ฉันเพิ่งอ่านบทความของ McKinsey ที่ชื่อว่า "Rewiring Talent to Value in the age of AI"
ช่วงนี้ผมทดลองดูว่าคนคนเดียวยกระดับงานตัวเองด้วย AI ได้ขนาดไหน — สร้างผลิตภัณฑ์ของตัวเองด้วย Claude Code และสร้างฐานความรู้ใน Obsidian บทความนี้น่าสนใจมากเพราะมันจัดระเบียบปัญหานั้นเป๊ะ ๆ — "เมื่อมี AI แล้ว ควรวางคนคนไหนไว้ในงานไหนเพื่อสร้างมูลค่าสูงสุด" — โดยใช้โครงสร้างสไตล์ McKinsey
โดยเฉพาะประเด็นที่ว่าแนวคิดเรื่อง "พรสวรรค์" ในฐานะแหล่งของมูลค่ากำลังเปลี่ยนไปโดยพื้นฐานเพราะ AI นี่โดนใจผมมาก คิดว่านี่เกี่ยวข้องทั้งกับคนจ้างและคนถูกจ้าง
ในช่วงครึ่งหลังผมจะแทรกความคิดเห็นส่วนตัวเกี่ยวกับคำถามที่บทความนี้หยิบยกขึ้นมา
"Talent to Value" คืออะไรกันแน่?
ก่อนเข้าประเด็นหลัก มาดูแนวคิดพื้นฐานกันสั้นๆ
McKinsey มีกรอบแนวคิดชื่อดังที่เรียกว่า "Talent to Value" ซึ่งใช้มานานกว่าทศวรรษ พูดง่ายๆ คือแนวคิดนี้:
ประมาณ 80% ของมูลค่าบริษัท เกิดจาก "บทบาทสำคัญ" เพียง 30–50 บทบาทเท่านั้น ดังนั้นถ้าเราระบุบทบาทสำคัญเหล่านั้นและวางคนเก่งที่สุดลงไป ก็จะสร้างผลกระทบสูงสุด
สิ่งที่น่าสนใจคือบทบาทสำคัญเหล่านี้ไม่จำเป็นต้องอยู่ระดับสูงเสมอไป ตามบทความ มีเพียง 5–10% ของบทบาทสำคัญที่รายงานตรงต่อ CEO; ส่วนใหญ่แล้วอยู่ต่ำกว่านั้นสองหรือสามระดับ กล่าวคือ它不是การมองหา "คนสำคัญ" แต่เป็นการระบุอย่างปราศจากอคติว่า "แหล่งที่มาของมูลค่าอยู่ที่ไหน"
ตรรกะนี้ไม่ได้ลดความสำคัญลงเลยในยุค AI อย่างไรก็ตาม มีสิ่งหนึ่งที่เปลี่ยนไปอย่างเด็ดขาด:
มูลค่าไม่ได้เกิดจาก "บทบาท" เพียงอย่างเดียวอีกต่อไป แต่เกิดจาก "ระบบ" ที่มนุษย์และ AI agent ทำงานร่วมกันอย่างพลวัต
ในขณะที่ generative AI เปลี่ยน "วิธีการทำงาน" agentic AI ก็เปลี่ยน "ใคร (หรืออะไร) เป็นคนทำงาน" กำลังเกิดแรงงานลูกผสมรูปแบบใหม่ ที่มนุษย์และระบบอัจฉริยะทำงานเคียงบ่าเคียงไหล่ นี่คือเหตุผลที่กลยุทธ์ด้านบุคลากรต้องถูก "ปรับเปลี่ยน (rewired)" ซึ่งเป็นประเด็นหลักของบทความนี้
บทความได้อัปเดตสี่ขั้นตอนดั้งเดิมของ Talent to Value สำหรับยุค AI และเพิ่มขั้นตอนที่ห้าใหม่ มาดูกันทีละขั้น
