Human-in-the-Loop ทำไมให้คนตรวจงาน AI อย่างเดียวจึงไม่พอ

เมื่อองค์กรนำ AI เข้ามาช่วยทำงานมากขึ้น แนวทางที่หลายบริษัทเลือกใช้คือให้พนักงานตรวจสอบผลลัพธ์ก่อนนำไปใช้งานจริง หรือที่เรียกว่า Human-in-the-Loop เพื่อให้มั่นใจว่ามนุษย์ยังคงมีส่วนร่วมในการควบคุมระบบและรับผิดชอบต่อผลลัพธ์

อย่างไรก็ตาม Sangeet Paul Choudary ที่ปรึกษาผู้บริหารด้าน AI และกลยุทธ์แพลตฟอร์ม ตั้งคำถามถึงแนวทางนี้ในบทความ The “Human-in-the-Loop” Fallacy ซึ่งเผยแพร่ใน Harvard Business Review เมื่อวันที่ 2 พฤศจิกายน 2569 โดยชี้ว่า การมอบหมายให้พนักงานตรวจงาน AI และจัดการเฉพาะกรณีที่ระบบทำไม่ได้ อาจทำให้บทบาทของมนุษย์ค่อย ๆ แคบลง แทนที่จะช่วยให้องค์กรใช้ประโยชน์จากความสามารถของคนได้อย่างเต็มที่

คำถามสำคัญจึงไม่ใช่เพียงว่าองค์กรมีคนคอยตรวจสอบ AI หรือไม่ แต่คือ มนุษย์ยังมีอำนาจในการตัดสินใจ เข้าใจบริบท และกำหนดทิศทางของงานมากน้อยเพียงใด

กับดัก Human-in-the-Loop: มีคนตรวจ แต่ไม่ได้หมายความว่าควบคุมได้จริง

แนวคิด Human-in-the-Loop ตั้งอยู่บนหลักการว่ามนุษย์ควรมีส่วนร่วมในกระบวนการที่ AI ทำงาน โดยเฉพาะงานที่มีความเสี่ยงสูงหรือต้องใช้วิจารณญาณ อย่างไรก็ตาม การมีมนุษย์อยู่ในกระบวนการไม่ได้รับประกันว่าการกำกับดูแลจะมีประสิทธิภาพเสมอไป

ตัวอย่างเช่น บริษัทใช้ AI ร่างรายงาน วิเคราะห์ข้อมูล หรือจัดทำข้อเสนอให้ลูกค้า ก่อนส่งต่อให้พนักงานตรวจสอบ หากพนักงานมีเวลาเพียงเล็กน้อย ต้องตรวจผลงานจำนวนมาก และไม่มีอำนาจแก้ไขกระบวนการทำงาน การตรวจสอบอาจกลายเป็นเพียงขั้นตอนอนุมัติ มากกว่าการประเมินคุณภาพอย่างแท้จริง

ยิ่ง AI ทำงานได้รวดเร็วและสร้างผลลัพธ์จำนวนมาก ภาระการตรวจสอบของพนักงานก็อาจเพิ่มขึ้นตามไปด้วย ขณะที่บทบาทในการคิด วิเคราะห์ และกำหนดแนวทางการทำงานกลับลดลง

ประเด็นนี้ทำให้ต้องแยกความแตกต่างระหว่างการมีมนุษย์อยู่ในกระบวนการ กับการออกแบบระบบที่ทำให้มนุษย์สามารถควบคุมผลลัพธ์ได้จริง

การมีพนักงานตรวจงาน AI ไม่ได้เท่ากับการมีระบบกำกับดูแลที่มีประสิทธิภาพ หากผู้ตรวจไม่มีเวลา ความเชี่ยวชาญ หรืออำนาจในการเปลี่ยนแปลงผลลัพธ์ การตรวจสอบก็อาจเหลือเพียงขั้นตอนตามกระบวนการ

ทำไมการให้คนตรวจผลลัพธ์เพียงอย่างเดียวจึงมีข้อจำกัด

การพึ่งพาพนักงานเป็นด่านตรวจสุดท้ายมีข้อจำกัดหลายด้าน โดยเฉพาะเมื่อองค์กรนำ AI มาใช้ในวงกว้าง

