เตรียมพร้อมสำหรับอนาคต บทเรียนจากยุค Generative AI

เพราะโลกนี้ไม่ได้เปลี่ยนแปลงแค่ “เร็วขึ้น” แต่กำลัง “เปลี่ยนแปลงไปคนละทิศทาง” กับที่เราคาดคิด คำถามสำหรับ AI จึงไม่ใช่ว่า "AI จะมาเมื่อไหร่" แต่คือ "เราจะอยู่รอดอย่างไร ในวันที่มันมาถึงแล้ว" มากกว่า

การเตรียมตัวเพื่ออนาคตที่คาดเดาไม่ได้ ไม่ใช่การรอคอยคำตอบ แต่คือการออกเดินทาง โดยอาจจะไม่มีแผนที่ในมือด้วยซ้ำ

บทความ How to Prepare for a GEN AI Future You Can’t Predict เขียนโดย เอมี เว็บบ์ (Amy Webb) ซึ่งเป็นบทส่งท้ายในหนังสือ The Year in Tech 2025 ของ Harvard Business Review ได้ให้คำแนะนำที่มีประโยชน์ สำหรับการเตรียมรับมือกับอนาคตที่ไม่แน่นอนนี้

เอมี เว็บบ์ เป็นนักอนาคตศาสตร์เชิงปริมาณ (quantitative futurist) ชาวอเมริกัน ผู้ก่อตั้งและดำรงตำแหน่ง CEO ของ Future Today Institute เธอเป็นที่รู้จักในด้านการพัฒนากรอบการคิดเชิงกลยุทธ์ที่ใช้ข้อมูลและการสร้างแบบจำลองเชิงปริมาณ เพื่อคาดการณ์แนวโน้มในอนาคต นอกจากนี้ เธอยังเป็นอาจารย์พิเศษด้านการมองการณ์ไกลเชิงกลยุทธ์ที่ NYU Stern School of Business อีกด้วย

เอมี เป็นผู้เขียนหนังสือหลายเล่มที่ได้รับการยอมรับอย่างกว้างขวาง รวมถึง The Signals Are Talking: Why Today's Fringe Is Tomorrow's Mainstream ซึ่งอธิบายถึงวิธีการคาดการณ์แนวโน้มในอนาคต และ The Big Nine: How the Tech Titans and Their Thinking Machines Could Warp Humanity ที่สำรวจผลกระทบของบริษัทเทคโนโลยีใหญ่ต่ออนาคตของปัญญาประดิษฐ์

“เมื่อไม่นานมานี้ CEO ของธนาคารชั้นนำแห่งหนึ่งได้โทรมาหาฉัน เพื่อพูดคุยเกี่ยวกับศักยภาพของ Generative AI เราเริ่มต้นด้วยการพิจารณาสถานการณ์ต่างๆ เพื่อปรับปรุงการตรวจจับการฉ้อโกงและการบริการลูกค้า แต่ด้วยการประกาศต่างๆ ที่ทยอยออกมาอย่างต่อเนื่องในช่วงนี้ เห็นได้ชัดว่าเขามีความทะเยอทะยานที่ยิ่งใหญ่กว่านั้น...”

เอมี เริ่มต้นบทความของเธอ ด้วยการเรียกความสนใจจากสถานการณ์ใหม่ๆ ที่ท้าทาย เริ่มจากนักการธนาคารไปยังอุตสาหกรรมอื่นๆ

“เช่นเดียวกับหลายๆ อุตสาหกรรม ธุรกิจธนาคารกำลังเผชิญกับปัญหาด้านแรงงาน มีความไม่สอดคล้องกันระหว่างความต้องการบุคลากรที่มีทักษะ กับจำนวนแรงงานที่เต็มใจจะกลับมาทำงานที่ออฟฟิศ และปฏิบัติตามกฎเกณฑ์แบบก่อนยุคโควิด-19 เขาคิดว่า Generative AI อาจเป็นเหมือนกระสุนวิเศษชนิดหนึ่ง มันสามารถสร้างการประหยัดต้นทุนและเพิ่มประสิทธิภาพผ่านการทำงานอัตโนมัติ แต่เครื่องมือใหม่เหล่านี้จะสามารถแก้ปัญหาการขาดแคลนบุคลากรที่มีความสามารถได้หรือไม่? พูดตรงๆ คือ AI จะสามารถแทนที่แรงงานมนุษย์ได้เร็วแค่ไหน?”

