🛑 ถอดรหัสกฎ “10-80-10” ของ Steve Jobs…เมื่อคัมภีร์บริหารคน กลายเป็นวิชาเอาตัวรอดในยุค AI

ทำไมการปล่อยให้ AI ทำงาน 100% อาจเป็นหายนะ และทักษะที่แพงที่สุดคือการควบคุม “หัว” และ “หาง” ของงาน?

ถ้าพูดถึง Steve Jobs ภาพจำของคนจำนวนมากคือผู้นำที่มีวิสัยทัศน์ทะลุโลก เป็นคนที่เปลี่ยนวิธีที่มนุษย์ฟังเพลง ใช้โทรศัพท์ ทำงาน และสัมพันธ์กับเทคโนโลยี

แต่ในอีกด้านหนึ่ง คนที่เคยทำงานกับ Jobs ในยุคแรกๆ ก็เล่าว่าเขาเป็นหัวหน้าที่จู้จี้กับรายละเอียดอย่างไม่น่าเชื่อ

หนึ่งในเรื่องเล่าที่คลาสสิกมากคือเรื่องโปรแกรม Calculator ของ Macintosh ในปี 1982 Andy Hertzfeld สมาชิกทีมพัฒนา Macintosh บันทึกไว้ใน Folklore.org ว่า Chris Espinosa นำดีไซน์ Calculator ไปให้ Jobs ดู แต่ Jobs ไม่พอใจ ทั้งสีพื้นหลัง ความหนาของเส้น และขนาดปุ่ม ทีมปรับแล้วปรับอีกจนสุดท้าย Espinosa สร้างโปรแกรมชื่อ “Steve Jobs Roll Your Own Calculator Construction Set” ให้ Jobs เลือกปรับรายละเอียดเอง เช่น ความหนาเส้น ขนาดปุ่ม และพื้นหลัง จนได้หน้าตาที่พอใจ และดีไซน์นั้นก็ถูกนำไปใช้จริงใน Mac รุ่นแรกๆ (folklore.org)

เรื่องนี้อ่านแล้วสนุกครับ แต่ถ้ามองให้ลึก มันสะท้อนปัญหาใหญ่ของหัวหน้าจำนวนมาก โดยเฉพาะหัวหน้าที่เก่งมากและเพิ่งขึ้นมาดูแลคน นั่นคือการ “ปล่อยมือไม่เป็น”

เพราะคนเก่งจำนวนมากไม่ได้ล้มเหลวจากการไม่มีมาตรฐาน แต่ล้มเหลวจากการพยายามควบคุมทุกมาตรฐานด้วยมือของตัวเอง

⸻

🧠 จาก Micromanager สู่ผู้นำที่เข้าใจว่า งานที่ดีต้องมีทั้ง Vision, Trust และ Polish

Steve Jobs ในวัยหนุ่มอาจขึ้นชื่อเรื่องการล้วงลูกในรายละเอียด แต่เมื่อเวลาผ่านไป สไตล์การทำงานของเขาถูกถอดบทเรียนออกมาในอีกมิติหนึ่ง

Justin Bariso เขียนใน Inc. ว่า Jobs ใช้สิ่งที่เขาเรียกว่า “10-80-10 Rule” ซึ่งเป็นหลักคิดด้านภาวะผู้นำที่แบ่งงานออกเป็น 3 ช่วง คือ 10% แรกสำหรับการสื่อสารวิสัยทัศน์ 80% ตรงกลางสำหรับการให้ทีมขับเคลื่อนงาน และ 10% สุดท้ายสำหรับการกลับมาขัดเกลา ยกระดับคุณภาพ และอธิบายเหตุผลของการปรับแต่งให้ทีมเข้าใจ (Inc.com)

ประเด็นสำคัญคือ นี่ไม่ใช่สูตรคณิตศาสตร์ตายตัว และไม่ใช่คำพูดที่ Jobs ตั้งชื่อเองแบบเป็นทางการ แต่เป็นกรอบที่ช่วยอธิบายความสมดุลระหว่างสามสิ่งที่ผู้นำต้องทำให้ได้พร้อมกัน

