Work Life Festival 2025

💎 เราต้อง Balance ให้ได้ ว่าระหว่างใช้ Data ด้วยวิธีคิดของมนุษย์ในเชิง Creative จนถึงใช้ AI

สรุป Session: Data Skill in AI Era ควรเรียนรู้ทักษะ Data รูปแบบไหน ในวันที่ AI เก่งขึ้นทุกที จากงาน Work Life Festival 2025 Skillforce Stage โดย
1. คุณหนุ่ย ณัฐพล ม่วงทำ, เจ้าของเพจ การตลาดวันละตอน และ Data-Driven Advisor
2. คุณกอล์ฟ ณัฐกร เวียงอินทร์, Head of Content & Branding Future Trends, Moderator

คุณกอล์ฟถามคำถามคุณหนุ่ยถึง 9 คำถาม

คุณกอล์ฟเล่าเริ่มต้นว่า โลกเราเปลี่ยนไปจาก 3-4 ปีที่ผ่านมา จากวันที่ ChatGPT มา มันมีสิ่งหนึ่งที่ มันยังอยู่ก็คือ พ่อแม่ของ ChatGPT และ AI ก็คือ Data และ Data skill ยังจำเป็นอยู่ไหม ถ้าจำเป็นในยุค AI มันอยู่ตรงไหน เราจะมา Crack ตรงนี้ จึงชวน คุณหนุ่ย มาคุยกันในประเด็นนี้

🔷 คำถามที่ 1 ก่อนปี 2022 ก่อนที่จะมีและหลังมี ChatGPT การใช้ Data ต่างกันยังไง แล้วคำว่า Data skill ในตอนนั้นกับตอนนี้ มันต่างกันยังไง เพราะก่อนหน้านี้ Data คือ มนุษย์ทองคำ คนที่เป็น Data Analyst แต่ในทุกวันนี้เป็นยังไง

✅ คุณหนุ่ยบอกว่า สมัยก่อนใช้ ChatGPT งาน Data มันเหนื่อย เพราะทุกอย่างต้องทำด้วยมือ เช่น แยกข้อมูลทำ Dashboard/Excel ใช้เวลาครึ่งวัน

อยากแยกเพศลูกค้า ก็ต้องไล่อ่านชื่อทีละคน เดาว่าชื่อนี้น่าจะผู้ชายหรือหญิง ใช้คน ล้วน ๆ ในการกรอง

การทำ Social Listening ก็ต้องไล่อ่านโพสต์ทีละอัน แล้วค่อย ๆ แยกว่าโพสต์นี้ด่า โพสต์นี้ชม พูดถึงประเด็นไหน

แต่วันนี้มี AI มาหรือ อ่านแล้วให้คำแนะนำ มนุษย์แค่ตรวจสอบ 80-90% นี้แม่นแล้ว งานเดียวกัน ที่เคยเหนื่อยมาก จนต้องรับจ้างหลายคน วันนี้ 1 คนสามารถทำได้แล้ว

ฉะนั้นว่า AI ทำให้งาน Data จากงานหนัก เป็นงานที่ทำได้ง่ายขึ้นเยอะครับ

🔷 คำถามที่ 2 ถ้าเกิด หนุ่ยจะพูดตลอดว่า เอ่อ การตลาดต้องเข้าใจลูกค้าจากข้อมูลนะครับ อ่า ทีนี้ในยุค AI เราจะเข้าใจข้อมูลยังไง เข้าใจ insight ได้ยังไงบ้าง แล้วเราจะไม่โดนสิ่งที่เรียกว่า hallucination AI มันหลอกเราอ่ะ มันจะโดนอะไรแบบนี้ไหม เรา เรามีอะไรที่ต้องระวังหรือโฟกัสบ้างครับ

✅ คุณหนุ่ยบอกว่า คำตอบจาก AI มีโอกาสมั่วสัก 20% มีอาการหลอน (Hallucination) ปัญหา คือ เราจะรู้ได้ไหมว่าบรรทัดไหน AI มั่ว?

คุณหนุ่ยบอกแนวทางว่า เราต้องมี ทักษะ Auditor คนที่ตรวจคำตอบ AI ได้
โดยกลับไปดู Data ต้นทางว่า
- ข้อมูลจริง ไม่ได้มาจาก AI เอง
- กราฟนี้สะท้อนตัวเลขจริงไหม
- สรุปที่ AI ให้มา ตรงกับ Data ดิบหรือเปล่า

✨ ตัวอย่างเช่น
- เคยถาม AI รุ่นเก่า เรื่องสุขภาพ แล้วมันแนะนำให้กิน ยาพารา 15 เม็ด ในครั้งเดียว นี่คือ Hallucination แบบอันตรายสุด ๆ และเป็นตัวอย่างชัดว่า
ถ้าเราเชื่ออย่างเดียว ไม่ตรวจ เราเสี่ยงมาก

🔷 คำถามที่ 3 เราจะตีความ Data ให้เป็นการตัดสินใจได้ยังไง?

