
หัวหน้างานหลายคนเริ่มสังเกตเห็นความเปลี่ยนแปลงในทีม: พนักงานที่เคยกระตือรือร้นกลับทำงานแค่ตามหน้าที่ ไม่อาสาทำงานเพิ่ม ไม่ตอบแชทนอกเวลางาน และออกจากออฟฟิศตรงเวลาทุกวันโดยไม่มีข้อแม้ ปรากฏการณ์นี้เรียกว่า Quiet Quitting หรือ “การลาออกเงียบๆ” ซึ่งไม่ได้หมายความว่าพนักงานจะยื่นใบลาออกจริง แต่คือการถอนความทุ่มเทออกจากงานอย่างเงียบๆ ในขณะที่ภายนอกยังดูเหมือนทุกอย่างปกติดี
คำถามที่ฝ่ายบุคคลอยากรู้มากที่สุดคือ ทำไมถึงเกิดขึ้น และองค์กรจะรู้ได้อย่างไรก่อนที่ทุกอย่างจะสายเกินไป บทความนี้จะพาไปดูสาเหตุเบื้องหลัง ความแตกต่างจากปรากฏการณ์อื่นในตลาดแรงงาน และวิธีที่เทคโนโลยี AI เข้ามาช่วยจับสัญญาณได้ตั้งแต่เนิ่นๆ
Quiet Quitting คืออะไรกันแน่
Quiet Quitting หมายถึงพฤติกรรมที่พนักงานเลือกทำงานเฉพาะตามขอบเขตหน้าที่ที่ระบุไว้ในคำอธิบายงาน โดยไม่ทุ่มเทเกินกว่านั้น ไม่รับงานเพิ่มเติมนอกเหนือความรับผิดชอบ และรักษาสมดุลชีวิตการทำงานอย่างเคร่งครัด กระแสนี้เริ่มเป็นที่พูดถึงครั้งแรกบนแอปพลิเคชัน TikTok จากคลิปความยาวเพียง 17 วินาทีของผู้ใช้รายหนึ่งที่อธิบายปรากฏการณ์นี้ ก่อนที่ยอดวิวจะทะลุไปกว่า 3 ล้านครั้ง และเกิดแฮชแท็ก #QuietQuitting ที่มีคนแชร์ประสบการณ์ตามมาจำนวนมาก จนกลายเป็นหนึ่งในหัวข้อที่นิยามยุคหลังการระบาดใหญ่ในโลกการทำงาน
สิ่งสำคัญที่ต้องทำความเข้าใจให้ถูกต้องคือ แก่นแท้ของ Quiet Quitting ไม่ใช่ความขี้เกียจของพนักงาน แต่เป็นการปฏิเสธข้อตกลงที่รู้สึกว่าไม่เป็นธรรม งานวิจัยที่ตีพิมพ์ในวารสาร Business and Management Research ชี้ว่า Quiet Quitting คือวิธีที่พนักงานกำลังสะท้อนกับนายจ้างว่าสภาพแวดล้อมการทำงานไม่ดีและจำเป็นต้องเปลี่ยนแปลง บางฝ่ายมองว่าปรากฏการณ์นี้คือการตอบสนองที่มีสุขภาวะดีต่อภาวะหมดไฟและภาระงานที่มากเกินไป มากกว่าจะเป็นปัญหาด้านทัศนคติของพนักงานเพียงฝ่ายเดียว
59%
ของพนักงานทั่วโลกอยู่ในภาวะ Quiet Quitting ทำงานเฉพาะขั้นต่ำที่กำหนด ไม่ทุ่มเทเกินกว่านั้น
Source: Gallup State of the Global Workplace, 2023
