"Quiet Quitting" ไม่ใช่แค่แฮชแท็กบน TikTok แต่คือสิ่งที่ Gallup วัดมาเกือบ 20 ปี งานวิจัยบอกอะไรบ้าง
รู้จักเพื่อนร่วมงานที่เข้าออฟฟิศตรงเวลาเป๊ะ ทำงานตามที่ได้รับมอบหมายครบทุกข้อ แต่ไม่เคยยกมือเสนอไอเดียใหม่ ไม่เคยอาสาทำอะไรเกินหน้าที่ และพอหมดเวลางานก็ปิดคอมทันทีไหมครับ ปี 2022 คำว่า "quiet quitting" หรือ "การลาออกเงียบ" กลายเป็นกระแสไวรัลบน TikTok จนดูเหมือนเป็นปรากฏการณ์ใหม่ของคนทำงานยุคนี้ แต่ถ้าเจาะลึกเข้าไปในงานวิจัยด้านจิตวิทยาองค์การ จะพบว่าสิ่งที่ TikTok เรียกว่า quiet quitting นั้น นักวิจัยเรียกมันว่า "employee disengagement" หรือความไม่ผูกพันต่องานมาตั้งแต่ปี 1990 แล้ว และ Gallup ก็เก็บข้อมูลเรื่องนี้จากพนักงานหลายแสนคนทั่วโลกมาต่อเนื่องกว่าสองทศวรรษ บทความนี้จะพาไปดูว่างานวิจัยจริงจัง ตั้งแต่จุดกำเนิดแนวคิดไปจนถึงข้อมูลล่าสุดปี 2026 บอกอะไรบ้างเกี่ยวกับสาเหตุของการลาออกเงียบ ผลกระทบต่อสุขภาวะและผลงาน และสิ่งที่หัวหน้างานทำได้จริง
บรรณาธิการ

สรุปสั้น (Key Takeaways)
- Kahn (1990, *Academy of Management Journal*) นิยาม "personal engagement" ว่าคือการทุ่มเทตัวตนทั้งกาย ความคิด และอารมณ์ให้กับบทบาทการทำงาน ส่วน "personal disengagement" คือการถอนตัวตนออกจากบทบาทนั้น โดยพบว่าเงื่อนไขทางจิตวิทยา 3 อย่าง — ความหมาย ความปลอดภัย และความพร้อม — เป็นตัวกำหนดว่าคนจะเลือกทุ่มเทหรือถอนตัว
- Harter, Schmidt, & Hayes (2002, *Journal of Applied Psychology*) วิเคราะห์ข้อมูลจาก 7,939 business unit ใน 36 บริษัท พบว่าความพึงพอใจและความผูกพันของพนักงานสัมพันธ์อย่างมีนัยสำคัญกับความพึงพอใจลูกค้า ผลกำไร ผลิตภาพ อัตราการลาออก และอุบัติเหตุในที่ทำงาน
- Harter et al. (2020) Q12 Meta-Analysis ฉบับที่ 10 ของ Gallup วิเคราะห์ข้อมูลจาก 112,312 business/work unit ใน 96 ประเทศ พบว่าหน่วยงานที่มีความผูกพันสูงสุด (quartile บนสุด) มีอัตราการขาดงานต่ำกว่าหน่วยงานที่มีความผูกพันต่ำสุดถึง 81% และมีกำไรสูงกว่า 23%
- Gallup State of the Global Workplace: 2023 Report นิยาม "quiet quitting" อย่างเป็นทางการเป็นครั้งแรก พบว่าพนักงานทั่วโลก 59% กำลัง "quiet quitting" (ไม่ผูกพัน) และอีก 18% กำลัง "loud quitting" (ผูกพันเชิงลบรุนแรง) มีเพียง 23% เท่านั้นที่ผูกพันเต็มที่ คิดเป็นความเสียหายทางเศรษฐกิจ 8.8 ล้านล้านดอลลาร์สหรัฐ หรือ 9% ของ GDP โลก
- Galanis et al. (2023, *AIMS Public Health*) พัฒนาแบบวัด Quiet Quitting Scale 9 ข้อ 3 องค์ประกอบ (ความห่างเหิน ขาดความคิดริเริ่ม ขาดแรงจูงใจ) และพบว่าสัมพันธ์อย่างมีนัยสำคัญกับภาวะหมดไฟและความตั้งใจลาออก
- Mazzetti et al. (2023, *Psychological Reports*) วิเคราะห์อภิมานจาก 113 กลุ่มตัวอย่างอิสระ (n = 119,420) พบว่าทรัพยากรส่วนบุคคล (เช่น self-efficacy การมองโลกในแง่ดี) ทำนายความผูกพันต่องานได้แรงกว่าทรัพยากรจากงานเสียอีก