✅ คุณหนุ่ยบอกว่า เราต้องตีความข้อมูล ด้วยการเอาหลาย ๆ ทีมมาดูร่วมกัน เพื่อให้ได้มุมมองหลายมุม ตีความให้เข้าใจ คนดูกราฟเดียวกันก็คิดต่างกัน

✨ ตัวอย่างเช่น
- เคสยาสีฟัน: ซื้อหน้าร้าน + ซื้อออนไลน์ในเวลาไล่เลี่ยกัน
🔹 ทีมเจอ Data แปลก ๆ ว่า
1. ลูกค้ากลุ่มหนึ่ง ซื้อยาสีฟันที่หน้าร้าน
2. ไม่กี่ชั่วโมง/ไม่กี่วันหลังจากนั้น ซื้อยาสีฟันยี่ห้อเดิมแบบเดิมซ้ำในออนไลน์
🔹 ถ้าดูแบบผิว ๆ จะตีความว่า
1. ซื้อเพิ่มเพราะออนไลน์ถูกกว่า
2. กลัวไม่พอใช้ เลยซื้อกักตุน
🔶 แต่พอลงไปคุยกับลูกค้าจริง ๆ (ไปหา Context)
1. กลายเป็นว่า ลูกค้ากลุ่มนี้ ไม่ได้ซื้อใช้เอง ซื้อให้พ่อแม่ ซื้อให้ญาติและ ซื้อไปฝากคนอื่น
🔹 กลยุทธ์ที่ปรับเลยคือ
- ไม่ได้ให้โปรซื้อครั้งหน้าอย่างเดียว แต่เปลี่ยน Message เป็น อย่าลืมซื้อให้คนที่คุณอยากดูแล/แบ่งปันด้วยนะ ส่งผลให้ ยอดขายดีขึ้น ทั้งที่ไม่ได้เพิ่มส่วนลดอะไรเลย แค่เปลี่ยนคำพูด

คุณหนุ่ยบอกว่า Key สำคัญ อย่าดูแค่ตัวเลข ต้องเข้าใจ Context ว่าvทำไมมันถึงเกิดขึ้น ถึงแม้จะใช้ AI ก็ยังต้องเข้าใจภาพใหญ่ก่อน

🔷 คำถามที่ 4 เราทำเรื่อง Data นะครับ อย่างมีประสิทธิภาพทางการตลาดยังไงโดยที่เราใช้ AI อ่ะ เมื่อกี้เป็นกรณีศึกษากรณีนึงแล้ว ผมอยากขอเพิ่มอีกสัก 2-3 กรณีไหวไหม

✅ คุณหนุ่ยบอกว่า
🔶 เคส 1 เข้าใจลูกค้าจริง ๆ:
- ปัญหาเดิม คือ การดูแค่ Data = ตัดสินใจผิดได้
- วิธีแก้ คือ การลงไปสัมภาษณ์คนจริง เอา AI มาช่วยจำแนกข้อมูล แล้วลงไปคุยกับคนที่ Data บอกว่า ต้องเข้าใจ เพื่อรู้ เหตุผลจริง ของพฤติกรรม จากนั้นปรับ Message ให้ตรงใจคน ๆ นั้น

🔶 เคส 2 ออกแบบระบบให้คน ทำสิ่งที่เราต้องการ:
- ปัญหาเดิม คือ บริษัทสั่งให้เรียน 12 คอร์สต่อปี คนก็เก็บไว้เรียนตอนสิ้นปีทั้งหมด = ได้ความรู้ไม่เท่าไร
+ วิธีแก้ คือ เปลี่ยนนโยบายเป็น "เดือนละ 1 คอร์สอย่างน้อย" (Gamification) ทำให้คนเรียนสม่ำเสมอ และจบปีได้ความรู้มากขึ้นจริง ๆ

🔷 คำถามที่ 5 เคส Future Skill: HR ใช้ Data ปรับ Policy การเรียนของพนักงานยังไง?

