คู่มือการใช้ GPT Work สำหรับงาน HR

คู่มือการใช้ GPT Work สำหรับงาน HR

HR เป็นหนึ่งในฝ่ายที่มีงาน “ข้อมูลเยอะ เอกสารเยอะ กระบวนการเยอะ และต้องใช้ Judgment สูง” จึงเหมาะกับการใช้ GPT Work อย่างมาก หากออกแบบบทบาทให้ถูกต้อง AI ไม่ควรเป็นผู้ตัดสินว่าใครควรได้งาน ใครควรเลื่อนตำแหน่ง หรือใครควรถูกลงโทษ แต่ควรเป็น AI HR Co-worker ที่ช่วยค้นข้อมูล เตรียมเอกสาร วิเคราะห์ Pattern สร้างรายงาน ติดตาม Workflow และทำให้ HR มีเวลามากขึ้นสำหรับงานที่ต้องใช้ความเข้าใจมนุษย์

ณ เดือนกันยายน 2026 ChatGPT Work สามารถสร้างและแก้ไข Documents, Spreadsheets, Presentations, Reports และ Analysis จากคำสั่ง ข้อมูลต้นทาง หรือ Template เดิม รวมทั้งสามารถใช้ Google Docs, Sheets และ Slides แบบ Native เมื่อเปิดใช้ Google Workspace ที่เกี่ยวข้อง ทำให้งาน HR ที่มีเอกสารและรายงานจำนวนมากสามารถออกแบบเป็น Workflow ที่ทำซ้ำได้มากขึ้น

1. เปลี่ยนจาก “ให้ AI ช่วย HR” เป็น “มอบหมาย HR Workflow ให้ AI”

การใช้ AI ใน HR ระดับแรกมักเป็นงานอย่าง

• ช่วยเขียน Job Description
• ช่วยร่าง Email
• ช่วยคิดคำถามสัมภาษณ์
• ช่วยสรุปแบบประเมิน
• ช่วยออกแบบ Training

ทั้งหมดมีประโยชน์ แต่ยังเป็นเพียง Task Automation

GPT Work ทำให้เราสามารถขยับขึ้นไปเป็น Workflow Delegation

เช่น แทนที่จะสั่ง

ช่วยเขียน Job Description ของ Marketing Manager

เราสามารถสั่ง

วิเคราะห์โครงสร้างงานปัจจุบัน เปรียบเทียบกับเป้าหมายของทีม แยกงานที่ AI ช่วยได้ ออกแบบบทบาทใหม่ สร้าง JD Competency Interview Guide และ Onboarding Plan ให้ครบ

ดังนั้นวิธีคิดสำคัญคือ

Input → Process → Decision Support → Deliverable → Human Review

HR ควรมอบหมาย “กระบวนการเตรียมการ” ให้ AI มากขึ้น แต่รักษา Human Judgment ไว้ในเรื่องที่กระทบชีวิตและสิทธิของพนักงาน

Prompt: ตั้ง GPT Work เป็น AI HR Co-worker

คุณทำหน้าที่เป็น AI HR Co-worker

หน้าที่ของคุณคือช่วยฝ่าย HR ในเรื่อง

- Research
- Document Preparation
- Recruitment Support
- Onboarding
- Learning & Development
- Performance Support
- Employee Experience
- HR Analytics
- Policy & SOP
- HR Reporting

ทุกครั้งที่ได้รับงาน ให้ดำเนินการตามลำดับ

1. Understand Objective
2. Review Available Data
3. Identify Missing Information
4. Analyze
5. Prepare Recommendation
6. Create Deliverable
7. Quality Check
8. Flag Items Requiring Human Judgment

กฎสำคัญ

- ห้ามตัดสินคุณค่าของบุคคลจากข้อมูลที่ไม่เพียงพอ
- ห้ามใช้ข้อมูล Sensitive โดยไม่จำเป็น
- ห้ามตัดสินใจจ้าง เลิกจ้าง เลื่อนตำแหน่ง หรือลงโทษแทนมนุษย์
- แยก Fact, Assumption และ Recommendation ให้ชัดเจน
- ถ้าพบความเสี่ยงด้าน Bias ให้แจ้งเตือน
- ทุก Decision ที่กระทบพนักงานต้องมี Human Review

2. ใช้ GPT Work ทำ Job Analysis และ Job Redesign

ก่อน Recruitment ปัญหาที่สำคัญกว่าการเขียน JD คือ

“เรายังต้องการตำแหน่งงานแบบเดิมอยู่หรือไม่?”

