คำถามที่มักพบบ่อยในช่วง 1-2 ปีที่ผ่านมาคือ เราจะถูก AI แย่งงานหรือไม่? หรืองานของใครจะถูกเทคโนดลยี Disrupt ไปก่อนกัน? แต่อาจจะมีส่วนน้อยที่ตั้งคำถามว่า “เราจะสามารถทำงานร่วมกับ AI ได้อย่างไร?”
บทความโดย ดร. ณรงค์ บริจินดากุล ตำแหนง Ai Product Manager, Wisesight(Thailand) Co.,Ltd จะมาช่วยไขความกระจ่างให้เราทราบ
ประโยคยอดฮิตอย่าง “AI ไม่ได้มาแทนคน แต่คนที่ใช้ AI จะมาแทนคนที่ไม่ใช้ AI” ของ Karim Lakhani ศาสตราจารย์จาก Harvard Business School ทำให้คนจำนวนมากตระหนักถึงผลกระทบของ AI ที่มีต่อการทำงานมากขึ้น หลายคนเข้าใจถึงความสำคัญของการประยุกต์นำ AI มาใช้ในชีวิตประจำวันหรือหลอมรวม AI เข้าเป็นส่วนหนึ่งของการทำงานเพื่อเพิ่มผลิตภาพ หรือ productivity มากขึ้น
เรามักได้ยินเรื่องการใช้ AI ในการทำงานเพื่อเพิ่ม productivity ว่าแต่จะมีกี่วิธีที่เราจะสามารถหลอมรวม AI เข้ามาเป็นส่วนหนึ่งของกระบวนการทำงานของเรา?
Ethan Mollick ศาสตราจารย์จาก Wharton School ได้นำเสนอแนวคิดเรื่องการทำงานร่วมกันระหว่างคนกับ AI ได้อย่างน่าสนใจ ซึ่งเขาได้แบ่งการทำงานออกเป็นสองวิธีหลักๆ
วิธีแรกคือการทำงานแบบที่เรียกว่า Centaur หากเราอ่านนิยายแฟนตาซีตะวันตกมาบ้างเราจะคุ้นกับคำนี้ เนื่องจาก Centaur เป็นสิ่งมีชีวิตในนิยายที่ครึ่งบนเป็นมนุษย์ ส่วนครึ่งร่างเป็นม้า โดยครึ่งบนและล่างมีการแบ่งแยกกันอย่างชัดเจน การเปรียบเทียบวิธีการทำงานร่วมกับ AI ว่าเหมือน Centaur เนื่องจากการทำงานแบบนี้มีการแบ่งงานกันอย่างชัดเจน
ตัวอย่างเช่น การวางแผนการวิเคราะห์ข้อมูลมหาศาล โดยอาจมีการใช้ AI algorithm ในการแบ่ง segment หรือจัด cluster ของข้อมูลก่อน จากนั้นจึงนำข้อมูลที่ได้มาวิเคราะห์โดยใช้คนในขั้นตอนถัดไป การทำงานแบบนี้ถูกเปรียบเทียบกับ Centaur เนื่องจากมีการแบ่งสัดส่วนอย่างชัดเจนคล้ายครึ่งบนครึ่งล่างของ Centaur กล่าวคือ AI ทำการวิเคราะห์เบื้องต้นแล้วจัดหมวดหมู่ให้ง่ายขึ้น จากนั้นมนุษย์จึงเข้ามารับช่วงวิเคราะห์ต่อ
ตัวอย่างต่อมาของการทำงานแบบ Centaur คือการวิเคราะห์ภาพถ่ายรังสีโดย AI และแพทย์ ซึ่งเราอาจมีการใช้ AI มาวิเคราะห์ภาพถ่ายรังสีในช่วง pre-screen ก่อน จากนั้นจึงนำผลลัพธ์ส่งต่อให้แพทย์ประเมิณและวินิจฉัยหาสาเหตุอย่างละเอียดในส่วนหลัง
จากสองตัวอย่างก่อนหน้า เราจะเห็นเส้นแบ่งการทำงานสองส่วนอย่างชัดเจน เสมือนตัว Centaur ที่มีเส้นแบ่งครึ่งบนครึ่งล่างอย่างชัดเจน
วิธีการทำงานร่วมกันระหว่างคนและ AI แบบที่สองคือการทำงานแบบ Cyborg ซึ่งเป็นสิ่งมีชีวิตที่เรามักพบเห็นในหนัง Sci-fi โดยตัว Cyborg เป็นส่วนผสมระหว่างมนุษย์กับเครื่องจักรอย่างกลมกลืน โดยที่ไม่มีเส้นแบ่งเหมือนอย่าง Centaur การทำงานแบบ Cyborg สะท้อนถึงวิธีการทำงานแบบที่กลมกลื่น ซึ่งหลายๆครั้งจะเป็นกระบวนการแบบวนซ้ำ (iterative) ระหว่างมนุษย์กับ AI
ตัวอย่างของการทำงานแบบ Cyborg เช่นการเขียนบทความหรือเขียนหนังสือโดยใช้ AI ซึ่งตอนแรกเราอาจมีการ draft เองเนื้อหาเองโดยคน หรือใช้ AI ในการคิดไอเดียก็ได้ จากนั้นจึงมีการเขียนและขัดเกลาให้ชิ้นงานมีคุณภาพดีขึ้นอีกหลายรอบจนได้ผลลัพธ์ที่น่าพอใจ สังเกตได้ว่ากระบวนการทำงานนี้ต้องมีการวนซ้ำและเกลาหลายๆรอบโดยคนและ AI ทำงานร่วมกัน
ตัวอย่างที่สองของการทำงานแบบ Cyborg คือผู้ช่วยเขียนโปรแกรมหรือ Co-pilot ที่มนุษย์และ AI ทำงานร่วมกันแบบผสานเป็นหนึ่งเดียว ในขณะที่โปรแกรมเมอร์กำลังเขียนโค้ดอยู่ AI ก็มีการตรวจทานและช่วยแก้ไปพร้อมๆกัน มีการทำงานผสมผสานกันอย่างเป็นหนึ่งเดียวโดยไม่มีเส้นแบ่งใดๆ
เห็นได้ว่าการร่วมมือระหว่างคนและ AI สามารถแบ่งได้เป็นสองประเภท คำถามต่อมาคือ การทำงานแบบ Centaur และ Cyborg ส่งผลกระทบต่อ productivity ของคนที่ใช้ AI อย่างไรบ้าง?
