AI เก่งขึ้นทุกวัน แต่ทำไมคนกลับเริ่มเหนื่อยกับมัน?

AI ออกรุ่นใหม่จนคนเริ่มเหนื่อย เมื่อ เรากำลังเข้าสู่ยุค “Model Fatigue”

ช่วงนี้ใครติดตามข่าว AI อย่างจริงจัง น่าจะมีความรู้สึกคล้ายผมอย่างหนึ่ง

ตามไม่ทันแล้วครับ

วันนี้มีโมเดลใหม่ออกมา
พรุ่งนี้อีกค่ายประกาศรุ่นใหม่กว่า
ผ่านไปไม่กี่วัน รุ่นที่เพิ่งเปิดตัวก็ถูกเปรียบเทียบกับของใหม่อีกแล้ว

คำถามจึงไม่ใช่แค่ว่า

“AI ตัวไหนเก่งที่สุด?”

แต่กำลังกลายเป็นว่า

“เราจำเป็นต้องตามทุกตัวจริงหรือ?”

นี่คือปรากฏการณ์ที่เริ่มถูกเรียกว่า Model Fatigue หรืออาการ “เหนื่อยกับโมเดล AI”

ไม่ใช่เพราะ AI ไม่น่าสนใจ

ตรงกันข้ามครับ

มันเกิดขึ้นเพราะ AI กำลังพัฒนาเร็วเสียจนมนุษย์เริ่มใช้พลังงานมากเกินไปกับการพยายามตามมันให้ทัน

สงคราม AI กำลังเปลี่ยนจากแข่งกันเก่ง เป็นแข่งกันเร็ว

ช่วงเวลาเพียงไม่กี่วัน บริษัทเทคโนโลยีรายใหญ่ต่างทยอยประกาศการปรับปรุงหรือเปิดตัวโมเดล AI ของตัวเอง

ทั้ง Anthropic, Meta, Google และ OpenAI ต่างพยายามแสดงให้ตลาดเห็นว่า AI ของตัวเองยังพัฒนาอย่างต่อเนื่อง

ขณะที่ Nvidia ก็ขยายบทบาทจากโลกของชิปและโครงสร้างพื้นฐาน AI เข้าใกล้โลกของโมเดล AI มากขึ้น

สิ่งที่น่าสนใจจึงไม่ใช่เพียงว่า

“ใครมี AI เก่งกว่าใคร”

แต่คือ

“ทำไมทุกบริษัทต้องรีบประกาศของใหม่ออกมาอย่างต่อเนื่อง?”

คำตอบส่วนหนึ่งอยู่ที่การแข่งขันแย่งชิงความสนใจของตลาด

เพราะในโลกเทคโนโลยีวันนี้

การเงียบหายไปจากข่าว อาจถูกตีความว่ากำลังตามคู่แข่งไม่ทัน

ดังนั้น บริษัท AI จึงไม่ได้แข่งขันกันเฉพาะเรื่องความสามารถของโมเดล

แต่กำลังแข่งขันกันในเรื่อง Share of Mind ด้วย

ใครถูกพูดถึงมากกว่า
ใครดูเหมือนพัฒนาเร็วกว่า
ใครทำให้นักพัฒนาและองค์กรรู้สึกว่า “ต้องลองของใหม่”

คนนั้นย่อมมีโอกาสได้ส่วนแบ่งตลาดมากขึ้น

ปัญหาคือคนใช้เริ่มเหนื่อย

สำหรับคนทั่วไป การมี AI เก่งขึ้นเรื่อย ๆ ดูเหมือนเป็นข่าวดี

แต่สำหรับองค์กร เรื่องไม่ได้ง่ายขนาดนั้น

ทุกครั้งที่มีโมเดลใหม่ออกมา ฝ่ายไอทีและผู้บริหารต้องถามคำถามเดิมอีกครั้ง

ตัวใหม่เก่งกว่าจริงไหม?

