การฝึกอบรมสามารถช่วยลดผลกระทบด้านลบของการขนส่งทางปัญญาจากการใช้ AI ได้หรือไม่?

เมื่อเร็วๆ นี้ Unite.ai ได้เผยแพร่เรื่องราว ‘ChatGPT อาจเป็นการดึงสมองของคุณออก: หนี้ทางปัญญาในยุค AI‘ ในเรื่องนี้ Alex McFarland ได้สรุปผลการวิจัยจาก MIT ที่แสดงถึงแนวโน้มที่น่าห่วงใยในการเสื่อมถอยของทักษะการคิดวิเคราะห์และการตัดสินใจที่เกิดจากการใช้ AI มากเกินไป มีหลายการศึกษาที่สนับสนุนผลการวิจัยเหล่านี้ แต่ตอนนี้คำถามที่ต้องตอบคือ: เราจะทำอะไรได้บ้าง?

尽管การใช้ AI มีผลกระทบด้านลบ แต่ความจริงก็คือมันไม่น่าจะหายไปในเร็วๆ นี้ เราต้องหาวิธีการใช้ AI ในรูปแบบที่ธุรกิจสามารถเพลิดเพลินกับประโยชน์โดยไม่ทำให้พนักงานเสื่อมถอย

ในบทความนี้ ฉันจะสำรวจความเสี่ยงทางปัญญาที่เกิดจากการพึ่งพา AI มากเกินไป สิ่งที่ความเสี่ยงเหล่านี้หมายถึงธุรกิจและพนักงาน และสิ่งที่เราสามารถทำได้ในการฝึกอบรมและติดตั้งรั้วเพื่อให้พนักงานสามารถทำงานได้อย่างมีประสิทธิภาพสูงสุดโดยใช้ AI โดยไม่ทำให้สมองเสื่อมถอย

อันตรายที่เกิดจากการขนส่งทางปัญญาจากการใช้ AI

ตามที่กล่าวไว้ในบทความของ Alex ทีมงานจาก MIT Media Lab ได้ทำการทดลองโดยให้ 54 ผู้เข้าร่วมสวมหมวก EEG และให้เขียน文章ในแบบ SAT ภายใต้ 3 สภาพการทำงาน: ChatGPT, เครื่องมือค้นหา, หรือไม่ใช้เครื่องมือใดๆ ผู้เขียนที่ใช้สมองเพียงอย่างเดียวแสดงให้เห็นถึงความเชื่อมต่อที่ดีที่สุดในบริเวณควบคุมผู้บริหาร ผู้ใช้ ChatGPT แสดงให้เห็นถึงการมีส่วนร่วมที่อ่อนแอที่สุด และเมื่อถอดเครื่องมือออก คะแนนของพวกเขาก็ลดลงอย่างมาก ซึ่งเป็นหลักฐานของ ‘หนี้ทางปัญญา’

ผู้เข้าร่วมที่พึ่งพาโมเดลภาษาขนาดใหญ่ (LLM) มากเกินไปมีปัญหาในการระลึกถึงงานที่พวกเขาทำเองเพียงไม่กี่วันก่อนหน้านี้ เนื่องจากข้อมูลไม่เคยถูกบันทึกผ่านการดึงข้อมูลอย่างมีประสิทธิภาพ ผู้เข้าร่วมหนึ่งคนจาก MIT ไม่สามารถอ้างถึงประโยคเดียวจากแบบร่างที่เขียนไว้ 48 ชั่วโมงก่อนหน้านี้

การเสื่อมถอยของการคิดวิเคราะห์

การศึกษาที่ได้รับการทบทวนโดยผู้ทรงคุณวุฒิได้สำรวจผู้ใหญ่ 666 คนใน UK และพบว่ามีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างการใช้เครื่องมือ AI บ่อยๆ และผลการทำงานในการประเมินการคิดวิเคราะห์ของ Halpern (การประเมินที่มีชื่อเสียงและได้รับการยอมรับของทักษะการคิดวิเคราะห์ต่างๆ) ผลกระทบนี้มีมากที่สุดในกลุ่มอายุ 17-25 ปี และถูก trung gianโดยพฤติกรรมการขนส่งทางปัญญา เช่น การขอให้ chatbot สรุปการอ่านแทนการมีส่วนร่วมด้วยตัวเอง

