Change management

Change management คือการบริหารจัดการด้านคนและกระบวนการทำงานเวลาองค์กรมีการเปลี่ยนแปลงครั้งใหญ่ ไม่ใช่แค่การติดตั้งระบบหรือซื้อ license เครื่องมือใหม่แล้วจบ บริษัท Prosci ซึ่งเป็นบริษัทวิจัยและฝึกอบรมด้าน change management นิยามคำนี้ว่าเป็นกรอบการทำงานที่ช่วยเตรียมความพร้อม ให้เครื่องมือ และประคับประคองพนักงานแต่ละคนให้ผ่านการเปลี่ยนแปลงไปจนถึงจุดที่ยอมรับและใช้สิ่งใหม่จริง Prosci อธิบายว่าการเปลี่ยนแปลงต้องบริหารอย่างน้อยสองระดับ ระดับแรกคือระดับบุคคล ใช้โมเดล ADKAR ที่ Jeff Hiatt ผู้ก่อตั้ง Prosci พัฒนาขึ้น ประกอบด้วย Awareness รู้ว่าทำไมต้องเปลี่ยน, Desire อยากมีส่วนร่วมและสนับสนุนการเปลี่ยนแปลง, Knowledge รู้วิธีเปลี่ยน, Ability ลงมือทำได้จริง และ Reinforcement รักษาพฤติกรรมใหม่ให้อยู่ต่อ ระดับที่สองคือระดับโครงการหรือองค์กร ใช้ 3-Phase Process ของ Prosci ที่แบ่งเป็นเตรียมแนวทาง (Prepare Approach) จัดการการเปลี่ยนแปลง (Manage Change) และรักษาผลลัพธ์ให้ยั่งยืน (Sustain Outcomes) ข้อควรระวังคือ Prosci เป็นบริษัทที่ขายหลักสูตรและใบรับรองด้านนี้เอง กรอบนี้จึงเป็นกรอบเชิงพาณิชย์ที่ใช้กันแพร่หลายในวงการ ไม่ใช่มาตรฐานกลางที่มีหน่วยงานอิสระรับรอง เมื่อองค์กรเอา llm หรือเครื่องมืออย่าง chatgpt-enterprise และ microsoft-copilot เข้ามาใช้งานจริง change management คือส่วนที่ดูแลให้คนในองค์กรเข้าใจเหตุผล มีความรู้พอใช้เป็น และใช้ต่อเนื่องจนกลายเป็นนิสัยการทำงานใหม่ ไม่ใช่แค่แจกบัญชีผู้ใช้แล้วปล่อยให้ต่างคนต่างลองเอง

