การศึกษาของ Preply พบว่า AI กำลังขยายการเรียนรู้—แต่ไม่ถึงระดับความเชี่ยวชาญในโลกจริง

Preply กล่าวว่า ปัญญาประดิษฐ์ทำให้การเรียนรู้อาชีพเร็วขึ้นและเข้าถึงได้ง่ายขึ้น แต่รายงานความก้าวหน้าแรกประจำปีของบริษัทชี้ให้เห็นว่าการเข้าถึงไม่ได้แปลเป็นทักษะที่ใช้ได้อย่างสม่ำเสมอ

บริษัทสำรวจผู้ทำงานมืออาชีพ 5,050 คนในเก้าประเทศและพบว่า 88% ใช้ AI เป็นส่วนหนึ่งของการเรียนรู้ 76% รายงานว่าตนใช้เวลาเรียนรู้มากกว่าเมื่อสองปีก่อน ในขณะที่ผู้ตอบแบบสอบถามโดยเฉลี่ยใช้วิธีการเรียนรู้เกือบสามวิธี

แต่การทำกิจกรรมมากขึ้นไม่ได้ทำให้ความมั่นใจเพิ่มขึ้นเสมอไป เกือบครึ่งหนึ่งของผู้ตอบ—49%—บอกว่าตนยังคงรักษากิจวัตรการเรียนรู้เป็นเดือน ๆ แต่ยังคงประสบปัญหาในการนำทักษะไปใช้ในชีวิตจริง อีก 52% บอกว่าตนใช้เวลาเรียนรู้เพิ่มขึ้นแต่ไม่ได้เห็นผลลัพธ์ที่ดีขึ้นเสมอ และ 63% บรรยายว่าตนยุ่งกับการเรียนรู้แต่ไม่ได้พัฒนาจริง ๆ

Preply เรียกความไม่ตรงกันนี้ว่า “ช่องว่างความก้าวหน้า” คือระยะห่างระหว่างความก้าวหน้าที่เกิดขึ้นระหว่างการเรียนรู้และความมั่นใจในการใช้ทักษะในสถานการณ์จริง

AI กำลังกลายเป็นจุดเริ่มต้น

การสำรวจแสดงให้เห็นว่า AI กลายเป็นส่วนหนึ่งของสแต็กการเรียนรู้อย่างรวดเร็ว 37% ระบุว่าเครื่องมือ AI เป็นวิธีการเรียนรู้หลัก ก่อนการฝึกอบรมของนายจ้างที่ 34% และคอร์สออนไลน์ที่ 33%

ผู้ตอบส่วนใหญ่ใช้ AI เพื่อขอคำอธิบายหรือคำนิยาม สรุปเนื้อหา แปลข้อมูล รับการแก้ไข และจัดโครงสร้างการเรียนรู้ ผู้ใช้ AI รายวันยังมีแนวโน้มที่จะบอกว่าตนเรียนเร็วกว่าที่คาดไว้เกือบสองเท่าเมื่อเทียบกับผู้ที่ไม่เคยใช้ AI—60% เทียบกับ 31%

ผลลัพธ์เหล่านั้นช่วยอธิบายความน่าสนใจของ AI. มันสามารถตอบคำถามได้ทันที, ทำให้เนื้อหาที่ยากง่ายขึ้น, และทำให้การฝึกฝนสามารถทำได้ระหว่างบทเรียนอย่างเป็นทางการ. ความสามารถเหล่านี้ยังเป็นแรงผลักดันให้เกิดการเปลี่ยนแปลงที่กว้างขึ้นไปสู่ เอเจนต์ AI ที่ปรับการศึกษาให้เป็นส่วนบุคคลขณะช่วยเหลือครู.

แต่ความเร็วและการเข้าถึงตอบโจทย์เพียงส่วนหนึ่งของกระบวนการเรียนรู้. ในการสำรวจของ Preply, 66% เห็นด้วยว่าการเข้าถึงข้อมูลไม่ได้นำไปสู่ความก้าวหน้าโดยอัตโนมัติ. มากกว่าครึ่งหนึ่ง—55%—กล่าวว่ามันยากกว่าที่เคยในการระบุสิ่งที่จริงๆ ช่วยให้พวกเขาพัฒนาขึ้น. สิ่งนี้สะท้อนความกังวลที่กว้างขึ้นว่า การเข้าถึงคำตอบโดยไม่มีความลำบากไม่ได้เท่ากับการเรียนรู้เชิงลึก.

