ครบเครื่องทั้งความกว้างและความลึกตามความต้องการ

ทุกคนถามว่า AI ชอบผู้เชี่ยวชาญเฉพาะด้าน หรือผู้เชี่ยวชาญแบบกว้าง มากกว่ากัน

ผมคิดว่านั่นเป็นคำถามที่ผิด

AI ไม่ได้เลือกข้าง มันเปลี่ยนสมดุลของข้อแลกเปลี่ยนนั้นต่างหาก

โลกเก่าบังคับให้เราเลือก คุณจะลงลึก หรือจะกว้าง ผู้เชี่ยวชาญเฉพาะด้าน (Specialist) มีความลึก พวกเขารู้จักผลิตภัณฑ์ หน้าที่การงาน โดเมน กระบวนการ กรณีขอบ และบทเรียนที่หามาได้ยาก ซึ่งได้จากการใช้ชีวิตอยู่ในพื้นที่ปัญหานั้นเป็นเวลานาน พวกเขาสามารถตอบคำถามยากๆ ในเส้นทางของตัวเองได้

ผู้เชี่ยวชาญแบบกว้าง (Generalist) มีขอบเขตที่กว้าง พวกเขาเชื่อมโยงจุดต่างๆ ระหว่างทีม ลูกค้า ตลาด หน้าที่ และโมเดลธุรกิจ พวกเขามองเห็นรูปแบบที่คนอื่นมองไม่เห็น พวกเขาสามารถแปลภาษาระหว่างกลุ่มที่ไม่ได้พูดภาษาเดียวกันโดยธรรมชาติ

ทั้งสองแบบมีคุณค่า

ทั้งสองแบบก็ไม่สมบูรณ์

ผู้เชี่ยวชาญเฉพาะด้านมักติดอยู่ในเส้นทางแคบๆ ของตัวเอง ผู้เชี่ยวชาญแบบกว้างมักขาดความลึกที่จะตัดสินใจในเรื่องสำคัญ ข้อแลกเปลี่ยนนั้นกำหนดโครงสร้างองค์กรสมัยใหม่มากกว่าที่เรายอมรับ

การออกแบบองค์กรจำนวนมากสร้างขึ้นจากขีดจำกัดของขอบเขตมนุษย์ ไม่มีใครคนเดียวที่จะมีบริบท ความเชี่ยวชาญ นโยบาย รายละเอียดทางเทคนิค ความละเอียดอ่อนของลูกค้า และวิจารณญาณมากพอที่จะทำให้งานที่ซับซ้อนดำเนินไปจนจบได้ ดังนั้น เราจึงสร้างการส่งต่องาน (Handoffs)

คนธุรกิจส่งต่อให้คนเทคนิค

คนเทคนิคส่งต่อให้คนผลิตภัณฑ์

คนผลิตภัณฑ์ส่งต่อให้คนกฎหมาย

คนกฎหมายส่งต่อให้ความปลอดภัย

ความปลอดภัยส่งต่อให้ไอที

ไอทีส่งกลับมาพร้อมกับความคิดเห็นสามข้อและคำเชิญประชุมหนึ่งรายการ

ดูซับซ้อนมาก และก็ช้ามากเช่นกัน

นั่นคือส่วนที่ AI เปลี่ยนแปลงมากที่สุด

AI ไม่ได้ทำให้ความเชี่ยวชาญเฉพาะด้านไร้ค่า มันไม่ได้ทำให้ทุกคนเป็นยอดอัจฉริยะแบบกว้างในทันที AI โจมตีภาษีของการส่งต่องาน (Handoff Tax)

มันให้ขอบเขตที่กว้างขึ้นกับผู้เชี่ยวชาญเฉพาะด้าน

มันให้ความลึกมากขึ้นกับผู้เชี่ยวชาญแบบกว้าง

มันช่วยให้คนจำนวนมากขึ้นสามารถทำงานได้ไกลขึ้น ก่อนที่มนุษย์คนอื่นจะต้องเข้ามาเกี่ยวข้อง

