ฉันจำได้ครั้งแรกที่ฉันได้ยินคำว่า "AI mōyú xué"—ทฤษฎีการทำงานแบบเฉื่อยของ AI มันถูกพูดถึงในวงการเทคโนโลยีจีนประมาณปี 2023 และมันอธิบายปรากฏการณ์ที่ทั้งน่าขำและน่าเศร้าในเวลาเดียวกัน
นี่คือวิธีการทำงาน: พนักงานโรงงานเข้าถึงเครื่องมือ AI รายงานที่เคยใช้เวลาสี่ชั่วโมงตอนนี้ใช้เวลาเพียงยี่สิบนาที แล้วเขาจะทำอะไรกับเวลาที่เหลืออีกเจ็ดชั่วโมงสี่สิบ นาที? เขาแกล้งทำเป็นพิมพ์ เขาจ้องมองหน้าจออย่างคิดลึก เขาใช้เวลาพักในห้องน้ำอย่างยาวนาน แล้วในเวลา 17:59 น. เขาส่งรายงานที่สมบูรณ์แบบและกลับบ้าน
พนักงานรู้สึกตื่นเต้น—เขาได้รับเงินเพื่อทำอะไรเลย เจ้านายรู้สึกสับสน—ทุกคนดูเหมือนจะมีประสิทธิภาพมากขึ้น แต่ตัวเลขรายไตรมาสกลับดูเหมือนเดิมกับปีที่แล้ว
ฉันหัวเราะเมื่อได้ยินเรื่องนี้ครั้งแรก จากนั้นฉันก็หยุดหัวเราะเพราะฉันตระหนักว่า: นี่ไม่ใช่เรื่องราวเกี่ยวกับพนักงานขี้เกียจ แต่มันเป็นเรื่องราวเกี่ยวกับองค์กรที่โง่เขลา
ฉันนึกถึงทั้งหมดนี้เมื่อสัปดาห์ที่แล้วเมื่อฉันอ่าน รายงานระบบนิเวศ OpenClaw จีน 2026—การศึกษาร่วมระหว่าง Growth Blackbox และ NetEase Intelligence Enterprise พวกเขาสำรวจผู้ใช้รายบุคคล 2,000 คนและผู้จัดการองค์กร 100 คน และข้อมูลยืนยันสิ่งที่ฉันรู้สึกมาหลายปี: จุดบอดในการจัดการที่แท้จริงในยุค AI ไม่ใช่เครื่องมือ แต่เป็นความแตกต่างของความเร็วช่องว่างระหว่างความเร็วที่บุคคลสามารถเคลื่อนที่ได้และความช้าในการเปลี่ยนแปลงขององค์กร
นี่คือสามสิ่งที่ติดอยู่ในใจฉัน—และสิ่งที่Mercury ทำเกี่ยวกับเรื่องนี้.
1. ไม่มีจุดเจ็บ ไม่มีการนำไปใช้
เจ้านายส่วนใหญ่คิดว่า: "ฉันจะซื้อเครื่องมือ AI ให้ทุกคน มันฟรีสำหรับพวกเขา ประหยัดความพยายาม พวกเขาจะรักมัน ผลผลิตจะพุ่งสูงขึ้น"
รายงานแบ่งผู้ใช้ 2,000 คนออกเป็นห้าหมวดหมู่:
- มือใหม่ชิมป์ (21.7%):ติดตั้งแล้ว แต่แทบไม่ใช้ เปิดครั้งหนึ่งต่อเดือนโดยบังเอิญ.
- คนทำงานชิมป์ (25.7%):ใช้เมื่อมีความจำเป็นในการทำงาน มิฉะนั้นจะปิดไว้ ใช้สามถึงห้าครั้งต่อสัปดาห์.
- ผู้ให้คำปรึกษาชิมป์ (22.9%):ใช้และช่วยเพื่อนร่วมงานตั้งค่า.
