วิธีที่ผู้ผลิตเก่าแก่ 90 ปี ค้นพบหนทางให้มนุษย์โฟกัสงานสร้างสรรค์ผ่าน AI
มีบริษัทแห่งหนึ่งในญี่ปุ่นที่มีพนักงาน 30,000 คน และ AI agents 8,000 ตัวทำงานเคียงข้างกัน
และมันไม่ใช่สตาร์ทอัพด้านไอทีล้ำสมัย
มันคือ Ricoh ยักษ์ใหญ่ด้านการผลิตที่ก่อตั้งในปี 1936 กำลังจะอายุครบ 90 ปีในปีนี้
ผมอยากให้คนที่คิดว่า "บริษัทเราเก่าแก่เกินไปสำหรับ AI" ได้อ่านบทความนี้
เพราะสิ่งที่ Ricoh ทำไม่ใช่ผลลัพธ์ของกลุ่มอัจฉริยะ แต่ตรงกันข้าม: พวกเขาแค่ทำตาม "ลำดับที่ถูกต้อง" เท่านั้น
เมื่ออ่านจบ คุณจะเข้าใจว่าทำไมองค์กรของคุณถึงรู้สึกว่า "ใช้ ChatGPT มาสองปีแล้วแต่ไม่เห็นผล"
และตั้งแต่พรุ่งนี้ คุณสามารถพลิกลำดับการนำ AI มาใช้ได้
บริษัทที่พนักงาน 30,000 คน และ AI Agents 8,000 ตัวนั่งทำงานร่วมกัน
เริ่มจากตัวเลขก่อน
Ricoh มีพนักงานทั่วโลกประมาณ 78,000 คน โดยในญี่ปุ่นมี 30,000 คน
ณ เดือนมกราคม 2026 มีรายงานว่าพวกเขามี AI agents ทำงานอยู่ 8,000 ตัวเฉพาะในญี่ปุ่น
8,000 ตัว มันเป็นตัวเลขที่สูงมาก
ยิ่งไปกว่านั้น AI agents 8,000 ตัวนี้ถูกสร้างโดยพนักงานไม่ถึง 3,000 คน ซึ่งคิดเป็นแค่ประมาณ 10% ของกำลังคนทั้งหมด
10% นี้กำลังสร้าง AI เพื่อจัดการงานของตัวเองอย่างจริงจัง
สิ่งสำคัญที่ต้องจำไว้คือ Ricoh คือ "บริษัทเครื่องถ่ายเอกสาร"
รากฐานของพวกเขาอยู่ในงานผลิต แม้ปัจจุบันบริการดิจิทัลและ AI จะคิดเป็นรายได้เกินครึ่ง แต่เดิมพวกเขาเป็นบริษัทผลิตแบบดั้งเดิมที่คนเขียนแบบด้วยมือแล้วส่งต่อกัน
บริษัทดั้งเดิมแบบนี้กำลังพัฒนา AI ได้เร็วกว่าสตาร์ทอัพหลายแห่ง
อีกอย่างคือ ในญี่ปุ่นมีบริษัทอายุเกิน 100 ปีถึง 45,000 แห่ง ซึ่งมากกว่าครึ่งหนึ่งของบริษัทอายุร้อยปีทั่วโลก
นั่นหมายความว่าการ "แก่" ไม่ใช่ข้อแก้ตัว แต่บริษัทเก่าแก่ต่างหากที่มีศักยภาพที่ยังไม่ได้ใช้มากที่สุด
สาเหตุจริงๆ ที่ AI ไม่แสดงผลหลังจากสองปี
มาถึงประเด็นหลัก
Ricoh กำลังเห็นกระแสคำปรึกษาแบบนี้เพิ่มขึ้นอย่างมาก:
"เราวาง ChatGPT ไว้ในจุดที่คิดว่าต้องการเมื่อสองปีก่อน แต่ก็ไม่เห็นผล มันไม่สามารถทำลายไซโลขององค์กรได้"
หลายคนคงเข้าใจความรู้สึกนี้ดี
มีสามสาเหตุหลัก
1. ปัญหาด้านประสิทธิภาพการผลิต
ญี่ปุ่นอยู่อันดับที่ 29 จาก 38 ประเทศ OECD ในด้านประสิทธิภาพการผลิต (ข้อมูลปี 2024) เกือบจะต่ำสุด เมื่อเทียบกับสหรัฐฯ ที่เป็นผู้นำด้านดิจิทัลของโลกแล้ว ญี่ปุ่นมีประสิทธิภาพแค่ครึ่งเดียว
