Information Technology Governance

เมื่อ KPI ไม่ได้แปลว่าองค์กรสร้างคุณค่า จากการวัด “สิ่งที่ทำ” สู่การวัด “ผลลัพธ์ที่เปลี่ยนแปลง” ในองค์กรยุคใหม่

องค์กรที่ KPI เต็มไปหมด ทำไมบางครั้งกลับไม่ได้สร้าง Value?

ในช่วงหลายทศวรรษที่ผ่านมา องค์กรจำนวนมากลงทุนอย่างจริงจังกับการพัฒนาระบบวัดผลการดำเนินงาน โดยมี Key Performance Indicators (KPIs) เป็นเครื่องมือสำคัญในการแปลงกลยุทธ์ให้กลายเป็นเป้าหมายที่สามารถติดตามและประเมินผลได้

แนวคิดนี้มีเหตุผลอย่างยิ่ง องค์กรต้องรู้ว่าเป้าหมายที่กำหนดไว้กำลังเดินหน้าไปในทิศทางใด หน่วยงานต่าง ๆ ทำงานได้ตามเป้าหมายหรือไม่ ทรัพยากรถูกใช้ไปอย่างมีประสิทธิภาพเพียงใด และผลการดำเนินงานเป็นไปตามแผนหรือไม่

ด้วยเหตุนี้ เราจึงเห็นองค์กรจำนวนมากมี KPI ตั้งแต่ระดับองค์กร ระดับฝ่าย ระดับแผนก ไปจนถึงระดับบุคคล

มี KPI ด้านรายได้
มี KPI ด้านต้นทุน
มี KPI ด้านลูกค้า
มี KPI ด้านกระบวนการ
มี KPI ด้านพนักงาน
มี KPI ด้านโครงการ
และบางองค์กรอาจมี KPI มากจนแทบไม่มีใครจำได้ว่าตัวไหนสำคัญที่สุด

คำถามจึงไม่ได้อยู่ที่ว่า “เรามี KPI เพียงพอหรือยัง?” แต่คำถามที่สำคัญกว่าคือ “KPI เหล่านั้นกำลังบอกเราว่าองค์กรสร้างคุณค่าได้จริงหรือไม่?” เพราะการที่ KPI บรรลุเป้าหมาย ไม่ได้หมายความว่าองค์กรจะสร้าง Value Creation ได้เสมอไป

องค์กรสามารถทำงานได้ครบตามแผน ส่งมอบโครงการได้ตรงเวลา ลดต้นทุนได้ตามเป้าหมาย เพิ่มจำนวนลูกค้าได้ และพนักงานผ่านการอบรมครบตามเกณฑ์ แต่ในเวลาเดียวกัน องค์กรอาจสูญเสียลูกค้า กำไรลดลง การตัดสินใจช้าลง หรือความสามารถในการแข่งขันถดถอยได้ นี่คือจุดที่เราจำเป็นต้องแยกให้ออกระหว่าง

Activity → Output → Outcome → Value

เพราะทั้งสี่คำนี้ไม่ใช่สิ่งเดียวกัน และความแตกต่างนี้กำลังมีความสำคัญมากขึ้นอย่างรวดเร็วในยุคที่องค์กรเริ่มนำ Data และ Artificial Intelligence (AI) เข้ามาใช้ในการดำเนินธุรกิจ

1. ปัญหาไม่ได้อยู่ที่ KPI แต่อยู่ที่ “สิ่งที่ KPI กำลังวัด”

ต้องยอมรับก่อนว่า KPI ไม่ใช่สิ่งที่ผิด ตรงกันข้าม KPI เป็นเครื่องมือที่มีประโยชน์มากในการบริหารองค์กร ปัญหาเกิดขึ้นเมื่อองค์กรนำ KPI มาใช้เป็น เป้าหมายสุดท้าย แทนที่จะใช้เป็น เครื่องมือสะท้อนความก้าวหน้าไปสู่ผลลัพธ์ที่ต้องการ