ตัวเลขจาก Gallup ยิ่งทำให้เห็นชัดว่านี่ไม่ใช่ปรากฏการณ์เฉพาะกลุ่ม แต่คือความเป็นจริงของคนทำงานจำนวนมหาศาลทั่วโลก สิ่งที่น่ากังวลกว่าคือพนักงานส่วนใหญ่ที่อยู่ในภาวะนี้ไม่ได้บอกใคร พวกเขาแค่ค่อยๆ ถอนความทุ่มเทออกไปทีละนิด จนกว่าองค์กรจะเริ่มสังเกตเห็น ซึ่งมักสายเกินไปแล้ว ข้อนี้นำไปสู่คำถามที่สำคัญกว่า: อะไรคือปัจจัยที่ผลักดันให้เกิดภาวะนี้
อะไรคือแรงกดดันเบื้องหลังที่เร่งให้เกิด Quiet Quitting ในปี 2569
ปรากฏการณ์ Quiet Quitting ในปี 2569 ไม่ได้เกิดจากตัวพนักงานเพียงฝ่ายเดียว แต่มีแรงกดดันจากโครงสร้างองค์กรและสภาพแวดล้อมหลายปัจจัยที่เร่งให้คนทำงานลดระดับความทุ่มเทลง ปัจจัยสำคัญประการหนึ่งคือความโปร่งใสด้านค่าจ้างที่เพิ่มขึ้น: หลังหลายองค์กรเริ่มเปิดเผยกรอบเงินเดือนมากขึ้น พนักงานจำนวนไม่น้อยพบว่าตนได้รับค่าตอบแทนน้อยกว่าพนักงานใหม่หรือต่ำกว่าราคาตลาดถึง 15-30% ส่งผลให้เกิดความรู้สึกไม่เป็นธรรมและเลือกทำงานเท่าที่ค่าจ้างสมควรได้รับเท่านั้น
“ถ้าจ่ายฉันแค่นี้ ฉันก็ทำแค่นี้ นั่นไม่ใช่ความขี้เกียจ นั่นคือคณิตศาสตร์”
— ความเห็นที่ถูกแชร์มากที่สุดในกระทู้ #QuietQuitting บน Reddit, 2022
อีกกลไกหนึ่งที่พบบ่อยในองค์กรคือปัญหาการกระจายงานที่ไม่เป็นธรรม: เมื่อพนักงานคนหนึ่งทำงานได้เต็มประสิทธิภาพ หัวหน้างานมักโยนงานส่วนที่เหลือไปให้คนนั้น เพราะไว้ใจมากกว่า แต่เมื่อถึงรอบประเมินประจำปี ทั้งสองคนกลับได้รับการขึ้นเงินเดือนในเปอร์เซ็นต์ที่ใกล้เคียงกัน พนักงานที่ทำงานหนักกว่าจะเรียนรู้ทันทีว่าความขยันไม่ได้รับผลตอบแทนที่ยุติธรรม และค่อยๆ ปรับระดับความทุ่มเทลงมาให้สมดุลกับสิ่งที่ได้รับ
ปรากฏการณ์นี้อธิบายได้ด้วยหลักจิตวิทยา: เมื่อสมองรับรู้ว่าความพยายามที่มากขึ้นไม่ได้แลกมาด้วยผลตอบแทนที่แตกต่างอย่างมีนัยสำคัญ ก็จะปรับพฤติกรรมให้อยู่ในระดับที่ “คุ้มค่า” กับสิ่งที่ได้รับมากกว่า นี่ไม่ใช่การตัดสินใจเชิงอารมณ์ แต่คือการตัดสินใจอย่างมีเหตุผลของคนที่เข้าใจว่าทรัพยากรของตัวเองมีจำกัด ซึ่งนำไปสู่คำถามที่หลายองค์กรยังสับสนอยู่
Quiet Quitting ต่างจาก Job Hopping และ Burnout อย่างไร
หลายคนมักสับสนระหว่าง Quiet Quitting กับปรากฏการณ์อื่นที่เกิดขึ้นในตลาดแรงงานเดียวกัน ทั้งที่ทั้งสามอย่างมีความแตกต่างที่ชัดเจน และต้องการแนวทางแก้ไขที่แตกต่างกันโดยสิ้นเชิง ตารางด้านล่างช่วยให้เห็นภาพชัดขึ้น:
| มิติ | Quiet Quitting | Burnout | Job Hopping |
|---|---|---|---|
| สาเหตุหลัก | รู้สึกว่าข้อตกลงไม่เป็นธรรม | เหนื่อยล้าสะสมจนหมดแรง | ต้องการโอกาสที่ดีกว่า |
| ระดับความทุ่มเท | ลดลงอย่างตั้งใจ | ลดลงเพราะร่างกายไม่ไหว | ยังเต็มที่แต่ไม่อยู่นาน |
| สัญญาณที่มองเห็น | แทบมองไม่เห็นจากภายนอก | มีอาการทางกายและจิตใจ | ยื่นใบลาออกโดยตรง |
| แนวทางแก้ไข | ทบทวนความเป็นธรรมในองค์กร | ลดภาระงาน / สนับสนุนสุขภาพจิต | ดึงดูดด้วยโอกาสเติบโต |
ความแตกต่างนี้สำคัญมากสำหรับองค์กร เพราะถ้าเข้าใจผิดว่า Quiet Quitting คือ Burnout องค์กรอาจแก้ปัญหาด้วยการให้วันหยุดเพิ่มหรือลดภาระงาน ทั้งที่ปัญหาที่แท้จริงอยู่ที่ความเป็นธรรมของค่าตอบแทนหรือระบบการประเมินผล การวินิจฉัยผิดนำไปสู่การแก้ปัญหาผิดทาง และสิ้นเปลืองทรัพยากรโดยเปล่าประโยชน์ นี่คือเหตุผลว่าทำไมองค์กรต้องหาวิธีตรวจจับสัญญาณได้แม่นยำมากกว่าที่ทำอยู่ในปัจจุบัน
ทำไมองค์กรถึงมองไม่เห็น Quiet Quitting จนสายเกินแก้
ความท้าทายที่ใหญ่ที่สุดของ Quiet Quitting คือมันไม่มีสัญญาณเตือนที่ชัดเจนเหมือนการลาออกจริง ไม่มีใบลาออก ไม่มีวันสุดท้ายที่ต้องส่งมอบงาน พนักงานยังคงมาทำงานทุกวันตามปกติ เพียงแต่ระดับความทุ่มเทค่อยๆ ลดลงอย่างเงียบๆ จนกว่าผลงานโดยรวมของทีมจะเริ่มลดลงอย่างเห็นได้ชัด ซึ่งมักสายเกินไปที่จะแก้ไขปัญหาที่ต้นตอแล้ว
เครื่องมือวัดผล Employee Engagement แบบดั้งเดิม เช่น แบบสำรวจประจำปีที่ถามคำถามปรนัยมาตรฐาน มักไม่สามารถจับสัญญาณ Quiet Quitting ได้ทันเวลา เพราะพนักงานอาจตอบคำถามในระดับกลางๆ ที่ดูเหมือนไม่มีปัญหาร้ายแรง ทั้งที่ในความเป็นจริงกำลังสะสมความไม่พอใจอยู่ภายใน ยิ่งไปกว่านั้น พนักงานที่กำลัง Quiet Quitting มักไม่กล้าพูดความรู้สึกที่แท้จริงต่อหน้า HR หรือหัวหน้างาน เพราะกังวลเรื่องผลกระทบต่อการประเมินผลและความก้าวหน้าในสายอาชีพ
1 ใน 3
ขององค์กรไม่มีกระบวนการรับฟังพนักงานอย่างเป็นระบบนอกเหนือจากแบบสำรวจประจำปี ทำให้พลาดสัญญาณ Quiet Quitting ตลอดทั้งปี