หลักฐานที่ชี้ว่าเรื่องนี้สำคัญแค่ไหนมาจากงานสำรวจฝั่งผู้บริหารหลายชิ้น BCG สำรวจผู้บริหารระดับ C-level และผู้บริหารระดับสูง 1,000 คน ใน 59 ประเทศแถบเอเชีย ยุโรป และอเมริกาเหนือ ครอบคลุมกว่า 20 sector เผยแพร่เมื่อ 24 ตุลาคม 2024 พบว่า 74% ของบริษัทที่ตอบแบบสำรวจยังไม่เห็นมูลค่าทางธุรกิจที่จับต้องได้จาก AI และมีแค่ 26% ที่พัฒนาความสามารถได้พอจะข้ามพ้นขั้น proof of concept ไปสร้างมูลค่าที่จับต้องได้จริง ส่วนที่เกี่ยวกับ change management โดยตรงคือ BCG ประเมินว่าอุปสรรคในการขยายผล AI ให้ scale ได้ราว 70% มาจากปัญหาด้านคนและกระบวนการทำงาน อีก 20% มาจากปัญหาด้านเทคโนโลยี และมีแค่ 10% เท่านั้นที่มาจากตัวอัลกอริทึม AI เอง ทั้งที่ BCG ระบุว่าส่วน 10% นี้มักกินเวลาและทรัพยากรขององค์กรไปมากเกินสัดส่วน องค์กรที่ BCG จัดเป็นผู้นำด้าน AI ทำกลับกัน คือลงทรัพยากร 10% ไปที่อัลกอริทึม 20% ไปที่เทคโนโลยีและข้อมูล และ 70% ไปที่คนกับกระบวนการ โดย BCG ระบุ change management เป็นหนึ่งในความสามารถด้านคนและกระบวนการที่แยกองค์กรผู้นำออกจากองค์กรที่ตามหลัง คู่กับการพัฒนาผลิตภัณฑ์ การปรับ workflow การหาและพัฒนาบุคลากรด้าน AI และ governance ตัวเลขชุดนี้เก็บในปี 2024 ซึ่งถือว่าเก่าแล้วสำหรับเรื่อง AI ต่อมา BCG สำรวจผู้บริหารและผู้ตัดสินใจด้าน AI 1,250 คนอีกครั้ง เผยแพร่เมื่อ 30 กันยายน 2025 พบว่ามีเพียง 5% ขององค์กรที่ไปถึงขั้นที่ BCG เรียกว่า future-built คือสร้างมูลค่าจาก AI ได้เต็มที่ อีก 35% กำลังขยายผลและเริ่มเห็นมูลค่า ส่วน 60% ที่เหลือยังได้ผลด้านรายได้และต้นทุนน้อยมากและยังไม่มีความสามารถพอจะขยายผล AI ข้อมูลที่ใหม่กว่านั้นขยับไปบ้างแล้ว BCG สำรวจซีอีโอของบริษัทที่มีรายได้ตั้งแต่ 500 ล้านดอลลาร์ขึ้นไป 152 คน เผยแพร่เมื่อ 22 กรกฎาคม 2026 พบว่าเกือบเก้าในสิบเริ่มเห็นผลด้านต้นทุนหรือรายได้จาก AI ในงานเฉพาะจุดแล้ว แต่ส่วนใหญ่ยังขยายผลให้กระทบตัวเลขของทั้งบริษัทไม่ได้ จุดที่ตรงกับเรื่อง change management คือซีอีโอ 55% ระบุว่าการออกแบบงานของคนใหม่เป็นอุปสรรคสำคัญ ขณะที่มีแค่ 30% ที่ดึง HR เข้ามาร่วมกำกับดูแล AI เทียบกับ 82% ที่ดึงฝ่ายเทคโนโลยีเข้ามา ผลสำรวจ The State of AI in 2025 ของ McKinsey ซึ่งเก็บข้อมูลจากผู้ตอบแบบสำรวจ 1,993 คนใน 105 ประเทศ ระหว่าง 25 มิถุนายนถึง 29 กรกฎาคม 2025 ก็ชี้ไปทางเดียวกัน กลุ่มที่ McKinsey เรียกว่า AI high performers หมายถึงองค์กรที่รายงานว่าได้มูลค่าจาก AI อย่างมีนัยสำคัญ และมีสัดส่วนกำไรก่อนดอกเบี้ยและภาษี (EBIT) มากกว่า 5% ที่มาจากการใช้ AI ซึ่งเป็นกลุ่มเล็กราว 6% ของผู้ตอบแบบสำรวจทั้งหมด กลุ่มนี้รายงานว่ารื้อออกแบบ workflow ใหม่ทั้งกระบวนการมากกว่าองค์กรอื่นถึง 2.8 เท่า คือ 55% เทียบกับ 20% แทนที่จะแค่เอา AI ไปแปะทับกระบวนการเดิม ข้อควรระวังคือตัวเลขทั้งหมดนี้เป็นสิ่งที่องค์กรรายงานเอง และเป็นความสัมพันธ์ที่พบร่วมกัน ยังไม่ใช่หลักฐานว่าการรื้อ workflow เป็นสาเหตุที่ทำให้กำไรเพิ่ม

