ทำไมทีมของคุณยังคัดลอกวางสิ่งต่าง ๆ ลงใน ChatGPT แทนเครื่องมือทางการ
ปริมาณการคัดลอกวางลงใน ChatGPT ไม่ได้เป็นความล้มเหลวด้านการปฏิบัติตามที่ต้องไปตรวจจับเป็นหลัก มันคือการวิจัยตลาดที่ตรงไปตรงมาและได้มาฟรี ว่าเครื่องมือทางการของคุณช้าเกินไปตรงจุดไหน — ถ้าคุณยอมอ่านมันในแง่นั้น
ถามหัวหน้าฝ่ายปฏิบัติการของเอเจนซีห้าสิบคนว่าการวิจัยลูกค้าเกิดขึ้นที่ไหนจริง ๆ เธอจะชี้ไปที่เครื่องมือบริหารโครงการที่มีใบแจ้งหนี้รายเดือนและแผนผังสิทธิ์ ถามว่ามันเกิดขึ้นที่ไหนจริง ๆ คำตอบที่ตรงไปตรงมา ซึ่งมีมากขึ้นเรื่อย ๆ คือแท็บเบราว์เซอร์ที่รัน ChatGPT
นี่ไม่ใช่พฤติกรรมของคนส่วนน้อยที่ชอบฝ่าฝืนกฎในทีมออกแบบ แต่ใกล้เคียงกับพฤติกรรมของคนส่วนใหญ่ Work Trend Index ปี 2024 ของ Microsoft และ LinkedIn ซึ่งอิงจากการสำรวจพนักงาน 31,000 คนใน 31 ประเทศ พบว่า 78% ของพนักงานที่ใช้ generative AI ในที่ทำงานนำเครื่องมือ AI ของตนเองมาใช้ แทนเครื่องมือที่นายจ้างจัดให้ — ซึ่งรายงานเรียกพฤติกรรมนี้ว่า BYOAI ในบริษัทขนาดเล็กและขนาดกลาง ตัวเลขนี้สูงขึ้นเป็น 80% รายงานประจำปี 2025 แยกต่างหากของ 1Password ซึ่งสำรวจจากพนักงาน 5,000 คน พบตัวเลขที่ต่ำกว่า โดย 27% ยอมรับว่าใช้เครื่องมือ AI ที่บริษัทไม่อนุมัติ ขณะที่การสำรวจของ Cybernews ในพนักงานสหรัฐมากกว่า 1,000 คนเมื่อกันยายน 2025 ได้ตัวเลขอยู่ที่ 59% ตัวเลขห่างกันมากเพราะแต่ละการสำรวจถามคำถามที่ต่างกันเล็กน้อย — "คุณเคยหันไปใช้ AI นอกช่องทางทางการหรือไม่" เทียบกับ "คุณจงใจพึ่ง AI ที่ไม่ได้รับอนุญาตสำหรับงานที่สำคัญที่สุดหรือไม่" — แต่ตัวเลขเหล่านี้ทุกตัวอยู่สูงกว่าที่หัวหน้าฝ่าย IT และฝ่ายปฏิบัติการส่วนใหญ่จะคาดไว้ หากถูกถามโดยไม่ทันตั้งตัว
บทสนทนาส่วนใหญ่เกี่ยวกับเรื่องนี้เริ่มด้วยคำว่า "เงา" (shadow) และจบด้วยบันทึกเกี่ยวกับนโยบายการใช้งานที่ยอมรับได้ (acceptable use policy) สัญชาตญาณนั้นเข้าใจได้ แต่ส่วนใหญ่แล้วมันเป็นก้าวแรกที่ผิด
ตัวเลขนี้กำลังวัดอะไรอยู่จริง ๆ
เริ่มจากสิ่งที่การสำรวจเหล่านี้ไม่ได้พบ สิ่งที่พบไม่ใช่ว่าพนักงานขี้เกียจ ประมาท หรือพยายามหลบเลี่ยงฝ่ายบริหาร รายงานของ 1Password ถามตรง ๆ ว่าว่าทำไมผู้คนถึงหันไปใช้เครื่องมือ AI ที่ไม่ได้รับอนุมัติ และคำตอบอันดับต้น ๆ สองข้อคือความสะดวก (45%) และการรู้สึกว่าทำงานได้มีประสิทธิภาพขึ้น (43%) — ไม่ใช่ "หัวหน้าไม่ตรวจ" หรือ "ฉันไม่สนนโยบาย" ผู้คนไม่ได้แอบใช้ ChatGPT เพราะมันถูกห้าม พวกเขาแอบใช้ ChatGPT เพราะมันเร็วกว่าสิ่งที่พวกเขาควรใช้แทน
