จาก SOP สี่ด้านสู่ AI Skill: คลังสมองที่ผมอยากสร้าง

สองวันนี้ระหว่างจัดเนื้อหาคลังสมอง ผมคิดต่อไปอีกขั้นหนึ่ง

สิบหัวข้อหลักตอบว่าเราวิจัยอะไร ระบบนิเวศทรัพยากร ทุน การดำเนินงานและบริหารจัดการ และลูกค้า ตอบว่าเรามองปัญหาจากความสัมพันธ์แบบใด ส่วนวิธีคิด วิธีการ แบบจำลอง แผนงาน เครื่องมือ และการฝึกอบรม คือรูปแบบต่าง ๆ ในการแสดงและใช้ความรู้

เมื่อมีมิติเหล่านี้แล้ว สิ่งที่ผมสนใจต่อคือ ความรู้จะเข้าสู่งานอย่างไร และช่วยให้คนกับ AI ทำงานร่วมกันจนสำเร็จได้อย่างไร

ผมอยากเชื่อม SOP สี่ด้านเข้ากับความรับผิดชอบในองค์กรให้ชัดขึ้น ผลการดำเนินงาน ธุรกิจ หน้าที่ และการปฏิบัติ โดยหลักสัมพันธ์กับบริษัท แผนก ตำแหน่งงาน และความรับผิดชอบของตำแหน่ง เมื่อมองกลับขึ้นไป การปฏิบัติในความรับผิดชอบของตำแหน่งสามารถสั่งสมเป็น Skill หน้าที่ของตำแหน่งจัดเป็นคู่มือปฏิบัติงาน การร่วมงานทางธุรกิจจัดเป็นคู่มือความร่วมมือภายในและระหว่างแผนก ส่วนบริษัทนำผลลัพธ์ต่าง ๆ มาเชื่อมกันผ่านแบบจำลองธุรกิจ แผนภาพรวม และคู่มือการทำให้เกิดผลการดำเนินงาน

ผมคิดว่าตรงนี้มีทั้งพันธกิจและคุณค่าของการสร้างคลังสมอง WISERUNION อยู่ด้วย

เริ่มจากบริษัทต้องการผลลัพธ์อะไร แล้วถามต่อจนถึงวิธีปฏิบัติ

เริ่มมองจากบนลงล่างก่อน

ต้องอธิบายให้ชัดว่าบริษัทต้องการสร้างผลการดำเนินงานแบบใด ลูกค้าจะได้คุณค่าอะไร บริษัทจะมีรายได้จากผลิตภัณฑ์ บริการ หรือโซลูชันใด ต้องลงทุนหรือใช้ทรัพยากรอะไร ต้นทุนและการรับชำระเงินจัดไว้อย่างไร ความสัมพันธ์เหล่านี้ต้องอธิบายได้

จากนั้นดูว่า การบรรลุผลการดำเนินงานต้องมีองค์ประกอบสำคัญอะไร และแต่ละงานธุรกิจต้องส่งมอบผลลัพธ์ใดเพื่อให้องค์ประกอบเหล่านั้นเกิดขึ้นได้ การจัดผลลัพธ์เข้าด้วยกันในที่นี้ รวมถึงลำดับที่เกิด การพึ่งพากัน และวิธีปรับเมื่อเงื่อนไขเปลี่ยนไป

เมื่อแยกงานธุรกิจลงมา ก็ต้องดูตำแหน่งและบทบาท ใครรับความต้องการ ใครตรวจเงื่อนไขทรัพยากร ใครจัดทำแผนงาน ใครส่งมอบ และใครตรวจผล แต่ละตำแหน่งต้องให้ผลงานอะไรอย่างต่อเนื่อง และเชื่อมกับงานก่อนหน้าและถัดไปอย่างไร ต้องระบุให้เป็นรูปธรรม

ลงมาอีกขั้น คือการปฏิบัติที่อยู่ในความรับผิดชอบของตำแหน่ง เริ่มเมื่อได้รับข้อมูลอะไร ใช้อะไรเป็นหลักฐาน ดำเนินการอย่างไร ส่งมอบอะไร ถึงระดับใดจึงถือว่าเสร็จ และเมื่อเงื่อนไขไม่ครบหรือเกิดข้อยกเว้นต้องติดต่อใคร

