ยุค AI เราต้องไม่วิ่ง แต่ต้องกระโดดเลย
ยุคปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนแปลงโลกธุรกิจอย่างรวดเร็ว ชนิดที่เรียกว่า “ก้าวกระโดด” มากกว่าแค่การวิ่งตามธรรมดา คำกล่าวของ คุณเต้ CreativeLab (CEO CreativeLabTH) ที่ว่า “ยุค AI เราต้องไม่วิ่ง แต่ต้องกระโดดเลย” สะท้อนความจริงข้อนี้เป็นอย่างดี นั่นคือองค์กรและผู้นำธุรกิจต้องพร้อมที่จะทำการเปลี่ยนแปลงแบบก้าวกระโดด ไม่ใช่เพียงปรับตัวทีละเล็กละน้อย หากต้องการอยู่รอดและเติบโตในโลกที่ขับเคลื่อนด้วย AI แน่นอนว่าทุกวันนี้เกือบทุกอุตสาหกรรมตระหนักถึงความสำคัญของ AI – ผลสำรวจของ Deloitte พบว่าผู้นำธุรกิจถึง 94% เชื่อว่า AI มีความสำคัญต่อความสำเร็จขององค์กรในอนาคต แต่ปัญหาคือหลายองค์กรยังไม่พร้อมและขาดความสามารถที่จะนำ AI มาปรับใช้ได้เต็มที่ การจะก้าวให้ทันยุคนี้จึงไม่ใช่การวิ่งแข่งธรรมดา แต่ต้องเป็น “การกระโดด” ข้ามช่องว่างและอุปสรรคต่าง ๆ อย่างมุ่งมั่นและรวดเร็ว
การกระโดดในบริบทธุรกิจยุค AI หมายถึงการทำสิ่งที่เกินกว่าแนวทางเดิม ๆ ทั้งสามประการหลักที่บทความนี้จะขยายความ ได้แก่
(1) การถ่ายทอดองค์ความรู้ผ่านพันธมิตร (Knowledge Transfer ผ่าน Partnership) – ซึ่งเป็นกุญแจสำคัญที่จะช่วยให้องค์กรเข้าถึงเทคโนโลยีและความรู้ใหม่ได้เร็วขึ้น
(2) การลดช่องว่างของบุคลากร (Gap of People) – โดยใช้ ภาวะผู้นำ (Leadership) ขับเคลื่อนการพัฒนาคนเพื่อเพิ่มประสิทธิภาพด้านโลจิสติกส์และการดำเนินงาน
(3) การก้าวจากความร่วมมือ (Collaboration) ไปสู่การผนึกกำลังหรือการรวมกิจการ (Consolidation) – ซึ่งเป็นทิศทางการเปลี่ยนผ่านองค์กรเพื่อสร้างความแข็งแกร่งในระยะยาว เราจะพาผู้อ่าน นักธุรกิจรุ่นใหม่ ไปสำรวจแนวคิดเหล่านี้ทีละข้อ พร้อมกรณีศึกษาและการวิเคราะห์แนวโน้มที่เกิดขึ้นจริง ทั้งในประเทศไทยและระดับนานาชาติ เพื่อให้เห็นภาพชัดเจนว่าการ “กระโดด” ในยุค AI มีลักษณะอย่างไร และองค์กรสามารถนำไปปรับใช้ได้อย่างไร
เป้าหมายของบทความนี้ คือการนำเสนอแนวทางเชิงกลยุทธ์สำหรับผู้นำธุรกิจรุ่นใหม่ในยุค AI ด้วยภาษาที่ไม่ทางการจนเกินไป แต่ยังคงน้ำหนักของความน่าเชื่อถือ ผ่านตัวอย่างจริงและข้อมูลสนับสนุน จากนั้นจะสรุปเป็นข้อเสนอแนะว่าควรเตรียมตัวอย่างไรเพื่อพลิกโฉมองค์กรให้พร้อมกระโดดสู่อนาคตในยุคปัญญาประดิษฐ์
ถ่ายทอดความรู้ผ่านพันธมิตร: กุญแจความก้าวหน้าในยุค AI
หนึ่งในกุญแจสำคัญที่จะ “กระโดด” ให้ทันยุค AI คือ การถ่ายทอดและแลกเปลี่ยนองค์ความรู้ผ่านความร่วมมือกับพันธมิตร แทนที่จะพยายามพัฒนาเทคโนโลยีทุกอย่างด้วยตัวเอง ภูมิปัญญาและทรัพยากรจากภายนอกสามารถช่วยให้องค์กรก้าวหน้าได้รวดเร็วขึ้นอย่างมหาศาล ในอดีตองค์กรขนาดใหญ่อาจผูกขาดการเข้าถึงเทคโนโลยีชั้นสูงได้ด้วยงบประมาณมหาศาล แต่มายุคนี้ ความร่วมมือเชิงกลยุทธ์กับพันธมิตรด้าน AI และคลาวด์ช่วย “ประชาธิปไตย” การเข้าถึง AI แก่องค์กรทุกขนาด – กล่าวคือแม้แต่บริษัทขนาดกลางหรือเล็กก็สามารถผนวก AI เข้ากับการดำเนินงานได้ง่ายขึ้นโดยไม่ต้องสร้างระบบโครงสร้างพื้นฐานเองทั้งหมด ด้วยการเป็นพันธมิตรกับผู้ให้บริการคลาวด์หรือผู้เชี่ยวชาญ AI วิธีนี้ช่วยประหยัดทั้งต้นทุนและเวลาในการพัฒนา และลดความเสี่ยงจากการลองผิดลองถูกด้วยตนเอง
องค์ความรู้และเทคโนโลยีใหม่ ๆ สามารถถูกถ่ายทอดเข้าสู่องค์กรผ่านพันธมิตรได้รวดเร็วและลึกซึ้งกว่าการพัฒนาเองในสุญญากาศ ยกตัวอย่างเช่น บริษัทขนาดกลางด้านการเงินแห่งหนึ่งสามารถร่วมมือกับแพลตฟอร์ม AI ที่เชี่ยวชาญในการวิเคราะห์ข้อมูล เพื่อใช้เทคโนโลยีทำการตัดสินใจลงทุนแบบเรียลไทม์บนชุดข้อมูลมหาศาล แทนที่จะต้องสร้างระบบนี้เองตั้งแต่ศูนย์ การจับมือกับพันธมิตรผู้เชี่ยวชาญช่วยให้บริษัทดังกล่าวสามารถนำโซลูชัน AI มาปรับใช้ได้อย่างรวดเร็วและขยายขนาดได้ทันทีโดยไม่ต้องพัฒนาภายในเองทุกขั้นตอน ผลลัพธ์ที่ได้คือการเข้าถึงเทคโนโลยีล้ำสมัย ได้แบบ “ก้าวกระโดด” นั่นเอง เพราะลดทั้งเวลาและทรัพยากรที่ต้องใช้ในการสร้าง นอกจากนี้ยังช่วยแบ่งเบาความเสี่ยง – หากเดินหน้าลำพัง องค์กรอาจเผชิญความเสี่ยงด้านต้นทุนและความไม่แน่นอนของเทคโนโลยีใหม่ แต่การมีพันธมิตรจะช่วยแชร์ทั้งความรู้และความเสี่ยงไปพร้อมกัน
ที่สำคัญคือ การร่วมมือกับผู้เชี่ยวชาญเฉพาะด้านยังเปิดโอกาสให้องค์กรได้เรียนรู้แนวปฏิบัติที่ดีที่สุด (best practices) และแนวทางแก้ไขปัญหาจากผู้มีประสบการณ์ตรง ยกตัวอย่างด้าน AI Governance (ธรรมาภิบาลปัญญาประดิษฐ์) ซึ่งหลายบริษัทอาจไม่มีความเชี่ยวชาญภายใน การจับมือกับผู้เชี่ยวชาญด้านนี้จะช่วยให้องค์กรนำ AI มาใช้ได้อย่างมีจริยธรรมและโปร่งใส ลดความเสี่ยงเรื่องอคติของอัลกอริทึมหรือการละเมิดข้อมูลส่วนบุคคล เช่น ธนาคารที่ใช้ AI ในการอนุมัติสินเชื่อสามารถร่วมงานกับที่ปรึกษาด้าน AI Ethics เพื่อวางระบบให้ AI ตัดสินใจอย่างเป็นธรรมและสอดคล้องกับกฎระเบียบ สิ่งนี้ไม่เพียงสร้างความเชื่อมั่นแก่ลูกค้า แต่ยังป้องกันความเสียหายด้านชื่อเสียงและกฎหมายในระยะยาว กล่าวได้ว่าพันธมิตรที่เหมาะสมช่วยเติมเต็มจุดอ่อนขององค์กร ทำให้การปรับใช้ AI รวดเร็ว ปลอดภัย และมีประสิทธิผลยิ่งขึ้น