Source: McKinsey & Company, The State of Organizations, 2023
แบบสำรวจประจำปีที่ทำเพียงครั้งเดียวยังจับภาพได้ช้าเกินไป: Quiet Quitting เป็นกระบวนการที่ค่อยๆ สะสมทีละน้อยตลอดทั้งปี การรอวัดผลเพียงปีละครั้งจึงเหมือนการตรวจสุขภาพเพียงปีละครั้งขณะที่อาการกำลังลุกลามทุกวัน องค์กรที่รอจนถึงรอบสำรวจประจำปีแล้วค่อยแก้ไข มักพบว่าพนักงานกลุ่มที่มีปัญหาได้ยื่นใบลาออกไปแล้ว หรือทุ่มเทลดลงจนส่งผลกระทบต่อผลงานทีมอย่างเห็นได้ชัดแล้ว
ต้นทุนที่แท้จริงเมื่อองค์กรพลาดสัญญาณ Quiet Quitting
การไม่เข้าใจสาเหตุที่แท้จริงของ Quiet Quitting ไม่ได้ส่งผลแค่เรื่องขวัญกำลังใจของทีม แต่ยังมีต้นทุนทางธุรกิจที่จับต้องได้ชัดเจน เมื่อพนักงานทำงานต่ำกว่าศักยภาพ ผลิตภาพของทีมลดลง งานที่ต้องการความคิดสร้างสรรค์และความคิดริเริ่มจะชะลอตัว และโอกาสที่จะเกิดนวัตกรรมในองค์กรลดลงตามไปด้วย นอกจากนี้ Quiet Quitting มักเป็นขั้นตอนก่อนการลาออกจริง: เมื่อพนักงานไม่พบการเปลี่ยนแปลงในสิ่งที่รู้สึกว่าไม่เป็นธรรม ขั้นตอนถัดไปที่มักตามมาคือการส่ง Resume ออกไป
50–200%
ของเงินเดือนรายปี คือต้นทุนที่องค์กรต้องแบกรับทุกครั้งที่พนักงานหนึ่งคนลาออก รวมค่าสรรหา ฝึกอบรม และช่วงเวลาที่ผลิตภาพลดลง
Source: Society for Human Resource Management (SHRM), 2023
ยิ่งเป็นวงจรที่เกิดซ้ำกับพนักงานที่มีทักษะสูงซึ่งหาคนทดแทนยาก ต้นทุนก็ยิ่งสูงขึ้นตามไปด้วย องค์กรที่ลงทุนในการตรวจจับสัญญาณ Quiet Quitting ตั้งแต่เนิ่นๆ จึงมักประหยัดต้นทุนได้มากกว่าการรอให้ปัญหาบานปลายก่อนแล้วค่อยแก้
ListenAI: สัมภาษณ์เชิงลึกพนักงานทั้งองค์กรได้พร้อมกัน โดยไม่ต้องนัดทีละคน
การสัมภาษณ์เชิงลึกแบบตัวต่อตัวเป็นวิธีที่ดีที่สุดในการเข้าใจสาเหตุของ Quiet Quitting แต่ปัญหาคือใช้เวลาและทรัพยากรมหาศาลหากต้องทำกับพนักงานจำนวนมาก องค์กรขนาดร้อยคนแทบเป็นไปไม่ได้ที่ HR จะนัดสัมภาษณ์ทุกคนแบบตัวต่อตัวได้ทันเวลาก่อนที่ปัญหาจะลุกลาม