เมื่อมองแบบนี้ SOP สี่ด้านก็เชื่อมผลลัพธ์โดยรวมเข้ากับงานที่ทำจริง บริษัท แผนก ตำแหน่ง และความรับผิดชอบของตำแหน่ง เป็นจุดเริ่มต้นทางองค์กรที่ช่วยให้เข้าใจได้ งานจริงอาจข้ามแผนกหรือข้ามบริษัท และตำแหน่งหนึ่งอาจรับผิดชอบภารกิจตามหน้าที่หลายอย่าง ระดับหน้าที่ต้องอธิบายแต่ละภารกิจให้ครบตั้งแต่เริ่มจนจบ แล้วใช้คู่มือตำแหน่งจัดภารกิจเหล่านั้นเข้าด้วยกัน หัวใจยังอยู่ที่แต่ละระดับต้องการผลลัพธ์อะไร และระดับถัดลงไปจะสนับสนุนอย่างไร

มองจากการปฏิบัติขึ้นไป Skill จะเข้าสู่ตำแหน่งและธุรกิจอย่างไร

เมื่อมองกลับขึ้นมา ความสัมพันธ์นี้ก็เชื่อมกับ AI

แนวปฏิบัติในความรับผิดชอบของตำแหน่งที่ค่อนข้างชัดเจนและใช้ซ้ำได้ สามารถจัดเป็น Skill ได้ Skill อาจประกอบด้วยการกระทำหนึ่งอย่างหรือกลุ่มการกระทำที่เกี่ยวข้องกัน สิ่งสำคัญคือบอกเงื่อนไขการใช้ ข้อมูลนำเข้า ขั้นตอน ผลผลิต และวิธีตรวจสอบให้ชัด ต้องใช้เอกสาร เครื่องมือ และสิทธิอนุมัติอะไร รวมถึงใครเป็นผู้วินิจฉัยเมื่อมีข้อยกเว้น ก็ควรบันทึกเป็นหลักฐานไว้

เมื่อจัด Skill หลายอย่างตามผลงานที่ตำแหน่งต้องส่งมอบ ก็เป็นส่วนหนึ่งของคู่มือปฏิบัติงานได้ คู่มือตำแหน่งยังต้องบอกด้วยว่าตำแหน่งนี้มีไว้เพื่ออะไร รับผิดชอบอะไร มีอำนาจตัดสินใจแค่ไหน และร่วมงานกับบทบาทใด เมื่อ AI เข้ามามีส่วนร่วม ก็เรียกใช้ Skill ตามภารกิจได้ ส่วนคนใช้สถานการณ์จริงประกอบการวินิจฉัย ตัดสินใจ และตรวจรับผลงาน

เมื่อนำผลงานจากหลายตำแหน่งมาเชื่อมกัน ก็เกิดผลลัพธ์ทางธุรกิจ คู่มือความร่วมมือทางธุรกิจต้องบอกว่า สิ่งที่ขั้นตอนนี้ส่งออกมา ขั้นตอนถัดไปใช้ต่อได้ทันทีหรือไม่ ขาดอะไรต้องส่งกลับ และใครยืนยันว่าเดินหน้าต่อได้ แผนกเป็นหน่วยที่จัดงานเหล่านี้ ส่วนความร่วมมือต้องจัดตามธุรกิจจริง

ในระดับบริษัท ต้องนำองค์ประกอบสำคัญและผลลัพธ์ทางธุรกิจหลายส่วนมาจัดเข้าด้วยกัน เพื่อผลักดันให้เกิดผลการดำเนินงาน แบบจำลองธุรกิจอธิบายว่าคุณค่าและผลตอบแทนเกิดขึ้นอย่างไร แผนภาพรวมจัดทิศทาง ทรัพยากร และเส้นทางพัฒนา ส่วนคู่มือการทำให้เกิดผลการดำเนินงานจะเชื่อมงาน ความรับผิดชอบ เงื่อนไข และวิธีตรวจสอบเข้าด้วยกัน

ดังนั้น “การส่งต่องาน” ที่ผมพูดถึง คือการค่อย ๆ สร้างฐานอ้างอิงที่ใช้ร่วมกันได้ให้กับงานซึ่งเดิมต้องพึ่งคนอธิบาย สอน และประสานอยู่หน้างาน งานไหนให้ AI ทำ งานไหนคนรับผิดชอบ และตรวจอย่างไร ก็ปรับต่อไปตามการทำงานจริง