ในยุค AI หลายตำแหน่งไม่ควรเพียงนำ JD เก่ามาแก้คำ แต่ควรวิเคราะห์ใหม่ว่างานใด

• ต้องให้มนุษย์ทำ
• AI ช่วยได้
• AI ทำแทนบางส่วนได้
• ควรถูกตัดออก
• ควรเพิ่มงานใหม่

สามารถใช้แนวคิด Task-Based Job Analysis ร่วมกับ Human + AI Job Redesign

เช่น เจ้าหน้าที่ Marketing เดิมอาจใช้เวลา 40% ทำ Report หาก AI ช่วยลดเหลือ 10% เวลาที่เหลือควรถูกย้ายไปทำ Customer Insight, Experiment และ Campaign Optimization มากขึ้น

นี่ทำให้ HR ไม่ได้เพียง “ลดงาน” แต่สามารถ เพิ่มคุณค่าของตำแหน่งงาน

Prompt: Job Redesign

วิเคราะห์ตำแหน่งงาน

Position:
[ชื่อตำแหน่ง]

Current Responsibilities:
[หน้าที่ปัจจุบัน]

Business Objective:
[เป้าหมายขององค์กร]

แยกงานทั้งหมดเป็น

1. Human Only
งานที่ต้องใช้ Judgment, Empathy, Leadership หรือ Accountability

2. Human + AI
งานที่ AI ช่วยเพิ่ม Productivity ได้

3. AI First Draft
งานที่ AI สามารถเตรียม Draft แล้วให้มนุษย์ตรวจ

4. Automation Candidate
งานซ้ำที่ควรพิจารณาทำอัตโนมัติ

5. Low Value Work
งานที่ควรลดหรือยกเลิก

จากนั้นออกแบบ Job ใหม่

ประกอบด้วย

- Purpose
- Key Responsibilities
- AI Responsibilities
- Human Responsibilities
- New Skills Required
- KPI
- Competencies
- 90-Day Development Plan

สุดท้ายเปรียบเทียบ
Current Job vs Redesigned Job
โดยไม่ทำเป็นตาราง

3. ใช้ Work สร้าง Job Description และ Competency Model

JD ที่ดีไม่ควรเป็นเพียงรายการหน้าที่ 20 บรรทัด แต่ต้องตอบว่า

ตำแหน่งนี้มีอยู่เพื่อสร้าง Outcome อะไรให้องค์กร

สามารถใช้แนวคิด

Purpose → Outcome → Responsibility → Competency → KPI

เช่น แทนที่จะเขียนว่า

“จัดทำรายงานการขาย”

ควรเขียนว่า

“เปลี่ยนข้อมูลการขายให้เป็น Insight ที่ช่วย Sales Manager ปรับแผนได้ทุกสัปดาห์”

เมื่อ Job Description เชื่อมกับ Outcome การประเมิน Performance และการพัฒนาคนก็จะชัดขึ้น

GPT Work ยังสามารถใช้ไฟล์ JD หรือ Template ของบริษัทเป็น Reference และสร้างเอกสารใหม่โดยรักษาโครงสร้างเดิมไว้ได้ ทำให้องค์กรสร้าง JD หลายตำแหน่งโดยใช้มาตรฐานเดียวกันได้

Prompt: JD Builder

สร้าง Job Description

Position:
[ตำแหน่ง]

Department:
[ฝ่าย]

Reports To:
[หัวหน้า]

Business Purpose:
[เป้าหมาย]

ใช้โครงสร้าง

1. Role Purpose
2. Key Outcomes
3. Key Responsibilities
4. Decision Authority
5. Internal Collaboration
6. External Collaboration
7. Required Skills
8. AI Skills Required
9. Competencies
10. KPI
11. Qualification
12. Development Path

หลักสำคัญ

อย่าเขียนหน้าที่แบบ Generic

ทุก Responsibility ต้องเชื่อมกับ
Business Outcome

และระบุว่างานใด
AI สามารถช่วยได้

4. ใช้ Work ช่วย Recruitment แต่ไม่ให้ AI ตัดสินแทนคน

Recruitment เป็น Use Case ที่มีประโยชน์สูง แต่มีความเสี่ยงด้าน Bias สูงเช่นกัน

AI สามารถช่วยได้ในส่วน

• สร้าง Recruitment Brief
• สร้าง Job Ad
• เตรียมคำถามสัมภาษณ์
• สรุป Resume ตามเกณฑ์
• จัดโครงสร้าง Interview Notes
• ตรวจ Missing Evidence

แต่ไม่ควรใช้ AI แบบ

“เลือก Candidate ที่ดีที่สุดให้เลย”

โดยเฉพาะเมื่อข้อมูลบางอย่างอาจเกี่ยวข้องกับเพศ อายุ เชื้อชาติ สุขภาพ ศาสนา หรือคุณลักษณะที่ไม่เกี่ยวข้องกับงาน

หลักที่ดีกว่าคือใช้ Structured Selection

กำหนดเกณฑ์ก่อนเห็น Candidate

แล้วให้ AI ช่วยรวบรวม Evidence ตามเกณฑ์เดียวกัน

Prompt: Candidate Review

ช่วย HR Review Candidate

Position:
[ตำแหน่ง]