ความแตกต่างนั้นสำคัญ เพราะมันหมายความว่าพฤติกรรมการคัดลอกวางไม่ใช่ปัญหาวินัยที่ต้องคอยควบคุมเป็นหลัก แต่ใกล้เคียงกับลูกค้าที่เลือกผลิตภัณฑ์ของคู่แข่งแทนของคุณมากกว่า ถ้าลูกค้าเริ่มเลี่ยงขั้นตอนชำระเงินของคุณเพราะของคู่แข่งสั้นกว่าสามคลิก คุณคงไม่แก้ด้วยการทำให้ละทิ้งตะกร้าได้ยากขึ้น แต่จะไปดูว่าอะไรในนั้นที่ช้า ตรรกะเดียวกันใช้ได้ภายในบริษัท ทุกครั้งที่มีคนเปิด ChatGPT แทนเครื่องมืองาน แอปส่งข้อความ หรือวิกิภายใน พวกเขากำลังลงคะแนนเสียงอย่างตรงไปตรงมาโดยไม่มีใครขอ ว่าเครื่องมือทางการของคุณช้าเกินไป ต้องคลิกหลายชั้นเกินไป หรือขาดบางอย่างที่พวกเขาต้องการตอนนี้ ไม่มีใครกรอกแบบสำรวจเพื่อบอกคุณเรื่องนี้ พวกเขาแค่ทำไปเรื่อย ๆ ซ้ำแล้วซ้ำเล่าในวงกว้าง — ซึ่งเป็นสิ่งที่ทำให้มันน่าเชื่อถือกว่าฟีดแบ็กส่วนใหญ่ที่คุณตั้งใจไปขอ
การคัดลอกวางลงใน ChatGPT ไม่ได้เป็นหลักฐานว่าทีมของคุณไม่เห็นค่าเครื่องมือที่คุณจัดให้ แต่เป็นการวัดผลแบบเรียลไทม์ว่าเครื่องมือเหล่านั้นยังขาดตรงไหน บันทึกไว้โดยอัตโนมัติ ในปริมาณมาก และไม่ทำให้ใครเบื่อแบบสำรวจ
สิ่งนี้อยู่ตรงไหน: หนี้กระบวนการที่มองเห็นได้
ปรัชญาผลิตภัณฑ์ของ FabricLoop มีชื่อสำหรับภาวะเบื้องหลังที่ทำให้เกิดพฤติกรรมนี้: หนี้กระบวนการ — ต้นทุนแฝงที่สะสมจากการเอาเครื่องมือที่ไม่ใช้บริบทร่วมกันมาต่อกัน ซึ่งต้องจ่ายด้วยแรงของคนที่ต้องพิมพ์ซ้ำ อธิบายซ้ำ และกระทบยอดข้อมูลที่ควรไหลไปเอง หนี้กระบวนการไม่ปรากฏในงบดุล มันปรากฏเป็นสิบนาทีที่ใครบางคนใช้คัดลอกเธรดลูกค้าจากอีเมลไปวางในเอกสาร แล้วสรุปด้วยมือ เพราะระบบที่เกี่ยวข้องไม่คุยกัน
Generative AI ไม่ได้สร้างหนี้กระบวนการ แต่เพียงทำให้ทุกคนมีวิธีที่เร็วกว่ามากในการจัดการกับมัน ก่อนจะมี ChatGPT พนักงานที่เจอกระบวนการภายในที่กระจัดกระจายและเชื่องช้ามีสองทางเลือก คือฝืนทำไปให้จบ หรือหาทางแก้ขัดแบบไม่เป็นทางการ เช่น สเปรดชีตส่วนตัว การทัก DM ใน Slack หรือโพสต์อิต ตอนนี้มีทางเลือกที่สามซึ่งใช้เวลาเก้าวินาทีและให้ผลที่เป็นประโยชน์จริง