ก่อนจะฉายภาพความเคลื่อนไหวต่างๆ ซึ่งให้แนวโน้มใหม่ๆ ชัดเจนขึ้นว่า

“เราเริ่มเห็นความปั่นป่วนกันแล้ว ประกาศรับสมัครงานตำแหน่ง "วิศวกรพรอมต์" - คนที่ทำหน้าที่ป้อนคำสั่งให้ระบบอย่าง ChatGPT สร้างเนื้อหา - กำลังเสนอเงินเดือนสูงถึงปีละ 300,000 ดอลลาร์หรือมากกว่า GPT-4 ของ OpenAI สอบผ่านการสอบใบอนุญาตทนายความ (Uniform Bar Exam) ซึ่งบ่งชี้ว่าในอนาคตอันใกล้ เราอาจไม่จำเป็นต้องใช้ทนายความสำหรับงานด้านธุรกรรมอีกต่อไป”

“ที่จริงแล้ว Walmart กำลังทดลองใช้ระบบ Generative AI (ที่ไม่เกี่ยวข้องกับ OpenAI) ในการเจรจาสัญญากับซัพพลายเออร์บางราย โดย 75% ของทนายความด้านสัญญาและเจ้าหน้าที่จัดซื้อจัดจ้างฝั่งตรงข้ามบอกว่า พวกเขาชอบเจรจากับ AI มากกว่าการเจรจากับมนุษย์ Med-PaLM 2 ของ Google ซึ่งเป็นโมเดลเฉพาะทางที่ถูกฝึกฝนด้วยความรู้ทางการแพทย์ สามารถตอบคำถามในการสอบแพทย์ได้ในระดับผู้เชี่ยวชาญเทียบเท่าแพทย์ ในช่วงฤดูร้อนนี้ พาร์ทเนอร์ต่างๆ จะเริ่มทดสอบแอปพลิเคชันที่สามารถดูภาพเอ็กซเรย์และเขียนรายงานแมมโมแกรมได้โดยอัตโนมัติ โดยไม่ต้องมีแพทย์มาเกี่ยวข้องเลย”

เอมี เว็บบ์ ตอกย้ำว่า ความไม่แน่นอน คือเงื่อนไขเดียวที่เรามั่นใจได้ในยุค Generative AI ดังนั้น สำหรับองค์กรที่เคยวางแผนระยะยาวอย่างมั่นคง ถึงเวลาต้องยอมรับแล้วว่า "สูตรสำเร็จ" แบบเดิม อาจใช้ไม่ได้อีกต่อไป

ในแง่ “วัฒนธรรมแห่งการเรียนรู้” ขององค์กรที่ก้าวข้ามมาสู่ความเป็น Digital Academies นั้น พนักงานไม่เพียงแค่เรียนรู้ทักษะด้านเทคนิคเท่านั้น แต่ยังต้องเรียนรู้ที่จะ “ไม่ยึดติดกับความสำเร็จในอดีต” เพราะความรู้ที่ดีที่สุดวันนี้ อาจไม่ใช่คำตอบสำหรับพรุ่งนี้

“นี่คือความย้อนแย้ง เราจำเป็นต้องมองบุคลากรในแง่ของการพัฒนาควบคู่ไปกับ Generative AI แทนที่จะถูกแทนที่โดย AI บุคลากรจะต้องมีการพัฒนา และคนทำงานจะต้องเรียนรู้ทักษะใหม่ๆ อย่างต่อเนื่องเป็นระยะเวลาหลายปี ผู้นำต้องปรับใช้แนวทางใหม่เพื่อเพิ่มศักยภาพของ AI ในองค์กรของตนให้สูงสุด ซึ่งต้องอาศัยการติดตามพัฒนาการสำคัญของ AI ในรูปแบบที่แตกต่างออกไป ใช้กระบวนการทำซ้ำเพื่อพัฒนาบุคลากรให้พร้อม และที่สำคัญที่สุดคือ การสร้างสถานการณ์จำลองในอนาคตที่มีหลักฐานรองรับ ซึ่งท้าทายวิธีคิดแบบดั้งเดิมภายในองค์กร”