✅ คุณหนุ่ยบอกว่า ไม่ จากข้อมูล HR พบว่า คนแห่ไปเรียนช่วงที่จะประเมินเงินเดือน หมายความว่า เค้าเรียนเพื่อให้ ดูดี ไม่ใช่เรียนเพื่อเก็บทักษะ แต่เรียนเพื่อให้ครบตาม KPI
- เมื่อเปลี่ยนเป็น เดือนละ 1 คอร์ส (บังคับน้อย ๆ แต่ต่อเนื่อง)

✨ ผลลัพธ์ดีขึ้นเยอะ เพราะคนเรียนไปเรื่อย ๆ
- ได้ความรู้มากกว่า
- พนักงานค่อย ๆ อัปสกิลไปเรื่อย ๆ ทั้งปี
- ความรู้ซึมเข้ากับงานจริงมากกว่า อัดเรียนตอนปลายปี

🔷 คำถามที่ 6 ต้องเรียนทักษะอะไรเพื่อเป็น Business Analyst ที่ไม่ตกงาน?

✅ คุณหนุ่ยบอกว่า อาชีพ Business Analyst มีมานานแล้ว แต่เพิ่งขึ้นมาเป็นกระแส เพราะ AI ทำให้ Data อยู่ใกล้ตัวทุกคน

🔶 ทักษะที่ต้องมี 4 อย่าง เพื่อไม่ตกงาน:
1. ทำ Data ได้ ตั้งแต่พื้นฐาน อย่างน้อยรู้ว่าจะ Visualize แบบไหน กราฟรูปไหนส่วนไหน โดยไม่ต้องนั่งใช้ Tool หนัก แต่ต้องเข้าใจภาษาของ Data
2. เข้าใจหลักสถิติง่าย ๆ แต่ต้องรู้ว่า หลักการมันเป็นยังไง เพื่อให้ AI เลือกเครื่องมือที่ถูก
3. ตั้งคำถามได้ดี สำคัญที่สุด เพราะคำถามดีจะได้ Data ที่สำคัญ ตัวอย่างเช่น ไม่ใช่แค่ถามว่า ทำไมยอดขายต่างกัน แต่ถามว่า ทำไมยอดขายจังหวัด A ต่างจาก B เป็นพิเศษ ความแตกต่างนี้สำคัญมาก
4. มองโลกแบบ Datafication เห็น Data จากของรอบตัว ดูน้ำขวดแล้วไม่ใช่แค่เห็น กาแฟสด แต่เห็น Size, สี, Package, Font, รูปภาพ ถ้ารู้ว่า Factor ไหน ทำให้มันขายดีหรือ อะไร คือ ปัจจัยสำเร็จที่ซ้ำ ๆ กันอยู่

🔷 คำถามที่ 7 ทุกคนมางานนี้ เพราะว่าคิดว่าอยากพัฒนาตัวเองไปสู่แบบปีหน้า ให้เป็นคนที่ดี, เก่งขึ้น ควรเรียนทักษะอะไรให้พนักงานทำในเดือนหน้า

✅ คุณหนุ่ยบอกว่า Critical Thinking ไม่ใช่ทุกคนตั้งคำถามเป็น อย่างคน 2 คนดูกราฟเดียวกัน แต่ตั้งคำถามไม่เหมือนกัน ผลลัพธ์ก็ไม่เหมือนกัน

✨ สิ่งที่ช่วยให้ตั้งคำถามดีขึ้น
1. อ่านเคสเยอะ ๆ
- มีคลังในหัว เวลาเห็นเหตุการณ์ใหม่ สมองจะเชื่อมกับเคสเก่าได้เร็ว
2. หัวหน้าต้องฝึก อดทนฟัง
- คุณหนุ่ยเล่าว่า เคยเป็นหัวหน้าที่รีบสรุปแทนลูกน้อง
- จนลูกน้องบอกว่า ถ้าพี่ไม่ฟัง ต่อไปหนูไม่เล่าแล้ว
📌 นั่นคือ จุดที่รู้ว่า ถ้าไม่ให้คนรุ่นต่อไปได้เล่า ได้คิด ได้ลองผิด เราจะไม่มีคนเก่งมาช่วยงาน

🔷 คำถามที่ 8 เมื่อประมาณไม่กี่สัปดาห์ที่ผ่านมา Amazon ปลดคนเพราะ AI เพราะ AI เข้ามาแทนที่ เราจะไม่เป็นหนึ่งในคนนั้นได้ยังไง?

