แม้จะมีผลกำไรในระดับบุคคลเหล่านี้ แต่ภาพรวมในระดับมหภาคนั้นน่าหดหู่ การศึกษาจากซีอีโอหลายพันคนซึ่งรายงานโดย Fortune ในเดือนเมษายน 2026 พบว่า ซีอีโอส่วนใหญ่เชื่อว่า AI ไม่มีผลกระทบที่วัดผลได้ เลยต่อทั้งผลิตภาพและการจ้างงานในองค์กรของตน ผู้บริหารระดับองค์กรรายงานว่า AI มีส่วนช่วยให้ ผลิตภาพเติบโตขึ้นเพียง 1.8% ในปี 2025 และคาดว่าจะมีผลดีขึ้นเพียงเล็กน้อยในปี 2026
รายงานวิจัยจากธนาคารกลางสหรัฐ สาขาแอตแลนตา เมื่อเดือนมีนาคม 2026 ยืนยันว่า แม้ผลิตภาพแรงงานที่เพิ่มขึ้นจะเป็นบวก แต่มันก็ 'ไม่สม่ำเสมอ' และกระจุกตัวอยู่ในภาคบริการทักษะสูงและการเงินเท่านั้น ไม่ได้เกิดขึ้นในวงกว้าง
เรื่องนี้สะท้อนให้เห็นถึง Solow Paradox แบบคลาสสิก: เราเห็นคอมพิวเตอร์อยู่ทุกหนทุกแห่ง แต่ไม่เห็นมันในสถิติผลิตภาพ
ช่องว่างระหว่างความเร็วในระดับบุคคลและผลลัพธ์ขององค์กรนั้น อธิบายได้ด้วยกลไกการดูดซับที่ทรงพลังสามประการ
ผลสำรวจในเดือนมีนาคม 2026 เผยสถิติที่น่าตกใจ: ผู้บริหารประเมินว่าพวกเขาประหยัดเวลาได้ 4 ชั่วโมง 36 นาทีต่อสัปดาห์จากการใช้ AI แต่ต้องใช้เวลา 4 ชั่วโมง 20 นาทีในการตรวจสอบสิ่งที่ AI สร้างขึ้น ทำให้ได้กำไรสุทธิเพียง 16 นาทีต่อสัปดาห์ สำหรับพนักงานแล้ว สถานการณ์ยิ่งเลวร้ายกว่า: พวกเขาประเมินว่าประหยัดเวลาได้ 3 ชั่วโมง 36 นาที แต่ใช้เวลา 3 ชั่วโมง 21 นาทีในการตรวจสอบ เหลือกำไรสุทธิเพียงแค่ 15 นาที งานวิจัยของ Workday พบว่า ในขณะที่ 85% ของพนักงานรายงานว่าประหยัดเวลาได้ 1-7 ชั่วโมงต่อสัปดาห์ด้วย AI แต่เกือบ 40% ของมูลค่านั้นสูญเสียไปกับการทำงานซ้ำและความไม่สอดคล้องกัน โดยพนักงานใช้เวลาจำนวนมากในการแก้ไขผลลัพธ์ AI ที่มีคุณภาพต่ำ
ผลการศึกษาของ BCG ในเดือนมีนาคม 2026 จากพนักงานในสหรัฐฯ 1,488 คน ค้นพบเส้นโค้งผลิตภาพที่พุ่งขึ้นถึงจุดสูงสุดแล้วดิ่งลงอย่างรวดเร็ว พนักงานที่ใช้เครื่องมือ AI 1-3 ตัวเห็นผลกำไรที่แท้จริง แต่ผลิตภาพจะ ลดลงเมื่อต้องจัดการเครื่องมือ 4 ตัวหรือมากกว่า เนื่องจากความล้าทางความคิด, อาการสมองตื้อ และการตัดสินใจที่ช้าลง การศึกษานี้พบว่าการใช้ AI แบบต้องควบคุมอย่างเข้มงวดทำให้เกิดการใช้ความพยายามทางจิตใจเพิ่มขึ้น 14% และความเหนื่อยล้าเพิ่มขึ้น 12% ซึ่งเป็นสิ่งที่เรียกว่า "AI brain fry"
นี่แสดงให้เห็นว่าการเพิ่ม AI เข้าไปในกระบวนการทำงานที่มีอยู่เดิมมากขึ้นเรื่อยๆ จะให้ผลตอบแทนที่ลดลง