ส่วนสุดท้ายนั้นสำคัญ

เป้าหมายไม่ใช่การกำจัดผู้เชี่ยวชาญ เป้าหมายคือการหยุดใช้ผู้เชี่ยวชาญเป็นโครงสร้างพื้นฐานในการส่งต่องาน

AI เปลี่ยนวิธีการทำงานที่ควรจะเคลื่อนไหว

ยกตัวอย่างง่ายๆ: เนื้อหาส่งเสริมการขาย (Enablement Content)

ในโมเดลเก่า คนที่รับผิดชอบเนื้อหาอาจต้องรับข้อมูลจากฝ่ายผลิตภัณฑ์ กฎหมาย ไอที ความปลอดภัย ทีมส่งเสริมการขายภาคสนาม และอีกหลายทีม ก่อนที่งานจะเริ่มเป็นรูปเป็นร่าง คำอนุมัติบางส่วนก็จำเป็นจริงๆ คุณยังคงต้องให้ฝ่ายกฎหมายตรวจสอบในจุดที่กฎหมายกำหนด คุณยังคงต้องให้ฝ่ายความปลอดภัยตรวจสอบในจุดที่ความปลอดภัยกำหนด คุณยังคงต้องมีผู้เชี่ยวชาญผลิตภัณฑ์ตัวจริงเมื่อคำตอบนั้นสำคัญ

แต่การส่งต่อกันไปมาส่วนใหญ่ไม่ใช่การตัดสินใจ มันคือการแปลภาษา มันคือการตรวจสอบร่างแรก มันคือการระบุความเสี่ยงเบื้องต้น มันคือการขอให้คนอื่นคิดในสิ่งที่เจ้าของงานน่าจะทำได้ก่อนส่งต่อ

ด้วย AI เจ้าของเนื้อหานั้นควรจะทำอะไรได้มากกว่านั้น ก่อนที่จะให้คนอื่นเข้ามาเกี่ยวข้อง พวกเขาควรจะร่างเนื้อหา เปรียบเทียบกับนโยบาย ทดสอบข้อความ ระบุปัญหาทางกฎหมายที่อาจเกิดขึ้น ตรวจสอบข้อกล่าวอ้างทางเทคนิค และเตรียมแพ็คเกจอนุมัติที่สะอาดขึ้น

ผู้เชี่ยวชาญยังคงเป็นผู้อนุมัติ แต่ตอนนี้ผู้เชี่ยวชาญถูกใช้เพื่อการตัดสินใจ ไม่ใช่เพื่อการทำความสะอาด

นั่นคือการเปลี่ยนแปลง

AI ไม่ได้ขจัดความต้องการความลึก มันลดการพึ่งพาที่เกิดจากการไม่สามารถเข้าถึงความลึกได้ในทันที

ฟังดูเล็กน้อย แต่จริงๆ แล้วไม่ใช่ มันเปลี่ยนโมเดลการดำเนินงาน ถ้าคนมากขึ้นสามารถแบกบริบทได้มากขึ้น งานก็ไม่จำเป็นต้องผ่านจุดตรวจของมนุษย์จำนวนเท่าเดิม ถ้าการวิเคราะห์เบื้องต้นมีต้นทุนต่ำ ผู้เชี่ยวชาญไม่ควรเสียเวลากับการแก้ไขข้อมูลนำเข้าที่ยังดิบๆ ถ้าต้นทุนการประสานงานลดลง ทีมงานไม่ควรรักษาเส้นทางการส่งต่อแบบเก่าไว้เพียงเพราะมันคุ้นเคย

สิ่งที่เราเรียกว่าการทำงานร่วมกัน ส่วนใหญ่แล้วคือความหน่วงที่มารยาทดีกว่า

AI บังคับให้เราซื่อสัตย์กับเรื่องนั้นมากขึ้น

ผู้เชี่ยวชาญเฉพาะด้านยังคงมีความสำคัญ แต่ความลึกต้องการขอบเขต

นี่คือเหตุผลที่ผมไม่ซื้อข้อโต้แย้งง่ายๆ ว่าอนาคตเป็นของคนเก่งแบบกว้าง

ฟังดูดี แต่มันก็ไม่สมบูรณ์

คนเก่งแบบกว้างผิวเผินที่มี AI ก็ยังคงผิวเผิน เขาอาจจะแค่ผลิตความมั่นใจที่ไร้สาระได้เร็วขึ้น ซึ่งไม่ใช่การปฏิวัติที่เราถูกสัญญาไว้

