AI ที่ทำงานกระตุ้น ‘สมองลุกไหม้’: นักวิจัยเตือน

AI สำหรับองค์กรสัญญาว่าจะช่วยปรับปรุงการทำงานให้มีประสิทธิภาพมากขึ้น แต่การวิจัยใหม่ชี้ให้เห็นผลข้างเคียงที่ขัดแย้งกัน: ความเหนื่อยล้าที่อาจทำลายผลผลิตและเพิ่มความเสี่ยงของความผิดพลาด การวิเคราะห์จาก Harvard Business Review ซึ่งอ้างอิงจากการศึกษาที่นำโดย Boston Consulting Group และนักวิจัยจาก University of California สำรวจพนักงานชาวอเมริกันจำนวนเกือบ 1,500 คนที่ทำงานเต็มเวลา และพบว่าส่วนหนึ่งประสบกับสิ่งที่นักวิจัยเรียกว่า “สมองล้าจาก AI” — ความเหนื่อยล้าทางจิตใจที่เกิดจากการโต้ตอบ ควบคุม และสลับใช้งานเครื่องมือ AI หลายตัว ผลการวิจัยนี้เกิดขึ้นในขณะที่บริษัทเทคโนโลยีและการเงินผลักดัน AI เข้าสู่การดำเนินงานในชีวิตประจำวัน ตั้งแต่การเขียนโค้ดจนถึงการสนับสนุนลูกค้า ซึ่งทำให้เกิดการถกเถียงว่า ผลผลิตที่เพิ่มขึ้นจะเป็นจริงในทางปฏิบัติหรือไม่

รายงานบรรยายถึงพนักงานที่รู้สึกเหมือนมีอาการเมาค้าง คิดไม่ชัด เจ็บศีรษะ และมีปัญหาในการจดจ่อหลังจากใช้งาน AI อย่างหนัก ในบางตำแหน่ง เช่น การตลาดและทรัพยากรบุคคล รายงานว่ามีอาการเหล่านี้สูงที่สุด ซึ่งเน้นให้เห็นว่าภาระทางความคิดสามารถสะสมได้เมื่อพนักงานต้องจัดการคำสั่ง คอนโซล และเวิร์กโฟลว์อัตโนมัติ ในขณะที่ AI มีเป้าหมายเพื่อรับช่วงงานซ้ำซากและเร่งการตัดสินใจ แต่ผู้ตอบแบบสอบถามให้ภาพที่ซับซ้อนมากขึ้น: การจัดการระบบ AI เองก็สามารถกลายเป็นภาระที่ใช้พลังงานและสมองเป็นหลัก

บริษัทเทคโนโลยีและคริปโตเคอร์เรนซีได้ยอมรับ AI เป็นกลไกสำคัญในการเพิ่มผลผลิต โดยวัดการใช้งาน AI เป็นตัวชี้วัดผลลัพธ์และประสิทธิภาพ ความกระตือรือร้นของตลาดได้รับการเสริมด้วยการเคลื่อนไหวของอุตสาหกรรมที่เน้นการบูรณาการ AI เพื่อเขียนโค้ด วิเคราะห์ข้อมูล และอัตโนมัติการดำเนินงานประจำ ในเวลาเดียวกัน บางบริษัทได้ประกาศว่ากำลังเร่งโครงการเขียนโค้ดด้วย AI เช่น Coinbase (EXCHANGE: COIN) ซีอีโอ Brian Armstrong ได้ประกาศว่ากำลังผลักดันการนำ AI มาใช้ในระดับรุนแรง รวมถึงความพยายามให้ AI มีส่วนร่วมอย่างมากในการพัฒนาซอฟต์แวร์ คำแถลงเหล่านี้สะท้อนแนวโน้มในอุตสาหกรรมที่กว้างขึ้น: หาก AI สามารถสร้างส่วนสำคัญของโค้ดแพลตฟอร์ม ความคาดหวังเรื่องผลผลิตก็จะสูงขึ้น แม้ในขณะที่องค์กรยังต้องรับมือกับความต้องการทางความคิดในสภาพแวดล้อมหลายเครื่องมือ