หนึ่งในงานวิจัยของ Ethan ที่มีชื่อว่า “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality” มีการศึกษาถึงผลกระทบของการใช้ AI ในการทำงาน ซึ่งเราสามารถสรุปผลการศึกษาบางส่วนออกมาได้คร่าวๆได้ว่างานวิจัยนี้เป็นการศึกษาร่วมกับบริษัท consult ชื่อดังอย่าง Boston Consulting Group (BCG) โดยมีการแบ่งกระบวนการทำงานหรือ task ออกเป็น 18 อย่างที่สามารถใช้เป็นตัวแทนการทำงานจริงของ consultant ได้ดี ผลของการศึกษานี้แสดงให้เห็นว่าคนที่ใช้ AI อย่าง ChatGPT-4 สามารถทำงานได้ productive กว่าคนที่ไม่ใช้เลยดังที่เห็นในกราฟในรูปที่ 1
รูปที่ 1: คุณภาพงานของคนที่ใช้ AI และคนที่ไม่ใช้ AI
ข้อมูลในกราฟสะท้อนให้เห็นว่าคนที่ใช้ AI ช่วยงาน (กราฟสีเขียว) สามารถทำงานออกมาได้มีคุณภาพดีกว่าคนที่ไม่ได้ใช้ AI (กราฟสีน้ำเงิน) อย่างเห็นได้ชัด
จากการเจาะลึกลงเพิ่มเติมลงไป เราจะพบเห็นสิ่งที่น่าสนใจว่าในบรรดาคนที่ใช้ AI นั้น กลุ่มที่ได้รับประโยชน์สูงที่สุดคือคนที่ไม่ได้เก่งมากหรือกลุ่มที่เราจัดว่าเป็น “bottom-half” ซึ่งจากชาทในรูปที่ 2 เราจะเห็นได้ว่าประสิทธิภาพการทำงานหรือ performance ของคนกลุ่มนี้เพิ่มขึ้นถึง 43% เมื่อเทียบกับคนที่เก่งอยู่แล้วหรือกลุ่มคนที่เราจัดว่าเป็น “top-half” ซึ่งคนกลุ่มหลังนี้ได้ประโยชน์จากการใช้ AI อยู่ที่ 17%
รูปที่ 2: ประสิทธิภาพที่เพิ่มขึ้นจากการใช้ AI ของคนกลุ่ม Bottom-Half และ Top-Half
จากการศึกษาเบื้องต้นเราสามารถบอกได้ว่าจริงๆแล้ว AI เป็นสิ่งที่เรียกว่า skill leveler หรือตัวเลื่อนความสามารถ ซึ่งจะมีการช่วยเพิ่มประสิทธิภาพการทำงานของคนกลุ่ม Bottom-Half ให้มีประสิทธิภาพสูงขึ้นมากใกล้เคียงกับกลุ่ม Top-Half
อย่างไรก็ตาม จากการใช้งานจริงของคนจำนวนมาก หนึ่งในผลตอบรับที่เรามักได้ยินคือ AI สามารถช่วยงานได้ แต่ผลลัพธ์ของมันออกมาได้แค่งานเกรด B พูดง่ายๆคือคนจำนวนมากยังรู้สึกว่า AI ไม่สามารถผลิตผลงานดีๆเกรด A ออกมาได้
คำถามที่น่าสนใจต่อมาคือในเมื่อ AI เป็น Skill Leveler ที่ช่วยคน Bottom-Half ได้ ทำไม AI ถึงผลิตได้เพียงงานเกรด B ทำไม AI ไม่สามารถผลิตงานเกรด A ออกมาเพื่อช่วยทั้งคน Bottom-Half และคน Top-Half ?
