MIT สร้าง AI ทดแทนแรงงานจำนวนมากเพื่อทำงานหลากหลาย งานวิจัยพบว่าส่วนใหญ่ยังคง ‘เพียงพอในระดับต่ำสุด’ เท่านั้น

(SeaPRwire) –   พนักงานออฟฟิศชาวอเมริกันที่ทดลองใช้ปัญญาประดิษฐ์ในการทำงานประจำวันซึ่งมีสัดส่วนเพิ่มขึ้นเรื่อยๆ นั้น มักจะมีช่วงเวลาที่สงสัยเกี่ยวกับความมั่นคงในงานระยะยาวของตนอยู่ไม่น้อย

แต่ตามข้อมูลล่าสุดที่เผยแพร่โดย MIT แม้ว่า AI จะมีการพัฒนาไปมากในช่วงหลายปีที่ผ่านมา เทคโนโลยีนี้ยังคงทำได้แค่เกณฑ์ขั้นต่ำสำหรับงานเฉพาะในที่ทำงานเท่านั้น และแม้จะอยู่ในระดับนั้น AI ก็ยังอาจทำผิดพลาดครั้งใหญ่ได้อยู่ดี

พนักงานที่กังวลว่าตนจะถูก AI แทนที่ในเร็วๆ นี้ คงจะอุ่นใจได้กับผลการวิจัยใหม่จาก MIT ซึ่งระบุว่าเรื่องเล่าเรื่องการยึดครองงานโดย AI ไม่ใช่หนังแอ็กชันเร่งเครื่อง แต่กลับเป็นเหมือนเรื่องคิดช้าที่ต้องไตร่ตรองมากกว่า

ตามผลการศึกษาเบื้องต้นที่เผยแพร่เมื่อวันพฤหัสบดี AI มีการพัฒนาขึ้นเรื่อยๆ ในการทำงานหลายประเภทในหลากหลายสาขาอาชีพ แต่ในกรณีส่วนใหญ่ ประสิทธิภาพของโมเดล AI ที่มีอยู่ในปัจจุบันคล้ายกับเด็กฝึกงานที่หมดความกระตือรือร้น — ทำได้ตามเกณฑ์ขั้นต่ำ แต่โดยรวมแล้วประสบปัญหาในการสร้างผลงานคุณภาพหากไม่มีมือมนุษย์มาปรับแต่งผลลัพธ์

การผ่านเกณฑ์

นักวิจัยจาก MIT ใช้ LLM ที่แตกต่างกันถึง 41 แบบ รวมถึงเวอร์ชันของ Claude, Gemini และ ChatGPT เพื่อวิเคราะห์ประสิทธิภาพในงานที่อิงกับข้อความเป็นหลักกว่า 11,000 งาน สำหรับตำแหน่งงานต่างๆ ที่ระบุโดยกระทรวงแรงงาน จากนั้นผลลัพธ์ของ AI ได้รับการให้คะแนนโดยมนุษย์ที่มีประสบการณ์การทำงานจริงในสาขาเหล่านั้น เป้าหมายคือการดูว่า AI ที่จะมาแทนที่คนทำงานสามารถสร้างผลลัพธ์ที่ผู้จัดการยอมรับได้โดยไม่ต้องมีการแก้ไขจากมนุษย์บ่อยแค่ไหน จากนั้นจึงประเมินคุณภาพของผลงาน

นักวิจัยพบว่า AI มีความน่าเชื่อถือมากขึ้นในช่วงหลายปีที่ผ่านมาสำหรับงานหลายประเภท แต่ยังคงทำได้ไม่ดีพอเมื่อความเสี่ยงหรือมาตรฐานของงานสูงขึ้น การศึกษาของ MIT ใช้มาตรวัดคะแนน 1–9 ในการตัดสินประสิทธิภาพของ AI โดยคะแนน 7 ถูกนิยามว่า “เพียงพอขั้นต่ำ” ซึ่งหมายความว่างานนั้นสามารถใช้ได้ในทันทีและไม่ต้องแก้ไข ณ ปลายปี 2025 โมเดล AI ได้คะแนน 7 ในงานประมาณ 65% ของงานทั้งหมด

