จากทีม 10 คน เหลือ 5 คนได้ไหม? วิธีออกแบบกระบวนการทำงานใหม่ด้วย AI

1. ทีม 10 คนเหลือ 5 คนเป็นไปได้หรือไม่

คำตอบตรง ๆ คือบางทีได้ บางทีไม่ได้ และคนที่ตอบทันทีว่าได้แน่นอนมักยังไม่เคยดูข้อมูลจริง คำถามที่ตอบได้ก่อนคือ ตอนนี้เวลาของทีมหมดไปกับอะไร

เป็นไปได้ในบางกระบวนการ แต่ไม่ควรตั้งตัวเลขกำลังคนก่อนรู้ว่างานจริงประกอบด้วยอะไร หากทีมสิบคนใช้เวลาครึ่งหนึ่งกับการคัดลอกข้อมูล สร้างเอกสาร และตามสถานะ การลด Human Touch ลง 50 เปอร์เซ็นต์อาจทำให้ทีมเล็กลงหรือรองรับงานได้สองเท่า แต่ถ้างานส่วนใหญ่เป็นการเจรจา ตรวจหน้างาน หรือดูแลความสัมพันธ์ เป้าหมายเดียวกันอาจไม่สมจริง

เริ่มจากกำลังการผลิตที่ต้องการ ไม่ใช่จำนวนคนที่อยากตัด เช่น บริษัทต้องประมวลผล 5,000 รายการต่อเดือน ตอบลูกค้าภายใน 15 นาที และผิดพลาดต่ำกว่า 1 เปอร์เซ็นต์ จากนั้นจึงออกแบบว่าระบบทำกี่รายการ คนดูข้อยกเว้นกี่รายการ และต้องใช้คนกี่ชั่วโมง การคำนวณนี้ทำให้การตัดสินใจมีเหตุผลมากกว่าการประกาศลดค่าใช้จ่ายแบบเหมารวม

2. ทำแผนที่กระบวนการจากเหตุการณ์จริง

อย่าเริ่มจากเอกสารที่เขียนไว้เมื่อสามปีก่อน ให้ดูจากร่องรอยในระบบว่างานจริงเดินอย่างไร ข้อมูลนี้มักขัดกับความเชื่อของทีมพอสมควร และนั่นคือประโยชน์ของมัน

เลือกหนึ่งกระบวนการแล้วตามงานจริงตั้งแต่ต้นจนจบ บันทึกผู้รับผิดชอบ ระบบที่เปิด ข้อมูลเข้า การตัดสินใจ เวลาทำจริง และเวลารอ แยก “Touch Time” ออกจาก “Wait Time” เพราะงานอาจใช้เวลาทำเพียง 40 นาทีแต่รอคิวสามวัน การลดเวลาพิมพ์เหลือ 20 นาทีจะไม่ทำให้ลูกค้าได้รับงานเร็ว หากยังรอการอนุมัติเดิม

ทำเครื่องหมายทุกจุดที่พนักงานอ่าน สรุป คัดลอก เปลี่ยนรูปแบบ ค้นข้อมูล เปรียบเทียบ หรือแจ้งเตือน สิ่งเหล่านี้เป็นผู้สมัครสำหรับ AI และ Automation ส่วนจุดที่ต้องสร้างความไว้วางใจ รับผิดชอบผลกระทบ หรือตัดสินใจกรณียกเว้นควรเก็บไว้ให้คน

3. ตัดงานที่ไม่จำเป็นก่อนทำ Automation

ระบบอัตโนมัติที่ทำขั้นตอนไม่จำเป็นเร็วขึ้นยังคงเป็นความสูญเปล่า ตรวจว่ารายงานทุกฉบับมีคนอ่านหรือไม่ ข้อมูลเดียวกันถูกกรอกกี่ครั้ง การอนุมัติหลายชั้นลดความเสี่ยงจริงหรือเป็นเพียงประวัติเดิม และลูกค้าต้องส่งข้อมูลที่บริษัทมีอยู่แล้วหรือไม่ ตัด รวม และทำมาตรฐานก่อนเชื่อม AI

