คุณเคยประสบปัญหาในการสรรหา AI Engineer ในลาวแล้วต้องพบกับความผิดหวังหรือไม่? บริษัทของเราก็เคยเผชิญกับกำแพงเดียวกันนี้ อย่างไรก็ตาม เมื่อเราออกแบบหลักสูตรฝึกอบรมเพื่อยกระดับ AI Literacy ของพนักงานที่มีอยู่อย่างเป็นขั้นตอน เราก็สามารถสร้างบุคลากรที่นำ AI ไปประยุกต์ใช้ในงานได้จากภายในองค์กรภายใน 6 เดือน บทความนี้มุ่งเน้นไปยังผู้รับผิดชอบด้าน HR และการฝึกอบรมของบริษัทที่เข้ามาดำเนินธุรกิจในลาว โดยจะอธิบายวิธีการออกแบบและดำเนินการหลักสูตรฝึกอบรม AI Literacy แบบ 3 ขั้นตอนสำหรับผู้ที่ไม่ใช่ Engineer พร้อมข้อมูลที่วัดผลได้จริงของบริษัทเรา ในรูปแบบ Step-by-Step

เมื่อเข้าใจโครงสร้างของตลาดบุคลากร IT ในลาว ก็จะเห็นได้ชัดว่าเหตุใดแนวทาง "การรับสมัคร AI engineer" จึงเป็นเรื่องที่ทำได้ยาก

เมื่อครั้งที่ผู้เขียนเริ่มต้นโปรเจกต์แรกในลาว ได้ประกาศรับสมัคร Python engineer แต่ไม่มีผู้สมัครแม้แต่คนเดียว จำนวนบัณฑิตที่จบจากคณะ IT ของมหาวิทยาลัยแห่งชาติลาวในแต่ละปีมีอยู่อย่างจำกัด และส่วนใหญ่มักไหลเข้าสู่บริษัทในไทยหรือเวียดนาม ซึ่งเป็นเรื่องที่เข้าใจได้หากพิจารณาจากความแตกต่างของค่าจ้างภายในภูมิภาค ASEAN

เมื่อสรุปภาพรวมของบุคลากรด้าน ICT ในลาว จะพบกับความท้าทายเชิงโครงสร้างดังต่อไปนี้

• การขาดแคลนบุคลากรในเชิงปริมาณ: จำนวนบัณฑิตจากสาขา IT ต่ำกว่าความต้องการภายในประเทศอย่างมาก
• การสูญเสียบุคลากรภายในภูมิภาค: บริษัทในไทยและเวียดนามดึงตัวบุคลากรด้วยเงินเดือนที่สูงกว่า 2–3 เท่า
• บุคลากรด้าน AI แทบไม่มีเลย: บุคลากรที่เชี่ยวชาญด้าน Machine Learning และ Data Science แทบไม่มีอยู่ในประเทศ
• อุปสรรคด้านภาษาอังกฤษ: บุคลากรที่สามารถอ่านเอกสารทางเทคนิคภาษาอังกฤษได้มีจำนวนจำกัด ส่งผลให้ความเร็วในการเรียนรู้ถูกจำกัดตามไปด้วย

เมื่อเปรียบเทียบต้นทุนการสรรหาบุคลากรกับต้นทุนการพัฒนาบุคลากร จะพบว่าใน ลาว นั้น ROI ของการพัฒนาบุคลากรภายในสูงกว่าอย่างเด่นชัด

จากประสบการณ์ของเรา ต้นทุนรายปีในการเชิญ Engineer จากต่างประเทศสูงกว่าค่าฝึกอบรมพนักงานท้องถิ่น 3 คนถึงกว่า 5 เท่า ยิ่งไปกว่านั้น Engineer ที่เชิญมายังลาออกภายใน 1 ปี ในทางกลับกัน พนักงานท้องถิ่นที่ผ่านการฝึกอบรมมีความเข้าใจบริบทของงานอย่างลึกซึ้ง จึงสามารถเสนอแนวทางการนำ AI Tools ไปใช้ได้อย่างตรงจุด และมีอัตราการคงอยู่ที่สูงกว่า

