กฎที่บอกกับตัวเองในโลก AI
Input
Process
Output
และคนรับ Output
เช่นทำงานสไลด์วิเคราะห์เทรนด์ให้หัวหน้า
ก่อนมี AI หัวหน้าคาดหวังว่า
1. ข้อมูลลึก
2. มีเหตุมีผล
3. นำเสนอได้ดี เล่าน่าฟัง โน้มน้าวได้
ยิ่ง AI เก่งขึ้น
Input หาข่าวได้เยอะขึ้น หลายแหล่งมากขึ้น
Process หา pattern บางเรื่องได้ดีมากขึ้น
Output สไลด์สวยปังอลังเวอร์ ลึกระดับ Mckency
แต่คนรับ Output อยากให้เราเล่าให้ฟังอยู่ดี เป็นงาน Human-Human
Bug มันเลยจะเกิดถ้างานประเภทนี้ ที่คนรับงานชิ้นสุดท้ายคือ Human ต้องการให้ Human Deliver Value
1. ถ้าไม่เข้าใจ แหล่งข้อมุล หรือไม่ตรวจ Input ผิด ทุกอย่างผิดหมด
2. Process ถ้าไม่เข้าใจ ไม่แอบดู thinking มันว่ามันทำงานยังไง ไม่เข้าใจโอกาสความหลอนของมัน พังอยู่ดี
3. สไลด์ดี แต่เล่าไม่เข้าปาก ไม่เข้าใจว่า data จุดนี้คืออะไร หัวหน้าถาม จบ ตอบไม่ได้ trust ที่สร้างมา มลายหายไปในเสี้ยววิ เพราะงานนี้หัวหน้าอยากให้เราเล่าเพราะ human trust
ทุกอย่างก็จบอยู่ดี
ช่วงหลังเวลาไปสอนองค์กรจะพูดว่า
ควรใช้ AI แบบ ถ้างานเดิมใช้เวลา 5 ชั่วโมง
AI เข้ามาทำให้งานนั้นลดลงเหลือ 10 นาที
แต่ข้อจำกัดของมันหลอนอยู่ เราบวกเวลา เพิ่มสัก 15 - 20 นาทีเพื่อเช็คและตรวจก่อนเอาไปใช้ สุดท้าย total มันก็คุ้มอยู่ดี
แต่ถ้าเราชินกว่าความเร็ว และชื่นชอบ 10 นาทีจน bypass การใช้ human check ไปแล้วส่ง value ในงานนี้ให้ human ด้วยกันแล้วเผลอมันทำพัง trust คนรับงานก็พัง สุดท้าย AI เร็วแค่ไหน ก็ทำได้แค่งานเสร็จ
แต่ไม่จบงานให้เราอยู่ดี
และอาจจะทำให้เรา ถูกจบ ในงานของเราอีกด้วย
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac