บริษัทที่ทุ่มเดิมพันอย่างหนักกับเจเนอเรทีฟ AI กำลังเผชิญวงจรป้อนกลับที่ค่อย ๆ ทำให้งานของตัวเองเสื่อมคุณภาพลง ปัญหานี้นักวิจัยเรียกว่า การเสื่อมสลายขององค์ความรู้ (knowledge decay)
ประเด็นสำคัญ
- นักวิจัยเตือนว่าผลลัพธ์คุณภาพต่ำจาก AI กำลังกองพะเนินอยู่ในองค์กร ทำลายความเชื่อมั่นและทำให้ข้อมูลเบื้องหลังการตัดสินใจประจำวันอ่อนแอลง
- แบบสำรวจที่ถูกอ้างอิงอย่างกว้างขวางประเมินต้นทุนของ “workslop” นี้ไว้ราว 9 ล้านดอลลาร์ต่อปีสำหรับบริษัทที่มีพนักงาน 10,000 คน
- งานวิจัยอื่นพบว่าองค์กรส่วนใหญ่ยังไม่เห็นผลตอบแทนที่วัดได้จากการใช้จ่ายกับ AI อย่างหนักหน่วง
ฮาร์วาร์ดชี้ปัญหาการเสื่อมสลายขององค์ความรู้
Harvard Business Review เผยแพร่บทความสองชิ้นในเดือนนี้พร้อมสารที่ชัดเจน เครื่องมือที่ถูกออกแบบมาให้เร่งงานให้เร็วขึ้น ผู้เขียนบทความกลับเตือนว่ากำลังค่อย ๆ ถ่วงคุณภาพงานลงทั้งในระดับทีมและทั้งแผนก เขียนโดย Matthias Holweg จาก Oxford และ Thomas Davenport จาก Babson ในเดือนมิถุนายน ทั้งคู่บรรยายถึงการผุกร่อนอย่างช้า ๆ ที่พวกเขาเรียกว่า knowledge decay ซึ่งหมายถึงผลลัพธ์ที่ดูเรียบร้อยแต่กลวงเปล่าจนทำลายบันทึกข้อมูลที่บริษัทเคยเชื่อถือ
ปัญหาไม่ได้อยู่แค่เรื่องเดิม ๆ ว่า AI แต่งเรื่องหรือสร้างข้อมูลเท็จ แต่นักวิจัยสืบค้นย้อนกลับไปถึงความเสียหายเชิงลึกกว่านั้นที่เกิดจาก workslop คำที่ BetterUp Labs และ Social Media Lab ของ Stanford บัญญัติขึ้นเมื่อกันยายน 2025 เพื่ออธิบายผลลัพธ์ที่ดูเหมือนงานเสร็จแล้ว แต่แทบไม่เพิ่มคุณค่าอะไรเลย
อ่านเพิ่มเติม: กระแสไหลออกจาก Bitcoin ETF ทำสถิติ 6.35 พันล้านดอลลาร์ แต่แรงเทขายตื่นตระหนกอาจเริ่มแผ่ว
Workslop บ่อนทำลายความไว้วางใจในที่ทำงาน
แบบสำรวจพนักงานเต็มเวลาจำนวน 1,150 คนพบว่า 41% เคยได้รับงานลักษณะนี้ภายในเดือนเดียว โดยแต่ละกรณีกินเวลาของใครบางคนไปราวสองชั่วโมง นักวิเคราะห์ประเมินต้นทุนแฝงไว้ใกล้ 9 ล้านดอลลาร์ต่อปีสำหรับบริษัทที่มีพนักงาน 10,000 คน ยังไม่รวมความเสียหายต่อขวัญกำลังใจและความเชื่อใจ ในการศึกษาเดียวกันนี้ 53% ของผู้รับงานบอกว่าผลลัพธ์ทำให้พวกเขารู้สึกหงุดหงิด ขณะที่ 42% ประเมินว่าผู้ส่งดูน่าเชื่อถือน้อยลงกว่าเดิม
ราวครึ่งหนึ่งมองเพื่อนร่วมงานคนนั้นว่ามีความสามารถน้อยลง และประมาณหนึ่งในสามบอกว่าจะหลีกเลี่ยงการร่วมงานด้วยอีกต่อไป ด้านการสรรหาบุคลากรได้รับผลกระทบหนักที่สุดส่วนหนึ่ง เรซูเมที่เขียนด้วย AI หลั่งไหลเข้าหารีครูเตอร์ โฆษณางานอัตโนมัติทำให้ผู้สมัครเข้าใจผิด และเครื่องมือคัดกรองกลับตัดคนเก่งทิ้งไป ในขณะที่ความเชื่อมั่นของทั้งสองฝ่ายลดลงสู่จุดต่ำสุดเป็นประวัติการณ์
ผลตอบแทนจาก AI ยังจับต้องไม่ได้
ปัญหาความไว้วางใจนี้ซ้อนทับอยู่บนผลตอบแทนที่บางเฉียบ รายงานแยกต่างหากจาก Media Lab ของ MIT แสดงให้เห็นว่า 95% ขององค์กรไม่เห็นผลตอบแทนที่วัดได้จากการลงทุนใน AI แม้จะอัดเงินเข้าไปนับหมื่นล้านดอลลาร์
การเก็บกวาดความเสียหาย ผู้เขียนชี้ว่า หมายถึงการต้องติดตั้งกลไกตรวจสอบโดยมนุษย์ลงในผลลัพธ์ของ AI ซึ่งก็คือแรงงานแบบเดียวกับที่เครื่องมือเหล่านี้เคยถูกขายต่อในฐานะสิ่งที่จะช่วยตัดออกไป คำเตือนนี้จึงไม่ใช่การปฏิเสธเทคโนโลยีแบบเหมาเข่ง โมเดลที่ฝึกบนข้อมูลของบริษัทเองยังสามารถสร้างมูลค่าได้ ผู้เขียนโต้แย้ง ขณะที่แชตบอตสาธารณะที่ถูกใช้ผิดงานกลับผลิตข้อความทั่วไปที่เต็มไปด้วยข้อผิดพลาด
การทบทวนครั้งนี้มาหลังจากปีแห่งความสงสัยที่เพิ่มขึ้น Workslop ถูกพูดถึงครั้งแรกเมื่อกันยายน 2025 และงานวิจัยชุดใหม่ได้เลื่อนโจทย์จากคำถามว่า AI ช่วยเร่งงานใดงานหนึ่งได้หรือไม่ ไปสู่คำถามว่าการแพร่กระจายของมันทำให้บริษัทเฉียบคมขึ้นหรือทื่อขึ้นในทุก ๆ การตัดสินใจภายหลัง
อ่านต่อ: JaredFromSubway Bot สูญเงิน 7.5 ล้านดอลลาร์หลังติดกับของตัวเอง