เอเจนต์ AI จดจำกฎได้ แต่ก็ยังละเมิดกฎหลังบีบอัดบริบท

การบีบอัดบริบท คือการย่อการสื่อสารที่ซับซ้อนต่อเนื่องกันระหว่างผู้ใช้กับแชต AI ให้เหลือเพียงสรุป แล้วดำเนินบทสนทนาต่อโดยอ้างอิงสรุปนั้นแทนประวัติการสนทนาทั้งหมด เปรียบเสมือนการ «เริ่มต้นใหม่» ในแง่ของการใช้หน่วยความจำ และมีการนำวิธีนี้มาใช้แก้ปัญหาข้อจำกัดของหน้าต่างบริบทในการสนทนากับ AI

วิธีนี้เริ่มใช้กับAI แบบเอเจนต์ ก่อนจะขยายไปใช้กับ Claude ส่วนการบีบอัดบริบทสำหรับ Gemini ยังไม่ปรากฏขึ้นในการสนทนาของนักพัฒนา ขณะที่ ChatGPT เลือกไม่ใช้การบีบอัดบริบท แต่ใช้วิธีหยุดแชตไปเลย

หากคุณเคยใช้ Codex (ซึ่งโดยพื้นฐานแล้วเป็น ChatGPT เวอร์ชันที่สามารถเปลี่ยนแปลงสิ่งต่าง ๆ บนคอมพิวเตอร์ของคุณได้จริงเมื่อได้รับอนุญาต) ติดต่อกันครั้งละเกิน 30 นาที คุณคงเคยเห็นข้อความแจ้งเป็นระยะเกี่ยวกับการบีบอัดบริบท ซึ่งระหว่างนั้นจะโต้ตอบต่อไม่ได้:

Codex ขอพักสักครู่เพื่อบีบอัดความทรงจำเกี่ยวกับเซสชันที่ดำเนินต่อเนื่องมาจนถึงตอนนี้เป็นเวลาสามสัปดาห์

อย่างไรก็ตาม เมื่อการบีบอัดเสร็จสิ้น ผู้ที่กำลังสนทนากับคุณจะทำงานโดยอาศัยบันทึกที่คัดเลือกมาและคุณมองไม่เห็น ไม่ใช่ความทรงจำที่ครบถ้วนเกี่ยวกับพัฒนาการของบทสนทนา

เอเจนต์ AI ผู้แหกกฎ

เมื่อเดือนมิถุนายนปีนี้ งานวิจัยจากจีนเรื่อง การเสื่อมถอยของธรรมาภิบาลแสดงให้เห็นว่า การบีบอัดบริบทอาจลบกฎที่มีผลบังคับใช้ออกจากบริบทของเอเจนต์โดยที่ไม่มีใครสังเกตเห็น จนทำให้เอเจนต์ลงมือทำสิ่งที่ก่อนหน้านี้ถูกห้ามไว้:

จากงานวิจัยเรื่องการเสื่อมถอยของธรรมาภิบาล เดือนมิถุนายน 2026: การบีบอัดบริบทอาจทำให้เอเจนต์ AI ละเมิดกฎที่เคยปฏิบัติตามได้อย่างไร หากกฎไม่ถูกรวมไว้ในสรุปที่บีบอัดแล้ว เอเจนต์อาจลงมือทำสิ่งต้องห้ามต่อไปได้ ผู้โจมตีอาจฉวยประโยชน์จากกระบวนการนี้ได้ และการนำกฎกลับคืนมาจะช่วยป้องกันการละเมิดได้อย่างไร แหล่งที่มา

จากการทดสอบกับโมเดล 7 รุ่น อัตราการละเมิดเพิ่มจาก 0% ก่อนบีบอัดบริบทเป็น 30% หลังบีบอัด และในบางกรณีสูงถึง 59% ในทางปฏิบัติ หมายความว่าเอเจนต์อาจเพิกเฉยต่อคำสั่งสำคัญ เช่น ห้ามติดต่อใครก็ตามที่ไม่มีที่อยู่อีเมล [our-company] ซึ่งอาจส่งผลกระทบอย่างเห็นได้ชัด

