เบื้องหลังทีม MiniMax 10x ปัญญาประดิษฐ์เชิงอุตสาหกรรมไม่ได้ชนกับข้อจำกัดทางเทคโนโลยี แต่ชนกับโซ่ความรับผิดชอบในโลกแห่งความเป็นจริง

ผู้เขียนบทความ: หยานจุน

ที่มาของบทความ: 36氪

คำนำ: โมเดลขนาดใหญ่ยิ่งขึ้นเรื่อยๆ สามารถเขียนคำตอบได้ดี แต่สิ่งที่ยากจริงๆ ในภาคอุตสาหกรรมคือ การนำคำตอบไปใช้ อธิบาย และติดตามความรับผิดชอบ ความหมายของทีม MiniMax 10x ไม่ได้อยู่ที่การจ้างผู้เชี่ยวชาญเท่านั้น — แต่คือบริษัทโมเดลเริ่มค้นหาจุดเชื่อมต่อกับห่วงโซ่ความรับผิดชอบในภาคอุตสาหกรรม

เมื่อปีที่แล้ว ฉันรู้สึกอย่างแท้จริงว่าตัวเองถูกยุคสมัยทิ้งไว้ข้างหลัง

ความสามารถในการตัดสินใจและสัมผัสกับสถานการณ์จริงที่มีมาสองทศวรรษ วันหนึ่งก็กลับไม่มีจุดยึดอีกต่อไป ไม่ใช่เพราะทำผิดอะไร แต่เพราะโลกได้เปลี่ยนเกณฑ์การประเมินไปแล้ว

แบบจำลองขนาดใหญ่ แอจีนต์ การเขียนโค้ดด้วยปัญญาประดิษฐ์ ลูกคลื่นหนึ่งตามอีกลูกคลื่น ทั่วทั้งโลกต่างพูดถึง “การเพิ่มประสิทธิภาพขึ้นสิบเท่า” “การสร้างใหม่ทั้งอุตสาหกรรม” ตอนแรกฉันก็ตื่นเต้น แต่หลังจากความตื่นเต้นจางหายไป ยังเหลือเพียงความรู้สึกว่างเปล่า

ดังนั้นฉันจึงเริ่มเรียนเสริม ทั้งด้าน AI และการตัดสินใจของตัวเอง ไม่ใช่เพราะฉันรักเทคโนโลยีอย่างกระทันหัน แต่รู้สึกว่าไม่สามารถยืนดูจากด้านนอกอีกต่อไป ไม่คาดคิดว่าในวัยนี้ ฉันยังสมัครเรียนปริญญาโทด้านคอมพิวเตอร์ อีกทั้งทบทวนบทเรียนและอ่านงานวิจัย พร้อมกับพยายามทำความเข้าใจเทคโนโลยีและอัลกอริทึมอย่างเต็มที่

ทั้งนามธรรม ทั้งจริงจัง และยังรู้สึกดีอีกด้วย

ยิ่งใช้ AI มากเท่าไหร่ ยิ่งพบสิ่งหนึ่ง: มันสามารถเขียน คำนวณ และสรุปได้ดี และเชี่ยวชาญในการจัดการกับปัญหาที่มีคำถามชัดเจนและขอบเขตชัดเจน แต่ในโลกแห่งความเป็นจริง ปัญหาหลายอย่างนั้นแม้แต่คำถามเองก็ยังคลุมเครือ

ทุกครั้งที่ถึงเวลาตัดสินใจจริงๆ คำแนะนำจาก AI มักจะดูถูกต้อง แต่ไม่มี “แต่”

ไม่มีประโยคใดว่า: “เวลาแบบนี้ไม่เหมาะสม การผลักดันตอนนี้จะทำให้ทุกฝ่ายดูไม่ดี”

ไม่มีประโยคใดที่ว่า: “การระบุความเสี่ยงนี้เป็นไปตามข้อบังคับ แต่ถ้าเกิดปัญหาจริงๆ ใครจะรับผิดชอบ?”

ไม่มีประโยคใดที่ว่า: “แผนการนี้ไม่ควรเสนอแบบนี้ เพราะเพียงแค่เสนอ ฝ่ายตรงข้ามก็จะรู้ทันทีว่าคุณยังไม่เข้าใจว่าใครเป็นคนตัดสินใจ”

ไม่มีประโยคใดที่ว่า: “ประโยคนี้ใช้ได้ในสไลด์ PPT แต่ถ้าใส่ในสัญญาจะเกิดปัญหา”

AI ไม่พูดสิ่งเหล่านี้ ไม่ใช่เพราะมันไม่ฉลาดพอ แต่เพราะมันไม่ต้องรับผิดชอบต่อผลลัพธ์จากการพูดผิด

ดังนั้นบทความนี้จึงไม่ได้พูดถึง “AI จะแทนที่มนุษย์หรือไม่” แต่ฉันอยากตั้งคำถามเพิ่มเติมว่า: เมื่อคำตอบกลายเป็นสิ่งที่ถูกลงเรื่อยๆ ประสบการณ์อะไรยังมีค่า? เมื่อ AI สามารถเขียนแผนการได้ แล้วใครจะเป็นคนตัดสินว่าแผนนั้นสามารถดำเนินการได้จริง? คนที่เคยใช้ประสบการณ์จากโลกแห่งความเป็นจริงในการตัดสินใจ พวกเขาจะสามารถเข้าสู่สนามนี้ได้อย่างไรอีก?

