รู้จัก ‘Relationslipping’ ภาวะความสัมพันธ์ในทีมหลุดจากกันจาก AI

คำถามที่เมื่อก่อนต้องเดินไปถามเพื่อนร่วมทีม ตอนนี้หลายคนเลือกพิมพ์ถาม AI แทน เพราะได้คำตอบเร็วกว่า ไม่ต้องรอ และไม่ต้องเกรงใจใคร แต่พฤติกรรมที่ช่วยให้แต่ละคนทำงานเร็วขึ้นนี้กำลังมีต้นทุนที่มองไม่เห็นในระดับทีม จนนักวิจัยต้องตั้งชื่อเรียกใหม่ว่า 'Relationslipping' หรือภาวะที่ความสัมพันธ์ในการทำงานของทีมค่อยๆ หลุดมือไปโดยไม่มีใครตั้งใจ

คำนี้มาจากงานวิจัยที่เพิ่งเผยแพร่ใน Harvard Business Review โดยทีมนักวิจัยจาก BetterUp แพลตฟอร์มโค้ชชิ่งด้านการพัฒนาบุคลากร นำโดยคุณ Kate Niederhoffer หัวหน้านักวิทยาศาสตร์ (Chief Scientist) ของ BetterUp ร่วมกับคุณ Jeffrey T. Hancock ศาสตราจารย์ด้านการสื่อสารจาก Stanford University ผลสำรวจพนักงานออฟฟิศเต็มเวลาในสหรัฐฯ 1,033 คนจากกว่า 20 อุตสาหกรรม พบว่าทีมที่การหันไปพึ่ง AI แทนเพื่อนร่วมงานกลายเป็นเรื่องปกติ มีการประสานงานลดลง 22.3% และความไว้ใจกันลดลง 21.9% ขณะที่ผลสำรวจของ Miro จากผู้บริหารและพนักงานกว่า 9,500 คนก็พบสัญญาณในทิศทางเดียวกัน คือ AI ทำให้แต่ละคนทำงานเร็วขึ้น แต่ยังไม่ได้ทำให้ทีมทำงานร่วมกันได้ดีขึ้น

Relationslipping คืออะไร และทำไมทีมถึงค่อยๆ หลุดจากกัน

Relationslipping มาจากคำว่า Relationship ผสมกับ Slipping แก่นของมันอยู่ที่ความจริงข้อหนึ่งของการทำงานเป็นทีม นั่นคือทีมที่ดีไม่จำเป็นต้องให้ทุกคนรู้ทุกเรื่อง แต่ทุกคนต้องรู้ว่าเรื่องไหนควรถามใคร นักจิตวิทยาสังคม Dan Wegner เรียกสิ่งนี้ว่า ระบบความจำร่วมของทีม (Transactive Memory System) ซึ่งทำให้คนในทีมพึ่งพาความเชี่ยวชาญของกันและกันในการทำงานแต่ละวันได้

งานวิจัยชิ้นนี้ชี้ว่า AI กำลังเข้ามากัดกร่อนระบบดังกล่าว หรือที่ผู้วิจัยเรียกว่า

"intimate, shared sense of who's responsible for remembering what" 

(ความเข้าใจร่วมกันอย่างใกล้ชิดว่า ใครในทีมรับผิดชอบจำเรื่องอะไร)

พฤติกรรมต้นเหตุมีชื่อเรียกว่า การแทนที่ (Displacement) คือการใช้ AI 'แทน' การคุยกับเพื่อนร่วมทีม ไม่ใช่ใช้เพื่อเสริม เมื่อคนในทีมถามกันน้อยลง ภาพว่าใครเก่งเรื่องไหนก็เริ่มเลือนตามไปด้วย ที่น่าสนใจคือ คนที่ใช้ AI มากกลับมองว่าเพื่อนร่วมทีมมีความเชี่ยวชาญสูงขึ้น แต่กลับรู้น้อยลงว่าใครเชี่ยวชาญเรื่องไหน

