วิกฤตกระดานคะแนนปัญญาประดิษฐ์ที่กำลังทำลายองค์กรจากข้างใน
เมื่อบอสสั่งให้ "ใช้ให้มากที่สุด" — วิกฤตกระดานคะแนนปัญญาประดิษฐ์ที่กำลังทำลายองค์กรจากข้างใน
มีพนักงานบริษัทเทคโนโลยีระดับโลกกลุ่มหนึ่งที่กำลังทำสิ่งที่ฟังดูแปลก นั่นคือ เปิดเครื่องมือปัญญาประดิษฐ์ขึ้นมา แล้วสั่งให้มันทำงานไร้สาระซ้ำๆ ไม่ใช่เพราะต้องการคำตอบ แต่เพราะต้องการ "คะแนน"
นี่คือโลกของ Tokenmaxxing — พฤติกรรมใหม่ที่กำลังระบาดเงียบๆ ในองค์กรชั้นนำของโลก และมันอาจกำลังบอกเราว่า วิธีที่บริษัทยักษ์ใหญ่วัดผลความสำเร็จของปัญญาประดิษฐ์นั้น มีรอยร้าวขนาดใหญ่ซ่อนอยู่
Tokenmaxxing คืออะไร และทำไมมันถึงเกิดขึ้น
ก่อนอื่นต้องเข้าใจว่า "โทเค็น" ในโลกของปัญญาประดิษฐ์คืออะไร ให้นึกภาพง่ายๆ ว่าโทเค็นคือ "หน่วยวัดการสื่อสาร" ระหว่างมนุษย์กับระบบปัญญาประดิษฐ์ ทุกครั้งที่คุณพิมพ์คำถาม ทุกครั้งที่ระบบตอบกลับ ล้วนมีการนับโทเค็นเกิดขึ้น มากโทเค็น หมายความว่าคุณใช้งานระบบมาก
บริษัทใหญ่อย่าง Amazon, Meta และ Microsoft ต่างออกแบบ "กระดานคะแนน" ภายในองค์กรเพื่อวัดว่าพนักงานคนไหนใช้เครื่องมือปัญญาประดิษฐ์มากที่สุด เป้าหมายตั้งต้นฟังดูสมเหตุสมผล นั่นคือต้องการผลักดันให้พนักงานทดลองใช้เทคโนโลยีใหม่ เพราะมนุษย์โดยธรรมชาติแล้วไม่ชอบเปลี่ยนนิสัย ถ้าไม่มีแรงจูงใจ ส่วนใหญ่จะเลือกทำสิ่งที่คุ้นเคยต่อไปเรื่อยๆ
แต่ผลที่ตามมาคืออะไร?
พนักงาน Amazon บางส่วนเริ่มป้อนคำถามซ้ำๆ หรืองานเล็กน้อยไม่มีความหมายเข้าระบบ เพื่อเพิ่มจำนวนโทเค็นของตัวเอง และไต่อันดับบนกระดานคะแนน นี่คือ Tokenmaxxing — การใช้ปัญญาประดิษฐ์ให้ "มากที่สุด" แต่ไม่จำเป็นต้อง "ดีที่สุด"
กฎของกูดฮาร์ต: เมื่อตัวชี้วัดกลายเป็นเป้าหมาย ความหมายของมันก็พังทลาย
มีหลักการทางเศรษฐศาสตร์ที่ชื่อว่า กฎของกูดฮาร์ต ซึ่งพูดง่ายๆ ว่า "เมื่อใดก็ตามที่ตัวชี้วัดกลายเป็นเป้าหมาย ตัวชี้วัดนั้นก็หยุดทำหน้าที่วัดผลที่แท้จริงได้"
ลองนึกถึงตัวอย่างใกล้ตัว ถ้าโรงเรียนวัดคุณภาพการสอนจากผลคะแนนสอบอย่างเดียว ครูก็จะสอนเพื่อสอบ ไม่ใช่สอนเพื่อให้นักเรียนเข้าใจจริงๆ ถ้าบริษัทวัดประสิทธิภาพเซลล์จากจำนวนโทรศัพท์ที่โทรออก พนักงานก็จะโทรให้มากที่สุดแม้ไม่มีประโยชน์ ผลลัพธ์ที่แท้จริงไม่เคยอยู่ในสมการ
