SK Group กำลังเตรียมปรับโครงสร้างองค์กรครั้งใหญ่ในช่วงครึ่งหลังของปีนี้ เกณฑ์หลักคือปัญญาประดิษฐ์ โดยเฉพาะเอเจนต์ AI ไม่ใช่แค่คงงานเดิมไว้แล้วให้ AI มาช่วยเป็นผู้ช่วย แต่หมายถึงจะจัดโครงสร้างองค์กรใหม่ทั้งหมด เป้าหมายที่ชัดเจนคือ งานข้อมูลในสำนักงานที่ใช้ Excel เป็นหลัก ตามบทความ มีการพิจารณาแนวทางส่งต่องานกรอกข้อมูลและงานจัดระเบียบแบบนี้ทั้งหมดให้เอเจนต์ AI ทำ ต่อไป จุดสำคัญคือจะดูก่อนว่างานเดิมงานไหนที่ AI ทำได้ แล้วค่อยแบ่งงานของคนใหม่อีกครั้ง ในบทความยังพูดถึงความเป็นไปได้ที่ SK Telecom จะเป็นแกนหลักของการเปลี่ยนแปลงครั้งนี้ และยังบอกด้วยว่าประธานชเวแทวอนได้มอง AX ว่าเป็นเรื่องของการอยู่รอดและความสามารถในการแข่งขันมาโดยตลอด กระแสนี้จึงอ่านได้ว่าไม่ใช่แค่การทดลองของ SK เท่านั้น แต่เป็นส่วนหนึ่งของการเปลี่ยนแปลงที่ใหญ่ขึ้น ซึ่งบริษัทยักษ์ใหญ่อื่น ๆ ก็กำลังพิจารณาไปในทิศทางคล้ายกัน
원문 보기หัวใจของข่าวนี้ไม่ใช่ ‘การนำ AI มาใช้’ แต่คือ ‘การเปลี่ยนแบบแปลนของงาน’
ถ้าอ่านข่าวนี้แค่ว่า ‘บริษัทยักษ์ใหญ่ใช้ AI’ ก็อาจพลาดประเด็นสำคัญได้ง่าย ตรงที่สำคัญกว่ามากในบทความคือคำว่า จัดโครงสร้างองค์กรใหม่โดยตั้ง AI เอเจนต์เป็นพื้นฐาน นี่ไม่ได้หมายถึงแค่ซื้อซอฟต์แวร์มาเพิ่มอีกตัวเพื่อช่วยงานของพนักงานนิดหน่อย แต่หมายถึงจะจัดใหม่เลยว่า งานอะไรให้ AI จัดการก่อน แล้วคนจะตรวจทานและตัดสินใจอะไรบ้าง
ถ้าเครื่องมือ AI แบบเดิมใกล้กับการเป็น ‘ตัวช่วยเขียนร่าง’ หรือ ‘ตัวช่วยค้นหา’ AI เอเจนต์ก็ควรมองว่าใกล้กับการรับเป้าหมายแล้วทำหลายขั้นตอนต่อเนื่องกันมากกว่า เช่น สามารถมอบหมายให้จัดการเป็นชุดเดียวตั้งแต่รวบรวมข้อมูล จัดรูปแบบ ค้นหาค่าผิดปกติ ไปจนถึงทำร่างรายงานสรุปได้เลย ถ้าเข้าใจจุดนี้ ก็จะพอนึกออกว่าทำไมชื่อบทความถึงใช้คำว่า ผ่าตัดใหญ่โครงสร้างองค์กร
จุดที่ผู้อ่านควรดูมีอย่างเดียว คือจากนี้การแข่งขันของบริษัทจะย้ายจาก ‘ใช้ AI หรือไม่ใช้ AI’ ไปเป็น จะส่งต่องานแบบไหนให้ AI และให้คนเหลือคุณค่าและความรับผิดชอบไว้ตรงไหน พอรู้เกณฑ์นี้แล้ว เวลาจะอ่านไม่ใช่แค่บทความของ SK แต่ข่าว AI ของบริษัทอื่นก็จะอ่านได้เข้าใจง่ายขึ้นมาก