บางทีกลไกที่สร้างความเสียหายมากที่สุดคือการขยายตัวของความคาดหวัง การศึกษาจาก Harvard Business Review ยืนยันว่าการมี AI มักนำไปสู่ ชั่วโมงการทำงานโดยรวมที่เพิ่มขึ้น เครื่องมือ AI อาจช่วยประหยัดเวลาได้ 30% สำหรับงานที่มุ่งเป้า แต่ความคาดหวังที่เพิ่มขึ้นจะทำให้ชั่วโมงการทำงานโดยรวมเพิ่มขึ้นถึง 12% ดังที่ Fortune ได้อธิบายไว้ งานที่เคยใช้เวลาหกชั่วโมง ตอนนี้ใช้เวลาน้อยกว่าหนึ่งชั่วโมง แต่ไม่มีใครให้คุณกลับบ้านเร็วขึ้น
นี่สะท้อนให้เห็นถึงความล้มเหลวของผู้นำในการจัดสรรเวลาที่ประหยัดได้ใหม่ ซึ่งเราจะตรวจสอบต่อไปด้านล่าง
Amazon ทำหน้าที่เป็นอุทาหรณ์เตือนใจที่ทรงพลัง พนักงานรายงานว่าเครื่องมือ AI ภายในที่ถูกบังคับให้ใช้รู้สึก 'กึ่งสำเร็จรูป' มักให้ผลลัพธ์ที่ไม่แม่นยำ และบังคับให้พนักงานต้องใช้เวลาเพิ่มขึ้นหลายชั่วโมงเพื่อแก้ไขข้อผิดพลาดและตรวจสอบข้ามกับเพื่อนร่วมงาน จากการสืบสวนของ The Guardian ได้ให้รายละเอียดว่า Amazon กำลังใช้จ่าย 2 แสนล้านดอลลาร์ไปกับ AI ในปีนี้ แต่พนักงานอธิบายว่าถูกผลักดันให้ใช้ระบบที่เพิ่มภาระงานอีกชั้นและทำให้งานของพวกเขาช้าลง
นี่ไม่ใช่แค่เรื่องเล่าปากต่อปาก การศึกษาเชิงวิเคราะห์กำลังคนจาก ActivTrak ที่วิเคราะห์ข้อมูลกิจกรรมของพนักงาน 163,638 คนจาก 1,111 องค์กร พบว่าการใช้ AI มีความสัมพันธ์กับ ปริมาณงานที่เพิ่มขึ้น อีเมลที่มากขึ้น และการใช้แอปส่งข้อความที่สูงขึ้น
ตัวเลขอย่างเป็นทางการของ Amazon เล่าเรื่องที่แตกต่างออกไป บริษัทอ้างว่าเครื่องมือ Amazon Q Developer ของตนช่วยประหยัดเวลาในการทำงานของนักพัฒนาไปแล้วกว่า 4,500 ปี และประหยัดค่าใช้จ่ายรายปีได้ 260 ล้านดอลลาร์ สำหรับงานเฉพาะที่เกี่ยวกับการโยกย้ายระบบ ซีอีโอ Andy Jassy กล่าวในเดือนสิงหาคม 2024 ว่าเวลาเฉลี่ยในการอัปเกรดแอปพลิเคชันเป็น Java 17 ลดลงจาก 50 วันของนักพัฒนาซอฟต์แวร์ เหลือเพียงไม่กี่ชั่วโมง
นี่แสดงให้เห็นถึงความตึงเครียดหลัก: AI สามารถสร้างประสิทธิภาพที่เพิ่มขึ้นอย่างมหาศาลสำหรับงานที่มีขอบเขตแคบและมีปริมาณมาก แต่การนำไปใช้ในวงกว้างกับงานองค์ความรู้ในชีวิตประจำวันอาจส่งผลย้อนกลับหากไม่ถูกจับคู่กับการนำไปใช้ที่ชาญฉลาด Jassy เองก็ยอมรับว่า AI จะหมายถึง 'จำนวนมนุษย์ที่จำเป็นสำหรับงานจำนวนมากจะลดลง' ในระยะยาว
ซึ่งตอกย้ำความคิดที่ยึดติดกับจำนวนพนักงานที่มักจะปิดกั้นการเปลี่ยนแปลงด้านผลิตภาพที่แท้จริง