ก่อนจะเข้าสู่การออกแบบการฝึกอบรม จำเป็นต้องจัดเตรียมเงื่อนไขเบื้องต้น 3 ประการให้พร้อมก่อน หากข้ามขั้นตอนนี้ไป การฝึกอบรมก็จะจบลงในฐานะแค่ "งานสัมผัส ChatGPT แบบงูๆ ปลาๆ" เท่านั้น

การฝึกอบรม AI Literacy ใช้เวลาทำงานของผู้เข้าร่วม 2–4 ชั่วโมงต่อสัปดาห์ หากผู้บริหารระดับสูงไม่อนุมัติอย่างชัดเจนให้ "เข้าร่วมการฝึกอบรมในเวลางาน" ผู้จัดการในระดับปฏิบัติการก็มักจะลังเลที่จะอนุญาตให้พนักงานเข้าร่วม ในกรณีของบริษัทเรา การที่ CEO ประกาศในการประชุม Kickoff Meeting ว่า "การนำ AI มาใช้คือกลยุทธ์ระดับองค์กร" ส่งผลให้อัตราการเข้าร่วมพุ่งขึ้นจาก 60% เป็น 95%

ตั้งเป้าหมายว่า "แก้ปัญหางานนี้ด้วย AI" ไม่ใช่ "เรียนรู้ AI" ก่อนเริ่มการอบรม ให้สำรวจปัญหาด้านงานของแต่ละแผนก และระบุงาน 3〜5 รายการที่สามารถปรับปรุงได้ด้วย AI

มุมมองในการสำรวจ:

• งานซ้ำซาก: งานที่ทำซ้ำทุกวันหรือทุกสัปดาห์ (การกรอกข้อมูล, การจัดทำรายงาน, การตอบอีเมล)
• การกำหนดมาตรฐานการตัดสินใจ: งานที่ต้องอาศัยการตัดสินใจเฉพาะบุคคล แต่มีรูปแบบที่ค่อนข้างแน่นอน
• การประมวลผลภาษา: งานที่เกี่ยวข้องกับการแปลและสรุปความระหว่างภาษาลาว↔ภาษาอังกฤษ↔ภาษาญี่ปุ่น

ขั้นตอนที่ 1 ของการออกแบบการฝึกอบรม 3 ขั้นตอน คือการทำให้เข้าใจแนวคิดพื้นฐานของ AI และ "สิ่งที่ทำได้และทำไม่ได้"

กลุ่มเป้าหมาย: พนักงานทุกคน (ทั้งวิศวกรและผู้ที่ไม่ใช่วิศวกร) ความถี่: สัปดาห์ละ 1 ครั้ง × 2 ชั่วโมง × 8 ครั้ง (รวม 16 ชั่วโมง) รูปแบบ: Workshop (จำกัดการบรรยายทฤษฎีไม่เกิน 30% ของเวลาทั้งหมด)

การใช้คำศัพท์เทคนิคภาษาอังกฤษโดยตรงทำให้ระดับความเข้าใจของผู้เข้าอบรมลดลงอย่างเห็นได้ชัด บริษัทของเราจึงได้ดำเนินการแก้ไขดังต่อไปนี้

การแปลงคำศัพท์เป็นภาษาลาว: จัดทำคำศัพท์อ้างอิงที่ระบุคำอธิบายภาษาลาวควบคู่กับคำศัพท์พื้นฐาน เช่น "Prompt" "Hallucination" และ "Token" แล้วแจกจ่ายในวันแรกของการอบรม ส่วนนี้ได้นำความรู้ที่สั่งสมไว้จากการพัฒนา AI Chatbot ภาษาลาวของบริษัทมาประยุกต์ใช้

Smartphone First: ในลาว อัตราการใช้งานสมาร์ทโฟนสูงกว่าคอมพิวเตอร์ส่วนบุคคล การฝึกปฏิบัติในการอบรมจึงถูกออกแบบให้สามารถทำได้ผ่านแอปพลิเคชัน ChatGPT บนสมาร์ทโฟนด้วย เพื่อไม่ให้มีเจ้าหน้าที่คนใดต้องพลาดการเข้าร่วมเพียงเพราะไม่มีคอมพิวเตอร์

