‘เครื่องมือ’ เพื่อช่วยและสนับสนุนงาน กับการพัฒนาที่ไม่หยุดยั้ง รู้จักกันในชื่อ ‘AI’v

รศ. ดร.พยุง มีสัจ ไฮไลต์ชัด ๆ กับบทบาทของ AI จนถึง 9 หลักคิดของผู้นำที่ต้องเข้าถึง AI อย่างแท้จริง พร้อมปัจจัยสำคัญในการใช้ AI อย่างคุ้มค่า เกิดประสิทธิภาพสูงสุด

รศ. ดร.พยุง มีสัจ ผู้อำนวยการสำนักหอสมุดกลาง มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ให้เกียรติร่วมเสวนาออนไลน์ Digital University: Enabling The Smart Society ภายใต้ประเด็นฮิตอินเทรนด์ “AI – RI กับก้าวต่อไปของสถาบันการศึกษา” โดยแลกเปลี่ยนประสบการณ์และความเห็นในฐานะตัวแทนองค์กร กับมุมมองที่มีต่อเทคโนโลยี ปัญญาประดิษฐ์ (Artificial Intelligence, AI) การนำมาปรับใช้ โอกาสและอุปสรรคในการบริหารจัดการงานองค์กร จนถึงมุมมองต่อแวดวงการศึกษา

บทบาทของ AI สู่ RI ในอนาคต จากการศึกษาสู่การพัฒนาในมิติต่าง ๆ

ในฐานะองค์กรศึกษาหนึ่งเดียวที่เข้าร่วมการแลกเปลี่ยนความเห็น และสะท้อนภาพผ่านงานที่รับผิดชอบดูแล จาก AI สู่ RI ในอนาคต รศ. ดร.พยุงเห็นว่าการศึกษาแบบออนไลน์เช่นในปัจจุบันมีมากขึ้นเรื่อย ๆ ทั้งการสอนเสริม การจัดการข้อมูลของนักศึกษา ข้อมูลทางด้านวิชาการ ฯลฯ ทำให้เกิดแพลตฟอร์มมากมายตามมา

AI จึงมีบทบาทเสริมประสิทธิภาพยิ่งขึ้น อาทิ เก็บข้อมูลของนักศึกษาที่เข้ามาในระบบ ทั้งเรื่องการเรียน และความคืบหน้า เป็นต้น ซึ่งสามารถนำไปสู่การปรับประยุกต์ AI ตามความรู้ของนักศึกษา เช่น ลดระดับของการสอน หรือในทางตรงข้าม คือ ใช้ AI ป้อนข้อมูลที่ท้าทายมากขึ้น ตามลักษณะผู้เรียนที่มีความแตกต่างกัน

รศ. ดร.พยุงกล่าวว่าแม้ AI จะยังเป็นลักษณะ Narrow AI ไม่ถึง General AI แต่สามารถประยุกต์ได้มากมาย อาทิ ด้านการดูแลสุขภาพ AI สามารถช่วยเรื่อง Healthcare เพื่อปรับปรุงการดูแลสุขภาพ การวินิจฉัยโรค การสนับสนุนทางการแพทย์ โดยเฉพาะอย่างยิ่งเรื่องข้อมูล (Data) ของผู้ป่วยในโรงพยาบาล สามารถนำมาสร้างโมเดล สร้าง Machine Learning ซึ่งปัจจุบันมี Deep Learning ที่ช่วยให้การวินิจฉัยโรคได้แม่นยำขึ้น ทำให้การใช้ AI มาสนับสนุนด้านดูแลสุขภาพเป็นเทรนด์หนึ่งที่มีประสิทธิภาพมากขึ้น โดยเฉพาะเรื่อง Telemedicine ที่มีประสิทธิภาพสูงขึ้นเรื่อย ๆ และมีโพรดักต์ออกมาอย่างต่อเนื่อง

“ที่ไม่ไกลตัวเราอีกอันหนึ่งก็คือ การขนส่ง (Transportation) เช่น ทุกเช้าที่เราตื่นและไปทำงาน จะเห็นว่ามี AI ช่วยไกด์ หลาย ๆ ท่านเปิดกูเกิลเพื่อดูเส้นทาง นั่นเป็น AI ตัวหนึ่งที่อยู่เบื้องหลังที่อยู่ในชีวิตประจำวัน บริษัทต่าง ๆ ก็สามารถนำ AI ที่อยู่เบื้องหลังเช่นนี้ในการเลือกเส้นทาง อาทิ เรื่อง Logistics เพื่อช่วยประหยัดน้ำมัน เดินทางในเส้นทางที่สั้นที่สุด ฯลฯ

“อีกประเด็นหนึ่งที่น่าสนใจ ปัจจุบันเราอยู่ใน ‘ยุคสภาพภูมิอากาศเป็นมลพิษ’ ซึ่งเป็น Challenge อย่างหนึ่งที่ใช้ AI มาช่วยในเรื่องการลดและควบคุมมลพิษได้ อาจเริ่มจาก Data ที่มี Feed ใน IoT ต่าง ๆ มาช่วยสนับสนุนว่าควรจะมีการจัดการอย่างไร