ตัวอย่างง่าย ๆ เช่น ฝ่าย Customer Service มี KPI ว่า

“ต้องตอบคำถามลูกค้าภายใน 5 นาที”

สมมติว่าพนักงานสามารถทำได้ 98% ของจำนวนเคสทั้งหมด

จากมุมมอง KPI ถือว่าประสบความสำเร็จอย่างมาก

แต่ถ้าลูกค้าต้องติดต่อกลับมาอีก 3 ครั้ง เพราะคำตอบครั้งแรกไม่สามารถแก้ปัญหาได้จริง เราจะยังเรียกสิ่งนี้ว่า “Customer Service Performance ที่ดี” ได้หรือไม่?

ในทางกลับกัน หากเป้าหมายที่แท้จริงคือ “ลูกค้าสามารถแก้ปัญหาได้ในการติดต่อครั้งแรก” ตัวชี้วัดที่เหมาะสมอาจเป็น First Contact Resolution (FCR) หรือ Customer Effort มากกว่าเพียงแค่ Response Time

นี่คือความแตกต่างระหว่าง การทำงานได้ตาม KPI กับ การสร้าง Outcome ที่องค์กรต้องการ

2. Activity, Output, Outcome และ Value แตกต่างกันอย่างไร?

เพื่อให้เห็นภาพชัดเจน เราอาจมองกระบวนการสร้างคุณค่าเป็น 4 ระดับ

ความแตกต่างดูเหมือนเล็ก แต่มีผลต่อวิธีบริหารองค์กรอย่างมาก Activity คือสิ่งที่องค์กรหรือบุคลากร “ลงมือทำ” เช่น

• จัดประชุม
• พัฒนา Application
• โทรหาลูกค้า
• จัด Training
• สร้าง Report
• ใช้ AI วิเคราะห์ข้อมูล

สิ่งเหล่านี้บอกว่า เราได้ทำอะไร แต่ยังไม่ได้บอกว่า สิ่งที่ทำสร้างผลลัพธ์หรือไม่
Output คือสิ่งที่ผลิตหรือส่งมอบออกมาจากกิจกรรม เช่น

• Application เสร็จ
• Report ถูกจัดทำ
• พนักงานผ่าน Training
• ลูกค้าได้รับการติดต่อ
• ระบบ AI ถูกนำไปใช้งาน

Output มีความสำคัญ เพราะเป็นสิ่งที่สามารถควบคุมและวัดได้ค่อนข้างง่าย แต่ Output ยังไม่ใช่ Outcome

3. Outcome คือ “การเปลี่ยนแปลงที่เกิดขึ้นจริง”

Outcome คือผลลัพธ์หรือการเปลี่ยนแปลงที่เกิดขึ้นจาก Output และการดำเนินงานขององค์กร ตัวอย่างเช่น องค์กรพัฒนา Mobile Application ใหม่

Output คือ Application เปิดใช้งานได้ แต่ Outcome ที่องค์กรต้องการอาจเป็น ลูกค้าสามารถทำธุรกรรมด้วยตนเองได้มากขึ้น และหากมองต่อไปอีกขั้น Value คือ ต้นทุนการให้บริการลดลง ขณะที่ Customer Experience และ Customer Retention ดีขึ้น ดังนั้น Application ที่สร้างเสร็จ ไม่ใช่ Value มันเป็นเพียง Output

Value จะเกิดขึ้นก็ต่อเมื่อ Output นั้นก่อให้เกิดการเปลี่ยนแปลงที่มีความหมายต่อองค์กรและผู้มีส่วนได้เสีย นี่เป็นหลักคิดที่สำคัญมากสำหรับองค์กรยุค AI เพราะ AI สามารถสร้าง Output ได้อย่างรวดเร็วมาก แต่คำถามที่สำคัญกว่าคือ Output ที่ AI สร้างขึ้น กำลังเปลี่ยนแปลงอะไรให้กับองค์กร?

