AI Bubble หรือ Knowledge Loop? เมื่อ “AI Coach” อาจกลายเป็นส่วนหนึ่งของกับดักการตามเทคโนโลยี By C.T. Suwan

 AI Bubble หรือ Knowledge Loop?

เมื่อ “AI Coach” อาจกลายเป็นส่วนหนึ่งของกับดักการตามเทคโนโลยี

By C.T. Suwan

ช่วงนี้เราเห็นคำพูดเกี่ยวกับ AI ที่น่าสนใจมากขึ้นเรื่อย ๆ เช่น

"บริษัทหนึ่งอาจใช้พนักงานเพียง 3–4 คน แต่เมื่อใช้ AI Agent แล้ว สามารถทำงานได้เทียบเท่าพนักงาน 40–50 คน"

คำถามของผมไม่ใช่ว่า เป็นไปได้หรือไม่

แต่คือ “เทียบเท่าในงานประเภทไหน?”

เพราะถ้าเรานำตัวเลขนี้ไปอธิบายแรงงานทั้งหมด เราอาจกำลังมอง AI ผ่านหน้าต่างเพียงบานเดียว

---

 AI Leverage ไม่ได้แปลว่า AI ทำทุกอย่างแทนมนุษย์

AI มีศักยภาพสูงมากในการเพิ่ม Productivity ของงานบางประเภท โดยเฉพาะงานที่อยู่ในโลกดิจิทัล เช่น:

> ข่าว → Research → Data → Script → Graphic → Video → Distribution

งานเหล่านี้สามารถแบ่งออกเป็นขั้นตอนย่อย ๆ และให้ AI Agent เข้ามาช่วยทำหลายขั้นตอนพร้อมกันได้ ดังนั้น คนหนึ่งคนที่มีทักษะในการใช้ AI อาจสามารถสร้างผลงานที่เดิมต้องใช้คนหลายคนได้จริง

แต่สิ่งนี้ไม่ได้หมายความว่า AI จะเพิ่มกำลังแรงงานทางกายภาพได้ในสัดส่วนเดียวกัน

ลองเปลี่ยนจากบริษัทสื่อเป็นบริษัทขนส่ง

AI อาจช่วยวางแผนเส้นทางรถ 50 คัน ช่วยจัดตาราง ช่วยวิเคราะห์ข้อมูล ช่วยคาดการณ์การบำรุงรักษา ช่วยจัดการเอกสาร ทั้งหมดนี้เพิ่มประสิทธิภาพของบริษัทได้มาก

แต่ถ้ารถ 1 คันยังต้องมีคนขับ 1 คน คนขับหนึ่งคนก็ยังขับรถได้หนึ่งคันในเวลาเดียวกัน

นี่คือความแตกต่างระหว่าง การเพิ่ม Productivity ของแรงงาน กับ การเพิ่มปริมาณงานทางกายภาพที่มนุษย์หนึ่งคนสามารถทำได้

งานขุดดิน งานเกษตร งานซ่อม งานก่อสร้าง หรืออาชีพที่ต้องใช้ทักษะเฉพาะทาง ก็มีข้อจำกัดในลักษณะเดียวกัน

ดังนั้น ตัวเลขอย่าง “3 คนเทียบ 50 คน” อาจมีความหมายมากในบริบทหนึ่ง แต่ไม่ได้หมายความว่าแรงงานทุกประเภทจะถูกขยายด้วย AI ในลักษณะเดียวกัน

---

 AI เป็นเครื่องมือ แต่คนใช้ต้องมีทักษะ

ผมไม่ได้มองว่าคนที่เรียน AI หรือไปเรียนกับ AI Coach กำลังทำสิ่งผิด ตรงกันข้าม การเรียนรู้วิธีใช้เครื่องมือใหม่เป็นเรื่องที่ดี แต่มีคำถามอีกระดับหนึ่งที่น่าสนใจ:

เราเรียนรู้เพียง “วิธีใช้เครื่องมือ” หรือเราเรียนรู้จนสามารถ “ควบคุมและประยุกต์ใช้เครื่องมือ” ได้จริง?

