Design Thinking คืออะไร: ตั้งโจทย์ให้ถูกคน ก่อนค้นคำตอบกับ AI

AI ตอบดีทุกข้อ แต่สายโทรเข้าแทบไม่ลด

เรื่องที่ผมจะเล่าเป็นสถานการณ์สมมตินะครับ

คุณภูมิเป็นผู้อำนวยการฝ่ายบริการลูกค้า ของบริษัทประกันสุขภาพแห่งหนึ่ง ลูกค้าส่วนใหญ่ซื้อประกันผ่านตัวแทน เมื่อก่อนเวลาที่ลูกค้าไปโรงพยาบาลแล้วต้องสำรองจ่ายค่ารักษาไปก่อน ลูกค้าก็จะส่งใบเสร็จกับเอกสารทั้งหมดไปให้ตัวแทน ตัวแทนเป็นคนเช็กเอกสารและยื่นเคลมให้ ถ้าเอกสารขาด ตัวแทนก็โทรตามจากลูกค้าเอง ลูกค้าก็เลยแทบไม่ต้องโทรหาบริษัทเลยครับ

จนเมื่อปีที่แล้ว บริษัทเปิดให้ลูกค้ายื่นเคลมแบบสำรองจ่ายผ่านแอปได้เอง แค่ถ่ายรูปเอกสารแล้วกดส่ง ลูกค้าชอบกันมากเพราะสะดวกและเร็วกว่าเดิม จำนวนเคลมในแอปก็เลยเพิ่มขึ้นเร็วมาก แต่ในขณะเดียวกัน สายที่โทรเข้าคอลเซ็นเตอร์เพื่อถามเรื่องเคลมก็เพิ่มตามไปด้วย จนลูกค้าต้องรอสายนานขึ้นเรื่อย ๆ

คุณภูมิถาม AI แล้วได้คำตอบที่ดีมาก

คุณภูมิก็เลยลองถาม AI ตรง ๆ ว่า ช่วยเสนอวิธีลดจำนวนสายที่โทรเข้ามาหน่อย

AI ตอบได้ดีมากเลยครับ ผมลองเอาคำถามเดียวกันนี้ไปถาม AI หลายรุ่นดูแล้ว คำตอบออกมาคล้าย ๆ กัน คือบอกว่าอย่าเพิ่งรีบแก้ แต่ให้ไปแยกดูก่อนว่าลูกค้าโทรมาด้วยเรื่องอะไรบ้าง แล้วค่อยแก้ทีละกลุ่ม AI ยังบอกด้วยว่า กลุ่มที่ใหญ่ที่สุดมักเป็นลูกค้าที่โทรมาถามสถานะเคลม ซึ่งแก้ได้เร็ว ด้วยการแสดงสถานะในแอปให้ชัด และส่งข้อความแจ้งเตือนทุกครั้งที่สถานะเปลี่ยน

ทำตามครบทุกข้อ แต่สามเดือนผ่านไป สายลดนิดเดียว

คุณภูมิทำตามทุกขั้นตอนเลยครับ เริ่มจากให้พนักงานบันทึกทุกสายตลอดสองสัปดาห์ว่าลูกค้าโทรมาเรื่องอะไร ผลก็ตรงกับที่ AI บอกไว้ เรื่องที่โทรมามากที่สุดคือ "ถามสถานะเคลม" มากกว่าครึ่งหนึ่งของสายเรื่องเคลมทั้งหมด

ทีมงานก็เลยทำหน้าติดตามสถานะเคลมในแอป ส่งข้อความแจ้งเตือนทุกครั้งที่สถานะเปลี่ยน แล้วก็มีแชตบอตไว้ตอบเรื่องสถานะตลอดยี่สิบสี่ชั่วโมง

แต่พอผ่านไปสามเดือน สายที่โทรเข้ามาถามเรื่องเคลมกลับลดลงแค่นิดเดียว แถมลูกค้าหลายคนคุยกับแชตบอตจนจบแล้ว ก็ยังกดขอคุยกับเจ้าหน้าที่ต่ออยู่ดีครับ

AI ไม่ได้ตอบผิด แต่โจทย์มองจากมุมของบริษัท

ในเรื่องนี้ AI ไม่ได้ตอบผิดเลยนะครับ แถมยังบอกให้คุณภูมิไปดูข้อมูลก่อนด้วยซ้ำ และคุณภูมิก็ทำตามครบทุกข้อ

แต่ข้อมูลที่คุณภูมิดู คือสิ่งที่พนักงานบันทึกไว้ในแต่ละสาย ซึ่งบอกได้แค่ว่าลูกค้าพูดถึงเรื่องอะไรตอนโทรเข้ามา แต่บอกไม่ได้ว่าลูกค้ากำลังพยายามทำอะไรอยู่ แล้วโจทย์ที่ว่า "ทำยังไงให้สายโทรเข้าน้อยลง" ก็เป็นโจทย์ที่มองจากมุมของบริษัท