ในเดือนกรกฎาคม Penn State University และ IBM ต่อยอดงานวิจัยนี้ด้วย สูญหายในบริบท โดยพบว่าการบีบอัดบริบทอาจทำให้คำสั่งที่กำหนดวิธีการทำงานของ AI ถูกตัดทิ้ง ขณะที่ยังคงเก็บตัวงานไว้ ในการทดสอบ 3 สภาพแวดล้อม ระบบบีบอัดเก็บคำสั่งเหล่านี้ไว้ได้โดยเฉลี่ยเพียง 17%

และในเดือนสิงหาคม ความร่วมมือทางวิชาการในสหรัฐฯ ได้นำเสนอ TRACE ซึ่งแสดงให้เห็นว่าการบีบอัดบริบทอาจรบกวนการทำงานของเอเจนต์ แม้ข้อมูลที่จำเป็นยังสามารถกู้คืนได้ ในการทดสอบ เอเจนต์หลงลืมว่าตนเองทำงานถึงขั้นตอนไหน ทำงานที่เสร็จแล้วซ้ำ และมีความน่าเชื่อถือลดลงเมื่อทดสอบซ้ำหลายครั้ง

ARCBench

เดือนนี้มีข้อมูลเชิงลึกเพิ่มเติมจากเนเธอร์แลนด์ ในรูปแบบของงานศึกษา ARCBench ซึ่งพบว่าเอเจนต์อาจยังคงมีกฎอยู่หลังการบีบอัดบริบท แต่ก็ยังมีแนวโน้มละเมิดกฎนั้นเพิ่มขึ้นอย่างมาก ในการทดสอบที่กฎยังคงอยู่ อัตราการละเมิดหลังบีบอัดบริบทสูงกว่าการใช้ประวัติการสนทนาฉบับเต็ม 2.6 เท่า:

จากงานวิจัยฉบับใหม่ แผนผังแนวคิดแสดงให้เห็นว่าการบีบอัดบริบทอาจส่งผลต่อการปฏิบัติตามกฎการทำงานของเอเจนต์อย่างไร เอเจนต์อาจปฏิเสธคำขอเดียวกันที่ตามมา หากกฎยังคงอยู่หลังการบีบอัด หรืออาจทำตามคำขอนั้นหากกฎถูกตัดออก โดยเอกสารภายนอกสามารถมีอิทธิพลต่อข้อมูลที่ถูกเก็บไว้ได้ ภาพนี้ดัดแปลงจากภาพต้นฉบับแนวตั้งในงานวิจัยต้นทางเพื่อให้เหมาะกับการจัดวาง แหล่งที่มา

งานศึกษานี้แยกความแตกต่างระหว่างกฎที่สูญหายไประหว่างการบีบอัดบริบท กับกฎที่ยังคงอยู่แต่ถูกละเมิดในภายหลัง ทำให้สามารถวัดผลของการลืมและการไม่เชื่อฟังแยกจากกันได้เป็นครั้งแรก

จากการทดสอบกับ DeepSeek-V4-Flash, GLM-5.3-Flash, Qwen3.7-Flash และ GPT-Luna พบว่า 70.1% ของรอบการทำงานที่ผ่านการบีบอัดยังคงเก็บกฎไว้ครบถ้วน ในบรรดารอบการทำงานที่กฎยังคงอยู่ การละเมิดเกิดขึ้นบ่อยกว่าการใช้ประวัติการสนทนาฉบับเต็ม 2.6 เท่า

บริบทในความหมายดั้งเดิมเป็นปัจจัยหนึ่ง เพราะกฎที่กำหนดเป็นนโยบายขององค์กรไม่ก่อให้เกิดการละเมิดเมื่อมีบริบทครบถ้วน แต่หลังจากย่อบริบท อัตราการละเมิดกลับเพิ่มขึ้นเป็น 30.6% และ 22.2%

