คำสั่งภายในของ Amazon ที่กำหนดให้วิศวกร 80% ต้องใช้งานเครื่องมือ AI ช่วยเขียนโค้ดเป็นประจำทุกสัปดาห์ ส่งผลกระทบไม่คาดคิดเมื่อระบบเกิดความผิดพลาดจนยอดสั่งซื้อหายไปกว่า 6.3 ล้านรายการภายในวันเดียว ข้อมูลบันทึกภายในระบุว่า มาตรการผลักดันจากระดับบริหารนำไปสู่เหตุการณ์ระบบหยุดชะงักถึง 3 ครั้งในช่วงต้นปี 2026 จากกรณี AI ลบสภาพแวดล้อมระบบสำคัญและสร้างโค้ดที่มีข้อผิดพลาดสะสมจนทีมงานแก้ไม่ทัน

เหตุการณ์นี้สะท้อนรอยร้าวสำคัญในโลกการทำงานยุคปัจจุบัน ระหว่างมุมมองของผู้บริหารที่คาดหวังตัวเลขผลผลิตตามกราฟ กับพนักงานระดับปฏิบัติการที่ต้องเผชิญภาวะสมองล้าจากการตรวจงาน AI (AI Brain Fry) จนนำไปสู่การต่อต้านเงียบและการขัดขวางโปรเจกต์ภายในองค์กร

หากคุณกำลังรู้สึกว่าองค์กรเร่งผลักดันการใช้ AI จนสร้างภาระงานมากกว่าเดิม ข้อมูลเชิงลึกต่อไปนี้จะช่วยอธิบายสิ่งที่เกิดขึ้นจริงในหลายบริษัททั่วโลก

---

ช่องว่าง 200% ระหว่าง 'ห้องประชุม' กับ 'โต๊ะทำงาน'

ผลสำรวจของ Harvard Business Review (HBR) จากพนักงาน 1,400 คนในสหรัฐฯ ชี้ให้เห็นความแตกต่างของมุมมองอย่างชัดเจน ผู้บริหาร 76% มั่นใจว่าพนักงานพร้อมเปิดรับและตื่นเต้นกับการใช้ AI แต่ในกลุ่มพนักงานระดับปฏิบัติการ (Individual Contributors) มีเพียง 31% เท่านั้นที่เห็นพ้องด้วย

ช่องว่างความเข้าใจนี้ห่างกันกว่า 2 เท่าตัว ผู้บริหารส่วนใหญ่ (96%) มีทัศนคติเชิงบวกต่อ AI แต่พนักงานหน้างานกว่า 33% กลับมีความรู้สึกกังวล ต่อต้าน หรือกลัวการถูกแทนที่

รายงานของ BCG ปี 2025 ระบุว่า ผู้บริหารระดับสูงมีอัตราการใช้งาน AI บ่อยกว่าพนักงานทั่วไปถึง 3 เท่า (85% เทียบกับ 51%) การสั่งการโดยขาดความเข้าใจในขั้นตอนการทำงานจริงนำไปสู่ปรากฏการณ์ 'AI Theater' ซึ่งพนักงาน 16% ยอมรับว่าแสร้งทำเป็นใช้งาน AI เพื่อให้ผ่านเกณฑ์การประเมิน แต่เลือกทำงานจริงด้วยวิธีเดิมเพราะมั่นใจในผลลัพธ์มากกว่า ขณะที่พนักงานกลุ่ม Gen Z ถึง 41% ระบุว่าเคยมีพฤติกรรมชะลอหรือขัดขวางโปรเจกต์ AI ในที่ทำงาน

"การวัดผลลัพธ์จากจำนวนครั้งของการใช้งาน AI โดยไม่ดูคุณภาพงานจริง อาจสร้างภาระแฝงให้ทีมงานโดยไม่รู้ตัว"