คือวางความยุ่งเหยิงนั้นลงในแชตบอตแล้วปล่อยให้มันจัดการเอง จำนวนคนที่เลือกทางที่สามคือตัวชี้วัดโดยตรงและเรียลไทม์ว่าองค์กรของคุณแบกหนี้กระบวนการไว้มากแค่ไหน โดยปรากฏออกมาทีละเวิร์กโฟลว์ ทีมที่วางข้อมูลลงใน ChatGPT อยู่ตลอดไม่ใช่ทีมที่ไร้วินัย แต่เป็นทีมที่กำลังจ่ายดอกเบี้ยของหนี้กระบวนการหนักจนทุกคนรู้สึกได้
นี่คือเหตุผลที่การห้ามใช้ทางลัดเพียงอย่างเดียวแทบไม่ได้ผล เว็บไซต์ที่ถูกบล็อกหรือบันทึกนโยบายที่เข้มงวดไม่ได้ช่วยชำระหนี้ มันแค่เอาวิธีที่เร็วที่สุดออกไป ซึ่งผลักคนกลับไปใช้ทางลัดอื่นที่ช้ากว่า หรือไปยังโทรศัพท์ส่วนตัวที่ไม่มีใครเห็นว่าพวกเขากำลังทำอะไรเลย ถ้าช่องว่างพื้นฐานที่ส่งใครบางคนไปหา ChatGPT ตั้งแต่แรกยังอยู่ การห้ามก็ทำให้ปัญหามองเห็นได้น้อยลง ไม่ได้ทำให้มันเล็กลง
ทั้งหมดนี้ไม่ได้หมายความว่าความเสี่ยงนั้นไม่มีอยู่จริง เมื่อมีคนวางสัญญาลูกค้า ชุดบันทึกการประเมินผลงาน หรือรายละเอียดบัญชีของลูกค้าลงในบัญชี ChatGPT, Claude หรือ Gemini ส่วนตัว ข้อมูลนั้นออกจากการควบคุมของบริษัทคุณและไปอยู่ในโครงสร้างพื้นฐานของอีกบริษัทหนึ่ง ภายใต้ข้อกำหนดการให้บริการของอีกบริษัทหนึ่ง — มักเป็นแพ็กเกจฟรี ซึ่งโดยทั่วไปมีการรับประกันด้านการจัดการข้อมูลอ่อนที่สุดในบรรดาแผนทั้งหมด นั่นคือความเสี่ยงจริง และและสมควรได้รับคำเตือนที่จริงจังและชัดเจน ไม่ใช่แค่หมายเหตุท้ายบท ความผิดพลาดคือการยกความเสี่ยงนี้ขึ้นมาเป็นประเด็นหลักราวกับเป็นเรื่องทั้งหมด เพราะความกลัวเป็นแรงจูงใจที่แย่สำหรับการเปลี่ยนพฤติกรรม และเป็นเครื่องมือวินิจฉัยที่แย่กว่านั้นอีก บอกเรื่องความเสี่ยงครั้งเดียวให้ชัด จริงจังกับมัน แล้วไปหาว่าอะไรกำลังขับพฤติกรรมอยู่จริง — เพราะนั่นคือส่วนที่คุณแก้ได้
อ่านมันเหมือนข้อมูล churn ไม่ใช่บันทึกการสอดส่อง
วิธีตอบสนองที่ถูกต้องควรคล้ายกับที่ทีมผลิตภัณฑ์ศึกษาข้อมูล churn ไม่ใช่แบบที่ทีมตรวจสอบการปฏิบัติตามกฎระเบียบทำ คุณไม่จำเป็นต้องอ่านประวัติ ChatGPT ของพนักงานคนใดคนหนึ่ง และไม่ควรพยายามทำ เพราะนั่นคือการสอดส่อง ซึ่งจะกัดกร่อนความไว้วางใจเร็วกว่าที่จะให้ข้อมูลเชิงลึก และในเขตอำนาจรัฐส่วนใหญ่ยังก่อความเสี่ยงทางกฎหมายด้วย สิ่งที่คุณต้องการคือรูปแบบภาพรวม ว่าเวิร์กโฟลว์ บทบาท และช่วงเวลาใดในกระบวนการที่ทำให้คนหันไปใช้เครื่องมือ AI ภายนอกอยู่เสมอ ซึ่งตอบได้ด้วยแบบสำรวจสั้น ๆ แบบไม่ระบุตัวตน การพูดคุยตรง ๆ กับหัวหน้าทีมสองสามคน หรือถ้าเครื่องมือทางการของคุณมีข้อมูลวิเคราะห์การใช้งาน ก็ดูว่าผู้คนทิ้งงานไว้กลางคันตรงไหน และตั๋วซัพพอร์ตกระจุกตัวอยู่ที่ประเด็น "ใช้เวลานานเกินไป" ตรงไหน
