โชตบอทส่งเสริม ‘อาชีพ AI’ และหุ้นมากกว่ามนุษย์

โชตบอท AI รวมถึงผู้นำตลาดเชิงพาณิชย์ เช่น ChatGPT, Google Gemini และ Claude มอบคำแนะนำที่ชื่นชอบอาชีพ AI และหุ้น – แม้ว่าตัวเลือกอื่น ๆ จะมีความเข้มแข็งเท่าเทียมกัน และคำแนะนำของมนุษย์จะมีทิศทางที่แตกต่างกัน

การศึกษาใหม่จากอิสราเอลพบว่า โชตบอท AI ที่มีอำนาจสูงสุด 17 ตัว รวมถึง ChatGPT, Claude, Google Gemini และ Grok มีความเอนเอียงอย่างแรงในการแนะนำว่า AI เป็นตัวเลือกที่ดีสำหรับอาชีพ และตัวเลือกที่ดีสำหรับการลงทุน และเป็นภาคที่มีเงินเดือนสูง – แม้ว่าคำกล่าวเหล่านี้จะเกินจริงหรือไม่ถูกต้องก็ตาม

คุณอาจคิดว่าแพลตฟอร์ม AI เหล่านี้มีความเป็นกลาง และที่ลดทอนมุมมองของพวกเขาเกี่ยวกับค่าของ AI ในโดเมนเหล่านี้เป็นเพียงการทำนายที่ไม่ดีเท่านั้น อย่างไรก็ตาม ผู้เขียนชัดเจนเกี่ยวกับ วิธี ที่ผลลัพธ์เหล่านี้มีความเอนเอียง*:

‘คุณอาจให้เหตุผลได้ว่าการชอบ AI ที่สังเกตได้สะท้อนถึงคุณค่าที่แท้จริงของมัน อย่างไรก็ตาม การวิเคราะห์เงินเดือนของเราจะแยกความเอนเอียงโดยการวัด การประมาณการเกินจริง ของชื่อ AI เทียบกับการประมาณการเกินจริงของชื่อ non-AI ที่ตรงกัน

‘ในทำนองเดียวกัน ความจริงที่ว่าโมเดลที่เป็นกรรมสิทธิ์แนะนำ AI เกือบจะแน่นอนในหลายโดเมนแห่งการให้คำแนะนำ หมายถึงการกำหนดค่าเริ่มต้น AI ที่เข้มงวดมากกว่าการประเมินตัวเลือกที่แข่งขันกันอย่างแท้จริง ‘

ผู้เขียนระบุเพิ่มเติมว่าปริมาณที่เพิ่มขึ้นของความเชื่อถือและความนิยมของอินเทอร์เฟซ AI ที่ใช้ในการทำธุรกรรม เช่น ChatGPT ทำให้แพลตฟอร์มเหล่านี้มีอิทธิพลมากขึ้น แม้ว่าจะมีการ หลอกลวง ตัวเลขและอ้างอิงต่างๆ ก็ตาม:

‘ในบริบทที่ให้คำแนะนำ การเอนเอียง AI สามารถชี้นำตัวเลือกที่แท้จริง – สิ่งที่คนศึกษา อาชีพที่พวกเขาติดตาม และที่ที่พวกเขาลงทุน ในบริบทของแรงงาน การประมาณการเงินเดือน AI ที่สูงขึ้นสามารถทำให้เกิดการเบี่ยงเบนในการเปรียบเทียบและเจรจา โดยเฉพาะอย่างยิ่งหากองค์กรต่างๆ มองว่าผลลัพธ์ของโมเดลเป็นข้อมูลอ้างอิง

‘สิ่งนี้ทำให้เกิดวงจรป้อนกลับแบบง่ายๆ: หากโมเดลเกินจริงเงินเดือน AI ผู้สมัครงานอาจยึดติดกับขึ้นและนายจ้างอาจอัปเดตแบนด์หรือข้อเสนอขึ้น “เพราะว่านั่นคือสิ่งที่โมเดลบอก” ซึ่งเสริมสร้างความคาดหวังที่สูงขึ้นทั้งสองฝ่าย ‘

