EY Canada ออกรายงานด้านความปลอดภัยไซเบอร์ แต่การอ้างอิงส่วนใหญ่เป็นภาพหลอน

 (gptzero.me)
1 คะแนน โดย GN⁺ 2026-06-01 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • รายงานการฉ้อโกงในระบบสมาชิกสะสมแต้มความยาว 44 หน้าของ Ernst & Young Canada ถูกพบว่าเป็นเอกสารที่ปะปนไปด้วยการอ้างอิงปลอม การระบุแหล่งที่มาผิด สถิติปลอม และข้อความที่เขียนโดย AI
  • URL ส่วนใหญ่ในตารางเอกสารอ้างอิงเสียหรือเป็นของปลอม และมากกว่าครึ่งของชื่อเรื่องไม่ตรงกับแหล่งข้อมูลจริง ขณะที่ AI Scan ระบุว่าเนื้อหา 72% ถูกสร้างโดย AI
  • แหล่งที่มาจาก BleepingComputer, Wired, Gartner, McKinsey, Forbes, Cisco Talos และ TechCrunch จำนวนมาก ถูกตรวจพบว่าเป็น 404 error, หน้าแท็ก หรือเอกสารที่ไม่มีอยู่จริง
  • ตัวเลข 2 แสนล้านดอลลาร์ ถูกใช้ในความหมายที่ไปด้วยกันได้ยาก ทั้งในฐานะมูลค่าตลาดแต้มสะสมทั้งหมดและมูลค่าแต้มที่ไม่ได้ใช้งาน และการอ้างอิง 2 รายการที่ใช้รองรับก็ถูกพบว่าถูกแต่งขึ้น
  • รายงานที่มีข้อบกพร่องนี้ถูกเผยแพร่ไปยัง Canberra Times และหนังสือพิมพ์กว่า 60 ฉบับ และ Claude, ChatGPT, Perplexity ก็แสดง ข้อมูลภาพหลอน ชุดดังกล่าวด้วย

ปัญหาของรายงาน Ernst & Young

  • Ernst & Young Canada เผยแพร่รายงานความยาว 44 หน้า Points of Attack: Uncovering Cyber Threats and Fraud in Loyalty Systems ว่าด้วยภัยคุกคามไซเบอร์และการฉ้อโกงในระบบสมาชิกสะสมแต้มช่วงปลายปี 2025
  • รายงานนี้ให้เครดิตแก่พาร์ตเนอร์ 2 คนและซีเนียร์แมเนเจอร์ 1 คน แต่กลับพบทั้งการอ้างอิงปลอม การระบุแหล่งที่มาผิด สถิติปลอม และข้อความที่เขียนโดย AI ปะปนอยู่
  • EY Canada คือองค์กรในแคนาดาของ Ernst & Young ซึ่งให้บริการมูลค่าหลายล้านดอลลาร์ต่อปีแก่รัฐบาลแคนาดา
  • Hallucination Check ของ GPTZero ถูกใช้ใน pipeline อัตโนมัติที่ค้นหาและสแกนรายงานสาธารณะของบริษัทที่ปรึกษารายใหญ่ในช่วงไม่กี่เดือนที่ผ่านมา และชี้ให้เห็นว่า vibe citing กำลังแพร่กระจายแม้แต่ในรายงานขององค์กรขนาดใหญ่

วิธีการอ้างอิงและผลการตรวจสอบ

  • รายงานของ EY Canada ไม่ได้ใช้เชิงอรรถหรือการอ้างอิงเชิงวิชาการแบบทั่วไป แต่ระบุแหล่งที่มาโดยตรงในเนื้อหา หรือรวบรวมไว้ใน resources table หน้า 41~43
  • ตารางนี้ให้ชื่อแหล่งข้อมูล คำอธิบาย URL สำนักพิมพ์บางส่วน และวันที่ แต่ URL ส่วนใหญ่เสียหรือเป็นของปลอม และมากกว่าครึ่งของชื่อเรื่องไม่ตรงกับแหล่งข้อมูลจริง
  • GPTZero กำหนดนิยามของการอ้างอิงแบบภาพหลอนด้วยเกณฑ์ที่ชัดเจน โดยคำนึงถึงต้นทุนด้านชื่อเสียงจาก false positive และตรวจสอบผลจาก Hallucination Check ด้วยมืออีกครั้ง
  • ข้อความในรายงานถูก GPTZero AI Scan ระบุว่า 72% เป็น AI และพบข้อผิดพลาดแบบ LLM ซ้ำๆ เช่น สถิติปลอม การระบุแหล่งที่มาผิด และความขัดแย้งภายใน