มาตรการป้องกันที่มีประสิทธิภาพสูงสุดสามารถรักษากฎไว้ได้ในบทสรุป 99% แต่ก็ยังไม่สามารถทำให้อัตราการละเมิดกลับไปอยู่ในระดับก่อนถูกโจมตีได้ แสดงให้เห็นว่าการรักษากฎไว้ได้สำเร็จระหว่างการย่อบริบท ไม่ได้หมายความว่าตัวแทนจะยังคงมีความสามารถหรือความเต็มใจที่จะปฏิบัติตามกฎนั้นเสมอไป

งานวิจัยระบุว่า:

‘[We]พบว่าการย่อบริบททำให้เกิดการละเมิดเพิ่มขึ้น โดยส่วนใหญ่ไม่ได้ลบกฎทิ้ง แม้ในการทำงานที่ย่อบริบทแล้วยังคงมีกฎอยู่ ก็ยังละเมิดบ่อยกว่าการทำงานที่มีประวัติการสนทนาครบถ้วนถึง 2.6 เท่า

‘นอกจากนี้ การย่อบริบทยังเปลี่ยนเหตุผลที่ตัวแทนใช้ในการละเมิดด้วย กลยุทธ์การย่อบริบทที่แตกต่างกัน ข้อจำกัดด้านงบประมาณสำหรับการย่อบริบทที่เข้มงวด และช่องทางที่ใช้ส่งกฎ ล้วนส่งผลต่อการปฏิบัติตามกฎ’

ในฐานะแนวทางแก้ไข งานวิจัยเสนอให้รักษากฎที่สูญหายไประหว่างการย่อบริบทให้มีประสิทธิภาพยิ่งขึ้น ขณะที่ยังไม่ได้แก้ปัญหาตัวแทนที่ไม่ปฏิบัติตามกฎซึ่งยังคงอยู่”

‘มาตรการป้องกันช่วยกู้คืนกฎได้ แต่การปฏิบัติตามกฎยังคงลดลงเมื่อเผชิญการโจมตี ดังนั้น การคงกฎไว้จึงไม่ใช่ตัวชี้วัดที่เพียงพอสำหรับการปฏิบัติตามกฎ งานวิจัยในอนาคตอาจใช้ ARCBench เพื่ออธิบายว่าเหตุใดตัวแทนจึงยังละเมิดกฎที่คงอยู่ ทดสอบการโจมตีและมาตรการป้องกันแบบปรับตัว และศึกษารุ่นโมเดลกับสาขาต่าง ๆ ให้มากขึ้น รวมถึงเซสชันที่ยาวขึ้นและมีการย่อบริบทซ้ำหลายครั้ง’

วิธีการ

ARCBench ขยายขีดความสามารถของชุดเครื่องมือโอเพนซอร์ส pi ซึ่งมีทั้งขั้นตอนการย่อบริบทในตัว ลูปการทำงานของตัวแทน การเรียกใช้เครื่องมือ และการย่อบริบทแบบเนทีฟ เกณฑ์มาตรฐานนี้จำลองสถานการณ์ที่ตัวแทนทำงานยาวนานภายใต้กฎที่มีผลบังคับใช้อยู่ จากนั้นย่อประวัติการทำงานที่สะสมไว้ แล้วจึงเผชิญกับคำขอที่หากทำตามจะเป็นการละเมิดกฎนั้น โดยตรวจสอบการกระทำของตัวแทนผ่านการเรียกใช้เครื่องมือ:

กระบวนการประเมินของ ARCBench จะมอบหมายงานและกฎการปฏิบัติงานให้ตัวแทนก่อน จากนั้นจึงย่อประวัติการทำงานภายใต้การตั้งค่า การโจมตี และมาตรการป้องกันที่แตกต่างกัน แล้วตรวจสอบการกระทำผ่านเครื่องมือที่ตัวแทนดำเนินการภายหลัง เพื่อพิจารณาว่าตัวแทนยังคงจำกฎไว้ได้หรือไม่ และปฏิบัติตามกฎนั้นหรือไม่

