การเปิดตัว ChatGPT ต่อสาธารณะเมื่อเดือนพฤศจิกายน 2565 ที่ผ่านมาสร้างความตื่นตระหนกครั้งใหญ่ลุกลามไปทุกวงการ เมื่อเจ้าปัญญาประดิษฐ์แบบรู้สร้าง (Generative AI) ที่ทุกคนสามารถเข้าถึงได้ง่ายเพียงปลายนิ้ว กลับตอบโต้กับผู้ใช้งานอย่างชาญฉลาดจนน่าขนลุก คนจำนวนไม่น้อยมองเห็นความเป็นไปได้ว่า AI อาจพัฒนาจน ‘เหนือมนุษย์’ รวมถึงสารพัดฉากทัศน์ต่างๆ ไม่ว่าจะเป็น AI จะทำให้คนตกงานครั้งใหญ่ AI จะทำให้มนุษย์ล้าสมัย หรือ AI นอกคอกอาจหันมาจัดการมนุษย์ เพราะมองเห็นว่าเราเป็นสิ่งที่เกินจำเป็น ฯลฯ
แต่จวบจนปัจจุบัน แม้ปัญญาประดิษฐ์จะพัฒนาอย่างรวดเร็วและมีศักยภาพเพิ่มขึ้นอย่างก้าวกระโดด การใช้งาน AI ในองค์กรหรือภาคธุรกิจกลับไม่ได้แพร่หลายมากนัก ข้อมูลจากการสำรวจโดยแม็กคินซีย์พบว่าองค์กร 71% ทั่วโลกรายงานว่าใช้ AI กับบางสายงานเท่านั้น โดยมักประยุกต์ใช้กับงานวิเคราะห์ข้อมูล สร้างเนื้อหา และปฏิสัมพันธ์กับลูกค้า ในทางกลับกันภาคธุรกิจที่ยังต้องพึ่งพาปฏิสัมพันธ์ทางกายภาพ ไม่ว่าจะเป็นการผลิตหรือธุรกิจที่อยู่ภายใต้การกำกับดูแลเข้มงวด ยังแทบไม่มีการใช้ AI แต่อย่างใด
งานศึกษาอีกชิ้นหนึ่งในสหรัฐอเมริกาพบว่า ประชาชนผู้ใหญ่ในสหรัฐฯ กว่า 40% ใช้งาน AI แม้มองเผินๆ ตัวเลขนี้นับว่าน่าตกใจ แต่หากพิจารณาในรายละเอียดจะพบว่า พวกเขาใช้งาน AI ไม่บ่อยนัก โดยอาจคิดเป็น 0.5-3.5% ของเวลาทำงานทั้งหมดเท่านั้น จึงไม่น่าแปลกใจที่ AI ในปัจจุบันยังไม่สามารถเพิ่มผลิตภาพของแรงงานในภาพรวมได้อย่างมีนัยสำคัญ
ท่ามกลางกระแสและการคาดการณ์แบบสุดโต่ง สองนักวิทยาการคอมพิวเตอร์จาก Princeton University อาร์วินด์ นารายานัน (Arvind Narayanan) และซายาช กาปูร์ (Sayash Kapoor) สะท้อนมุมมองแบบ ‘กลางๆ’ ผ่านบทความขนาดยาวที่ชื่อว่า ปัญญาประดิษฐ์ในฐานะเทคโนโลยีธรรมดา (AI as Normal Technology)
คำว่า ‘ธรรมดา’ ในที่นี้ไม่ได้หมายความว่า AI จะส่งผลกระทบอย่างจำกัด หรือไม่ปรับเปลี่ยนโครงสร้างทางเศรษฐกิจแบบหน้ามือเป็นหลังมือ แต่ทั้งสองสะท้อนมุมมองว่า AI อาจไม่ได้เป็นเทคโนโลยีที่แตกต่างจากเทคโนโลยีอื่นๆ ในหน้าประวัติศาสตร์ เช่น ไฟฟ้า คอมพิวเตอร์ หรืออินเทอร์เน็ต โดยนวัตกรรมเหล่านี้ต้องอาศัย ‘เวลา’ ยาวนานนับทศวรรษกว่าที่จะถูกนำมาประยุกต์ใช้งานอย่างแพร่หลาย
ดังนั้นหากยึดตามมุมมองของทั้งสอง การเปลี่ยนแปลงจาก AI อาจไม่ได้เกิดขึ้นแบบฉับพลันทันทีและพลิกโฉมหน้าเศรษฐกิจแบบทุกคนไม่ทันตั้งตัว แต่จะแทรกซึมอย่างช้าๆ เปลี่ยนผ่านอย่างค่อยเป็นค่อยไป ไม่ต่างจากเทคโนโลยีอื่นๆ ในอดีต
