上海家化เปลี่ยน WorkBuddy เป็นระบบการทำงานด้วย AI ข้ามแผนกได้อย่างไร

上海家化 บริษัทผลิตภัณฑ์ดูแลผิวและเครื่องสำอางจากจีน ไม่ได้ใช้ WorkBuddy ในฐานะแชตบอตสำหรับถาม-ตอบทั่วไปเท่านั้น แต่ให้พนักงานเปลี่ยนงานที่ทำซ้ำและมีกฎชัดเจนให้กลายเป็นเวิร์กโฟลว์ที่ผ่านการทดสอบแล้ว รวมถึง “Skills” หรือชุดทักษะที่นำกลับมาใช้ซ้ำได้ วิธีนี้ช่วยเปลี่ยนความรู้ที่เคยอยู่กับพนักงานบางคนให้กลายเป็นทรัพยากรการทำงานร่วมกันของทั้งองค์กร 4

ตัวเลขประสิทธิภาพที่รายงานถือว่าน่าสนใจ แต่ควรอ่านอย่างระมัดระวัง เพราะเป็นข้อมูลจากกรณีศึกษาของบริษัท ไม่ใช่ผลการตรวจสอบผลิตภาพโดยหน่วยงานอิสระ

จากโครงการนำร่อง 2 ทีม สู่การใช้งานใน 9 แผนก

WorkBuddy เริ่มใช้งานกับทีม IT และ HR ของ上海家化ในเดือนเมษายน 2026 ก่อนขยายสู่การทำงานประจำใน 9 แผนก ซึ่งครอบคลุมซัพพลายเชน การตลาดแบรนด์ วิจัยและพัฒนา การเงิน HR และ IT โดยบริษัทระบุว่าประสิทธิภาพพนักงานโดยเฉลี่ยเพิ่มขึ้นมากกว่า 4.5 เท่า 4

รูปแบบการขยายงานมีองค์ประกอบสำคัญ 4 ขั้นตอน

1. ค้นหางานที่ทำซ้ำได้ แต่ละแผนกเริ่มจากกระบวนการที่ต้องรวบรวมข้อมูล กระทบยอด จัดรูปแบบ วิเคราะห์ หรือจัดทำรายงานเป็นประจำ
2. แปลงกฎธุรกิจให้เป็นเวิร์กโฟลว์ พนักงานแยกวิธีทำงานออกเป็นขั้นตอน แล้วใช้ WorkBuddy สร้างสคริปต์หรือ Skills ที่มีโครงสร้าง
3. ตรวจสอบกับข้อมูลจริงในอดีต ทีมงานทดสอบผลลัพธ์ แก้ข้อผิดพลาด และเพิ่มเงื่อนไขพิเศษที่พบระหว่างการใช้งาน
4. นำผลลัพธ์กลับมาใช้ซ้ำ เมื่อเวิร์กโฟลว์มีความน่าเชื่อถือ ก็สามารถเรียกใช้ซ้ำและแบ่งปันให้พนักงานหรือแผนกอื่นได้

ดังนั้น การนำ AI มาใช้จึงเป็นการออกแบบกระบวนการทำงานมากกว่าการติดตั้งซอฟต์แวร์เพียงอย่างเดียว พนักงานที่เข้าใจกระบวนการธุรกิจยังคงรับผิดชอบการตัดสินใจและการควบคุมคุณภาพ ขณะที่เอเจนต์ช่วยจัดการงานเชิงกลที่ต้องทำซ้ำจำนวนมาก

พนักงานใช้ WorkBuddy กับงานอะไรบ้าง

การใช้งานที่รายงานไม่ได้จำกัดอยู่ที่การร่างข้อความ ในเดือนล่าสุดที่มีการอ้างถึง ผู้ใช้ 67% นำ WorkBuddy ไปใช้กับงานธุรกิจเฉพาะทาง 63% ใช้กับการประมวลผลและวิเคราะห์ข้อมูล และ 57% ใช้กับงานอัตโนมัติ รวมถึงการปฏิบัติการหรือบำรุงรักษา ตัวเลขเหล่านี้เป็นสัดส่วนการใช้งาน ไม่ได้หมายความว่าแต่ละกิจกรรมช่วยประหยัดเวลาในระดับเดียวกัน 7

