การต่อต้าน AI ในเอเจนซีเป็นปัญหามาตรฐาน ไม่ใช่ปัญหาของคน

ทำไมคนเก่งที่สุดของคุณจึงต่อต้าน AI โดยมากเพราะพวกเขามีมาตรฐาน และเครื่องมือยังไปไม่ถึง หากมองการต่อต้าน AI ในเอเจนซีเป็นปัญหาของคน คุณจะได้การบังคับ วันอบรม และผู้อาวุโสที่หมดไฟนั่งแก้งานเครื่องจักรตอนหนึ่งทุ่ม แต่หากมองเป็นปัญหามาตรฐาน ผู้ต่อต้านจะกลายเป็นคนที่ทำให้ AI ดีพอจะส่งงานได้

เดิมพันด้านคุณภาพไม่เคยเปิดเผยต่อสาธารณะเท่านี้มาก่อน ใน Marketing Week เมื่อเดือนที่แล้ว Sir John Hegarty ผู้ร่วมก่อตั้ง BBH เรียกการตลาดในปัจจุบันส่วนใหญ่ว่า “ซ้ำซาก ซ้ำรอย น่าเบื่อ” เขาโต้แย้งว่าวงการนี้ตอนนี้เต็มไปด้วย “นักคิดสมองซีกซ้าย” ที่เข้าใจสเปรดชีตแต่ไม่เข้าใจไอเดีย และชี้ว่า “สินค้าใหม่ราว 95% ล้มเหลว” ซึ่งเขาบอกว่าอัตรานี้ไม่เปลี่ยนมา 20 ปีแล้วทั้งที่มีข้อมูลมากขึ้นมาก หากเทผลงาน AI ธรรมดา ๆ ลงในระบบนี้ ก็จะได้สิ่งเดิม ๆ ที่เร็วขึ้นเท่านั้น

ทำไมคนที่มีประสบการณ์จึงต่อต้านเครื่องมือ AI

ผู้ก่อตั้งเอเจนซีที่พูดในเซสชันว่าด้วยการนำ AI มาใช้ที่สิงคโปร์เมื่อสัปดาห์นี้พูดเรื่องนี้ตรงไปตรงมาอย่างน่าชื่นใจ เขาใช้เวลา 18 เดือนพยายามทำให้เอเจนซีขนาดราว 20 คนของเขาเป็น AI-native และผลักดันการนำมาใช้อย่างเต็มที่ เมื่อพิจารณาว่าใครที่ต่อต้าน เขาพบว่าพวกเขาไม่ใช่คนกลัวเทคโนโลยี พวกเขาต่อต้านผลงานแย่ ๆ คือระบบผลิตงานคุณภาพต่ำออกมา แต่พวกเขาถูกบังคับให้ใช้

คนเหล่านี้ทำงานมาห้าถึงหกปี พวกเขารู้ว่าผลงานที่ดีเป็นอย่างไร เมื่อร่างจาก AI ไม่ถึงมาตรฐาน พวกเขาต้องทำงานนั้นใหม่เอง จึงกลับไปใช้วิธีเดิม ตามที่เขาเล่า การต่อต้าน AI มักหมายความเพียงว่าเครื่องมือไม่ได้มาตรฐานของทีม การเปลี่ยนพฤติกรรมล้มเหลวเมื่อคุณภาพล้มเหลว

นี่คือการมองใหม่ที่มีประโยชน์สำหรับกรรมการผู้จัดการเอเจนซีทุกคน ผู้อำนวยการฝ่ายลูกค้าสัมพันธ์ที่ไม่ยอมส่งรายงานสถานะที่ AI เขียน หรือนักกลยุทธ์ที่สร้างเด็คเพอร์โซนาของ AI ใหม่ตั้งแต่ต้น ไม่ได้เป็นคนจุกจิก พวกเขากำลังทำหน้าที่ควบคุมคุณภาพให้คุณ โดยไม่มีค่าตอบแทนและไม่มีคำขอบคุณ