ListenAI จาก QuestionPro แก้ปัญหานี้ได้โดยตรง ด้วยการเป็นแพลตฟอร์มสัมภาษณ์ที่ดำเนินการด้วย AI ซึ่งสามารถสัมภาษณ์เชิงลึกพนักงานจำนวนสี่สิบคนได้ง่ายพอๆ กับสัมภาษณ์เพียงสี่คน องค์กรเพียงระบุหัวข้อที่ต้องการเรียนรู้ เช่น ความรู้สึกต่อภาระงานปัจจุบัน ความเป็นธรรมในการประเมินผล หรือความสมดุลระหว่างชีวิตและการทำงาน ระบบจะร่างแนวคำถามสัมภาษณ์ที่เหมาะสมโดยอัตโนมัติ แล้วดำเนินการสัมภาษณ์พนักงานทุกคนพร้อมกันผ่านวิดีโอ เสียง หรือข้อความ ตามที่แต่ละคนสะดวกที่สุด
จุดที่ทำให้ ListenAI ต่างจากแบบสำรวจทั่วไปคือมันไม่ใช่แค่แชทบอทที่ถามคำถามตามสคริปต์ตายตัว แต่เป็นระบบที่อ่านคำตอบของผู้ตอบแต่ละคนอย่างแท้จริง แล้วถามคำถามต่อยอดที่เหมาะสมกับสิ่งที่พนักงานเพิ่งพูดไป ตัวอย่างเช่น หากพนักงานตอบว่า “รู้สึกว่างานที่ทำไม่ได้รับการมองเห็น” ระบบจะถามต่อทันทีว่าหมายถึงสถานการณ์ไหนโดยเฉพาะ และเคยพยายามสื่อสารเรื่องนี้กับหัวหน้างานหรือไม่ ซึ่งเป็นระดับความลึกที่แบบสำรวจปรนัยไม่มีทางทำได้
การที่พนักงานคุยกับ AI แทนที่จะคุยกับ HR โดยตรงยังช่วยลดความรู้สึกกดดันทางสังคม ทำให้หลายครั้งได้คำตอบที่ตรงไปตรงมามากกว่าการนั่งคุยแบบเห็นหน้ากัน โดยเฉพาะในเรื่องละเอียดอ่อนอย่างความรู้สึกไม่เป็นธรรมที่พนักงานมักไม่กล้าพูดต่อหน้าผู้มีอำนาจในองค์กร
ใช้ ListenAI แบบ Pulse Interview เพื่อจับสัญญาณตั้งแต่เนิ่นๆ
แทนที่จะรอสัมภาษณ์พนักงานปีละครั้ง องค์กรสามารถตั้งค่าให้ ListenAI ดำเนินการสัมภาษณ์พนักงานทั้งทีมเป็นระยะทุกไตรมาส ในลักษณะเดียวกับ Pulse Survey แต่ในระดับที่ลึกกว่ามาก โดยตั้งคำถามเปิดที่เชื่อมโยงกับสัญญาณของ Quiet Quitting โดยตรง เช่น รู้สึกอย่างไรกับปริมาณงานเทียบกับเพื่อนร่วมทีม เคยรู้สึกว่าความทุ่มเทที่ให้ไปไม่ได้รับการตอบแทนอย่างเป็นธรรมหรือไม่ และหากมีสิ่งหนึ่งที่อยากให้หัวหน้างานเข้าใจ จะเป็นเรื่องอะไร
5 ขั้นตอนการทำ Pulse Interview ด้วย ListenAI
เมื่อรวบรวมข้อมูลจากพนักงานทั้งทีมแล้ว ระบบจะสรุปประเด็นที่ถูกพูดถึงบ่อยที่สุดพร้อมคำพูดเด่นที่ยกตัวอย่างได้ชัดเจน ทำให้ผู้บริหารเห็นสัญญาณเตือนล่วงหน้าก่อนที่ผลงานของทีมจะเริ่มลดลงอย่างเห็นได้ชัด การทำซ้ำทุกไตรมาสยังช่วยให้เห็นแนวโน้มการเปลี่ยนแปลงเมื่อเวลาผ่านไป: หากประเด็นเรื่องความเป็นธรรมด้านค่าตอบแทนถูกพูดถึงมากขึ้นเรื่อยๆ ในแต่ละไตรมาส ก็เป็นสัญญาณเตือนที่ชัดเจนว่าองค์กรควรทบทวนนโยบายเงินเดือนก่อนที่จะสายเกินไป
