เมื่อ AI ทำให้เราทำงานเร็วขึ้น แต่ไม่ฉลาดขึ้น และสิ่งที่ผู้นำต้องทำเกี่ยวกับเรื่องนี้

สำหรับหลายคน AI เป็นคำตอบสำหรับความท้าทายทางธุรกิจมากมาย มันสามารถช่วยเขียนโค้ด อัตโนมัติกระบวนการทำงาน และเป็นเพื่อนร่วมงานในการวิเคราะห์ข้อมูล แต่ในขณะที่องค์กรกำลังทำงานได้เร็วขึ้น พวกเขาก็กำลังคิดน้อยลง ดังนั้นความเสี่ยงที่แท้จริงของ AI ไม่ใช่การแทนที่งาน แต่เป็นการกัดกร่อนความรู้

การวิจัยได้พิสูจน์แล้วว่าการพึ่งพา AI มากขึ้นจะทำให้ความสามารถในการคิดอย่างมีวิจารณญาณลดลง ตามที่ SBS Swiss Business School พบว่าการพึ่งพา AI มากขึ้นจะทำให้ความสามารถในการคิดอย่างมีวิจารณญาณลดลง

การกัดกร่อนนี้มีผลกระทบอย่างรุนแรง เนื่องจากทักษะที่ทำให้การตัดสินใจของมนุษย์มีค่าลดลงเมื่อทีมพึ่งพาผลลัพธ์ของเครื่องจักรโดยไม่เข้าใจว่ามันทำงานอย่างไร การให้เหตุผลที่อ่อนแอ การ假设ที่ไม่ได้รับการท้าทาย และการบริหารแบบจำลองที่ลดลงไม่เท่ากับประสิทธิภาพของ AI แต่เพิ่มความเปราะบางของธุรกิจ

ความเข้าใจผิดเกี่ยวกับความสามารถของ AI

องค์กรกำลังเฉลิมฉลองผลลัพธ์ที่เร็วขึ้นเป็นหลักฐานของการนำ AI ไปใช้สำเร็จ แต่ความเร็วเป็นมาตรการที่ทำให้เข้าใจผิด สิ่งที่หลายทีมเรียกว่าความสามารถของ AI มักจะสับสนกับความสามารถในการตอบสนองอย่างรวดเร็ว แต่พนักงานต้องสามารถไว้วางใจผลลัพธ์ที่ได้รับ

หากผลลัพธ์ดูเหมือนถูกต้อง ผู้คนจำนวนมากจะถือว่ามันถูกต้อง การตรวจสอบแบบจำลองถูกละเลย และการ假設ไม่ได้รับการท้าทาย พนักงานเริ่มพึ่งพา AI สำหรับการตัดสินใจที่ต้องใช้การให้เหตุผล

การวิจัยในปี 2025 ได้สนับสนุนรูปแบบนี้ โดยพบว่ามีความสัมพันธ์เชิงลบระหว่างการใช้เครื่องมือ AI บ่อยๆ และความสามารถในการคิดอย่างมีวิจารณญาณ ซึ่งถูก trung gianโดยการ offload ความคิดมากขึ้น

จุดนี้ยังได้รับการสนับสนุนจากผลการวิจัยใน The Economic Times ซึ่งพบว่าความสามารถในการใช้ AI ไม่ได้มาจากการที่สามารถตอบสนองได้เร็ว แต่มาจากทักษะของมนุษย์ที่สามารถตีความ ผลลัพธ์ของเครื่องจักร และความสามารถในการใช้ AI มาจากการคิดอย่างมีวิจารณญาณ การให้เหตุผลเชิงวิเคราะห์ การแก้ปัญหาเชิงสร้างสรรค์ และความฉลาดทางอารมณ์

อย่างน่าห่วงใย การ offload ความคิดนี้ได้ถูกสังเกตที่ระดับสมอง Economic Times รายงานเกี่ยวกับการศึกษาของ MIT Media Lab และพบว่าผู้เข้าร่วมที่ใช้ ChatGPT บ่อยๆ มีการรักษาความจำที่ลดลง คะแนนประสิทธิภาพที่ลดลง และกิจกรรมสมองที่ลดลงเมื่อพยายามทำงานโดยไม่ใช้ AI

ผลลัพธ์เหล่านี้ช่วยอธิบายว่า AI ทำให้เราสูญเสียทักษะอะไรบ้าง

• การให้เหตุผลเชิงวิเคราะห์
• การทดสอบสมมติฐาน
• การแก้ปัญหาเชิงสร้างสรรค์
• ความเข้าใจในระดับโดเมน