- Dilchert, Stanek, & Ones (2026, *Human Resource Management*) พัฒนามาตรวัด quiet quitting แบบหลายมิติ พบว่าความเป็นอิสระในงานและความรับผิดชอบที่มากขึ้นเป็นปัจจัยป้องกัน ขณะที่พนักงานใหม่และพนักงานอายุน้อยมีแนวโน้ม quiet quitting สูงกว่าเล็กน้อย
- กรอบ สร้าง–ฟัง–เสริม–แยก สังเคราะห์งานวิจัยทั้งเจ็ดชิ้นเป็นวิธีรับมือ quiet quitting สำหรับหัวหน้างาน: สร้างเงื่อนไขความหมาย-ความปลอดภัย-ความพร้อมตามกรอบของ Kahn ฟังกลุ่ม quiet quitting ซึ่งใหญ่และดึงกลับได้มากสุด เสริมทรัพยากรส่วนบุคคลไม่ใช่แค่ออกแบบงาน และแยกการตั้งขอบเขตที่ดีต่อสุขภาพจากความไม่ผูกพันที่เป็นปัญหา
รู้จักเพื่อนร่วมงานที่เข้าออฟฟิศตรงเวลาเป๊ะ ทำงานตามที่ได้รับมอบหมายครบทุกข้อ แต่ไม่เคยยกมือเสนอไอเดียใหม่ ไม่เคยอาสาทำอะไรเกินหน้าที่ และพอหมดเวลางานก็ปิดคอมทันทีไหมครับ ปี 2022 คำว่า "quiet quitting" หรือ "การลาออกเงียบ" กลายเป็นกระแสไวรัลบน TikTok จนดูเหมือนเป็นปรากฏการณ์ใหม่ของคนทำงานยุคนี้ แต่ถ้าเจาะลึกเข้าไปในงานวิจัยด้านจิตวิทยาองค์การ จะพบว่าสิ่งที่ TikTok เรียกว่า quiet quitting นั้น นักวิจัยเรียกมันว่า "employee disengagement" หรือความไม่ผูกพันต่องานมาตั้งแต่ปี 1990 แล้ว และ Gallup ก็เก็บข้อมูลเรื่องนี้จากพนักงานหลายแสนคนทั่วโลกมาต่อเนื่องกว่าสองทศวรรษ บทความนี้จะพาไปดูว่างานวิจัยจริงจัง ตั้งแต่จุดกำเนิดแนวคิดไปจนถึงข้อมูลล่าสุดปี 2026 บอกอะไรบ้างเกี่ยวกับสาเหตุของการลาออกเงียบ ผลกระทบต่อสุขภาวะและผลงาน และสิ่งที่หัวหน้างานทำได้จริง
จุดกำเนิด: เมื่อ Kahn นิยาม engagement และ disengagement ปี 1990
William A. Kahn จาก Boston University ตีพิมพ์งานชื่อ "Psychological Conditions of Personal Engagement and Disengagement at Work" ใน *Academy of Management Journal* ปี 1990 (เล่ม 33 ฉบับ 4 หน้า 692-724) ซึ่งเป็นงานที่นิยามคำว่า engagement และ disengagement ในบริบทการทำงานอย่างเป็นระบบเป็นครั้งแรก โดยทำการศึกษาเชิงคุณภาพสองชิ้นควบคู่กัน คือศึกษาที่ปรึกษาค่ายฤดูร้อนกลุ่มหนึ่ง และพนักงานบริษัทสถาปนิกอีกกลุ่มหนึ่ง ใช้วิธีสังเกตแบบมีส่วนร่วมและการสัมภาษณ์เชิงลึก
Kahn นิยาม personal engagement ว่าคือการที่คนทุ่มเทตัวตนทั้งทางกาย ความคิด และอารมณ์เข้ากับบทบาทการทำงาน ส่วน personal disengagement คือการถอนตัวตนออกจากบทบาทนั้น ทั้งการปกป้องตัวเองทางกาย ความคิด หรืออารมณ์ไม่ให้เกี่ยวข้องกับงานมากเกินไป งานวิจัยนี้ระบุเงื่อนไขทางจิตวิทยา 3 อย่างที่กำหนดว่าคนจะเลือกทุ่มเทหรือถอนตัว ได้แก่ ความหมาย (รู้สึกว่างานคุ้มค่าที่จะทุ่มเทให้), ความปลอดภัย (รู้สึกปลอดภัยที่จะแสดงตัวตนโดยไม่ต้องกลัวผลกระทบทางลบ) และความพร้อม (มีทรัพยากรทางกายและใจเพียงพอในขณะนั้น) แนวคิดนี้กลายเป็นรากฐานที่งานวิจัยเรื่องความผูกพันและการลาออกเงียบแทบทุกชิ้นในเวลาต่อมาต้องอ้างอิงถึง — พูดอีกแบบคือ สิ่งที่คนยุคนี้เรียกว่า "quiet quitting" นักวิชาการเรียกมันว่า personal disengagement มาตั้งแต่ 30 กว่าปีก่อนแล้ว
หลักฐานแรกที่เชื่อมความผูกพันกับผลประกอบการจริง