การนำเครื่องมือช่วยงานมาใช้ คือการวาง AI ทับบนงานเดิม แต่การจัดองค์กรแบบเอเจนต์คือการออกแบบกระบวนงานใหม่ทั้งชุด
เพราะแบบนี้ หน่วยของการเปลี่ยนแปลงจึงไม่ใช่แค่ประสิทธิภาพของคนคนเดียว แต่ขยายไปถึงโครงสร้างทีม ระบบอนุมัติ และการแบ่งความรับผิดชอบ
เครื่องมือช่วยงานกับองค์กรที่ตั้ง AI เอเจนต์เป็นพื้นฐาน ต่างกันอย่างไร
ทั้งสองแบบดูเหมือนใช้ AI เหมือนกัน แต่ขอบเขตที่เปลี่ยนจริงต่างกันมาก ดูตารางนี้แล้วจะเข้าใจได้ทันทีว่าทำไมถึงมีเรื่องการปรับโครงสร้างองค์กรตามมา
| หัวข้อเปรียบเทียบ | เครื่องมือช่วยงาน | |
|---|---|---|
| ผู้คุมการทำงาน | คนสั่งทุกครั้ง | |
องค์กรที่ตั้ง AI เอเจนต์เป็นพื้นฐาน AI รับเป้าหมายแล้วทำหลายขั้นตอนต่อเนื่อง | ||
| ขอบเขตการทำงาน | งานเดี่ยวอย่างการเขียนร่าง·สรุป | |
| โครงสร้างการอนุมัติ | คงระบบการรายงานเดิมไว้ | |
| การแบ่งความรับผิดชอบ | ความรับผิดชอบต่อผลลัพธ์ยังอยู่กับคนเกือบทั้งหมด | |
| การวัดผลสำเร็จ | เพิ่มผลิตภาพส่วนบุคคลของพนักงาน | |
| ผลกระทบต่อองค์กร | ระดับการอบรมการใช้เครื่องมือ | |
บริษัทจะส่งงานแบบไหนให้ AI และงานแบบไหนจะยังให้คนทำ
บริษัทต่าง ๆ มักไม่ตัดทั้งอาชีพออกไปทีเดียว แต่จะแบ่งงานให้ย่อยลงก่อน แล้วดูว่างานไหนเหมาะกับการทำอัตโนมัติ ถ้ารู้เกณฑ์นี้ คุณก็จะตีความข่าวอย่าง ‘AI จะมาแย่งงานฉันไหม?’ ได้แม่นขึ้น
| เกณฑ์การตัดสิน | งานที่ส่งให้ AI ได้ง่าย | งานที่มักยังให้คนทำ |
|---|---|---|
| ความทำซ้ำ | การป้อนข้อมูล·รวบรวมข้อมูลที่ทำซ้ำทุกวันในรูปแบบเดิม | การตัดสินใจที่บริบทเปลี่ยนไปทุกครั้ง |
| ความเป็นไปได้ในการทำให้เป็นมาตรฐาน | งานที่มีกฎและแม่แบบชัดเจน | งานที่การเจรจาและการโน้มน้าวสำคัญกว่ากฎ |
| ความเป็นไปได้ในการทำเป็นข้อมูล | งานที่เอกสาร·ตัวเลข·บทสนทนายังคงอยู่เป็นข้อมูลดิจิทัล | งานที่ความสัมพันธ์ไม่เป็นทางการและความรู้โดยนัยมีมาก |
| การรับมือข้อผิดพลาด | งานที่ค่าใช้จ่ายจากข้อผิดพลาดต่ำและตรวจทานใหม่ได้ง่าย | งานที่ความผิดพลาดครั้งเดียวอาจขยายเป็นความเสี่ยงด้านกฎหมายและชื่อเสียง |
| ความสามารถหลัก | สรุป จัดหมวดหมู่ ค้นหา เขียนร่างเอกสาร | อนุมัติขั้นสุดท้าย จัดการกรณียกเว้น ตัดสินความรับผิดชอบ เข้าอกเข้าใจ |