สองอย่างนี้ไม่เหมือนกัน

ตัวอย่างง่าย ๆ คือ AI สร้าง Infographic ภาษาไทยให้เรา แต่ตัวหนังสือภาษาไทยผิด

 ผู้ใช้คนหนึ่งอาจยอมรับผลลัพธ์นั้นเพราะคิดว่า AI ทำได้แค่นี้

 แต่ผู้ใช้อีกคนอาจเปลี่ยนวิธีสั่งงาน แยกส่วนข้อความออกมา ใช้ Canva หรือ Photoshop แก้ แล้วนำกลับมาประกอบเป็นงานเดียวกัน

หรือ AI อ่านภาษาไทยผิด

 คนหนึ่งอาจคิดว่า “AI อ่านผิด”

 อีกคนอาจลองปรับวิธีเขียนคำหรือการออกเสียง เพื่อให้ระบบสร้างเสียงที่ต้องการ

หรือถ้า AI สร้างภาพได้ดี แต่แก้ข้อความบนภาพไม่ได้เสียที

 ผู้ใช้ที่เข้าใจเครื่องมืออาจไม่เสียเวลาสั่ง AI ซ้ำ 20 รอบ แต่เปลี่ยนเครื่องมือ ใช้ AI ทำภาพ ใช้ Canva แก้ข้อความ ใช้ CapCut ทำวิดีโอ

สิ่งที่เกิดขึ้นตรงนี้ไม่ใช่แค่ “ใช้ AI เป็น” แต่คือ รู้ว่าเมื่อไรควรใช้เครื่องมืออะไร และเมื่อไรควรเปลี่ยนวิธี

---

 ทักษะในการทำตาม ≠ ความสามารถในการสร้างวิธีใช้ใหม่

ตรงนี้ทำให้ผมนึกถึงความแตกต่างระหว่าง **Skill** กับ **Capability**

คอร์สหนึ่งอาจสอน Workflow ให้เราได้อย่างละเอียด:

กดตรงนี้ → ใช้ Tool นี้ → เขียน Prompt แบบนี้ → สร้าง Digital Product แบบนี้ → ลงขายที่ Platform นี้

สิ่งเหล่านี้มีประโยชน์ แต่คำถามคือ:

* ถ้าวันหนึ่ง Tool เปลี่ยน?

* ถ้า Platform เปลี่ยน?

* ถ้า Prompt เดิมใช้ไม่ได้?

* ถ้าตลาดไม่ซื้อ Product แบบเดิม?

ผู้เรียนสามารถออกแบบวิธีใหม่ได้หรือไม่?

นี่คือจุดที่ผมคิดว่าน่าสนใจมาก

“ทักษะในการทำตามวิธีใช้เครื่องมือ” ไม่เท่ากับ “ความสามารถในการนำเครื่องมือไปสร้างสิ่งใหม่”

---

 แล้ว AI Coach กำลังสร้างอะไร?

ผมไม่ได้หมายความว่า AI Coach ทุกคนเป็นแบบเดียวกัน แต่ระบบการเรียนรู้ที่กำลังเกิดขึ้นทำให้เกิดคำถามบางอย่างได้

เทคโนโลยี AI ถูกสร้างขึ้นโดยบริษัทและนักพัฒนาจำนวนหนึ่ง จากนั้นคนทั่วโลกเรียนรู้วิธีใช้ จากนั้นบางคนก็นำวิธีใช้เหล่านั้นมาเรียบเรียงเป็นคอร์ส คนซื้อคอร์ส นำความรู้ไปใช้สร้าง Digital Product แล้วบางคนที่เรียนจบก็อาจนำสิ่งที่เรียนมาเปิดคอร์สใหม่อีกที จนเกิดวงจรประมาณนี้:

> เทคโนโลยีถูกสร้างที่อื่น 

> ↓ เราเรียนรู้วิธีใช้ 

> ↓ เราสร้างคอร์สสอนวิธีใช้ 

> ↓ คนซื้อคอร์ส 

> ↓ ซื้อ Tool / Token / Subscription 

> ↓ สร้าง Digital Product 

> ↓ สอนคนอื่นต่อ 

> ↓ เทคโนโลยีใหม่ออกมา 

> ↓ กลับไปเรียนใหม่

ผมเรียกสิ่งนี้ว่า Knowledge Reproduction Loop

ไม่ใช่เพราะการสอนเป็นเรื่องผิด แต่เพราะเราควรถามว่า:

องค์ความรู้ที่ถูกส่งต่อกันนั้น มีส่วนไหนที่เป็นความรู้ใหม่ที่ผู้สอนค้นพบและพัฒนาขึ้นเอง และส่วนไหนเป็นเพียงการนำ Workflow ของคนอื่นมาเรียบเรียงใหม่?