ตัวอย่างเช่น บริษัทหนึ่งให้พนักงานสร้างสรุปสามรูปแบบสำหรับฝ่ายขาย ผู้จัดการ และบัญชี แทนที่จะสร้าง AI สามชุด ควรตกลงข้อมูลกลางหนึ่งชุดแล้วให้แต่ละฝ่ายเปิดมุมมองที่ต้องการ อีกบริษัทมีการอนุมัติส่วนลดทุกดีล ทั้งที่ 80 เปอร์เซ็นต์อยู่ในช่วงมาตรฐาน การกำหนดช่วงอนุมัติอัตโนมัติช่วยลดเวลารอมากกว่าการใช้ AI ร่างอีเมลขออนุมัติให้เร็วขึ้น

4. โมเดลทีม Human + AI ที่ใช้ได้จริง

แบ่งงานเป็นสามเลน เลนแรกคือ Straight-through สำหรับกรณีมาตรฐานที่ระบบทำตั้งแต่รับจนจบโดยไม่มีคนแตะ เลนที่สองคือ Review ซึ่ง AI เตรียมครบแล้วคนตรวจและอนุมัติภายในเวลาสั้น เลนที่สามคือ Exception สำหรับข้อมูลไม่ครบ ความเสี่ยงสูง หรือลูกค้าพิเศษที่ส่งให้ผู้เชี่ยวชาญ

เป้าหมายไม่ใช่บังคับทุกงานเข้าทางอัตโนมัติ แต่ลดจำนวนงานที่ต้องเข้าคิวคน ตัวอย่างทีมบริการอาจให้ระบบปิดคำถามมาตรฐาน 60 เปอร์เซ็นต์ เตรียมคำตอบให้คนตรวจ 25 เปอร์เซ็นต์ และส่งผู้เชี่ยวชาญ 15 เปอร์เซ็นต์ ทีมจึงไม่ต้องใช้จำนวนคนเท่าเดิมแม้ปริมาณลูกค้าเพิ่ม

บทบาทหัวหน้าทีมจะเปลี่ยนจากกระจายงานและตามสถานะ เป็นดู Dashboard ข้อยกเว้น วิเคราะห์สาเหตุที่ระบบส่งต่อ และปรับข้อมูลหรือกติกาให้ Straight-through Rate เพิ่มขึ้น ส่วนพนักงานต้องเก่งเรื่องตรวจคุณภาพ แก้กรณียาก และให้ Feedback ที่เป็นโครงสร้าง

5. คำนวณกำลังคนใหม่จากภาระงาน ไม่ใช่ความรู้สึก

ใช้สูตรง่าย: จำนวนงานต่อเดือน × นาทีที่มนุษย์ต้องแตะต่อหนึ่งงาน ÷ นาทีทำงานที่มีประสิทธิผลต่อคนต่อเดือน สมมติ 6,000 งาน เดิมใช้ 12 นาทีต่อรายการ เท่ากับ 72,000 นาที หากหลังระบบใหม่ 65 เปอร์เซ็นต์จบอัตโนมัติ 25 เปอร์เซ็นต์ใช้ตรวจ 3 นาที และ 10 เปอร์เซ็นต์กรณียากใช้ 20 นาที ภาระคนเหลือ 16,500 นาที ลดลงมากกว่า 75 เปอร์เซ็นต์

อย่าคิดว่าพนักงานมีเวลาผลิตเต็ม 160 ชั่วโมงต่อเดือน ต้องหักประชุม ฝึกอบรม ลา และงานบริหาร โดยทั่วไปใช้ตัวเลข Conservative เช่น 100–120 ชั่วโมงที่มีประสิทธิผล แล้วเพิ่ม Buffer สำหรับช่วงพีคและเหตุขัดข้อง ระบบที่คำนวณพอดีเกินไปจะล่มเมื่อยอดงานเพิ่มหรือ AI หยุดให้บริการ

