มองแบบเหยี่ยว หาแบบมด
ในยุคที่ AI แก้ปัญหาแทนเราได้ ทักษะที่หายากกว่าคือการหยุดแล้วถามว่า — โจทย์ที่กำลังจะแก้อยู่ ตั้งถูกหรือเปล่า?
คนส่วนใหญ่คิดว่าความสามารถที่สำคัญที่สุดคือการแก้ปัญหาให้เร็วที่สุด แต่ในโลกที่ AI สามารถทำสิ่งนั้นได้ดีกว่ามนุษย์ทุกวัน ความสามารถที่หายากกว่าคือการหยุดก่อน แล้วถามว่า — โจทย์ที่เรากำลังจะแก้อยู่ เป็นโจทย์ที่ถูกต้องจริงหรือไม่?
AI ทุกวันนี้เก่งมาก มันวิเคราะห์ข้อมูลได้เร็วกว่าคน เชื่อมโยงความคิดได้ซับซ้อน แตกปัญหาใหญ่เป็นปัญหาเล็กได้เอง ตั้งสมมติฐานได้ สำรวจเส้นทางใหม่ๆ ได้ และทำสิ่งเหล่านี้ได้ดีขึ้นเรื่อยๆ
แต่ทั้งหมดนี้เกิดขึ้นภายในกรอบที่มนุษย์กำหนดให้ AI สำรวจเก่ง แต่มันสำรวจภายในสนามที่คนสร้าง มันแตก goal เป็น sub-goal ได้อย่างฉลาด แต่ goal แรกยังต้องมาจากมนุษย์ สิ่งที่ยังไม่มี algorithm ใดทำได้คือ การตั้งคำถามกับกรอบนั้นเอง — การถอยออกมาแล้วถามว่า “โจทย์ที่กำลังแก้อยู่ เป็นโจทย์ที่ถูกต้องหรือเปล่า?”
ในอดีต เราให้ค่ากับคนที่แก้ปัญหาเก่ง (Problem Solver) แต่ในยุคที่ AI คือนักแก้ปัญหาที่เร็วและถูกที่สุดในโลก คุณค่าของมนุษย์จึงขยับไปสู่การเป็น นักค้นหาปัญหา (Problem Finder) — คนที่ตั้งคำถามที่ถูกต้องก่อน แล้วจึงส่งโจทย์ให้ AI ไปแก้
เพราะคำตอบที่ถูกต้องจากคำถามที่ผิด คือความสูญเสียทรัพยากรที่แพงที่สุด ไม่ว่าจะเป็นมนุษย์หรือ AI ก็ตาม
แล้วเราจะหาโจทย์ที่ถูกต้องได้อย่างไร?
มีคำกล่าวว่า “ที่ไหนมีควัน ที่นั่นมีไฟ”
แต่สิ่งที่เห็นลอยอยู่ตรงหน้า มันคือควันไฟ หมอก ไอน้ำ หรืออะไรกันแน่?