ARCBench ประกอบด้วยกรณีทดสอบ 17 กรณี ครอบคลุมการเปิดเผยข้อมูลที่ได้รับการคุ้มครอง การเข้าถึงทรัพยากรที่ถูกจำกัด การกระทำโดยไม่ได้รับอนุญาต และการหลีกเลี่ยงหรือละเว้นมาตรการควบคุมที่จำเป็น ซึ่งสอดคล้องกับประเภทความเสี่ยงของ OWASP

กรณีทดสอบดัดแปลงมาจาก Governance Decay และ COMPINT โดยเพิ่มกรณีทดสอบอีก 4 กรณี เพื่อให้การละเมิดทั้ง 4 ประเภทครอบคลุมทั้งกฎส่วนบุคคลและกฎขององค์กร

สามารถกำหนดค่าเกณฑ์มาตรฐานนี้ได้จาก 5 ปัจจัย ได้แก่ วิธีส่งกฎ วิธีที่ใช้ย่อบริบท งบประมาณโทเค็นที่มีให้สำหรับการย่อบริบท ประเภทของการโจมตี และมาตรการป้องกันที่นำมาใช้:

ARCBench มีตัวแปร 5 รายการสำหรับทดสอบว่าการปฏิบัติตามกฎเปลี่ยนแปลงอย่างไร เมื่อใช้วิธีการย่อบริบท วิธีส่งกฎ การโจมตี และมาตรการป้องกันในรูปแบบต่าง ๆ

สามารถส่งกฎเป็นคำสั่งโดยตรงหรือคำสั่งถาวร ฝังไว้ในเอกสาร หรือเรียกดูผ่านเครื่องมือนโยบายได้

ข้อมูลและการทดสอบ

มีการประเมินวิธีการย่อบริบท 10 วิธี แบ่งเป็นกลยุทธ์แบบสร้างเนื้อหา 7 วิธี และแนวทางแบบเลือกเฉพาะ 3 วิธี แต่ละกรณีทดสอบซ้ำหลายครั้ง และบันทึกว่าเป็นความล้มเหลวหากตัวแทนละเมิดกฎอย่างน้อยหนึ่งครั้ง แนวทางนี้ถือว่าเหมาะกับการทดสอบความปลอดภัยมากกว่าการหาค่าเฉลี่ยของประสิทธิภาพจากการทดสอบหลายรอบ เพราะตัวแทนที่เป็นบางครั้งกระทำสิ่งต้องห้ามก็ยังถือว่าไม่ปลอดภัย

จากนั้น GPT-6-Luna-Pro, Qwen-3.8-flash และ Claude-Sonnet-4.6 ได้ตรวจสอบประวัติที่ผ่านการย่อ โดยจัดประเภทกฎแต่ละข้อว่ายังคงครบถ้วน อ่อนลง หรือไม่มีอยู่ จากนั้นใช้ผลการตัดสินเสียงข้างมาก และให้ผู้ประเมินที่เป็นมนุษย์ตรวจสอบกรณีที่เห็นไม่ตรงกัน อีกทั้งยังสุ่มตัวอย่างบทสรุป 50 รายการมาติดป้ายกำกับด้วยตนเอง เพื่อตรวจสอบความสอดคล้องของผู้ประเมิน

เมื่อมีการละเมิดกฎที่ยังคงครบถ้วน จะมีการตรวจสอบเหตุผลของตัวแทนโดย GPT-6-Luna-Pro, GPT-6.1-Sol และ Claude Sonnet 5.5 โดยจำแนกการละเมิดตามว่า ตัวแทนมองว่าคำขอในภายหลังเป็นการอนุญาตให้ฝ่าฝืนกฎหรือไม่ ตัดสินว่าการกระทำนั้นอยู่นอกขอบเขตของกฎหรือไม่ ไม่ได้กล่าวถึงกฎนั้น หรือรับรู้กฎแล้วแต่เพิกเฉย