ความแตกต่างนี้สำคัญต่อผู้เรียนแต่ละคนและนายจ้าง. AI สามารถทำให้การหาข้อมูลง่ายขึ้น, แต่ประสิทธิภาพการทำงานขึ้นอยู่กับความจำ, การตัดสินใจ, การฝึกฝน, การให้ข้อเสนอแนะ, และความสามารถในการดำเนินการภายใต้สภาวะจริง. หลักการเดียวกันเป็นพื้นฐานของการให้ความสำคัญที่เพิ่มขึ้นต่อ ความคล่องแคล่ว AI เป็นความสามารถเชิงปฏิบัติของแรงงาน, แทนที่จะเป็นการนับจำนวนการฝึกอบรมที่เสร็จสิ้นหรือการใช้เครื่องมือ.

ผู้เรียนต้องการให้ AI สนับสนุน—ไม่ใช่นำการเรียนรู้

รายงานไม่ได้แสดงการปฏิเสธ AI แต่ชี้ให้เห็นถึงความต้องการผสานการทำงานอัตโนมัติกับความเชี่ยวชาญของมนุษย์—แนวทางที่ Preply ได้อธิบายไว้ในคำอธิบายของตนเองเกี่ยวกับ การผสานติวเตอร์ที่เป็นมนุษย์กับเครื่องมือการเรียนรู้ที่ขับเคลื่อนด้วย AI

ร้อยละ 90 ของผู้ตอบต้องการให้ AI มีบทบาทสนับสนุนแทนที่จะเป็นผู้นำการเรียนรู้ ร้อยละ 75 เชื่อมั่นในการผสมผสาน AI กับความเชี่ยวชาญของมนุษย์เพื่อความก้าวหน้าในระยะยาว เทียบกับ 14% ที่ต้องการวิธีการแบบดั้งเดิมโดยไม่มี AI และ 11% ที่ต้องการประสบการณ์การเรียนรู้ด้วย AI ที่ผู้เรียนกำกับด้วยตนเองทั้งหมด

ข้อเสนอแนะหรือความรับผิดชอบจากมนุษย์เป็นตัวกระตุ้นความสม่ำเสมอของการเรียนรู้ที่ถูกอ้างถึงบ่อยที่สุด โดย 46% ของผู้ตอบเลือก เป้าหมายที่ชัดเจนตามมาที่ 44% และความสามารถในการใช้การเรียนรู้ในสถานการณ์จริงที่ 42% การแจ้งเตือนหรือเครื่องมือจาก AI อยู่ในอันดับที่ต่ำกว่ามากที่ 18%

“ผู้คนให้คุณค่ากับ AI เพราะมันช่วยให้พวกเขาเรียนได้ง่ายขึ้น” Kirill Bigai CEO ของ Preply กล่าวในรายงาน “พวกเขาให้คุณค่ากับคนเพราะคนทำให้สิ่งที่เรียนรู้ติดแน่นและเปลี่ยนความรู้ให้เป็นความสามารถในโลกจริง”

การแบ่งหน้าที่นี้บ่งบอกถึงโมเดลที่นำไปใช้ได้จริงสำหรับการเรียนรู้ที่ใช้ AI. AI สามารถลดอุปสรรคในขั้นตอนเริ่มต้นโดยการอธิบาย สรุป แปล และสร้างแบบฝึกหัด ผู้สอน ผู้จัดการ และเพื่อนร่วมงานมนุษย์สามารถสร้างความรับผิดชอบ สังเกตความเข้าใจผิด ปรับการฝึกให้สอดคล้องกับบริบท และประเมินว่าผู้เรียนสามารถทำงานได้อย่างอิสระหรือไม่

Gen Z รายงานช่องว่างที่กว้างที่สุด

ตัวเลขการนำไปใช้ที่สูงที่สุดไม่ได้สอดคล้องกับผลลัพธ์ที่ดีที่สุดเสมอไป

Gen Z มีการนำ AI ไปใช้สูงสุดในทุกเจนเนอเรชันที่ 92% แต่ก็รายงานว่ามีความยากลำบากมากที่สุดในการแปลงการเรียนรู้ให้เป็นการกระทำ 71% ของผู้ตอบ Gen Z บอกว่าตนยุ่งกับการเรียนรู้โดยไม่พัฒนา เทียบกับ 56% ของ Gen X 57% บอกว่าตนไม่สามารถนำสิ่งที่เรียนมาใช้ในชีวิตจริงได้ เทียบกับ 40% ของ Gen X ในขณะที่ 68% ได้ละทิ้งการเรียนรู้ในปีที่ผ่านมา เทียบกับ 38% ของ Gen X

