ฝ่ายบุคคลต้องตอบคำถามเรื่องเดิมทุกวัน นัดสัมภาษณ์หลายรอบ อ่านใบสมัครจำนวนมาก และยังต้องมีเวลาคุยกับพนักงานเมื่อเกิดปัญหา จึงไม่แปลกที่หลายองค์กรอยากใช้ AI ช่วยงาน HR แต่ก่อนเลือกเครื่องมือ ควรตอบให้ได้ก่อนว่าเรากำลังส่งต่องานเอกสาร หรือกำลังส่งต่ออำนาจตัดสินใจเกี่ยวกับคน
AI เหมาะกับการช่วยร่าง สรุป ค้นข้อมูล จัดหมวดหมู่ และประสานงานตามเงื่อนไขที่ชัดเจน ส่วนการรับคนเข้าทำงาน กำหนดค่าตอบแทน ประเมินผลงาน ลงโทษ หรือเลิกจ้าง ควรมีผู้มีอำนาจตรวจสอบหลักฐานและรับผิดชอบการตัดสินใจอย่างแท้จริงการมีชื่อ HR อยู่ท้ายรายงานยังไม่เพียงพอ หากเจ้าตัวไม่มีเวลาตรวจข้อมูล หรือไม่มีสิทธิเปลี่ยนคำแนะนำของระบบ
สำหรับนายจ้าง ผู้บริหาร และทีม HR แนวทางที่นำไปใช้ได้คือแยกงานเป็นสามระดับ ได้แก่ งานอัตโนมัติภายใต้กติกา งานที่ AI ช่วยเตรียมแต่คนต้องตรวจ และการตัดสินใจที่คนต้องเป็นเจ้าของ การแบ่งระดับต่อไปนี้เป็นข้อเสนอด้านการบริหารความเสี่ยง ส่วนข้อกฎหมายไทยเกี่ยวกับข้อมูลส่วนบุคคลจะแยกอธิบายในหัวข้อ PDPA
ก่อนใช้ AI ในงาน HR ต้องแยกให้ออกว่าอะไรคือระบบอัตโนมัติ
งานที่ทำเองได้โดยไม่ต้องมีคนกดทุกครั้ง ไม่จำเป็นต้องใช้ AI เสมอไป การส่งอีเมลยืนยันเมื่อได้รับใบสมัคร การแจ้งเตือนก่อนสัมภาษณ์ หรือการคำนวณตามสูตรที่ตรวจสอบแล้ว อาจใช้ระบบอัตโนมัติตามกฎได้โดยตรง เช่น เมื่อสถานะเปลี่ยนเป็น “ยืนยันนัดหมาย” ให้ส่งข้อความจากแม่แบบที่อนุมัติไว้
ส่วน Generative AI เหมาะกับงานภาษาที่มีความหลากหลาย เช่น เปลี่ยนบันทึกหน้าที่งานให้เป็นประกาศรับสมัคร สรุปประสบการณ์จากเรซูเม่ หรือจัดกลุ่มคำถามของพนักงาน แต่ข้อความที่อ่านลื่นไม่ได้ยืนยันว่าข้อเท็จจริงถูกต้อง NIST ระบุว่าระบบอาจสร้างข้อมูลผิดและนำเสนออย่างมั่นใจ ซึ่งเป็นความเสี่ยงที่ต้องตรวจสอบในการใช้งานจริง NIST: Generative AI Profile
วิธีเลือกจึงควรเริ่มจากงาน หากต้องการคำตอบเดิมตามเงื่อนไขเดิม ให้พิจารณาระบบตามกฎก่อน หากต้องอ่านหรือเรียบเรียงภาษาจำนวนมาก จึงพิจารณา AI และกำหนดจุดตรวจให้เหมาะกับผลกระทบ คนที่อยากประเมินภาพรวมของตำแหน่งงานสามารถอ่านเพิ่มเติมเรื่อง งานของเราจะถูก AI แทนไหม และควรประเมินจากภารกิจอย่างไร
งาน HR ที่ทำอัตโนมัติได้ เมื่อกำหนดขอบเขตและทางแก้ไว้ชัดเจน
คำว่า “อัตโนมัติได้” ในที่นี้หมายถึงไม่ต้องให้คนอนุมัติทุกครั้ง หลังจากผ่านการทดสอบและอนุมัติกระบวนการแล้ว อย่างไรก็ตาม ยังต้องมีเจ้าของงานคอยติดตามข้อผิดพลาด รับเรื่องร้องเรียน และหยุดระบบได้เมื่อเกิดปัญหา
รับใบสมัคร ยืนยันการรับข้อมูล และนัดหมายสัมภาษณ์
ระบบสามารถบันทึกใบสมัคร ส่งข้อความยืนยัน เสนอช่วงเวลาว่าง และแจ้งเตือนก่อนถึงนัดได้ โดย HR ต้องกำหนดผู้สัมภาษณ์ ระยะเวลา ช่องทาง และเงื่อนไขการเปลี่ยนนัดให้ครบ ข้อความควรบอกเพียงว่าได้รับใบสมัครแล้ว ไม่สื่อว่าผู้สมัครผ่านการคัดเลือก หากยังไม่มีการพิจารณา
