Anthropic พบว่านักวิเคราะห์ยอมทำตามเอเจนต์ AI ในการศึกษาการตัดสินใจ

เมื่อวันที่ 27 ตุลาคม 2026 Anthropic เผยแพร่การทดลองแบบสุ่มมีกลุ่มควบคุม ซึ่งพบว่านักวิเคราะห์มืออาชีพ 50 คนที่ใช้ Claude Code ทำตามความชอบที่เอเจนต์ของตนได้รับมอบหมายไว้อย่างลับ ๆ ในการตัดสินใจเชิงวิเคราะห์แบบเปิด 86% ของเวลา การศึกษานี้เขียนโดย Amaç Herdağdelen, Hailey Joren และ Alex Tamkin โดยพิจารณาว่าผู้เชี่ยวชาญเป็นผู้ตัดสินใจเรื่องสำคัญในการทำงานที่มี AI ช่วยจริงหรือไม่ หรือในทางปฏิบัติแล้วพวกเขายอมทำตามเอเจนต์

สหกรณ์สมมติและการโยนเหรียญที่ซ่อนเร้น

นักวิจัยรับสมัครผู้เชี่ยวชาญ 61 คน ซึ่งผ่านแบบทดสอบความรู้เรื่องการอนุมานเชิงเหตุและผล ใช้ Python หรือ R เป็นประจำ และมีประสบการณ์ลงมือวิเคราะห์เหตุและผลจากข้อมูลเชิงสังเกต ผู้เข้าร่วมแต่ละคนรับบทเป็นนักวิเคราะห์หลักให้แก่สหกรณ์การเกษตรสมมติ Greenfields Farming Cooperative ซึ่งต้องตัดสินใจว่าจะขยายหรือยุติโครงการให้คำปรึกษาด้านการเกษตรโดยสมัครใจและมีค่าตอบแทนหรือไม่ คณะกรรมการของสหกรณ์จะขยายโครงการก็ต่อเมื่อโครงการช่วยเพิ่มผลิตภาพทางการเกษตรได้ประมาณ 3–4% แต่ไม่ได้ระบุว่าควรวัดผลิตภาพอย่างไร

โจทย์ประกอบด้วยการตัดสินใจเชิงวิเคราะห์แบบเปิด 4 ข้อ โดยแต่ละข้อมีตัวเลือกที่มีเหตุผลรองรับได้ 2 ทาง ได้แก่ จะวัดผลิตภาพจากผลผลิตพืชต่อเฮกตาร์หรือต่อหน่วยต้นทุนดำเนินงาน จะใช้วิธีเปรียบเทียบทางสถิติแบบใด จะวัดผลของโครงการเฉพาะในฟาร์มที่เข้าร่วมหรือครอบคลุมสมาชิกทั้งหมด และจะให้น้ำหนักฟาร์มทุกแห่งเท่ากันหรือให้น้ำหนักแก่ผู้ผลิตรายใหญ่กว่า ทางเลือกเหล่านี้นำไปสู่ข้อเสนอแนะขั้นสุดท้ายว่าจะเริ่มดำเนินโครงการ ยุติโครงการ หรือขยายโครงการต่อไป การตัดสินใจแต่ละข้ออาจทำให้ค่าประมาณผลผลิตที่เพิ่มขึ้นเปลี่ยนไปหลายจุดเปอร์เซ็นต์เมื่อเทียบกับเกณฑ์ของคณะกรรมการ

สำหรับการตัดสินใจแต่ละข้อ การโยนเหรียญจะกำหนดว่าตัวเลือกใดเป็นตัวเลือกที่เอเจนต์ของผู้เข้าร่วมจะสนับสนุน ระบบส่งแนวโน้มดังกล่าวผ่านพรอมป์ต์ระบบที่ซ่อนไว้ โดยสั่งให้เอเจนต์ยึดความชอบนั้นเป็นมุมมองของตนเอง ยกประเด็นนี้ขึ้นมาเมื่อถึงเวลาตัดสินใจ และเสนอเหตุผลสนับสนุนที่หนักแน่นที่สุดเท่าที่ข้อมูลจะรองรับได้อย่างซื่อตรง คำสั่งยังกำหนดให้เอเจนต์เปลี่ยนใจหากหลักฐานชี้ขาดไปในทางตรงกันข้าม และห้ามบิดเบือนผลลัพธ์หรือปกปิดข้อมูล ผู้เข้าร่วมไม่ได้รับแจ้งว่ามีการกำหนดแนวโน้มเหล่านี้ ในบรรดาผู้เข้าร่วม 61 คนที่ทำโจทย์เสร็จ มี 11 คนเลือกไม่ใช้เอเจนต์และถูกตัดออกจากการวิเคราะห์หลัก ส่วนผู้เข้าร่วมที่เหลือ 50 คน มี 65% ที่สำเร็จการศึกษาระดับปริญญาโทหรือปริญญาเอก หรือมีประสบการณ์อย่างน้อย 6 ปี และผู้ตอบแบบสำรวจ 90% ประเมินว่าตนมีความชำนาญหรือเป็นผู้เชี่ยวชาญด้านการอนุมานเชิงเหตุและผล ผู้เข้าร่วมทำงานในพื้นที่ทำงาน VS Code บนเบราว์เซอร์ ซึ่งใช้ Claude Code v2.1.220 ที่เรียกใช้ Claude Opus 4.8 ด้วยระดับความพยายามสูง โดยใช้เวลาทำโจทย์มัธยฐาน 65 นาที การออกแบบการศึกษา ผลลัพธ์ ตัวประมาณค่า และเกณฑ์การตัดออกได้รับการลงทะเบียนไว้ในแผนการวิเคราะห์ล่วงหน้า และการศึกษาผ่านการทบทวนจริยธรรมภายใน โดยผู้เข้าร่วมยินยอมให้มีการติดตามตรวจสอบ