รายงานไม่ได้สรุปว่า AI เป็นสาเหตุของความแตกต่างเหล่านี้ Preply ชี้อย่างชัดเจนว่าการสำรวจของตนไม่สามารถอธิบายว่าทำไมความสัมพันธ์นี้จึงเกิดขึ้นได้ ผลลัพธ์กลับบ่งบอกว่ากลุ่มที่ใช้เครื่องมือการเรียนรู้สมัยใหม่มากที่สุดก็เป็นกลุ่มที่ตระหนักถึงช่องว่างระหว่างการได้ความรู้และการปฏิบัติอย่างมั่นใจ

การนำไปใช้ก็แตกต่างตามระดับอาวุโสและประเทศอีกด้วย 47% ของผู้นำระดับสูงใช้ AI เพื่อการเรียนรู้ทุกวัน เมื่อเทียบกับ 35% ของผู้จัดการระดับจูเนียร์หรือระดับกลางและ 31% ของพนักงานที่ไม่อยู่ในตำแหน่งผู้จัดการ Argentina และ Poland รายงานอัตราการนำไปใช้โดยรวมสูงสุดที่ 93% ในขณะที่ United States และ Japan มีอัตราต่ำที่สุดในตลาดทั้งเก้าที่ 85% — ยังเป็นส่วนใหญ่ที่ใหญ่

สิ่งนี้หมายความว่าอย่างไรสำหรับการเรียนรู้ในที่ทำงาน

สำหรับนายจ้าง รายงานแย้งว่าการใช้เวลาในการเรียน, การสำเร็จหลักสูตร, หรือการต่อเนื่องของการเรียนเป็นมาตรการที่เพียงพอในการวัดความก้าวหน้าไม่เหมาะสม หากเป้าหมายคือประสิทธิภาพที่ดีขึ้น โปรแกรมการเรียนต้องทดสอบว่าพนักงานสามารถใช้ทักษะในสถานการณ์ที่เป็นจริงได้หรือไม่

ซึ่งอาจหมายถึงการจับคู่คำอธิบายที่สร้างโดย AI กับการจำลอง, การฝึกฝนที่มีผู้ดูแล, การให้ข้อเสนอแนะจากผู้จัดการ หรือการโค้ชแบบสด นอกจากนี้ยังหมายถึงการประเมินผลลัพธ์ที่ใกล้เคียงกับงานจริงมากขึ้น: ว่าบุคคลสามารถแก้ปัญหา, สื่อสารอย่างชัดเจน, ตัดสินใจ, หรือทำงานให้สำเร็จโดยได้รับความช่วยเหลือน้อยลงหรือไม่

การศึกษาอิงจากการสำรวจออนไลน์ที่ดำเนินการโดย Dynata และเสร็จสิ้นเมื่อวันที่ 26 มิถุนายน 2026 ผู้ตอบแบบสำรวจเป็นผู้ใหญ่ที่ทำงานหรืออาชีพอิสระ อายุ 18 ถึง 55 ปี ซึ่งได้พยายามเรียนรู้ทักษะที่เกี่ยวข้องกับอาชีพอย่างกระตือรือร้นในช่วง 12 เดือนที่ผ่านมา กลุ่มตัวอย่างครอบคลุม United States, United Kingdom, Spain, France, Germany, Italy, Poland, Japan และ Argentina เนื่องจากผลลัพธ์เป็นการรายงานด้วยตนเอง จึงสะท้อนถึงการรับรู้และประสบการณ์ของผู้ตอบ แทนที่จะเป็นผลการพัฒนาทักษะที่วัดโดยอิสระ

แม้จะมีข้อจำกัดดังกล่าว ผลลัพธ์หลักก็ยังยากที่จะมองข้าม: AI ได้ลดต้นทุนในการเข้าถึงข้อมูลลง แต่การเรียนรู้ยังต้องเผชิญกับโลกจริง ขั้นตอนต่อไปของการศึกษาโดยใช้ AI จะถูกประเมินโดยให้น้ำหนักกับปริมาณเนื้อหาที่ส่งมอบได้น้อยลง และให้น้ำหนักมากขึ้นกับความสามารถของผู้เรียนในการนำสิ่งที่สอนไปใช้อย่างมั่นใจ