❶ ขั้นตอนที่ 1: การMapping มูลค่าอย่างต่อเนื่อง
ในอดีต เราสามารถMapping มูลค่าโดยการกำหนดเป้าหมายให้หน่วยธุรกิจหรือสายผลิตภัณฑ์ และใช้แผนที่นั้นต่อสู้ไปสักพัก
แต่ในยุค AI ความก้าวหน้าทางเทคโนโลยีทำให้ความสามารถกลายเป็นสินค้าทั่วไปอย่างรวดเร็ว จน แหล่งที่มาของมูลค่าเคลื่อนที่เร็วเกินกว่าที่วงจรการวางแผนแบบเดิมจะตามทัน พอคุณวางแผนระยะกลางเสร็จ จุดสร้างมูลค่าก็เปลี่ยนไปแล้ว
นั่นคือเหตุผลที่บริษัทชั้นนำเริ่มปฏิบัติต่อการจัดสรรมูลค่าเป็น "กระบวนการต่อเนื่อง" แทนที่จะเป็นแผนครั้งเดียว พวกเขาติดตามอย่างพลวัตว่า AI กำลังสร้าง (หรือทำลาย) ความได้เปรียบตรงไหน และจัดสรรบุคลากรและ agent ไปยังโอกาสใหม่ๆ อย่างรวดเร็ว
ตัวอย่างในบทความน่าสนใจ Johnson & Johnson ระบุกรณีการใช้งาน generative AI ได้ประมาณ 900 กรณี แต่ 80% ของมูลค่ามาจากแค่ 10–15% ของโครงการเหล่านั้น ดังนั้น บริษัทจึงเปลี่ยนจาก "การทดลองระยะยาวในวงกว้าง" มาเป็น การจำกัดขอบเขตอย่างต่อเนื่องไปยังกรณีการใช้งานที่สร้างมูลค่ามากที่สุด
แทนที่จะหว่านเมล็ด กระจายไปทั่ว ให้หาจุดที่มูลค่าอยู่แล้วรวมกำลังกัน там ฟังดู obvious แต่มันคือเครื่องเตือนใจที่ทรงพลังในยุคที่โครงการ AI มักจะ proliferate ไปอย่างไร้จุดหมาย
❷ ขั้นตอนที่ 2: ระบุบทบาทสำคัญและ Agent
นี่คือส่วนที่น่าสนใจที่สุดสำหรับผมเป็นการส่วนตัว
ก่อนหน้านี้ เรื่องง่ายๆ คือ "ตัดสินใจว่าบทบาทสำคัญคืออะไร แล้วใส่คนลงไป" แต่ในโลกที่ AI แยกย่อยงานออกเป็น "งานย่อย (tasks)" เรื่องราวเปลี่ยนไป: บางงานautomate บางงานมีมนุษย์ช่วย บางงานมนุษย์เป็นผู้นำ
McKinsey แนะนำให้เปลี่ยนมุมมองจาก "Talent to Value" เป็น "Talent and Agents to Value"
ขั้นตอนเฉพาะคือ: อันดับแรก ระบุพื้นที่ที่มีมูลค่าสูงสุด ถัดไป แยกย่อยออกเป็น "ความสามารถ ทักษะ และงานย่อย" จากนั้น กำหนด "มนุษย์ agent หรือลูกผสมของทั้งสอง" ให้กับแต่ละงานย่อยตามสิ่งที่เหมาะสมที่สุด
ในหลายกรณี หน่วยที่แท้จริงของมูลค่าไม่ใช่บทบาทเดียวอีกต่อไป แต่เป็น "ระบบ" ที่มนุษย์และ agent ร่วมมือกันสร้างผลลัพธ์
