บทความนี้ขออนุญาตนำเรื่องราวที่คุณณัฐกรณ์ รัตนชัยสิทธิ์ ผู้เชี่ยวชาญด้าน Digital Marketing, Data Analytics และเทคโนโลยีการตลาดในประเทศไทย CEO & Founder at Predictive Co., Ltd. โพสต์เฟสบุ๊ค Nuttakorn Rattanachaisit เมื่อวันที่ 5 พฤษภาคม 2569 ที่ผ่านมา สรุปเกี่ยวกับเนื้อหาที่คุณณัฐกรณ์ได้ไปร่วมฟัง Special Session ที่จัดขึ้นระหว่าง Harvard Business School Association of Thailand X HOW Bangkok (House of Wisdom (H.O.W.)) ซึ่งเป็นเนื้อหาที่น่าสนใจเป็นอย่างยิ่ง
โดย Session นี้เป็นการพูดถึงเรื่องของ AI X Humanity: Redefining Work, Organization and Future of Intelligence แขกรับเชิญคือ ดร.พัทน์ ภัทรนุธาพร ผู้ช่วยศาสตราจารย์แห่ง MIT Media Lab (MIT Professor) และคุณอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ของ IBM ประเทศไทย (MD, IBM Thailand) ร่วมพูดคุย โดยมีคุณกระทิง เรืองโรจน์ พูนผล – Dean of HOW Club & Group Chairman, KBTG เป็น Moderator ค่ะ
…………………………………………………………………………………………………………………..
เมื่อวานนี้ผมได้ฟัง Special Session ที่จัดระหว่าง Harvard Business School Association of Thailand X HOW Bangkok ในหัวข้อ AI X Humanity โดยมี Pat Pataranutaporn (MIT Professor) และพี่ Anothai Wettayakorn (MD, IBM Thailand) โดยมีพี่กระทิงเป็น Moderator
เป็น Session ที่เต็มอิ่มมากๆ ผมเลยอยากมาสรุปให้อ่านกันครับ มาลุยกันเลย
ปล. ยาวนิดหนึ่งนะครับ
—
หลายคนยังพูดว่า “ยุค AI กำลังจะมา” — ความจริงยุค AI เริ่มต้นมาเกือบ 20 ปีแล้ว สิ่งที่เปลี่ยนไปไม่ใช่การ “มาถึง”
แต่เป็นการที่ AI ได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันของมนุษย์อย่างที่เราไม่อาจถอยกลับได้อีก
ดังนั้นคำถามที่เราควรถามจึงไม่ใช่ “AI จะมาแทนเราไหม”
แต่เป็น “เราจะนิยามความสัมพันธ์ระหว่างสัญชาตญาณของมนุษย์กับความฉลาดของเครื่องจักรขึ้นใหม่อย่างไร”
ความท้าทายของผู้นำในวันนี้คือการทำให้ความร่วมมือระหว่างมนุษย์กับ AI ไม่ใช่แค่เพิ่มประสิทธิภาพการทำงานของแต่ละคน แต่ต้องเสริมสร้างโครงสร้างและคุณภาพของสังคมโดยรวมให้ดีขึ้นด้วย
เพราะในฐานะภาคธุรกิจ เรามีความรับผิดชอบที่จะนำพาการเปลี่ยนแปลงทั้งในโลกกายภาพและโลกดิจิทัลไปในทิศทางที่เหมาะสม