กรณีผู้สมัครเลือกเวลาไม่ได้ ต้องการปรับรูปแบบการสัมภาษณ์ หรือมีข้อจำกัดในการเข้าถึงระบบ ควรมีช่องทางติดต่อเจ้าหน้าที่ ทีมสรรหาเป็นผู้รับผิดชอบกรณีตกหล่น รวมถึงการส่งข้อความผิดคน นัดซ้ำ และความคลาดเคลื่อนของเขตเวลา
ตอบคำถามทั่วไปจากข้อมูลที่องค์กรอนุมัติแล้ว
แชตบอต HR อาจช่วยตอบว่าดาวน์โหลดแบบฟอร์มที่ไหน ติดต่อฝ่ายใด หรือเบิกสวัสดิการผ่านขั้นตอนใด โดยอ้างอิงคู่มือที่มีเจ้าของเอกสารและวันที่มีผลบังคับใช้ชัดเจน คำตอบควรแนบแหล่งข้อมูลภายใน เพื่อให้พนักงานเปิดตรวจสอบได้
เมื่อคำถามเกี่ยวข้องกับข้อยกเว้น สิทธิที่มีข้อโต้แย้ง หรือข้อมูลไม่ตรงกัน ระบบควรส่งต่อ HR แทนการคาดเดา เช่น คำถามว่า “บริษัทจะไม่ให้ลาครั้งนี้ได้หรือไม่” ต้องพิจารณาข้อเท็จจริงและกฎหมายที่เกี่ยวข้องมากกว่าการดึงประโยคหนึ่งจากคู่มือมาตอบ
ติดตามเอกสารและขั้นตอนรับพนักงานใหม่
ระบบสามารถแจ้งว่าเอกสารใดยังไม่ส่ง เตือนผู้รับผิดชอบเรื่องอุปกรณ์ และติดตามรายการปฐมนิเทศได้ แต่ควรแยกสถานะ “มีไฟล์แนบ” ออกจาก “เอกสารถูกต้องและผ่านการตรวจ” เพราะไฟล์ที่ส่งมาอาจอ่านไม่ออก ส่งผิดประเภท หรือมีข้อมูลไม่ครบ
การเปิดสิทธิใช้งานข้อมูลสำคัญควรผ่านผู้อนุมัติตามบทบาทขององค์กร ตัวอย่างเช่น การสร้างคำขอเปิดบัญชีผู้ใช้ทำอัตโนมัติได้ แต่สิทธิอนุมัติจ่ายเงินหรือสิทธิเข้าถึงประวัติพนักงานต้องได้รับอนุมัติจากผู้มีอำนาจก่อน
จัดทำรายงานประจำและแจ้งเตือนข้อมูลผิดปกติ
จำนวนใบสมัคร สถานะการนัดหมาย งานเอกสารค้าง และการอบรมที่ยังไม่เสร็จ สามารถรวบรวมเป็นรายงานอัตโนมัติได้ หากนิยามข้อมูลตรงกัน เช่น “ใบสมัครใหม่” นับตามวันที่ส่งจริง และแยกการสมัครซ้ำออกจากจำนวนผู้สมัครไม่ซ้ำ
AI อาจช่วยเขียนคำอธิบายรายงานหรือชี้จุดที่ควรตรวจต่อ แต่การแจ้งว่าชั่วโมงทำงานผิดปกติยังไม่ใช่หลักฐานว่าพนักงานทำผิด HR ต้องตรวจตารางงาน การอนุมัติ และความครบถ้วนของข้อมูลก่อนดำเนินการใด ๆ ที่กระทบพนักงาน
งานที่ AI ช่วยเตรียมได้ แต่ต้องมีคนตรวจสอบก่อนนำไปใช้
ร่าง JD และประกาศรับสมัครงาน
HR สามารถให้ AI เรียบเรียงหน้าที่งาน แยกคุณสมบัติจำเป็นออกจากคุณสมบัติที่พิจารณาเพิ่มเติม และตรวจว่าประกาศมีข้อมูลสำคัญครบหรือไม่ แต่ข้อมูลต้นทางต้องมาจากเจ้าของตำแหน่งงาน โดยเฉพาะขอบเขตความรับผิดชอบ เวลาทำงาน สถานที่ และเงื่อนไขค่าตอบแทน
จุดที่ต้องระวังคือ AI เติมสิ่งที่ฟังดูสมเหตุสมผลแต่บริษัทไม่ได้มีจริง เช่น ทำงานที่บ้านได้ โบนัสตามจำนวนเดือน หรือโอกาสเลื่อนตำแหน่งที่ยังไม่เคยตกลงกัน ผู้จัดการฝ่ายควรยืนยันเนื้องาน และ HR ตรวจเงื่อนไขก่อนนำไป ลงประกาศรับสมัครงานบน JobHolic
สรุปเรซูเม่และเทียบข้อมูลกับเกณฑ์ของตำแหน่ง
การให้ AI ดึงประสบการณ์ เครื่องมือที่เคยใช้ และผลงานที่ผู้สมัครระบุ ช่วยลดเวลาค้นข้อมูลได้ แต่ควรให้ระบบแสดงหลักฐานจากเอกสารต้นฉบับควบคู่กับข้อสรุป หากไม่พบข้อมูล ให้ใช้สถานะ “ยังไม่พบหลักฐาน” เพื่อให้ HR ตรวจต่อ