“เรื่องที่ชัดเจนที่สุดจะเห็นว่าหลาย ๆ บริษัทนำ ChatGPT มาใช้ หรือเรื่อง Call Center ปัจจุบันมีการใช้ AI กันเป็นส่วนใหญ่ ซึ่งมีการตอบโต้ในเรื่องการสนับสนุนการขาย การนำเสนอสินค้าใหม่ ฯลฯ อย่างฉลาดและรอบรู้ขึ้นเรื่อย ๆ ในทุกวัน นี่เป็น Narrow AI เช่นกัน ซึ่งเรื่องการ Feed Data หรือสอนเยอะ ๆ ทำให้มีความฉลาด มีความแม่นยำมากขึ้น หรือเรื่องหุ้น (Stock) จะเห็นว่าเริ่มมีการใช้ AI มาช่วยในการเทรด การซื้อขายหุ้น ฯลฯ มากขึ้นเรื่อย ๆ เป็นต้น

“นี่น่าจะเป็นมุมมองทางด้านประโยชน์ซึ่งมีมากมาย อย่างไรก็ตามยังเป็นจุดเริ่มต้น และคิดว่ายังไปได้อีกไกล การที่หลาย ๆ คนมาพัฒนา และบอกว่า ‘ไปแย่งงาน’ คงมองว่า ‘ยังห่างไกล’ เพราะเห็นว่าเป็นเรื่องของ ‘การช่วยสนับสนุน’ การทำงานให้ ‘มีประสิทธิภาพมากขึ้น’ มากกว่า”

เจาะลึกการบริหารจัดการ AI ผ่านมุมคิดของผู้นำองค์กร

รศ. ดร.พยุงตรงเข้าประเด็นว่า AI มีบทบาทในทุกส่วนงาน ทั้งราชการ เอกชน ธุรกิจ หรืออุตสาหกรรม การนำ AI มาใช้อย่างมีประสิทธิภาพสูงสุด คนเป็นผู้นำต้องตั้งต้นตั้งแต่วิสัยทัศน์

ประเด็นที่ 1 รู้ว่า AI คืออะไร กล่าวคือเมื่อจะเข้าถึง AI ต้องรู้จัก AI หรือปัญญาประดิษฐ์เสียก่อน เพราะฉะนั้นคนเป็นผู้นำจะต้องหาความรู้เพิ่มเติม ซึ่งปัจจุบันมีความรู้อยู่มากมาย อาทิ รับฟังจากการเสวนา การดูผ่านสื่อ เช่น ยูทูบ ฯลฯ “AI จะว่าไปก็กว้าง ๆ ถ้าเจาะลึกลงไปก็จะมีเรื่อง Machine Learning, Deep Learning ฯลฯ ศัพท์พวกนี้อาจไม่จำเป็นต้องรู้ลึก แต่เราน่าจะต้องให้มีความคุ้นชินกับเรื่องศัพท์ต่าง ๆ เหล่านี้ คือรู้จักพื้นฐานของ AI สักหน่อย เพื่อที่เวลาลูกน้องมานำเสนอ หรือว่าเราจะไปให้ลูกน้องทำ ก็จะได้รู้ว่าจะทำอะไร ไปทางไหน”

ประเด็นที่ 2 AI = Tools หมายถึงเป็นเครื่องมือหนึ่งที่นำมาใช้เพื่อช่วยหรือสนับสนุนการทำงาน ไม่ได้นำมาแทนคนทั้งหมด “เช่น งานบางอย่างที่มนุษย์ทำแล้วอาจมีความเชื่องช้า ไม่ถูกต้อง คำถามคือ AI จะช่วยสนับสนุนตรงนั้นได้อย่างไร เรื่อง Data Analytic หรือ Big Data มนุษย์คงเข้าไม่ถึงข้อมูลขนาดใหญ่ได้ทั้งหมด เพราะฉะนั้น AI จะช่วยวิเคราะห์ข้อมูลได้ แต่สุดท้ายแล้วการตีความ การนำมาใช้งาน ก็ต้องเป็นมนุษย์”

ประเด็นที่ 3 AI ต้องเริ่มต้นจากข้อมูล องค์กรต้องถามตัวเองก่อนว่างานที่จะนำมาใช้มีข้อมูลที่จะสอน AI หรือไม่ เพราะ AI ไม่ได้อยู่ ๆ ก็สามารถทำได้ทุกอย่าง เช่น ChatGPT ฯลฯ ก็มีการตั้งต้นด้านข้อมูลไว้ “ถ้าเราจะปรับจูนให้เข้ากับงานของเรา เราจะมี Data Feed ให้ และปรับเข้ากับงานเราได้หรือเปล่า ต้องเข้าใจว่า AI นั้นขับเคลื่อนด้วยข้อมูล หรือ AI Data Driven”

