คำสัญญาว่า AI จะช่วยลดงาน แต่ในความเป็นจริงกลับยิ่งเพิ่มภาวะหมดไฟ (งานวิจัยจาก UC Berkeley)

ภาพรวมของงานวิจัย

• ทีมนักวิจัยจาก UC Berkeley สังเกตพนักงาน 200 คนในบริษัทเทคโนโลยีเป็นเวลา 8 เดือน ตั้งแต่เดือนเมษายน~ธันวาคม 2025
• ผลลัพธ์: หลังนำ AI มาใช้ งาน ไม่ได้ลดลง แต่กลับเข้มข้นและเพิ่มขึ้น
• ตีพิมพ์ใน Harvard Business Review ฉบับเดือนกุมภาพันธ์ 2026

3 รูปแบบหลักที่ AI ทำให้งานเข้มข้นขึ้น

• การขยายขอบเขตของงาน
  • AI ช่วยอุดช่องว่างด้านความรู้ → คนเริ่มล้ำเข้าไปทำงานนอกเหนือจากหน้าที่เดิมของตัวเอง (เช่น PM เขียนโค้ด นักออกแบบเขียนโค้ด เป็นต้น)
  • จากการทดลองเล็ก ๆ → คนคนเดียวรับงานที่เดิมต้องใช้กำลังคนเพิ่มได้มากขึ้น
  • วิศวกรใช้เวลาเพิ่มกับการรีวิวและแก้โค้ดจาก AI, โค้ชผ่าน Slack, ปิด PR ที่ค้างอยู่ ฯลฯ
• การกัดกร่อนของเส้นแบ่งเวลา
  • แรงเสียดทานในการเริ่มงานลดลง → แทรก “งานชิ้นเล็ก” ได้แม้ช่วงพักกลางวัน ระหว่างประชุม หรือระหว่างรอไฟล์โหลด
  • ก่อนเลิกงานก็ยังมี “พรอมป์ต์สุดท้าย” และหลังเลิกงานหรือตอนเช้าตรู่ก็ยังคุยกับ AI ต่อ
  • เส้นแบ่งระหว่างงานกับชีวิตพร่าเลือนลง (ดูเหมือนเบาเหมือนแชต แต่จริง ๆ แล้วเวลาพักลดลง)
• การทำหลายอย่างพร้อมกันพุ่งสูง
  • AI ทำให้เดินหลายงานพร้อมกันได้ (เช่น ให้ AI สร้างทางเลือกอื่นระหว่างเขียนโค้ด หรือรันหลายเอเจนต์แบบขนาน)
  • งานที่เคยพักไว้ก็ถูกชุบกลับมาได้ง่าย → จำนวนงานที่เปิดค้างเพิ่มขึ้น
  • ภาระจากการสลับความสนใจและตรวจสอบผลลัพธ์ ↑ → ความเหนื่อยล้าทางความคิดรุนแรงขึ้น

การนำมาใช้โดยสมัครใจกลับยิ่งเป็นปัญหา

• ปรากฏการณ์ข้างต้นเกิดจาก การเลือกใช้โดยสมัครใจของพนักงาน ไม่ใช่การบังคับจากบริษัท
• “นึกว่าถ้าผลิตภาพสูงขึ้นจะได้ทำงานน้อยลง แต่กลับต้องทำงานมากขึ้น” (คำให้การของพนักงาน)
• Simon Willison: “พอใช้ LLM ก็ทำ 2~3 โปรเจกต์พร้อมกัน → ใช้แค่ 1~2 ชั่วโมงก็หมดพลังงานทั้งวัน”

ความย้อนแย้งของการเพิ่มผลิตภาพ (งานวิจัยที่เกี่ยวข้อง)

• METR: เวลาทำงานจริงของนักพัฒนาที่มีประสบการณ์เพิ่มขึ้น 19% แต่เจ้าตัวรู้สึกว่าทำงานเร็วขึ้น 20%
• NBER: บริษัทที่นำ AI มาใช้มีผลิตภาพเพิ่มขึ้นเพียง 3% และแทบไม่มีการเปลี่ยนแปลงของชั่วโมงทำงานหรือรายได้
• ความเสี่ยงระยะยาว: ความล้าทางความคิด → หมดไฟ → การตัดสินใจแย่ลง → คุณภาพลดลง → อัตราการลาออกเพิ่มขึ้น