Boston Consulting Group เป็นทั้งนักวิจัยและเป็นผู้ถูกทดลองในการศึกษาผลิตภาพจาก AI การทดลองครั้งสำคัญของ Harvard/BCG กับที่ปรึกษา 758 คน พบว่าผู้ใช้ AI ทำงานเสร็จมากขึ้น 12.2% เร็วขึ้น 25.1% และสร้างงานที่มีคุณภาพสูงขึ้น 40% แต่ในการศึกษาเดียวกันนี้ยังระบุถึง "เส้นพรมแดนที่ขรุขระ" (jagged frontier) ของความสามารถของ AI: สำหรับงานที่อยู่นอกขอบเขตที่ AI ทำได้ดี ผู้ใช้มีความแม่นยำ ลดลง 19% ซึ่งแสดงให้เห็นว่า AI สามารถส่งผลเสียต่อประสิทธิภาพการทำงานได้หากใช้อย่างไม่ถูกต้อง
การใช้งาน GenAI ภายในของ BCG เองปลดล็อกเวลาที่ประหยัดได้เทียบเท่ากับพนักงานเต็มเวลา (FTE) 13 คน ในขั้นตอนการทำงานด้านการสื่อสาร ทว่า ผลสำรวจปี 2026 ของบริษัทเองก็ยอมรับว่า "องค์กรส่วนใหญ่ยังไม่ได้เรียนรู้วิธีเปลี่ยนการประหยัดเวลารายบุคคลให้กลายเป็นผลิตภาพขององค์กร"
งานวิจัยของบริษัทเน้นย้ำส่วนประกอบสำคัญที่ขาดหายไป: 66% ของพนักงานระดับปฏิบัติการได้รับคำแนะนำที่จำกัดหรือไม่มีเลยว่าควรทำอย่างไรกับเวลาที่ AI ช่วยประหยัดให้
ผลการศึกษา AI Performance Study ปี 2026 ของ PwC เผยให้เห็น ความแตกต่าง อย่างมหาศาลระหว่างผู้นำและผู้ตามหลังในด้าน AI บริษัทที่ 'ฟิต' พร้อมด้าน AI มากที่สุดมี รายได้และประสิทธิภาพที่ขับเคลื่อนด้วย AI สูงกว่าบริษัทอื่นถึง 7.2 เท่า แต่ผลกำไรเหล่านี้กระจุกตัวอยู่สูงมาก: ประมาณ 10% ขององค์กรคว้าผลตอบแทนที่วัดผลได้จาก AI ไปประมาณ 90% สร้างสิ่งที่ PwC เรียกว่าพลวัตแบบ "ผู้ชนะกินรวบ"
เกือบสามในสี่ (74%) ของมูลค่าทางเศรษฐกิจจาก AI ถูกคว้าไปโดยบริษัทเพียงหนึ่งในห้า (20%)
ข้อมูลจาก AI Jobs Barometer ของ PwC ยังแสดงให้เห็นว่าพนักงานในบทบาทที่มีความเสี่ยงสูงที่จะถูก AI แทรกแซงมีผลิตภาพเติบโตเร็วขึ้น 4 เท่า และมีส่วนต่างค่าจ้างสูงกว่า 56% เมื่อเทียบกับพนักงานในบทบาทที่มีความเสี่ยงต่ำจาก AI แต่ผลกำไรเหล่านี้กระจุกตัวอยู่ในอุตสาหกรรมเฉพาะ ที่ปรับเปลี่ยนขั้นตอนการทำงานอย่างถึงรากถึงโคนด้วย ดังที่ PwC Ireland ได้กล่าวไว้ "บริษัทที่ขยายขอบเขตการใช้ AI ไปทั่วทั้งองค์กร ไม่ใช่แค่ในส่วนเล็กๆ กำลังนำหน้าไปแล้ว"
หลักฐานจากปี 2026 ชี้ให้เห็นถึงความล้มเหลวในการจัดการที่เฉพาะเจาะจงหลายประการที่ป้องกันไม่ให้องค์กรปิดช่องว่างนั้นได้
การยึดติดกับจำนวนพนักงาน แทนที่จะจัดสรรเวลาที่มีเพิ่มขึ้นไปทำงานเชิงกลยุทธ์ที่มูลค่าสูงกว่า หลายบริษัทกลับเรียกร้องผลผลิตที่มากขึ้นจากจำนวนพนักงานเท่าเดิม ผลลัพธ์ที่ได้: วันทำงานแปดชั่วโมงกลายเป็นสิบชั่วโมง และ 'ผลกำไร' ด้านผลิตภาพถูกกลืนกินโดยภาวะหมดไฟและการลาออก โดย 34% ของพนักงานที่รายงานว่ามีภาวะ "AI brain fry" กำลังวางแผนลาออกจากงานอย่างจริงจัง