4. เมื่อ “ทำงานเสร็จ” ไม่เท่ากับ “สร้างคุณค่า”

ลองพิจารณาโครงการ Digital Transformation โครงการหนึ่ง

องค์กรตั้งเป้าว่า “ภายในสิ้นปี ทุกหน่วยงานต้องเปลี่ยนไปใช้ระบบ Digital Workflow” KPI อาจเป็น Percentage of Digitalized Processes = 100% เมื่อสิ้นปี KPI บรรลุเป้าหมาย แต่หลังจากนั้นกลับพบว่า

• พนักงานยังทำงานแบบเดิม
• ต้องพิมพ์เอกสารเหมือนเดิม
• ต้องกรอกข้อมูลซ้ำ
• การอนุมัติไม่ได้เร็วขึ้น
• ลูกค้าไม่ได้รับบริการเร็วขึ้น

ในกรณีนี้ Digitalization เกิดขึ้น แต่ Digital Value ไม่ได้เกิดขึ้น นี่คือกับดักสำคัญของการบริหารแบบ Output-Based องค์กรสามารถประสบความสำเร็จในระดับโครงการ แต่ล้มเหลวในระดับกลยุทธ์ได้

5. Balanced Scorecard ช่วยแก้ปัญหานี้ได้อย่างไร?

แนวคิด Balanced Scorecard (BSC) ของ Robert S. Kaplan และ David P. Norton มีคุณูปการสำคัญต่อการบริหารองค์กร เพราะช่วยให้องค์กรไม่ได้มองความสำเร็จผ่านตัวเลขทางการเงินเพียงด้านเดียว

BSC เชื่อมโยงการบริหารผ่าน 4 Perspectives ได้แก่

1. Financial
2. Customer
3. Internal Process
4. Learning & Growth

แนวคิดสำคัญของ BSC คือการทำให้ Strategy สามารถถูกแปลงออกมาเป็นวัตถุประสงค์ ตัวชี้วัด เป้าหมาย และ Initiatives ที่สามารถบริหารได้

อย่างไรก็ตาม เมื่อบริบทขององค์กรเปลี่ยนไป คำถามใหม่จึงเกิดขึ้นว่า เรายังสามารถใช้ KPI ในแต่ละ Perspective เป็นตัวแทนของ Strategic Value ได้เพียงพอหรือไม่? เพราะโลกธุรกิจในปัจจุบันมีความซับซ้อนมากกว่าเดิม

Data เคลื่อนที่แบบ Real-time
Customer Expectations เปลี่ยนเร็ว
Digital Platform เชื่อมโยงกระบวนการเข้าด้วยกัน
AI สามารถทำงานและตัดสินใจบางส่วนแทนมนุษย์
และ Business Model สามารถเปลี่ยนแปลงได้ภายในเวลาอันสั้น

ดังนั้น สิ่งที่องค์กรต้องการไม่ใช่เพียง Performance Measurement แต่คือ ความสามารถในการเชื่อมโยง Performance เข้ากับ Value Creation

6. จาก “KPI-driven” สู่ “Outcome-driven”

การเปลี่ยนแปลงสำคัญจึงไม่ใช่การเลิกใช้ KPI แต่เป็นการเปลี่ยนตำแหน่งของ KPI ในระบบบริหาร

จากเดิม: KPI → Performance
ไปสู่: Strategy → Outcome → KPI → Value

กล่าวอีกแบบหนึ่งคือ KPI ไม่ควรเป็นจุดหมาย แต่ควรเป็น เครื่องมือที่ช่วยบอกว่าองค์กรกำลังเข้าใกล้ Outcome หรือไม่ ตัวอย่างเช่น หาก Strategic Objective คือ Improve Customer Experience องค์กรอาจมี KPI เช่น