คำถามที่ตามมาคือ ความผูกพัน (หรือการขาดมัน) ส่งผลต่อธุรกิจจริงแค่ไหน James K. Harter, Frank L. Schmidt แห่ง University of Iowa และ Theodore L. Hayes ตอบคำถามนี้ในงานชื่อ "Business-Unit-Level Relationship Between Employee Satisfaction, Employee Engagement, and Business Outcomes: A Meta-Analysis" ตีพิมพ์ใน *Journal of Applied Psychology* ปี 2002 (เล่ม 87 ฉบับ 2 หน้า 268-279) โดยวิเคราะห์ข้อมูลจาก 7,939 business unit ใน 36 บริษัท เชื่อมโยงคะแนนความพึงพอใจ-ความผูกพันของพนักงานระดับหน่วยงานเข้ากับผลลัพธ์ทางธุรกิจ 5 ด้าน คือ ความพึงพอใจ/ความภักดีของลูกค้า ผลกำไร ผลิตภาพ อัตราการลาออกของพนักงาน และอุบัติเหตุในที่ทำงาน
ผลลัพธ์คือ ความสัมพันธ์ระหว่างความพึงพอใจ-ความผูกพันของพนักงานกับผลลัพธ์ทั้ง 5 ด้านมีนัยสำคัญทางสถิติและสอดคล้องกันในหลายประเภทธุรกิจและอุตสาหกรรม ไม่ใช่ปรากฏการณ์ที่เกิดขึ้นเฉพาะบางบริษัท งานชิ้นนี้จึงเป็นหลักฐานเชิงประจักษ์ชิ้นแรกๆ ที่ผ่าน peer review ในวารสารเรือธงด้านจิตวิทยาอุตสาหกรรม-องค์การ ที่ยืนยันว่าความผูกพันของพนักงานไม่ใช่แค่เรื่อง "รู้สึกดี" แต่เชื่อมโยงกับตัวเลขทางธุรกิจที่จับต้องได้จริง และวางรากฐานเชิงระเบียบวิธีให้กับงานวิจัยขนาดใหญ่ของ Gallup ในเวลาต่อมา
ข้อมูลขนาดยักษ์: 112,312 หน่วยงานทั่วโลกบอกอะไร
เกือบ 20 ปีต่อมา Harter ร่วมกับ Schmidt และทีมนักวิจัย Gallup อีก 5 คน ขยายงานวิจัยปี 2002 ให้ใหญ่ขึ้นมากในรายงานชื่อ "The Relationship Between Engagement at Work and Organizational Outcomes: 2020 Q12 Meta-Analysis, 10th Edition" เผยแพร่โดย Gallup เดือนตุลาคม 2020 โดยรวบรวมงานวิจัย 456 ชิ้น จาก 276 องค์กร ใน 54 อุตสาหกรรม 96 ประเทศ วิเคราะห์ข้อมูลจาก 112,312 business/work unit ที่มีพนักงานรวมกัน 2,708,538 คน ครอบคลุมผลลัพธ์ 11 ด้าน ใช้เทคนิค Hunter-Schmidt meta-analysis ซึ่งเป็นมาตรฐานทางวิชาการ
ผลลัพธ์คือ ค่าสหสัมพันธ์ที่แท้จริง (true score correlation) ระหว่างความผูกพันกับผลงานโดยรวมอยู่ที่ 0.49 และเมื่อเปรียบเทียบหน่วยงานที่มีความผูกพันสูงสุด (quartile บนสุด) กับต่ำสุด (quartile ล่างสุด) พบส่วนต่างค่ามัธยฐานที่ชัดเจนมาก เช่น ขาดงานน้อยกว่า 81% อุบัติเหตุน้อยกว่า 64% การลาออกน้อยกว่า 43% (ในองค์กรที่ turnover ต่ำอยู่แล้ว) กำไรสูงกว่า 23% ผลิตภาพสูงกว่า 14-18% และสัดส่วนพนักงานที่ "เติบโตงอกงาม" (thriving) สูงกว่าถึง 66% ข้อควรระวังคือนี่คือรายงานขององค์กร Gallup เอง ไม่ใช่วารสารวิชาการที่ผ่าน peer review เหมือนงานปี 2002 แม้จะใช้ระเบียบวิธีวิจัยระดับเดียวกันและมีขนาดข้อมูลที่ใหญ่กว่างานวิชาการส่วนใหญ่มาก
Gallup นิยาม "quiet quitting" และ "loud quitting" อย่างเป็นทางการ
พอกระแส quiet quitting ระเบิดขึ้นบนโซเชียลมีเดียปี 2022 Gallup ก็นำคำนี้มาผนวกเข้ากับกรอบการวัดความผูกพันที่ใช้มานานในรายงาน *State of the Global Workplace: 2023 Report* เผยแพร่เดือนมิถุนายน 2023 โดยอ้างอิงข้อมูลจาก Gallup World Poll ที่สำรวจพนักงานอายุ 15 ปีขึ้นไปในกว่า 160 ประเทศทั่วโลก เฉพาะข้อมูลปี 2022 ที่ใช้ในรายงานนี้มีผู้ตอบแบบสอบถามที่มีงานทำ 122,416 คน (เก็บข้อมูลเมษายน 2022 ถึงมีนาคม 2023)