| ตัวอย่างหลัก | จัดระเบียบบันทึกการประชุม ร่างรายงาน ค้นหาค่าผิดปกติของข้อมูล | เลือกกลยุทธ์ เจรจา ประเมินบุคลากร สื่อสารภายนอก |
จากเอ็กเซลไปสู่ ERP แล้วกลับมาสู่ AI: เครื่องมือทำงานของพนักงานออฟฟิศในเกาหลีเปลี่ยนมาแบบนี้
เหตุผลที่ประโยคว่า ‘ยกงานเอ็กเซลให้ AI ทำ’ ฟังดูเป็นเรื่องใหญ่ ก็เพราะวัฒนธรรมงานเอกสารของบริษัทเกาหลีหมุนอยู่บนเอ็กเซลมานานมาก พอดูตามกระแสแล้วจะเริ่มเห็นว่าทำไมการเปลี่ยนแปลงครั้งนี้ถึงมากกว่าแค่การทำงานอัตโนมัติธรรมดา
ขั้นที่ 1: ช่วงทศวรรษ 1980~1990 เอ็กเซลกลายเป็นภาษาพื้นฐานของงานออฟฟิศ
เอ็กเซลไม่ได้เป็นแค่โปรแกรมคำนวณตัวเลข แต่กลายเป็นรูปแบบพื้นฐานของตารางงบประมาณ ตารางผลงาน และรายงานด้วย พอมาตรงกับช่วงที่การใช้ระบบคอมพิวเตอร์ในบริษัทเกาหลีแพร่หลาย วัฒนธรรมที่ว่า ‘จัดระเบียบตัวเลข = เปิดเอ็กเซล’ ก็ฝังแน่นเลย
ขั้นที่ 2: ช่วงทศวรรษ 2000 มี ERP เข้ามา แต่เอ็กเซลก็ยังไม่หายไป
ERP คือการจัดการทรัพยากรทั้งบริษัท หรือก็คือเครื่องมือที่รวมข้อมูลอย่างสต๊อก การจัดซื้อ และบัญชีของบริษัทไว้ในระบบเดียว แต่ในการทำงานจริง ยังมีโครงสร้างซ้อนกันอยู่ คือเก็บข้อมูลทางการไว้ในระบบ ส่วนการรวบรวมขั้นสุดท้ายและการปรับแต่งเพื่อทำรายงานก็ยังใช้เอ็กเซลเหมือนเดิม
ขั้นที่ 3: ช่วงทศวรรษ 2010 ระบบกว้างขึ้น แต่ ‘ไมล์สุดท้าย’ ยังอยู่ในมือคน
งานอย่างการปรับตัวเลขของแต่ละแผนกให้ตรงกัน อธิบายข้อยกเว้น และจัดเรียงใหม่ให้ตรงกับรูปแบบรายงานสำหรับผู้บริหาร เป็นพื้นที่ที่ระบบมาตรฐานทำได้ไม่ดี เพราะงั้นเวลาทำงานของพนักงานออฟฟิศในบริษัทใหญ่จำนวนมากจึงหมดไปกับการจัดเอ็กเซลและตรวจตัวเลข
ขั้นที่ 4: ช่วงทศวรรษ 2020 AI แทรกเข้ามาไกลกว่าการป้อนข้อมูล จนถึงการสรุปและช่วยตัดสินใจ
ตอนนี้ AI กำลังก้าวไปอีกขั้นจากแค่การคัดลอกง่ายๆ และการคำนวณอัตโนมัติ มันอ่านหลายไฟล์ได้ หาค่าที่แปลกได้ เขียนร่างรายงานได้ และยังเสนอขั้นตอนถัดไปได้ด้วย เลยเริ่มเข้ามาถึง ‘ไมล์สุดท้าย’ ที่เมื่อก่อนจำเป็นต้องใช้มือคน
ระบบอัตโนมัติของเอ็กเซลกับ AI เอเจนต์ ไม่ใช่ระบบอัตโนมัติแบบเดียวกัน
การรันแมโครหรือใช้ฟังก์ชันเก่งๆ กับการที่ AI เอเจนต์ทำตามลำดับงานนั้นมีลักษณะต่างกัน ถ้าเข้าใจความต่างนี้ ก็จะเห็นชัดขึ้นว่าทำไมบริษัทถึงพูดว่า ‘ยกงานเอ็กเซลทั้งก้อนไปให้’ ได้
| หัวข้อเปรียบเทียบ | งานที่อิงเอ็กเซล | งานที่อิง ERP·BI | งานที่อิง AI เอเจนต์ |
|---|---|---|---|
| แหล่งที่มาของข้อมูล | กระจายอยู่ตามแต่ละไฟล์ | รวมไว้ในระบบทางการ | อ่านหลายระบบและเอกสารไปพร้อมกัน |
| การจัดการข้อยกเว้น | พึ่งพาประสบการณ์ของผู้รับผิดชอบ | จัดการภายในกฎมาตรฐาน | ออกแบบโครงสร้างให้ตรวจจับข้อยกเว้นแล้วส่งต่อให้คนได้ |
| การจัดทำรายงาน | คนทำการแปรรูปใหม่เองโดยตรง | สร้างรายงานแบบเป็นรูปแบบอัตโนมัติ | ช่วยได้ถึงการสรุป การตีความ และการเขียนร่างแรก |
| ตัวช่วยในการตัดสินใจ | แทบไม่มี | เน้นแดชบอร์ดพื้นฐาน | อธิบายค่าผิดปกติ สร้างประโยคเปรียบเทียบ และเสนอการทำงานถัดไปได้ |
| วิธีการทำงานร่วมกัน | ส่งไฟล์และจัดการเวอร์ชัน | เน้นระบบที่ใช้ร่วมกัน | เชื่อมต่อบันทึกงาน ขั้นตอนการอนุมัติ และถามตอบเข้าด้วยกัน |
| ความสามารถในการติดตาม | การติดตามประวัติการแก้ไขยังอ่อน | เน้นบันทึกระบบ | สามารถเก็บบันทึกขั้นตอนการทำงานและเหตุผลประกอบการตัดสินใจไว้ด้วยกันได้ |
ที่ SK พูดว่า AX เป็นปัญหาเรื่องการอยู่รอด ก็เพราะมีประวัติการเปลี่ยนผ่านอยู่
AX หมายถึงการเปลี่ยนผ่านด้วย AI ไม่ใช่แค่เปลี่ยนโปรแกรมไม่กี่ตัวนะ ถ้าดูประวัติของ SK ไปด้วย จะเข้าใจได้ว่าทำไมการเปลี่ยนครั้งนี้ถึงถูกมองว่าเหมือนเป็น ‘การเปลี่ยนครั้งใหญ่เพิ่มอีกครั้ง’
ขั้นที่ 1 จากบริษัทสิ่งทอไปเป็นบริษัทพลังงาน
SK ในตอนนี้เดิมเริ่มมาจากซอนกย็องสิ่งทอ หลังจากนั้นก็เข้าซื้อกิจการบรรษัทปิโตรเลียมแห่งชาติ ต่อมาคือยูกง แล้วก็ย้ายศูนย์กลางของกลุ่มไปที่พลังงานและเคมี จุดเด่นอย่างแรกคือไม่ได้อยู่แค่ในอุตสาหกรรมเดียว
ขั้นที่ 2 จับธุรกิจสื่อสารแล้วเปลี่ยนเกมอีกครั้ง
การเข้าซื้อกิจการโคเรียโมบายล์เทเลคอมในปี 1994 เป็นจุดเปลี่ยนใหญ่ที่กลายเป็นรากฐานของเอสเคเทเลคอมเลยนะ บริษัทที่เดิมเน้นการผลิตและการกลั่นน้ำมันได้ขยายไปเป็นกลุ่มธุรกิจสารสนเทศและการสื่อสาร ทำให้เครื่องยนต์การเติบโตของกลุ่มเปลี่ยนไปอย่างสิ้นเชิง
