กรณีศึกษา: อะไรเปลี่ยนไป เมื่อการนำ AI มาใช้ มีผู้รับผิดชอบหลักอย่างชัดเจน

ลองถามคนในองค์กรของคุณว่า ใครเป็นผู้รับผิดชอบการนำ AI มาใช้ หากคำตอบมีคำว่า “ทุกคน” ความจริงก็คือไม่มีใครรับผิดชอบอย่างแท้จริง¹ และทุกสิ่งที่กำลังเดินหน้าอยู่ในวันนี้อาจหยุดลงได้เพียงเพราะคนคนเดียวลาออก1กรณีศึกษานี้เรียบเรียงจากหลายโครงการของ Fellow โดยปรับรายละเอียดเพื่อไม่ให้ระบุตัวตน ตัวเลขสะท้อนรูปแบบที่พบซ้ำ ไม่ใช่ผลลัพธ์ที่ผ่านการตรวจสอบของลูกค้ารายใดรายหนึ่ง

สถานการณ์

กลุ่มธุรกิจค้าปลีกแห่งหนึ่งมีพนักงานราว 2,000 คนและมีแรงส่งด้าน AI ที่น่าอิจฉา แต่แทบทั้งหมดผูกอยู่กับนักวิเคราะห์อาวุโสเพียงคนเดียว นักวิเคราะห์คนนี้ผลักดันการนำ AI มาใช้เป็นภารกิจส่วนตัว ดูแลคลัง prompt จัดอบรมอย่างไม่เป็นทางการ และคอยตอบคำถามให้ทุกคน จากนั้นเจ้าตัวก็ลาออก ภายในหนึ่งเดือน คลัง prompt เริ่มล้าสมัย การอบรมหยุดลง และการใช้งานในฝ่ายลดลงราวหนึ่งในสาม^◦ตัวเลข≈⅓การใช้งาน AI ในฝ่ายลดลงภายในหนึ่งเดือนหลังผู้ขับเคลื่อนอย่างไม่เป็นทางการลาออก

สาเหตุที่ทุกอย่างสะดุดนั้นธรรมดาจนน่าตกใจ คลัง prompt เป็นเอกสารส่วนตัวที่แชร์ไว้กับเพื่อนร่วมงานราว 40 คน เมื่อบัญชีถูกปิด สองในสามทีมที่ใช้งานเอกสารนี้มากที่สุดกลับหาไม่เจอว่ามันย้ายไปอยู่ที่ไหน ส่วนผู้รับช่วงงานได้รับคำบรรยายลักษณะงานที่ไม่มีเรื่อง AI อยู่เลย เพราะงานส่วนนี้ไม่เคยถูกกำหนดให้เป็นหน้าที่อย่างเป็นทางการ

ไม่มีใครขอให้ส่งต่องานส่วนนี้ด้วย ไม่ใช่เพราะความประมาท แต่เพราะสิ่งที่นักวิเคราะห์คนนี้ทำไม่เคยปรากฏในผังองค์กร งบประมาณ หรือ scorecard ใดเลย แม้แต่ผู้จัดการยังอธิบายในวันสัมภาษณ์ก่อนออกว่าเป็น “สิ่งที่ทำเสริมจากงานหลัก” คำอธิบายนั้นถูกต้องทุกคำ และนั่นคือปัญหาทั้งหมด

การประเมินความพร้อมที่จัดทำขึ้นหลังเหตุการณ์จึงเผยช่องว่างเชิงโครงสร้างอย่างชัดเจน องค์กรมีการใช้งานจริงทั่วทั้งขอบเขต แต่ไม่มีผู้รับผิดชอบที่ต้องรับผลลัพธ์แม้แต่คนเดียว