• Response Time
• Resolution Time
• Customer Satisfaction
• Customer Effort Score

แต่ต้องไม่หยุดเพียงว่า KPI ตัวใดบรรลุเป้าหมาย ต้องถามต่อว่า Customer Experience ที่ดีขึ้นสร้างอะไรให้องค์กร? คำตอบอาจเป็น

Customer Satisfaction ↑
↓
Retention ↑
↓
Customer Lifetime Value ↑
↓
Revenue / Enterprise Value ↑

เมื่อเชื่อมโยงเช่นนี้ KPI จึงกลับมาอยู่ในตำแหน่งที่ถูกต้อง คือเป็น Evidence of Progress Toward Outcome and Value

7. Outcome ต้องมี “เจ้าของ”

เมื่อองค์กรเริ่มบริหารด้วย Outcome จะพบปัญหาอีกประการหนึ่งทันที คือ “แล้วใครเป็นเจ้าของ Outcome?” นี่เป็นคำถามที่สำคัญมาก เพราะในโครงสร้างองค์กรแบบ Functional Organization ความรับผิดชอบมักถูกแบ่งตามหน่วยงาน

Marketing รับผิดชอบ Marketing KPI

IT รับผิดชอบ IT KPI

HR รับผิดชอบ HR KPI

Finance รับผิดชอบ Finance KPI

แต่ Outcome สำคัญขององค์กรจำนวนมากไม่ได้เกิดจาก Function ใด Function หนึ่ง ตัวอย่างเช่น Increase Customer Lifetime Value ต้องอาศัย Marketing + Sales + Customer Service + Product + IT + Data + Finance

หากทุกฝ่ายมี KPI ของตัวเอง แต่ไม่มีใครเป็นเจ้าของ Outcome โดยรวม อาจเกิดสิ่งที่เรียกว่า Local Optimization แต่ละฝ่ายทำงานของตัวเองได้ดี แต่ผลรวมขององค์กรไม่ได้ดีขึ้นตามไปด้วย

ดังนั้นองค์กรยุคใหม่จำเป็นต้องพิจารณาแนวคิด Outcome Owner ผู้ที่รับผิดชอบให้ Outcome นั้นเกิดขึ้นจริง แม้จะไม่ได้ควบคุมทุกทรัพยากรที่เกี่ยวข้องโดยตรง นี่จะเป็นประเด็นสำคัญที่เราจะขยายต่อในตอนต่อ ๆ ไป

8. AI ทำให้ปัญหานี้ชัดเจนขึ้นกว่าเดิม

AI กำลังทำให้องค์กรสามารถเพิ่ม Productivity และสร้าง Output ได้ในระดับที่ไม่เคยทำได้มาก่อน สามารถสร้าง Content, วิเคราะห์ข้อมูล, เขียน Code, สรุปเอกสาร, ให้บริการลูกค้า, คาดการณ์แนวโน้ม, สนับสนุนการตัดสินใจ, และในบางกรณีสามารถทำงานเป็น Agent ที่ดำเนินการบางอย่างแทนมนุษย์ได้

แต่ยิ่ง AI สร้าง Output ได้เร็วเท่าไร คำถามเรื่อง Outcome ก็ยิ่งสำคัญขึ้นเท่านั้น เพราะองค์กรอาจตกอยู่ในกับดักใหม่ที่เรียกว่า AI Productivity without Business Value คือ AI ทำงานเร็วขึ้น แต่ องค์กรไม่ได้สร้างคุณค่ามากขึ้น ตัวอย่างเช่น AI ช่วยให้พนักงานสร้าง Report ได้เร็วขึ้น 80% นี่เป็น Productivity Improvement แต่ถ้า Report เหล่านั้นไม่ได้ทำให้ผู้บริหารตัดสินใจดีขึ้น ไม่ได้ลด Risk, ไม่ได้เพิ่ม Revenue, ไม่ได้ลด Cost, หรือไม่ได้สร้าง Customer Value ก็อาจกล่าวได้ว่า AI เพิ่ม Output แต่ยังไม่ได้เพิ่ม Value

