อย่าเริ่มแผนแม่บทด้วยคำว่า “ใช้ AI” ให้เริ่มจากคนที่เราอยากสร้าง

พันธุ์ปิติ เปี่ยมสง่า 12 สิงหาคม 2569 · แชร์กับ สาธารณะ ผมได้รับโจทย์ในการเป็นที่ปรึกษาเรื่องแผนแม่บทขององค์กรหนึ่ง ว่าในอนาคตควรจะ “ใช้ AI” อย่างไร ผมก็เห็นว่าเป็นเรื่องที่ยุคนี้ คงหลีกเลี่ยงไม่ได้แล้ว แต่สิ่งที่ผมเคยพูดมาหลายครั้งก็คือ ถ้าเราเริ่มต้นโจทย์ด้วยคำว่า “ใช้ AI” เราอาจลงเอยด้วยการเป็นทาสเทคโนโลยีครับ ผมไม่ได้หมายความว่า “ไม่ใช้” เช่นกันนะครับ ผมเห็นอาการสุดโต่งอีกด้านที่พอพูดถึง AI แล้วก็จะหักดิบว่าไม่เอา ไม่ใช้ ไม่เชื่อ ผมก็ไม่อยากบอกว่าท่านไหนคิดผิดหรือคิดถูก เพียงแต่ผมคิดไม่เหมือนกัน เพราะสุดท้ายมนุษย์เป็นคนพัฒนาเทคโนโลยีขึ้นมาเอง จะดี จะชั่ว จะเอามาสร้างประโยชน์ หรือเอามาทำร้ายกัน มนุษย์ก็คงหนีไม่พ้นการอยู่ร่วมกับเทคโนโลยี ทีนี้ จากโจทย์ที่เขาให้มา ผมคิดว่าโจทย์น่าจะเปลี่ยนเสียใหม่เป็นว่า เราจะออกแบบอนาคตอย่างไร ในเมื่อ AI ยังจะอยู่กับเรา สิ่งหนึ่งที่งานทางคอมพิวเตอร์ใช้ในการออกแบบก็คือ “ฝัน” ครับ หนักกว่า AI อีก 555 จริง ๆ ในงาน UX Design เราพยายามมองให้เห็นก่อนว่า ประสบการณ์หรือโลกที่เราอยากให้เกิดขึ้นควรเป็นอย่างไร ถ้าจะขยายความ ผมชอบยกตัวอย่าง Steve Jobs ว่าเขาคงไม่ได้ออกแบบ iPhone จากการไปสำรวจว่าคนสมัยนั้นอยากใช้โทรศัพท์กันอย่างไร เพราะถ้าถามในเวลานั้น สิ่งที่ได้อาจเป็นโทรศัพท์ที่ปุ่มใหญ่ขึ้น กดง่ายขึ้น แบตเตอรี่อึดขึ้น หรือมีฟังก์ชันเดิมที่ดีขึ้นอีกหน่อย การออกแบบอนาคตจึงต้องเริ่มจากการฝันว่า เป้าหมายในอนาคตควรมีหน้าตาอย่างไร ไม่ใช่เริ่มจากปัจจุบันแล้วถามว่าจะเอา AI ไปใส่ตรงไหน การมีวิสัยทัศน์มีความจำเป็นก็ตรงนี้แหละครับ ว่าเราจะมองเห็นภาพปลายทางได้หรือไม่ และจะทำความฝันนั้นให้เป็นจริงได้อย่างไร ว่าจะมองเห็นภาพปลายทางได้หรือไม่ และจะทำความฝันนั้นให้เป็นจริงได้อย่างไร ทีนี้ ถ้าโจทย์คือการพัฒนาคน เราก็ควรมีภาพของคนที่เราอยากให้เป็นให้ชัดพอสมควร ในงานออกแบบเรามักใช้สิ่งที่เรียกว่า Persona เป็น “ตุ๊กตา” สำหรับช่วยคิด ผมลองยกตัวอย่างตามรูปว่า สมมุติเราจะออกแบบ Persona ของนิสิตทางด้านเกษตรและอาหารที่เกี่ยวข้องกับ AI เราอาจเห็นคนอยู่หลายแบบ เช่น 1. AI-Native Achiever คนที่คล่องเทคโนโลยี เรียนรู้เองเร็ว และใช้ AI สร้างความสามารถใหม่ เช่น สร้างโมเดลตรวจโรคพืช หรือทำนายผลผลิต 2. AI-Augmented Professional คนที่เก่งในวิชาชีพของตัวเองอยู่แล้ว และใช้ AI มาช่วยขยายความสามารถ เช่น วิเคราะห์โรคพืช วิเคราะห์สูตรอาหาร หรือวิเคราะห์ข้อมูลราคาเกษตร 3. AI-Dependent Student คนที่ใช้ AI มาก แต่ความเข้าใจของตัวเองไม่ได้โตตาม เช่น ให้ AI ทำรายงาน วิเคราะห์ข้อมูล หรือคิดแทน จนสุดท้ายตัวเองอธิบายไม่ได้ว่าผลที่ได้ถูกหรือผิดเพราะอะไร 4. AI-Anxious / Late Adopter