1. ต้องกำหนดทิศทางให้ชัด

2. ต้องกล้าปล่อยให้คนเก่งทำงาน

3. ต้องกลับมารับผิดชอบคุณภาพปลายทาง

นี่คือความต่างระหว่างการเป็น Micromanager กับการเป็นผู้นำที่มีมาตรฐานสูง

Micromanager ลงไปคุมทุกขั้นตอน เพราะไม่ไว้ใจใคร

ผู้นำที่ดีคุม “หัว” และ “หาง” ของงาน เพราะรู้ว่าตรงกลางต้องให้คนที่เหมาะสมได้ใช้ฝีมือ

ปัญหาของหลายองค์กรคือหัวหน้ามักทำกลับกัน

10% แรกไม่ชัด บรีฟงานแบบคลุมเครือ

80% ตรงกลางเข้าไปล้วงลูกจนทีมทำงานไม่เป็นตัวเอง

10% สุดท้ายหายไป ไม่ตรวจ ไม่ขัด ไม่ยกระดับ แล้วค่อยมาบ่นว่างานไม่ได้คุณภาพ

นี่ไม่ใช่ Delegation ครับ

นี่คือการปล่อยงานแบบไร้ความรับผิดชอบ แล้วเรียกมันอย่างสวยงามว่า Empowerment

⸻

🤖 กฎ 10-80-10 ในยุค AI: เมื่อลูกน้องบางส่วนของคุณกลายเป็นเครื่องจักร

ความน่าสนใจคือ หลักคิดนี้ไม่ได้ใช้ได้เฉพาะกับการบริหารคนอีกต่อไป

ในยุค AI กฎ 10-80-10 กำลังกลายเป็นวิธีคิดสำคัญในการทำงานร่วมกับเครื่องจักร

Alan Magee, Chief Marketing Officer ของ Empire Portfolio Group ซึ่งเป็นหนึ่งในแฟรนไชส์รายใหญ่ของ Orangetheory Fitness ให้สัมภาษณ์กับ Business Insider ว่าเขาใช้กฎ 10-80-10 กับ AI ในงานการตลาด โดยตีความเป็น 10% human input, 80% AI execution และ 10% human review เขาใช้ AI ช่วยตั้งแต่การวิเคราะห์ข้อมูลจากหลายสิบสาขา การดูแนวโน้ม การตอบรีวิวลูกค้า ไปจนถึงการสร้างงานคอนเทนต์ แต่ยังย้ำว่าต้องตรวจสอบความถูกต้องและรักษาความเป็นมนุษย์ของแบรนด์ไว้ (Business Insider)

นี่คือประเด็นที่คมมากครับ

เพราะในยุค AI คำว่า “ลูกน้อง” ไม่ได้หมายถึงมนุษย์อย่างเดียวอีกต่อไป

บางงานเราสั่งคน

บางงานเราสั่งระบบ

บางงานเราสั่ง Agent

บางงานเราสั่งโมเดลภาษาขนาดใหญ่ที่ทำงานได้เร็วกว่าเด็กฝึกงานทั้งทีม

แต่ไม่ว่าผู้ลงมือทำจะเป็นมนุษย์หรือ AI หลักการบริหารงานที่ดีไม่ได้เปลี่ยนมากเท่าที่เราคิด

คุณยังต้องเป็นคนกำหนดโจทย์

คุณยังต้องเป็นคนใส่บริบท

คุณยังต้องเป็นคนบอกว่าอะไรสำคัญ

คุณยังต้องเป็นคนตัดสินว่า Output ที่ได้ “พอใช้ได้” หรือ “ดีพอที่จะเอาชื่อเราไปวางไว้ข้างบน”

