ความเข้าใจ AI และการตรวจสอบข้อมูล

เป้าหมายของบทเรียน

ผู้เรียนสามารถเลือกงานที่เหมาะให้ AI ช่วย เขียนคำสั่งที่มีบริบท และตรวจคำตอบก่อนใช้ โดยพิจารณางานวิจัยผลการใช้ AI ในที่ทำงานควบคู่กับความเสี่ยงที่ NIST ระบุ [R4, R16, R17]

หลักฐานวิจัยการทำงานร่วมกับ AI

Brynjolfsson, Li และ Raymond (2025) ศึกษาการทยอยนำผู้ช่วย AI มาใช้กับเจ้าหน้าที่บริการลูกค้า 5,172 คน พบจำนวนปัญหาที่แก้ได้ต่อชั่วโมงเพิ่มเฉลี่ยร้อยละ 15 โดยผลต่างกันตามทักษะและประสบการณ์ งานนี้สนับสนุนการศึกษาผลในกระบวนการจริง แต่ตัวเลขดังกล่าวเป็นผลในบริบทบริการลูกค้าที่ศึกษา ไม่ใช่อัตราผลตอบแทนที่ใช้แทนทุกองค์กรได้ [R16]

Vaccaro, Almaatouq และ Malone (2024) สังเคราะห์ 106 การทดลอง พบว่าคนร่วมกับ AI ให้ผลโดยเฉลี่ยดีกว่าคนลำพัง แต่ยังต่ำกว่าตัวเลือกที่ดีกว่าระหว่างคนลำพังกับ AI ลำพัง ผลแตกต่างตามประเภทงาน การใช้คนตรวจจึงควรออกแบบและทดสอบว่าตรวจพบความผิดได้จริง ไม่ใช่ถือว่ามีคนอยู่ในกระบวนการแล้วผลจะดีขึ้นเสมอ [R17]

สำหรับการเรียน ผู้เรียนเลือกงานขนาดเล็ก เก็บฐานก่อนใช้ และวัดคุณภาพพร้อมเวลารวมการตรวจแก้ การตั้งขอบเขตเช่นนี้เป็นวิธีทดลองของหลักสูตร เพื่อค้นหาว่างานใดได้ประโยชน์และงานใดต้องปรับการแบ่งหน้าที่ระหว่างคนกับ AI

เข้าใจงานที่มอบให้ AI

ปัญญาประดิษฐ์มีการใช้งานหลายลักษณะ ในหลักสูตรนี้เน้น Generative AI สำหรับช่วยสร้างหรือปรับข้อความ จัดหมวดข้อมูล และเสนอทางเลือก ผู้เรียนต้องรู้ว่างานที่ตนมอบหมายต้องการคำตอบแบบใด ข้อมูลตั้งต้นเพียงพอหรือไม่ และความผิดพลาดจะกระทบใคร

ตัวอย่างงานเริ่มต้นที่ใช้ฝึกได้คือ ร่างวาระประชุมจากโจทย์ที่กำหนด จัดหมวดคำถามจากข้อมูลสมมติ หรือจำลองบทสนทนาฝึกเจรจา งานเหล่านี้เปิดโอกาสให้ผู้เรียนตรวจคำตอบกับข้อมูลต้นทางและแก้ไขก่อนใช้จริง

NIST ระบุความเสี่ยงของ Generative AI ที่รวมถึงการสร้างข้อความผิดแต่แสดงอย่างมั่นใจ และการเชื่อถือคำตอบอัตโนมัติมากเกินไป ผู้เรียนจึงต้องมีวิธีตรวจข้อเท็จจริงและรู้ว่าเมื่อใดควรขอให้ผู้เชี่ยวชาญตรวจเพิ่มเติม [R4]

ส่วนประกอบของคำสั่งที่ใช้ฝึก

คำสั่งควรระบุงานที่ต้องการ ผู้ใช้ผลลัพธ์ บริบท ข้อมูลตั้งต้น ข้อจำกัด รูปแบบคำตอบ และวิธีจัดการข้อมูลที่ยังขาด ถ้าต้องการให้ตอบจากเอกสารเท่านั้น ให้ระบุชัดว่าอย่าเติมข้อเท็จจริงที่เอกสารไม่มี และให้แยกคำถามที่ต้องตรวจเพิ่ม

