

อีกตัวเลขที่ชวนคิดคือ พนักงาน 43% บอกว่าเมื่อ AI ทำผิดพลาด ความรับผิดชอบตกอยู่ที่ตัวพวกเขา

เมื่อวางสองตัวเลขนี้ไว้ด้วยกัน จะเห็นภาพของงานที่น่าสนใจ คือ AI ทำให้ส่วนที่ “ผลิต” เร็วขึ้นมาก แต่ส่วนที่ “รับรอง” ยังเป็นของคน และส่วนนี้ทั้งใช้เวลา ทั้งมีความเสี่ยง และไม่ถูกนับ

ทำไมงานบางอย่างถึงไม่ถูกนับ

ในทางพฤติกรรมองค์กร สิ่งที่ถูกนับมักเป็นสิ่งที่ “วัดง่าย” เช่น จำนวนรายงานที่ส่ง ระยะเวลาตั้งแต่เริ่มจนถึงร่างแรก ส่วนสิ่งที่วัดยาก เช่น ความระมัดระวัง การตัดสินใจว่าตรงไหนต้องตรวจ หรือการจับข้อผิดพลาดที่ละเอียดอ่อน มักถูกมองเป็น “ส่วนหนึ่งของงานอยู่แล้ว”

ผลคือเมื่อบริษัทประเมินว่า AI คุ้มค่าแค่ไหน ตัวเลขที่ได้อาจดูดีเกินจริง เพราะนับเฉพาะต้นทุนที่เห็น และไม่ได้นับต้นทุนของคนที่ต้องคอยปิดช่องว่างระหว่างสิ่งที่ AI ผลิตกับสิ่งที่ใช้ได้จริง ซึ่งคือการคิดอย่างหนึ่งที่เรียกได้ว่า “บัญชีที่ขาดหนึ่งช่อง”

นอกจากนี้ งานล่องหนยังมีผลต่อการตัดสินใจของคนทำงานเอง เมื่อการตรวจงานไม่มีใครเห็น ไม่มีใครให้เวลา และถ้าพลาดคนตรวจต้องรับ คนก็มีแรงจูงใจที่จะตรวจให้น้อยลง ซึ่งนำไปสู่ความเสี่ยงที่ใหญ่ขึ้นโดยไม่มีใครตั้งใจ

ถามเรื่องการวัดให้ครบ

สำหรับคนทำงาน คำถามที่ช่วยได้คือ ก่อนบอกว่า AI ช่วยประหยัดเวลาไปเท่าไร ลองแยกเวลาออกเป็นสามส่วน คือเวลาที่ AI ผลิต เวลาที่เราตรวจและแก้ และเวลาที่เราใช้ปรับให้เข้ากับบริบทจริง แล้วดูว่าสามส่วนนี้รวมกันได้เท่าไร เทียบกับทำเองทั้งหมด

สำหรับหัวหน้า คำถามคือ ในทีมของเรา ใครเป็นคนตรวจงานที่ AI ทำ และเวลาที่เขาใช้ตรวจ ถูกนับเป็นงานหรือไม่ ถ้าพลาด เป็นความรับผิดชอบของใคร การตอบคำถามนี้ให้ชัดก่อน ไม่ได้แค่ปกป้องคน แต่ช่วยให้การตรวจมีคุณภาพ เพราะคนจะตรวจจริงจังเมื่อรู้ว่างานนั้นมีค่า

การคิดเรื่อง AI ให้เป็นระบบ ไม่ได้เริ่มที่การเลือกเครื่องมือ แต่เริ่มที่การมองให้ครบว่างานทั้งเส้นทางมีอะไรบ้าง รวมถึงส่วนที่ไม่มีใครเขียนไว้ในแผน

ตัวเลขที่เราเลือกนับ บอกทั้งสิ่งที่เราให้ค่า และสิ่งที่เราเผลอมองข้าม