การเรียนรู้แบบจับคู่: จับคู่ผู้เข้าอบรมที่มีระดับความรู้ด้าน IT แตกต่างกัน โดยให้ผู้ที่มีความถนัดกว่าเป็นผู้สอน นอกจากจะช่วยเพิ่มความเข้าใจผ่านการสอนแล้ว ยังสอดคล้องกับวัฒนธรรม "การช่วยเหลือซึ่งกันและกัน" ของลาว ส่งผลให้อัตราการหลุดออกจากการอบรมลดลงอย่างมีนัยสำคัญ

ในขั้นตอนที่ 2 จะนำพื้นฐานที่เรียนรู้ในขั้นตอนที่ 1 ไปประยุกต์ใช้กับงานจริง นี่คือหัวใจสำคัญของการฝึกอบรม

แตกต่างจากการฝึกอบรมพื้นฐานที่ใช้ร่วมกันทุกคน ในขั้นตอนนี้จะแบ่งหลักสูตรตามแต่ละแผนก

การฝึกอบรมที่ได้ผลดีที่สุดในบริษัทของเราคือการจัดสรรเวลาที่ลดการเรียนในห้องเรียนให้เหลือน้อยที่สุด และเน้นการทดลองปฏิบัติจริงในงานเป็นหลัก

• 70%: การนำ AI ไปใช้ในงานจริง (บูรณาการ AI เข้ากับงานประจำวัน)
• 20%: รับ Feedback จาก Mentor และเพื่อนร่วมงาน (การประชุมทบทวนสัปดาห์ละครั้ง)
• 10%: การเรียนในห้องเรียน (แนะนำเทคนิคและกรณีศึกษาใหม่ๆ)

ในการประชุมทบทวนประจำสัปดาห์ จะมีการแบ่งปันเรื่อง "สิ่งที่แก้ไขได้ด้วย AI ในสัปดาห์นี้" และ "สิ่งที่มอบหมายให้ AI แต่ล้มเหลว" การแบ่งปันกรณีที่ล้มเหลวมีความสำคัญเป็นพิเศษ โดยมีเจ้าหน้าที่ฝ่ายบัญชีรายหนึ่งรายงานว่า "ตัวเลขใน Financial Summary ที่ AI สร้างขึ้นมีข้อผิดพลาด" ซึ่งทำให้ทั้งทีมปลูกฝังนิสัย "ตรวจสอบ Output ของ AI เสมอ" ได้อย่างแน่นแฟ้น

เพื่อไม่ให้ผลลัพธ์ของการฝึกอบรมคลุมเครือ จึงกำหนดเกณฑ์การประเมินที่ชัดเจน

เป้าหมายของขั้นตอนที่ 3 คือการบ่มเพาะ "AI Promotion Leader" อย่างน้อย 1 คนในแต่ละแผนก ไม่จำเป็นต้องทำให้ทุกคนกลายเป็นผู้เชี่ยวชาญ หากมีบุคลากรที่สามารถผลักดันการนำ AI ไปใช้ภายในแผนกและรับเป็นที่ปรึกษาให้กับเพื่อนร่วมงานได้ ระดับการใช้ประโยชน์จาก AI ขององค์กรโดยรวมก็จะพัฒนาขึ้นอย่างเป็นอิสระ

จากผลการประเมินในขั้นตอนที่ 2 ให้คัดเลือกพนักงานที่ตรงตามเงื่อนไขต่อไปนี้

• มีความถี่ในการนำ AI มาใช้ในงานอยู่ใน 20% แรกของทีม
• แบ่งปันกรณีความล้มเหลวอย่างกระตือรือร้น และสามารถเสนอแนวทางปรับปรุงได้
• ไม่มีความลังเลในการสอนเพื่อนร่วมงาน

ในบริษัทของเรา ได้คัดเลือก AI Promotion Leader จำนวน 4 คน จากผู้เข้าอบรมทั้งหมด 15 คน สิ่งที่น่าสนใจคือ 3 ใน 4 คน มาจากฝ่ายขายและ Customer Support ไม่ใช่จากฝ่าย IT ซึ่งแสดงให้เห็นว่าทัศนคติแบบ "มาแก้ปัญหางานด้วย AI กันเถอะ" มีความสำคัญในฐานะคุณสมบัติของผู้นำมากกว่าความถนัดด้านเทคนิค

สำหรับ AI Promotion Leader จะมีการอบรมเพิ่มเติมแยกต่างหากจากผู้เข้าร่วมทั่วไป ดังนี้