ในการสำรวจต่าง ๆ เวิร์กโฟลว์เพียงไม่กี่ประเภทคิดเป็นการใช้งานส่วนใหญ่ ข้อมูลของ 1Password แยกเรื่องนี้อย่างเป็นรูปธรรม: 22% ของผู้ตอบบอกว่าใช้เครื่องมือ AI ภายนอกเพื่อถอดเสียงและสรุปบันทึกการโทรลูกค้า 21% ใช้เพื่อวิเคราะห์ข้อมูลลูกค้า และ 16% ใช้ทั้งเพื่อวิเคราะห์ข้อมูลบริษัทและเพื่อร่างเนื้อหาเกี่ยวกับการจ้างงานและการประเมินผลงาน ไม่มีกรณีใดเลยที่แปลกใหม่ ทั้งหมดเป็นงานเชื่อมต่อที่เกิดขึ้นเป็นปกติของการบริหารทีมที่กำลังโตหรือบัญชีเอเจนซี — ช่วงเวลาหลังการโทรจบและก่อนที่บันทึกจะไปถึงที่ที่ใช้ประโยชน์ได้ ช่วงเวลาที่ผู้จัดการต้องการอ่านสเปรดชีตแบบเร็ว ๆ ซึ่งไม่มีใครทำรายงานไว้ให้ ช่วงเวลาที่ใครบางคนต้องเปลี่ยนฟีดแบ็กที่กระจัดกระจายให้เป็นการประเมินผลที่ต่อเนื่องเป็นเรื่องเดียวกัน เกือบทุกกรณี งานพื้นฐานนั้นเรียบง่ายจริง ๆ สิ่งที่ช้าคือต้องเปิดเครื่องมือหลายตัว และต้องอธิบายบริบทที่มีอยู่แล้วในบริษัทซ้ำหลายครั้ง เพื่อให้งานเสร็จผ่านเส้นทางที่ได้รับอนุญาต
ทำให้เส้นทางที่ได้รับอนุญาตเร็วขึ้น แทนที่จะทำให้ทางลัดยากขึ้น
เมื่อคุณรู้แล้วว่าเวิร์กโฟลว์เฉพาะสองหรือสามอย่างใดที่ก่อให้เกิดการใช้งานส่วนใหญ่ วิธีแก้แทบไม่เคยเป็นนโยบายใหม่ แต่คือการปิดช่องว่างที่เกิดขึ้นจริง สำหรับหัวหน้าทีมหรือเอเจนซีที่กำลังเติบโต นั่นหมายถึงสามสิ่ง เรียงตามลำดับคร่าว ๆ ดังนี้
อย่างแรก ระบุเวิร์กโฟลว์ให้เฉพาะเจาะจง ไม่ใช่พูดกว้าง ๆ "คนใช้ ChatGPT ทำงานลูกค้า" ไม่เจาะจงพอที่จะลงมือแก้ แต่ "แอคเคานต์แมเนเจอร์สรุปบันทึกการโทรลงใน ChatGPT เพราะเครื่องมือจัดการงานของเราไม่มีวิธีจดบันทึกเร็ว ๆ จากสายโทร พวกเขาจึงต้องเปิดสามหน้าจอแยกกัน" เจาะจงพอที่จะแก้ได้ และมักมีแค่หนึ่งหรือสองเรื่องแบบนี้ที่คิดเป็นปริมาณส่วนใหญ่ ไม่ใช่เป็นโหล