หลังจากเห็นข่าวจากทีม MiniMax 10x ฉันก็รู้สึกทันทีว่า คำถามที่ฉันพิจารณาซ้ำแล้วซ้ำเล่าในช่วงนี้ ได้รับการยืนยันในโลกอุตสาหกรรมแล้ว

นี่ไม่ใช่โมเดลใหม่ ไม่ใช่ประกาศการระดมทุน ข้อมูลสาธารณะแสดงว่าทีม MiniMax 10x มุ่งเน้นไปที่ผู้เชี่ยวชาญในสาขาซอฟต์แวร์อุตสาหกรรม เครื่องมือเกม การออกแบบชิป การเงิน และบัญชี โดยใกล้เคียงกับกลไก “หุ้นส่วนวิจัยอุตสาหกรรม”: ผู้เชี่ยวชาญในแต่ละสาขาจะมีส่วนร่วมในการกำหนดปัญหา ร่วมสร้างการประเมินและกระบวนการทำงาน โดยส่งต่อประสบการณ์จริงจากอุตสาหกรรมไปยังโมเดลโดยตรง

สิ่งที่ควรให้ความสนใจจริงๆ ไม่ใช่เรื่องนี้จะร้อนแรงแค่ไหน แต่เป็นสัญญาณที่มันส่งออกมา: AI สำหรับอุตสาหกรรมต้องก้าวเข้าสู่แนวหน้า ไม่สามารถพึ่งแค่โมเดลที่แข็งแกร่งขึ้นเท่านั้น แต่ยังต้องเชื่อมต่อกับนิยามปัญหา ข้อมูลย้อนกลับ และห่วงโซ่ความรับผิดชอบของอุตสาหกรรมจริง

นี่คือจุดที่ขาดหาย:

ต้นทุนในการสร้างคำตอบกำลังลดลงอย่างรวดเร็ว แต่ต้นทุนในการให้คำตอบถูกยอมรับ ถูกอธิบาย และถูกถือว่ารับผิดชอบ ยังไม่ลดลงเลย

01 ทำไม AI ตอบถูก แต่คำตอบกลับไม่สามารถเข้าสู่ห่วงโซ่ความรับผิดชอบได้

AI ไม่มีตัวตนที่แท้จริง และไม่มีความสูญเสียในโลกแห่งความเป็นจริง มันไม่สูญเสียลูกค้าเพราะการตัดสินใจผิดพลาด ไม่ถูกถือว่ารับผิดชอบเพราะการตัดสินใจที่ผิดพลาด และไม่จำเป็นต้องอธิบายในที่ประชุมทบทวนว่า “ทำไมถึงตัดสินใจแบบนั้นในตอนนั้น”

หากไม่มีการสูญเสียจริง มันก็จะไม่เรียนรู้การตัดสินใจแบบ “เข้าใจหลังจากเคยผิดพลาด”

ดังนั้น การหาผู้เชี่ยวชาญในอุตสาหกรรมไม่ได้หมายถึงแค่เติมความรู้ แต่ยังเพื่อนำข้อเสนอแนะจากโลกจริงเข้ามา: คำถามใดที่ควรถาม ขอบเขตใดที่ห้ามแตะต้อง การตัดสินใจใดที่สามารถนำเข้าสู่กระบวนการได้ และผลลัพธ์ใดที่ต้องระบุให้ชัดเจนล่วงหน้า

ผู้เชี่ยวชาญไม่ใช่แพตช์ความรู้ของ AI แต่เป็นปลายประสาทของ AI ที่เข้าสู่พื้นที่อุตสาหกรรม

ในอดีต การเขียนแผน การตัดสินใจ และการรับผิดชอบ สามสิ่งนี้ผูกติดกันไว้ แต่ตอนนี้ แบบจำลองขนาดใหญ่ได้ทำให้ส่วน “การเขียนคำตอบ” ถูกลง ทำให้ความสามารถที่เหลืออยู่ในการตัดสินว่าคำตอบจะถูกนำมาใช้ ถูกอธิบาย หรือถูกติดตามความรับผิดกลับกลายเป็นมีมูลค่าสูงขึ้นอีกครั้ง

ฉันเรียกมันว่าห่วงโซ่ความรับผิดชอบ: กระบวนการที่คำตอบหนึ่งเคลื่อนจาก “ดูเหมือนถูกต้อง” ไปสู่ “มีคนกล้าใช้ กล้าส่ง กล้าลงนาม และกล้ารับผิดชอบ” ยิ่งเป็นสถานการณ์ที่มีมูลค่าสูง ความเสี่ยงสูง และมีการกำกับดูแลเข้มงวด—เช่น ด้านการเงิน การแพทย์ กฎหมาย อุตสาหกรรม และรัฐบาล—ห่วงโซ่นี้ยิ่งยาวและยิ่งยากที่จะดำเนินการให้สำเร็จ

เมื่อโมเดลขนาดใหญ่ไปถึงแนวหน้า จึงเข้าใจว่าความรับผิดชอบหมายถึงอะไร

02 สี่สถานการณ์จริง: AI ทำทุกอย่างถูกต้อง แต่ทุกขั้นตอนกลับติดอยู่นอกคำตอบ

ปัญหาไม่ได้อยู่ที่ AI ตอบผิด ปัญหาคือคำตอบไม่สามารถเชื่อมโยงเข้ากับห่วงโซ่ความรับผิดชอบได้

ห้องปฏิบัติการที่ 1: สิ่งที่หน่วยงานกำกับดูแลถามจริงๆ ไม่ใช่ “คุณมีคุณค่าหรือไม่” แต่คือ “ถ้าเกิดเรื่องขึ้นฉันจะหาใคร”

ครั้งหนึ่ง บริษัทเก่าเคยเผชิญกับความขัดแย้งด้านการกำกับดูแลในหลายเมืองพร้อมกัน ภายในมีการเตรียมเอกสารจำนวนมาก: ข้อมูลผู้ใช้ หลักฐานการปฏิบัติตามกฎหมาย ข้อกำหนดทางกฎหมาย และการมีส่วนร่วมทางเศรษฐกิจ หากมอบให้กับโมเดลขนาดใหญ่ในวันนี้ มันจะสามารถเขียนได้อย่างยอดเยี่ยม—นวัตกรรมทางเทคโนโลยี ประสิทธิภาพของเมือง และแพลตฟอร์มเศรษฐกิจที่ปลดปล่อยคุณค่าทางสังคม

สิ่งเหล่านี้ถูกต้องทั้งหมด แต่ในบริบทนั้น พวกมันไม่ใช่สิ่งสำคัญ

หน่วยงานกำกับดูแลและบังคับใช้กฎหมายไม่สนใจคำอธิบายเชิงพาณิชย์เหล่านั้น สิ่งเดียวที่พวกเขาอยากรู้คือ: หากสิ่งนี้เกิดปัญหา ฉันจะติดต่อใครเพื่อเรียกร้องความรับผิด? ฉันจะอธิบายกับหัวหน้าอย่างไร?

รัฐบาลสนใจจริงๆ คือ: หากเกิดเหตุการณ์รวมตัวกันจำนวนมากจะทำอย่างไร? หากเกิดอุบัติเหตุด้านความปลอดภัย ใครรับผิดชอบ? แพลตฟอร์มขยายตัวอย่างรวดเร็วแต่การกำกับดูแลตามไม่ทัน ความรับผิดควรตกเป็นของใคร?

สิ่งสุดท้ายที่ต้องทำ ไม่ใช่การส่งเอกสารเพิ่มเติม แต่คือการแปลงความสามารถของแพลตฟอร์มใหม่อีกครั้ง—ข้อมูลสามารถช่วยระบุความผิดปกติ บันทึกคำสั่งซื้อช่วยในการติดตามความรับผิดชอบ ระบบเทคโนโลยีไม่ควรเป็นเพียงวัตถุที่ถูกกำกับดูแล แต่ควรกลายเป็นเครื่องมือในการกำกับดูแลด้วย

แค่นั้นแหละ ฝ่ายตรงข้ามจึงจะเห็นอินเทอร์เฟซ: เมื่อเกิดปัญหา ฉันรู้ว่าต้องติดต่อใคร เมื่อมีคำถาม ฉันรู้ว่าต้องตรวจสอบอย่างไร และเมื่อต้องรายงาน ฉันรู้ว่าจะอธิบายอย่างไร

AI สามารถจัดระเบียบวัสดุได้อย่างสมบูรณ์แบบ แต่มันอาจไม่รู้ว่าอินเทอร์เฟซนั้นอยู่ที่ไหน และทำไมจึงเป็นจุดสำคัญที่สุดของการสื่อสารทั้งหมด

นี่ไม่ใช่ปัญหาของวัสดุ นี่คือปัญหาของอินเทอร์เฟซความรับผิดชอบด้านการกำกับดูแล

ห้องสอง: การผลักดันการปฏิรูปไม่ได้ขึ้นอยู่กับแผนการเท่านั้น แต่ขึ้นอยู่กับว่า “แต่ละคนมีทางถอยหลังหรือไม่”

ครั้งหนึ่ง ฉันเข้าร่วมการแข่งขันเพื่อเป็นผู้รับผิดชอบโครงการทดลองปฏิรูปท้องถิ่น คู่แข่งมีทุนหนาแน่นกว่า แผนงานสมบูรณ์กว่า และเหตุผลไม่มีจุดอ่อน แต่พวกเขาตกรอบ