- ชิมป์ระดับสูง (21.2%):ฝังลึกในกระบวนการทำงาน การใช้งานประจำวัน
- Godfathers กุ้ง (8.6%):เซสชันประจำวันหลายครั้ง ได้ตั้งค่าให้กับเพื่อนร่วมงานสามคนขึ้นไป
ดูคุ้นเคยไหม? นี่คือสำนักงานของคุณ
นี่คือรายละเอียดที่สำคัญ: ในกลุ่ม Shrimp Newbies—ผู้ที่ติดตั้งมันและไม่เคยแตะต้องมันอีก—เปอร์เซ็นต์ที่สูงที่สุดคือผู้บริหารและผู้ก่อตั้งทำไม? เพราะพวกเขาไม่มีจุดเจ็บปวดในการทำงานเฉพาะที่รอการแก้ไข ใครบางคนติดตั้งมันให้พวกเขา พวกเขาไม่มีความรู้สึกอยากแก้ไข
ในทางกลับกัน ผู้ที่ใช้เครื่องมือจริงๆ มักจะถูกขับเคลื่อนโดยความต้องการงานเฉพาะ รายงานได้แบ่งปันปัจจัยที่กระตุ้นการนำไปใช้: 36.5% ถูกขับเคลื่อนโดยความต้องการในการทำงาน 30.7% โดยการเห็นกรณีการใช้งานของคนอื่น รวมกันแล้วคือ 67.2%—ผู้ใช้สองในสามมาพร้อมกับปัญหาในมือ
ผู้ที่นำไปใช้เพราะ "เพื่อนร่วมงานติดตั้งให้ฉัน"? ในทุกกรณีการใช้งาน—การจัดระเบียบเอกสาร การจัดตารางเวลา การวิเคราะห์ข้อมูล การเขียนโค้ด—พวกเขาแสดงให้เห็นถึง ความชอบเชิงลบพวกเขามีเครื่องมือ แต่ไม่เข้ากับที่ไหนเลย เหมือนกับเครื่องใช้ในครัวที่คุณไม่ได้ขอ แต่กลับนั่งอยู่ในลิ้นชัก
มุมมองของ Mercury:คุณไม่สามารถบังคับให้เกิดความอยากรู้ได้ คุณสามารถแค่เปิดเผยความเจ็บปวด
ที่ Mercury เมื่อเรานำระบบที่มีอำนาจไปใช้กับลูกค้า เราจะไม่เริ่มต้นด้วยเครื่องมือ เราจะเริ่มต้นด้วยจุดคอขวดเราจะติดตามทีมเป็นเวลาสามวันและค้นหางานเฉพาะที่ทำให้พวกเขาอยากลาออก—โดยปกติแล้วมันจะเป็นอะไรบางอย่างเช่น "การจัดทำรายงานข้อมูลเชิงแข่งขันประจำสัปดาห์" หรือ "การจัดรูปแบบข้อเสนอของลูกค้าเป็นครั้งที่สิบห้า" จากนั้นเราจะสร้างตัวแทนเพื่อจัดการกับงานเฉพาะนั้น
ปฏิกิริยาไม่เคยเป็น "โอ้ เทคโนโลยีที่น่าสนใจ" มันคือ"มันอยู่ที่ไหนมาตลอดอาชีพของฉัน?"
คุณไม่สามารถบอกพนักงานได้ว่า AI จะทำให้พวกเขามีประสิทธิภาพมากขึ้น 30% พวกเขาไม่สนใจ แต่บอกพวกเขาว่างานที่พวกเขาเกลียดทุกวันอังคารซึ่งใช้เวลาสามชั่วโมง ตอนนี้ใช้เวลาเพียงสิบห้าวินาที และดวงตาของพวกเขาจะเปลี่ยนไป มนุษย์ไม่ใช่ผู้ตัดสินใจที่มีเหตุผล เราคือเครื่องจักรหลีกเลี่ยงความเจ็บปวด งานของคุณในฐานะผู้นำไม่ใช่การซื้อเครื่องมือ แต่คือการสร้างสภาพแวดล้อมที่ความเจ็บปวดกลายเป็นสิ่งที่มองเห็นได้ ปฏิเสธไม่ได้ และเร่งด่วนพอที่ผู้คนจะค้นหาความบรรเทาเอง
2. ความเร็วของบุคคล ≠ ความเร็วของบริษัท
สมมติว่าคุณดำเนินธุรกิจการตัดไม้ที่มีคนตัดไม้ร้อยคน คุณให้เลื่อยโซ่คุณภาพสูงแก่ทุกคน บริษัทของคุณจะทำเงินได้มากขึ้นทันทีหรือไม่?