Tokenmaxxing คือกฎของกูดฮาร์ตในรูปแบบของยุคปัญญาประดิษฐ์ และมันกำลังเกิดขึ้นในองค์กรที่ฉลาดที่สุดในโลก
Gil Luria นักวิเคราะห์เทคโนโลยีชั้นนำกล่าวตรงๆ ว่า นี่ไม่ใช่สัญญาณที่ดีเลย "คุณจะได้พฤติกรรมที่คุณสร้างแรงจูงใจให้เกิดขึ้น ถ้าคุณบอกให้คนใช้ทรัพยากรมากขึ้น พวกเขาก็จะใช้มากขึ้น" — แต่นั่นไม่ได้แปลว่าองค์กรได้ประโยชน์อะไรเพิ่มขึ้นจริงๆ
กระดานคะแนน 60 ล้านล้านโทเค็น: ความยิ่งใหญ่ที่อาจกลวงเปล่า
ที่ Meta มีพนักงานคนหนึ่งสร้างกระดานคะแนนภายในชื่อ "Claudeonomics" เพื่อจัดอันดับพนักงานราว 85,000 คนตามปริมาณโทเค็นที่ใช้
ในช่วงเวลา 30 วัน ตัวเลขรวมบนกระดานนั้นพุ่งสูงถึง 60 ล้านล้านโทเค็น — ตัวเลขที่ฟังดูน่าตื่นตาตื่นใจมาก
แต่มีรายละเอียดเล็กๆ น้อยๆ ที่น่าสนใจ: ทั้ง Mark Zuckerberg ซีอีโอของ Meta และ Andrew Bosworth ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี ไม่ติดอันดับ 250 อันดับแรกเลย
คำถามที่น่าคิดคือ แล้วใครกันที่ใช้โทเค็นมากที่สุด? ผู้บริหารสูงสุดที่รับผิดชอบทิศทางของบริษัทไม่อยู่ในกลุ่มนั้น แล้วตัวเลข 60 ล้านล้านนั้นมาจากงานที่มีคุณค่าเพียงใด?
กระดานคะแนนดังกล่าวถูกปิดตัวลงหลังจากถูกเปิดเผยต่อสาธารณะ แต่ตรรกะเบื้องหลังยังคงดำเนินต่อไป
ฝั่งที่ปกป้อง: เมื่อผลิตภาพเพิ่มขึ้นจริง โทเค็นก็มีคุณค่า
ไม่ใช่ว่าทุกอย่างในเรื่องนี้จะเป็นด้านลบ Bosworth ของ Meta ยกตัวอย่างวิศวกรคนหนึ่งที่ใช้งบประมาณโทเค็นเท่ากับเงินเดือนของตัวเอง แต่ผลลัพธ์คือประสิทธิภาพการทำงานเพิ่มขึ้น 5 ถึง 10 เท่า
ถ้าตัวเลขนั้นเป็นจริง นั่นคือการลงทุนที่คุ้มค่าอย่างมหาศาล ลองคำนวณง่ายๆ ถ้าพนักงานหนึ่งคนทำงานได้เท่ากับ 5 คน บริษัทก็ประหยัดค่าจ้างได้ 4 ตำแหน่ง แม้จะจ่ายค่าโทเค็นเพิ่มอีกหนึ่งเดือนเดือน ก็ยังกำไรอยู่ดี
ปัญหาจึงไม่ใช่ที่ตัวเลขโทเค็น แต่อยู่ที่ วิธีตีความ ตัวเลขนั้น
การใช้โทเค็นมากในงานที่มีคุณค่า คือสัญญาณที่ดี การใช้โทเค็นมากเพื่อเพิ่มคะแนนบนกระดาน คือสัญญาณอันตราย
ทั้งสองมีตัวเลขที่หน้าตาเหมือนกันทุกประการ และนั่นคือแก่นของปัญหา
เงินลงทุน 700,000 ล้านดอลลาร์: ความเสี่ยงที่ซ่อนอยู่ในตัวเลขมหาศาล
เพื่อให้เห็นภาพว่าเรื่องนี้ใหญ่แค่ไหน ต้องพูดถึงตัวเลขการลงทุนด้านโครงสร้างพื้นฐาน ปัญญาประดิษฐ์ในปี 2026