ทำไมการนำ AI ไปใช้งานจึงยากกว่าที่คิด
แกนกลางข้อโต้แย้งของนารายานันและกาปูร์สะท้อนผ่านทฤษฎีความก้าวหน้าของเทคโนโลยี 3 ระยะซึ่งประกอบด้วย
1. การคิดค้น (Invention) หมายถึงการสร้าง AI รุ่นใหม่ที่มีขีดความสามารถมากกว่าเดิม
2. นวัตกรรม (Innovation) คือการประยุกต์ใช้ AI ดังกล่าวในทางปฏิบัติ
และ 3. การนำไปใช้อย่างแพร่หลาย (Diffusion) หมายถึงการที่หน่วยงานต่างๆ ในระบบเศรษฐกิจนำนวัตกรรมไปใช้งานในวงกว้าง โดยผลกระทบทางสังคมจากเทคโนโลยีนั้นจะยังไม่เกิดขึ้นทันทีที่คิดค้นขึ้น แต่ต้องรอเวลาจนกว่ามันจะขยับสู่ระยะที่ 3 ซึ่งในอดีตที่ผ่านมาต้องใช้เวลายาวนานหลายทศวรรษ
ที่สำคัญ ความเร็วที่หน่วยงานต่างๆ จะนำนวัตกรรมไปใช้อย่างแพร่หลายไม่ได้ขึ้นอยู่กับความเร็วในการคิดค้น หรือขยายขีดความสามารถของเทคโนโลยี แต่อยู่ที่ความเร็วในการเปลี่ยนแปลงและปรับตัวของพนักงาน ลูกค้า และองค์กร รวมถึงกฎระเบียบต่างๆ ซึ่งทำให้ผลกระทบจากเทคโนโลยีอย่าง AI เป็นไปอย่างเชื่องช้ากว่าที่หลายคนคาดการณ์
หากมอง AI เป็นเทคโนโลยีอเนกประสงค์ที่ใช้งานได้หลากหลาย เราก็สามารถเทียบได้กับเทคโนโลยีในอดีตอย่างเช่น ‘ไฟฟ้า’ ที่ใช้เวลายาวนานกว่าทศวรรษกว่าจะนำไปใช้อย่างแพร่หลายในองค์กร เนื่องจากการจะนำระบบมอเตอร์ไฟฟ้ามาใช้ในการผลิตต้องมีการออกแบบโรงงาน กระบวนการ และโครงสร้างองค์กรใหม่ทั้งหมด ไม่ใช่ว่าจะนำเทคโนโลยีมาสวมใส่กับโครงสร้างในเวลานั้น แล้วเดินหน้าต่อไปได้แบบฉับพลันทันที
การที่ AI ดูจะ ‘แพร่หลาย’ อย่างมากก็เป็นเพียงภาพลวงตาทางสถิติ เนื่องจากทุกคนที่มีอินเทอร์เน็ตสามารถเข้าถึงเครื่องมือปัญญาประดิษฐ์โดยแทบจะไร้ข้อจำกัด อย่างไรก็ตามการใช้งาน AI ดังกล่าวก็ยังไม่ ‘เข้มข้น’ เพียงพอที่จะนำไปสู่การเพิ่มผลิตภาพทางเศรษฐกิจอย่างมีนัยสำคัญ
ภายใต้กรอบคิดที่ว่า ปัญญาประดิษฐ์เป็น ‘เทคโนโลยีธรรมดา’ เท่ากับว่าการคาดการณ์เรื่อง AI จะมาแย่งงานมนุษย์จนนำไปสู่การตกงานครั้งใหญ่แบบฉับพลันจึงเป็นการมองโลกในแง่ร้ายเกินจริง
ผู้เขียนชวนมองว่า อาชีพหนึ่งอาชีพคืองานย่อยจำนวนมากที่ถูกมัดรวมเข้าด้วยกัน แม้ว่า AI สามารถเข้ามาทำงานบางอย่างให้แบบอัตโนมัติ นั่นไม่ได้หมายความว่า เราจะถูก AI แย่งอาชีพนั้นไป เพราะยังมีงานย่อยอีกจำนวนมากที่ต้องอาศัย ‘ความเป็นมนุษย์’ ซึ่ง AI ยังไม่สามารถทำแทนได้ รวมถึงงานใหม่ๆ ที่อาจเกิดขึ้นเพิ่มเติม
ตัวอย่างเช่นอาชีพผู้ช่วยในสำนักงาน หากย้อนกลับไปยุคก่อนมีคอมพิวเตอร์ พวกเขาต้องรับผิดชอบจัดระบบระเบียบเอกสาร จัดเรียงแฟ้ม สรุปประชุม และโทร.ประสานนัดหมายประชุม แต่เมื่อมีเทคโนโลยีอย่างคอมพิวเตอร์เข้ามา งานดังกล่าวก็ลดความสำคัญลงโดยพวกเขาก็ต้องรับผิดชอบงานใหม่ๆ อย่างเช่นเตรียมเอกสารนำเสนอ และจัดการปัญหาเทคนิคต่างๆ ในทางดิจิทัล เช่นเดียวกับเหล่านักบัญชีที่แม้ปัจจุบันจะมีโปรแกรมอำนวยความสะดวกในการทำบัญชีให้ง่ายดายยิ่งขึ้น อาชีพนักบัญชีก็ยังไม่หายไปไหน เพียงแต่ปรับเปลี่ยนให้ทันยุคสมัยเท่านั้น
เท่ากับว่าความกังวลเรื่อง AI จะมาแย่งงานเราแบบฉับพลัน ดูเป็นการคาดการณ์แบบมองโลกในแง่ร้ายเกินไปเสียหน่อย สิ่งสำคัญคือการปรับตัว พัฒนาความทักษะให้สอดคล้องกับเทคโนโลยีใหม่ๆ และเตรียมใจไว้ล่วงหน้าว่า วันหนึ่ง ‘งาน’ ที่ทำในวันนี้จะเปลี่ยนแปลงไปเป็น ‘งาน’ รูปแบบใหม่ที่อาจไม่เคยมีมาก่อน
อย่างไรก็ตามใช่ว่าทุกคนจะเห็นด้วยกับมุมมองเช่นนี้ ผู้เชี่ยวชาญจำนวนมากต่างมองว่า นารายานันและกาปูร์ประเมินศักยภาพของ AI รวมถึงความรวดเร็วในการนำ AI มาใช้ในบริบทการทำงานต่ำเกินไป อีกทั้งยังดูเบาความเสี่ยงและอันตรายจาก AI อีกด้วย การคาดการณ์ของพวกเขาที่ว่า AI จะไม่มีทาง ‘เก่งฉกาจเหนือมนุษย์ที่ผ่านการฝึกฝนมา’ ก็ดูจะเกินเลยไปเสียหน่อย เพราะอย่างน้อย AI ก็น่าจะพลิกโฉมการทำงานมากกว่าที่ทั้งสองอธิบายไว้ในบทความ
ถึงอย่างนั้นทั้งตัวผมเองและผู้อ่านหลายท่านอาจเห็นด้วยกับฉากทัศน์แบบกลางๆ เพราะการคาดการณ์ว่า AI จะทำให้คนจำนวนมากตกงานในชั่วพริบตาหรือล่าล้างจนมนุษยชาติสิ้นสูญดูจะเป็นเรื่องสุดโต่งไปเสียหน่อย ที่สำคัญคือมุมมอง ‘ทางสายกลาง’ เช่นนี้มักจะไม่กลายเป็นไวรัลนัก เมื่อเทียบกับมุมมองอื่นๆ ที่สร้างสีสันบนโลกออนไลน์ได้มากกว่า
แล้วทำไมกระแสสุดโต่งเรื่อง AI จึงมาแรงแบบไม่มีแผ่ว
กระแสของ AI ไม่ได้เกิดขึ้นโดยบังเอิญ แต่หากมองลึกๆ แล้วนี่คือการผลักดันโดยกลุ่มผลประโยชน์ทางเศรษฐกิจ
กลุ่มผลประโยชน์แรกคือ เหล่าสตาร์ทอัปและบริษัทยักษ์ใหญ่ที่ต้องการจำหน่ายผลิตภัณฑ์ AI พวกเขามีผลประโยชน์ทางตรงในการโพนทะนาถึงศักยภาพและความสามารถของ AI รวมถึงขีดความสามารถของ AI รุ่นใหม่ เช่นกรณีล่าสุดที่ แซม อัลต์แมน (Sam Altman) ผู้ก่อตั้งและผู้บริหาร OpenAI แถลงเปิดตัว ChatGPT รุ่น GPT-5 ว่าเก่งฉกาจเทียบเท่ากับคนที่เรียนจบปริญญาเอก