Selection Criteria:
[เกณฑ์ที่กำหนดไว้ล่วงหน้า]

สำหรับ Candidate แต่ละคน

สรุปเฉพาะ Evidence ที่เกี่ยวข้องกับงาน

แบ่งเป็น

- Relevant Experience
- Relevant Skills
- Achievement
- Evidence Against Criteria
- Information Missing
- Questions to Verify

ห้ามใช้ข้อมูลที่ไม่เกี่ยวข้องกับงาน เช่น

- อายุ
- เพศ
- เชื้อชาติ
- ศาสนา
- สถานภาพครอบครัว
- สุขภาพ

ในการให้คะแนน

ห้ามเลือก Candidate แทน Hiring Manager

ให้สร้าง Interview Preparation Brief
เพื่อให้มนุษย์ใช้ประกอบการตัดสินใจ

5. ใช้ Work ออกแบบ Structured Interview

หนึ่งในปัญหาของ Interview คือผู้สัมภาษณ์แต่ละคนถามไม่เหมือนกัน ทำให้การเปรียบเทียบ Candidate ไม่เป็นระบบ

แนวทางที่ได้รับการยอมรับมากคือ Structured Interview

คือกำหนด

• Competency
• Questions
• Evidence
• Rating Criteria

ไว้ล่วงหน้า

สามารถใช้ STAR Framework

Situation → Task → Action → Result

ในการสร้าง Behavioral Interview Question

สิ่งสำคัญคืออย่าถามเพียงว่า

คุณเก่ง Leadership หรือไม่?

ควรถามให้ Candidate เล่าเหตุการณ์จริง

Prompt: Interview Guide

สร้าง Structured Interview Guide

Position:
[ตำแหน่ง]

Core Competencies:
[รายการ Competency]

สำหรับแต่ละ Competency สร้าง

1. Behavioral Question
2. Follow-up Question
3. Evidence to Look For
4. Red Flag
5. Rating Criteria 1-5

ใช้ STAR Framework

Situation
Task
Action
Result

หลีกเลี่ยงคำถามที่เกี่ยวข้องกับ
ข้อมูลส่วนบุคคลที่ไม่เกี่ยวกับงาน

ตอนท้ายสร้าง

Interviewer Checklist
และ Interview Summary Template

6. ใช้ GPT Work ทำ Onboarding 30-60-90 วัน

องค์กรจำนวนมากใช้ทรัพยากรมากในการ Recruitment แต่เมื่อคนเข้ามาแล้วกลับมี Onboarding เพียง

• แจก Notebook
• ส่ง Policy
• แนะนำทีม
• เริ่มงาน

Onboarding ที่ดีควรทำให้พนักงานเข้าใจ 4 เรื่อง

Context → Relationship → Capability → Performance

คือ

เข้าใจบริษัท

รู้จักคนสำคัญ

ทำงานได้

รู้ว่าอะไรคือความสำเร็จ

GPT Work สามารถช่วยเปลี่ยนข้อมูลจาก JD, SOP, Organization Chart, Policy และ Project Brief ให้เป็น Personalized Onboarding Plan ได้

Prompt: 30-60-90 Day Plan

สร้าง Onboarding Plan 30-60-90 วัน

Employee Position:
[ตำแหน่ง]

Department:
[ฝ่าย]

Job Description:
[ข้อมูล]

Business Priorities:
[เป้าหมาย]

30 DAYS
เน้น Learn & Understand

60 DAYS
เน้น Practice & Contribute

90 DAYS
เน้น Own & Improve

ในแต่ละช่วงกำหนด

- Learning Goal
- People to Meet
- Documents to Read
- Systems to Learn
- Tasks
- Deliverables
- KPI
- Manager Check-in
- Feedback Questions

สร้าง Onboarding Checklist
สำหรับ HR, Manager และ Employee

7. ใช้ Work สร้าง Employee Handbook, Policy และ SOP

HR มีเอกสารจำนวนมากและมักมีปัญหา Version ไม่ตรงกัน

เช่น

• Leave Policy
• WFH Policy
• Expense Policy
• Code of Conduct
• Onboarding Guide
• Performance Policy

ChatGPT Work สามารถใช้เอกสารเดิมเป็น Template แล้วสร้างหรือแก้ไขเอกสารตามโครงสร้างที่กำหนดได้ ทำให้เหมาะกับการจัดมาตรฐาน Policy และ SOP

แต่ AI ไม่ควรถูกใช้เป็นแหล่งอ้างอิงกฎหมายแรงงานขั้นสุดท้ายโดยไม่ตรวจสอบกับผู้เชี่ยวชาญและกฎหมายที่มีผลจริง

Prompt: HR Policy Review

ตรวจสอบ HR Policy นี้

วิเคราะห์ในมิติ

1. Purpose
2. Scope
3. Definitions
4. Roles & Responsibilities
5. Process
6. Exception
7. Approval
8. Documentation
9. Employee Communication
10. Risk