AI อาจทำงานตรงกลางได้เก่งมาก

แต่ถ้ามนุษย์หายไปจากหัวงานและท้ายงาน สิ่งที่ได้อาจไม่ใช่งานที่ดีขึ้น

อาจเป็นแค่งานที่เร็วขึ้น สวยขึ้น และผิดทิศทางขึ้น

⸻

🎯 10% แรก: ถ้าบรีฟไม่คม AI จะขยันสร้างขยะให้คุณเร็วขึ้น

10% แรกคือช่วงที่มนุษย์ต้องเป็นเจ้าของวิสัยทัศน์และโจทย์

ในงานกับคน นี่คือช่วงที่หัวหน้าต้องบอกให้ชัดว่าเรากำลังแก้ปัญหาอะไร ทำไปเพื่อใคร ขอบเขตอยู่ตรงไหน อะไรคือมาตรฐานความสำเร็จ และอะไรคือสิ่งที่ห้ามแลก

ในงานกับ AI ก็เช่นเดียวกัน

หลายคนคิดว่าการใช้ AI คือการโยนประโยคสั้นๆ เข้าไป แล้วรอให้เวทมนตร์เกิดขึ้น เช่น “ช่วยเขียนแผนกลยุทธ์ให้หน่อย” “ช่วยทำ Presentation ให้หน่อย” “ช่วยสรุปตลาดให้หน่อย” หรือ “ช่วยคิดแคมเปญให้หน่อย”

ผลลัพธ์ที่ได้จึงมักออกมาดูดีแต่กลวง

เพราะ AI ไม่ได้รู้บริบทจริงขององค์กรคุณถ้าคุณไม่บอก

AI ไม่ได้รู้ว่าผู้บริหารคุณแพ้อะไร

AI ไม่ได้รู้ว่าทีมขายคุณมีข้อจำกัดอะไร

AI ไม่ได้รู้ว่าลูกค้าคุณเจ็บตรงไหนจริง

AI ไม่ได้รู้ว่าประเด็นไหนพูดได้ พูดไม่ได้ หรือพูดแล้วองค์กรสะเทือน

10% แรกจึงไม่ใช่งานพิมพ์ Prompt…”มันคืองานคิด”

คุณต้องรู้ว่าโจทย์ที่ถูกต้องคืออะไร ก่อนจะให้ AI ช่วยสร้างคำตอบ

เพราะถ้าโจทย์ผิด AI จะไม่ช่วยคุณแก้ปัญหา

มันจะช่วยคุณผลิตคำตอบผิดๆ ให้ดูน่าเชื่อถือขึ้นเท่านั้น

⸻

⚙️ 80% ตรงกลาง: ปล่อยให้ AI ใช้แรงงาน แต่อย่าปล่อยให้ AI เป็นเจ้าของงาน

ถ้า 10% แรกคือพื้นที่ของวิสัยทัศน์ 80% ตรงกลางคือพื้นที่ของแรงงานทางความคิด

และนี่คือจุดที่ AI มีพลังมากที่สุด

ให้ AI ช่วยร่าง Draft แรก

ช่วยจัดโครงสร้างความคิด

ช่วยสรุปข้อมูลจำนวนมาก

ช่วยเปรียบเทียบทางเลือก

ช่วยสร้างตัวอย่าง

ช่วยตรวจความสอดคล้อง

ช่วยหา Edge Cases

ช่วยทำงานซ้ำๆ ที่กินเวลาของมนุษย์โดยไม่จำเป็น

ในมุมนี้ การไม่ใช้ AI เลยอาจไม่ใช่ความรอบคอบ แต่อาจเป็นการใช้ทรัพยากรแพงเกินไปกับงานที่เครื่องมือทำได้ดีกว่า

ถ้าคุณให้ผู้บริหารระดับสูงนั่งจัดรูปแบบตารางทั้งคืน ทั้งที่ AI ทำได้ในไม่กี่นาที นั่นไม่ใช่ความขยัน

“นั่นคือการใช้คนผิดที่”