ความคิดสร้างสรรค์ที่เป็นแบบเดียวกัน

การศึกษาที่มีผลต่อการสร้างสรรค์ของ AI ได้ให้คำสั่งให้ทีมคิดค้นของเล่นใหม่โดยใช้ชิ้นส่วนจำกัด โดยบางทีมได้รับอนุญาตให้ใช้ ChatGPT ในการคิดค้นความคิด ทีมที่ใช้ ChatGPT มีแนวคิดมากกว่า แต่ผลิตแนวคิดที่แตกต่างกันน้อยลง 40% บางทีม甚至เลือกชื่อผลิตภัณฑ์เดียวกัน ซึ่งเป็นเครื่องหมายที่ LLM นำนักคิดที่หลากหลายไปสู่จุดศูนย์กลางของข้อมูลการฝึกอบรม

ความมั่นใจที่ผิดและความตื่นตัวที่ลดลง

การเสื่อมถอยของการคิดวิเคราะห์และการตัดสินใจเป็นเรื่องที่น่ากังวลอย่างยิ่งเมื่อ AI ยังคงมีการหลอกลวงได้ การสำรวจล่าสุดแสดงให้เห็นว่า尽管ความเชื่อมั่นในตัวแทนอัตโนมัติเต็มรูปแบบลดลงจาก 43% เป็น 27% ในหนึ่งปี 64% ของพนักงานยังคัดลอกข้อความที่ไม่ได้รับการตรวจสอบจากโมเดลเข้าไปในเอกสารที่เผยแพร่แก่ลูกค้า ‘เพื่อประหยัดเวลา’

การชะลอความเร็วของสังคม

ผลกระทบเหล่านี้ไม่เพียงแต่ส่งผลต่อวิธีการทำงานเท่านั้น แต่ยังถูกโต้แย้งว่าผลกระทบ ‘ฟลินน์’ (การเพิ่มขึ้นของคะแนน IQ ในช่วงศตวรรษที่ 20) ได้หยุดชะงักและอาจกลับด้าน โดยผู้เชี่ยวชาญชี้ให้เห็นว่าการขนส่งทางปัญญาดิจิทัลที่แพร่หลายเป็นหนึ่งในตัวการสำคัญ

ผลกระทบระยะยาวต่อธุรกิจและพนักงาน

การขึ้นอยู่กับ AI อย่างต่อเนื่องคล้ายกับหนี้ทางเทคนิค: ทุกครั้งที่พนักงานยอมรับการเขียนแบบไม่ต้องคิด พวกเขาจะดันการชำระเงินเล็กๆ น้อยๆ ไปยังอนาคต เมื่อโมเดลหลอกลวงหรือผู้กำกับดูแลต้องการการตรวจสอบความถูกต้อง หนี้ที่ซ่อนอยู่จะปรากฏขึ้น และไม่มีใครจำได้ว่าจะสร้างการคำนวณจาก零ได้อย่างไร

เราควรห่วงใยว่าการขาดความมั่นใจในตนเองจะทำลายท่อการฝึกอบรม ทำให้เหลือเพียงผู้คิดอิสระเพียงไม่กี่คนเมื่อระบบอัตโนมัติต้องการการกำกับดูแลที่มีประสิทธิภาพมากขึ้น ด้านธุรกิจที่เคยเป็นโดเมนของความคิดสร้างสรรค์และความรู้ของมนุษย์ เช่น กลยุทธ์การตลาด และ การแปล เป็นต้น กำลังถูกควบคุมโดย AI มากขึ้น และปัญหานี้มีแนวโน้มที่จะเร่งตัวขึ้น

การลากจูงนวัตกรรมและการคิดแบบแม่พิมพ์

การทดลองของ Wharton ที่ให้ทีมคิดค้นของเล่นใหม่โดยใช้ ChatGPT บ่งบอกถึงอนาคตที่ทุกเซสชั่นการคิดค้นเริ่มต้นจากคำแนะนำอัตโนมัติเดียวกัน นักลงทุนในระยะเริ่มต้นให้สัมภาษณ์ว่าแผนการนำเสนอเริ่มมาในลักษณะที่คล้ายกันมาก ทำให้การค้นหานวัตกรรมที่แท้จริงยากขึ้น

การเปิดเผยต่อผู้กำกับดูแล

ในเดือนกรกฎาคม สถาบันมาตรฐานอังกฤษได้ประกาศมาตรฐานการตรวจสอบ AI ระหว่างประเทศฉบับแรกสำหรับผู้ให้บริการการรับรอง AI หลังจากมีการฟ้องร้องคดีทางกฎหมายที่หลอกลวงทำให้เอกสารทางกฎหมายต้องเสียหาย บริษัทที่ไม่สามารถแสดงหลักฐานการตรวจสอบของมนุษย์อาจต้องเผชิญกับการปรับและความเสียหายต่อชื่อเสียง