พื้นฐานการเชื่อมต่อ API (4 ชั่วโมง × 2 ครั้ง): เรียนรู้วิธีการนำ AI API มาผสานเข้ากับกระบวนการทำงานโดยใช้เครื่องมือ No-code/Low-code (Zapier, Make) แม้จะไม่ได้เขียนโค้ด แต่จะทำความเข้าใจแนวคิดของการ "นำ AI เข้าสู่ Automation Pipeline"

การประยุกต์ใช้ Prompt Engineering (2 ชั่วโมง × 3 ครั้ง): ฝึกใช้เทคนิค Prompt ขั้นสูงในงานจริง เช่น Few-shot Prompting, Chain of Thought และการกำหนดรูปแบบ Output

การอำนวยความสะดวกในการอบรม (2 ชั่วโมง × 2 ครั้ง): ฝึกฝนวิธีการสอนและการดำเนินการ Workshop เพื่อให้ Leader สามารถเป็นผู้นำการอบรมสำหรับผู้เข้าร่วมรุ่นถัดไปได้ด้วยตนเอง ซึ่งจะช่วยให้การอบรมสามารถดำเนินการภายในองค์กรได้อย่างยั่งยืน

ถ้าไม่พูดด้วยตัวเลข ก็ไม่มีความน่าเชื่อถือ ขอแชร์ผลลัพธ์จากการฝึกอบรม AI Literacy ที่บริษัทของเราดำเนินการในบริษัทสาขาท้องถิ่นที่ลาว

• ผู้เข้าอบรม: 15 คน (ฝ่ายขาย 4 คน, ฝ่ายบัญชี 3 คน, ฝ่าย Customer Support 4 คน, ฝ่ายทรัพยากรบุคคล 2 คน, ฝ่ายโลจิสติกส์ 2 คน)
• ระยะเวลา: 6 เดือน (ระยะที่ 1 2 เดือน + ระยะที่ 2 2 เดือน + ระยะที่ 3 2 เดือน)
• ค่าใช้จ่ายในการอบรม: ค่าลิขสิทธิ์เครื่องมือ AI + ชั่วโมงงานในการออกแบบและดำเนินการอบรม (ไม่ใช้วิทยากรภายนอก)

แผนกที่เกิดการเปลี่ยนแปลงอย่างเห็นได้ชัดที่สุดคือแผนก Customer Support ก่อนการอบรม พนักงานต้องจัดการคำถามภาษาอังกฤษด้วยตนเองทีละรายการ แต่หลังการอบรม ได้เปลี่ยนมาใช้ขั้นตอนการทำงานที่ให้ AI สร้างร่างคำตอบ แล้วพนักงานตรวจสอบและแก้ไขอีกครั้ง ผลลัพธ์ที่ได้ไม่เพียงแต่ความเร็วในการตอบสนองเพิ่มขึ้นกว่า 3 เท่าเท่านั้น แต่คุณภาพภาษาอังกฤษยังดีขึ้น และคะแนนความพึงพอใจของลูกค้าก็ปรับตัวดีขึ้นด้วย

ดูเหมือนจะราบรื่น แต่ระหว่างทางมีความล้มเหลวครั้งใหญ่ 2 ครั้ง

ความล้มเหลวครั้งที่ 1: เริ่มต้นด้วยสื่อการสอนภาษาอังกฤษเพียงอย่างเดียว ในช่วง 2 สัปดาห์แรกที่เริ่มการอบรมด้วยสื่อภาษาอังกฤษล้วน คะแนนเฉลี่ยของแบบทดสอบวัดความเข้าใจต่ำกว่า 40% จึงได้จัดทำเอกสารเสริมภาษาลาวและแจกจ่ายอภิธานศัพท์อย่างเร่งด่วน ส่งผลให้คะแนนเฉลี่ยในการทดสอบครั้งถัดไปฟื้นตัวขึ้นมาอยู่ที่ 75%

ความล้มเหลวครั้งที่ 2: ใช้หลักสูตรร่วมสำหรับทุกแผนกต่อเนื่องจนถึงเดือนที่ 3 ในช่วงเวลาที่ควรจะเข้าสู่ขั้นตอนที่ 2 กลับยังคงดำเนินการ "หลักสูตรประยุกต์" ร่วมกันสำหรับทุกคน จนเกิดเสียงบ่นว่า "ไม่เกี่ยวข้องกับงานของตัวเอง" จึงรีบปรับเปลี่ยนไปใช้หลักสูตรแยกตามแผนก และนำงานที่เชื่อมโยงโดยตรงกับหน้าที่จริงมาใช้เป็นสื่อฝึกปฏิบัติ ส่งผลให้แรงจูงใจฟื้นตัวแบบ V-shape

