Seeing AGI (8): การเกิดใหม่ของบทบาทมนุษย์
เมื่อไม่นานมานี้ผมไปร่วมงาน Delight Spark ที่ San Francisco และมีบทสนทนาหนึ่งที่ติดอยู่ในหัวผมไปอีกนานหลังจบงาน เป็นเรื่องเกี่ยวกับ AI organizations
ตลอดบทความ Seeing AGI เจ็ดตอนที่ผ่านมา ผมเขียนเรื่องการมาถึงของ AGI, vibe working, และระบบ multi-agent ไว้แล้ว แต่คำถามหนึ่งที่ผมกลับมาตั้งซ้ำ ๆ นั้นเรียบง่ายกว่านั้น คือ บทบาทของมนุษย์ในองค์กรจะเป็นอย่างไรต่อไป? ก่อนที่ AI จะเขียน org chart ใหม่ มันเขียนตัวคนใหม่ก่อน
หลายบริษัทยังมอง AI เป็นแค่ software upgrade ให้คนคนเดิมในงานเดิม ๆ นั่นคือมุมมองที่ผิด AI ไม่ได้แค่ทำให้งานเร็วขึ้น มันกำลังเปลี่ยนว่าใครทำอะไร ใครเป็นเจ้าของ context และ judgment เคลื่อนผ่านระบบอย่างไร
ทุกคลื่น technology เปลี่ยนบทบาทของมนุษย์
เมื่อคนเจอ technology ที่เป็น breakthrough พวกเขามักคิดว่างานของตัวเองจะยังเหมือนเดิมเป๊ะ แค่เร็วขึ้น ประวัติศาสตร์บอกเราว่ามันเป็นภาพลวง
สิ่งแรกที่เปลี่ยนแทบไม่ใช่ org chart บนกระดาษ สิ่งแรกที่เปลี่ยนคือคนทำอะไรตลอดทั้งวัน พวกเขาพึ่งพาใคร รายงานต่อใคร และระบบให้รางวัลกับ judgment แบบไหนกันแน่
ดังนั้นถ้าเราอยากเข้าใจ AI ให้ชัด เราไม่ควรถามแค่ว่า model ทำอะไรได้บ้าง เราควรถามด้วยว่าคลื่น technology ก่อนหน้านี้ทำอะไรกับ "ตัวงาน" เอง
ไฟฟ้าไม่ได้แค่ทำให้โรงงานทันสมัย แต่มันเปลี่ยนคนข้างในด้วย
บทเรียนชื่อดังของยุค electrification ไม่ได้อยู่แค่ที่ว่าไฟฟ้าทรงพลัง แต่อยู่ที่ว่า adoption คลื่นแรกให้ผลน้อยกว่าคาด เพราะโรงงานเก็บผังเดิมไว้ เจ้าของแค่เปลี่ยน steam engine เป็น dynamo แต่ logic ของพลังงานแบบรวมศูนย์ยังเหมือนเดิม line shafts เดิม สายพานเดิม และ geometry ของการผลิตเดิม
การก้าวกระโดดจริงเกิดขึ้นทีหลัง เมื่อโรงงานเริ่มใช้ unit drive — มอเตอร์ไฟฟ้าแยกที่ระดับเครื่องจักรแต่ละเครื่อง ตอนนั้นเองที่ตัวอาคารเปลี่ยนได้ การวางผังแบบชั้นเดียวก็ง่ายขึ้น เครื่องจักรไม่จำเป็นต้องจัดเรียงตามแกน mechanical หลักอันเดียวอีกต่อไป workflow ออกแบบใหม่ได้รอบ ๆ ความเร็ว ความปลอดภัย และความเชี่ยวชาญเฉพาะทาง
และพอโรงงานเปลี่ยน บทบาทมนุษย์ก็เปลี่ยนตามไปด้วย logic เก่าของห้องเครื่องกลาง ผังที่ขับเคลื่อนด้วยเพลา และการบำรุงรักษาที่สร้างรอบแหล่งพลังงานเดียว ค่อย ๆ จางหายไป สิ่งที่เข้ามาแทนคือความต้องการใหม่สำหรับ electricians, electrical engineers, factory planners และ operations management แบบใหม่ Paul David เขียนไว้ว่า electrification ระดับใหญ่ต้องสร้าง "กลุ่ม factory architects และ electrical engineers ที่มีประสบการณ์" ขึ้นมา จุดสำคัญอยู่ตรงนี้แหละ แหล่งพลังงานใหม่ไม่ได้แค่ทำให้คนเก่าทำงานเร็วขึ้น มันสร้าง specialist ชุดใหม่ relationship การรายงานชุดใหม่ และ logic การทำงานชุดใหม่
