บุคลิกของ AI คือสิ่งที่สำคัญทั้งๆ ที่มี IQ ที่สูง — และจะทำให้การนำไปใช้ในองค์กรสำเร็จหรือล้มเหลว

บริษัทส่วนใหญ่ยังคงเลือกโมเดล AI ตามมาตรฐานที่กำหนด ในทางปฏิบัติแล้ว สิ่งนี้ไม่ใช่สิ่งที่决定ว่าระบบเหล่านั้นจะทำงานได้หรือไม่

จนถึงตอนนี้ การสนทนาเกี่ยวกับโมเดลภาษาขนาดใหญ่ในองค์กรส่วนใหญ่ยังคง ถูกครอบงำโดยมาตรฐาน ทีมงานมุ่งเน้นไปที่ประสิทธิภาพที่วัดได้ เช่น โมเดลใดที่ฉลาดที่สุด โมเดลใดที่ดีที่สุดในการเขียนโค้ด โมเดลใดที่แม่นยำที่สุดในการสรุป หรือในเหตุผลทางคณิตศาสตร์

แต่เมื่อทีมงานเริ่มเคลื่อนออกจากขั้นตอนการทดลองและลงมือในการนำไปใช้จริงในระดับใหญ่ ปัจจัยสำคัญอื่นๆ ที่ถูกมองข้ามโดย CEO ส่วนใหญ่จะพิสูจน์ว่าเป็นปัจจัยที่สำคัญทั้งๆ ที่มีผลกระทบต่อความสำเร็จของธุรกิจ

การหางานของ AI

ความฉลาดและความสามารถในการวิเคราะห์เป็นสิ่งสำคัญ แต่ ตัวแปรที่ถูกมองข้ามมากที่สุดในด้านการนำ AI ไปใช้ในองค์กรคือบุคลิก บุคลิกในบริบทของโมเดลภาษาขนาดใหญ่หมายถึงเสียง สไตล์ และพฤติกรรมที่สม่ำเสมอซึ่งโมเดลแสดงออกมาในระหว่างการโต้ตอบ มันคือสิ่งที่ทำให้ AI รู้สึกสอดคล้องและเชื่อถือได้

เมื่อนำ AI ไปใช้ ธุรกิจจำเป็นต้องใช้แนวทางเดียวกับที่ใช้เมื่อจ้างพนักงานคนใหม่: ประเมินไม่เพียงแต่ว่าโมเดลสามารถทำงานได้ดีเพียงใด แต่ยังรวมถึงทัศนคติของมันต่องาน วิธีการสื่อสาร และวิธีที่มันเข้ากันได้กับกระบวนการทำงานที่ใหญ่ขึ้น

ความสามารถของโมเดลในการรักษาความสม่ำเสมอ ตอบสนองอย่างเหมาะสม และจัดการความแตกต่างในบริบทต่างๆ สามารถมี ผลกระทบอย่างมีนัยสำคัญต่อผลลัพธ์ของธุรกิจ AI ที่มีความฉลาดทางเทคนิคแต่ตอบสนองช้า มีการเปลี่ยนแปลงในโทน หรือจัดการกับการโต้ตอบที่ละเอียดอ่อนไม่ดีสามารถนำไปใช้ไม่ถูกต้องโดยธุรกิจ ทำให้ผู้ใช้หงุดหงิด ลดการมีส่วนร่วม และสุดท้ายลดประสิทธิภาพของ AI และความสำเร็จของธุรกิจ

สิ่งนี้มีความสำคัญอย่างยิ่งในอุตสาหกรรม เช่น การสนับสนุนลูกค้า การเข้าถึงทางการเมือง หรือการสื่อสารภายใน เนื่องจากการเปลี่ยนแปลงเล็กๆ น้อยๆ ในโทนหรือคำพูดระหว่างการตอบสนองสามารถทำให้เกิดความสับสน ลดความไว้วางใจ และลดการมีส่วนร่วมโดยรวม