แต่กับดักคือ เมื่อ AI ทำงานตรงกลางได้ดีมาก เราจะเริ่มหลงคิดว่ามันทำได้ทั้งหมด

จากให้ AI ช่วยร่าง กลายเป็นให้ AI คิดแทน

จากให้ AI ช่วยเรียบเรียง กลายเป็นให้ AI ตัดสินทิศทาง

จากให้ AI ช่วยทำงานหนัก กลายเป็นให้ AI เป็นเจ้าของมาตรฐาน

นี่คือจุดที่อันตราย เพราะ AI อาจสร้าง Output ได้ แต่ AI ไม่ได้ถือ Accountability

มันไม่ต้องเข้าห้องประชุมไปตอบคำถามแทนคุณ

มันไม่ต้องรับสายลูกค้าเวลาแผนพัง

มันไม่ต้องอธิบายกับทีมว่าทำไมเราถึงเลือกทางนี้

มันไม่ต้องแบกรอยร้าวของความสัมพันธ์เมื่อคำตอบนั้นผิด

AI ทำงานได้ แต่มนุษย์ต้องยังเป็นเจ้าของงาน

⸻

🔍 10% สุดท้าย: งานที่ไม่ตรวจ ไม่ใช่งานที่เสร็จ แต่เป็นความเสี่ยงที่ถูกส่งต่อ

10% สุดท้ายคือช่วงที่คนทำงานจำนวนมากอยากข้ามมากที่สุด

เพราะมันไม่สนุกเท่าการเริ่มต้น และไม่เร็วเท่าการให้ AI ผลิตงาน

แต่นี่คือพื้นที่ที่กำหนดคุณภาพจริง

ต้องตรวจข้อเท็จจริง

ต้องเช็กตัวเลข

ต้องดูว่าภาษาสะท้อนน้ำเสียงองค์กรไหม

ต้องถามว่ามี Bias หรือไม่

ต้องดูว่าสิ่งที่ AI เสนอมีหลักฐานรองรับหรือเปล่า

ต้องตัดความฟุ่มเฟือย

ต้องเพิ่มความเป็นมนุษย์

ต้องใส่ Nuance

ต้องกล้าลบสิ่งที่ดูดีแต่ไม่จริง

Inc. เคยรายงานตัวเลขจากงานสำรวจที่เตือนว่า มีเพียง 8% ของผู้ใช้ที่ตรวจสอบคำตอบ AI อย่างสม่ำเสมอ หรืออีกด้านหนึ่งคือ 92% ไม่ได้ตรวจคำตอบอย่างเพียงพอ ตัวเลขนี้อาจไม่ควรถูกนำไปเหมารวมผู้ใช้ทุกอุตสาหกรรม แต่เป็นสัญญาณเตือนที่สำคัญมากว่า “Human Review” คือจุดอ่อนใหญ่ของการใช้ AI ในองค์กร (Inc.com)

และเรารู้ดีว่า AI ยังมีปัญหา Hallucination หรือการสร้างคำตอบที่ฟังดูถูกแต่ไม่จริง

งานวิจัยและบทความจำนวนมากอธิบายความเสี่ยงของ AI Overreliance ว่าผู้ใช้สามารถยอมรับคำแนะนำจาก AI โดยไม่ตั้งคำถาม ซึ่งอาจนำไปสู่ข้อผิดพลาดในการตัดสินใจ โดยเฉพาะเมื่อผู้ใช้ประเมินความน่าเชื่อถือของระบบไม่ออก (Springer)

นี่คือเหตุผลที่ 10% สุดท้ายแพงมาก เพราะมันคือพื้นที่ของ Judgment

* AI อาจช่วยทำให้ประโยคดูเป็นมืออาชีพ แต่มนุษย์ต้องตรวจว่ามันจริงไหม

* AI อาจช่วยให้แผนดูครบถ้วน แต่มนุษย์ต้องถามว่ามันทำได้จริงหรือเปล่า

* AI อาจช่วยให้คำตอบดูมั่นใจ แต่มนุษย์ต้องกล้าสงสัยว่ามันมั่นใจเกินหลักฐานหรือไม่

งานที่ไม่ผ่าน 10% สุดท้าย ไม่ควรถูกเรียกว่างานเสร็จ

มันเป็นเพียงความเสี่ยงที่ถูกห่อด้วยภาษาสวย แล้วส่งต่อไปให้คนอื่นรับกรรม

⸻

⚖️ ความพังของสูตร 0-100-0

ปัญหาของคนทำงานยุค AI ไม่ใช่การใช้ AI มากเกินไปอย่างเดียว

แต่คือการใช้ AI ผิดตำแหน่ง

สูตรที่อันตรายที่สุดคือ “0-100-0”