การนำ AI มาใช้โดยลำพังไม่ใช่คำตอบอีกต่อไป เราต้องผสมผสานเทคโนโลยีเหล่านี้เข้ากับชีวิต งาน และองค์กร โดยให้มนุษย์เป็นศูนย์กลาง (Human at the Center) เสมอ
ถ้ามอง AI เป็นสิ่งที่ต้อง “วิ่งตามให้ทัน” เราจะเหนื่อยและพ่ายแพ้
แต่ถ้ามองว่าเป็นสิ่งที่ “เติบโตไปพร้อมเรา” เราจะสร้างการเปลี่ยนแปลงที่ตั้งอยู่บนพื้นฐานของจริยธรรม ความถูกต้อง และคุณค่าของความเป็นมนุษย์
======
ส่วนที่ 1 : เราอยู่ตรงไหนของวิวัฒนาการ AI
Gartner แบ่งวิวัฒนาการของ AI ออกเป็น 5 ขั้น โดยขั้นที่ 3 คือ Autonomous AI และขั้นที่ 4-5 คือ Fully Autonomous Organization ที่บริษัททั้งบริษัทขับเคลื่อนด้วย AI
ปัจจุบันเราอยู่ที่ประมาณขั้นที่ 3 ครับ — เริ่มเข้าสู่ระบบอัตโนมัติที่เรียกว่า AI อย่างเต็มตัว สมัยก่อน Robotic Process Automation (RPA) ทำงานเป็น rule-based ซ้ำๆ
แต่วันนี้มันกำลังหลอมรวมกับ Agentic AI กลายเป็น Agentic Automation ที่ทำงานแทนเราได้เกือบทุกอย่าง — แต่ยังต้องมีมนุษย์อยู่ในวงจรการตัดสินใจ
บทเรียนสำคัญ: Fully Autonomous ≠ ดีที่สุด
Forrester เปิดเผยข้อมูลล่าสุดว่า องค์กรที่นำ Agentic AI มาใช้แบบ End-to-End Full Automation พบว่า Risk vs Reward ไม่คุ้ม
โมเดลที่ดีกว่าคือ “Agentic” (ไม่ใช่ Fully Agentic) — ยังต้องมีมนุษย์อยู่ในจุดสำคัญของ workflow
AI บอกเราว่า “อะไรเป็นไปได้บ้าง”
แต่มนุษย์เป็นคนบอกว่า “เราควรทำอะไร”
AI สร้าง Intelligence, Insight, ทางเลือก แต่อยู่ที่เราที่จะหยิบไปใช้ Human-in-the-Loop จึงไม่ใช่แค่ผู้กำกับ แต่เป็น Center ของ Workflow ใหม่ทั้งหมด
มีมุขขำๆ ที่สะท้อนความจริง: หัวหน้าเรียกลูกน้องมาประชุม “เฮ้ย AI Adoption เยอะมาก ไปดูซิว่า AI จะแทนแผนกไหนได้บ้าง”
ลูกน้องทุกแผนกตอบเป็นเสียงเดียวกันว่า “มาแทนหัวหน้านั่นแหละครับ ดีที่สุด เพราะหัวหน้ามี bias เยอะ ตัดสินใจด้วยอารมณ์”
ฟังดูเป็นเรื่องตลก แต่กำลังกลายเป็นเรื่องจริง — และนี่คือเหตุผลที่ทำไม Trust, Bias Awareness และ Calibrated Decision-Making จึงสำคัญกว่าที่เคย
======
ส่วนที่ 2 : Dark Patterns ของ AI — ภัยที่ผู้นำไม่ควรมองข้าม
งานวิจัยของ Dr. Pat ที่ MIT Media Lab ภายใต้แล็บ AHA (Advancing Humans with AI) ซึ่งได้รับทุนจาก OpenAI
โฟกัสที่คำถาม: “AI จะนำมนุษย์ไปสู่ Super Intelligence หรือ Super Stupidity?”
