ใช้ AI กันมากขึ้น แต่ “ตัวเลข productivity” ยังไม่ขยับ
แม้กระแส AI จะถูกคาดหวังให้เข้ามาช่วยทำงานเร็วขึ้น ลดต้นทุน และทำให้องค์กรมี productivity สูงขึ้น แต่ข้อมูลล่าสุดจากงานวิจัยของ National Bureau of Economic Research (NBER) ชี้ว่า ในโลกความเป็นจริง บริษัทจำนวนมาก “เริ่มใช้ AI แล้ว” แต่ยังไม่เห็นผลลัพธ์ชัดเจนในระดับองค์กร โดยเฉพาะตัวชี้วัดด้าน productivity และการจ้างงาน
ตัวเลขสำคัญจากผลสำรวจ (สรุปให้เข้าใจง่าย)
งานวิจัย NBER ฉบับนี้สำรวจผู้บริหารระดับสูงเกือบ 6,000 คน (CFO, CEO และผู้บริหารสายงาน) จากตัวอย่างบริษัทในสหรัฐฯ, สหราชอาณาจักร, เยอรมนี และออสเตรเลีย
ประเด็นที่เด่นที่สุดมีดังนี้
- ราว 70% ของบริษัทระบุว่าใช้งาน AI อยู่แล้ว
- แม้ผู้บริหารจำนวนมากบอกว่า “ใช้ AI เป็นประจำ” แต่เวลาใช้งานเฉลี่ย ประมาณ 1.5 ชั่วโมงต่อสัปดาห์ และ ราว 1 ใน 4 ไม่ได้ใช้ AI ในที่ทำงานเลย
- ในมุมผลลัพธ์ระดับองค์กร บริษัทส่วนใหญ่รายงานว่า AI ยังไม่ส่งผลต่อ productivity หรือการจ้างงานในช่วง 3 ปีที่ผ่านมา โดยตัวเลข “ไม่เห็นผล” อยู่ในระดับ มากกว่า 80% และในบางสรุปข่าวอยู่ระดับ เกือบ 90%
- แต่ผู้บริหารยังคาดว่าใน 3 ปีข้างหน้า AI จะช่วยให้
- productivity เพิ่มราว 1.4%
- output เพิ่มราว 0.8%
- การจ้างงานลดราว 0.7%
พูดแบบสั้นที่สุด: เริ่มใช้แล้ว แต่ยังไม่เห็นผลเป็นรูปธรรม
ทำไม “ใช้ AI แล้ว” แต่ productivity ยังไม่ขึ้น?
ถ้ามองแบบคนทำงานจริง เหตุผลที่ “ยังไม่เห็น productivity” มักมาจากการที่ AI ถูกใช้แบบ “ช่วยงานในจุดเล็ก ๆ” มากกว่า “เปลี่ยนระบบงานทั้งเส้น” และงานวิจัยก็สะท้อนภาพนี้ทางอ้อมจากเวลาใช้งานที่ค่อนข้างน้อย (เฉลี่ย 1.5 ชั่วโมง/สัปดาห์)
ซึ่งสามารถสรุปเป็น 4 จุดที่เจอได้บ่อยในองค์กร
1) ใช้ AI ในงานปลายทาง มากกว่างานแกนหลัก
หลายทีมเริ่มจากงานที่เห็นผลทันที เช่น ร่างอีเมล สรุปข้อความ ช่วยเขียนรายงาน แต่ยังไม่แตะงานที่ “กินเวลาคนจำนวนมาก” หรือเป็นคอขวดขององค์กรจริง ๆ ดังนั้น productivity ระดับบริษัทเลยยังไม่ขยับแบบเห็นชัด
2) เพิ่มเครื่องมือ แต่ไม่ปรับ workflow
องค์กรจำนวนมากเพิ่ม AI เข้าไป “บน” ขั้นตอนเดิม พนักงานยังต้องคัดลอก-วาง วนตรวจ วนแก้ ทำให้บางกรณี AI กลายเป็นขั้นตอนเพิ่ม มากกว่าจะลดงาน — สุดท้าย productivity ไม่ขึ้น หรือขึ้นน้อยจนไม่ปรากฏในตัวเลขรวม
3) ข้อมูล/ระบบภายในยังไม่พร้อมให้ AI ใช้งานเต็มที่
AI จะช่วยงานได้มากเมื่อเข้าถึงความรู้ขององค์กร (เอกสารภายใน นโยบาย ฐานความรู้ ระบบบริการลูกค้า ฯลฯ) แต่ความเป็นจริงคือหลายองค์กรข้อมูลกระจัดกระจาย หรือมีข้อกังวลด้านความปลอดภัยจนใช้งานจริงได้จำกัด
