วิวัฒนาการของ KPI
เมื่อสมัย ม.1 แอดสอบเข้าเรียนโรงเรียนขนาดกลางในเมืองหลวงได้ ในวันเปิดเทอม สิ่งหนึ่งที่ทำให้แอดเกิดความฉงนสนเท่ห์อย่างยิ่ง ก็คือลำดับเลขที่ของเพื่อนๆในห้องเรียน เลขประจำตัวของทุกคนไม่ได้เรียงตามลำดับอักษร ไม่ได้แบ่งแยกหญิงชาย และดูเหมือนจะไม่มีแพทเทิร์นอะไรเลย แอดก็มาทราบทีหลังว่า เลขประจำตัวของทุกคนคือลำดับที่ในการสอบเข้า เลขที่ 1 คือคนที่ได้คะแนนดีที่สุด และเลขสุดท้ายคือที่โหล่ และเลขที่นี้จะรีเซ็ตทุกปลายปีเพื่อให้เรียงตามเกรดเฉลี่ยของทุกคนในปีนั้นๆ
ถึงแม้จะรู้สึกทะแม่งๆ แต่แอดก็ทำใจยอมรับว่าการเปรียบเทียบคะแนนจากการสอบวัดผลเป็นเรื่องจำเป็นที่ไม่อาจหลีกเลี่ยงได้ นักเรียนที่ “เก่ง” คือคนที่ทำคะแนนสอบได้มากกว่าเพื่อน จึงได้คะแนนสูงกว่าค่าเฉลี่ย และพวกเขาเหล่านั้นจะได้รับแต่สิ่งดีๆเข้ามาในชีวิต
ความเชื่อนี้คือรากฐานของการเรียนตั้งแต่ระดับประถมเรื่อยมาจนถึงโลกแห่งการทำงาน แทนที่จะเป็นคะแนนสอบ เราถูกวัดผลด้วย KPI หรือ Key Performance Indicators ที่หัวหน้างานกำหนดไว้ให้เป็นเป้าหมาย พนักงานขายต้องทำยอด อาจารย์ต้องทำชั่วโมงสอน นักวิจัยต้องทำผลงานวิจัย หน่วยงานต้องสร้างอิมแพค ใครที่ทำได้ดีกว่าค่าเฉลี่ย ก็ย่อมจะได้รับผลตอบแทนดีๆมากกว่าคนอื่น
รู้ตัวอีกที ชีวิตของเราก็ถูกขับเคลื่อนด้วยความพยายามที่จะไล่ตามตัวเลขเหล่านี้ แต่จะมีใครบ้างไหมที่จะสงสัยว่า ระบบวัดผลอิงกลุ่มแบบนี้มันมาจากไหน และมันมีประสิทธิภาพจริงหรือไม่?
ที่มาของการคำนวณค่าเฉลี่ยเชิงสังคมนั้นเริ่มตั้งแต่สมัยศตวรรษที่ 18 โดยนักดาราศาสตร์ชาวเบลเยี่ยม นามว่า Adolphe Quetelet ในเชิงดาราศาสตร์ การหาค่าเฉลี่ยของข้อมูลสามารถลดความคลาดเคลื่อนในการทดลองลงอย่างมีนัยสำคัญ Quetelet จึงใช้แนวคิดเดียวกันนี้มาทำวิจัยเชิงมนุษยวิทยา โดยเริ่มจากความคิดที่ว่า มนุษย์ทุกคนก็เหมือนข้อมูลทางดาราศาสตร์ที่มีความคลาดเคลื่อนแฝงอยู่ หากนำข้อมูลของทุกคนมาเฉลี่ยกัน ค่าเฉลี่ยที่ได้คือมนุษย์ในอุดมคติที่ไร้ความคลาดเคลื่อน
Quetelet นำค่าเฉลี่ยมาใช้สร้างมาตรฐานให้กับประชากร ตัวอย่างเช่น ค่า Body Mass Idex (BMI) อายุการแต่งงานโดยเฉลี่ย อัตราการเกิดอาชญากรรมในกลุ่มคน และอัตราการฆ่าตัวตาย เป็นต้น ไอเดียที่ Quetelet เสนอขึ้นมานั้นสามารถนำมาใช้ทอนพฤติกรรมมนุษย์ที่ยุ่งเหยิงให้เหลือเพียงค่าคงที่ไม่กี่ตัว จึงถูกนำมาใช้อย่างแพร่หลายทางการแพทย์ การปกครอง จิตวิทยา ฯลฯ
แต่ความคิดที่ว่า “มนุษย์ค่าเฉลี่ย” คือมนุษย์ในอุดมคติ นั้นถูกล้มล้างภายในกลางศตวรรษที่ 18 ด้วย Sir Francis Galton นักวิจัยชาวอังกฤษผู้บุกเบิกศาสตร์แห่งบุคคลิกภาพของมนุษย์ เขาเชื่อว่ามนุษย์ในอุดมคติไม่ใช่กลุ่มคนระดับค่าเฉลี่ย แต่เป็นมนุษย์ที่อยู่เหนือค่าเฉลี่ยมากๆ เช่น ราชนิกูลที่มีฐานะทางสังคมสูงส่ง นักปราชญ์ และนักวิชาการ คนทั่วไปที่มีฐานะปานกลางไล่ไปถึงต่ำนั้นทำให้ค่าเฉลี่ยของสังคมต่ำลง และไม่ควรจะมีสิทธิ์มีเสียงมากเท่าคนชั้นสูง ความคิดของเขาได้รับการยอมรับมากในกลุ่มชนชั้นนำและนักวิชาการ ทำให้ทุกคนพยายามจะถีบตนให้เหนือจากค่าเฉลี่ยที่สุดเท่าที่จะทำได้