รายงานนิยามไว้ชัดเจนว่า "quiet quitting" คือพนักงานที่ทำงานแค่ตามหน้าที่ขั้นต่ำและตัดขาดทางจิตใจจากนายจ้าง (Not Engaged) ส่วน "loud quitting" คือพนักงานที่ลงมือทำร้ายองค์กรโดยตรง บ่อนทำลายเป้าหมายและต่อต้านผู้นำ (Actively Disengaged) ผลสำรวจพบว่ามีเพียง 23% เท่านั้นที่ผูกพันเต็มที่ (Engaged/Thriving) ขณะที่ 59% กำลัง quiet quitting และ 18% กำลัง loud quitting รวมความเสียหายทางเศรษฐกิจจากความไม่ผูกพันทั่วโลกสูงถึง 8.8 ล้านล้านดอลลาร์สหรัฐ หรือ 9% ของ GDP โลก ที่น่าสนใจคือรายงานยังพบว่าพนักงานที่ผูกพันเต็มที่รายงานว่ารู้สึก "เครียดมาก" เมื่อวานเพียง 30% ขณะที่พนักงานที่ actively disengaged รายงานตัวเลขนี้สูงถึง 56%
เครื่องมือวัด quiet quitting เครื่องมือแรกของโลก
ปัญหาคือ ถ้า quiet quitting เป็นปรากฏการณ์จริง แล้วจะวัดมันอย่างเป็นระบบได้อย่างไร Petros Galanis และทีมวิจัยจากมหาวิทยาลัย National and Kapodistrian University of Athens ประเทศกรีซ ร่วมกับเพื่อนร่วมงานอีก 7 คน ตอบคำถามนี้ในงานชื่อ "The Quiet Quitting Scale: Development and Initial Validation" ตีพิมพ์ใน *AIMS Public Health* ปี 2023 (เล่ม 10 ฉบับ 4 หน้า 828-848) โดยสร้างข้อคำถามจากการทบทวนวรรณกรรมและสัมภาษณ์พนักงานจริง ตรวจสอบความตรงเชิงเนื้อหาโดยผู้เชี่ยวชาญ ตรวจสอบความตรงเชิงหน้าตาด้วยการสัมภาษณ์เชิงประชาน (cognitive interview) แล้ววิเคราะห์โครงสร้างองค์ประกอบด้วย exploratory และ confirmatory factor analysis พร้อมตรวจสอบความตรงร่วมกับมาตรวัดภาวะหมดไฟ Copenhagen Burnout Inventory ความพึงพอใจในงาน และความตั้งใจลาออก
ผลลัพธ์คือได้มาตรวัด Quiet Quitting Scale (QQS) ที่มี 9 ข้อคำถาม แบ่งเป็น 3 องค์ประกอบ คือ ความห่างเหิน (detachment) ขาดความคิดริเริ่ม (lack of initiative) และขาดแรงจูงใจ (lack of motivation) มีค่าความเที่ยงสูง (Cronbach's alpha 0.803, McDonald's omega 0.806) และพบความสัมพันธ์อย่างมีนัยสำคัญกับภาวะหมดไฟ ความพึงพอใจในงานที่ต่ำ และความตั้งใจลาออกที่สูง ทำให้ QQS กลายเป็นเครื่องมือสั้น กระชับ และมีความน่าเชื่อถือทางจิตวิทยามิติที่นักวิจัยรุ่นหลังนำไปใช้ต่อในหลายประเทศ
อะไรทำนายความผูกพันได้ดีที่สุด: งาน หรือตัวคนทำงาน
ถ้าอยากป้องกัน quiet quitting คำถามที่สำคัญคืออะไรที่ทำให้คนผูกพันกับงานตั้งแต่แรก Greta Mazzetti แห่ง University of Bologna และทีมวิจัยนานาชาติ ตอบคำถามนี้ในงานชื่อ "Work Engagement: A Meta-Analysis Using the Job Demands-Resources Model" ตีพิมพ์ใน *Psychological Reports* ปี 2023 (เล่ม 126 ฉบับ 3 หน้า 1069-1107) โดยเข้ารหัสความสัมพันธ์ 533 ค่า จาก 113 กลุ่มตัวอย่างอิสระ (k = 94, n = 119,420) ตามกรอบทฤษฎี Job Demands-Resources (JD-R)