ข้อเสนอและบทสรุป

• องค์กรควรมี “AI practice” ในระดับองค์กร: กำหนดว่าเมื่อไรควรใช้ ใช้อย่างไร และเมื่อไรควรหยุด
• ตัวอย่าง: “หยุดการตัดสินใจชั่วคราว” ก่อนการตัดสินใจสำคัญ (เช่น ขอความเห็นคัดค้าน ตรวจว่าเชื่อมกับเป้าหมายหรือไม่)
• คำถามสำคัญ: “สิ่งสำคัญไม่ใช่ว่า AI เปลี่ยนงานอย่างไร แต่คือ เราจะออกแบบการเปลี่ยนแปลงนั้นอย่างไร”

สารหลักคือ AI เป็นเครื่องมือที่ทำให้งาน ง่ายขึ้น แต่ก็ทำให้ หยุดได้ยากขึ้น

https://aisparkup.com/posts/9161

[jjw9512151]

ส่วนตัวตอนรัน Claude Code ถ้าสมองคนเกิด context overflow ก็จะไปเดินเล่นหรือยืดเส้นยืดสายเหมือนทำ session flush ช่วงพักเที่ยงก็ไปฟิตเนสเพื่อทำ hard reset.. ถึงอย่างนั้น context ที่ดูได้ในหนึ่งวันก็มีขีดจำกัดอยู่ดี.. ถ้ามีการเติมเงิน(เงินเดือน)ก็เพิ่มขึ้นได้หน่อย..

[roxie]

พลังที่เกิดจากเงินสินะ... แปลกดีที่มันดูเป็นมนุษย์มาก...

[huskyhoochu]

จำนิทานของมิชาเอล เอนเดเรื่อง [Momo] ที่อ่านกันตอนเด็ก ๆ ได้ไหมครับ.. มันคือความจริงที่ถูกทำนายไว้หมดแล้วนั่นเอง

[labeldock]

ผมก็รู้สึกแบบนั้นเหมือนกันช่วงนี้ เมื่อก่อนสมองล้าหนักจะมาใน 6~7 ชั่วโมง แต่ตอนนี้แค่ 2 ชั่วโมงก็มาแล้ว

[husky81]

อย่างน้อยอาการคอยื่นไปข้างหน้าก็น่าจะลดลงบ้างนะ

[parkindani]

เราควรถกกันอย่างจริงจังเรื่องการลดชั่วโมงทำงาน แต่ก็อดกังวลไม่ได้จริง ๆ เพราะคงมีแค่เกาหลีใต้ประเทศเดียวที่ทำงานน้อยลงไม่ได้

[aer0700]

ในเมื่อทำงานมากขึ้น แล้วผลกำไรของบริษัทเพิ่มขึ้นตามไปด้วยหรือเปล่า?

[euphcat]

ทำให้นึกถึงความขัดแย้งเชิงอุปมาของราชินีแดงเลยนะ

[softscarf]

ผลลัพธ์ที่ว่า AI ไม่ได้เพิ่มประสิทธิภาพ แต่กลับทำให้ความหนาแน่นของงานสูงขึ้นและกลายเป็นแรงกดดันต่อแรงงานนั้นน่าสนใจมากครับ
ถึงอย่างนั้น เดิมทีผมก็คิดว่าในบริษัทเทคโนโลยี การนำ AI มาใช้คงจะช่วยเพิ่มประสิทธิภาพได้มาก...
ตอนนี้ยังอยู่ในช่วงเริ่มต้นของการนำมาใช้ จึงคงต้องรอดูอีกสักพักว่า นี่เป็นเพียงปัญหาชั่วคราว หรือเป็นปัญหาเชิงโครงสร้างของการใช้ AI เป็นตัวช่วยทำงานกันแน่