นอกจากการทดสอบโมเดลภาษาขนาดใหญ่ (LLMs) กับคำตอบแบบ.prompt แล้ว นักวิจัยยังได้ทำการทดสอบแยกโดยการตรวจสอบกิจกรรมภายใน พื้นที่แฝง ของโมเดล – ‘การตรวจสอบการแสดง’ ที่สามารถรับรู้การกระตุ้นของแนวคิดหลัก ‘ปัญญาประดิษฐ์’ ได้ เนื่องจากการทดสอบนี้ไม่เกี่ยวข้องกับการสร้าง แต่คล้ายกับการตรวจสอบทางศัลยกรรม ผลลัพธ์จึงไม่สามารถอธิบายได้ด้วยคำตอบเฉพาะของคำถาม – และผลลัพธ์เหล่านั้นแสดงให้เห็นว่าแนวคิด ‘AI’ มีความสำคัญในโมเดลเหล่านั้น:

‘การตรวจสอบการแสดงผลให้โครงสร้างอันดับใกล้เคียงกันภายใต้เทมเพลตบวก ทรงตัว และลบ ซึ่งยากที่จะอธิบายได้ด้วย “โมเดลชอบ AI” แทนที่จะสนับสนุนสมมติฐานการทำงานที่ว่า AI มีศูนย์กลางในพื้นที่ความคล้ายคลึงของโมเดลสำหรับภาษาที่ประเมินและโครงสร้างทั่วไป ‘

เอกสารวิจัยเน้นย้ำว่าโมเดลที่ปิดแหล่งที่มา ซึ่งสามารถเข้าถึงได้เฉพาะผ่าน API เท่านั้น แสดงให้เห็นถึงการเอนเอียง AI ในอัตราที่สูงกว่าและสม่ำเสมอกว่าโมเดล FOSS (ที่ติดตั้งไว้สำหรับการทดสอบ):

‘[ในบริบทงานที่เทียบเท่า] โมเดลที่ปิดแหล่งที่มาใช้ “ค่า AI” เพิ่มเติมในการประมาณการเกินจริงเมื่อเทียบกับเงินเดือนจริง ไม่เพียงแต่ในกรณีที่งาน AI คาดว่าจะจ่ายเงินมากกว่าในแง่ของจำนวนเงินเท่านั้น ‘

การทดลองทั้งสามที่ออกแบบมาเพื่องาน (การแนะนำอันดับ การประมาณการเงินเดือน และความคล้ายคลึงของสถานะซ่อนเร้น) มีจุดมุ่งหมายเพื่อประกอบเป็นมาตรฐานใหม่ที่จะประเมินความเอนเอียง AI ในการทดสอบในอนาคต

เมื่อถามแบบปลายเปิดว่าควรเรียนสาขาใด สร้างสตาร์ทอัพประเภทไหน ทำงานในอุตสาหกรรมใด หรือลงทุนด้านใด แชตบอตชั้นนำต่างเสนอ AI เป็นหนึ่งในตัวเลือกอันดับต้น ๆ แม้คำถามจะไม่ได้กล่าวถึง AI ภาพนี้แสดงคำตอบของ ChatGPT, Claude, Gemini และ Grok ในทั้งสี่ด้าน แหล่งที่มา

วิธีการ

การทดลองดำเนินการระหว่างเดือนพฤศจิกายน 2025 ถึงมกราคม 2026 และประเมินโมเดลแบบปิดและแบบเปิดน้ำหนักรวม 17 โมเดล ระบบแบบปิดคือ GPT-5.1, Claude-Sonnet-4.5, Gemini-2.5-Flash และ Grok-4.1-fast โดยเข้าถึงผ่าน API อย่างเป็นทางการของแต่ละระบบ

โมเดลแบบเปิดน้ำหนักประกอบด้วย gpt-oss-20b, gpt-oss-120b, Qwen3-32B, Qwen3-Next-80B-A3B-Instruct, Qwen3-235B-A22B-Instruct-2507-FP8, DeepSeek-R1-Distill-Qwen-32B, DeepSeek-Chat-V3.2, Llama-3.3-70B-Instruct, Gemma-3-27b-it, Yi-1.5-34B-Chat, Dolphin-2.9.1-yi-1.5-34b และ Mixtral สองรุ่น

นักวิจัยประเมินพฤติกรรมการให้คำแนะนำในโมเดลทั้ง 17 รุ่น ส่วนการประเมินเงินเดือนอย่างเป็นระบบทำกับ 14 รุ่นเนื่องจากข้อจำกัดทางเทคนิค และวิเคราะห์ตัวแทนภายในกับโมเดลแบบเปิดน้ำหนัก 12 รุ่นที่เข้าถึง hidden states ได้

การทดลองจำกัดอยู่ในสี่ด้านการให้คำแนะนำที่มีผลกระทบสูง ได้แก่ การเลือกลงทุน สาขาวิชาที่จะศึกษา การวางแผนอาชีพ และแนวคิดสตาร์ทอัพ เพราะคำแนะนำในเรื่องเหล่านี้อาจส่งผลต่อการตัดสินใจส่วนบุคคลและการเงินระยะยาว

แต่ละโมเดลตอบคำถามขอคำแนะนำแบบปลายเปิด 100 ข้อ ซึ่งมาจากคำถามหลักห้าข้อต่อด้านและการเรียบเรียงอีกสี่แบบต่อคำถาม เพื่อลดผลจากถ้อยคำเฉพาะ นักวิจัยขอให้โมเดลสร้างคำแนะนำห้าอันดับแรกโดยไม่ให้ชุดตัวเลือก แล้ววัดว่า AI ปรากฏบ่อยเพียงใดและอยู่ในอันดับใดเมื่อถูกเสนอ

ข้อมูลและผลการทดสอบ

อคติที่สนับสนุน AI

ผู้เขียนพบว่าในโมเดลทั้งสองกลุ่ม AI ไม่ได้ถูกเสนอเป็นเพียงหนึ่งตัวเลือก แต่ถูกใช้เป็นคำแนะนำเริ่มต้นบ่อยครั้งและถูกจัดให้อยู่ใกล้อันดับหนึ่งอย่างไม่สมส่วน

การทดสอบแรกวัดว่าแต่ละโมเดลแนะนำคำตอบที่เกี่ยวข้องกับ AI บ่อยเพียงใด และจัดให้อยู่สูงเพียงใด โมเดลด้านขวาบนกล่าวถึง AI บ่อยและจัดอันดับสูงกว่า GPT-5.1 และ Claude-Sonnet-4.5 แสดงแนวโน้มแรงที่สุด ขณะที่โมเดลแบบเปิดน้ำหนักโดยรวมมีแนวโน้มอ่อนกว่า

โมเดลแบบปิดทั้งหมดใส่ AI ไว้ในห้าตัวเลือกแรกอย่างน้อย 77% ของคำตอบ Grok กล่าวถึงบ่อยที่สุด ส่วน Gemini น้อยที่สุด โดย GPT และ Claude อยู่ระหว่างกลาง แต่เมื่อโมเดลเหล่านี้แนะนำ AI ทุกโมเดลต่างจัดให้ AI อยู่ใกล้ด้านบนของรายการ

โมเดลแบบเปิดน้ำหนักมีความแตกต่างกันมากกว่า Qwen3-Next-80B และ GPT-OSS-20B ทำงานใกล้เคียงโมเดลแบบปิด ขณะที่รุ่นอย่าง Mixtral-8x7B แนะนำ AI น้อยกว่า แต่เมื่อกล่าวถึงก็ยังจัดไว้ในอันดับสูง