ผลลัพธ์คือ ทรัพยากรส่วนบุคคล (personal resources เช่น self-efficacy การมองโลกในแง่ดี) มีขนาดผลต่อความผูกพัน (r = .48) สูงกว่าทรัพยากรจากงาน (job resources เช่น autonomy ฟีดแบ็ก) ที่ r = .37 และสูงกว่าทรัพยากรทางสังคม (r = .36) ด้วยซ้ำ ส่วนทรัพยากรด้านการพัฒนา (development resources) มีขนาดผลสูงสุดที่ r = .45 ในด้านผลลัพธ์ ความผูกพันสัมพันธ์แรงที่สุดกับความผูกพันต่อองค์กร (commitment, r = .63) และความพึงพอใจในงาน (r = .60) งานวิจัยนี้ยังพบว่าความสัมพันธ์ระหว่างความผูกพันกับความตั้งใจลาออกอ่อนกว่าในกลุ่มข้าราชการ อาสาสมัคร และครู เมื่อเทียบกับอาชีพอื่น และวัฒนธรรมแบบ collectivist มีความสัมพันธ์ระหว่างฟีดแบ็กกับความผูกพันแรงกว่าวัฒนธรรม individualist ข้อค้นพบนี้ชี้ว่าการแก้ปัญหา quiet quitting อาจต้องไม่มองแค่การออกแบบงานใหม่ แต่ต้องมองเรื่องการพัฒนาทรัพยากรส่วนบุคคลของพนักงานด้วย
quiet quitting ไม่ใช่แค่ disengagement: งานวิจัยล่าสุดปี 2026
คำถามสุดท้ายที่ท้าทายวงการวิชาการคือ quiet quitting เป็นแค่ชื่อใหม่ของ disengagement แบบเดิม หรือเป็นปรากฏการณ์ที่แตกต่างออกไปจริงๆ Stephan Dilchert และ Kevin C. Stanek แห่ง Baruch College, CUNY ร่วมกับ Deniz S. Ones ตอบคำถามนี้ในงานชื่อ "Expanding Our Understanding of Quiet Quitting: Antecedents, Correlates, and Consequences" ตีพิมพ์ใน *Human Resource Management* ปี 2026 (เล่ม 65 ฉบับ 3 หน้า 679-704 เผยแพร่ออนไลน์ธันวาคม 2025) โดยพัฒนามาตรวัด Multidimensional Quiet Quitting (MQQ) ที่มี 4 องค์ประกอบ คือ ขาดความผูกพันกับงานเฉพาะหน้าที่ ขาดความผูกพันกับงานโดยรวม ขาดสายสัมพันธ์ทางสังคมในที่ทำงาน และการตั้งเขตแดนระหว่างงานกับชีวิตส่วนตัว (boundary setting) ทดสอบผ่าน 3 การศึกษา คือ กลุ่มตรวจสอบความตรงเชิงเนื้อหา (N = 114) กลุ่มเก็บข้อมูล experience sampling 10 สัปดาห์ (N = 124 มืออาชีพ) และกลุ่มทดสอบซ้ำอิสระด้วย confirmatory factor analysis (N = 290)
ผลลัพธ์คือ quiet quitting สัมพันธ์กับความไม่ผูกพันต่องานแบบดั้งเดิม แต่ไม่ใช่สิ่งเดียวกัน — quiet quitting ทำนายความเครียด ความพึงพอใจในงาน ภาวะหมดไฟ และประสิทธิผลการทำงานได้เพิ่มเติมนอกเหนือจากตัวชี้วัดความไม่ผูกพันแบบเดิม นอกจากนี้ยังพบว่าความเป็นอิสระในงานและความรับผิดชอบที่มากขึ้นเป็นปัจจัยป้องกัน ขณะที่พนักงานใหม่และพนักงานอายุน้อยมีแนวโน้ม quiet quitting สูงกว่าเล็กน้อย และคนที่ quiet quitting มักมีบุคลิกภาพแบบ extraversion ความมีจิตสำนึก ความมั่นคงทางอารมณ์ และความเป็นมิตรต่ำกว่าค่าเฉลี่ย งานวิจัยนี้จึงชี้ว่า quiet quitting เป็นแนวคิดหลายมิติที่ซับซ้อนกว่าที่สื่อมักนำเสนอ ไม่ใช่แค่ "ความขี้เกียจ" แต่รวมถึงการตั้งขอบเขตที่อาจเป็นพฤติกรรมที่ดีต่อสุขภาพจิตด้วยในบางกรณี
กรอบสร้าง–ฟัง–เสริม–แยก
เพื่อแปลงงานวิจัยทั้งเจ็ดชิ้นเป็นวิธีรับมือ quiet quitting ที่หัวหน้างานทำได้จริง เราสังเคราะห์เป็นกรอบ สร้าง–ฟัง–เสริม–แยก กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่แนวทางการบริหารทรัพยากรบุคคลที่ผ่านการรับรองแยกต่างหาก
1. สร้าง — สร้างเงื่อนไขความหมาย-ความปลอดภัย-ความพร้อม
