อย่ากังวลเมื่อเสีย Talent ไปให้กับคู่แข่ง


บริษัททั้งหลายไม่อยากสูญเสีย Talent โดยเฉพาะอย่างยิ่งเมื่อ talent นั้นลาออกไปทำงานกับบริษัทที่เป็นคู่แข่ง แต่กระนั้น นักวิจัยจาก University of Washington และ Georgetown University รายงานผลการวิจัยว่า ในบางสถานการณ์การที่ talent ลาออกไปทำงานกับบริษัทคู่แข่งอาจจะนำไปสู่ความได้เปรียบในเชิงแข่งขัน (Competitive advantage) แก่บริษัทที่เป็นต้นทางได้[1]

งานวิจัยชิ้นนี้ทำการศึกษากับพนักงานบริษัทกฎหมายในสหรัฐอเมริกาโดยนำข้อมูล 2 ส่วนมาวิเคราะห์ ส่วนแรกเป็นข้อมูลรายงานสภาวะการจ้างงานของบริษัทกฎหมาย อีกส่วนเป็นข้อมูลจากการสำรวจประจำปีของเว็บไซต์ Vault.com ที่ให้ทนายความ (legal associates) ให้คะแนนชื่อเสียงของบริษัทกฎหมายที่ตนเคยทำงาน ซึ่งผลการวิจัยพบว่าการลาออกที่เพิ่มขึ้นจะส่งผลต่อสถานะของบริษัทในทิศทางที่เป็นบวก โดยเฉพาะกับกลุ่มพนักงานผู้ตอบแบบสอบถามที่ลาออกไปแล้วได้ทำงานในตำแหน่งที่สูงขึ้นกับบริษัทกฎหมายที่มีชื่อเสียง

ศาสตราจารย์ Sydney Finkelstein แห่ง Dartmouth College’s Tuck Center for Leadership ได้ยกตัวอย่างเหตุการณ์ที่สามารถอธิบายปรากฎการณ์นี้ว่าคล้ายคลึงกับที่เคยเกิดขึ้นกับบริษัท Oracle ในระหว่าง คศ.1994-2004 ซึ่งตอนนั้นมีผู้บริหารที่เคยทำงานกับ Larry Ellison (ผู้ร่วมก่อตั้ง) อย่างใกล้ชิดยาวนานจำนวนมากกว่า 10 คนได้ลาออกไปทำงานกับบริษัทคู่แข่งแล้วได้ทำงานในตำแหน่งผู้บริหารระดับสูง เช่น CEO หรือประธานกรรมการ แต่แทนที่การลาออกของ talent เหล่านั้นจะส่งผลเสียกลับกลายเป็นผลดีต่อชื่อเสียงของ Larry Ellison ให้เขากลายเป็นแม่เหล็กที่ดึงดูด talent รุ่นใหม่ๆ ให้อยากเข้ามาร่วมงานกับเขามากขึ้น

กรณีของประเทศไทย บริษัทกฎหมายหรือสำนักงานทนายความก็ประสบปัญหาการลาออกของพนักงานสูงมาโดยตลอด เพราะคนที่เรียนจบมาทางด้านนี้ส่วนใหญ่จะพยายามสอบเข้าเป็นผู้พิพากษา อัยการ หรือนิติกรของหน่วยราชการซึ่งเป็นอาชีพที่ได้รับการยกย่องและมีความมั่นคงมากกว่า ระหว่างที่กำลังรอสอบหรือรอเรียกตัวเข้ารับราชการก็จะหางานทำในบริษัทกฎหมายหรือสำนักงานทนายความไปพลางๆ

สถานการณ์ที่ talent ของบริษัทกฎหมายหรือสำนักงานทนายความไหลออกไปสู่ราชการเป็นเรื่องปกติที่เจ้าของบริษัทก็ยอมรับว่าเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ไม่เว้นแม้แต่บริษัทกฎหมายที่มีชื่อเสียงระดับต้นๆ ของประเทศอย่างบริษัทธรรมนิติจำกัด (มหาชน) ซึ่ง 70 ปีของการดำเนินกิจการต้องประสบกับปัญหาการไหลออกของ talent เรื่อยมา แต่ก็มิได้ทำให้การพัฒนาหยุดชะงักจนปัจจุบันแปรสภาพเป็นบริษัทในตลาดหลักทรัพย์และมีบุคลากรรวมเกือบ 600 คน[2]

ผู้ช่วยศาสตราจารย์ Christopher Rider จาก Georgetown’s McDonough School of Business ได้สรุปใจความสำคัญว่า จากการที่ talent ของบริษัทลาออกไปทำงานกับบริษัทคู่แข่งที่มีชื่อเสียงดีกว่าแล้วนำไปสู่การสร้างความได้เปรียบเชิงการแข่งขันของบริษัทให้ดีขึ้นนั่นเป็นเพราะว่าการลาออกได้สร้างโอกาสให้บริษัทสามารถดึงดูด talent รุ่นใหม่เข้ามาทำงานด้วยค่าจ้างที่ถูกกว่านั่นเอง

ขอปิดท้ายด้วยคำพูดของศาสตราจารย์ Finkelstein ที่แนะนำว่าผู้บริหารองค์การควรจะยอมรับความจริงว่าพนักงานจำนวนมากวางแผนความก้าวหน้าในอาชีพแตกต่างไปจากคนรุ่นก่อน ความก้าวหน้าของคนในรุ่นนี้เหมือนการขึ้นบันไดที่แต่ละขั้นวางอยู่คนละบริษัท การไม่ยอมรับแล้วฝืนสู้กับมันรังแต่จะพบกับความยุ่งยากในการสรรหาคนเก่งเข้ามาสู่บริษัทมากขึ้นเรื่อยๆ

[1] https://www.wsj.com/articles/the-case-for-letting-your-best-people-go-1492524004?mod=e2fb

[2] http://manager.co.th/OnlineSection/ViewNews.aspx?NewsID=9600000033910

Advertisements

แค่เปลี่ยนที่นั่งก็เพิ่มผลการทำงานได้


ถ้าบริษัทประสบปัญหาพนักงานทำงานย่อหย่อนขาดประสิทธิภาพ เสร็จไม่ทันเวลาหรือไม่เรียบร้อยสมบูรณ์ตามที่กำหนด แม้จะมีการจูงใจด้วยวิธีต่างๆ แล้วก็ตามแต่ก็ยังไม่ได้ผล งานวิจัยของ Corsello และ Minor[1] แนะนำว่าให้ลองเปลี่ยนที่นั่งของพนักงานแล้วจะสามารถเพิ่มประสิทธิภาพมากขึ้นเฉลี่ยถึง 10% แต่อย่าเพิ่งเชื่อและควรตั้งข้อสงสัยไว้ก่อน แล้วอ่านบทความนี้ต่อไป

งานวิจัยนี้แบ่งผลการทำงานของพนักงานออกเป็นกลุ่มๆ ได้ 3 ประเภท พวกแรกมีจุดแข็งที่ทำงานเร็วแต่มีจุดอ่อนเรื่องความละเอียดรอบคอบหรือความสมบูรณ์เรียบร้อยของงาน พวกต่อมามีจุดแข็งที่ความละเอียดรอบคอบเรียบร้อยดีแต่มีจุดอ่อนที่ใช้เวลานานหรือเสร็จช้า และพวกสุดท้ายคือพวกปานกลางที่ก้ำกึ่งระหว่างความเร็วและความละเอียดเรียบร้อยในการทำงาน โดยทั่วไปกลุ่มปานกลางจะมีสัดส่วนมากที่สุดในบริษัท คิดเป็นครึ่งหนึ่งของพนักงานทั้งหมด (50%) ส่วนอีก 2 กลุ่มที่เหลือจะมีสัดส่วนกลุ่มละ 1 ใน 4 (25%)

งานวิจัยพบว่าการจัดที่นั่งของพนักงานโดยนำจุดแข็งไปเสริมจุดอ่อนซึ่งกันและกันจะช่วยเพิ่มผลการทำงานให้สูงขึ้นได้ เช่น จัดให้พนักงานที่มีจุดแข็งด้านความละเอียดเรียบร้อยนั่งใกล้กับพนักงานที่มีจุดแข็งด้านทำงานเร็ว จะส่งผลให้พนักงานกลุ่มละเอียดเรียบร้อยเพิ่มความเร็วในการทำงาน ในขณะเดียวกันพนักงานกลุ่มทำงานเร็วก็จะเพิ่มความละเอียดรอบคอบมากขึ้นตามไปด้วย

แต่หากจัดพนักงานที่มีจุดแข็งประเภทเดียวกันไว้ใกล้กันจะไม่มีผลต่อการเพิ่มประสิทธิภาพให้สูงขึ้น เช่น จัดให้พวกทำงานเร็วนั่งใกล้กันกับพวกทำงานเร็วจะไม่สามารถส่งผลให้เพิ่มความเร็วขึ้นได้อีก ส่วนพวกที่ไม่มีจุดแข็งจุดอ่อนหรือทำงานปานกลางไม่เร็วและไม่ละเอียดเรียบร้อยมากจะไม่มีผลการเปลี่ยนแปลงเกิดขึ้นไม่ว่าจะถูกจัดให้นั่งใกล้กับพนักงานประเภทใด

อย่างไรก็ตาม พนักงานอีกประเภทหนึ่งที่ทุกบริษัทหลีกเลี่ยงไม่ได้คือพวกที่มีพฤติกรรมไม่ดี เช่น พนักงานที่ชอบทำผิดกฎระเบียบ ทะเลาะวิวาท ติดยาเสพติด ลักขโมย ปลอมแปลงเอกสาร สิ่งที่งานวิจัยพบอย่างชัดเจนคือ ถ้าจัดพนักงานกลุ่มนี้มานั่งอยู่ใกล้กัน หนึ่งในนั้นจะมีโอกาสถูกให้ออกสูงถึง 27% แล้วถ้าจัดให้ไปนั่งใกล้กับกลุ่มพนักงานดีๆ ข้างต้นผลการวิจัยบอกว่าเราจะมีโอกาสสูญเสียพนักงานดีๆ เพราะพฤติกรรมที่ไม่ดีเหล่านี้ส่งอิทธิพลแรงมาก จะครอบงำพนักงานที่ดีให้กลายร่างเป็นพนักงานที่ไม่ดีในที่สุด

ข้อสรุปที่สำคัญของการวิจัยเรื่องนี้คือ เราควรให้ความสำคัญกับการออกแบบพื้นที่ทำงานและการจัดกลุ่มทีมงาน แรงบันดาลใจหรือแรงกดดันของเพื่อนร่วมงานที่มีผลการทำงานดี (เน้นว่าผลการทำงานที่ดีหรือจุดแข็งในผลการวิจัย) จะส่งอิทธิพลต่อสมาชิกที่ทำงานอยู่ใกล้กัน หรือถ้าจะให้ชัดเจนก็ต้องยกสุภาษิตไทยมาเปรียบเทียบก็คือ “คบคนพาล พาลพาไปหาผิด คบบัณฑิต บัณฑิตพาไปหาผล” ผู้บริหารจะต้องมองคนออก วิเคราะห์จุดแข็งจุดอ่อนของแต่ละคนแล้วจัดสภาพแวดล้อมที่จะทำให้ผลการทำงานออกมาในทิศทางที่ปรารถนา และที่สำคัญอย่าให้คน….อะไร….มารวมกัน

[1] https://hbr.org/2017/02/want-to-be-more-productive-sit-next-to-someone-who-is

ผู้ลี้ภัยทางดิจิทัล (Digital refugees)


หลายคนคงได้อ่านข่าวผู้อพยพลี้ภัยจากประเทศแถบตะวันออกกลางและแอฟริกาอพยพหลั่งไหลเข้าสู่ยุโรปและอเมริกาเป็นจำนวนมาก จนนับเป็นการอพยพลี้ภัยที่ใหญ่ที่สุดนับตั้งแต่สงครามโลกครั้งที่ 2 เป็นต้นมา ด้วยจำนวนผู้อพยพที่หลั่งไหลเข้าสู่ยุโรปและอเมริกาเป็นจำนวนมากจึงเป็นชนวนให้เกิดความแตกแยกของประชาชนในประเทศที่รับผู้อพยพเข้ามา ฝ่ายหนึ่งเห็นแก่มนุษยธรรมว่าเมื่อมีผู้เดือดร้อนมาขอความช่วยเหลือเราควรต้องยื่นมือออกไปช่วยดูแล แต่อีกฝ่ายหนึ่งเห็นว่าผู้อพยพเข้ามามากเกินไปจนสร้างความเสียหายให้แก่เจ้าของประเทศ กระแสการปฏิเสธผู้อพยพรุนแรงมากจนกลายมาเป็นเหตุผลหนึ่งที่นำไปสู่การลงประชามติถอนตัวออกจากสหภาพยุโรปของสหราชอาณาจักรหรือ “Brexit” รวมถึงการที่คนอเมริกันเลือกนายโดนัลด์ ทรัมป์ที่หาเสียงด้วยนโยบายประชานิยม (Populist) มาเป็นประธานาธิบดี ซึ่งต่อมาเขาก็ได้ออกประกาศห้ามผู้อพยพจาก 7 ประเทศเข้าสหรัฐเป็นการชั่วคราว (Travel ban)

มาร์ค เบนิออฟ (Marc Benioff) ประธานคณะผู้บริหาร (Chief Executive Officer: CEO) ของ Salesforce.com ออกมาเตือนว่าความก้าวหน้าทางเทคโนโลยีโดยเฉพาะด้านปัญญาประดิษฐ์ (Artificial Intelligence: AI) จะก่อให้เกิดปรากฎการณ์ที่เรียกว่า “ผู้ลี้ภัยทางดิจิทัล (Digital refugees)[1] ซึ่งคงไม่เหมือนกับผู้อพยพลี้ภัยสงครามที่กล่าวมาข้างต้น แต่เปรียบเทียบให้เห็นว่าสงครามและความอดอยากทำให้คนต้องละทิ้งแผ่นดิน ความก้าวหน้าทางเทคโนโลยีด้านหุ่นยนต์และ AI จะเข้ามารุกรานทำให้คนต้องสูญเสียงานที่เคยทำ ถูกบังคับให้ต้องออกไปและหาทางเอาตัวรอดท่ามกลางอุตสาหกรรมที่เจริญก้าวหน้ามากขึ้นแต่กลับไม่มีที่ว่างให้พวกเขา แม้กระทั่งประเทศสังคมนิยมอย่างจีนก็ยังประสบกับปัญหานี้ ถึงจีนจะมีแรงงานราคาถูกมากมาย เป็นโรงงานของโลก สามารถผลิตสินค้าได้ทุกอย่างในราคาที่ถูกมากๆ แต่เมื่อกลางปี 2559 ที่ผ่านมา โรงงาน Foxconn ผู้รับจ้างผลิตโทรศัพท์ iPhone ให้แก่ Apple ออกมาประกาศแผนลดคนงานจำนวนมหาศาลถึง 60,000 ตำแหน่งจากทั้งหมด 110,000 ตำแหน่งแล้วติดตั้งหุ่นยนต์ทำงานแทน[2] โดยไม่ได้มีปัญหาเรื่องขาดทุนแต่อย่างใด