ค้นหา

- ข้อความกำกวม
- ขั้นตอนไม่ชัดเจน
- Conflict ระหว่าง Section
- Missing Approval
- Missing Exception
- สิ่งที่พนักงานอาจเข้าใจผิด

สร้าง

Policy Improvement Recommendation

แต่ห้ามสรุปว่าถูกต้องตามกฎหมาย
หากเป็นประเด็นกฎหมาย ให้ Flag ว่า
Require Legal / HR Compliance Review

8. ใช้ Work ทำ Learning & Development แบบ Personalized

Training แบบเดิมมักใช้หลัก

ทุกคนเรียนหลักสูตรเดียวกัน

แต่ Skill Gap ของพนักงานไม่เหมือนกัน

สามารถใช้แนวคิด

Current Capability → Required Capability → Gap → Learning → Practice → Measurement

ซึ่งทำให้ L&D เปลี่ยนจาก Course-Based Training ไปเป็น Capability Development

AI สามารถช่วยวิเคราะห์ Role, Competency และ Performance Evidence เพื่อสร้าง Development Plan แต่ไม่ควรตีความบุคลิกหรือศักยภาพของพนักงานเกินข้อมูลที่มี

Prompt: Individual Development Plan

สร้าง Individual Development Plan

Role:
[ตำแหน่ง]

Current Skill:
[ข้อมูล]

Required Skill:
[ทักษะที่ต้องมี]

Career Goal:
[เป้าหมาย]

วิเคราะห์

Current Capability
Required Capability
Skill Gap

จากนั้นสร้าง Learning Plan

แบ่งเป็น

70%
Learning by Doing

20%
Coaching / Mentoring / Feedback

10%
Course / Reading / Formal Learning

สำหรับแต่ละ Skill กำหนด

- Learning Objective
- Practice Task
- Evidence of Improvement
- Manager Support
- Review Date

สร้าง Road Map 90 วัน

9. ใช้ Work ช่วย Performance Management

Performance Management ที่มีคุณภาพไม่ควรเกิดขึ้นเพียงปีละครั้ง

ควรเป็นวงจร

Goal → Check-in → Feedback → Development → Review

AI สามารถช่วยรวบรวมข้อมูล Performance จากหลาย Source แล้วเตรียม Manager Brief ได้ เช่น

• KPI
• Project Result
• Feedback
• Achievement
• Development Goal

แต่ต้องระวัง Recency Bias คือการให้น้ำหนักกับเหตุการณ์ล่าสุดมากเกินไป

และ Halo Effect คือผลงานเด่นเรื่องหนึ่งกลบเรื่องอื่นทั้งหมด

Prompt: Performance Review Preparation

ช่วย Manager เตรียม Performance Review

Employee:
[ชื่อหรือรหัส]

Period:
[ช่วงเวลา]

ใช้ข้อมูลที่ให้เท่านั้น

สรุป

1. Goals
2. KPI
3. Key Achievements
4. Evidence
5. Challenges
6. Development Progress
7. Feedback Received
8. Areas Requiring Discussion

ตรวจหา Bias ที่อาจเกิดขึ้น เช่น

- Recency Bias
- Halo Effect
- Horn Effect
- Similarity Bias

ห้ามกำหนด Final Performance Rating

สร้าง Manager Discussion Guide
เพื่อให้ Manager ใช้สนทนากับพนักงาน

10. ใช้ Work ช่วยสร้าง Feedback ที่มีคุณภาพ

Feedback ที่ไม่มีโครงสร้างมักกลายเป็นความคิดเห็น เช่น

“ต้องมี Leadership มากกว่านี้”

พนักงานไม่รู้ว่าต้องเปลี่ยนอะไร

Framework ที่ใช้ได้ดีคือ SBI

Situation → Behavior → Impact

ตัวอย่าง

Situation: ใน Meeting วันจันทร์

Behavior: มีการตัดสินใจแทนทีมก่อนฟังข้อมูลครบ

Impact: ทีมบางคนไม่กล้าเสนอข้อมูลเพิ่มเติม

AI สามารถช่วย Manager เปลี่ยน Note ที่กระจัดกระจายให้เป็น Feedback ที่ชัด เป็นกลาง และเน้นพฤติกรรม

Prompt: SBI Feedback

ช่วยเปลี่ยนข้อมูลต่อไปนี้เป็น Feedback แบบ SBI

Raw Notes:
[ข้อมูล]