ถาม AI ก่อนถามเพื่อน ทีมกำลังเสียอะไรไปบ้าง

เมื่อระบบความจำร่วมเริ่มเลือน ผลที่ตามมาก็สะท้อนออกมาเป็นตัวเลขชัดเจน

1. การประสานงานลดลง 22.3% ความไว้ใจลดลง 21.9%

ทีมที่การแทนที่กลายเป็นบรรทัดฐาน มีคะแนนการประสานงานและความไว้ใจลดลงกว่า 20% ทั้งสองด้าน เมื่อเทียบเป็นรายคนก็เห็นช่องว่างชัดขึ้นอีก เพราะในกลุ่มที่เลือกถามเพื่อนร่วมทีมมากกว่า AI มีถึง 66% ที่บอกว่าทีมประสานงานกันได้ดี ขณะที่กลุ่มที่ใช้ AI หนักเหลือเพียง 32%

"The more employees turned to AI instead of a teammate, the more their trust in each other and their ability to coordinate seemed to erode." (ยิ่งพนักงานหันไปหา AI แทนเพื่อนร่วมทีมมากเท่าไร ความไว้ใจที่มีต่อกันและความสามารถในการประสานงานก็ดูจะยิ่งถดถอยลงเท่านั้น)

ผลกระทบนี้ไม่ได้อยู่แค่ในแบบสอบถาม เพราะทีมที่ไว้ใจกันน้อยลงจะยอมรับคำแนะนำของกันและกันยากขึ้น เลิกพึ่งพาความรู้ของเพื่อนร่วมทีม และเสียเวลาไปกับการตรวจงานกันซ้ำ นักวิจัยสรุปว่าการแทนที่ทำให้การประสานงานกลายเป็นงานซ้ำซ้อนและทางตัน ส่วนความไว้ใจก็กลายเป็นความลังเลและการตรวจซ้ำ

2. พนักงาน 1 ใน 5 นึกถึง AI ก่อนเพื่อนร่วมทีม

ช่องว่างข้างต้นเริ่มจากพฤติกรรมเล็กๆ ในแต่ละวัน โดยพนักงาน 1 ใน 5 ยอมรับว่าเมื่อเจอปัญหา สิ่งแรกที่นึกถึงคือ AI ไม่ใช่เพื่อนร่วมทีม ส่วนอีก 49% บอกว่าเพื่อนร่วมทีมเลือกไปถาม AI แทนการมาถามตนอย่างน้อยเป็นบางครั้ง และคนที่รู้สึกว่าถูกแทนที่ก็มีแนวโน้มรู้สึกว่าตัวเองมีความหมายต่อเพื่อนร่วมงานน้อยลงเกือบครึ่ง

3. คนที่เชื่อใจ AI มาก มีแนวโน้มแทนที่เพื่อนร่วมทีมมากกว่า 2.2 เท่า

คำถามต่อมาคือใครมีแนวโน้มแทนที่เพื่อนร่วมทีมด้วย AI มากที่สุด BetterUp พบว่าพนักงานที่เชื่อใจ AI สูงมีโอกาสแทนที่เพื่อนร่วมทีมมากกว่าคนอื่น 2.2 เท่า หมายความว่ากลุ่มที่องค์กรมองว่าเป็นผู้ใช้ AI ตัวท็อป อาจเป็นจุดเสี่ยงด้านการประสานงานมากที่สุดด้วย ขณะเดียวกัน พฤติกรรมนี้ก็พบได้พอๆ กันในทุกช่วงอายุ ทุกระดับตำแหน่ง และทุกอุตสาหกรรม จึงไม่ใช่ปัญหาของคนกลุ่มใดกลุ่มหนึ่ง

ทุกคนตัดสินใจถูก แต่ทีมกลับแย่ลง

สิ่งที่ทำให้ Relationslipping แก้ยาก คือไม่มีใครในเรื่องนี้ทำผิด การถาม AI ได้คำตอบทันที ไม่ต้องรบกวนใคร และในมุมของแต่ละคนก็เป็นการตัดสินใจที่สมเหตุสมผล นักวิจัยอธิบายไว้ว่า

"Everyone is acting sensibly on their own and the group is worse off for it." 