ความสามารถในการทำซ้ำอย่างสม่ำเสมอนี้คือสิ่งที่ทำให้ ListenAI แบบ Pulse Interview ต่างจากการสัมภาษณ์ครั้งเดียว: องค์กรไม่ได้แค่ “ฟังเสียงพนักงาน” แต่สร้างระบบที่ฟังอยู่ตลอดเวลา และตอบสนองได้ก่อนที่ปัญหาจะกลายเป็นวิกฤต
แยกให้ออกระหว่าง Quiet Quitting กับความเหนื่อยล้าจากภาระงานที่มากเกินไป
สิ่งสำคัญที่องค์กรต้องระวังคือการไม่ด่วนตัดสินว่าพนักงานที่ทำงานน้อยลงคือคนที่ขาดความรับผิดชอบ เพราะบางครั้ง Quiet Quitting อาจเป็นสัญญาณของ Burnout ที่มาจากภาระงานที่มากเกินไปเป็นเวลานาน มากกว่าจะเป็นการจงใจลดความทุ่มเท การสัมภาษณ์เชิงลึกด้วย ListenAI ช่วยให้องค์กรแยกแยะสองสถานการณ์นี้ออกจากกันได้ชัดเจนขึ้น ผ่านการถามคำถามต่อยอดที่ลงลึกถึงสาเหตุที่แท้จริง แทนการตัดสินจากพฤติกรรมภายนอกเพียงอย่างเดียว
การวินิจฉัยที่แม่นยำนำไปสู่แนวทางแก้ไขที่แตกต่างกันโดยสิ้นเชิง: ถ้าเป็นเรื่องความเป็นธรรมต้องแก้ที่นโยบายค่าตอบแทนและการกระจายงาน แต่ถ้าเป็นเรื่อง Burnout ต้องแก้ที่ปริมาณงานและการสนับสนุนด้านสุขภาพจิต องค์กรที่ใช้วิธีเดียวแก้ทั้งสองปัญหาจึงมักไม่ได้ผลในกรณีใดกรณีหนึ่ง
ข้อจำกัดที่ต้องรู้ก่อนใช้ ListenAI วินิจฉัย Quiet Quitting
ListenAI เป็นเครื่องมือที่ทรงพลัง แต่มีข้อจำกัดบางประการที่องค์กรควรเข้าใจก่อนใช้งาน ประการแรก: คุณภาพของข้อมูลที่ได้ขึ้นอยู่กับวัฒนธรรมองค์กรและความไว้วางใจของพนักงาน ถ้าองค์กรมีวัฒนธรรมที่พนักงานรู้สึกว่าการพูดความจริงมีผลเสีย ผลการสัมภาษณ์ก็จะยังไม่ตรงความจริงแม้จะใช้ AI แทนมนุษย์ก็ตาม การสร้างความไว้วางใจต้องทำควบคู่กันไปเสมอ
ประการที่สอง: ListenAI บอกได้ว่าพนักงานรู้สึกอะไร แต่การตัดสินใจว่าจะแก้ไขอย่างไรยังต้องอาศัยวิจารณญาณของผู้บริหาร ข้อมูลเชิงคุณภาพเป็นจุดเริ่มต้นที่ดีมาก แต่ไม่ใช่คำตอบสำเร็จรูปที่นำไปใช้ได้เลยโดยไม่ต้องตีความ และประการที่สาม: ถ้าองค์กรเก็บข้อมูลแล้วไม่ได้ทำอะไร ความเชื่อมั่นของพนักงานจะลดลงมากกว่าเดิม เพราะพวกเขาจะรู้สึกว่าให้ข้อมูลไปแล้วก็ไม่มีอะไรเปลี่ยนแปลง ซึ่งยิ่งตอกย้ำปัญหา Quiet Quitting ให้รุนแรงขึ้นไปอีก