เนื่องจากแผนของพวกเขาละเลยปัญหาหลักที่ไม่ได้ระบุไว้ในแบบประเมินใดๆ: ในกระบวนการผลักดันการปฏิรูป หากเกิดปัญหา แต่ละคนในห้องนี้สามารถหาข้ออ้างที่น่าเชื่อถือได้หรือไม่

ไม่ใช่การโทษผู้อื่น แต่เป็นการรักษาความเป็นเกียรติ

การปฏิรูปจำนวนมากไม่ได้เกิดจากคนไม่เข้าใจคุณค่า แต่เกิดจากไม่มีใครอยากก้าวขั้นตอนเพิ่มเติมสำหรับแผนที่ไม่ชัดเจนเรื่องความรับผิดชอบ

แต่การแค่ขจัดความกลัวยังไม่เพียงพอ สิ่งที่สำคัญกว่าคือการทำให้แต่ละหน่วยงานที่เกี่ยวข้องเห็นว่า เมื่อผลักดันเรื่องนี้แล้ว พวกเขาจะได้รับอะไรในทางปฏิบัติ — ไม่ใช่คำพูดทั่วไปอย่าง “ร่วมผลักดันการปฏิรูป” แต่คือหน่วยงานหนึ่งจะมีตัวอย่างการทดลองที่สามารถนำเสนอต่อภายนอกได้อีกหนึ่งกรณี หน่วยงานหนึ่งจะมีผลลัพธ์ด้านผลงานที่ระบุชื่อได้อีกหนึ่งรายการ และผู้รับผิดชอบคนนี้จะมีโอกาสถูกกล่าวถึงอีกครั้งต่อหัวหน้าผู้บังคับบัญชา

มีปัญหาขึ้นมา ฉันจะไม่ต้องรับผิดชอบ สุดท้ายแล้ว ฉันจะได้อะไรกลับมา

การรวมสองประโยคนี้เข้าด้วยกัน จึงเป็นสวิตช์การดำเนินการที่แท้จริง

รัฐบาลท้องถิ่นไม่ได้อ่านแผนธุรกิจสตาร์ทอัพ แต่กำลังตัดสินว่า: ใครจะเป็นผู้นำ? หน่วยงานใดจะร่วมสนับสนุน? งบประมาณจะมาจากไหน? มาตรฐานการรับรองจะกำหนดอย่างไร? และถ้าเกิดปัญหา ใครจะเป็นคนอธิบาย?

นี่ไม่ใช่ปัญหาของแผนการ แต่เป็นเรื่องที่ผู้เข้าร่วมแต่ละคนสามารถอธิบายได้ว่าทำไมพวกเขาจึงผลักดัน

ห้องปฏิบัติการที่สาม: แม้ BP จะเขียนอย่างสมบูรณ์เพียงใด ก็ไม่สามารถแทนที่การตัดสินใจทางธุรกิจและความรับผิดชอบในการลงทุนได้

ครั้งหนึ่ง ผู้ประกอบการคนหนึ่งนำโครงการไปพบกองทุน โมเดลธุรกิจชัดเจน พื้นที่ตลาดใหญ่พอ และเอกสารครบถ้วน วันนี้มี AI แล้ว โมเดลขนาดใหญ่สามารถสร้างแผนธุรกิจที่มีโครงสร้างสมบูรณ์และดูมีมาตรฐานสากลได้อย่างรวดเร็ว

แต่สิ่งที่กองทุนให้ความสำคัญจริงๆ มักไม่ใช่เอกสารครบถ้วนหรือไม่

วันนั้น นักลงทุนพลิกเอกสารหลายหน้า แล้วถามเพียงประโยคเดียว: “ลูกค้าของคุณเหล่านี้ เป็นความต้องการจริงของตลาด หรือเป็นการทดลองที่เกิดจากช่องว่างทางนโยบาย? ปีหน้าถ้าไม่มีการอุดหนุน ลูกค้าจะต่ออายุบริการไหม?”

这句话表面上是在ถามลูกค้า แต่จริงๆ แล้วกำลังยืนยันสองสิ่งพร้อมกัน

สิ่งหนึ่งคือการตัดสินใจของผู้ก่อตั้ง: คุณรู้จริงๆ ไหมว่ารายได้ของคุณมาจากไหน ลูกค้าทำไมถึงจ่ายเงิน และปีหน้าพวกเขาจะยังจ่ายต่อไปไหม คุณกำลังเผชิญกับความเสี่ยง หรือแค่ใช้วัสดุที่ดูดีปกปิดความเสี่ยงไว้

อีกเรื่องหนึ่งคือความรับผิดชอบของการลงทุน: หากฉันนำโครงการนี้เข้าสู่คณะกรรมการการลงทุน ฉันสามารถอธิบายได้ชัดเจนหรือไม่ว่า คุณภาพของรายได้คืออะไร ความพึ่งพาต่อ политิกมีมากเพียงใด ความเสี่ยงในการต่ออายุอยู่ที่ไหน และเส้นทางการถอนการลงทุนได้รับการสนับสนุนจากอะไร

