การใช้ AI กำลังทำให้เรา Overrate ตัวเองหรือไม่ ?

หนึ่งในผลกระทบที่ถูกพูดถึงน้อยที่สุดของ AI อาจไม่ใช่เรื่องการแทนที่งานหรือการเพิ่มประสิทธิภาพ แต่เป็นผลกระทบต่อการรับรู้ความสามารถของตัวเราเอง

ตลอดหลายทศวรรษที่ผ่านมา ความสามารถของคนมักถูกประเมินจากสิ่งที่พวกเขาสามารถทำได้ด้วยตัวเอง การคิด วิเคราะห์ เขียน หรือแก้ปัญหา ล้วนเป็นกิจกรรมที่สะท้อนทั้งความรู้ ประสบการณ์ และวิจารณญาณที่สะสมมาเป็นเวลานาน แต่เมื่อ AI เข้ามาช่วยทำงานจำนวนมากให้กลายเป็นเรื่องง่ายขึ้น ความสัมพันธ์ระหว่าง “ผลลัพธ์” และ “ความสามารถที่แท้จริง” เริ่มไม่ชัดเจนเหมือนเดิม

ผลงานที่ดีขึ้นไม่ได้หมายความว่าความสามารถของคนจะเพิ่มขึ้นในอัตราเดียวกันเสมอไป และนี่อาจเป็นจุดเริ่มต้นของการประเมินตัวเองสูงกว่าความเป็นจริง

🧠 เมื่อประสิทธิภาพเพิ่มขึ้นเร็วกว่าความเข้าใจ

AI ทำให้คนจำนวนมากสามารถสร้างผลงานที่ดูมีคุณภาพได้ในเวลาอันสั้น รายงานมีโครงสร้างที่ดีขึ้น การวิเคราะห์ดูเป็นระบบมากขึ้น และงานนำเสนอมีความน่าเชื่อถือมากขึ้นกว่าที่เคย

ปัญหาคือ มนุษย์มักใช้ผลลัพธ์เป็นตัวแทนในการประเมินความสามารถของตัวเอง เมื่อผลงานดีขึ้น เราจึงมีแนวโน้มเชื่อว่าตัวเองเก่งขึ้นด้วย

แต่ในหลายกรณี สิ่งที่เพิ่มขึ้นอาจเป็นผลลัพธ์ของการทำงานร่วมกันระหว่างมนุษย์และ AI ไม่ใช่การพัฒนาทักษะของมนุษย์เพียงอย่างเดียว

คำถามสำคัญจึงไม่ใช่ว่าเราสามารถสร้างงานที่ดีได้หรือไม่ แต่คือ หากไม่มี AI อยู่ตรงหน้า เรายังสามารถอธิบาย คิดวิเคราะห์ หรือสร้างเหตุผลเดียวกันนั้นได้ด้วยตัวเองหรือไม่

🧠 ความลื่นไหลของคำตอบ สร้างภาพลวงตาของความเข้าใจ

อีกหนึ่งปรากฏการณ์ที่เกิดขึ้นบ่อยคือ AI ทำให้เรื่องซับซ้อนดูเข้าใจง่ายอย่างน่าทึ่ง

เมื่อได้รับคำอธิบายที่เป็นระบบ ชัดเจน และอ่านลื่นไหล มนุษย์มักเกิดความรู้สึกว่าตนเองเข้าใจเรื่องนั้นแล้ว ทั้งที่ความเข้าใจจริงอาจยังอยู่เพียงระดับการจดจำหรือการเห็นด้วยกับคำอธิบายเท่านั้น

ความแตกต่างระหว่าง “ฟังแล้วเข้าใจ” กับ “เข้าใจจนสามารถอธิบายต่อได้” เป็นช่องว่างที่สำคัญมาก แต่ AI กำลังทำให้ช่องว่างนี้ถูกมองข้ามได้ง่ายขึ้น

ยิ่ง AI อธิบายเก่งขึ้นเท่าไร มนุษย์ก็ยิ่งมีโอกาสสับสนระหว่างความสามารถในการเข้าถึงคำตอบ กับความสามารถในการสร้างคำตอบด้วยตัวเอง

