ก่อนกด Enter ถาม AI คุณมีคำตอบของตัวเองในใจแล้วหรือยัง?

ก่อนพิมพ์คำถามลงไปในช่องแชท คุณมีคำตอบคร่าว ๆ ของตัวเองอยู่ในหัวแล้วหรือยัง

คำถามนี้ฟังดูเหมือนคำถามเชิงเทคนิคเล็ก ๆ แต่มันแยกคนสองกลุ่มออกจากกันชัดเจนมาก กลุ่มหนึ่งใช้ AI เพื่อ “ตรวจสอบและต่อยอด” ความคิดที่มีอยู่ อีกกลุ่มใช้ AI เพื่อ “หาความคิด” ที่ยังไม่มี และผลลัพธ์ระยะยาวของสองกลุ่มนี้ห่างกันขึ้นเรื่อย ๆ

ยิ่งเชื่อมั่น ยิ่งตรวจน้อย

มีงานวิจัยที่ทำกับคนทำงานสายความรู้ 319 คน โดยทีมจาก Microsoft ร่วมกับ Carnegie Mellon University ซึ่งพบความสัมพันธ์ที่น่ากังวลอยู่ข้อหนึ่ง คนที่มีความเชื่อมั่นใน generative AI สูง รายงานว่าตัวเองใช้การคิดเชิงวิพากษ์น้อยลงเวลาทำงานกับมัน ขณะที่คนที่เชื่อมั่นในความสามารถของตัวเองสูง กลับใช้การคิดเชิงวิพากษ์มากขึ้น

อ่านผ่าน ๆ อาจดูเหมือนเรื่องธรรมดา แต่ลองคิดตามต่อจะเห็นวงจรที่ปิดตัวเอง เมื่อเราเชื่อมั่นในเครื่องมือมากขึ้น เราตรวจน้อยลง เมื่อตรวจน้อยลง เราก็เจอข้อผิดพลาดน้อยลงตามไปด้วย และเมื่อเจอข้อผิดพลาดน้อย ความเชื่อมั่นก็ยิ่งเพิ่ม วงจรนี้หมุนได้เรื่อย ๆ โดยไม่มีสัญญาณเตือน จนกระทั่งวันที่มีอะไรผิดจริงและไม่มีใครในสายงานทันเห็น

ในปีนี้ นักวิจัยเริ่มใช้คำว่า cognitive surrender หรือ “การยอมจำนนทางความคิด” เพื่ออธิบายพฤติกรรมการรับผลลัพธ์จาก AI มาใช้โดยแทบไม่ตรวจสอบ ซึ่งข้ามทั้งสัญชาตญาณของตัวเองและการคิดใคร่ครวญไปพร้อมกัน สิ่งที่น่าสนใจคือมันไม่ได้เกิดจากความขี้เกียจ มันเกิดจากการที่คำตอบมันดูดีพอจนไม่มีเหตุผลให้สงสัย

จุดยืนที่มีก่อน คือเครื่องมือตรวจที่ดีที่สุด

ถ้าเราถามว่า “ควรจัดโครงสร้างทีมยังไงดี” โดยไม่มีความคิดอะไรมาก่อนเลย สิ่งที่ได้กลับมาจะกลายเป็นจุดตั้งต้นของเราโดยอัตโนมัติ และจากนั้นการคิดของเราทั้งหมดจะเป็นการปรับแต่งรอบ ๆ คำตอบนั้น ไม่ใช่การประเมินว่าคำตอบนั้นถูกตั้งแต่แรกไหม

แต่ถ้าเราเขียนลงไปก่อนสัก 3 บรรทัดว่า “ผมคิดว่าควรแบ่งเป็นสองทีมตามลูกค้า เพราะปัญหาหลักคือการส่งต่องานช้า แต่ผมไม่แน่ใจว่ามันจะทำให้ความรู้กระจุกตัวหรือเปล่า” แล้วค่อยเอาไปให้ AI ช่วยแย้ง สิ่งที่ได้กลับมาจะถูกวางบนตาชั่งทันที เพราะเรามีของเราเองอยู่อีกข้างหนึ่งแล้ว