ระบบคิดของ Quetelet และ Galton ถูกฝังรากลึกลงในสังคม และถูกนำมาประยุกต์ใช้อย่างเป็นรูปธรรมในต้นศตวรรษที่ 19 โดย Frederick Winslow Taylor วิศวกรชาวอเมริกัน ผู้ต้องการที่จะเพิ่มประสิทธิภาพในการผลิตให้กับโรงงานเหล็กกล้าที่เขาทำงานอยู่ Taylor จึงทอนการทำงานของคนงานออกเป็นขั้นตอนย่อยๆ ให้ทุกคนทำงานซ้ำๆ ส่งต่อกันเป็นสายพาน และใช้หลักสถิติวัดหาความเร็วเฉลี่ยในการทำงานเพื่อสร้างมาตรฐาน คนงานของเขามีหน้าที่ทำงานตามที่หัวหน้างานสั่ง โดยต้องทำให้ได้ในเวลามาตรฐาน ส่วนหน้าที่วางแผนการทำงานนั้นตกอยู่กับผู้จัดการซึ่งถูกยกย่องว่ามีสถานะทางสังคมและสติปัญญาที่เหนือกว่า ด้วยเทคนิคที่ว่านี้ Taylor สามารถเพิ่มการผลิตในโรงงานเหล็กได้ถึงเท่าตัว
การบริหารงานแบบ Taylorism นั้นลามไปสู่การออกแบบหลักสูตรการศึกษา เพื่อสร้างนักเรียนที่ตอบโจทย์แรงงานอุตสาหกรรมที่ขาดแคลนในยุค 1900s โดยนักเรียนทุกคนต้องเรียนรู้หลักสูตรที่เหมือนกันตรงตามมาตรฐาน นักการศึกษาออกแบบข้อสอบวัดผล เพื่อจำแนกนักเรียนตามความสามารถ โดยนักเรียนที่เรียนรู้ได้ครบถ้วนในเวลาจำกัด ถูกจัดไว้ว่าเป็นนักเรียนเก่ง เหมาะสมกับการเรียนหนังสือต่อ ส่วนนักเรียนที่ช้ากว่าค่าเฉลี่ย ก็ไม่ควรได้รับการส่งเสริมเพราะเป็นการสิ้นเปลืองทรัพยากร
แต่ถึงแม้ประสิทธิภาพในการทำงานในโรงงานจะเพิ่มขึ้น นำไปสู่การผลิตสินค้าปริมาณมาก รวดเร็ว และเหมือนกันตามมาตรฐาน แต่การทำงานเยี่ยงหุ่นยนต์นี้พรากความสุขและความพอใจในงานของมนุษย์อย่างสิ้นเชิง บริษัทไม่ได้เชิดชูคนงานที่มีความคิดสร้างสรรค์ แต่ต้องการปั้นให้ทุกคนออกมาเหมือนกันดังเครื่องจักร ที่แย่ไปกว่านั้นคือระบบที่อิงค่าเฉลี่ยเป็นบรรทัดฐาน นั้นละเลยความแตกต่างระหว่างบุคคล ในโรงเรียน นักเรียนที่สามารถทำข้อสอบได้ดีในเวลาจำกัด คือผู้ที่ประสบความสำเร็จทางการศึกษา แต่ทว่าในโลกแห่งความจริง มนุษย์เราเรียนรู้กันคนละแบบ ถนัดกันคนละด้าน การนำตัวเลขแค่ค่าเดียวมาวัดความสำเร็จของนักเรียนนั้นละทิ้งเอกลักษณ์ของปัจเจกอย่างสิ้นเชิง ซึ่งก่อให้เกิดปัญหาหลายประการ
ในอดีต บริษัทใหญ่ๆอย่าง Deloitte General Electric และ Microsoft ใช้วิธีจัด ranking ให้กับผู้สมัครงานและพนักงาน เช่น พนักงานที่มี ranking สูงก็จะได้โบนัส ส่วน ranking ต่ำก็อาจจะถูกลงโทษหรือไล่ออก ระบบการบริหารบุคคลเช่นนี้ ทำให้พนักงานไม่กล้าเสี่ยงในการทำงาน และปฏิเสธที่จะทำงานกับคนที่ ranking สูงกว่าเพราะกลัวการเปรียบเทียบ และยังทำให้บริษัทมองข้ามการว่าจ้างคนที่อาจจะมีคุณสมบัติเหมาะสมกับงาน แต่ขาดคุณสมบัติที่ไม่ได้สลักสำคัญอย่างอื่นไป