ข้อมูลชี้ว่าการมีผู้รับผิดชอบคือปัจจัยสำคัญ

รูปแบบนี้ไม่ได้ปรากฏเฉพาะในเรื่องเล่า แต่เห็นได้จากข้อมูลสำรวจด้วย แบบสำรวจ State of AI ของ McKinsey เมื่อเดือนมีนาคม 2025 ซึ่งครอบคลุม 1,491 องค์กร พบว่าการที่ CEO กำกับดูแลธรรมาภิบาล AI เป็นองค์ประกอบที่มีความสัมพันธ์กับผลกระทบต่อกำไรของบริษัทขนาดใหญ่มากที่สุด แต่มีเพียง 28% ขององค์กรเท่านั้นที่ทำเช่นนั้น^1◦ อย่างไรก็ดี ตัวเลขนี้ต้องมาพร้อมข้อจำกัด นี่เป็นเพียงความสัมพันธ์กับผลกระทบต่อ EBIT ที่ผู้ตอบรายงานด้วยตนเอง ไม่ใช่หลักฐานเชิงเหตุและผล อีกทั้งการกำกับดูแลโดยผู้บริหารระดับสูงอาจเป็นเพียงสัญญาณว่าองค์กรเหล่านั้นจริงจังกับ AI อยู่ก่อนแล้ว ถึงกระนั้น ทิศทางของข้อมูลก็ยากจะมองข้าม ระดับอาวุโสของผู้รับผิดชอบสัมพันธ์กับผลลัพธ์ ขณะที่องค์กรส่วนใหญ่ยังไม่ได้มอบหมายบทบาทนี้ให้ใครอย่างชัดเจนแหล่งอ้างอิงMcKinsey, "The State of AI", March 2025ตัวเลข28%ผู้ตอบจากบริษัทขนาดใหญ่ที่มี CEO กำกับดูแลธรรมาภิบาล AI จากแบบสำรวจ State of AI ของ McKinsey เดือนมีนาคม 2025

แบบสำรวจเดียวกันยังชี้ให้เห็นเหตุผล จากคุณลักษณะราว 25 ข้อที่ทดสอบ การออกแบบ workflow ใหม่ตั้งแต่รากฐานส่งผลต่อ EBIT มากที่สุด แต่มีองค์กรที่นำ AI มาใช้เพียงประมาณ 21% เท่านั้นที่เคยออกแบบ workflow ใหม่แม้แต่กระบวนการเดียว โดยตัวเลขนี้เป็นค่าประมาณ นี่คือตัวเลขที่ควรหยุดพิจารณา หากการนำ AI มาใช้ของคุณยังพึ่งพาผู้ขับเคลื่อนหลัก การออกแบบ workflow ใหม่หมายถึงการเปลี่ยนว่าใครต้องรับผิดชอบอะไร งานต้องเดินตามลำดับใด และคำว่า “เสร็จ” หมายถึงอะไร อาสาสมัครทำสิ่งเหล่านี้ไม่ได้ ไม่ว่าจะเก่งเพียงใด เพราะปัญหาไม่ได้อยู่ที่ทักษะ แต่อยู่ที่อำนาจตัดสินใจ^◦บทความที่เกี่ยวข้องเหตุใดผู้รับผิดชอบจึงต้องมีตัวเลขฐานที่ชัดเจนให้รับผิดชอบ

BCG อธิบายความไม่สมดุลเดียวกันผ่านหลักคิด 10-20-70 ซึ่งมองว่าคุณค่าจาก AI ราว 10% มาจากอัลกอริทึม 20% มาจากเทคโนโลยีและข้อมูล ส่วนอีก 70% มาจากคน กระบวนการ และวัฒนธรรม² ตัวเลขนี้ควรถูกมองเป็นหลักคิดจากประสบการณ์ของที่ปรึกษา ไม่ใช่สถิติที่ผ่านการวัดอย่างเป็นระบบ แต่ข้อสรุปที่ตามมานั้นสำคัญ ในองค์กรส่วนใหญ่ ส่วนที่เป็น 10 และ 20 มีทั้งผู้รับผิดชอบและงบประมาณชัดเจน ส่วนที่เป็น 70 กลับไม่มีใครรับผิดชอบเลยแหล่งอ้างอิงBCG's 10-20-70 heuristic — a consulting rule of thumb, not a measured statistic