ความจริงแล้ว ไม่มีลูกค้าคนไหนอยากโทรเข้าคอลเซ็นเตอร์หรอกครับ ลูกค้าโทรมาก็เพราะยังมีบางอย่างค้างคาใจ หรือยังทำไม่สำเร็จ และถ้าเรายังไม่รู้ว่าสิ่งนั้นคืออะไร ต่อให้ AI เก่งแค่ไหน ก็ตอบได้แค่โจทย์ที่เราถามไปเท่านั้นเอง

เช็กโจทย์ของเราดูก่อน

ถ้าติ๊กได้ตั้งแต่สองข้อขึ้นไป เครื่องมือห้าขั้นตอนกับคำสั่งตรวจโจทย์ในบทความนี้น่าจะช่วยได้ครับ

สรุปเคสคุณภูมิ: AI ตอบโจทย์ที่ถามได้ดีมาก แต่ถ้าโจทย์ตั้งจากมุมของเราเอง คำตอบที่ดีที่สุดก็ไปไม่ถึงสิ่งที่ลูกค้าเจออยู่จริง

Design Thinking คืออะไร

ถ้าให้สรุปสั้น ๆ ครับ

คำว่า Design ตรงนี้ไม่ได้แปลว่าการทำให้สวยนะครับ แต่หมายถึงการออกแบบวิธีแก้ปัญหา ให้เข้ากับคนที่ต้องใช้งานจริง ๆ

มาจากไหน

วิธีคิดแบบนี้นักออกแบบใช้กันมานานแล้ว แต่ที่คนในวงการธุรกิจรู้จักกันมากขึ้น ส่วนหนึ่งมาจากบริษัทออกแบบชื่อ IDEO (ไอดีโอ) คุณ Tim Brown (ทิม บราวน์) ซีอีโอของ IDEO ในตอนนั้น เคยเขียนบทความลงใน Harvard Business Review ว่าวิธีคิดของนักออกแบบ เอามาใช้ได้ทั้งกับสินค้า งานบริการ ขั้นตอนการทำงาน ไปจนถึงกลยุทธ์ขององค์กร

ส่วนห้าขั้นตอนที่ผมใช้ในบทความนี้ ยึดตามแบบที่ d.school (ดีสคูล) ของมหาวิทยาลัย Stanford (สแตนฟอร์ด) ใช้สอนอยู่ครับ

Design Thinking 5 ขั้นตอน

ห้าขั้นตอนนี้ไม่ได้เดินเป็นเส้นตรงนะครับ ถ้าทดสอบแล้วเจออะไรใหม่ ๆ เราย้อนกลับไปขั้นตอนก่อนหน้าได้เสมอ

3 เรื่องที่คนมักเข้าใจผิดเกี่ยวกับ Design Thinking

1. คิดว่าเป็นเรื่องของนักออกแบบหรือฝ่ายการตลาดเท่านั้น ความจริงแล้วเราใช้ได้กับทุกงานที่มีคนใช้งานอยู่ปลายทาง ทั้งงานบริการลูกค้า ขั้นตอนการทำงานในออฟฟิศ หรือแม้แต่ระบบที่พนักงานของเราใช้อยู่ทุกวัน
2. คิดว่าการเข้าใจคน คือการไปถามลูกค้าว่าอยากได้อะไร แล้วทำตามนั้น หลายครั้งคนเราบอกไม่ค่อยได้หรอกครับว่าตัวเองต้องการอะไร แต่ถ้าถามว่าเกิดอะไรขึ้น เขาจะเล่าให้ฟังได้
3. คิดว่าต้องทำเป็นโครงการใหญ่ บางครั้งแค่ใช้เวลาไปคุยกับคนจริงสักห้าคน ก็จะเห็นอะไรหลายอย่างที่รายงานบอกเราไม่ได้แล้ว

สรุปคำนิยาม: Design Thinking เริ่มจากคน ไม่ได้เริ่มจากคำตอบ และห้าขั้นตอนวนกลับได้เสมอ

ขั้นตอนที่ 1 เข้าใจคน: ขั้นตอนที่ผู้บริหารข้ามบ่อยที่สุด

ผมว่านี่คือขั้นตอนที่ผู้บริหารข้ามบ่อยที่สุดครับ เพราะยิ่งตำแหน่งสูงขึ้น เราก็ยิ่งเห็นปัญหาผ่านรายงานและตัวเลขมากขึ้น

รายงานบอกเราได้ว่าเกิดอะไรขึ้น และเกิดบ่อยแค่ไหน แต่ไม่ได้บอกว่าคนที่เจอเรื่องนั้นกำลังพยายามทำอะไรอยู่ โจทย์ที่ตั้งจากรายงานก็เลยมักกลายเป็นโจทย์ของเราเอง ไม่ใช่โจทย์ของคนที่เจอปัญหา