---

 จาก “สอนทำ Digital Product” สู่ “สอนทำคอร์สสอน Digital Product”

ลองดูตลาด Digital Product คอร์สหนึ่งสอนให้เราสร้าง E-book เราเรียนแล้วสร้าง E-book แต่ E-book ที่ขายดีที่สุดอาจกลายเป็น “วิธีเขียน E-book ให้ขายได้” จากนั้นก็อาจมีคอร์สสอนวิธีขาย E-book และคนที่เรียนคอร์สนั้นก็อาจทำ Digital Product เป็นคอร์สของตัวเอง จนเกิดภาพที่น่าสนใจ:

Course about making a course หรือ E-book about writing E-books

สิ่งนี้ไม่ได้หมายความว่าทุกคอร์สไม่มีคุณค่า และไม่ได้หมายความว่าทุกคนกำลังหลอกขายกัน ตลาดลักษณะนี้มีมานานแล้ว แต่ AI ทำให้ต้นทุนในการผลิต Content, Template, E-book, Graphic, Video และ Digital Product ลดลงอย่างมาก

คำถามจึงเปลี่ยนเป็น:

ถ้าทุกคนสามารถผลิตได้มากขึ้น แล้วความต้องการของตลาดเพิ่มขึ้นในอัตราเดียวกันหรือไม่?

นี่อาจเป็นจุดที่คำว่า “AI Bubble”

น่าสนใจ

ผมไม่ได้หมายความว่า AI เป็นเรื่องหลอก AI มีประโยชน์จริง และกำลังเปลี่ยนวิธีการทำงานของคนจำนวนมาก แต่...

“เทคโนโลยีมีคุณค่าจริง” กับ “มูลค่าทางเศรษฐกิจที่เกิดขึ้นรอบเทคโนโลยีจะเติบโตได้ไม่จำกัด”เป็นคนละคำถามกัน

ถ้าคนจำนวนมากได้รับคำแนะนำเหมือนกันว่า: ใช้ AI สร้าง Template / สร้าง E-book / สร้าง POD / สร้าง Content / สร้าง Course / สร้าง Automation

ผลที่ตามมาอาจเป็นการเพิ่ม Supply ของสิ่งที่ผลิตด้วย AI เร็วกว่าการเพิ่ม Demand ของตลาด

เมื่อทุกคนสามารถผลิตได้ง่ายขึ้น ความสามารถในการผลิตจึงอาจไม่ใช่ปัญหาอีกต่อไป แต่คำถามคือ ใครจะซื้อ?

---

 แล้วใน Loop นี้ ใครเป็นเจ้าของเครื่องมือ?

ลองมองระบบทั้งหมดโดยไม่ต้องตั้งสมมติฐานว่าใครผิดหรือใครถูก

ด้านหนึ่ง: มีคนสร้าง Model, มีบริษัทสร้าง Platform, มีผู้ให้บริการ AI Tool, มี Infrastructure, มี API, มีระบบ Subscription และ Token

อีกด้านหนึ่ง: มี Course, มี Coach, มี Learner, มี Creator, มี Digital Product และมีผู้บริโภค

ทุกชั้นสามารถสร้างกิจกรรมทางเศรษฐกิจได้ แต่มีคำถามหนึ่งที่ผมคิดว่าน่าสนใจ:

ในระบบนี้ ใครเป็นเจ้าของเครื่องมือที่ทุกคนต้องใช้เพื่อเล่นเกม?

และอีกคำถามหนึ่ง:

เงินกำลังถูกสร้างจากคุณค่าที่ตลาดต้องการจริง หรือจากคนจำนวนมากที่กำลังพยายามเข้าสู่เกมเดียวกัน?