เมื่อฉายภาพความไม่แน่นอนให้เห็นแล้ว จากนั้น เอมี ได้สรุปสิ่งที่ “ผู้นำ” จะสามารถทำได้ เพื่อรับมือกับช่วงเวลานี้ ดังนี้

ประการแรก - ควบคุมความคาดหวังเกี่ยวกับสิ่งที่ Generative AI ทำได้ และจะทำให้กับธุรกิจของคุณ

เอมี เว็บบ์  เตือนว่าผู้นำองค์กรไม่ควรคาดหวังว่า Generative AI จะเป็น “ยาแก้ปัญหา” สำหรับทุกอย่างในธุรกิจ แม้ AI จะมีศักยภาพในการสร้างนวัตกรรมและเพิ่มประสิทธิภาพ แต่ก็มีข้อจำกัดด้านความน่าเชื่อถือ ความปลอดภัยของข้อมูล และปัญหาเชิงจริยธรรมที่ต้องคำนึงถึง

ถึงแม้เครื่องมือ AI ในปัจจุบัน เช่น ChatGPT, Midjourney, และ DALL-E 2 จะมีความสามารถที่น่าประทับใจ แต่ก็ยังไม่สมบูรณ์ การใช้งานในโลกจริงอาจไม่เป็นไปตามความคาดหวัง ผู้นำควรมีมุมมองที่เป็นจริงเกี่ยวกับบทบาทของ AI ในองค์กรของตน มองหาความเป็นไปได้ที่ AI จะช่วยเสริมการทำงานได้จริง พร้อมรับมือกับความเสี่ยงที่อาจเกิดขึ้น

การนำ AI มาใช้อย่างมีวิจารณญาณจะช่วยให้องค์กรสามารถสร้างกลยุทธ์ที่ยั่งยืนในระยะยาว

ประการที่สอง - ประเมินว่าบริษัทของคุณกำลังสร้างข้อมูลแบบใด และข้อมูลเหล่านั้นจะถูก Generative AI นำไปใช้อย่างไร ทั้งในปัจจุบันและอนาคต

ข้อมูลธุรกิจมีมูลค่าสูง เพราะเมื่อ AI ได้รับการฝึกฝนด้วยข้อมูลเหล่านี้แล้ว การย้ายข้อมูลไปยังระบบอื่นจะมีค่าใช้จ่ายสูงและมีความซับซ้อนทางเทคนิค เนื่องจากแพลตฟอร์ม AI ในปัจจุบัน ไม่สามารถทำงานร่วมกันได้ง่ายๆ ซึ่งเป็นการออกแบบเพื่อสร้าง “walled gardens” ที่บริษัท AI สามารถควบคุมระบบนิเวศทั้งหมดได้

บริษัท AI รายใหญ่กำลังแข่งขันกันเพื่อแย่งชิงส่วนแบ่งตลาดและข้อมูลจำนวนมหาศาลที่จำเป็นต่อการสร้างความได้เปรียบในการแข่งขัน ซึ่งข้อมูลเหล่านี้ ไม่เพียงแต่ช่วยในการฝึก AI ให้ฉลาดขึ้น แต่ยังเป็นการ “ล็อก” ลูกค้าและข้อมูลของพวกเขาให้อยู่ในระบบของตน

AI สมัยใหม่จำนวนมาก ถูกสร้างขึ้นโดยใช้เทคนิค RLHF (Reinforcement Learning with Human Feedback) ซึ่งต้องการการให้ข้อเสนอแนะจากมนุษย์อย่างต่อเนื่อง เพื่อป้องกันไม่ให้ AI เรียนรู้สิ่งที่ไม่ถูกต้อง ยิ่งมีการป้อนข้อมูลมาก ก็ยิ่งต้องการการทำงานด้านการติดป้ายกำกับ (labeling) และการฝึกอบรมที่ละเอียดมากขึ้น