ความลึกยังคงสำคัญ ในความเป็นจริง ความลึกอาจจะสำคัญยิ่งขึ้น เพราะ AI ทำให้ความคล่องในระดับผิวเผินมีราคาถูก ใครๆ ก็ขอให้ AI สรุปหัวข้อได้ ใครๆ ก็สร้างร่างแรกที่พอใช้ได้ ใครๆ ก็ฟังดูมีความรู้ได้สักห้านาที

ตัวสร้างความแตกต่างคือ คุณรู้มากพอที่จะมองเห็นสิ่งที่ขาดหายไปหรือไม่

นั่นคือจุดที่ความเชี่ยวชาญปรากฏตัว

ผู้เชี่ยวชาญรู้ว่ารายละเอียดไหนผิด ผู้เชี่ยวชาญรู้ว่าสมมติฐานไหนอันตราย ผู้เชี่ยวชาญรู้ว่าเมื่อไรที่คำตอบฟังดูถูกต้อง แต่จะล้มเหลวในสภาพแวดล้อมจริง

AI ยกระดับพื้นขึ้นมา แต่มันไม่ได้ลบเพดาน

แต่ผู้เชี่ยวชาญเฉพาะด้านก็ต้องเปลี่ยนเช่นกัน

ความลึกที่ไร้ขอบเขตกลายเป็นคอขวด ถ้าคุณค่าของคุณอยู่แค่ที่คุณรู้สิ่งหนึ่งสิ่งเดียว และทุกคนต้องรอให้คุณตอบ AI กำลังมุ่งเป้ามาที่โมเดลนั้นโดยตรง

ผู้เชี่ยวชาญเฉพาะด้านที่ดีที่สุดจะไม่เพียงแค่ปกป้องเส้นทางของตน แต่พวกเขาจะขยายออกไปจากมัน พวกเขาจะใช้ AI เพื่อทำความเข้าใจบริบททางธุรกิจโดยรอบ ระบบที่อยู่ติดกัน ผลกระทบต่อลูกค้า พลวัตการแข่งขัน ข้อจำกัดในการปฏิบัติการ และความเสี่ยงในการดำเนินงาน

ผมนึกถึงหมอของผม เขาเป็นผู้เชี่ยวชาญ TMJ (ข้อต่อขากรรไกร) — ทุ่มเทหลายสิบปีกับปัญหายากๆ แคบๆ หนึ่งเรื่อง เป็นความลึกที่คุณไม่สามารถปลอมแปลงหรือเร่งรีบได้

เขามีไอเดียเกี่ยวกับผลิตภัณฑ์มาหลายปี สิ่งที่มีเพียงคนที่ใช้ชีวิตอยู่ในปัญหานั้นเท่านั้นที่จะคิดสร้างขึ้น แต่ไอเดียเหล่านั้นก็ตายลงที่จุดเดิมเสมอ ไม่ใช่เพราะไอเดียผิด แต่เพราะทุกอย่างรอบข้างไอเดียนั้นต้องการผู้เชี่ยวชาญอื่น การวิจัยส่วนผสม การอนุมัติจากหน่วยงานกำกับดูแล การผลิต การยื่นจดสิทธิบัตร กฎหมาย แต่ละอย่างคือการส่งต่อไปยังคนที่เขาไม่มี จ่ายไม่ไหว หรือไม่รู้จะเริ่มพูดคุยอย่างไร