ประเด็นที่ 4 ใช้ AI แบบวนซ้ำ พัฒนาไม่หยุดยั้ง ผู้นำต้องเข้าใจว่า AI ต้องตั้งต้นตั้งแต่ Data นำไปสู่การปรับปรุง แล้วมี Data เข้ามาใหม่ จากนั้นก็ปรับจูนเพื่อให้ทันสมัย เป็นการตรวจสอบประสิทธิภาพอย่างสม่ำเสมอ “เพราะฉะนั้นสิ่งสำคัญคือผู้นำต้องทำความเข้าใจว่าการนำ AI มาใช้ไม่ใช่นำมาปุ๊บ ใช้เสร็จ จบ แต่ใช้แล้วก็ต้องปรับปรุง วนลูป วนซ้ำ เหมือนวงรอบที่จะพัฒนาไปอย่างไม่หยุดยั้ง”

ประเด็นที่ 5 นำ AI มาตอบโจทย์และสนับสนุนงานที่ท้าทาย ผู้นำต้องมองหาและมองเห็นความยากของงานที่มีอยู่ หากใช้คนทำงานแล้วได้ประสิทธิภาพไม่เต็มที่ มีความเป็นไปได้ว่า AI จะเข้ามาช่วยสนับสนุนการทำงานได้ “เป็นเรื่องความท้าทายที่เป็นการระบุโอกาส และความท้าทายในเรื่องการทำงานแบบอัตโนมัติ คนอาจไปใช้อย่างอื่นแทนในการพัฒนางานด้านอื่น ๆ แทนที่จะใช้คนทำงานบางอย่างก็ใช้ AI ช่วยสนับสนุน เช่น เรื่องการทำงานแบบอัตโนมัติ การวิเคราะห์ข้อมูลโดยอัตโนมัติ หรือการที่จะมานั่งบอกทุกวัน ๆ ก็อาจจะใช้ IoT ต่าง ๆ Feed เข้า AI หรือ Predict สิ่งต่าง ๆ เป็นสิ่งที่สามารถนำมาใช้ได้อย่างมีประสิทธิภาพ”

ประเด็นที่ 6 ใช้ AI เชิงกลยุทธ์เพื่อการขับเคลื่อน ที่ผ่านมาพบว่าองค์กรต่าง ๆ นำ AI มาใช้อย่างไม่มีหลักการ และไม่มีกลยุทธ์ในการขับเคลื่อน แล้วส่งผลกระทบต่อหลาย ๆ คนในส่วนงาน “ดังนั้นผู้นำที่อยากได้ AI มาใช้สนับสนุนงาน จะต้องมองถึงกลยุทธ์ เรียกว่า มีแรงผลักดัน ไปจนถึงมีการตรวจติดตามการดำเนินงาน และนำ Feedback มาปรับปรุงต่อไปเรื่อย ๆ”

ประเด็นที่ 7 ข้อมูลสำหรับ AI ต้องพร้อมใช้งาน-จัดการได้ เนื่องจาก AI ขับเคลื่อนด้วยข้อมูล จึงต้องคำนึงว่าข้อมูลที่องค์กรมีอยู่จะสามารถจัดการได้หรือไม่ เข้าถึงได้ไหม อาทิ เรื่องความเป็นส่วนตัว (Privacy) เรื่องความพร้อมใช้งาน ฯลฯ “ผู้นำต้องคำนึงถึงการนำข้อมูลมาใช้ในแง่ของการสอนให้แก่ Machine อย่างที่ทราบกันว่าถ้ามีข้อมูลไม่สมบูรณ์ ไม่ครบถ้วน เหมือนกับการ Base In กับ Base Out เพราะฉะนั้นการที่สอนข้อมูลที่ผิด ๆ ให้กับ AI ผลลัพธ์หรือ Outcome ที่ออกมาจะใช้ไม่ได้ อย่าง ChatGPT ที่บอกว่าเราถามไป เขาตอบมานั้น เราก็อาจจะต้องมาตรวจสอบความถูกต้องด้วย เพราะบางที ChatGPT เองเขาเรียนข้อมูลในอินเทอร์เน็ต ใช้ calling ไปทั่วอินเทอร์เน็ตทั่วโลก ซึ่งมีบางเว็บไซต์ที่อาจจะเป็นข้อมูลที่ไม่ได้มีการตรวจความถูกต้อง จึงมีความเป็นไปได้ที่จะไปเอาข้อมูลเหล่านั้นมาตอบเรา เพราะฉะนั้นต้องมีการใช้อย่างระมัดระวัง เรื่องข้อมูลจึงเป็นเรื่องสำคัญ”

ประเด็นที่ 8 ประเมินวัดผลความถูกต้องของ AI กล่าวคือเมื่อสร้าง AI หรือสร้างโมเดลขึ้นมาแล้ว ไม่ว่าอย่างไรก็จะต้องมีการประเมินวัดผลว่า AI สามารถทำงานได้อย่างถูกต้องหรือไม่เช่นกัน