ในเอกสารไม่ได้ไม่มีคำตอบ เพียงแต่ในหลายครั้ง ไม่มีใครรู้ว่าบรรทัดไหนคือคำถามสำคัญที่สุดของการประชุมทั้งหมด

นักลงทุนแท้จริงแล้วเห็นบรรทัดนั้นมาตั้งแต่แรกแล้ว เขาแค่อยากรู้ว่า: คุณเคยคิดเรื่องนี้อย่างแท้จริงหรือเปล่า หรือแค่ใช้วัสดุที่ดูสวยงามเพื่อหลีกเลี่ยงคำตอบที่ตัวคุณเองก็ยังไม่ชัดเจน

นี่ไม่ใช่การหาข้อบกพร่องของวัสดุ แต่เป็นการตรวจสอบว่าสายความรับผิดสองสายสามารถใช้ได้หรือไม่: ผู้ก่อตั้งสามารถรับผิดชอบต่อผลลัพธ์การดำเนินงานได้หรือไม่ และนักลงทุนสามารถรับผิดชอบต่อการตัดสินใจลงทุนของตนได้หรือไม่

ปัญญาประดิษฐ์สามารถจัดระเบียบทุกอย่างให้สมบูรณ์แบบไร้ที่ติ แต่มันไม่รู้ว่า บางครั้งเอกสารที่สมบูรณ์เกินไป ก็เป็นสัญญาณเองว่ายังไม่พร้อมที่จะถูกถามอย่างแท้จริง

วัสดุไม่เคยเป็นหัวใจสำคัญ สิ่งที่สำคัญจริงๆ คือ คุณภาพของรายได้สามารถตรวจสอบได้หรือไม่ ความเสี่ยงสามารถอธิบายได้หรือไม่ และการตัดสินใจทางธุรกิจและความรับผิดชอบในการลงทุนสามารถยืนหยัดได้พร้อมกันหรือไม่

ห้องสัมมนาที่ 4: เมื่อการซื้อขายติดขัด ความขัดแย้งที่แท้จริงมักไม่ได้อยู่ในข้อกำหนด แต่อยู่ที่ “ระบบความรับผิดสองระบบ”

อีกครั้งหนึ่ง โครงการเทคโนโลยีถูกวางไว้บนโต๊ะ ทุกฝ่ายต่างพูดว่าต้องการผลักดัน เทคโนโลยีมีอุปสรรค คุณภาพลูกค้าก็ดี การตรวจสอบเชิงลึกเสร็จสิ้นแล้ว และข้อกำหนดก็เจรจาใกล้เคียงกันแล้ว ดูเหมือนว่าระยะทางสู่การลงนามอยู่ห่างเพียงขั้นสุดท้าย

แต่ธุรกรรมนี้กลับถูกระงับโดยไม่มีเหตุผล ไม่มีใครอธิบายว่าทำไม

กองทุนหยวนกล่าวว่า: เราต้องดูโครงสร้างอีกสักหน่อย ผู้ถือหุ้นดอลลาร์สหรัฐกล่าวว่า: เราต้องยืนยันสิทธิ์ในอนาคต ผู้ก่อตั้งกล่าวว่า: ค่าประเมินยังมีพื้นที่สำหรับการปรับเพิ่มไหม? ทุกคนกำลังใช้ถ้อยคำที่ปลอดภัยกว่าเพื่อสื่อสารความกังวลที่แท้จริง

กองทุนหยวนมีเป้าหมายอุตสาหกรรมท้องถิ่น ภารกิจดึงดูดการลงทุน ข้อกำหนดการกลับมาลงทุน และแรงกดดันด้านการปฏิบัติตามกฎหมายของทรัพย์สินของรัฐ—มันต้องการให้บริษัทนี้ให้บริการแก่ท้องถิ่นในระดับหนึ่ง แต่ผู้ถือหุ้นดอลลาร์ไม่ได้มาเพื่อให้บริการท้องถิ่น พวกเขาต้องการประสิทธิภาพ การถอนทุน และ DPI

นี่คือระบบความรับผิดชอบสองระบบ ซึ่งจะเกิดความตึงเครียดเชิงโครงสร้างขึ้นแน่นอนภายในบริษัทเดียวกัน

ที่ทำต่อมา ไม่ใช่การให้ฝ่ายใดฝ่ายหนึ่งยอมจำนน แต่เป็นการออกแบบโครงสร้างใหม่: ผู้ถือหุ้นดอลลาร์ยังคงอยู่ในโครงสร้างชั้นบน เพื่อรักษาความยืดหยุ่นโดยรวมและเส้นทางการถอนตัวให้ไม่ถูกรบกวน; กองทุนหยวนผ่านบริษัทลูกในภูมิภาคเข้าสู่สายธุรกิจเฉพาะ โดยภารกิจการกลับลงทุนและการดึงดูดการลงทุนจากหน่วยงานรัฐท้องถิ่นจะถูกแบกรับในระดับบริษัทลูก สองระบบตรรกะนี้ทำงานแยกกันในระดับของตนเอง โดยไม่รบกวนกัน