การบังคับใช้ AI ทำให้เอเจนซีหมดไฟหนักขึ้นหรือไม่

เป็นไปได้ หากทำไม่ดี การนำ AI มาใช้ทำให้งานเพิ่มเป็นสองเท่า คือสร้างร่างด้วยเครื่องมือเพราะถูกสั่ง แล้วแก้ด้วยมือเพราะลูกค้ารับไม่ได้ ถ้าเพิ่มความรู้สึกผิดว่า “นำมาใช้ไม่เร็วพอ” ก็เป็นสูตรสำเร็จของพนักงานอาวุโสที่หมดแรง

หากทำได้ดี ผลจะตรงกันข้าม ในบทความของ Forbes Agency Council เรื่องวิธีที่เอเจนซียังคงเป็นสิ่งจำเป็น Matt Jayson จาก Multiply ชี้ว่าการตั้งค่าแคมเปญและ QA เป็นงานที่ทำอัตโนมัติได้มากที่สุด “สำหรับลูกค้าที่เติบโตสูงรายเดียว นั่นคืองานที่มองไม่เห็นอย่างน้อย 20 ชั่วโมงต่อสัปดาห์” นั่นคืองานจำเจที่ AI ควรเอาออกไป พร้อมกับไทม์ชีต รายงานสถานะ การปรับขนาด การติดตามงบประมาณ และการตรวจสอบคู่แข่ง

ความต่างอยู่ที่ว่าผลงานผ่านมาตรฐานโดยไม่ต้องทำงานแก้ซ้ำเป็นกะที่สองหรือไม่ หากทีมของคุณทำงานนานขึ้นนับตั้งแต่เปิดใช้ AI แสดงว่าเครื่องมือไม่ได้ประหยัดเวลา แต่ย้ายเวลาไปไว้ช่วงค่ำ

ทำไมความไว้วางใจต่อ AI จึงพังเร็วนัก

Trust Theory ให้คำอธิบายที่เรียบง่าย เราไว้วางใจคนหรือระบบเมื่อเชื่อว่ามีความสามารถ เชื่อถือได้ และทำเพื่อประโยชน์ของเรา ทุกข้อนี้ได้มาจากประสบการณ์และการสนทนา ไม่อาจประกาศเอาได้ เครื่องมือที่ผลิตร่างแย่สามชิ้นติดกันก็สูญเสียสิทธิ์อ้างความสามารถ เครื่องมือที่ถูกบังคับใช้โดยไม่ถามทีมก็สูญเสียความรู้สึกว่าอยู่ข้างพวกเขา

นี่คือเหตุผลที่การบังคับใช้ให้ผลเสีย แดชบอร์ดการใช้งานบอกผู้นำได้ว่าใครล็อกอิน แต่บอกไม่ได้ว่าคนไว้วางใจผลงานหรือไม่ มีเพียงการสนทนาเท่านั้นที่บอกได้ คือการนั่งคุยกับนักกลยุทธ์และถามว่าเธอแก้อะไรและเพราะอะไร

ลูกค้าก็คิดแบบเดียวกัน ประเด็นของผู้ก่อตั้งในสิงคโปร์คือ คุณส่งงานที่ยังไม่สมบูรณ์ให้ลูกค้าไม่ได้ เพราะนั่นคือวิธีที่ทำให้สูญเสียความไว้วางใจของพวกเขา ผู้ต่อต้านของคุณกำลังปกป้องความสัมพันธ์กับลูกค้า

ใครควรเป็นผู้ตัดสินว่า “ดี” หน้าตาเป็นอย่างไร

คนที่รู้อยู่แล้ว วิธีแก้ของผู้ก่อตั้งคือให้ผู้เชี่ยวชาญเฉพาะด้านมีบทบาทผู้อนุมัติอย่างชัดเจน พวกเขากำหนดว่าผลงานที่ดีเป็นอย่างไร และไม่มีงานใดส่งออกได้หากไม่มีการเซ็นรับรองจากพวกเขา ทุกคนได้ประโยชน์จาก AI แต่ไม่ใช่ทุกคนต้องสร้างมัน ผู้เชี่ยวชาญเป็นผู้ตั้งเกณฑ์

ยังช่วยได้หากอ่านสัญญาณการต่อต้านที่คุ้นเคยว่าเป็นสัญญาณเกี่ยวกับมาตรฐาน ไม่ใช่ทัศนคติ

