14/10/2025
ช่วงที่ผ่านมาผมมีโอกาสได้เข้าไปช่วยหลายองค์กรในการประเมินขีดความสามารถของบุคลากร ในทักษะที่เกี่ยวข้องกับ Digital-Data-AI เพื่อค้นหา Capability Gap ก่อนนำไปสู่การวาง Roadmap การพัฒนาขีดความสามารถสำหรับ Future Workforce
การประเมินดังกล่าวจัดทำขึ้นให้กับกลุ่มพนักงานกว่า 34 องค์กรในประเทศไทย โดยใช้หลักการและประยุกต์ใช้เครื่องมือที่เรียกว่า Behavioral Event Interview (BEI) ที่พัฒนาโดย Gartner ผลปรากฏว่า
4.81% ของพนักงาน มีความสามารถด้าน Digital Data ในระดับ Being Developed หรือระดับที่เพิ่งเริ่มต้นในการเรียนรู้
27.38% ของพนักงาน อยู่ในระดับ Basic หรือระดับที่สามารถปฏิบัติตาม Guidelines ระดับพื้นฐานได้
41.82% ของพนักงาน อยู่ในระดับ Intermediate หรือระดับที่สามารถ Apply use case ได้ด้วยต้นเอง
21.53% อยู่ในระดับ Advance หรือระดับที่สามารถให้คำแนะนำผู้อื่นได้
4.47% อยู่ในระดับ Expert หรือระดับที่เป็น Policy Makers หรือสามารถออกแบบและพัฒนา Practice & Framework เพื่อใช้ในองค์กรได้
แล้วองค์กรควรพัฒนาให้พนักงานส่วนใหญ่อยู่ในระดับใด?
คำตอบคือ ระดับ Intermediate เพราะนั่นหมายถึงองค์กรจะมีพนักงานส่วนใหญ่ที่มีความสามารถในเรื่องการวิเคราะห์ข้อมูล การตัดสินใจด้วยข้อมูล การ Utilization เครื่องมือ Digital ในการทำงาน ตลอดจนการสื่อสารด้วยข้อมูล อยู่ในระดับที่สามารถ apply เข้ากับหน้างานของตนเองได้อย่างมีประสิทธิภาพ อันจะนำมาซึ่ง Productivity ขององค์กรอย่างก้าวกระโดด
แล้วองค์กรควรมีแนวทางในการพัฒนาขีดความสามารถของคนในองค์กรอย่างไร?
4 Pillars of AI Adoption (Vision-Value-Risk-Adoption) เป็น Framework ที่น่านำมาปรับใช้ในการวางแผนและดำเนินการพัฒนาขีดความสามารถของบุคลากรอย่างเป็นขั้นตอน ดังนี้
1. Vision: การกำหนดทิศทางที่ชัดเจนขององค์กรด้านขีดความสามารถในการดำเนินงานบนพื้นฐานของ Digital & Data โดย
กำหนดจุดมุ่งหมายขององค์กร โดยระบุให้ได้ว่า องค์กรมีความต้องการที่จะดำเนินธุรกิจ (Business Ambition) ที่มุ่งเน้นการใช้ศักยภาพด้าน Digital-Data มาใช้ให้เกิดประโยชน์จต่อการดำเนินธุรกิจอย่างไร
กำหนด Critical capabilities และ Outcome ด้าน Data ที่ชัดเจนภายในองค์กร เช่น พนักงานระดับปฏิบัติการ ต้องสามารถระบุ รวบรวม วิเคราะห์ Operational Data ได้ด้วยตนเอง โดยมีทักษะสำคัญ เช่น การวิเคราะห์ข้อมูลด้วย Excel, Power BI, Tableau, Python basics
ขณะที่ระดับผู้จัดการ ต้องสามารถหา Data Insights เพื่อ Guide การตัดสินใจได้ เป็นต้น
กำหนดตัวชี้วัดด้าน Data ที่ชัดเจนให้กับองค์กร เช่น % ของพนักงานที่สามารถใช้ data ในการตัดสินใจภายใน Workflow ที่ตนรับผิดชอบ หรือ Lead time ของการตัดสินใจใน critical process ขององค์กร เป็นต้น
2. Value: ระบุผลกระทบเชิงบวกของการมี Data Capability เช่น
2.1 การระบุให้ได้ว่า Data capabilities ช่วยให้การดำเนินธุรกิจดีขึ้นได้อย่างไร
2.2 จำกัดอุปสรรคของการสร้าง Digital-Data Adoption ไว้ล่วงหน้า เช่น การจัดให้มีการเข้าถึงข้อมูล เครื่องมือ หรือ Dashboard ต่างๆอย่างเหมาะสม หรือการสร้าง Culture ด้าน Data-First Meeting เป็นต้น
3. Risk: การบริหารจัดการความท้าทายของการพัฒนาขีดความสามารถของบุคลากร โดยระบุความท้าทายที่อาจจะเกิดขึ้นและวางแผนป้องกันไว้ล่วงหน้า เช่น
3.1 Regulatory ความท้าทายจากการไม่มี Policy & Practice ด้านการจัดการข้อมูล
3.2 Competency ความท้าทายจากระดับความพร้อมในการเรียนรู้ที่แตกต่างกัน และความจำเป็นต้องใช้งานที่แตกต่างกัน
3.3 Technology ความท้าทายจากการนำ Tools ใหม่ๆเข้ามาพร้อมกันจนเกิดการ Overload ด้านการเรียนรู้ของพนักงาน
3.4 Learning Methodology: ความท้าทายจากรูปแบบการพัฒนาที่ไม่เหมาะสม โดยอาจมีการIntegrate การฝึกอบรมด้าน Data เข้ากับ existing workflows ของกลุ่มเป้าหมาย (e.g., using live company datasets instead of abstract exercises)
4. Adoption: การ Scale การพัฒนาขีดความสามารถในระดับที่สูงขึ้นหรือกว้างขึ้น
4.1 Prioritize initiatives: เริ่มต้นการพัฒนาจาก Business Functions ที่สำคัญต่อองค์กรก่อนเสมอ (e.g., sales forecasting, customer analytics, operational efficiency).
4.2 Build adoption roadmap: ดำเนินการสร้างการเปลี่ยนแปลงอย่างเป็นขั้นตอน เช่น
•Awareness & Foundations: การพัฒนาพื้นฐานให้แข็งแรง เช่น data literacy bootcamp, analytics awareness session เป็นต้น
•Skill Building: การพัฒนาทักษะที่จำเป็นต่อการเพิ่มประสิทธิภาพของงาน เช่น hands-on training in analysis, decision frameworks, visualization เป็นต้น
•Embedding in Workflow: การปรับใช้ทักษะในการปรับปรุงกระบวนการจริง เช่น Cross-functional projects using real business cases เป็นต้น
•Scaling: การขยายอนาเขตของกลุ่มบุคลากรผู้มีความสามารถ เช่น การทำ data champions, communities of practice, mentoring หรือแม้แต่การทำ Paring ระหว่าง technical experts กับ business leaders เป็นต้น
หวังเป็นอย่างยิ่งว่า การแบ่งปันประสบการณ์นี้ จะเป็นประโยชน์กับองค์กรที่กำลังมองหาแนวทางการพัฒนาขีดความสามารถด้าน Digital-Data-AI ให้กับพนักงานในองค์กรครับ