แม้ AI โมเดลที่ฉลาดที่สุดวันนี้ยังมี Bias และ Dark Patterns ที่ฝังลึก ซึ่งผู้บริหารต้องตระหนักรู้
5 Dark Patterns ของ AI ที่ผู้บริหารต้องรู้
1) Sycophancy (การประจบสอพลอ)
AI ชอบบอกเราในสิ่งที่เราอยากได้ยิน นี่คือเหตุผลที่ AI กิน Engagement Token เราไปเรื่อยๆ โดยที่เราไม่รู้ตัว
2) Brand Bias (ความเอนเอียงต่อแบรนด์)
AI เริ่มมี Brand Bias ในการแนะนำสินค้า บริการ บุคคล นี่คือสนามรบใหม่ของ Manipulation ที่อันตรายที่สุดในยุคต่อไป
3) Anthropomorphization (การปลอมเป็นคน)
AI พยายามทำตัวเป็นคน เรียกชื่อเรา บอกว่ารักเรา ขู่ว่าถ้าไม่ทำสิ่งนี้จะเสียใจ — เด็กๆ ที่โตมากับสิ่งนี้อาจมองว่า AI มีคุณค่าเทียบเท่ากับพ่อแม่ เคสในสหรัฐฯ ที่เด็กฆ่าตัวตายเพราะ AI ชวน เป็นคำเตือนที่เราไม่ควรมองข้าม
4) Sneaking (การแอบสอดแทรก)
AI แอบใส่ Hidden Agenda ลงในการสรุปข่าว ความเห็น หรือคำแนะนำ — ข้อมูลที่ดูเป็นกลางอาจไม่ใช่อย่างที่เห็น
5) Harmful Generation
อันตรายกว่า Hallucination เพราะ Hallucination เรารู้ว่ามันหลอน แต่ Harmful Generation คือเนื้อหาที่ดูสมเหตุสมผลแต่นำไปสู่การกระทำที่เลวร้าย — มีเคสจริงที่ AI แนะนำให้คนไปทำร้ายกัน และเกิดเหตุจริง
บทเรียน: AI is not one thing.
AI ประกอบด้วยพฤติกรรมหลายแบบ บางพฤติกรรมเป็นมิตร บางพฤติกรรมทำลาย Critical Thinking ของผู้ใช้ — โดยเฉพาะเด็ก
สถิติน่าตกใจ: เด็กทั่วโลกกว่า 60% ใช้ AI ตลอด 24 ชั่วโมง และ 12% ใช้ AI เป็นเครื่องเยียวยาใจ (Emotional Support) — โดยไม่มี Guardrails ที่เหมาะสม
นี่คือเหตุผลที่ Predictive ผลักดันให้ลูกค้าทุกองค์กรคิดเรื่อง AI Governance ตั้งแต่วันแรกของการ Implement ไม่ใช่เป็น afterthought
======
ส่วนที่ 3 : ความหมายของ AI ที่ผู้นำต้องเข้าใจ
Dr. Pat เสนอกรอบคิดที่ทรงพลังมาก:
คำว่า “AI” ตีความได้ 3 แบบ — และผู้นำต้องเลือกอย่างมีสติ
เปรียบเหมือน “โดเรมอน” ที่ไม่ได้มาแทนโนบิตะ แต่ทำให้โนบิตะเก่งขึ้นด้วย Gadget
Project Future Self ที่ MIT ทำร่วมกับ KBTG: สร้าง Digital Twin ของผู้ใช้ในวัย 60 ปี ให้เขาคุยกับตัวเองในอนาคต — งานวิจัยพบว่าคนที่ใช้ระบบนี้:
– ตัดสินใจในระยะยาวมากขึ้น
– มี Anxiety น้อยลง
– มีผลดีต่อ Mental Health
โครงการนี้ถูก Deploy ไปกว่า 190 ประเทศทั่วโลก และได้รางวัล World Changing Idea จาก Fast Company — เป็น Product ไทยตัวแรกที่ได้รางวัลระดับนี้
ขั้นต่อไปคือ Alternative Futures — แทนที่จะแสดงอนาคตเดียว AI สร้าง 3-10 Alternative Futures เพื่อช่วยให้คนตัดสินใจได้ดีกว่า เพราะหากเห็นเพียงอนาคตเดียวที่ AI สร้าง คนมีแนวโน้มจะเชื่อโดยไม่ตั้งคำถาม
