ทำไมการเชื่อใจ AI โดยไม่มีข้อจำกัดอาจเป็นการตัดสินใจที่แย่ที่สุดของคุณ

ในปี 1979 คู่มือการฝึกอบรมของ IBM ได้ให้คำเตือนอย่างง่ายแต่ชัดเจน: “คอมพิวเตอร์ไม่สามารถถูกถือว่ามีความรับผิดชอบได้ ดังนั้น คอมพิวเตอร์จึงไม่ควรตัดสินใจด้านการจัดการ” และมากกว่า 45 ปีต่อมา คำกล่าวนี้รู้สึกเหมือนคำพยากรณ์ที่ถูกละเลย

ในปี 2025 AI ไม่ได้เพียงช่วยเหลือ แต่ยังตัดสินใจโดยอัตโนมัติ และในหลายกรณี AI ไม่เพียงแต่ตัดสินใจเท่านั้น แต่ยังเป็นผู้นำด้วย ในความเป็นจริง Around 74% ของผู้บริหารมีความมั่นใจใน AI สำหรับการให้คำปรึกษาทางธุรกิจมากกว่าเพื่อนหรือเพื่อนร่วมงาน 38% เชื่อใจ AI ในการตัดสินใจทางธุรกิจแทนพวกเขา และ 44% ยอมรับเหตุผลของเทคโนโลยีมากกว่าข้อมูลเชิงลึกของตนเอง การเปลี่ยนแปลงนี้ชัดเจน: AI คือสัญชาตญาณใหม่

แต่มีปัญหา การเชื่อใจ AI เป็นไปได้เฉพาะในกรณีที่อัลกอริทึมมีค่าเชื่อถือได้ และเมื่อความเชื่อถือถูกวางไว้อย่าง盲目 โดยเฉพาะในกล่องดำที่เราไม่สามารถเข้าใจหรือตรวจสอบได้ มันเป็นความเสี่ยงที่ปลอมตัวเป็นความก้าวหน้า เมื่อความเชื่อถือถูกวางไว้โดยไม่มีการตรวจสอบหรือการควบคุม มันสามารถและทำการตัดสินใจที่ไม่ดีและเสริมสร้างความลำเอียงที่มีอยู่แล้ว

เมื่อเครื่องมือกลายเป็นเจ้านาย

สิ่งที่เริ่มต้นเป็นเครื่องมือสำหรับการปรับปรุงการดำเนินงานสำนักงานหลังบ้านตอนนี้ถูกใช้ในกระบวนการธุรกิจหลัก แต่บริษัทไม่ได้ใช้ AI เพียงเพื่อสนับสนุนการตัดสินใจของมนุษย์เท่านั้น แต่ยังเชื่อใจ AI โดยเฉพาะ AI ที่สร้างขึ้น (GenAI) ในการตัดสินใจทางธุรกิจ ตั้งแต่กลยุทธ์ธุรกิจไปจนถึงการบริการลูกค้า การสร้างแบบจำลองทางการเงิน และอื่นๆ

การเปลี่ยนแปลงนี้เข้าใจได้ AI ไม่ถูกขัดจังหวะ ลืมคำสั่ง หรือให้อารมณ์มาขัดขวางการตัดสินใจ สำหรับหลายบริษัท สิ่งนี้ให้คำตอบที่น่าสนใจต่อความเสี่ยงของข้อผิดพลาดของมนุษย์ อย่างไรก็ตาม คำถามหลักยังคงอยู่: เราสามารถเชื่อใจ AI ในการเป็นเจ้านายและตัดสินใจโดยอิสระได้หรือไม่?

