AI in HR: เมื่อ AI เข้ามาเปลี่ยนวิธีทำงานของ HR

หลายองค์กรเริ่มนำ AI มาใช้ในงาน HR แล้ว แม้บางครั้งอาจยังไม่ได้เรียกสิ่งที่กำลังทำอยู่ว่าเป็นกลยุทธ์ AI อย่างเต็มรูปแบบ Recruiter อาจใช้ AI ช่วยร่าง Job Description หรือจัดโครงสร้างคำถามสัมภาษณ์ ทีม Learning อาจใช้ช่วยสรุปและปรับเนื้อหา ขณะที่ HR Operations อาจใช้ Chatbot ตอบคำถามนโยบายหรือช่วยค้นหาข้อมูลให้พนักงาน

บางองค์กรเริ่มใช้เทคโนโลยีเพื่อช่วยสรุป Dashboard ระบุแนวโน้มด้าน Workforce แนะนำ Learning Content หรือจับคู่พนักงานกับโอกาสภายในองค์กร Use Case เหล่านี้ช่วยลดเวลาและภาระงานได้จริง แต่คำถามสำคัญไม่ได้มีเพียงว่า AI สามารถทำอะไรให้ HR ได้บ้าง

องค์กรยังต้องตอบให้ได้ว่างานใดเหมาะกับ AI ข้อมูลใดนำมาใช้ได้ ผลลัพธ์ส่วนใดต้องมีคนตรวจสอบ ใครรับผิดชอบเมื่อคำแนะนำไม่ถูกต้อง และจะวัดอย่างไรว่า AI สร้างคุณค่าจริง

การเปลี่ยนแปลงที่สำคัญจึงไม่ได้อยู่ที่การให้ AI ทำงานแทน HR ทุกอย่าง แต่อยู่ที่การออกแบบวิธีทำงานใหม่ให้เทคโนโลยีและมนุษย์ทำหน้าที่ในส่วนที่เหมาะสม

HR Pain Point  ↓  Relevant AI Use Case  ↓  Trusted Data  ↓  Human Review  ↓  Responsible Action  ↓  Measurable Outcome

เมื่อ AI กลายเป็นส่วนหนึ่งของงาน HR

AI in HR คือการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้สนับสนุนกระบวนการ HR การวิเคราะห์ข้อมูล และประสบการณ์ของพนักงาน เทคโนโลยีที่เกี่ยวข้องอาจรวมถึง Machine Learning, Natural Language Processing, Generative AI, Recommendation Systems และเครื่องมือวิเคราะห์ข้อมูล

HR ไม่จำเป็นต้องเข้าใจรายละเอียดทางเทคนิคทั้งหมดก่อนเริ่มต้น สิ่งสำคัญกว่าคือการเข้าใจว่าเทคโนโลยีช่วยงานในระดับใด และจุดใดยังต้องใช้การตรวจสอบจากมนุษย์

Assist ช่วยเตรียมงานเบื้องต้น ขณะที่ Recommend เสนอข้อมูลประกอบการพิจารณา และ Automate ดำเนินขั้นตอนที่กำหนดไว้ งานที่มีผลกระทบสูงต่อพนักงานควรมีจุดตรวจสอบ การอนุมัติ และ Escalation ที่ชัดเจน

แตกต่างจาก HR Automation อย่างไร?

ตัวอย่าง Automation คือการส่งอีเมลต้อนรับเมื่อสถานะการจ้างเปลี่ยน ส่วน AI อาจช่วยปรับเนื้อหาให้เหมาะกับบทบาท สรุปข้อมูล Check-In หรือแนะนำ Learning ตาม Skills Gap ทั้งสองแนวทางสามารถทำงานร่วมกันได้

AI ช่วยงาน HR ด้านใดได้บ้าง?

AI สร้างประโยชน์อะไรให้องค์กร?

• ลดเวลาในงาน Administrative และงานซ้ำ
• ช่วยค้นหาและสรุปข้อมูลได้เร็วขึ้น
• ทำให้ Workflow มีความสม่ำเสมอ
• เพิ่มความสะดวกของ Employee Self-Service
• ช่วย Recruiter และ Manager เตรียมข้อมูลเร็วขึ้น
• ปรับ Learning และ Career Experience ให้เหมาะกับแต่ละบุคคล
• ช่วยระบุ Pattern หรือ Exception จากข้อมูลจำนวนมาก
• ทำให้ HR มีเวลาเพิ่มสำหรับงานที่ต้องใช้ Judgment และ Human Interaction

คุณค่าไม่ได้เกิดจากการมีเครื่องมือมากที่สุด แต่เกิดจากการเลือกใช้เทคโนโลยีกับงานที่เหมาะสม ประสิทธิภาพที่เพิ่มขึ้นควรนำไปสู่ผลลัพธ์ เช่น การตอบคำถามเร็วขึ้น ลด Rework เพิ่มคุณภาพข้อมูล หรือทำให้ HR มีเวลาให้กับพนักงานและผู้บริหารมากขึ้น

ความเสี่ยงและการใช้ AI อย่างรับผิดชอบ

Data Privacy

ไม่ควรนำ Resume, Compensation, Performance หรือ Employee Feedback ไปใช้กับเครื่องมือที่ไม่ได้รับอนุมัติ

Accuracy

Generative AI อาจสร้างคำตอบที่ดูน่าเชื่อถือแต่ไม่ถูกต้อง จึงต้องใช้แหล่งข้อมูลที่ได้รับอนุมัติและการตรวจสอบ