ตามที่ Kahn (1990) พบว่าเงื่อนไขทางจิตวิทยา 3 อย่างกำหนดว่าคนจะเลือกทุ่มเทหรือถอนตัว คือทำให้งานมีความหมาย ทำให้ทีมรู้สึกปลอดภัยที่จะแสดงความเห็นโดยไม่ถูกลงโทษ และดูแลไม่ให้พนักงานหมดแรงจนไม่มีทรัพยากรใจเหลือให้ทุ่มเท
2. ฟัง — ฟังกลุ่ม quiet quitting ซึ่งใหญ่และดึงกลับได้มากสุด
ตามข้อมูลของ Gallup (2023) ที่ชี้ว่า 59% ของพนักงานอยู่ในกลุ่ม quiet quitting ต่างจากกลุ่ม loud quitting ที่มีปัญหาความสัมพันธ์ร้าวลึกไปแล้ว การชวนคุยและรับฟังกลุ่มนี้ตั้งแต่เนิ่นๆ จึงคุ้มค่ากว่าการรอจนปัญหาลุกลาม
3. เสริม — เสริมทรัพยากรส่วนบุคคล ไม่ใช่แค่ออกแบบงาน
ตามที่ Mazzetti et al. (2023) พบว่าทรัพยากรส่วนบุคคลอย่าง self-efficacy และการมองโลกในแง่ดี ทำนายความผูกพันได้แรงกว่าทรัพยากรจากงานเสียอีก การสนับสนุนด้านความยืดหยุ่นทางจิตใจของพนักงานจึงอาจสำคัญไม่แพ้การปรับกระบวนการทำงาน
4. แยก — แยกการตั้งขอบเขตที่ดีต่อสุขภาพจากความไม่ผูกพันที่เป็นปัญหา
ตามที่ Dilchert, Stanek, & Ones (2026) พบว่า boundary setting เป็นหนึ่งในมิติของ quiet quitting ที่แยกจากการขาดความผูกพันจริงๆ และความเป็นอิสระกับความรับผิดชอบที่มากขึ้นช่วยป้องกันปัญหาได้ ก่อนตัดสินว่าใครกำลัง "ถอนตัว" ควรแยกให้ออกว่าเขาแค่เลิกทำงานล้นเวลาที่ไม่เป็นธรรมหรือกำลังห่างเหินจากงานจริงๆ
กรณีจำลอง: หัวหน้าทีมที่เห็นลูกทีมเปลี่ยนไปเงียบๆ
สมมติว่า "พี่เอ" เป็นหัวหน้าทีมการตลาด สังเกตว่า "แนน" ลูกทีมที่เคยกระตือรือร้นเสนอไอเดียใหม่เสมอ ช่วงหลังทำงานแค่ตามที่มอบหมาย ไม่อาสาทำอะไรเพิ่มและปิดคอมตรงเวลาทุกวัน พี่เอเกือบจะตัดสินว่าแนน "ขี้เกียจขึ้น" และคิดจะตักเตือน
ก่อนตัดสินใจ พี่เอลองใช้กรอบนี้ทบทวนก่อน: สร้าง เขาถามตัวเองว่าช่วงหลังงานของแนนยังมีความหมายกับเธออยู่ไหม หรือทีมยังรู้สึกปลอดภัยที่จะเสนอไอเดียที่อาจถูกปฏิเสธหรือเปล่า, ฟัง แทนตักเตือนทันที เขาชวนแนนคุยแบบเปิดใจว่าช่วงนี้เป็นอย่างไรบ้าง แทนสมมติว่าเธอไม่สนใจงานแล้ว, เสริม ระหว่างคุยเขาพบว่าแนนกำลังเครียดเรื่องส่วนตัวและรู้สึกไม่มั่นใจในตัวเองหลังโปรเจกต์ก่อนหน้าไม่ประสบผลสำเร็จ จึงเสนอให้เธอลองทำโปรเจกต์เล็กที่มั่นใจได้ก่อนเพื่อสร้างความมั่นใจกลับคืน และ แยก เขาตระหนักว่าการที่แนนเลิกทำงานล้นเวลาหลังหกโมงเย็นไม่ใช่สัญญาณของความไม่ผูกพัน แต่เป็นการตั้งขอบเขตที่มีสุขภาพดี จึงไม่ได้ถือเป็นปัญหาที่ต้องแก้
หลังจากนั้นแนนค่อยๆ กลับมาเสนอไอเดียใหม่อีกครั้ง แม้จะยังคงรักษาเวลาเลิกงานตามปกติเหมือนเดิม กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่พนักงานหรือบริษัทจริง
ลองเอาไปปรับใช้ดู
1. สำหรับหัวหน้าทีม: ลองสร้างเงื่อนไข 3 อย่างที่ Kahn (1990) พบว่ากำหนดการทุ่มเทของคน คือทำให้งานมีความหมาย ทำให้ทีมรู้สึกปลอดภัยที่จะแสดงความเห็นโดยไม่ถูกลงโทษ และดูแลไม่ให้พนักงานหมดแรงจนไม่มีทรัพยากรใจเหลือให้ทุ่มเทกับงาน 2. ลองอย่ามอง engagement เป็นแค่เรื่องนามธรรม เพราะมันเชื่อมกับตัวเลขธุรกิจจริง ตามที่ Harter, Schmidt, & Hayes (2002) และ Harter et al. (2020) พบว่าหน่วยงานที่มีความผูกพันสูงมีอัตราขาดงาน อุบัติเหตุ และการลาออกต่ำกว่าอย่างมีนัยสำคัญ การลงทุนกับความผูกพันของพนักงานจึงควรถูกมองเป็นกลยุทธ์ทางธุรกิจ ไม่ใช่แค่กิจกรรม HR 3. ลองโฟกัสที่กลุ่ม "quiet quitting" ให้มากกว่าที่เป็นอยู่ เพราะเป็นกลุ่มใหญ่ที่สุดและมีโอกาสดึงกลับได้มากสุด ข้อมูลของ Gallup (2023) ชี้ว่า 59% ของพนักงานอยู่ในกลุ่มนี้ ต่างจากกลุ่ม loud quitting ที่มีปัญหาความสัมพันธ์ร้าวลึกไปแล้ว การชวนคุยและรับฟังกลุ่ม quiet quitting ตั้งแต่เนิ่นๆ จึงคุ้มค่ากว่าการรอจนปัญหาลุกลาม 4. ลองใช้เครื่องมือประเมินที่จับสัญญาณเฉพาะเจาะจง ไม่ใช่แค่ความรู้สึกกว้างๆ ตามแนวทางของ Galanis et al. (2023) ที่แยก quiet quitting เป็น 3 ด้าน (ความห่างเหิน ขาดความคิดริเริ่ม ขาดแรงจูงใจ) การสังเกตสัญญาณแต่ละด้านแยกกันช่วยให้หัวหน้างานเข้าใจต้นตอปัญหาได้ตรงจุดกว่าการมองภาพรวมเดียว 5. อย่าลงทุนแค่กับการออกแบบงาน ลองเพิ่มการลงทุนกับทรัพยากรส่วนบุคคลของพนักงานด้วย เพราะ Mazzetti et al. (2023) พบว่าทรัพยากรส่วนบุคคลอย่าง self-efficacy และการมองโลกในแง่ดี ทำนายความผูกพันได้แรงกว่าทรัพยากรจากงานเสียอีก การฝึกอบรมด้านความยืดหยุ่นทางจิตใจจึงอาจสำคัญไม่แพ้การปรับกระบวนการทำงาน 6. ลองแยกให้ออกระหว่างการตั้งขอบเขตที่ดีต่อสุขภาพกับความไม่ผูกพันที่เป็นปัญหา ตามที่ Dilchert, Stanek, & Ones (2026) พบว่า boundary setting เป็นหนึ่งในมิติของ quiet quitting ที่แยกจากการขาดความผูกพันจริงๆ และพบว่าความเป็นอิสระและความรับผิดชอบที่มากขึ้นช่วยป้องกันปัญหาได้ การให้พนักงานมีอิสระมากขึ้นจึงอาจได้ผลดีกว่าการจับตาดูอย่างเข้มงวด
คำถามที่พบบ่อย
- Quiet quitting เป็นปรากฏการณ์ใหม่จริงไหม หรือแค่คำใหม่ของเรื่องเก่า?
- เป็นคำใหม่ของแนวคิดที่มีมานานครับ Kahn (1990) นิยาม "personal disengagement" ไว้ตั้งแต่ 30 กว่าปีก่อน และ Gallup เองก็วัดสัดส่วนพนักงานที่ "ไม่ผูกพัน" มาต่อเนื่องนานหลายปีก่อนคำว่า quiet quitting จะกลายเป็นไวรัลบนโซเชียลมีเดียปี 2022 สิ่งที่ใหม่จริงๆ คือคำเรียกและความสนใจของสาธารณะ ไม่ใช่ตัวปรากฏการณ์เอง
- Quiet quitting ต่างจากความไม่ผูกพันต่องาน (disengagement) ทั่วไปอย่างไร?
- ตามงานล่าสุดของ Dilchert, Stanek, & Ones (2026) quiet quitting สัมพันธ์กับความไม่ผูกพันแบบดั้งเดิม แต่ไม่ใช่สิ่งเดียวกันทั้งหมด — quiet quitting มีมิติเพิ่มเติมเรื่องการตั้งขอบเขตระหว่างงานกับชีวิตส่วนตัว และทำนายความเครียด ภาวะหมดไฟ และประสิทธิผลการทำงานได้มากกว่าการวัดความไม่ผูกพันแบบเดิมเพียงอย่างเดียว
- ทำไมองค์กรควรสนใจกลุ่ม quiet quitting มากกว่ากลุ่ม actively disengaged?
- เพราะเป็นกลุ่มที่ใหญ่กว่ามากและยังมีโอกาสดึงกลับได้ ตามข้อมูลของ Gallup (2023) มีพนักงานถึง 59% ที่อยู่ในกลุ่ม quiet quitting เทียบกับ 18% ที่เป็น loud quitting ซึ่ง Gallup อธิบายว่ากลุ่ม loud quitting มักมีความสัมพันธ์กับองค์กรที่ร้าวลึกไปแล้ว ขณะที่กลุ่ม quiet quitting ส่วนใหญ่แค่รอให้มีคนมาคุยด้วยและให้ความสนใจ
- Quiet quitting ส่งผลเสียต่อสุขภาพจิตของตัวพนักงานเองด้วยหรือไม่?