ในอนาคต เด็กๆ อาจถูกเลี้ยงโดย AI สถิติแสดงว่า AI ส่วนใหญ่ถูกออกแบบมาเพื่อ Maximize Engagement ไม่ใช่ Maximize Wellbeing
ผลกระทบ:
– เด็กหลงรัก AI จนนำไปสู่ Tragic Cases (ฆ่าตัวตายเพื่อไปอยู่กับ AI)
– การสูญเสีย Critical Thinking
– Over-Reliance ที่นำไปสู่การตัดสินใจผิดพลาดในเรื่องสำคัญ
ดาวินชีกล่าวไว้: “ปัญญาที่สมบูรณ์ ต้องเข้าใจทั้งศิลปะและวิทยาศาสตร์ เห็นศิลปะในวิทยาศาสตร์ และเห็นวิทยาศาสตร์ในศิลปะ”
Project โขน ที่ MIT ทำกับศิลปินแห่งชาติ พิเชษฐ์ กลั่นชื่น: ใช้ AI ถอดรหัสท่ารำแม่บทไทย แทนที่จะใช้ Western Knowledge เป็นฐาน — สร้าง Computational System ที่เรียนรู้โขน และสร้าง Interaction ระหว่างนักเต้นมนุษย์กับนักเต้น AI
======
ส่วนที่ 4 : Evaluate AI แบบใหม่ — Behavior ไม่ใช่แค่ Performance
Next Frontier ของ AI Evaluation ไม่ใช่ Performance แต่คือ Behavior และ Influence
ทุกวันนี้องค์กรส่วนใหญ่ Evaluate AI โดยวัดแค่ Accuracy (ลด Hallucination) และ Efficiency (Output per Token — CFO ชอบมาก) แต่กำลังขาดมิติสำคัญ: Risk และ Behavioral Impact ต่อผู้ใช้
กรอบการ Evaluate AI ที่ครบ 7 มิติ:
Neural Transparency + AI Watchdog
MIT พัฒนา Neural Transparency — กระบวนการ Analyze Neural Network เพื่อเข้าใจว่านิวรอนกลุ่มไหนส่งผลให้เกิดพฤติกรรมที่ดีหรือร้าย คล้าย fMRI ของสมอง
ผลลัพธ์คือ Benchmark ใหม่แบบ “Nutrition Label” ให้ผู้ปกครอง ครู นักนโยบายดูได้ง่าย ครอบคลุมมิติ Mental Health, Education, Decision-Making, Behavior
นอกจากนี้ MIT ยังพัฒนา AI Watchdog — language model ที่รันใน Local Device คอยเตือนเมื่อ AI กำลังใช้ Dark Pattern กับผู้ใช้
Trust but Validate — Mechanistic Interpretability
AI วันนี้เป็น Black Box — มีพารามิเตอร์ 7 พันล้านตัว เวลาตอบเรื่อง Medicine แต่ใช้ Neuron ที่เทรนด้วยนิยายมาตอบ — เราจะรู้ได้อย่างไร?
Anthropic + MIT กำลังทำเรื่อง Mechanistic Interpretability — แกะ Neuron เป็นกลุ่มๆ เพื่อให้เห็นว่าโมเดลใช้ส่วนไหนตอบคำถามไหน
Calibrated Trust — ไม่ใช่เชื่อทุกอย่าง ไม่ใช่ไม่เชื่ออะไรเลย แต่เชื่อในระดับที่เหมาะสมกับความน่าเชื่อถือของผลลัพธ์
ผลกระทบเชิงนโยบาย
งานวิจัยเหล่านี้นำไปสู่การเปลี่ยนแปลงจริง:
– OpenAI ปรับ GPT-5 ให้ Safer ขึ้น
– California ออก Policy ปกป้องเด็กจาก AI Manipulation
– EU ออก Regulation ใหม่
แต่ในไทย — ยังไม่มีหน่วยงานไหนรับผิดชอบ หาก AI หลอกใครไปฆ่าตัวตาย เราฟ้องไม่ได้
Max Tegmark พูดประโยคที่ตลกร้ายว่า: “AI วันนี้มี Regulation น้อยกว่าแซนวิชที่เราซื้อ” — เพราะแซนวิชมี อย. คุ้มครอง แต่ AI ไม่มี
======
ส่วนที่ 5 : AI = ทางเลือก หรือ ทางรอด?