ดังนั้น ไอเดียจึงยังคงเป็นแค่ไอเดีย

ตอนนั้นเปลี่ยนไป ไม่ใช่เพราะเขากลายเป็นนักเคมีหรือทนายความสิทธิบัตร — ความลึกของเขายังคงอยู่ที่ขากรรไกร ไม่ใช่กฎหมายทรัพย์สินทางปัญญา แต่ตอนนี้เขาสามารถทำรอบแรกเองได้ ค้นคว้าส่วนผสม วางแผนเส้นทางกฎระเบียบ ทำความเข้าใจว่าการยื่นจดสิทธิบัตรเกี่ยวข้องกับอะไรจริงๆ ก่อนที่เขาจะจ่ายเงินให้ใครสักคนยื่นให้ เขาสามารถพาไอเดียไปได้ไกลพอที่จะรู้ว่ามันเป็นของจริงหรือไม่

เขายังคงต้องการทนายความสิทธิบัตร เขายังคงต้องการผู้เชี่ยวชาญด้านกฎระเบียบ แต่ตอนนี้พวกเขาถูกดึงเข้ามาเพื่อการตัดสินใจ ในไอเดียที่ผ่านการคิดมาแล้ว — ไม่ใช่เพื่อสอนพื้นฐานหรือส่งต่อไปยังคนถัดไป

ความเชี่ยวชาญของเขาไม่เคยเป็นคอขวด คอขวดคือการเข้าถึงความเชี่ยวชาญของคนอื่น

ความลึกของพวกเขากลายเป็นจุดยึด

AI ขยายรัศมี

คนเก่งแบบกว้างยังคงมีความสำคัญ แต่ขอบเขตต้องการความลึกที่ได้มา

สิ่งเดียวกันนี้เป็นจริงสำหรับคนเก่งแบบกว้าง แต่ในทางกลับกัน

คนเก่งแบบกว้างที่ดีที่สุดจะไม่ใช่แค่ลอยอยู่เหนืองานเพื่อเชื่อมจุดต่างๆ พวกเขาจะใช้ AI เพื่อลงลึกเมื่อปัญหาต้องการ พวกเขาจะทดสอบสมมติฐาน สร้างต้นแบบ อ่านเอกสาร วิเคราะห์ข้อมูล ทำความเข้าใจสถาปัตยกรรมให้มากพอที่จะรู้ว่าข้อจำกัดที่แท้จริงอยู่ที่ไหน

ขอบเขตของพวกเขากลายเป็นข้อได้เปรียบ

AI ให้ความลึกแก่พวกเขาตามต้องการ

ดังนั้น โปรไฟล์ในอนาคตไม่ใช่ผู้เชี่ยวชาญเฉพาะด้านหรือผู้เชี่ยวชาญแบบกว้าง มันคือขอบเขตและความลึกตามต้องการ

กว้างเมื่อปัญหาต้องการการเชื่อมต่อ

ลึกเมื่อการตัดสินใจต้องการความเชี่ยวชาญ

รู้ว่าเมื่อไร AI เพียงพอ

รู้ว่าเมื่อไรต้องใช้ผู้เชี่ยวชาญที่เป็นมนุษย์

รู้ว่าเมื่อไรงานพร้อมสำหรับการอนุมัติ และเมื่อไรที่มันยังเป็นเรื่องเละๆ ที่แต่งตัวสวย

วิจารณญาณนั้นคือหน้าที่

ผู้นำต้องออกแบบงานใหม่

นี่มีนัยสำคัญสำหรับผู้นำ

ถ้าโมเดลการดำเนินงานของคุณยังคงสมมติว่าทุกคำถามต้องผ่านมนุษย์ห้าคน แสดงว่าคุณไม่ได้เป็น AI Native คุณแค่ช้าลงด้วยเครื่องมือที่ดีขึ้น

ถ้าทุกทีมกำลังรออีกทีมเพื่อให้งานพื้นฐานเดินหน้าต่อไป แสดงว่าคุณไม่ได้ออกแบบงานใหม่ คุณแค่เพิ่ม AI เข้าไปในห่วงโซ่การพึ่งพาแบบเก่าแล้วเรียกมันว่าการเปลี่ยนแปลง นั่นไม่ใช่กลยุทธ์ นั่นคือการจัดซื้อที่มาพร้อมการนำเสนอสไลด์

คำถามที่ผู้นำควรถามไม่ใช่แค่ "เราจะทำให้ทุกคนมีประสิทธิภาพมากขึ้นได้อย่างไร?"