อย่างที่ผู้เขียนการศึกษากล่าวไว้ ความเป็นจริงของ AI สำหรับองค์กรซับซ้อน: องค์กรใช้ระบบหลายเอเจนต์ที่ต้องให้พนักงานสลับใช้งานหลายเครื่องมือ คำสั่ง และแหล่งข้อมูล ซึ่งการจัดการนี้อาจกลายเป็นลักษณะเด่นของการทำงานกับ AI แทนที่จะเป็นการลดภาระงาน รายงานจาก Harvard Business Review เน้นว่า หากไม่มีการบริหารจัดการอย่างรอบคอบ ศักยภาพของ AI ในการช่วยเหลืออาจถูกกลบด้วยภาระทางความคิด ซึ่งนำไปสู่ความผิดพลาด การคิดช้าลง และความพึงพอใจในงานลดลง ความตึงเครียดนี้ไม่ใช่เรื่องเฉพาะในที่ทำงานแบบดั้งเดิมเท่านั้น แต่ยังสะท้อนในทีมคริปโตและฟินเทคที่ต้องรักษาวงจรการพัฒนาที่รวดเร็ว พร้อมกับรักษาความปลอดภัยและความน่าเชื่อถือ

AI มี “ต้นทุนสำคัญ” แต่สามารถช่วยลดความเหนื่อยล้าได้

ผลการศึกษาหลักคือ ความเครียดทางจิตใจที่เกิดจาก AI ไม่ใช่เรื่องเล็กน้อย มันแปลเป็นต้นทุนที่จับต้องได้สำหรับองค์กร ผู้ตอบแบบสอบถามที่รายงานว่ามีสมองล้าจาก AI มีแนวโน้มที่จะประสบกับความเหนื่อยล้าจากการตัดสินใจมากกว่ากลุ่มที่ไม่รายงานอาการนี้ประมาณ 33% ความเหนื่อยล้าจากการตัดสินใจที่สูงขึ้นนี้อาจสะสมความผิดพลาดและชะลอการตัดสินใจเชิงกลยุทธ์ ซึ่งอาจมีผลทางการเงินต่อองค์กรขนาดใหญ่ นักวิจัยประมาณการว่าการรวมกันของความเหนื่อยล้าและเวิร์กโฟลว์ AI ที่ไม่สอดคล้องกันอาจทำให้บริษัทใหญ่เสียเงินเป็นล้านต่อปีเมื่อคำนวณในแต่ละแผนกและภูมิภาค นอกจากนี้ ผู้ที่ประสบกับสมองล้าราว 40% มีแนวโน้มที่จะมีความตั้งใจที่จะลาออกสูงขึ้น ซึ่งบ่งชี้ถึงความเสี่ยงในการเปลี่ยนพนักงานในทีมที่ทำงานกับ AI ผลการวิจัยยังแสดงให้เห็นว่าความผิดพลาดร้ายแรงที่รายงานด้วยตนเอง — ซึ่งหมายถึงความผิดพลาดที่อาจมีผลรุนแรง — สูงขึ้นเกือบ 40% ในกลุ่มที่มีสมองล้า

อย่างไรก็ตาม การวิจัยยังเผยให้เห็นข้อมูลเชิงบวกว่า AI สามารถลดความเหนื่อยล้าได้อย่างมีนัยสำคัญ เมื่อใช้เพื่ออัตโนมัติภาระงานซ้ำซากและตามกระบวนการ ผู้ตอบแบบสอบถามที่ใช้ AI ในงานประจำรายงานระดับความเหนื่อยล้าลดลงประมาณ 15% เมื่อเทียบกับกลุ่มที่ไม่ใช้ AI การเปรียบเทียบนี้ชี้ให้เห็นนโยบายสำคัญสำหรับผู้นำ: การนำ AI ไปใช้ควรมีเป้าหมายที่ชัดเจนและผลลัพธ์ที่วัดได้ แทนที่จะเป็นการเพิ่มผลผลิตโดยรวม เมื่อองค์กรเชื่อมโยงโครงการ AI กับเป้าหมายที่ชัดเจน เช่น ลดเวลาที่ใช้ในงานซ้ำซากหรือเร่งช่วงเวลาการตัดสินใจสำคัญ พนักงานจะได้รับความช่วยเหลือจากความน่าเบื่อหน่ายโดยไม่รู้สึกถูกท่วมท้นจากจำนวนเครื่องมือและแดชบอร์ด