4) “มีใช้” แต่ยังไม่วัดผลแบบจริงจัง
ถ้าไม่มี KPI ชัด ๆ เช่น เวลางานที่ลดลงต่อเคส error rate ที่ลดลง หรือ output ต่อหัวที่เพิ่มขึ้น ต่อให้ใช้ AI ก็ยากที่จะพูดได้ว่า productivity ดีขึ้นจริงแค่ไหน
เหมือนตอนเริ่มใช้ใน “ยุคคอมพิวเตอร์” ช่วงต้น
ประเด็น “เทคโนโลยีมาแรง แต่ productivity ยังไม่ขึ้นทันที” เคยเกิดขึ้นมาแล้วในประวัติศาสตร์เศรษฐกิจ โดยมักถูกพูดถึงในชื่อแนวคิด Solow’s productivity paradox ที่สรุปภาพให้เห็นว่า “เทคโนโลยีใหม่ต้องใช้เวลาให้คนและองค์กรปรับระบบงานก่อน” ผลลัพธ์จึงจะสะท้อนในสถิติภาพรวม
เงินลงทุนยังเทไปที่ AI หนักมากในปี 2025
แม้ผลสำรวจจะบอกว่า AI ยังไม่ทำให้ productivity “พุ่ง” ในองค์กรส่วนใหญ่ แต่ฝั่งการลงทุนกลับสวนทางชัดเจน
OECD ระบุว่า ปี 2025 เงินลงทุนแบบ Venture Capital (VC) ในบริษัท AI คิดเป็น 61% ของ VC ทั่วโลก หรือ USD 258.7 พันล้าน จาก VC รวม USD 427.1 พันล้าน
ถ้าแปลงเป็นเงินบาท (อัตราอ้างอิง “อัตรากลาง” USD/THB ของธนาคารแห่งประเทศไทย ณ 18 ก.พ. 2026 = 31.2896 บาท/ดอลลาร์) จะได้ประมาณนี้
- USD 258.7 พันล้าน (ประมาณ 8.09 ล้านล้านบาท)
- USD 427.1 พันล้าน (ประมาณ 13.36 ล้านล้านบาท)
ภาพรวมจึงเหมือน “นักลงทุนยังคงเดิมพันกับ AI ต่อ” แต่ฝั่งองค์กรผู้ใช้ปลายทางอาจยังต้องใช้เวลาในการทำให้เกิด productivity แบบวัดผลได้จริง
ถ้าองค์กรอยากให้ AI ดัน productivity “เห็นผลจริง” ควรเริ่มจากอะไร?
แนวทางที่จับต้องได้ และมักทำให้เห็นผลเร็วกว่า คือเปลี่ยนจาก “ทดลองใช้” ไปเป็น “ฝัง AI ในงานจริง” โดยทำเป็นขั้น ๆ
- เลือกงานที่เป็นคอขวดจริง (งานซ้ำเยอะ กินเวลาคนมาก)
- ทำ workflow ให้ AI ลดขั้นตอน ไม่ใช่เพิ่มขั้นตอน
- เชื่อม AI กับความรู้ขององค์กร (ฐานความรู้/เอกสาร/ระบบงาน) อย่างปลอดภัย
- กำหนด KPI แล้ววัดก่อน-หลัง ให้ชัดว่าประหยัดเวลา/ลดข้อผิดพลาดได้เท่าไร
- เทรนทีมให้ใช้เป็น + มีมาตรฐานตรวจทาน ลดเวลาวนแก้
สรุป
งานวิจัยของ NBER (ก.พ. 2026) บอกชัดว่า วันนี้หลายบริษัท “เริ่มใช้ AI แล้ว” แต่ บริษัทส่วนใหญ่ยังไม่เห็นผลต่อ productivity หรือการจ้างงานในช่วง 3 ปีที่ผ่านมา ขณะที่ผู้บริหารเองก็ใช้ AI เฉลี่ยเพียง 1.5 ชั่วโมงต่อสัปดาห์
อย่างไรก็ตาม เงินลงทุนยังไหลเข้า AI หนักมาก (AI กินสัดส่วน 61% ของ VC โลกในปี 2025) ทำให้ภาพในปี 2026 น่าจะเป็น “ช่วงรอยต่อ” ที่องค์กรต้องพิสูจน์ว่า AI จะเปลี่ยนจากเครื่องมือช่วยงานได้แค่ในบางงาน ไปสู่การดัน productivity ระดับองค์กรได้จริงหรือไม่
ที่มา: Tom’s Hardware
