AI อาจทำให้งานดีขึ้น แต่ทำให้ความคิดของทีมแคบลง

มีงานวิจัยชิ้นหนึ่งที่ตีพิมพ์ในวารสาร Science Advances ปี 2024 โดย Doshi และ Hauser ทดลองให้คนเขียนเรื่องสั้น กลุ่มหนึ่งเขียนเอง อีกกลุ่มได้ไอเดียตั้งต้นจาก AI ผลออกมาสองอย่างที่ขัดกันในตัวเอง

อย่างแรกคือคนที่ได้ไอเดียจาก AI เขียนเรื่องที่ถูกประเมินว่าสร้างสรรค์กว่าและน่าอ่านกว่า โดยเฉพาะคนที่เดิมทีไม่ค่อยมีความคิดสร้างสรรค์มากนัก

อย่างที่สองคือเมื่อเอาเรื่องทั้งหมดในกลุ่มนั้นมาวางเทียบกัน มันคล้ายกันมากกว่ากลุ่มที่เขียนเองอย่างเห็นได้ชัด คุณภาพเฉลี่ยของแต่ละชิ้นสูงขึ้น แต่ความหลากหลายของทั้งกอง ลดลง

ตั้งแต่นั้นมามีงานวิจัยตามมาอีกหลายชิ้นที่พบรูปแบบเดียวกันในหลายวงการ ทั้งงานเขียน งานออกแบบ และแม้แต่การรีวิวงานวิชาการ ปรากฏการณ์นี้ถูกเรียกว่า homogenization หรือการที่ผลงานของคนหลายคนเริ่มลู่เข้าหากัน

🧠 ทำไมเรื่องนี้ถึงสำคัญกับทีม ไม่ใช่แค่กับคนคนเดียว

ในระดับบุคคล ผลลัพธ์นี้ฟังดูเป็นข่าวดี งานของเราดีขึ้น เร็วขึ้น ไม่มีใครเสียประโยชน์

แต่ทีมไม่ได้ทำงานด้วยผลรวมของงานแต่ละชิ้น ทีมทำงานด้วย “ความต่าง” ที่คนแต่ละคนเอามาชนกัน คุณค่าของการมีคนหกคนในห้องประชุม ไม่ได้อยู่ที่ได้ไอเดียหกอัน แต่อยู่ที่ไอเดียเหล่านั้นมาจากมุมมองที่ไม่เหมือนกัน จนทำให้เห็นจุดบอดของกันและกัน

ทีนี้ถ้าทั้งหกคนเปิดหน้าจอเดียวกัน ถามคำถามที่คล้ายกันมาก กับโมเดลตัวเดียวกัน ซึ่งถูกฝึกมาจากข้อมูลชุดเดียวกัน แล้วเอาผลลัพธ์มาต่อยอด สิ่งที่เกิดขึ้นคือทั้งหกคนออกเดินจากจุดตั้งต้นเดียวกัน

ห้องประชุมจะยังคึกคักเหมือนเดิม ทุกคนยังมีของมานำเสนอ ความเห็นตรงกันเร็วขึ้น รู้สึกว่าทีมกำลัง “อยู่หน้าเดียวกัน” และไม่มีใครรู้สึกว่ามีอะไรหายไป เพราะสิ่งที่หายไปคือไอเดียที่ไม่เคยถูกคิดขึ้นมา ซึ่งไม่มีทางปรากฏในรายงานใด ๆ

🧠 ความเห็นตรงกันเร็ว ไม่ได้แปลว่าคำตอบถูก

จุดที่ต้องระวังคือความคล้ายกันแบบนี้ให้ความรู้สึกเหมือนการยืนยัน เมื่อสามคนเสนอทางแก้ที่ไปในทิศเดียวกัน สมองเราตีความว่านี่คือหลักฐานว่าทางนี้ถูก ทั้งที่จริง ๆ อาจเป็นแค่หลักฐานว่าทั้งสามคนใช้เครื่องมือเดียวกัน

