Generative AI สำหรับงาน HR ใช้ AI ช่วยงานบุคคลอย่างไรให้ได้ผลจริง

งาน HR คืองานที่เต็มไปด้วยการอ่าน เขียน และสรุป ตั้งแต่ประกาศรับสมัครงาน อีเมลถึงผู้สมัคร คู่มือพนักงาน นโยบาย ไปจนถึงผลแบบสำรวจความผูกพัน ซึ่งล้วนเป็นงานที่ Generative AI สำหรับงาน HR เข้ามาช่วยได้ตรงจุด ไม่ใช่เพื่อแทนที่คน แต่เพื่อลดเวลากับงานประจำ แล้วคืนเวลาให้ทีม HR ไปทำงานที่ต้องใช้คนจริง ๆ บทความนี้อธิบายว่า AI เปลี่ยนงาน HR อย่างไร ทีม HR ของ Anthropic เองใช้ Claude ทำอะไรบ้าง 6 use case ที่องค์กรไทยเริ่มได้ ข้อควรระวังเรื่องอคติและ PDPA และจะเริ่มอย่างปลอดภัยได้อย่างไร

AI เปลี่ยนงาน HR อย่างไร

ถ้ามองงาน HR เป็นชิ้น ๆ จะเห็นว่าส่วนใหญ่คือ "งานภาษา" คือการผลิตข้อความและย่อยข้อความ ซึ่งตรงกับสิ่งที่โมเดลภาษาทำได้ดีที่สุดพอดี การร่างประกาศรับสมัครงาน การสรุปประวัติผู้สมัคร การเรียบเรียงคู่มือ การตอบคำถามซ้ำ ๆ เรื่องสวัสดิการ ล้วนเป็นงานที่ใช้เวลามากแต่ไม่ได้ต้องการวิจารณญาณสูงในทุกขั้นตอน

จุดที่ต่างจากระบบ HR เดิมอย่าง HRIS หรือ ATS คือระบบเหล่านั้นเก่งเรื่อง "จัดเก็บและจัดการข้อมูล" แต่ Generative AI เก่งเรื่อง "ผลิตและย่อยภาษา" ทั้งสองอย่างจึงเสริมกัน ไม่ได้แทนกัน ผลลัพธ์ที่องค์กรมักเห็นเร็วที่สุดคือเวลาที่ใช้กับร่างแรก (first draft) ลดลงมาก เพราะแทนที่จะเริ่มจากหน้ากระดาษเปล่า ทีมได้ร่างที่พร้อมให้แก้ต่อทันที

สิ่งสำคัญที่ต้องเข้าใจตั้งแต่ต้นคือ AI ช่วย "เร่งงาน" ไม่ใช่ "ตัดสินใจแทน" โดยเฉพาะงาน HR ที่กระทบชีวิตคนโดยตรง ประเด็นนี้จะย้ำอีกครั้งในหัวข้อข้อควรระวัง ทีมการตลาดเจอรูปแบบคล้ายกันและได้ประโยชน์เร็วเช่นกัน อ่านเทียบได้ที่ Generative AI สำหรับการตลาด

ทีม HR ของ Anthropic เองใช้ Claude อย่างไร

ตัวอย่างที่ตรวจสอบได้และน่าสนใจคือ Anthropic ผู้สร้าง Claude ซึ่งเผยแพร่แนวทางการใช้ AI ในกระบวนการจ้างงานของตัวเองไว้อย่างเปิดเผย โดยระบุว่าใช้ Claude เพื่อ:

• สร้าง job description
• พัฒนา คำถามสัมภาษณ์
• ร่างและขัดเกลา การสื่อสารกับผู้สมัคร
• วิเคราะห์ ตัวชี้วัดด้านการจ้างงาน (hiring metrics)
• ถอดเทปการสัมภาษณ์
• ค้นหา ผู้สมัครเพื่อ sourcing

แต่สิ่งที่สำคัญกว่ารายการข้างบนคือเส้นที่ Anthropic ขีดไว้ชัดเจน โดยระบุกับผู้สมัครตรง ๆ ว่า "เราไม่นำข้อมูลของคุณไปเทรน Claude และไม่ให้ Claude เป็นผู้ตัดสินใจเรื่องการจ้างงาน" นี่คือประเด็นที่องค์กรไทยควรถอดบทเรียน เพราะแม้แต่บริษัทที่สร้าง AI เองยังกันขอบเขตไว้ว่า AI ช่วยงานได้ แต่การตัดสินใจเรื่องคนยังเป็นของคน