จากข้อมูลสู่การปฏิบัติจริง: องค์กรควรทำอะไรหลังพบสาเหตุที่แท้จริง
การหาสาเหตุที่แท้จริงเป็นเพียงจุดเริ่มต้น สิ่งที่สำคัญไม่แพ้กันคือการนำข้อมูลไปปฏิบัติจริง ขั้นตอนที่ควรทำหลังจากได้ผลการสัมภาษณ์มีดังนี้:
- กรณีปัญหาอยู่ที่การกระจายงานไม่เป็นธรรม: ทบทวนวิธีการมอบหมายงานและระบบการประเมินผลให้สะท้อนปริมาณงานจริงที่แต่ละคนรับผิดชอบ ไม่ให้คนที่ทำงานดีต้องแบกรับงานของคนอื่นโดยได้รับผลตอบแทนเท่ากัน ซึ่งเป็นสาเหตุที่พบบ่อยที่สุดในองค์กรขนาดกลางถึงใหญ่
- กรณีปัญหาอยู่ที่ความโปร่งใสด้านค่าจ้าง: ทบทวนโครงสร้างเงินเดือนให้สอดคล้องกับตลาด และสื่อสารให้ชัดเจนว่าเกณฑ์การขึ้นเงินเดือนคืออะไร ความไม่แน่ใจมักก่อให้เกิดความรู้สึกไม่เป็นธรรมมากกว่าตัวเลขจริงเสียอีก
- กรณีปัญหาอยู่ที่หัวหน้างานคนใดคนหนึ่ง: นำข้อมูลไปหารือกับหัวหน้างานคนนั้นอย่างสร้างสรรค์ พร้อมหลักฐานเชิงข้อมูล และพิจารณาโครงการโค้ชด้านการบริหารทีมที่ตรงกับจุดอ่อนที่พบ
- สื่อสารกลับไปยังพนักงานเสมอ: แจ้งให้พนักงานรู้ว่าเสียงของพวกเขาถูกรับฟังและนำไปสู่การเปลี่ยนแปลงจริง เพราะหากไม่มีการสื่อสารกลับ พนักงานจะรู้สึกว่าการให้ข้อมูลไม่มีความหมาย ซึ่งยิ่งทำให้ปัญหา Quiet Quitting รุนแรงขึ้น
ทุกการเปลี่ยนแปลงควรตามมาด้วยการวัดผลในรอบ Pulse Interview ถัดไป เพื่อดูว่าการปรับนโยบายนั้นช่วยลดสัญญาณ Quiet Quitting ได้จริงหรือไม่ กระบวนการนี้ไม่ใช่แค่การแก้ปัญหาครั้งเดียว แต่คือวงจรการปรับปรุงต่อเนื่องที่ทำให้องค์กรตอบสนองต่อความต้องการของพนักงานได้ทันเวลา ซึ่งนำไปสู่บทสรุปที่สำคัญที่สุดของบทความนี้
สรุป: Quiet Quitting คือสัญญาณ ไม่ใช่ปัญหาที่ต้นตอ
Quiet Quitting ไม่ใช่ปรากฏการณ์ที่เกิดจากความขี้เกียจของพนักงาน แต่คือสัญญาณที่บอกว่ามีบางอย่างในระบบการทำงานที่พนักงานรู้สึกว่าไม่เป็นธรรม การแก้ปัญหาที่ต้นตอต้องเริ่มจากการเข้าใจสาเหตุที่แท้จริงในระดับลึก ซึ่งแบบสำรวจ Engagement แบบดั้งเดิมมักทำไม่ได้ ListenAI จาก QuestionPro ช่วยให้องค์กรสัมภาษณ์เชิงลึกพนักงานจำนวนมากพร้อมกันได้อย่างมีประสิทธิภาพ ในรูปแบบ Pulse Interview รายไตรมาสที่จับสัญญาณได้เร็วกว่าแบบสำรวจประจำปี โดยไม่ต้องเพิ่มภาระงานให้ HR อยากรู้ว่า ListenAI จะช่วยองค์กรของคุณจับสัญญาณ Quiet Quitting ได้อย่างไร ติดต่อทีม QuestionPro เพื่อดูตัวอย่างการใช้งานจริงได้เลยวันนี้