ไม่ใช่คำตอบที่ตรงไปตรงมา แต่หนึ่งวิธีในการมองมันคือวิธีที่เราตัดสินความน่าเชื่อถือของคน: โดยความสามารถ ความน่าเชื่อถือ และความตั้งใจที่ชัดเจน หลักการเดียวกันใช้กับ AI

เพื่อให้ได้รับความเชื่อถือ ระบบ AI ต้องให้ผลลัพธ์ที่ถูกต้อง ทันเวลา และเหมาะสม แต่ระดับความเชื่อถือและขอบเขตของข้อผิดพลาดแตกต่างกันไปตามบริบท ตัวอย่างเช่น เมื่อทำการวินิจฉัยมะเร็งจากภาพทางการแพทย์ มาตรฐานสำหรับการล้มเหลวคือ非常ต่ำ ในทางกลับกัน เมื่อสร้างแนวคิดสำหรับการรณรงค์ทางการตลาด มี空间สำหรับการทดลองมากขึ้น

เราจะเห็น AI ถูกใช้ในการตัดสินใจโดยอัตโนมัติในพื้นที่ เช่น การอนุมัติสินเชื่อ โดยธนาคารใช้อัลกอริทึมในการกำหนดความเหมาะสมในการให้สินเชื่อภายในไม่กี่วินาที ผู้ค้าปลีกใช้ AI ในการจัดการสินค้าและกำหนดราคาที่ไม่ต้องมีการแทรกแซงจากมนุษย์ แต่เรายังเห็นความล้มเหลว เช่น รถยนต์ขับเคลื่อนอัตโนมัติที่ตัดสินสภาพถนนผิดพลาด

เรื่องราวเตือนใจหนึ่งแสดงให้เห็นถึงความเสี่ยงของการวางใจ AI โดยไม่มีการกำกับดูแลที่เพียงพอ Derek Mobley – ชายผิวดำอายุเกิน 40 ปี – ได้ส่งใบสมัครมากกว่า 100 ตำแหน่งผ่านระบบ Workday AI ที่ขับเคลื่อนด้วย AI ตั้งแต่ปี 2017 และถูกปฏิเสธทุกครั้ง เขาได้กล่าวหาว่ามีการเลือกปฏิบัติทางอายุและเชื้อชาติ ในเดือนพฤษภาคม 2025 ศาลได้อนุญาตการดำเนินการร่วมกันทั่วประเทศ ชั้นเรียนนี้รวมถึงผู้สมัครทุกคนที่มีอายุ 40 ปีขึ้นไปที่สมัครผ่าน Workday ตั้งแต่เดือนกันยายน 2020 และถูกปฏิเสธตามคำแนะนำของ AI

ตัวอย่างนี้เน้นย้ำจุดสำคัญ: AI ขาดความฉลาดทางอารมณ์ การให้เหตุผลทางศีลธรรม หรือความรู้สึกที่เป็นธรรมชาติเกี่ยวกับความยุติธรรม และเนื่องจาก AI กำลังเปลี่ยนจากผู้ช่วยมนุษย์เป็นตัวตัดสินใจอิสระ จึงมีช่องว่างในการรับผิดชอบ เมื่ออัลกอริทึมได้รับอนุญาตให้ทำงานโดยไม่มีการตรวจสอบหรือการควบคุมจากมนุษย์ มันสามารถและทำการตัดสินใจที่ไม่ดีและเสริมสร้างความลำเอียงที่มีอยู่แล้ว

คำถามรอบๆ กล่องดำ

กล่องดำ – เมื่อระบบและตรรกะของ AI ไม่ชัดเจน – กำลังเป็นที่นิยมมากขึ้น แม้ว่าอาจมีชั้นที่มองเห็นได้ แต่นักพัฒนาและผู้ใช้ยังคงไม่สามารถมองเห็นสิ่งที่เกิดขึ้นที่แต่ละชั้น ทำให้มันไม่โปร่งใส

ตัวอย่างเช่น ChatGPT เป็นกล่องดำ เนื่องจากแม้แต่ผู้สร้างยังไม่แน่ใจว่ามันทำงานอย่างไร เนื่องจากได้รับการฝึกอบรมจากชุดข้อมูลขนาดใหญ่มาก แต่เนื่องจากการขาดความโปร่งใส จึงไม่เคยเหมาะสมที่จะ ‘เชื่อใจ’ โมเดล AI โดยไม่เข้าใจว่ามันทำงานอย่างไร