ผู้สังเกตการณ์ในอุตสาหกรรมชี้ให้เห็นว่ามีข้อพิจารณาเพิ่มเติม เมื่อองค์กรสำรวจระบบหลายเอเจนต์และสายงานอัตโนมัติ การบริหารจัดการจึงเป็นสิ่งสำคัญเพื่อให้ AI ช่วยเสริมงานของมนุษย์แทนที่จะเพิ่มภาระทางความคิด ตัวอย่างเช่น นักวิเคราะห์บางคนแย้งว่าการให้รางวัลตามปริมาณการใช้งาน AI อาจสร้างความสิ้นเปลือง ลดคุณภาพ และเพิ่มภาระทางจิตใจ แทนที่จะเป็นเช่นนั้น ผู้นำควรชี้แจงวัตถุประสงค์ของ AI กำหนดว่าภาระงานจะเปลี่ยนแปลงอย่างไร และเน้นผลลัพธ์ที่สามารถวัดและตรวจสอบได้ คำแนะนำเชิงปฏิบัติคือ โครงการ AI ควรมีความโปร่งใสในความคาดหวังและมีกระบวนการบริหารการเปลี่ยนแปลงที่แข็งแรง เพื่อหลีกเลี่ยงการเปลี่ยนความเหนื่อยล้าในรูปแบบหนึ่งไปเป็นอีกแบบหนึ่ง

สำหรับผู้อ่านที่สนใจภาพรวมของการใช้งาน AI ในเทคโนโลยีและคริปโตเคอร์เรนซี รายงานที่เกี่ยวข้องได้วิเคราะห์ว่าตัวแทนและเครื่องมืออัตโนมัติพัฒนาขึ้นเกินขอบเขตแบบเดิมๆ บทความที่ได้รับการอ้างอิงอย่างกว้างขวางพูดถึง AI agents และบทบาทของพวกเขาในเวิร์กโฟลว์คริปโต ซึ่งให้บริบทว่าการอัตโนมัติและการบูรณาการเข้ากับ DeFi และโปรเจกต์บล็อกเชนเป็นอย่างไร การสนทนาเกี่ยวกับ AI ในภาคส่วนเฉพาะยังเน้นความจำเป็นของการบูรณาการและการบริหารจัดการอย่างรอบคอบ มากกว่าการหวังพึ่งพาเพียงความสามารถในการเพิ่มผลผลิตแบบวิเศษในชั่วข้ามคืน

ในเวลาเดียวกัน เรื่องราวในอุตสาหกรรมเกี่ยวกับการพัฒนาซอฟต์แวร์ด้วย AI เน้นความท้าทายและความสมดุลระหว่างความทะเยอทะยานและความเป็นจริง เช่น รายงานเกี่ยวกับ Coinbase ที่แสดงให้เห็นว่าบริษัทต่างๆ กำลังพยายามสมดุลระหว่างความคาดหวังที่สูงจากการเขียนโค้ดด้วย AI กับความกังวลด้านความน่าเชื่อถือ ความปลอดภัย และการรักษาทรัพยากรบุคคลในสภาพแวดล้อมที่เปลี่ยนแปลงอย่างรวดเร็ว

ความหมายสำหรับนักพัฒนาและนักลงทุนในคริปโต

เมื่อ AI กลายเป็นส่วนสำคัญของการพัฒนาซอฟต์แวร์และการดำเนินงาน แพลตฟอร์มคริปโตต้องเผชิญกับสองเส้นทาง: โอกาสในการเร่งการสร้างโค้ด การวิเคราะห์ความเสี่ยง และการดำเนินงานลูกค้า ในขณะเดียวกันก็ต้องรับมือกับความเหนื่อยล้าทางความคิดที่เกิดจากการบริหารเวิร์กโฟลว์ AI ผลการศึกษาชี้ให้เห็นว่านักสร้างคริปโตควรออกแบบโปรแกรม AI ด้วยขอบเขตที่ชัดเจน การควบคุมที่เข้มงวด และเน้นการลดภาระงานซ้ำซากเท่าที่จะทำได้ หลักฐานชี้ให้เห็นว่าการใช้ AI อย่างมีกลยุทธ์สามารถช่วยลดความเหนื่อยล้าได้ แต่หากไม่มีการบริหารจัดการอย่างรอบคอบและการปรับเปลี่ยนภาระงาน ก็อาจเพิ่มความผิดพลาดและความเหนื่อยล้าให้กับทีมได้เช่นกัน