สร้าง

SITUATION
เหตุการณ์เกิดเมื่อไร / ในบริบทใด

BEHAVIOR
พฤติกรรมที่สังเกตได้จริง

IMPACT
ผลกระทบต่อ
งาน / ทีม / ลูกค้า / ผลลัพธ์

จากนั้นเพิ่ม

EXPECTED BEHAVIOR
สิ่งที่ต้องการเห็นในอนาคต

ACTION
สิ่งที่สามารถทดลองทำได้

ใช้ภาษาที่เป็นกลาง
เน้นพฤติกรรม ไม่ตัดสินบุคลิกของบุคคล

11. ใช้ Work วิเคราะห์ Employee Survey และ Engagement

Employee Survey มักมีคำตอบปลายเปิดจำนวนมาก และ HR ใช้เวลานานในการอ่าน Comment

AI เหมาะกับการช่วย

• Categorize Theme
• หา Pattern
• สรุป Pain Point
• เปรียบเทียบทีม
• ค้นหา Quick Win
• จัดกลุ่มความคิดเห็น

แต่ต้องไม่สรุปจาก Comment เพียงไม่กี่ข้อความว่าเป็นความคิดเห็นของคนทั้งองค์กร

ควรใช้หลัก

Signal ≠ Conclusion

และต้องคำนึงถึง Privacy โดยเฉพาะทีมขนาดเล็กที่สามารถระบุตัวบุคคลจากคำตอบได้

Prompt: Engagement Analysis

วิเคราะห์ Employee Engagement Survey

ใช้ข้อมูลเชิงปริมาณและ Comment ที่ให้

ค้นหา Theme เช่น

- Leadership
- Manager
- Workload
- Career
- Compensation
- Communication
- Collaboration
- Recognition
- Learning
- Workplace

สำหรับแต่ละ Theme ระบุ

- Positive Signal
- Negative Signal
- Frequency
- Severity
- Example Pattern
- Possible Root Cause

ห้ามพยายามระบุตัวพนักงานจาก Comment

แยก

FACT
จากข้อมูลจริง

HYPOTHESIS
สิ่งที่ต้องตรวจเพิ่มเติม

สุดท้ายสร้าง

Top 5 Employee Experience Priorities
และ Action Recommendation

12. ใช้ Work ทำ HR Analytics แบบ Descriptive → Predictive → Prescriptive

HR Analytics ไม่ควรหยุดที่

• Headcount เท่าไร
• Turnover เท่าไร
• Absence กี่วัน

ควรขยับผ่าน 4 ระดับ

Descriptive

เกิดอะไรขึ้น

Diagnostic

ทำไมเกิด

Predictive

อะไรอาจเกิดขึ้น

Prescriptive

ควรทำอะไร

ตัวอย่าง Turnover สูงขึ้นจาก 8% เป็น 15%

คำถามไม่ควรจบที่ “Turnover เพิ่ม”

ต้องถามว่า

เพิ่มที่ฝ่ายไหน

ตำแหน่งไหน

อายุงานช่วงใด

เกิดหลังเหตุการณ์อะไร

มี Pattern อะไร

แต่ Predictive HR มีความเสี่ยงสูงหากใช้เพื่อประเมินรายบุคคล เช่น “ใครจะลาออก” จึงควรเน้น Pattern ระดับกลุ่มและใช้เป็น Signal เพื่อออกแบบองค์กร มากกว่าติดป้ายบุคคล

Prompt: HR Analytics

ทำ HR Analytics จากข้อมูลที่ให้

วิเคราะห์

- Headcount
- Hiring
- Time to Fill
- Turnover
- Retention
- Absenteeism
- Internal Mobility
- Learning
- Performance Distribution

ใช้ Framework

DESCRIPTIVE
เกิดอะไรขึ้น

DIAGNOSTIC
Pattern หรือ Driver ที่เป็นไปได้

PREDICTIVE
ถ้าแนวโน้มดำเนินต่อ
อาจมีผลอะไรต่อองค์กร

PRESCRIPTIVE
HR ควรทำอะไร

หลีกเลี่ยงการทำนายหรือให้คะแนนความเสี่ยงรายบุคคล
หากไม่มีเหตุผลทางธุรกิจและ Governance ที่เหมาะสม

เน้น Pattern ระดับ Team / Function / Organization

13. ใช้ Work ช่วย Workforce Planning

Workforce Planning ไม่ใช่การถามว่า

ปีหน้าต้องจ้างเพิ่มกี่คน

แต่ควรถามว่า

Capability อะไรที่ธุรกิจต้องมี และควรได้มาด้วยวิธีใด

ใช้ Framework

Build → Buy → Borrow → Bot

Build

พัฒนาคนเดิม

Buy

จ้างใหม่

Borrow

ใช้ Outsource หรือ Partner

Bot

ให้ AI หรือ Automation ช่วย

Framework นี้เหมาะมากในยุค AI เพราะก่อนเปิด Headcount ใหม่ ควรตรวจสอบก่อนว่างานนั้นสามารถ Redesign ได้หรือไม่

Prompt: Workforce Planning

ช่วยทำ Workforce Planning

Business Goals:
[เป้าหมายปีหน้า]

Current Workforce:
[ข้อมูล]

Expected Workload:
[ข้อมูล]