เช่นเดียวกับมนุษย์ ไม่มีโมเดลที่สมบูรณ์แบบที่สามารถเอาชนะคู่แข่งในทุกหมวดหมู่ โมเดลบางตัวดีกว่าในการทำงานวิเคราะห์ เช่น การเขียนโค้ดหรือคณิตศาสตร์ ในขณะที่โมเดลอื่นๆ ทำได้ดีกว่าในการเขียนเชิงสนทนาและสรุปการประชุม

แต่ความท้าทายสำหรับทีมที่สร้างระบบบนโมเดลเหล่านี้คือลักษณะเหล่านี้ไม่ใช่สิ่งที่ตายตัว

เป้าหมายที่เคลื่อนไหว

ภูมิทัศน์ของ AI กำลังพัฒนาเร็วกว่าที่องค์กรส่วนใหญ่สามารถตามทันได้ โมเดลใหม่ๆ ถูกปล่อยออกมาอย่างต่อเนื่อง และคุณลักษณะการทำงานสามารถเปลี่ยนแปลงจากรุ่นหนึ่งไปอีกรุ่นหนึ่ง ซีรีส์โมเดล Gemini ของ Google เป็นตัวอย่างล่าสุด

Gemini 2.0 Pro ถูกปล่อยออกมาในเดือนกุมภาพันธ์ 2025 และได้รับการยกย่องว่าเป็น โมเดลธงสำหรับนักพัฒนาและองค์กร ที่ใช้สำหรับการเขียนโค้ดและคำสั่งซับซ้อนระดับโลก

มันมาพร้อมกับหน้าต่างบริบทที่ใหญ่ที่สุดเท่าที่ Google曾นำเสนอ มีขนาด 2 ล้านโทเค็น ซึ่งช่วยให้สามารถวิเคราะห์และเข้าใจข้อมูลจำนวนมากพร้อมกัน และสามารถใช้เครื่องมือเช่น Google Search และเขียนโค้ดได้

สำหรับทีมที่สร้างระบบที่ต้องการประมวลผลข้อมูลจำนวนมากอย่างรวดเร็วและแม่นยำ ดูเหมือนว่าจะเป็นตัวเลือกที่ชัดเจน แต่ภายในไม่กี่สัปดาห์ Google ได้ปล่อย Gemini 2.5 Pro ซึ่ง พุ่งไปข้างหน้าและแซงหน้าโมเดลก่อนหน้า ด้วยการปรับปรุงในด้านการเขียนโค้ด คณิตศาสตร์ และวิทยาศาสตร์

ในชั่วข้ามคืน โมเดลที่เพิ่งจะเป็นตัวเลือกที่ดีที่สุดในตลาดก็ถูกแทนที่โดยโมเดลใหม่ไม่ถึงสองเดือนหลังจากการเปิดตัว แต่นักพัฒนาที่ใช้งานในระยะแรกสังเกตเห็นว่าการเปลี่ยนแปลงไม่ใช่แค่การปรับปรุงหรือการวิเคราะห์ — บุคลิกของ Gemini ถูกเปลี่ยนแปลงไปในคืนเดียว นักพัฒนามากคนกล่าวว่า AI ดูเหมือนจะถูก “ลบสมอง” หลังการอัปเดต

พวกเขาแย้งว่า AI ดูเหมือนจะ “โง่ลง” จริงๆ — ตอบสนองช้าลง ผลลัพธ์ที่ไม่สอดคล้อง และแสดงความไม่สอดคล้องในการจัดการคำสั่งที่เคยไม่มีปัญหาและงานที่เคยรู้สึกสอดคล้องกัน

และนี่คือจุดที่กลยุทธ์ของบริษัทในการใช้ AI เริ่มเปลี่ยนแปลงไปอย่าง根本

พ้นไปจากมาตรฐาน

บนกระดาษ Gemini 2.5 Pro ควรเป็นผู้ชนะที่ชัดเจนด้วยการปรับปรุงความสามารถและความปลอดภัย