บทบาทที่เพิ่มความสำคัญมากขึ้น ได้แก่ ผู้นำโดเมนที่รับผิดชอบผลลัพธ์ของ AI, เจ้าของผลิตภัณฑ์ AI, สถาปนิกที่ออกแบบ workflow ระหว่างมนุษย์และ agent, วิศวกรprompt และผู้เชี่ยวชาญด้านข้อมูล/ความรู้ที่ให้บริบทแก่ agent นอกจากนี้ยังมีบทบาทใหม่ๆ เกิดขึ้น เช่น หัวหน้าแพลตฟอร์มปฏิบัติการ agent และผู้ประสานงานกำกับดูแล agent
❸ ขั้นตอนที่ 3: ระบุคนที่สามารถ "ขยายมูลค่า" ด้วย AI อย่างเคร่งครัด
ขั้นตอนที่ 3 เชื่อมโยงอย่างใกล้ชิดกับขั้นตอนที่ 2
ตามธรรมเนียม คนจะถูกประเมินจาก "ความรู้ ทักษะ คุณลักษณะ และประสบการณ์" ที่จำเป็นสำหรับบทบาทนั้น ในยุค AI สิ่งนี้ไม่เพียงพออีกต่อไป เพราะ ความรู้เข้าถึงได้ง่ายขึ้นผ่าน AI และประสบการณ์ก็ล้าสมัยได้เมื่องานเปลี่ยนไป
McKinsey เสนอให้เปลี่ยนแกนการประเมิน:
เป้าหมายไม่ใช่เพื่อ "จับคู่พรสวรรค์กับบทบาท" อีกต่อไป แต่เพื่อ ระบุว่าคนคนหนึ่งสามารถขยายมูลค่าโดยใช้ AI ได้มากแค่ไหน
นี่คือที่มาของแนวคิด "AI Super User" — คนที่สามารถทำงานที่แต่ก่อนต้องใช้ทั้งทีม โดยใช้ AI บทความแนะนำให้ให้ความสำคัญกับคนที่มีคุณสมบัติ เช่น: ความสามารถในการยกระดับความรู้ด้าน AI ของตนเองและทีม, ความสามารถในการจินตนาการการดำเนินงานและ workflow ใหม่ผ่าน AI, การใช้ problem-setting ความคิดสร้างสรรค์ และดุลยพินิจเพื่อขับเคลื่อนการเปลี่ยนแปลง และความสามารถในการตัดสินใจและรับผิดชอบ
Meta ถูกยกเป็นตัวอย่างในโลกจริง บริษัทได้กำหนดทักษะและ "ผลกระทบจาก AI ที่คาดหวัง" สำหรับแต่ละบทบาทสำคัญ และเริ่มประเมินพนักงานตามวิธีที่พวกเขาใช้ AI เพื่อสร้างมูลค่า บทความเน้นย้ำว่า:
การเข้าถึง AI อย่างกว้างขวางไม่ได้นำไปสู่ผลลัพธ์ที่แตกต่างโดยอัตโนมัติ มีเพียงคนกลุ่มเล็กๆ เท่านั้นที่จะผสาน AI เข้ากับการทำงานเพื่อทำผลงานได้เหนือกว่าคนรอบข้างอย่างท่วมท้น
แค่แจกเครื่องมือไม่ได้สร้างช่องว่าง แม้จะมี AI เหมือนกัน ก็จะมีคนที่ก้าวกระโดดและคนที่ไม่ก้าว การระบุความแตกต่างนี้คือหัวใจของกลยุทธ์ด้านบุคลากร
อย่างไรก็ตาม ในขณะที่บทความแนะนำให้ผสมผสาน "ซื้อ สร้าง ยืม" สำหรับบุคลากร แต่ก็เตือนว่า การพึ่งพาบุคลากรภายนอกมากเกินไปสำหรับความสามารถหลักด้าน AI จะสร้างองค์กรที่เปราะบาง ซึ่งยากต่อการขยายขนาดหรือรักษามูลค่า ในฐานะคนที่ทำงานเป็น CMO ภายนอก ประเด็นนี้ทั้งเจ็บปวดและน่าเชื่อถือ! (หัวเราะ)