3 วิธีถามและวิธีดู จากคู่มือของ d.school

1. อย่าถามว่าปกติทำยังไง ให้ถามว่าครั้งล่าสุดเกิดอะไรขึ้น ถ้าถามว่าปกติ เราจะได้คำตอบแบบที่เขาคิดว่าควรจะเป็น แต่ถ้าถามถึงครั้งล่าสุด เราจะได้เรื่องที่เกิดขึ้นจริง
2. ดูสิ่งที่เขาทำ ไม่ใช่ฟังแค่สิ่งที่เขาพูด เพราะสองอย่างนี้มักไม่ตรงกัน ถ้าทำได้ ขอไปนั่งดูตอนที่เขาทำจริงเลยจะดีที่สุด
3. ชวนเล่าเป็นเรื่องราว อย่าถามคำถามที่ตอบได้แค่ใช่หรือไม่ใช่ และอย่าเพิ่งเสนอวิธีแก้ระหว่างที่คุยกันอยู่

AI ช่วยเตรียมตัวได้ ก่อนไปคุยกับคนจริง

คุณภูมิเอาคำถามเดิมไปให้ AI ดูอีกรอบ แต่คราวนี้ใช้คำสั่งที่ผมใส่ไว้ในหัวข้อ "คำสั่งให้ AI ช่วยตรวจโจทย์ก่อนตอบ" ข้างล่าง ซึ่งบอก AI ว่ายังไม่ต้องเสนอวิธีแก้ แต่ให้ช่วยตรวจโจทย์ให้ก่อน

AI บอกมาตรง ๆ เลยครับว่า คำถามนี้ตั้งจากมุมของบริษัท เพราะคนที่อยากให้สายลดคือฝั่งบริษัท ส่วนลูกค้าแค่อยากได้คำตอบ แล้ว AI ยังทักด้วยว่าคำถามนี้เหมาไว้ก่อนแล้วว่าสายที่โทรมาถามเรื่องเคลมเป็นเรื่องเดียวกันหมด ทั้งที่อาจมีหลายเรื่องปนกันอยู่ก็ได้ จากนั้น AI ก็เขียนคำถามไว้ให้คุณภูมิเอาไปถามลูกค้า โดยทุกข้อถามถึงครั้งล่าสุดที่ลูกค้าโทรเข้ามา

สิ่งที่คุณภูมิได้ยิน เมื่อไปคุยกับลูกค้าจริง

คุณภูมินั่งฟังเสียงบันทึกสายลูกค้าด้วยตัวเองถึงยี่สิบสาย โทรกลับไปหาลูกค้าที่เพิ่งโทรเข้ามาอีกห้าคน เพื่อถามว่าครั้งล่าสุดก่อนที่จะโทรมา เกิดอะไรขึ้นบ้าง และยังขอไปนั่งดูลูกค้าคนหนึ่งยื่นเคลมในแอปจริง ๆ ด้วย

สิ่งแรกที่เจอก็คือ ลูกค้าเกือบทุกคนเปิดดูสถานะในแอปมาแล้วก่อนจะโทร และในแอปก็บอกว่า "อยู่ระหว่างพิจารณา" ส่วนถ้าไปถามแชตบอต ก็ได้คำตอบเดียวกันนี้

แต่พอฟังลึกลงไป เรื่องที่แต่ละคนเล่ากลับต่างกันไปเลยครับ

• คนแรก เล่าว่าเคลมครั้งก่อน ผ่านไปเกือบสิบวันถึงได้ข้อความว่าเอกสารไม่ครบ ต้องลางานกลับไปโรงพยาบาลอีกรอบ เพื่อขอใบเสร็จที่แยกค่ารักษาเป็นรายการ ครั้งนี้เขาเลยโทรมาถามก่อนว่าเอกสารครบหรือยัง
• คนที่สอง รูดบัตรเครดิตจ่ายค่ารักษาไป และพอปลายเดือนก็จะถึงรอบจ่ายบัตรพอดี เลยโทรมาถามว่าเงินจะเข้าทันหรือเปล่า
• คนที่สาม ที่คุณภูมิไปนั่งดู เป็นลูกชายที่ยื่นเคลมแทนคุณแม่ เขาถ่ายรูปใบเสร็จรวมไปแค่แผ่นเดียว เพราะในแอปไม่ได้บอกไว้เลยว่าต้องใช้ใบเสร็จที่แยกค่ารักษาเป็นรายการด้วย