ตัวอย่างการใช้งานในแต่ละแผนก ได้แก่

• วิจัยและพัฒนา: ค้นคว้าส่วนผสมเครื่องสำอางและกฎระเบียบที่เกี่ยวข้อง
• การเงิน: เปลี่ยนกฎการตรวจสอบเอกสารเบิกจ่ายให้เป็นกระบวนการที่ทำซ้ำได้ และสร้างรายงานคัดกรองการลงทุน
• HR: สร้างการแจ้งเตือนวันครบกำหนดทดลองงานสำหรับผู้จัดการและพนักงาน
• ซัพพลายเชน: อัปเดตแดชบอร์ดหน้างานของหลายเวิร์กช็อปโดยอัตโนมัติ
• การตลาดแบรนด์: สร้างข้อมูลเชิงลึกเกี่ยวกับผู้บริโภค วิเคราะห์คอนเทนต์ และผลิตสื่อการตลาด

นอกจากนี้ ทีมการตลาดยังมีรายงานว่าเปลี่ยนการรีวิวงานประจำสัปดาห์ในรูปแบบสไลด์ประมาณ 70% ให้เป็นหน้าเว็บ HTML หน้าเว็บเหล่านี้สามารถแชร์ทั่วทั้งบริษัท อัปเดตออนไลน์ และเปิดดูได้โดยไม่ต้องรอแจกไฟล์นำเสนอฉบับใหม่

เบื้องหลังตัวเลข 150 เท่า: งานบิลโลจิสติกส์ของซัพพลายเชน

ตัวอย่างที่เห็นภาพที่สุดมาจากงานวิเคราะห์ค่าใช้จ่ายด้านโลจิสติกส์ในธุรกิจ B2C ของ上海家化 ซึ่งดำเนินการผ่านแพลตฟอร์มอย่าง Tmall, JD และ Douyin โดยมีค่าคลังสินค้า ค่าดำเนินการ ค่าขนส่ง และค่าใช้จ่ายอื่น ๆ กระจายอยู่ในบิลดิบ 7 ประเภท ตลอด 18 เดือน ข้อมูลสะสมมีประมาณ 60 ล้านแถว

เดิมทีมงานใช้ Excel เป็นหลัก กระบวนการวิเคราะห์รายเดือนทั้งชุดใช้เวลา 5–6 คน-วัน และเมื่อไฟล์มีขนาดใหญ่ก็อาจเปิดหรือประมวลผลได้ยาก

จางอิง ผู้จัดการฝ่ายปฏิบัติการซัพพลายเชน ซึ่งมีพื้นฐานด้านเศรษฐศาสตร์และไม่มีประสบการณ์เขียนโค้ด แก้ปัญหาด้วยการแยกกระบวนการรายเดือนออกเป็นขั้นตอนย่อย ๆ จากนั้นให้ WorkBuddy สร้างสคริปต์ Python สำหรับแต่ละขั้นตอน แล้วทดสอบซ้ำกับข้อมูลย้อนหลัง 18 เดือน เมื่อพบข้อยกเว้นหรือกฎธุรกิจใหม่ เธอก็นำข้อมูลเหล่านั้นไปเพิ่มใน Skills ที่นำกลับมาใช้ซ้ำได้

ผลลัพธ์ที่บริษัทรายงานมีดังนี้

• การวิเคราะห์บิลรายเดือน: จาก 2 คน-วัน เหลือ 15 นาที
• ตารางฐานสำหรับกราฟผีเสื้อ: จาก 1 คน-วัน เหลือ 2 นาที
• แดชบอร์ดภาพรวม: จาก 1.5 คน-วัน เหลือ 3 นาที
• กระบวนการรายเดือนทั้งชุด: จาก 5–6 คน-วัน เหลือไม่ถึง 20 นาที
• งานเดี่ยวที่มีประสิทธิภาพเพิ่มขึ้นสูงสุด: มากถึง 150 เท่า

สิ่งที่ได้จึงไม่ใช่แค่ไฟล์สเปรดชีตที่ทำเสร็จเร็วขึ้น แดชบอร์ดยังสามารถกรองข้อมูลตามแบรนด์ แพลตฟอร์ม ประเภทค่าใช้จ่าย และมูลค่าเฉลี่ยต่อคำสั่งซื้อได้ ผู้จัดการเปิดลิงก์เพื่อดูผลลัพธ์ล่าสุดได้ทันที โดยไม่ต้องรอให้มีคนสร้างรายงานขึ้นมาใหม่