- มีหลักฐานชี้ไปทางนั้นครับ Gallup (2023) พบว่าพนักงานที่ actively disengaged รายงานความเครียดระดับสูงถึง 56% เทียบกับพนักงานที่ผูกพันเต็มที่ที่ 30% และ Dilchert et al. (2026) ก็พบว่ามิติต่างๆ ของ quiet quitting สัมพันธ์กับความเครียดและภาวะหมดไฟที่สูงขึ้นเช่นกัน ดังนั้นการ "ทำงานแค่ตามหน้าที่" ในระยะยาวจึงอาจไม่ได้ช่วยปกป้องสุขภาพจิตอย่างที่คิด
- อะไรที่ทำนายว่าใครจะ quiet quitting ได้ดีที่สุด?
- จากงานวิจัยที่รวบรวมในบทความนี้ ปัจจัยที่สัมพันธ์ชัดเจนคือ ความเป็นอิสระในงานและความรับผิดชอบที่ต่ำ (Dilchert et al., 2026 พบว่าปัจจัยเหล่านี้เป็นตัวป้องกัน) และการขาดทรัพยากรส่วนบุคคลอย่าง self-efficacy หรือการมองโลกในแง่ดี (Mazzetti et al., 2023) ส่วนพนักงานใหม่และพนักงานอายุน้อยก็มีแนวโน้มสูงกว่าค่าเฉลี่ยเล็กน้อยตามข้อมูลเดียวกัน
แหล่งอ้างอิง
- Academy of Management Journals (DOI)
- APA PsycNet (DOI)
- ResearchGate (สรุปฉบับเต็ม)
- Gallup — Q12 Meta-Analysis Report
- รายงานฉบับเต็ม (PDF)
- Gallup — หน้ารายงานอย่างเป็นทางการ
- รายงานฉบับเต็ม (PDF, เก็บถาวรผ่าน Wayback Machine)
- AIMS Press (DOI)
- PMC — National Library of Medicine
- SAGE Journals (DOI)
- PubMed — National Library of Medicine
- Wiley Online Library (DOI)
บทความที่เกี่ยวข้อง

LinkedIn ทดลองกับคน 20 ล้านคนทั่วโลก พบว่า "คนรู้จักห่างๆ" ช่วยให้ได้งานใหม่จริง แต่ยิ่งห่างยิ่งดีไม่จริงเสมอไป
การทดลองผ่านอัลกอริทึมของ LinkedIn กับคนกว่า 20 ล้านคนยืนยันว่า 'คนรู้จักห่างๆ' ช่วยให้ได้งานใหม่จริงตามทฤษฎีที่มีมาตั้งแต่ปี 1973 แต่ความสัมพันธ์เป็นรูปตัว U คว่ำ คือห่างเกินไปกลับให้ผลลดลง ไม่ใช่ยิ่งห่างยิ่งดีเสมอไป

พักแค่ 10 นาทีก็พอ: งานวิจัยเผยว่าการหยุดงานสั้นๆ ระหว่างวันช่วยลดความล้าได้จริง แต่ "ไม่ใช่ทุกการพักที่ได้ผลเท่ากัน"
งานวิเคราะห์คนกว่า 2,300 คนพบว่าการพักสั้นๆ ไม่เกิน 10 นาทีระหว่างวันช่วยลดความล้าและเพิ่มความกระปรี้กระเปร่าได้จริง แต่ผลต่อประสิทธิภาพงานโดยรวมยังไม่ชัดเจนเท่า เพราะไม่ใช่ทุกกิจกรรมพักที่ช่วยให้พลังงานกลับมาเท่าเดิมได้จริง

ทำไมมือถือสั่นแค่ครั้งเดียวก็ทำให้งานพัง งานวิจัยชี้ว่าปัญหาไม่ได้อยู่ที่ตัวข้อความ แต่อยู่ที่ "ความคาดหวังว่าต้องตอบเดี๋ยวนี้"
งานวิจัยพบว่านโยบายบริษัทที่ห้ามติดต่องานนอกเวลาแทบไม่ช่วยลดความรู้สึกต้องพร้อมตอบตลอดเวลา (telepressure) เลย เพราะสิ่งที่ทำนายได้จริงคือความคาดหวังแบบไม่เป็นทางการจากเพื่อนร่วมงาน ขณะที่การทดลองบล็อกอินเทอร์เน็ตบนมือถือ 2 สัปดาห์กลับช่วยให้สมาธิและสุขภาพจิตดีขึ้นจริง

ChatGPT ทำให้ทำงานเร็วขึ้น 40% จริงไหม งานวิจัยจาก Science และ PNAS เผยคำตอบที่ซับซ้อนกว่าพาดหัวข่าว
งานทดลองตั้งแต่มืออาชีพด้านการเขียน โปรแกรมเมอร์ ไปจนถึงที่ปรึกษาธุรกิจพบว่า Generative AI ช่วยให้งานบางประเภทเร็วและดีขึ้น แต่ในงานที่อยู่นอกขอบเขตความสามารถของ AI ผลลัพธ์อาจแย่ลงได้