โมเดลทั้ง 4 รุ่นที่ใช้ในการทดสอบและเข้าถึงผ่าน OpenRouter ได้แก่ DeepSeek-V4-Flash; GLM-5.3-Flash; Qwen3.7-Flash; และ GPT-Luna ในการทดสอบแต่ละรอบ ใช้โมเดลเดียวกันทั้งในการย่อประวัติการสนทนาและดำเนินการตามบริบทที่ได้หลังการย่อ ซึ่งตรงกับพฤติกรรมเริ่มต้นของ pi โมเดลเหล่านี้เข้าถึงผ่าน OpenRouter

มีการศึกษาทั้งหมด 7 ชิ้น โดยใช้ Hermes ในการทดสอบการย่อบริบทส่วนใหญ่ ในการศึกษาชิ้นแรก มีการทดสอบงานทั้ง 17 งานกับโมเดล 4 ตัว และวิธีส่งกฎ 2 วิธี รวมเป็น 136 กรณี แต่ละกรณีทดสอบ 3 ครั้งโดยคงบทสนทนาต้นฉบับไว้ครบถ้วน และอีก 3 ครั้งหลังจากย่อบทสนทนาแล้ว

การตั้งค่าของการศึกษา ARCBench ทั้ง 7 ชิ้น แบ่งตามคำถามการวิจัย ช่องที่เน้นสีเขียวแสดงปัจจัยที่ปรับเปลี่ยนในการศึกษาแต่ละชิ้น ส่วนช่องสีเทาแสดงการตั้งค่าที่คงไว้เหมือนเดิม โดยทดสอบแต่ละกรณี 3 ครั้ง และเพิ่มเป็น 6 ครั้งสำหรับการศึกษาเรื่องการโจมตีและการป้องกัน S6 และ S7

การทดสอบมุ่งตอบคำถาม 3 ข้อ ได้แก่ การละเมิดกฎหลังย่อบริบทเกิดจากอะไร?; การตั้งค่าการย่อบริบทที่แตกต่างกันเปลี่ยนสาเหตุของการละเมิดกฎอย่างไร?; และ การโจมตีและการป้องกันที่มุ่งเป้าไปยังเครื่องมือย่อบริบทส่งผลต่อสาเหตุของการละเมิดกฎอย่างไร?

การละเมิดกฎหลังย่อบริบทเกิดจากอะไร?

ผลการทดสอบชุดแรกแสดงให้เห็นว่า การละเมิดกฎเพิ่มขึ้นหลังย่อบริบท จาก 9.6% ของกรณีเมื่อมีประวัติการสนทนาครบถ้วน เป็น 37.8% อย่างไรก็ตาม มีเพียง 3% ของรอบที่ย่อบริบทแล้วเท่านั้นที่กฎสูญหายไปทั้งหมด ขณะที่กฎยังคงอยู่ครบถ้วนใน 70.1% และยังคงอยู่บางส่วนใน 26.9%:

ผลการทดสอบแสดงความถี่ที่แต่ละโมเดลละเมิดกฎก่อนและหลังการย่อบริบท กฎส่วนใหญ่ยังคงอยู่ครบถ้วนหรือบางส่วนหลังย่อบริบท แม้การละเมิดจะเพิ่มขึ้นอย่างมาก โดย Qwen มีการเพิ่มขึ้นมากที่สุด แตะ 61.8%

