กล่าวกันว่า AI คือ เทคโนโลยีที่จะเป็นตัวชี้ขาดระหว่างประเทศผู้นำด้านนวัตกรรมและประเทศผู้ตามในการแข่งขันด้านวิทยาศาสตร์เทคโนโลยีกันเลยทีเดียว 

โดย AI ได้ถือกำเนิดขึ้นอย่างเต็มตัว ตั้งแต่ ปี 1955 จากการวิจัยเรื่องทฤษฎีอัตโนมัติ (Automate Theory) โครงข่ายใยประสาทและศึกษาเรื่อง“ความฉลาด” และพัฒนาอย่างต่อเนื่องจนถึงปัจจุบัน แทรกซึมอยู่ในเกือบทุกกิจการของมนุษย์ โดยในช่วง 10 ปีหลัง ถือว่า AI พัฒนาขึ้นมากและเป็นที่น่าจับตาดูอย่างยิ่งว่าจะพัฒนาไปได้ไกลขนาดไหน

ระหว่างเส้นทางการพัฒนาของ AI จะเห็นได้ว่าผ่านการลองผิดลองถูกมามาก จนถึงจุดที่ AI สามารถสร้างประโยชน์ให้กับสังคมยุคใหม่ค่อนข้างมาก แต่ “เทคโนโลยี” ไม่ได้มีข้อดีเพียงอย่างเดียวแต่ก็มีข้อเสียด้วย 

บทความวันนี้จะกล่าวถึงด้านมืดที่คนส่วนใหญ่อาจจะยังไม่ตระหนักรู้

ปรากฏการณ์ Workslop ในที่ทำงาน เมื่อ AI สร้างงานขยะ คนทำงานเหนื่อยกว่าเดิม

“Workslop” ซึ่งหมายถึง เนื้องานหรือผลงานในที่ทำงานที่ “ดูดีแต่ไม่มีสาระ” โดยเฉพาะงานที่ถูกสร้างขึ้นด้วยเครื่องมือ AI ไม่ว่าจะเป็นรายงาน บทวิเคราะห์ พรีเซนเทชัน หรือเอกสารสรุปข้อมูล คือรายงานสำคัญที่ทำเสร็จเร็ว แต่กลับต้องเสียเวลานั่งแก้ใหม่ทั้งวัน?

"Workslop เปรียบเหมือนอาหารขยะในโลกการทำงาน มันดูสวย ดูน่ากิน แต่ข้างในไม่มีคุณค่าทางโภชนาการ” หากสังเกตดูจะพบว่า AI มักสร้างสิ่งที่ดูเป็นมืออาชีพแต่ขาดความลึกซึ้ง ขาดความเข้าใจในบริบท และบางครั้งก็ไม่มีเหตุผลเลยด้วยซ้ำ “AI Workslop” มักเกิดขึ้นเมื่อองค์กรนำเทคโนโลยีมาใช้โดยไม่มีระบบหรือมาตรฐานคุณภาพรองรับ

รายงานจาก MIT ที่เผยแพร่เมื่อต้นปีระบุว่า แม้องค์กรกว่า 80% ทั่วโลกได้เริ่มใช้เครื่องมือ AI ในการทำงานแล้ว แต่มีเพียง 5% เท่านั้นที่เห็นผลลัพธ์ชัดเจนในเชิงธุรกิจ หมายความว่า 95% ขององค์กรที่ใช้ AI ทำงาน แทบไม่เห็นผลตอบแทนจากการใช้ AI เลยแม้แต่น้อย สาเหตุหนึ่ง คือ “คุณภาพของงานที่ผลิตออกมาไม่ได้มาตรฐาน” หรือเรียกอีกอย่างก็คือ กำลังเกิดภาวะ Workslop ระบาดหนักในระบบงาน

ปัจจุบันหลายบริษัทเร่งนำ AI เข้ามาใช้โดยไม่ได้วิเคราะห์อย่างรอบคอบว่า “ควรใช้ตรงไหน”
และ “ไม่ควรใช้ตรงไหน” AI จะกลายเป็นเครื่องมือที่สร้างความเสียหายได้มากพอๆ กับที่ช่วยทำงานให้ดีขึ้น

ปรากฏการณ์ Dunning–Kruger Effect รู้น้อย แต่มั่นเกินร้อย

ปรากฏการณ์ Dunning-Kruger Effect คือ ปรากฏการณ์ทางจิตวิทยา ที่อธิบายว่า“คนที่รู้น้อยหรือ
ไม่มีความชำนาญในเรื่องใดเรื่องหนึ่ง มักจะประเมินความสามารถของตัวเองสูงเกินจริง” เมื่อเรามีความรู้ในเรื่องใดเรื่องหนึ่งน้อย เรายังไม่มีองค์ความรู้มากพอที่จะมองเห็นว่าเรายังไม่เข้าใจทั้งหมด จึงรู้สึกว่าตัวเองรู้ดีและเข้าใจทุกอย่าง ในขณะที่ “คนที่มีความรู้หรือความสามารถจริงๆ
มักจะประเมินตัวเองต่ำกว่าความเป็นจริง”

ยกตัวอย่าง 

• กรณีที่ 1 คนที่เพิ่งเริ่มเขียนโปรแกรม อาจคิดว่าตัวเองเก่งมาก เพราะใช้ AI เขียนให้แล้วมันทำงานได้ → เขาไม่รู้ว่ายังมีอะไรซับซ้อนอีกเยอะ
• กรณีที่ 2 โปรแกรมเมอร์ระดับสูงที่มีประสบการณ์ AI มาก กลับรู้ว่ามีอีกหลายอย่างที่ไม่รู้ → เขาจึงมักถ่อมตัว และไม่มั่นใจเกินไป

นักวิจัยพบว่า AI ทำให้ปรากฏการณ์ Dunning-Kruger Effect นี้ รุนแรงขึ้น เพราะว่า

     - คนทั่วไปใช้ ChatGPT หรือเครื่องมือ AI แล้วได้คำตอบที่ “ดูฉลาดมาก” สิ่งนี้ทำให้ผู้ใช้รู้สึกว่า “ตัวเองเข้าใจเรื่องนี้แล้ว” ทั้งที่อาจไม่เข้าใจจริงๆ ผลคือ “เข้าใจผิดแบบมั่นใจมาก” → นี่แหละคือ Dunning-Kruger effect เวอร์ชันยุค AI

ผลกระทบจาก ปรากฏการณ์ Dunning-Kruger Effect

     - ในชีวิตประจำวัน ทำให้คนไม่เก่งคิดว่าตัวเองเก่ง ซึ่งอาจนำไปสู่ความผิดพลาดในการตัดสินใจ

     - ในระดับองค์กร ผู้นำหรือทีมงานที่มั่นใจมากเกินไปในระยะแรก อาจตัดสินใจผิดพลาดเพราะประเมินสถานการณ์ไม่ครบถ้วน

เพราะฉะนั้น สิ่งที่คนใช้ AI ควรตระหนัก คือควรฝึกความคิดแบบวิพากษ์ (critical thinking) ให้มากขึ้น มันคือ การคิดอย่างมีเหตุผล รอบคอบ และไม่เชื่อสิ่งใดทันทีโดยไม่มี
การตรวจสอบ → เป็น “ทักษะการคิดอย่างนักวิเคราะห์” เพื่อแยกแยะว่าอะไร “จริง” และอะไร
“แค่ดูเหมือนจริง”

 

https://www.bangkokbiznews.com/business/business/1206502