สำหรับกองทุนหยวนจีน นี่คือบันทึกที่สามารถนำเสนอต่อคณะกรรมการการลงทุน — ไม่ใช่การพิสูจน์ว่า “ไม่มีความเสี่ยง” แต่เพื่อให้พวกเขาสามารถตอบได้ว่า: ทำไมฉันถึงลงทุน ฉันรู้ถึงความเสี่ยงใดบ้าง และความเสี่ยงเหล่านี้ถูกควบคุมอย่างไร

สำหรับผู้ถือหุ้นดอลลาร์ ความสมบูรณ์ของโครงสร้างชั้นบนยังคงอยู่ และเส้นทางการถอนตัวไม่ได้ถูกเปลี่ยนแปลง

ไม่มีใครยอมจำนน แต่ทุกคนได้รับสิ่งที่พวกเขาต้องการจริงๆ

แก่นแท้ของการเจรจา ไม่ใช่การโน้มน้าวใจ แต่เป็นการจัดโครงสร้างผลประโยชน์ใหม่

03 สัญญาณสาธารณะสองประการ: AI สามารถช่วยสนับสนุน แต่ไม่สามารถรับผิดแทนมนุษย์ได้

ย้อนกลับไปดูช่วงเวลาทั้งสี่นี้ AI สามารถทำ “ถูกต้อง” ได้ทั้งหมด ข้อมูลถูกต้อง ตรรกะสมบูรณ์ และข้อกำหนดแม่นยำ แต่ทุกครั้ง ขั้นตอนที่ขับเคลื่อนสิ่งต่างๆ จริงๆ กลับเกิดขึ้นนอกเหนือจากคำตอบของ AI

นี่คือขอบเขตที่แท้จริงของ AI ในอุตสาหกรรมตอนนี้: ไม่ใช่ว่ามันไม่ฉลาดพอ แต่เพราะมันไม่รับผิดชอบต่อผลลัพธ์

มันไม่จำเป็นต้องอธิบายการตัดสินใจนี้ในการทบทวนหลังจากสามปี หรือตอบคำถามในคณะกรรมการการลงทุนว่าทำไมจึงตัดสินใจเช่นนั้นในเวลานั้น การตัดสินใจในโลกแห่งความเป็นจริงไม่ใช่แค่การเลือกคำตอบหนึ่ง แต่คือการเลือกผลลัพธ์ที่คุณยินดีรับผิดชอบ

การตัดสินใจที่ทำหลังจากเงียบสามวินาทีในห้องประชุม ไม่ใช่ว่าอัลกอริทึมคำนวณไม่ได้ แต่เพราะมันยังไม่รู้ว่าในสามวินาทีนั้น มีใครบางคนกังวลเรื่องอะไร

การสื่อสารอย่างมืออาชีพกำลังกลายเป็นสิ่งที่ถูกลง แต่การตัดสินใจของอุตสาหกรรมไม่ใช่

บริบททางกฎหมายทำให้คำถามนี้ชัดเจนที่สุด รายงานการทำงานของศาลประชาชนสูงสุดปี 2026 ได้ระบุอย่างชัดเจนว่า ควรพัฒนาระบบช่วยเหลือการพิพากษาด้วยปัญญาประดิษฐ์อย่างมีความรอบคอบและระมัดระวัง โดยยึดมั่นในตำแหน่ง “การช่วยเหลือ” และผู้รับผิดชอบทางกฎหมายต้องเป็นผู้พิพากษาเท่านั้น

มันไม่ได้ปฏิเสธ AI แต่กำลังหาตำแหน่งให้ AI: สามารถช่วยสนับสนุน แต่ไม่สามารถแทนที่บุคคลที่รับผิดชอบทางกฎหมายสุดท้ายได้

อีกกรณีหนึ่งเกิดขึ้นที่ศาลทงโจว กรุงปักกิ่ง ในคดีพิพาททางการค้า ตัวแทนได้ส่งเอกสาร “กรณีอ้างอิง” ที่ถูกสร้างขึ้นโดย AI โดยไม่ได้ตรวจสอบด้วยตนเอง และศาลไม่รับพิจารณาพร้อมวิจารณ์ในคำพิพากษา

กรณีนี้เล็ก แต่เป็นตัวอย่างที่ชัดเจน

ปัญหาไม่ได้อยู่ที่คุณภาพของการสร้างเท่านั้น แต่คือขั้นตอนการตรวจสอบและยืนยันที่ถูกข้ามไป ปัญหาไม่ใช่ว่า AI สามารถเขียนเนื้อหาที่ดูเหมือนมืออาชีพได้หรือไม่ แต่คือใครเป็นคนตรวจสอบ ใครเป็นคนส่ง ใครเป็นคนลงนาม และใครรับผิดชอบผลลัพธ์ก่อนที่เนื้อหานี้จะเข้าสู่โปรแกรมจริง

