Change Management: พาทีมใช้ AI โดยไม่มีใครถูกทิ้ง

วิธีพาทีมเปลี่ยนมาใช้ AI ด้วยโมเดล ADKAR ตั้งแต่สร้างความเข้าใจ ลดความกลัว ฝึกทักษะ ไปจนถึงทำให้การเปลี่ยนแปลงอยู่ได้นาน โดยไม่ทิ้งใครไว้ข้างหลัง

บริษัทซื้อบัญชี AI ให้พนักงานทุกคนตั้งแต่ต้นไตรมาส ผ่านไปสามเดือน ผู้บริหารเปิดรายงานการใช้งานแล้วพบว่า มีคนใช้จริงจังอยู่ไม่กี่คนในทีมการตลาด ส่วนอีกหลายคนเปิดใช้ครั้งเดียวแล้วไม่กลับมาอีกเลย พอลองคุยกันตรงๆ คำตอบที่ได้หลากหลาย บางคนไม่รู้จะเริ่มยังไง บางคนกลัวว่าใช้เก่งแล้วจะถูกลดคน บางคนเคยลองแล้ว AI ตอบผิดจนไม่เชื่ออีก ปัญหาจึงไม่ได้อยู่ที่เครื่องมือ แต่อยู่ที่การพาคนเปลี่ยน ซึ่งเป็นงานที่ต้องวางแผนไม่ต่างจากการเลือกเทคโนโลยี

Change Management คืออะไร

Change Management คือการวางแผนและดูแลด้านคนของการเปลี่ยนแปลง เพื่อให้คนในองค์กรยอมรับ เข้าใจ และใช้วิธีทำงานใหม่ได้จริง หนึ่งในกรอบที่ใช้กันแพร่หลายคือโมเดล ADKAR ของ Prosci ซึ่งมองว่าการเปลี่ยนแปลงขององค์กรเกิดขึ้นทีละคน และแต่ละคนต้องผ่าน 5 องค์ประกอบ

• Awareness: เข้าใจว่าทำไมต้องเปลี่ยน
• Desire: เลือกที่จะมีส่วนร่วมและสนับสนุน
• Knowledge: รู้ว่าต้องทำอย่างไร
• Ability: ทำได้จริงในงานประจำวัน
• Reinforcement: มีสิ่งที่ช่วยให้ไม่กลับไปทำแบบเดิม

Prosci อธิบายว่าองค์ประกอบเหล่านี้เป็นลำดับแต่ไม่ใช่เส้นตรง และให้โฟกัสที่องค์ประกอบแรกที่ยังติดอยู่ ซึ่งช่วยให้รู้ว่าควรแก้ตรงไหนก่อน

ใช้ ADKAR กับการนำ AI เข้ามาในทีม

Awareness: เล่าเหตุผลให้ชัด

บอกตรงๆ ว่าบริษัทนำ AI มาใช้เพื่ออะไร เช่น ลดงานเอกสารซ้ำๆ ให้ทีมมีเวลากับลูกค้ามากขึ้น ถ้าไม่พูดเรื่องนี้ คนจะเติมช่องว่างด้วยความกลัวเอง

Desire: ตอบคำถามว่าแล้วฉันได้อะไร

ความกลัวถูกแทนที่เป็นเรื่องจริงที่ต้องคุย ไม่ใช่ปัดตก ผู้นำควรบอกให้ชัดเท่าที่บอกได้ว่าแผนกับบทบาทของคนคืออะไร และชี้ให้เห็นประโยชน์ต่อการทำงานของแต่ละคน อ่านมุมมองเพิ่มเติมได้ใน AI จะแย่งงานเราจริงมั้ย

Knowledge: สอนจากงานจริง ไม่ใช่จากทฤษฎี

แทนการอบรมรวมเรื่อง AI ทั่วไป ให้สอนตาม Use Case ของแต่ละทีม เช่น ฝ่ายบัญชีใช้ AI กระทบยอด ฝ่ายขายใช้ร่างอีเมลติดตามลูกค้า พร้อมสอนพื้นฐานการเขียน Prompt เช่น คอร์ส เรียนรู้ Prompt Engineering เพื่อสื่อสารกับ AI อย่างมีประสิทธิภาพ

Ability: ให้เวลาฝึกและมีคนช่วย

จัดช่วงเวลาให้ลองใช้ในงานจริงโดยไม่ถูกกดดันเรื่องผลงาน และตั้ง AI Champion ในแต่ละทีม เป็นเพื่อนร่วมงานที่ถนัดและยินดีช่วยตอบคำถาม ซึ่งมักได้ผลกว่าการส่งคำถามไปหาฝ่าย IT

Reinforcement: ทำให้การเปลี่ยนแปลงอยู่ต่อ

แชร์เรื่องสำเร็จเล็กๆ ในที่ประชุมประจำสัปดาห์ ปรับขั้นตอนงานให้ AI เป็นส่วนหนึ่งของกระบวนการ และรับฟังปัญหาอย่างต่อเนื่อง

ทำยังไงไม่ให้ใครถูกทิ้ง

• ออกแบบการเรียนรู้หลายระดับ ทั้งคนเริ่มจากศูนย์และคนที่ใช้คล่องแล้ว
• จับคู่คนที่ถนัดเทคโนโลยีกับคนที่มีประสบการณ์งานลึก ทั้งสองฝ่ายได้เรียนรู้จากกัน
• วัดผลจากงานที่ดีขึ้น ไม่ใช่จากจำนวนครั้งที่เปิดใช้ AI
• เปิดพื้นที่ปลอดภัยให้พูดว่า "ไม่เข้าใจ" ได้โดยไม่ถูกมองว่าตามไม่ทัน

เทคโนโลยีเปลี่ยนได้ในวันเดียว แต่คนต้องการเวลา ความเข้าใจ และใครสักคนที่เดินไปด้วยกัน

ข้อควรระวัง

• อย่าบังคับใช้ AI ทุกงานพร้อมกัน เริ่มจากงานที่เห็นประโยชน์ชัดก่อน
• อย่าใช้สถิติการใช้งาน AI เป็นตัวชี้วัดผลงานรายบุคคลตั้งแต่แรก เพราะจะทำให้คนใช้แบบเอาตัวเลข
• การเปลี่ยนแปลงที่กระทบสภาพการจ้างงาน ควรปรึกษาฝ่ายบุคคลและผู้เชี่ยวชาญด้านกฎหมายแรงงาน

เริ่มต้นยังไง

1. คุยกับทีมแบบเปิดใจ ถามว่ากังวลอะไรและอยากให้ AI ช่วยงานไหน
2. เลือก Use Case แรก 1 ถึง 2 งานต่อทีม
3. ตั้ง AI Champion และจัดเวลาฝึกในงานจริง
4. วางกติกาการใช้อย่างปลอดภัย อ่านแนวทางได้ใน AI Governance สำหรับ SME
5. ทบทวนผลทุกเดือน แล้วขยายไปงานถัดไป

อยากวัดว่าการอบรมคุ้มค่าไหม อ่าน วัด ROI ของการเทรนพนักงาน และให้ทีมเลือกเรียนทักษะ AI ตามจังหวะของตัวเองได้ที่ Plants.work Learn