แน่นอน มันมีสาเหตุ — ทุกสิ่งที่ปรากฏให้เห็นล้วนมาจากที่ไหนสักแห่ง แต่บางทีมันอาจไม่ใช่ไฟอย่างที่คิด บางทีสิ่งที่เข้าใจว่าเป็นควันนั้น อาจเป็นเพียงปลายสัญญาณของสิ่งอื่นที่ยังไม่ได้มอง
และนี่คือจุดที่คนส่วนใหญ่พลาด — ไม่ใช่พลาดเพราะแก้ปัญหาไม่เก่ง แต่พลาดเพราะรีบตอบก่อนจะแน่ใจว่าโจทย์ถูก
เหยี่ยวกับมด
ลองนึกภาพเหยี่ยวตัวหนึ่ง
เหยี่ยวหากไม่เห็นเหยื่อชัดเจน จะไม่บินโฉบไปทันที มันบินขึ้นสูงก่อน วนดูภูมิประเทศทั้งหมด เห็นทั้งป่า ทุ่ง แม่น้ำ เห็นว่าอะไรอยู่ตรงไหน อะไรเคลื่อนไหว อะไรผิดปกติ แล้วค่อยๆ บินวนลงต่ำขึ้นเรื่อยๆ ยิ่งต่ำยิ่งชัด จนเห็นเป้าหมายคมพอที่จะลงมือ
การมองปัญหาก็เหมือนกัน — มองกว้างก่อน แล้วค่อยวนแคบลงจนชัด ไม่ใช่จ้องจุดเดียวแล้วโฉบ
แต่เหยี่ยวมีจุดอ่อน มันเห็นภาพกว้างจากข้างบน แต่บางทีรายละเอียดบนพื้นดินมันแยกไม่ออก เห็นว่าไฟอยู่แถวนี้ แต่ไม่เห็นว่าเริ่มจากห้องไหน
ตรงนี้ต้องคิดแบบมด
มดไม่ได้บินดูภาพรวม มันลงไปสำรวจบนพื้นดิน แต่ที่สำคัญคือ — มดไม่ได้ไปทีละตัวทางเดียว มันกระจายออกไปหลายทางพร้อมกัน แต่ละตัวสำรวจอิสระ ไม่ได้ตามกัน ไม่ได้รอให้ตัวนำบอก ตัวไหนเจอเส้นทางที่ใช่ สัญญาณจะแรงขึ้นเรื่อยๆ ตัวไหนเจอทางตัน สัญญาณจะจางหายเอง ไม่ต้องมีใครสั่งให้หยุด
สองวิธีคิดนี้ทำงานร่วมกัน: เหยี่ยวบินสูงเพื่อเห็นภาพกว้าง มดกระจายลงพื้นดินเพื่อหาต้นเหตุจริง
กรอบความคิด: Hawk–Ant Model
วิธีคิดที่ว่านี้อาจดูเหมือนเรื่องสามัญ แต่ถ้าจัดมันให้เป็นระบบ มันจะกลายเป็นกรอบการมองปัญหาที่ผมเรียกว่า Hawk–Ant Model
เหยี่ยวมองจากบนลงล่างด้วย Lens & Sense เพื่อหาว่าปัญหาอยู่ตรงไหน มดกระจายจากล่างขึ้นบนเพื่อยืนยันต้นเหตุจริง จุดที่ทั้งสองมาบรรจบคือ Root Cause ที่ผ่านการตรวจสอบแล้ว
Hawk Eyes Model คือการมองปัญหาแบบเหยี่ยว ทำเป็นวงเวียนสี่จังหวะ แต่ละรอบแคบลงและชัดขึ้น:
สำรวจ (Scout) — เก็บข้อมูลให้กว้าง ข้ามสาขา ยังไม่ตัดอะไรออก หาความสัมพันธ์ (Correlate) — ดูว่าอะไรเชื่อมกันจริง อะไรแค่บังเอิญ ลากเส้นสาเหตุ (Trace) — ตามจากอาการย้อนกลับไปหาต้นเหตุ วัดผลกระทบรวม (Aggregate) — บวกต้นทุนตลอดห่วงโซ่ ต้นเหตุเล็กๆ อาจส่งผลรวมมหาศาล
Ant Algorithm คือการหาแบบมด — เมื่อเหยี่ยวเห็นว่าปัญหาอยู่ตรงไหนแต่ยังแยกไม่ออกว่าต้นเหตุตัวไหน ให้กระจายสืบค้นหลายทางพร้อมกัน แต่ละทางเป็นอิสระ เส้นทางที่ไม่ใช่จะเงียบลงเอง เส้นทางที่ใช่จะมีหลักฐานสะสม
ทั้งสองทำงานร่วมกัน: เหยี่ยวชี้ว่าควรมองตรงไหน มดยืนยันว่าต้นเหตุจริงคืออะไร แล้วเหยี่ยวบินวนรอบใหม่ด้วยข้อมูลที่มดค้นพบ — เห็นเส้นเชื่อมที่ก่อนหน้านี้มองไม่เห็น
แล้วมันต่างจากวิธีที่มีอยู่แล้วอย่างไร?
