ผู้นำทางความคิด
การทำลายวงจร: วิธีการที่องค์กรสามารถหลีกเลี่ยง Doomprompting และส่งมอบความสำเร็จ

ประเด็นสำคัญระบบเอไอแบบเอเจนซี่สามารถจัดการงานที่ซับซ้อนได้ด้วยตนเอง…
ดูเพิ่มเติม
- ระบบเอไอแบบเอเจนซี่สามารถจัดการงานที่ซับซ้อนได้ด้วยตนเอง และขจัดความจำเป็นในการป้อนคำสั่งซ้ำๆ ซึ่งเป็นสาเหตุของการป้อนคำสั่งทำลายล้าง (doomprompting)
- การสร้างกรอบธรรมาภิบาลที่แข็งแกร่งมีความสำคัญอย่างยิ่ง เพื่อให้โครงการเอไอสอดคล้องกับเป้าหมายทางธุรกิจ และป้องกันวงจรการปรับแต่งที่ไม่มีที่สิ้นสุด
- การฝึกอบรมพนักงานเกี่ยวกับการป้อนคำสั่งที่เหมาะสมและการตั้งเป้าหมายที่ชัดเจน ช่วยหลีกเลี่ยงงานที่ไม่มีคุณภาพ (workslop) และผลตอบแทนที่ลดลงจากการปรับแต่งมากเกินไป
นับตั้งแต่แนวคิดที่เป็นทางทฤษฎีในคริสต์ทศวรรษ 1950 ปัญญาประดิษฐ์ (AI) ได้เปิดโอกาสให้ธุรกิจได้สัมผัสกับโอกาสและผลผลิตที่เพิ่มขึ้นผ่านเทคนิคต่างๆ โดยเฉพาะระบบการเรียนรู้ของเครื่องจักร เหล่านี้ได้ปรับปรุงการคาดการณ์และการตัดสินใจ ซึ่งเป็นพื้นฐานสำหรับการพัฒนาทางเทคนิคในอนาคต ในช่วงไม่นานมานี้ Generative AI ได้สัญญาว่าจะเปลี่ยนแปลงทุกสิ่งที่เรารู้เกี่ยวกับการทำงาน และได้ทำให้ประสบการณ์ AI เปิดกว้างสำหรับทุกคน ผู้ใช้สามารถโต้ตอบกับโมเดล AI เช่น ChatGPT ผ่าน “การเขียนพรอมป์ต์” โดยที่บุคคลหนึ่งโต้ตอบไปมากับโมเดล AI อย่างไรก็ตาม ความสามารถเหล่านี้ก็มาพร้อมกับความท้าทายใหม่: Doomprompting ซึ่งเทียบเท่ากับการเลื่อนหน้าเว็บอย่างไม่มีจุดมุ่งหมาย ทำให้ผู้ใช้ติดอยู่ในหลุมกระต่าย แต่เมื่อใช้ AI หลุมกระต่ายนี้สามารถโต้ตอบกลับได้ การปรับแต่งพรอมป์ต์อย่างต่อเนื่องทั้งสำหรับโมเดลแบบสร้างเนื้อหาและแบบเอเจนต์ เพื่อให้ได้ผลลัพธ์สมบูรณ์แบบ หรือบางครั้งโดยไม่มีเป้าหมายที่แน่ชัด ส่งผลให้ต้นทุนเพิ่มขึ้นและผลตอบแทนที่ลดลง ทำให้เกิดอุปสรรคสำคัญต่อความสำเร็จ และทำให้การนำเทคโนโลยี AI มาใช้ไม่มีประโยชน์