1. ภาระการตรวจสอบเพิ่มขึ้นตามปริมาณงาน

AI สามารถสร้างข้อความ วิเคราะห์ข้อมูล และจัดทำเอกสารได้อย่างรวดเร็ว แต่ความเร็วในการผลิตผลงานไม่ได้หมายความว่ามนุษย์จะตรวจสอบได้ในอัตราเดียวกัน

หากพนักงานต้องตรวจผลลัพธ์จำนวนมากภายในเวลาจำกัด การตรวจสอบอาจทำได้เพียงดูภาพรวม แทนที่จะตรวจสอบแหล่งข้อมูล เหตุผล และรายละเอียดที่อาจมีข้อผิดพลาด

2. ความเชี่ยวชาญของมนุษย์อาจไม่ได้ถูกใช้เต็มที่

พนักงานที่มีประสบการณ์สามารถช่วยประเมินบริบท มองเห็นความเสี่ยง และตั้งคำถามที่ AI อาจไม่สามารถพิจารณาได้ครบถ้วน แต่หากถูกกำหนดให้ทำหน้าที่ตรวจคำตอบทีละรายการ ความรู้และประสบการณ์เหล่านั้นอาจไม่ได้ถูกนำมาใช้เพื่อพัฒนากระบวนการทำงานโดยรวม

ในระยะยาว องค์กรอาจได้ประโยชน์จากการผลิตงานที่รวดเร็วขึ้น แต่ไม่ได้พัฒนาความสามารถในการตัดสินใจและแก้ปัญหาไปพร้อมกัน

3. ผู้ตรวจอาจไม่มีอำนาจเพียงพอ

แม้พนักงานจะพบข้อผิดพลาด แต่หากไม่มีสิทธิ์ระงับการทำงานของระบบ เปลี่ยนเกณฑ์การตัดสินใจ หรือส่งเรื่องให้ผู้มีอำนาจพิจารณา การตรวจสอบก็อาจไม่สามารถป้องกันความเสียหายได้อย่างมีประสิทธิภาพ

ดังนั้น การกำกับดูแล AI ต้องกำหนดทั้งหน้าที่ ความรับผิดชอบ และอำนาจในการแทรกแซงให้ชัดเจน ไม่ใช่เพียงระบุว่ามีมนุษย์เป็นผู้ตรวจสอบ

เปลี่ยนบทบาทมนุษย์จากผู้ตรวจงาน เป็นผู้ออกแบบระบบการทำงาน

ข้อคิดสำคัญสำหรับผู้บริหารคือ การใช้ AI อย่างมีประสิทธิภาพไม่ควรจำกัดอยู่ที่การนำระบบมาแทนงานบางขั้นตอน แล้วมอบหมายให้พนักงานตรวจผลลัพธ์ที่ได้ แต่ควรพิจารณากระบวนการทำงานทั้งระบบใหม่

แนวทางที่องค์กรสามารถนำไปประยุกต์ใช้ ได้แก่

กำหนดขอบเขตการตัดสินใจของ AI ระบุว่างานใดสามารถให้ระบบดำเนินการได้เอง งานใดต้องผ่านการอนุมัติ และงานใดต้องให้ผู้เชี่ยวชาญพิจารณาโดยตรง โดยคำนึงถึงระดับความเสี่ยงและผลกระทบหากเกิดข้อผิดพลาด

ออกแบบเงื่อนไขส่งต่อกรณียกเว้น แทนที่จะให้พนักงานตรวจทุกผลลัพธ์ด้วยความเข้มข้นเท่ากัน องค์กรอาจกำหนดให้ระบบส่งต่องานที่มีข้อมูลไม่ครบ ผลลัพธ์ขัดแย้งกัน หรือเกินขอบเขตที่กำหนดให้ผู้รับผิดชอบตรวจสอบเป็นพิเศษ ทั้งนี้ ต้องมีการทดสอบว่าเกณฑ์ดังกล่าวสามารถตรวจจับความเสี่ยงได้จริง

ให้มนุษย์มีอำนาจหยุดหรือแก้ไขระบบ ผู้รับผิดชอบต้องสามารถปฏิเสธผลลัพธ์ ระงับการดำเนินงาน และส่งต่อกรณีที่มีความเสี่ยงสูงได้ โดยไม่ถูกกดดันให้อนุมัติเพียงเพื่อให้กระบวนการทำงานรวดเร็วขึ้น