มีเครื่องมือตั้งคำถามหาต้นเหตุอยู่หลายตัว เช่น 5 Whys ที่ถามว่า “ทำไม?” ซ้ำห้าครั้ง Iceberg Model ที่แบ่งปัญหาเป็นชั้นจากผิวดินลงไปถึงโครงสร้าง หรือ Critical Thinking แบบ What–Why–How ที่ตั้งคำถามสามชั้น แต่ละตัวทำได้ดีในสิ่งที่มันออกแบบมา
แต่ทุกตัวมีข้อจำกัดร่วมกัน:
มัน เริ่มจากปัญหาที่ตั้งไว้แล้ว — 5 Whys ถามว่า “ทำไม?” ลึกลงไปในเส้นทางเดียว แต่ไม่เคยถอยออกมาถามว่า “ที่ตั้งโจทย์ไว้ตอนแรก ตั้งถูกหรือเปล่า?” ถ้า Why ครั้งแรกเริ่มผิดทิศ ทั้งห้าครั้งก็ผิดหมด
มัน มองอยู่ใน domain เดียว — Iceberg ขุดลึกลงในจุดเดียว Critical Thinking ขึ้นอยู่กับว่าคนถามจะนึกถึงมุมไหน ไม่มีตัวไหนบังคับให้มองข้ามสาขา ทั้งที่ต้นเหตุจริงมักไม่ได้อยู่ในสาขาที่ควันปรากฏ
มัน ไม่มีการตรวจสอบอิสระ — ทุกตัวเป็นการคิดเส้นทางเดียว คนเดียวถาม คนเดียวตอบ ไม่มีกลไกตรวจว่าคำตอบที่ได้มาเพราะหลักฐานจริง หรือเพราะเรื่องเล่าในหัวมันลงตัว
Hawk–Ant ทำสิ่งที่ต่างออกไป: มันเริ่มก่อนที่จะมีกรอบ (ควันยังไม่รู้ว่าคือไฟ หมอก หรือไอน้ำ) มันสำรวจกว้างข้ามสาขาก่อนจะตัดอะไรออก (Scout ด้วย Lens & Sense) มันแยกสัญญาณจากเสียงรบกวน (Correlate) มันลากเส้นสาเหตุ (Trace) มันวัดผลกระทบรวมทั้งห่วงโซ่ (Aggregate) แล้วเมื่อยังไม่ชัด มันกระจายการสืบค้นอิสระหลายทางพร้อมกันแล้วดูว่าหลักฐานมาบรรจบที่ไหน (Ant) ทั้งหมดนี้ทำเป็นวงเวียนที่แต่ละรอบชัดขึ้น
เครื่องมือที่มีอยู่แล้วทำได้ดีในแต่ละส่วน — 5 Whys ทำ Trace ได้ดี Iceberg ทำ layered thinking ได้ดี Critical Thinking เป็น discipline ที่มีคุณค่า แต่ไม่มีตัวไหนทำทั้งกระบวนการตั้งแต่ “ยังไม่รู้ว่าโจทย์คืออะไร” จนถึง “ยืนยันต้นเหตุจริงด้วยหลักฐานอิสระ” ในระบบเดียว
ต่อไปนี้คือคำถามที่พาเดินผ่านกรอบความคิดนี้ทีละขั้น
ที่เห็นอยู่ตรงหน้า มันคืออะไรจริงๆ?
นี่คือจุดเริ่มต้นของเหยี่ยว — ก่อนจะบินขึ้นสูงดูภาพกว้าง ต้องแน่ใจก่อนว่าเข้าใจสิ่งที่เห็นตรงหน้า
ลองแยกให้ออกระหว่างสองสิ่งนี้:
สิ่งที่เกิดขึ้น — ข้อเท็จจริง ตัวเลข เหตุการณ์ สิ่งที่สังเกตได้
สิ่งที่คิดว่ามันหมายถึง — คำอธิบาย เหตุผล เรื่องเล่าที่ต่อขึ้นมาในหัว
สองสิ่งนี้มักปนกันจนแยกไม่ออก เราเห็นยอดขายตก แล้วในหัวก็พูดขึ้นมาทันทีว่า “เพราะคู่แข่งลดราคา” ทั้งที่ยังไม่ได้ตรวจสอบเลยว่าจริงหรือเปล่า เราเห็นลูกทีมหน้านิ่วคิ้วขมวด แล้วสรุปทันทีว่า “เขาไม่พอใจเรื่องเงินเดือน” ทั้งที่อาจเป็นเพราะเขาปวดหัวก็ได้
ก่อนจะอธิบายอะไร ลองบรรยายก่อนว่าเห็นอะไร — เฉพาะสิ่งที่เกิดขึ้น ยังไม่ต้องหาเหตุผล
บินขึ้นสูง — มีอะไรอยู่รอบๆ ที่ยังไม่ได้มอง?