6. บริหารการเปลี่ยนผ่านโดยไม่ให้คนซ่อนปัญหา

หากทีมเชื่อว่า Feedback ที่ช่วยปรับ AI จะนำไปสู่การเลิกจ้างทันที พนักงานมีแรงจูงใจไม่ถ่ายทอดความรู้หรือรายงานว่าระบบใช้ไม่ได้ เจ้าของควรสื่อสารแผนอย่างตรงไปตรงมา ระบุช่วงทดลอง เกณฑ์ตัดสินใจ และโอกาสย้ายบทบาท ไม่ควรรับประกันสิ่งที่ทำไม่ได้ แต่ควรให้ความเป็นธรรมและเวลาเตรียมตัว

กำหนด Incentive จากผลลัพธ์ของทีม เช่น Cycle Time คุณภาพ และลูกค้าที่รองรับได้ ไม่ใช่จำนวนชั่วโมงที่ดูยุ่ง พนักงานควรได้รับเครดิตเมื่อพบข้อผิดพลาดเชิงระบบ เพราะข้อมูลเหล่านี้ช่วยป้องกันปัญหาก่อนขยาย

7. ความเสี่ยงของทีมขนาดเล็กที่พึ่งระบบมากขึ้น

เมื่อคนลดลง ความรู้และความสามารถสำรองอาจหายไป ต้องมี Runbook สำหรับกรณีระบบล่ม วิธีทำงาน Manual ขั้นต่ำ และรายชื่อผู้รับผิดชอบแต่ละระบบ อย่าให้มีเพียงผู้พัฒนาภายนอกที่เข้าใจ Workflow ทั้งหมด บริษัทต้องส่งออกข้อมูลได้และเข้าถึง Log ของตนเอง

ติดตามความผิดพลาดเงียบ เช่น AI จัดประเภทผิดแต่ไม่มีใครสังเกต ลูกค้ารับคำตอบที่ดูดีแต่ไม่แก้ปัญหา หรือระบบเลือกงานง่ายจนเคสยากค้าง กำหนด Sampling ให้คนสุ่มตรวจงานอัตโนมัติ และทดสอบกรณีเสี่ยงเป็นระยะ รวมถึงตรวจค่าใช้จ่ายเมื่อปริมาณเพิ่ม

8. แผนปฏิบัติ 8 สัปดาห์

1. สัปดาห์ 1: เลือกกระบวนการและเก็บ Baseline ด้านปริมาณ เวลา คุณภาพ และจำนวนคน
2. สัปดาห์ 2: ทำ Process Map ตัดขั้นตอนที่ไม่จำเป็น และกำหนดสามเลนงาน
3. สัปดาห์ 3–4: สร้างระบบที่ AI เตรียมและคนตรวจ ทดสอบกับข้อมูลย้อนหลัง
4. สัปดาห์ 5: ทดลองกับทีมย่อย วัด Human Touch จริง และบันทึกข้อยกเว้น
5. สัปดาห์ 6: เปิด Straight-through เฉพาะกรณีมาตรฐาน เพิ่ม Monitoring และปุ่มหยุด
6. สัปดาห์ 7: คำนวณ Capacity ใหม่ ออกแบบบทบาทและตารางเวรสำรอง
7. สัปดาห์ 8: ตัดสินใจขยาย ปรับ หรือหยุด พร้อมแผนกำลังคนที่อิงข้อมูล

สรุป: ทีมสิบคนจะเหลือห้าคนได้หรือไม่ขึ้นอยู่กับสัดส่วนงานมาตรฐานและ Human Touch หลังออกแบบใหม่ เริ่มจากกระบวนการและระดับบริการ ใช้ AI รับงานซ้ำ สร้างเลนข้อยกเว้น และคำนวณ Capacity จากข้อมูลจริง การลดต้นทุนที่ยั่งยืนต้องรักษาคุณภาพ ความรู้สำรอง และความรับผิดชอบไว้พร้อมกัน