มันคลุมเครือเกินไป

คำถามที่ดีกว่าคือ: จุดไหนที่เราใช้มนุษย์เป็นตัวส่งต่อ แทนที่จะใช้เป็นการตัดสินใจ?

คำถามนั้นเผยให้เห็นความสูญเสีย

มันแสดงให้เห็นว่าผู้เชี่ยวชาญถูกดึงเข้ามาในการตรวจสอบที่มีคุณค่าต่ำ มันแสดงให้เห็นว่าคนเก่งแบบกว้างกำลังประสานงานที่ตอนนี้พวกเขาสามารถทำได้เอง มันแสดงให้เห็นว่าผู้เชี่ยวชาญเฉพาะด้านกำลังรอคอยบริบทที่ตอนนี้พวกเขาสามารถสร้างขึ้นเองได้ มันแสดงให้เห็นว่าทีมกำลังปกป้องกระบวนการเก่าแทนที่จะออกแบบการไหลใหม่

นี่คืองานผู้นำที่แท้จริง ไม่ใช่การซื้อเครื่องมือ ไม่ใช่การประกาศนำร่อง ไม่ใช่การฉลองเมตริกการใช้งานที่บอกอะไรน้อยมากเกี่ยวกับว่างานเปลี่ยนไปหรือไม่

งานต้องถูกออกแบบใหม่รอบสมมติฐานใหม่: คนจำนวนมากขึ้นสามารถแบกบริบทได้มากขึ้น

นั่นหมายถึง การส่งต่องานบางอย่างควรหายไป เส้นทางการอนุมัติบางอย่างควรสะอาดขึ้น บทบาทบางอย่างควรขยายออก กระบวนการบางอย่างควรถูกลบ ผู้เชี่ยวชาญบางคนควรได้รับการปกป้องจากงานที่มีคุณค่าต่ำ เพื่อที่พวกเขาจะได้มุ่งเน้นไปที่การตัดสินใจที่ต้องใช้ความเชี่ยวชาญอย่างแท้จริง

นั่นเป็นเรื่องอึดอัด เพราะการส่งต่องานไม่ใช่แค่กระบวนการ แต่ยังรวมถึงอัตลักษณ์ การควบคุม และการจัดการความเสี่ยง ทีมสร้างอำนาจจากการเป็นจุดแวะบังคับในขั้นตอนการทำงาน ผู้นำสร้างความสบายใจจากการรู้ว่าทุกความเสี่ยงมีเจ้าของอยู่ที่อื่น

AI กดดันทุกอย่างนั้น

มันถามคำถามที่ยากกว่า: ถ้างานสามารถเคลื่อนที่แตกต่างออกไปได้แล้ว ทำไมเรายังจัดองค์กรแบบนี้อยู่?

ควรประเมินความสามารถที่แตกต่างออกไป

นี่ยังเปลี่ยนวิธีที่เราควรคิดเกี่ยวกับความสามารถอีกด้วย

โมเดลการจ้างงานและพัฒนาบุคลากรแบบเก่าให้รางวัลกับความเชี่ยวชาญแบบคงที่ คุณรู้อะไรบ้าง? คุณเคยทำงานที่ไหน? คุณครอบคลุมผลิตภัณฑ์อะไรบ้าง? คุณสนับสนุนหน้าที่ใดบ้าง?

สิ่งเหล่านั้นยังคงสำคัญ แต่มันไม่เพียงพออีกต่อไป

คำถามใหม่คือ: คุณสามารถคิดค้น สร้าง ตรวจสอบ และขับเคลื่อนอะไรได้บ้าง โดยไม่ต้องรอให้องค์กรยื่นคู่มือให้คุณ?