---

AI Productivity Paradox: เมื่อตัวเลขใน Excel ไม่ขยับ

แม้จะมีการคาดการณ์ว่า AI จะช่วยเพิ่มประสิทธิภาพการทำงานอย่างมหาศาล แต่งานวิจัยจาก NBER (National Bureau of Economic Research) ที่สำรวจบริษัทกว่า 6,000 แห่งทั่วโลก พบว่า 90% ขององค์กรยังไม่เห็นผลกระทบเชิงบวกต่อผลิตภาพโดยรวมหรือการจ้างงานตลอด 3 ปีที่ผ่านมา

สถานการณ์นี้คล้ายคลึงกับ Solow Productivity Paradox ในอดีต ที่เทคโนโลยีคอมพิวเตอร์แพร่หลายแต่ตัวเลขผลผลิตยังไม่เติบโตตามทันที ยิ่งไปกว่านั้น ผู้บริหารราว 60% ตัดสินใจปรับลดพนักงานล่วงหน้า (Anticipatory Layoffs) เพราะคาดหวังว่า AI จะทำงานแทนได้ แต่มีเพียง 2% เท่านั้นที่เห็นผลลัพธ์เชิงประจักษ์ชัดเจนพอ

กรณีของ Klarna เป็นตัวอย่างที่เห็นได้ชัด บริษัทปรับลดพนักงานลง 40% โดยระบุว่า AI สามารถรองรับงานได้ทั้งหมด ทว่าต่อมาต้องเผชิญกับคุณภาพการบริการที่ลดลง จนต้องเริ่มเปิดรับทีมงานกลับเข้ามาดูแลระบบอีกครั้ง

'AI Brain Fry' เมื่อเครื่องมือเยอะเกินไปจนสมองไหม้

งานวิจัยจาก UC Berkeley ชี้ว่า AI ไม่ได้ทำให้ปริมาณงานลดลงเสมอไป แต่ส่งผลให้ลักษณะงานมีความเข้มข้นขึ้น (Work Intensification) ใน 3 มิติหลัก:

1. Task Expansion: การขยายขอบเขตงานโดยปริยาย เช่น ความคาดหวังให้นักออกแบบเขียนโค้ดเบื้องต้นได้เพราะมีเครื่องมือช่วย
2. ขอบเขตการทำงานที่ทับซ้อน: การติดต่อผ่านแชต AI ทำให้พนักงานรู้สึกพร้อมทำงานตลอดเวลา จนส่งผลกระทบต่อเวลาพักผ่อน
3. การสลับบริบทการทำงานบ่อยครั้ง: การต้องเปิดใช้งานหลายระบบพร้อมกันทำให้สูญเสียสมาธิ

ผลการศึกษาของ BCG ในกลุ่มพนักงาน 1,488 คน พบว่า ประสิทธิภาพจะเพิ่มขึ้นเมื่อใช้งาน AI ไม่เกิน 3 ตัว แต่หากใช้ตั้งแต่ 4 ตัวขึ้นไป ประสิทธิภาพจะลดลงอย่างมีนัยสำคัญ เนื่องจากการตรวจสอบความถูกต้องของเนื้อหาที่ AI สร้าง (Oversight) ต้องใช้พลังสมองสูงกว่าการลงมือทำเองถึง 14% และทำให้เกิดภาวะข้อมูลล้นเกิน (Information Overload) เพิ่มขึ้น 19%

ข้อมูลจาก ActivTrak ชี้ให้เห็นว่าหลังนำ AI เข้ามาใช้งาน เวลาในการตอบอีเมลเพิ่มขึ้น 104% และเวลาในแอปส่งข้อความเพิ่มขึ้น 145% ขณะที่เวลาสำหรับการทำงานเชิงลึก (Deep Focus) ลดลง 9%

---

ทำไมคนทำงานถึงเริ่ม 'วางยา' AI?

การต่อต้านการนำ AI มาใช้ในองค์กรมักเชื่อมโยงกับความต้องการพื้นฐานทางจิตวิทยาที่ได้รับผลกระทบ:

• Competence (ความชำนาญ): พนักงานรู้สึกว่าทักษะและประสบการณ์ที่สะสมมาถูกลดคุณค่าลง (44% ของคนทำงานระบุความกังวลนี้)
• Autonomy (ความเป็นอิสระ): การบังคับใช้เครื่องมือตามเกณฑ์วัดทำให้รู้สึกถูกควบคุมโดยระบบอัลกอริทึม
• Relatedness (ความสัมพันธ์): การทำงานร่วมกับระบบอัตโนมัติมากขึ้นทำให้การสื่อสารระหว่างเพื่อนร่วมงานลดลง

เมื่อพนักงาน 35% ต้องจัดหาเครื่องมือ AI มาใช้เองเนื่องจากบริษัทไม่มีระบบสนับสนุน แต่กลับถูกคาดหวังผลงานที่สูงขึ้น ความกดดันดังกล่าวผลักดันให้เกิดการใช้งานเครื่องมือภายนอกที่ไม่ผ่านการอนุมัติ (Shadow AI) สูงถึง 54% ซึ่งสร้างความเสี่ยงต่อความปลอดภัยของข้อมูลองค์กร

"AI เป็นเครื่องมือเสริมประสิทธิภาพได้ดี แต่ต้องไม่ถูกนำมาใช้เป็นข้ออ้างในการเพิ่มภาระงานอย่างไร้ทิศทาง"

---

ทางออกที่บอส (ส่วนใหญ่) ไม่อยากได้ยิน

องค์กรที่ประสบความสำเร็จในการปรับใช้ AI มักให้ความสำคัญกับแนวคิดที่เน้นบุคลากรเป็นศูนย์กลาง (Employee-centricity) ตัวอย่างเช่น BNY Mellon ที่มีพนักงานกว่า 60% สมัครใจเข้าร่วมการเรียนรู้ หรือ PwC ที่จัดกิจกรรมแบ่งปันแนวทาง Prompting ร่วมกัน องค์กรที่เปิดให้พนักงานมีส่วนร่วมมีโอกาสสำเร็จในการนำ AI มาใช้งานสูงกว่าองค์กรที่เน้นการสั่งการจากบนลงล่างถึง 7 เท่า

ทว่าปัจจุบันมีผู้บริหารเพียง 44% เท่านั้นที่เปิดโอกาสให้พนักงานมีส่วนร่วมในการตัดสินใจเรื่องการนำ AI มาใช้

ความล้มเหลวของการทำ Digital Transformation ส่วนใหญ่ไม่ได้เกิดจากข้อจำกัดทางเทคนิค แต่เกิดจากโครงสร้างการบริหารและการสื่อสารภายใน การนำ AI มาเสริมในกระบวนการทำงานที่ยังขาดประสิทธิภาพ ย่อมไม่ก่อให้เกิดผลลัพธ์ตามที่คาดหวัง

ความสำเร็จของการประยุกต์ใช้ AI ขึ้นอยู่กับความพร้อมและความร่วมมือของทีมงานผู้ปฏิบัติงานจริง การรับฟังความคิดเห็นและออกแบบกระบวนการทำงานร่วมกันจึงเป็นปัจจัยสำคัญในการขับเคลื่อนองค์กรให้เติบโตได้อย่างยั่งยืน

"การนำ AI มาใช้ให้เกิดผล ต้องเริ่มจากการทำความเข้าใจขั้นตอนการทำงานและสร้างความร่วมมือของทีมงานเป็นหลัก"

---

แหล่งอ้างอิง

• Leaders Assume Employees Are Excited About AI. They're Wrong. (HBR, Nov 2025)
• AI code wreaked havoc with Amazon outage (Digital Trends, Mar 2026)
• 'AI brain fry' is real: and it's making workers more exhausted (Fortune/BCG, Mar 2026)
• AI Doesn't Reduce Work: It Intensifies It (HBR, Feb 2026)
• AI productivity paradox: CEO study (Fortune, Feb 2026)
• AI promised supreme productivity, but it's actually straining workloads (Fortune/ActivTrak, Mar 2026)
• Executives love their AI rollouts, but employees aren't buying it (CIO)
• Companies Are Laying Off Workers Because of AI's Potential (HBR, Jan 2026)
• 8 AI Truths Executives Don't Want to Hear (Game-Changer, Mar 2026)