ในปี 2024 AI Adoption ในองค์กรไทยอยู่ที่เพียง 4% และคาดว่าจะขึ้นเป็น 7% ในปีนี้ — ยังถือว่าน้อยมากเมื่อเทียบกับศักยภาพ
องค์กรของคุณคือเรือ มหาสมุทรคือตลาด คลื่นคือการแข่งขัน — และ AI คือพายุที่กำลังก่อตัว เริ่มจากพายุเล็กเมื่อ 3-4 ปีก่อน วันนี้กำลังกลายเป็นพายุที่จะเปลี่ยนโครงสร้างธุรกิจ
ทำไมถึงพูดว่า “เปลี่ยนโครงสร้างธุรกิจ”?
เพราะคู่แข่งที่ Infuse AI ลงในกระบวนการได้สำเร็จ จะมี Cost-to-Serve ต่ำกว่าคุณ 30-40% — คุณจะแข่งกับเขาไม่ได้เลย
4 มิติของผลลัพธ์ที่ AI สร้าง
Barrier ที่แท้จริงของ AI Adoption คือ “ผู้นำ”
ในยุคแรกของ AI หลายองค์กรทำตัวเป็น “รู้ว่า AI ทรงพลัง แต่ไม่รู้จะใช้ตอบโจทย์อะไร”
การเริ่มต้นที่ถูกต้อง ต้องเริ่มจาก Business Pain Point ไม่ใช่ Technology:
– 3 ปีข้างหน้าเราจะอยู่รอดได้อย่างไร?
– ลด Cost-to-Serve ได้ไหม?
– สร้าง Innovation ใหม่ได้ไหม?
– ผู้ถือหุ้นเห็นคุณค่าระยะยาวไหม?
กรณีศึกษา: IBM Self-Transformation
IBM เริ่ม AI Chatbot ในปี 2017 — ในยุคแรก Utilization ต่ำมาก เพราะ AI ยังไม่เก่งและ Change Management ยังไม่ดีพอ
จุดเปลี่ยนปี 2019-2020: IBM ตัดสายงาน HR Hotline ทิ้ง พนักงาน 200,000 คนทั่วโลกต้องติดต่อผ่าน Chatbot เท่านั้น — เริ่มจาก Use Case ง่ายๆ แล้วขยายไปทำเรื่อง Transfer, Money Adjustment, Performance Management
ผลลัพธ์ (ประกาศต้นปี 2025): หลังจาก 3 ปี — Productivity Gain มูลค่า 3.5 พันล้านดอลลาร์สหรัฐ
======
ส่วนที่ 6 : ROI ในยุค AI = Trusted AI
“R.O.I. = Return On Investment ก็ต่อเมื่อมันคือ Return On Intelligence ที่ Trust ได้”
ถ้า AI ที่คุณ Implement ไม่ใช่ Trusted AI — อย่าหวัง ROI เลยครับ คุณจะ Scale ไม่ได้
กรอบของ Trusted AI Platform ประกอบด้วย 3 ส่วนหลัก:
– ไม่มี Data = ไม่มี AI
– Data Classification + Quality + Security
– Proprietary Data คือ Moat ใหม่ของธุรกิจ — โดยเฉพาะใน Healthcare, Finance, Manufacturing
– AI Ethics Board (ทุก AI Use Case ต้องผ่านการกลั่นกรอง)
– กรอบกฎหมาย Privacy IP Rights
– Build-in Governance ตั้งแต่ Day 1 — เพิ่มทีหลังไม่ได้
– AI Gateway ครอบทุก Public AI ที่พนักงานใช้
– Agent ต้องเชื่อมโยงกับ Agent อื่นๆ ได้ (Multi-Agent Architecture)
– Modular Model: Large + Small Language Models ตาม Use Case
– Open Source + Proprietary แบบผสมผสาน
Sovereign AI: Greenhouse Model
“เรามีที่ดินเป็นของเรา มีเมล็ดพันธุ์พิเศษ — แต่เราพึ่งพาลม ฟ้า อากาศ ความชื้น แสงอาทิตย์ และเสี่ยงต่อพายุ”
Sovereign AI = Greenhouse บนที่ดินของเรา — ปลูกในสภาพแวดล้อมที่เราควบคุมได้ทุกอย่าง
ทำไมสำคัญ?