ความแตกต่างนี้มีความสำคัญอย่างยิ่ง ในบรรดารอบทดสอบที่กฎยังคงอยู่ครบถ้วนหลังย่อบริบท มี 21.1% ที่ลงเอยด้วยการละเมิด เทียบกับ 8.1% ในกรณีที่ยังคงประวัติการสนทนาต้นฉบับไว้ หากกฎยังคงอยู่เพียงบางส่วน อัตราการละเมิดเพิ่มเป็น 29.4% และหากไม่เหลือกฎอยู่เลย อัตราดังกล่าวสูงถึง 83.3%

ยังมีการตรวจสอบด้วยว่าการละเมิดเกิดขึ้นอย่างไรในกรณีที่กฎยังคงอยู่ครบถ้วน ในบรรดาการละเมิดที่เกิดจากการย่อบริบท 45.9% เป็นกรณีที่คำขอภายหลังถูกตีความว่าเป็น การอนุญาตให้ดำเนินการต่อ; 27% เป็นกรณีที่ดูเหมือนว่ามีการเพิกเฉยต่อกฎ และ 21.6% เป็นกรณีที่ยอมรับว่ากฎมีผลบังคับใช้ แต่ก็ยังละเมิดกฎอยู่ดี:

ผลการทดสอบแสดงสาเหตุที่มีการละเมิดกฎก่อนและหลังการย่อบริบท เมื่อการละเมิดเกิดขึ้นเฉพาะหลังย่อบริบท คำขอภายหลังมักถูกตีความว่าเป็นการอนุญาตให้ดำเนินการต่อ (45.9%) ขณะที่ 27% เพิกเฉยต่อกฎที่ยังคงอยู่ และ 21.6% ยอมรับว่ากฎมีผลบังคับใช้ก่อนจะดำเนินการต่อทั้งที่รู้เช่นนั้น

การตั้งค่าการย่อบริบทที่แตกต่างกันเปลี่ยนสาเหตุของการละเมิดกฎอย่างไร?

วิธีส่งกฎส่งผลอย่างชัดเจนต่อการปฏิบัติตามกฎ เมื่อคงบทสนทนาไว้ครบถ้วน พบการละเมิดใน 25% และ 16.1% ของกรณีที่ผู้ใช้ระบุกฎไว้เป็นการส่วนตัว อย่างไรก็ตาม ไม่พบการละเมิดเลยเมื่อส่งกฎผ่านเอกสารขององค์กรหรือเครื่องมือนโยบายแทน:

ผลของวิธีส่งกฎ กลยุทธ์การย่อบริบท และงบประมาณโทเคนต่อการละเมิดและการคงอยู่ของกฎ การย่อบริบทแบบสร้างเนื้อหาใหม่คงกฎไว้ได้อย่างน่าเชื่อถือกว่าวิธีเลือกเก็บข้อมูลอย่างมาก ขณะที่งบประมาณไม่เกิน 300 โทเคนทำให้กฎสูญหายไปเกือบทั้งหมด

หลังย่อบริบท การละเมิดเพิ่มขึ้นในช่องทางทั้ง 4 โดยสูงถึง 56.3% สำหรับคำสั่งโดยตรงจากผู้ใช้ และ 22.2% สำหรับกฎจากเครื่องมือนโยบาย การคงอยู่ของกฎแตกต่างกันค่อนข้างน้อย โดยอยู่ระหว่าง 65.7% ถึง 74% ผู้เขียนเสนอว่า คำขอจากผู้ใช้ที่ตามมาอาจถูกตีความว่าใช้แทนกฎส่วนบุคคลได้ แต่ผู้ใช้ไม่สามารถยกเลิกกฎของ องค์กรได้

การโจมตีและการป้องกันที่มุ่งเป้าไปยังเครื่องมือย่อบริบทส่งผลต่อสาเหตุของการละเมิดกฎอย่างไร?