(ทุกคนต่างทำสิ่งที่สมเหตุสมผลในแบบของตัวเอง แต่ภาพรวมของกลุ่มกลับแย่ลง)

อีกปัจจัยหนึ่งคือนิสัยของ AI เอง เพราะ AI มักคล้อยตาม ยืนยัน และสนับสนุนความคิดของผู้ใช้ เมื่อเทียบกันแล้ว การคุยกับคนจริงซึ่งมีทั้งการแย้งและแรงเสียดทานจึงรู้สึกยากขึ้น

"AI is agreeable. It affirms and validates, which can make human interactions, with their pushback and friction, feel harder by comparison." 

(AI เป็นมิตรและคล้อยตามเสมอ มันยืนยันและเห็นด้วยกับเรา ซึ่งทำให้การปฏิสัมพันธ์กับมนุษย์ที่มีทั้งการโต้แย้งและแรงเสียดทาน รู้สึกยากขึ้นเมื่อเทียบกัน)

ปัญหายิ่งหนักขึ้นเมื่อองค์กรเร่งให้พนักงานใช้ AI อย่างรวดเร็ว เพราะความสำเร็จถูกวัดจากจำนวนคนที่ใช้ AI ได้ดี ไม่ใช่จากการที่ทีมยังทำงานร่วมกันได้ดีอยู่หรือไม่

ผลสำรวจ Miro 9,500 คน: AI ทำให้เร็วขึ้น แต่ทีมยังไม่ได้ดีขึ้น

ภาพเดียวกันนี้ปรากฏในรายงาน The State of Intelligent Collaboration ของ Miro ซึ่งสำรวจผู้บริหารและพนักงานกว่า 9,500 คนในอเมริกาเหนือ ละตินอเมริกา ยุโรป และเอเชียแปซิฟิก โดย 73% บอกว่า AI ทำให้ผลิตงานได้เร็วขึ้น แต่มีเพียง 56% ที่บอกว่าคุณภาพงานดีขึ้นด้วย

ต้นเหตุส่วนหนึ่งอยู่ที่วิธีใช้งาน เพราะ 69% บอกว่างานส่วนใหญ่ที่ทำด้วย AI เกิดขึ้นในการใช้งานส่วนตัว ไม่ใช่ในพื้นที่ที่ทีมเห็นร่วมกัน ทีมจึงมักตัดสินใจโดยไม่มีบริบทครบถ้วน ผลที่ตามมาคือ 44% บอกว่าวัฒนธรรมองค์กรร่วมมือกันน้อยลง 59% มีงานที่ AI สร้างให้ต้องตรวจทานมากขึ้น และ 55% ต้องรับมือกับงาน AI คุณภาพต่ำ (AI Slop) ที่ต้องมีคนคอยตามแก้มากขึ้น นอกจากนี้ 60% ยังบอกว่า AI ทำให้ขอบเขตของแต่ละตำแหน่งงานที่เคยชัดเจนเริ่มพร่าเลือน

6 ทางออกที่ช่วยให้ทีมยังเป็นทีมในยุค AI

ข่าวดีคือทั้งสองทีมวิจัยไม่ได้เสนอให้เลิกใช้ AI แต่เสนอวิธีปรับให้การใช้ AI ไม่ทำให้ทีมหลุดจากกัน

1. คุยกับทีมทุกวัน แม้จะผ่านช่องทางออนไลน์

การติดต่อกันสม่ำเสมอเป็นเกราะป้องกันที่ได้ผลที่สุด แม้จะเป็นการสื่อสารแบบไม่พร้อมกัน (Asynchronous) ผ่าน Slack อีเมล Teams หรือ Zoom ก็ตาม BetterUp พบว่าแม้ในกลุ่มที่ใช้ AI แทนเพื่อนร่วมทีม หากยังติดต่อกับทีมทุกวัน การประสานงานจะดีขึ้น 28% และความไว้ใจเพิ่มขึ้น 19%