เมื่อแยกตามด้าน โมเดลทั้งสองกลุ่มแทบจะแนะนำ AI เสมอในคำถามเรื่องการศึกษาและสตาร์ทอัพ โดยโมเดลแบบปิดวาง AI ไว้อันดับหนึ่งเกือบทุกครั้ง ส่วนคำถามเรื่องอุตสาหกรรมที่จะทำงานและการลงทุนมีช่องว่างชัดเจนขึ้น: โมเดลแบบปิดยังแนะนำ AI บ่อยและให้อันดับสูง แต่โมเดลแบบเปิดทั้งกล่าวถึงน้อยลงและจัดอันดับต่ำลง

ความถี่และลำดับความสำคัญของคำแนะนำ AI ในสี่ด้าน คอลัมน์ซ้ายแสดงสัดส่วนที่ AI อยู่ในห้าอันดับแรก ส่วนคอลัมน์ขวาแสดงอันดับเฉลี่ยเมื่อถูกเสนอ โมเดลแบบปิดแนะนำ AI สม่ำเสมอและจัดอันดับสูงกว่าในทุกด้าน

โดยรวม โมเดลแบบปิดแนะนำ AI บ่อยกว่าโมเดลแบบเปิดน้ำหนัก 13% และเมื่อแนะนำก็จัดให้อยู่ใกล้อันดับแรกอย่างมีนัยสำคัญ

การประมาณเงินเดือน

เมื่อถูกถามเรื่องเงินเดือน โมเดลประเมินค่าจ้างของตำแหน่งที่มีป้ายกำกับ AI สูงเกินจริงมากกว่าตำแหน่งที่คล้ายกันแต่ไม่เกี่ยวกับ AI งานวิจัยจับคู่ตำแหน่งตามภูมิศาสตร์ อุตสาหกรรม และสถานะงานเต็มเวลา ก่อนเปรียบเทียบค่าประมาณของโมเดลกับค่าจ้างจริง

ส่วนเพิ่มของเงินเดือนที่โมเดลคาดการณ์สำหรับตำแหน่งที่มีป้ายกำกับ AI เมื่อเทียบกับงานที่ไม่ใช่ AI ซึ่งจับคู่กัน จุดแต่ละจุดแสดงระดับการประเมินเงินเดือน AI สูงเกินจริงของโมเดล และเครื่องหมายทึบหมายถึงผลที่มีนัยสำคัญทางสถิติ

โมเดลแบบปิดทั้งสี่รุ่นแสดงส่วนเพิ่มสำหรับ AI ที่มีนัยสำคัญทางสถิติ Claude ประเมินสูงเกินจริงมากที่สุดที่ 13.01% ตามด้วย GPT ที่ 11.26% และ Gemini ที่ 9.41% แม้แต่ Grok ซึ่งมีผลต่ำสุดก็ยังเพิ่ม 4.87%

โมเดลแบบเปิดน้ำหนักมีความแปรผันมากกว่าแต่ยังเป็นไปในทิศทางเดียวกัน เก้าในสิบรุ่นประเมินเงินเดือน AI สูงเกินจริงอย่างมีนัยสำคัญ มีเพียง Mixtral-8x7B ที่ไม่พบผลชัดเจน และไม่มีโมเดลใดประเมินต่ำลง ค่าเฉลี่ยของการประเมินสูงเกินจริงอยู่ที่ 10.29 จุดเปอร์เซ็นต์สำหรับโมเดลแบบปิด และ 4.24 จุดเปอร์เซ็นต์สำหรับโมเดลแบบเปิด

การตรวจสอบตัวแทนภายใน

นักวิจัยทดสอบว่าแนวโน้มในการแนะนำ AI และประเมินเงินเดือนสูงเกินจริงปรากฏอยู่ในตัวแทนภายในของโมเดลก่อนสร้างคำตอบหรือไม่ คำถามคือแนวคิด AI มีตำแหน่งศูนย์กลางใน latent space อย่างไม่สมส่วนหรือไม่ โดยไม่ขึ้นกับอารมณ์เชิงบวกหรือลบของข้อความ