กรณีศึกษา: ความร่วมมือเพื่อถ่ายทอดองค์ความรู้
กรณีศึกษาจากประเทศไทย – SCB 10X กับเครือข่ายงานวิจัยระดับโลก: กลุ่มธุรกิจการเงินไทยอย่าง SCBX (กลุ่มไทยพาณิชย์) ตระหนักถึงพลังของการเป็นพันธมิตรเพื่อยกระดับองค์ความรู้ด้าน AI ของตน ในปี 2568 ทีมวิจัย “Typhoon” ของ SCB 10X ได้ร่วมมือทำวิจัยกับสถาบันชั้นนำทั้งในไทยและต่างประเทศ ได้แก่ สถาบันวิทยสิริเมธี (VISTEC) ในไทย และมหาวิทยาลัยชั้นนำระดับโลกอย่าง Stanford และ Cambridge รวมถึงเครือข่ายวิจัย SEACrowd ผลจากความร่วมมือข้ามพรมแดนนี้คือผลงานวิจัยปัญญาประดิษฐ์ของทีม SCB 10X จำนวน 5 เรื่องได้รับการยอมรับให้เผยแพร่ในงานประชุมวิชาการระดับโลก ACL 2025 ซึ่งถือเป็นความสำเร็จที่โดดเด่นบนเวทีโลก สถาบันการเงินไทยซึ่งเดิมอาจไม่ได้เป็นผู้นำด้าน AI โดยตรง สามารถก้าวกระโดดขึ้นมาอยู่แถวหน้าวงการวิจัยได้ด้วยการจับมือกับสถาบันที่มีองค์ความรู้สูง ความสำเร็จครั้งนี้ “เป็นผลจากความร่วมมือในการทำวิจัยร่วมกับสถาบันชั้นนำ 4 แห่ง” ตามคำกล่าวของผู้บริหาร SCB 10X ซึ่งสะท้อนให้เห็นว่าพลังของการแชร์ความรู้และทรัพยากรข้ามองค์กรนั้นสร้างผลลัพธ์มหาศาลเพียงใด
ไม่ใช่แค่ในแวดวงวิชาการเท่านั้น ภาคธุรกิจไทยดั้งเดิมก็เริ่มใช้ยุทธศาสตร์พันธมิตรเพื่อก้าวสู่โลกดิจิทัล เช่น ไปรษณีย์ไทย องค์กรรัฐวิสาหกิจอายุเก่าแก่กว่า 140 ปี ได้ปรับบทบาทจากผู้ให้บริการไปรษณีย์มาเป็นผู้นำด้านโลจิสติกส์และอีคอมเมิร์ซ ซึ่งหนึ่งในยุทธศาสตร์สำคัญคือการสร้าง “ระบบนิเวศใหม่ที่มีการมีส่วนร่วมระหว่างในและนอกองค์กร” โดยไปรษณีย์ไทยได้ พัฒนาบริการร่วมกับพันธมิตรธุรกิจหลากหลายทั้งต้นน้ำและปลายน้ำ เพื่อสร้างบริการใหม่ที่สอดคล้องกับธุรกิจปัจจุบัน และมีการ แลกเปลี่ยนข้อมูลสารสนเทศระหว่างหน่วยงานต่าง ๆ เพื่อใช้ประโยชน์ในการพัฒนาโครงการดิจิทัลตามนโยบาย Thailand 4.0 ตัวอย่างนี้ชี้ให้เห็นว่าการจะสร้างนวัตกรรมและบริการใหม่ ๆ ในยุค AI องค์กรไม่สามารถทำเพียงลำพังได้ การผนึกกำลังกับพันธมิตรและการแบ่งปันข้อมูลคือหัวใจสำคัญของความสำเร็จ
กรณีศึกษาระดับนานาชาติ – OpenAI และ Microsoft: หนึ่งในตัวอย่างที่ทั่วโลกจับตามองถึงพลังของ partnership คือความร่วมมือระหว่าง OpenAI บริษัทวิจัย AI ผู้พัฒนา ChatGPT กับยักษ์ใหญ่ไอที Microsoft ความร่วมมือนี้เริ่มจากการที่ Microsoft เข้าลงทุนใน OpenAI และกลายเป็นหุ้นส่วนยุทธศาสตร์ ทั้งสององค์กรนำจุดแข็งของตนมาเสริมกัน – OpenAI มีองค์ความรู้ด้านโมเดล AI ขั้นสูง ส่วน Microsoft มีทรัพยากรคลาวด์และโครงสร้างพื้นฐานระดับโลก ผลคือ OpenAI สามารถเข้าถึงซูเปอร์คอมพิวเตอร์บนระบบคลาวด์ Azure ของ Microsoft เพื่อฝึกสอนโมเดลขนาดใหญ่ได้อย่างที่ไม่เคยมีมาก่อน OpenAI ยืนยันเองว่าความร่วมมือครั้งนี้ “มีส่วนสำคัญอย่างยิ่งต่อความก้าวหน้าของเรา” โดย Microsoft มีวิสัยทัศน์ร่วมกับ OpenAI และได้สร้างระบบซูเปอร์คอมพิวเตอร์ทรงพลังบน Azure ให้ OpenAI ใช้ฝึกโมเดลทั้งหมด ซึ่งสถาปัตยกรรมเฉพาะของ Azure นั้นมีส่วนสำคัญที่ช่วยให้การประมวลผลและการขยายขนาดโมเดล AI เป็นไปได้อย่างเต็มประสิทธิภาพ กล่าวได้ว่าทั้งสองฝ่ายต่างได้รับประโยชน์ – OpenAI ได้ทรัพยากรในการก้าวกระโดดด้านเทคโนโลยี ส่วน Microsoft ก็ได้ผนวกนวัตกรรมของ OpenAI เข้ากับบริการของตน (เช่น Azure OpenAI Service, GitHub Copilot เป็นต้น) จนเกิดผลิตภัณฑ์ใหม่ ๆ ที่แข็งแกร่งในตลาด ความร่วมมือนี้แสดงให้เห็นว่าแม้แต่บริษัทเทคโนโลยีชั้นนำ ก็ยังต้องอาศัยพันธมิตรเพื่อเร่งสปีดนวัตกรรมของตน ให้ก้าวไกลเกินกว่าที่จะทำได้ด้วยลำพังในเวลาเดียวกัน
จากกรณีตัวอย่างข้างต้น ไม่ว่าจะเป็นธนาคารไทยที่ผนึกกำลังกับมหาวิทยาลัยโลก รัฐวิสาหกิจไทยที่จับมือเอกชนสร้างระบบนิเวศใหม่ หรือบริษัทเทคระดับโลกที่ร่วมทุนกันเพื่อผลักดันขีดจำกัด AI ทั้งหมดล้วนยืนยันตรงกันว่า “Knowledge Transfer ผ่าน Partnership” คือกุญแจสู่ความก้าวหน้าที่รวดเร็วยิ่งขึ้น องค์กรที่พร้อมเปิดรับความรู้จากภายนอกและแบ่งปันทรัพยากรร่วมกับผู้อื่น ย่อมมีโอกาสสูงที่จะสร้างนวัตกรรมได้ทันการเปลี่ยนแปลงของโลก มากกว่าการยึดติดกับการพัฒนาทุกอย่างเองแต่เพียงผู้เดียว ในยุค AI ที่ความรู้ใหม่เกิดขึ้นตลอดเวลา การวิ่งคนเดียวอาจไปไม่ถึงเส้นชัย แต่การกระโดดไปข้างหน้าพร้อมพันธมิตรจะช่วยให้องค์กรไปได้ไกลกว่าเดิมหลายเท่า
ลดช่องว่างของคนเพื่อเพิ่มประสิทธิภาพโลจิสติกส์: บทบาทของผู้นำ
