ตัดแอดมินออกทั้งทีมเพราะมี AI แล้ว หกเดือนต่อมาต้องจ้างคนกลับมา: อ่านเรื่องนี้ผ่านตัวเลขในรายงาน

ร้านเครื่องประดับแฮนด์เมดสมมติชื่อ 'เงินยวงคราฟต์' เริ่มต้นจากแอดมินสามคนที่คุยกับลูกค้าเองทุกข้อความ ปีต่อมาเจ้าของร้านลงทุนระบบ AI ตอบแชทแบบครบวงจร ตั้งใจให้ตอบได้ทุกอย่างตั้งแต่ถามราคา แนะนำสินค้า ไปจนถึงปิดการขายและติดตามหลังส่งของ แล้วก็ค่อย ๆ ลดจำนวนแอดมินลงจนเหลือศูนย์คน

ช่วงแรกทุกอย่างดูดีในกระดาษ ต้นทุนคนหายไปทั้งหมด บอทตอบได้ตลอด 24 ชั่วโมง จำนวนแชทที่ตอบทันเวลาขึ้นไปเกือบเต็มร้อย เจ้าของร้านพอใจมากในช่วงสามเดือนแรก

แต่พอเข้าเดือนที่หก ตัวเลขที่เจ้าของร้านไม่เคยดูมาก่อนเริ่มโผล่ขึ้นมาเตือน นั่นคืออัตราลูกค้าเก่าที่กลับมาซื้อซ้ำ (repeat purchase rate) ลดลงจากที่เคยอยู่ราวสี่สิบเปอร์เซ็นต์ เหลือไม่ถึงยี่สิบเปอร์เซ็นต์ ทั้งที่ยอดขายจากลูกค้าใหม่ยังดูปกติดี ตัวเลขนี้เป็นตัวอย่างสมมติเพื่อให้เห็นภาพของสิ่งที่ผมเคยเห็นเกิดขึ้นจริงในหลายธุรกิจที่ automate เต็มรูปแบบเร็วเกินไป

อย่ามองแค่ยอดรวม ให้แยกดูลูกค้าเก่ากับลูกค้าใหม่

ปัญหาของการ over-automate มักไม่โผล่ในยอดขายรวม เพราะลูกค้าใหม่ที่มาจากโฆษณายังคงไหลเข้ามาปกติ และ AI ก็ตอบคำถามพื้นฐานได้ดีพอสำหรับปิดการขายครั้งแรก สิ่งที่หายไปเงียบ ๆ คือความสัมพันธ์กับลูกค้าเก่าที่เคยรู้สึกผูกพันกับแอดมินคนใดคนหนึ่ง เหมือนกับที่เคยเล่าไว้ในการคำนวณต้นทุน automation เทียบกับอัตราปิดที่เสียไป เพียงแต่คราวนี้ตัวเลขที่เสียไปคือฝั่งลูกค้าเก่า ไม่ใช่ฝั่งอัตราปิดของแชทใหม่

เงินยวงคราฟต์เคยมีลูกค้าประจำที่ทักมาแล้วเรียกชื่อแอดมินตรง ๆ ว่า 'พี่แนน มีแบบใหม่มาบอกด้วยนะ' ความสัมพันธ์แบบนี้สร้างการกลับมาซื้อซ้ำโดยไม่ต้องพึ่งโฆษณาเลย แต่พอไม่มีคนคนนั้นให้เรียกหาอีกต่อไป ลูกค้ากลุ่มนี้ค่อย ๆ เงียบหายไปทีละคน

ตัวเลขที่เปลี่ยนไปตลอดหกเดือน

การตัดสินใจจ้างคนกลับมา ไม่ใช่การยอมแพ้ AI

เมื่อเจ้าของร้านเห็นตัวเลขนี้ ตัดสินใจจ้างแอดมินกลับมาหนึ่งคน แต่ไม่ได้เอา AI ออกทั้งหมด แทนที่จะให้ AI ตอบทุกอย่างเหมือนเดิม เปลี่ยนให้ AI รับหน้าที่ตอบคำถามพื้นฐานและงานหลังบ้าน ส่วนแอดมินคนที่จ้างกลับมาโฟกัสเฉพาะการดูแลลูกค้าเก่าที่เคยซื้อแล้ว วิธีแบ่งงานแบบนี้ใกล้เคียงกับแผนrollout AI แบบทยอยเปิดทีละเฟสที่ช่วยลดความเสี่ยงได้มากกว่าการเปลี่ยนทีเดียวทั้งระบบ

สามเดือนถัดจากนั้น repeat purchase rate เริ่มขยับกลับขึ้นมา แม้จะยังไม่ถึงระดับเดิมทั้งหมด แต่ทิศทางกลับมาเป็นบวก สิ่งนี้ชี้ให้เห็นว่าปัญหาไม่ได้อยู่ที่ AI เป็นตัวร้าย แต่อยู่ที่การเอา 'คน' ออกจากจุดที่คนคือคุณค่าหลักของธุรกิจ

จุดไหนบ้างที่ความเป็นคนยังจำเป็นสำหรับธุรกิจแบบนี้

• ธุรกิจที่ขายด้วยความสัมพันธ์ — งานฝีมือ ของสะสม หรือสินค้าที่ลูกค้าผูกพันกับคนขาย ความเป็นคนคือส่วนหนึ่งของสินค้าเอง ไม่ใช่แค่ช่องทางตอบคำถาม
• ลูกค้าเก่าที่มีประวัติซื้อซ้ำ — คนกลุ่มนี้มักอยากได้ความรู้สึกถูกจดจำมากกว่าคำตอบที่ถูกต้องแบบมาตรฐาน
• ช่วงเวลาที่มีปัญหาหรือข้อร้องเรียน — ตอนลูกค้าไม่พอใจ คำตอบที่ดูเป็นสูตรสำเร็จจาก AI มักยิ่งทำให้หงุดหงิดมากขึ้น ต่างจากคนที่รับฟังแล้วขอโทษอย่างจริงใจ

สรุป

ตัวเลขของเงินยวงคราฟต์ไม่ได้บอกว่า AI เป็นตัวร้าย แต่บอกว่าการเอาคนออกจากจุดที่คนคือคุณค่าของธุรกิจ มีต้นทุนที่มองไม่เห็นในทันที และมักปรากฏชัดในตัวเลขลูกค้าเก่าก่อนตัวเลขอื่นเสมอ

ถ้าธุรกิจของคุณกำลังพิจารณา automate เพิ่มขึ้น ลองแยกดูก่อนว่าฐานลูกค้าเก่าที่มีอยู่ตอนนี้ผูกพันกับ 'คน' มากแค่ไหน แล้วเผื่อพื้นที่ให้ความเป็นคนไว้ในจุดนั้นเสมอ ไม่ว่าจะ automate ส่วนอื่นไปมากแค่ไหนก็ตาม

• repeat purchase rate เป็นตัวเลขที่ฟ้องปัญหา over-automation ได้เร็วกว่ายอดขายรวม
• ธุรกิจที่ขายด้วยความสัมพันธ์ ควรเก็บบทบาทของคนไว้ในจุดที่ลูกค้าผูกพันเป็นพิเศษ
• การจ้างคนกลับมาไม่ใช่การเลิกใช้ AI แต่คือการแบ่งบทบาทให้ชัดว่าใครทำอะไร

คำถามที่พบบ่อย