Computer ไม่ได้แค่ automate office แต่สร้างบทบาทด้านข้อมูลใหม่ทั้งชุด
ยุค computer ก็ทำในแบบเดียวกัน ก่อนการ computerization องค์กรขนาดใหญ่อาศัย clerk, typist, filing staff, bookkeeper และ machine operator หลายชั้นในการขยับข้อมูลด้วยมือ แล้วก็มี data-processing department, keypunch operator, programmer, systems analyst และต่อมาคือ database administrator และ IT manager ตามมา
บางบทบาทหดเล็กลง บางบทบาทโผล่ขึ้นมาจากที่ที่ไม่เคยมี Keypunch operator กลายเป็นอาชีพที่จับต้องได้ในยุค punch card ก่อนจะค่อย ๆ หายไปเมื่อ direct computing แพร่หลาย ในเวลาเดียวกัน systems analyst ก็ก่อตัวเป็นบทบาทเชื่อมแบบใหม่ — คนที่เข้าใจ business ออกแบบ system เตรียม diagram ให้ programmer และแปลง needs ของฝ่ายบริหารเป็นโครงสร้าง technical ได้ บทบาทนี้จะเข้าท่าก็ต่อเมื่ออยู่ในโลกที่ software กลายเป็นส่วนหนึ่งของวิธีคิดของบริษัท
สิ่งนี้เปลี่ยน reporting line ด้วย พอ information system กลายเป็นแกนกลางของ operations บริษัทก็สร้าง MIS และ IT organization, ชั้นของ project management, systems team และต่อมาคือ enterprise software function อำนาจไหลผ่าน information architecture มากขึ้นเรื่อย ๆ ไม่ใช่แค่ผ่าน operation ที่จับต้องได้
Software สร้างองค์กร product สมัยใหม่ขึ้นมา
จากนั้นยุค software ก็เพิ่มอีกชั้นเข้ามา เมื่อความซับซ้อนของ software ระเบิดขึ้น องค์กรก็แตกอีกครั้ง Product management ผุดขึ้นมาเพื่ออุดช่องว่างระหว่าง business, user และ engineering ใน software การตลาด product อย่างเดียวไม่พอ ต้องมีคนตัดสินใจว่าจะสร้างอะไร แปลง user scenario และอยู่ติดกับ engineering ตลอดทั้ง cycle
UX และ interaction design เติบโตเต็มที่เมื่อ personal computing และต่อมาคือ web ทำให้ usability เป็นเรื่องที่หลีกเลี่ยงไม่ได้ในเชิงเศรษฐกิจ Quality assurance กลายเป็น function แยกเพราะ testing ไม่อาจอยู่แค่ในหัวของ programmer ได้อีกแล้ว ต่อมา Agile และ DevOps ก็เริ่มลบเส้นพวกนี้อีกครั้ง ดึง tester เข้ามาใน cycle ตั้งแต่ต้น และทำให้ quality เป็นความรับผิดชอบร่วม
ดังนั้นโครงสร้าง PM, Designer, Developer และ Tester ไม่ได้ถูกธรรมชาติส่งมาให้ มันเป็นของยุค software engineering ก่อนหน้า เป็นการตอบสนองอย่างมีเหตุผลต่อขีดจำกัดของการสื่อสารระหว่างมนุษย์ ความรู้ที่กระจัดกระจาย manual coding และ feedback loop ที่ช้ากว่าปัจจุบัน
Assembly line แบบเก่าถูกสร้างเพื่อโลกอีกใบ