สองเรื่องแรก ในบันทึกของสายเขียนไว้ว่า "ถามสถานะเคลม" เหมือนกันเลยครับ และถ้าลูกชายคนนั้นโทรมา ก็คงถูกบันทึกแบบเดียวกันอีก แต่ไม่มีใครอยากได้แค่คำว่า "อยู่ระหว่างพิจารณา" เลยสักคน สิ่งที่เขาอยากได้จริง ๆ คือความมั่นใจว่าจะไม่ต้องกลับไปเริ่มใหม่ และรู้ว่าเงินจะเข้าเมื่อไหร่

พอคุณภูมิคิดย้อนกลับไป ก็เห็นว่าอย่างน้อยเรื่องเอกสาร สิ่งที่หายไปตอนย้ายมาใช้แอป ก็คืองานที่ตัวแทนเคยเช็กเอกสาร แล้วโทรตามเอกสารจากลูกค้าให้นั่นเองครับ

ให้ AI สวมบทเป็นลูกค้าแทน ได้ไหม

เรื่องนี้ผมลองดูแล้วครับ AI ตอบได้น่าฟังมาก และหลายข้อก็ใกล้เคียงกับที่คุณภูมิได้ยินมาจริง ๆ

แต่เราไม่มีทางรู้ได้เลยว่าข้อไหนตรงกับลูกค้าของเรา จนกว่าจะไปถามคนจริง Nielsen Norman Group (นีลเส็น นอร์แมน กรุ๊ป) บริษัทวิจัยด้านประสบการณ์ผู้ใช้ เคยเปรียบเทียบผู้ใช้ที่ AI จำลองขึ้นมากับผู้ใช้จริง แล้วพบว่าผู้ใช้ที่ AI จำลองมักตอบเหมือนลูกค้าในอุดมคติ และชอบแทบทุกไอเดียที่เราเสนอ เขาจึงแนะนำให้ถือคำตอบแบบนี้เป็นแค่การเดา แล้วเอาไปเช็กกับคนจริงอีกที

สรุปขั้นตอนที่ 1: AI ช่วยเตรียมคำถามและช่วยชี้ว่าโจทย์ของเราเดาอะไรไว้บ้าง แต่การไปคุยและไปดูคนจริง ยังเป็นงานของเรา

ขั้นตอนที่ 2 ตั้งโจทย์: ประโยคสามช่อง แล้วเปลี่ยนเป็น "เราจะทำยังไงให้"

พอเข้าใจคนแล้ว ขั้นตอนที่สองคือการตั้งโจทย์ใหม่ครับ d.school มีรูปประโยคง่าย ๆ ไว้ให้ใช้ ผมแปลเป็นภาษาไทยไว้แบบนี้

• ช่องแรก ใคร: คนกลุ่มที่เจาะจง ไม่ใช่ลูกค้าทุกคน
• ช่องที่สอง ต้องการอะไร: สิ่งที่เขาอยากทำให้ได้ ไม่ใช่สิ่งที่เราอยากสร้าง
• ช่องที่สาม เพราะเราเพิ่งรู้ว่าอะไร: สิ่งที่เราเพิ่งได้รู้จากการไปดูไปคุย ไม่ใช่สิ่งที่รู้อยู่แล้ว ช่องนี้ไม่ได้บอกเหตุผลของลูกค้า แต่บอกว่าเรารู้อะไรมาใหม่ ถึงกล้าตั้งโจทย์แบบนี้

ของคุณภูมิออกมาเป็นแบบนี้ครับ

เปลี่ยนเป็นคำถาม "เราจะทำยังไงให้..." ที่ไม่กว้างไป ไม่แคบไป

จากนั้นเปลี่ยนประโยคนี้เป็นคำถามที่ขึ้นต้นว่า "เราจะทำยังไงให้" ซึ่งแนวคิดนี้ภาษาอังกฤษเรียกว่า How Might We เคล็ดลับคือ คำถามต้องไม่กว้างจนไม่รู้ว่าจะเริ่มตรงไหน และต้องไม่แคบจนมีคำตอบอยู่ในคำถามแล้ว

ถ้าเทียบกับโจทย์เดิมที่ว่า "ทำยังไงให้สายโทรเข้าน้อยลง" จะเห็นว่าคนที่อยู่ในโจทย์ เปลี่ยนจากบริษัทมาเป็นลูกค้าแล้วครับ และถ้าทำโจทย์ใหม่นี้ได้ สายที่โทรเข้ามาก็น่าจะลดลงตามมาเอง

สรุปขั้นตอนที่ 2: โจทย์ที่ดีมีคนอยู่ในนั้นชัด ๆ และเปิดทางให้คิดได้หลายแบบ ไม่ได้ชี้คำตอบไว้ล่วงหน้า

เพชรสองเม็ด: ทำไมยุค AI เม็ดแรกถึงสำคัญขึ้น

แนวคิดนี้มาจาก Design Council (ดีไซน์ เคาน์ซิล) ของประเทศอังกฤษ ที่วาดกระบวนการออกแบบไว้เป็นรูปเพชรสองเม็ด เรียกว่า Double Diamond ในแต่ละเม็ด เราจะเปิดความคิดให้กว้างก่อน แล้วค่อยบีบให้แคบลง