ตัวอย่างเช่น ผู้สมัครเขียนว่า “ดูแลการสั่งซื้อและติดตามการส่งมอบ” โดยไม่ได้ใช้คำว่า Procurement ระบบอาจต้องช่วยจับคู่ความหมาย แต่ไม่ควรแต่งว่าเจ้าตัวมีประสบการณ์เจรจาสัญญาระหว่างประเทศ ถ้าเอกสารไม่ได้ระบุ ส่วนไฟล์ที่ระบบอ่านไม่ได้ต้องส่งเข้าคิวตรวจด้วยคน ไม่ปล่อยให้กลายเป็นคะแนนศูนย์โดยอัตโนมัติ
ไม่พบคำในเรซูเม่ ไม่เท่ากับไม่มีทักษะนั้น HR ควรพิจารณาเอกสารต้นฉบับและสอบถามเพิ่มเติมก่อนใช้ข้อมูลที่ขาดเป็นเหตุปฏิเสธ โดยเฉพาะผู้สมัครที่เปลี่ยนสายงาน มีช่วงเว้นว่าง หรือใช้ชื่อตำแหน่งต่างจากที่บริษัทคุ้นเคย
เตรียมคำถามและสรุปการสัมภาษณ์
AI ช่วยร่างคำถามตามทักษะที่ต้องการและจัดหมวดบันทึกการสัมภาษณ์ได้ ผู้สัมภาษณ์ควรตรวจว่าคำถามสัมพันธ์กับงานจริง มีเกณฑ์ประเมินร่วมกัน และเปิดโอกาสให้ผู้สมัครอธิบายบริบท ไม่ใช้ชุดคำถามเดียวแบบแข็งตัวจนพลาดประเด็นสำคัญ
หากใช้ระบบบันทึกหรือถอดเสียง ต้องจัดการฐานกฎหมายและการแจ้งรายละเอียดเกี่ยวกับข้อมูลส่วนบุคคลให้เหมาะสมก่อนใช้งาน ตรวจชื่อ ตัวเลข และประโยคปฏิเสธในบันทึกอีกครั้ง เพราะการถอดคำว่า “ยังไม่เคยทำ” ผิดเป็น “เคยทำ” อาจเปลี่ยนความหมายของการประเมินทั้งข้อ
สำหรับการประเมินความสามารถ ควรใช้หลักฐานจากคำตอบและงานที่ให้ทดลองทำ หลีกเลี่ยงการอนุมานความซื่อสัตย์ บุคลิกภาพ หรือความเหมาะสมจากสีหน้า น้ำเสียง และสำเนียงเพียงอย่างเดียว แนวทางออกแบบการประเมินที่ยึดเนื้องานอ่านต่อได้ใน ผู้สมัครเก่งแต่พูดไม่คล่อง ประเมินอย่างไรให้เห็นฝีมือที่งานต้องใช้
ช่วยพัฒนาพนักงานและเตรียมการสนทนาเรื่องผลงาน
AI อาจช่วยจัดทำร่างแผนเรียนรู้ สร้างแบบฝึกจากคู่มือ หรือเรียบเรียงหลักฐานผลงานตามเป้าหมายที่ตกลงกันไว้ หัวหน้างานต้องตรวจว่าแผนนั้นเหมาะกับระดับทักษะ เวลาที่มี และทรัพยากรที่บริษัทจัดให้ได้จริง
การสรุปความเห็นจากแบบสำรวจควรทำในระดับที่ลดโอกาสระบุตัวผู้ตอบ และระวังการนำข้อความเฉพาะตัวมาแสดงในทีมขนาดเล็ก หากจะวิเคราะห์สาเหตุการลาออก ควรใช้ผลเป็นคำถามสำหรับตรวจสอบเพิ่มเติม ไม่ตีตราพนักงานรายคนว่า “กำลังจะลาออก” แล้วลดโอกาสการเติบโตของเขา
การตัดสินใจเรื่องใดที่ต้องมีคนรับผิดชอบ
ในเชิงนโยบายองค์กร ควรกำหนดให้การตัดสินใจที่กระทบโอกาส รายได้ หรือสถานะการจ้างมีผู้รับผิดชอบชัดเจน แม้ระบบจะสามารถสร้างคะแนนหรือคำแนะนำได้ก็ตาม งานสำคัญประกอบด้วยเรื่องต่อไปนี้
- รับเข้าทำงานหรือปฏิเสธผู้สมัคร: ผู้มีอำนาจตามขั้นตอนสรรหาต้องประเมินหลักฐานที่เกี่ยวกับงาน โดย HR ตรวจความสม่ำเสมอของเกณฑ์และการปฏิบัติต่อผู้สมัคร
- กำหนดเงินเดือน โบนัส และการเลื่อนตำแหน่ง: หัวหน้างาน HR และผู้อนุมัติงบประมาณต้องพิจารณาผลงาน ระดับงาน โครงสร้างค่าตอบแทน และความเป็นธรรมภายในองค์กร
- ประเมินผ่านทดลองงานหรือจัดทำแผนปรับปรุงผลงาน: หัวหน้างานต้องรับผิดชอบข้อเท็จจริง เป้าหมายที่เคยสื่อสาร และการสนับสนุนที่พนักงานได้รับ