คนที่มีความรู้ในสาขาของตัวเอง มีข้อมูล มีโจทย์ แต่ยังไม่มั่นใจว่าจะเริ่มใช้ AI อย่างไร หรือยังรู้สึกว่า AI เป็นเรื่องของคนสายคอมพิวเตอร์ 5. AI Builder / Entrepreneur คนที่ไม่ได้ใช้ AI แค่ช่วยทำงานเดิม แต่เอา AI ไปสร้างสิ่งใหม่ เช่น แอปตรวจโรคพืช ระบบคัดเกรดผลไม้ หรือระบบลด food waste เมื่อเราได้ภาพคนทั้งห้าแบบนี้ เราก็เอามาเป็น “ตุ๊กตา” เพื่อคิดต่อว่า สุดท้ายจริง ๆ แล้วเราอยากให้คนของเราเป็นอย่างไร อยากให้มีคนแต่ละแบบมากน้อยแค่ไหน แบบไหนอยากส่งเสริม แบบไหนเป็นสิ่งที่ต้องระวัง แล้วจึงค่อยย้อนกลับมาวางแผนว่า จะต้องสร้างสภาพแวดล้อม หลักสูตร ทรัพยากร หรือโอกาสแบบใดจึงจะพาคนไปถึงเป้าหมายนั้น ไม่ใช่เริ่มต้นด้วยการ 1) ซื้อ AI มาแจก — ซึ่งผมไม่ได้ห้ามนะครับ มีก็ดี ผมก็อยากได้ — 2) ซื้อ supercomputer มาตั้ง 3) สร้าง data center ใหม่ 4) เปิดวิชา AI บังคับทุกคนเรียนเพิ่มสามตัวโดยยังไม่รู้ว่าจะสอนอย่างไร ใครสอน และทรัพยากรอยู่ที่ไหน 55 5) ให้อาจารย์ด้านอาหารไปเรียน AI เพิ่มเพื่อกลับมาสอน AI 6) ให้อาจารย์ภาคคอมพ์สอน AI มันทั้งมหาวิทยาลัยเลย หรือ 7) เปิดโครงการบูรณาการ ทำ reskill/upskill ได้ของใหม่ ได้ตัวชี้วัดด้วย อย่างไรก็แล้วแต่ สู้ ๆ ครับ ผมว่าหลายท่านคงเริ่มรู้สึกคุ้น ๆ เพราะสิ่งที่พูดมานี้ เราก็ทำกันแทบทุกอย่างแล้ว ผมไม่ได้บอกว่าสิ่งเหล่านี้ผิดนะครับ หลายอย่างจำเป็นด้วยซ้ำ แต่คำถามคือ เราทำทั้งหมดนี้ไปเพื่อสร้างคนแบบไหน ถ้าตอบคำถามนี้ไม่ได้ เราก็อาจมีโครงการเต็มไปหมด แต่ละโครงการดูดี ดูขยัน ดูทำเยอะ เมื่อมองแยกกัน ทว่าพอเอามารวมกันแล้วกลับไม่รู้ว่าจะพาเราไปไหน Steve Jobs ก็ไม่ได้ทำทุกอย่างครับ เขามีภาพปลายทาง เลือกทำบางอย่าง และพยายามทำตามความฝันนั้น ก็ลองเอาไปคิดต่อกันครับว่า Persona ของนิสิตไทยในยุค AI ที่เราอยากเห็นควรเป็นแบบไหน แต่สำหรับผม มีอีกแบบหนึ่งที่ผมกลัวที่สุด คือแบบที่ 6 6. The Disillusioned High-Potential Student เด็กเก่งที่วันหนึ่งเริ่มตั้งคำถามว่า “ถ้าผมเรียนเองกับ AI ได้เร็วกว่านั่งเรียน แล้วผมมามหาวิทยาลัยทำไม?” เพราะวันนี้เขาเรียนจาก YouTube, Coursera, GitHub, ChatGPT หรือ Codex ได้ สร้าง portfolio เองได้ ทำ project จริงเองได้ และหา community ระดับโลกเองได้ ถ้าเป็นอย่างนั้น สิ่งที่เขาต้องการจากมหาวิทยาลัยอาจไม่ใช่ “content” อีกต่อไป แต่คือ คนเก่ง → โจทย์จริง → ห้องทดลอง → network → credential → opportunity ดังนั้น สำหรับผม ประเด็นสำคัญจึงไม่ใช่ว่านิสิตใช้ AI หรือไม่ใช้ AI แต่คือ AI ทำให้ศักยภาพของเขาเพิ่มขึ้น หรือทำให้เขาหยุดพัฒนาตัวเอง และคำถามนี้นำไปสู่คำถามที่ใหญ่กว่าการถามว่า “มหาวิทยาลัยควรสอน AI อะไร?” คือ เมื่อ AI ทำให้ความรู้ราคาถูกลงอย่างมหาศาล มหาวิทยาลัยยังสร้างคุณค่าอะไรที่นิสิตหาเองจาก AI ไม่ได้?