สองคำถามนี้ไม่ได้มีคำตอบเดียว และผมคิดว่ามันควรถูกแยกออกจากคำถามว่า “AI ดีหรือไม่ดี”

---

 AI ไม่ได้ทำให้ทักษะมนุษย์หายไป แต่กำลังเปลี่ยนรูปแบบของทักษะ

ในอดีต คนที่ทำงานด้วยตัวเองต้องรู้วิธีทำทุกขั้นตอน แต่เมื่อมี AI เข้ามา ทักษะบางส่วนอาจเปลี่ยนจาก “ทำทุกอย่างด้วยตัวเอง” เป็น “รู้ว่าต้องการอะไร และออกแบบกระบวนการให้เครื่องมือช่วยทำ”

* ตั้งเป้าหมาย

* แบ่งงาน

* เลือกเครื่องมือ

* เขียนคำสั่ง

* ตรวจผลลัพธ์

* แก้ข้อผิดพลาด

* เปลี่ยนวิธีเมื่อวิธีเดิมใช้ไม่ได้

* และนำเครื่องมือหลายชนิดมาทำงานร่วมกัน

ดังนั้น คนที่ใช้ AI เก่งอาจไม่ได้เก่งเพราะพิมพ์ Prompt ได้สวยที่สุด แต่อาจเก่งเพราะ รู้ว่าจะให้ AI ทำอะไร ไม่ให้ AI ทำอะไร และรู้ว่าตอนไหนควรทำเอง นี่คือทักษะอีกแบบหนึ่ง

มนุษย์ยังอยู่ตรงกลางของระบบเศรษฐกิจ ผมจึงไม่คิดว่าควรมองเรื่องนี้เป็น AI vs Human เพราะ AI เองก็ไม่ได้เกิดขึ้นมาเพื่อดำรงอยู่โดยไม่มีมนุษย์ มนุษย์เป็นคนกำหนดเป้าหมาย สร้างเครื่องมือ เลือกว่าจะนำไปใช้อย่างไร สร้างสินค้าและบริการ และท้ายที่สุดก็ยังเป็นมนุษย์ที่ซื้อและบริโภคสิ่งเหล่านั้น

ดังนั้นภาพที่ผมมองเห็นมากกว่าคือ Human + Tool + Skill

AI เป็น Tool แต่ Tool จะขยายความสามารถของมนุษย์ได้มากแค่ไหน ขึ้นอยู่กับว่าเรามีความสามารถในการใช้มันมากเพียงใด

---

 คำถามที่ใหญ่กว่า “AI จะมาแทนคนกี่คน?”

ผมคิดว่าคำถามนี้น่าสนใจกว่า: AI จะทำให้คนหนึ่งคนทำงานได้มากขึ้นแค่ไหน?

แต่ต้องถามต่อว่า ในงานประเภไหน?

และหลังจากนั้นต้องถามอีกว่า คนคนนั้นมี Capability มากขึ้นจริง หรือเพียงแค่เรียนรู้ Workflow ใหม่ของเครื่องมือที่คนอื่นสร้างไว้?

เพราะถ้าเราเรียนรู้เพียงวิธีตามเทคโนโลยี เมื่อเทคโนโลยีเปลี่ยน เราก็ต้องตามใหม่

แต่ถ้าเราเรียนรู้จนสามารถเข้าใจข้อจำกัดของเครื่องมือ ออกแบบกระบวนการใหม่ และสร้างวิธีแก้ปัญหาที่ไม่เคยมีมาก่อน

ตรงนั้นอาจเป็นการสร้าง Capability ไม่ใช่แค่การเพิ่ม Skill ในการใช้งาน

AI ไม่ใช่สิ่งที่ต้องกลัว และการไม่ใช้ AI ก็ไม่ได้แปลว่าคนนั้นล้าหลัง การเรียน AI ก็ไม่ใช่เรื่องผิด

คำถามสำคัญกว่าอาจเป็นว่า:

เราใช้ AI เพื่อขยายความสามารถของตัวเอง หรือ เรากำลังสร้างความสามารถในการตามเทคโนโลยีของคนอื่นให้ทันอยู่เรื่อย ๆ

เพราะในวันที่ AI รุ่นใหม่ออกมา...

คนหนึ่งอาจต้องกลับไปซื้อคอร์สใหม่

แต่อีกคนอาจเพียงมองเครื่องมือใหม่ แล้วถามว่า “แล้วเราจะเอามันไปสร้างอะไรที่ยังไม่มี?”