❹ ขั้นตอนที่ 4: ทบทวนทีมผู้นำสูงสุดเอง
Talent to Value ท้ายที่สุดแล้วขึ้นอยู่กับว่าผู้นำสามารถเป็นเจ้าของและดำเนินกระบวนการได้หรือไม่ อย่างไรก็ตาม บทความชี้ให้เห็นอย่างเฉียบคมว่า ทีมผู้บริหารหลายทีมยังขาดความรู้ด้าน AI และไม่สามารถกำหนดวาระด้านมูลค่าที่สอดคล้องกัน จัดลำดับความสำคัญของบทบาทสำคัญ หรือตัดสินใจด้านบุคลากรอย่างมีประสิทธิผล
ดังนั้น ทีมผู้นำสูงสุดและคณะกรรมการต้องมีความเชี่ยวชาญด้าน AI ลงมือทำจริง และท้าทายสมมติฐานเดิมๆ แทนที่จะ "ดูแล" ลำดับชั้นขององค์กร พวกเขาต้องย้ายไปอยู่ข้าง "การดำเนินการ" ระบบพลวัตของบุคลากร AI workflow และการจัดสรรทรัพยากร
บทความตั้งข้อสังเกตว่า ในช่วง 18 เดือนที่ผ่านมา บริษัทใน Fortune 500 หลายแห่งได้ปรับโครงสร้างทีมผู้นำเพื่อมุ่งเน้นกลยุทธ์ AI ซึ่งบางครั้งเกี่ยวข้องกับการออกแบบองค์กรใหม่หรือการออกจากตำแหน่งของผู้บริหาร ดูเหมือนว่าชั้นผู้บริหารจะเป็นกลุ่มแรกที่ถูกปรับเปลี่ยน (rewired)
❺ ขั้นตอนที่ 5 (ใหม่): "ว่าระบบทำงานได้ดีแค่ไหน" มากกว่า "ใครเป็นคนทำ"
ขั้นตอนใหม่สำหรับยุค AI นี้ พร้อมกับขั้นตอนที่ 2 ถือเป็นไฮไลท์สำหรับผม
ในองค์กรที่ใช้ agentic คำถามพื้นฐานในการประเมินเปลี่ยนไป
จาก "ใครเป็นคนทำงาน?" เป็น "ระบบทำงานได้ดีแค่ไหน?"
ผลลัพธ์ไม่ได้เกิดจากบุคคลเพียงคนเดียวอีกต่อไป แต่ถูกกำหนดโดยประสิทธิภาพของทั้งระบบที่มนุษย์และ agent ร่วมมือกัน ดังนั้น การประเมินต้องออกแบบแยกกันสำหรับมนุษย์และ agent แต่ต้องเสริมกัน Agent จะถูกประเมินจาก "คุณภาพการตัดสินใจ ความน่าเชื่อถือ ความเร็ว และต้นทุน" ในขณะที่มนุษย์จะถูกประเมินจาก "ผลกระทบทางธุรกิจ ความสามารถในการกำหนดและปรับปรุง workflow AI การใช้ AI อย่างมีจริยธรรม และการทำงานร่วมกันข้ามทีม"
ประเด็นที่บทความสื่อคือ:
องค์กรส่วนใหญ่สะดุดไม่ใช่เพราะขาดคนเก่งหรือเครื่องมือ AI ขั้นสูง แต่เป็นเพราะพวกเขาล้มเหลวในการรวมมันเข้าเป็น "ระบบที่สอดคล้องกัน" ซึ่งมีความรับผิดชอบที่ชัดเจนและวงจรป้อนกลับ