- สอบสวนข้อร้องเรียน ลงโทษ และเลิกจ้าง: ผู้มีอำนาจต้องตรวจหลักฐาน รับฟังผู้เกี่ยวข้อง และพิจารณากฎหมายหรือข้อตกลงที่ใช้กับกรณีนั้น AI ช่วยจัดลำดับเอกสารได้ แต่ไม่ควรชี้ความผิดจากข้อกล่าวหาเพียงด้านเดียว
แม้การจัดอันดับจะดูเป็นแค่ “ข้อมูลประกอบ” แต่หาก HR อ่านเฉพาะรายชื่ออันดับต้น คนที่อยู่ลำดับท้ายก็อาจเสียโอกาสไปแล้ว จึงต้องตรวจทั้งเกณฑ์จัดอันดับและกระบวนการที่นำอันดับไปใช้ ไม่พิจารณาเฉพาะหน้าจออนุมัติขั้นสุดท้าย
การตรวจโดยคนต้องมีมากกว่าปุ่มอนุมัติ
ผู้ตรวจต้องเข้าถึงข้อมูลต้นฉบับ เข้าใจข้อจำกัดของระบบ มีเวลาพิจารณา และมีอำนาจเปลี่ยนหรือหยุดคำแนะนำได้ ควรบันทึกเหตุผลของการตัดสินใจที่สำคัญด้วยภาษาที่อธิบายให้ผู้อื่นเข้าใจ ไม่ใช้เพียงข้อความว่า “AI ให้คะแนนต่ำ”
องค์กรควรมีช่องทางให้ผู้สมัครหรือพนักงานแจ้งข้อมูลผิด ขอชี้แจง และขอให้คนทบทวนผลตามกระบวนการที่กำหนด ข้อเสนอนี้เป็นแนวทางกำกับดูแลภายใน ไม่ใช่การกล่าวว่า PDPA ไทยกำหนดสิทธิทบทวนการตัดสินใจอัตโนมัติแบบเดียวกับกฎหมายต่างประเทศทุกกรณี หลักการกำหนดบทบาทมนุษย์และการกำกับดูแลสอดคล้องกับ NIST AI Risk Management Framework
ใช้ AI กับข้อมูลผู้สมัครและพนักงานอย่างไรให้คำนึงถึง PDPA
ข้อมูลในงาน HR อาจมีทั้งประวัติการทำงาน เงินเดือน ข้อมูลครอบครัว และข้อมูลสุขภาพ การนำเอกสารเข้าเครื่องมือ AI จึงต้องพิจารณาว่าเก็บ ใช้ หรือเปิดเผยข้อมูลอะไร เพื่อวัตถุประสงค์ใด และผู้ให้บริการได้รับข้อมูลไปทำอะไรต่อ ขอบเขตนี้อ้างอิงพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 ของประเทศไทย โดยการนำไปใช้ต้องพิจารณากฎหมายลำดับรองและข้อเท็จจริงของแต่ละองค์กรด้วย
กำหนดฐานกฎหมายและแจ้งรายละเอียดให้ตรงกับการใช้งาน
ความยินยอมเป็นฐานหนึ่งในการประมวลผลข้อมูล แต่ไม่ใช่ฐานเดียว มาตรา 24 กำหนดกรณีที่เก็บรวบรวมข้อมูลได้โดยไม่ต้องอาศัยความยินยอม เช่น ความจำเป็นเกี่ยวกับสัญญา การปฏิบัติตามกฎหมาย หรือประโยชน์โดยชอบด้วยกฎหมายตามเงื่อนไขของแต่ละฐาน จึงไม่ควรสรุปว่าทุกกิจกรรม HR ต้องขอความยินยอม หรือมีสัญญาจ้างแล้วจะนำข้อมูลไปทำอะไรก็ได้ ข้อความมาตรา 24
มาตรา 23 กำหนดการแจ้งรายละเอียด เช่น วัตถุประสงค์ ข้อมูลที่เก็บ ระยะเวลาเก็บ ประเภทผู้รับข้อมูล และสิทธิของเจ้าของข้อมูล สำหรับระบบ AI องค์กรควรอธิบายการใช้งานที่เกี่ยวข้องให้เข้าใจได้ พร้อมช่องทางติดต่อเมื่อข้อมูลไม่ถูกต้องหรือมีข้อสงสัย ข้อความมาตรา 23
ส่งข้อมูลเท่าที่จำเป็น และแยกข้อมูลอ่อนไหว
มาตรา 22 วางหลักให้เก็บข้อมูลเท่าที่จำเป็นภายใต้วัตถุประสงค์อันชอบด้วยกฎหมาย ในทางปฏิบัติ หากต้องการให้ AI ช่วยร่างคำถามสัมภาษณ์ อาจใช้เพียงรายละเอียดตำแหน่งและทักษะที่ต้องการ โดยไม่ต้องแนบชื่อ เบอร์โทร หรือสำเนาบัตรประชาชนของผู้สมัคร ข้อความมาตรา 22