ขั้นที่ 3 เพิ่มแกนเซมิคอนดักเตอร์ด้วยการเข้าซื้อไฮนิกซ์
การเข้าซื้อไฮนิกซ์ในปี 2012 เป็นเหตุการณ์ที่ตอกภาพว่า SK เป็นบริษัทที่เปลี่ยนเกมใหญ่ได้แม้อยู่ท่ามกลางวิกฤต หลังจากนั้นเซมิคอนดักเตอร์ก็กลายเป็นธุรกิจหลักที่ยกระดับสถานะของ SK และความรู้สึกภายในที่ว่า ‘การเปลี่ยนผ่านก็คือการอยู่รอด’ ก็ยิ่งชัดขึ้นด้วย
ขั้นตอนที่ 4: ไปไกลกว่า DX สู่ AX เป็นการประกาศว่าจะมองวิธีทำงานใหม่ทั้งระบบ
ช่วงนี้ SK กำลังพูดถึง AX ที่ก้าวไปอีกขั้นจากการเปลี่ยนผ่านดิจิทัล (DX) ค่ะ ถ้า DX ใกล้กับการทำงานเป็นระบบคอมพิวเตอร์และเพิ่มประสิทธิภาพ AX ก็ใกล้กับความหมายที่ว่าจะจัดกระบวนการและองค์กรใหม่ เพื่อให้ AI เข้ามาเป็นตัวทำงานจริงค่ะ เพราะแบบนี้ประธานชเวแทวอนเลยพูดว่านี่เป็นเรื่องของการอยู่รอด
ทำไมเอสเคเทเลคอมถึงขยับก่อน: ธุรกิจโทรคมนาคมเป็นอุตสาหกรรมที่เหมาะกับการใส่เอไอเอเจนต์
เหตุผลที่บทความบอกว่าเอสเคเทเลคอมอาจเป็นศูนย์กลางของการปรับโครงสร้างองค์กร ไม่ใช่เรื่องบังเอิญนะ ธุรกิจโทรคมนาคมมีข้อมูลเยอะ มีจุดติดต่อกับลูกค้าเยอะ และมีงานปฏิบัติการแบบทำซ้ำอยู่มาก เลยมีโครงสร้างที่ค่อนข้างเหมาะสำหรับทดลองใช้เอไอเอเจนต์
| หัวข้อเปรียบเทียบ | บริษัทโทรคมนาคม | อุตสาหกรรมการผลิต | ธุรกิจค้าปลีก |
|---|---|---|---|
| ความถี่ของจุดที่เจอลูกค้า | สูงมาก: แพ็กเกจค่าบริการ, การให้คำปรึกษา, การป้องกันการยกเลิกบริการ | ค่อนข้างต่ำ | สูง: การขาย·การจัดการสมาชิก |
| ข้อมูลแบบเรียลไทม์ | มีข้อมูลเครือข่าย·รูปแบบการใช้งานเกิดขึ้นต่อเนื่อง | เน้นข้อมูลอุปกรณ์·กระบวนการผลิต | เน้นข้อมูลสต๊อก·การขาย |
| งานปฏิบัติการที่ทำซ้ำ | สรุปการให้คำปรึกษา, การแนะนำ, ลำดับความสำคัญในการรับมือปัญหาขัดข้อง | การตรวจคุณภาพ, การวางแผนการผลิต | การแนะนำสินค้า, การคาดการณ์ความต้องการ |
| ระดับความยากในการใช้เอเจนต์ | ทำโครงการนำร่องได้ค่อนข้างเร็ว | ต้องระวังเพราะเรื่องความปลอดภัยหน้างาน·การเชื่อมกับอุปกรณ์ | การรวมระบบของแต่ละช่องทางเป็นตัวแปรสำคัญ |
| จุดแข็งหลัก | ข้อมูลลูกค้าและระบบปฏิบัติการถูกรวมอยู่ในบริษัทเดียวกัน | เด่นด้านการทำให้กระบวนการผลิตเหมาะสมที่สุด | เด่นด้านการวิเคราะห์รูปแบบการบริโภค |