การเขียนคำสั่งที่ดีต้องทดลองและปรับ ผู้เรียนเก็บคำสั่งรุ่นแรก ผลที่ได้ ข้อผิดพลาด และคำสั่งที่ปรับแล้ว จากนั้นอธิบายว่าการปรับส่วนใดทำให้ผลตรงโจทย์ขึ้น ความสำเร็จวัดจากคุณภาพงานที่ผ่านการตรวจ

กระบวนการตรวจคำตอบ

เริ่มตรวจจากข้อมูลที่มีผลต่อการตัดสินใจ ได้แก่ ชื่อ วันเวลา ตัวเลข เงื่อนไข และแหล่งอ้างอิง เปรียบเทียบกับต้นฉบับทีละจุด หากคำตอบมีลิงก์ ให้เปิดตรวจว่ามีเอกสารนั้นจริงและเนื้อหาสนับสนุนข้ออ้างหรือไม่ การให้ AI ยืนยันคำตอบเดิมไม่ทดแทนการเปิดแหล่งต้นทาง

สำหรับตัวเลข ให้คำนวณซ้ำด้วยวิธีที่ตรวจสอบได้ และระบุหน่วยกับช่วงเวลา ตัวอย่างเช่น จำนวนงานต่อเดือนกับจำนวนงานต่อวันใช้เปรียบเทียบโดยตรงไม่ได้ ผู้เรียนควรเก็บหลักฐานการคำนวณและจุดที่แก้ไขไว้ในบันทึกตรวจงาน

สุดท้ายตรวจว่าคำตอบตรงกับผู้รับและข้อจำกัดหรือไม่ ข้อความอาจเขียนดีแต่สัญญาสิ่งที่องค์กรยังไม่ได้อนุมัติ ผู้รับผิดชอบต้องแก้คำมั่นและเงื่อนไขให้ถูกต้องก่อนนำไปสื่อสาร

ข้อมูลที่ใช้ในการฝึก

ชั้นเรียนใช้ข้อมูลสมมติหรือข้อมูลที่อนุญาตให้ใช้และผ่านการลดข้อมูลส่วนบุคคล ผู้สอนเตรียมเอกสารตัวอย่างที่ไม่มีลายเซ็น รหัสผ่าน ข้อมูลลูกค้าจริง หรือข้อมูลภายในที่ยังไม่อนุญาตให้ส่งเข้าเครื่องมือ การลบชื่อเพียงอย่างเดียวอาจยังเหลือรายละเอียดที่ระบุตัวคนได้ จึงต้องตรวจบริบทด้วย

ก่อนนำข้อมูลจริงไปใช้ ให้ผู้รับผิดชอบตรวจเงื่อนไขของเครื่องมือและนโยบายองค์กรในขณะนั้น หลักสูตรไม่ผูกกับผู้ให้บริการรายเดียว และให้ผู้สอนทบทวนตัวอย่างเครื่องมือก่อนจัดแต่ละรุ่น

กิจกรรมฝึกและหลักฐานส่ง

ผู้สอนเตรียมบันทึกประชุมสมมติหนึ่งหน้าและคำตอบ AI ที่มีจุดคลาดเคลื่อน ให้ผู้เรียนระบุข้อเท็จจริงที่ผิด ข้อสรุปที่เกินข้อมูล และสิ่งที่ยังตัดสินไม่ได้ จากนั้นแก้คำสั่ง ทดลองใหม่ และตรวจเทียบต้นฉบับอีกครั้ง

ส่งคำสั่งก่อนและหลังปรับ ตารางตรวจข้ออ้างอย่างน้อย 5 จุด และคำตอบที่แก้แล้ว ใช้ใบงาน W5 ผู้สอนประเมินการตรวจพบข้อผิดพลาดและเหตุผลของการแก้ไข ผู้เรียนต้องอธิบายได้ด้วยตนเองว่าทำไมจึงยอมรับคำตอบฉบับสุดท้าย