• เพชรเม็ดแรก คือการหาให้เจอว่าเราควรทำอะไร คล้ายกับสองขั้นตอนแรกที่เพิ่งคุยกันไป
• เพชรเม็ดที่สอง คือการทำสิ่งนั้นให้ออกมาดี

ผมมองว่าพอมี AI เข้ามา เพชรเม็ดที่สองเร็วขึ้นและใช้ต้นทุนน้อยลงมาก เพราะเราได้ไอเดีย ได้ร่าง และได้ต้นแบบเร็วกว่าเดิมมาก แต่ในเพชรเม็ดแรก AI ยังเดินไปคุยกับลูกค้าแทนเราไม่ได้

และถ้าเดินเพชรเม็ดแรกผิดไปแล้ว ต่อให้เม็ดที่สองเร็วขึ้นแค่ไหน เราก็แค่ได้คำตอบสวย ๆ มาตอบโจทย์ที่ผิดมาตั้งแต่แรกครับ

สรุปเพชรสองเม็ด: AI ทำให้การหาคำตอบเร็วขึ้นมาก แต่การหาให้เจอว่าควรแก้เรื่องอะไร ยังต้องใช้เวลาไปคุยกับคนเหมือนเดิม

ขั้นตอนที่ 3 ถึง 5: หาไอเดีย ทำต้นแบบ ทดสอบ

ขั้นตอนที่ 3 หาไอเดีย: แยกช่วงคิดออกจากช่วงตัดสิน

หลักของขั้นตอนนี้คือแยกช่วงคิดออกจากช่วงตัดสิน ในช่วงคิด เรายังไม่วิจารณ์ไอเดียของใคร และเอาจำนวนไว้ก่อน หลักนี้มีมาตั้งแต่สมัยคุณ Alex Osborn (อเล็กซ์ ออสบอร์น) คนที่ทำให้คำว่า Brainstorming ติดปากคนทั่วไป

ขั้นตอนนี้ AI ช่วยได้เยอะมากครับ คุณภูมินั่งคิดกับทีมโดยมี AI ช่วยอยู่ด้วย แค่ชั่วโมงเดียวก็ได้ไอเดียมาหลายสิบข้อ

แต่ไอเดียจาก AI มักออกมากลาง ๆ และคล้าย ๆ กัน เคล็ดลับคือให้ AI ลองคิดจากหลาย ๆ มุม เช่น ถ้าคนที่ยื่นเคลมเป็นลูกที่ยื่นแทนพ่อแม่ล่ะ หรือถ้าเป็นคนที่ต้องรีบใช้เงินล่ะ แล้วเราค่อยเป็นคนคัดเลือกเอง

สุดท้ายทีมของคุณภูมิเลือกมาสองไอเดีย

1. ให้แอปตรวจเอกสารทันทีตอนที่ลูกค้าถ่ายรูป ถ้าขาดอะไรก็บอกตรงนั้นเลยว่าขาดใบไหน และต้องไปขอได้ที่แผนกไหนของโรงพยาบาล
2. พอเอกสารครบแล้ว ให้แอปบอกวันที่เงินน่าจะเข้า แทนคำว่า "อยู่ระหว่างพิจารณา"

ขั้นตอนที่ 4 ทำต้นแบบ: ขั้นตอนที่ AI เปลี่ยนไปมากที่สุด

หัวใจของขั้นตอนนี้คือทำของหยาบ ๆ ราคาถูก แค่พอให้คนได้ลองจับลองใช้ ไม่ต้องรอให้สวยหรือเสร็จสมบูรณ์ d.school ใช้คำว่า สร้างเพื่อคิด คือทำออกมาให้จับต้องได้ก่อน แล้วความคิดของเราจะชัดขึ้นเอง ไม่ต้องรอคิดให้ครบในหัว

คุณภูมิให้ AI ช่วยทำหน้าจอต้นแบบที่กดได้จริงบนมือถือ ตั้งแต่หน้าถ่ายรูปเอกสาร ไปจนถึงหน้าที่บอกวันที่เงินเข้า โดยบอก AI ว่าอยากได้หน้าจออะไรบ้าง แล้วให้ AI สร้างเป็นหน้าเว็บจำลองที่เปิดกดบนมือถือได้ ใช้เวลาแค่บ่ายเดียว ต้นแบบนี้ยังไม่ได้เชื่อมกับระบบจริงเลยนะครับ แต่ก็พอให้ลูกค้าได้ลองกดใช้งานแล้ว