วิเคราะห์ Capability ที่ต้องมี

จากนั้นพิจารณาแต่ละ Capability ด้วย

BUILD
พัฒนาพนักงานปัจจุบัน

BUY
Recruit เพิ่ม

BORROW
Outsource / Freelancer / Partner

BOT
AI / Automation

สำหรับแต่ละทางเลือกวิเคราะห์

- Cost
- Time
- Risk
- Quality
- Scalability
- Management Requirement

สุดท้ายสร้าง
Workforce Recommendation
โดยไม่สมมติว่าการเพิ่มงานต้องเท่ากับเพิ่มคนเสมอ

14. ใช้ Work ทำ HR Reporting สำหรับผู้บริหาร

ปัญหาของ HR Dashboard จำนวนมากคือรายงานตัวเลขที่ CEO อ่านแล้วไม่รู้ว่าต้องทำอะไร

ตัวอย่าง

Turnover 12%

ยังไม่ใช่ Insight

Insight อาจเป็น

Turnover เพิ่มขึ้นเกือบทั้งหมดจาก Sales อายุงานต่ำกว่า 6 เดือน และเกิดหลัง Peak Hiring รอบล่าสุด

รายงาน HR ที่ดีควรใช้

What → Why → Impact → Action

ChatGPT Work สามารถสร้าง Documents, Spreadsheets, Presentations และ Analysis รวมถึงใช้ Master Template เดิม ทำให้เหมาะกับ Monthly HR Report หรือ People Review ที่ทำซ้ำ

Prompt: Monthly HR Management Report

สร้าง Monthly HR Management Report

วิเคราะห์

1. Headcount
2. Hiring
3. Turnover
4. Retention
5. Attendance
6. Performance
7. Learning
8. Engagement
9. Internal Mobility
10. Workforce Risk

อย่ารายงาน KPI ทุกตัวอย่างเท่าเทียม

Highlight

🟢 Positive Change
🟡 Attention
🔴 Critical

สำหรับประเด็นสำคัญใช้

WHAT
เกิดอะไรขึ้น

WHY
สาเหตุหรือ Hypothesis

IMPACT
มีผลต่อธุรกิจอย่างไร

ACTION
ควรทำอะไร

ตอนท้ายสร้าง

Top 5 People Issues
Management Decisions Required
30-Day HR Action Plan

15. ใช้ Scheduled Work สร้าง HR Operating Rhythm

Scheduled Tasks ของ ChatGPT รองรับงานครั้งเดียว งานประจำ และการตรวจสอบการเปลี่ยนแปลง โดยสามารถใช้กับ Workflow ต่อเนื่องได้ ทั้งนี้หาก Task ถูกสร้างอยู่ใน Project ที่มีไฟล์ Task จะไม่สามารถเข้าถึงไฟล์ที่อัปโหลดหรือเก็บอยู่ใน Project นั้นโดยตรง จึงต้องออกแบบ Source Data ให้เหมาะสม

สำหรับบัญชีที่เข้าเงื่อนไข Work ยังรองรับ Event-triggered Tasks จากบริการบางประเภท เช่น Gmail, Slack และ GitHub ตามสิทธิ์ของบัญชีและ Workspace

HR สามารถออกแบบ Operating Rhythm เช่น

ทุกสัปดาห์

• Hiring Pipeline Review
• New Hire Check
• Pending Onboarding Tasks

ทุกเดือน

• HR Dashboard
• Headcount Review
• Turnover Analysis

ทุกไตรมาส

• Workforce Review
• Skill Gap Review
• Talent Development Review

Prompt: Weekly HR Brief

สร้าง Weekly HR Brief

ตรวจเฉพาะข้อมูลที่ได้รับอนุญาต

สรุป

👥 Hiring
ตำแหน่งที่ต้อง Attention

🚀 Onboarding
พนักงานใหม่ที่มี Action ค้าง

📈 People
Trend หรือ Issue ที่ควรรู้

🎓 Learning
Development Action สำคัญ

⚠️ Risk
People Risk หรือ Process Risk

🎯 HR Top 5 Actions
สิ่งที่ HR ควรทำในสัปดาห์นี้

หลีกเลี่ยงข้อมูล Routine
ที่ไม่มีผลต่อการตัดสินใจ

16. Human-in-the-Loop คือหลักสำคัญที่สุดของ AI for HR

HR แตกต่างจากหลาย Function เพราะ Output ของ AI สามารถส่งผลโดยตรงต่อชีวิต อาชีพ รายได้ และโอกาสของบุคคล

จึงควรใช้ระดับความรับผิดชอบแบบ

AI Prepare → Human Review → Authorized Human Decide

งานที่ AI ทำได้มาก

• Research
• Summarization
• Document Draft
• Job Analysis
• Training Material
• Policy Draft
• Survey Theme Analysis
• Report Preparation

งานที่ AI ช่วย แต่ไม่ควรตัดสิน

• Candidate Evaluation
• Performance Review
• Talent Review
• Promotion
• Compensation
• Employee Relations