ประเด็นที่ 9 ให้ความสำคัญกับ AI Ethics (จริยธรรมปัญญาประดิษฐ์) เพราะการตั้งนโยบายด้านจริยธรรมปัญญาประดิษฐ์เป็นเรื่องที่ยาก ด้วยบางคนใช้ AI ไปในด้านบวก (Positive) ย่อมเป็นการส่งเสริมและสนับสนุนการทำงาน แต่อีกด้านหนึ่ง หากใช้ไปในทางที่ผิด ย่อมไม่ต่างจากปืนที่อยู่ในมือของคนร้าย “เป็นเรื่องที่ผู้นำต้องระมัดระวัง อาจจะต้องมี Policy ของหน่วยงานที่จะใช้ควบคุม หรืออาจใช้นโยบายหรือกฎหมายของรัฐบาลที่ออกมาแล้วอย่างเคร่งครัด”

Key Factors to Hitting Goal

“การจะนำ AI ไปใช้อย่างคุ้มค่าต้องตั้งต้นจาก ‘เป้าหมาย’ ที่ต้อง ‘ชัด’ องค์กรต้องระบุความท้าทายของงานได้อย่างชัดเจนว่าจะเอาไปใช้อะไร เรื่องผลผลิตที่เราตั้งเป้าไว้ ประสิทธิภาพของ AI หรือมองในหลาย ๆ ระดับ ผลลัพธ์หรือ Outcome สุดท้ายคืออะไร เช่น ความสำเร็จทางธุรกิจ ถ้าเป็นองค์กรการศึกษาอาจเป็นการทำให้ระบบ เช่น ระบบ Learning System ในมหาวิทยาลัยสามารถช่วยเหลือนักศึกษาในการเรียนรู้ได้อย่างมีประสิทธิภาพ

“อีกสักปัจจัยหนึ่ง น่าจะเป็นความพร้อมของบุคลากรที่สามารถที่จะขับเคลื่อน AI ซึ่งอาจจะมีหลายระดับ พูดชัด ๆ คือผู้ที่ดูแลรับผิดชอบ อาจจะเป็น Outsource ก็ได้ ต้องมีคนใดคนหนึ่งที่ต้องมีศักยภาพในการตั้งโครงการ และสามารถที่จะบรรลุให้ได้

“อีกปัจจัย น่าจะเป็นเรื่องงบประมาณ (Budget) บางทีไม่มีเงินก็อาจจะไม่สามารถที่จะตั้งต้นได้อย่างมีประสิทธิภาพ

“อีกปัจจัยหนึ่ง เรื่องโครงสร้างพื้นฐานทางด้านฮาร์ดแวร์ ปัจจุบันถ้ามีปัจจัยเรื่องงบประมาณมาพร้อมแล้วก็ใช้คลาวด์ ถ้ามีงบประมาณสำหรับเรื่องฮาร์ดแวร์อยู่ในระดับน้อยหน่อยอาจจะใช้ของเราเอง

“สุดท้ายเรื่อง Safety หรือเรื่อง Data Privacy และเรื่องจริยธรรม การวางนโยบายและวางกฎเกณฑ์ในการนำ AI ไปใช้ได้อย่างถูกต้อง ถูกกฎระเบียบ เป็นเรื่องที่ต้องระมัดระวัง”

รศ. ดร.พยุงทิ้งท้ายไว้ว่าการตั้งต้นเรื่อง AI ไม่ต้องเริ่มจากใหญ่ AI เกิดขึ้นได้จากโครงการเล็ก ๆ แล้วองค์กรค่อย ๆ เรียนรู้ ค่อย ๆ ปรับปรุง ค่อยเสริมสร้างอย่างต่อเนื่อง แล้วดูผลลัพธ์ ไปอย่างช้า ๆ ไปอย่างระมัดระวัง เพราะจริง ๆ แล้ว AI เริ่มเข้ามาตั้งแต่ช่วง 20-30 ปีที่ผ่านมา แต่ปัจจุบันมีตัวเร่งต่าง ๆ เข้ามา

“อดทนรอ ตอนนี้มีเครื่องไม้เครื่องมือมากมาย อีกนิดอาจจะไปถึง ATI ในอนาคตอันใกล้นี้ก็ได้ ตอนนี้เรา Narrow AI อยู่ แต่จริง ๆ ก็เริ่มขยับเข้ามาเรื่อย ๆ”

 

ชมเสวนาออนไลน์ Digital University : Enabling The Smart Society ในหัวข้อ  “AI – RI กับก้าวต่อไปของสถาบันการศึกษา” ได้ที่นี่