เมื่อธุรกิจเพิ่มงบประมาณที่เกี่ยวข้องกับ AI ผู้ตัดสินใจจำเป็นต้องเข้าใจเส้นทางสู่ผลตอบแทนที่แท้จริงจากการลงทุนและคุณค่าที่สร้างขึ้น รายงานปี 2025 จาก IEEE เรื่อง “ต้นทุนแฝงของ AI: ความไร้ประสิทธิภาพเล็กน้อยสะสมกันได้อย่างไร” แสดงให้เห็นว่าการปรับเปลี่ยนเล็กๆ น้อยๆ สามารถสะสมเป็นภาระทางเศรษฐกิจที่สำคัญได้อย่างไร เพื่อหลีกเลี่ยงการกลายเป็นส่วนหนึ่งของการดิ้นรนที่มีค่าใช้จ่ายนี้ องค์กรจะต้องปรับปรุงการฝึกอบรมพนักงานโดยใช้ LLMs เพื่อให้ได้ผลตอบแทนจากการลงทุนใน AI ที่ดีที่สุด
AI ที่สร้างสรรค์นำมาซึ่งความหวังของการปรับปรุงและความมีประสิทธิภาพ อย่างไรก็ตาม เมื่อทีมติดอยู่ในวงจรของการปรับปรุงอย่างไม่มีที่สิ้นสุด (หรือการเดินอย่างไม่มีเป้าหมาย) ความไม่มีประสิทธิภาพจะบ่อนทำลายรากฐานนี้
การทำความสะอาด “Workslop”
หนึ่งในสาเหตุที่ทีมต้องปรับปรุงผลลัพธ์อย่างต่อเนื่องเพื่อให้ได้คำตอบที่สมบูรณ์แบบคือ “workslop” ซึ่งถูกอธิบายครั้งแรกใน Harvard Business Review Workslop คือ ‘เนื้อหาที่สร้างโดย AI ที่ปลอมตัวเป็นงานที่ดี แต่ไม่มีเนื้อหาที่จะพัฒนางานให้สำเร็จ’
สิ่งนี้เป็นจุดเริ่มต้นของการสร้างวงจร Doomprompting การปรับปรุงเนื้อหาที่ไม่ดีโดยการแก้ไขหรือปรับปรุงเป็นสิ่งสำคัญ แต่จำเป็นต้องทราบเมื่อใดที่ควรหยุดก่อนเข้าสู่ภาวะผลตอบแทนลดน้อยลง องค์กรจะต้องเข้าใกล้การลงทุนเวลาในการฝึกอบรม AI ด้วยความสมดุลอันละเอียดอ่อน ในด้านหนึ่ง ทีมควรตระหนักถึงคุณภาพที่ต้องการ ในทางกลับกัน พวกเขาควรทราบเมื่อใดที่มันมากเกินไป การฝึกอบรมพนักงานในการใช้ AI อย่างชาญฉลาดผ่านการเขียนพรอมป์ต์ที่เหมาะสมและเป้าหมายที่ชัดเจนจะช่วยได้เช่นกัน
การใช้ AI แบบเอเจนต์เพื่อหลีกเลี่ยง Doomprompting
ในช่วงไม่นานมานี้ ธุรกิจได้เพิ่มความสนใจและลงทุนใน AI แบบเอเจนต์ ซึ่งเป็นที่รู้จักในเรื่องความสามารถในการปรับปรุงประสิทธิภาพการทำงาน AI แบบเอเจนต์นี้สามารถรับมือกับงานที่ซับซ้อน โดยประสานงานกับตัวแทนหลายราย (รวมถึง RAG และตัวแทนการดำเนินการ) เพื่อตัดสินใจวิธีการดำเนินการ และดำเนินการให้เสร็จสิ้นโดยอัตโนมัติ
คุณสมบัติเหล่านี้อาจช่วยให้ AI หลีกเลี่ยง Doomprompting หรือหลีกเลี่ยงมันโดยสิ้นเชิง ซึ่งสามารถกำจัดความจำเป็นในการสอนอินเทอร์เฟซ GenAI ผ่านการเขียนพรอมป์ต์หลายครั้งเพื่อให้ทำงานเสร็จสิ้น ตัวอย่างหนึ่งคือ AI ที่ใช้ใน IT operations หรือ AIOps ซึ่งปรับปรุง IT ให้ทันสมัยด้วยการผสาน AI เข้ากับงานประจำวัน เดิมทีมต้องใช้เวลาปรับระบบด้วยตนเอง แต่แผนกในศตวรรษที่ 21 ใช้ AI จัดการงานสำคัญอย่างการแก้ปัญหา การตอบสนองต่อเหตุการณ์ และการจัดสรรทรัพยากรอย่างอัตโนมัติ