ในขณะที่เทคโนโลยีก้าวหน้าแบบก้าวกระโดด ปัจจัยที่อาจกลายเป็นตัวฉุดรั้งไม่ให้องค์กร “กระโดด” ตามได้ทันก็คือ “ช่องว่างของคน” หรือการขาดความพร้อมด้านบุคลากรและทักษะของคนในองค์กรนั่นเอง การจะเพิ่มประสิทธิภาพการดำเนินงานและโลจิสติกส์ด้วยเทคโนโลยี AI ได้ ผู้นำองค์กรต้องให้ความสำคัญกับการลดช่องว่างดังกล่าวเป็นอันดับต้น ๆ เพราะระบบอัตโนมัติ หุ่นยนต์ หรือ AI ล้ำสักเพียงใด ก็ไร้ค่า หากพนักงานไม่มีทักษะที่จะใช้งานหรือไม่มี mindset ที่จะทำงานร่วมกับเทคโนโลยีเหล่านั้นได้อย่างเต็มที่
กรณีของอุตสาหกรรมโลจิสติกส์เห็นภาพชัดเจนมาก: ธุรกิจด้านซัพพลายเชนและโลจิสติกส์กำลังเผชิญ “การปฏิวัติทางเทคโนโลยี” ที่ทุกอย่างเกิดขึ้นอย่างรวดเร็ว ไม่ว่าจะเป็นระบบอัตโนมัติ ปัญญาประดิษฐ์ หรือการวิเคราะห์ข้อมูลขั้นสูง ล้วนกลายมาเป็นเครื่องมือสำคัญในงานประจำวันของวงการนี้แล้ว การนำเทคโนโลยีเหล่านี้มาใช้ช่วยให้การดำเนินงานมีประสิทธิภาพและรวดเร็วยิ่งขึ้นตั้งแต่คลังสินค้าไปจนถึงการจัดส่งสินค้า แต่ ด้านกลับกันคือ ความเร็วของการเปลี่ยนแปลงทางเทคโนโลยีนี้เองกลายเป็นความท้าทายใหญ่ – บุคลากรต้องเรียนรู้ทักษะใหม่ตลอดเวลาและ “วิ่งนำหน้าให้ทัน” มิฉะนั้นธุรกิจจะเกิดความไร้ประสิทธิภาพและล้าหลังคู่แข่งได้ในไม่ช้า
งานวิจัยของ Deloitte ระบุว่า “ช่องว่างทักษะ” ในโลจิสติกส์ส่งผลกระทบอย่างมากต่อซัพพลายเชน เกิดความไร้ประสิทธิภาพ ต้นทุนดำเนินการสูงขึ้น และการส่งมอบสินค้าล่าช้า” กล่าวคือ เมื่อบริษัทขาดพนักงานที่มีทักษะตามที่งานโลจิสติกส์ยุคใหม่ต้องการ ย่อมตามไม่ทันความต้องการของตลาดโลกที่แข่งขันสูง นำไปสู่ความสามารถในการแข่งขันที่ลดลงและลูกค้าไม่พึงพอใจตามมา ที่ร้ายยิ่งกว่านั้นคือ การขาดผู้เชี่ยวชาญในการจัดการเทคโนโลยีโลจิสติกส์ขั้นสูงยัง “บั่นทอนศักยภาพการนวัตกรรมและการเติบโต” ของอุตสาหกรรมโดยรวม – เราอาจมีเครื่องมือดิจิทัลครบมือแต่กลับใช้ไม่เต็มประสิทธิภาพเพราะไม่มีคนเก่งพอจะใช้งาน
ไม่ใช่แค่อุตสาหกรรมโลจิสติกส์สากลเท่านั้น ในบริบทประเทศไทยเองก็ประสบปัญหาคล้ายกัน จาก ผลการศึกษาของ ETDA และ สวทช. ปี 2567 ที่สำรวจความพร้อมในการใช้ AI ในองค์กรไทย พบว่า อุปสรรคอันดับแรกในการนำ AI (โดยเฉพาะ Generative AI) มาใช้ คือ “องค์กรขาดบุคลากรที่มีทักษะ” รองลงมาคือกังวลเรื่องคุณภาพข้อมูล และงบประมาณในการพัฒนาเทคโนโลยี สถิตินี้ย้ำชัดว่าช่องว่างด้านทักษะคนเป็นเรื่องใหญ่สำหรับองค์กรไทยที่อยากใช้ AI เช่นกัน นอกจากนี้รายงานยังระบุแนวทางแก้ไขไว้ว่า ประเทศไทยควรมุ่งเน้น “การพัฒนาทักษะด้าน AI ในทุกระดับ – การสร้างบุคลากร AI (AI Talent), เพิ่มจำนวนวิศวกร AI, พัฒนาหลักสูตรการศึกษา และสร้างความตระหนักรู้ด้าน AI Governance” เป็นต้น ซึ่งทั้งหมดนี้ล้วนเกี่ยวข้องกับการพัฒนาคนให้ทันสมัย นั่นหมายความว่าหัวใจของการก้าวกระโดดสู่ยุค AI อยู่ที่การพัฒนาบุคลากร ไม่แพ้การพัฒนาเทคโนโลยี
เมื่อทราบดังนี้ บทบาทของผู้นำ (Leadership) ในการลดช่องว่างของคนจึงมีความสำคัญยิ่ง ผู้นำต้องเป็นหัวหอกในการผลักดันให้เกิดการยกระดับทักษะและความรู้ของพนักงานอย่างจริงจัง และสร้างวัฒนธรรมการเรียนรู้ตลอดเวลา (lifelong learning culture) ในองค์กร ยกตัวอย่างองค์กรระดับโลกอย่าง Amazon ที่เผชิญกับปัญหาการขาดแคลนแรงงานทักษะสูงสำหรับงานโลจิสติกส์และคลังสินค้า ในขณะที่บริษัทเร่งนำระบบอัตโนมัติและหุ่นยนต์เข้ามา Amazon พบว่า “การหาแรงงานฝีมือจากภายนอกเป็นเรื่องท้าทายมากในยุคที่ตลาดแรงงานตึงตัว” บริษัทจึงตัดสินใจลงทุนครั้งใหญ่ในการพัฒนาทักษะแรงงานภายในของตนเอง เปิดโครงการ Upskilling 2025 เพื่อฝึกอบรมพนักงานจำนวน 100,000 คนภายในปี 2025 หรือคิดเป็นหนึ่งในสามของพนักงานทั้งหมดในสหรัฐฯ โดยใช้งบประมาณสูงถึง 700 ล้านดอลลาร์ (ราว 24,000 ล้านบาท) โปรแกรมนี้มุ่งสอนทักษะใหม่ๆ ให้พนักงาน เช่น อบรมพนักงานคลังสินค้าให้เป็นช่างเทคนิคหุ่นยนต์ หรือเปิดคอร์ส “Machine Learning University” สอนพื้นฐานการพัฒนาโมเดล AI ให้พนักงานสายไอที เป็นต้น เป้าหมายก็เพื่อให้แรงงานเดิมสามารถก้าวเข้าสู่ตำแหน่งงานด้านเทคนิคและโลจิสติกส์ที่ซับซ้อนกว่าได้
ความพยายามของ Amazon สอดคล้องกับผลสำรวจของสมาคม MHI และ Deloitte ในสายงานซัพพลายเชนที่พบว่า 65% ของผู้ตอบแบบสอบถามมองว่า “การแก้ปัญหาช่องว่างทักษะแรงงานและการขาดแคลนบุคลากร” เป็นอุปสรรคใหญ่ที่สุดในการนำเทคโนโลยีก้าวหน้าจำพวกหุ่นยนต์ AI และแมชชีนเลิร์นนิงมาใช้ นั่นคือเทคโนโลยีพร้อม แต่คนไม่พร้อม บริษัทอย่าง Amazon จึงเลือกวิธีแก้ปัญหาด้วยการ “กระโดด” ยกระดับคนของตนเองอย่างจริงจังแทนที่จะรอปาฏิหาริย์ในตลาดแรงงาน แน่นอนว่าไม่ใช่ทุกองค์กรจะมีทรัพยากรเทียบเท่า Amazon แต่แก่นแนวคิดคือ ผู้นำต้องมองการลงทุนในทรัพยากรมนุษย์เป็นการลงทุนเชิงกลยุทธ์ระยะยาว ไม่ต่างจากการลงทุนในระบบ IT หรือเครื่องจักรกล หากองค์กรมีพนักงานที่เก่งขึ้น มีทักษะหลากหลายและพร้อมปรับตัว งานโลจิสติกส์หรือกระบวนการใดๆ ก็สามารถเพิ่มประสิทธิภาพได้เป็นทวีคูณ เพราะทุกคนสามารถใช้งานเครื่องมือใหม่ ๆ ได้เต็มศักยภาพ
นอกจากการเพิ่มทักษะใหม่ ผู้นำยังต้องใส่ใจเรื่อง “ช่องว่างระหว่างรุ่น” ในองค์กรอีกด้วย หลายอุตสาหกรรม (รวมถึงโลจิสติกส์) กำลังเผชิญปัญหาประชากรแรงงานสูงวัย ผู้เชี่ยวชาญรุ่นเก๋าใกล้เกษียณ ขณะเดียวกันคนรุ่นใหม่ Gen Z กำลังก้าวเข้าสู่ตลาดแรงงานมากขึ้นเรื่อย ๆ (คาดว่าในปี 2030 คน Gen Z จะเป็นประมาณ 30% ของแรงงานทั้งหมด) การเปลี่ยนผ่านนี้หากไม่มีการถ่ายทอดความรู้กันดี ๆ องค์กรอาจสูญเสียองค์ความรู้ที่สั่งสมมานานไปพร้อมกับการเกษียณของรุ่นพี่ และคนรุ่นใหม่ก็อาจขาดพี่เลี้ยงที่จะแนะนำ ผู้นำจึงต้องสร้างระบบ Knowledge Transfer ภายใน เช่น โครงการพี่เลี้ยง (mentorship) ให้คนรุ่นเก่าสอนงานรุ่นใหม่ หรือจัดระบบฐานความรู้ที่บันทึกวิธีการทำงานที่ดีไว้ ไม่ให้ความรู้หายไป นี่คืออีกมิติของ “การถ่ายทอดองค์ความรู้” คราวนี้คือถ่ายทอดภายในองค์กรเอง ซึ่งสำคัญไม่แพ้ความรู้จากภายนอก
สุดท้าย การลดช่องว่างของคนยังหมายถึงการเปลี่ยน “ทัศนคติและวัฒนธรรม” ภายในองค์กรด้วย ผู้นำต้องปลูกฝัง Mindset เชิงบวกต่อการเปลี่ยนแปลงทางเทคโนโลยีให้กับพนักงาน ลด “legacy mindset” หรือความคิดแบบเก่า ๆ ที่ยึดติดกับวิธีการทำงานเดิม การฝืนใช้วิธีเดิมท่ามกลางโลกที่เปลี่ยนไปแล้วเป็นสูตรสำเร็จของความล้มเหลว ผู้นำที่ดีจะสื่อสารกับทีมงานให้เข้าใจถึงประโยชน์ของเครื่องมือใหม่ ๆ ทำให้พนักงานทุกระดับรู้สึกมีส่วนร่วมในการเปลี่ยนแปลง ไม่มอง AI หรือระบบอัตโนมัติเป็นศัตรู แต่เป็นผู้ช่วยที่จะทำให้งานของพวกเขาง่ายขึ้นและมีคุณค่ามากขึ้น องค์กรที่ทีมงานทุกคนร่วมใจกันปรับตัว ย่อมสามารถนำเทคโนโลยีโลจิสติกส์ใหม่ ๆ มาใช้ได้เต็มประสิทธิภาพ เกิดการ Logistic Optimization อย่างแท้จริง ซึ่งไม่ได้มาจากแค่โปรแกรมคอมพิวเตอร์ แต่มาจาก “คน+เครื่องมือ” ทำงานประสานกันอย่างลงตัว
กรณีศึกษา: ผู้นำที่ขับเคลื่อนคนในองค์กรสู่ความสำเร็จ – เราได้กล่าวถึงกรณี Amazon ไปแล้ว ซึ่งแสดงบทบาทความเป็นผู้นำที่กล้าลงทุนในการพัฒนาคน สำหรับกรณีของไทยเราก็มีตัวอย่างที่ดีเช่นกันในเรื่องภาวะผู้นำในการพาคนข้ามช่องว่าง อย่างเช่น ไปรษณีย์ไทย ที่กล่าวถึงก่อนหน้า ความสำเร็จในการทรานส์ฟอร์มสู่องค์กรโลจิสติกส์ยุคดิจิทัลไม่ได้เกิดจากเทคโนโลยีหรือพันธมิตรภายนอกเพียงอย่างเดียว แต่เกิดจากการที่ “ผู้นำองค์กร ผู้บริหาร ตลอดจนพนักงาน มีการปรับตัวอยู่ตลอดเวลา จากธุรกิจไปรษณีย์แบบดั้งเดิมมาเป็นผู้ให้บริการโลจิสติกส์” คำว่า “ผู้นำองค์กร ผู้บริหาร ตลอดจนพนักงาน” ชี้ให้เห็นว่าการเปลี่ยนผ่านนี้ทุกระดับคนในองค์กรต้องเรียนรู้และเปลี่ยนแปลงตัวเอง ผู้นำองค์กรมีบทบาทในการผลักดันแนวคิด Agile เข้าไปในวัฒนธรรมการทำงาน (ไปรษณีย์ไทยใช้แนวคิด “The Power” 5 มิติเพื่อขับเคลื่อนองค์กร หนึ่งในนั้นคือการมี Professional Manpower และ Responsive to Innovation) กล่าวคือทำให้คนของไปรษณีย์ไทยพร้อมรับนวัตกรรมใหม่ ๆ อยู่เสมอ ผลก็คือวันนี้ไปรษณีย์ไทยสามารถขยับจากธุรกิจดั้งเดิมมาสู่ธุรกิจ E-Commerce Logistics ได้สำเร็จและแข็งแกร่ง
ในภาพรวม การลดช่องว่างของคนเพื่อเพิ่มประสิทธิภาพโลจิสติกส์และการดำเนินงาน จำเป็นต้องอาศัยภาวะผู้นำที่เข้มแข็งและมองการณ์ไกล ผู้นำต้องกล้าลงทุนในคน พัฒนาทักษะ สร้างวัฒนธรรมการเรียนรู้ และเชื่อมโยงองค์ความรู้ระหว่างคนรุ่นต่าง ๆ ในองค์กรให้ได้ หากทำได้ดังนี้ เทคโนโลยีที่นำเข้ามาจะถูกใช้งานอย่างเต็มประสิทธิภาพ เกิดการ “กระโดด” ในเชิงประสิทธิภาพของธุรกิจอย่างแท้จริง ตรงกันข้าม หากผู้นำละเลยเรื่องคน ต่อให้ลงทุนเทคโนโลยีมากมายก็อาจไม่ได้ผลเต็มที่ — เหมือนมีรถซุปเปอร์คาร์แต่ไม่มีคนขับที่ขับเป็น สุดท้ายองค์กรจะไปไม่ถึงเส้นชัยของการเปลี่ยนแปลงอย่างที่หวังไว้
จากความร่วมมือสู่การรวมพลัง: ทิศทางใหม่ขององค์กรยุค AI
ในช่วงทศวรรษที่ผ่านมาคำว่า “Collaboration” (ความร่วมมือ) กลายเป็นคำฮิตในแวดวงธุรกิจ ทุกองค์กรต่างส่งเสริมการทำงานร่วมกันทั้งภายในทีม ระหว่างแผนก ตลอดจนระหว่างองค์กรพันธมิตร แนวคิด Collaboration นี้ช่วยให้เกิดนวัตกรรมและโครงการใหม่ ๆ มากมายในยุคเริ่มต้นของการเปลี่ยนผ่านดิจิทัล อย่างไรก็ตาม ในระยะยาว องค์กรจำนวนไม่น้อยกำลังมุ่งไปสู่ขั้นต่อไปคือ “Consolidation” (การรวมพลัง/ควบรวม) ซึ่งถือเป็นวิวัฒนาการตามธรรมชาติของความร่วมมือเชิงกลยุทธ์ เมื่อความร่วมมือได้สร้างคุณค่าและพิสูจน์ตัวเองแล้ว ขั้นต่อไปคือการรวมทรัพยากรหรือหน่วยงานเข้าด้วยกันเพื่อประสิทธิภาพที่ยั่งยืนยิ่งขึ้น ผู้เชี่ยวชาญบางรายระบุไว้อย่างน่าสนใจว่า พันธมิตรเชิงกลยุทธ์สามารถไต่ระดับจากการประสานงานอย่างหลวม ๆ สู่การร่วมมืออย่างเป็นทางการ และสุดท้ายไปถึงขั้นการควบรวมได้ แต่ละระดับก็มีความท้าทายและโอกาสต่างกันไป นั่นหมายความว่าหลายครั้ง “บทสรุป” ของการร่วมมือที่ประสบความสำเร็จอาจจบลงด้วยการรวมกันเป็นองค์กรเดียว หรือการรวมระบบและทรัพยากรเข้าด้วยกันอย่างเบ็ดเสร็จ
การ Consolidation ในที่นี้มีหลายมิติ ในเชิงโครงสร้างองค์กร อาจหมายถึงการควบรวมกิจการ (M&A) หรือการรวมหน่วยธุรกิจ/ทีมงานเข้าด้วยกันเพื่อลดความซ้ำซ้อนและเพิ่มประสิทธิภาพ ในเชิงพันธมิตร อาจหมายถึงการที่พันธมิตรที่เคยร่วมมือกันอย่างหลวม ๆ ขยับมาสู่การลงทุนร่วมกันหรือสร้างบริษัทร่วม (joint venture) หรือถึงขั้นควบรวมกลายเป็นหน่วยงานเดียว และในเชิงระบบงาน อาจหมายถึงการรวมแพลตฟอร์มหรือข้อมูลเข้าด้วยกัน เพื่อให้เกิดระบบเดียวที่แข็งแกร่งแทนที่จะกระจัดกระจายหลายระบบ
แนวโน้มการ Consolidation ในอุตสาหกรรมเทคโนโลยีและ AI ปรากฏให้เห็นชัดในช่วงไม่กี่ปีมานี้ รายงานของ The Fortia Group ชี้ว่าอุตสาหกรรม Data & AI กำลังอยู่ในช่วง “รวมตัว” อย่างมีนัยสำคัญ มีดีลควบรวมและซื้อกิจการ (M&A) เกิดขึ้นมากมายต่อเนื่อง ทั้งการควบรวมบริษัทในธุรกิจข้อมูลที่เกี่ยวเนื่องกัน การที่บริษัทยักษ์ใหญ่ซื้อกิจการเล็กที่มีเทคโนโลยีเฉพาะทาง และการจับมือเป็นพันธมิตรข้ามชาติ ทั้งหมดนี้กำลังปรับเปลี่ยนภูมิทัศน์ของตลาด อย่างรวดเร็ว โดยผู้เชี่ยวชาญคาดการณ์ว่ากระแสการรวมตัวจะยังดำเนินต่อไป เพราะบริษัทต่าง ๆ ล้วนมองหาหนทางขยายขนาด (scale) สร้างความแตกต่าง และรักษาความได้เปรียบในการแข่งขัน ซึ่งการควบรวมกิจการหรือการผนึกกำลังกับผู้อื่นเป็นทางลัดที่ทรงพลัง ยิ่งในสภาวะที่เทคโนโลยี AI วิ่งเร็วมาก บริษัทที่เคยเป็นพันธมิตรอาจพบว่าการรวมกันเป็นหนึ่งจะช่วยให้ตนเองพัฒนาได้เร็วขึ้น ลดต้นทุนซ้ำซ้อน และร่วมกันผลักดันนวัตกรรมได้เต็มที่กว่าเดิม
ตัวอย่างระดับโลก – Google กับการรวมทีม AI ภายใน: ในปี 2023-2024 บริษัท Alphabet (Google) ได้ประกาศการเปลี่ยนแปลงเชิงโครงสร้างครั้งใหญ่ในหน่วยงานวิจัย AI ของตนเอง โดยตัดสินใจ ควบรวมทีมวิจัย AI ชั้นนำสองทีม คือ Google Brain และ DeepMind เข้าเป็นหน่วยเดียวในชื่อ “Google DeepMind” เดิมที Brain เป็นทีมวิจัย AI ภายใน Google ส่วน DeepMind เป็นสตาร์ทอัพด้าน AI ชั้นนำที่ Google เข้าซื้อกิจการมาตั้งแต่ปี 2014 ทั้งสองทีมต่างก็สร้างผลงานโดดเด่น (เช่น Brain เชี่ยวชาญด้านโมเดลภาษาขนาดใหญ่ ส่วน DeepMind เชี่ยวชาญด้าน AI เชิงลึกและเคยสร้างชื่อจาก AlphaGo) แต่การแยกกันทำงานอาจทำให้ทรัพยากรกระจัดกระจายและแข่งขันกันเองในบางครั้ง การตัดสินใจรวมทีมเกิดขึ้นท่ามกลางการแข่งขันดุเดือดในวงการ AI โดยเฉพาะเมื่อ Microsoft จับมือกับ OpenAI ซึ่งถือเป็นคู่แข่ง/พันธมิตรสำคัญ Google เล็งเห็นว่าการผนึก Brain + DeepMind จะ “เพิ่มความคม” ให้โฟกัสด้านการพัฒนา AI และเร่งสปีดนวัตกรรมเพื่อแซงหน้าคู่แข่ง” นอกจากนี้ยังเป็นการนำทีม Responsible AI (ที่ดูแลด้านจริยธรรมและความปลอดภัยของ AI) มารวมใกล้ชิดกับทีมที่สร้างโมเดล AI เพื่อให้การพัฒนา AI อย่างรับผิดชอบเป็นไปอย่างเข้มข้นยิ่งขึ้นในหน่วยรวมใหม่ กรณีของ Google นี้สะท้อนให้เห็นว่าแม้องค์กรระดับโลกที่เต็มไปด้วยผู้เชี่ยวชาญ ในท้ายที่สุดยังเลือกเส้นทางการ Consolidation เพื่อสร้าง “หนึ่งทีมใหญ่ที่แข็งแรง” แทนที่จะคงหลายทีมไว้แยกกัน เพราะเชื่อว่าจะบริหารทรัพยากรได้มีประสิทธิภาพกว่าและตอบสนองยุทธศาสตร์ได้รวดเร็วกว่า
ตัวอย่างในประเทศไทย – การควบรวม True และ dtac: วงการโทรคมนาคมไทยเพิ่งผ่านเหตุการณ์สำคัญคือการ ควบรวมบริษัท ทรู คอร์ปอเรชั่น กับ ดีแทค ในปี 2566 กลายเป็นบริษัทโทรคมนาคมใหม่ที่ใหญ่ที่สุดในประเทศไทย การควบรวมครั้งนี้ได้รับการโปรโมทว่าไม่ได้เป็นเพียงดีลธุรกิจธรรมดา แต่เป็น “การรวมพลัง” เพื่อสร้างผู้นำเทคโนโลยีของชาติ ที่พร้อมจะลงทุนและพัฒนานวัตกรรมในยุคดิจิทัลอย่างเต็มที่ ผู้บริหารทรูใหม่กล่าวในการรับรางวัล Deal of the Year จากตลาดหลักทรัพย์ว่า ดีลนี้ “มีเป้าหมายเพื่อส่งเสริมนวัตกรรมในด้านต่าง ๆ เช่น ปัญญาประดิษฐ์ คลาวด์ สมาร์ทดีไวซ์ และสมาร์ทซิตี้ โดยสอดคล้องกับเป้าหมายไทยแลนด์ 4.0 ในการใช้วิทยาศาสตร์ เทคโนโลยี และนวัตกรรมพัฒนาเศรษฐกิจดิจิทัลของประเทศ” จะเห็นได้ว่าการควบรวมทำให้บริษัทใหม่มีทรัพยากรและขนาดใหญ่พอที่จะลงทุนในโครงข่าย 5G และเทคโนโลยีล้ำสมัยอื่น ๆ ได้อย่างที่แต่ละบริษัทเดิมอาจทำได้ไม่เต็มที่ นอกจากนี้ บริษัทรวม True-dtac ยังประกาศวิสัยทัศน์ว่าจะเป็น “Telecom-Tech Company” ไม่ใช่แค่ผู้ให้บริการมือถืออีกต่อไป แต่เป็นบริษัทเทคโนโลยีที่จะสร้างบริการดิจิทัลใหม่ ๆ ครอบคลุม เช่น IoT, FinTech, AI ฯลฯ การรวมกิจการครั้งนี้จึงเป็นตัวอย่างของการที่หลังจากแต่ละบริษัทต่างลงทุนร่วมมือกับพันธมิตรต่าง ๆ มาระยะหนึ่ง ก็ถึงจุดที่การรวมกันจะสร้าง synergy (พลังเสริม) มากที่สุด ทั้งในแง่ลดค่าใช้จ่ายซ้ำซ้อนและรวมฐานลูกค้า-โครงข่ายเข้าด้วยกัน ทำให้แข่งขันกับต่างประเทศได้ดีขึ้น
Collaboration -> Consolidation ในมุมมองการบริหาร: จะเห็นว่าการ Collaboration ช่วยให้เกิดสิ่งใหม่ การ Consolidation ช่วยให้สิ่งใหม่นั้นขยายผลเต็มศักยภาพ ตัวอย่างเช่น สตาร์ทอัพเล็ก ๆ อาจร่วมมือกับบริษัทใหญ่เพื่อสร้างเทคโนโลยีใหม่ขึ้นมา พอถึงจุดหนึ่งบริษัทใหญ่อาจตัดสินใจซื้อกิจการสตาร์ทอัพนั้น (consolidate) เพื่อดึงเทคโนโลยีมาเป็นของตนเองอย่างสมบูรณ์และต่อยอดได้เต็มที่ขึ้น หรือในระดับประเทศ หลายประเทศส่งเสริมให้เกิดการรวมกลุ่มของผู้เล่นในอุตสาหกรรม AI เพื่อสร้าง “แชมป์” ที่แข็งแกร่ง เช่น สหภาพยุโรปมีการลงทุนร่วมระหว่างรัฐและเอกชนในโครงการ AI ขนาดใหญ่ เพื่อไม่ให้องค์กรยุโรปต่างคนต่างทำแล้วสู้ยักษ์อเมริกาหรือจีนไม่ได้ สุดท้ายอาจนำไปสู่การควบรวมบริษัทเทคโนโลยีบางรายเข้าด้วยกันภายใต้การสนับสนุนของรัฐก็เป็นได้
แน่นอนว่า การ Consolidation ไม่ได้หมายความว่าการ Collaboration จะหมดความสำคัญ ตรงกันข้าม ทั้งสองสิ่งเป็นกระบวนการที่ไปด้วยกัน – องค์กรควรเริ่มจากสร้างความร่วมมือที่ดี ทดลองโครงการใหม่ ๆ ร่วมกับพันธมิตร (Collaboration) เมื่อพบรูปแบบที่เวิร์กและสร้างคุณค่าได้จริง ก็ค่อยขยับสู่การรวมทรัพยากรเพื่อขยายผล (Consolidation) อาจไม่ถึงขั้นควบรวมองค์กรก็ได้ แต่อาจเป็นการรวมแพลตฟอร์มหรือข้อมูล สร้างระบบเดียวที่ทุกฝ่ายใช้ร่วมกัน เป็นต้น จุดนี้ผู้นำต้องประเมินว่าเมื่อใดควร “กระโดด” จากการร่วมมือไปสู่การรวมพลัง เพื่อไม่ให้เสียโอกาสทองในการเติบโต ถ้าช้าเกินไปคู่แข่งอาจรวมกันไปก่อนและแซงหน้าเราได้
แนวโน้มและผลกระทบต่อองค์กรในยุค AI
จากที่ได้วิเคราะห์มาทั้งสามด้าน – การใช้พันธมิตรเพื่อถ่ายทอดความรู้ การพัฒนาคนลดช่องว่างทักษะ และการขยับจากความร่วมมือไปสู่การรวมพลัง – เราพบว่าทั้งหมดล้วนเป็นภาพสะท้อนของ แนวโน้มใหญ่ในยุค AI ที่องค์กรต้องเผชิญและปรับตัว ซึ่งแนวโน้มเหล่านี้กำลังเกิดขึ้นจริงและรวดเร็วอย่างมาก
การยอมรับและใช้งาน AI เพิ่มขึ้นอย่างก้าวกระโดด: ทุกวันนี้องค์กรจำนวนมากขึ้นเรื่อย ๆ เริ่มนำ AI เข้ามาใช้ในธุรกิจของตน รายงานของ ETDA ระบุว่าปี 2567 17.8% ของหน่วยงานในไทยใช้ AI แล้ว (ซึ่งสูงกว่าปีก่อน) และ อีก 73.3% มีแผนจะใช้ AI ในอนาคต มีเพียง 8.9% ที่ยังไม่มีแผนเลยเท่านั้น นั่นหมายความว่าเกือบทุกองค์กรมองเห็นความจำเป็นที่จะต้องกระโดดเข้าร่วมขบวน AI ไม่ช้าก็เร็ว ด้วยอัตราการวางแผนใช้ที่สูงถึงกว่า 70% แปลว่าในอีกไม่กี่ปีข้างหน้าจะมีองค์กรใหม่ ๆ ในไทยกระโดดมาใช้ AI เพิ่มขึ้นอีกเป็นจำนวนมาก ผลกระทบคือ องค์กรที่นำ AI มาใช้อย่างมีประสิทธิภาพย่อมได้เปรียบในการแข่งขัน ในขณะที่องค์กรที่ชักช้าจะตกขบวนและเสียโอกาสทางธุรกิจ ยุคนี้จึงเป็นยุคแห่งการแข่งขันเร่งนำ AI มาประยุกต์ใช้ให้เกิดผลจริงจัง
อย่างไรก็ตาม การนำ AI มาใช้ไม่ใช่เพียงการซื้อซอฟต์แวร์หรือติดตั้งระบบแล้วจะสำเร็จเอง ผลการสำรวจหลายแห่งชี้ตรงกันว่า “ปัจจัยมนุษย์” เป็นตัวชี้ขาด ดังที่เราได้กล่าวไว้ ไม่ว่าจะเป็นทักษะคน ข้อมูลที่คนสร้าง และวัฒนธรรมในองค์กร หากองค์กรไหนแก้สมการคน+เทคโนโลยีได้ลงตัว องค์กรนั้นจะพุ่งทะยาน ขณะที่บางแห่งลงทุน AI ไปมากแต่คนไม่พร้อมก็ไม่เห็นผลเท่าที่ควร สิ่งนี้ส่งสัญญาณถึง แนวโน้มด้านทรัพยากรบุคคล ในยุค AI: เราจะเห็นการลงทุนกับการฝึกอบรม/upskill พนักงานมากขึ้นเรื่อย ๆ เกิดโปรแกรมพัฒนาบุคลากรด้านดิจิทัลในองค์กรต่าง ๆ ทั่วไปหมด ทั้งในรูปแบบโรงเรียนภายในบริษัท (Corporate Academy), ทุนการศึกษาไปอบรมภายนอก, หรือแม้แต่การปรับโครงสร้างตำแหน่งงานให้ยืดหยุ่นเพื่อดึงคนที่มีทักษะ AI/ดิจิทัลเข้ามา เป็นต้น สำหรับประเทศไทย ภาครัฐและเอกชนเริ่มตระหนักเรื่องนี้แล้ว เช่น กระทรวง DE (ดิจิทัลฯ) ร่วมกับหน่วยงานต่าง ๆ จัดหลักสูตรฝึกอบรม AI ให้กับบุคลากรภาครัฐ, บริษัทใหญ่ ๆ ก็เริ่มจัดอบรม Data Analytics ให้พนักงานสายธุรกิจของตน เป็นต้น แนวโน้มนี้จะยิ่งชัด เพราะท้ายที่สุด “คนที่เก่ง + AI ที่เก่ง = ความได้เปรียบเชิงแข่งขัน” ส่วน “AI เก่งแต่คนไม่เก่ง” อาจกลายเป็นภาระค่าใช้จ่ายเสียด้วยซ้ำ
ในแง่โครงสร้างอุตสาหกรรม เรากำลังเห็นการปรับตัวครั้งใหญ่ผ่าน M&A และพันธมิตรข้ามอุตสาหกรรม เมื่อ AI กลายเป็นสนามแข่งใหม่ เราจะเห็นบริษัทจากวงการที่เคยแยกกันมาจับมือหรือรวมตัวกัน เช่น บริษัทรถยนต์ไล่ซื้อสตาร์ทอัพด้านรถยนต์ไร้คนขับหรือหุ่นยนต์โดรนส่งของ, ธนาคารจับมือบริษัทโทรคมนาคมทำแพลตฟอร์มชำระเงิน, บริษัทประกันรวมกับบริษัทสุขภาพทำบริการดูแลผู้สูงอายุด้วย AI ฯลฯ การหลอมรวมข้ามวงการจะทวีขึ้น เกิดผู้เล่นหน้าใหม่ที่เป็น “ecosystem” ครบวงจร สาเหตุเพราะ AI ต้องอาศัยทั้งข้อมูลมหาศาลและความเชี่ยวชาญหลากหลาย การจับมือกันจะได้แบ่งปันทั้งฐานข้อมูล ฐานลูกค้า และเทคโนโลยี ซึ่งต่างฝ่ายต่างมี จุดนี้ผู้ประกอบการรุ่นใหม่ต้องจับตามอง – โอกาสอาจไม่ได้อยู่ที่การยืนแข่งเดี่ยว ๆ แต่อยู่ที่การเป็นส่วนหนึ่งของเครือข่ายที่ใหญ่กว่าซึ่งเกื้อหนุนกันและกัน