🧠 ความเชี่ยวชาญและความสามารถในการใช้เครื่องมือไม่ใช่เรื่องเดียวกัน

ในองค์กรยุคใหม่ คนที่ใช้ AI ได้ดีมักสามารถทำงานได้รวดเร็วกว่า สร้างเอกสารได้มากกว่า และสื่อสารได้ดีกว่าคนที่ยังไม่คุ้นเคยกับเทคโนโลยี

สิ่งเหล่านี้เป็นข้อได้เปรียบที่แท้จริง แต่ก็มีความเสี่ยงที่องค์กรจะเริ่มสับสนระหว่าง “ความเชี่ยวชาญในเนื้อหา” กับ “ความเชี่ยวชาญในการใช้เครื่องมือ”

คนคนหนึ่งอาจสร้างบทวิเคราะห์เชิงกลยุทธ์ที่ดูน่าเชื่อถือมากด้วย AI แต่ยังไม่มีประสบการณ์มากพอที่จะตัดสินว่าข้อเสนอแนะใดควรนำไปใช้จริง หรือควรถูกปฏิเสธ

เมื่อคุณภาพของการนำเสนอสูงกว่าคุณภาพของการตัดสินใจ ความมั่นใจมักจะเติบโตเร็วกว่าความสามารถที่แท้จริง

🧠 องค์กรอาจกำลังให้รางวัลกับภาพลักษณ์มากกว่าความเข้าใจ

ความท้าทายที่สำคัญสำหรับองค์กรคือ AI ทำให้ “ความรู้สึกว่าเก่ง” สามารถถูกผลิตได้ง่ายกว่าที่เคย

สไลด์ที่สวย รายงานที่สมบูรณ์ หรือคำตอบที่ดูเป็นมืออาชีพ สามารถสร้างความประทับใจได้อย่างรวดเร็ว แต่สิ่งเหล่านี้ไม่ได้เป็นหลักฐานยืนยันเสมอไปว่าผู้สร้างมีความเข้าใจเชิงลึกในเรื่องนั้น

หากองค์กรเริ่มให้คุณค่ากับความเร็วและความสวยงามของผลลัพธ์มากกว่าคุณภาพของการคิดวิเคราะห์ เราอาจกำลังสร้างสภาพแวดล้อมที่คนได้รับการยอมรับจากความสามารถในการใช้ AI มากกว่าความสามารถในการตัดสินใจ

และนั่นอาจทำให้ความเชี่ยวชาญที่แท้จริงค่อย ๆ ถูกกลบด้วยความมั่นใจที่ถูกขยายโดยเทคโนโลยี

🧠 ความเสี่ยงที่แท้จริงคือการไม่รู้ว่าตัวเองไม่รู้

AI ไม่ได้ทำให้คนหลงตัวเองโดยอัตโนมัติ และไม่ได้ทำให้ทุกคนประเมินตัวเองสูงเกินจริง

แต่ AI กำลังลดต้นทุนในการสร้างผลงานที่ดูดี และในขณะเดียวกันก็ลดโอกาสที่เราจะได้เผชิญหน้ากับข้อจำกัดของตัวเอง

ในอดีต เมื่อเราไม่รู้ เรามักจะรู้ตัวว่าไม่รู้ เพราะเราไม่สามารถทำงานนั้นให้สำเร็จได้ แต่ในโลกที่ AI สามารถเติมเต็มช่องว่างเหล่านั้นให้ทันที ความไม่รู้จำนวนมากอาจถูกซ่อนอยู่หลังผลลัพธ์ที่ดูสมบูรณ์แบบ

ท้ายที่สุดแล้ว ความเสี่ยงของยุค AI อาจไม่ใช่การที่เครื่องจักรฉลาดขึ้น

แต่อาจเป็นการที่มนุษย์เริ่มสับสนระหว่างความฉลาดของเครื่องมือ กับความสามารถของตัวเองมากขึ้นเรื่อย ๆ

และเมื่อใดก็ตามที่เราประเมินตัวเองสูงกว่าความเป็นจริง การเรียนรู้ก็จะหยุดลงทันที เพราะคนที่คิดว่าตัวเองรู้แล้ว มักไม่เห็นเหตุผลที่จะต้องเรียนรู้ต่ออีกต่อไป