นอกจากความล้มเหลวของบริษัทเราแล้ว เราจะแบ่งปัน anti-pattern ที่พบได้จากกรณีศึกษาของบริษัทอื่นในภูมิภาค ASEAN ด้วย

รูปแบบที่การสอน "วิธีใช้ ChatGPT" กลายเป็นเป้าหมายในตัวเอง โดยไม่ได้นำไปสู่การแก้ไขปัญหาในการทำงานจริง ผู้เข้าอบรมอาจบอกว่า "สนุกดี" แต่พอเดือนถัดไปก็ไม่มีใครใช้ AI อีกเลย

แนวทางหลีกเลี่ยง: กำหนด KPI ของการอบรมให้เป็น "การลดเวลาที่ใช้ในงานจริง" แทนที่จะเป็น "การเรียนรู้การใช้งานเครื่องมือ" และวัดผล Before/After ของงานจริงแต่ละชิ้นเป็นรายสัปดาห์

แผนก IT มีความเชี่ยวชาญด้านเทคโนโลยี แต่ไม่ได้เข้าใจกระบวนการทางธุรกิจของฝ่ายขายหรือฝ่ายบัญชีอย่างลึกซึ้ง การฝึกอบรมที่นำโดย IT มักจะเอนเอียงไปในเชิงเทคนิค จนผู้เข้าร่วมที่ไม่ใช่วิศวกรไม่สามารถติดตามได้

แนวทางแก้ไข: ให้ฝ่าย HR และผู้จัดการของแต่ละแผนกเป็นผู้นำในการออกแบบการฝึกอบรม โดยให้แผนก IT ทำหน้าที่เป็นผู้สนับสนุนด้านเทคนิค สร้างโครงสร้างในแบบ "ผู้เชี่ยวชาญด้านธุรกิจเรียนรู้วิธีใช้ AI"

เหตุการณ์ที่พนักงานป้อนข้อมูลความลับลงใน AI tool มักเกิดขึ้นในช่วงเริ่มต้นการฝึกอบรมพอดี การบอกว่า "ค่อยตัดสินใจทีหลัง" อาจสายเกินไป

วิธีหลีกเลี่ยง: กำหนดกฎต่อไปนี้ให้ชัดเจนตั้งแต่วันแรกของการฝึกอบรม

• ห้ามป้อนข้อมูลส่วนบุคคลของลูกค้าลงใน AI
• ต้องทำข้อมูลทางการเงินให้เป็นนิรนามก่อนนำไปใช้งาน
• ห้ามใช้งานเพื่อธุรกิจผ่านบัญชีส่วนตัว (นอกเหนือจาก business account)
• ต้องให้มนุษย์ตรวจสอบ output ของ AI ทุกครั้งก่อนส่งออกไปภายนอกองค์กร

ในกรณีของบริษัทเรา ค่าใช้จ่ายหลักสำหรับการอบรมผู้เข้าร่วม 15 คน ได้แก่ ค่าบัญชีธุรกิจของเครื่องมือ AI (ค่ารายเดือน × จำนวนคน × 6 เดือน) และชั่วโมงการทำงานภายในที่ใช้สำหรับการออกแบบและดำเนินการอบรม โดยไม่ได้ใช้วิทยากรภายนอก แต่ให้ senior staff ภายในองค์กรทำหน้าที่เป็นวิทยากรควบคู่กันไป ค่าใช้จ่ายทั้งหมดอยู่ในระดับต่ำกว่าหนึ่งในห้าของค่าใช้จ่ายในการจ้าง AI engineer จากต่างประเทศหนึ่งคน