อีกแนวโน้มที่สำคัญคือ การแข่งขันเชิงกลยุทธ์ระหว่างยักษ์ใหญ่ด้านเทคโนโลยี ที่มีผลกระทบต่อตลาดโดยรวม เช่น การที่ Microsoft จับมือ OpenAI ทำให้ Google ต้องเร่งเครื่อง AI ของตน (จนถึงขั้นรวมทีม AI ภายใน) หรือการที่ Facebook (Meta) เปิดโอเพ่นซอร์สโมเดลภาษา LLaMA เพื่อดึงชุมชนนักพัฒนามาสู้กับคู่แข่ง สิ่งเหล่านี้หมายความว่า ecosystem ของเครื่องมือ AI จะมีการเปลี่ยนแปลงเร็วและองค์กรทั่วไปต้องคอยตามให้ทัน อาจมีเครื่องมือใหม่หรือแพลตฟอร์มใหม่ถือกำเนิดแล้วตายไปในช่วงสั้น ๆ หลายเจ้าจะอยู่ไม่รอดและถูกซื้อไปรวมกับเจ้าที่ใหญ่กว่า ดังที่มีการคาดการณ์ว่าดีลซื้อกิจการด้าน AI จะเพิ่มขึ้นอีกมาก (คาดว่าดีล AI M&A จะสูงถึง 300+ ดีลในปี 2024) ดังนั้นองค์กรต่าง ๆ ควรเตรียมความพร้อมรับมือกรณีที่ซอฟต์แวร์/แพลตฟอร์มที่ตนใช้อยู่ถูกควบรวมเปลี่ยนมือ หรือคู่ค้าพันธมิตรของตนถูกเจ้าใหญ่ซื้อกิจการ สิ่งเหล่านี้อาจกระทบการดำเนินงานได้ หากไม่กระจายความเสี่ยงหรือไม่มีแผนสำรอง
โดยสรุป แนวโน้มสำคัญขององค์กรในยุค AI คือ:
การแข่งขันในความเร็ว – ใครปรับใช้ AI ได้เร็วกว่าและทั่วถึงกว่าจะได้เปรียบ ดังนั้นต้องพร้อมจะ “กระโดด” ไม่ใช่ค่อย ๆ ทดลองช้า ๆ (เพราะคู่แข่งไม่รอเรา)
การลงทุนในคนและองค์ความรู้ – บริษัทจะทุ่มทรัพยากรมากขึ้นให้กับการสร้างทักษะใหม่และวัฒนธรรมใหม่ในองค์กร เนื่องจากตระหนักว่าคนคือปัจจัยตัดสินความสำเร็จของเทคโนโลยี
การสร้างพันธมิตรและการรวมตัว – เราจะเห็น network ของการร่วมมือเชิงกลยุทธ์มากขึ้น และตามมาด้วยการควบรวมเมื่อเวลาสุกงอม ส่งผลให้อุตสาหกรรมหลายแขนงมีผู้เล่นรายใหญ่ลดลงแต่แข็งแรงขึ้น ธุรกิจรายเล็กอาจต้องหาช่องเฉพาะหรือเข้าร่วมพลังกับรายอื่นถึงจะอยู่รอด
แน่นอนว่าแนวโน้มเหล่านี้มีผลกระทบทั้งโอกาสและความท้าทาย สำหรับนักธุรกิจรุ่นใหม่ โอกาสคือการได้ใช้เทคโนโลยี AI เป็นตัวเร่งให้ธุรกิจเติบโตแบบก้าวกระโดด สามารถเข้าถึงตลาดหรือประสิทธิภาพที่เดิมเอื้อมไม่ถึง แต่ความท้าทายคือการบริหารจัดการการเปลี่ยนแปลงอย่างรอบด้าน ทั้งเทคโนโลยี คน และพันธมิตร ต้องทำไปพร้อม ๆ กัน หากพลาดด้านใดด้านหนึ่งก็อาจสะดุดได้ง่าย
ยุค AI เป็นทั้งยุคแห่งโอกาสและยุคแห่งความปั่นป่วน
องค์กรที่สามารถพลิกโฉมตนเองได้อย่างรวดเร็วและชาญฉลาดจะก้าวขึ้นเป็นผู้นำ ส่วนองค์กรที่เชื่องช้าอาจถูกทิ้งไว้ข้างหลังอย่างไม่ปรานี ดังสุภาษิตธุรกิจยุคใหม่ที่ว่า “ไม่ใช่ปลาใหญ่กินปลาเล็ก แต่เป็นปลาเร็วกินปลาช้า” เมื่อ AI เปิดช่องให้ทั้งรายใหญ่และรายเล็กวิ่งในสนามเดียวกัน ความได้เปรียบจะเป็นของผู้ที่คิดเร็ว ทำเร็ว และเรียนรู้เร็ว – นี่คือสาระของคำกล่าว “ต้องไม่วิ่ง แต่ต้องกระโดด” นั่นเอง
ฟังเพื่อเข้าใจ ไม่ใช่เพื่อทำตาม: ความแตกต่างคือเชื้อเพลิงของการ “กระโดด”
“คนเราเติบโตมาเพื่อเป็นในสิ่งที่ต่างกัน ดังนั้นการที่คุณจะฟังใครสักคน แต่ไม่ทำตาม ไม่เคยเป็นเรื่องผิด เพราะถึงเขาจะแก่กว่า เก่งกว่า แต่คุณไม่ได้จะโตไปเป็นแบบเขา”
— คุณเต้ CreativeLab
สารของประโยคนี้คือ การยอมรับ “ความต่าง” เป็นทรัพยากรเชิงกลยุทธ์ ไม่ใช่สิ่งที่ต้องทำให้เหมือนกันทั้งองค์กร ในยุค AI ที่องค์ความรู้เปลี่ยนเร็วกว่ารอบงบประมาณ การ copy แนวทางของ “คนเก่ง/บริษัทดัง” โดยตรง อาจทำให้เราหลงทางได้ง่าย เพราะ บริบท ทรัพยากร จุดแข็ง และเส้นทางการเติบโตของแต่ละคน/แต่ละธุรกิจไม่เหมือนกัน สิ่งที่ควรถ่ายทอดจึงไม่ใช่ “สูตรตายตัว” แต่คือ “หลักคิด” และ “เหตุผลเบื้องหลัง” (principles-over-templates)
เชิงปฏิบัติ นี่คือความหมายของการ “ฟังแต่ไม่ต้องทำตาม”:
ฟัง = รับหลักการและข้อเท็จจริง จากคนที่มีประสบการณ์กว่า เพื่อ ลดการลองผิดลองถูกที่ไม่จำเป็น
ไม่ทำตาม = ออกแบบวิธีของเราเอง ให้ สอดคล้องกับจุดแข็งและข้อจำกัดจริง ของทีมและตลาดเรา
เป้าหมาย = ผลลัพธ์ที่ดีกว่า ไม่ใช่ความเหมือน
ผลสำคัญต่อ “การลดช่องว่างของคน (gap of people)” คือ เราไม่ได้พยายาม “ทำให้ทุกคนเหมือนกัน” แต่เราลด ช่องว่างความไม่สอดคล้อง ระหว่างงานกับ “ของถนัด/แรงขับ” ของแต่ละคน แปลว่า gap ที่ต้องลด ไม่ใช่ความต่างของตัวคน แต่คือ ช่องว่างระหว่าง “สิ่งที่งานต้องการ” กับ “ศักยภาพที่คนมี” เมื่อปิดช่องนี้ได้ โลจิสติกส์และโอเปอเรชันจะ optimize ได้จริง เพราะงานถูก “แมตช์” กับคนที่ใช่
หลักคิด 3 ข้อ: ถ่ายโอน “เหตุผล” ไม่ใช่ “สำเนา”
Principles over Playbooks
ถ่ายทอด “ทำไม” มากกว่า “ทำอะไรตามขั้น 1–2–3” เช่น ในเวิร์กช็อป knowledge transfer ให้ แยกสไลด์ “เหตุผล/เงื่อนไขใช้ได้-ใช้ไม่ได้” ออกจาก สไลด์ “ขั้นตอน” เสมอ เพื่อกันการคัดลอกแบบตาบอดContext over Celebrity
แนวทางของ “บริษัท/หัวหน้าที่ดัง” ใช้ได้เมื่อ บริบทเราคล้ายกัน กำหนดเช็กลิสต์บริบท 5 ข้อก่อนยืมแนวทางใคร (เช่น ขนาดทีม/คุณภาพข้อมูล/ข้อจำกัดกฎระเบียบ/ทุน/หน้าต่างเวลาตลาด) ถ้าผิดไปเกิน 2 ข้อ ให้ถือว่า “ต้องดัดแปลง”Strength over Symmetry