0% แรก คือมนุษย์ไม่คิดโจทย์เอง

100% กลาง คือปล่อยให้ AI ผลิตงานทั้งหมด

0% สุดท้าย คือมนุษย์ไม่ตรวจ ไม่ขัด ไม่รับผิดชอบคุณภาพจริง

นี่คือการลาออกจากคุณค่าของตัวเองอย่างเงียบๆ

เพราะถ้างานของคุณไม่มีวิสัยทัศน์จากมนุษย์ในตอนต้น และไม่มีวิจารณญาณของมนุษย์ในตอนจบ คำถามที่องค์กรจะถามในไม่ช้าคือ แล้วทำไมต้องมีคุณอยู่ตรงกลาง

อย่าเข้าใจผิดครับ

AI ไม่ได้ลดคุณค่าของคนทำงานที่ใช้มันเป็น

แต่ AI จะทำให้คนที่ไม่มีหัวคิดและไม่มีหางตรวจ ถูกเห็นชัดขึ้นอย่างโหดร้าย

ในอดีต งานที่ไม่ลึกอาจถูกซ่อนอยู่หลังความขยัน

ในวันนี้ งานที่ไม่ลึกอาจถูกผลิตเร็วขึ้นเป็นสิบเท่า

และนั่นทำให้ความตื้นถูกขยายใหญ่ขึ้นกว่าเดิม

ยุค AI ไม่ได้ให้รางวัลกับคนที่กด Generate ได้เร็วที่สุด

มันให้รางวัลกับคนที่รู้ว่า ก่อนกด Generate ต้องคิดอะไร และหลังกด Generate ต้องกล้าตัดอะไรทิ้ง

⸻

🧭 ผู้นำยุคใหม่ต้องคุมหัว คุมหาง และปล่อยตรงกลางให้ฉลาดขึ้น

ไม่ว่าคุณกำลังบริหารคนหรือบริหาร AI Agent หลักคิดเดียวกันยังใช้ได้

อย่าลงไปคุมทุกนิ้วจนทีมหมดความเป็นเจ้าของ

แต่อย่าปล่อยจนงานไม่มีมาตรฐาน

อย่าคิดแทนทุกอย่างจนคนไม่โต

แต่อย่าหายไปจนคนไม่รู้ว่าคุณต้องการอะไร

อย่าใช้ AI แทนความคิดของตัวเอง

แต่ก็อย่าใช้เวลามนุษย์ไปกับงานที่ AI ทำได้ดีกว่า

สมดุลที่ดีที่สุดคือมนุษย์ต้องคุม “หัว” และ “หาง”

“หัว” คือโจทย์ ทิศทาง บริบท เป้าหมาย คุณค่า รสนิยม และมาตรฐาน

“หาง” คือการตรวจสอบ ความรับผิดชอบ การขัดเกลา การตัดสินใจ และชื่อของคุณที่วางอยู่บนงานนั้น

ส่วนตรงกลาง ให้เครื่องมือช่วยให้เต็มที่

ให้คนเก่งได้ใช้ฝีมือ

ให้ AI ช่วยย่นเวลา

ให้ระบบช่วยลดงานซ้ำ

ให้ Agent ช่วยจัดการงานที่ไม่จำเป็นต้องใช้พลังมนุษย์ระดับสูง

แต่ห้ามลืมว่าเครื่องมือที่ดีไม่ได้ทำให้ผู้นำหมดหน้าที่

มันทำให้หน้าที่ของผู้นำชัดขึ้น

⸻

✨ อย่าให้เครื่องจักรแย่งพื้นที่ที่ทำให้มนุษย์ยังมีความหมาย

Steve Jobs อาจไม่ได้อยู่ในยุคที่ทุกคนมี AI Copilot อยู่บนโต๊ะทำงาน แต่บทเรียนจากการบริหารงานแบบ 10-80-10 กลับยิ่งมีความหมายในวันนี้