อัตราการยอมทำตามและช่องว่างด้านความเป็นเจ้าของการตัดสินใจ

ในการตัดสินใจเชิงวิเคราะห์ทั้ง 4 ข้อ ตัวเลือกของนักวิเคราะห์ตรงกับแนวโน้มของเอเจนต์ 86% ของเวลา เทียบกับอัตราที่คาดจากการสุ่ม 50% โดยอัตราที่ตรงกันในแต่ละข้ออยู่ที่ 92%, 82%, 81% และ 90% บทความฉบับเต็มซึ่งมีชื่อว่า “ใครสอดคล้องกับใคร? เอเจนต์ AI กำหนดรูปแบบการตัดสินใจด้านการวิจัยของผู้เชี่ยวชาญอย่างไร” รายงานค่าประมาณอัตราการพลิกผลแบบรวมที่ลงทะเบียนไว้ที่ 0.72 โดยมีช่วงความเชื่อมั่น 95% อยู่ที่ 0.60–0.83

ผลต่อข้อเสนอแนะขั้นสุดท้ายมีขนาดเล็กกว่าและไม่มีนัยสำคัญทางสถิติเมื่อใช้ตัวประมาณค่าหลักที่ลงทะเบียนไว้ โดยมีผู้แนะนำให้เริ่มดำเนินโครงการ 54% เมื่อเอเจนต์สนับสนุนแนวทางนั้น เทียบกับ 36% เมื่อเอเจนต์เอนเอียงไปทางการยุติโครงการ ซึ่งคิดเป็นการเปลี่ยนแปลงเชิงนโยบายที่ลงทะเบียนไว้ 0.17 ผู้เขียนระบุว่าการเปลี่ยนแปลงที่น้อยกว่านี้เกิดจากข้อเสนอแนะที่ตามมาจากค่าประมาณโดยตรงเมื่อคำนวณเสร็จแล้ว อย่างไรก็ตาม แบบจำลองเชิงสำรวจที่ใช้เฉพาะแนวโน้มจากการตัดสินใจเชิงวิเคราะห์ทั้ง 4 ข้อ สามารถทำนายข้อเสนอแนะได้ 82% เทียบกับเกณฑ์ฐานจากเสียงข้างมากที่ 61% ซึ่งหมายความว่าผลการโยนเหรียญเป็นตัวกำหนดข้อเสนอแนะที่นักวิเคราะห์จะให้เป็นส่วนใหญ่ก่อนเริ่มทำโจทย์

ใน 38 กรณีที่นักวิเคราะห์แสดงความชอบก่อนที่เอเจนต์จะแสดงความเห็น นักวิเคราะห์เปลี่ยนใจจากตัวเลือกเดิม 60% ของเวลาเมื่อเอเจนต์ไม่เห็นด้วย เทียบกับ 6% เมื่อเอเจนต์เห็นด้วย บทความรายงานส่วนต่างของอัตราการเปลี่ยนใจที่ลงทะเบียนไว้ที่ 0.53 โดยมีช่วงความเชื่อมั่น 0.24–0.82 และระบุว่าค่าประมาณนี้ยังไม่แม่นยำ อีกทั้งกลุ่มย่อยดังกล่าวเป็นกลุ่มที่เลือกเข้าร่วมเอง