ผมว่าขั้นตอนนี้เป็นขั้นตอนที่ AI ทำให้เปลี่ยนไปมากที่สุด เพราะเมื่อก่อนถ้าจะทำต้นแบบสักชิ้น ต้องรอทีมออกแบบหรือทีมไอทีเป็นสัปดาห์ หลายองค์กรก็เลยข้ามขั้นตอนนี้ แล้วไปสร้างของจริงเลย ซึ่งถ้าพลาดขึ้นมาก็เสียทั้งเงินและเวลาไปเยอะมาก

พอตอนนี้เราทำต้นแบบได้เร็วและใช้ต้นทุนน้อยขนาดนี้แล้ว ก็ไม่มีเหตุผลที่จะข้ามอีก เราควรเอาต้นแบบไปลองกับคนจริงก่อนทุกครั้งครับ

ขั้นตอนที่ 5 ทดสอบ: คิดเหมือนรู้อยู่แล้วว่าเราผิด

d.school มีประโยคหนึ่งที่ผมชอบมากครับ ตอนทำต้นแบบ ให้ทำเหมือนเรามั่นใจว่าเราถูก แต่ตอนทดสอบ ให้คิดเหมือนเรารู้อยู่แล้วว่าเราผิด พูดง่าย ๆ คือตอนทดสอบ ให้ตั้งใจหาจุดที่ยังใช้ไม่ได้ ไม่ใช่หาคนมาชมต้นแบบของเรา

คุณภูมิเอาหน้าจอต้นแบบไปให้ลูกค้าห้าคนลองกดใช้จริง ผลก็คือ

• ส่วนที่ตรวจเอกสารทันทีใช้ได้ดีมาก ทุกคนเข้าใจหมด
• แต่พอถึงหน้าที่บอกวันที่เงินเข้า ลูกค้าสองคนถามเหมือนกันว่า วันที่นี้แน่นอนหรือเปล่า แล้วถ้าเลยวันแล้วเงินยังไม่เข้า ต้องทำยังไง

ทีมงานก็เลยย้อนกลับไปแก้ ให้แอปบอกเป็นช่วงวันแทน และแจ้งด้วยว่าถ้าเลยช่วงนั้นไปแล้ว บริษัทจะโทรหาลูกค้าเอง จากนั้นก็เอาไปให้ลูกค้าลองใหม่อีกรอบ ห้าขั้นตอนนี้วนกลับได้จริง ๆ อย่างที่บอกไว้ตอนต้นครับ

แล้วผลเป็นยังไง

คุณภูมิเองก็ยังไม่รู้หรอกครับว่าสายจะลดลงได้แค่ไหน แต่รอบนี้เขารู้แล้วว่ากำลังแก้เรื่องที่ลูกค้าเจออยู่จริง ไม่ได้แก้แค่ตัวเลขบนรายงาน และครั้งหน้าที่วัดผล คุณภูมิจะไม่ได้ดูแค่จำนวนสาย แต่จะดูด้วยว่ามีเคลมกี่รายการที่ลูกค้าต้องส่งเอกสารเพิ่มทีหลัง

สรุปขั้นตอนที่ 3 ถึง 5: ให้ AI ช่วยคิดเยอะ ๆ และช่วยทำต้นแบบให้เร็ว แต่คนที่ลองใช้ต้องเป็นคนจริง และพร้อมย้อนกลับไปแก้เสมอ

AI ช่วย Design Thinking ได้แค่ไหน

การ์ดสรุป: Design Thinking 5 ขั้นตอน 5 เครื่องมือ

ถ้าจำได้แค่ข้อเดียว ผมอยากให้จำเครื่องมือของขั้นตอนแรกไว้ครับ คือก่อนจะตั้งโจทย์ ให้ไปถามคนที่เจอปัญหาจริงว่า ครั้งล่าสุดที่เจอเรื่องนั้น เกิดอะไรขึ้นบ้าง

คำสั่งให้ AI ช่วยตรวจโจทย์ก่อนตอบ

ถ้าอยากให้ AI ช่วยตรวจโจทย์ของเรา แบบที่คุณภูมิทำ ใช้คำสั่งข้างล่างนี้ได้เลยครับ

วิธีใช้: เปิดแชตใหม่ วางคำสั่งทั้งกล่อง แล้วลบข้อความในวงเล็บปีกกาบรรทัดสุดท้ายออก ใส่คำถามที่เรากำลังจะถาม AI ลงไปแทน ยิ่งบอกว่าเราทำงานอะไร และเรื่องที่อยากให้ดีขึ้นคืออะไร AI ก็ยิ่งตรวจได้ตรง