สำหรับบ้านเรา การเปลี่ยนแปลงทางเทคโนโลยีที่ส่งผลกระทบต่อคนจำนวนมากยังเป็นแค่การเริ่มต้น แต่ก็มีบางคนได้รับผลของการเปลี่ยนแปลงนี้ไปแล้ว ที่เป็นข่าวดังระดับประเทศก็ได้แก่การเปลี่ยนแปลงในแวดวงสื่อสารมวลชน นิตยสารเก่าแก่ที่อยู่คู่เมืองไทยมาหลายสิบปีต้องปิดตัวลงเพราะคนไม่อ่านหนังสือจากกระดาษแต่เปลี่ยนไปอ่านจากสมาร์ทโฟนแทน หรือกรณีโทรทัศน์ดิจิทัลที่เปิดตัวไปเมื่อปี 2557 ผ่านไปแค่ไม่กี่ปีก็พบว่าพฤติกรรมการดูโทรทัศน์ของคนไทยเปลี่ยนไปดูรายการผ่านทางออนไลน์มากขึ้น ปีแรกผ่านไปด้วยการปิดตัวลง 2 ช่อง ส่วนปีที่ผ่านมามี 2 ช่องต้องเอาตัวรอดด้วยการขายหุ้นเพิ่มทุนเพื่อเอาเงินมาใช้ประคับประคองกิจการ[3] อีก 6 ช่องขอยืดเวลาจ่ายค่าธรรมเนียมออกไป[4] แวดวงสื่อสารมวลชนในปีที่ผ่านมาจึงมีการปรับโครงสร้างบริษัทและปรับลดพนักงานอย่างขนานใหญ่ ทำให้คนในวงการตกงานกันเยอะพอสมควร อีกวงการหนึ่งที่มีการเปลี่ยนแปลงไม่แพ้กันคือธนาคารพาณิชย์ ปีที่ผ่านมามีธนาคารหลายแห่งเริ่มนโยบายลดการเปิดสาขาไม่ว่าจะเป็นสาขาที่เปิดในห้างหรือนอกห้าง สถิติเฉพาะปี 2559 พบว่าปิดไปแล้วทั้งหมด 51 สาขา[5] ธนาคารหันมาส่งเสริมการให้บริการออนไลน์ผ่านสมาร์ทโฟนมากขึ้น และเตรียมพร้อมรองรับการเข้ามาของเทคโนโลยีทางการเงิน (Fintech) นี่นับว่ายังโชคดีของพนักงานธนาคารที่ขณะนี้ไม่มีการลดคน แต่ในไม่ช้าเชื่อว่าพนักงานธนาคารจะมีจำนวนลดลงกว่าในปัจจุบันมาก

แล้วเราจะรับมือปัญหา “ผู้ลี้ภัยทางดิจิทัล” กันอย่างไร? คำตอบมี 2 ระดับคือระดับตัวแรงงานเองและระดับสังคม ประการแรกตัวผู้ใช้แรงงานต้องปรับตัวเข้าสู่การใช้ทักษะแบบใหม่ให้ได้จึงจะอยู่รอด ซีซิเลีย เรเยส (Cecilia Reyes) หัวหน้าคณะผู้บริหารด้านความเสี่ยง (chief risk officer) กลุ่มบริษัทประกันภัยซูริค (Zurich Insurance Group) กล่าวว่า แรงงานต้องปรับตัวให้พร้อมรับการเปลี่ยนแปลงที่จะเกิดขึ้น ฝ่ายที่เกี่ยวข้องจะต้องเข้ามาช่วยเหลือโดยการอบรมทักษะเพิ่มเติมให้แก่แรงงาน มิเช่นนั้นเทคโนโลยีจะส่งผลให้ตำแหน่งงานเก่าหายไปอย่างรวดเร็วกว่าตำแหน่งงานใหม่ที่จะเกิดขึ้น[6] ประการที่สอง สังคมจะต้องร่วมกันหาทางออกกับปัญหาที่จะตามมา สัตยา นาเดลลา (Satya Nadella) ประธานคณะผู้บริหาร (Chief Executive Officer: CEO) ของไมโครซอฟต์ (Microsoft) ชี้ให้เห็นปัญหาสำคัญคือปัญหา “ผลผลิตส่วนเกิน (Surplus)” ที่ได้มาจากความก้าวหน้าทางเทคโนโลยี หากเจ้าของทุนและเทคโนโลยีหรือแรงงานชั้นสูงที่ทำงานในอุตสาหกรรมไฮเทคกอบโกยความมั่งคั่งแต่ทอดทิ้ง “ผู้ลี้ภัยทางดิจิทัล” ไว้ข้างหลังย่อมไม่เป็นผลดี เขาเสนอให้สังคมร่วมกันค้นหาสูตรใหม่ที่ผลตอบแทนของเงินทุนและผลตอบแทนของแรงงานไปด้วยกัน ซึ่งเขาเรียกว่า “สัญญาประชาคมใหม่ (new social contract)”[7] เป็นสัญญาที่คำนึงถึงความเป็นธรรมในการกระจายผลผลิตส่วนเกินนี้ไปสู่ส่วนต่างๆ ให้ทุกคนในสังคมได้รับประโยชน์ร่วมกัน

[1] https://www.ft.com/content/744ad7fa-de66-11e6-9d7c-be108f1c1dce

[2] http://www.bbc.com/news/technology-36376966

[3] http://m.prachachat.net/news_detail.php?newsid=1481603333

[4] http://www.bangkokbiznews.com/news/detail/739696

[5] http://www.prachachat.net/news_detail.php?newsid=1482319041

[6] http://www.forbes.com/sites/jasonbloomberg/2017/01/22/davos-highlights-ais-massive-pr-problem/#3567a5f261cb

[7] http://fortune.com/2017/01/18/davos-ai-social-contract-ceo/

สอนคอมพิวเตอร์ให้หลอกคน


“ในอนาคตอีกไม่กี่ปี คอมพิวเตอร์จะมีความสามารถหลอกคนได้” จริงหรือนี่? บางคนก็คิดว่าเป็นไปได้เพราะทุกวันนี้ก็มีพวกแฮกเกอร์ที่ใช้วิธีสร้างโปรแกรมขนาดเล็ก (Bot) ไปฝังตัวในเครื่องคอมพิวเตอร์หรือสมาร์ทโฟนเพื่อหลอกเอารหัสผ่านมาเจาะเข้าระบบธนาคารแล้วทำการโอนเงินออกไปได้ แต่อีกคนก็เถียงว่าที่แฮกเกอร์พวกนี้ทำได้ก็เพราะมีการเขียนโปรแกรมใส่ไปในเครื่องก่อนว่าจะให้ทำอะไร ซึ่งหากทำด้วยตัวคอมพิวเตอร์เองคงยังเป็นไปไม่ได้ ต้องรอไปอีกซัก 20 ปีคอมพิวเตอร์ถึงจะมีความก้าวหน้าจนสามารถหลอกคนได้ … แต่อยากจะบอกว่า … ใครคิดอย่างทั้ง 2 คนนี้เตรียมตัวไว้ได้เลย เพราะมันเกิดขึ้นแล้วตอนนี้ คอมพิวเตอร์สามารถหลอกล่อหรือลักไก่ (Bluff) ให้คนหลงเชื่อในการแข่งขันไพ่โป๊กเกอร์ได้แล้ว และไม่ใช่นักโป๊กเกอร์ธรรมดาๆ แต่เป็นนักโป๊กเกอร์มืออาชีพระดับโลกถึง 4 คนกันเลยทีเดียว ใครที่ไม่รู้ว่าโป๊กเกอร์เป็นยังไงให้ลองไปหาหนังเรื่อง James Bond ตอน Casino Royale หรือหาหนังจีนประเภทเจ้าพ่อหรือเซียนพนันมาดู ก็จะพอรู้ว่าโป๊กเกอร์เป็นเกมที่มีการชิงไหวชิงพริบกันอย่างไร ต้องอ่านเกมของคู่ต่อสู้ว่าจะมาไม้ไหน ทำอย่างไรจึงจะไม่หลงกล วางกลยุทธ์ แล้วจึงลงเงินเดิมพัน ซึ่งเรื่องราวการแข่งขันโป๊กเกอร์ระหว่างคนกับคอมพิวเตอร์นี้เป็นมาอย่างไรจะเล่าให้ฟังต่อไปนี้

การแข่งขันระหว่างคอมพิวเตอร์กับคนเกิดขึ้นมาแล้วหลายครั้งหลายครา มักจัดขึ้นเพื่อวัดความก้าวหน้าของวิทยาการคอมพิวเตอร์ในขณะนั้น การแข่งขันครั้งสำคัญในประวัติศาสตร์ระหว่างคอมพิวเตอร์กับคนมีอยู่ด้วยกัน 3 ครั้ง ครั้งแรกในปี 1997 คอมพิวเตอร์ชื่อ “ดีพบลู (Deep Blue)” ของไอบีเอ็ม (IBM) แข่งหมากรุกสากล (Chess) ชนะแชมป์โลกในขณะนั้นชื่อนายแกรี่ คาสปารอฟ (Garry Kasparov)[1] ชัยชนะนี้ถือเป็นจุดเริ่มต้นที่สำคัญของความก้าวหน้าด้านปัญญาประดิษฐ์ (Artificial Intelligence: AI) ครั้งต่อมาปี 2011 คอมพิวเตอร์ชื่อ “วัตสัน (Watson)” จากไอบีเอ็มอีกเช่นกัน ได้ถูกพัฒนาให้มีความสามารถเข้าใจภาษาธรรมชาติ (Natural language) หรือภาษาที่มนุษย์ใช้กันทั่วไปแล้วค้นหาคำตอบตามที่ต้องการได้อย่างถูกต้อง วัตสันเข้าแข่งขันตอบคำถามกับมนุษย์ในรายการเกมโชว์ชื่อ “เจพพาร์ดี้ (Jeopardy)” สามารถเอาชนะ แบรด รุธเธอร์ (Brad Rutter) และเคน เจนนิ่ง (Ken Jennings) แชมป์เก่าได้[2] และครั้งล่าสุดเมื่อปี 2016 ที่ผ่านมา คอมพิวเตอร์ชื่อ “อัลฟ่าโก (AlphaGo)” จากกูเกิล (Google) สามารถเอาชนะ “ลี เซดอล (Lee Sedol)” แชมป์โลก “โกะ” ชาวเกาหลีใต้ได้อย่างราบคาบ[3] โกะเป็นเกมกระดานที่มีกติกาไม่ยุ่งยากแต่มีความสลับซับซ้อนในการเดินหมากมากกว่าหมากรุกสากล

ระหว่างวันที่ 11-30 มกราคม 2560 ที่ผ่านมา มีการแข่งขันระหว่างคอมพิวเตอร์กับคนอีกรายการหนึ่งแต่ไม่ค่อยจะได้รับการพูดถึงมากนักเพราะมีข่าวดังอื่นๆ มากลบ โดยเฉพาะข่าวการเข้ารับตำแหน่งประธานาธิบดีของนายโดนัลด์ เจ ทรัมป์ (Donald J. Trump) การแข่งขันครั้งนี้นักวิจัยเลือกใช้เกมไพ่โป๊กเกอร์ (Poker) มาเป็นเวทีทดสอบ เพราะโป๊กเกอร์มีกติกาการแข่งขันที่ท้าทายขีดความสามารถของคอมพิวเตอร์และปัญญาประดิษฐ์อย่างยิ่ง เป็นเกมที่นอกจากจะเอาชนะกันด้วยการดูว่าไพ่ในมือของใครเหนือกว่ากันแล้วยังมีการเรียกเงินเดิมพันของผู้เล่นเป็นเงื่อนไขในการตัดสินใจอีกด้วย กล่าวได้ว่าโป๊กเกอร์มีความสลับซับซ้อนกว่าหมากรุกสากล โกะ หรือเกมตอบคำถามที่คอมพิวเตอร์เคยเอาชนะมาแล้ว

การแข่งขันโป๊กเกอร์ระหว่างคนกับคอมพิวเตอร์ครั้งนี้มีชื่องานว่า “เบรน วีเอส อาร์ทิฟิเชียล อินเทลลิเจนซ์ (Brain vs. Artificial Intelligence)” จัดที่ริเวอร์คาสิโน (Rivers Casino) พิทส์เบิร์ก สหรัฐอเมริกา แข่งกันอย่างมาราธอนถึง 20 วัน วันละ 7 ชั่วโมง งานนี้นักเล่นโป๊กเกอร์มืออาชีพที่เก่งที่สุดในโลกจำนวน 4 คนเข้าแข่งขันกับ AI ชื่อว่า “ลิบราตัส (Libratus)” ที่พัฒนาโดยคณะนักวิจัยซึ่งเป็นศาสตราจารย์และนักศึกษาปริญญาเอกด้านคอมพิวเตอร์จากมหาวิทยาลัยคาร์เนกี้เมลล่อน (Carnegie Mellon University) คณะนักวิจัยกลุ่มนี้เคยนำคอมพิวเตอร์ชื่อ “เคลาดิโก้ (Claudico)” เข้าแข่งขันโป๊กเกอร์กับคนมาแล้วในปี 2015 ซึ่งผลแพ้ชนะยังค้างคาใจกัน ฝ่ายนักเล่นโป๊กเกอร์บอกว่าพวกเขา 3 ใน 4 คนได้เงินพนันมากกว่า Claudico แม้จะเพียงเล็กน้อยแต่ย่อมเป็นผู้ชนะ ฝ่ายนักวิจัยบอกว่าเสมอกันเพราะเมื่อคำนวณแล้วผลการแพ้ชนะไม่แตกต่างอย่างมีนัยสำคัญทางสถิติ[4]

