บริษัทจะทำลายเครื่องมือดีๆเกือบทุกอย่างได้ แค่เอา metric ผิดตัวไปแปะกับมัน ในที่ทำงานสิ่งที่สำคัญจริงๆมีอย่างเดียวคือ incentive จะเป็นเงิน สถานะ หรือการเลื่อนตำแหน่งก็ตาม คนทำงานก็ทำตาม incentive ผมกับคุณก็เหมือนกัน แทบทุกคนทำอะไรเพราะมันได้ประโยชน์กับตัวเองหรือคนที่รัก สุดท้ายในที่ทำงานเราเลยลงเอยด้วยการทำสิ่งที่ทำให้เราได้เลื่อนขั้น ได้เงินมากขึ้น ได้ความมั่นคงในงานมากขึ้น เราไม่ใช่เจ้าของบริษัท เราเป็นลูกจ้าง เราดูแลตัวเองก่อน แบบนั้นก็ไม่ผิดอะไร
การใช้ AI ในบริษัทเทค
พอผู้บริหารเริ่มฉลองยอดใช้ token ปริมาณ prompt จำนวน agent หรือยอดใช้ AI รายวัน คนก็จะ optimize ไปที่กิจกรรมของเครื่องแทนที่จะเป็นผลลัพธ์ที่มีประโยชน์ ถ้างานของคุณกำลังเสี่ยงเพราะถูกหมายหัวว่าไม่ยอมใช้ AI ก็... คุณก็ใช้ AI เยอะๆเลย โดยเฉพาะตอนที่ engineer ได้รางวัลจากการใช้มันมากขึ้นเรื่อยๆ นั่นไม่ได้แปลว่าพวกเขาไม่มีเหตุผล มันแปลว่าพวกเขาเป็นลูกจ้าง ลูกจ้างวิ่งตามสิ่งที่ผู้นำมองเห็น ยิ่งสิ่งที่มองเห็นนั้นมีรางวัลติดมาด้วย ตอนนี้กิจกรรม AI มีรางวัลติดมาเพียบ
นี่ก็แค่ KPI ที่บิดเบี้ยวในชุดใหม่ องค์กรรู้อยู่แล้วในทางทฤษฎีว่าพอ metric กลายเป็นเป้า มันก็เลิกเป็นตัวชี้วัดที่สะอาด แต่พอ metric หน้าตาดูเป็น technical และล้ำอนาคต องค์กรก็ลืมกฎข้อนี้ทันที AI ทำให้อาการความจำเสื่อมหนักขึ้นไปอีก เพราะกิจกรรมของเครื่องเอาไปทำกราฟง่ายและเอาไปอวดง่าย การ adopt AI ก็เป็นหนึ่งในนั้น
scoreboard ที่ดีกว่านั้นยากกว่าและไม่น่าอวดเท่า ลองนึกถึงทีม support ที่ภูมิใจว่าตัวเองเพิ่มยอดตอบลูกค้าด้วย AI เป็นสองเท่า ฟังดูดีจนกระทั่งคุณสังเกตว่ายอด escalate ก็เพิ่มตามไปด้วย เพราะคำตอบรอบแรกมันตื้นเขิน หัวหน้าเลยต้องเสียเวลาตามแก้มากขึ้น metric ที่ดีกว่าไม่ใช่ "เราสร้างคำตอบด้วย AI ไปกี่อัน?" แต่เป็น "first-response time ดีขึ้นโดยที่ไม่มี escalation งานแก้ซ้ำ หรือความหงุดหงิดของลูกค้าแย่ลงรึเปล่า?" ในงาน engineering ก็เหมือนกัน เผา token ไปเยอะๆก็ไม่มีความหมายอะไร ถ้า review time อัตรา defect และความเสี่ยงในการ rollback แย่ลงทั้งหมด แล้วสุดท้ายทีม engineering สร้าง impact จริงๆได้เท่าไหร่กันแน่?
มีข้อโต้แย้งที่น่าฟังอยู่ข้อหนึ่ง ในช่วงแรกของการ rollout metric เรื่องยอดใช้ก็มีความหมายอยู่ ถ้าไม่มีใครแตะเครื่องมือเลย ก็ไม่มีเรื่องราวการ adopt ให้เล่าตั้งแต่ต้น โอเค แต่ metric ที่ไว้ทดลองชั่วคราวมักมีนิสัยเสียอยู่อย่าง คือชอบกลายเป็น vanity metric ถาวร พอสถานะและการประเมินไปผูกกับกิจกรรม AI ที่มองเห็นได้ องค์กรก็เริ่มผลิตกิจกรรมขึ้นมาป้อน scoreboard
เครื่องมือที่มีประโยชน์กลายเป็นระบบราชการก็แบบนี้แหละ ลูกจ้างเริ่ม prompt ทั้งที่ควรจะตัดสินใจเองได้เลย ผู้นำเริ่มขอ agent plan เพราะ agent plan มันดูทันสมัย ทีมก็ optimize ไปที่พื้นที่ผิวของ AI ที่วัดได้แทนต้นทุน คุณภาพ และการส่งมอบจริงๆ องค์กรก็แค่หาวิธีใหม่ในการเผาเงินทิ้งไปพร้อมๆกับตบมือชมตัวเอง
เรื่องนี้เคยแก้กันไปแล้วด้วยซ้ำ สมัยก่อนผู้บริหารเคยให้รางวัล engineer ที่เขียน code ได้มากกว่า codebase ก็เลยบวมขึ้นมหาศาลแล้วก็เปราะและอืดขึ้นเรื่อยๆ metric ที่ทำให้มันง่ายเกินไปแสดงให้เห็นมานานแล้วว่าคุณจะตั้ง metric ง่ายๆมาวัด performance แล้วหวังผลดีไม่ได้ พอตั้งปุ๊บ คนก็ optimize ตามมันทันที แล้วมันก็ไม่ผิดอะไร ผมเองก็ทำแบบเดียวกัน