รวมกันแล้ว Amazon, Microsoft, Alphabet และ Meta วางแผนใช้จ่ายด้านโครงสร้างพื้นฐานรวมกันเกือบ 700,000 ล้านดอลลาร์สหรัฐ ในปีนี้เพียงปีเดียว และคาดว่าตัวเลขในปี 2027 อาจแตะ 1 ล้านล้านดอลลาร์
เพื่อให้นักลงทุนเชื่อว่าการลงทุนนี้สมเหตุสมผล บริษัทเหล่านี้ต้องแสดงให้เห็นว่ามีความต้องการใช้งานจริง และหนึ่งในวิธีที่ง่ายที่สุดคือการแสดงตัวเลขการใช้งานของพนักงาน
แต่ Luria ชี้ให้เห็นความขัดแย้งที่น่ากังวล เขาเรียกปรากฏการณ์นี้ว่า "กิจกรรมวนซ้ำในตัวเอง" กล่าวคือ บริษัทเหล่านี้ลงทุนในผู้พัฒนาปัญญาประดิษฐ์ จากนั้นกระตุ้นให้พนักงานของตัวเองใช้ผลิตภัณฑ์ของผู้พัฒนาเหล่านั้น เพื่อให้ตัวเลขการใช้งานดูน่าเชื่อถือ ซึ่งในทางอ้อมคือการสนับสนุนมูลค่าของการลงทุนของตัวเอง
Amazon เองรายงานว่าการเพิ่มขึ้นของมูลค่า Anthropic (บริษัทปัญญาประดิษฐ์ที่ Amazon ลงทุน) มีส่วนสร้างกำไรเกือบครึ่งหนึ่งของบริษัทในช่วงที่ผ่านมา ขณะเดียวกัน ก็กำลังสนับสนุนให้พนักงานใช้เครื่องมือของ Anthropic ให้มากขึ้น
มนุษย์กับการเปลี่ยนแปลง: ปัญหาที่แท้จริงซึ่งโทเค็นแก้ไม่ได้
Luria พูดถึงประเด็นที่ลึกกว่าตัวเลขโทเค็น นั่นคือธรรมชาติของมนุษย์เอง
"มนุษย์มีความแข็งกระด้างในการทำสิ่งที่คุ้นเคย" เขากล่าว "ถ้าไม่สร้างแรงจูงใจให้เปลี่ยนพฤติกรรม ส่วนใหญ่จะไม่ยอมเปลี่ยน"
นี่คือความท้าทายที่แท้จริงของการนำเทคโนโลยีใหม่มาใช้ในองค์กร ไม่ใช่เรื่องของความสามารถของเทคโนโลยี แต่เป็นเรื่องของ การเปลี่ยนนิสัยการทำงาน
ลองนึกถึงเมื่อบริษัทเริ่มนำระบบประชุมทางไกลมาใช้ครั้งแรก พนักงานจำนวนมากยังคงเดินทางไปประชุมต่างจังหวัดเพราะ "คุ้นเคย" แม้ว่าการประชุมออนไลน์จะสะดวกกว่าหลายเท่า
การเปลี่ยนพฤติกรรมต้องใช้เวลา ต้องใช้ความเข้าใจ และที่สำคัญที่สุด ต้องสร้างแรงจูงใจที่ถูกต้อง กระดานคะแนนโทเค็นอาจเป็นแรงจูงใจ แต่เป็นแรงจูงใจที่ผิดทิศทาง
ความต้องการที่แท้จริงกับตัวเลขที่ถูกสร้างขึ้น
ท่ามกลางปรากฏการณ์ Tokenmaxxing มีข้อมูลที่ Luria ชี้ให้เห็นว่าน่าเชื่อถือกว่า นั่นคือรายได้ของบริษัทปัญญาประดิษฐ์อย่าง OpenAI และ Anthropic ที่รวมกันอยู่ที่ราว 70,000 ล้านดอลลาร์ต่อปี เพิ่มขึ้นจากแทบจะเป็นศูนย์เมื่อสองปีก่อน
นั่นคือเงินที่ผู้บริโภคและธุรกิจจริงๆ จ่ายเพื่อเข้าถึงบริการปัญญาประดิษฐ์ด้วยความสมัครใจ เพราะรู้สึกว่าคุ้มค่า ไม่ใช่เพราะบอสสั่งให้ใช้