ผลของความไม่สมดุลนี้เห็นได้ชัดในกลุ่มพนักงานหน้างาน งานศึกษา AI at Work 2025 ของ BCG ซึ่งครอบคลุมพนักงานกว่า 10,600 คนใน 11 ประเทศ พบว่าพนักงานหน้างานใช้ generative AI เป็นประจำ 51% เทียบกับมากกว่า 75% ในกลุ่มผู้นำและผู้จัดการ^3◦ หนึ่งปีต่อมา พนักงานหน้างานไล่ปิดช่องว่างเกือบทั้งหมด โดยอัตราการใช้งานเพิ่มเป็น 74% ในรายงานฉบับปี 2026 แต่ปัญหาไม่ได้หายไป เพียงย้ายไปอยู่ที่อื่น ในแบบสำรวจปี 2026 ฉบับเดียวกัน กลยุทธ์ AI ที่ชัดเจนสัมพันธ์กับผลกระทบทางธุรกิจที่เพิ่มขึ้น 25 จุดเปอร์เซ็นต์ ขณะที่เครื่องมือที่ดีขึ้นเพียงอย่างเดียวสัมพันธ์กับการเพิ่มขึ้น 5 จุด^4◦ การเข้าถึงเครื่องมือจึงไม่ใช่สิ่งที่แยกองค์กรออกจากกันอีกต่อไป ความชัดเจนว่าใครเป็นเจ้าภาพของกลยุทธ์ต่างหากที่เข้ามาแทน มีพนักงานเพียงราวหนึ่งในสามที่บอกว่าได้รับการอบรมอย่างเหมาะสม และมากกว่าครึ่งบอกว่าจะหาเครื่องมือมาใช้เองหากองค์กรไม่จัดหาสิ่งที่ต้องการให้ ภาพที่เกิดขึ้นจึงชัดเจน ผู้บริหารระดับบนกระตือรือร้น ขณะที่คนหน้างานต้องด้นสดกันเอง นี่คือรูปแบบของการนำ AI มาใช้โดยพึ่งพาผู้ขับเคลื่อนหลักในวงกว้างระดับประเทศแหล่งอ้างอิงBCG, "AI at Work 2025"ตัวเลข51%พนักงานหน้างานที่ใช้ generative AI เป็นประจำ เทียบกับมากกว่า 75% ในกลุ่มผู้นำและผู้จัดการ จาก BCG AI at Work 2025แหล่งอ้างอิงBCG, "AI at Work 2026: Strategy Matters More Than Tools", June 2026 (ผ่าน BCG press release)ตัวเลข25 จุด เทียบกับ 5 จุดความแตกต่างด้านผลกระทบทางธุรกิจจากกลยุทธ์ AI ที่ชัดเจน เทียบกับเครื่องมือที่ดีขึ้นเพียงอย่างเดียว จาก BCG AI at Work 2026

ตัวอย่างสาธารณะที่ให้บทเรียนชัดที่สุดคือ Klarna แต่จะเข้าใจบทเรียนได้ถูกต้องก็ต่อเมื่อเล่าให้ครบทั้งสองช่วง ในเดือนกุมภาพันธ์ 2024 บริษัทประกาศว่าผู้ช่วย AI จัดการแชทบริการลูกค้าไปสองในสามภายในเดือนแรก รวม 2.3 ล้านบทสนทนา ซึ่งบริษัทระบุว่าเทียบเท่ากับงานของเจ้าหน้าที่เต็มเวลาราว 700 คน เวลาในการแก้ปัญหาลดจาก 11 นาทีเหลือต่ำกว่า 2 นาที การติดต่อซ้ำลดลง 25% และบริษัทคาดว่าจะเพิ่มกำไรได้ 40 ล้านดอลลาร์ในปีนั้น ตัวเลขทั้งหมดมาจากบริษัทและยังไม่ผ่านการตรวจสอบจากภายนอก⁵แหล่งอ้างอิงKlarna press release, February 2024