ได้เช่นกัน ในทางกลับกัน เนื่องจากนั่นคือกลุ่มส่วนใหญ่ในลาว สื่อการเรียนเสริมภาษาลาวจึงเป็นสิ่งจำเป็น เครื่องมือ AI นั้นรองรับการรับส่งข้อมูลเป็นภาษาลาวอยู่แล้ว ดังนั้นแม้จะเขียน prompt เป็นภาษาลาวก็สามารถได้ผลลัพธ์ที่ใช้งานได้จริง อย่างไรก็ตาม เนื่องจากแหล่งข้อมูลด้าน prompt engineering ขั้นสูงส่วนใหญ่เป็นภาษาอังกฤษ จึงเป็นที่พึงประสงค์ให้ผู้นำด้านการส่งเสริม AI มีทักษะการอ่านภาษาอังกฤษขั้นพื้นฐานเป็นอย่างน้อย

อย่างไรก็ตาม นั่นไม่ได้หมายความว่า "หากไม่พัฒนาทักษะแล้วพนักงานจะไม่ลาออก" ในทางตรงกันข้าม ความเสี่ยงที่พนักงานจะสะสมความไม่พอใจและลาออกเนื่องจากทักษะที่ไม่ได้รับการพัฒนานั้นมีสูงกว่า ในบริษัทของเรา อัตราการคงอยู่ของพนักงานที่ผ่านการฝึกอบรมหลังจาก 1 ปี อยู่ที่ 86% ซึ่งสูงกว่าค่าเฉลี่ยทั่วทั้งบริษัท (72%) การจัดสภาพแวดล้อมการทำงานที่เอื้อให้พนักงานสามารถนำทักษะ AI ไปใช้ได้จริงคือกลยุทธ์การรักษาพนักงานที่มีประสิทธิภาพสูงสุด

โครงสร้าง 3 ขั้นตอนสามารถนำมาใช้ได้เลย แต่ให้เปลี่ยน「カリキュラムแยกตามแผนก」เป็น「カリキュラムแยกตามรายบุคคล」แทน หากมีสมาชิกไม่เกิน 5 คน การสัมภาษณ์เพื่อรับทราบโจทย์งานของแต่ละคนเป็นรายบุคคล และกำหนดธีมการปฏิบัติที่เหมาะสมกับแต่ละคนจะให้ผลลัพธ์ที่ดีกว่า ในทางกลับกัน ทีมขนาดเล็กสามารถปรับ カリキュラム ได้อย่างยืดหยุ่นมากกว่า และมีแนวโน้มที่จะเห็นผลได้ง่ายกว่าด้วย

วิธีที่สมจริงที่สุดในการสร้างบุคลากรด้าน AI ในลาวคือการพัฒนาพนักงานที่มีอยู่แล้ว ขอสรุปการออกแบบการฝึกอบรม 3 ขั้นตอนที่อธิบายไว้ในบทความนี้อีกครั้ง

1. ขั้นตอนที่ 1 (เดือนที่ 1–2): ทำความเข้าใจพื้นฐาน AI สำหรับพนักงานทุกคน ใช้รูปแบบ Workshop เพื่อสัมผัสประสบการณ์จริงว่า "AI ทำอะไรได้และทำอะไรไม่ได้"
2. ขั้นตอนที่ 2 (เดือนที่ 3–4): การประยุกต์ใช้ในงาน ใช้หลักสูตรแยกตามแผนกเพื่อนำ AI เข้าสู่งานจริง โดยเน้นการปฏิบัติด้วยสัดส่วน 70:20:10
3. ขั้นตอนที่ 3 (เดือนที่ 5–6): การพัฒนาผู้นำด้านการส่งเสริม AI คัดเลือกอย่างน้อย 1 คนจากแต่ละแผนก เพื่อรับผิดชอบการจัดการฝึกอบรมภายในองค์กรและสร้างความยั่งยืน

ก้าวแรกคือการสำรวจปัญหาในงานของแต่ละแผนก หากพบงาน 3 อย่างที่สามารถปรับปรุงด้วย AI ได้ นั่นก็เพียงพอแล้วสำหรับการเริ่มต้นการฝึกอบรม

สำหรับ Framework ภาพรวมของการนำ AI มาใช้ โปรดอ่านประกอบกับ "คู่มือการนำ AI มาใช้สำหรับองค์กรในลาว" และสำหรับพื้นฐานทางเทคนิคของ Chatbot ที่นำมาใช้ในการฝึกอบรม โปรดอ่าน "วิธีสร้าง AI Chatbot ที่รองรับภาษาลาว" ด้วย