นำข้อผิดพลาดกลับมาปรับปรุงกระบวนการ ทุกครั้งที่พบปัญหา ควรนำข้อมูลมาวิเคราะห์ว่าเกิดจากคุณภาพของข้อมูล คำสั่งที่ใช้ ข้อจำกัดของโมเดล หรือการออกแบบขั้นตอนทำงาน เพื่อแก้ไขที่ต้นเหตุ แทนที่จะเพิ่มภาระให้พนักงานตรวจสอบซ้ำไปเรื่อย ๆ

เป้าหมายไม่ใช่การให้มนุษย์ตรวจทุกสิ่งที่ AI ทำ แต่คือการออกแบบระบบที่กำหนดได้ว่า AI ควรทำอะไร เมื่อใดต้องหยุด และใครมีอำนาจตัดสินใจในกรณีที่มีความเสี่ยง

ผู้บริหารต้องวัดผล AI มากกว่าความเร็วในการทำงาน

เมื่อองค์กรเริ่มใช้ AI การประเมินความสำเร็จจากจำนวนงานที่ผลิตได้หรือเวลาที่ลดลงเพียงอย่างเดียวอาจไม่เพียงพอ เพราะประสิทธิภาพที่เพิ่มขึ้นอาจมาพร้อมต้นทุนการตรวจสอบ ความเสี่ยงจากข้อผิดพลาด และภาระงานรูปแบบใหม่ของพนักงาน

ตัวชี้วัดที่ควรพิจารณาจึงควรครอบคลุมหลายมิติ เช่น

• ผลิตภาพ: ลดเวลาทำงานและต้นทุนต่อหน่วยได้เท่าใด

• คุณภาพ: ผลลัพธ์ถูกต้องและตรงตามมาตรฐานมากน้อยเพียงใด

• ความเสี่ยง: เกิดข้อผิดพลาดสำคัญหรือการละเมิดข้อกำหนดบ่อยเพียงใด

• ภาระการตรวจสอบ: พนักงานใช้เวลาแก้ไขหรือตรวจทานผลงาน AI มากน้อยเพียงใด

• คุณภาพการตัดสินใจ: พนักงานยังสามารถใช้วิจารณญาณและอธิบายเหตุผลของการตัดสินใจได้หรือไม่

การวัดผลในลักษณะนี้ช่วยให้ผู้บริหารมองเห็นต้นทุนที่แท้จริงของการใช้ AI และตัดสินใจได้ว่าควรปรับกระบวนการทำงานอย่างไรเพื่อให้เทคโนโลยีสร้างประโยชน์ได้มากกว่าการเพิ่มความเร็วในการผลิตงาน

อนาคตของการทำงานต้องออกแบบความสัมพันธ์ระหว่างคนกับ AI ใหม่

บทความของ Choudary ชวนให้ผู้บริหารมองข้ามคำถามว่า AI จะเข้ามาแทนที่มนุษย์หรือไม่ แล้วหันมาพิจารณาว่าเมื่อ AI รับผิดชอบงานมากขึ้น บทบาทของคนในองค์กรจะเปลี่ยนแปลงไปอย่างไร

หากมนุษย์ถูกจำกัดให้ทำหน้าที่ตรวจผลลัพธ์และจัดการข้อยกเว้นเพียงอย่างเดียว องค์กรอาจกำลังใช้ความสามารถของคนต่ำกว่าศักยภาพที่มี ในทางกลับกัน หากพนักงานมีส่วนร่วมในการกำหนดปัญหา ออกแบบขั้นตอนทำงาน ประเมินความเสี่ยง และตัดสินใจในเรื่องสำคัญ AI ก็มีโอกาสกลายเป็นเครื่องมือที่ช่วยเสริมความสามารถขององค์กรได้มากกว่าเดิม

สำหรับผู้บริหาร การเปลี่ยนผ่านสู่การทำงานร่วมกับ AI จึงไม่ใช่เพียงเรื่องของการเลือกเทคโนโลยี แต่เป็นเรื่องของการออกแบบงาน อำนาจตัดสินใจ และความรับผิดชอบใหม่ให้เหมาะสม

องค์กรที่ใช้ AI ได้อย่างมีประสิทธิภาพ ไม่จำเป็นต้องเป็นองค์กรที่มีคนคอยตรวจสอบทุกขั้นตอนมากที่สุด แต่ควรเป็นองค์กรที่รู้ว่าควรให้ AI รับผิดชอบงานใด และควรใช้มนุษย์ในจุดที่ต้องอาศัยวิจารณญาณ ความเข้าใจบริบท และความรับผิดชอบต่อผลลัพธ์