ความต่างไม่ได้อยู่ที่คุณภาพของคำตอบที่ AI ให้ ในหลายกรณีมันอาจให้คำตอบเหมือนเดิมเป๊ะ ความต่างอยู่ที่ว่าคำตอบนั้นเข้ามาในหัวเราในสถานะอะไร เข้ามาเป็น “ข้อเสนอที่ต้องพิสูจน์” หรือเข้ามาเป็น “ข้อสรุปที่ต้องเรียบเรียง”

สามสิบวินาทีที่คุ้มที่สุดในการทำงานกับ AI

วิธีที่ทำได้ทันทีคือเพิ่มขั้นตอนสั้น ๆ ก่อนถาม เขียนคำตอบเวอร์ชันของตัวเองแบบหยาบที่สุดลงไปก่อน ไม่ต้องสวย ไม่ต้องครบ ขอแค่มีจุดยืนกับเหตุผลหนึ่งข้อและจุดที่ไม่แน่ใจหนึ่งจุด

ขั้นตอนนี้ใช้เวลาไม่ถึงหนึ่งนาที แต่มันทำสามอย่างพร้อมกัน หนึ่งคือมันบังคับให้เราเข้าใจโจทย์ของตัวเองก่อน ซึ่งบ่อยครั้งเราพบว่าเราตอบเองได้อยู่แล้ว สองคือมันสร้างจุดเปรียบเทียบให้เราเห็นว่า AI คิดต่างจากเราตรงไหนและเพราะอะไร ซึ่งเป็นจุดที่ความรู้ใหม่เกิดขึ้นจริง สามคือมันเก็บ “ร่องรอยการคิด” ของเราไว้ ทำให้ย้อนกลับมาดูได้ว่าครั้งนั้นเราคิดผิดตรงไหน ซึ่งเป็นวัตถุดิบของการเก่งขึ้น

อีกวิธีที่ได้ผลคือเปลี่ยนคำสั่งจาก “ช่วยเขียนให้หน่อย” เป็น “ช่วยหาจุดอ่อนของสิ่งที่ผมเขียนหน่อย” คำสั่งแรกทำให้เราเป็นคนตรวจงาน ส่วนคำสั่งหลังทำให้เราเป็นคนคิดและใช้ AI เป็นคนตรวจ บทบาทสองแบบนี้พัฒนาเราคนละทิศทางอย่างสิ้นเชิง

เรื่องนี้ไม่ได้เกี่ยวกับ AI เท่าไร

ถ้ามองให้ลึก สิ่งที่เกิดขึ้นกับ AI ไม่ใช่เรื่องใหม่ มันคือรูปแบบเดียวกับที่เราเคยเจอกับที่ปรึกษาเก่ง ๆ กับหัวหน้าที่คิดเร็วกว่า หรือกับเพื่อนร่วมงานที่มีคำตอบเสมอ เมื่อไหร่ที่มีแหล่งคำตอบที่ดีอยู่ใกล้มือ เราจะค่อย ๆ เลิกสร้างคำตอบของตัวเอง ไม่ใช่เพราะเราแย่ลง แต่เพราะมันไม่จำเป็นในระยะสั้น

สิ่งที่ AI ทำคือเร่งกระบวนการนี้ให้เร็วขึ้นมาก เพราะมันอยู่ใกล้กว่า ตอบเร็วกว่า และไม่เคยแสดงท่าทีรำคาญเวลาเราถามคำถามที่คิดเองได้

คำถามที่คุ้มค่าจะถามตัวเองไม่ใช่ว่า “วันนี้ใช้ AI คุ้มไหม” แต่คือ “สัปดาห์ที่ผ่านมา มีเรื่องไหนบ้างที่ผมคิดจนได้ข้อสรุปด้วยตัวเองก่อนจะไปถามมัน” ถ้านึกไม่ออกเลยสักเรื่อง นั่นอาจไม่ใช่สัญญาณว่าเราทำงานเร็วขึ้น แต่เป็นสัญญาณว่าเราเลิกฝึกไปแล้วโดยไม่รู้ตัว