https://fb.watch/ltn4pFK3qt/?mibextid=cr9u03

5 ข้อค้นพบจากคนหลังบ้าน

จากประสบการณ์และจากผู้ที่เข้าร่วมโครงการ สิ่งแรกที่คนหลังบ้านได้ค้นพบคือ ‘องค์กร’ หรือวิสัยทัศน์ขององค์กร กล่าวคือหลายองค์กรมีวิสัยทัศน์ที่ดี แต่กระบวนการที่จะไปถึงอาจยังมีข้อติดขัด โครงการที่เกิดขึ้นจึงอาจช่วยให้ข้อติดขัดบางอย่างไปต่อได้ กระบวนการต่าง ๆ สามารถดำเนินไปได้อย่างลื่นไหล “ส่วนที่ 2 คือ ความตระหนัก รู้เกี่ยวกับการหาแนวทาง เมื่อมหาวิทยาลัยได้หาแนวทางว่าถ้าจะมุ่งไปสู่การเป็นมหาวิทยาลัยดิจิทัล ซึ่ง ณ ตอนนั้นข้อมูลข่าวสารของโครงการอาจยังไม่หลากหลายและทั่วถึง แต่ก็สามารถหาบุคคล หาองค์ความรู้มาสนับสนุนในเบื้องต้นได้ ส่วนถัดมาคือ วิสัยทัศน์/วิกฤต หมายความว่า องค์กรจะขับเคลื่อนด้วยวิสัยทัศน์ หรือจะรอให้เกิดวิกฤตเสียก่อนถึงจะเดินหน้าไปต่อ ส่วนถัดมาคือ การรวมกลุ่มขององค์กร เป็นการเชิญทุกภาคส่วนเข้ามาร่วมทำงาน ซึ่งนี่เป็นจุดเริ่มต้นที่จะทำให้องค์กรขับเคลื่อนได้ก่อน”

สำหรับ ‘หน่วยงาน’ พบว่า เมื่อได้เรียนรู้เกี่ยวกับการมุ่งสู่ความเป็นมหาวิทยาลัยดิจิทัลกับ ‘โครงการขับเคลื่อนมหาวิทยาลัยไทยสู่มหาวิทยาลัยดิจิทัล’ แล้ว จึงกลับมาเช็กมาดูกันว่างานที่ทำอยู่นั้นตอบโจทย์กับวิสัยทัศน์หรือตอบโจทย์กับแฟล็กชิปของมหาวิทยาลัยหรือไม่ เกิดเป็นการทบทวน ทำให้เกิดความตระหนักขึ้นในองค์กรว่าถ้ายังไม่ตอบโจทย์กับวิสัยทัศน์หรือตอบโจทย์กับแฟล็กชิปของมหาวิทยาลัย แล้วจะขยับอย่างไร “มีการปรับตัว หาองค์ความรู้ เข้ามาในโครงการ ทั้งเพื่อสอบถามและแลกเปลี่ยนเรียนรู้ ซึ่งล้วนแต่เป็นการเริ่มขยับ หน่วยงานในมหาวิทยาลัยส่วนไหนที่มีความพร้อมก่อนก็ไปก่อน เพื่อเป็นต้นแบบให้กับหน่วยงานอื่น ๆ ที่จะขยับไปด้วยกัน” อาจารย์วสันต์กล่าว “ถัดมาคือการให้ความร่วมมือของหน่วยงาน และระหว่างหน่วยงาน เพราะอย่าลืมว่าหน่วยงานแต่ละหน่วยงานที่ทำงาน จะต้องมีหน่วยงานอื่น ๆ เข้ามาช่วย Support เราไม่สามารถทำงานหน่วยงานเดียว เราไม่สามารถสร้างข้อมูลอย่างเดียว เราต้องใช้ข้อมูลจากหน่วยงานอื่น ๆ ด้วย นี่ทำให้เกิดและเห็นความร่วมมือระหว่างหน่วยงาน แม้ว่าจะเป็นความร่วมมือที่ยังไม่เป็นทางการ แต่พอจะทราบแล้วว่าต่อไปถ้าจะพัฒนาหน่วยงานของตนเองนั้น เราต้องให้หน่วยงานไหนเข้ามา Support”

ถัดมาคือ ‘บุคลากร’ กล่าวคือ เมื่อหน่วยงานเริ่มเกิดการตระหนักรู้แล้วว่าหน่วยงานของเรามีความสำคัญในการขับเคลื่อน การพัฒนาศักยภาพบุคลากรนั้นจึงนับเป็นส่วนสำคัญ เพราะองค์กรต้องมีบุคลากรเพื่อการพัฒนาทั้งกระบวนการทำงานและการเชื่อมต่อระหว่างองค์กรด้วยกัน “สิ่งที่ค้นพบคือ เมื่อบุคลากรได้เข้าร่วมกับโครงการแล้ว จะเริ่มเห็นตัวเอง เห็นงานของตัวเอง เห็นเพื่อนร่วมงาน ฯลฯ ว่าอยู่ตรงไหนใน Enterprise Blueprint ไปถึงการใช้ประโยชน์อย่างไร ข้อมูลตรงไหน ในเบื้องต้นของจุดที่เริ่มมองเห็นนั้น จะเริ่มมีแนวทางแล้วว่าจะไปต่อเป็นอย่างไร จะพัฒนางานตัวเองอย่างไร โครงการนี้จึงตอบโจทย์กับบุคลากรที่กำลังต้องการพัฒนาตัวเอง และคนที่พร้อมมาก่อนหน้านี้ อย่างไรก็ตาม สิ่งสำคัญคือ การสื่อสาร การพูดคุย การแลกเปลี่ยนปรึกษา เรียกว่า เป็นการค้นหาวิธีการต่าง ๆ เพื่อพัฒนาและปรับตัวเข้าสู่การเป็นมหาวิทยาลัยดิจิทัล” อาจารย์วสันต์อธิบาย “ส่วนสุดท้ายของบุคลากรคือ การเชื่อมโยงงานของตัวเองกับงานของหน่วยงานภายนอก เมื่อเริ่มเห็นว่าเกิด Diffusion คือ การแพร่กระจายของสิ่งที่คิดว่า เขาทำได้ เขาภูมิใจ และเขารู้แล้วว่า สิ่งที่เขาทำ หรือข้อมูลที่เขาทำนั้นมีประโยชน์กับหน่วยงานอื่น ๆ หน่วยงานอื่น ๆ ได้ใช้ประโยชน์จากข้อมูลของเขา จึงเริ่มแพร่กระจายความสำเร็จเล็ก ๆ เหล่านี้ไปสู่หน่วยงานอื่น ๆ และเกิดการเลียนแบบ เกิดการหาแนวทางในการพัฒนาตัวเองต่อไป”