ตัวอย่างอื่นคือระบบ AI แบบเอเจนต์นี้สามารถจัดการกับเหตุการณ์ที่ซับซ้อนโดยอัตโนมัติ ตัวแทนเหล่านี้พร้อมกับ ITOps สามารถเข้าใจบริบทของปัญหา ประสานงานกับตัวแทนการให้เหตุผลเพื่อตัดสินใจวิธีการดำเนินการ ใช้ตัวแทนการดำเนินการเพื่อแก้ไขปัญหาในระบบ IT และสุดท้าย ใช้ตัวแทนการเรียนรู้เพื่อทำความเข้าใจวิธีการแก้ไขและนำไปใช้อย่างมีประสิทธิภาพในเหตุการณ์ต่อๆ ไป
การทำงานอัตโนมัติของ AI แบบเอเจนต์นี้ช่วยลดการโต้ตอบของมนุษย์และดำเนินการโดยอัตโนมัติ เพื่อตอบสนองความต้องการทางธุรกิจที่เปลี่ยนแปลงไป การทำงานและปฏิบัติการที่ซ้ำๆ ควรส่งมอบให้กับ AI อัตโนมัติ การมอบหมายนี้กำจัดวงจรของการเขียนพรอมป์ต์ซ้ำๆ และการปรับปรุงซ้ำๆ ที่มักจะขับเคลื่อน Doomprompting การดำเนินการอัตโนมัติทำให้ AI โมเดลสามารถปรับปรุงและตอบสนองต่อการเปลี่ยนแปลงต่างๆ โดยไม่ต้องป้อนข้อมูลด้วยมือ ทำให้ได้ผลลัพธ์เร็วขึ้นและใช้การแทรกแซงของมนุษย์เพียงเล็กน้อย
ผู้เชี่ยวชาญที่ผ่านการฝึกอบรมยังคงมีบทบาทสำคัญในการดำเนินงานประจำวันผ่านแนวทางที่มีมนุษย์ร่วมกำกับ โดยใช้เวลาในการตรวจสอบยืนยันผลลัพธ์ได้ดีขึ้น แนวทางนี้ลดความเสี่ยงในการทำให้เกิดข้อผิดพลาดหรือการปรับแต่งมากเกินไป
บทบาทของการกำกับดูแลในการป้องกัน Doomprompting
ในการสำรวจล่าสุดของ McKinsey 88% ของผู้ตอบแบบสอบถามรายงานว่าใช้ AI ในอย่างน้อยหนึ่งฟังก์ชันทางธุรกิจ ซึ่งเป็นการเพิ่มขึ้น 10% จากปี 2024 และเพิ่มขึ้น 33% ตั้งแต่ปี 2023 สำหรับ AI แบบเอเจนต์นี้ การเพิ่มขึ้นนี้ยิ่งมากขึ้น ตั้งแต่ 33% ในปี 2023 ถึงเกือบ 80% ในปี 2025
การนำ AI มาใช้อย่างกว้างขวางนี้ทำให้ธุรกิจต้องหาวิธีแก้ปัญหา Doomprompting หนึ่งในเครื่องมือเหล่านี้คือโครงสร้างการกำกับดูแลที่มั่นคง ซึ่งควรได้รับการออกแบบอย่างรอบคอบเพื่อให้แน่ใจว่าโครงการ AI สอดคล้องกับวัตถุประสงค์ทางธุรกิจและไม่ตกอยู่ในวงจรการปรับปรุงอย่างไม่มีที่สิ้นสุด เมื่อทีมพัฒนาโครงสร้างการกำกับดูแลเหล่านี้ พวกเขาควรพิจารณา:
- การกำหนดแนวทาง: ข้อมูลที่ไหลเข้าและออกจากโมเดล AI กำลังซับซ้อนมากขึ้น เพื่อทำให้ง่ายขึ้น แนวทาง AI ควรสร้างโครงสร้างสำหรับทีมในการจัดการข้อมูล ตัดสินใจ และจัดการผลลัพธ์ AI อย่างมีความรับผิดชอบ
- การฝึกอบรมผู้ใช้: การฝึกอบรมที่เหมาะสมในการใช้การเขียนพรอมป์ต์สามารถช่วยให้ได้ผลผลิตที่ดีขึ้น
- การใช้โมเดลเฉพาะทาง: โมเดล AI ที่เฉพาะเจาะจงกับอุตสาหกรรมและวัตถุประสงค์มีแนวโน้มที่จะให้ผลลัพธ์ที่มีบริบทและความหมายเร็วขึ้น
- การฝึกอบรมโมเดล AI: การฝึกอบรมโมเดล AI ด้วยข้อมูลที่เฉพาะเจาะจงสำหรับอุตสาหกรรม/งาน/องค์กร (เมื่อเป็นไปได้) สามารถลดเนื้อหางานคุณภาพต่ำจาก AI และให้ผลลัพธ์ที่เหมาะสมได้เร็วขึ้น
- การสร้างกฎ: การสร้างและนำกฎที่ชัดเจนไปใช้เป็นสิ่งจำเป็นสำหรับการชี้นำการพัฒนาและใช้ AI เมื่อทีมกำหนดขอบเขตการดำเนินการ พวกเขาจะแน่ใจว่าระบบที่นำมาใช้สอดคล้องกับวัตถุประสงค์ทางธุรกิจ มาตรฐานทางจริยธรรม และข้อกำหนดด้านกฎระเบียบ
แม้อัตราการนำโซลูชัน AI มาใช้จะเพิ่มขึ้น แต่การกำกับดูแลยังไม่เพิ่มตาม รายงาน PEX Industry ปี 2025 ระบุว่าน้อยกว่าครึ่งหนึ่งมีนโยบายกำกับดูแล AI ขณะที่มีเพียง 25% กำลังดำเนินการจัดทำนโยบาย และเกือบหนึ่งในสามยังไม่มีนโยบายดังกล่าว กรอบเหล่านี้อาจเป็นปัจจัยสำคัญในการช่วยธุรกิจกำหนดขอบเขตที่ชัดเจนของประสิทธิภาพที่ยอมรับได้
การหลีกเลี่ยงวงจร Doomprompting
เพื่อหลีกเลี่ยงการตกอยู่ในวงจร Doomprompting ธุรกิจจะต้องยอมรับกลยุทธ์ AI ที่ให้ความสำคัญกับผลลัพธ์มากกว่าความสมบูรณ์แบบ การใช้การฝึกอบรมการเขียนพรอมป์ต์ โมเดล AI ที่เฉพาะเจาะจงกับวัตถุประสงค์ และโมเดลที่ฝึกอบรมด้วยข้อมูลบริบทขององค์กรสามารถลดความจำเป็นในการเขียนพรอมป์ต์ซ้ำๆ ได้ ธุรกิจที่ใช้ AI แบบเอเจนต์ การดำเนินการ IT อัตโนมัติ และโครงสร้างการกำกับดูแลที่แข็งแกร่งสามารถจัดสรรทรัพยากรที่สำคัญเพื่อบรรลุวัตถุประสงค์ทางธุรกิจโดยไม่ติดอยู่ในวงจรการปรับปรุงอย่างไม่มีที่สิ้นสุด ความสำเร็จจะเกิดขึ้นเมื่อทีมเปลี่ยนความคิดจากการปรับปรุงอย่างต่อเนื่องไปสู่การดำเนินการมุ่งเน้นและผลลัพธ์ที่วัดได้