ทำไม? สาเหตุคือ "ลักษณะการทำงานแบบปัจเจก"
ไม่ว่าคุณจะลงทุนด้านไอทีมากแค่ไหน ถ้าวิธีการทำงานไม่เปลี่ยน ประสิทธิภาพก็ไม่เพิ่มขึ้น
2. ปัญหาด้านข้อมูล
มีการกล่าวกันว่า 70-90% ของข้อมูลภายในบริษัทเป็น "ข้อมูลที่ไม่มีโครงสร้าง" (unstructured data)
ข้อมูลที่ไม่มีโครงสร้างหมายถึงสัญชาตญาณ เคล็ดลับ และองค์ความรู้ที่ติดตัวคนแต่ละคน เช่น ภาพวาดที่เขียนด้วยมือ หรือภูมิปัญญาที่อยู่ในหัวของพนักงานรุ่นเก๋า Ricoh เรียกสิ่งนี้ว่า "ความรู้โดยปริยาย" (tacit knowledge)
ถ้าคุณขอให้ AI ช่วยโดยไม่ได้จัดการข้อมูลเหล่านี้ก่อน ข้อมูลที่คุณให้ไปก็จะ "สกปรก"
ดังนั้น AI จึงทำงานได้ไม่ถูกต้อง
ที่น่าสนใจคือ บางครั้ง AI ที่อ่านเอกสารอาจล้มเหลวทันทีเมื่อเจอตาราง หรืออาจมีความขัดแย้งเพราะความลับทางเทคนิคไม่ควรอยู่บนคลาวด์และต้องอยู่บนเซิร์ฟเวอร์ภายในองค์กร
พูดง่ายๆ คือ การโยน AI เข้าไปในงานโดยไม่ได้สร้างพื้นฐานก่อนจะไม่ได้ผล
ขั้นตอนที่ 1: มองเห็นภาพงานก่อน และกำจัดของเสีย 20%
แล้ว Ricoh เริ่มจากตรงไหน?
ไม่ใช่การนำ AI มาใช้
อย่างแรก พวกเขาสร้าง "พื้นที่ให้หายใจ" สำหรับพนักงาน
คนที่ไม่มีเวลาไม่สามารถใช้เทคโนโลยีใหม่ๆ หรืออัปเดตต่างๆ ได้ ดังนั้นขั้นตอนที่ 1 คือการเพิ่มเวลาให้ว่าง
โดยเฉพาะ พวกเขาทำให้เห็นภาพงานของคน 1,000 คนใน 115 แผนกทั่วทั้งบริษัท
พวกเขาค้นพบสิ่งที่น่าสนใจ
ในช่วงทำงานทางไกลในยุคโควิด "การประชุมเช็คอิน" เพิ่มขึ้นอย่างมากเพราะผู้จัดการไม่รู้ว่าพนักงานกำลังทำอะไรอยู่
เมื่อดูข้อมูลแล้วฝ่ายบริหารก็ตระหนักว่า "โอ้ เราไม่ต้องทำงานนี้แล้ว" ซึ่งช่วยกำจัดงานไป 5-6%
จากนั้นพวกเขาก็พบว่างานที่คล้ายกันถูกทำแยกกันในแผนกต่างๆ จึงรวมเข้าด้วยกัน ลดลงไปอีก
แล้วพวกเขาก็สร้างมาตรฐานให้กับ "งานที่จำเป็นจริงๆ" ที่เหลืออยู่ เมื่อมีมาตรฐานแล้ว เทคโนโลยีอัตโนมัติก็จะมีประสิทธิภาพ
ด้วยการทำแบบนี้อย่างต่อเนื่องนานกว่าหนึ่งปี Ricoh บรรลุการปรับปรุงประสิทธิภาพการทำงานได้ 20%
มีบทเรียนให้เราเอาไปใช้
สไตล์ญี่ปุ่นที่ "ทุกคนรับลูกแล้วส่งต่อ" เป็นจุดแข็ง แต่ก็สร้าง "งานที่ไม่จำเป็นต้องทำ" ด้วยเช่นกัน
คนรับลูกบอลที่ไม่ใช่ของตัวเองด้วยความมีน้ำใจ แต่ภาระงานก็เพิ่มขึ้นเรื่อยๆ
ดังนั้น ลองทำให้งานของคุณเองเห็นภาพเป็นเวลาหนึ่งสัปดาห์
แค่ทำแบบนั้นก็จะเผยให้เห็นว่า "เดี๋ยวก่อน เราจำเป็นต้องประชุมนี้จริงเหรอ"