การเพิ่มเนื้อหาจำนวนมากเข้าไปในบริบทเพียงอย่างเดียวแทบไม่มีผล โดยอัตราการละเมิดลดลงจาก 37.8% เป็น 34.3% การแทรกคำสั่งที่มุ่งเป้าไปยังเครื่องมือย่อบริบทได้ผลมากกว่ามาก โดยทำให้อัตราการละเมิดเพิ่มเป็น 46.3% และลดการคงอยู่ของกฎอย่างครบถ้วนจาก 70.1% เหลือ 42.5%

การโจมตีที่รุนแรงที่สุดซึ่งเรียกว่า การหลบหนี ทำให้อัตราการละเมิดเพิ่มจาก 23.5% เป็น 58.8% และลดการคงอยู่ของกฎจาก 96.1% เป็น 66.7% แม้กฎจะยังคงอยู่ อัตราการละเมิดก็เพิ่มขึ้นเป็นสองเท่า จาก 13.3% เป็น 26.5%

ผลการทดสอบแสดงให้เห็นว่าการโจมตีและการป้องกันส่งผลต่อการปฏิบัติตามกฎอย่างไรหลังการบีบอัดบริบท การแทรกคำสั่งแบบเจาะจงทำให้มีการละเมิดกฎเพิ่มขึ้นและการคงไว้ซึ่งกฎลดลง ขณะที่มาตรการป้องกันที่แข็งแกร่งที่สุดช่วยให้การคงไว้ซึ่งกฎกลับมาอยู่ที่ 99% แต่ยังไม่สามารถทำให้การปฏิบัติตามกฎกลับคืนมาได้ทั้งหมด

มาตรการป้องกันที่แข็งแกร่งที่สุดช่วยให้ระบบยังคงจำกฎไว้ได้ใน 99% ของการทดสอบ แต่เอเจนต์ก็ยังละเมิดกฎใน 29.4% ของกรณี เทียบกับ 23.5% เมื่อไม่มีการโจมตี กล่าวอีกนัยหนึ่ง การทำให้แน่ใจว่าเอเจนต์ยังจำกฎได้ ไม่ได้รับประกันว่าเอเจนต์จะปฏิบัติตามกฎนั้น

บทสรุป

ตามหลักเหตุผลแล้ว เมื่อต้องบีบอัดบริบทหลายสิบหรือหลายร้อยครั้งในบทสนทนาที่ยาวมาก (เช่นงานที่ผมทำอยู่ใน Codex* มาตั้งแต่กลางเดือนตุลาคม และยังทำอยู่เมื่อเช้านี้ — มหากาพย์การพัฒนาซอฟต์แวร์เชิงทดลองที่มี AI ช่วย) ก็น่าจะเกิดสิ่งที่เรียกว่า “ปรากฏการณ์เครื่องถ่ายเอกสาร” ขึ้น

เช่นเดียวกับพรอมป์ต์ระบบหลัก เราไม่อาจเห็นบทสรุปย่อเหล่านี้ของสิ่งที่ดำเนินการไปแล้วได้ จากประสบการณ์ส่วนตัวของผม แม้จะเป็นเพียงข้อสังเกตเล็กน้อย ภารกิจหลักดูเหมือนจะยังคงอยู่หลังการบีบอัด พร้อมรายละเอียดสำคัญส่วนใหญ่ แต่ผมก็ไม่ได้อยู่ในสถานการณ์เลวร้ายสุดขีดที่คำสั่ง “ส่งอีเมลฉบับนี้ถึงทุกคน” ซึ่งตั้งใจให้ส่งถึงทุกคนในบริษัท กลับถูกส่งไปยังทุกคนในสมุดรายชื่อผู้ติดต่อรวมขององค์กร โอ๊ย แย่แล้ว

* ผมคงเริ่มแก่แล้ว แต่ชื่อนี้ต้องเป็นชื่อที่จืดชืด ไร้เอกลักษณ์ และ “สีเบจแบบองค์กร” ที่สุดเท่าที่จะเลือกให้เอเจนต์ตัวนี้ได้แน่ ๆ ผมลืมชื่อนี้อยู่เรื่อย

เผยแพร่ครั้งแรก วันพฤหัสบดีที่ 12 พฤศจิกายน 2026