สาเหตุที่พวกเขาต้องสร้างกระแสอย่างต่อเนื่อง ก็เพราะการพัฒนาผลิตภัณฑ์ปัญญาประดิษฐ์ยังเป็นการ ‘เผาเงินลงทุน’ เพราะรายได้ยังไม่เพียงพอจะหักลบต้นทุนค่าใช้จ่ายต่างๆ แม้แต่บริษัทแนวหน้าอย่าง OpenAI เองก็คาดว่า จะขาดทุนทั้งสิ้น 2.7 หมื่นล้านดอลลาร์สหรัฐฯ ในปีนี้ และอาจจะขาดทุนรวมกว่าแสนล้านดอลลาร์สหรัฐฯ จนถึงปี 2572 กว่าจะสามารถทำกำไรได้ ดังนั้น ‘กระแสนิยม’ จึงเป็นสิ่งจำเป็นต่อการดึงดูดเม็ดเงินลงทุนจากนักลงทุน เพื่อหล่อเลี้ยงองค์กรให้ยังอยู่รอดในปัจจุบัน
อีกหนึ่งกลุ่มผลประโยชน์ที่เกาะเกี่ยวกระแสนิยมปัญญาประดิษฐ์คือเหล่าสื่อมวลชนและอินฟลูเอนเซอร์ ในระบบเศรษฐกิจที่ขับเคลื่อนด้วยยอดคลิก ยิ่งพาดหัวให้น่าตื่นเต้นมากเท่าไรก็จะยิ่งดึงดูดความสนใจของคนได้มากขึ้นเท่านั้น จึงไม่น่าแปลกใจนึกที่เราจะได้เห็นพาดหัวอย่าง ‘อวสานการทำงาน’ หรือ ‘นักวิจัยบริษัท A เผย AI เริ่มมีความรู้สึกนึกคิด’ หรือ ‘AI รุ่นใหม่สอบผ่านข้อสอบทนายความได้คะแนนเต็ม’ ที่กลายเป็นไวรัล สร้างกระแสนิยม กระตุ้นการสนใจนักลงทุน และนำเม็ดเงินลงทุนก้อนใหม่ไหลบ่าสู่แวดวง AI เป็นวัฏจักรที่เกื้อกูลกันไปเรื่อยๆ
แต่หากอ่านเนื้อหาในรายละเอียดหรือพิจารณานัยของพาดหัวข่าวดังกล่าว เราก็จะพบกับความ ‘อิหยังวะ’ เช่นกรณีที่ปัญญาประดิษฐ์ทำข้อสอบต่างๆ ได้คะแนนสูงเหนือมนุษย์มนาจนเกิดการตีความไปว่า AI มีความสามารถเหนือมนุษย์ส่วนใหญ่ไปแล้ว หากพิจารณาดีๆ การงานที่เราทำในแต่ละวันนั้นแตกต่างจากการทำข้อสอบราวฟ้ากับเหว การสอบวัดระดับเป็นเพียงเศษเสี้ยวของทักษะที่ทุกคนต้องใช้ในการทำงาน โดยเราทุกคนต่างมี ‘ความรู้ฝังลึก’ (Tacit Knowledge) ที่ช่วยในการทำงานแต่ไม่สามารถอธิบายหรือถ่ายทอดให้ AI เข้าใจได้
ตราบใดที่เศรษฐกิจข่าวสารบนอินเทอร์เน็ตยังขับเคลื่อนด้วยยอดคลิก ทางเดียว ซึ่งจะไม่ตื่นตระหนกไปกับสารพัดข่าวสารเรื่อง AI ที่ถาโถมใส่ไม่เว้นแต่ละวัน คือการสร้างภูมิคุ้มกันให้กับตัวเอง อ่านเนื้อหาในข่าวโดยละเอียด แล้วคุณจะพบว่า AI ก้าวหน้าไปอย่างรวดเร็วก็จริง แต่ยังห่างไกลจากการเป็น ‘เครื่องมืออเนกประสงค์’ ที่ทำงานได้เหมือนกับมนุษย์
แล้วคุณผู้อ่านคิดมองอนาคตของเจ้าปัญญาประดิษฐ์อย่างไร
เอกสารประกอบการเขียน
What if artificial intelligence is just a “normal” technology?
Can’t stop the hype: scrutinizing AI’s realities
What’s Behind the A.I. Hype Really?
AI Snake Oil: What Artificial Intelligence Can Do, What It Can’t, and How to Tell the Difference
Tags: AI, ปัญญาประดิษฐ์, เทคโนโลยี, เอไอ, Economic Crunch, ChatGPT, Econ Crunch, Gemini, Claude