คำถามที่พบบ่อยเกี่ยวกับ Quiet Quitting
Quiet Quitting คือพฤติกรรมที่พนักงานเลือกทำงานเฉพาะตามขอบเขตหน้าที่ที่กำหนดไว้ โดยไม่ทุ่มเทเกินกว่านั้น พนักงานยังคงทำงานอยู่ที่เดิมและไม่ได้ยื่นใบลาออก ต่างจากการลาออกจริงตรงที่ไม่มีสัญญาณชัดเจนจากภายนอก แต่ความทุ่มเทและความมีส่วนร่วมในงานลดลงอย่างเงียบๆ ซึ่งส่งผลต่อผลิตภาพของทีมในระยะยาว ตัวเลขจาก Gallup ชี้ว่ากว่า 59% ของพนักงานทั่วโลกอยู่ในภาวะนี้
ไม่จำเป็นเสมอไป ในบางกรณี การรักษาขอบเขตงานให้ชัดเจนถือเป็นพฤติกรรมที่มีสุขภาวะดีและยั่งยืนกว่าการทำงานหนักเกินไปจนหมดไฟ องค์กรควรพิจารณาว่าระดับความทุ่มเทของพนักงานอยู่ในระดับที่เหมาะสมกับบทบาทหน้าที่หรือไม่ มากกว่าจะตั้งเป้าให้ทุกคนทุ่มเทเกินขอบเขตงานเสมอ ปัญหาที่แท้จริงคือเมื่อ Quiet Quitting เกิดจากความไม่เป็นธรรมในโครงสร้างองค์กร
แบบสำรวจ Employee Engagement แบบดั้งเดิมมักใช้คำถามปรนัยที่วัดได้เฉพาะความรู้สึกผิวเผิน ขณะที่ ListenAI ดำเนินการสัมภาษณ์เชิงลึกแบบตอบเปิด พร้อมถามคำถามต่อยอดจากคำตอบของแต่ละคนจริง ทำให้ได้ข้อมูลเชิงลึกที่แบบสำรวจปรนัยไม่สามารถเก็บได้ นอกจากนี้ยังสามารถทำ Pulse Interview รายไตรมาสได้โดยไม่ต้องเพิ่มภาระงาน HR แม้แต่คนเดียว
สำหรับการจับสัญญาณเตือนล่วงหน้า แนะนำให้ทำทุกไตรมาส ซึ่งบ่อยพอที่จะเห็นแนวโน้มการเปลี่ยนแปลงและตอบสนองได้ทันเวลา แต่ไม่บ่อยจนพนักงานรู้สึกถูกรบกวนมากเกินไป องค์กรที่มีการเปลี่ยนแปลงสำคัญ เช่น การปรับโครงสร้างเงินเดือนหรือการเปลี่ยนผู้บริหาร อาจพิจารณาทำบ่อยขึ้นในช่วงนั้นเป็นพิเศษ
QuestionPro มีมาตรการรักษาความปลอดภัยข้อมูลที่สอดคล้องกับมาตรฐานสากล และยืนยันว่าข้อมูลจากการสัมภาษณ์จะไม่ถูกนำไปใช้ฝึกโมเดล AI ภายนอก องค์กรยังคงเป็นเจ้าของและควบคุมข้อมูลของตัวเองอย่างเต็มที่ตลอดกระบวนการ ทำให้มั่นใจได้ว่าข้อมูลความรู้สึกที่ละเอียดอ่อนของพนักงานจะถูกเก็บรักษาอย่างปลอดภัย