ตอนนี้ลองทำแบบเหยี่ยว — แทนที่จะจ้องอยู่ที่จุดเดียว ลอยขึ้นไปมองภาพกว้าง
ธรรมชาติของคนเราคือ พอเห็นควันที่ไหน ก็มองแต่ตรงนั้น ยอดขายตก ก็มองแต่เรื่องขาย ลูกน้องทำงานไม่ดี ก็มองแต่เรื่องคน สุขภาพทรุด ก็มองแต่เรื่องร่างกาย
แต่ต้นเหตุจริงมักไม่ได้อยู่ตรงที่ควันปรากฏ
ยอดขายที่ตกอาจไม่เกี่ยวกับการขายเลย — อาจเป็นเพราะระบบชำระเงินพังเงียบๆ โดยไม่มีใครรู้ ลูกน้องที่ทำงานไม่ดีอาจไม่ใช่เรื่องความสามารถ — อาจเป็นเพราะเขาไม่มีข้อมูลที่จำเป็นในการตัดสินใจ สุขภาพที่ทรุดลงอาจไม่ใช่เรื่องร่างกายอย่างเดียว — อาจเป็นความเครียดจากปัญหาการเงินที่กินการนอนมาสามเดือนแล้ว
แล้วจะมองกว้างอย่างไร? แนวคิดของ Hawk Lens & Sense มาจากการสังเกตปรากฏการณ์ที่เป็นไปตามธรรมชาติ ลองสังเกตผ่านสองชั้น:
Hawk Lens — สิ่งที่มองเห็นได้:
มันแสดง พฤติกรรม (Behaviour) อะไรอยู่? ปกติหรือผิดจากที่เคยเป็น? แล้วมันตอบสนองต่ออะไร?
ลักษณะทางกายภาพ (Physical) บอกอะไร? มีอะไรเปลี่ยนจากที่ควรเป็น? สิ่งที่เห็นด้วยตาสื่อความหมายอะไร?
สภาพแวดล้อมรอบๆ (Landscape) เป็นอย่างไร? กว้างหรือแคบ? เปิดหรือปิด? มีคอขวดตรงไหน? มีข้อจำกัดอะไร?
อะไร ไหล (Flow) อยู่ในระบบ? ข้อมูล เงิน คน ทรัพยากร — ไหลไปไหน ติดขัดตรงไหน?
มี รูปแบบซ้ำ (Habit) อะไรไหม? สิ่งนี้เป็นแนวโน้มที่ทำบ่อยจน “ปกติ” หรือเปล่า? ปกติที่ไม่มีใครตั้งคำถามอาจเป็นจุดบอดที่อันตรายที่สุด
Hawk Sense — สิ่งที่มองไม่เห็นแต่รู้สึกได้:
เวลา (Time) — จังหวะเป็นอย่างไร? เกิดเร็ว ช้า ค่อยๆ สะสม หรือเปลี่ยนทันที? มีใครกำลังเล่นเกมยาวในขณะที่คนอื่นมองแค่ระยะสั้น?
พลังงาน (Energy) — มีแรงผลักหรือแรงต้านอะไรอยู่? ระบบตึง หย่อน หรือกำลังจะเปลี่ยนสถานะ? มีแรงเสียดทานซ่อนอยู่ตรงไหน?
แรงดึงดูด (Gravity) — อะไรเป็นจุดศูนย์ถ่วงที่ดึงทุกอย่างเข้าหา? ทุกการตัดสินใจ ทุกพฤติกรรมที่เห็น โคจรรอบอะไร? บางทีสิ่งที่ดูเหมือนหลายปัญหาแยกกัน จริงๆ แล้วโคจรรอบจุดเดียวกัน
เจตนา (Intent) — ใครกำลังพยายามทำอะไร? เพราะอะไร? เจตนาที่ประกาศกับเจตนาจริงตรงกันไหม? บางทีข้อค้นพบที่สำคัญที่สุดคือ “ไม่มีใครตั้งใจเลย” — ปัญหาเกิดเพราะไม่มีใครเป็นเจ้าของ ไม่ใช่เพราะใครทำผิด
Lens กับ Sense ไม่ใช่ checklist ที่ต้องกรอกครบ เป็นมุมมองที่ช่วยขยายสิ่งที่เห็น — ปัญหาบางเรื่อง Lens อาจเพียงพอ ปัญหาที่ซับซ้อนขึ้น Sense มักสำคัญกว่า เพราะสิ่งที่มองเห็นมักเป็นอาการ สิ่งที่รู้สึกได้ต่างหากมักเป็นโครงสร้าง
วนต่ำลง — อะไรเชื่อมกันจริง อะไรแค่บังเอิญอยู่ตรงนั้น?
เหยี่ยวที่บินรอบแรกเห็นภาพกว้าง รอบที่สองเริ่มเห็นรายละเอียด รอบที่สามเห็นชัดขึ้นอีก ทุกรอบที่บินวน ภาพจะคมขึ้น
พอเริ่มมองกว้างขึ้น จะเห็นหลายอย่างพร้อมกัน คำถามคือ — อะไรเกี่ยวกันจริง อะไรแค่เกิดในจังหวะเดียวกัน?
สิ่งที่เชื่อมกันจริง จะเคลื่อนไปด้วยกัน — เปลี่ยนพร้อมกัน ขึ้นลงตามกัน ปรากฏในบริบทเดียวกันซ้ำแล้วซ้ำเล่า
สิ่งที่แค่บังเอิญ อาจดูน่ากลัวหรือน่าสนใจ แต่พอลองเอาออกจากภาพ ไม่มีอะไรเปลี่ยน
เรื่องที่น่าสังเกตคือ บางทีปัจจัยที่ดังที่สุด ดราม่าที่สุด กลับไม่เกี่ยวอะไรเลย ส่วนปัจจัยที่เงียบๆ ไม่มีใครพูดถึง กลับเชื่อมโยงกับทุกอย่าง
กลับมาที่ตัวอย่างยอดขายตก สมมติว่าในช่วงเดียวกัน คู่แข่งเปิดแคมเปญใหญ่ และทีม IT อัปเดตแอปพอดี ทั้งสองเกิดในจังหวะเดียวกัน แต่พอลองดูข้อมูลจะพบว่า แคมเปญคู่แข่งไม่ได้กระทบกลุ่มลูกค้าของเราเลย ส่วนยอดตกเริ่มตรงวันที่แอปอัปเดตพอดี สิ่งที่ดูน่ากลัว (คู่แข่ง) กลับไม่เกี่ยว สิ่งที่ดูธรรมดา (อัปเดตแอป) กลับเชื่อมกับทุกอย่าง
ลองถามว่า: ถ้าเอาปัจจัยนี้ออกจากภาพทั้งหมด อะไรจะเปลี่ยน? ถ้าคำตอบคือ “ไม่มีอะไรเปลี่ยน” — มันอาจเป็นแค่เสียงรบกวนที่ดังแต่ไม่เกี่ยว
อะไรทำให้เกิดอะไร?
เชื่อมกัน กับ ทำให้เกิด ไม่ใช่เรื่องเดียวกัน
ยอดขายไอศกรีมกับจำนวนคนจมน้ำเพิ่มขึ้นพร้อมกันทุกฤดูร้อน แต่ไอศกรีมไม่ได้ทำให้คนจมน้ำ — ทั้งสองเกิดจากอากาศร้อน
วิธีตรวจสอบง่ายๆ:
ถ้าสิ่งนี้หายไปพรุ่งนี้ อาการที่เห็นจะเปลี่ยนไหม? ถ้าเปลี่ยน มันน่าจะเป็นสาเหตุจริง ถ้าไม่เปลี่ยน มันอาจแค่เกิดพร้อมกัน
ฉันอธิบายได้ไหมว่า A ทำให้เกิด B ได้อย่างไร? ถ้าอธิบายกลไกได้ มันน่าเชื่อ ถ้าอธิบายไม่ได้นอกจากว่า “มันเกิดพร้อมกัน” อาจเป็นแค่เรื่องบังเอิญ
แล้วถามซ้ำว่า “แล้วอะไรทำให้สิ่งนี้เกิดขึ้นล่ะ?” ตามลงไปเรื่อยๆ เช่น ยอดขายตก → ลูกค้าชำระเงินไม่สำเร็จ → ระบบชำระเงินล่มบนมือถือ → อัปเดตแอปทำให้หน้าชำระเงินโหลดช้าจนหมดเวลา ตรงนี้เริ่มเห็นต้นเหตุจริงแล้ว
ต้นเหตุนี้ “หนัก” แค่ไหน?
เจอต้นเหตุแล้ว แต่ยังไม่พอ ต้องถามต่อว่า — มันส่งผลกระทบรวมมากแค่ไหน?
อย่าวัดแค่ต้นทุนตรงๆ ของอาการที่เห็น ลองบวกต้นทุนตลอดทั้งห่วงโซ่
กลับมาที่ตัวอย่างเดิม: อัปเดตแอปทำให้หน้าชำระเงินพังบนมือถือ ต้นทุนตรงคือยอดขายที่หายไป แต่ต้นทุนรวมรวมถึง: ลูกค้าที่โทรมาร้องเรียน (เวลาของทีมซัพพอร์ต) ลูกค้าที่ไม่โทรแต่ไปซื้อที่อื่นเลย (รายได้ที่จะไม่กลับมา) ลูกค้าที่รีวิวแอปว่าใช้ไม่ได้ (ชื่อเสียงที่เสียหาย) และถ้าไม่แก้ ทุกอย่างนี้เกิดซ้ำทุกวัน ต้นทุนรวมต่อเดือนอาจมากกว่าต้นทุนตรงหลายเท่า
และยังมีต้นทุนที่แปลงเป็นตัวเลขไม่ได้ แต่หนักไม่แพ้กัน: ความเชื่อมั่นของทีมพัฒนาที่ค่อยๆ สึกกร่อนเพราะรู้สึกว่าส่งงานออกไปแล้วพังทุกที ขวัญกำลังใจของทีมซัพพอร์ตที่ต้องรับเรื่องร้องเรียนที่ตัวเองแก้ไม่ได้ โอกาสทางธุรกิจที่ปิดไปแล้วเปิดไม่ได้อีก เพราะลูกค้าที่เสียความเชื่อมั่นจะไม่กลับมาลอง ต้นทุนเหล่านี้ไม่ปรากฏในงบการเงิน แต่สะสมอยู่ในระบบ
เรื่องที่น่าสังเกตคือ ต้นเหตุที่ดูเล็กที่สุดมักมีผลกระทบรวมใหญ่ที่สุด เพราะมันเงียบ ไม่มีใครสังเกต จึงไม่มีใครแก้ แล้วมันก็ส่งผลต่อเนื่องไปทุกวัน
ถ้าเจอต้นเหตุหลายตัว ให้เปรียบเทียบผลกระทบรวมของแต่ละห่วงโซ่ ตัวที่มีต้นทุนรวมสูงที่สุดคือตัวที่ควรแก้ก่อน — ไม่ใช่ตัวที่ดูน่ากลัวที่สุด
แต่ถ้าตามห่วงโซ่ไปแล้วมันแยก — มีหลายคำอธิบายที่ฟังดูเป็นไปได้หมด ยังมีอีกขั้นหนึ่ง
ถ้ายังไม่ชัวร์ — ปล่อยมดออกสำรวจ
ตรงนี้คือจุดที่เหยี่ยวมองจากข้างบนอย่างเดียวไม่พอ ต้องลงไปดูบนพื้นดิน
แต่ไม่ใช่ลงไปทางเดียว ลองคิดแบบมด — กระจายออกไปหลายทางพร้อมกัน แต่ละทางลองตั้งคำถาม:
ถ้าคำอธิบายนี้จริง ฉันควรเจอหลักฐานอะไร? ถ้าคำอธิบายนี้ไม่จริง อะไรไม่ควรมี?
แล้วลองหาหลักฐานของแต่ละอันแยกกัน ไม่ต้องรอให้แน่ใจก่อน แค่ลองตรวจสอบหลายทางพร้อมกัน
เส้นทางที่ไม่ใช่จะเงียบลงเอง ยิ่งหาก็ยิ่งไม่เจออะไร ปล่อยให้มันจางไป เหมือนมดที่เดินไปแล้วไม่เจออะไร — มันเลิกเดินเส้นทางนั้นเอง ไม่ต้องมีใครสั่ง
ส่วนเส้นทางที่ใช่ หลักฐานจะสะสมขึ้นเรื่อยๆ โดยเฉพาะถ้ามาจากหลายมุมที่ไม่ได้นัดกัน — นั่นคือสัญญาณที่บอกว่าเจอต้นเหตุจริงแล้ว
สิ่งสำคัญคือ: แต่ละเส้นทางต้องสำรวจอย่างอิสระ ถ้าลองหลายทางแต่ให้ข้อมูลปนกันระหว่างทาง สิ่งที่ได้คือฉันทามติ ไม่ใช่การยืนยัน ความจริงไม่ได้เกิดจากการโหวต แต่เกิดจากหลักฐานที่มาบรรจบกันเอง
เจอแล้ว — แล้วจะทำอย่างไร?
พอรู้แล้วว่าต้นเหตุจริงคืออะไร ไม่จำเป็นต้องลงมือแก้ทันทีเสมอไป
มีสามทางเลือก:
ลงมือแก้ — ถ้าต้นเหตุชัด ต้นทุนสูง และแก้ได้
เฝ้าสังเกตต่อ — ถ้ารู้แล้วว่าต้นเหตุคืออะไร แต่ยังไม่มั่นใจพอ หรือสถานการณ์กำลังเปลี่ยน
รอจังหวะ — ถ้าต้นเหตุชัดแต่ยังไม่ใช่เวลาที่เหมาะ การรู้ว่าปัญหาคืออะไรโดยยังไม่แก้ ก็มีคุณค่าในตัวเอง เพราะเมื่อจังหวะมาถึง จะลงมือได้ทันที
แต่ไม่ว่าจะเลือกทางไหน ก่อนลงมือให้ลองทำเหมือนเหยี่ยวอีกครั้ง — บินกลับขึ้นไปมองภาพกว้างอีกรอบ แต่คราวนี้มองด้วยความรู้ใหม่ที่ได้มา
เพราะบางทีต้นเหตุที่เจอจะเชื่อมกับเรื่องอื่นที่ก่อนหน้านี้มองไม่เห็น
กลับมาที่ตัวอย่าง: เราเจอแล้วว่าอัปเดตแอปทำให้หน้าชำระเงินพัง แก้ได้ภายในวัน แต่พอเหยี่ยวบินวนรอบใหม่ จะเห็นคำถามที่ลึกกว่า — ทำไมอัปเดตถึงออกไปโดยไม่มีใครทดสอบ? อาจเป็นเพราะทีมพัฒนากับทีมทดสอบไม่มีขั้นตอนส่งงานข้ามกัน อาจเป็นเพราะถูกกดดันให้ส่งงานเร็วจนข้ามขั้นตอนตรวจสอบ หรืออาจเป็นเพราะไม่มีใครรับผิดชอบคุณภาพของแอปบนมือถือโดยเฉพาะ
ต้นเหตุเฉพาะหน้า (ไฟล์ที่พัง) แก้ได้เร็ว แต่ต้นเหตุเชิงระบบ (กระบวนการส่งงานที่ไม่มีการตรวจสอบ) ถ้าไม่แก้ จะสร้างปัญหาแบบเดิมซ้ำอีกในรูปแบบอื่น
คำถามที่ควรถามคือ: ฉันแก้แค่อาการ แก้ที่ต้นเหตุ หรือแก้ที่เงื่อนไขที่ทำให้ต้นเหตุมีอยู่ได้?
สามคำถามก่อนลงมือ
ก่อนตัดสินใจทำอะไรก็ตาม ถามสามข้อนี้:
ฉันกำลังมองควัน หรือเห็นไฟ? กำลังตอบสนองต่ออาการ หรือได้ตามจนถึงต้นเหตุจริงแล้ว?
ฉันมองข้ามสิ่งที่คุ้นเคยหรือยัง? ต้นเหตุจริงอาจอยู่ในมุมที่ไม่เคยคิดจะมอง
ถ้ามีคนอื่นมาตรวจสอบจากมุมที่ต่างออกไป จะได้คำตอบเดียวกันไหม? ที่มั่นใจอยู่ตอนนี้ เพราะหลักฐานจริง หรือเพราะเรื่องเล่าในหัวมันลงตัวดี?
ถ้าตอบได้ทั้งสามข้อ — ลงมือได้
ถ้าข้อไหนยังตอบไม่ได้ — บินวนอีกรอบ
สิ่งที่ model นี้แก้ไม่ได้
ไม่มี model ไหนในโลกที่ลบ bias ออกจากคนได้
คนมองโลกผ่านประสบการณ์ตัวเอง เห็นสิ่งที่คุ้นเคย มองข้ามสิ่งที่ไม่เคยเจอ Lens & Sense ช่วยขยายมุม แต่ถ้า blind spot ลึกพอ คนจะใช้ Lens แล้วยังเห็นแต่สิ่งที่อยากเห็น
และยังมีสิ่งที่อันตรายกว่า bias — curse of success คนที่เคยสำเร็จจะเชื่อว่าวิธีที่เคยใช้จะใช้ได้อีก “ครั้งก่อนทำแบบนี้แล้วสำเร็จ” กลายเป็นกรงที่แข็งแกร่งที่สุด เพราะมันมีหลักฐานสนับสนุน แต่เป็นหลักฐานจากบริบทเก่าที่อาจไม่ใช่บริบทปัจจุบัน
Hawk–Ant Model ไม่ได้อ้างว่าแก้สิ่งนี้ได้ สิ่งที่มันทำได้คือเป็นเครื่องมือสำหรับทบทวนตัวเอง — ใช้เป็นประจำ ไม่ใช่แค่เมื่อมีปัญหา
ไม่ต้องรอให้มีปัญหา
Hawk–Ant Model ไม่จำเป็นต้องใช้เฉพาะเมื่อมีปัญหา
ใช้ได้สองแบบ:
เมื่อมีเรื่องเกิดขึ้น — เจอปัญหา เจอสิ่งผิดปกติ เจอสัญญาณบางอย่างที่ทำให้ต้องตั้งคำถาม ใช้ Hawk–Ant เพื่อหาต้นเหตุจริงก่อนลงมือแก้
ฝึกสังเกตเป็นประจำ — ไม่ต้องรอให้มีปัญหา ลองใช้ Lens กับ Sense มองสิ่งรอบตัวเป็นนิสัย สังเกตพฤติกรรม สังเกต flow สังเกตว่าอะไรเป็นจุดศูนย์ถ่วง สังเกตว่าใครมี intent อะไร
ยิ่งฝึกมากเท่าไหร่ สิ่งที่เคยต้อง “คิด” จะค่อยๆ กลายเป็นสิ่งที่ “เห็น” เอง — สังเกตได้ทันทีโดยไม่ต้องไล่ขั้นตอน เหมือนคนที่ขับรถจนชำนาญ ไม่ต้องคิดว่าเหยียบคลัตช์เมื่อไหร่ มือก็ทำเอง
การมองแบบเหยี่ยวไม่ใช่เทคนิค มันเป็นนิสัย ยิ่งฝึกยิ่งคม
ครั้งต่อไปที่เจอปัญหาสักเรื่อง ลองหยุดสักจังหวะก่อนจะลงมือแก้ แล้วถามตัวเองว่า — ที่เห็นอยู่ตรงหน้า มันคือไฟ หรือแค่ควัน?
เหยี่ยวไม่เริ่มด้วยการโฉบ มันเริ่มด้วยการมอง