พอเห็นประวัติศาสตร์นั้นชัดเจน org chart ของ software ในตอนนี้ก็ดูถาวรน้อยลงมากกว่าที่คนส่วนใหญ่คิด มันเป็นเพียงชั้นล่าสุดของ technological reorganization ที่ต่อเนื่องกันมายาวนาน
ในโลก software แบบเก่า project ต้องอาศัยกอง specialized function หลายชั้นก่อนจะขยับได้แม้แต่นิ้วเดียว Logic การรายงานมักสะท้อน workflow ตรง ๆ คือ product ผลิต requirement, design แปลง requirement, engineering build, QA validate และ management coordinate handoff ระหว่าง silo เหล่านั้น
ลองนึกถึงสิ่งที่ PM เคยทำ พวกเขาใช้เวลาเป็นสัปดาห์เขียน specification document ใหญ่ ๆ ยี่สิบหน้าเพื่อโยนข้ามกำแพง Designer ใช้เวลาอีกหลายสัปดาห์ขยับ pixel ด้วยมือเพื่อแปลง spec เป็น mockup Developer หยิบ mockup ไปแล้วใช้เวลาเป็นเดือน ๆ พิมพ์ boilerplate code สุดท้าย Tester ก็ใช้เวลาเป็นสัปดาห์ตามล่าหา misalignment และ bug
โครงสร้างนั้นเข้าท่าตอนที่แต่ละขั้นต้องทำโดย specialist คนละคนที่ใช้เครื่องมือคนละแบบ และ transition ระหว่างกันมีต้นทุนสูง Handoff ไม่ได้เป็นแค่ระเบียบราชการ มันคือวิธีที่ระบบปกป้องตัวเองจากความซับซ้อน
แต่พอ AI agent สามารถช่วย generate code, ร่าง UI, สร้าง test case และบีบ iteration ลงเหลือไม่กี่นาที โครงสร้างเดิมก็เริ่มต้านตัวเอง Handoff เปลี่ยนจากกลไกป้องกัน กลายเป็น drag ล้วน ๆ
"AI transformation" ส่วนใหญ่ในวันนี้ยังติดอยู่ตรงนี้ บริษัทยื่น AI writing tool ให้ PM, AI design tool ให้ Designer และ AI coding tool ให้ Developer แต่ยังคง reporting line เดิมและการแบ่งงานแบบเดิม นี่คือการต่อแหล่งพลังงานใหม่เข้ากับเครื่องจักรเก่า
นั่นคือเหตุผลที่ผมเชื่อว่าครึ่งแรกของเรื่องนี้สำคัญมาก AI ไม่ใช่ technology ตัวแรกที่จัดเรียงงานใหม่ แต่อาจเป็นตัวแรกที่ทำเรื่องนี้ด้วยความเร็วระดับนี้ พร้อมกับยุบ knowledge role จำนวนมหาศาลเข้ามาอยู่ในจังหวะ execution เดียวกัน
สิ่งที่ผมเห็นในตัว Genspark
ภายใน Genspark ผมเห็นชั้นถัดไปของประวัติศาสตร์นั้นถูกเขียนแบบ real time แล้ว ตอนนี้เราเป็นองค์กรประมาณ 70 คน โครงสร้างของเราแบนแบบไม่ปรานี
เราไม่จัด project ด้วย department ขนาดใหญ่หลายสาขาวิชา project ส่วนใหญ่ของเราถูก execute โดย agile pod ขนาดแค่ 1 ถึง 3 คน เพราะ workflow ถูกบีบเข้า คนทำงานก็อยู่ใกล้สายโซ่การสร้างคุณค่าทั้งห่วงโซ่อย่างใกล้ชิด
เรื่องนี้เริ่มตั้งแต่วันแรก พนักงานใหม่ไม่ถูกซ่อนไว้ใน role แคบ ๆ และไม่ถูกบังคับให้นั่งอ่าน documentation เป็นเดือน เขาถูกผลักออกแนวหน้าทันที เราเห็นเป็นปกติว่าคนสามารถ ship functionality ที่จริงและซับซ้อนได้ตั้งแต่สัปดาห์แรกที่เข้ามา แม้แต่สมาชิกในทีมที่ไม่เคยเขียน code แม้แต่บรรทัดเดียวก่อนเข้าร่วม ก็กำลัง launch feature อยู่
