เมื่อ AI “ทำนาย” ว่าเราจะเลือกอะไร เราอาจเริ่มเลือกตามคำทำนาย และลืมไปว่ายังมีทางอื่นอยู่

ผู้ร่วมทดลอง 1,305 คน มากกว่า 40% ในนั้นเริ่มปฏิบัติต่อ AI เหมือนเป็น “ผู้รู้” ว่าตัวเองจะตัดสินใจอย่างไร และคนกลุ่มนี้มีโอกาสยอมทิ้งรางวัลที่ได้แน่ ๆ สูงกว่าคนอื่นประมาณ 3.39 เท่า

ตัวเลขนี้มาจากงานวิจัยของ Aoi Naito และ Hirokazu Shirado ชื่อ Faith in AI can narrow the futures individuals consider ซึ่งเผยแพร่บน arXiv เมื่อมีนาคม 2026 ในฐานะงานฉบับก่อนตีพิมพ์ที่ยังไม่ผ่านการประเมินจากผู้ทรงคุณวุฒิ จึงควรอ่านอย่างระมัดระวัง แต่คำถามที่มันเปิดขึ้นมาน่าคิดต่อมาก

การทดลองกับกล่องสองใบ

นักวิจัยใช้โจทย์คลาสสิกที่เรียกว่า Newcomb’s Paradox (ปริศนากล่องสองใบของ Newcomb) แบบง่าย ๆ คือมีกล่องใบหนึ่งที่มีรางวัลแน่นอน กับอีกใบที่จะมีรางวัลใหญ่หรือไม่มีเลย ผู้เล่นเลือกได้ว่าจะเอาทั้งสองกล่อง หรือเอาแค่กล่องปริศนาใบเดียว ส่วนของในกล่องปริศนาถูกใส่ไว้ล่วงหน้าตามที่ “ผู้ทำนาย” ทายว่าเราจะเลือกแบบไหน ถ้าทายว่าเราจะเอากล่องเดียว กล่องนั้นจะมีรางวัลใหญ่ ในงานนี้ผู้ทำนายคือ AI

ถ้ามองตามตรรกะพื้นฐาน ของในกล่องถูกใส่ไปแล้ว การตัดสินใจของเรา ณ ตอนนั้นย้อนไปเปลี่ยนมันไม่ได้ การเอาทั้งสองกล่องจึงได้อย่างน้อยรางวัลที่แน่นอนเสมอ แต่คนที่เชื่อว่า AI “รู้” ว่าตัวเองจะทำอะไร กลับเริ่มคิดอีกแบบ คือพยายามเลือกให้ตรงกับคำทำนายที่ตัวเองอยากให้เกิด แล้วยอมทิ้งกล่องที่มีรางวัลแน่นอนไป ผลคือรายได้จากการทดลองลดลงระหว่างประมาณ 10.7% ถึง 42.9% และที่น่าสนใจที่สุดคือผลนี้ยังเห็นได้ แม้ AI จะทำนายพลาดซ้ำหลายรอบ

ความเสี่ยงที่ไม่ใช่ “คำตอบผิด”

เวลาพูดถึงความเสี่ยงของการใช้ AI ในงาน เรามักนึกถึงเรื่องเดียว คือ AI ให้ข้อมูลผิด แล้วเราเชื่อตาม แต่งานนี้ชี้ให้เห็นความเสี่ยงอีกชั้นหนึ่งที่เงียบกว่า คือ AI ไม่ได้แค่ให้ข้อมูล แต่มันอาจเปลี่ยน “เหตุผลที่เราใช้ตัดสินใจ” ไปเลย

ในโลกการทำงาน สิ่งนี้อาจไม่ได้มาในรูปของกล่องสองใบ แต่มาในรูปของระบบที่บอกว่า “คุณน่าจะเหมาะกับสายงานนี้” เครื่องมือที่ประเมินว่า “ทีมนี้มีโอกาสทำยอดได้ 70%” หรือแดชบอร์ดที่ทำนายว่า “พนักงานคนนี้มีแนวโน้มลาออก” คำถามคือพอเราเห็นคำทำนายแบบนี้แล้ว เรายังคิดถึงทางเลือกทั้งหมดเท่าเดิมไหม หรือเราเริ่มเดินตามเส้นที่ถูกวาดไว้ให้ โดยไม่ทันสังเกตว่าเส้นอื่นหายไปจากหัว

หัวหน้าที่เห็นว่าระบบทำนายว่าน้องคนหนึ่งมีแนวโน้มลาออก อาจเริ่มไม่มอบงานสำคัญให้ เพราะคิดว่า “เดี๋ยวเขาก็ไป” แล้วการไม่ได้งานสำคัญนั่นเองที่ทำให้น้องตัดสินใจไปจริง คำทำนายเลยดูเหมือนถูก ทั้งที่มันอาจเป็นคนเขียนตอนจบเองตั้งแต่แรก

แยก “ข้อมูล” ออกจาก “คำสั่ง”

วิธีคิดที่ช่วยได้ไม่ใช่การเลิกใช้การทำนายของ AI แต่คือการถือมันไว้ในฐานะ “ข้อมูลหนึ่งชิ้น” ไม่ใช่ “อนาคตที่กำหนดไว้แล้ว”

ในทางปฏิบัติ ทุกครั้งที่เจอคำทำนายเกี่ยวกับตัวเราหรือคนในทีม ลองถามสองข้อ ข้อแรกคือ ถ้าไม่มีคำทำนายนี้ เราจะพิจารณาทางเลือกอะไรบ้าง ลองเขียนมันออกมาให้ครบก่อน แล้วค่อยวางคำทำนายลงไปข้าง ๆ ข้อที่สองคือ คำทำนายนี้กำลังบอก “ค่าเฉลี่ยของคนที่คล้ายเรา” หรือกำลังบอก “ตัวเราโดยเฉพาะ” เพราะระบบส่วนใหญ่ทำนายจากรูปแบบของคนจำนวนมาก ไม่ได้รู้จักเรามากกว่าที่เรารู้จักตัวเอง

สองคำถามนี้ช่วยดึงสิ่งที่งานวิจัยเรียกว่า “อนาคตที่เราพิจารณา” กลับมาให้กว้างเท่าเดิม ก่อนที่มันจะถูกบีบให้เหลือแค่เส้นเดียวโดยไม่รู้ตัว

อนาคตที่ถูกทำนาย ไม่ใช่อนาคตที่ถูกเลือก

AI เก่งขึ้นเรื่อย ๆ ในการบอกว่าอะไร “น่าจะ” เกิดขึ้น แต่การตัดสินใจของคนทำงานไม่ได้มีหน้าที่แค่เดาให้ตรงกับสิ่งที่น่าจะเกิด มันมีหน้าที่เลือกว่าเรา “อยากให้” อะไรเกิดขึ้น และลงมือทำให้มันเกิด

ถ้าวันหนึ่งมีระบบบอกว่าเรา “น่าจะ” เป็นแบบไหน เราจะใช้คำทำนายนั้นเป็นกระจกให้เห็นตัวเองชัดขึ้น หรือเราจะเผลอใช้มันเป็นบทที่ต้องเล่นตามจนจบ