มาครั้งนี้จึงเปิดให้แก้มือกันอีกครั้งโดยปรับกติกาให้ชัดเจนขึ้นหลายประการคือ ผู้เล่นแต่ละคนมีชิปพนันมูลค่า $200,000 แข่งกับ Libratus แบบตัวต่อตัว (Head’s-up) โดยนักโป๊กเกอร์จะถูกแบ่งออกเป็น 2 ทีม ทีมละ 2 คน ผู้เล่นในทีมคนหนึ่งจะถูกแยกออกไปเล่นอีกห้องต่างหากซึ่งไม่สามารถติดต่อสื่อสารกับเพื่อนร่วมทีมได้ ทั้งสองคนจะแข่งกับ Libratus ด้วยไพ่ที่แจกเหมือนกันทุกประการแต่จะลงเดิมพันอย่างเป็นอิสระจากกัน ซึ่งทีมนักวิจัยอธิบายเหตุผลที่จัดทีมเช่นนี้ว่าเพื่อเป็นการลดอิทธิพลจากไพ่ในมือ เพราะบางครั้งผู้เล่นอาจจะโชคดีได้ไพ่สวยมาตั้งแต่เริ่มต้น นอกจากนี้ ยังเพิ่มความยากในการเล่นจากเดิมแข่งกันด้วยกติกาโป๊กเกอร์เท็กซัสแบบจำกัดวงเงินเดิมพันเปลี่ยนไปเป็นแบบไม่จำกัดวงเงิน (No-Limit Texas Hold’em) ซึ่งเป็นกติกาโป๊กเกอร์ที่มีความท้าทายในการเล่นมากที่สุด และเพิ่มจำนวนเกมที่ใช้ในการแข่งขันจาก 80,000 เกมเป็น 120,000 เกมเพื่อให้สามารถคำนวณผลแพ้ชนะทางสถิติที่แม่นยำและเชื่อถือได้มากยิ่งขึ้น[5]

เพื่อให้เห็นภาพ จำเป็นต้องอธิบายการเล่นโป๊กเกอร์เป็นข้อมูลประกอบเล็กน้อย การเล่นโป๊กเกอร์เริ่มต้นจากเจ้ามือจะแจกไพ่ให้ผู้เล่นคนละ 2 ใบโดยคว่ำหน้าลงไม่ให้คู่แข่งเห็น เจ้าของไพ่จะดูได้คนเดียวแล้วเริ่มวางเงินเดิมพัน คนที่อยู่ทางซ้ายของเจ้ามือจะเริ่มก่อนแล้วเรียงตามลำดับไปเรื่อยๆ ผู้เล่นที่คิดว่าไพ่ในมือสู้ไหวก็จะลงเงินเดิมพันตามในจำนวนที่เท่ากัน (Call) หากคิดว่าไพ่ในมือเหนือกว่าก็จะเรียกเงินเดิมพันเพิ่มหรือเก (Raise) หากต้องการข่มขวัญคู่ต่อสู้ก็สามารถเพิ่มเงินเดิมพันหรือเกทับเข้าไปอีกก็ได้ (Re-raise) ส่วนผู้เล่นที่ไพ่ในมือไม่ดีก็จะไม่สู้ต่อหรือหมอบ (Fold) เมื่อไม่มีคนเรียกเพิ่มจึงเริ่มการพนันรอบที่ 2 (Flop) โดยเจ้ามือจะเปิดไพ่กลางวง 3 ใบ (Community cards) ผู้เล่นจะพิจารณาไพ่ 2 ใบในมือว่าเมื่อนำไปรวมกับไพ่กลางวงให้ครบห้าใบแล้วเขาจะได้ไพ่สูงสุดแค่ไหน พร้อมทั้งอ่านไพ่ในมือคู่แข่งไปด้วย แล้วทำการเดิมพันเหมือนรอบแรก ต่อมารอบที่ 3 (Turn) เจ้ามือจะเปิดไพ่กลางวงเพิ่มอีก 1 ใบ ผู้เล่นจะทำการเรียกเดิมพันเหมือนรอบที่ผ่านมา รอบสุดท้าย (River) เจ้ามือเปิดไพ่กลางวงอีก 1 ใบ เมื่อผู้เล่นเรียกเงินเดิมพันเหมือนรอบที่ผ่านมาจนกระทั่งไม่มีใครเรียกเพิ่มเติมแล้ว ผู้เล่นที่เหลืออยู่จะเปิดไพ่ของตนเทียบกับคู่แข่ง ใครมีไพ่เหนือกว่าเป็นผู้ชนะได้เงินเดิมพันที่ผู้เล่นทุกคนลงไว้ตั้งแต่เริ่มเล่นทั้งหมด[6]

การแข่งขัน Brain vs. Artificial Intelligence วันแรกๆ ทีมนักเล่นโป๊กเกอร์วางแผนใช้กลยุทธ์การเรียกเงินเดิมพันมาสู้อย่างเต็มที่ ใช้กลยุทธ์การเล่นลักไก่หรือบลัฟ (Bluff) เช่น ในมือถือมีไพ่ดีแต่เรียกเดิมพันต่ำหรือในมือถือไพ่ไม่ดีแต่เรียกเดิมพันสูง ซึ่งเขาคิดว่าน่าจะเป็นจุดอ่อนของ Libratus วิธีนี้ใช้ได้ผลในช่วงแรก แต่หลังจากนั้น Libratus ก็จับทางได้ โดยทีมนักวิจัยอธิบายว่า Libratus จะลองผิดลองถูก (Trial and error) ในวันแรกๆ แต่เมื่อเล่นผ่านไปหลายๆ เกมมากขึ้น Libratus ก็จะเรียนรู้และรู้ทันการลักไก่ จนสามารถตัดสินใจถูกต้องเกือบทุกครั้งหากมีผู้เล่นใช้วิธีนี้ สถิติการเล่นชี้ให้เห็นอีกว่า Libratus จะรู้ทันแผนการเล่นลักไก่ในรอบ River ได้ถูกต้องมากที่สุด อย่างไรก็ตาม บางเกมนักเล่นโป๊กเกอร์ใช้วิธี Bluff หรือเรียกเงินเดิมพันสูงๆ ตั้งแต่รอบ Flop หรือ Turn แต่ Libratus ก็สามารถจับพิรุธและเปลี่ยนกลยุทธ์การเล่นได้ทันท่วงที หลังจบการแข่งขัน ผู้เล่นคนหนึ่งถึงกับออกมายอมรับว่า Libratus สามารถเรียนรู้และปรับกลยุทธ์ตามคู่แข่งแต่ละคนได้ดีมาก ทั้งยังสามารถใช้วิธีการ Bluff โต้ตอบกลับจนเอาชนะมนุษย์ได้ในที่สุด[7]

สิ่งที่น่าทึ่งของปัญญาประดิษฐ์ Libratus คือการยกระดับความฉลาดในการตัดสินใจในเกมที่มีข้อมูลไม่สมบูรณ์ (Imperfect information) ซึ่ง Libratus เหนือกว่า AI รุ่นที่ผ่านมาที่ชนะการแข่งขันหมากรุกสากลและโกะเพราะเกมทั้งสองชนิดมีตาเดินภายในกระดานที่กำหนด กล่าวคือ กระดานหมากรุกสากลมีขนาด 8×8 ช่อง กระดานโกะมีขนาด 19×19 ช่อง และมีการกำหนดกติกาการเดินของหมากแต่ละตัวไว้ชัดเจน เช่น King เดินได้ทุกทิศทางครั้งละ 1 ช่อง Queen เดินได้ทุกทิศทางครั้งละหลายช่อง เป็นต้น ดังนั้น AI รุ่นเก่าจึงทำงานง่ายกว่าเพราะมีข้อมูลและขอบเขตของการตัดสินใจที่สมบูรณ์ (Perfect information) แต่สำหรับการเล่นโป๊กเกอร์แบบ No-Limit Texas Hold’em นี้ Libratus มีโจทย์ที่ยากกว่า 2 เรื่องคือต้องคาดเดาไพ่ 5 ใบของตนและคู่แข่งที่มีความน่าจะเป็นมากถึง 10160 วิธี (เลข 1 มีศูนย์ตามหลัง 160 ตัว) อีกทั้งยังมีเงื่อนไขการลงเดิมพันของนักเล่นโป๊กเกอร์ที่อาจจะ Bluff หรือหลอกล่อให้ Libratus เดาไพ่ในมือผิดพลาดได้ แต่จุดที่น่าทึ่งมากที่สุดของ AI ที่พัฒนาขึ้นมาใหม่นี้คือ Libratus สามารถ Bluff ได้ไม่แพ้คนจริงๆ ซึ่งทีมนักวิจัยกล่าวว่าพวกเขาทำแค่ใส่ข้อมูลกติกาการเล่นให้ Libratus เพียงเท่านั้น Libratus มาเรียนรู้การ Bluff จากนักโป๊กเกอร์ที่เล่นด้วยนั่นเอง ทีมนักวิจัยให้ข้อมูลเพิ่มเติมอีกว่า เมื่อนำผลการเล่นของ Libratus ไปคำนวณค่าความเชื่อมั่นในการตัดสินใจเล่นแต่ละตาจะมีโอกาสถูกต้องสูงถึง 99.98 อย่างมีนัยสำคัญทางสถิติ[8]

ทีมนักวิจัยสรุปเหตุผลที่ Libratus สามารถเอาชนะคนในการแข่งโป๊กเกอร์ไว้ 3 ประการ คือ ซูเปอร์คอมพิวเตอร์ (Supercomputer) อัลกอริทึ่ม (Algorithm) และการเรียนรู้ของเครื่องจักร (Machine learning) ประการแรก Libratus เป็น AI ที่ทำงานบน Supercomputer ใหม่ล่าสุดที่มีชิปแกนประมวลผลมากถึง 15 ล้านตัว เปรียบเทียบกับ Claudico ในปี 2015 ที่มีเพียง 3 ล้านตัวเท่านั้น Libratus จึงสามารถประมวลข้อมูลที่สลับซับซ้อนได้ดีขึ้น ประการที่สอง ด้วยเหตุที่โป๊กเกอร์แบบ No-Limit Texas Hold’em มีข้อมูลที่ไม่สมบูรณ์และมีความน่าจะเป็นของไพ่ในมือมากถึง 10160 ทำให้ AI ไม่สามารถวิเคราะห์ข้อมูลทางเลือกทั้งหมดก่อนตัดสินใจเล่นได้ ทีมนักวิจัยจึงได้พัฒนาอัลกอริทึ่มในการเล่น (End-game solving algorithm) ที่ฉลาดในการแก้ปัญหามากขึ้น Algorithm นี้คล้ายคลึงกับการคิดของมนุษย์ที่จะเลือกทางเลือกที่เป็นไปได้เพียงบางส่วนมาใช้วางกลยุทธ์แล้วตัดสินใจว่าจะหมอบ (Fold) ตาม (Call) เก (Raise) หรือเกทับ (Re-raise) ทั้งนี้ ระหว่างเกมการแข่งขันจะสังเกตพบว่า Libratus ใช้เวลาคิดในรอบ Turn และ River นานกว่าปกติ ประการสุดท้าย Libratus จะเก่งขึ้นทุกวัน ตอนกลางคืน Libratus จะไม่พักผ่อนเหมือนคนแต่จะเรียนรู้ข้อผิดพลาดจากการแข่ง โดยประมวลข้อมูลการเล่นที่ผ่านมาเพื่อนำมาแก้จุดบกพร่องในการเล่นสำหรับวันถัดไป นักวิจัยยังกล่าวเพิ่มเติมอีกว่า Libratus เรียนรู้ถึงขั้นที่รู้ว่าคู่แข่งจับไต๋ของตนได้และกำลังซ้อนแผนกลับ[9]

อ่านมาถึงตอนนี้แล้วเริ่มจะรู้สึกเป็นห่วงอนาคตของตัวเองมากขึ้นหรือปล่าว แต่สบายใจได้ มนุษย์อย่างเรายังไม่ถูกคอมพิวเตอร์รุกรานในเวลานี้แน่นอน Libratus ยังอยู่ในขั้นเริ่มต้น ไม่สามารถนำมาใช้ในชีวิตประจำวันและยังมีข้อจำกัดอีกมาก เช่น Libratus ต้องทำงานบนเครื่อง Supercomputer ที่มีสมรรถนะสูงและไม่สามารถเล่นโป๊กเกอร์ได้มากกว่า 2 คนในเวลาเดียวกัน แต่อย่างไรก็ตามชัยชนะของ Libratus ถือเป็นก้าวหน้าสำคัญซึ่งจะส่งผลต่อการนำไปประยุกต์ใช้ด้านต่างๆ ในอนาคตอีกมากมาย เหตุเพราะ Algorithm ของ Libratus พัฒนามาเพื่อแก้ปัญหาที่มนุษย์ต้องเจอในชีวิตจริง ทุกวันเราจะต้องเผชิญกับสถานการณ์ที่ต้องตัดสินใจโดยมีข้อมูลไม่สมบูรณ์และมีความไม่แน่นอนสูง การได้ AI อย่าง Libratus มาเป็นผู้ช่วยมนุษย์ในการทำงานก็จะส่งผลดีต่อประสิทธิภาพการทำงานเป็นอย่างมาก ซึ่งทุกวันนี้เราก็มีคอมพิวเตอร์เป็นผู้ช่วยส่วนตัวมาระยะหนึ่งแล้ว อย่างเช่น Siri ของ iPhone หรือ Alexa ของ Amazon ในอีกไม่กี่ปีข้างหน้า Siri อาจจะมีความสามารถสูงขึ้นจนทำงานที่สลับซับซ้อนของมนุษย์ได้ สามารถชักจูงหว่านล้อม มีลูกล่อลูกชน อุบไต๋ของตัวเองและจับไต๋ของอีกฝั่ง เช่น การเจรจาต่อรองราคาสินค้า การประมูล การซื้อขายหุ้น เป็นต้น แต่ก็ขอให้รู้ว่า นั่นเป็นผลมาจากการที่เราสอนให้คอมพิวเตอร์หลอกคนในวันนี้นี่เอง

[1] https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov

[2] https://en.wikipedia.org/wiki/Watson_(computer)

[3] https://en.wikipedia.org/wiki/AlphaGo_versus_Lee_Sedol

[4] https://en.wikipedia.org/wiki/Claudico

[5] https://www.cmu.edu/news/stories/archives/2017/january/poker-pros-vs-AI.html

[6] https://en.wikipedia.org/wiki/Poker

[7] http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/ai-learns-from-mistakes-to-defeat-human-poker-players

[8] https://www.cmu.edu/news/stories/archives/2017/january/AI-beats-poker-pros.html

[9] http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/ai-learns-from-mistakes-to-defeat-human-poker-players

ความถูกต้องและเชื่อถือได้ระหว่างคนกับเครื่องจักร


การเลือกตั้งประธานาธิบดีสหรัฐอเมริกาผ่านไปแล้ว ผลปรากฎว่านาย Donald Trump เป็นฝ่ายได้รับชัยชนะเป็นว่าที่ประธานาธิบดีคนใหม่ของสหรัฐ ซึ่งจะเข้ารับตำแหน่งอย่างเป็นทางการในเดือนมกราคมปี 2017 แต่ก่อนจะถึงวันนั้น มีเหตุการณ์เกิดขึ้นในสามรัฐสำคัญคือ Michigan, Pennsylvania, และ Wisconsin ที่กำลังมีการนับคะแนนใหม่ เหตุเนื่องมาจากนักวิชาการด้านคอมพิวเตอร์จาก University of Michigan และองค์กรเอกชนพบความผิดปกติในเชิงสถิติของผลการเลือกตั้งที่แตกต่างไปจากผลการสำรวจ (Polls) ซึ่งทำไว้ก่อนการเลือกตั้งสูงถึง 7% โดยเฉพาะในเมืองที่ใช้เครื่องลงคะแนนเสียง เมื่อเปรียบเทียบกับเมืองที่ใช้คนนับคะแนนซึ่งมีความผิดปกติเพียงเล็กน้อย[1] นอกจากนี้ ก่อนการเลือกตั้งยังมีข่าวลือว่า Hacker จากรัสเซียอาจ Hack เข้าระบบไปแก้ไขผลการเลือกตั้งได้ จึงนำมาสู่การขอนับคะแนนใหม่ นำโดย Jill Stein ผู้สมัครจากพรรค Green

ประเด็นที่บทความนี้ให้ความสนใจคือในอนาคตเครื่องจักรจะเข้ามามีบทบาทในชีวิตประจำวันของเรามากขึ้น เกิดคำถามตามมาว่าความถูกต้องและเชื่อถือได้ในการทำงานของเครื่องจักรมีมากน้อยเพียงใดเมื่อเทียบกับคน และเราสามารถไว้วางใจให้เครื่องจักรทำงานแทนเราได้หรือไม่ จึงนำประเด็นการนับคะแนนผลการเลือกตั้งประธานาธิบดีอเมริกาใหม่ (Recount) มาตั้งเพื่อสำรวจตรวจสอบความถูกต้องและเชื่อถือได้ในการนำเครื่องจักรมาทำงานทดแทนคน โดยรวบรวมข่าวและบทความที่ตีพิมพ์เกี่ยวกับการนับคะแนนเสียงใหม่ตามสื่อที่น่าเชื่อถือเท่าที่สืบค้นได้

ขอเริ่มจากการทำความเข้าใจวิธีลงคะแนนเสียงเลือกตั้งในอเมริกาก่อน การเลือกตั้งที่อเมริกามีความแตกต่างจากบ้านเรามาก รัฐบาลกลางไม่ได้กำหนดว่าจะต้องใช้วิธีลงคะแนนเสียงเหมือนๆ กันทั้งประเทศ แต่ละรัฐสามารถเลือกใช้วิธีที่แตกต่างกันไป บางรัฐใช้บัตรลงคะแนน (กระดาษ) และใช้คนนับคะแนน บางรัฐลงคะแนนและนับคะแนนด้วยเครื่องทั้งหมด (Voting machine) บางรัฐใช้แบบผสมคือลงคะแนนในบัตร (กระดาษ) แล้วนำไปหย่อนลงในเครื่องซึ่งจะทำการสแกนบัตรแล้วนับคะแนนให้โดยอัตโนมัติ รัฐ Michigan และ Wisconsin เลือกใช้วิธีแบบผสมคือใช้บัตรลงคะแนน (กระดาษ) และเครื่องนับคะแนน ส่วนรัฐ Pennsylvania เลือกใช้การลงคะแนนและนับคะแนนด้วยเครื่องทั้งหมด มีเกร็ดที่น่าสนใจเกี่ยวกับเครื่องลงคะแนนเล็กๆ น้อยๆ มาเล่าสู่กันฟังคือ ในอเมริกามีผู้ผลิตเครื่องลงคะแนนออกมาขายให้หน่วยงานที่จัดการเลือกตั้งมากมายหลายรุ่นหลายแบบ ซึ่งแต่ละหน่วยงานก็เลือกซื้อมาใช้งานได้โดยอิสระ มีข้อมูลว่า 72 เทศมณฑล (County) ในรัฐ Wisconsin เลือกใช้เครื่องลงคะแนนแตกต่างกันถึง 16 รุ่น[2]

จากข่าวเมื่อวันอาทิตย์ที่ 4 ธันวาคม Fox6now.com รายงานผลการนับคะแนนใหม่ที่เสร็จเรียบร้อยแล้วของ 6 เทศมณฑลในรัฐ Wisconsin ผลการเลือกตั้งสรุปว่าคะแนนของ Trump ยังชนะ Clinton ไม่เปลี่ยนแปลง แต่ทั้ง Trump และ Clinton เสียคะแนนคณะผู้เลือกตั้งคนละ 20 คะแนนไปให้กับ Jill Stein 27 คะแนนและ Gary Johnson 13 คะแนน นอกจากนี้ รายงานความคืบหน้าผลการนับคะแนนบางส่วนจาก 53 เทศมณฑลพบว่า Trump ได้คะแนนคณะผู้เลือกตั้งเพิ่มขึ้นจากผลการนับครั้งก่อน 40 คะแนน ซึ่ง Wendy Christensen ปลัดเทศมณฑล Racine (County Clerk) กล่าวถึงสาเหตุที่ทำให้เกิดความคลาดเคลื่อนว่าน่าจะมาจากเครื่องไม่สามารถนับคะแนนจากบัตรเลือกตั้งที่ใช้ปากกาหมึกสีน้ำเงิน ผลการนับคะแนนใหม่โดยใช้คนนับจึงมีคะแนนเพิ่มขึ้นกว่า 1 ล้านคะแนนและทำให้คะแนนคณะผู้เลือกตั้งเปลี่ยนแปลงไปดังที่กล่าวมาข้างต้น[3]

ส่วนที่รัฐ Michigan มีรายงานว่าเกิดปัญหาในการนับคะแนนใหม่เนื่องจากเมื่อตรวจสอบจำนวนผู้ลงคะแนนเลือกตั้งแล้วปรากฎว่าตัวเลขที่บันทึกโดยเจ้าหน้าที่ประจำหน่วยเลือกตั้งไม่ตรงกับตัวเลขที่บันทึกในเครื่องลงคะแนน ที่เมือง Detroit มีหน่วยเลือกตั้งที่เกิดปัญหานี้ 392 หน่วยจากทั้งหมด 662 หน่วย (คิดเป็นร้อยละ 59.2) เมือง Wayne มีปัญหายอดผู้ลงคะแนนไม่ตรงกัน 610 หน่วยจากทั้งหมด 1,680 หน่วยเลือกตั้ง (คิดเป็นร้อยละ 36.3) ในกรณีเช่นนี้ กฎหมายของรัฐ Michigan กำหนดว่าหน่วยเลือกตั้งที่มีปัญหาดังกล่าวจะไม่สามารถขอนับคะแนนใหม่ได้และผลการเลือกตั้งได้ที่ประกาศไปแล้วจะถือเป็นที่สิ้นสุด จากปัญหาที่เกิดขึ้น Daniel Baxter ผู้อำนวยการเลือกตั้งเมือง Detroit ให้ความเห็นว่า เมื่อประชาชนมาใช้สิทธิลงคะแนนในบัตรเลือกตั้งเสร็จแล้วก็จะนำบัตรมาหย่อนในเครื่องเพื่อสแกนและนับคะแนน แต่ด้วยเหตุที่เครื่องมีอายุการใช้งานมานานกว่า 10 ปี บางเครื่องจึงมีปัญหาบัตรติดค้างทำให้ต้องดึงออกมาแล้วใส่กลับไปใหม่ ซึ่งอาจเป็นที่มาที่ทำให้เกิดความคลาดเคลื่อนของจำนวนผู้ลงคะแนนได้[4]

แต่สำหรับรัฐ Pennsylvania นั้นแตกต่างออกไปเพราะมีการใช้เครื่องลงคะแนนเต็มรูปแบบ ไม่มีการใช้กระดาษเลย ดังนั้นการนับคะแนนใหม่จึงค่อนข้างยุ่งยากเพราะไม่มีหลักฐานการลงคะแนนที่จับต้องได้อย่างชัดเจน นอกจากนี้ เครื่องลงคะแนนทั้งหมดใช้เทคโนโลยีรุ่นเก่าซึ่งผลิตมาตั้งแต่ช่วงทศวรรษที่ 1980s ไม่สามารถเชื่อมต่อกับอินเตอร์เน็ตได้ ต้องใช้ช่างผู้เชี่ยวชาญด้านคอมพิวเตอร์มาตรวจสอบเครื่องลงคะแนนทีละเครื่องเพื่อดูว่าผลการเลือกตั้งที่รายงานออกมามีความถูกต้องหรือไม่ และด้วยเหตุที่การนับคะแนนใหม่มีความยุ่งยาก กฎหมายของรัฐจึงกำหนดให้การขอนับคะแนนใหม่จะต้องมีผู้สมัครรับเลือกตั้งอย่างน้อย 3 คนยื่นคำร้องเป็นรายหน่วยเลือกตั้งที่สงสัยว่าจะมีความผิดปกติเกิดขึ้น ไม่สามารถยื่นคำร้องครั้งเดียวให้นับใหม่ทั้งเมืองหรือทั้งรัฐได้ ซึ่งรัฐ Pennsylvania มีหน่วยเลือกตั้งทั้งหมด 9,163 หน่วยจึงเกิดปัญหาตามมาว่าจะยื่นคำร้องทีละหน่วยและนับให้เสร็จทันตามเวลาที่กำหนดได้อย่างไร[5]

การลงคะแนนเสียงในอเมริกามีวิธีที่หลากหลายทั้งแบบใช้คน ใช้เครื่อง และแบบผสม ซึ่งจากที่ค้นหาข้อมูลมาพบว่าล้วนแล้วแต่มีโอกาสเกิดความผิดพลาดคลาดเคลื่อนได้ทั้งนั้น แต่สิ่งที่เราต้องการจะรู้คือวิธีไหนมีโอกาสผิดพลาดมากและเกิดขึ้นบ่อยครั้ง จึงขอปิดท้ายด้วยบทความจาก website หนังสือพิมพ์ Washington Post ที่ตีพิมพ์บทความของ Stephen Ansolabehere, Barry C. Burden, Kenneth R. Mayer, และ Charles Stewart III ซึ่งกล่าวว่าเราสามารถตั้งข้อสงสัยผลการนับคะแนนโดยเครื่องได้ แต่จากหลักฐานที่ผ่านมาพบว่าเครื่องนับคะแนนมีความถูกต้องและเชื่อถือได้มากกว่า เช่นในปี 2002 มีการนับคะแนนใหม่ 6 หน่วยในรัฐ New Hampshire มีความคลาดเคลื่อนระหว่างผลการนับคะแนนใหม่กับผลการนับคะแนนครั้งแรกในหน่วยที่นับคะแนนด้วยคนถึง 2.5% แต่หน่วยที่ใช้เครื่องลงคะแนนมีความคลาดเคลื่อนเพียง 0.6% เท่านั้น ต่อมาในปี 2011 มีการนับคะแนนใหม่ในรัฐ Wisconsin และพบความคลาดเคลื่อนในลักษณะเดียวกันคือ ผลการนับคะแนนด้วยคนมีความคลาดเคลื่อน 0.28% แต่การนับคะแนนด้วยเครื่องมีความคลาดเคลื่อนเพียง 0.17% ซึ่งเขาสรุปว่าการลงคะแนนทั้งสองวิธีมีความถูกต้องและเชื่อถือได้สูงแต่เครื่องนับคะแนนจะดูเหนือกว่าเล็กน้อย[6]

[1] อ่านเพิ่มเติมที่ http://www.nature.com/news/democracy-isn-t-all-it-is-cracked-up-to-be-1.9925

[2] http://time.com/4583933/wisconsin-recount-election/

[3] http://fox6now.com/2016/12/04/presidential-recount-counting-complete-in-6-counties-results-have-barely-changed/

[4] https://www.theguardian.com/us-news/2016/dec/05/us-election-recount-michigan-donald-trump-hillary-clinton

[5] http://www.bbc.com/news/world-us-canada-38137630

[6] https://www.washingtonpost.com/news/monkey-cage/wp/2016/12/05/the-wisconsin-recount-may-have-a-surprise-in-store-after-all/?utm_term=.d02b79d87c1d

อาชีพวันนี้ในอนาคต


ได้ย้อนกลับไปอ่านข่าวเก่าเมื่อปีที่ผ่านมา (2015) ข่าวนั้นมีว่าสำนักข่าว Associated Press (AP) กับบริษัท Automated Insights เจ้าของเทคโนโลยี Wordsmith ที่ใช้ปัญญาประดิษฐ์ (Artificial Intelligence: A.I.) ในการแปรข้อมูลภาพหรือวิดีโอเปลี่ยนให้เป็นคำบรรยายแบบทันที (real-time) ได้ร่วมมือกับสมาคมกีฬามหาวิทยาลัยแห่งชาติของอเมริกา (National Collegiate Athletic Association: NCAA) ทดลองนำเทคโนโลยี A.I. มาใช้การเขียนรายงานข่าวกีฬาเบสบอล บาสเก็ตบอล และอเมริกันฟุตบอลระดับมหาวิทยาลัย เพื่อนำข่าวและสถิติต่างๆ ในการแข่งขันไปเผยแพร่ในช่องทางต่างๆ ของ AP และเว็บไซต์ของ NCAA ความร่วมมือนี้ทำให้ประชาชนสามารถติดตามความเคลื่อนไหวการแข่งขันกีฬาระดับมหาวิทยาลัยได้อย่างรวดเร็วทันเหตุการณ์ ส่วนสำนักข่าวก็จะได้เครื่องมือมาช่วยในการรายงานข่าวให้มีประสิทธิภาพมากขึ้น[1] นอกจากนี้ ยังได้มีการนำข่าวที่เขียนโดย A.I. ไปเปรียบเทียบกับข่าวที่เขียนโดยคนจริงๆ จากสำนักข่าวอื่น เช่น ESPN, CBS, Fox พบว่าการรายงานผลการแข่งขันทำได้ถูกต้องเหมือนกัน แต่ยังมีจุดอ่อนสำคัญคือสไตล์การเขียนของ A.I. ยังทำได้ไม่ดี แข็งทื่อไม่ลื่นไหล อ่านแล้วไม่ได้อรรถรส[2] ซึ่งขณะนี้กำลังทำการปรับปรุงกันต่อไป อย่างไรก็ตาม สิ่งนี้สร้างความสงสัยเล็กๆ 2 ประการว่าคอมพิวเตอร์จะทำงานแทนนักข่าวได้หรือและอาชีพนักข่าวจะเป็นอย่างไรในอนาคต

จากการค้นหาคำตอบแรก ได้ไปพบว่าเทคโนโลยีคอมพิวเตอร์กำลังพัฒนาไปอย่างมาก ขอยกตัวอย่างงานจากนักวิจัยชาวอินเดีย 3 ท่านชื่อ Rahul Anand Sharma, C. V. Jawahar, และ Pramod Sankar K. สามารถพัฒนาคอมพิวเตอร์ให้บรรยายการแข่งขันคริกเก็ตออกมาในลักษณะข้อความได้สำเร็จ วิธีการก็คือ นักวิจัยทั้ง 3 ได้เขียนอัลกอริทึม (Algorithm) โดยใช้ความสามารถด้านการเรียนรู้ของเครื่อง (Machine Learning) และการจดจำภาพ (Visual Recognition) เพื่อจดจำการแข่งขันคริกเก็ตจากคลิป YouTube เป็นพันๆ คลิป ต่อจากนั้นจึงแยกฉากการแข่งขันออกเป็นตอนย่อยๆ แล้วกำหนดให้คอมพิวเตอร์รู้ว่าฉากนี้ต้องใช้คำบรรยายอะไร เช่น สไตร์ค โฮมรัน เมื่อพัฒนาเสร็จจึงนำไปทดสอบกับการแข่งขันคริกเก็ตจริงๆ ปรากฎว่าคอมพิวเตอร์สามารถบรรยายเหตุการณ์ที่เกิดขึ้นระหว่างการแข่งขันได้อย่างถูกต้องโดยใช้เวลาไม่ถึง 1.2 วินาทีเมื่อมีเหตุการณ์ในสนาม[3] ความก้าวหน้าทางเทคโนโลยีในลักษณะเช่นเดียวกันกำลังดำเนินการอยู่มากมายในห้องทดลองต่างๆ ทำให้คาดกันว่าความสามารถของคอมพิวเตอร์จะแทนที่ผู้สื่อข่าวกีฬาหรือแม้กระทั่งนักพากย์กีฬาได้ในไม่ช้า อนาคตนักวิจัยวางแผนว่าจะพัฒนาโปรแกรมให้มีความสามารถสูงขึ้นไปอีก โดยจะพัฒนาให้มีความสามารถในการวิเคราะห์และแสดงความเห็นต่อเกมการแข่งขันได้ ซึ่งคาดว่านักวิเคราะห์เกม (Commentator) อาจจะตกงานได้เช่นกัน

คำตอบถัดมา เมื่อปี 2013 Carl Benedikt Frey และ Michael A. Osborne[4] ได้ศึกษาอาชีพจำนวน 702 อาชีพตามฐานข้อมูลกระทรวงแรงงานของอเมริกาว่ามีโอกาสจะถูกแทนที่โดยคอมพิวเตอร์มากน้อยอย่างไรในอนาคต โดยในผลการวิจัยได้ระบุโอกาสความน่าจะเป็นที่มีค่าระหว่าง 0 (มีโอกาสน้อยที่สุด) ถึง 1 (มีโอกาสมากที่สุด) ซึ่งอาชีพผู้สื่อข่าว (Reporters and Correspondents รหัสอาชีพ 27-3022) มีความน่าจะเป็นที่จะถูกแทนที่ด้วยคอมพิวเตอร์ 0.11 ซึ่งจัดอยู่ในระดับมีความน่าจะเป็นน้อย แต่ผู้ประกอบอาชีพนักข่าวอย่าเพิ่งสบายใจเพราะในงานวิจัยได้บอกข้อจำกัดไว้หลายประการ เป็นต้นว่าโอกาสความน่าจะในงานวิจัยนี้เป็นการพิจารณาจากความก้าวหน้าของเทคโนโลยีในปัจจุบัน หากนโยบายหรือกฎหมายของรัฐออกมาเอื้อต่อการพัฒนาเทคโนโลยีได้เร็วความน่าจะเป็นก็จะเพิ่มสูงขึ้น เช่น ขณะนี้ google ได้รับอนุญาตจากรัฐต่างๆ ให้นำรถไร้คนขับไปทดลองบนถนนจริง หรือรัฐบาลประเทศสิงคโปร์อนุญาตให้ทดลองรถแท็กซี่ไร้คนขับบนถนนจริงได้แล้ว[5] ก็จะช่วยเร่งให้รถไร้คนขับสามารถผลิตออกมาขายได้เร็วกว่าเดิม นอกจากนี้ งานวิจัยไม่ได้พิจารณาปัจจัยค่าจ้างและการขาดแคลนแรงงาน ซึ่งหากวันข้างหน้าเงินเดือนของอาชีพนักข่าวเพิ่มสูงขึ้น อาจจะผลักดันให้เกิดการพัฒนาเครื่องจักรทำงานแทนคนได้ อาชีพนั้นก็มีความน่าจะเป็นเปลี่ยนแปลงไปจากผลการวิจัย ล่าสุดมีข่าวมาว่าการทดลองในห้องแล็บของ Sony สามารถพัฒนา A.I. ให้รู้จักใช้การคิดแบบสร้างสรรค์มาแต่งเพลงโดยเลียนแบบวง The Beatles ได้แล้ว แต่ก็ยังอยู่ในขั้นที่ต้องอาศัยคนมาตบแต่งให้น่าฟัง[6] ท้ายที่สุด คาดว่า A.I. จะพัฒนาไปยังจุดที่สามารถแต่งเพลงที่ไพเราะน่าฟังได้เองทั้งเพลง

พอจะสรุปได้ว่า อาชีพนักข่าวมีโอกาสถูกคอมพิวเตอร์แย่งงานน้อยและยังไม่น่าจะเกิดขึ้นในเวลาอันใกล้นี้ แต่ถ้าเมื่อไรคอมพิวเตอร์พัฒนามากขึ้นจนรู้จักความสวยงามไพเราะเพราะพริ้ง สามารถเขียนข่าวด้วยสำบัดสำนวนที่น่าสนใจ เมื่อนั้นก็มีโอกาสเป็นไปได้มาก ซึ่งปัจจุบันมีผลการทดลองหลายชิ้นที่แสดงให้เห็นว่าคอมพิวเตอร์สามารถผลิตงานแบบนี้ได้บ้างแล้ว

[1] http://www.ap.org/Content/Press-Release/2015/AP-NCAA-to-grow-college-sports-coverage-with-automated-game-stories

[2] http://www.bbc.com/news/technology-34204052

[3] https://www.washingtonpost.com/news/innovations/wp/2015/12/15/how-artificial-intelligence-could-change-the-way-we-watch-sports/

[4] http://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

[5] http://www.bbc.com/news/business-37181956

[6] http://www.popsci.com/listen-to-this-song-by-an-artificial-intelligence-and-tell-me-its-not-beatles?dom=prime&src=syn

 

Zero-hours การจ้างงานแบบไม่กำหนดชั่วโมงทำงาน


ย้อนไปในบทความก่อนหน้านี้ ได้พูดถึง “1099” ซึ่งหมายถึงผู้ประกอบอาชีพอิสระหรือ Freelance ที่ปัจจุบันมีจำนวนเพิ่มมากขึ้นเรื่อยๆ ผลการสำรวจในปี 2014 ที่ผ่านมาพบว่าคนอเมริกัน 3 คนจะเป็นผู้ประกอบอาชีพอิสระเสีย 1 คน[1] วันนี้มีสถิติล่าสุดที่น่าสนใจจากสำนักงานสถิติแห่งชาติของประเทศอังกฤษมาเพิ่มเติม จากการสำรวจแรงงานในประเทศอังกฤษเมื่อไตรมาสที่ 2 ของปี 2016 ที่ผ่านมาพบว่าแรงงานอังกฤษประมาณ 903,000 คนหรือ 2.9% ของแรงงานทั้งหมดได้รับการว่าจ้างด้วยสัญญาแบบ “Zero-hour” หรือการจ้างงานแบบไม่กำหนดชั่วโมงทำงาน เปรียบเทียบกับไตรมาสเดียวกันของปีที่แล้วซึ่งมีเพียง 747,000 คนหรือ 2.4% ของแรงงานทั้งหมด เพิ่มขึ้นจากเดิมถึง 20% นอกจากนี้ยังพบว่าจำนวนผู้ที่ได้รับการว่าจ้างแบบ Zero-hour ที่เพิ่มขึ้นมานั้น ครึ่งหนึ่งเป็นผู้ที่มีอายุระหว่าง 25-64 ปี[2] ข้อมูลนี้ทำให้รัฐบาลอังกฤษเกิดความวิตกกังวล เพราะโดยปกติสัญญาการจ้างงานแบบนี้จะเป็นที่นิยมของเหล่านักเรียนนักศึกษาที่ต้องการทำงานเสริมระหว่างเรียน แต่การที่แรงงานกลุ่มอายุ 25-64 ปีซึ่งอยู่ในวัยทำงานหาเลี้ยงครอบครัวนิยมทำสัญญาจ้างงานแบบ Zero-hours มากขึ้นย่อมส่งผลกระทบต่อครอบครัวของผู้ใช้แรงงานเป็นอย่างมาก เพราะจะมีรายได้ไม่คงที่แล้วแต่นายจ้างจะป้อนงานให้ อาจนำมาซึ่งปัญหาทางสังคมได้

“Zero-hour contract” หรือสัญญาจ้างงานแบบไม่กำหนดชั่วโมงทำงานที่แน่นอนเป็นคำที่ใช้กันในประเทศอังกฤษ หมายถึงสัญญาจ้างงานที่เปิดกว้างมากๆ ไม่มีการกำหนดว่านายจ้างต้องจ้างขั้นต่ำกี่ชั่วโมงและก็ไม่ได้บังคับให้ลูกจ้างต้องรับงานที่นายจ้างเสนอมาทุกงาน เมื่อนายจ้างมีงานให้ทำและลูกจ้างมีเวลาที่จะทำงานให้เกิดเป็นความต้องการที่สอดคล้องกันก็จะมีการจ้างงาน สัญญาแบบนี้นิยมทำกันในงานประเภทพนักงานบริการตามโรงแรม ร้านอาหาร โรงพยาบาล มีข้อมูลในปี 2013 พบว่าพนักงาน McDonald ในประเทศอังกฤษถึง 90% ทำสัญญาว่าจ้างแบบ Zero-hour[3] ข้อดีของการจ้างงานลักษณะนี้คือมีความยืดหยุ่น เหมาะกับนักเรียนนักศึกษาที่ต้องการทำงานเสริมระหว่างเรียนหรือผู้ที่เกษียณจากงานไปแล้วแต่ต้องการทำงานในบางโอกาส ข้อเสียคือเป็นสัญญาที่อาจจะเปิดช่องให้นายจ้างเอาเปรียบและเลือกปฏิบัติได้ สัญญาจ้างงานแบบ Zero-hour จะดูคล้ายกับสัญญาจ้างงานแบบหนึ่งที่มักพบในประเทศอังกฤษ ไอร์แลนด์ แคนาดา ออสเตรเลีย นิวซีแลนด์ เรียกว่า Casual contract หรือการจ้างแบบไม่มีงานประจำ แต่มีจุดที่แตกต่างกันคือ Casual contract จะมีการกำหนดเวลาทำงานขั้นต่ำตามกฎหมาย เช่น 8 ชั่วโมงต่อวันหรืออาจกำหนดเป็น “กะ (Shift)” ที่มีเวลาเริ่มต้นและสิ้นสุดงานที่ชัดเจน การจ้างแบบ Casual จะดีต่อลูกจ้างมากกว่า Zero-hour เพราะเมื่อรับงานแล้วจะได้รับค่าจ้างจำนวนหนึ่งที่แน่นอน

การจ้างงานแบบ Zero-hour ที่เกิดขึ้นข้างต้นแม้ว่ายังจะไม่พบในบ้านเรา แต่เป็นสัญญานที่แสดงถึงพันธสัญญาใหม่ที่คนทำงานด้าน HR จะต้องตามให้ทันเพื่อจะได้บริหารจัดการกำลังคนได้อย่างเหมาะสม รวมถึงต้องมีความรู้และความเข้าใจว่ามีกฎหมายใดเข้ามาเกี่ยวข้องบ้าง อย่างไรก็ตาม พันธสัญญาใหม่ไม่ได้เปลี่ยนแปลงสิทธิและหน้าที่ที่นายจ้างและลูกจ้างมีต่อกันตามกฎหมาย ดังนั้น ไม่ว่าจะเรียกชื่อว่าสัญญาจ้างลูกจ้างประจำ ลูกจ้างชั่วคราว ลูกจ้างแบบไม่มีงานประจำ ลูกจ้างที่ไม่ระบุจำนวนชั่วโมงทำงานที่แน่นอน หรือใดๆ ก็ตาม เมื่อเข้าเงื่อนไขนายจ้างรับลูกจ้างเข้าทำงานโดยจ่ายค่าจ้างให้และลูกจ้างตกลงทำงานให้นายจ้างโดยได้รับค่าจ้างแล้วก็จะเกิดสัญญาจ้างและตามมาด้วยสิทธิและหน้าที่ของคู่สัญญาตามที่กฎหมายกำหนดไว้

[1] https://www.freelancersunion.org/blog/dispatches/2014/09/04/53million

[2] http://www.reuters.com/article/us-britain-jobs-pay-idUSKCN11E17E

[3] https://www.theguardian.com/business/2013/aug/05/mcdonalds-workers-zero-hour-contracts

วันที่เครื่องจักรแย่งงานคนกำลังจะมาถึง


เมื่อเอ่ยถึง Facebook เราทุกคนรู้จักกันดีเพราะจะต้องเข้าไปอ่านหรือโพสต์ (Post) เป็นประจำทุกวันอย่างน้อยวันละครั้ง เมื่อประมาณเดือนกรกฎาคมปีนี้ (2016) เว็บไซต์ด้านไอที Gizmodo ตีข่าวอดีตพนักงานของ Facebook ออกมาแฉว่าฝ่ายคัดกรองเนื้อหาข่าว (News curator) ในหน้า Trending มีการปั่นกระแสให้ข่าวใดข่าวหนึ่งขึ้นหรือลงจากอันดับได้ โดยเจ้าหน้าที่สามารถเข้าไปแก้ไขอันดับความนิยม แก้ไขเนื้อหา รวมไปถึงแก้ไขลิ้งค์ที่เชื่อมโยงไปยังต้นฉบับ เขายกตัวอย่างข่าวเหตุการณ์เที่ยวบิน MH370 ของสายการบินมาเลเซียสูญหายและเหตุการณ์กราดยิงสำนักพิมพ์ชาร์ลีเฮบโด (charlie hebdo) ที่เป็นข่าวดังไปทั่วโลก สำนักข่าวชั้นนำเช่น CNN, BBC, New York Times ตีข่าวนี้ในหน้าหนึ่ง แต่ในหน้า Trending กลับไม่มีใครพูดถึง พวกเขาได้รับคำสั่งให้เข้าไปแก้ไขให้ข่าวดังกล่าวขึ้นมาอยู่ในหน้า Trending โดยอธิบายสาเหตุที่ต้องทำว่าเพื่อให้เนื้อหาทันต่อเหตุการณ์และสามารถแข่งกับ Twitter ซึ่งนิยมใช้สำหรับการรายงานข่าว

แต่ที่เป็นเรื่องเป็นราวใหญ่โตขึ้นมาก็คือข่าวการที่พนักงาน Facebook มีความไม่เป็นกลางทางการเมือง อดีตพนักงานยังแฉอีกว่าในช่วงการรณรงค์หาเสียงเลือกตั้งประธานาธิบดีสหรัฐ ฝ่ายคัดกรองเนื้อหาข่าวที่เชียร์ผู้สมัครพรรคไหนก็มักจะดันข่าวของพรรคนั้นเข้าสู่หน้า Trending มิหนำซ้ำยังพบว่าแต่ละกะ (Shifts) มีข่าวการเมืองขึ้นอันดับแตกต่างกัน กะที่พนักงานชื่นชอบพรรคเดโมแครตก็จะดันข่าวพรรคเดโมแครตขึ้นและลดข่าวพรรครีพับลิกันลง พอกะที่ชอบพรรครีพับลิกันเข้างานก็จะดันข่าวพรรครีพับลิกันขึ้นลดข่าวพรรคเดโมแครตลง (ทีใครทีมัน) แต่ว่ากันว่าข่าวความเคลื่อนไหวของโดนัล ทรัมป์และพรรครีพับลิกันมักจะถูกจัดไว้อันดับท้ายๆ เสมอเพราะพนักงาน Facebook ส่วนใหญ่ชื่นชอบพรรคเดโมแครต ปัญหาความไม่เป็นกลางทางการเมืองนี้เองทำให้เกิดคำถามเรื่องความน่าเชื่อถือของ Facebook เพราะฝ่ายคัดกรองเนื้อหาข่าวมีหน้าที่คล้ายๆ บรรณาธิการของสำนักข่าวทั่วไป ซึ่งผู้ทำหน้าที่นี้จะต้องมีจรรยาบรรณในการนำเสนอข่าวอย่างเป็นกลาง ไม่เข้าข้างฝ่ายใดฝ่ายหนึ่ง[1]

Facebook ออกมาปฏิเสธข่าวดังกล่าวโดยชี้แจงว่าฝ่ายคัดกรองเนื้อหามีหน้าที่เพียงแค่ตรวจสอบดูว่าเนื้อหาข่าวที่คัดเลือกมาโดยโปรแกรมอัลกอริทึม (Algorithm) นั้นเป็นข่าวที่กำลังเป็นประเด็นร้อนในปัจจุบันจริงๆ พนักงานไม่สามารถเข้าไปปั่นกระแสข่าวได้หรือหากทำก็จะถูกไล่ออกทันที Facebook ชี้แจงเพิ่มเติมว่า Algorithm ในการคัดเลือกเนื้อหาหรือโพสต์ที่จะนำมาแสดงบนหน้า Trending ยังไม่สมบูรณ์ร้อยเปอร์เซ็นต์จึงต้องอาศัยฝ่ายคัดกรองเนื้อหาเข้ามาช่วยเสริมให้ข่าวมีความถูกต้องยิ่งขึ้น ซึ่งพนักงานที่จ้างเข้ามาทำงานไม่ได้รับอนุญาตให้เข้าไปทำการเพิ่มหรือลดความนิยมเนื้อหาข่าวใดๆ ทั้งสิ้น นอกจากนี้ยังมีการจัดหลักสูตรอบรมปรับทัศนคติเพื่อให้พนักงานเข้าใจและเปิดรับความแตกต่างทางเชื้อชาติ เพศ อายุ หรือการเมือง อีกทั้งยังได้ประกาศใช้แนวปฏิบัติในการคัดกรองเนื้อหา (Trending review guidelines) ที่สอดคล้องกับปรัชญาของ Facebook และมีความเป็นกลางให้พนักงานในฝ่ายถือปฏิบัติอย่างเคร่งครัด (คล้ายๆ จรรยาบรรณ)[2] ที่สำคัญ Facebook ได้ปรับแก้ Algorithm ในการคัดกรองเนื้อหาใหม่ให้มีเกณฑ์ที่ชัดเจนมากขึ้น เช่น โพสต์ที่จะอยู่ในหน้า Trending ได้จะต้องเป็นโพสต์ที่มี Comment หรือ Like จำนวนมาก เป็นโพสต์ที่ได้รับ Likes, Comments, Share จำนวนมากในระยะเวลาอันสั้น หรือเป็นโพสต์ที่ถูกกด Like หรือ Comment โดยเพื่อนคนใดคนหนึ่งของเรา เป็นต้น[3]

ในการนี้ Mark Zuckerberg ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหาร (Chief Executive Officer: CEO) Tom Stocky รองประธานบริษัท และ Sheryl Sandberg หัวหน้าคณะเจ้าหน้าที่ฝ่ายปฏิบัติการ (Chief Operation Officer: COO) ของ Facebook ออกมาประกาศว่าจะดำเนินการแก้ไขเรื่องนี้อย่างจริงจังเพื่อสร้างความน่าเชื่อถือของหน้า Trending แต่ก็แบ่งรับแบ่งสู้ว่าด้วยเหตุที่ Facebook มีผู้ใช้งานสูงถึง 1.71 พันล้านคนต่อเดือน การคัดกรองข่าว Trending ให้สอดคล้องกับความชื่นชอบหรือรสนิยมของผู้ใช้งานเป็นรายคนทั้ง 1.71 พันล้านคนเป็นเรื่องที่ยากมาก ไม่อาจหลีกเลี่ยงการใช้คอมพิวเตอร์หรือเครื่องจักรให้ทำงานเหล่านี้โดยมีฝ่ายคัดกรองเนื้อหาตรวจสอบขั้นสุดท้าย อย่างไรก็ตาม เมื่อเกิดปัญหาขึ้น Facebook จึงเลือกที่จะแก้ปัญหาการใช้วิจารณญานหรือความลำเอียงของคนโดยการเปลี่ยน Algorithm ชุดใหม่ที่รัดกุมขึ้น แต่ผลกระทบที่ตามมาอย่างหลีกเลี่ยงไม่พ้นก็คือพนักงานฝ่ายคัดกรองเนื้อหาที่ Facebook จ้างมาจากภายนอกทั้งหมดจะถูกเลิกจ้างทันทีหลังมีการนำ Algorithm นี้มาใช้[4]

จากเนื้อหาที่ผู้บริหารระดับสูงของ Facebook ออกมาพูดพอจะเข้าใจได้ว่า Facebook หรือบริษัทใดๆ ก็ตามที่ระบบการทำงานเปิดโอกาสให้คนได้ใช้วิจารณญานย่อมมีปัญหาหรือข้อจำกัดที่มาจากการตัดสินใจของคน ส่วนเครื่องจักรจะทำงานตามชุดคำสั่งที่ป้อนเข้าไป บางครั้งอาจจะดูทื่อๆ แต่สั่งอย่างไรก็ได้อย่างนั้น และยิ่งคอมพิวเตอร์สมัยนี้ก้าวหน้าไปกว่าเมื่อก่อนมาก จึงนิยมนำมาใช้งานเพื่อแก้ปัญหาความวุ่นวายที่เกิดจากคน …คำถาม… เครื่องจักรกำลังยึดงานของคนแล้วหรือ?

ขอย้อนมาทำความรู้จักกับเครื่องจักรกันสักนิด เครื่องจักรก็คือเทคโนโลยีที่มีการประยุกต์ความรู้ทางวิทยาศาสตร์มาใช้เพื่อก่อให้เกิดประโยชน์ในทางปฏิบัติและอุตสาหกรรม เราสามารถแบ่งพัฒนาการของเทคโนโลยีได้คร่าวๆ เป็น 3 ระยะ ระยะแรกคือเครื่องมือ (Tools) เช่น มีด ค้อน จอบ รอก วงล้อ ที่มนุษย์คิดค้นมาเพื่อช่วยทุ่นแรงให้การทำงานมีประสิทธิภาพและสำเร็จตามวัตถุประสงค์ที่วางไว้ ต่อมามนุษย์ก็พัฒนาเทคโนโลยีเพิ่มขึ้นโดยนำเครื่องมือมารวมกับพลังงานที่ได้จากธรรมชาติหรือสัตว์เลี้ยง เช่น เอาวัวมาเทียมคันไถ ใช้ลมมาปั่นกังหันวิดน้ำ นำไปสู่ระยะที่สองคือเครื่องจักร (Machine) ซึ่งก็คือเครื่องมือที่ทำงานได้โดยไม่ต้องใช้กำลังกายจากคนและสามารถทำงานให้สำเร็จอย่างมีประสิทธิภาพมากกว่าเดิม คนทำหน้าที่เพียงแค่คอยควบคุมการทำงานของเครื่องจักรเท่านั้น เช่น รถยนต์เคลื่อนที่ด้วยเครื่องยนต์โดยมีคนขับคอยถือพวงมาลัยบังคับให้เลี้ยวซ้ายขวา หรือคอมพิวเตอร์ที่ทำงานตามชุดคำสั่งที่คนเขียนขึ้นเพื่อการคำนวณทางคณิตศาสตร์ที่ซับซ้อน ระยะสุดท้ายคือระยะที่เครื่องจักรสามารถคิดและตัดสินใจทำงานเองได้โดยไม่ต้องมีคนมาควบคุมหรือเรียกว่าระบบอัตโนมัติ (Automation) โดยใช้ความก้าวหน้าและวิทยาการต่างๆ เช่น ปัญญาประดิษฐ์ (Artificial Intelligence) เครือข่ายการสื่อสาร (Internet) ข้อมูลขนาดใหญ่ (Big data) การประมวลผลบนก้อนเมฆ (Cloud computing) อุปกรณ์ตรวจจับสัญญาน (Sensor) มาควบคุมการทำงาน ตัวอย่างเช่น รถยนต์ไร้คนขับ และ Internet of things (IoT) ที่กำลังเป็นที่สนใจอย่างมากในขณะนี้ บริษัทชั้นนำของโลกไม่ว่าจะเป็น Apple Google Microsoft Tesla Ford Toyota Samsung ฯลฯ กำลังวิจัยและพัฒนาสินค้าที่มุ่งไปในทิศทางเดียวกัน[5]

มนุษย์เห็นประโยชน์และความสำคัญของเครื่องจักรมานานแล้ว เครื่องจักรเป็นปัจจัยสำคัญที่ทำให้เกิดการเปลี่ยนแปลงในหน้าประวัติศาสตร์โลก เช่น ก่อให้เกิดการปฏิวัติอุตสาหกรรม เพิ่มประสิทธิภาพการผลิตให้สูงขึ้นจากเดิมเป็นร้อยเท่า เกิดโรงงานอุตสาหกรรมที่สามารถผลิตสินค้าได้จำนวนมากมาตอบสนองความต้องการของมนุษย์ ทำให้ชีวิตความเป็นอยู่ดีขึ้นเรื่อยมาจนถึงทุกวันนี้ แต่อย่างไรก็ตาม ในอดีตระหว่างการเปลี่ยนผ่านจากเครื่องมือ (Tools) เข้าสู่การใช้เครื่องจักร (Machine) ก็เกิดปัญหาการกระทบกระทั่งขึ้นหลายครั้ง เช่นในปี ค.ศ.1811 ที่เมืองน็อตติงแฮมประเทศอังกฤษเกิดเหตุการณ์ความรุนแรงขึ้นเนื่องจากช่างทอผ้าโกรธแค้นที่ต้องตกงานเพราะโรงงานนำเครื่องจักรมาใช้แทนคน พวกเขาก่อเหตุจลาจลบุกไปแก้แค้นเครื่องจักรโดยทุบทำลายและเผาโรงงานวอดวาย เหตุการณ์ลุกลามไปทั่วประเทศและต่อเนื่องเป็นเวลาหลายปี จนสุดท้ายรัฐบาลต้องยกกองทัพทหารมาปราบเหตุการณ์จึงสงบลง แกนนำถูกตัดสินเนรเทศและประหารชีวิต[6]

นี้เป็นการต่อต้านการเปลี่ยนแปลงเมื่อ 200 ปีที่ผ่านมา แสดงให้เห็นปัญหาขณะที่เครื่องจักรกำลังคืบคลานเข้ายึดครองพื้นที่งานที่ทำโดยคน ปัจจุบันมีคำเตือนออกมาว่าในไม่ช้างานที่คนทำจะถูกแทนที่ด้วยเครื่องจักรอัตโนมัติ แต่เราเองก็ไม่ได้ถือเป็นเรื่องจริงจังนัก คนส่วนใหญ่เชื่อว่ามีโอกาสเป็นไปได้จริงแต่จะจำกัดวงอยู่ในงานประเภทอุตสาหกรรมการผลิต เช่น ใช้หุ่นยนต์เชื่อมประกอบรถยนต์แทนคน เท่านั้น ส่วนงานประเภทที่ต้องคิดวิเคราะห์สลับซับซ้อนยังยากที่จะใช้เครื่องจักร แต่ทว่าข่าวที่ Facebook น่าจะทำให้ความคิดของเราเปลี่ยนไป ว่ากันว่าการเปลี่ยนแปลงแต่ละครั้งจะเกิดสิ่งใหม่ๆ ขึ้นมาโดยแลกกับสิ่งเก่าๆ บางอย่างที่ต้องสูญหายไป ตำแหน่งงานจำนวนมากจะถูกยุบทิ้งอย่างหลีกเลี่ยงไม่ได้แต่ก็จะเกิดตำแหน่งงานใหม่ขึ้นมา ผู้ที่ไม่สามารถเปลี่ยนทักษะที่ล้าหลังไปสู่ทักษะใหม่จะกลายเป็นผู้ถูกทอดทิ้ง แต่อย่างไรก็ตาม หากการเปลี่ยนแปลงไม่มีการเตรียมพร้อมเพื่อรองรับผลกระทบไว้ก่อน อาจจะก่อให้เกิดปัญหาความรุนแรงในสังคมเหมือนช่วงคริสศตวรรษที่ 18 ที่คนงานออกมาก่อจราจลต่อต้านการเปลี่ยนแปลงจากงานหัตถกรรมไปสู่การใช้เครื่องจักรอุตสาหกรรมได้