สำหรับนักลงทุนและทีมบริหาร การติดตามผลลัพธ์ของ AI ด้วยความโปร่งใสและการวัดผลที่หลากหลายเป็นสิ่งสำคัญ องค์กรอาจสร้างแดชบอร์ดเพื่อติดตามตัวชี้วัดความเครียดทางความคิด อัตราความผิดพลาด ความล่าช้าในการตัดสินใจ และอัตราการลาออก ควบคู่ไปกับตัวชี้วัดผลผลิตแบบดั้งเดิม ในตลาดที่การอัตโนมัติถูกบรรจุอยู่ในระยะเวลาการพัฒนาและการทดสอบความปลอดภัย ความสามารถในการวัดผลกระทบของ AI ต่อสมรรถภาพของมนุษย์จะเป็นตัวแยกความสำเร็จของการใช้งานและโปรแกรมที่ไม่สอดคล้องกัน

นอกจากนี้ กรณีศึกษาของ Coinbase ยังเน้นให้เห็นว่าการแถลงข่าวและความคาดหวังของบริษัทเกี่ยวกับ AI สามารถมีอิทธิพลต่อทิศทางกลยุทธ์ ขณะที่บริษัทคริปโตจำนวนมากสำรวจการเขียนโค้ดและเครื่องมือความเสี่ยงด้วย AI ตลาดจะจับตาดูไม่เพียงแค่ผลลัพธ์ด้านประสิทธิภาพเท่านั้น แต่ยังรวมถึงผลกระทบต่อวัฒนธรรมการพัฒนา การรักษาพนักงาน และความน่าเชื่อถือของโค้ดเบส ความสมดุลระหว่างนวัตกรรมและการออกแบบที่เน้นมนุษย์เป็นศูนย์กลางจึงเป็นหัวใจของการนำ AI ไปใช้ในสภาพแวดล้อมที่มีความเสี่ยงสูง

เหตุผลที่สำคัญ

ประการแรก การวิจัยนี้เปลี่ยนมุมมองการนำ AI มาใช้ให้เป็นปัญหาที่เน้นมนุษย์เป็นศูนย์กลางมากขึ้น แม้การอัตโนมัติจะช่วยเพิ่มประสิทธิภาพ แต่ก็ยังสร้างภาระทางความคิดที่อาจทำลายผลการทำงาน หากพนักงานต้องจัดการหลายอินเทอร์เฟซและคำสั่งอย่างต่อเนื่อง ในภาคส่วนที่ความแม่นยำเป็นสิ่งสำคัญ เช่น การพัฒนาคริปโตและการวิเคราะห์ความเสี่ยง การเข้าใจและลดสมองล้าจาก AI อาจเป็นข้อกำหนดเบื้องต้นสำหรับการขยายโปรแกรม AI อย่างรับผิดชอบ

ประการที่สอง ผลการวิจัยให้แนวทางปฏิบัติแก่ผู้นำ: ตั้งเป้าหมายที่ชัดเจนสำหรับการใช้งาน AI สื่อสารว่าภาระงานจะเปลี่ยนแปลงอย่างไร และเน้นผลลัพธ์ที่สามารถวัดได้ แทนที่จะเน้นที่ปริมาณการใช้งานเท่านั้น โดยเน้นคุณภาพของการใช้งานมากกว่าปริมาณ การมุ่งเน้นนี้จะช่วยลดความเหนื่อยล้าและสร้างผลผลิตที่มีความหมาย

ประการที่สาม การวิจัยย้ำว่า ความเหนื่อยล้าไม่ใช่เพียงผลของภาระงานเท่านั้น แต่เป็นผลจากการออกแบบเวิร์กโฟลว์ AI ที่เน้นงานซ้ำซาก หาก AI ถูกนำมาใช้เพื่อเป้าหมายนี้อย่างมีประสิทธิภาพ ก็สามารถส่งผลดีต่อความเป็นอยู่ที่ดีขึ้นของพนักงาน แต่ต้องไม่ให้ทีมถูกท่วมท้นด้วยจำนวนเครื่องมือและแดชบอร์ด คำแนะนำสำหรับแพลตฟอร์มคริปโตและระบบเทคโนโลยีที่กว้างขึ้นคือ การสร้างสมดุลระหว่างการอัตโนมัติและการบริหารจัดการ เพื่อให้ AI เป็นพันธมิตร ไม่ใช่แหล่งความเหนื่อยลาทางความคิด

สุดท้าย แนวโน้มในอุตสาหกรรมยังครอบคลุมไปถึงนโยบายและแนวปฏิบัติด้านการจ้างงาน เมื่อเครื่องมือ AI ฝังแน่นในกระบวนการพัฒนา บริษัทควรประเมินผลการดำเนินงานใหม่ ปรับเปลี่ยนเกณฑ์วัดผลและแรงจูงใจ รวมถึงการฝึกอบรม เพื่อสนับสนุนการรักษาพนักงานในระยะยาวและผลลัพธ์คุณภาพสูง บทเรียนจากการวิจัยนี้สามารถนำไปใช้ได้ในทุกภาคส่วน รวมถึงการพัฒนาคริปโต ซึ่งความน่าเชื่อถือและความปลอดภัยขึ้นอยู่กับความชัดเจนของกระบวนการที่ AI ชี้นำและความเป็นอยู่ที่ดีของทีมงานที่ดำเนินการ

สิ่งที่ควรจับตาต่อไป

การศึกษาต่อเนื่องที่ขยายขนาดตัวอย่างหรือสำรวจแนวโน้มการเหนื่อยล้าในแต่ละอุตสาหกรรม โดยเฉพาะกลุ่มคริปโตและฟินเทค

การอัปเดตนโยบายของบริษัทที่กำหนดวัตถุประสงค์ของ AI ภาระงาน และผลลัพธ์ที่วัดได้ โดยหลีกเลี่ยงแรงจูงใจที่อิงแต่ปริมาณการใช้งาน

การนำเครื่องมืออัตโนมัติด้วย AI ไปใช้ในวงกว้าง พร้อมการติดตามความเหนื่อยล้าและการออกแบบที่เน้นมนุษย์เป็นศูนย์กลาง

การเปิดเผยข้อมูลจากบริษัทเทคโนโลยีและคริปโตเกี่ยวกับการมีส่วนร่วมของโค้ดที่สร้างโดย AI และผลกระทบต่อความน่าเชื่อถือและความปลอดภัย

แหล่งข้อมูลและการตรวจสอบ

Harvard Business Review: เมื่อการใช้ AI นำไปสู่สมองล้า — ผลการศึกษาจาก BCG/UC ครอบคลุมพนักงานอเมริกันประมาณ 1,500 คน และอัตราสมองล้าราว 14%

นักวิจัยจาก Boston Consulting Group และ University of California ที่อ้างอิงในบทความ Harvard Business Review

ลิงก์แสดงความคืบหน้าของโครงการ AI ของ Coinbase และคำแถลงของผู้นำเกี่ยวกับโค้ดที่สร้างโดย AI และการตัดสินใจด้านแรงงาน:

Coinbase-เครื่องมือเขียนโค้ด AI ที่ถูกแฮ็กโดยไวรัสใหม่: https://cointelegraph.com/news/coinbase-preferred-ai-coding-tool-hijacked-new-virus

Coinbase ระบุว่า AI เขียนโค้ดเกือบครึ่งหนึ่งของโค้ด: https://cointelegraph.com/news/coinbase-says-ai-writes-nearly-half-of-its-code

ภาพรวมของ AI agents และเวิร์กโฟลว์ในคริปโต: https://cointelegraph.com/explained/what-are-ai-agents-and-how-do-they-work-in-crypto

บริบทเพิ่มเติมจากข่าวเทคโนโลยีที่เกี่ยวข้อง:

Anthropic เปิดเจรจา Pentagon อีกครั้ง ขณะที่กลุ่มเทคโนโลยีผลักดัน Trump ให้ยกเลิกป้ายความเสี่ยง: https://cointelegraph.com/news/anthropic-reopens-pentagon-talks-trump-supply-chain-risk

IronClaw รายงานเกี่ยวกับเครื่องมือ AI ในบริบทคริปโต: https://magazine.cointelegraph.com/ironclaw-secure-private-sounds-cooler-openclaw-ai-eye/

สิ่งที่ควรจับตาต่อไป

สัญลักษณ์ที่กล่าวถึง: $COIN

ความเหนื่อยล้าจาก AI และพันธกิจ AI สำหรับองค์กร: ความหมายสำหรับแพลตฟอร์มคริปโต

บทความนี้เผยแพร่ครั้งแรกในหัวข้อ AI at Work Triggers ‘Brain Fry’: นักวิจัยเตือนเรื่องข่าวคริปโต Breaking News — แหล่งข่าวที่เชื่อถือได้สำหรับข่าวคริปโต ข่าว Bitcoin และอัปเดตบล็อกเชน