ดังนั้นตัวชี้วัด AI ที่สำคัญจึงไม่ควรหยุดอยู่ที่ จำนวนคนใช้ AI, จำนวน AI Tools, จำนวน AI Projects, จำนวน Tasks ที่ AI ทำได้ แต่ควรถามว่า AI ทำให้ Outcome ใดดีขึ้น และ Value เพิ่มขึ้นเท่าไร?

9. จาก Outcome สู่ Value Creation

Outcome ที่ดีไม่จำเป็นต้องสร้าง Value ทางการเงินโดยตรงในทันที บาง Outcome อาจสร้างคุณค่าในระยะยาว ตัวอย่างเช่น Employee Capability อาจนำไปสู่ Better Decision Quality ซึ่งนำไปสู่ Operational Excellence และต่อไปสู่ Customer Value ก่อนจะสะท้อนออกมาเป็น Financial Value

ดังนั้นการสร้าง Value ขององค์กรจึงควรมองเป็น Causal Chain เช่น

People / Data / AI Capability
             ↓
      Better Intelligence
             ↓
       Better Decision
             ↓
       Better Process
             ↓
      Better Customer
        Experience
             ↓
       Better Outcome
             ↓
        Value Creation
             ↓
    Financial / Strategic
            Value

นี่เป็นจุดที่แนวคิด BSC ยังมีความสำคัญอย่างมาก เพราะ BSC มีพื้นฐานอยู่บนแนวคิด cause-and-effect relationship สิ่งที่ต้องพัฒนาต่อในยุค AI จึงไม่ใช่การทิ้ง BSC แต่คือการทำให้ Causal Relationship ระหว่าง Capability → Outcome → Value มีความชัดเจนและวัดผลได้มากขึ้น

10. จาก Balanced Scorecard สู่ Strategic Value Management

เมื่อมองทั้งหมดรวมกัน เราอาจเห็นวิวัฒนาการของระบบบริหารองค์กรได้ดังนี้

ระยะที่ 1 — Activity-Based

เราทำอะไร?

ระยะที่ 2 — Output-Based

เราส่งมอบอะไร?

ระยะที่ 3 — Performance-Based

เราทำได้ตาม KPI หรือไม่?

ระยะที่ 4 — Outcome-Based

สิ่งที่เราทำทำให้เกิดการเปลี่ยนแปลงอะไร?

ระยะที่ 5 — Value-Based

การเปลี่ยนแปลงนั้นสร้างคุณค่าอะไร?

และในยุค AI เรากำลังเข้าสู่ระยะที่ 6

AI-Enabled Value Creation

เราสามารถใช้ People, Data, AI และ Technology เพื่อเร่ง Outcome และสร้าง Value ได้อย่างไร โดยยังอยู่ภายใต้ Governance และ Risk ที่เหมาะสม?

นี่คือเหตุผลที่ Balanced Scorecard ในยุคใหม่อาจต้องถูกมองมากกว่าเครื่องมือวัด Performance แต่ควรถูกยกระดับไปสู่ Strategic Value Management System ระบบที่เชื่อม Strategy → Outcome → Performance → Capability → Execution → Value เข้าด้วยกัน

ประเด็นสำหรับผู้บริหาร

จากแนวคิดทั้งหมด ผู้บริหารอาจเริ่มต้นด้วยคำถามง่าย ๆ 5 ข้อก่อนที่จะสร้าง KPI ใหม่เพิ่มเติม

1. เรากำลังวัด “Activity” หรือ “Outcome”?