[1] http://gizmodo.com/former-facebook-workers-we-routinely-suppressed-conser-1775461006

[2] http://gizmodo.com/facebook-offers-political-bias-training-in-wake-of-tren-1782500645

[3] http://thumbsup.in.th/2014/11/factors-of-facebook-algorithm/

[4] http://fortune.com/2016/08/26/facebook-trending-no-humans/

[5] https://en.wikipedia.org/wiki/Technological_evolution

[6] https://en.wikipedia.org/wiki/Luddite

พลิกโฉมหน้าการจัดการสายอาชีพ (Career disruption)


ความก้าวหน้าในสายอาชีพคือการเลื่อนตำแหน่งขึ้นในแนวตั้งเหมือนการปีนบันไดตั้งแต่ขั้นแรกไปจนถึงขั้นสูงสุดตามความสามารถ บริษัทที่ใส่ใจในการพัฒนาบุคลากรจะใช้การพัฒนาอาชีพ (Career development) มาช่วยพนักงานให้พัฒนาตัวเองไปสู่เป้าหมายของอาชีพ (Career goal) ที่ตนตั้งไว้ โดยตั้งอยู่บนแนวคิดของการเตรียมพนักงานให้พร้อมที่จะก้าวไปสู่ตำแหน่งที่สูงขึ้นภายในบริษัท การได้เลื่อนจากพนักงานธรรมดาไปเป็นหัวหน้า-ผู้จัดการ-ผู้อำนวยการ จนถึงจุดสูงสุดตามเส้นทางอาชีพ (career path) แสดงถึงการพัฒนาสมรรถนะของตนสำเร็จตามที่บริษัทกำหนด บริษัทก็จะเพิ่มค่าตอบแทนและสิทธิประโยชน์รวมไปถึงสถานภาพภายในบริษัทให้สูงขึ้นทีละขั้น พนักงานที่ประสบความสำเร็จวัดได้จากความสูงของระดับตำแหน่งที่ครอบครองว่าใครอยู่เหนือกว่ากัน ทำให้พนักงานมีแรงจูงใจที่จะพัฒนาตนเองตามสายอาชีพที่วางไว้ จากแนวคิดนี้ เราน่าจะอนุมานได้ว่าคนที่มีสมรรถนะสูงสุดในสายงานจะมีเพียงไม่กี่คนและต้องเป็นผู้ที่อยู่บนบันไดขั้นสูงสุดของสายอาชีพเท่านั้น แต่สิ่งที่พบกลับตรงกันข้าม ทุกองค์การมีคนที่มีสมรรถนะสูงจำนวนไม่น้อยทั้งยังไม่ได้เป็นผู้ที่อยู่ในตำแหน่งสูงสุดเสียด้วย มีร่องรอยแสดงให้เห็นว่าคนกลุ่มนี้ฉายแววตั้งแต่ระยะเริ่มต้นทำงานแต่พวกเขากลับลาจากบริษัทไปโดยไม่สนใจใยดีความก้าวหน้าเลย นี่เป็นแนวโน้มที่จะนำไปสู่ปรากฎการณ์พลิกโฉมหน้าการจัดการสายอาชีพ (Career disruption) ที่จะยกเป็นตัวอย่างดังต่อไปนี้

คนเก่ง (Talent) เลือกได้ คนเก่งคือพนักงานที่ทำงานได้โดดเด่นกว่าคนในรุ่นเดียวกัน ดีไม่ดีอาจจะเก่งกว่าหัวหน้าเสียอีก คนพวกนี้สามารถพัฒนาสมรรถนะของตนไปสู่จุดสูงสุดโดยไม่จำเป็นต้องผ่านกระบวนการ career development แล้วเลื่อนตำแหน่งไปตาม career path ที่บริษัทวางไว้ เขาพัฒนาความเก่งโดยไม่ได้หวังรางวัลตอบแทน ขอแค่เพียงคำชื่นชมยกย่องก็พอ เขามีความสุขกับการได้เรียนรู้สิ่งใหม่ ได้พัฒนาตนเองให้เก่งขึ้นเรื่อยๆ กล่าวได้ว่า Talent ทำเช่นนี้เพื่อตอบสนองความต้องการด้านการเติบโตของตน (Personal growth) ทำให้ Talent เป็นโจทย์สำคัญที่ HR ต้องหาทางธำรงรักษาไว้ด้วยวิธีการที่ไม่ได้เป็นไปตาม Career path แบบปีนบันไดขึ้นไปตรงๆ ตามสายงาน จึงเกิดการหมุนเวียนงาน (Job rotation) ภายในกลุ่มอาชีพ (Job family) แต่ในกลุ่ม Talent นั้นการทำ Job rotation ที่ “ข้าม Job family” ไม่ใช่เรื่องยากเย็นมิหนำซ้ำยังได้ผลที่ดีกลับมาด้วย หลายบริษัทมีการโอนย้ายวิศวกรข้ามไปเป็นนักวิเคราะห์การเงิน (Financial analyst) หรือตัวแทนขาย (Sales representative) กันเป็นเรื่องปกติ ยกตัวอย่างเช่นบริษัท Cisco มีโครงการฝึกอบรมและพัฒนาที่มีระยะเวลาตั้งแต่ 3 เดือนถึง 3 ปีเพื่อเตรียมพนักงานให้สามารถเปลี่ยนสายงานตามแผนอาชีพ (Career plan) ที่ตนวางไว้[1] ข้อดีของการหมุนเวียนงานคือทำให้ Talent นั้นได้เรียนรู้ประสบการณ์ใหม่ๆ มาพัฒนาตนเองโดยไม่หยุดชะงัก หรือต้องรอเวลาให้ตำแหน่งว่างเพราะคนข้างหน้าได้เลื่อนตำแหน่งขึ้นไป เพราะถ้านานจน Talent รอไม่ไหวแม้บริษัทจะจ่ายเงินดียังไงก็คงรั้งไว้ไม่ได้ นี่เป็นเค้าลางว่าการจัดการสายอาชีพ (career management) แบบดั้งเดิมไม่เหมาะกับการใช้ดูแล Talent แล้ว

การเปลี่ยนงานบ่อยๆ ไม่ใช่เรื่องแปลก แต่เป็นเรื่องธรรมดาในสมัยนี้ (New normal) ในสมัยคน Gen B (Generation baby boomer) ที่ทำงานคือบ้านหลังที่สอง การทำงานจะต้องมีความจงรักภักดีและทุ่มเทให้บริษัท บริษัทจึงตอบแทนด้วยการจ้างงานตลอดชีพ อยู่ด้วยกันจนเกษียณหรือล้มหายตายจากกันไป คนรุ่นนี้ยกย่องเชิดชูผู้ทุ่มเททำงานและจงรักภักดีว่าเป็นฮีโร่ ตราหน้าคนที่ละทิ้งหน้าที่และบริษัทว่าอ่อนแอหรือคนทรยศ ต่อมาสมัยคน Gen X (Generation X) จะรักตัวเองพอๆ กับงานที่ทำ พยายามสร้างความสมดุลระหว่างงานกับชีวิตส่วนตัวหรือครอบครัว แต่ถ้าสมมติว่าให้คน Gen X ต้องเลือกระหว่างงานกับครอบครัวอย่างใดอย่างหนึ่งเขาก็จะเลือกครอบครัวเป็นอันดับแรก การที่พนักงานลาออกเพราะต้องการทุ่มเทเวลาให้กับครอบครัวจึงเป็นเหตุผลที่ยอมรับกันได้ในรุ่น Gen X การลาออกเป็นเรื่องธรรมดาไม่สมควรถูกตราหน้าว่าทรยศ ผ่านมาจนถึงปัจจุบัน คน Gen M (Generation millennial) ยิ่งไปกันใหญ่ คนรุ่นนี้บางคนเปลี่ยนงานทุก 4 ปี[2] ทำไปได้ซักพักเมื่อเริ่มหมดความสนใจก็เปลี่ยนงานใหม่ บางคนไม่ใช่แค่การเปลี่ยนงาน (Job hopping) แต่เป็นการเปลี่ยนอาชีพ (Career jump) กันเลยทีเดียว คนทำงานยุคนี้มีความเป็นตัวของตัวเองสูง ไม่ชอบอยู่ในกรอบ กล้าคิดกล้าทำ กล้าเสี่ยงลองสิ่งใหม่ ไม่สนค่าจ้างแพงๆ ตำแหน่งสูงๆ หรือแม้กระทั่งการสร้างความมั่นคงในชีวิต คน Gen M สร้างความหนักใจให้กับนายจ้างมากเพราะจะฝากอนาคตของบริษัทไว้กับคนกลุ่มนี้ได้อย่างไรเมื่อความภักดีและทุ่มเททำงานกับบริษัทเกิดขึ้นเพียงระยะเวลาสั้นๆ ก้าวขึ้นบันไดแค่ 3-4 ขั้นก็กระโดดไปที่อื่นแล้ว

พันธสัญญาใหม่ (New social contract) พันธสัญญาในรูปแบบลูกจ้างให้ความจงรักภักดีแลกกับการจ้างงานตลอดชีพไม่มีอีกต่อไป ปัจจุบันการแข่งขันทางธุรกิจทำให้นายจ้างต้องการความคล่องตัว มีความยืดหยุ่น ลดขนาดบริษัทให้เล็กลง ใช้เทคโนโลยีมาช่วยงาน และควบคุมต้นทุน นายจ้างไม่สามารถรับประกันได้ว่าลูกจ้างจะได้ทำงานกับบริษัทจนเกษียณ ส่วนฝั่งลูกจ้างจำนวนไม่น้อยก็เต็มใจออกจากการจ้างงานแบบเต็มเวลา (Full-time worker) ไปเป็นพนักงานชั่วคราว (Temporary worker) พนักงานนอกเวลา (Part-time worker) และผู้เชี่ยวชาญอิสระ (Freelancer) กันมากขึ้น การสำรวจในปี 2014 พบว่าคนอเมริกัน 3 คนจะเป็นผู้เชี่ยวชาญอิสระเสีย 1 คน[3] ในอเมริกาเรียกขานคนทำงานอิสระกลุ่มนี้ว่า “1099” ซึ่งมีที่มาจากชื่อแบบฟอร์มแสดงรายการภาษีเงินได้ “1099-MISC” ของผู้ที่ประกอบกิจการรับเหมาหรือรับจ้างอิสระ (Independent contractor)[4] สภาพการจ้างแบบ 1099 เกิดมาได้เพราะการยินยอมพร้อมใจของทั้งสองฝ่าย นายจ้างชอบใจเพราะกลุ่ม 1099 ช่วยให้ประหยัดต้นทุนได้ถึง 30%[5] เนื่องจากไม่ต้องเสียเงินค่าสวัสดิการต่างๆ และสามารถเพิ่ม-ลดคนงานได้ตามต้องการ ลูกจ้างก็ชอบเพราะไม่ต้องขึ้นอยู่กับนายจ้างคนเดียว มีอิสรภาพในการทำงาน และได้ใช้ชีวิตตามที่ตนปรารถนา ความสัมพันธ์ข้างต้นก่อให้เกิดเป็นรูปแบบการดำเนินธุรกิจใหม่ (Business model) คือคนหนึ่งมีนายจ้างหลายคนในเวลาเดียวกัน จ้างงานเป็นระยะเวลาสั้นๆ ส่วนบริษัทก็จะแบ่งงานออกเป็นชิ้นเล็กๆ (เรียกว่า Gigs) ให้ 1099 ทำ ซึ่งอาจะทำทั้งหมดเพียงคนเดียวหรือใช้การแบ่งงาน (Work sharing) ก็ได้ แนวโน้มการจ้างงานแบบนี้ไม่สามารถบรรจุลงใน Career management ใดๆ ได้เลย

มีข้อเสนอใหม่ๆ เพื่อพลิกโฉมการจัดการสายอาชีพออกมาบ้างแล้ว เช่น Whitney Johnson แนะนำไว้ในหนังสือ “Disrupt yourself” ว่า Career management แบบดั้งเดิมคือการทำให้พนักงานไต่เต้าขึ้นไปตามเส้นโค้งการพัฒนา (S-curves) ทีละขั้นจนถึงจุดอิ่มตัวซึ่งอาจจะใช้เวลาจนเกษียณอายุ แต่ Career management สำหรับคนยุคใหม่ต้องปรับเปลี่ยนชนิดหน้ามือเป็นหลังมือ โดย Johnson เสนอว่าบริษัทควรออกแบบ Career path ให้เหมือนกับการเล่นกระดานโต้คลื่น ที่นักเล่นจะต้องบังคับกระดานให้ไปลอยอยู่บนยอดคลื่น เมื่อคลื่นนั้นกำลังจะหมดแรงและมุดหัวลงก็ต้องรีบบังคับกระดานไปที่คลื่นลูกใหม่ โต้คลื่นอย่างนี้ไปเรื่อยๆ จนถึงฝั่ง พนักงานจึงมี S-curves ได้หลายตัว ฉะนั้น การทำ Career management ให้เหมือนเล่นกระดานโต้คลื่นจึงเริ่มจากการแบ่ง Career path ออกเป็นระยะย่อยๆ ระยะละ 3-4 ปี แล้วทำ Career development ให้เหมือนกับการไต่ขึ้นไปบนยอด S-curves ที่ละลูก พอไต่ไปสู่ยอดลูกแรกได้แล้วก็มีลูกที่สองที่สามต่อไปเรื่อยๆ จนกระทั่งไปสู่ยอดที่สูงที่สุด ทั้งนี้ S-curves แต่ละลูกไม่จำเป็นต้องอยู่ในสายงานเดิมก็ได้ Johnson บอกว่าวิธีนี้มีข้อดี 2 ประการคือ ประการแรก การที่พนักงานได้เห็นความสำเร็จจากการอยู่บนยอด S-curves บ่อยๆ ทำให้พนักงานได้บรรลุความต้องการด้าน Personal growth สร้างแรงจูงใจในการทำงานและช่วยในการ Retention ได้ ประการที่สอง พนักงานไม่หยุดชะงักการพัฒนาตนเองเพราะมี S-curves ลูกอื่นๆ ที่ท้าทายรออยู่ ไม่เกิดสถานการณ์ใน Career path แบบเก่าที่ถ้าข้างบนไม่ขยับข้างล่างก็ไม่มีสิทธิขึ้น