แต่ในทางปฏิบัติ การเปลี่ยนแปลงเหล่านั้นเปลี่ยนแปลงวิธีการทำงานของโมเดลอย่างสิ้นเชิง ตอบสนอง และโต้ตอบ ทำให้ทีมที่เพิ่งใช้จ่ายเงินจำนวนมากและใช้เวลานานในการสร้างระบบบนโมเดลเหล่านี้ต้องกลับไปเริ่มต้นใหม่หากความสามารถใหม่ของโมเดลไม่สอดคล้องกับกระบวนการทำงานที่มีอยู่

แม้การเปลี่ยนแปลงเล็กๆ น้อยๆ ในพฤติกรรมก็สามารถทำให้ระบบที่สร้างขึ้นบนความสม่ำเสมอและความคาดการณ์ไม่เสถียรได้ สิ่งนี้สร้างความเสี่ยงในการดำเนินงานจริงๆ หากธุรกิจถูกผูกไว้กับโมเดลเดียว เนื่องจากการอัปเดตใดๆ สามารถนำไปสู่ความไม่เสถียรทันทีสำหรับทีมที่พึ่งพาระบบเหล่านี้

เพื่อตอบโต้สิ่งนี้ บริษัทหลายแห่งที่มีวิสัยทัศน์กว้าง เริ่มใช้กลยุทธ์แบบหลายโมเดล โดยส่งงานที่แตกต่างกันไปยังโมเดลที่เหมาะสมที่สุดสำหรับงานนั้น แทนที่จะพึ่งพาโมเดลเดียวเพื่อจัดการทุกอย่าง

แนวทางนี้ไม่เพียงแต่ปรับปรุงประสิทธิภาพตามงานแต่ละงาน แต่ยังลดความเสี่ยงในการใช้ AI ด้วย เนื่องจากหากโมเดลหนึ่งเสื่อมลงหลังการอัปเดต มันจะไม่นำระบบทั้งหมดที่พึ่งพามันลงไปด้วย เนื่องจากมีโมเดลอื่นที่พร้อมใช้งาน

โดยสรุป บุคลิกและความน่าเชื่อถือของ AI มีความสำคัญไม่แพ้ความฉลาดของมันเมื่อพูดถึงการนำไปใช้ในสภาพแวดล้อมการทำงานเพื่อทำงานต่างๆ สิ่งนี้แสดงถึงการเปลี่ยนแปลงพื้นฐานวิธีที่ธุรกิจไม่เพียงแต่ซื้อ “เครื่องมือที่ฉลาดกว่า” แต่ยังสร้างและจัดการโครงสร้างระบบดิจิทัลทั้งหมด

เพื่อให้ธุรกิจไม่เพียงแต่เอาชีวิตรอด แต่ยังเติบโตในภูมิทัศน์ทางธุรกิจในปัจจุบัน ทีมงานจำเป็นต้องสร้างกระบวนการที่สามารถเปลี่ยนโมเดลที่แตกต่างกันไปตามงาน และติดตามการอัปเดตอย่างต่อเนื่องเพื่อดูว่าสิ่งเหล่านั้นส่งผลต่อประสิทธิภาพและคุณภาพการโต้ตอบอย่างไร

ในที่สุด โมเดลเหล่านี้จะยังคงพัฒนาไปอย่างรวดเร็วในอัตราที่ยากต่อการตามทัน แต่ธุรกิจที่วางแผนสำหรับการเปลี่ยนแปลง สร้างความหลากหลาย และรับมือกับ AI ทั้งๆ ที่เป็นเครื่องมือและเพื่อนร่วมงาน จะเป็นธุรกิจที่เปลี่ยนการเปลี่ยนแปลงเหล่านี้ให้เป็นข้อได้เปรียบในการแข่งขัน