ข้อมูลสุขภาพ ความพิการ ศาสนา ประวัติอาชญากรรม และข้อมูลชีวภาพตามนิยามกฎหมายอยู่ภายใต้เงื่อนไขเฉพาะของมาตรา 26 ซึ่งเกี่ยวข้องกับความยินยอมโดยชัดแจ้งหรือข้อยกเว้นที่กฎหมายกำหนด ไม่ควรนำข้อมูลเหล่านี้เข้าเครื่องมือทั่วไปเพียงเพื่อให้สรุปเรซูเม่ ส่วนการลบชื่ออย่างเดียวยังอาจไม่ทำให้ข้อมูลหมดสภาพเป็นข้อมูลส่วนบุคคล หากรายละเอียดอื่นเชื่อมกลับไปหาบุคคลได้ ข้อความมาตรา 26 และ คำอธิบายข้อมูลส่วนบุคคลจากมหาวิทยาลัยเชียงใหม่
ตรวจผู้ให้บริการ การเก็บรักษา และการส่งข้อมูลต่อ
ก่อนใช้ข้อมูลจริง ให้ตรวจเงื่อนไขว่าผู้ให้บริการนำข้อมูลไปฝึกโมเดลหรือไม่ ใครเข้าถึงได้ เก็บนานเท่าไร ลบอย่างไร และมีผู้รับช่วงประมวลผลใดบ้าง หากผู้ให้บริการทำหน้าที่เป็นผู้ประมวลผลข้อมูลส่วนบุคคล มาตรา 40 กำหนดให้ผู้ควบคุมข้อมูลจัดให้มีข้อตกลงระหว่างกันเพื่อควบคุมการดำเนินงานตามหน้าที่นั้น ข้อความมาตรา 40
องค์กรยังต้องมีมาตรการรักษาความมั่นคงปลอดภัยและจัดการการเก็บรักษาตามหน้าที่ของผู้ควบคุมข้อมูล หากมีการส่งหรือโอนข้อมูลไปต่างประเทศ ต้องประเมินเงื่อนไขตามกฎหมายและประกาศที่เกี่ยวข้องด้วย การเลือกแพ็กเกจสำหรับองค์กรหรือปิดการฝึกโมเดลจึงเป็นเพียงส่วนหนึ่งของการควบคุม ไม่ได้ตอบครบทุกหน้าที่ตาม PDPA ข้อความมาตรา 37 และ ข้อความมาตรา 28
ตัวอย่าง: ใช้ AI ช่วยรับสมัครพนักงานโดยยังมีผู้รับผิดชอบทุกขั้นตอน
สมมติบริษัทต้องรับเจ้าหน้าที่จัดซื้อและมีใบสมัคร 120 ราย ตัวเลขนี้ใช้เพื่ออธิบายขั้นตอนเท่านั้น ไม่ใช่ผลทดลองหรือสถิติของ JobHolic บริษัทอาจออกแบบกระบวนการดังนี้
- ผู้จัดการจัดซื้อยืนยันเกณฑ์ก่อนเริ่มคัดเลือก ระบุงานที่ต้องทำจริง เช่น เปรียบเทียบใบเสนอราคา ติดตามกำหนดส่ง และใช้ข้อมูลประกอบการสั่งซื้อ พร้อมแยกสิ่งที่สอนเพิ่มเติมได้ออกจากคุณสมบัติจำเป็น
- ระบบรับและยืนยันใบสมัคร บันทึกข้อมูลตามวัตถุประสงค์ที่แจ้งไว้ และส่งข้อความยืนยันจากแม่แบบ โดยยังไม่ตัดสินว่าใครผ่านหรือไม่ผ่าน
- AI ช่วยจัดข้อมูลพร้อมหลักฐาน แสดงประสบการณ์ที่เกี่ยวข้อง ข้อความจากเอกสาร และประเด็นที่ยังต้องสอบถาม หากไฟล์อ่านไม่ได้ให้ส่งเข้าคิวตรวจด้วยคน
- HR ตรวจข้อมูลก่อนเสนอรายชื่อ ทบทวนหลักฐานและกรณีที่ระบบไม่พบข้อมูลสำคัญ ไม่ใช้คะแนนเดียวเป็นเกณฑ์ตัดผู้สมัคร และเปิดโอกาสให้ชี้แจงข้อมูลที่คลาดเคลื่อน
- หัวหน้างานประเมินทักษะและสัมภาษณ์ อาจใช้โจทย์เปรียบเทียบใบเสนอราคาสมมติ โดยกำหนดเกณฑ์ให้คะแนนที่เกี่ยวข้องกับงานและใช้สม่ำเสมอ
- ผู้มีอำนาจอนุมัติผลและ HR สื่อสาร บันทึกเหตุผลที่อ้างอิงหลักฐาน ส่วนระบบส่งอีเมลแจ้งผลได้หลังสถานะได้รับอนุมัติแล้ว
จุดที่ AI ช่วยได้คือทำให้ HR เห็นข้อมูลสำคัญเร็วขึ้น ส่วนคุณภาพการคัดเลือกยังขึ้นกับเกณฑ์ หลักฐาน และการพิจารณาของผู้รับผิดชอบ หากให้ระบบสรุปข้อมูลผิดแล้วไม่มีใครตรวจ กระบวนการที่เร็วขึ้นก็เพียงทำให้ความผิดพลาดส่งต่อได้เร็วขึ้นเช่นกัน
เริ่มใช้ AI ในงาน HR อย่างไร: แผนทดลอง 30 วัน