อย่างที่สอง วัดทางลัดเทียบกับเส้นทางที่ได้รับอนุญาตด้วยหน่วยที่สำคัญจริงต่อคนทำงาน ได้แก่ จำนวนคลิก จำนวนครั้งที่สลับแอป และจำนวนครั้งที่ต้องพิมพ์ซ้ำสิ่งที่มีอยู่แล้วที่อื่น ถ้าเครื่องมือภายนอกชนะขาดทั้งสามด้าน นั่นคือช่องว่างของคุณ และมักปิดได้ เช่น ทางลัดสำหรับจดบันทึกเร็ว เทมเพลต หรือการเชื่อมต่อที่ดึงเธรดที่เกี่ยวข้องเข้ามาในเครื่องมือโดยอัตโนมัติ แทนที่จะให้ใครต้องไปหาเอง
อย่างที่สาม เมื่อ AI เองคือส่วนที่เป็นประโยชน์จริง ๆ ไม่ใช่แค่เรื่องความเร็ว แต่คือการสรุปหรือการร่างงานนั้นเอง ให้นำความสามารถด้าน AI เข้ามาไว้ในเครื่องมือที่ได้รับอนุญาต แทนที่จะแสร้งทำเป็นว่าผู้คนจะเลิกต้องการมัน นี่คือเหตุผลที่แท้จริงของการสร้าง AI ไว้ในเครื่องมือที่ทีมของคุณใช้งานอยู่ทุกวัน แทนที่จะปล่อยให้มันอยู่โดดเดี่ยวในแอปสำหรับผู้บริโภคที่ไม่มีบริบทและการควบคุมของคุณเลย
คำตอบของ FabricLoop ต่อช่องว่างนี้คือ Loop Agent ซึ่งสร้างบน Model Context Protocol เพื่อให้ทำงานภายใน Groups เดียวกับที่ข้อความ งาน และโน้ตของคุณอยู่แล้ว — สรุปเธรด ร่างงานจากการสนทนา หรือดึงโน้ตขึ้นมา โดยไม่ต้องมีใครออกจากแอปหรืออธิบายบริบทที่มีอยู่แล้วซ้ำ ประเด็นไม่ใช่การเอาชนะ ChatGPT ด้วยฟีเจอร์ ประเด็นคือทำให้เส้นทางที่ได้รับอนุญาตเร็วอย่างน้อยเท่าทางลัด โดยยังมีบันทึกการตรวจสอบครบถ้วน เพื่อให้ความสะดวกที่ตอนนี้ส่งงานไปยังบัญชีภายนอกมีที่ไปภายในระบบของคุณเองแทน
เรื่องนี้หน้าตาเป็นอย่างไรในวันจันทร์หน้า
เรื่องนี้ไม่ต้องตั้งคณะทำงาน ใช้เพียงการลองสำรวจตามจริงหนึ่งชั่วโมง การพูดคุยสั้น ๆ กับสองหรือสามตำแหน่งที่คัดลอกวางมากที่สุด และความเต็มใจที่จะมองสิ่งที่พบเป็นข้อมูลที่เป็นประโยชน์ ไม่ใช่เรื่องทางวินัย ลองถามผู้คนตรง ๆ ว่าก่อนเปิด ChatGPT พวกเขากำลังพยายามทำอะไรให้เสร็จ ส่วนใหญ่จะตอบตรง ๆ เพราะพวกเขาไม่ได้พยายามปิดบังอะไร แค่พยายามทำงานให้เสร็จ จากนั้นเทียบงานนั้นทีละขั้นตอนกับเวลาที่ต้องใช้เมื่อทำผ่านเครื่องมือทางการ ช่องว่างที่คุณพบคือโรดแมปผลิตภัณฑ์จริงของไตรมาสหน้า ที่คนใช้ระบบของคุณทุกวันมอบให้คุณฟรี ๆ
ทีมที่เข้าใจเรื่องนี้ผิดจะมองการคัดลอกวางเป็นเรื่องความซื่อสัตย์ และใช้เวลาทั้งไตรมาสเขียนนโยบายที่ไม่มีใครอ่าน ส่วนทีมที่เข้าใจถูกจะมองมันเป็นการวิจัยตลาดที่ไม่มีใครต้องจ่ายเงิน แล้วใช้ไตรมาสเดียวกันนั้นปิดช่องว่างสองสามจุดที่ทำให้ทุกคนต้องเลี่ยงเครื่องมือที่มีอยู่แล้ว