ในยุคก่อนหน้า เรื่องนี้คงฟังดูบ้าบิ่นหรือเป็นไปไม่ได้ ในยุคนี้ มันคือ baseline คนที่ทะเยอทะยานเติบโตได้ดีที่นี่ เพราะพวกเขาไม่ติดอยู่ในกล่องเดียวอีกต่อไป
บทบาทกำลังเปลี่ยนยังไงจริง ๆ
เมื่อ workflow ถูกบีบขนาดนี้ บทบาททาง professional ไม่ได้หายไป มันกลายพันธุ์ มันยกระดับขึ้น
PM: จากคนเขียน Spec สู่ System Director
PM ไม่ใช้เวลาเป็นสัปดาห์เขียน document แบบ static ให้คนอื่นไปตีความอีกแล้ว เขาใช้ AI สร้าง prototype สดทันที เขากำลัง steer ระบบ test logic แบบ real-time และเป็นเจ้าของผลลัพธ์ปลายทาง ไม่ใช่แค่เป็นเจ้าของ requirement
Designer: จากผู้แปล Front-End สู่ผู้พิพากษาขั้นสุดท้าย
การเปิดตัว Genspark Design ของเราเมื่อไม่นานมานี้คือตัวอย่างที่ชัดที่สุด ในกระบวนการเก่า Designer คือผู้แปลที่ถูกโหลดงานไว้ตอนต้น เขาต้องวาดหน้าจอด้วยมือก่อนคนอื่นจะเริ่ม build ได้ ทุกวันนี้ เส้นทางจาก idea ที่นามธรรม ไปถึง design ที่สมบูรณ์ ไปถึง product ที่ launch แล้ว เป็นเส้นต่อเนื่อง
เพราะ AI สามารถสร้าง functional prototype ความละเอียดสูงเป็นโหลในไม่กี่วินาที บทบาทของ Designer จึงขยับไปอยู่ท้าย pipeline เขากลายเป็นผู้พิพากษา เขาตั้ง quality bar เขาปกป้องระดับ taste เขา sign off บนประสบการณ์ เขาตัดสินว่า iteration ของ AI ตัวไหนมี soul ที่เหมาะกับ brand
Developer: จากคนพิมพ์ Code สู่ System Architect
สัปดาห์แรกของ developer ไม่ใช่เรื่องการตั้ง local environment และอ่าน codebase เก่าอีกต่อไป มันคือเรื่องการ ship เขาใช้เวลาน้อยลงกับการพิมพ์ boilerplate และใช้เวลามากขึ้นกับการ architect logic, ไกด์ agent และแก้ปัญหาเชิงโครงสร้างที่ลึกซึ่ง AI ยังมองไม่เห็น
Tester: จากผู้คุมประตู Manual สู่ Agent Infrastructure Engineer
ใน workflow แบบ AI-native ทุกคนกลายเป็น tester ของ feature ตัวเอง คนที่ build feature ก็ generate case, check edge condition, validate ประสบการณ์ และตัดสินว่ามันพร้อม ship หรือยัง Testing ไม่ได้นั่งอยู่ปลายห่วงโซ่เป็น gate แยกอีกต่อไป มันกลายเป็นส่วนหนึ่งของการ author เอง
นั่นไม่ได้แปลว่า tester แบบเดิมหายไป บทบาทขยับขึ้นไปอีกระดับ มันกลายเป็นบทบาทเชิง infrastructure แทนที่จะมานั่ง check ทุกหน้าจอด้วยมือหลังจากที่ทุกอย่างทำเสร็จแล้ว คนนี้ช่วยให้แน่ใจว่าเมื่อ feature ถูก ship ไปทั่วทีม ระบบยังคงเสถียร observable และเชื่อถือได้ใน production
ในแง่นั้น tester แบบใหม่ดูเหมือน infrastructure engineer สำหรับ quality มากกว่า เขาสร้าง framework, guardrail, monitoring, evaluation loop และ release logic ที่ทำให้ทั้งองค์กรน่าเชื่อถือมากขึ้น เขายังช่วยสร้าง infrastructure ที่ agent-friendly มากขึ้น เพื่อให้ AI เข้ามามีส่วนใน testing, debugging และการพัฒนาอย่างต่อเนื่องได้อย่างมีประสิทธิภาพมากขึ้น