คนทำงานมักเจอคำนี้ตอนองค์กรเพิ่งซื้อ license เครื่องมือ AI มาแจกพนักงานแล้วผลลัพธ์ไม่ขยับตามที่คาดหวังไว้ ทีม Project NANDA ของ MIT Media Lab เผยแพร่รายงานเรื่อง "The GenAI Divide: State of AI in Business 2025" เมื่อกรกฎาคม 2025 โดยเก็บข้อมูลจากการทบทวนโครงการ AI ที่เปิดเผยต่อสาธารณะกว่า 300 โครงการ การสัมภาษณ์แบบมีโครงสร้างราว 50 ครั้ง และแบบสำรวจผู้บริหารระดับสูง 153 คน รายงานระบุว่าราว 95% ขององค์กรที่ลงทุนกับ generative AI ยังไม่เห็นผลตอบแทนที่วัดเป็นตัวเลขกำไรขาดทุนได้ มีเพียงราว 5% ที่ดันโครงการนำร่องขึ้นใช้งานจริงจนเห็นมูลค่าทางธุรกิจ รายงานสรุปว่าสาเหตุหลักอยู่ที่ช่องว่างด้านการเรียนรู้ ไม่ได้อยู่ที่คุณภาพของตัวโมเดล คือเครื่องมือที่ซื้อมาไม่จดจำบริบทและไม่ปรับตัวเข้ากับ workflow ขององค์กร ตัวเลข 95% นี้ต้องอ่านอย่างระวังหลายชั้น รายงานเป็นผลเบื้องต้นที่ทีม NANDA เผยแพร่เอง ยังไม่ผ่าน peer review ผู้เขียนเองระบุว่าเป็นภาพสะท้อนเชิงทิศทางมากกว่าการวัดตลาดแบบสมบูรณ์ ฐานข้อมูลมีขนาดเล็กและใช้ช่วงสังเกตการณ์ราวหกเดือนหลังเริ่ม pilot อีกจุดที่สับสนกันบ่อยคือในรายงานมีเลข 5% อยู่สองชุดที่ความหมายไม่เหมือนกัน ชุดแรกคือราว 5% ของโครงการนำร่องที่สร้างมูลค่าได้จริง ซึ่งเป็นด้านกลับของตัวเลข 95% ส่วนอีกชุดคือ 5% ของเครื่องมือ AI ที่องค์กรพัฒนาขึ้นใช้เองแล้วขึ้นระบบใช้งานจริงได้ ซึ่งเป็นสถิติอัตราการ deploy คนละตัวกัน มาจากเส้นทางที่รายงานระบุว่า 60% ขององค์กรเคยประเมินระบบระดับองค์กร 20% ไปถึงขั้นนำร่อง และเหลือ 5% ที่ขึ้นใช้งานจริง พาดหัวข่าวจำนวนมากเอาสองตัวนี้มาปนกัน รายงานฉบับเดียวกันยังพบว่าพนักงานจำนวนมากใช้เครื่องมือ AI ส่วนตัวทำงานได้ผลอยู่แล้วนอกโครงการทางการ จึงไม่ควรอ่านตัวเลขนี้ว่า AI ใช้ไม่ได้ผลในองค์กร แต่ควรอ่านว่าโครงการที่ไม่แตะกระบวนการทำงานเดิมมักวัดผลตอบแทนไม่ได้ ซึ่งเป็นทิศทางเดียวกับข้อมูลของ BCG และ McKinsey อีกจุดที่ต้องระวังคือถ้าองค์กรไม่วาง change management ให้ชัด พนักงานที่อยากได้ผลลัพธ์เร็วมักหันไปใช้เครื่องมือ AI เองนอกกระบวนการที่ IT รับรู้ กลายเป็นปัญหา shadow-ai ซึ่งควบคุมความเสี่ยงด้านข้อมูลยากกว่าการมี ai-policy ที่ทุกคนรับรู้ตั้งแต่ต้น

ตัวอย่างจากบทสนทนาจริง

ผู้บริหารสายปฏิบัติการ: "เราซื้อ license Microsoft Copilot ให้พนักงานทั้งบริษัทไปตั้งแต่ต้นปี ทำไมตัวเลข productivity ยังไม่ขยับตามที่คาดไว้เลยครับ"

ที่ปรึกษาด้าน AI: "เพราะแจก license อย่างเดียวยังไม่ใช่ change management ครับ ต้องดูด้วยว่าทีมรู้หรือยังว่าทำไมต้องเปลี่ยนวิธีทำงาน มีความรู้พอใช้เป็นไหม แล้วที่สำคัญคือขั้นตอนงานเดิมถูกออกแบบใหม่ให้ AI เข้าไปแทรกอยู่ในนั้นจริงหรือยัง ผลสำรวจของ BCG ปี 2024 ประเมินว่าอุปสรรคของการขยายผล AI ราว 70% มาจากเรื่องคนและกระบวนการทำงาน ส่วนที่มาจากตัวอัลกอริทึมมีแค่ราว 10% ครับ"

ระวังสับสนกับ

• upskilling : เป็นแค่ส่วนหนึ่งของ change management คือการฝึกความรู้และทักษะให้พนักงานใช้เครื่องมือใหม่เป็น ส่วน change management ครอบคลุมกว้างกว่านั้น ตั้งแต่การสื่อสารเหตุผลของการเปลี่ยนแปลง การออกแบบ workflow ใหม่ ไปจนถึงการรักษาพฤติกรรมใหม่ให้อยู่ต่อหลังอบรมจบแล้ว
• ai-readiness : ประเมินว่าองค์กรมีข้อมูล โครงสร้างพื้นฐาน และทักษะพื้นฐานพร้อมจะเริ่มโครงการ AI หรือยัง เป็นการเช็คก่อนเริ่มงาน ส่วน change management คือกระบวนการที่ทำงานต่อเนื่องระหว่างและหลังเริ่มใช้งานจริง
• ai-roi : เป็นตัวชี้วัดผลตอบแทนทางธุรกิจที่ได้กลับมาจากการลงทุนด้าน AI ส่วน change management คือชุดวิธีการที่ช่วยให้มีโอกาสวัด ROI ได้จริง เพราะทำให้คนในองค์กรใช้เครื่องมือจนเกิดผลลัพธ์ที่วัดได้