งานสำคัญควรถูกออกแบบให้ ใช้จุดแข็งเฉพาะตัวของคนทำ มากกว่าบังคับโพรเซสเดียวทั้งองค์กร—ความ “ไม่สมมาตร” ของความถนัด คือแหล่งอัลฟา (alpha) ของประสิทธิภาพ
เครื่องมือสำหรับผู้นำ: สร้างวัฒนธรรม “กล้าฟัง กล้าต่าง”
Mentor ≠ Clone: กำหนดนิยาม mentorship ว่า แลกหลักคิดและเลนส์มองปัญหา ไม่ใช่ ทำให้ศิษย์คิด/ทำเหมือนครู; ให้ mentor จบแต่ละ session ด้วย “3 เงื่อนไขที่ ไม่ควร ทำตามวิธีฉัน”
Divergent Sprint: สำหรับปัญหาใหญ่ ให้ 2–3 squad ทดลองวิธี คนละแนว ภายใต้เวลาจำกัด แล้วรีวิวเปรียบเทียบด้วยหลักฐานจริง ก่อน “เลือก/ผสาน” วิธี—นี่คือการฝึก “ฟังแต่ไม่ทำตามอัตโนมัติ” แบบมีโครง
Decision Log: Listen–Adapt–Commit: เอกสาร 1 หน้า บันทึกว่า เราได้ฟังใครบ้าง/หลักการอะไร, เราดัดแปลงตรงไหนเพื่อบริบทเรา, และ ทีม commit ทางเลือกไหน ช่วยปิดดีเบตยาว ๆ และกลายเป็นองค์ความรู้ส่งต่อ
Skill Lattice, not Ladder: เส้นทางเติบโต (career path) แบบ “ตาข่าย” ไม่ใช่ “บันได” เปิดทางให้คนข้ามสาย—เช่น จากคลังสินค้าไป data ops—เพราะ คนไม่ได้จะโตไปเป็นแบบเดียวกัน แต่มุ่งไปยัง “บทบาทที่ใช้ศักยภาพสูงสุด”
Ritual of Respectful Dissent: ใส่พิธีกรรมการ “ขัดแย้งอย่างสุภาพ” ในจังหวะก่อนตัดสินใจ (เช่น pre-mortem 15 นาที ให้คนชี้เหตุผลที่ ไม่ควร ทำตามข้อเสนอ) แล้วใช้กฎ “disagree & commit” หลังตัดสินใจ
สรุป แนวทางปฏิบัติสำหรับผู้ประกอบการรุ่นใหม่ ในการนำพาองค์กรให้ก้าวกระโดดในยุค AI ได้ดังนี้:
1. เปิดกว้างและสร้างเครือข่ายพันธมิตร: อย่าพยายามทำทุกอย่างเองหรือเก็บงำความรู้อยู่คนเดียว จงมองหาโอกาสร่วมมือกับผู้อื่นที่เก่งในด้านที่เราไม่ถนัด ไม่ว่าจะเป็นมหาวิทยาลัย สตาร์ทอัพ บริษัทเทคโนโลยี หรือคู่ค้าทางธุรกิจรูปแบบอื่น การสร้างพันธมิตรเชิงกลยุทธ์จะช่วยให้องค์กรของคุณเข้าถึงทรัพยากรและองค์ความรู้ใหม่ ๆ ได้รวดเร็วขึ้น คำเตือน: เลือกพันธมิตรที่มีวิสัยทัศน์และค่านิยมสอดคล้องกัน เพื่อให้การทำงานราบรื่นและเกิด win-win จริง ๆ ดังตัวอย่าง OpenAI กับ Microsoft ที่ต่างเข้าใจคุณค่าของกันและกัน ทำให้ความร่วมมือไปได้ไกล
2. ลงทุนในคนและวัฒนธรรมองค์กร: จงจำไว้ว่าท้ายที่สุดแล้ว “คน” คือผู้ใช้ AI และเป็นผู้ตัดสินว่าโครงการ AI จะรุ่งหรือร่วง ทุ่มเทกับการสรรหาและพัฒนาคนของคุณ ให้องค์กรของคุณกลายเป็นองค์กรแห่งการเรียนรู้ (Learning Organization) ที่ทุกคนพร้อมจะเรียนรู้ทักษะใหม่ ๆ ปรับตัวเข้ากับบทบาทใหม่เมื่อเทคโนโลยีมาแทนที่งานบางอย่าง เคล็ดลับ: เริ่มจากผู้บริหารระดับสูงที่จะต้อง เป็นแบบอย่าง ในการเรียนรู้สิ่งใหม่ เปิดใจรับฟังไอเดียจากทีมงานรุ่นใหม่ และกล้าทดลองสิ่งใหม่ด้วยตัวเอง เมื่อพนักงานเห็นผู้นำ ลงมือจริง พวกเขาจะรู้สึกมีแรงบันดาลใจและปลอดภัยที่จะลองปรับตัวตาม
3. สร้างวิสัยทัศน์ในการผนึกกำลัง: เมื่อเริ่มมีพันธมิตรและโครงการใหม่ ๆ แล้ว ผู้นำควรมองภาพใหญ่ให้ออกว่าอะไรคือจุดที่เราควร “รวม” เข้าด้วยกันเพื่อพลังสูงสุด อาจเป็นการรวมข้อมูลจากหลายแหล่งมาไว้ใน data lake กลาง เพื่อให้ AI ขององค์กรเรียนรู้ได้เต็มที่ อาจเป็นการควบรวมทีมที่ทำงานซ้ำซ้อนกันหลังจากปรับกระบวนการให้เป็นดิจิทัล หรือในบางกรณี หากคุณเป็นสตาร์ทอัพ ก็อาจพิจารณาการควบรวมกับผู้เล่นรายอื่นเพื่อสร้างฐานที่แข็งแรงขึ้น ยุทธศาสตร์: การจะตัดสินใจรวมอะไรเข้าด้วยกันนั้น ให้ชั่งน้ำหนักระหว่าง ความคล่องตัว กับ ประสิทธิภาพ – ช่วงแรก ๆ ความคล่องตัวสำคัญ อย่าเพิ่งรวมจนเทอะทะ แต่เมื่อถึงจุดที่ส่วนประกอบเริ่มลงตัว การรวมกันจะเพิ่มประสิทธิภาพและลดต้นทุนได้ เมื่อนั้นก็ถึงเวลาของ Consolidation
4. เตรียมรับการเปลี่ยนแปลงอยู่เสมอ: ในยุค AI สิ่งเดียวที่แน่นอนคือความไม่แน่นอน เครื่องมือหรือแพลตฟอร์มที่เราพึ่งพาอยู่วันนี้ พรุ่งนี้อาจถูกแทนที่ด้วยของใหม่ที่ดีกว่า หรือบริษัทเจ้าของแพลตฟอร์มนั้นอาจถูกซื้อกิจการ ทำให้เงื่อนไขการใช้งานเปลี่ยนไป คำแนะนำ: อย่าหยุดอยู่กับที่ คอยติดตามข่าวสารความเคลื่อนไหวของอุตสาหกรรม (เช่น อ่านรายงานแนวโน้ม เทคโนโลยีใหม่ กฎหมายใหม่) ปรับแผนกลยุทธ์แบบ dynamic ไม่ใช่ทำครั้งเดียวแล้ววางบนหิ้ง ผู้นำยุคใหม่ควรมี Plan B และ Plan C เสมอ เผื่อทางเลือกไว้เมื่อมีการเปลี่ยนแปลงฉับพลัน จะได้ “กระโดด” เปลี่ยนทิศได้ทันท่วงที
ท้ายที่สุดนี้ สิ่งที่สำคัญไม่แพ้กลยุทธ์ใด ๆ คือ “ความกล้า” กล้าที่จะคิดใหญ่และลงมือทำอย่างรวดเร็วแบบก้าวกระโดด หลายองค์กรติดกับดักความสำเร็จในอดีตของตนเอง กลัวการเปลี่ยนแปลงเพราะกลัวล้มเหลว แต่ในยุค AI การไม่ยอมเปลี่ยนคือความเสี่ยงที่ใหญ่ที่สุด ดังนั้นจงปลูกฝังความกล้าที่จะทดลองสิ่งใหม่ กล้าที่จะร่วมมือกับคนที่แตกต่าง และกล้าที่จะปฏิรูปสิ่งเก่าเมื่อถึงเวลา