ต่อมาในเดือนพฤษภาคม 2025 Klarna เริ่มรับสมัครเจ้าหน้าที่บริการลูกค้าที่เป็นมนุษย์อีกครั้ง⁶ Sebastian Siemiatkowski ซึ่งเป็น CEO บอก Bloomberg ว่า ต้นทุน “น่าเสียดายที่ดูจะกลายเป็นเกณฑ์ประเมินที่มีน้ำหนักมากเกินไป” และผลที่ตามมาคือ “คุณภาพที่ต่ำลง” พร้อมกล่าวว่าการลงทุนในคุณภาพของบริการจากมนุษย์คือทิศทางต่อไปของบริษัท ต้องอ่านเรื่องนี้ให้ครบถ้วน เพราะนี่ไม่ใช่การถอยออกจาก AI² บทเรียนจริงคมกว่านั้นมาก ตัวเลขหนึ่งได้รับการดูแลและผลักดันอย่างจริงจัง นั่นคือต้นทุนต่อการแก้ปัญหาหนึ่งครั้ง ส่วนตัวเลขที่ไม่มีผู้รับผิดชอบคือคุณภาพ ซึ่งค่อย ๆ ลดลงโดยไม่มีใครสังเกตจนบริษัทต้องจ่ายเพื่อเรียกมันกลับคืนมา การกำหนดผู้รับผิดชอบจึงไม่ได้หมายถึงการระบุว่าใครต้องผลักตัวเลขให้ดีขึ้นเท่านั้น แต่ยังต้องระบุด้วยว่าใครรับผิดชอบต่อสิ่งที่ตัวเลขนั้นมองไม่เห็นแหล่งอ้างอิงKlarna's 2025 partial reversal, rehiring human agents — reported by Bloomberg; no public release2Klarna ยังใช้ผู้ช่วย AI ต่อไปและเปลี่ยนมาใช้โมเดลผสม โดยมีเจ้าหน้าที่มนุษย์รองรับลูกค้าที่ต้องการ ในการเปลี่ยนแปลงครั้งแรกเมื่อปี 2024 ไม่มีพนักงานถูกเลิกจ้าง เพราะบริษัทใช้วิธีลดงานบริการที่จ้างภายนอก

ทำไมการนำไปใช้แบบปล่อยให้เกิดเองจึงหยุดชะงัก

การนำ AI มาใช้โดยอาศัยผู้ขับเคลื่อนหลักดูเหมือนจะไปได้ดี เพราะเต็มไปด้วยความกระตือรือร้น ต้นทุนต่ำ และเริ่มต้นได้เอง แต่โครงสร้างกลับเปราะบางอย่างยิ่ง^◦ ผู้ขับเคลื่อนไม่มีอำนาจตามบทบาท การปรับปรุงทุกอย่างจึงต้องอาศัยการขอความร่วมมือ ไม่มีงบประมาณ เครื่องมือจึงถูกปะติดปะต่อขึ้นตามมีตามเกิด ไม่มีตัวชี้วัด ผลงานจึงมองไม่เห็นจนกระทั่งหายไป และเมื่อห้าทีมทำตามคนคนเดียวกันด้วยวิธีห้าแบบ แนวปฏิบัติเหล่านั้นก็ไม่เคยรวมเป็นขีดความสามารถที่องค์กรเป็นเจ้าของจริง ๆนิยามความเสี่ยงจากการพึ่งพาผู้ขับเคลื่อนหลัก การนำไปใช้ที่อาศัยแรงขับเคลื่อนส่วนตัวของอาสาสมัคร ไม่มีงบประมาณ ไม่มีอำนาจที่ได้รับมอบหมาย และหายไปทันทีเมื่อคนนั้นเปลี่ยนบทบาท