สำหรับองค์กรที่ยังไม่มีประสบการณ์ แนะนำให้เริ่มจากงานขอบเขตเล็ก เช่น ร่างประกาศงานจากข้อมูลที่อนุมัติแล้ว หรือช่วยตอบคำถามจากคู่มือที่ไม่มีข้อมูลรายบุคคล เลือกงานที่วัดคุณภาพได้และย้อนกลับไปใช้วิธีเดิมได้เมื่อพบปัญหา
สัปดาห์แรก: สำรวจงานและกำหนดเจ้าของกระบวนการ ผู้จัดการ HR เลือกหนึ่งงาน บันทึกเวลาที่ใช้เดิม ปริมาณงาน และข้อผิดพลาดที่พบ พร้อมกำหนดผลลัพธ์ที่ยอมรับได้ ฝ่าย IT และผู้รับผิดชอบข้อมูลส่วนบุคคลตรวจระบบและข้อมูลที่จะใช้ก่อนเริ่ม
สัปดาห์ที่สอง: ทดสอบด้วยข้อมูลจำลองและกรณียาก ให้เจ้าของงานตรวจผลลัพธ์ รวมถึงข้อมูลไม่ครบ เอกสารขัดแย้ง และคำถามที่ไม่ควรตอบ ตั้งกติกาว่ากรณีใดต้องส่งต่อคน และแยกข้อมูลในเอกสารที่นำเข้าออกจากคำสั่งที่ระบบต้องปฏิบัติตาม
สัปดาห์ที่สาม: ทดลองในวงจำกัด ใช้เฉพาะกระบวนการและข้อมูลที่ผ่านการอนุมัติ โดยให้คนตรวจทุกผลลัพธ์ในช่วงทดลอง เก็บเวลาตรวจแก้และข้อผิดพลาดด้วย หากพบการเปิดเผยข้อมูลผิดคนหรือคำตอบที่กระทบสิทธิพนักงาน ให้หยุดส่วนที่เกี่ยวข้องและแก้สาเหตุก่อน
สัปดาห์ที่สี่: ประเมินว่าจะขยาย ปรับ หรือหยุด ผู้จัดการ HR สรุปคุณภาพ เวลา ต้นทุน และข้อร้องเรียนให้ผู้อนุมัติโครงการพิจารณา การขยายงานต้องอาศัยผลที่วัดได้ ไม่ใช่เพียงความรู้สึกว่าระบบตอบเร็ว และเมื่อเปลี่ยนโมเดล แหล่งข้อมูล หรือกติกาสำคัญ ควรทดสอบงานที่ได้รับผลกระทบอีกครั้ง
KPI ที่ช่วยบอกว่า AI ลดงาน HR ได้จริงหรือไม่
อย่าวัดเพียงจำนวนข้อความที่ AI สร้างหรือจำนวนใบสมัครที่อ่านได้ต่อวัน เพราะตัวเลขเหล่านั้นยังไม่บอกว่าคนต้องเสียเวลาตามแก้เท่าไร ควรเลือกตัวชี้วัดให้สัมพันธ์กับงานที่ทดลอง และเปรียบเทียบงานที่มีปริมาณและความยากใกล้เคียงกัน
- เวลาที่ประหยัดสุทธิ: เวลาเดิม − เวลาทำงานหลังใช้ระบบ − เวลาตรวจและแก้ไขที่ยังไม่รวมในขั้นตอนก่อนหน้า โดยต้องไม่นับเวลาซ้ำ
- อัตราข้อผิดพลาดสาระสำคัญ: จำนวนชิ้นงานที่มีข้อผิดพลาดสำคัญ ÷ จำนวนชิ้นงานที่ตรวจทั้งหมด × 100 ควรกำหนดก่อนว่าอะไรสำคัญ เช่น เงินเดือนผิด เงื่อนไขสวัสดิการผิด หรือสรุปประสบการณ์เกินหลักฐาน
- อัตราปิดคำถามได้จริง: จำนวนคำถามที่ได้รับคำตอบถูกต้องและไม่ต้องเปิดเรื่องซ้ำภายในช่วงเวลาที่กำหนด ÷ จำนวนคำถามในขอบเขตที่รับทั้งหมด × 100 ไม่ใช้เพียงสถานะ “ตอบแล้ว” เป็นหลักฐานว่าปัญหาจบ
- สัดส่วนกรณีที่ต้องกลับคำแนะนำหลังตรวจ: จำนวนคำแนะนำที่คนตรวจแล้วเปลี่ยนด้วยเหตุข้อมูลหรือเหตุผลผิด ÷ จำนวนคำแนะนำที่ตรวจทั้งหมด × 100 พร้อมแยกสาเหตุเพื่อแก้ระบบ
ตัวอย่างสมมติ งานหนึ่งเคยใช้ 10 ชั่วโมงต่อสัปดาห์ หลังใช้ AI เหลือเวลาปฏิบัติงาน 4 ชั่วโมง และใช้ตรวจแก้อีก 3 ชั่วโมง เวลาที่ประหยัดสุทธิจึงเท่ากับ 3 ชั่วโมง หรือ 30% ของเวลาเดิม ไม่ควรรายงานว่าประหยัด 60% โดยละเลยภาระตรวจแก้ ส่วนค่าระบบ ค่าเชื่อมต่อ และเวลาอบรมต้องนำไปพิจารณาความคุ้มค่าเพิ่มเติม