ข้อค้นพบถัดมาคือ ‘ผู้ที่มีส่วนเกี่ยวข้อง’ อธิบายได้ว่า หลังจากเริ่มหาจุดร่วมแล้วว่าเราจะร่วมกับเขาอย่างไร เราจะไปอยู่ตรงไหนของเขาในกระบวนการทำงาน เราจะแชร์ทรัพยากรอะไรได้บ้าง ‘โครงการขับเคลื่อนมหาวิทยาลัยไทยสู่มหาวิทยาลัยดิจิทัล’ จะทำให้เกิดภาพที่ชัดเจน “เพราะเมื่อเริ่มกล้าที่จะทำ ประเด็นถัดมาคือรู้ว่าใครที่เราจะต้องร่วมงานด้วย ใครที่จะต้องมาช่วยเหลือเรา และเราต้องช่วยเหลือใคร เป็นการมองเห็นตัวเอง พาร์ตเนอร์ ไปจนถึงเรื่องของการใช้ข้อมูล การเชื่อมโยงระบบการทำงานต่าง ๆ เป็นการร้อยคนที่อยู่ในบริบทที่หลากหลายเข้ามาร่วมงานกัน”

ข้อค้นพบสุดท้ายคือ ‘เทคโนโลยี และข้อมูล’ อาจารย์วสันต์สะท้อนประสบการณ์และกล่าวยอมรับกับความจริงที่เกิดขึ้นว่า ‘เทคโนโลยีนำวิสัยทัศน์’ อันนำมาสู่เรียบเรียงความเข้าใจและคลี่คลายประเด็นต้องสงสัยว่า ‘ตกลงเราจะไปด้วยวิสัยทัศน์ หรือเราจะไปด้วยเทคโนโลยี’ โดยฉายความชัดเจนว่าไปด้วยแต่ละอย่างนั้นแตกต่างและเป็นอย่างไร เปรียบเทียบกัน “ถัดมาคือ ข้อมูลและมาตรฐานการเชื่อมต่อข้อมูลในหน่วยงาน ถือเป็นสิ่งที่พบเจอกันได้ทั่วไป อีกส่วนที่เกี่ยวข้องกับบุคคลคือ ความกังวลเกี่ยวกับการใช้เทคโนโลยี หรือกังวลเรื่องการปรับเปลี่ยน เป็นเรื่องใหม่ เป็นเรื่องที่คิดว่าจะทำได้หรือไม่ได้ แน่ใจหรือไม่แน่ใจ ยิ่งเป็นเรื่องเกี่ยวกับเทคโนโลยีด้วยแล้ว มักทำให้คนรู้สึกกังวล แต่เมื่อได้รับการคลี่คลายไปในบางส่วน ก็ทำให้เกิดความรู้สึกกล้ามากขึ้น” อาจารย์วสันต์กล่าว “สุดท้ายคือมีเทคโนโลยีจริง แต่ความไซโลก็ยังมี ทั้งนี้ความไซโลไม่ใช่เรื่องไม่ดี การประเมินด้วยเครื่องมือ DMM แล้วได้ผลว่าไซโลเยอะ จะโดนว่า ความจริงแล้วไซโลคือจุดที่เราเห็นตัวเอง และสามารถที่จะเริ่มต้นพัฒนาตัวเอง บางงานอาจยังต้องไซโลเพื่อให้ผ่านตรงนี้ไปได้ ต่อไปจะรีไทร์เซอร์วิสตัวนี้ก็ไม่มีผลกระทบอะไร เพราะฉะนั้นไซโลไม่ใช่ของแสลง แต่เป็นสิ่งที่เราต้องอยู่ด้วยกันและพัฒนาไปด้วยกัน”

 