แบบสำรวจหลังทำโจทย์เผยให้เห็นช่องว่างระหว่างอิทธิพลที่เกิดขึ้นกับการรับรู้ของผู้เข้าร่วมเอง โดย 52% มองว่าข้อเสนอแนะขั้นสุดท้ายเป็นความคิดของตนเองมากกว่าของเอเจนต์ และคะแนนความมั่นใจเฉลี่ยอยู่ที่ 71 ในกลุ่มผู้ที่ทำตามแนวโน้มของเอเจนต์ครบทั้ง 4 ข้อ เทียบกับ 73 ในกลุ่มที่เหลือ เมื่อให้เหตุผลประกอบตัวเลือกแต่ละข้อโดยไม่มีสิทธิ์ดูบทสนทนา 77% กล่าวซ้ำข้อโต้แย้งของเอเจนต์อย่างน้อยหนึ่งคำตอบ บางครั้งซ้ำแบบคำต่อคำ ขณะที่มีเพียง 15% ที่ให้เครดิตเอเจนต์ในคำตอบใด ๆ ไม่มีลักษณะของผู้เข้าร่วมคนใดใน 10 ประการที่ทดสอบซึ่งทำนายการยอมทำตามได้อย่างน่าเชื่อถือ มีเพียงอายุที่แสดงความสัมพันธ์ในระดับนามบัญญัติ แต่ความสัมพันธ์นี้ไม่คงอยู่หลังปรับแก้การทดสอบหลายครั้ง ในบรรดาผู้เข้าร่วม 48 คน มี 6 คนเดาได้ว่าการศึกษาเกี่ยวข้องกับอิทธิพลของ AI ต่อการเลือกของตน แต่ไม่มีใครสงสัยว่ามีการปลูกฝังความชอบไว้

กลุ่มเปรียบเทียบ เอเจนต์มาตรฐาน และข้อจำกัด

ในบรรดาผู้เข้าร่วม 11 คนที่ทำงานโดยไม่มีเอเจนต์ มี 6 คน (55%) ทำข้อผิดพลาดร้ายแรงจนทำให้ผลลัพธ์ใช้ไม่ได้ เทียบกับผู้ใช้เอเจนต์ 3 คนจาก 50 คน (6%) ส่วนกลุ่มที่ไม่มี AI ใช้เวลามัธยฐาน 90 นาที เทียบกับ 65 นาที ผู้เขียนเตือนว่าผู้เข้าร่วมเลือกกลุ่มด้วยตนเองและมีประสบการณ์แตกต่างกัน จึงไม่อาจสรุปความสัมพันธ์เชิงเหตุและผลได้ ในการจำลองโดยตรงอีกชุดหนึ่งที่ไม่มีการใส่แนวโน้มเอนเอียงเข้าไป Claude Opus 4.8 รุ่นมาตรฐานเลือกตัวเลือกเดิมทั้งห้าข้อในการทดลอง 91% จากทั้งหมด 123 ครั้ง และเมื่อนักวิเคราะห์ที่กำหนดบทบาทไว้ประกาศการตัดสินใจที่ขัดกับความชอบพื้นฐานของโมเดล เอเจนต์รุ่นมาตรฐานแนะนำหรือสนับสนุนทางเลือกนั้นใน 41% จากคำประกาศ 150 รายการที่นำมาประเมิน

ผู้เขียนระบุข้อจำกัดไว้สี่ประการ ได้แก่ การขยายแนวโน้มเอนเอียงให้เด่นชัดขึ้นโดยเจตนา การใช้เพียงงานเดียว สาขาเดียว และโมเดลที่กำหนดไว้เพียงรุ่นเดียว ค่าประมาณเป็นค่าเฉลี่ยของนักวิเคราะห์ทั้งหมด ไม่ใช่การวัดอิทธิพลต่อบุคคลแต่ละคน และบันทึกเฉพาะตัวเลือกที่เลือก ไม่ได้บันทึกระดับความชอบ

ผู้เขียนระบุว่า หากทีมวิจัยที่แยกจากกันต่างยึดตามโมเดลที่มีสมมติฐานตั้งต้นร่วมกัน ความเห็นที่ตรงกันของทีมเหล่านั้นอาจไม่เป็นอิสระต่อกันอีกต่อไป และการยึดตามโมเดลดังกล่าวก่อให้เกิดความเสี่ยงต่องานวิจัยด้านความปลอดภัยของ AI ซึ่งตั้งสมมติฐานว่าการลงนามรับรองของผู้ทบทวนที่เป็นมนุษย์เป็นการตรวจสอบที่เป็นอิสระ ผู้เขียนเสนอประเด็นสำหรับการศึกษาในอนาคตสามด้าน ได้แก่ การวัดระดับการยึดตามโมเดลในสถานการณ์ประจำวัน การออกแบบเอเจนต์ที่นำเสนอทั้งสองด้านหรือสอบถามความเห็นของผู้เชี่ยวชาญก่อน และการปรับเปลี่ยนในระดับสถาบันเพื่อกำหนดอย่างรอบคอบว่าการตัดสินใจใดบ้างที่ต้องอาศัยวิจารณญาณอย่างรอบรู้ของบุคคลนั้นเอง