ในงานสรรหา ควรสุ่มตรวจกรณีที่ระบบจัดไว้ลำดับท้ายหรือเสนอให้ไม่ผ่าน เพื่อดูว่ามีผู้สมัครที่เข้าเกณฑ์ถูกมองข้ามหรือไม่ รายงานผลให้ชัดว่าเป็นผลจากกลุ่มตัวอย่าง และอย่าสรุปว่าระบบเป็นธรรมจากอัตราความถูกต้องรวมเพียงตัวเดียว หากต้องการเชื่อมตัวชี้วัดโครงการกับเป้าหมายองค์กร อ่านต่อเรื่อง Balanced Scorecard และการเชื่อมเป้าธุรกิจกับ KPI แต่ละฝ่าย
ข้อผิดพลาดที่ควรเลี่ยงก่อนขยายการใช้งาน
นำเกณฑ์เดิมเข้า AI โดยไม่ตรวจความเหมาะสม หากเกณฑ์ให้ความสำคัญกับสิ่งที่ไม่เกี่ยวกับงาน ระบบก็อาจทำให้การคัดเลือกที่มีปัญหาเกิดซ้ำอย่างเป็นระบบ ควรเริ่มจากทักษะและหลักฐานที่จำเป็นต่อตำแหน่ง ไม่ใช้คำว่า “คล้ายคนที่เคยจ้าง” แทนการวิเคราะห์งาน
ปล่อยให้ระบบแก้ข้อมูลสำคัญได้กว้างเกินหน้าที่ เครื่องมือที่มีหน้าที่สรุปใบสมัครไม่จำเป็นต้องมีสิทธิเปลี่ยนสถานะจ้างงานหรือส่งข้อเสนอเงินเดือน ควรกำหนดสิทธิให้พอดีกับภารกิจ และเก็บประวัติการดำเนินการเท่าที่จำเป็นต่อการตรวจสอบ
ให้ HR รับผิดชอบแต่ไม่จัดเวลาและอำนาจให้ หากยังตั้งเป้างานเท่าเดิมพร้อมเพิ่มภาระตรวจ AI ผู้ตรวจอาจเหลือเพียงการกดผ่าน ผู้บริหารควรกำหนดกำลังคนและเวลาตรวจให้สอดคล้องกับความเสี่ยง รวมถึงยอมรับการหยุดระบบเมื่อคุณภาพไม่ผ่าน
ใช้ผลตรวจว่าเอกสารเขียนด้วย AI เป็นเหตุปฏิเสธโดยไม่มีหลักฐานอื่น สำหรับงานที่ต้องพิสูจน์ทักษะ ควรให้ผู้สมัครอธิบายผลงานหรือทำโจทย์ที่เหมาะสม บริษัทควรสื่อสารก่อนว่าส่วนใดอนุญาตให้ใช้เครื่องมือ และประเมินตามกติกาที่ประกาศไว้อย่างสม่ำเสมอ
คนทำงาน HR ควรพัฒนาทักษะอะไรควบคู่กับ AI
ทักษะสำคัญคือกำหนดโจทย์ให้ชัด อ่านข้อมูลเป็น ตรวจสอบหลักฐาน เข้าใจข้อจำกัดของเครื่องมือ และสื่อสารการตัดสินใจอย่างรับผิดชอบ คนที่ใช้ AI ร่างรายงานได้เร็วควรอธิบายต่อได้ด้วยว่าข้อมูลมาจากไหน มีอะไรตกหล่น และข้อเสนอใดต้องตรวจเพิ่ม
สำหรับผู้ที่กำลังหางาน ควรนำเสนอประสบการณ์เป็นกระบวนการและผลที่ตรวจสอบได้ เช่น ปรับขั้นตอนติดตามเอกสารพร้อมกำหนดผู้ตรวจและลดงานซ้ำ มากกว่าระบุเพียงชื่อเครื่องมือ สามารถสำรวจ งานบุคคลและสรรหาพนักงานบน JobHolic เพื่อดูหน้าที่และทักษะที่แต่ละตำแหน่งระบุ
สรุป: เริ่มจากงานที่ชัด และกำหนดผู้รับผิดชอบก่อนเปิดระบบ
องค์กรที่ต้องการใช้ AI ช่วยงาน HR ควรเลือกหนึ่งกระบวนการ กำหนดข้อมูลที่ใช้ เกณฑ์คุณภาพ ผู้ตรวจ และเงื่อนไขหยุดให้ครบ จากนั้นทดลองวัดทั้งเวลาที่ประหยัดและความผิดพลาดก่อนขยาย ส่วนการตัดสินใจที่กระทบคนต้องมีผู้มีอำนาจพิจารณาหลักฐาน อธิบายเหตุผล และแก้ไขได้เมื่อพบข้อมูลใหม่
คุณค่าของ AI จะชัดขึ้นเมื่อเวลาที่ประหยัดได้กลับไปอยู่กับงานที่ HR ต้องใส่ใจ เช่น คุยกับหัวหน้างานให้เข้าใจปัญหากำลังคน ติดตามพนักงานใหม่ และรับฟังข้อร้องเรียน การกำหนดความรับผิดชอบตั้งแต่ต้นจึงช่วยให้ทั้งองค์กรและคนที่ได้รับผลจากระบบรู้ว่าจะติดต่อใครเมื่อเกิดปัญหา
คำถามที่พบบ่อยเกี่ยวกับ AI ในงาน HR
AI สามารถทำงานแทน HR ทั้งฝ่ายได้หรือไม่?