อีกจุดที่น่าสนใจคือ Anthropic ยังประกาศแนวทางให้ผู้สมัครด้วยว่าใช้ AI ตรงไหนได้แค่ไหน เช่น แนะนำให้เขียนร่างแรกด้วยตัวเองแล้วค่อยใช้ Claude ขัดเกลา ใช้ Claude เตรียมตัวสัมภาษณ์ได้ แต่ในการสัมภาษณ์จริงไม่ใช้ AI ช่วย การมีแนวทางที่โปร่งใสแบบนี้ช่วยลดความสับสนทั้งฝั่งองค์กรและผู้สมัคร (ที่มา: anthropic.com/candidate-ai-guidance)

6 use case ของ Generative AI ในงาน HR

นี่คือ 6 งานที่ทีม HR ไทยนำไปปรับใช้ได้ (เป็นแนวทางเวิร์กโฟลว์ ควรออกแบบให้เหมาะกับนโยบายและข้อมูลขององค์กรคุณเอง):

1. ร่างประกาศรับสมัครงาน (JD) ให้ AI ร่างจากขอบเขตงานจริงและคุณสมบัติที่ต้องการ ปรับโทนให้ตรงกับแบรนด์นายจ้าง พร้อมช่วยตรวจภาษาที่อาจสื่อถึงการเลือกปฏิบัติ แล้วให้ HR และ hiring manager ตรวจก่อนประกาศ
2. คัดกรองและสรุปใบสมัคร ให้ AI สรุปประวัติผู้สมัครเทียบกับเกณฑ์ที่กำหนดไว้ชัดเจน จัดทำสรุปสั้นให้ hiring manager อ่านได้เร็ว รวมถึงช่วยร่างคำถามสัมภาษณ์ตามประสบการณ์ของแต่ละคน โดย AI ไม่ใช่ผู้ตัดสิน คนเป็นผู้เลือกเสมอ
3. Onboarding พนักงานใหม่ ร่างคู่มือต้อนรับ แผน 30-60-90 วัน และชุดคำถามที่พบบ่อย ให้พนักงานใหม่เริ่มงานได้เร็วขึ้น ลดภาระ HR ที่ต้องตอบเรื่องเดิมซ้ำ
4. งาน L&D และการอบรม ช่วยออกแบบโครงหลักสูตร สรุปเนื้อหายาวเป็นบทเรียนย่อย ทำแบบทดสอบและกรณีศึกษา รวมถึงสรุปผลประเมินหลังอบรม
5. ตอบคำถามนโยบายพนักงาน ทำระบบถาม-ตอบที่ดึงคำตอบจากคู่มือและนโยบายจริงขององค์กร (แนวทาง RAG) เพื่อลดคำถามซ้ำที่เข้ามาหา HR ทุกวัน อ่านหลักการได้ที่ RAG คืออะไร
6. สรุปผล engagement survey ย่อยคำตอบปลายเปิดจำนวนมากให้เป็นธีมหลัก พร้อมยกตัวอย่างประกอบ ช่วยให้ HR เห็นภาพรวมและประเด็นที่ต้องรีบแก้ได้เร็วขึ้น

เวิร์กโฟลว์ที่ทีม HR เริ่มได้ทันที

สิ่งที่ทำให้ผลลัพธ์ต่างกันมากที่สุดไม่ใช่รุ่นของโมเดล แต่คือคุณภาพของบรีฟที่ใส่เข้าไป ตัวอย่างโครง prompt สำหรับร่าง JD ที่ทีม HR นำไปปรับใช้ได้เลย:

โครงนี้มาจากเฟรมเวิร์ก 5 ส่วน Role-Task-Context-Format-Tone ซึ่งใช้ได้กับงาน HR แทบทุกชิ้น อ่านวิธีเขียนบรีฟให้ได้งานเต็ม ๆ ได้ที่ Prompt Engineering สำหรับองค์กร เคล็ดลับสำคัญคือเก็บ prompt ที่ใช้ได้ผลไว้เป็นชุดมาตรฐานของทีม เพื่อให้ทุกคนได้คุณภาพงานใกล้เคียงกัน ไม่ต้องเริ่มใหม่ทุกครั้ง

ข้อควรระวังสำหรับงาน HR

งาน HR แตะข้อมูลส่วนบุคคลและกระทบชีวิตคนโดยตรง จึงต้องระวังมากกว่างานทั่วไป:

• อคติในการคัดคน โมเดลอาจสะท้อนอคติที่ติดมากับข้อมูลที่เรียนรู้ ห้ามให้ AI เป็นผู้ตัดสินรับหรือไม่รับ ให้ใช้เพียงช่วยสรุปตามเกณฑ์ที่กำหนดไว้ชัด และทบทวนผลเป็นระยะว่าไม่เกิดการเลือกปฏิบัติ
• ข้อมูลพนักงานและ PDPA ประวัติผู้สมัคร ข้อมูลเงินเดือน ผลประเมิน และข้อมูลสุขภาพ ล้วนเป็นข้อมูลส่วนบุคคล บางส่วนเป็นข้อมูลอ่อนไหว อย่าป้อนเข้าเครื่องมือสาธารณะโดยไม่มีขอบเขต เลือกใช้เครื่องมือระดับองค์กรที่ไม่นำข้อมูลไปเทรนโมเดล และกำหนดให้ชัดว่าข้อมูลประเภทใดใช้ได้หรือไม่ได้ อ่านเพิ่มที่ AI Governance และความปลอดภัยข้อมูล
• คนต้องตัดสินใจสุดท้ายเสมอ ตั้ง human-in-the-loop กับทุกงานที่มีผลต่อคน ทั้งการจ้าง การประเมิน และการเลื่อนตำแหน่ง ดังที่ Anthropic เองก็ไม่ให้ Claude ตัดสินใจเรื่องการจ้างงาน
• ความถูกต้องของข้อมูลนโยบาย AI อาจตอบผิดหรือแต่งข้อมูลได้ ระบบตอบคำถามพนักงานจึงควรดึงคำตอบจากเอกสารจริงขององค์กรและอ้างอิงแหล่งที่มาได้ ไม่ใช่ให้โมเดลตอบจากความจำ
• ความโปร่งใส ควรสื่อสารให้ผู้สมัครและพนักงานรู้ว่าองค์กรใช้ AI ช่วยตรงไหน และมีแนวทางการใช้ AI ที่ชัดเจน แบบเดียวกับที่ Anthropic ประกาศแนวทางให้ผู้สมัคร

เริ่มอย่างไร และยกระดับทีม HR ด้วยการอบรม

แนวทางที่ปลอดภัยและเห็นผลคือเริ่มเล็ก วัดผล แล้วขยาย:

1. เลือกงานเอกสารความเสี่ยงต่ำมาเริ่ม เช่น ร่าง JD ร่างคำถามสัมภาษณ์ หรือสรุปเอกสาร โดยยังไม่แตะข้อมูลส่วนบุคคลที่อ่อนไหว
2. กำหนดขอบเขตข้อมูลให้ชัด ระบุเป็นลายลักษณ์อักษรว่าข้อมูลใดห้ามป้อนเข้าเครื่องมือ AI และใช้เครื่องมือระดับองค์กรที่ควบคุมข้อมูลได้
3. ทำชุด prompt มาตรฐานของทีม เก็บบรีฟที่ใช้ได้ผลไว้ใช้ซ้ำ เพื่อคุณภาพงานที่สม่ำเสมอ
4. ตั้งจุดตรวจโดยคน ทุกชิ้นงานที่ส่งถึงผู้สมัครหรือพนักงานต้องผ่านสายตาคนก่อน
5. วัดผลแล้วค่อยขยาย ดูว่าประหยัดเวลาได้จริงแค่ไหนและคุณภาพดีขึ้นไหม ก่อนขยายไปงานที่ซับซ้อนขึ้น

สิ่งที่มักเป็นคอขวดจริง ๆ ไม่ใช่เครื่องมือ แต่คือทักษะและความมั่นใจของทีม HR เอง Intelevo มีหลักสูตร Generative AI for HR ที่ออกแบบมาสำหรับทีมบุคคลโดยเฉพาะ ตั้งแต่การเขียนบรีฟให้ได้งาน ไปจนถึงแนวปฏิบัติเรื่องข้อมูลและการกำกับดูแล ดูรายละเอียดได้ที่ บริการอบรม AI ในองค์กร และดูแนวทางการจัดอบรมให้ได้ผลได้ที่ จัดอบรม AI ในองค์กรอย่างไรให้ได้ผล

สรุป

Generative AI สำหรับงาน HR ช่วยลดเวลากับงานภาษาที่กินเวลาที่สุดของทีมบุคคล ตั้งแต่ร่าง JD คัดกรองและสรุปใบสมัคร onboarding งาน L&D ระบบตอบคำถามนโยบาย ไปจนถึงการสรุปผลแบบสำรวจ แต่หัวใจอยู่ที่การวางขอบเขตให้ถูก คือใช้ AI เร่งงานและช่วยคิด ไม่ใช่ตัดสินใจแทนคน พร้อมดูแลข้อมูลส่วนบุคคลตาม PDPA และเฝ้าระวังอคติในการคัดคน องค์กรที่เริ่มจากงานความเสี่ยงต่ำ ตั้งกติกาชัด และอบรมทีมให้ใช้เป็น จะได้ประโยชน์เร็วและปลอดภัยที่สุด

หากทีม HR ของคุณอยากเริ่มใช้ Generative AI อย่างถูกวิธี ทีม Intelevo ช่วยออกแบบแนวทางและอบรมทีมให้ใช้ได้จริง ดูแนวทางและทีมเบื้องหลังได้ที่หน้า ทีมและผู้ก่อตั้ง