จากที่กล่าวมาข้างต้น ขอสรุปว่าการพลิกโฉมสายอาชีพ (Career disruption) เกิดขึ้นแล้วและหลีกเลี่ยงไม่ได้ แต่ทางออกที่ยกมาเล่าให้ฟังยังไม่ใช่คำตอบเดียวหรือคำตอบสุดท้าย ยังเป็นโจทย์ใหญ่ให้ HR ต้องหาทางแก้ไขกันต่อไป

[1] http://www.cisco.com/c/en/us/about/careers/university/training-rotational-programs.html

[2] http://www.forbes.com/sites/jeannemeister/2012/08/14/job-hopping-is-the-new-normal-for-millennials-three-ways-to-prevent-a-human-resource-nightmare/#601935b95508

[3] https://www.freelancersunion.org/blog/dispatches/2014/09/04/53million

[4] https://www.bloomberg.com/view/articles/2015-12-11/the-gig-economy-is-showing-up-in-irs-s-1099-forms

[5] https://www.newamerica.org/economic-growth/policy-papers/new-economy-new-social-contract/

หุ่นยนต์ HR: ระบบ HR อัตโนมัติ (HR bot: Automating HR)


เวลาพนักงานใหม่เข้ามาสอบถามข้อมูลจากฝ่าย HR มักจะมีอยู่ไม่กี่เรื่อง เช่น การค่าจ้าง วันหยุด และค่าตอบแทนต่างๆ ข้อมูลพวกนี้โดยทั่วไปจะมีอยู่ในคู่มือพนักงานแต่เรามักจะไม่ค่อยอ่านกัน ชอบโทรไปสอบถาม HR โดยตรงเสียมากกว่า พวกเราที่ทำงานด้าน HR จึงต้องมาคอยตอบคำถามเหล่านี้วันนึงๆ ใช้เวลาไม่ใช่น้อย โจทย์นี้ทำให้สตาร์ทอัพในเมืองบอสตัน ประเทศสหรัฐอเมริกา ชื่อบริษัท Talla[1] ได้ทำการพัฒนาโปรแกรมหุ่นยนต์สนทนาหรือ Chatbot ให้มาทำหน้าที่นี้แทน คำว่า Chatbot มาจากคำเต็มๆ ว่า Chatting robot คำว่า Chatting แปลว่าสนทนาพูดคุย ปัจจุบันรวมไปถึงการพิมพ์ข้อความสนทนาผ่านแอพต่างๆ เช่น Messenger WhatsApp Line เป็นต้น ส่วน Robot แปลว่าหุ่นยนต์ รวมแล้วก็คือหุ่นยนต์สนทนา Chatbot ใช้เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: A.I.) ซึ่งทำให้คอมพิวเตอร์มีพฤติกรรมเหมือนคน สามารถโต้ตอบกับคนได้เหมือนมีคนจริงๆ มาสนทนาด้วย และที่สำคัญคือระบบปัญญาประดิษฐ์สามารถจดจำและเรียนรู้ได้ด้วยตนเอง Chatbot จะทำงานเหล่านี้แทนคนได้ก็ด้วยเทคโนโลยีสำคัญๆ สามเทคโนโลยีคือ ปัญญาประดิษฐ์ แอพส่งข้อความ (Messenger apps) และแน่นอน..โทรศัพท์มือถือที่ปัจจุบันพัฒนาให้มีความสามารถสูงขึ้นจนเกือบจะทดแทนคอมพิวเตอร์ได้แล้ว

Chatbot มีการนำไปใช้ในทางธุรกิจมาแล้วสักพัก โดยส่วนใหญ่มักจะเป็นเรื่องเกี่ยวกับการสื่อสารกับลูกค้า เช่น Burger King, Taco Bell, และ Pizza hut พัฒนา Chatbot สำหรับแนะนำเมนูอาหาร โปรโมชั่นต่างๆ และรับออร์เดอร์ บัตรเครดิต American Express ใช้ AMEX Bot สำหรับแจ้งข้อมูลสิทธิประโยชน์ต่างๆ แก่ผู้ถือบัตร อัพเดตวงเงิน และแจ้งการทำธุรกรรมแบบเรียลไทม์ และไม่กี่วันมานี้ ทำเนียบขาวก็เปิดช่องทางการสื่อสารกับประชาชนช่องทางใหม่ Facebook Messenger ให้ประชาชนได้ใช้เป็นช่องทางในการส่งข้อความไปถึงประธานาธิบดี เมื่อส่งข้อความแล้ว Chatbot ก็จะโต้ตอบกับผู้ส่งเล็กน้อยแล้วสอบถามข้อมูลติดต่อกลับหากข้อความนั้นได้รับการคัดเลือกจากทางทำเนียบขาว[2] ส่วนเมืองไทยก็ไม่น้อยหน้าใคร StockRadars ซึ่งเป็นแอพเกี่ยวกับการวิเคราะห์หุ้นของคนไทยก็ได้นำ Chatbot มาใช้ในการให้บริการข้อมูลหุ้นเบื้องต้นกับลูกค้า ตอบคำถามเกี่ยวกับสินค้าและบริการของบริษัท ช่วยเปิดบัญชีซื้อขายหลักทรัพย์กับบริษัทหลักทรัพย์ที่เป็นพันธมิตร และการให้บริการลูกค้าหลังการขาย เป็นต้น

ในด้าน HR เองก็มีการนำ Chatbot ไปใช้ในภารกิจด้านต่างๆ พอสมควรและน่าจะแพร่หลายมากยิ่งขึ้นในอนาคต เพราะความสามารถในการสนทนาโต้ตอบมีความถูกต้องและน่าเชื่อถือมากยิ่งขึ้นกว่าในอดีต จึงขอยกตัวอย่างการนำ Chatbot ไปใช้งานในด้าน HR มาให้เห็นบางส่วน เช่น

  • ด้านการสรรหาคัดเลือก การนำ Chatbot ไปใช้ในการสรรหาคัดเลือกเป็นที่นิยมอย่างมาก สามารถพบได้ทั้งในบริษัทจัดหางานหรือใช้ในแผนกสรรหาคัดเลือกภายในบริษัท บริษัทชื่อ FlatPi ทำธุรกิจเกี่ยวกับการสรรหาผู้บริหารระดับสูง (Headhunter) มี Chatbot สำหรับช่วยคัดกรองผู้สมัครและจัดลำดับผู้สมัครให้อัตโนมัติ[3] บริษัทจัดหางานชื่อ Firstjob[4] มี Chatbot ชื่อ Mya คอยทำหน้าที่รับสมัครและอัปเดตผลแก่ผู้สมัครงาน แม้กระทั่งกองทัพสหรัฐก็มี Chatbot ชื่อ Sgt.Star (จ่าดาว!!!) ใช้ในการสรรหาทหารเข้ากองทัพ โดยช่วยตอบคำถามเบื้องต้นแก่ผู้สมัคร[5]
  • การบรรจุแต่งตั้งพนักงาน บริษัท ADP Innovation Labs พัฒนา Chatbot ที่ช่วยอำนวยความสะดวกแก่พนักงานใหม่ โดยเมื่อมีพนักงานใหม่เข้ามา Chatbot จะส่งข้อความแจ้งเตือนไปยัง Messenger ของพนักงาน พร้อมแนบ link ไฟล์เอกสารหรือแบบฟอร์มต่างๆ ที่จำเป็น นอกจากนี้ ADP ได้พัฒนา Chatbot ให้ทำงานในเชิงรุก โดยออกแบบให้ทำงานแบบผลัก (Push mode) หมายความว่า แต่เดิมเมื่อ HR ต้องการข้อมูลก็จะใช้โปรแกรมให้ไปค้นข้อมูลมาให้หรือเรียกว่าทำงานแบบดึง (Pull mode) แต่ Chatbot ของ ADP นี้สามารถคาดเดาความต้องการแล้วส่งหรือผลักข้อมูลที่จำเป็นไปให้อย่างถูกที่ถูกเวลาได้[6]
  • การจัดการปฏิบัติงานของพนักงาน บริษัทขายสินค้าออนไลน์ในเมืองซอลท์เลกชื่อ Overstock ใช้ Chatbot ชื่อว่า Mila ทำหน้าที่จัดการการลาของพนักงาน จากเดิมเมื่อพนักงานจะลากิจหรือลาป่วยต้องโทรศัพท์เข้าไปลาตามระเบียบที่กำหนด เจ้าหน้าที่ที่รับข้อมูลก็จะบันทึกข้อมูลและแจ้งไปยังฝ่ายที่เกี่ยวข้องเพื่อดำเนินการต่อ เช่น จัดพนักงานมาทำงานแทน แต่ปัจจุบัน Overstock ได้เปลี่ยนมาเป็นการส่งข้อความขอลาป่วยหรือลากิจไปยัง Milla จากนั้น Milla จะสอบถามพนักงานคนนั้นสองสามคำถาม แล้วก็จะรับเรื่องและส่งข้อมูลการลาไปให้หัวหน้างานหรือผู้บริหารที่เกี่ยวข้อง รวมทั้งประสานไปยังพนักงานที่ว่างให้เข้ามาทำงานแทน[7]
  • การจัดการค่าตอบแทนและสวัสดิการ Chatbot ชื่อ HealthJoy for groups ซึ่งพัฒนาโดยบริษัท HealthJoy มีความสามารถในการให้ข้อมูลแก่บริษัทเพื่อติดตามสถานะการใช้สวัสดิการของพนักงานแบบเรียลไทม์ สามารถเชื่อมต่อไปยังแพทย์ ตัวแทนประกันสุขภาพ หรือผู้เชี่ยวชาญด้านการวางแผนค่าใช้จ่ายในการรักษาพยาบาลเพื่อให้คำแนะนำแก่พนักงานได้อย่างถูกต้อง[8]

บริษัททั้งหลายยังต้องการคนทำงานด้าน HR แต่ Chatbot ก็ได้ช่วยส่งเสริมภารกิจของ HR หลายประการ เช่น Chatbot ทำให้พนักงานสามารถเข้าถึงข้อมูลด้าน HR ได้ง่ายและรวดเร็วขึ้น สร้างประสบการณ์ที่ดีในการติดต่อกับฝ่าย HR เพราะสามารถส่งข้อความที่ปรับให้เข้ากับแต่ละบุคคลแล้ว บางครั้งสามารถคัดกรองข้อความที่ไม่จำเป็นต่อพนักงานบางคนได้ นอกจากนี้ ฝ่าย HR ก็ไม่ต้องอารมณ์เสียต่อล้อต่อเถียงกับผู้มาติดต่อ อย่างไรก็ตาม HR จะเปลี่ยนผ่านไปสู่ HR ยุคใหม่ที่นำเทคโนโลยีมาใช้ได้ก็ต้องมีการปฏิวัติข้อมูล (Data revolution) ภายในบริษัทเสียก่อน ซึ่งต้องมีความพร้อมหลายอย่าง ประการแรกความพร้อมด้านอภิข้อมูล (Big data) ข้อมูลในบริษัทนั้นมีอยู่มากมายมหาศาลจะต้องมีวิธีการวิเคราะห์และทำให้พร้อมในการนำไปใช้ประโยชน์ ประการที่สองการย้ายบริการด้าน HR ไปสู่โทรศัพท์มือถือ ในอนาคตระบบอินเตอร์เน็ตภายในองค์กร (Intranet) จะกลายเป็นสิ่งล้าสมัยและไม่สะดวกในการใช้งานอีกต่อไป โทรศัพท์มือถือและแอพพลิเคชั่นจะเข้ามาทำหน้าที่นี้แทน ประการถัดมามีระบบรองรับความผิดพลาด อุทธาหรณ์ Chatbot ชื่อ Tay ของ Microsoft ทำให้รู้ว่าเก่งแค่ไหนก็ยังผิดพลาดได้ Tay ตกเป็นข่าวดังไปทั่วโลกเพราะไปใช้ถ้อยคำเหยียดเชื้อชาติ (Neo Nazi) ส่วนเหตุที่ Tay เป็นเช่นนั้นได้ก็เพราะมีคนแกล้งให้ข้อมูลผิดๆ กับ Tay ซ้ำๆ ซึ่งระบบปัญญาประดิษฐ์ที่ยังไม่สมบูรณ์ร้อยเปอร์เซ็นต์ก็ทำให้ Tay นำถ้อยคำเหยียดเชื้อชาติไปใช้กับคนอื่นๆ ต่อ และประการสุดท้าย แม้วันนี้ยังยากที่จะพัฒนาระบบปัญญาประดิษฐ์ให้มีทักษะด้านสังคม (Social skill) เท่าเทียมกับมนุษย์ แต่ Chatbot ก็ทำงานแทนเราได้หลายอย่าง บางอย่างทำได้ดีกว่าก็มี แต่เราต้องไม่ลืมพัฒนาคน HR ให้สามารถทำงานร่วมกับเทคโนโลยีใหม่นี้ให้ได้ เพราะสุดท้ายระบบปัญญาประดิษฐ์มันจะเข้ามาทำงานเหมือนเป็นพนักงานคนหนึ่งของบริษัทในอนาคตอันใกล้

[1] https://www.technologyreview.com/s/602068/the-hr-person-at-your-next-job-may-actually-be-a-bot/

[2] https://www.washingtonpost.com/news/the-switch/wp/2016/08/10/i-tried-the-new-white-house-facebook-chatbot-heres-what-happened/

[3] http://venturebeat.com/2016/07/23/10-jobs-that-a-i-and-chatbots-will-replace-sooner-or-later/

[4] http://siliconangle.com/blog/2016/07/11/firstjobs-mya-is-the-latest-chatbot-that-aims-to-automate-recruiting/

[5] http://www.eremedia.com/ere/add-a-chatbot-and-take-the-human-out-of-answering-recruiting-questions/

[6] http://www.cio.com/article/3063051/instant-messaging/from-tacos-to-hr-chatbots-make-it-personal.html

[7] http://www.bloomberg.com/news/articles/2016-05-05/chatbots-are-your-newest-dumbest-co-workers

[8] read:http://www.hr.com/en/app/blog/2016/07/healthjoy-launches-ai-chatbot-to-make-healthcare-l_ir2caqjq.html