ขั้นตอนที่ 2: ทุกคนเริ่มใช้ AI แค่ "หนึ่ง" อย่าง
เมื่อพวกเขาเห็นแนวทางที่จะปรับปรุงได้ 10% จาก 20% นั้นแล้ว Ricoh ก็ทำขั้นตอนต่อไป:
"พนักงานทุกคนใช้ AI กับงานหนึ่งอย่างพอดี"
ประเด็นสำคัญคือพวกเขาไม่ได้แค่ยัดเยียดให้ทุกคน
พวกเขาออกแบบ "แนวป้องกัน" (guardrails) สำหรับการใช้ AI อย่างปลอดภัยก่อน จากนั้นก็แชร์การศึกษาและเรื่องราวความสำเร็จผ่านเวิร์กช็อป
เพราะมีพื้นฐาน (ขั้นตอนที่ 1: การมองเห็นภาพและการสร้างมาตรฐาน) อยู่แล้ว ข้อมูลที่ให้ AI จึงสะอาด นั่นคือสาเหตุที่ AI ทำงานได้
ทั้งหมดนี้คือเรื่องของลำดับ
ผลลัพธ์ก็คือ AI agents 8,000 ตัวที่กล่าวถึงก่อนหน้านี้
นี่คือตัวอย่างหนึ่ง
Ricoh แก้ปัญหาการจัดการให้ลูกค้า พวกเขาคุยกับ CEO ของบริษัทใหญ่ จึงต้องเตรียมตัวอย่างหนัก
พนักงานรุ่นเก๋าเคยใช้เวลา 4-5 ชั่วโมงต่อบริษัทในการอ่านรายงานประจำปีและข้อมูลสาธารณะเพื่อตั้งสมมติฐาน
ด้วยการสอนความรู้โดยปริยายของพนักงานรุ่นเก๋าให้กับ AI ตอนนี้ AI agents จึงตรวจสอบสมมติฐานและร่างข้อเสนอเอง
ผลลัพธ์คือเวลาของพนักงานรุ่นเก๋าลดลง 75% สิ่งที่เคยใช้ความพยายาม 100 หน่วย ตอนนี้ใช้แค่ 25
และยังมีข้อดีอีกอย่าง
สัญชาตญาณของพนักงานรุ่นเก๋าถูกส่งต่อให้พนักงานระดับกลางและระดับจูเนียร์ การทำงานร่วมกับ AI ทำให้ความรู้ถูกถ่ายทอด
นี่ไม่ใช่แค่ในฝ่ายการตลาด เกิดขึ้นในงานธุรการ, SCM, และ frontline การขายด้วย
4-5 ชั่วโมงลดเหลือเพียง 1 ชั่วโมงกว่าๆ งาน "อ่านเอกสารตั้งแต่ต้นทุกครั้ง" ในบริษัทคุณก็จัดการได้ในลักษณะเดียวกัน
ขั้นตอนที่ 3: มอบหมายคนกลับไปทำงาน "สร้างสรรค์" ด้วยเวลาที่ประหยัดได้
นี่คือเป้าหมายหลัก
ใช้เวลาที่ว่างขึ้นไปทำงานที่มนุษย์เท่านั้นทำได้
Ricoh มีห้องประชุมแบบนี้:
ด้านหลังจอ LED ขนาดใหญ่ มี AI agents ห้าตัวทำงานอยู่
ขณะที่พนักงานคุยกัน AI จะถอดเทป แก้ไขภาษาไทย (ในที่นี้คือภาษาญี่ปุ่น) เข้าใจความหมาย และจัดโครงสร้างข้อมูล
ทำให้พนักงานโฟกัสที่การอภิปรายและระดมความคิดได้เต็มที่ สุดท้ายพวกเขาลงคะแนนและตัดสินใจ AI ยังช่วยสนับสนุนผู้ดำเนินการด้วย
และนี่คือส่วนที่น่าทึ่ง
สำหรับแผนบริหารระยะกลางที่จะมาถึง ผู้บริหารประมาณ 10 คนคุยกันในห้องนี้
ปกติจะใช้เวลาประมาณสองเดือน
เสร็จภายในสี่ชั่วโมง
สองเดือนเหลือสี่ชั่วโมง
แนวคิด "การย้ายคนไปทำงานสร้างสรรค์" สอดคล้องกับคำพูดของนักวิชาการด้านการจัดการ Ken Kusunoki