ไม่ เพราะการตัดต้นไม้เร็วขึ้น แต่การขนส่ง การตรวจสอบ และการบัญชีไม่ได้เปลี่ยนแปลง เวลาในการตัดที่คุณประหยัดได้จะถูกใช้ไปกับกระบวนการอื่นๆ
รายงานพบรูปแบบนี้อย่างชัดเจน พนักงานแนวหน้าเกือบทั้งหมดรายงานว่ารู้สึก "เบา" และ "เร็ว" ขึ้น แต่ในระดับบริษัท? ค่าใช้จ่ายและรายได้ไม่ได้เปลี่ยนแปลงอย่างมีนัยสำคัญ
ประสิทธิภาพไปไหน? มันถูกบริโภคโดยแรงเสียดทานใหม่การแก้ไขเพิ่มเติม การอนุมัติเพิ่มเติม รอบการตรวจสอบเพิ่มเติม
ลองนึกภาพดู: พนักงานคนหนึ่งเคยใช้เวลาทั้งวันในการเขียนโพสต์โซเชียลมีเดีย ตอนนี้เธอสามารถสร้างมันด้วย AI ในเวลาเพียงห้านาที เธอรู้สึกเหมือนกับว่าเธอเพิ่งติดจรวดไว้ที่หลังของเธอ แต่จากนั้นผู้จัดการอ่านมันและคิดว่า: "นี่รู้สึกเหมือน AI มันขาดความรู้สึกที่ทำด้วยมือ." ดังนั้นเขาจึงขอให้มีเวอร์ชันอีกสามเวอร์ชันที่ผสมกัน จากนั้น เนื่องจากทุกคนกลัวการหลอกหลอนของ AI เธอจึงใช้เวลาครึ่งวันในการตรวจสอบข้อเท็จจริงด้วยตนเอง จากนั้นฝ่ายกฎหมายต้องตรวจสอบเพราะโปรไฟล์ความเสี่ยงด้านการปฏิบัติตามกฎระเบียบได้เปลี่ยนไป จากนั้นฝ่าย IT ต้องการบันทึกว่าโมเดลไหนที่สร้างมันขึ้นมา
เธอใช้ AI เพียงห้านาที องค์กรใช้เวลาหนึ่งวันเพิ่มเติมในการประมวลผลห้านาทีเหล่านั้น โพสต์ยังคงถูกส่งออกไปหลังจากยี่สิบสี่ชั่วโมง
มุมมองของ Mercury: ประสิทธิภาพในยุค AI ไม่ได้เกี่ยวกับการทำให้ทุกคนเร็วขึ้น แต่มันเกี่ยวกับ การบีบอัดบทบาท.
รายงานได้เน้นกรณีจากทีมของ NetEase เอง กระบวนการพัฒนาผลิตภัณฑ์เก่าของพวกเขาคือ: ผู้จัดการผลิตภัณฑ์เขียนข้อกำหนด → นักออกแบบการโต้ตอบวาด wireframes → นักออกแบบภาพสร้าง mockups → นักพัฒนาส่วนหน้าใช้งาน สี่คน การส่งต่อแบบต่อเนื่อง.
พวกเขาได้ปรับโครงสร้างใหม่: ผู้จัดการผลิตภัณฑ์อธิบายความต้องการโดยตรง, AI สร้างต้นแบบเชิงโต้ตอบ, นักออกแบบตัดสินและ微调 (ปรับแต่ง) สี่โหนดกลายเป็นสองโหนด.
นี่คือสิ่งที่เราเรียกว่า การล่มสลายของกระบวนการ ที่ Mercury. คำถามไม่ใช่ "เราจะทำให้แต่ละคนเร็วขึ้น 30% ได้อย่างไร?" คำถามคือ: "การส่งมอบใดที่เราสามารถกำจัดได้ทั้งหมด?"
เมื่อเราสร้างสถาปัตยกรรมการทำงานที่มีความสามารถสำหรับลูกค้า เราจะไม่ทำแผนที่กระบวนการที่มีอยู่แล้วแล้วเพิ่ม AI เราจะทำแผนที่กระบวนการที่มีอยู่แล้วแล้ว ลบโหนด. หากเอเจนต์ AI สามารถสร้างร่างแรกของข้อเสนอได้ ทำไมผู้เขียนสำเนาอาวุโสยังคงมีอยู่ในห่วงโซ่นั้น? หากเอเจนต์สามารถรวบรวมข้อมูลเชิงแข่งขันจากแหล่งที่มาห้าสิบแห่งแบบเรียลไทม์ ทำไมผู้วิเคราะห์ถึงใช้เวลาช่วงเช้าของวันจันทร์ทำมันด้วยตนเอง?