ถ้าวัดเพียงจำนวนงานที่ทำสำเร็จ อาจยังไม่สะท้อนคุณค่าที่เกิดขึ้น

2. Output ที่เราสร้างทำให้เกิดการเปลี่ยนแปลงอะไร?

ถ้าตอบไม่ได้ แสดงว่ายังเชื่อม Output กับ Outcome ไม่ชัดเจน

3. Outcome นี้สร้าง Value อะไร?

ต้องสามารถอธิบายได้ว่า Outcome เชื่อมกับ Customer Value, Operational Value, Risk Value หรือ Financial Value อย่างไร

4. ใครเป็น Outcome Owner?

หาก Outcome สำคัญแต่ไม่มีเจ้าของ องค์กรกำลังฝากความสำเร็จไว้กับ “ทุกคน” ซึ่งในทางปฏิบัติมักหมายถึง “ไม่มีใคร” รับผิดชอบโดยตรง

5. ถ้าใช้ AI แล้ว Outcome ดีขึ้นจริงหรือไม่?

อย่าวัดความสำเร็จของ AI จากการ “ใช้ AI” แต่ให้วัดจาก Business Outcome และ Value ที่ AI ช่วยสร้าง

สรุป KPI ไม่ใช่ปัญหา แต่การหยุดอยู่ที่ KPI ต่างหากที่เป็นปัญหา

องค์กรไม่จำเป็นต้องเลิกใช้ KPI และไม่จำเป็นต้องทิ้ง Balanced Scorecard สิ่งที่จำเป็นคือการเปลี่ยนวิธีคิด จาก “เราทำงานได้ตาม KPI หรือไม่?” ไปสู่ “KPI ที่เรากำลังวัดกำลังนำเราไปสู่ Outcome ที่ต้องการหรือไม่?” และจากนั้นต้องถามต่ออีกขั้นว่า “Outcome นั้นกำลังสร้าง Value อะไรให้กับองค์กร?”

ในยุค AI คำถามนี้ยิ่งมีความสำคัญ เพราะเทคโนโลยีสามารถเพิ่ม Output ได้อย่างรวดเร็ว แต่ Output ที่เพิ่มขึ้นไม่ได้รับประกันว่า Value จะเพิ่มขึ้นตาม

องค์กรที่สามารถสร้างความเชื่อมโยงระหว่าง Strategy → Outcome → Value ได้อย่างชัดเจน จะมีโอกาสใช้ AI และ Digital Technology เพื่อสร้างความได้เปรียบทางธุรกิจได้มากกว่าองค์กรที่มุ่งเพียงเพิ่ม Productivity หรือจำนวน Technology ที่นำมาใช้

ดังนั้นโจทย์สำคัญขององค์กรยุคใหม่จึงไม่ใช่ “เราจะมี KPI ให้มากขึ้นได้อย่างไร?” แต่คือ “เราจะออกแบบระบบบริหารอย่างไร ให้ทุก KPI ทุก Capability และทุก Initiative เชื่อมโยงกลับไปยัง Outcome และ Value Creation ขององค์กร?” และเมื่อคำถามเปลี่ยนไป วิธีออกแบบองค์กรก็ต้องเปลี่ยนตามไปด้วย เพราะเมื่อ Outcome กลายเป็นศูนย์กลางของการบริหาร สิ่งที่องค์กรต้องทบทวนต่อไปไม่ใช่เพียง KPI แต่คือ โครงสร้างองค์กรเอง

จากเดิมที่องค์กรถูกออกแบบตาม Function เราอาจต้องเริ่มออกแบบองค์กรตาม Outcome และ Value Stream ซึ่งจะนำเราไปสู่คำถามสำคัญของตอนต่อไปว่า Balanced Scorecard แบบดั้งเดิมเพียงพอหรือไม่ สำหรับองค์กรที่กำลังเข้าสู่ยุค AI?

ติดตามตอนที่ 2 — “ข้อจำกัดของ Balanced Scorecard แบบดั้งเดิมในยุค AI” ได้ในโพสต์ต่อไปครับ