ความล้มเหลวไม่ได้อยู่ที่ผู้ขับเคลื่อนคนนั้นลาออก แต่อยู่ที่องค์กรยืมขีดความสามารถจากแรงใจของคนคนเดียวมาใช้ โดยไม่เคยรู้ตัวว่าสิ่งนั้นไม่ได้เป็นขององค์กรเลย

รูปแบบนี้ยังจำกัดเพดานของการนำไปใช้ นอกเหนือจากความเสี่ยงที่มีอยู่แล้ว ผู้ขับเคลื่อนหลักสอนวิธีใช้เครื่องมือและแชร์ prompt ได้ เพราะสองเรื่องนี้ไม่ต้องขออนุญาตใคร แต่ขั้นตอนที่ข้อมูลของ McKinsey เชื่อมโยงกับผลกระทบมากที่สุด ซึ่งก็คือการออกแบบ workflow ใหม่ กลับเป็นสิ่งที่อาสาสมัครไม่มีอำนาจทำ การนำไปใช้ที่พึ่งพาผู้ขับเคลื่อนหลักจึงมักติดอยู่ที่เพดานเดิม คนแต่ละคนทำงานได้เร็วขึ้นภายในกระบวนการที่ไม่เคยเปลี่ยนแปลง นี่คือช่องว่างเดียวกับที่นักวิจัยของ MIT อธิบายไว้เมื่อชี้ว่าโครงการนำร่องล้มเหลวเพราะไม่สามารถผสาน AI เข้ากับ workflow ได้ มากกว่าจะเกิดจากคุณภาพของโมเดล⁷แหล่งอ้างอิงMIT Project NANDA, "The GenAI Divide: State of AI in Business 2025" (ผ่าน Fortune)

เพดานนี้อธิบายผลลัพธ์ที่ดูขัดแย้งกัน องค์กรอาจมีการใช้งานสูงแต่ไม่เห็นประโยชน์ที่วัดได้ ทั้งสองอย่างเกิดขึ้นพร้อมกันได้ เครื่องมือถูกนำมาใช้แล้ว แต่วิธีทำงานไม่เคยถูกออกแบบใหม่ และไม่มีใครมีอำนาจพอจะทำให้เกิดขึ้น

สิ่งที่เราทำ

เราออกแบบทางแก้ให้เล็กโดยตั้งใจ ซึ่งตรงข้ามกับการตั้งสำนักงานขับเคลื่อนการเปลี่ยนแปลงขนาดใหญ่

1. ระบุผู้รับผิดชอบหลักหนึ่งคน เราเลือกผู้จัดการ ไม่ใช่ผู้บริหารที่งานล้นมือที่สุดและไม่ใช่คณะกรรมการ พร้อมเขียนอำนาจตัดสินใจเรื่องคำขอใช้เครื่องมือ ลำดับความสำคัญของ workflow และเวลาอบรมไว้อย่างชัดเจน^◦นิยามอำนาจตัดสินใจ เรื่องที่ผู้รับผิดชอบตัดสินใจได้เองและระบุไว้เป็นลายลักษณ์อักษร เช่น เครื่องมือใดได้รับอนุมัติ workflow ใดต้องมาก่อน และสามารถจัดสรรเวลาของใครให้การอบรมได้ แตกต่างจากการต้องรับผิดชอบผลลัพธ์โดยไม่มีอำนาจเปลี่ยนแปลงสิ่งใด
2. เลือกสาม workflow และใช้ตัวชี้วัดเพียงหนึ่งตัวต่อ workflow ได้แก่ การร่างรายงานสาขา การเขียนข้อความสำหรับงาน merchandising และการคัดกรองอีเมลจากซัพพลายเออร์ แต่ละรายการมีตัวเลขฐานและเป้าหมาย โดยยังไม่เพิ่มเรื่องอื่นลงใน scorecard ของผู้รับผิดชอบจนกว่าตัวเลขทั้งสามจะขยับ
3. จัดวงทบทวนรายเดือนครั้งละ 30 นาที โดยมี COO อยู่ในห้อง นี่ไม่ใช่ steering committee แต่เป็นวงทำงานที่ดูตัวเลขสามตัวบนกระดาษหน้าเดียว การที่ผู้นำเข้าร่วมจริงสื่อสารว่าเรื่องนี้สำคัญยิ่งกว่าเอกสารมอบอำนาจใด ๆ^◦ภาพประกอบความรับผิดชอบเกิดขึ้นจริงเมื่อผู้นำเข้าร่วมวงทบทวนและถามถึงตัวเลขเป็นครั้งแรก

