ถามตอบ Appreciative Inquiry

ถาม: อาจารย์ลองยกตัวอย่าง AI ที่อาจารย์ทำแล้ว Work ให้ดูหน่อยสิครับ/ค่ะ

ตอบ: ว่ากันให้ครบ 4 D เลย เป็นเรื่อง"แก้ปัญหา คนมีปัญหา ด้วยความไม่มีปัญหา ของคนไม่มีปัญหา"

Discovery เมื่อปี 2550 อาจารย์ทำ AI Projects กับลูกศิษย์หลายคนครับ มีกลุ่มนึงที่ทำได้ Advance มากกว่ากลุ่มอื่น คือก้าวหน้าเร็วมาก เป็นกลุ่ม AI เมืองพลครับ (เป็นกลุ่มที่ผมภาคภูมิใจมากครับ) กลุ่มนี้ภายในเดือนหนึ่งก็แทบจะล้ำหน้าไปกว่ากลุ่มอื่น ตามประสาความเคยชิน ตอนนั้นพึ่งเป็นครั้งแรกที่ผมให้นักศึกษาทำ AI แบบทดลองจริง วัดผลจริง ก็ไม่รู้ว่ามันจะเป็นจริงไปได้แค่ไหน เพราะแต่ก่อนก็แค่อบรม แล้วก็เอ๊าลองไปใช้ดู ไม่ใช่ระดับที่มาทำกันทั้งโรงพยาบาล หรือทำในสายการผลิต หรือการขายที่มีการวัดผล เป็น KPI จริงๆ ผมก็ลองถามเขาบอกว่า "พี่ พี่ทำไปแล้วตอนนี้มีปัญหาอะไร มีอะไรไหม ไหนลองบอกมาสิว่ามีอะไร มาวิเคราะห์ร่วมกัน" แล้วผมก็อึ้งกับคำตอบ "ไม่มีอะไรค่ะ ก็ไม่มีปัญหาอะไรนี่คะ อาจารย์ให้ทำอะไรเราก็ทำ ก็ไม่เห็นมีปัญหาอะไร"

ผมก็ไม่รู้จะทำยังไงครับ เลยตัดสินใจลองเปลี่ยนคำถามดู ตอนที่เขาทำ AI จนขยายผลได้ในระยะแรก "พี่ๆ พี่ทำมาถึงจุดนี้ได้ยังไง ครับ ไปทำอะไรมาถึงประสบความสำเร็จถึงจุดนี้ อะไรเป็นปัจจัยช่วยให้พี่ทำสำเร็จ อะไรเป็นจุดเปลี่ยน"   คราวนี้ได้เรื่องครับ มีพี่คนหนึ่งตอบว่า "ก็ตอนแรกก็ทำไม่ได้หรอกค่ะ ถามไปก็ไม่ได้คำตอบ ก็เลยเขียนมาปรึกษาอาจารย์ อาจารย์ก็ feedback กลับไปเร็วมาก ทำให้ปรับตัวทัน ตั้งต้นใหม่จนทำได้จริงๆค่ะ พี่ชอบที่อาจารย์ตอบข้อซักถามแบบทันควัน และเร็วแบบนี้มาก"

ผมเลยไปศึกษาทฤษฎีมาเลยค้นพบครับว่า สิ่งที่ผมทำไปโดยบังเอิญเนื่องจากผมกับลูกศิษย์ยังใหม่กับ AI ระดับปฏิบัติจริงจังนี้ ทำให้ผมต้องเตรียมรับมือกับคำถาม และต้องให้คำแนะนำทันที ไม่งั้นไปต่อไม่ได้นี้ตรงกับ ทฤษฎีแรงจูงใจระดับ Classic ตัวหนึ่งคือทฤษฎี Goal Setting ครับ ทฤษฎีนี้กล่าว่า คนจะมีแรงจูงใจได้นั้น ต้องมีเป้าหมายชัดเจน และต้องได้รับการ Feedback จากผู้บังคับบัญชาครับ การ Feedback นี้สำคัญมาก เพราะทำให้คนทราบ "ทิศทาง" ครับ เพราะฉะนั้น AI Project เมืองพลประสบความสำเร็จได้ ด้วยสาเหตหนึ่งคือ "มีการกำหนดเป้าหมายชัดเจน และมีการ Feedback แบบทันทีทันควันครับ" ซึ่งทำให้เขามีแรงจูงใจที่จำทำงานให้บรรลุเป้าหมายครับ และเมื่อดูทฤษฎีลึกๆลงไปจะเห็นว่า แรงจูงใจ เป็นสิ่งที่เอื้อให้เกิดการเรียนรู้ครับ (Norton and Kaplan, 1995)

สิ่งที่ผมเรียนรู้จากพี่ AI กลุ่มนี้ ทำให้ผมได้คิดและนำเอาบทเรียนมาสร้างสรรค์ AI Thailand ดังนี้ครับ

.....................................................

Dream

1. เวลาถามคนไทยนะครับ สิ่งที่ไม่ควรถามคือ "คุณมีปัญหาอะไร" ตรงนี้ยากที่จะได้คำตอบครับ ต่อให้สนิทคุ้นเคยกันแค่ไหนก็ตาม ควรดูก่อนว่า เขาสำเร็จอะไร อาจไม่ต้องมาก แล้วค่อยถามว่า "ทำมาถึงตรงนี้ได้อย่างไร ตรงไหนเป็นจุดเปลี่ยน"

2. ต้อง Feedback ทันทีครับ

 

Design

1.กำหนดเป็นนโยบาย เวลาถามต้องถามแบบค้นหาความสำเร็จ และจุดเปลี่ยน

2.จัดระบบให้สามารถ Feedback นักศึกษา และ AI Practitioners ให้มีโอกาสได้ซักถามให้มากที่สุด

Destiny

1. ค้นพบตั้งแต่ปี 2550 แล้วก็ทำต่อมาครับ

2. ปี 2553 ย้ายมานั่งห้องสมุด ค้นพบว่าได้คุยกับนักศึกษา ได้โอกาสในการ Feedback งานมากกว่า

3. ค้นพบว่างาน AI ก้าวหน้าได้เร็วกว่า เลยกำนดให้คนทำ AI Project ต้องผ่านการ Feedback จากอาจารย์ และ Senior AI Practitioners ก่อน

4. พบว่าการทำ AI Project รุ่นหลังมีพัฒนาการที่ก้าวหน้ามากขึ้น สร้าง Impact ได้เยอะกว่าเดิม ด้วยความรู้ จากการถาม และ Feedback ครับ

5. "ค้นพบว่าการเรียนรู้จากคนไม่มีปัญหา กลับได้คำตอบไปช่วยแก้คนมีปัญหาได้ครับ ถ้าคุณเจอคนมีปัญหา ลองเรียนรู้จากคนไม่มีปัญหาดูสิครับ คุณจะได้ทางออกไปแก้ปัญหาให้กับคนมีปัญหาได้"