ก่อนตอบคำถามของฉันข้างล่าง ยังไม่ต้องเสนอวิธีแก้
1. บอกว่าคำถามนี้ตั้งจากมุมของใคร และใครบ้างที่เจอปัญหานี้จริง
2. คำถามนี้เดาอะไรไว้เกี่ยวกับคนที่เจอปัญหา ที่ฉันยังไม่เคยไปดูหรือไปถามจริง ไม่เกินสามข้อ
3. เขียนโจทย์ใหม่สามแบบ ขึ้นต้นว่า เราจะทำยังไงให้... โดยมองจากคนที่เจอปัญหาจริง
4. แต่ละแบบ บอกว่าฉันควรไปดูหรือไปคุยกับใคร และเขียนคำถามให้สองข้อ ที่ถามถึงสิ่งที่เขาทำจริงครั้งล่าสุด ไม่ใช่ถามความเห็น
ข้อไหนเป็นการเดา ให้บอกว่าเป็นการเดา
คำถามของฉัน:
{วางคำถามที่กำลังจะถาม AI ตรงนี้ บอกด้วยว่าเราทำงานอะไร และเรื่องที่อยากให้ดีขึ้นคืออะไร เช่น ฉันเป็นผู้จัดการร้านอาหาร 3 สาขา ลูกค้าประจำมาน้อยลง ช่วยเสนอวิธีดึงลูกค้ากลับมาหน่อย}

คำสั่งนี้เป็นข้อความเดียวกับในคลิปครับ ต่างกันแค่สองจุด คือเปลี่ยนคำว่า "ผม" เป็น "ฉัน" ให้ทุกคนใช้ได้ และเพิ่มบรรทัดสุดท้ายไว้บอกว่าต้องวางอะไรตรงไหน

ที่สำคัญคือบรรทัดแรกที่บอก AI ว่ายังไม่ต้องเสนอวิธีแก้ ถ้าไม่บอกไว้ AI ส่วนใหญ่จะรีบตอบโจทย์ที่เราถามทันที และข้อ 4 ที่ให้ AI เขียนคำถามที่ถามถึงครั้งล่าสุด ไม่ใช่ถามความเห็น เพราะคำถามพวกนั้นเราต้องเอาไปถามคนจริงเอง

อยากลองก่อน ใช้คำถามเดิมของคุณภูมิได้

ถ้ายังไม่สะดวกใช้โจทย์ของตัวเอง ลองวางคำถามนี้ต่อท้ายคำสั่งดูก่อนได้ครับ เป็นคำถามเดียวกับที่ผมใช้ทดสอบตอนทำคลิป (สถานการณ์สมมติ)

ฉันเป็นผู้อำนวยการฝ่ายบริการลูกค้าของบริษัทประกันสุขภาพ ตั้งแต่บริษัทเปิดให้ลูกค้ายื่นเคลมแบบสำรองจ่ายผ่านแอปได้เอง สายที่โทรเข้าคอลเซ็นเตอร์เพื่อถามเรื่องเคลมก็เพิ่มขึ้นมาก ช่วยเสนอวิธีลดจำนวนสายที่โทรเข้ามาหน่อย

ผลที่ได้ตอนผมลองกับ AI จริง

คุณภูมิเป็นตัวละครสมมติก็จริง แต่คำตอบของ AI ที่เล่าในบทความนี้ ผมเอามาจากการลองถามจริงกับ AI หลายรุ่น (ทดสอบเมื่อ พ.ย. 2569) ผลที่ได้ออกมาคล้ายกันมากครับ

• ทุกรุ่นบอกตรงกันว่าโจทย์เดิมมองจากมุมของบริษัท เพราะคนที่อยากให้สายลดคือฝั่งเรา ส่วนลูกค้าแค่อยากได้คำตอบ
• บางรุ่นทักเองว่าคำถามเหมาไว้ก่อนว่าสายเรื่องเคลมเป็นเรื่องเดียวกันหมด ทั้งที่อาจมีหลายเรื่องปนกัน
• AI บอกว่าข้อไหนเป็นการเดา และเขียนคำถามที่ถามถึงครั้งล่าสุดไว้ให้ไปถามลูกค้า

AI แต่ละค่ายอัปเดตรุ่นกันบ่อย ผลที่ได้อาจไม่เหมือนกันเป๊ะ แต่หลักยังใช้ได้เหมือนเดิมครับ ขอแค่จำไว้ว่า คำถามที่ AI เขียนไว้ให้ เราต้องเอาไปถามคนจริง ๆ ด้วย

สรุปการใช้ AI ตรวจโจทย์: ให้ AI ช่วยชี้ว่าโจทย์ของเรามองจากมุมใคร และเดาอะไรไว้บ้าง ส่วนการไปหาคำตอบจากคนจริง และการเลือกโจทย์ใหม่ ยังเป็นงานของเรา

