How AI Impacts Skill Formation
เรื่องนี้เป็นเรื่องที่ผมเชื่อจริงๆ มานานแล้ว ในอดีตเครื่องมือต่างๆ เช่น slide rule, เครื่องคิดเลข มันทำให้งานที่น่าเบื่อๆ ใช้เวลามาก ไม่มีประโยชน์มากนัก ทำได้เร็วขึ้น และง่ายขึ้น มันช่วยทำให้ผ่อนแรงสมองของมนุษย์ให้ไปทำในเรื่องที่ซับซ้อนมากขึ้น เราเลยมีพัฒนาการทางเทคโนโลยีอย่างมหาศาล
แต่ AI มันกำลังทำกลับข้างกัน มันมาแทนทักษะของมนุษย์ในการคิด วิเคราะห์ แยกแยะ ได้เกือบทุกอย่าง
หัวข้องานวิจัยนี้ ถ้าให้ผมสรุปใจความสำคัญให้ฟังง่ายๆ ดังนี้ครับ
1. AI ช่วยให้งานเสร็จ แต่ "ขโมย" การเรียนรู้ของเราไป
ทีมวิจัยทำการทดลองกับกลุ่มนักพัฒนาซอฟต์แวร์ (Developers) โดยให้ลองใช้ Library ใหม่ ผลปรากฏว่า คนที่ใช้ AI ช่วย: ทำงานเสร็จจริง มีความเร็วเพิ่มขึ้นในบางกรณี แต่พวกเขาแทบไม่ได้ "เรียนรู้" วิธีใช้งาน Library นั้นจริงๆ เลย เมื่อเทียบกับกลุ่มที่นั่งงมเองโดยไม่มี AI
2. ยิ่งใช้ AI มาก ยิ่งแก้บัคไม่เป็น
งานวิจัยชี้ให้เห็นว่า การพึ่งพา AI มากเกินไปทำให้ทักษะพื้นฐาน 3 อย่างลดลงอย่างเห็นได้ชัด
- ความเข้าใจเชิงแนวคิด: ไม่เข้าใจว่าระบบทำงานเบื้องหลังอย่างไร
- การอ่านโค้ด: อ่านโค้ดที่ซับซ้อนไม่ออก เพราะชินกับการให้ AI เขียนให้
- การแก้ปัญหา: พอเกิดข้อผิดพลาดที่ AI แก้ไม่ได้ มนุษย์ก็ไปไม่เป็น เพราะไม่ได้สะสมประสบการณ์จากการลองผิดลองถูกมาตั้งแต่ต้น
3. ทางสายกลาง: "ช่วยได้แต่อย่าแทนที่"
เขาพบรูปแบบการใช้งาน 6 แบบ (Interaction Patterns) ซึ่งมี 3 แบบที่ "ดี" คือการใช้ AI แบบที่มีการคิดวิเคราะห์ร่วมด้วย (Cognitive Engagement) เช่น ถามแนวคิด หรือให้ช่วยตรวจทานสิ่งที่ตัวเองเขียน แบบนี้จะช่วยให้ยังคงเรียนรู้ทักษะใหม่ๆ ได้อยู่ และมี 3 แบบที่ไม่ดี ซึ่งแบ่งเป็น
👍 กลุ่มที่ 1: รูปแบบที่ช่วยรักษาการเรียนรู้ (Cognitive Engagement)
3 รูปแบบนี้คือวิธีที่ใช้ AI แล้วมนุษย์ยังได้ทักษะอยู่ เพราะสมองยังต้องทำงานหนักร่วมกับ AI:
Conceptual Inquiring (การถามเชิงแนวคิด): มนุษย์ถาม AI เพื่อให้ช่วยอธิบายหลักการเบื้องหลังหรือ "ทำไม" ถึงต้องทำแบบนี้ แทนที่จะให้ AI เขียนคำตอบให้เลย วิธีนี้ช่วยให้คนใช้งานเข้าใจโครงสร้างของปัญหาได้ดีขึ้น
Strategic Verification (การตรวจสอบเชิงกลยุทธ์): มนุษย์คิดคำตอบหรือเขียนโค้ดขึ้นมาก่อน แล้วค่อยใช้ AI มาช่วยตรวจทาน (Review) หรือหาจุดผิด วิธีนี้ทำให้มนุษย์ได้ฝึกกระบวนการคิดด้วยตัวเองก่อนเป็นอันดับแรก
Iterative Refinement (การขัดเกลาแบบวนลูป): การทำงานร่วมกับ AI แบบรับ-ส่งกัน โดยมนุษย์จะค่อยๆ ปรับแก้สิ่งที่ AI แนะนำมาให้ดีขึ้น หรือโต้ตอบกับ AI เพื่อให้ได้ผลลัพธ์ที่แม่นยำที่สุด ซึ่งกระบวนการนี้ต้องใช้การคิดวิเคราะห์ตลอดเวลา
👎 กลุ่มที่ 2: รูปแบบที่ขัดขวางการเรียนรู้ (Passive Dependency)
3 รูปแบบนี้คือวิธีที่ทำให้ทักษะของมนุษย์ถดถอย เพราะเราปล่อยให้ AI ทำงานแทนแบบ "ปิดสวิตช์สมอง":
Full Delegation (การมอบหมายงานทั้งหมด): สั่งให้ AI ทำงานตั้งแต่ต้นจนจบโดยที่เราไม่ได้เข้าไปดูไส้ในเลย เหมือนแค่ก๊อปปี้คำสั่งไปวางแล้วรอผลลัพธ์ ทำให้เราไม่ได้เรียนรู้อะไรเลยจากงานนั้น
Uncritical Acceptance (การยอมรับแบบไม่ตรวจสอบ): เมื่อ AI ให้คำตอบมา มนุษย์จะเชื่อและนำไปใช้ทันทีโดยไม่สงสัยหรือตรวจสอบความถูกต้อง วิธีนี้ทำให้ทักษะการ "อ่านและประเมิน" (Code Reading / Critical Thinking) หายไป
Surface-level Patching (การแก้ปัญหาแบบผิวเผิน): เมื่อเจอจุดผิด มนุษย์จะสั่งให้ AI แก้ให้ใหม่เรื่อยๆ จนกว่าจะผ่าน (Trial and error โดยใช้ AI) โดยที่มนุษย์เองก็ไม่เข้าใจว่าจุดที่ผิดจริงๆ คืออะไร และที่แก้นั้นแก้ถูกวิธีหรือไม่
อ่านๆ ไป ผมรู้สึกว่า 3 อย่างหลัง มันช่างตร้งตรงกับ หัวหน้าประเภทชี้นิ้วสั่ง แต่ไม่ลงมือทำ และไม่พยายามเข้าใจรายละเอียดเลยครับ
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