ในทุกสายงาน แนวโน้มเหมือนกันเป๊ะ: judgment กำลังสำคัญกว่า handoff อย่างมาก ความเป็นเจ้าของ context กำลังมีค่ามากกว่าความเชี่ยวชาญแบบแคบ
CEO: จาก Chief Executive Officer สู่ Chief Context Officer
พอคุณเห็นว่า AI กำลัง recombine บทบาทอย่างลึกซึ้งแค่ไหน คุณจะหยุดอยู่แค่ PM, Designer, Developer และ Tester ไม่ได้ CEO ก็ถูกเขียนใหม่ด้วย
ในโมเดลบริษัทแบบเก่า scale ผลัก CEO ออกห่างจากตัวงาน องค์กรกลายเป็นพิเศษเฉพาะทางเกินไป มีชั้นเยอะเกินไป และเชื่องช้าเกินไป งานของ CEO กลายเป็นการบริหารความซับซ้อนผ่านคนอื่น
ระยะห่างนั้นไม่ใช่เรื่องของ personality มันเป็นเชิงโครงสร้าง ในหลายบริษัท CEO ไม่สามารถแตะ product โดยตรงได้อีกต่อไป เพราะงานถูกแบ่งแยกไปอยู่ใน function, meeting และ handoff มากเกินไป
AI ทุบโมเดลนั้นทิ้ง CEO ที่ยอมเรียนรู้สามารถก้าวกลับเข้าไปในตัวงานได้ เขาสามารถสำรวจ product idea, review prototype, test flow, ท้าทายสมมติฐาน และแม้กระทั่งช่วยขับเคลื่อน execution ด้วย AI ได้ ไม่ใช่เพราะ CEO ควรกลับมาเป็น micromanager อีก แต่เพราะกำแพงระหว่าง leadership และการสร้างสรรค์กำลังบางลง
ดังนั้นงานเปลี่ยน CEO ในยุค AI เริ่มดูเหมือน Chief Executive Officer น้อยลง และเหมือน Chief Context Officer มากขึ้น บทบาทคือกำหนดทิศทาง ทำให้ judgment ชัดเจน เลื่อน decision right เข้าใกล้ขอบมากขึ้น และออกแบบ interface ที่ปล่อยให้ pod เล็ก ๆ ขยับด้วยความเป็นเจ้าของจริง ๆ
ในโมเดลเก่า อำนาจมาจากระยะห่างและการควบคุม ในโมเดลใหม่ อำนาจมาจาก context, taste, ความชัดเจน และความสามารถในการช่วยให้องค์กรคิดและขยับเป็น system เดียว และเมื่อ CEO เปลี่ยน องค์กรจะเหมือนเดิมไม่ได้ Role rewrite กลายเป็น org rewrite อย่างเป็นธรรมชาติ
องค์กรใหม่ไม่ใช่แค่แบนกว่าเดิม แต่มีโครงสร้างที่ต่างไป
ผมไม่คิดว่าคำที่ถูกต้องสำหรับบริษัทแบบใหม่นี้คือแค่ "flat" Flat แปลว่ามีชั้นน้อยลงเฉย ๆ สิ่งที่เรากำลังเห็นคือการเปลี่ยนแปลงที่ลึกกว่านั้น หน่วยพื้นฐานขององค์กรไม่ใช่ function อีกต่อไป มันคือ pod
ในโครงสร้างเก่า บริษัทถูกสร้างรอบ department Product นั่งอยู่ที่หนึ่ง Design นั่งอีกที่ Engineering นั่งอีกที่ QA นั่งท้ายสุด Org chart สะท้อนห่วงโซ่ handoff ตรง ๆ
ในโครงสร้างใหม่ บริษัทเริ่มดูเหมือน network ของ pod เล็ก ๆ ที่มี context สูง pod ขนาด 1 ถึง 3 คนทำงานใกล้กับปัญหา ใกล้กับ user และใกล้กับ AI มันเป็นเจ้าของส่วนใหญ่ของห่วงโซ่ตั้งแต่ idea ถึง release มันแบก context มากขึ้น มันตัดสินใจมากขึ้น มันรอน้อยลง