โดยสรุป ไม่: การหลอกลวงของ AI กำลังแย่ลง ซึ่งหมายความว่าในสถานการณ์ที่มีความเสี่ยงสูง เช่น การตัดสินใจทางการเงิน การให้คำปรึกษาทางกฎหมาย และข้อมูลทางการแพทย์ AI ต้องการการตรวจสอบอย่างเข้มงวด การอ้างอิงข้าม และการกำกับดูแลจากมนุษย์

คดี Disney และ Universal ที่ยื่นฟ้องในเดือนมิถุนายน 2025 ย้ำจุดนี้ บริษัทสตูดิโอเหล่านี้อ้างว่าเครื่องมือ GenAI ถูกฝึกอบรมจากวัสดุที่มีลิขสิทธิ์เพื่อสร้างเนื้อหาที่ไม่ได้รับอนุญาต คดีนี้เน้นย้ำความเป็นจริงใหม่: เมื่อบริษัทใช้โมเดล AI ที่พวกเขาไม่เข้าใจ พวกเขาอาจถูกถือว่ามีความรับผิดชอบต่อการตัดสินใจที่ทำ และการไม่รู้ไม่ใช่การป้องกัน แต่เป็นความรับผิด

อย่างไรก็ตาม เรามักจะวางใจในระบบที่ซับซ้อนซึ่งเราไม่เข้าใจ ตัวอย่างเช่น ผู้โดยสารบนเครื่องบินส่วนใหญ่ไม่สามารถอธิบายฟิสิกส์ของการบินได้ แต่ผู้คนขึ้นเครื่องบินด้วยความมั่นใจเพราะเราได้สร้างความเชื่อใจผ่านประสบการณ์ที่ซ้ำกัน ประสบการณ์ร่วมกัน และประวัติที่มั่นคงด้านความปลอดภัย

ตรรกะเดียวกันสามารถใช้กับ AI ได้อีกครั้ง ไม่สมเหตุสมผลที่จะคาดหวังให้ทุกคนเข้าใจว่า LLMs ทำงานอย่างไร แต่ความเชื่อใจไม่ได้สร้างขึ้นจากความเข้าใจ แต่ต้องการความคุ้นเคย ความโปร่งใสเกี่ยวกับข้อจำกัด และรูปแบบการทำงานที่เชื่อถือได้ วิศวกรด้านการบินรู้ว่าจะทดสอบอะไรและข้อผิดพลาดดูเหมือนอย่างไร และเราควรต้องการสิ่งเดียวกันจากผู้ให้บริการ GenAI หลักการสำคัญของ AI ควรเป็นความเชื่อใจ แต่ตรวจสอบ

นอกจากนี้ ผู้นำธุรกิจมักเชื่อว่า AI จะเป็นกระสุนที่จะแก้ปัญหาธุรกิจทั้งหมด แต่ความเชื่อนี้เป็นปัญหาในหลายบริษัทเมื่อผสาน AI เข้าด้วยกัน ผู้นำอาจชอบโมเดลที่ซับซ้อนและทันสมัย แต่วิธีแก้ปัญหาที่ง่ายกว่าอาจเหมาะสมกว่าหากพวกเขาได้ทำการวิเคราะห์ต้นทุน-ผลประโยชน์ AI เป็นเครื่องมือที่ทรงพลัง แต่ไม่เหมาะสมสำหรับงานทุกประเภท บริษัทต่างๆ ต้องตระหนักถึงปัญหาก่อนที่จะเลือกเครื่องมือ

การสร้างความเชื่อใจใน AI ใหม่

ในขณะที่ชัดเจนว่าการเชื่อใจ AI โดยไม่มีข้อจำกัดเป็นปัญหา ระบบและอัลกอริทึม AI สามารถเป็นเครื่องมือที่ยิ่งใหญ่ที่สุดสำหรับธุรกิจ – เมื่อใช้อย่างปลอดภัย