ประเด็นซ้ำ ๆ ของเวที Forbes ก็ชี้ไปในทิศทางเดียวกัน ความรับผิดชอบ วิจารณญาณ และการเป็นเจ้าของงานที่ AI ไม่อาจรับผิดแทนได้ คือสิ่งที่ทำให้เอเจนซียังเป็นสิ่งจำเป็น

จะเปลี่ยนผู้ต่อต้าน AI ให้เป็นผู้อนุมัติได้อย่างไร

1. หาผู้ที่สงสัยเสียงดังที่สุดและขอดูสิ่งที่พวกเขาแก้ ความต่างระหว่างร่างจาก AI กับสิ่งที่พวกเขาส่งจริงคือข้อกำหนดของคำว่า “ดี”
2. เขียนมาตรฐานออกมา น้ำเสียง โครงสร้าง แหล่งอ้างอิง และสิ่งที่ห้ามปรากฏเด็ดขาด หากมาตรฐานอยู่แค่ในหัวของผู้อาวุโส ทั้ง AI และพนักงานใหม่ก็ทำให้ถึงไม่ได้
3. ให้ผู้เชี่ยวชาญเป็นผู้อนุมัติพร้อมอำนาจจริง พวกเขาเซ็นรับรองก่อนที่งานที่ใช้ AI ช่วยจะถึงลูกค้า และสามารถถอนเวิร์กโฟลว์ที่ไม่ได้มาตรฐานได้
4. วัดเวลาที่ใช้แก้งาน ไม่ใช่จำนวนการล็อกอิน หากการแก้ใช้เวลานานกว่าการทำเอง ให้หยุดและซ่อมเวิร์กโฟลว์ก่อนขยายต่อ
5. ป้อนการแก้ไขกลับเข้าระบบ เปลี่ยนทุกการแก้ไขของผู้อนุมัติให้เป็นพรอมต์ เทมเพลต และตัวอย่างที่ดีขึ้น เพื่อให้ร่างถัดไปต้องแก้น้อยลง
6. เริ่มจากงานที่มองไม่เห็น การตั้งค่า QA การรายงาน และการติดตาม ซึ่งความผิดพลาดมีราคาถูกและเห็นเวลาที่ประหยัดได้ทันที
7. พูดคุยกันอย่างเปิดเผย ครึ่งชั่วโมงทุกสองสัปดาห์เพื่อคุยว่าอะไรได้ผลและไม่ได้ผล สร้างความไว้วางใจได้มากกว่าอีเมลประกาศการนำมาใช้ใด ๆ

อะไรทำให้ผลงาน AI น่าไว้วางใจพอจะส่งมอบ

หลักฐานที่ผู้เชี่ยวชาญของคุณตรวจสอบได้ นักกลยุทธ์อาวุโสจะยอมรับข้อสรุปจาก AI เมื่อเธอเห็นที่มาและตัดสินด้วยตนเองได้ แต่จะปฏิเสธข้อสรุปที่มาเป็นย่อหน้าอย่างมั่นใจโดยไม่มีร่องรอยใด ๆ

นั่นคือเหตุผลที่บนแพลตฟอร์ม Defy ทุกข้อสรุปของ AI ย้อนกลับไปยังโพสต์ที่เผยแพร่จริงเบื้องหลัง กลยุทธ์ถูกวิเคราะห์ย้อนกลับจากสิ่งที่กลุ่มเป้าหมายและคู่แข่งเผยแพร่จริง ไม่ใช่จากแบบสำรวจ ผู้อนุมัติจึงเปิดดูหลักฐานและตัดสินใจเองได้

ผู้ก่อตั้งกล่าวว่า มนุษย์ไม่ได้เก่งเรื่องการเปลี่ยนแปลง เราเป็นทั้งอุปสรรคใหญ่ที่สุดและตัวสนับสนุนที่ใหญ่ที่สุดของการเปลี่ยนผ่านสู่ AI คนของคุณจะเป็นอย่างไหนขึ้นอยู่กับว่าเครื่องมือเคารพมาตรฐานของพวกเขาหรือไม่