งานพังเพราะ AI แต่คนที่ถูกถาม มักเป็นคนที่ไม่เคยได้ตกลงว่าส่วนไหนเป็น “ของเขา”

ความเข้าใจทั่วไปคือ ถ้าองค์กรมีเครื่องมือ AI ที่ดี ปัญหาที่เหลือก็คือการสอนคนให้ใช้เป็น แต่รายงานล่าสุดจาก IBM Institute for Business Value ที่เผยแพร่ในเดือนกันยายน 2026 ชี้ไปอีกทางหนึ่ง โดยสำรวจผู้บริหารด้านทรัพยากรบุคคล 1,500 คน และพนักงานเต็มเวลา 8,800 คนทั่วโลก

ตัวเลขที่น่าสนใจไม่ได้อยู่ที่ว่าคนใช้ AI มากแค่ไหน แต่อยู่ที่สิ่งที่เกิดขึ้นหลังจากนั้น รายงานระบุว่า 80% ของผู้บริหาร HR เชื่อว่า AI สร้าง “งานที่มองไม่เห็น” ให้พนักงาน เช่น การตรวจผลลัพธ์และแก้ข้อผิดพลาด ขณะที่พนักงาน 43% บอกว่าตัวเองถูกตำหนิเมื่อมีอะไรผิดพลาดจาก AI

สองตัวเลขนี้ประกอบกันเป็นภาพที่น่าคิด คนต้องตรวจงานที่ AI ทำ แต่งานตรวจนั้นไม่มีใครนับ และเมื่อพลาด คนก็เป็นฝ่ายรับ

ปัญหาไม่ใช่ความเก่งของ AI แต่คือเส้นแบ่งที่ไม่มีใครขีด

ลองดูสถานการณ์ที่เกิดขึ้นได้ง่าย ทีมการตลาดใช้ AI ร่างข้อความแคมเปญ น้องคนหนึ่งนำร่างนั้นไปปรับนิดหน่อยแล้วส่งต่อ หัวหน้าอนุมัติเพราะเห็นว่าผ่านน้องมาแล้ว ลูกค้าพบตัวเลขที่ผิดหนึ่งตัว คำถามที่ตามมาคือ “ใครต้องตรวจตัวเลข” น้องคิดว่าหัวหน้าจะดู หัวหน้าคิดว่าน้องดูมาแล้ว และทุกคนคิดว่า AI น่าจะถูก

นี่คือโครงสร้างเดียวกับปัญหาบทบาทไม่ชัดที่ทีมเจอมาตลอด ต่างกันที่ตอนนี้มีผู้เล่นรายใหม่เข้ามาที่ไม่รับผิดชอบอะไรเลย และเพิ่มจุดที่ “ทุกคนคิดว่าอีกคนดูอยู่” ให้มากขึ้นอีกจุด

เส้นสามเส้นที่ควรขีดไว้ก่อน

ในรายงานเดียวกัน องค์กรที่กำหนดชัดว่างานไหนเป็นแบบ human-led (คนนำ) งานไหนเป็น AI-assisted (AI ช่วย) และงานไหนเป็น AI-executed (AI ทำเอง) รายงานว่ามีความเสี่ยงต่ำกว่า 18% และคุณภาพสูงกว่า 20% เมื่อเทียบกับองค์กรที่ไม่ได้กำหนด ตัวเลขนี้เป็นผลสำรวจจากการรายงานขององค์กรเอง จึงไม่ควรตีความว่าเป็นเหตุและผลที่แน่ชัด แต่ทิศทางที่มันชี้สอดคล้องกับสามัญสำนึกการบริหารงานอยู่มาก

ทีมของเราทำได้โดยไม่ต้องรอนโยบายจากส่วนกลาง เริ่มจากไล่งานหลักของทีมแล้วถามสามข้อกับแต่ละงาน หนึ่ง ใครเป็นเจ้าของผลลัพธ์สุดท้าย สอง AI ถูกใช้ในขั้นตอนไหน และคนต้องตรวจอะไรก่อนส่งต่อ สาม ถ้าผิด ใครเป็นคนแก้ และใครเป็นคนได้รับแจ้งก่อน

คำตอบไม่จำเป็นต้องสมบูรณ์ แต่การเขียนออกมาให้เห็นตรงกัน จะเปิดเผยจุดที่ต่างคนต่างเข้าใจไปคนละแบบ ก่อนที่มันจะกลายเป็นความผิดพลาดที่เสียหายจริง

ตรวจงานคือการคิดชนิดหนึ่ง ควรถูกนับ

อีกเรื่องที่ควรขยับคือการยอมรับว่าการตรวจงาน AI เป็นงานคิดจริง ๆ ไม่ใช่แค่ขั้นตอนเล็ก ๆ ท้ายกระบวนการ มันต้องใช้ความรู้เรื่องงาน วิจารณญาณ และเวลา ถ้าทีมประมาณเวลาทำงานโดยหักเวลาที่ AI ช่วยลดไป แต่ไม่บวกเวลาที่ใช้ตรวจกลับเข้ามา คนก็ต้องตรวจให้เสร็จในเวลาที่ไม่เหลือ และการตรวจจะกลายเป็นการกวาดตาผ่าน ๆ โดยอัตโนมัติ

แก่นของเรื่อง

เครื่องมือเปลี่ยนไปเร็ว แต่คำถามพื้นฐานของการทำงานร่วมกันยังเหมือนเดิม คือใครตัดสินอะไร ใครตรวจอะไร และใครรับผิดชอบเมื่อพลาด ทีมที่ตอบคำถามเหล่านี้ได้ชัดตั้งแต่ก่อนมีเรื่อง จะใช้ AI ได้อย่างมั่นใจกว่าทีมที่มีเครื่องมือดีที่สุดแต่ไม่เคยคุยกันเรื่องเส้นแบ่ง

ถ้าพรุ่งนี้งานชิ้นสำคัญของทีมผิดพลาดเพราะผลลัพธ์จาก AI เรารู้ไหมว่าใครควรเป็นคนแรกที่เห็นมัน