เหตุใดโมเดลนี้จึงขยายไปยังหลายแผนกได้

กรณีของ上海家化ชี้ว่า การนำเอเจนต์ AI มาใช้ในองค์กรมีแนวโน้มขยายตัวได้ง่ายขึ้น หากงานแรก ๆ มีคุณสมบัติ 3 ประการ

• เกิดขึ้นบ่อยพอที่จะคุ้มค่ากับการทำให้เป็นอัตโนมัติ
• อธิบายกฎและทดสอบขั้นตอนได้
• ตรวจสอบผลลัพธ์กับข้อมูลเดิมหรือความคาดหวังทางธุรกิจได้

งานกระทบยอดค่าใช้จ่ายด้านโลจิสติกส์เข้ากับเงื่อนไขเหล่านี้อย่างชัดเจน เพราะเป็นงานที่ซ้ำและใช้ข้อมูลจำนวนมาก แต่ยังต้องอาศัยคนที่เข้าใจโครงสร้างบิล รู้จักข้อยกเว้น และตัดสินได้ว่าผลลัพธ์สมเหตุสมผลทางธุรกิจหรือไม่ WorkBuddy จึงเข้ามาเร่งงานเชิงกล โดยไม่ได้ตัดการกำกับดูแลจากผู้เชี่ยวชาญออกไป

หลักการเดียวกันนี้ปรากฏในงานการเงิน HR วิจัยและพัฒนา และการตลาด แต่ละทีมเป็นผู้ให้บริบทและใช้วิจารณญาณ ส่วนเอเจนต์ช่วยรวบรวมขั้นตอนที่ทำซ้ำได้ให้เป็นเวิร์กโฟลว์ซึ่งเรียกใช้ซ้ำ และในบางกรณีแบ่งปันไปยังแผนกอื่นได้ 4

ตัวคูณผลิตภาพ ไม่ใช่คำตอบอัตโนมัติเรื่องการแทนที่งาน

ข้อเสนอของ Tencent จากการใช้งานนี้จึงเป็นข้อเสนอที่เฉพาะเจาะจงและใช้งานได้จริงกว่าคำกล่าวว่า AI จะมาแทนพนักงานออฟฟิศทั้งหมด ผลลัพธ์ที่รายงานเกิดจากผู้เชี่ยวชาญในแต่ละสายงานเป็นผู้กำหนดกฎ ตรวจสอบผลลัพธ์ แก้ไขข้อยกเว้น และเปลี่ยนกระบวนการที่พิสูจน์แล้วให้เป็นทรัพยากรขององค์กรที่นำกลับมาใช้ซ้ำได้ 4

ความแตกต่างนี้สำคัญ แชตบอตอาจให้คำตอบแบบครั้งต่อครั้ง แต่ Skill ที่ผ่านการทดสอบสามารถเก็บรักษาวิธีทำงานของบริษัทสำหรับภารกิจที่เกิดขึ้นเป็นประจำได้ คุณค่าจะยิ่งเพิ่มขึ้นเมื่อหลายแผนกสร้างและใช้เวิร์กโฟลว์ร่วมกัน แทนที่จะเก็บระบบอัตโนมัติแต่ละชิ้นไว้เป็นการทดลองแยกส่วน

อย่างไรก็ตาม ไม่ควรนำตัวเลข 4.5 เท่าไปใช้แทนผลลัพธ์ของทุกบริษัทหรือทุกตำแหน่งโดยอัตโนมัติ หลักฐานที่มีอยู่เป็นผลลัพธ์ที่上海家化รายงานในเวิร์กโฟลว์บางประเภท และยังไม่ได้ยืนยันว่าผลิตภาพของพนักงานทั้งหมดเพิ่มขึ้น 4.5 เท่าจากการตรวจสอบโดยอิสระ

บทเรียนที่รอบคอบกว่าคือโมเดลการทำงาน: เริ่มจากงานที่วัดผลได้และทำซ้ำเป็นประจำ ให้ผู้เชี่ยวชาญยังอยู่ในกระบวนการ ตรวจสอบกับข้อมูลจริง จัดการข้อยกเว้น และแบ่งปันสิ่งที่พิสูจน์แล้วว่าใช้ได้ผล