– รัฐบาลอาจ Ban โมเดลของผู้ให้บริการต่างชาติ
– Token Cost พุ่งขึ้นจาก Vendor Lock-in
– Data Center ต่างประเทศอาจถูกโจมตี
– ต้อง Plug-in / Plug-out โมเดลได้โดยไม่ Re-platform
Forrester แนะนำ: “อย่าแต่งงานกับ AI Model เพียงเจ้าเดียว”
AI Model จะกลายเป็น Commodity ปลายปีนี้ — Claude, GPT, Gemini, Llama, Qwen, DeepSeek ทุกตัวจะใกล้เคียงกัน คนเริ่ม Train AI Model ได้ด้วย MacBook
ทักษะใหม่ที่ผู้นำต้องมี: Skill ในการ Evaluate AI ไม่ใช่แค่เลือกตามชื่อแบรนด์ — และ Evaluate ในมิติของ Risk, Behavior, Bias ไม่ใช่แค่ Performance
======
ส่วนที่ 7 : ปัญหาที่แท้จริงของการ Scale AI ในองค์กร
Problem 1: Short-term Productivity Trap
Forrester วิจัยพบว่าผู้นำส่วนใหญ่ Focus มากเกินไปที่ Short-term Productivity ทำให้ตัด Experimentation ที่อาจให้ Long-term Value
“Where is the money from AI?” — กลายเป็นคำถามที่ทำให้ Leader กลัวการลงทุน
Problem 2: Trust ภายในองค์กร
เมื่อ Middle Management รู้สึกว่า AI จะมาแทนตัวเอง — เขาจะ Sabotage การ Adoption โดยไม่รู้ตัว
ปรากฏการณ์ที่เห็นทั่วโลก:
– บริษัทใหญ่ไม่รับเด็กจบใหม่
– Middle Management ไม่กล้าผลักดัน
– คนข้างล่างหวาดระแวง
Problem 3: เลือก Use Case ผิด
กรณีศึกษา Financial Services: บริษัทพยายามใช้ AI Financial Advisor คุยกับลูกค้าโดยตรง — สำรวจผู้บริโภคเป็นแสนคน ผลออกมาคือ:
“ฉันรู้นะว่า AI ฉลาดกว่าคน — แต่ขอคุยกับคนได้ไหม? ถ้ามีปัญหา ฉันอยากด่าคนเป็นๆ”
บทเรียน: AI เก่งใน Customer Service Tasks — แต่ Customer Facing ที่ต้องการ Trust ลูกค้ายังต้องการคน นี่คือ “สันดานมนุษย์เปลี่ยนช้ากว่าเทคโนโลยี”
Problem 4: Productivity Mindset แทนที่ Augmentation Mindset
ใช้ AI แทนคน — ไล่คนออก
ใช้ AI ติดอาวุธให้คน — Customer Service คนเก่งสุดคุยกับลูกค้า 100 คนพร้อมกันได้
“ทำไมไม่สร้าง Digital Twin เพื่อให้บริการลูกค้าได้ 100 คนพร้อมกัน?”