สิ่งที่สำคัญที่สุดสำหรับบริษัทที่กำลังพิจารณาแทนที่พนักงานส่วนหนึ่งด้วย AI ข้อมูลจาก MIT ชี้ให้เห็นว่า AI ประสบปัญหาในการทำงานที่ซับซ้อนกว่า ไม่ว่าโมเดล AI จะมีเวลาในการทำงานมากแค่ไหน โอกาสที่จะสำเร็จเมื่อให้คะแนนตามเกณฑ์คุณภาพระดับ 9 หรือ “เหนือกว่ามาตรฐาน” ไม่เคยเกิน 50% กล่าวอีกนัยหนึ่ง เมื่องานต้องการหลายขั้นตอน ความคิดสร้างสรรค์ หรือความแม่นยำ AI ที่มาแทนที่คนมีโอกาสล้มเหลวมากกว่าประสบความสำเร็จ

ผลการวิจัยนี้สอดคล้องกับบางแง่มุมของเรื่องเล่าการนำ AI มาใช้ในปัจจุบันขององค์กรในอเมริกา บริษัทที่ใช้ AI มักจะทำให้เป็นระบบอัตโนมัติสำหรับงานประจำและตำแหน่งที่เคยเป็นของพนักงานระดับเริ่มต้น ในขณะที่ทักษะทางเทคนิคขั้นสูงบางอย่าง โดยเฉพาะทักษะด้านดิจิทัล กลับมีความเกี่ยวข้องกับการเพิ่มค่าจ้าง

สิ่งนี้สะท้อนให้เห็นในข้อมูลของ MIT ซึ่งพบว่าอัตราการประสบความสำเร็จเฉลี่ยต่ำกว่าสำหรับตำแหน่งงานที่ต้องทักษะในงานกฎหมายและงาน IT ในขณะที่โมเดล AI โดยทั่วไปทำงานที่อิงข้อความที่เกี่ยวข้องกับอาชีพด้านการก่อสร้างและการบำรุงรักษาได้ง่ายกว่า

บริษัทที่ทดลองใช้ระบบอัตโนมัติเต็มรูปแบบสำหรับงานบางส่วนของตนได้เผชิญกับปัญหาในช่วงเริ่มต้น ปีที่แล้ว Deloitte ผลิตรายงานสองฉบับให้กับลูกค้าภาครัฐในออสเตรเลียและแคนาดา ซึ่งพบว่าทั้งสองฉบับเต็มไปด้วยข้อมูลที่ประดิษฐ์ขึ้น สื่อหลายแห่งรวมถึง CNET และ Sports Illustrated ยังถูกจับได้ว่าใช้ AI สร้างข่าวที่ไม่ถูกต้องภายใต้ชื่อผู้เขียนที่แต่งขึ้น ทนายความยังพึ่ง AI ในการเตรียมคำแถลงคดี โดยมีสำนักงานกฎหมายแห่งหนึ่งขอโทษสาธารณะเมื่อปีที่แล้ว หลังจากพบว่าอ้างอิงปลอมที่สร้างโดย AI มีส่วนทำให้เกิดปัญหาในการยื่นเรื่องล้มละลายในคดีหนึ่งของพวกเขา

หลักฐานจากกรณีตัวอย่างและข้อมูลของ MIT ชี้ให้เห็นว่า AI ยังคงต้องการการดูแลจากมนุษย์เพื่อเพิ่มศักยภาพสูงสุด แม้ว่าเทคโนโลยีนี้จะยังคงพัฒนาอย่างรวดเร็วก็ตาม นักวิจัยจาก MIT ประมาณการว่าอัตราการประสบความสำเร็จของ AI ในงานที่วิเคราะห์เพิ่มขึ้นสูงสุดถึง 11 เปอร์เซ็นต์ต่อปี เนื่องจากโมเดลมีความสามารถมากขึ้น

ภายในปี 2029 ผู้เขียนการศึกษาประมาณการว่าโมเดล AI ส่วนใหญ่จะสามารถทำงานที่อิงข้อความได้ระหว่าง 80% ถึง 95% ที่ระดับเกณฑ์เพียงพอขั้นต่ำ

ยังคงไม่ทราบว่า AI จะสามารถขยายขีดความสามารถไปสู่ประสิทธิภาพระดับดีเลิศหรือแม้แต่สมบูรณ์แบบได้หรือไม่

“การทำให้เป็นระบบอัตโนมัติในวงกว้าง โดยเฉพาะในด้านที่มีความอดทนต่อข้อผิดพลาดต่ำ อาจยังอยู่อีกไกล” นักวิจัยเขียนไว้

AI อาจสามารถทำงานขั้นต่ำที่เกี่ยวกับการร่างเนื้อหา เขียนอีเมล และคำนวณตัวเลขได้ แต่ยังไม่สามารถไปถึงเขตประสิทธิภาพเหนือกว่ามาตรฐานที่มนุษย์ยังคงโดดเด่นได้