การลดแรงจูงใจ

หลายมหาวิทยาลัยได้ฟื้นฟูการสอบเขียนด้วยมือหลังจากพบว่า 89% ของนักเรียนใช้ ChatGPT ในการทำการบ้าน อาจารย์กล่าวว่าการเปลี่ยนไปใช้การสอบด้วยมือช่วยเพิ่มการมีส่วนร่วมและแสดงให้เห็นว่านักเรียนเข้าใจเรื่องนี้เพียงใดโดยไม่ต้องใช้ AI

การลากจูงแบบเดียวกันนี้อาจส่งผลต่อโครงการฝึกอบรมขององค์กรหากผู้เรียนคาดหวังให้ chatbot เติมทุกช่องว่างความรู้

การฝึกอบรมที่เหมาะสมสามารถช่วยลดผลกระทบของการขนส่งทางปัญญาได้หรือไม่?

ผลกระทบของการป้องกัน

การทดลองภาคสนามที่นำโดย Wharton ได้แบ่งนักเรียนชั้นมัธยม 990 คนออกเป็น 3 กลุ่ม: GPT-4 ที่ไม่มีการจำกัด, GPT Tutor (คำแนะนำเท่านั้น) และไม่ใช้ AI (กลุ่มควบคุม) ผู้ใช้ที่ไม่มีการจำกัดสามารถแก้ปัญหาได้มากขึ้น 48% แต่คะแนนของพวกเขาลดลง 17% ในการสอบปิดหนังสือ 2 วันหลังจากนั้น

กลุ่ม Tutor ได้แสดงให้เห็นว่าสามารถทำได้ดีกว่ากลุ่มที่มีการเข้าถึง AI เต็มรูปแบบในการแก้ปัญหา แต่เพียงแค่เทียบเท่ากับกลุ่มควบคุม ซึ่งแสดงให้เห็นว่าการป้องกันสามารถช่วยป้องกันการเสื่อมถอยได้บ้าง (ถึงแม้ว่า AI จะไม่ปรับปรุงการเรียนรู้จริงๆ)

การศึกษาเป็นบัฟเฟอร์

การศึกษาที่สำรวจผู้ใหญ่ 666 คนใน UK พบว่าผู้ที่มีระดับการศึกษาสูงมีแนวโน้มที่จะตรวจสอบคำตอบ AI ก่อนที่จะยอมรับมากกว่า ผู้ตอบแบบสอบถามที่มีระดับการศึกษาสูงมีแนวโน้มที่จะ ‘ตรวจสอบข้อมูลเสมอ’ มากกว่าผู้ที่มีเพียงการศึกษาระดับมัธยม โดยความแตกต่างที่ผู้เขียนเรียกว่า ‘มีนัยสำคัญทางสถิติ’

ผู้เขียนสรุปว่าการศึกษาระดับสูงช่วยลดผลกระทบของการขนส่งทางปัญญาโดยการปลูกฝังพฤติกรรมการคิดวิเคราะห์

หลักฐานเชิงบวกภายใต้การดูแล

การวิเคราะห์แบบเมตาที่เผยแพร่ในเดือนกรกฎาคม 2025 รวมการทดลองในชั้นเรียน 31 ครั้ง และแสดงให้เห็นว่า AI มีประสิทธิภาพมากที่สุดเมื่อจับคู่กับการแนะนำที่มีโครงสร้าง สภาพการทดสอบที่นำโดยครูและผลการเรียนรู้ที่ใหญ่ที่สุดมอบให้ ในขณะที่สภาพการทดสอบความรู้ที่ไม่มีการดูแลไม่ได้ผลประโยชน์มากนัก ผู้เขียนสังเกตว่า ‘การโต้ตอบที่มีการดูแลมีประสิทธิภาพมากกว่าทั้ง AI เพียงอย่างเดียวและกลุ่มควบคุมที่ไม่มี AI’ ซึ่งเน้นย้ำถึงคุณค่าของคำถามที่สะท้อนและโครงสร้างการเรียนรู้ของครู

กลยุทธ์การฝึกอบรมเพื่อป้องกันการเสื่อมถอยของสมอง

สอนความรู้ AI ที่มีฐานะเชิงวิพากษ์

ผู้จัดการควรฝึกทีมให้รักษา LLM เหมือน ‘คนรู้จักที่ชอบให้คนอื่นพอใจ’ การทดลองที่ประสบความสำเร็จจับคู่เคล็ดลับการเขียนคำแนะนำพร้อมกับรายการตรวจสอบจิต: อะไรคือแหล่งที่มา? วันที่ไหน? อาจเป็นความจริงตรงกันข้ามได้หรือไม่?