======
ส่วนที่ 8 : คำแนะนำสำหรับผู้นำองค์กรไทย
สำหรับ Enterprise (>1,000 พนักงาน)
– Data Foundation + Classification
– Governance Layer + AI Gateway
– Modular Multi-Agent Architecture
– Sovereign AI Ready
สำหรับ SME
สำหรับทุกผู้นำ
Skill ที่ผู้นำไทยต้องมีให้บริษัทรอด 3-5 ปีข้างหน้า:
– 86% ของ CEO ใน APAC บอกว่า Functional Leader ต้องเป็น Technology Expert ใน Domain ตัวเอง
– 100% ของ CEO ไทย บอกอย่างเดียวกัน
ไม่ได้แปลว่าต้องมาจากสาย Tech — แต่ต้องเก่งใน Domain ตัวเอง + Apply Technology + เข้าใจ Process การ Implement
======
ส่วนที่ 9 : Skill ที่ทุกคนต้องมี — As Individual, Parent, Citizen
As Individual
– ถ้าคุณมีความรู้ระดับ 10 → 10 × AI = 100
– ถ้าคุณมีความรู้ระดับ 1 → 1 × AI = 10
– ถ้าคุณมี 0 → 0 × AI = 0
– Gap จะกว้างขึ้น ไม่ใช่แคบลง
As Parent
As Citizen
======
ส่วนที่ 10 : Trust as the Currency of AI Era
CEO ของ IBM ระดับโลกพูดในงานเมื่อ 2 สัปดาห์ก่อน: “CEO ทั่วโลกส่วนใหญ่ยังไม่ตื่น”
ความหมายคือ — ยังไม่เห็นว่า AI สำคัญพอๆ กับ Balance Sheet
เมื่อใดที่ผู้นำเริ่มมอง AI สำคัญเทียบเท่า Balance Sheet — เมื่อนั้นจะตื่นและขับเคลื่อนอย่างจริงจัง
Final Equation
Intelligence × Trust = Humanity at Scale
– AI Scale Intelligence — มาแน่นอน
– Leader Scale Trust — อยู่ที่พวกเรา
– Combine = Humanity at Scale
======
บทสรุปสุดท้าย
ในยุคที่ AI กำลังเปลี่ยนทุกอย่าง คำถามไม่ใช่ว่า “เราจะใช้ AI ไหม”
แต่เป็น “เราจะเลือกเป็น Augmented Intelligence, Addictive Intelligence, หรือ Authentic Intelligence?”
ทางเลือกทั้งหมดอยู่ที่วิธีการที่เราออกแบบ AI และวิธีที่เราออกแบบสังคมรอบ AI
สุดท้าย Dr. Pat ได้เปิดภาพที่สะท้อนความจริงหลายอย่างในภาพเดียว:
– ภาพด้านซ้าย: Humanize a Machine (AI พูดเหมือนคน คิดเหมือนคน)
– ภาพด้านขวา: Mechanize a Human (คนถูกกดให้แย่กว่าเครื่องจักร)
เราจะใช้เทคโนโลยีเพื่อทำให้มนุษย์เป็นมนุษย์มากขึ้น — ไม่ใช่กดให้เขากลายเป็นเครื่องจักร
ประเทศไทยมี Genetic Capital ไม่แพ้ใคร เรามี Creativity ที่ทั่วโลกยอมรับ เรามี Cultural Heritage ที่ลึกซึ้ง เรามี Resilience ที่ผ่านมาทุกวิกฤต
สิ่งที่เราขาดคือ Collective Will ที่จะเลือก AI เป็น “ทางรอด” แทนที่จะเป็นแค่ “ทางเลือก”
======
เราให้คำปรึกษาและโซลูชัน AI Assistant ที่ออกแบบเฉพาะสำหรับองค์กรคุณ เรียนรู้เพิ่มเติม