ราคาเท่าไร?

เร็วขึ้นหรือไม่?

ปลอดภัยแค่ไหน?

ข้อมูลขององค์กรจะถูกจัดการอย่างไร?

ควรย้ายจากระบบเดิมหรือไม่?

ลองคิดดูครับ

ถ้ามี AI ใหม่ออกมา 10 ตัวในเวลาใกล้กัน องค์กรแทบไม่มีทางทดลองทุกตัวอย่างละเอียดได้

สุดท้ายจึงต้องเลือกเพียงบางตัวมาทดสอบ

นี่คือความย้อนแย้งของโลก AI

ยิ่งมีทางเลือกมากขึ้น การตัดสินใจกลับยิ่งยากขึ้น

และนี่คือหัวใจของ Model Fatigue

เราไม่ได้เหนื่อยเพราะ AI ไม่ดี

เราเหนื่อยเพราะมีของดีออกมาเร็วเกินกว่าที่มนุษย์และองค์กรจะประเมินได้ทัน

รุ่นใหม่ ไม่ได้หมายความว่าเป็นการปฏิวัติทุกครั้ง

อีกเรื่องหนึ่งที่ผู้ใช้ AI ต้องเข้าใจคือ

คำว่า “รุ่นใหม่” ไม่ได้แปลว่าโลกเปลี่ยนทุกครั้ง

การอัปเดตบางครั้งเป็นเพียงการปรับปรุงโมเดลเดิม

อาจเขียนโปรแกรมดีขึ้น
ทำงานแบบ Agent ดีขึ้น
เร็วขึ้น
ประหยัดขึ้น
หรือเก่งขึ้นในงานเฉพาะด้าน

แต่ไม่ได้หมายความว่าเราจำเป็นต้องทิ้งเครื่องมือเดิมทันที

นี่เป็นเรื่องที่ผมคิดว่าสำคัญมากสำหรับคนทำงานและองค์กร

เพราะถ้าเราวิ่งตามข่าว AI ทุกข่าว

สุดท้ายเราอาจใช้เวลา “เลือกเครื่องมือ” มากกว่า “ใช้เครื่องมือสร้างผลงาน”

และนั่นคือจุดที่เทคโนโลยีเริ่มกลายเป็นภาระ

AI Agent ทำให้เรื่องนี้ซับซ้อนกว่าเดิม

อีกด้านหนึ่งที่ต้องจับตามองคือการเติบโตของ AI Agent

AI ในอดีตส่วนใหญ่รอให้เราถาม แล้วจึงตอบ

แต่ AI Agent กำลังขยับจาก

“เครื่องมือที่ให้คำตอบ”

ไปเป็น

“ระบบที่สามารถลงมือทำงาน”

เช่น เข้าเว็บไซต์ ใช้โปรแกรม จัดการข้อมูล หรือทำงานหลายขั้นตอนแทนมนุษย์

ความสามารถแบบนี้สร้างโอกาสมหาศาล

พร้อมกับสร้างความเสี่ยงใหม่เช่นกัน

เพราะเมื่อ AI สามารถลงมือทำอะไรบางอย่างได้ด้วยตัวเอง คำถามเรื่องความปลอดภัย สิทธิในการเข้าถึงข้อมูล และการควบคุมระบบจะสำคัญขึ้นทันที

AI ที่ตอบผิดอาจทำให้เราเข้าใจผิด

แต่ AI Agent ที่ “ทำผิด”

อาจสร้างผลกระทบต่อระบบจริง

นี่จึงเป็นเหตุผลว่าทำไมการแข่งขันพัฒนา AI ให้เร็วที่สุดอย่างเดียวอาจไม่เพียงพอ

เราต้องพัฒนาวิธีควบคุมมันให้เร็วพอ ๆ กันด้วย

มุมมองอาจารย์บอม

ผมมองปรากฏการณ์ Model Fatigue ในสองมุมครับ

มุมแรก — เทคโนโลยี

เราอาจกำลังเข้าสู่ช่วงที่คำถามว่า

“AI ตัวไหนเก่งที่สุด?”