นั่นคือโปรไฟล์ที่แตกต่าง

หลักฐานจากผู้ที่ลงมือทำ (Builder Proof) เหนือกว่าประวัติการศึกษา

แสดงสิ่งที่คุณสร้างมาให้ฉันดู แสดงให้ฉันเห็นว่าคุณติดขัดตรงไหน แสดงให้ฉันเห็นว่า AI นั้นผิดตรงไหน แสดงให้ฉันเห็นว่าคุณกู้คืนสถานการณ์อย่างไร แสดงให้ฉันเห็นว่าคุณเชื่อมโยงการตัดสินใจทางเทคนิคเข้ากับผลลัพธ์ทางธุรกิจอย่างไร

นั่นบอกอะไรฉันมากกว่าคำตอบที่เรียบร้อยเกี่ยวกับการเปลี่ยนแปลง

คนที่ชอบลงมือทำ (Tinker) จะเติบโตเร็วกว่าคนที่รอการอบรม ซึ่งอาจฟังดูรุนแรง แต่ผมคิดว่ามันเป็นความจริง

การอบรมบอกคุณว่าองค์กรรู้อะไรอยู่แล้ว การลงมือทำแสดงให้คุณเห็นถึงสิ่งที่เป็นไปได้ในตอนนี้

ในโลกของ AI ช่องว่างระหว่างสองสิ่งนี้มหาศาล

คนที่ทดลองกับเอเจนต์ ต้นแบบ ขั้นตอนการทำงาน โค้ด เนื้อหา และข้อมูล จะพัฒนาสัญชาตญาณที่โปรแกรมพัฒนาบุคลากรที่เป็นทางการไม่สามารถตามทันได้ พวกเขาจะรู้ว่าเครื่องมือแข็งแกร่งตรงไหน พวกเขาจะรู้ว่ามันพังตรงไหน พวกเขาจะรู้ว่าตอนนี้สามารถทำอะไรได้ภายในหนึ่งชั่วโมง ซึ่งแต่ก่อนต้องใช้เวลาสองสัปดาห์

สัญชาตญาณแบบนั้นกลายเป็นทักษะของผู้นำ

ไม่ใช่เพราะทุกคนต้องเป็นวิศวกร

แต่เพราะทุกคนต้องเข้าใจว่างานมีต้นทุนเท่าไหร่ในตอนนี้

ต้นทุนของการร่างเปลี่ยนไป

ต้นทุนของการวิเคราะห์เปลี่ยนไป

ต้นทุนของการสร้างต้นแบบเปลี่ยนไป

ต้นทุนของการเรียนรู้เปลี่ยนไป

ต้นทุนของการประสานงานควรเปลี่ยนไปด้วย

ถ้าต้นทุนของการทำงานลดลง แต่องค์กรยังคงมีการส่งต่องานแบบเดิม อุปสรรคก็ไม่ใช่ความสามารถอีกต่อไป มันคือความจำของกล้ามเนื้อ

นั่นคือส่วนที่อันตราย

บริษัทส่วนใหญ่จะไม่ล้มเหลวเพราะไม่มีเครื่องมือ AI พวกเขาจะล้มเหลวเพราะนำ AI มาเชื่อมต่อกับกระบวนการที่ไม่ควรมีอยู่อีกต่อไป พวกเขาจะใช้ AI เพื่อทำให้เวิร์กโฟลว์แบบเก่าเร็วขึ้น ในขณะที่โอกาสที่แท้จริงคือการลบครึ่งหนึ่งของเวิร์กโฟลว์นั้นทิ้งไป

สถาปัตยกรรมยังคงมีความสำคัญ

ยังมีอีกชิ้นส่วนที่สำคัญ: สถาปัตยกรรม

ขอบเขตและความลึกตามต้องการจะใช้ได้ก็ต่อเมื่อคนและเอเจนต์มีบริบทที่เชื่อถือได้ ถ้าข้อมูลเก่า กระจัดกระจาย สิทธิ์ไม่ดี หรือขาดการเชื่อมต่อกับขั้นตอนการทำงาน AI ก็แค่ช่วยให้คนเคลื่อนที่เร็วขึ้นในทิศทางที่ผิด