เครื่องมือ DMM กับงานหน้าบ้าน กลางบ้าน หลังบ้าน

อาจารย์วสันต์กล่าวถึงการทำ Enterprise Blueprint การทำ Design & Track Worksheet หรือแม้กระทั่งการทำ Vision Builder สิ่งที่ปรากฏคือ ในอดีตเมื่อองค์กรจะทำอะไร ต้องรอวิสัยทัศน์จากผู้บริหารว่าท่านจะขับเคลื่อนไปทางไหน และรอให้ตกผลึกลงมาสู่ระดับล่าง ซึ่งกว่าจะถึงระดับปฏิบัติการอาจจะดูว่าช้าเกินไป หากในยุคปัจจุบัน หรือที่เรียกว่า ยุคดิจิทัล การทำงาน เรียกว่า คู่ขนาน “ระดับปฏิบัติการสามารถทำ EA คู่ขนานกับวิสัยทัศน์ นี่เป็นสิ่งที่ทำได้จริง ๆ และยังสามารถใช้แนวทางของ Vision องค์กร เพราะฉะนั้นหลังจากที่หลายมหาวิทยาลัยได้ผลลัพธ์จากการประเมินด้วยเครื่องมือ DMM กันไปแล้ว ก้าวต่อไปของส่วนต่าง ๆ จึงเริ่มได้เลย

“ส่วนแรกคือ ‘ตัวองค์กร’ ปรับได้เลย ทำได้เลย โดยเป็นไปตามศักยภาพและ Resource ที่มี อันดับแรกคือ ‘การปรับวิสัยทัศน์’ ว่า ณ ปัจจุบันสถานการณ์เป็นอย่างไร อาทิ ความต้องการนักศึกษา ซึ่งสามารถใช้ทุนเดิมของมหาวิทยาลัยในการตอบโจทย์การเปลี่ยนแปลงนี้ได้ ถัดมาคือ ‘ตอบโจทย์สังคม’ ทั้งการสร้างนิเวศทางดิจิทัลที่เหมาะสมขององค์กร และการเป็นส่วนหนึ่งของสังคมว่ามีการสร้างนิเวศอย่างไร เรื่องต่อมาคือ ‘การปรับกฎระเบียบต่าง ๆ’ ให้มีความยืดหยุ่นและเหมาะสมมากขึ้น อีกส่วนคือ ‘วัฒนธรรมการทำงาน’ ซึ่งเป็นส่วนสำคัญที่เป็นขวัญและกำลังใจของคนปฏิบัติงานในการขับเคลื่อนองค์กร เรียกว่า ซื้อใจคนให้สามารถทำงานและสนับสนุนองค์กรได้อย่างไม่มีความรู้สึกติดขัดในใจ ส่วนถัดมาคือ ‘ทักษะที่จำเป็น’ องค์กรต้องรู้ว่าอะไรคือทักษะที่จำเป็นเพื่อขับเคลื่อนองค์กรไปในแนวทางนี้”

จากองค์กร ส่วนที่ย่อยลงมาคือ ‘หน่วยงาน’ ซึ่งอาจารย์วสันต์อธิบายว่าจะต้องพิจารณา ‘ความสอดคล้องระหว่างกระบวนการทำงานกับวิสัยทัศน์ขององค์กร’ ถ้าไม่สอดคล้องก็ต้องปรับ ต่อมาคือ ‘การแลกเปลี่ยนเรียนรู้ระหว่างหน่วยงานภายใน การมีส่วนร่วม การพัฒนาทักษะที่จำเป็น’ ซึ่งเป็นการสร้างระบบนิเวศเล็ก ๆ ของหน่วยงานเพื่อตอบโจทย์วิสัยทัศน์องค์กร ล้วนเป็นสิ่งที่สามารถเริ่มทำได้ทันที

สำหรับก้าวเริ่มของ ‘บุคลากร’ คือ ‘การพัฒนาบุคลากร’ ที่พัฒนาได้ด้วยเครื่องมือที่เป็นดิจิทัล เช่น Design & Track Worksheet ไปจนถึง ‘การปรับแนวคิดและทัศนคติในการนำใช้เทคโนโลยี ซึ่งอาจารย์วสันต์เล่าว่าเคยลองทำงานวิจัยชิ้นเล็ก ๆ พบว่า กระบวนการนำใช้เทคโนโลยีในการทำงาน หรือทฤษฎีการยอมรับเทคโนโลยี หากมุ่งหวังให้คนมีพฤติกรรมในการใช้เทคโนโลยีใหม่ มีปัจจัยที่เกี่ยวข้อง อาทิ ความคาดหวังเรื่องประสิทธิภาพ เช่น ถ้าใช้เทคโนโลยีนี้แล้ว ทำให้ไม่จำเป็นต้องกลับมากรอกซ้ำกรอกซ้อน ถ้าตอบโจทย์อย่างนี้แล้วจบ คนจะเริ่มมีความตั้งใจในการใช้เทคโนโลยี เป็นต้น