เกณฑ์ของการเชื่อมต่อ คือผลงานระดับล่างตอบความต้องการระดับบนได้หรือไม่

สิ่งที่ผมสนใจที่สุดตรงนี้ ยังเป็นความสัมพันธ์ระหว่างผลลัพธ์

ยกตัวอย่างการเสนอราคาแบบย่อ AI ตรวจจำนวนและหน่วยคิดราคา พร้อมทำบันทึกการคำนวณ เป็นงานระดับการปฏิบัติ ผู้รับผิดชอบการเสนอราคานำความต้องการ เงื่อนไขการจัดหา และหลักเกณฑ์กำหนดราคามาประกอบกัน แล้วส่งตารางคำนวณ เป็นผลงานของภารกิจในตำแหน่ง ส่วนฝ่ายขาย จัดซื้อ และผู้ตรวจสอบที่เกี่ยวข้องนำผลงานเหล่านี้มาเชื่อมกัน จนเป็นใบเสนอราคาที่ให้ลูกค้าได้และมีเงื่อนไขรองรับการปฏิบัติตาม นั่นคือผลลัพธ์ทางธุรกิจ

หลังจากนั้น ลูกค้าจะยอมรับหรือไม่ จะส่งมอบ ตรวจรับ และรับชำระเงินได้หรือไม่ รายได้ครอบคลุมต้นทุนที่เกี่ยวข้องหรือไม่ ยังต้องติดตามต่อ แต่ละระดับมีเกณฑ์เสร็จงานของตัวเอง การทำตารางคำนวณเสร็จหนึ่งชุดไม่ได้แปลว่าบริษัทได้รับผลการดำเนินงานแล้ว

นี่เป็นเหตุผลที่ผมคิดว่าแบบจำลองธุรกิจยังต้องผ่านการตรวจสอบจากตลาด ข้อวินิจฉัยของเราต่อความต้องการ ราคา ต้นทุน และรูปแบบความร่วมมือ เริ่มจากสมมติฐานทางธุรกิจชุดหนึ่ง SOP ช่วยจัดเส้นทางการทำให้เกิดจริงและการตรวจสอบให้ชัด ส่วนผลจริงช่วยให้เราตัดสินได้ว่า มีปัญหาที่การปฏิบัติ ความร่วมมือเชื่อมกันไม่ติด หรือควรปรับสมมติฐานทางธุรกิจเดิม

เมื่อเรื่องนี้ชัด การใช้ AI จึงมีทิศทางที่เป็นรูปธรรม เราตรวจได้ว่ามันทำภารกิจตามข้อกำหนดหรือไม่ และถามต่อได้ด้วยว่าผลงานนั้นช่วยให้ธุรกิจเดินหน้าไปจริงหรือเปล่า

งานสร้าง ImageNet ของเฟยเฟย หลี่และทีม ให้แนวคิดหนึ่งกับผม

ผมนึกถึงงานที่เฟยเฟย หลี่และทีมสร้าง ImageNet พวกเขาจัดภาพจำนวนมากเป็นหมวดหมู่ ใช้การระบุป้ายกำกับผ่านคราวด์ซอร์ซและการตรวจคุณภาพ เพื่อให้ทรัพยากรข้อมูลสำหรับฝึกและประเมินงานวิจัยด้านการมองเห็นของเครื่องจักร[1][2]

สิ่งที่ผมได้จากเรื่องนี้คือ ความรู้ความเข้าใจและข้อวินิจฉัยของคนต้องผ่านการจัดระเบียบ จึงจะเป็นทรัพยากรที่เครื่องจักรใช้ได้อย่างมีประสิทธิภาพ จะกำหนดหมวดอย่างไร ยืนยันป้ายกำกับอย่างไร ตรวจคุณภาพอย่างไร ล้วนมีผลต่อการใช้งานทรัพยากรเหล่านี้

ประสบการณ์ในการดำเนินธุรกิจก็มีปัญหาคล้ายกัน ความรู้จำนวนมากกระจายอยู่ในตัวคน บางคนรู้วิธีวินิจฉัยความต้องการ บางคนรู้วิธีจัดการส่งมอบ บางคนรู้ว่าตรงไหนผิดพลาดได้ง่าย ถ้าเหลือเพียงข้อสรุป คนรุ่นถัดไปและ AI ก็ยากจะตัดสินว่า ตอนนั้นทำเช่นนั้นภายใต้เงื่อนไขใด เหตุใดจึงได้ผล และเปลี่ยนบริบทแล้วจะยังใช้ได้หรือไม่

คลังสมองที่ผมอยากทำ คือการค่อย ๆ จัดฐานอ้างอิง ความสัมพันธ์ วิธีการ และผลตอบกลับเหล่านี้ออกมา สิ่งที่สอดคล้องกันคือตรรกะของการจัดความรู้มนุษย์ให้เป็นทรัพยากรที่ใช้งานได้ ส่วนเส้นทางเทคนิคและผลสำเร็จที่เกิดขึ้นแล้วนั้นแตกต่างกัน