การวิจัยล่าสุดนี้ช่วยให้เราเห็นถึงผลเสียของ AI ต่อมนุษย์

เหตุใดทักษะ Human-in-the-Loop ที่อ่อนแอจึงสร้างความเสี่ยงระดับองค์กร

การแบ่งแยกทักษะใหม่ทำให้การบริหารจัดการอ่อนแอ

เมื่อการนำ AI ไปใช้แพร่หลาย การแบ่งแยกทักษะก็เกิดขึ้นในหลายองค์กร ในด้านหนึ่งมีผู้ตรวจสอบที่สามารถตั้งคำถาม ท้าทาย ตีความ และปรับปรุงผลลัพธ์ ในด้านอื่นเป็นผู้ดำเนินการที่ยอมรับผลลัพธ์โดยไม่ตั้งคำถาม

การแบ่งแยกนี้มีความสำคัญมากกว่าที่ผู้นำหลายคนคิด การบริหารจัดการขึ้นอยู่กับทีมที่สามารถตั้งคำถามเกี่ยวกับสมมติฐานของแบบจำลอง ไม่ใช่แค่ผลลัพธ์

เมื่อทีมยอมรับผลลัพธ์ของ AI โดยไม่ตั้งคำถาม ข้อผิดพลาดเล็กๆ จะเคลื่อนตัวลงสู่กระบวนการและเพิ่มขึ้นอย่างรวดเร็ว การพึ่งพา AI มากเกินไปจะกลายเป็นจุดอ่อนที่ทำให้เกิดความเสี่ยง

การแบ่งแยกทักษะนี้ยังทำให้การนวัตกรรมชะงัก ทีมที่ไม่สามารถตั้งคำถามเกี่ยวกับ AI ไม่สามารถปรับปรุงคำสั่งหรือรู้จักเมื่อไอเดียใหม่เกิดขึ้น การนวัตกรรมจะถูกจัดสรรให้กับกลุ่มผู้เชี่ยวชาญที่มีขนาดเล็กลง ทำให้ความสามารถขององค์กรในการปรับตัวชะงัก

การนวัตกรรมหยุดชะงักเมื่อความอยากรู้อยากเห็นของมนุษย์ลดลง

AI สามารถเร่งและอัตโนมัติหลายงาน แต่ไม่สามารถแทนที่ความอยากรู้อยากเห็นของมนุษย์ได้ แต่ความอยากรู้อยากเห็นนี้กำลังลดลง ซึ่งรู้จักกันในชื่อ agency decay การศึกษา 4 ระยะของการ offload ความคิดให้กับเครื่องจักร

1. การทดลอง: ผู้คนเริ่มมอบหมายงานเล็กๆ ให้กับ AI โดยความสะดวกและความรวดเร็ว
2. การรวมเข้า: AI กลายเป็นส่วนหนึ่งของงานประจำวัน ผู้คนยังคงมีทักษะพื้นฐาน แต่รู้สึกไม่สบายใจเมื่อต้องทำงานร่วมกับ AI
3. การพึ่งพา: AI เริ่มทำการตัดสินใจที่ซับซ้อน ผู้ใช้กลายเป็นคนพึ่งพาและความสามารถในการคิดลดลงโดยไม่ทราบ
4. การเสพติด: รู้จักกันในชื่อการมองไม่เห็นโดยเลือก ผู้คนไม่สามารถทำงานได้อย่างมีประสิทธิภาพโดยไม่ใช้ AI แต่ยังคงเชื่อมั่นในความเป็นอิสระของตนเอง

การก้าวหน้านี้มีความสำคัญเพราะ AI กัดกร่อนความสามารถในการรู้สึกเมื่อเราขาดความรู้และคิดวิธีแก้ปัญหาใหม่ๆ ทักษะระดับสูงเหล่านี้ต้องการการฝึกฝนอย่างต่อเนื่อง แต่ความสะดวกของ AI ทำให้การละเลยพวกมันง่ายขึ้น

องค์กรจึงกลายเป็นองค์กรที่มีประสิทธิภาพ แต่ไม่มีการสร้างสรรค์ การวิจัยและพัฒนา phụ thuộcกับความอยากรู้อยากเห็นและความกังขาของมนุษย์ ซึ่งลดลงเมื่อผลลัพธ์ของ AI ไม่ได้รับการท้าทาย

การสูญเสียความรู้ที่ไม่ได้เขียนไว้ทำให้องค์กรมีความเปราะบาง

ในกลุ่มที่ทำงานได้ดี ความเชี่ยวชาญจะไหลผ่านการเชื่อมต่อระหว่างเพื่อนร่วมงานและจากผู้อาวุโสสู่ผู้จู๋จี๋ แต่เมื่อพนักงานส่งคำถามให้ AI แทนที่จะส่งให้คนอื่น ลูปการให้คำปรึกษาจะอ่อนแอลง

เมื่อเวลาผ่านไป ความรู้พื้นฐานจะถูกทำลาย แต่ความเสี่ยงนี้ต้องใช้เวลาในการแสดงออก ดังนั้นธุรกิจจึงดูเหมือนมีประสิทธิภาพ แต่ฐานของมันกลับเปราะบาง เมื่อแบบจำลองล้มเหลวหรือมีข้อผิดพลาดที่ไม่คาดคิด ทีมงานก็ไม่มีความลึกของโดเมนในการตอบสนองด้วยความมั่นใจ