คุณมีคนและ AI แต่ไม่มีผลลัพธ์ สาเหตุอยู่ที่ "การเชื่อมต่อ" บทความสรุปโดยกระตุ้นให้ผู้นำ ดำเนินการระบบนี้ด้วยความเข้มงวดเช่นเดียวกับการจัดสรรเงินทุน
ความคิดเห็นส่วนตัว
อันนี้ยาวไปหน่อย แต่มีสองสิ่งที่ผมคิดได้ขณะอ่าน
❶ เราต้องเพิ่มความละเอียดในการระบุจาก "บทบาท (Roles)" เป็น "คำกริยา (Verbs)"
ขั้นตอนที่ 2 พูดถึงวิธีคิดเกี่ยวกับการมอบหมายงานสำหรับบทบาทสำคัญ สิ่งที่ผมยังไม่ซึมซับเต็มที่คือ วิธีปฏิบัติในการ "ระบุ" นี้จริงๆ
บทความบอกว่า "แยกย่อยเป็นงานย่อย" แต่ไม่ได้พูดถึงระดับความละเอียดของงานเหล่านั้น ความคิดปัจจุบันของผมคือ ถ้าคุณมองบทบาทเป็น "คำนาม" คุณจะตัดสินไม่ได้ว่างานนั้นใช้ AI ได้หรือไม่ แต่ถ้าคุณแยกย่อยลงไปถึงระดับ "คำกริยา" การมอบหมายก็จะชัดเจนขึ้น
ตัวอย่างเช่น ด้วยคำนาม "Recruiter (เจ้าหน้าที่สรรหา)" คุณบอกไม่ได้ว่า AI ทำได้ไหม แต่ถ้าคุณแยกย่อยเป็นคำกริยาเช่น "คัดกรองผู้สมัคร" "อ่านบรรยากาศในการสัมภาษณ์" และ "โน้มน้าวข้อเสนอ" คุณจะเห็นว่างานไหนเหมาะกับ agent และงานไหนต้องใช้มนุษย์ การคัดกรองเหมาะกับ agent; การอ่านบรรยากาศเหมาะกับมนุษย์
การแยกย่อยบทบาทออกเป็นคำกริยาเท่านั้น ที่จะทำให้คุณตัดสินการจัดสรรระหว่างมนุษย์และ AI ได้ ผมคิดว่านี่คือกุญแจสำคัญในการนำขั้นตอนที่ 2 ไปปฏิบัติ
❷ AI คือ "เครื่องขยายเสียง (Amplifier)"; มันใช้ไม่ได้ผลกับคนที่ไม่มีอะไรจะขยาย
ประเด็นของขั้นตอนที่ 3 เกี่ยวกับ "การระบุคนที่สามารถขยายมูลค่าด้วย AI" ยังคงติดอยู่ในใจผม
บทความอ้างถึงตัวอย่างของ Meta เกี่ยวกับ "คนกลุ่มเล็กๆ ที่ก้าวกระโดด" แต่ไม่ได้ลงลึกถึง สาเหตุ ที่มีเพียงบางคนเท่านั้นที่ขยายผลได้ สมมติฐานของผมคือ AI เป็นเครื่องขยายเสียงอย่างเคร่งครัด; สำหรับคนที่ขาด "ฐาน" — นิสัยในการทำงานด้วยตัวเอง — ก็ไม่มีอะไรให้ขยายตั้งแต่แรก
ดังนั้น ถ้าผมจะตัดสินว่าใครเป็น "ผู้ขยายผลด้วย AI" ผมจะกัน AI ไว้ก่อนแล้วถามว่า: "ปีที่ผ่านมาคุณได้เรียนรู้หรือลองทำอะไรใหม่ๆ บ้าง" การถามโดยไม่จำกัดแค่ AI จะช่วยแยกแยะระหว่างคนที่แค่กระโดดขึ้นรถขบวนเครื่องมือ กับคนที่ขยายขีดความสามารถของตัวเองอยู่เสมอ การขยายผลที่แท้จริงจะเกิดขึ้นเมื่อ AI ถูกเพิ่มเข้าไปในคนกลุ่มหลังเท่านั้น
...