ผลคือทีมได้ความมั่นใจเพิ่มขึ้น โดยที่ข้อมูลที่รองรับความมั่นใจนั้นไม่ได้เพิ่มขึ้นเลย ซึ่งเป็นสถานการณ์ที่อันตรายที่สุดแบบหนึ่งในการตัดสินใจ

🧠 แล้วควรทำยังไง

ทางออกไม่ใช่การเลิกใช้ AI ซึ่งไม่สมเหตุสมผลและไม่มีใครทำ แต่คือการเปลี่ยนลำดับและวิธีใช้

เรื่องแรกคือลำดับ ให้แต่ละคนเขียนความคิดของตัวเองลงไปก่อนจะเปิดหน้าจอ ไม่ต้องดี ไม่ต้องยาว ขอแค่มีจุดยืนตั้งต้นที่เป็นของตัวเอง เพราะเมื่อไหร่ที่เราเห็นคำตอบของ AI ก่อน มันจะกลายเป็นสมอที่ดึงความคิดเราไปติดอยู่ตรงนั้นทันที และเราจะไม่มีวันรู้เลยว่าถ้าไม่ได้เห็นมัน เราจะคิดอะไรออก

เรื่องที่สองคือวิธีถาม มีงานวิจัยที่พบว่าเมื่อ AI ทำหน้าที่ “ถามกลับ” แทนที่จะ “เสนอคำตอบ” คนกลับสร้างไอเดียที่หลากหลายขึ้น ไม่ใช่น้อยลง แปลว่าเครื่องมือเดียวกันให้ผลตรงข้ามได้ ขึ้นอยู่กับว่าเราขอให้มันทำอะไร ลองเปลี่ยนจาก “ช่วยคิดทางเลือกให้หน่อย” เป็น “ถามคำถามที่ทำให้ฉันเห็นจุดอ่อนของแผนนี้” แล้วดูว่าผลต่างกันแค่ไหน

เรื่องที่สามคือจงใจให้ทีมเริ่มจากคนละที่ ถ้าทุกคนจะใช้ AI ก็ขอให้ตั้งโจทย์ต่างกันตั้งแต่แรก คนหนึ่งมองจากมุมลูกค้า คนหนึ่งมองจากมุมต้นทุน คนหนึ่งมองจากมุมคนหน้างาน ความต่างที่เราออกแบบไว้ตั้งแต่ต้น จะรอดมาถึงปลายทางได้มากกว่าความต่างที่เราหวังว่าจะเกิดเอง

ในยุคที่ทุกคนเข้าถึงคำตอบเดียวกันได้ในสามวินาที ของที่หายากขึ้นเรื่อย ๆ ไม่ใช่คำตอบที่ดี แต่คือคำตอบที่ไม่เหมือนคนอื่น

คำถามที่น่าเอาไปคิดต่อคือ ครั้งล่าสุดที่ทีมคุณเห็นตรงกันทั้งห้อง มันเป็นเพราะทุกคนคิดมาแล้วมาบรรจบกัน หรือเพราะทุกคนเริ่มจากจุดเดียวกันตั้งแต่แรก

——————————————————

หากองค์กรของคุณกำลังมองหาหลักสูตรเพื่อพัฒนาทักษะการคิดและ Soft Skills ให้กับทีมงาน

dots academy ให้บริการ In-house Training ที่ออกแบบให้เหมาะกับบริบทของแต่ละองค์กร ถ่ายทอดโดยเทรนเนอร์ที่ได้รับการรับรองระดับนานาชาติ พร้อมประสบการณ์ด้านการอบรมและพัฒนาองค์กรมากกว่า 10 ปี

หลักสูตรครอบคลุมหัวข้อ เช่น

✏️Analytical Thinking

✏️Critical Thinking

✏️Strategic Thinking

✏️Six Thinking Hats

✏️Business Storytelling

สนใจสอบถามรายละเอียดหรือปรึกษาการออกแบบหลักสูตรสำหรับองค์กรของคุณได้ทาง LINE @dots