✅ คุณหนุ่ยบอกว่า มุมมองการปลดนะ ประเทศไทย Culture ปลดคนอาจไม่แรงเท่าต่างประเทศ
- แต่สิ่งที่จะเกิดขึ้น คือ งานคุณเยอะขึ้น แทนที่จะถูกปลด
- คนที่น่าเป็นห่วงที่สุดคือ เด็กจบใหม่ ถ้าไม่ได้โดดเด่นจริง หางานยากขึ้น

🔶 อยากให้ AI ทำให้คุณเก่งขึ้น:
- ไม่ใช่ Copy Paste คำตอบ AI มาใช้เลย เวลาทำงานจริง ถ้าจับได้เป็นเรื่องใหญ่ เพราะถือว่าไม่ให้เกียรติลูกค้า
- ใช้ AI กลั่นกรอง เน้นปรับปรุงให้ดีกว่าเดิม แล้วทำให้เป็น Idea ของเรา
ตัวอย่างเช่น คุณหนุ่ยไปสอน ป.โท
- นักศึกษาบางคนใช้เครื่องมือสร้างสไลด์อัตโนมัติ
- สไลด์ออกมาดูดีมาก แต่พอถามลึก ๆ เจ้าของสไลด์ไม่เข้าใจว่า ตัวเองกำลังพูดอะไรอยู่
ทางที่ดี คือ อย่าเอา AI PowerPoint มาสไลด์สวยแต่ว่าไม่รู้ว่าพูดอะไร

🔷 คำถามที่ 9 ส่วนใหญ่คนจะถามว่า คุณจะทำอะไร ถูกไหม เราจะทำอะไร เราจะออกกำลัง อ่านหนังสืออะไรว่าไป ผมอยากถามว่า ถ้าเกิดเริ่มต้นปีหน้า คุณจะไม่ทำอะไร

✅ คุณหนุ่ยบอกว่า คนส่วนใหญ่ถามว่า จะทำอะไร แต่คุณหนุ่ยบอก 3 ข้อ:
1. ไม่พยายามในสิ่งที่เรารู้ว่าเราไม่เก่ง เช่น ตัวเขา บอกเลยว่าไม่ค่อยใช้ AI เท่าไร (ใช้แค่หาร้านอาหาร หาตั๋ว) ไม่พูดเรื่อง AI ก่อน
2. โฟกัสเฉพาะเรื่องที่ถนัด คุณหนุ่ย Focus ที่ การตั้งคำถาม + Data เพื่อ Business ไม่ไปแข่งกับ AI Expert
3. ไม่ทำให้เป็นภาระคนอื่น Strategy ที่สำคัญ คือ การเลือกไม่ทำ เพราะ ไม่ทำสิ่งที่เรารู้ว่าเราไม่เก่ง = กลยุทธ์ที่ฉลาด

🔶 หนังสือที่คุณหนุ่ยแนะนำอ่านซ้ำได้ทุกปี:
1. How to Win Friends and Influence People - Dale Carnegie
- เรื่องของมนุษยศาสตร์ ให้คน เลือกเรา ซื้อเรา รักเรา เป็นรากของหนังสือจิตวิทยาส่วนใหญ่
2. Atomic Habits - James Clear
- เกี่ยวกับการสร้างสัตตบรรณการใช้ชีวิตที่ดี
- อดทนทำจนถึงวันที่มันสำเร็จ ไม่รู้ว่า วันนั้น คือ เมื่อไร แต่ถ้าหยุด จะไม่มีวันนั้น

👉 ในโลกที่ทุกอย่างวิ่งเร็ว มีเครื่องมือใหม่ทุกวัน เราไม่จำเป็นต้อง เก่งทุกเรื่อง เข้าใจ Data ก็สามารถใช้งาน AI และคนยังเป็นสิ่งที่สำคัญที่สุด AI เป็นแค่เครื่องมือ ทักษะแท้จริงคือ:
✅ ตั้งคำถามดี (Critical Thinking)
✅ เข้าใจ Context (ทำไมถึงเป็นแบบนั้น)
✅ ตรวจสอบผล (Auditing)
✅ ปรับปรุงต่อ (ไม่ Copy Paste)
✅ อดทน (ทั้งกับตัวเองและกับคนอื่น)

…..

💛 ติดตามเพจเราไว้ เพื่อรับความรู้สาระดี ๆ แบบนี้ได้ประจำครับ

#ใช้aiให้ดีต้องมีinsight #insightist #AI #topic #idea #eventinsight #worklifefestival2025 #skillforcestage #data #ai #ผู้บริหาร #ใช้Data