องค์กรจึงควรมีทีมเฉพาะเพื่อเฝ้าติดตามการทำงานของระบบ AI และจัดการกับความเสี่ยงที่อาจเกิดขึ้น เช่น ปัญหาด้านความปลอดภัยทางไซเบอร์ (cybersecurity) รวมถึงการวางแผนสำหรับโอกาสในการเติบโตใหม่ ๆ ที่ AI อาจสร้างขึ้นในอนาคต

ประการที่สาม - เมื่อพูดถึงเรื่อง AI ผู้นำต้องเปลี่ยนจุดสนใจ จากผลกำไรสุทธิ (bottom line) ไปสู่รายได้รวม (top line)

ผู้นำองค์กรจำเป็นต้องเปลี่ยนมุมมอง จากการเน้นแค่ “การลดต้นทุน” (bottom line) ไปสู่การมุ่งสร้าง “รายได้ใหม่” (top line) ซึ่งอาจดูขัดแย้งกับความเชื่อเดิมที่มองว่า Generative AI เป็นเครื่องมือช่วยลดค่าใช้จ่ายในการดำเนินงาน

AI ในปัจจุบัน ไม่ใช่แค่แชทบอทที่ตอบคำถาม แต่กำลังก้าวสู่ “มัลติโหมด” (multimodal systems) ที่สามารถแก้ปัญหาได้หลายรูปแบบในเวลาเดียวกัน เช่น ในธุรกิจประกันภัยที่ underwriter ใช้ AI ในการประเมินความเสี่ยงจากหลายแหล่งข้อมูล ทั้งข้อความ ภาพถ่าย และเสียง เพื่อออกแบบข้อเสนอที่เหมาะสมที่สุดสำหรับลูกค้าและบริษัท

กุญแจสำคัญ คือ “ศิลปะแห่งการมอบหมายงาน” (delegation) ให้ AI ทำงานที่เหมาะสมเพื่อเสริมศักยภาพของมนุษย์ การเรียนรู้วิธีมอบหมายงานอย่างมีประสิทธิภาพ จะช่วยให้องค์กรเติบโตได้เร็วขึ้น โดยไม่เพียงแค่ลดต้นทุน แต่ยังสร้างรายได้ใหม่ผ่านโมเดลธุรกิจใหม่ๆ การหาลูกค้าใหม่ และการปรับปรุงกระบวนการทำงาน

เอมี เว็บบ์ ชี้ว่า AI ไม่ใช่แค่เครื่องมือในการประหยัดค่าใช้จ่าย แต่เป็น "หุ้นส่วนทางกลยุทธ์" ที่สามารถขับเคลื่อนการเติบโตขององค์กรในอนาคต

ท่ามกลางสภาพการณ์อันคลุมเครือนี้ เธอยังได้เสนอกรอบคิดชื่อว่า IDEA โดยกำหนดแนวทางสี่ขั้นตอนที่ช่วยคาดการณ์พลวัตของการเปลี่ยนแปลงในเรื่องของกำลังคน

การทำตามขั้นตอน “การระบุ” (Identify) “การกำหนด” (Determine) “การประมาณการ” (Extrapolate) และ “การคาดการณ์” (Anticipate) สามารถช่วยให้ผู้นำมองเห็นความเสี่ยงและโอกาสได้เร็วพอที่จะดำเนินการ เมื่อใช้อย่างสม่ำเสมอ กรอบคิดนี้ช่วยให้คุณมองเห็นภาพรวมได้ชัดเจนขึ้น ประเมินช่องว่างภายในองค์กรของคุณ และเชื่อมโยงเทคโนโลยีที่กำลังเกิดขึ้นใหม่กับกลยุทธ์ที่มีอยู่ ซึ่งจะช่วยให้คุณอยู่ในตำแหน่งที่พร้อมตัดสินใจได้อย่างมั่นใจ

- I: Identify (ระบุ) ไม่ใช่แค่ถามว่า AI ทำอะไรได้ แต่ต้องถามว่า "เราจะทำอะไรได้บ้าง เมื่อเรามี AI"

ลองจินตนาการถึงทีมการตลาดที่เคยพึ่งพาการวิเคราะห์ข้อมูลแบบดั้งเดิม เมื่อมี AI เข้ามา พวกเขาอาจไม่เพียงแค่เก็บข้อมูล แต่สามารถระบุแนวโน้มที่ซ่อนอยู่ ซึ่งมนุษย์อาจมองไม่เห็น