คำตอบของสิ่งนี้อยู่ในสารอาหารที่เราป้อนให้ AI เรียนรู้ซึ่งก็คือข้อมูลมหาศาลที่อยู่บนโลกอินเทอร์เน็ตนั่นเอง
ตัวอย่างหนึ่งที่สามารถเปรียบเทียบให้เราเข้าใจง่ายคือการเลี้ยงวัวเนื้อธรรมดาและการเลี้ยงวัววากิว
วัวเนื้อธรรมดาถูกเลี้ยงด้วยอาหารทั่วไปเช่นหญ้าหรือธัญพืชเกรดต่ำ อีกทั้งไม่ได้มีกรรมวิธีอะไรพิเศษในการดูแล คุณภาพเนื้อที่ออกมาจึงมีลักษณะแบบที่หาได้ทั่วไปไม่ได้มีความพิเศษ ในทางกลับกัน วัววากิวถูกเลี้ยงด้วยธัญพืชชั้นดี มีทั้งข้าวทั้งเหล้ารวมไปถึงมีการการนวดเพื่อผ่อนคลายวัวอีก ผลลัพธ์ที่ได้คือคุณภาพพิเศษของเนื้อวากิวจริงที่แตกต่างจากเนื้อทั่วไป
ย้อนกลับมาที่ AI ข้อมูลที่ใช้สอน AI คือวัตถุดิบสำคัญที่ป้อนให้ AI ได้เรียนรู้ สาเหตุที่ AI ส่วนใหญ่ทำงานเกรด B ได้ดีแต่ทำงานเกรด A ไม่ค่อยได้ก็เนื่องจากข้อมูลในโลกออนไลน์ส่วนใหญ่เป็นข้อมูลที่ถูกสร้างขึ้นจากคนที่เรียกได้ว่าเป็นมนุษย์ปุถุชนธรรมดา (คนเกรด B) ไม่ได้เป็น master ในคราฟนั้นๆ ตัวอย่างการเขียนหนังสือหรือบทความที่อยู่บนโลกออนไลน์ส่วนใหญ่ก็มีคุณภาพอยู่ในเกณฑ์ระดับกลาง ส่วนน้อยมากที่จะมาจากนักเขียนระดับท็อปที่ผลงานอยู่ในเกณฑ์ดีมาก ทำให้จำนวนงานที่ถูกจัดอยู่ในเกณฑ์ดีมากอยู่ในโลกออนไลน์ค่อนข้างจำกัด ผลก็คือ AI ไม่ได้มีโอกาสที่จะเรียนรู้งานระดับท็อปมากนัก ท้ายที่สุดจึงผลิตงานออกมาในระดับกลาง
หากจะให้สรุปเหตุผลที่ AI ทำงานได้แค่งานเกรด B ภายในหนึ่งประโยคคงเป็น “เพราะข้อมูลที่เราสอน AI ส่วนใหญ่เป็นข้อมูลที่มาจากคนทั่วไปที่ไม่ได้เก่งมาก AI เรียนจากข้อมูลที่ผลิตโดยคนกลางๆจึงทำให้ AI มีความสามารถแบบกลางๆและไม่ได้เก่งมาก ผลงานส่วนใหญ่จะอยู่ที่เกรด B” หากเราต้องการให้ AI ทำงานเกรด A ได้มากขึ้น คงจะต้องมีการคัดสรรงานที่อยู่ในเกณฑ์ดีถึงดีมากจำนวนมากมาสอนให้ AI ซึ่งเป็นกระบวนการที่ค่อนข้างยากและมีราคาแพง ก่อนที่เราจะสามารถคัดสรรข้อมูลชั้นดีมากสอนให้ AI ได้ เราน่าจะต้องอยู่ในช่วงเวลาของ Mediocre Centuar และ Mediocre Cyborg ไปซักระยะ
เขียนโดย : ดร. ณรงค์ บริจินดากุล ตำแหนง Ai Product Manager, Wisesight(Thailand) Co.,Ltd
Related posts:
สโมสรฟุตบอลเลสเตอร์ ซิตี้ เผยแถลงการณ์ ณ วันที่ 23 มีนาคม 2567
กางยุทธศาสตร์ TAN ลุยปี 2567 ตั้งเป้ากำไรเพิ่ม 20% เล็งนำเข้าแบรนด์แฟชั่นชื่อดังจากญี่ปุ่น พร้อมจัดระเบียบโคร้างสร้างใหม่เป็น 4 กลุ่มธุรกิจ
IKEA เปิดคอลเลกชั่นใหม่ รีไซเคิลเครื่องแบบพนักงาน ชูจุดขายโปรเจ็กต์ลดขยะ
Hertz ผู้ให้เช่ารถรายใหญ่ระดับโลก ตัดสินใจเลิกให้เช่า EV หลังเจอต้นทุนลับแอปแฝง
ฟิตขากรรไกร! Snickers ดึงเทรนเนอร์ช่วยฝึกกล้ามปาก เตรียมพร้อมเคี้ยวบาร์โปรตีนใหม่ Hi Protein