การอภิปรายเกี่ยวกับบุคลากรในยุค AI มักจะกลายเป็น "งานไหนจะหายไป" แต่บทความนี้ก้าวไปอีกขั้น โดยตีกรอบใหม่เป็นปัญหาการออกแบบของ "วิธีการผสาน ประเมิน และเชื่อมต่อมนุษย์กับ AI" เป็นบทความที่อ่านแล้วได้สาระมาก
ไม่ว่าคุณจะเป็นคนจ้าง, คนถูกจ้าง หรือกำลังคิดถึงวิธีขยายขีดความสามารถของตัวเอง ผมคิดว่าบทความนี้ให้ข้อคิดมากมาย
ไว้เท่านี้ก่อน ขอบคุณที่อ่านครับ! 🙇
📩 THE LEAD กำลังส่งถึงคุณแล้ว
ผมกำลังดำเนิน "THE LEAD" จดหมายข่าวสำหรับผู้ที่ขับเคลื่อนธุรกิจ
① ข่าวสารการตลาด (ประมาณสัปดาห์ละ 2 ครั้ง)
เราคัดสรรบทความอย่างพิถีพิถันจากสื่อการตลาดมากกว่า 60 แห่งในโลกที่ใช้ภาษาอังกฤษ ข่าวแต่ละวันมาพร้อมความคิดเห็นจากบรรณาธิการบริหาร
② คอลัมน์/บทวิจารณ์จากบรรณาธิการบริหาร (คุณ Nakagawa) (ประมาณเดือนละครั้ง)
ผมนําเสนอข้อมูลเชิงลึกจากมุมมองของอดีต CMO และความรู้ที่เพิ่งเรียนรู้ทางอีเมลเท่านั้น บทความความรู้จะเสียค่าใช้จ่ายบน note ในภายหลัง แต่จะส่งให้ฟรีล่วงหน้าทาง THE LEAD
③ รายงานอุตสาหกรรม
เรายังวางแผนที่จะส่งรายงานจากการสำรวจและการวิจัยดั้งเดิม
คุณสมบัติพิเศษ
เราส่งมอบเทรนด์โลกล่าสุด
วรรณกรรมภาษาอังกฤษเต็มไปด้วยมุมมองเชิงปฏิบัติและหลากหลายแง่มุมและข้อมูล ก่อนที่จะถูกแปลด้วยซ้ํา เราส่งมอบเป็นภาษาไทยในรายละเอียดที่คุณสามารถนำไปใช้กับงานได้
มีเนื้อหาที่สมาชิกอีเมลเท่านั้นที่อ่านได้
คอลัมน์บรรณาธิการบริหารส่งเฉพาะทางอีเมลเท่านั้น (ไม่มีในเว็บไซต์) นอกจากนี้ บทความความรู้มีแผนจะเก็บเงินบน note ในอนาคต หากคุณสมัครรับจดหมายข่าว เราจะส่งให้คุณฟรี
ใครควรอ่าน?
- นักการตลาดที่มุ่งสู่การเป็น CMO/หัวหน้าฝ่ายการตลาด
- นักการตลาดที่ต้องการเพิ่มความเชี่ยวชาญ
- ผู้รับผิดชอบการเติบโตของธุรกิจในสตาร์ทอัพหรือธุรกิจใหม่
- ผู้บริหารที่ต้องการติดตามเทรนด์การตลาดล่าสุดอย่างมีประสิทธิภาพ
ฟรี! กรุณาลงทะเบียน!
📝 ติดต่องานได้ที่นี่
กรุณาติดต่อเราเกี่ยวกับธุรกิจ CMO ภายนอกและการสอบถามอื่นๆ ด้านล่างนี้
CMO No. 1 Co., Ltd. ร่วมมือกับคุณในการกำหนดกลยุทธ์การตลาดและสร้างองค์กรที่เป็นกุญแจสำคัญต่อการเติบโตของธุรกิจ แก้ปัญหาความท้าทายในระยะเริ่มแรก