ผู้ที่รับช่วงต่อจากผู้ขับเคลื่อนคนเดิมถูกดึงเข้ามาเป็น workflow lead ความกระตือรือร้นยังคงอยู่ แต่คราวนี้อยู่ภายในโครงสร้างแทนที่จะทำหน้าที่แทนโครงสร้าง

ข้อคัดค้านสองเรื่องเกิดขึ้นตั้งแต่ต้น และทั้งคู่มีเหตุผล ผู้จัดการสาขาได้ยินคำว่า “ผู้รับผิดชอบที่ระบุชื่อชัดเจน” แล้วนึกถึง “หน่วยงานส่วนกลางแห่งใหม่ที่จะเริ่มขอรายงานจากเรา” เพราะเคยมีประสบการณ์เช่นนั้นมาก่อน ขอบเขตบทบาทจึงถูกเขียนใหม่ให้เหลือสามประโยค โดยหนึ่งในนั้นระบุสิ่งที่ผู้รับผิดชอบจะไม่ทำอย่างชัดเจน ไม่สร้างรายงานใหม่ ไม่ตรวจสอบเครื่องมือ และไม่เพิ่มขั้นตอนอนุมัติในกระบวนการเดิมของใคร ข้อคัดค้านที่สองมาจากผู้จัดการของผู้รับผิดชอบ ซึ่งถูกขอให้สละเวลาของคนในทีมราวหนึ่งวันต่อสัปดาห์ เราแก้ด้วยการถอดหน้าที่จัดทำรายงานเดิมออกหนึ่งรายการ แทนที่จะวางบทบาทใหม่ทับลงบนงานเดิม ไม่มีใครมีเวลาสำรอง และความรับผิดชอบที่เพิ่มลงบนงานเต็มเวลาที่มีอยู่แล้วก็เป็นเพียงของประดับ

แผนนี้เกือบผิดทางสองครั้ง ร่าง scorecard ฉบับแรกมี workflow ถึงหกรายการ เพราะทุกฝ่ายต้องการให้เรื่องของตนรวมอยู่ด้วย เราตัดกลับเหลือสามด้วยคำถามว่า ตัวเลขใดบ้างที่ COO จะสังเกตเห็นจริงหากมันขยับ ส่วนวงทบทวนครั้งแรกมีผู้ตอบรับคำเชิญถึง 11 คน ซึ่งคงเปลี่ยนวงทำงานให้กลายเป็น steering committee ภายในสองครั้ง เราจึงลดจำนวนผู้เข้าร่วมกลับมาเหลือสี่คน สิ่งสำคัญคือการมี COO อยู่ในห้อง ไม่ใช่การมีผู้ชมจำนวนมาก

ต้นทุนตลอดไตรมาสแรกอยู่ที่เวลาทำงานรวมราวสี่คนต่อสัปดาห์ ประกอบด้วยการกำหนดขอบเขตสองวัน เวลาราวครึ่งวันต่อ workflow สำหรับตั้งตัวเลขฐาน เวลาของผู้รับผิดชอบประมาณหนึ่งวันต่อสัปดาห์ รวมถึงเวลาทบทวน 30 นาทีและเวลาเตรียมอีกหนึ่งชั่วโมงในแต่ละเดือน ไม่มีการเพิ่มจำนวนพนักงาน และตั้งใจไม่มีงบเครื่องมือใหม่ในไตรมาสแรก ส่วนหนึ่งเพื่อพิสูจน์ว่าความเปลี่ยนแปลงนี้มาจากโครงสร้าง ไม่ใช่สิ่งที่ซื้อเพิ่ม อีกส่วนเพราะคำขอใช้งบประมาณอาจเปลี่ยนการตัดสินใจที่ควรใช้เวลาสองสัปดาห์ให้ยืดเป็นสองเดือน