ไม่มีการแนะนำจากฝ่ายจัดการในการจัดสรรเวลาที่ประหยัดได้ใหม่ ผลสำรวจของ BCG พบว่า 66% ของพนักงานระดับปฏิบัติการได้รับ 'คำแนะนำที่จำกัดหรือไม่มีเลย' ว่าควรทำอย่างไรกับเวลาที่ AI ช่วยประหยัดให้ หากปราศจากระบบที่ชัดเจนในการนำความสามารถที่เพิ่มขึ้นไปใช้ใหม่ เวลานั้นก็จะสูญเปล่าไปกับงานเดิมๆ ที่มากขึ้นหรือวนลูปอยู่ที่การตรวจสอบ
การเล่นเกมกับตัวชี้วัด รายงานวิจัยของธนาคารกลางสหรัฐฯ สาขาแอตแลนตา ระบุว่าผลกำไรด้านผลิตภาพที่รายงานนั้น 'ไม่ได้ถูกขับเคลื่อนโดยการเพิ่มทุนของบริษัทเป็นหลัก' แต่สะท้อนถึงการเพิ่มขึ้นของผลิตภาพโดยรวมที่วัดจากรายได้ นี่ชี้ให้เห็นว่าผลกำไรที่รายงานบางส่วนอาจสะท้อนผลกระทบด้านราคาหรือการจัดประเภทผลผลิตใหม่ มากกว่าประสิทธิภาพที่เพิ่มขึ้นอย่างแท้จริง ซึ่งเป็นภาพลวงตาทางสถิติมากกว่าการเปลี่ยนแปลงที่แท้จริง
ช่องว่างระหว่างผู้ใช้ระดับเทพ ช่องว่างที่มากถึง 5 เท่าได้ปรากฏขึ้นระหว่าง "ผู้ใช้ AI ระดับเทพ" ที่ผสาน AI เข้ากับขั้นตอนการทำงานหลักได้อย่างคล่องแคล่ว กับพนักงานส่วนใหญ่ที่ยังอยู่ในขั้นทดลองใช้ บริษัทส่วนใหญ่ขาดการฝึกอบรมและการออกแบบขั้นตอนการทำงานใหม่เพื่อปิดช่องว่างนี้ หมายความว่าประโยชน์ของ AI ตกอยู่กับพนักงานเพียงส่วนน้อย ในขณะที่คนส่วนใหญ่เผชิญกับความล้าจากเครื่องมือและปริมาณงานที่เพิ่มขึ้น
หลักฐานมีความชัดเจนว่าอะไรที่แยกผู้นำด้าน AI ออกจากผู้ตามหลัง บริษัทที่ประสบความสำเร็จไม่ได้เป็นแค่การปรับใช้เครื่องมือ แต่พวกเขา ออกแบบขั้นตอนการทำงานใหม่ตั้งแต่ต้นจนจบ ตามที่ PwC กล่าวไว้ บริษัทชั้นนำมุ่งเน้นไปที่การเติบโต ไม่ใช่แค่ผลิตภาพเพียงอย่างเดียว โดยนำประสิทธิภาพที่ขับเคลื่อนด้วย AI ไปลงทุนใหม่ในนวัตกรรมและการสร้างศักยภาพ แทนที่จะเรียกร้องผลผลิตที่มากขึ้นเพียงอย่างเดียว
งานวิจัยของ Workday ตอกย้ำสิ่งนี้: องค์กรที่ประสบความสำเร็จสูงสุด "นำเวลาที่ AI ประหยัดไปลงทุนใหม่กับบุคลากรของตน ผ่านการสร้างทักษะ การออกแบบบทบาทใหม่ และการทำให้วิธีการทำงานทันสมัยขึ้น" พวกเขามอง AI ไม่ใช่เป็นเครื่องมือสำหรับการลดจำนวนพนักงาน แต่เป็นเครื่องมือในการขยายขีดความสามารถ
ใบสั่งยาของ BCG เองคือการทำแผนที่ วัดผล และทำงานอัตโนมัติอย่างมีกลยุทธ์ วิเคราะห์ว่า AI สามารถสร้างมูลค่าได้มากที่สุดตรงไหน มากกว่าที่จะกระจายเครื่องมือไปทั่วทั้งองค์กร และที่สำคัญ บริษัทที่จับคู่การใช้ AI กับการฝึกอบรมที่ตั้งใจและคำแนะนำด้านขั้นตอนการทำงานอย่างดี สามารถปิดช่องว่างของผู้ใช้ระดับเทพได้ เปลี่ยนผลกำไรชั่วคราวรายบุคคลให้เป็นผลิตภาพขององค์กรที่ยั่งยืน
Comments
0 comments