ในบริษัทขนาดหลายพันคน เรื่องนี้คงไม่ใช่ว่า CEO คนเดียวสัมผัส pod หลายร้อยตัวโดยตรง แบบนั้นไม่ scale เวอร์ชันที่ scale ได้คือ network ของ network: pod ถูกจัดเป็น mission cluster ที่ยึดเข้าด้วยกันด้วย context ร่วม taste ร่วม ความชัดเจนร่วม และ system design ร่วม ชั้นของ leadership ยังมีอยู่ แต่งานเปลี่ยน พวกเขาไม่ใช่คอขวดของการอนุมัติอีกต่อไป พวกเขากลายเป็น context router, interface designer และตัวคูณกำลัง ในโมเดลนั้น CEO ไม่ได้บริหารทุก pod CEO กำลังออกแบบ architecture ที่ปล่อยให้หลาย pod ขยับอย่างสอดคล้องกัน โดยไม่ต้องรื้อระบบราชการเก่าขึ้นมาใหม่ AI-native scale หน้าตาเป็นแบบนั้น ไม่ใช่ pyramid ที่แบนกว่า แต่เป็น system คนละแบบ
พอเป็นแบบนั้น hierarchy เลิกเป็นกลไก coordination หลัก Context กลายเป็นกลไก coordination หลักแทน คำถามที่สำคัญที่สุดไม่ใช่ "ใครรายงานต่อใคร?" อีกต่อไป มันกลายเป็น "ใครถือ context จริง ๆ และใครมี judgment ที่จะลงมือกับมัน?"
เรื่องนี้เปลี่ยนด้วยว่าชั้น leadership มีไว้ทำอะไร ในโลกเก่า middle management ส่วนใหญ่มีอยู่เพื่อแปล สรุป coordinate และเคลื่อนข้อมูลข้ามเส้น functional ในโลกใหม่ บทบาทเหล่านั้นจะมีค่าก็ต่อเมื่อมันวิวัฒน์เป็น system builder, quality reviewer, talent coach และ cross-pod integrator ผู้จัดการแบบสายพานส่งต่อจะมีความสำคัญน้อยลงเรื่อย ๆ
สรุปในประโยคเดียว องค์กร AI-native คือ network ของ pod เล็ก ๆ ที่มีความเป็นเจ้าของ context สูง สนับสนุนโดย AI agent จัดแนวด้วย judgment ร่วม และเชื่อมโยงด้วย interface ที่เบา ไม่ใช่ hierarchy ที่หนัก
หน้าต่างของการเขียนบริษัทใหม่
ถ้า role rewrite นำไปสู่ CEO rewrite และ CEO rewrite นำไปสู่ org rewrite นี่ก็ไม่ใช่ tooling upgrade มันคือ company rewrite ดังนั้นหยุดจ้องแต่ AI stack ของคุณ ดูที่คนของคุณ ดูที่โครงสร้างของคุณ
ถามคำถามที่ยากกว่านั้น คนของคุณยังติดอยู่ในบทบาทแปลแบบแคบ ๆ อยู่ไหม? สมองที่ดีที่สุดของคุณยังเตรียม handoff แทนที่จะตัดสินใจอยู่หรือเปล่า? Org chart ของคุณยังถูกสร้างไว้สำหรับห่วงโซ่ PM-Designer-Developer-Tester แบบเก่าอยู่ไหม? Decision right ยังอยู่ไกลจากคนที่ถือ context จริงเกินไปไหม?
การซื้อสิทธิ์เข้าใช้ AI ง่าย การเปลี่ยนแปลงจริงยากกว่า มันหมายถึงการออกแบบ role ใหม่ ผลัก ownership เข้า pod เล็ก ๆ สร้าง infrastructure ใหม่รอบ agent และนิยาม leadership ใหม่ทั้งหมด
ผู้ชนะของยุคนี้ไม่ได้แค่ใช้ model ที่ดีกว่า เขา rebuild ตัวเองเร็วกว่า เขาแทน handoff chain ด้วย pod network เขาขยับ context ไปยังขอบ เขายกระดับ bar ของ judgment
AI ไม่ได้แค่เขียน task ใหม่ มันกำลังเขียนบริษัทใหม่ หน้าต่างเปิดอยู่ตอนนี้ มันจะไม่เปิดอยู่นาน