งานประกอบด้วย "Work" และ "Play"
"Work" คือการให้ทักษะเพื่อแลกค่าตอบแทน ซึ่งเป็นงานภายใต้กฎตายตัว AI ทำได้เร็วกว่า แม่นยำกว่า และไม่เหนื่อย
แต่ "Play" แตกต่าง เช่นเดียวกับ Shohei Ohtani มันคืองานที่สร้างคุณค่าผ่านความรู้สึกและการตัดสินใจที่เป็นเอกลักษณ์
AI เอาส่วนที่เป็นกฎตายตัวออกไป สิ่งที่เหลือสำหรับมนุษย์คือความรู้สึกและการตัดสินใจ
ยิ่งใช้ AI เก่งเท่าไหร่ งานของมนุษย์ก็ยิ่งซับซ้อนและมีคุณค่ามากขึ้นเท่านั้น
เพื่อส่งเสริมความคิดสร้างสรรค์ของพนักงาน Ricoh ยังดำเนินโปรแกรม accelerator ตั้งแต่ปี 2019
พนักงานและสตาร์ทอัพนำเสนอไอเดียธุรกิจใหม่ พวกเขาแข่งขันกันผ่าน 200 ไอเดียเพื่อเลือก 5-10 ไอเดีย ทำแบบนี้มาเจ็ดปีแล้ว
นี่คือวิธีที่พวกเขาปลูกฝังความเป็นอิสระและความคิดสร้างสรรค์ของพนักงาน
บริษัทคุณก็ทำได้ ถ้าคุณไม่ทำให้ลำดับผิด
สรุป
ข้อสรุปของ Ricoh ง่ายมาก
"อย่าวาง AI ไว้ในจุดที่คุณอยากใช้ทันที"
ทำตามลำดับนี้:
- มองเห็นภาพงานก่อนเพื่อสร้างเวลา
- กำจัดของเสียและรวมงานที่คล้ายกัน
- สร้างมาตรฐาน
- แล้วค่อยตั้งสภาพแวดล้อมเพื่อใช้ AI อย่างถูกต้อง
เพราะลำดับนี้ พนักงานจึงเริ่มเคลื่อนไหว ถ้าคุณกลับลำดับ มันจะไม่เวิร์ก
มีบทเรียนสำคัญอีกอย่าง
AI มีสองด้าน
ด้านหนึ่งคือ "เปลี่ยนลบให้เป็นศูนย์" โดยกำจัดงานที่เจ็บปวด การกลับบ้านเร็ว การขจัดงานน่าเบื่อ ทุกคนชอบสิ่งนี้ทันที
แต่นั่นอย่างเดียวไม่ยั่งยืน
อีกด้านคือ "เปลี่ยนจากศูนย์ไปเป็นบวก" ซึ่งมนุษย์สร้างคุณค่าใหม่ การนำ AI มาใช้จะเป็นจริงก็ต่อเมื่อมีการออกแบบส่วนนี้ด้วย
ความรู้สึกที่ว่าวันนี้ดีกว่าเมื่อวาน และคุณเป็นส่วนหนึ่งของความก้าวหน้านั้นคือสิ่งที่ขับเคลื่อนคน
Takahiro Irisa จาก Ricoh กล่าวว่า:
"ถ้า Ricoh ทำได้ บริษัทอื่นก็ทำได้แน่นอน"
และยังกล่าวอีกว่า:
"ผมเชื่อว่า AI เกิดขึ้นมาเพื่อบริษัทญี่ปุ่น"
เพราะ AI ได้เรียนรู้ข้อมูลเปิดส่วนใหญ่ไปแล้ว สิ่งที่เหลือคือข้อมูลที่หลับใหลอยู่ภายในบริษัท
และญี่ปุ่นคือประเทศที่มีข้อมูลภายในองค์กรมากที่สุดในโลก
ทั้งในบริษัทเก่าแก่ 90 ปี หรือในบริษัทของคุณ มีขุมทรัพย์ที่ยังไม่มีใครขุดค้น
ดังนั้น เริ่มตั้งแต่วันพรุ่งนี้เป็นเวลาหนึ่งสัปดาห์:
ลองทำให้งานของคุณเห็นภาพ
ถ้าคุณพบว่าตัวเองคิดว่า "เดี๋ยวก่อน บางทีฉันอาจไม่ต้องทำงานนี้" นั่นคือเส้นเริ่มต้นของคุณ
การที่ไม่ได้ผลลัพธ์ไม่ใช่เพราะขาดความสามารถ ลำดับมันแค่ผิดเท่านั้น