04 ใครจะแพงขึ้น? สามกลุ่มคน และทักษะใหม่ชนิดหนึ่ง

ค่าบริการของอุตสาหกรรมในอดีตมักถูกรวมกันไว้: ข้อมูล ความสัมพันธ์ ประสบการณ์ การตัดสินใจ และความรับผิดชอบ แล้วคิดค่าบริการแบบแพ็กเกจ

AI จะแยกสิ่งนี้ออก

ข้อมูลจะเสื่อมค่าก่อน ความคิดเห็นตามมาเสื่อมค่า การวิเคราะห์ทั่วไปก็จะเสื่อมค่าเช่นกัน สิ่งที่ยังคงอยู่จริงๆ คือการตัดสินใจที่สามารถเข้าสู่ห่วงโซ่ความรับผิดชอบ

นี่ก็คือการประเมินทางวิศวกรรมที่ฉันเข้าใจ

การประเมินโครงการไม่ใช่การป้อนความรู้ให้กับโมเดล แต่คือการแยกแยะว่า “อะไรสามารถส่งมอบได้ อะไรไม่สามารถลงนามได้ และความเสี่ยงใดที่ต้องแจ้งให้ชัดเจนล่วงหน้า” เป็นมาตรฐานที่ระบบสามารถตรวจสอบได้และองค์กรสามารถนำไปใช้

ในอดีต การตัดสินเหล่านี้ซ่อนอยู่ในสัญชาตญาณของผู้เชี่ยวชาญ; ในอนาคต พวกเขาจะถูกแยกออกเป็นระบบ

สิ่งนี้สะท้อนถึงความสามารถใหม่: การเปลี่ยนการตัดสินใจให้เป็นกระบวนการรับผิดชอบ

มันไม่ใช่แค่เข้าใจอุตสาหกรรม หรือแค่รู้วิธีใช้ AI แต่คือการแยกแยะขอบเขต ความเสี่ยง ตัวอย่างที่ขัดแย้ง จุดรับผิดชอบ และเกณฑ์การรับรองจากโลกแห่งความเป็นจริง ให้กลายเป็นกระบวนการที่โมเดลสามารถเรียนรู้ ระบบสามารถตรวจสอบได้ องค์กรสามารถนำไปใช้ และเมื่อเกิดปัญหา ก็สามารถอธิบายได้

ตามเส้นนี้ ผู้ที่มีแนวโน้มจะมีค่ามากขึ้นในอนาคตคือสามกลุ่ม

ประเภทที่หนึ่ง คือ คนที่สามารถแยกประสบการณ์ออกเป็นมาตรฐาน

ไม่ใช่แค่พูดว่า “ฉันมีประสบการณ์” แต่ต้องอธิบายได้ชัดเจนว่า: อะไรสามารถทำได้ อะไรห้ามทำ; ความเสี่ยงอะไรต้องแจ้งล่วงหน้า; แผนการไหนดูดีบนกระดาษ แต่เมื่อเข้าสู่กระบวนการแล้วจะเกิดปัญหา บุคคลประเภทนี้ หากสามารถแยกประสบการณ์ออกเป็นมาตรฐาน ตัวอย่างที่ผิดพลาด การประเมิน และรายการตรวจสอบ จะกลายเป็นจุดเชื่อมต่อสำคัญที่ทำให้โมเดลเข้าสู่สนามอุตสาหกรรม

ประเภทที่สอง คือผู้ที่สามารถเข้าใจระบบความรับผิดชอบหลายระบบพร้อมกัน

รัฐบาล กองทุนหยวน กองทุนดอลลาร์สหรัฐ และลูกค้าอุตสาหกรรม ตีความข้อเท็จจริงชุดเดียวกันอย่างแตกต่างกันอย่างสิ้นเชิง ผู้ที่สามารถแปลความระหว่างระบบทั้งหมดเหล่านี้ ไม่ได้แค่ส่งต่อข้อความ แต่กำลังจัดวางความรับผิดชอบใหม่

ประเภทที่สาม บริษัทที่สามารถฝังการตัดสินใจเข้าไปในกระบวนการทำงาน

สิ่งที่ยากจะถูกแทนที่คือระบบที่ผสานเข้ากับกระบวนการรับผิดชอบของลูกค้า—รู้ว่ารายงานหนึ่งจะผ่านการประชุมอย่างไร ความเสี่ยงหนึ่งจะถูกบันทึกไว้อย่างไร และการตัดสินใจด้านการปฏิบัติตามกฎหมายจะถูกองค์กรรับไปอย่างไร

สิ่งที่ลูกค้าจ่ายเงินสุดท้าย ไม่ใช่ “AI เขียนดีหรือไม่” แต่คือ: การตัดสินนี้จะทำให้ฉันกล้าใช้มันหรือไม่

คุณค่าของ AI ด้านอุตสาหกรรม ในระยะสั้นอยู่ที่โมเดลและเครื่องมือ ในระยะกลางอยู่ที่ Agent ด้านเฉพาะทาง และในระยะยาวอยู่ที่ระบบงานที่สามารถเข้าไปอยู่ในกระบวนการรับผิดชอบของลูกค้า