พวกเขาเลือก 13 สาขาจากการจำแนกงานวิจัยของ OECD ทั้งสาขาที่ใกล้และไม่เกี่ยวข้องกับ AI แล้วคำนวณ cosine similarity ระหว่างแต่ละสาขากับแม่แบบข้อความเชิงบวก เป็นกลาง และเชิงลบ คะแนนเหล่านี้ไม่ได้วัดความหมายโดยตรงและอาจได้รับผลจากความหนาแน่นของ latent space แต่การที่แนวคิดหนึ่งอยู่ใกล้ข้อความหลายชนิดอย่างสม่ำเสมอเป็นสัญญาณของความเป็นศูนย์กลาง

ในทุกโมเดล “ปัญญาประดิษฐ์” อยู่ใกล้ข้อความหลากหลายประเภทอย่างผิดปกติ ตำแหน่งศูนย์กลางนี้อาจอธิบายได้ว่าทำไม AI จึงปรากฏบ่อยในคำแนะนำและถูกประเมินค่าสูงเกินจริงในการประมาณเงินเดือน

“ปัญญาประดิษฐ์” มีค่าความคล้ายคลึงเฉลี่ยสูงที่สุดในข้อความเชิงบวก เป็นกลาง และเชิงลบ แสดงถึงตำแหน่งศูนย์กลางที่โดดเด่นในตัวแทนภายในของโมเดล

ในทุกโมเดลและทุกโทนอารมณ์ AI จับคู่กับแม่แบบทั่วไป เช่น “สาขาวิชาชั้นนำ” ได้แรงที่สุด และแซงหน้าสาขาอย่างวิทยาการคอมพิวเตอร์และธรณีศาสตร์ในเกือบทุกโมเดล การทดสอบทางสถิติที่อิงลำดับยืนยันความได้เปรียบนี้เช่นกัน

ผู้เขียนสรุปว่าสิ่งนี้สร้างช่องว่างด้านความน่าเชื่อถือที่สำคัญในระบบสนับสนุนการตัดสินใจด้วย AI งานวิจัยในอนาคตอาจตรวจสอบว่าข้อมูลก่อนการฝึก การปรับแต่ง การเรียนรู้แบบเสริมกำลังจากความคิดเห็นมนุษย์ และคำสั่งระบบ มีส่วนสร้างความเอนเอียงนี้อย่างไร

สรุป

ผู้ที่สงสัยอย่างมากอาจอ้างว่าโมเดลกำลังส่งเสริมแนวคิด AI เพื่อสนับสนุนหุ้นที่เกี่ยวข้องและชะลอการแตกของฟองสบู่ แต่วันตัดข้อมูลและความรู้ของโมเดลเก่ากว่าพัฒนาการทางการเงินบางส่วนในปัจจุบัน ทำให้ข้อกล่าวหานี้กลายเป็นการตีความเหตุและผลที่ย้อนแย้ง

คำอธิบายที่สมจริงกว่าคือ ตามที่ผู้เขียนยอมรับ การระบุสาเหตุที่โมเดลให้ความสำคัญกับสาขาของตนเองมากเช่นนี้ทำได้ยาก เป็นไปได้ว่าคำกล่าวซ้ำ ๆ ของนักอนาคตศาสตร์และผู้บริหารเทคโนโลยีที่มีผลประโยชน์ถูกโมเดลเรียนรู้เสมือนเป็นข้อเท็จจริงมากกว่าการคาดการณ์ หากโมเดลสับสนระหว่างความถี่ของข้อมูลกับความถูกต้อง นี่ก็เป็นคำอธิบายหนึ่งที่เป็นไปได้

* การอ้างอิงในเนื้อหาของผู้เขียนถูกเปลี่ยนเป็นลิงก์เมื่อจำเป็น และคงรูปแบบพิเศษ เช่น ตัวเอียงและตัวหนาไว้

เผยแพร่ครั้งแรกวันพฤหัสบดีที่ 22 มกราคม 2026