งานที่ต้องมี Human Accountability สูง

• Hiring Decision
• Termination
• Disciplinary Action
• Salary Adjustment
• Promotion
• Sensitive Employee Investigation

Prompt: HR Safety Guardrail

สำหรับ HR Workflow นี้

คุณสามารถ

READ
SUMMARIZE
ANALYZE
DRAFT
COMPARE
RECOMMEND
FLAG

ได้

แต่ห้ามตัดสินใจขั้นสุดท้ายเกี่ยวกับ

HIRE
REJECT
PROMOTE
DEMOTE
TERMINATE
DISCIPLINE
COMPENSATION CHANGE

หากงานเข้าสู่ Decision เหล่านี้

ให้หยุดที่

1. Evidence
2. Analysis
3. Alternative Interpretation
4. Bias Risk
5. Questions Human Should Ask

แล้วส่งต่อให้ผู้รับผิดชอบตัดสินใจ

Insight สำคัญ: AI จะเปลี่ยน HR จากผู้ดูแล Process ไปเป็นผู้ออกแบบระบบการทำงาน

ถ้า HR ใช้ AI เพียงเขียน Job Description หรือ Email ผลลัพธ์หลักคือประหยัดเวลา

แต่หากใช้ GPT Work ในระดับ Workflow ผลกระทบจะใหญ่กว่านั้น

HR สามารถลดเวลาที่ใช้กับ

• Document Preparation
• Report
• Repetitive Analysis
• Information Gathering
• Manual Follow-up

แล้วโยกเวลาไปสู่

• Workforce Design
• Leadership Development
• Culture
• Organizational Capability
• Employee Experience
• Change Management

นี่คือการเปลี่ยน HR จาก Administrative Function

ไปสู่

Strategic People & Organization Function

และเมื่อ AI เข้าไปอยู่ในทุกฝ่าย บทบาทใหม่ของ HR จะไม่ได้มีเพียง “บริหารคน”

แต่ต้องช่วยออกแบบ

Human + AI Organization

ด้วย

สิ่งที่คนมักเข้าใจผิดเกี่ยวกับ GPT Work สำหรับ HR

เข้าใจผิดที่ 1: AI ช่วยคัด Resume ได้ ก็ให้ AI เลือกคนเลย

ไม่ควร

AI ควรช่วยจัด Evidence ตามเกณฑ์ ไม่ใช่เป็นผู้เลือกบุคคลขั้นสุดท้าย

เข้าใจผิดที่ 2: AI มีข้อมูลเยอะจึงไม่มี Bias

ไม่จริง

AI สามารถสะท้อน Bias ที่มีอยู่ในข้อมูลหรือเกณฑ์ขององค์กรได้

เข้าใจผิดที่ 3: HR Automation คือการลดคน HR

มูลค่าที่แท้จริงคือการลด Transaction Work เพื่อเพิ่ม Strategic Work

เข้าใจผิดที่ 4: พนักงานที่ใช้ AI เก่งจะมี Productivity สูงเสมอ

ไม่จำเป็น

หาก Workflow ไม่ถูกออกแบบ AI อาจเพียงเพิ่มจำนวน Output แต่ไม่เพิ่ม Business Outcome

ข้อเท็จจริงที่คาดไม่ถึง

AI อาจทำให้งาน HR มีความเป็นมนุษย์มากขึ้น

เพราะถ้า AI ช่วยจัดการงาน Report เอกสาร วิเคราะห์ และงาน Routine ได้ HR จะมีเวลามากขึ้นสำหรับ

การพูดคุย

Coaching

Listening

Conflict Resolution

Career Conversation

Leadership Development

ซึ่งเป็นงานที่มนุษย์มีคุณค่ามากที่สุด

Road Map 30 วันสำหรับเริ่มใช้ GPT Work ใน HR

สัปดาห์ที่ 1 — HR Productivity

เริ่มจากงานความเสี่ยงต่ำ

• JD
• Policy Draft
• Training Material
• HR Report
• Meeting Summary

เป้าหมายคือทำให้ทีมคุ้นเคยกับการตรวจ Output

สัปดาห์ที่ 2 — Recruitment & Onboarding

สร้าง

• Recruitment Brief
• Structured Interview
• Interview Template
• 30-60-90 Day Plan
• Onboarding Checklist