Bias and Fairness

ข้อมูลในอดีตอาจสะท้อนความไม่สมดุล ระบบจึงต้องใช้เกณฑ์ที่เกี่ยวข้องกับงานและได้รับการตรวจความเป็นธรรม

Transparency

พนักงานควรได้รับข้อมูลที่เหมาะสมว่า AI ถูกใช้ในขั้นตอนใด โดยเฉพาะเมื่อประมวลผลข้อมูลส่วนบุคคล

Accountability

แม้ระบบสร้างคำแนะนำ ผู้รับผิดชอบในองค์กรยังต้องตรวจ อนุมัติ และรับผิดชอบต่อผลลัพธ์สุดท้าย

Human Oversight ต้องอยู่ตรงไหน?

การระบุเพียงว่ามี Human in the Loop ยังไม่เพียงพอ องค์กรควรกำหนดว่าใครตรวจอะไร การตัดสินใจใดต้องอนุมัติ และกรณีใดต้อง Escalate

ระดับการกำกับดูแลควรเพิ่มขึ้นตามผลกระทบ การร่างประกาศทั่วไปอาจใช้การตรวจเนื้อหาปกติ แต่คำแนะนำด้านการจ้าง Performance หรือ Career Opportunity ต้องมีเกณฑ์ชัดเจน Fairness Review และผู้รับผิดชอบที่อธิบายการตัดสินใจได้

วิธีเริ่มต้นใช้ AI ในงาน HR

1. เริ่มจากHR Pain Point

เลือกปัญหาชัดเจน เช่น คำถามซ้ำ งานร่างเอกสาร หรือความล่าช้าในการค้นหาข้อมูล

2. เลือกUse Case ที่ความเสี่ยงเหมาะสม

เริ่มจาก Draft, Summarize, Search หรือ Organize ก่อนงานที่มีผลโดยตรงต่อการจ้างและประเมินบุคคล

3. ระบุข้อมูลและสิทธิ์การเข้าถึง

ตรวจว่าใช้ข้อมูลใด ใครเข้าถึงได้ และเครื่องมือได้รับอนุมัติหรือไม่

4. กำหนดHuman Review

ระบุจุดตรวจ แก้ไข อนุมัติ หรือ Escalate และผู้รับผิดชอบสุดท้าย

5. ทดลองกับกลุ่มขนาดเล็ก

ทดสอบ Quality, Accuracy, Workflow, User Experience และความเสี่ยงก่อนขยาย

6. วัดคุณค่าและความเสี่ยง

วัดประสิทธิภาพ คุณภาพ Adoption Fairness และ Incident ไม่ใช่แค่จำนวนผู้ใช้

7. ขยายเฉพาะสิ่งที่สร้างผลลัพธ์

ขยายเมื่อมีหลักฐาน Business Value และ Control ทำงานได้เหมาะสม

ควรวัดผลอย่างไร?

จำนวน Prompt หรือจำนวนผู้เข้าสู่ระบบเพียงอย่างเดียวไม่สามารถพิสูจน์ว่า AI ช่วยให้งานดีขึ้น ควรตรวจทั้งเวลาที่ประหยัด คุณภาพคำตอบ การแก้ไขโดยมนุษย์ ประสบการณ์ผู้ใช้ และเหตุการณ์ความเสี่ยง

AI ที่ดีไม่ใช่ AI ที่ทำแทนทุกอย่าง

ความสำเร็จของ AI ไม่ได้วัดจากจำนวนขั้นตอนที่ระบบทำแทนมนุษย์ บางงานควรเป็นอัตโนมัติเพราะขั้นตอนชัดและความเสี่ยงต่ำ บางงานเหมาะกับการให้ AI เตรียมข้อมูลหรือเสนอทางเลือกแล้วให้คนตรวจสอบ

งานส่วนใดควรให้ AI สนับสนุน และจุดใดต้องใช้บริบท ความรับผิดชอบ และการตัดสินใจของมนุษย์?

งาน HR หลายประเภทต้องอาศัยการฟัง ความไว้วางใจ ความเข้าใจบริบท และ Accountability องค์กรที่แบ่งบทบาทระหว่างเทคโนโลยีกับมนุษย์ได้ชัดเจนจะเพิ่มประสิทธิภาพโดยไม่ลดคุณภาพ ความเป็นธรรม หรือความไว้วางใจ

สรุป

AI in HR คือการนำปัญญาประดิษฐ์มาสนับสนุนกระบวนการ HR การวิเคราะห์ข้อมูล และประสบการณ์ของพนักงาน เทคโนโลยีช่วยลดงานซ้ำ สรุปและค้นหาข้อมูล แนะนำเนื้อหา ระบุ Pattern และสนับสนุน Workflow ใน Recruiting, HR Service, Learning, Performance, Talent และ People Analytics

อย่างไรก็ตาม องค์กรต้องกำหนด Use Case, ข้อมูล, สิทธิ์ Human Review, Fairness, Accountability และวิธีวัดผลให้ชัดเจน เมื่อ AI รับผิดชอบงานที่เหมาะสมและมนุษย์ยังดูแลบริบท ความเป็นธรรม และการตัดสินใจสำคัญ HR จะทำงานเร็วขึ้นโดยไม่ลดคุณค่าของ Human Judgment และ Human Interaction