ความจริงที่ไม่สบายใจ: หากคุณกำลังวัด ROI ของ AI โดยการนับจำนวนการนำเสนอที่พนักงานทำด้วย AI คุณกำลังวัดสิ่งที่ผิดอยู่ คำถามที่แท้จริงนั้นน่าเกลียดกว่า:
- กระบวนการใดที่เราสามารถลบออกได้ทั้งหมด?
- บทบาทใดที่ต้องออกแบบใหม่ ไม่ใช่แค่ฝึกทักษะใหม่?
- ตอนนี้ค่าใช้จ่ายในการสื่อสารมากกว่าผลประโยชน์ด้านประสิทธิภาพที่เพิ่มขึ้นที่ไหน?
หากคุณไม่สามารถตอบคำถามเหล่านั้นได้ คุณไม่ได้ซื้อ AI คุณซื้อเลื่อยยนต์ราคาแพงร้อยตัวและยังคงดำเนินการตัดไม้แบบเดิมอยู่.
3. ช่องว่างในการบริหารจัดการ: พนักงานได้หายไปแล้ว
นี่คือสิ่งที่ควรทำให้ CTO ทุกคนตื่นตัวในตอนกลางคืน.
รายงานพบว่าหลังจากพนักงานเริ่มใช้เครื่องมือ AI ด้วยตนเอง จะใช้เวลาสองถึงสี่สัปดาห์ ก่อนที่ฝ่าย IT หรือฝ่ายปฏิบัติตามกฎจะสังเกตเห็น คิดเกี่ยวกับเรื่องนี้ สำหรับครึ่งเดือน พนักงานกำลังใช้งานเครื่องมือ AI บนเครื่องของบริษัท ประมวลผลข้อมูลของบริษัท เชื่อมต่อกับ API ภายนอก และฟังก์ชันการกำกับดูแลเพิ่งจะรู้ว่า "โอ้ ผู้คนกำลังใช้สิ่งนี้อยู่"
ในบรรดา 88 บริษัทที่ "นำ AI มาใช้" มีเพียง 21.6% ที่มีกรอบการกำกับดูแลที่ครบถ้วน สี่ในห้าบริษัทกำลังทำงานโดยไม่มีการป้องกัน
การตอบสนองของอุตสาหกรรมคาดเดาได้: การห้ามที่เข้มงวดขึ้น รายชื่อดำ การป้องกันการรั่วไหลของข้อมูล กระบวนการอนุมัติที่บังคับ
นี่คือเหตุผลว่าทำไมมันถึงใช้ไม่ได้ผล ตามรายงาน:การบริหารจัดการที่เข้มงวดขึ้นเพียงผลักดันการใช้งานให้ลึกเข้าไปในพื้นที่สีเทาพนักงานเปลี่ยนไปใช้โทรศัพท์ส่วนตัว พวกเขาใช้ WiFi ในร้านกาแฟ ลงทะเบียนบัญชีส่วนตัว คุณคิดว่าคุณได้เข้มงวดการควบคุมแล้ว แต่คุณเพียงแค่ย้ายกิจกรรมไปยังที่ที่คุณมองไม่เห็น
มุมมองของ Mercury:ในยุค AI การบริหารจัดการไม่ได้เกี่ยวกับการเข้มงวด แต่เกี่ยวกับการเร็วพอที่จะตามทัน
รายงานแนะนำเส้นทางที่ขัดแย้ง: แทนที่จะให้สำนักงานใหญ่เลือกเครื่องมือ ฝึกอบรมทุกคน และบังคับการใช้งาน—ทำตรงกันข้ามให้พนักงานวิ่งไปข้างหน้า ให้พวกเขาทดลอง จากนั้นให้หน่วยงานระบุ จัดทำรายการ และรวมสิ่งที่พวกเขากำลังใช้อยู่ ผู้จัดการจะเปลี่ยนจาก "เจ้าหน้าที่จัดซื้อ" เป็น "เจ้าหน้าที่ตามทัน"
นี่ตรงกับสิ่งที่เราพูดมาตลอด โมเดลการกำกับดูแล IT แบบดั้งเดิมถือว่าหน่วยงานเป็นผู้ซื้อและพนักงานเป็นผู้ใช้ ในยุค AI พนักงานคือผู้ซื้อและหน่วยงานคือ ผู้ที่เข้ามาช้า.งานของคุณไม่ใช่การเลือกเครื่องมืออีกต่อไป แต่คือการค้นหาว่าทีมของคุณได้เลือกอะไรไปแล้ว และจากนั้นจึงห่อหุ้มการกำกับดูแลรอบ ๆ ก่อนที่ข้อมูลเฉพาะจะเริ่มรั่วไหล.
ฉันเรียกสิ่งนี้ว่า โมเดลรถไฟความเร็วสูง. ในองค์กรแบบดั้งเดิม รถจักรจะดึงตู้รถไฟ แต่ในองค์กรที่เป็น AI โดยธรรมชาติ ทุกตู้มีเครื่องยนต์ของตัวเอง แต่การอัปเกรดที่สำคัญคือ: รถจักรต้องรู้ว่าตู้แต่ละตู้ได้ไปที่ไหนมาแล้ว. คุณไม่สามารถกำกับสิ่งที่คุณไม่สามารถมองเห็นได้ การมองเห็นมาก่อนการควบคุม.
ปัญหาที่ลึกซึ้งกว่า: ความตายของการแบ่งงาน?
เมื่ออ่านรายงานนี้ ฉันกลับมาที่สิ่งที่ทำให้ฉันรู้สึกไม่สบายใจอยู่เสมอ
เศรษฐศาสตร์สมัยใหม่สร้างขึ้นจากหินพื้นฐาน: การแบ่งงานสร้างประสิทธิภาพโรงงานหมุดของอดัม สมิธ การเชี่ยวชาญ แต่ละคนทำสิ่งหนึ่งได้ดี และผลผลิตรวมเพิ่มขึ้น
แต่ฉันเริ่มเห็นพลศาสตร์ที่ตรงกันข้ามมากขึ้น หากคุณมีความคิด และคุณต้องการแปลมันไปยังบุคคลอื่น ให้พวกเขาดำเนินการ จากนั้นตรวจสอบ แล้วแก้ไข—ภาษีการสื่อสารและการจัดแนวมักจะเกินกว่าการเพิ่มประสิทธิภาพของการแบ่งงานเอง
ฉันเห็นประโยคหนึ่งออนไลน์เมื่อเร็วๆ นี้ที่ทำให้ฉันรู้สึกสะเทือนใจ: "ในยุคนี้ ภาระการสื่อสารของการแบ่งงานมักจะเกินกว่าการเพิ่มประสิทธิภาพของการแบ่งงาน"
ที่ Mercury เราได้สัมผัสสิ่งนี้โดยตรง เมื่อฉันมีข้อมูลเชิงกลยุทธ์เกี่ยวกับสถาปัตยกรรม GEO ของลูกค้า เส้นทางแบบดั้งเดิมคือ: ฉันอธิบายให้กับนักกลยุทธ์คนหนึ่ง ซึ่งจะสรุปให้กับนักเขียนคนหนึ่ง ซึ่งจะร่างมันออกมา ซึ่งจะส่งให้ฉันตรวจสอบ ซึ่งจะส่งกลับไปเพื่อแก้ไข วงจรนี้ใช้เวลาหลายวัน การเบี่ยงเบนของการจัดแนวเป็นสิ่งที่เกิดขึ้นตลอดเวลา.
เส้นทางใหม่คือ? ฉันพูดมันกับตัวแทนของฉัน มันร่างในเสียงของฉัน ในกรอบโครงสร้างของฉัน ในเวลาจริง ฉันแก้ไข มันปรับปรุง เราส่งออกในหนึ่งชั่วโมง "การแบ่งแยก" ระหว่างการคิดสร้างสรรค์และการดำเนินการได้รวมเข้ากับวงจรเดียว.
ฉันไม่มีคำตอบที่ชัดเจนสำหรับวิธีการที่สิ่งนี้จะขยายไปทั่วองค์กรที่มีคนพันคน แต่ฉันรู้สิ่งนี้:ทฤษฎีคลาสสิกเกี่ยวกับประสิทธิภาพขององค์กรกำลังถูกทดสอบภายใต้ความกดดันในเวลาจริง.และบริษัทที่ยังคงเพิ่ม AI ลงในสถาปัตยกรรมการแบ่งงานที่มีอยู่จะค้นพบว่าพวกเขาเพียงแค่ทำให้เครื่องจักรที่ช้าเคลื่อนที่เร็วขึ้น แทนที่จะสร้างเครื่องจักรที่เร็ว.
ผู้ที่ชนะจะเป็นผู้ที่กล้าถาม:แผนกใดบ้างที่ไม่จำเป็นต้องมีอยู่?
— เจมส์, CEO, Mercury Technology Solutionsเรียนรู้เพิ่มเติมที่ www.mtsoln.comฮ่องกง, พฤษภาคม 2026