ในปัจจุบันเทรนด์การบริหารแบบ Taylorism นั้นถูกลดความสำคัญลงอย่างเห็นได้ชัด และถูกแทนที่ด้วยระบบวัดผลที่ให้ความสำคัญกับปัจเจกมากกว่าการเปรียบเทียบคะแนนอิงกลุ่ม เช่น ใน Google คะแนนสอบและปริญญาบัตรกลายเป็นเรื่องรองในการคัดเลือกพนักงานใหม่ แต่จะให้ความสำคัญกับความสามารถด้านใดด้านหนึ่ง และ passion ของพนักงานมากกว่า ส่วนในขั้นตอนของการวัดผล Google ใช้ระบบที่เรียกว่า OKRs หรือ Objective & Key Results ที่เปิดโอกาสให้พนักงานแต่ละคนตั้งเป้าหมายในการทำงานด้วยตัวเอง และไม่ผูกการขึ้นเงินเดือนไว้กับเป้าของการทำงาน ทำให้พนักงานกล้าที่จะเสี่ยงกับงานยากๆที่อาจล้มเหลว และสามารถออกแบบ career path ที่ตอบโจทย์เชิงปัจเจกได้มากขึ้น
การเปลี่ยนแปลงจากระบบวัดผลแบบอิงกลุ่ม ไปสู่การวัดผลเชิงปัจเจกนั้นเริ่มเห็นได้มากขึ้นในวงการวิชาการเช่นเดียวกัน ในปัจจุบัน มีมหาวิทยาลัยในสหรัฐอเมริกาที่ยกเลิกการรับคะแนน GRE สำหรับผู้สมัครปริญญาเอกมากขึ้นเรื่อยๆ โดยเฉพาะในสาขาชีววิทยา เพราะผลจากงานวิจัยแสดงให้เห็นว่า คะแนน GRE ของผู้สมัครนั้นไม่มีความเกี่ยวพันต่อความสำเร็จของนักศึกษาเลย ไม่ว่าจะเป็นจำนวนเปเปอร์ที่ตีพิมพ์ หรือจำนวนปีที่ใช้ในการเรียน
แม้แต่ระบบ Impact Factor ของวารสารทางวิทยาศาสตร์ ที่ใช้กันมาตั้งแต่ ค.ศ. 1975 ก็ยังถูกตั้งคำถามอย่างหนัก เมื่อไม่นานมานี้ กลุ่มนักวิชาการได้รวมตัวกันทักท้วงระบบ Impact Factor ซึ่งอิงแค่จำนวน citation แต่ไม่ได้บอกคุณภาพของงาน พวกเขาเห็นว่า ค่าๆเดียวนั้นละเลยบทบาทของวารสารวิทยาศาสตร์ในด้านอื่นๆ และตัวเลข Impact Factor นั้นได้โน้มนำวงการวิทยาศาสตร์ให้ผลิตผลงานที่สามารถเกมส์ระบบได้ โดยไม่คำนึงถึงบทบาทที่สำคัญอื่นๆของงานวิจัย
ระบบวัดผลที่อิงจากค่าเฉลี่ยนั้นอาจจะเหมาะสมกับยุคปฏิวัติอุตสาหกรรมที่ต้องการสร้างแรงงานเพื่อเพิ่มผลผลิต แต่ยุคสมัยมันเปลี่ยนไปแล้ว การมาถึงของ automation และ AI ทำให้การทำงานแบบสายพานกำลังจะหมดไป เรากำลังจะก้าวเข้าสู่ยุคสมัยที่ให้คุณค่ากับ customization ให้เหมาะสมกับความหลากหลายเชิงปัจเจก
ระบบวัดผล หากยังจำเป็นอยู่ก็จำต้องปรับเปลี่ยนไป
เราจะสามารถออกแบบระบบวัดผลที่ส่งเสริมประสิทธิภาพในองค์กรโดยไม่ทอดทิ้งความสุขของคนทำงานได้หรือไม่
หวังว่าเราจะได้มีโอกาสออกแบบมันด้วยตัวเราเองในไม่ช้า
แต่ว่าวันนี้ ก็ enjoy การเก็บ % contribution ไปก่อนนะฮ้าฟ
#นักวิจัยไส้แห้ง
อ้างอิง
The End of Average - by Todd Rose
Measure What Matters - by John Doerr
A wave of graduate programs drops the GRE application requirement - by Katie Langin
Rethinking impact factors: better ways to judge a journal - by Paul Wouters et. al.
- 11
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