ในระยะนี้ AI อ่านคู่มือ ค้นความรู้ และเรียกใช้ Skill ระหว่างทำงานได้ เนื้อหาเหล่านี้เมื่อจัดเพิ่มเติม ก็อาจกลายเป็นวัสดุสำหรับฝึกหรือประเมินได้เช่นกัน การอ่าน SOP หนึ่งฉบับไม่ได้หมายความว่าแบบจำลองผ่านการฝึกใหม่แล้ว

สำหรับผม การจัดความรู้ให้อยู่ในรูปที่ใช้ได้ก่อน แล้วตรวจและปรับปรุงระหว่างใช้ เป็นสิ่งที่คุ้มค่าจะทำต่อเนื่องอยู่แล้ว

คุณค่าของคลังสมอง ต้องค่อย ๆ เกิดจากการทำงานร่วมกัน

เมื่อคิดตามเส้นนี้ ผมเข้าใจคลังสมองเป็นรูปธรรมมากขึ้น

วิธีคิดช่วยให้เราเข้าใจปัญหา วิธีการช่วยให้เดินหน้า แบบจำลองอธิบายความสัมพันธ์ แผนงานจัดเป้าหมายและการลงมือทำเข้าด้วยกัน เครื่องมือช่วยปฏิบัติ และการฝึกอบรมช่วยให้คนจำนวนมากขึ้นเรียนรู้และนำไปใช้ เมื่อเข้าสู่ภารกิจจริง จึงจะเผยปัญหาใหม่และมีโอกาสพัฒนาต่อ

ส่วน SOP สี่ด้านเชื่อมความรู้เหล่านี้กับผลลัพธ์ที่องค์กรต้องส่งมอบ การปฏิบัติทิ้งแนวทางที่ใช้ต่อได้ ตำแหน่งทิ้งคู่มือทำงาน ธุรกิจทิ้งฐานอ้างอิงสำหรับความร่วมมือ และบริษัททิ้งตรรกะทางธุรกิจที่ตรวจสอบต่อได้ แนวปฏิบัติที่ได้ผลสามารถสะสมต่อ แต่ความล้มเหลว ข้อยกเว้น และเงื่อนไขที่เปลี่ยนไปก็ควรบันทึกไว้ด้วย

ผมหวังว่าคลังสมอง WISERUNION จะค่อย ๆ สร้างความสามารถแบบนี้ เปลี่ยนประสบการณ์การสร้างคุณค่าและผลการดำเนินงานขององค์กร ให้เป็นความรู้ที่คนและ AI เข้าใจ ใช้ ตรวจสอบ และปรับปรุงได้

นี่คือส่วนหนึ่งของฐานที่ต้องสร้าง ในช่วงที่ตำแหน่งงานของคนค่อย ๆ เข้าสู่การทำงานร่วมกับ AI ทุกครั้งที่ทำงานหนึ่งเสร็จ จะเหลือสิ่งที่ครั้งหน้าใช้ต่อได้ และเมื่อครั้งหน้าพบปัญหา ก็กลับมาแก้ความเข้าใจเดิม ผมอยากทำเรื่องนี้ต่อไปอย่างต่อเนื่อง

แหล่งข้อมูลและบทความที่เกี่ยวข้อง

บทความนี้เป็นบันทึกความคิดจากการทำงานของผม ว่าด้วยความสัมพันธ์ระหว่าง SOP สี่ด้าน ความร่วมมือของคนกับ AI และการสร้างคลังสมอง แผนภาพเป็นกรอบกลไกที่วาดขึ้นใหม่จากบทความนี้ การเสนอราคาเป็นตัวอย่างแบบย่อ และความสัมพันธ์ที่นำเสนอยังต้องตรวจสอบกับธุรกิจเฉพาะ

• [1] ข้อมูลแนะนำอย่างเป็นทางการของ ImageNet: การจัดหมวด การระบุป้ายกำกับโดยคน การตรวจคุณภาพ และการใช้เพื่อฝึกและทดสอบ
• [2] Deng และคณะ: ImageNet: A large-scale hierarchical image database (2009), ระเบียนผลงานของมหาวิทยาลัยพรินซ์ตัน: บทคัดย่ออธิบายวิธีใช้ Amazon Mechanical Turk เพื่อสร้างข้อมูล
• SOP สี่ด้าน: เชื่อมงานที่ทำจริงเข้ากับผลลัพธ์ทางธุรกิจ
• จาก SOP สู่ AI Skill
• จากคลังสมองสู่ฐานความรู้สำหรับการทำงานร่วมกันของมนุษย์และ AI