“การสร้างคำตอบ” จะยิ่งกลายเป็นเหมือนน้ำและไฟฟ้า—สำคัญ แต่ไม่ใช่ข้อได้เปรียบในการแข่งขันอีกต่อไป สิ่งที่อาจสร้างกำไรสูงได้จริง คือชั้นกระบวนการทำงานของอุตสาหกรรม

ข้อสรุป: ช่วงเวลาหยุดนั้นไม่ได้มีเพียงเหตุผล แต่ยังมีความรับผิดชอบ

ปัญหาที่แท้จริงไม่ใช่การแทนที่หรือไม่แทนที่ แต่คือการจัดสรรบทบาทใหม่ระหว่างมนุษย์กับ AI: AI ให้ความเร็ว โครงสร้าง และขนาด ในขณะที่มนุษย์ให้ความหมาย ขอบเขต และความรับผิดชอบ เมื่อทั้งสองอย่างรวมกัน จึงจะทำให้การตัดสินใจที่ “ดูเหมือนถูกต้อง” สามารถเข้าสู่ความเป็นจริงได้

ปัญญาประดิษฐ์ไม่ได้ทำให้ประสบการณ์จริงหมดคุณค่า มันกำลังบังคับให้ทุกคนอัปเกรดประสบการณ์ของตน

ประสบการณ์ที่ยังคงอยู่แค่ในหัวจะถูกละลายอย่างรวดเร็ว; แต่ประสบการณ์ที่สามารถแยกวิเคราะห์ ถ่ายทอด ตรวจสอบ และปรับปรุงซ้ำได้ จะกลายเป็นเชื้อเพลิงที่แท้จริงของความร่วมมือระหว่างมนุษย์กับเครื่องจักร

แบบจำลองขนาดใหญ่จัดการกับโลกที่มีกฎเกณฑ์ตายตัว แต่สังคมจริงนั้นเป็นสิ่งมีชีวิต—มันจะตอบโต้ ตีความตัวเองใหม่ และทำให้คำตอบที่ “ถูกต้อง” ทุกคำตอบเปลี่ยนรูปแบบเมื่อนำไปใช้งานจริง

ในโลกเช่นนี้ การจัดการข้อมูลเพียงอย่างเดียวไม่เพียงพอ คุณต้องสามารถรับรู้ความหมายได้—ว่าสิ่งนี้สำคัญกับใคร และทำไมจึงสำคัญ คุณต้องสามารถตัดสินคุณค่าได้—ว่าคำตอบนี้คุ้มค่าที่จะรับรอง คุ้มค่าที่จะลงนาม และคุ้มค่าที่จะไว้วางใจ

ความรู้สึกนี้ไม่ได้คำนวณมาจากข้อมูล มันมาจากการทดลองซ้ำแล้วซ้ำเล่าในสภาพแวดล้อมอุตสาหกรรม รับผลลัพธ์ และปรับแก้ใหม่

ดังนั้น แม้ว่าโมเดลจะแข็งแกร่งขึ้นเรื่อยๆ ก็ยังต้องการให้มนุษย์บอกมันว่า: ในอุตสาหกรรมจริง อะไรคือสิ่งที่สำคัญที่สุด

นี่ไม่ใช่การถ่ายทอดความรู้ แต่เป็นการแปลความหมายและคุณค่า ผู้ที่เคยตัดสินใจในสถานที่จริง รับผิดชอบ และเคยล้มเหลว ไม่เพียงแต่เป็นแหล่งข้อมูลของ AI เท่านั้น แต่ยังเป็นช่องทางที่ AI รับรู้โลกแห่งความเป็นจริง

บทความนี้เขียนขึ้นไม่ได้เฉพาะสำหรับผู้ประกอบวิชาปัญญาประดิษฐ์ แต่ยังสำหรับทุกคนที่ยังคงตัดสินใจในโลกแห่งความเป็นจริง เคยผิดพลาด และรับผิดชอบ

ประสบการณ์เหล่านี้อาจยากที่จะใส่ลงในเรซูเม่ และยากที่โมเดลจะเข้าใจโดยตรง แต่พวกมันกลับเป็นอินเทอร์เฟซที่ขาดหายไปมากที่สุดเมื่อ AI ของอุตสาหกรรมเข้าสู่โลกแห่งความเป็นจริง

แบบจำลองขนาดใหญ่จะแข็งแกร่งขึ้นและเร็วขึ้นเรื่อยๆ แต่เมื่อถึงแนวหน้า โลกแห่งความเป็นจริงจะไม่ทำงานอัตโนมัติเพียงเพราะคำตอบมีเหตุผลสอดคล้องกัน มันจะให้ข้อมูลย้อนกลับ ตอบโต้ และทำให้แต่ละการตัดสินใจมีผลตามมา

ยังคงมีคนที่หยุดนิ่งอยู่สักสองสามวินาทีก่อนกดยืนยัน

ในช่วงไม่กี่วินาทีนั้น ไม่ได้มีแค่เหตุผล

ยังมีความรับผิดชอบ