สิ่งที่เปลี่ยนไป

การใช้งานฟื้นตัวจนสูงกว่าจุดสูงสุดเดิมภายในสองเดือน ที่สำคัญกว่านั้นคือ เมื่อมีคนลาออกอีกครั้ง การใช้งานไม่ลดลง เพราะทรัพยากรและความรับผิดชอบไม่ได้อยู่ในหัวของใครเพียงคนเดียวอีกต่อไป ในการประเมินซ้ำ หัวข้อการมีผู้รับผิดชอบด้านการนำ AI มาใช้ขยับจากจุดอ่อนที่สุดของโปรไฟล์ขึ้นมาเป็นตัวชี้วัดที่แข็งแกร่งที่สุด^◦ตัวเลข3workflow ที่มีผู้รับผิดชอบชัดเจนและตัวชี้วัดซึ่งได้รับการทบทวนรายเดือน ทั้งหมดนี้คือโครงสร้างกำกับดูแลระยะแรกที่ตั้งใจให้เล็ก

ความทนทานเกิดจากเรื่องที่ไม่หวือหวา คลัง prompt ถูกย้ายไปยังพื้นที่ส่วนกลาง พร้อมระบุผู้ดูแลและวันทบทวนรายไตรมาส workflow ทั้งสามถูกบรรจุในกระบวนการ onboarding ของพนักงานใหม่ แนวปฏิบัติจึงถูกส่งต่อผ่านกระบวนการเริ่มงาน แทนที่จะขึ้นอยู่กับว่าใครบังเอิญกระตือรือร้น และหน้าสรุปรายเดือนยังสร้างบันทึกเป็นลายลักษณ์อักษร ผู้รับผิดชอบคนที่สองจึงเริ่มต่อจากจุดที่คนแรกทำไว้ ไม่ต้องเริ่มใหม่จากศูนย์

ควรพูดอย่างตรงไปตรงมาด้วยว่าสิ่งใดไม่เปลี่ยน ค่าใช้จ่ายด้านเครื่องมือรวมยังเท่าเดิม การนำไปใช้ในทีมนอกสาม workflow อยู่ในระดับเดิมราวสองไตรมาส โครงสร้างนี้ไม่ได้ยกระดับทั้งองค์กรและไม่เคยถูกออกแบบมาเพื่อทำเช่นนั้น สิ่งที่มันทำคือทำให้สามเรื่องเชื่อถือได้และทำซ้ำได้ ซึ่งกลายเป็นฐานที่น่าเชื่อถือพอสำหรับการขอเพิ่ม workflow ที่สี่

สิ่งที่เราจะทำต่างออกไป

มีสามเรื่อง เรียงตามระดับความอึดอัด

เราจะระบุผู้รับผิดชอบก่อนที่ผู้ขับเคลื่อนหลักจะลาออก ไม่ใช่หลังจากนั้น ทุกอย่างที่ใช้ในการฟื้นครั้งนี้สามารถทำได้ตลอดทั้งปีก่อนหน้า แต่ต้องรอให้มีคนลาออกจึงกลายเป็นเรื่องเร่งด่วน เวลาสองเดือนที่ใช้กู้สถานการณ์เป็นต้นทุนที่หลีกเลี่ยงได้ทั้งหมด และคำถามวินิจฉัยก็เรียบง่ายจนน่าอาย หากคนคนนี้ลาออกในวันศุกร์ อะไรจะหยุดลง