ข้อควรรู้ก่อนใช้จริง 3 เรื่อง

1. เรื่องของคุณภูมิเป็นสถานการณ์สมมติ ตัวเลขและเหตุการณ์ในบริษัทเป็นข้อมูลจำลองทั้งหมด (ยกเว้นคำตอบของ AI ที่มาจากการทดสอบจริง) เอาหลักคิดไปใช้ได้ แต่อย่าเอาตัวเลขไปเทียบกับธุรกิจจริง
2. ระวังข้อมูลที่วางให้ AI ใช้บัญชี AI ที่บริษัทอนุญาต และให้ข้อมูลเท่าที่จำเป็น ถ้าคำถามมีข้อมูลลูกค้า ชื่อคน หรือตัวเลขที่ปกติไม่เปิดให้คนนอกบริษัทเห็น ให้ตัดออกก่อน หรือเขียนแบบกว้าง ๆ แทน
3. คำตอบของ AI เรื่องลูกค้าเป็นแค่การคาดเดา ทั้งตอนที่ AI ตรวจโจทย์ และตอนที่ AI สวมบทเป็นลูกค้า ให้ถือว่าเป็นสิ่งที่ต้องไปเช็กต่อ อย่าเพิ่งเอาไปตัดสินใจจนกว่าจะได้คุยกับคนจริง

สรุป Design Thinking

• Design Thinking คือวิธีแก้ปัญหาที่เริ่มจากการเข้าใจคนที่เจอปัญหาจริงก่อน แล้วค่อยตั้งโจทย์ หาไอเดีย ทำต้นแบบ และทดสอบกับคนจริง
• 5 ขั้นตอนวนกลับได้เสมอ ถ้าทดสอบแล้วเจออะไรใหม่ ก็ย้อนกลับไปแก้
• รายงานบอกว่าเกิดอะไรขึ้น แต่ไม่ได้บอกว่าคนที่เจอเรื่องนั้นกำลังพยายามทำอะไร ต้องไปถามถึงครั้งล่าสุด
• AI ช่วยได้มากตอนหาไอเดียและทำต้นแบบ แต่ตอนเข้าใจคนกับตอนทดสอบ คนที่เราคุยด้วยต้องเป็นคนจริง
• ก่อนให้ AI ตอบ ให้ AI ตรวจโจทย์ก่อน ว่าเรามองจากมุมของใคร และเดาอะไรไว้บ้าง

ลองคิดดูนะครับ

โจทย์ที่ทีมของเรากำลังให้ AI ช่วยอยู่ตอนนี้ ตั้งขึ้นมาจากมุมของใคร แล้วครั้งสุดท้ายที่เราได้คุยกับคนที่เจอปัญหานั้นจริง ๆ คือเมื่อไหร่

ถ้านึกออกแล้ว มาเล่าให้ผมฟังในคอมเมนต์ใต้คลิป YouTube ได้เลยครับ ผมอ่านทุกคอมเมนต์

อยากหาจุดที่ AI สร้างผลได้มากที่สุดในงานของตัวเอง

ซีรีส์นี้มีตอนอื่นอีก

บทความนี้มาจากตอนที่สี่ของซีรีส์พิเศษของช่องผม หลักคิดผู้บริหารยุค AI | Thinking 101 แต่ละตอนจบในตัว อ่านหรือดูแยกกันได้เลย ไม่ต้องเรียงตามลำดับครับ

• ตอนที่ 1 Systems Thinking: เอา AI มาแก้ปัญหา แต่ทำไมปัญหากลับหนักกว่าเดิม อ่านบทความ · ดูคลิป
• ตอนที่ 2 Critical Thinking: AI ตอบดูน่าเชื่อ แต่ทำไมเรายังตัดสินใจพลาด อ่านบทความ · ดูคลิป
• ตอนที่ 3 AI Transformation: ทุกคนใช้ AI แล้ว ทำไมองค์กรยังเหมือนเดิม อ่านบทความ · ดูคลิป
• ตอนหน้า Lean: ทำไมก่อนจะเอา AI มาเร่งงานให้เร็วขึ้น เราควรตัดงานที่ไม่จำเป็นออกไปก่อน

คำถามที่พบบ่อย

แหล่งข้อมูล

• Hasso Plattner Institute of Design at Stanford (d.school), "Bootcamp Bootleg" ที่มาของห้าขั้นตอน รูปประโยคตั้งโจทย์ (Point of View) คำถาม How Might We เคล็ดลับการสัมภาษณ์ และประโยคเรื่องการทำต้นแบบและการทดสอบ (ผู้เขียนแปลและเรียบเรียง)
• Tim Brown, "Design Thinking", Harvard Business Review (มิ.ย. 2008)
• Design Council, "History of the Double Diamond" ที่มาของภาพเพชรสองเม็ด (Double Diamond)
• Maria Rosala และ Kate Moran, "Synthetic Users: If, When, and How to Use AI-Generated Research", Nielsen Norman Group (มิ.ย. 2024)
• Alex F. Osborn, "Applied Imagination" (1953) ที่มาของกติกา Brainstorming แยกช่วงคิดออกจากช่วงตัดสิน