มีความสำคัญน้อยลงเรื่อย ๆ

เพราะเมื่อ AI ชั้นนำหลายตัวเก่งมากพอ ความแตกต่างที่มีความหมายสำหรับผู้ใช้จริงจะไม่ใช่คะแนน Benchmark เพียงอย่างเดียว

แต่คือ

AI ตัวไหนเหมาะกับงานของเรามากที่สุด

องค์กรจึงไม่ควรเปลี่ยน AI ทุกครั้งที่มีรุ่นใหม่ออกมา

ควรกำหนดโจทย์ก่อน แล้วค่อยเลือกเทคโนโลยี

ไม่ใช่เห็นเทคโนโลยีใหม่ แล้วค่อยพยายามหาโจทย์มาใช้กับมัน

สำหรับผม หลักคิดง่าย ๆ คือ

อย่าวิ่งตาม AI ทุกตัว
แต่ต้องรู้ว่า AI กำลังวิ่งไปทางไหน

สองอย่างนี้ไม่เหมือนกันครับ

คนแรกจะเหนื่อยกับการเปลี่ยนเครื่องมืออยู่ตลอดเวลา

ส่วนคนหลังจะเข้าใจทิศทางของเทคโนโลยี และเลือกใช้เฉพาะสิ่งที่สร้างคุณค่าจริง

มุมที่สอง — การสื่อสาร

เรื่องนี้น่าสนใจมากในมุมการตลาดและการสื่อสาร

บริษัท AI วันนี้ไม่ได้แข่งขันกันเฉพาะในห้องวิจัย

แต่กำลังแข่งขันกันบนพื้นที่ข่าวและในความคิดของผู้บริโภค

การเปิดตัวโมเดลใหม่จึงเป็นทั้ง

Technology Strategy และ Communication Strategy

ในเวลาเดียวกัน

เมื่อคู่แข่งเปิดตัวของใหม่ บริษัทอื่นย่อมถูกกดดันให้แสดงให้ตลาดเห็นว่า

“ฉันก็ยังไม่หยุดพัฒนา”

เพราะในตลาดที่เปลี่ยนเร็วมาก การไม่สื่อสารอาจทำให้คนรู้สึกว่าแบรนด์กำลังล้าหลัง แม้เทคโนโลยีจริงอาจไม่ได้ล้าหลังก็ตาม

นี่คือบทเรียนสำคัญของการสื่อสารในยุค AI

เมื่อทุกบริษัทพูดว่า

“เร็วกว่า”
“ฉลาดกว่า”
“เก่งกว่า”
“ดีที่สุด”

คำเหล่านี้จะเริ่มสูญเสียพลัง

ผู้บริโภคจะเริ่มถามคำถามใหม่ว่า

“แล้วมันทำให้ชีวิตหรือธุรกิจของฉันดีขึ้นตรงไหน?”

ผมจึงเชื่อว่า สงคราม AI ระยะต่อไปอาจไม่ได้ชนะกันที่ว่า ใครออกโมเดลใหม่บ่อยที่สุด

แต่อาจชนะกันที่ว่า

ใครสามารถทำให้เทคโนโลยีที่ซับซ้อน กลายเป็นคุณค่าที่คนธรรมดาเข้าใจและนำไปใช้ได้จริง

เพราะท้ายที่สุดแล้ว

คนไม่ได้ต้องการ AI รุ่นใหม่ทุกสัปดาห์

คนต้องการ AI ที่ช่วยให้เขา ทำงานดีขึ้น เร็วขึ้น ง่ายขึ้น และสร้างคุณค่าได้มากกว่าเดิม

และนั่นต่างหากครับ
คือการแข่งขันที่สำคัญกว่า Benchmark

อาจารย์บอม
ชนัฐ เกิดประดับ