ครั้งล่าสุดที่คุณตรวจงานที่ AI ทำมา คุณตรวจทั้งหมด หรือตรวจตรงที่ผิดแล้วเสียหายที่สุด

คุณตรวจงานที่ AI ทำมาให้ยังไง

คำถามนี้ฟังดูเป็นเรื่องเทคนิค แต่ในปีนี้มันกำลังกลายเป็นคำถามที่แยกคนทำงานออกเป็นสองกลุ่มอย่างชัดเจน เพราะเมื่อเครื่องมือผลิตงานได้เร็วกว่าที่เราอ่านทัน คำว่า “ตรวจให้ครบ” ก็หมดความหมายไปโดยปริยาย

รายงานด้านทักษะแรงงานหลายชิ้นในปีนี้ชี้ไปทางเดียวกันว่า ทักษะที่นายจ้างต้องการเพิ่มขึ้นมากที่สุดในยุคที่ AI ทำงานได้เยอะ ไม่ใช่ทักษะการสั่งงาน AI แต่คือการควบคุมคุณภาพของสิ่งที่มันผลิตออกมา โดยเฉพาะในอุตสาหกรรมที่ความผิดพลาดมีราคาแพงอย่างการเงิน สุขภาพ และกฎหมาย ที่ซึ่งการตรวจแบบไล่อ่านทีละบรรทัดไม่สเกลตามปริมาณงานอีกต่อไป

ปัญหาคือคนส่วนใหญ่ยังใช้วิธีตรวจแบบเดิม ซึ่งมีอยู่สองแบบและทั้งคู่ใช้ไม่ได้ผล

แบบแรกคือ “อ่านทวนทั้งหมด” ฟังดูรอบคอบ แต่ในทางปฏิบัติมันคือการอ่านผ่านตาโดยไม่ได้ตั้งใจหาอะไรเป็นพิเศษ ซึ่งสมองเราทำได้แย่มาก โดยเฉพาะกับข้อความที่เรียบเรียงมาดีและอ่านลื่น ยิ่งงานดูเนี้ยบเท่าไหร่ ความระแวงของเราก็ยิ่งลดลง

แบบที่สองคือ “ดูคร่าว ๆ แล้วรู้สึกว่าโอเค” ซึ่งไม่ใช่การตรวจ แต่คือการยืนยันความรู้สึกแรก มีงานวิจัยในปีที่ผ่านมาที่ศึกษาคนทำงานสายความรู้กว่าสามร้อยคน แล้วพบว่ายิ่งคนมั่นใจในเครื่องมือมากเท่าไหร่ เขายิ่งรายงานว่าตัวเองใช้การคิดเชิงวิพากษ์น้อยลงเท่านั้น ความมั่นใจกับความละเอียดจึงเดินสวนทางกันเสมอ

ทางออกไม่ได้อยู่ที่การตรวจให้มากขึ้น แต่อยู่ที่การเปลี่ยนคำถามตั้งต้น

แทนที่จะถามว่า “งานนี้ถูกไหม” ให้ถามก่อนว่า “ถ้างานนี้ผิด มันจะผิดตรงไหนได้บ้าง และตรงไหนที่ผิดแล้วเสียหายที่สุด” คำถามนี้เปลี่ยนการตรวจจากกิจกรรมที่กระจายเท่ากันทั้งหน้ากระดาษ ให้กลายเป็นกิจกรรมที่มีลำดับความสำคัญ และมันคือทักษะการคิดล้วน ๆ ไม่เกี่ยวกับเครื่องมือเลย

ในทางปฏิบัติ จุดที่ควรวางการตรวจไว้มักมีสามประเภท

ประเภทแรกคือตัวเลขและชื่อเฉพาะ เพราะเป็นจุดที่ผิดแล้วเห็นชัดและแก้ยากเมื่อหลุดออกไป ประเภทที่สองคือข้อสรุปที่เชื่อมเหตุกับผลเข้าด้วยกัน เพราะเป็นจุดที่ภาษาสวย ๆ ปิดรอยต่อที่ไม่แน่นได้เนียนที่สุด ประเภทที่สามคือสมมติฐานเรื่องบริบทของเรา เช่น การที่งานเขียนออกมาโดยอิงกับตลาดหรือกฎเกณฑ์แบบหนึ่ง ทั้งที่ของจริงในบ้านเราไม่ได้เป็นแบบนั้น จุดนี้อันตรายที่สุดเพราะมันไม่ใช่ความผิดพลาด มันคือความถูกต้องในบริบทที่ไม่ใช่ของเรา

สังเกตว่าทั้งสามประเภทนี้ ไม่มีอันไหนตรวจได้ด้วยการอ่านเร็ว ๆ ทุกอันต้องอาศัยการรู้ล่วงหน้าว่าเรากำลังมองหาอะไร

นี่คือเหตุผลที่คนที่ใช้ AI ได้คุ้มที่สุดในทีม มักเป็นคนที่มีความรู้ในเรื่องนั้นมากพอจะรู้ว่าจุดเสี่ยงอยู่ตรงไหน ไม่ใช่คนที่พิมพ์คำสั่งเก่งที่สุด และนั่นสร้างสถานการณ์ที่ย้อนแย้งอยู่พอสมควร คือเราจำเป็นต้องเข้าใจงานในระดับที่ทำเองได้ ถึงจะควบคุมคุณภาพงานที่ไม่ได้ทำเองได้จริง

สำหรับหัวหน้าทีม เรื่องนี้แปลเป็นคำถามที่ควรถามในการรีวิวงาน แทนที่จะถามว่า “ใช้ AI ช่วยหรือเปล่า” ซึ่งไม่ได้ให้ข้อมูลอะไรเลย ลองถามว่า “ส่วนไหนของงานนี้ที่คุณตรวจละเอียดที่สุด และทำไมถึงเลือกตรงนั้น” คำตอบจะบอกทันทีว่าคนตรงหน้ามีแผนที่ความเสี่ยงในหัวหรือเปล่า หรือแค่ส่งของที่ได้มาต่อไปเฉย ๆ

จุดที่อยากชวนกลับมามองคือความหมายของคำว่ารับผิดชอบ ในวันที่งานส่วนใหญ่มีเครื่องมือเข้ามาช่วยผลิต ความรับผิดชอบของเราไม่ได้ลดลงตามสัดส่วนแรงที่ลง มันย้ายที่ จากการรับผิดชอบว่า “ทำเองทุกบรรทัด” มาเป็นการรับผิดชอบว่า “รู้ว่าตรงไหนที่ต้องไม่พลาด และได้ดูตรงนั้นแล้วจริง ๆ”

การอ่านทวนทั้งหมดโดยไม่มีสมมติฐานว่าจะเจออะไร ไม่ได้แปลว่ารอบคอบ มันแปลว่าเรายังไม่ได้คิดว่างานนี้พังได้ยังไงบ้าง

งานชิ้นล่าสุดที่คุณกดส่งไป ถ้ามันมีข้อผิดพลาดซ่อนอยู่หนึ่งจุด คุณเดาได้ไหมว่ามันน่าจะอยู่ตรงไหน