“ปัจจัยถัดมาคือ ความคาดหวังว่าเทคโนโลยีที่จะต้องใช้ง่าย เมื่อคนรู้สึกว่าง่ายและมีประสิทธิภาพดี พฤติกรรมความตั้งใจจะสูงขึ้น บวกกับอิทธิพลทางสังคม เช่น หน่วยงานที่มีความพร้อม ย้ำว่าหน่วยงานที่มีความพร้อม เพราะจากประสบการณ์ หลาย ๆ มหาวิทยาลัยจะมีหน่วยงานที่เรียกว่าเป็นต้นแบบในการนำเครื่องมือตัวที่เป็นดิจิทัลมาใช้ และเมื่อเริ่มใช้แล้วมีประสิทธิภาพดี ใช้งานง่าย ย่อมส่งอิทธิพลต่อหน่วยงานอื่น ๆ ว่ามหาวิทยาลัยเริ่มขยับมาใช้วิธีการหรือกระบวนการอย่างนี้แล้ว ถ้าคุณยังไม่ทำ ยังใช้วิธีการเดิม ๆ อิทธิพลตรงนี้จะช่วยขับให้เกิดความตั้งใจในการปรับพฤติกรรมการใช้เทคโนโลยีตรงนี้อีกส่วนหนึ่ง ปัจจัยสุดท้ายคือ สิ่งอำนวยความสะดวก ซึ่งชี้ไปที่พฤติกรรมการใช้งานใหม่ หมายความว่าต่อให้อำนวยความสะดวกหรือมีเทคโนโลยีใหม่ ๆ ให้คนใช้มากเท่าไร แต่หากไม่มีความตั้งใจในการใช้พฤติกรรม วันหนึ่งคุณอาจจะไม่ใช้เทคโนโลยีตัวนั้นเลยก็ได้ นี่คือการใช้ทฤษฎีมาอธิบายสิ่งที่เห็นและปรากฏการณ์ที่เกิดขึ้นระหว่างทางของโครงการ”

‘ผู้ที่มีส่วนเกี่ยวข้อง’ เป็นส่วนที่ต้องสนับสนุนและยกระดับให้งานดีขึ้น กล่าวคือ โตไปด้วยกันในสภาพหรือในระบบนิเวศที่ดี ไม่ต้องแข่งขัน ไม่ต้องแย่งชิงทรัพยากรที่มีน้อยอยู่แล้ว ไปจนถึงการเชื่อมโยงข้อมูล ทั้งในหน่วยที่เล็กที่สุด จนขยายไปถึงทุก ๆ ภาคส่วน

ส่วนสุดท้ายคือ ‘เทคโนโลยี’ ต้องตอบโจทย์การทำงานขององค์กรอย่างแท้จริง ซึ่งอาจารย์วสันต์ย้ำว่า ไม่ได้ซื้อมาเพื่อเอาไว้โชว์ นอกจากนี้คือมีเทคโนโลยีที่ Resilience คือในกรณีที่เกิดปัญหาหรือข้อติดขัดย่อมสามารถกลับคืนสู่สภาพแวดล้อมเดิมหรือกลับคืนในระบบการทำงานได้อย่างรวดเร็ว “เมื่อทุกอย่างได้รับการคลี่คลาย แนวทางสุดท้ายก็คือ การวางแผนว่าจะใช้เทคโนโลยีอะไร จะซื้อเทคโนโลยีอะไร มีหน่วยงานไหนที่ต้องใช้ และข้อมูลอะไรที่มีความจำเป็น เป็นการวางแผนการใช้เทคโนโลยีอย่างครอบคลุมกระบวนการการทำงานทั้งหมดที่มีอยู่ในองค์กร”

‘โครงการขับเคลื่อนมหาวิทยาลัยไทยสู่มหาวิทยาลัยดิจิทัล’ ซึ่งนำมหาวิทยาลัยต่าง ๆ เข้าร่วมการสำรวจความพร้อม เปรียบกับการตรวจเช็กสุขภาพ ดังนั้นต่อคำถามและความกังวลที่เกิดขึ้นอย่างมากมาย อาทิ ทำแล้วจะได้หรือเปล่า ทำแล้วจะดีหรือไม่ เพิ่มภาระตัวเองหรือเปล่า หากผิดพลาดใครจะรับผิดชอบ ฯลฯ ในฐานะที่ทำงานหลังบ้าน อาจารย์วสันต์จึงใช้การให้ความคิดที่ถูกต้อง คือ ‘การประเมินด้วยเครื่องมือ DMM ไม่ใช่แบบประเมิน’ กล่าวคือ เป็นจุดเริ่มต้นของการ ‘รู้’ เรื่องของสุขภาพตนเอง มีอาการเจ็บป่วยหรือไม่ จะเริ่มรักษาจากตรงไหน มีวิธีการเริ่มรักษาอย่างไร ฯลฯ เป็นการคลี่คลายเบื้องต้น เพื่อสร้างความมั่นใจ

อาจารย์วสันต์ทิ้งท้ายบทสรุปของคนหลังบ้านไว้ว่า โครงการไม่ได้มองถึงจุดด้อยของแต่ละสถาบัน แต่เป็นการมองในมุมที่เชื่อว่ายังไปต่อได้ มองที่จุดพัฒนา ว่าจุดไหนควรพัฒนา โดยผู้ร่วมทาง ซึ่งหมายถึง มหาวิทยาลัยต่าง ๆ ไม่ต้องตาบอดคลำหา ว่าต้องเริ่มจากตรงไหน แต่ ‘เห็นชัด ๆ ได้’ จาก DMM นั่นเอง