2. วัดความสำเร็จของ AI ที่ระดับทีม ไม่ใช่รายบุคคล

Miro แนะนำให้ใช้ขั้นตอนการทำงานที่ทีมใช้ร่วมกัน (Shared Workflows) เป็นหน่วยในการนำ AI มาใช้ แทนการปล่อยให้แต่ละคนเลือกเครื่องมือตามความชอบส่วนตัว และควรตัดสินใจจากข้อมูลชุดเดียวกันที่ทุกคนเห็น ไม่ใช่จากข้อมูลที่ไม่ครบ

3. ผูกแรงจูงใจเข้ากับผลงานของทีม

BetterUp ชี้ว่าระบบแรงจูงใจในปัจจุบันให้รางวัลกับผลงานรายบุคคลที่ทำด้วย AI มากกว่าความสำเร็จร่วมกันของทีม พนักงานจึงแทบไม่มีเหตุผลให้คิดว่างานของตัวเองกระทบทีมอย่างไร ผู้นำจึงต้องออกแบบแรงจูงใจใหม่ เพื่อสร้าง 'ทีมที่ใช้ AI เป็น' แทนที่จะสร้างเพียง 'คนที่ใช้ AI เก่ง'

4. วางระบบกำกับดูแลให้เป็นค่าเริ่มต้น

Miro แนะนำให้กำหนดผู้รับผิดชอบการกำกับดูแล AI (AI Governance) ให้ชัดเจน ตรวจสอบว่าองค์กรใช้เครื่องมืออะไรอยู่แล้วบ้าง และเลือกแพลตฟอร์มที่ควบคุมสิทธิ์ได้ละเอียดพร้อมความปลอดภัยระดับองค์กร โดยมองการกำกับดูแลเป็นตัวช่วยให้ขยายผลได้ ไม่ใช่ตัวเบรก

5. ใช้ AI ซ้อมบทสนทนา ไม่ใช่ใช้แทนบทสนทนา

แทนที่จะใช้ AI เพื่อเลี่ยงการคุยกับคน BetterUp เสนอให้ใช้ AI ช่วยเตรียมตัวก่อนบทสนทนาที่กังวล โดยการจำลองบทสนทนา (Role-play) กับ AI เพียง 5 นาทีก่อนคุยเรื่องยาก ช่วยลดความกังวล เพิ่มความมั่นใจ และทำให้รู้สึกพร้อมมากขึ้น

6. ลงทุนกับคนควบคู่กับการลงทุนกับ AI

ข้อสุดท้ายจาก Miro คือต้องมีแผนรับมือผลกระทบในการทำงานประจำวัน ทั้งภาระตรวจทานงาน งาน AI คุณภาพต่ำ บทบาทงานที่พร่าเลือน และความรู้สึกเชื่อมโยงกับที่ทำงานที่ลดลง การกำหนดความคาดหวังให้ชัดว่าควรใช้ AI อย่างไร และแต่ละตำแหน่งจะเปลี่ยนไปแบบไหน จะช่วยดูแลทั้งสุขภาวะของพนักงานและผลลัพธ์ของงาน

ทั้งหมดนี้วนกลับมาที่ข้อสรุปของทีมวิจัย BetterUp ที่ว่า องค์กรประสบความสำเร็จในการสร้างคนที่ใช้ AI เป็น แต่กำลังสูญเสียความสามารถในการทำงานเป็นทีมไปพร้อมกัน

"We've developed AI-literate individuals with greater capacity, but their ability to work as a team is deteriorating." 

(เราสร้างคนที่ใช้ AI เป็นและทำงานได้มากขึ้นแล้ว แต่ความสามารถในการทำงานเป็นทีมกลับกำลังถดถอยลง)

โจทย์ต่อจากนี้จึงไม่ได้หยุดอยู่ที่การทำให้ทุกคนใช้ AI ได้ แต่อยู่ที่การทำให้คำถามบางข้อยังถูกส่งไปหาเพื่อนร่วมทีม ไม่ใช่ส่งไปหา AI ทั้งหมด

ที่มา: Forbes, Harvard Business Review, BetterUp, Miro, CX Magazine