AI Zero-Based Budgeting คืออะไร? งบประมาณเริ่มจากศูนย์

AI Zero-Based Budgeting คืออะไร? งบประมาณเริ่มจากศูนย์

ทุกสิ้นปีงบประมาณ ฝ่ายการเงินขององค์กรส่วนใหญ่มักทำสิ่งเดิมซ้ำ ๆ คือหยิบงบปีก่อนขึ้นมาบวกเพิ่มตามอัตราเงินเฟ้อหรือเป้าการเติบโต แล้วส่งต่อให้แต่ละแผนกไปใช้ วิธีนี้เรียกว่า Incremental Budgeting และเป็นวิธีที่ใช้กันมานานหลายสิบปี เพราะทำได้เร็วและไม่ต้องอธิบายมาก แต่ปัญหาคือค่าใช้จ่ายที่ไม่มีประสิทธิภาพหรือไม่จำเป็นอีกต่อไปมักถูก "ต่ออายุ" ไปเรื่อย ๆ โดยไม่มีใครตั้งคำถาม

Zero-Based Budgeting หรือ ZBB คือแนวคิดที่ตรงข้ามกันโดยสิ้นเชิง ทุกบาทของงบประมาณต้องเริ่มต้นจากศูนย์และถูกพิสูจน์ความจำเป็นใหม่ทุกครั้ง ไม่ว่าจะเป็นงบปีก่อนเท่าไหร่ก็ตาม แนวคิดนี้ไม่ใช่เรื่องใหม่ ถูกคิดค้นตั้งแต่ทศวรรษ 1970 แต่สิ่งที่ทำให้ ZBB กลับมาเป็นที่พูดถึงอีกครั้งในปี 2026 คือการนำ AI เข้ามาช่วยแก้จุดอ่อนที่ทำให้ ZBB แบบดั้งเดิมล้มเหลวในอดีต นั่นคือภาระงานมหาศาลที่ต้องใช้คนวิเคราะห์และพิสูจน์ทุกรายการค่าใช้จ่ายด้วยมือ

ทำไม Zero-Based Budgeting แบบเดิมถึงเคยล้มเหลว

องค์กรจำนวนไม่น้อยเคยลองทำ ZBB แล้วเลิกกลางคัน เพราะกระบวนการนี้ต้องการให้ผู้จัดการทุกแผนกเขียนคำอธิบายและหลักฐานสนับสนุนค่าใช้จ่ายทุกรายการใหม่ทั้งหมด ตั้งแต่ค่าเช่าออฟฟิศไปจนถึงค่าสมาชิกซอฟต์แวร์ ซึ่งในองค์กรขนาดใหญ่ที่มีรายการค่าใช้จ่ายหลายพันหรือหลายหมื่นรายการ งานนี้กินเวลาหลายเดือนและทำให้ทีมการเงินหมดแรงก่อนจะได้ผลลัพธ์จริง หลายบริษัทจึงทำ ZBB ได้แค่ครั้งเดียวแล้วกลับไปใช้วิธีเดิม เพราะต้นทุนด้านเวลาและแรงงานสูงเกินกว่าผลประโยชน์ที่ได้รับ

อีกปัญหาหนึ่งคือความไม่สอดคล้องกันของมาตรฐานการประเมิน ผู้จัดการแต่ละคนมีเกณฑ์ในใจไม่เหมือนกันว่าอะไรคือ "ความจำเป็น" ทำให้การเปรียบเทียบระหว่างแผนกทำได้ยาก และท้ายที่สุดผลลัพธ์ก็มักถูกบิดเบือนด้วยการเมืองภายในองค์กรมากกว่าข้อมูลจริง

AI เข้ามาแก้ปัญหาตรงไหนบ้าง

การดึงและจัดหมวดหมู่ข้อมูลค่าใช้จ่ายอัตโนมัติ:
แทนที่จะให้คนไล่เปิดใบแจ้งหนี้และสัญญาทีละฉบับ โมเดลภาษาสามารถอ่านเอกสารทางการเงิน ใบเสร็จ และสัญญาจำนวนมาก แล้วจัดหมวดหมู่ค่าใช้จ่ายตามประเภทกิจกรรมได้ภายในเวลาไม่กี่ชั่วโมง สิ่งที่เคยใช้ทีมนักวิเคราะห์หลายสิบคนทำงานหลายสัปดาห์ ตอนนี้ทำได้เร็วขึ้นมาก ซึ่งเป็นเงื่อนไขพื้นฐานที่ทำให้ ZBB กลับมาใช้งานได้จริงในทางปฏิบัติ

การระบุตัวขับเคลื่อนต้นทุนที่แท้จริง:
AI สามารถเชื่อมโยงค่าใช้จ่ายกับตัวแปรทางธุรกิจ เช่น ปริมาณการผลิต จำนวนพนักงาน หรือยอดขาย เพื่อแยกแยะว่าค่าใช้จ่ายใดควรผันแปรตามกิจกรรมทางธุรกิจ และค่าใช้จ่ายใดเป็นต้นทุนคงที่ที่ไม่ควรเติบโตตามรายได้ การวิเคราะห์เชิงสถิติแบบนี้ช่วยให้ทีมการเงินตั้งคำถามที่ตรงจุดมากขึ้น แทนที่จะตรวจสอบทุกรายการเท่ากันหมด

การตรวจจับความผิดปกติและค่าใช้จ่ายซ้ำซ้อน:
ในองค์กรที่มีหลายแผนกหรือหลายประเทศ มักมีการซื้อซอฟต์แวร์หรือบริการที่คล้ายกันโดยไม่รู้ตัว AI สามารถเปรียบเทียบรายการค่าใช้จ่ายข้ามหน่วยงานและชี้จุดที่ซ้ำซ้อนหรือผิดปกติจากรูปแบบปกติ ซึ่งเป็นสิ่งที่มนุษย์มองข้ามได้ง่ายเมื่อข้อมูลกระจัดกระจายอยู่ในหลายระบบ

การช่วยเขียนและตรวจสอบเหตุผลประกอบคำขอ:
ผู้จัดการแผนกยังต้องเป็นผู้ตัดสินใจและรับผิดชอบขั้นสุดท้าย แต่ AI สามารถช่วยร่างคำอธิบายเบื้องต้นจากข้อมูลในอดีต และตรวจสอบว่าเหตุผลที่เขียนมาสอดคล้องกับตัวเลขจริงหรือไม่ ลดเวลาที่ผู้จัดการต้องเสียไปกับงานเอกสาร

กระบวนการทำงานที่เปลี่ยนไป

การทำ ZBB ด้วย AI ไม่ได้แปลว่าให้ระบบตัดสินใจแทนคน แต่เปลี่ยนบทบาทของทีมการเงินจาก "ผู้รวบรวมข้อมูล" ไปเป็น "ผู้ตรวจสอบและตัดสินใจ" โดยทั่วไปกระบวนการจะมีลักษณะดังนี้

ขั้นเตรียมข้อมูล:
ระบบดึงข้อมูลค่าใช้จ่ายจากระบบบัญชี ERP และเอกสารสัญญาทั้งหมดมารวมไว้ในที่เดียว พร้อมจัดหมวดหมู่เบื้องต้น

ขั้นวิเคราะห์และเสนอทางเลือก:
AI สร้างข้อเสนอเบื้องต้นว่าแต่ละรายการควรคงไว้ ปรับลด หรือตัดออก พร้อมเหตุผลอ้างอิงจากข้อมูลเชิงเปรียบเทียบ เช่น ค่าใช้จ่ายต่อหัวพนักงานเทียบกับค่าเฉลี่ยของแผนกอื่นที่มีลักษณะใกล้เคียงกัน

ขั้นตัดสินใจโดยมนุษย์:
ผู้จัดการและผู้บริหารทบทวนข้อเสนอ ปรับแก้ตามบริบทที่ระบบอาจไม่รู้ เช่น โครงการเชิงกลยุทธ์ที่ยังไม่เห็นผลตอบแทนในระยะสั้น แล้วจึงอนุมัติงบประมาณสุดท้าย

ขั้นติดตามผลต่อเนื่อง:
ต่างจาก ZBB แบบเดิมที่ทำปีละครั้งแล้วจบ การมี AI ช่วยวิเคราะห์ทำให้องค์กรสามารถทบทวนงบประมาณได้บ่อยขึ้น เช่น ทุกไตรมาส โดยไม่ต้องเริ่มกระบวนการใหม่ทั้งหมด เพราะข้อมูลพื้นฐานถูกอัปเดตอย่างต่อเนื่องอยู่แล้ว

ความเสี่ยงและข้อจำกัดที่ต้องระวัง

การนำ AI มาใช้กับงบประมาณไม่ได้ปราศจากความเสี่ยง องค์กรที่พิจารณานำแนวคิดนี้ไปใช้ควรตระหนักถึงประเด็นต่อไปนี้

อคติจากข้อมูลในอดีต:
หากข้อมูลที่ AI ใช้ฝึกมาจากรูปแบบการใช้จ่ายที่ไม่มีประสิทธิภาพอยู่แล้ว ระบบอาจเรียนรู้ว่าความไม่มีประสิทธิภาพนั้นคือมาตรฐานปกติ จึงต้องมีการตรวจสอบสมมติฐานเบื้องหลังโมเดลอย่างสม่ำเสมอ

การมองข้ามคุณค่าเชิงกลยุทธ์:
ค่าใช้จ่ายบางอย่าง เช่น งบวิจัยและพัฒนา หรือการลงทุนในแบรนด์ อาจดูเหมือนไม่คุ้มค่าเมื่อวิเคราะห์จากตัวเลขระยะสั้น แต่มีความสำคัญต่อการแข่งขันในระยะยาว AI ที่เน้นตัดต้นทุนมากเกินไปอาจแนะนำให้ตัดสิ่งเหล่านี้ ซึ่งเป็นความผิดพลาดเชิงกลยุทธ์ที่ร้ายแรง

ผลกระทบต่อขวัญกำลังใจพนักงาน:
การทบทวนงบประมาณทุกรายการอย่างเข้มงวดอาจสร้างวัฒนธรรมความกลัวและความไม่มั่นคงในองค์กร หากสื่อสารไม่ดีพอว่าเป้าหมายคือการจัดสรรทรัพยากรให้มีประสิทธิภาพ ไม่ใช่การลดจำนวนพนักงานหรือลงโทษแผนกใดแผนกหนึ่ง

คุณภาพของข้อมูลนำเข้า:
ระบบ AI จะมีประสิทธิภาพเท่าที่ข้อมูลที่ป้อนเข้าไปมีคุณภาพ หากข้อมูลค่าใช้จ่ายในระบบบัญชีกระจัดกระจาย ไม่สมบูรณ์ หรือมีมาตรฐานการบันทึกที่ไม่สอดคล้องกัน ผลการวิเคราะห์ก็จะคลาดเคลื่อนตามไปด้วย

เริ่มต้นอย่างไรให้ได้ผลจริง

องค์กรที่สนใจแนวทางนี้ไม่จำเป็นต้องทำทั้งองค์กรพร้อมกันในทันที แนวทางที่ปลอดภัยกว่าคือการเริ่มจากหมวดค่าใช้จ่ายที่มีปริมาณข้อมูลมากและวัดผลได้ชัดเจน เช่น ค่าใช้จ่ายด้านไอที ค่าใช้จ่ายด้านการตลาด หรือค่าใช้จ่ายด้านการเดินทาง ก่อนขยายไปยังหมวดอื่น การทดลองในขอบเขตจำกัดช่วยให้ทีมการเงินปรับจูนโมเดลและกระบวนการทำงานร่วมกับผู้จัดการแผนกได้โดยไม่กระทบทั้งองค์กรในคราวเดียว

นอกจากนี้ การกำหนดบทบาทให้ชัดเจนตั้งแต่ต้นว่า AI ทำหน้าที่ "เสนอ" ไม่ใช่ "ตัดสินใจ" จะช่วยลดแรงต้านจากผู้จัดการแผนกและสร้างความไว้วางใจในกระบวนการ เพราะท้ายที่สุดแล้วบุคคลที่เข้าใจบริบทเชิงกลยุทธ์ของธุรกิจยังคงเป็นมนุษย์ ไม่ใช่ระบบ

สรุป

AI Zero-Based Budgeting คือการนำเทคโนโลยี AI มาแก้จุดอ่อนสำคัญของแนวคิด Zero-Based Budgeting ที่มีมานานหลายสิบปี นั่นคือภาระงานวิเคราะห์ที่มหาศาลจนทำให้หลายองค์กรทำไม่สำเร็จ ด้วยความสามารถในการดึงข้อมูล จัดหมวดหมู่ ระบุตัวขับเคลื่อนต้นทุน และตรวจจับความผิดปกติได้อย่างรวดเร็ว แนวทางนี้เปิดโอกาสให้องค์กรทบทวนงบประมาณได้บ่อยและแม่นยำขึ้นกว่าเดิม อย่างไรก็ตาม เทคโนโลยีเป็นเพียงเครื่องมือช่วยวิเคราะห์ ไม่ใช่ผู้ตัดสินใจ องค์กรที่จะได้ประโยชน์สูงสุดจากแนวทางนี้คือองค์กรที่รักษาสมดุลระหว่างการใช้ข้อมูลอย่างเข้มงวดกับวิจารณญาณเชิงกลยุทธ์ของผู้บริหารควบคู่กันไป