เราให้น้ำหนักกับคุณภาพน้อยเกินไป และเส้นเรื่องของ Klarna คือเหตุผลที่ตอนนี้เราปรับแก้ ทั้งสาม workflow เริ่มต้นด้วยตัวชี้วัดด้านประสิทธิภาพ และตัวชี้วัดประเภทนี้ย่อมขยับไปในทิศทางที่เราผลัก เราจึงจับคู่ตัวเลขด้านประสิทธิภาพทุกตัวกับตัวคุ้มกันคุณภาพหนึ่งตัว เช่น อัตราการแก้งานซ้ำ จำนวนข้อผิดพลาด หรือการสุ่มตรวจโดยคนที่ไม่ได้เป็นผู้ผลิตงาน เพราะสิ่งที่ไม่มีใครรับผิดชอบคือสิ่งที่ค่อย ๆ เสื่อมลงโดยไม่มีใครสังเกต

เรื่องสุดท้ายยากที่สุด ผู้รับผิดชอบที่ระบุชื่อชัดเจนอาจกลายเป็นจุดเปราะเพียงจุดเดียวแบบใหม่ที่มีชื่อตำแหน่งดูดีขึ้น หากขอบเขตบทบาท อำนาจตัดสินใจ คลังความรู้ และตัวชี้วัดทั้งหมดอยู่ในหัวและปฏิทินของคนคนเดียว องค์กรก็เพียงเปลี่ยนจากการพึ่งพาคนหนึ่งไปพึ่งพาอีกคน พร้อมสร้างความมั่นใจผิด ๆ ว่าปัญหาถูกแก้แล้ว สิ่งที่ป้องกันได้จริงเป็นเรื่องธรรมดาและต้องสร้างตั้งแต่วันแรก ต้องเขียนขอบเขตบทบาทไว้ให้ชัด ระบุผู้ทำหน้าที่แทนซึ่งเข้าร่วมวงทบทวน และเก็บทรัพยากรไว้ในที่ที่บัญชีของคนอื่นเข้าถึงได้ โครงสร้างไม่ใช่สิ่งเดียวกับคนที่มีตำแหน่ง และเราสับสนสองอย่างนี้ได้ง่ายมาก

สิ่งที่นำไปใช้ได้ทันที

1. ภายในไตรมาสนี้ ระบุผู้รับผิดชอบการนำ AI มาใช้หนึ่งคน ต้องเป็นคนที่มีทั้งเวลาและอำนาจตัดสินใจ ไม่ใช่คณะทำงาน
2. มอบ workflow ให้สามรายการพอดี พร้อมตัวชี้วัดรายการละหนึ่งตัว อย่าปล่อยให้ขอบเขตขยายเป็นสิบเรื่อง
3. ใส่วงทบทวนรายเดือนครั้งละ 30 นาทีไว้ในปฏิทินของผู้บริหารที่อาวุโสที่สุดและพร้อมเข้าร่วมอย่างสม่ำเสมอ การมาปรากฏตัวคืออำนาจที่มอบให้
4. จับคู่ตัวชี้วัดด้านประสิทธิภาพทุกตัวกับตัวคุ้มกันคุณภาพหนึ่งตัว เพื่อไม่ให้สิ่งที่ไม่มีใครรับผิดชอบเสื่อมลงโดยไม่มีใครเห็น
5. เปลี่ยนผู้ขับเคลื่อนหลักให้เป็น workflow lead ภายในโครงสร้าง ยกย่องสิ่งที่พวกเขาทำ แต่เลิกฝากอนาคตไว้กับคนเหล่านั้น

หากรายงานความพร้อมของคุณพบว่ามีการใช้งานจริงแต่ไม่มีผู้รับผิดชอบ อย่ามองสิ่งนี้เป็นเพียงคำอธิบายสถานการณ์ ให้มองเป็นนาฬิกานับถอยหลัง ทางแก้ใช้เพียงหนึ่งย่อหน้าในคำบรรยายลักษณะงานและเวลาครึ่งชั่วโมงต่อเดือน^◦บทความที่เกี่ยวข้องขั้นต่อไปคือเปลี่ยน workflow ที่มีผู้รับผิดชอบให้กลายเป็นแนวปฏิบัติที่ทบต้นได้อย่างต่อเนื่อง