- D: Determine (กำหนด) ค้นหาทักษะใหม่ ที่ไม่ใช่แค่ทักษะดิจิทัล แต่คือทักษะแห่งการปรับตัวและการคิดเชิงวิพากษ์ เช่น การตีความผลลัพธ์จาก AI เพื่อวิเคราะห์ว่าเป็นข้อมูลที่เชื่อถือได้หรือไม่ เพราะความเข้าใจที่ลึกซึ้งยังคงต้องอาศัยวิจารณญาณของมนุษย์นั่นเอง

- E: Extrapolate (ประมาณการ) ไม่ใช่เพื่อคาดเดาอนาคต แต่เพื่อเตรียมพร้อมสำหรับความเป็นไปได้หลากหลายรูปแบบ องค์กรที่มองการณ์ไกล จะไม่ยึดติดกับแค่แนวโน้มเดียว แต่จะสำรวจทุกๆ ความเป็นไปได้เพื่อวางแผนเชิงรุก

- A: Anticipate (คาดการณ์เชิงกลยุทธ์) เตรียมตัว ไม่ใช่เพราะรู้ว่าอะไรจะเกิดขึ้น แต่เพราะรู้ว่า “ทุกอย่าง” อาจเกิดขึ้นได้ องค์กรที่ปรับตัวได้ดีมักจะมีแผนสำรองเสมอ และมองเห็นโอกาสแม้ในสถานการณ์ที่ไม่คาดคิด

ลองนึกถึงสถานการณ์ของบริษัทที่ต้องเผชิญกับการเปลี่ยนแปลงอย่างกะทันหัน เช่น การแพร่ระบาดของโรคในช่วงหลายปีที่ผ่านมา องค์กรที่สามารถ “ระบุ” ความท้าทายได้อย่างรวดเร็ว เช่น การเปลี่ยนไปสู่การทำงานแบบรีโมท, “กำหนด” ทักษะใหม่ๆ ที่จำเป็น เช่น การใช้แพลตฟอร์มดิจิทัลเพื่อการสื่อสาร, “ประมาณการ” ผลกระทบที่อาจเกิดขึ้นทั้งในระยะสั้นและระยะยาว และ “คาดการณ์” ความต้องการของตลาดที่เปลี่ยนแปลงไปอย่างต่อเนื่อง คือองค์กรที่อยู่รอดได้อย่างมั่นคง

อย่างไรก็ดี เรายังต้องยอมรับความจริงว่า แม้ AI สามารถสร้างผลลัพธ์ที่รวดเร็ว แต่ก็อาจเต็มไปด้วยอคติ (bias) และความคลาดเคลื่อน (hallucination) ได้เช่นกัน ดังนั้น การพึ่งพา AI อย่างไร้การตรวจสอบ จึงเป็นความเสี่ยงที่แฝงอยู่ในความสะดวกสบาย ผู้นำองค์กรจึงต้องสร้างวัฒนธรรมที่ส่งเสริม “การคิดเชิงวิพากษ์”  (critical thinking) และ “การตัดสินใจอย่างมีจริยธรรม” เข้ามากำกับด้วย

อนาคตไม่ใช่สิ่งที่ต้องคาดเดา แต่คือสิ่งที่เราต้องพร้อมรับมือ

ในโลกที่ Generative AI กำลังเขียนกฎใหม่ให้แก่ทุกวงการ ความท้าทายไม่ได้อยู่ที่การคาดเดาว่าจะเกิดอะไรขึ้นต่อไป แต่คือ การเตรียมตัวให้พร้อมสำหรับทุกอย่างที่อาจเกิดขึ้นได้

ผู้นำที่ประสบความสำเร็จ ไม่ใช่คนที่มองเห็นอนาคตได้อย่างแม่นยำ แต่คือคนที่ “สร้างความยืดหยุ่นทางความคิด” และ “ความกล้าในการปรับตัว” ได้ แม้ในสถานการณ์ที่ไม่เคยเผชิญมาก่อน

เพราะในโลกที่เปลี่ยนแปลงทุกวัน ความสามารถในการ “พร้อมสำหรับทุกอย่าง” คือทักษะที่สำคัญที่สุด