กรณีศึกษาของบริษัทบัญชีที่ตีพิมพ์ใน The Vicious Circles of Skill Erosion พบว่าการพึ่งพาเครื่องมืออัตโนมัติทางปัญญาในระยะยาวจะทำให้ความเชี่ยวชาญของมนุษย์ลดลงอย่างมาก เมื่อพนักงานไว้วางใจฟังก์ชันอัตโนมัติมากขึ้น ความตระหนักเกี่ยวกับกิจกรรมของตน การบำรุงรักษาความสามารถ และการประเมินผลลัพธ์จะอ่อนแอลง

สิ่งที่ผู้นำต้องทำเพื่อสร้างความลึกและป้องกันการพึ่งพา AI มากเกินไป

องค์กรไม่สามารถชะลอการนำ AI ไปใช้ได้ แต่สามารถเสริมสร้างการตัดสินใจของมนุษย์ ซึ่งทำให้ AI มีความน่าเชื่อถือมากขึ้น ซึ่งเริ่มต้นด้วยการกำหนดความสามารถของ AI ใหม่ในองค์กร เนื่องจากความสามารถในการตอบสนองอย่างรวดเร็วไม่ใช่ความสามารถที่แท้จริง

เพื่อทำความเข้าใจสิ่งนี้ พนักงานต้องได้รับการฝึกอบรมเกี่ยวกับวิธีการที่แบบจำลองทำให้ความหมายง่ายขึ้น วิธีการที่การเปลี่ยนแปลงของแบบจำลองแสดงออกในงานประจำวัน และความแตกต่างระหว่างผลลัพธ์ที่ดูเหมือนมั่นใจและผลลัพธ์ที่มีการให้เหตุผลที่ดี

• สมมติฐานใดที่แบบจำลองนี้กำลังทำ?
• อะไรที่จะทำให้ผลลัพธ์นี้ผิด?
• ผลลัพธ์นี้ขัดแย้งกับสิ่งที่เรารู้จากประสบการณ์หรือไม่?

การวิเคราะห์เชิงวิพากษ์นี้ใช้เวลาเพียงไม่กี่นาที แต่ช่วยป้องกันการ offload ความคิดและทำให้พนักงานและผลลัพธ์ของ AI มีความสมดุล

วิธีที่ดีที่สุดสำหรับธุรกิจในการสอนพนักงานคือการใช้ระบบจริง มักจะเน้นไปที่สถานการณ์理想 แต่ธุรกิจไม่มีสิ่งนั้น มีระบบที่มีข้อมูลไม่สมบูรณ์ ความหมายไม่ชัดเจน และการตัดสินใจของมนุษย์มีความสำคัญ

ตัวอย่างเช่น หากบริษัทขนส่งฝึกทีมการกำหนดเส้นทางเพียงบนเซตข้อมูลที่สมบูรณ์แบบที่ AI ทำงานได้ดี พนักงานจะไม่เตรียมพร้อมสำหรับสภาพแวดล้อมจริง เช่น การหยุดทำงานเนื่องจากสภาพอากาศที่ไม่ดี ซึ่งอาจทำให้ AI ให้คำแนะนำที่ไม่ถูกต้อง หากพนักงานไม่เคยเห็นระบบทำงานในสถานการณ์ที่ไม่แน่นอน พวกเขาจะไม่รู้ว่าจะทำอย่างไรเมื่อเกิดการเปลี่ยนแปลงหรือต้องเข้าแทรกแซง

เพื่อให้แน่ใจว่าการฝึกอบรมเป็นไปอย่างมีประสิทธิภาพ ผู้นำธุรกิจต้องวัดความสามารถของมนุษย์ ไม่ใช่แค่ผลลัพธ์ของระบบ องค์กรตามปกติจะตรวจสอบความแม่นยำของแบบจำลองหรือตัวชี้วัดการประหยัดต้นทุน แต่ไม่ค่อยตรวจสอบพฤติกรรมที่บ่งบอกถึงการตัดสินใจที่ดีของมนุษย์

AI จะยังคงเร็วขึ้น สิ่งนี้ไม่มีการถกเถียง แต่คำถามคือว่าทีมจะรักษาทักษะที่จำเป็นในการตั้งคำถาม แก้ไข และเปลี่ยน AI เมื่อเกิดปัญหาหรือไม่ นั่นคือจุดที่ความแตกต่างจะปรากฏ องค์กรที่ลงทุนในการตัดสินใจของมนุษย์จะสามารถรับประโยชน์จาก AI ได้จริง ไม่ใช่แค่ประสิทธิภาพที่เปราะบาง ทุกคนอื่นกำลังสร้างบนพื้นฐานที่ไม่แข็งแรง