นั่นไม่ใช่แรงงัด นั่นคือความโกลาหลที่มีอินเทอร์เฟซที่ดีกว่า

คนที่ใช้ AI ต้องการการเข้าถึงข้อมูลที่ถูกต้อง เครื่องมือที่ถูกต้อง การ์ดเรลที่ถูกต้อง และเส้นทางการยกระดับปัญหาที่ถูกต้อง มิฉะนั้น พวกเขาจะไม่สามารถขับเคลื่อนงานต่อไปได้อย่างปลอดภัย พวกเขาสามารถสร้าง Artifacts ได้มากขึ้นเท่านั้น เร็วขึ้น

นี่คือเหตุผลที่กลยุทธ์ AI ไม่สามารถลดลงเหลือเพียงการฝึกอบรมการเขียน Prompt หรือการนำเครื่องมือมาใช้ สถาปัตยกรรมที่อยู่ภายใต้มีความสำคัญ แบบจำลองข้อมูลมีความสำคัญ แบบจำลองสิทธิ์มีความสำคัญ การบูรณาการขั้นตอนการทำงานมีความสำคัญ เส้นทางการยกระดับปัญหามีความสำคัญ

ถ้าชิ้นส่วนเหล่านั้นหายไป AI จะกลายเป็นเครื่องมือสร้างภาพลวงตาด้านประสิทธิภาพการทำงาน (Productivity Theater Machine) ผลผลิตมากมาย แต่การเคลื่อนไหวไม่พอ

ทักษะใหม่

นี่ไม่ใช่แค่การสนทนาเกี่ยวกับอาชีพ มันคือการสนทนาเกี่ยวกับโมเดลการดำเนินงาน

งานควรเคลื่อนที่อย่างไร เมื่อคนจำนวนมากขึ้นสามารถแบกบริบทได้มากขึ้น?

ผู้เชี่ยวชาญควรถูกใช้อย่างไร เมื่อการวิเคราะห์เบื้องต้นมีต้นทุนต่ำ?

ทีมควรถูกออกแบบอย่างไร เมื่อต้นทุนการประสานงานลดลง?

ผู้นำควรประเมินความสามารถอย่างไร เมื่อความรู้สามารถสร้างขึ้นได้ แต่วิจารณญาณยังต้องได้รับมา?

ผมกลับมาที่สิ่งนี้เสมอ:

แผนผังองค์กรแบบเก่าสร้างขึ้นจากขีดจำกัดของขอบเขตมนุษย์

AI เปลี่ยนแปลงขีดจำกัดเหล่านั้น

นั่นไม่ได้หมายความว่าทุกคนจะเหมือนกัน มันหมายถึงขอบเขตระหว่างบทบาทจะยืดหยุ่นมากขึ้น

ผู้เชี่ยวชาญเฉพาะด้านต้องการขอบเขต

ผู้เชี่ยวชาญแบบกว้างต้องการความลึก

ผู้เชี่ยวชาญยังคงมีความสำคัญ แต่พวกเขาควรถูกใช้เพื่อการตัดสินใจ ไม่ใช่การส่งต่องานพื้นฐาน

คนเก่งแบบกว้างยังคงมีความสำคัญ แต่พวกเขาต้องมีความลึกมากพอที่จะเปลี่ยนจากการจดจำรูปแบบไปสู่การดำเนินการจริง

ผู้นำยังคงมีความสำคัญ แต่พวกเขาต้องออกแบบงานใหม่ แทนที่จะเฉลิมฉลองการเพิ่มประสิทธิภาพภายในโมเดลที่พัง

ผู้ชนะจะเป็นคนที่รู้ว่าเมื่อไรควรกว้าง เมื่อไรควรลึก และเมื่อไรมนุษย์อีกคนหนึ่งจำเป็นต้องเข้ามาเกี่ยวข้องจริงๆ

นั่นคือทักษะใหม่

ขอบเขตและความลึกตามต้องการ