ไม่ใช่แค่ SK ที่วิ่งอยู่: แผนที่การแข่งขันเอเจนต์ AI ของบริษัทยักษ์ใหญ่เกาหลี
ถ้ามองข่าวนี้เป็นแค่ข่าวภายในของ SK ก็อาจพลาดภาพรวมได้นะ ตอนนี้การแข่งขันของบริษัทยักษ์ใหญ่เกาหลี กำลังย้ายจากคำถามว่า ‘ใครมีโมเดลที่หวือหวากว่า’ ไปเป็น ‘ใครเอาไปใช้กับงานจริงก่อน แล้วทำให้อยู่ในองค์กรได้ก่อน’
| กลุ่ม | แนวทางหลัก | จุดแข็ง | จุดที่ควรอ่านตอนนี้ |
|---|---|---|---|
| SK | AX แบบบูรณาการทั้งกลุ่ม และการใช้ในหน้างานสื่อสาร·การผลิต | เอสเคเทเลคอม, เอสเค AX, ความเร็วในการปรับโครงสร้างในระดับกลุ่ม | จุดที่ดุดันที่สุดคือเชื่อมไปถึงการปรับโครงสร้างองค์กร |
| LG | แบบแบ่งบทบาทบริษัทในเครือบนฐานเอ็กซาวัน | การแบ่งงานของ สถาบันวิจัย AI LG, LG CNS, LGยูพลัส และ LG Electronics | จุดแข็งคือการรวมโมเดลของตัวเองกับบริการรายอุตสาหกรรม |
| Samsung | แบบขยายแพลตฟอร์ม·เครื่องมือทำงานร่วมกัน·บริการ B2B | ระบบนิเวศอุปกรณ์·โซลูชันที่กว้างมาก | ควรมองเชื่อมกับความสามารถในการขยายแพลตฟอร์ม มากกว่าการตั้งหลักในองค์กร |
ถ้า AI เข้ามา คนจะลดลงจริงไหม: ดูรูปแบบเดิมของระบบอัตโนมัติในเกาหลีก็พอเห็นได้
นี่คือคำถามที่หลายคนอยากรู้ที่สุดใช่ไหม แต่ถ้าดูประวัติของระบบอัตโนมัติในเกาหลี สิ่งที่มักเกิดก่อนที่จำนวนคนทั้งหมดจะลดลงทันที คือ การแยกงานออกเป็นส่วน ๆ และการออกแบบบทบาทใหม่ ถ้ารู้รูปแบบนี้ก็จะไม่ตีความเกินจริง
ขั้นที่ 1: ระบบอัตโนมัติในอุตสาหกรรมการผลิตเพิ่มผลิตภาพ แต่เปลี่ยนโครงสร้างการจ้างงาน
ในช่วงทศวรรษ 1980~1990 ระบบอัตโนมัติและหุ่นยนต์ทำให้โรงงานมีประสิทธิภาพมากขึ้น แต่เมื่อการผลิตที่เพิ่มขึ้นไม่ได้พาไปสู่การจ้างงานที่เพิ่มขึ้นตรง ๆ จึงมีคำว่า ‘การเติบโตที่ไม่มีการจ้างงาน’ ออกมา
ขั้นที่ 2: การขยายตัวของ ICT กดดันงานซ้ำ ๆ ก่อน
หลังทศวรรษ 1990 การใช้คอมพิวเตอร์และการทำข้อมูลเป็นระบบ ทำงานไปในทิศทางที่ลดงานซ้ำ ๆ ของแรงงานทักษะระดับกลาง แทนที่งานจะหายไปข้ามคืน โครงสร้างงานกลับแยกออกเป็นแบบที่บางงานบางลง และบางงานสำคัญขึ้น
ขั้นที่ 3: การทำข้อมูลเป็นระบบในภาคบริการก็ย้ายคนก่อนลดคน