การทำงานย่อยบางส่วนได้ยังไม่เพียงพอจะสรุปว่าแทนทั้งฝ่ายได้ ต้องประเมินความซับซ้อนของงาน คุณภาพระบบ และภาระดูแลกรณียกเว้น องค์กรยังต้องมีผู้รับผิดชอบกระบวนการและการตัดสินใจ แม้รูปแบบทีมและจำนวนงานบางประเภทอาจเปลี่ยนไป
ให้ AI คัดเรซูเม่ได้แค่ไหน?
ใช้ช่วยดึงข้อมูล จัดหมวดประสบการณ์ และเทียบหลักฐานกับเกณฑ์ที่เกี่ยวกับงานได้ แต่ควรตรวจความถูกต้องก่อนใช้ผลคัดเลือก โดยเฉพาะไฟล์ที่อ่านไม่ได้ ข้อมูลที่ขาด และประสบการณ์ที่ใช้ถ้อยคำต่างจากประกาศ ไม่ควรให้คะแนนที่ไม่มีคำอธิบายเป็นตัวตัดสินเพียงอย่างเดียว
ต้องขอความยินยอมทุกครั้งก่อนนำข้อมูลเข้า AI หรือไม่?
ไม่ควรตอบเหมารวม ตาม PDPA ต้องพิจารณาฐานกฎหมาย วัตถุประสงค์ ประเภทข้อมูล และวิธีประมวลผล ข้อมูลอ่อนไหวมีเงื่อนไขเฉพาะ และแม้ใช้ฐานอื่นได้ก็ยังต้องปฏิบัติหน้าที่เรื่องการแจ้งรายละเอียดและความปลอดภัย กรณีเฉพาะควรให้ผู้รับผิดชอบข้อมูลส่วนบุคคลหรือที่ปรึกษากฎหมายตรวจตามข้อเท็จจริง
ใช้ AI คำนวณเงินเดือนและ OT ได้หรือไม่?
ใช้ช่วยเตรียมข้อมูลหรือชี้รายการที่ควรตรวจได้ ส่วนยอดจ่ายควรมาจากระบบคำนวณที่ตรวจสูตร กติกา และข้อมูลต้นทางแล้ว โดยผู้รับผิดชอบเงินเดือนตรวจและอนุมัติตามขั้นตอน หากใช้ AI ช่วยสร้างสูตร ต้องทดสอบกับกรณีที่ทราบคำตอบก่อนนำไปใช้จ่ายจริง
บริษัทเล็กควรเริ่มจากงานอะไร?
เริ่มจากร่างประกาศงานด้วยข้อมูลที่อนุมัติแล้ว สร้างรายการติดตามพนักงานใหม่ หรือค้นคำตอบจากคู่มือที่ไม่มีข้อมูลส่วนบุคคล เลือกงานที่เกิดซ้ำ ตรวจคุณภาพได้ง่าย และกำหนดคนรับช่วงต่อได้ชัดเจน ก่อนขยายไปสู่ข้อมูลหรือการตัดสินใจที่ละเอียดอ่อนกว่า
ถ้า AI แนะนำผิด ใครต้องรับผิดชอบ?
ในกระบวนการทำงานต้องมีเจ้าของระบบและผู้อนุมัติการตัดสินใจที่ตรวจสอบได้ ส่วนความรับผิดตามกฎหมายอาจเกี่ยวข้องกับหลายฝ่าย ขึ้นอยู่กับการกระทำ หน้าที่ สัญญา และกฎหมายที่ใช้ การระบุว่า “ระบบเป็นผู้ตัดสินใจ” จึงไม่เพียงพอที่จะสรุปว่าองค์กรหรือบุคคลใดพ้นความรับผิด