สัปดาห์ที่ 3 — Performance & Development

เริ่ม

• Performance Preparation
• Feedback
• Skill Gap
• IDP
• Training Road Map

สัปดาห์ที่ 4 — Analytics & Automation

เลือก Workflow ที่ทำซ้ำ

เช่น

• Weekly Hiring Review
• Monthly HR Report
• Workforce Review

แล้วสร้าง Template และ Scheduled Workflow

อย่าเริ่มจาก Automation 20 ระบบ

เริ่มจาก 3 HR Workflow ที่กินเวลาทีมมากที่สุดและมีความเสี่ยงต่ำก่อน

HR AI Checklist ก่อนใช้งานจริง

ก่อนใช้ GPT Work กับ HR ให้ตรวจสอบ

• 🎯 เป้าหมายของงานชัดหรือไม่
• 📂 Source Data มาจากไหน
• 🔐 มี Personal Data หรือไม่
• ⚠️ มี Sensitive Data หรือไม่
• 👤 จำเป็นต้องใช้ข้อมูลระดับบุคคลจริงหรือไม่
• 🧠 AI กำลังวิเคราะห์ Fact หรือเดา
• ⚖️ มี Bias Risk หรือไม่
• 📋 เกณฑ์การประเมินกำหนดก่อนเห็นบุคคลหรือยัง
• 👥 มี Human Reviewer หรือไม่
• ✅ ใครเป็น Final Decision Maker
• 📜 ต้องตรวจ Policy หรือกฎหมายเพิ่มเติมหรือไม่
• 🔄 Workflow นี้ทำเป็น Template ได้หรือไม่
• 🤖 งานนี้เหมาะกับ Schedule หรือ Automation หรือไม่
• 🚫 Action ไหน AI ห้ามทำเอง

หลักสำคัญคือ

ยิ่ง AI เข้าใกล้ Decision ที่กระทบชีวิตพนักงานมากเท่าไร Human Accountability ต้องมากขึ้นเท่านั้น

3 คำถามสำคัญที่ฝ่าย HR ควรถามตัวเอง

1. HR ใช้เวลากับงาน Transaction มากกว่างาน Strategic ตรงไหน?

หากทีมใช้เวลาจำนวนมากในการ Format, Copy-Paste, ทำ Report, สรุปเอกสาร หรือ Follow-up นี่คือ Candidate ที่ดีสำหรับ GPT Work

2. Decision เรื่องคนเรื่องใดในองค์กรปัจจุบันไม่มี Evidence เพียงพอ?

AI สามารถช่วยรวบรวมและจัด Evidence ได้ แต่คนต้องเป็นผู้ตัดสิน

3. เมื่อ AI เข้าไปอยู่ในทุกตำแหน่ง งานและ Skill ของพนักงานควรเปลี่ยนอย่างไร?

นี่อาจเป็นคำถามที่สำคัญที่สุดของ HR ในยุคต่อไป เพราะ AI Transformation ไม่ใช่ IT Project แต่เป็น Organization Design Project

One Thing: สิ่งเดียวที่ควรเริ่มต้นทำทันที

อย่าเริ่มด้วยการให้ GPT Work “คัดคน”

ให้เลือก หนึ่งตำแหน่งที่องค์กรกำลังรับสมัครหรือมีอยู่แล้ว แล้วทำ Job Redesign ตั้งแต่ต้น

ใช้ Prompt นี้

ช่วยออกแบบตำแหน่งนี้ใหม่สำหรับองค์กรยุค AI

Position:
[ตำแหน่ง]

วิเคราะห์งานปัจจุบันทั้งหมด

แล้วแบ่งเป็น

Human Only
Human + AI
AI First Draft
Automation Candidate
Low Value Work

จากนั้นสร้าง

1. New Role Purpose
2. New Responsibilities
3. AI Responsibilities
4. Human Responsibilities
5. New Skills
6. Competencies
7. KPI
8. Job Description
9. Interview Guide
10. 30-60-90 Day Onboarding Plan

เป้าหมายไม่ใช่ลดคน

แต่เพิ่ม
Productivity
Quality
Decision Capability
และ Business Value
ของตำแหน่งนี้

เพราะคำถามที่ HR ควรเริ่มถามในยุค GPT Work ไม่ใช่เพียง

“AI จะช่วย HR ทำงานอะไรได้บ้าง?”

แต่คือ

“เมื่อ AI สามารถช่วยทำงานได้มากขึ้น เราควรออกแบบงาน คน Skill และองค์กรใหม่อย่างไร?”

นี่คือจุดที่ GPT Work เปลี่ยนจากเครื่องมือช่วย HR ไปสู่เครื่องมือสำหรับ Job Redesign, Workforce Transformation และ Human + AI Organization Design

ท้ายที่สุด เป้าหมายของการใช้ GPT Work ใน HR ไม่ควรเป็นการทำให้ฝ่าย HR สร้างเอกสารได้เร็วที่สุด แต่ควรทำให้องค์กรสามารถใช้ข้อมูลได้ดีขึ้น ออกแบบงานได้ดีขึ้น พัฒนาคนได้ตรงจุดขึ้น และลดภาระงาน Transaction เพื่อคืนเวลาให้ HR และ Manager กลับไปทำงานที่ AI ทดแทนได้ยากที่สุด นั่นคือการเข้าใจคน พัฒนาคน และสร้างองค์กรที่คนกับ AI สามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