ตัวเลขนี้คือหลักฐานของความต้องการที่แท้จริง ในขณะที่ตัวเลขโทเค็นในองค์กรอาจเป็นเพียงภาพลวงตาที่สวยงาม
บทสรุปและสิ่งที่นักธุรกิจควรเรียนรู้
เรื่อง Tokenmaxxing ไม่ใช่แค่ข่าวเม้ามอยเกี่ยวกับบริษัทเทคโนโลยียักษ์ใหญ่ มันคือบทเรียนสำคัญสำหรับทุกองค์กรที่กำลังพยายามนำเทคโนโลยีใหม่มาใช้
บทเรียนที่หนึ่ง: วัดผลลัพธ์ ไม่ใช่วัดกิจกรรม ถามตัวเองว่าเครื่องมือนี้ช่วยให้งานสำเร็จเร็วขึ้นหรือไม่ ลูกค้าพึงพอใจมากขึ้นหรือไม่ ต้นทุนลดลงหรือไม่ ถ้าตอบไม่ได้ แสดงว่าคุณกำลังวัดผิดจุด
บทเรียนที่สอง: ระวังเมื่อตัวชี้วัดกลายเป็นการแข่งขัน ทุกครั้งที่ตัวชี้วัดกลายเป็นกระดานคะแนน ให้ถามทันทีว่ามีวิธีใดบ้างที่จะทำให้คะแนนสูงขึ้นโดยไม่ได้สร้างคุณค่าที่แท้จริง ถ้ามีวิธีนั้น แสดงว่าตัวชี้วัดมีปัญหา
บทเรียนที่สาม: แรงจูงใจควรชี้ไปที่เป้าหมายที่แท้จริง แทนที่จะวัดว่าพนักงานใช้เครื่องมือมากแค่ไหน ให้วัดว่าพนักงานแก้ปัญหาได้มากแค่ไหนโดยใช้เครื่องมือเหล่านั้น ความแตกต่างเล็กน้อยนี้สร้างผลลัพธ์ที่แตกต่างกันมหาศาล
บทเรียนที่สี่: เทคโนโลยีดีที่สุดเมื่อถูกนำมาใช้ด้วยความเข้าใจ ไม่ใช่ด้วยความกดดัน ปัญญาประดิษฐ์ที่ทรงพลังที่สุดในโลกก็ไม่มีประโยชน์ ถ้าคนที่ใช้มันไม่รู้ว่ากำลังทำอะไรอยู่ การฝึกอบรมและสร้างความเข้าใจสำคัญกว่าการผลักดันตัวเลข
ในท้ายที่สุด Tokenmaxxing คือกระจกสะท้อนความจริงที่ไม่น่าสบายใจ นั่นคือในยุคที่ข้อมูลทุกอย่างวัดได้ เราอาจหลงวัดในสิ่งที่วัดได้ง่าย แทนที่จะวัดในสิ่งที่สำคัญจริงๆ
และนั่นคือปัญหาที่ไม่มีปัญญาประดิษฐ์ตัวไหนช่วยแก้ได้ — ถ้าเราไม่ตั้งคำถามที่ถูกต้องตั้งแต่แรก
คำถามชวนคิดสำหรับผู้อ่าน: ในองค์กรหรือธุรกิจของคุณตอนนี้ มีตัวชี้วัดใดบ้างที่คุณรู้สึกว่ากำลังวัดผิดจุด และคุณจะเปลี่ยนมันอย่างไร?
Tags: ปัญญาประดิษฐ์, Tokenmaxxing, กลยุทธ์องค์กร, การวัดผลธุรกิจ, เทคโนโลยีองค์กร, Amazon AI, Meta AI, นวัตกรรมองค์กร, ประสิทธิภาพการทำงาน, การบริหารทรัพยากรมนุษย์, กฎของกูดฮาร์ต, แรงจูงใจพนักงาน, การเปลี่ยนแปลงองค์กร, ดิจิทัลทรานส์ฟอร์เมชัน, การลงทุนเทคโนโลยี, เศรษฐกิจดิจิทัล, การบริหารจัดการสมัยใหม่, เทรนด์โลกธุรกิจ, ตัวชี้วัดธุรกิจ, การนำเทคโนโลยีมาใช้ในองค์กร