เพราะโลกใหม่ไม่ได้ต้องการหัวหน้าที่ล้วงลูกทุกขั้นตอน

และไม่ได้ต้องการคนทำงานที่โยนทุกอย่างให้ AI แล้วเดินหนี

โลกใหม่ต้องการคนที่รู้ว่าอะไรควรคิดเอง อะไรควรให้เครื่องมือช่วย และอะไรต้องกลับมาตรวจด้วยมาตรฐานของมนุษย์

10% แรก คือพื้นที่ของวิสัยทัศน์

80% กลาง คือพื้นที่ของการทวีแรง

10% สุดท้าย คือพื้นที่ของวิจารณญาณ

อย่าปล่อยให้ AI แย่ง 10% แรกไปจากคุณ

เพราะถ้าคุณไม่กำหนดโจทย์ เครื่องมือจะกำหนดโจทย์แทน

อย่าปล่อยให้ AI แย่ง 10% สุดท้ายไปจากคุณ

เพราะถ้าคุณไม่ตรวจคุณภาพ คุณก็ไม่ได้เป็นเจ้าของผลลัพธ์จริง

ใช้ AI ให้เต็มที่ครับ

แต่จงจำไว้ว่า สิ่งที่ทำให้มนุษย์ยังแพงในโลกธุรกิจ ไม่ใช่การทำงานตรงกลางได้เร็วกว่าเครื่องจักร

แต่คือการมีหัวที่คิดเป็น และมีหางที่รับผิดชอบพอจะเซ็นชื่อบนงานนั้นได้อย่างไม่อายตัวเอง

#วันละเรื่องสองเรื่อง

#FutureOfWork

#108010Rule

#HumanVsAI

#Judgment

#AILeadership

⸻

📚 Source / Reference

* Andy Hertzfeld / Folklore.org, “Calculator Construction Set” — ใช้เป็นแหล่งอ้างอิงเรื่องเล่า Macintosh Calculator ปี 1982 และ “Steve Jobs Roll Your Own Calculator Construction Set” ซึ่งสะท้อนความละเอียดและการล้วงลูกของ Steve Jobs ในยุคแรก

* Justin Bariso / Inc., “Steve Jobs Used the 10-80-10 Rule…” — ใช้เป็นฐานคิดเรื่องกฎ 10-80-10 ในฐานะกรอบถอดบทเรียนภาวะผู้นำของ Steve Jobs ไม่ใช่คำที่ Jobs ตั้งชื่อเองโดยตรง

* Jessica Stillman / Inc., “Steve Jobs’s 10-80-10 Rule Is Even More Useful in the AI Era” — ใช้เป็นบริบทเสริมว่ากฎ 10-80-10 ถูกนำกลับมาอธิบายการบริหารงานและ AI ในยุคปัจจุบัน

* Business Insider / Alan Magee, Empire Portfolio Group — ใช้เป็นกรณีร่วมสมัยเรื่องการใช้กฎ 10-80-10 กับ AI ในงานการตลาด โดยตีความเป็น 10% Human Input, 80% AI Execution และ 10% Human Review

* Inc. / Jessica Stillman, “92 Percent of People Don’t Check Their AI Answers…” — ใช้เป็นสัญญาณเตือนเรื่องพฤติกรรมการไม่ตรวจสอบคำตอบ AI โดยไม่เหมารวมว่าเป็นข้อเท็จจริงสากลของผู้ใช้ทุกกลุ่ม

* Springer, “The effects of over-reliance on AI dialogue systems…” — ใช้เป็นฐานคิดเรื่อง AI Overreliance หรือการยอมรับคำแนะนำจาก AI โดยไม่ตั้งคำถาม ซึ่งอาจนำไปสู่ข้อผิดพลาดในการตัดสินใจ

* กรอบ “คุมหัวและหาง ปล่อยตรงกลางให้เครื่องมือช่วย” — เป็นการสังเคราะห์ของผู้เขียน เพื่ออธิบายวิธีใช้ AI โดยไม่สละบทบาทมนุษย์ในด้าน Vision, Judgment และ Accountability