สารบัญ
เมื่อเดือนที่แล้ว เราได้จัดอบรมด้านปัญญาประดิษฐ์ (AI) ภายในองค์กรเป็นเวลาสองวัน สรีสกี้.
พูดตามตรง ตอนแรกๆ ภายในบริษัทมีความคิดเห็นที่แตกต่างกัน บางคนรู้สึกว่า ด้วยตารางงานที่แน่นเอี้ยดของเรา การจัดสรรเวลาสองวันเพื่อเรียนรู้ AI อาจจะ “เพ้อฝันเกินไป” ในขณะที่บางคนก็กังวลว่า แม้ AI จะดูเป็นที่นิยมอย่างมาก แต่ก็อาจจะไม่สามารถนำไปใช้ได้จริงในการขายและการปฏิสัมพันธ์กับลูกค้า
แต่หลังจากผ่านไปสองวัน ความคิดเห็นของทุกคนก็ค่อนข้างสอดคล้องกัน: ไม่ใช่ว่ามันมีประโยชน์หรือไม่ แต่เป็นเพราะเรายังไม่รู้วิธีใช้มันมาก่อน
สิ่งที่ฉุดรั้งทีมขายไว้จริงๆ ไม่ใช่ความสามารถ แต่เป็นการบริหารจัดการเวลา
หากคุณเคยทำงานด้านการขายแบบ B2B คุณน่าจะเคยมีประสบการณ์แบบเดียวกันนี้:
เมื่อถึงสิ้นวัน เวลาที่ใช้ไปกับการ "ตัดสินใจของลูกค้า" และ "การดำเนินการตามคำสั่งซื้อ" นั้นมีจำกัดอย่างน่าประหลาดใจ
เวลาส่วนใหญ่ถูกแบ่งออกเป็นส่วนๆ ด้วยภารกิจเหล่านี้:
- ปรับเปลี่ยนน้ำเสียงและถ้อยคำของอีเมลซ้ำแล้วซ้ำเล่า
- การค้นหาข้อมูลลูกค้าในระบบต่างๆ
- ถูกขัดจังหวะขณะกำลังอ่านเอกสารผลิตภัณฑ์อยู่
- ได้รับคำถามมากมาย แต่จัดลำดับความสำคัญได้ไม่รวดเร็วพอ
หากพิจารณาแต่ละอย่างแยกกัน งานเหล่านี้ไม่ได้ซับซ้อนอะไร แต่เมื่อรวมกันแล้วจะทำให้จังหวะชีวิตประจำวันเสียไปอย่างสิ้นเชิง
จากการประเมินผลหลังการฝึกอบรม เราได้ข้อสรุปที่ค่อนข้างตรงไปตรงมาดังนี้:
ปัญหาไม่ได้อยู่ที่ประสิทธิภาพต่ำ แต่อยู่ที่ความหนาแน่นของการประมวลผลข้อมูลต่ำ
สิ่งที่ทำให้ AI แตกต่างอย่างแท้จริงไม่ใช่การ "แทนที่งาน" แต่เป็นการลดภาระงาน
ในระหว่างการฝึกอบรม เราไม่ได้เน้นที่แนวคิดเชิงทฤษฎี แต่เราได้ทำงานโดยตรงกับสถานการณ์ทางธุรกิจในโลกแห่งความเป็นจริง
ยกตัวอย่างเช่น การส่งอีเมลข้ามภาษา
ก่อนหน้านี้ เมื่อเพื่อนร่วมงานทางธุรกิจเขียนอีเมลเป็นภาษาเยอรมันหรือสเปน กระบวนการมาตรฐานคือ: ร่างเป็นภาษาจีน → แปล → ปรับน้ำเสียง → ตรวจสอบคำศัพท์ทางเทคนิค
เป็นเรื่องปกติที่จะต้องมีการแก้ไขไปมาหลายครั้ง และการส่งอีเมลเพียงฉบับเดียวมักใช้เวลา 30-40 นาที
ต่อมา เราได้เปลี่ยนไปใช้วิธีการที่แตกต่างออกไป โดยอนุญาตให้ AI เข้ามามีส่วนร่วมโดยตรงใน "การสร้างร่างแรก"
ข้อดีที่เห็นได้ชัดอย่างหนึ่งไม่ใช่เรื่องที่ว่ามัน "เร็วขึ้น" แต่เป็นเรื่องที่ว่าเราไม่ต้องเสียเวลาคิดมากเรื่องการเลือกใช้คำอีกต่อไป
คำติชมที่พบบ่อยที่สุดจากเพื่อนร่วมงานคือ “ในที่สุด ฉันก็ไม่ต้องจ้องมองประโยคเดียวแล้วคิดไตร่ตรองอยู่นานอีกต่อไปแล้ว”
ผลตอบรับจากลูกค้าก็ค่อนข้างตรงไปตรงมา บางรายถึงกับตอบกลับมาโดยเฉพาะว่า “การตอบกลับครั้งนี้มีความเป็นมืออาชีพและทันท่วงทีมากกว่าครั้งก่อน”
การเปลี่ยนแปลงนี้อาจดูไม่มากนัก แต่สำหรับธุรกิจการค้าระหว่างประเทศหรือทีม B2B ในต่างประเทศแล้ว ถือว่ามีความสำคัญอย่างมาก
การเปลี่ยนแปลงครั้งที่สองเกิดขึ้นในด้าน “การประมวลผลข้อมูลลูกค้า”
ในธุรกิจแบบ B2B งานที่ต้องใช้แรงงานมากที่สุดมักจะเป็นงานที่ดูเหมือน "แค่การจัดระเบียบเล็กน้อย"
ตัวอย่างเช่น:
- จัดลำดับความสำคัญของคำถามกลุ่มหนึ่ง
- การกรอกข้อมูลพื้นฐานของลูกค้าที่ขาดหายไป
- การเปรียบเทียบคุณสมบัติทางเทคนิคระหว่างเวอร์ชันต่างๆ
- การจัดหมวดหมู่ข้อเสนอแนะหลังการขายตามประเภทของปัญหา
งานเหล่านี้ไม่ได้ยาก แต่ใช้เวลานานและมีโอกาสเกิดข้อผิดพลาดได้ง่าย
เราได้ทำการทดลองระหว่างการฝึกอบรม:
เราป้อนคำถามจริงจำนวนหนึ่งและเอกสารผลิตภัณฑ์หลายสิบหน้าเข้าไปในระบบ AI โดยตรง และให้ทีมออกแบบขั้นตอนการประมวลผล
ผลลัพธ์ที่ชัดเจนอย่างหนึ่งก็คือ:
เนื้อหาที่เคยใช้เวลาครึ่งวันในการจัดระเบียบ ตอนนี้สามารถเปลี่ยนเป็น "เวอร์ชันที่ใช้งานได้" ในเวลาเพียงสิบกว่านาที ซึ่งรวมถึง:
- ลูกค้ากลุ่มใดบ้างที่ควรให้ความสำคัญเป็นอันดับแรก
- คำขอใดบ้างที่อาจก่อให้เกิดความเสี่ยง
- ข้อมูลใดที่ขาดหายไปอย่างชัดเจน
แน่นอนว่านี่ไม่ได้หมายความว่า AI จะ "ตัดสินใจ" โดยตรง แต่ AI จะจัดระเบียบข้อมูลที่กระจัดกระจายอยู่ก่อนหน้านี้ให้เป็นรูปแบบที่มีโครงสร้างก่อน จากนั้นมนุษย์จึงทำการตัดสินใจขั้นสุดท้าย
ความแตกต่างนี้มีความสำคัญมากในงานประจำวัน:
AI ไม่ได้ตัดสินใจแทนคุณ แต่ช่วยลดเวลาที่คุณใช้ในการ "ค้นหาข้อมูล"
การเปลี่ยนแปลงประการที่สามน่าสนใจยิ่งกว่า นั่นคือ ทุกคนเริ่มสร้างเวิร์กโฟลว์ของตนเอง
ในวันสุดท้ายของการฝึกอบรม เราขอให้ทุกคนลองทำภารกิจที่ค่อนข้าง "เปิดกว้าง" ดังนี้:
ระบุภารกิจที่ทำซ้ำมากที่สุดสามอย่างในกิจวัตรประจำวันของพวกเขา และหาวิธีเชื่อมโยงภารกิจเหล่านั้นเข้าด้วยกันโดยใช้ AI
ไม่มีข้อกำหนดด้านการเขียนโค้ด และไม่มีคำตอบตายตัว
ผลลัพธ์ที่ได้ค่อนข้างน่าสนใจ:
มีบุคคลหนึ่งได้เชื่อมโยงการวิจัยคู่แข่ง การเขียนรายงานประจำสัปดาห์ และการรายงานภายในเข้าไว้ในขั้นตอนการทำงานเดียว สิ่งที่เคยใช้เวลาหลายชั่วโมงต่อสัปดาห์ ตอนนี้สามารถทำเสร็จได้ภายในเวลาประมาณครึ่งชั่วโมง
บางบริษัทได้สร้าง “กระบวนการต้อนรับลูกค้าใหม่” ซึ่งประกอบด้วย:
- การจัดระเบียบข้อมูลพื้นหลังของบริษัทโดยอัตโนมัติ
- การดึงประเด็นสำคัญในการสื่อสาร
- เตรียมประเด็นสำคัญสำหรับการประชุมครั้งแรก
ทีมขายสังเกตว่าการเปลี่ยนแปลงที่เห็นได้ชัดที่สุดไม่ใช่เรื่องความเร็ว แต่เป็นเรื่องที่ "ไม่มีอะไรถูกมองข้ามอีกต่อไปแล้ว"
ประเด็นนี้สำคัญมากทีเดียว:
ปัญหาด้านประสิทธิภาพหลายอย่างไม่ได้เกิดจากความช้า แต่เกิดจากความไม่สม่ำเสมอ
การเปลี่ยนแปลงไม่ได้รุนแรงอย่างที่เราคาดคิดไว้ แต่ก็ค่อยเป็นค่อยไป
หลังจากการฝึกอบรม เราได้ทำการเปรียบเทียบอย่างง่าย ๆ ในช่วงระยะเวลาหนึ่งเดือน:
- เวลาในการประมวลผลอีเมลลดลงอย่างเห็นได้ชัด (เราคาดว่าลดลงประมาณ 60%)
- การคัดกรองคำถามรวดเร็วยิ่งขึ้น
- เวลาที่ใช้ในการจัดระเบียบข้อมูลด้วยตนเองลดลง
- อัตราข้อผิดพลาดก็ลดลงเล็กน้อยเช่นกัน
แต่สิ่งที่เห็นได้ชัดเจนยิ่งกว่าตัวเลขเหล่านี้ คือการเปลี่ยนแปลงในรูปแบบการทำงานของเรา
ในอดีต ทุกคนต่างยึดหลักการ “จัดการงานให้เสร็จก่อน แล้วค่อยหาข้อมูล”
ตอนนี้ สถานการณ์เปลี่ยนไปเป็นการ "ปล่อยให้ระบบจัดระเบียบข้อมูลก่อน จากนั้นค่อยจัดการกับงานนั้น"
การเปลี่ยนแปลงลำดับนี้ดูเล็กน้อย แต่ผลกระทบนั้นสำคัญมาก
ประเด็นหนึ่งที่มักถูกมองข้ามคือ ปัญญาประดิษฐ์ไม่ได้แค่เพิ่มประสิทธิภาพเท่านั้น แต่ยังเปลี่ยนแปลงโครงสร้างการทำงานอีกด้วย
ต่อมาเราได้หารือประเด็นภายในกัน:
หากเรามุ่งเน้นเฉพาะการเพิ่มประสิทธิภาพเพียงอย่างเดียว เราอาจประเมินผลกระทบของ AI ต่ำเกินไปได้
การเปลี่ยนแปลงที่สำคัญกว่านั้นได้แก่:
- ปัจจุบันผู้คนใช้เวลาส่วนใหญ่ไปกับการ “ตัดสิน” และ “การสื่อสาร”
- “งานด้านการจัดการ” และ “งานซ้ำซาก” กำลังค่อยๆ ลดลง
- การพึ่งพาข้อมูลของทีมได้เปลี่ยนแปลงไปแล้ว
กล่าวอีกนัยหนึ่ง ไม่ใช่ว่างานเฉพาะอย่างใดอย่างหนึ่งทำได้เร็วขึ้น แต่เป็นจุดเน้นของงานต่างหากที่เปลี่ยนไป
ข้อคิดสุดท้าย: AI ไม่ใช่ปัญหาของเครื่องมือ แต่เป็นปัญหาของกระบวนการ
ปัจจุบันหลายบริษัทพูดถึง AI กันมาก แต่เมื่อถึงขั้นตอนการนำไปใช้จริง พวกเขามักจะติดอยู่ที่จุดๆ หนึ่ง:
ไม่ใช่คำถามว่า "จะใช้หรือไม่" แต่เป็น "จะบูรณาการอย่างไร"
ประสบการณ์ของเราในครั้งนี้ค่อนข้างตรงไปตรงมา:
หาก AI เป็นเพียงเครื่องมือเดี่ยวๆ คุณค่าของมันก็จะมีจำกัด
แต่หากนำไปบูรณาการเข้ากับกระบวนการทำงาน มันจะค่อยๆ เปลี่ยนแปลงวิธีการทำงานของทีมไปทีละน้อย
นี่เป็นสิ่งที่จับต้องได้มากที่สุดจากการศึกษาครั้งนี้ สเรสกี้ เซสชั่นการฝึกอบรม