ในธนาคารและภาคบริการ วิธีทำงานที่เคาน์เตอร์หรือการตอบลูกค้าก็เปลี่ยนไปเหมือนกัน แต่ความเปลี่ยนแปลงออกมาแบบซับซ้อน เช่น การปรับโครงสร้างสาขา การเพิ่มงานไม่ประจำ และการเปลี่ยนลักษณะของงาน นี่แหละคือเหตุผลที่อธิบายด้วยระบบอัตโนมัติอย่างเดียวได้ยาก
ขั้นที่ 4: ในยุค AI สร้างสรรค์ งานประจำแบบรูทีนของพนักงานออฟฟิศจะถูกปรับก่อน
ตอนนี้งานซ้ำ ๆ ของพนักงานออฟฟิศ เช่น เอ็กเซล เอกสาร การให้คำปรึกษา และการวิเคราะห์ กำลังกลายเป็นเป้าหมายของระบบอัตโนมัติก่อน เพราะงั้น แทนที่จะมองว่า ‘จะลดคนกี่คน’ ทันที การดูว่า งานไหนหายไป และบทบาทด้านการตรวจทาน·อนุมัติแบบไหนยังเหลืออยู่ จะอ่านสถานการณ์ได้แม่นกว่า
แล้วควรอ่านข่าวนี้ยังไง
ถ้าอ่านข่าวนี้แบบสรุปสั้น ๆ ว่า ‘AI แทนงานของคนได้ทันที’ จะพลาดบริบทไปเยอะเลย วิธีอ่านที่แม่นกว่าคือแบบนี้ บริษัทกำลังทำให้งานแบบไหนเป็นมาตรฐานแล้วส่งต่อให้ AI, และ คนกำลังย้ายไปทำหน้าที่อนุมัติขั้นสุดท้าย·จัดการกรณียกเว้น·ตัดสินใจเรื่องความรับผิดชอบยังไง นั่นเอง
โดยเฉพาะกรณีของ SK แสดงให้เห็น 3 อย่างพร้อมกัน อย่างแรก วัฒนธรรมงานออฟฟิศที่เน้นเอ็กเซล เริ่มถูก AI กดดันโดยตรงในที่สุด อย่างที่สอง การแข่งขันเรื่องการนำ AI มาใช้ ตอนนี้ได้ขยับจากเรื่องประสิทธิภาพของโมเดลไปสู่ขั้นของ การลงหลักในงานจริงและการออกแบบองค์กรใหม่ แล้ว อย่างที่สาม การเปลี่ยนแบบนี้มีโอกาสสูงที่จะเริ่มจริงจังก่อนในอุตสาหกรรมที่มีข้อมูลและจุดสัมผัสกับลูกค้าเยอะอย่างโทรคมนาคม
ต่อไปถ้ามีข่าวคล้าย ๆ กัน ลองเช็กแบบนี้นะ แทนที่จะดูว่า ‘AI ทำอะไร’ ให้ดู รับผิดชอบหน่วยงานแบบไหน, ถ้ามีคำว่า ‘ปรับโครงสร้างองค์กร’ ให้ดูว่า ระบบการอนุมัติและโครงสร้างความรับผิดชอบเปลี่ยนไปยังไง, ถ้ามีคำว่า ‘ผลกระทบต่อการจ้างงาน’ ให้ดูว่า ก่อนจะดูจำนวนคนทั้งหมด ให้ดูว่ามีการเปลี่ยนโครงสร้างหน้าที่งานก่อนหรือเปล่า แค่มีเกณฑ์นี้ เวลาอ่านข่าวต่อไปก็จะตัดสินได้ชัดขึ้นมาก
คำถามแรกไม่ใช่ ‘AI แทนคนได้กี่คน’ แต่คือ ‘รับผิดชอบงานแบบไหน’
คำถามที่สองคือ ‘แค่นำเครื่องมือมาใช้ หรือเป็นการออกแบบองค์กรใหม่’
คำถามที่สามคือ ‘แข่งกันที่โมเดล หรือแข่งกันที่การลงหลักในงานจริง’
เราจะบอกวิธีใช้ชีวิตในเกาหลีให้คุณ
ช่วยรัก gltr life เยอะ ๆ นะ