สำหรับธุรกิจที่ต้องการใช้เครื่องมือ AI สิ่งแรกที่ต้องทำคือการวิจัยความซื่อสัตย์ของผู้ขาย เมื่อบริษัทระบุพื้นที่ที่สามารถเพิ่มประสิทธิภาพด้วย AI ได้ ผู้นำธุรกิจควรประเมินผู้ขายไม่เพียงแต่ในเรื่องการแสดงผลเท่านั้น แต่ยังรวมถึงการควบคุมด้านการกำกับดูแลด้วย ซึ่งรวมถึงการตรวจสอบว่าโมเดลถูกพัฒนาอย่างไร มีเครื่องมืออธิบายอยู่หรือไม่ การลำเอียงถูกติดตามอย่างไร และมีประวัติการตรวจสอบหรือไม่ การเลือกผู้ขายที่มีกระบวนการที่โปร่งใสเป็นสิ่งสำคัญในการลดความเสี่ยงตั้งแต่แรก

จุดสำคัญที่สุดในการสร้างความเชื่อใจในระบบ AI คือการรับรองการกำกับดูแลข้อมูลที่สะอาด มีแทนเทท และมีการจัดทำเอกสารที่ดี ตามที่คำพูดว่า: “ขยะเข้า ขยะออก” ดังนั้น หากข้อมูลไม่สมบูรณ์ มีอคติ หรือไม่ถูกต้อง แม้แต่โมเดลที่ซับซ้อนที่สุดก็จะผลิตผลลัพธ์ที่ไม่น่าเชื่อถือได้

เพื่อให้แน่ใจว่าข้อมูลพร้อมสำหรับ AI บริษัทควร:

• ตรวจสอบชุดข้อมูลที่มีอยู่สำหรับการขาดและซ้ำ และตรวจสอบแหล่งที่มาของอคติ

• มาตรฐานรูปแบบข้อมูล

• นำนโยบายการกำกับดูแลข้อมูลที่กำหนดความเป็นเจ้าของและควบคุมการเข้าถึง

ขั้นตอนสำคัญอีกขั้นสำหรับผู้นำธุรกิจคือการทดสอบความเครียดภายใต้สภาพแวดล้อมที่แตกต่างกัน แม้ว่าโมเดลอาจทำได้ดีในการทดสอบที่ควบคุม แต่ก็สำคัญที่จะเข้าใจข้อจำกัดของโมเดลเมื่อเผชิญกับข้อมูลใหม่หรืออินพุตที่ไม่คาดคิด นี่คือเหตุผลที่การทดสอบ AI ในหลายสถานการณ์ โดยผู้ใช้หลายประเภท ใช้กรณีการใช้งานที่แตกต่างกัน และข้อมูลจากช่วงเวลาแตกต่างกัน เป็นสิ่งสำคัญ

การตรวจสอบ AI ยังเป็นงานที่ต้องทำอย่างต่อเนื่อง เมื่อข้อมูลเปลี่ยนแปลงไปตามเวลา แม้แต่โมเดล AI ที่เชื่อถือได้ก็อาจสูญเสียความแม่นยำ ดังนั้นการตรวจสอบอย่างสม่ำเสมอจึงมีความสำคัญ บริษัทต่างๆ ต้องติดตามว่าโมเดลทำงานอย่างไรทุกวัน: ยังคงแม่นยำหรือไม่? หรือผลบวกลวงกำลังเพิ่มขึ้น? และเช่นเดียวกับระบบใดๆ ที่ต้องการการบำรุงรักษา โมเดลควรได้รับการฝึกอบรมใหม่ด้วยข้อมูลใหม่ๆ เพื่อให้เข้าใจสถานการณ์ปัจจุบัน

AI ไม่ใช่สิ่งที่เชื่อถือได้หรือไม่เชื่อถือได้ แต่ถูกกำหนดโดยข้อมูลที่เรียนรู้มา ผู้สร้าง และกฎที่ควบคุมมัน เมื่อ AI พัฒนาจากเครื่องมือที่มีประโยชน์เป็นที่ปรึกษาทางธุรกิจ ผู้นำมีทางเลือกที่ไม่เพียงแต่ใช้มันเท่านั้น แต่ยังใช้อย่างรอบคอบและเป็นจริยธรรมด้วย หากเราทำสิ่งนี้ให้ถูกต้อง AI จะไม่เพียงแต่มีพลังในอนาคตเท่านั้น แต่ยังรับผิดชอบด้วย โดยมีความรับผิดชอบที่ชัดเจนอยู่กับผู้พัฒนาและผู้ควบคุม