จัดตารางการ ‘โหลดขึ้น’ อย่างตั้งใจ

มีความนิยมที่เพิ่มขึ้นในการสร้าง ‘โซนดิจิทัลดีเท็กซ์’ อย่างเป็นทางการ ซึ่งเป็นพื้นที่ในสำนักงานที่ห้ามใช้แล็ปท็อปและโทรศัพท์มือถือเพื่อให้พนักงาน ‘รีเซ็ต, รีชาร์จ และหาสมดุล’ ก่อนกลับไปทำงานที่ได้รับการช่วยเหลือจาก AI

บางบริษัทขยายแนวคิดนี้ไปสู่ ‘วันศุกร์ไม่ใช้เทคโนโลยี’ ที่ห้ามการโทรทางวิดีโอและแอปแชทในวันศุกร์หลังบ่าย และเปิดเช้าด้วยการวิ่งด้วยกระดานขาวแบบอนาล็อก ทีมงานจะกลับมารวมตัวกันหลังอาหารกลางวันเพื่อตรวจสอบความคิดของตนเองด้วย LLM ผู้จัดการรายงานว่าพิธีกรรมนี้เพิ่มความหลากหลายของความคิดและเพิ่มการเขียนบันทึกการเรียนรู้รายสัปดาห์ขึ้น 25% ใน 8 สัปดาห์

รวมการคิดเชิงอภิปรายเข้าไปในกระบวนการทำงาน

การทดลองทางคณิตศาสตร์ของ Wharton แสดงให้เห็นว่าการใส่คำถามสะท้อน (‘หลักฐานอะไรที่สนับสนุนข้อกล่าวนี้?’) ลงในอินเทอร์เฟซ AI เพิ่มการรักษาความจำ GPT Tutor ทำสิ่งนี้โดยอัตโนมัติ โดยปฏิเสธที่จะแสดงคำตอบใดๆ จนกว่านักเรียนจะอธิบายเหตุผลของตนเองแล้วจึงเปรียบเทียบกับคำแนะนำของโมเดล

ออกแบบเพื่อความต้านทาน ไม่ใช่ความไม่ต้านทาน

ทีม IT ขององค์กรสามารถคิดมากขึ้นเกี่ยวกับการใช้ AI โดยมนุษย์และกำหนดค่าช่วยเหลือแชทเพื่อแสดงคะแนนความมั่นใจ อ้างอิงข้อมูลดิบ หรือแสดงตัวเลือกที่จัดอันดับแทนการแสดงเพียงหนึ่งย่อหน้า โดยกระตุ้นให้ผู้ใช้หยุดและประเมินแทนการคัดลอก-วาง

สรุป

การขนส่งทางปัญญาเป็นเงาที่ไม่สามารถหลีกเลี่ยงได้ของเครื่องมือที่มีประสิทธิภาพมากขึ้น แต่การเสื่อมถอยของสมองไม่จำเป็นต้องเป็นเช่นนั้น องค์กรที่เต็มใจที่จะจับคู่ AI กับการป้องกันที่มีการคิดเชิงวิพากษ์ การกระตุ้นให้คิดเชิงอภิปราย และวัฒนธรรมการ ‘โหลดขึ้น’ อย่างตั้งใจสามารถเพลิดเพลินกับกระบวนการทำงานที่เร็วขึ้นและสมองที่มีประสิทธิภาพมากขึ้น

หากไม่สนใจการป้องกันเหล่านี้ หนี้จะถูกชำระ: ความคิดสร้างสรรค์ที่ดึงดูดลง, การแก้ปัญหาที่เปราะบาง, และแรงงานที่หยุดชะงักเมื่อหน้าต่างคำสั่งล้มเหลว การลงทุนที่ฉลาดที่สุดที่บริษัทสามารถทำได้ในรอบปีนี้อาจไม่ใช่ใบอนุญาต AI อีกใบ แต่เป็นโปรแกรมที่เข้มงวดที่ทำให้การคิดของมนุษย์อยู่ในตำแหน่งผู้ขับขี่อย่างมั่นคง