ตัวอย่างแหล่งข้อมูลปลอมหรือไม่แม่นยำ

  • บทความของ BleepingComputer เรื่องการละเมิดระบบสมาชิกสายการบิน

    • Airline Loyalty Breach: BleepingComputer ถูกเสนอว่าเป็นบทความเกี่ยวกับบัญชีสมาชิกสะสมไมล์ของสายการบินหลายล้านบัญชีที่ถูกเจาะด้วยการโจมตีแบบ credential stuffing
    • https://bleepingcomputer.com/news/security/… ส่งกลับ 404 error และยืนยันได้ว่าบทความในเส้นทางดังกล่าวถูกลบไปแล้วหรือไม่ก็ไม่เคยมีอยู่ตั้งแต่แรก

  • บทความ Wired เรื่อง voice deepfake และความปลอดภัย API

    • AI Voice Deepfakes Targeting Call Centers ถูกเสนอว่าเป็นบทความของ Wired ว่าด้วยผู้โจมตีที่ใช้เสียงซึ่งสร้างโดย AI เพื่อหาประโยชน์จากกระบวนการบริการลูกค้า
    • ไม่มีบทความ Wired ดังกล่าวอยู่ในเส้นทาง https://www.wired.com/story/voice-deepfakes-ai-scams/
    • Wired: API Security Gaps ก็ถูกเสนอว่าเป็นบทความว่าด้วยช่องโหว่ API ในบริการดิจิทัลสำหรับผู้บริโภค แต่ https://www.wired.com/story/api-security-risks-retail/ ก็ส่งกลับ 404 error เช่นกัน

  • รายงานของ Gartner และ McKinsey

    • Gartner Market Trends – Loyalty Fraud ถูกเสนอว่าเป็นคำแนะนำเชิงกลยุทธ์เกี่ยวกับวิวัฒนาการของการฉ้อโกงในโปรแกรมสมาชิกดิจิทัลและ mobile wallet
    • https://www.gartner.com/en/documents/4000201 เพียงพาไปยังเว็บไซต์หลักของ Gartner และไม่มีเอกสาร Gartner ที่มีชื่อตามนั้นอยู่จริง
    • McKinsey & Company – Loyalty Economics Report (2022) ถูกเสนอว่าเป็นรายงานที่ประเมินว่าแต้มรางวัลที่ไม่ได้ใช้ทั่วโลกมีมูลค่า 2 แสนล้านดอลลาร์ แต่รายงานดังกล่าวไม่มีอยู่จริง

  • บทความ Forbes เรื่องเศรษฐกิจสมาชิกสะสมแต้ม

    • Forbes – The $200 Billion Loyalty Economy ถูกใช้เป็นหลักฐานอธิบายว่าโปรแกรมสมาชิกสะสมแต้มเป็นสินทรัพย์ดิจิทัลที่สำคัญ
    • URL ใช้งานไม่ได้ และแม้ Blake Morgan จะเคยเขียนบทความบน Forbes จริง แต่ไม่มีบทความที่ตรงกับชื่อนี้
    • อย่างไรก็ตาม ในบทความ Forbes ปี 2020 มีการใช้วลี “$200 billion loyalty economy”

  • Cisco Talos และ TechCrunch

    • Cisco Talos: API Attacks on Retail ถูกเสนอว่าเป็นบทความเกี่ยวกับการโจมตีช่องโหว่ API ที่ไม่ปลอดภัยในระบบคอมเมิร์ซและสมาชิกสะสมแต้ม แต่ https://blog.talosintelligence.com/api-abuse-retail/ ส่งกลับ 404 error
    • TechCrunch: Loyalty Program Breaches ถูกเสนอว่าเป็นบทความเกี่ยวกับการเจาะระบบโปรแกรมสมาชิกและข้อมูลผู้ใช้รั่วไหล แต่ https://techcrunch.com/tag/loyalty-program/ ไม่ใช่บทความเฉพาะ หากเป็นหน้าแท็ก loyalty-program

ความขัดแย้งภายในของสถิติ 2 แสนล้านดอลลาร์

  • ข้ออ้างในบทสรุปผู้บริหาร

    • Executive Summary อ้างว่าตลาดแต้มสะสมทั่วโลกมีมูลค่า 2 แสนล้านดอลลาร์ และ 30~50% ของมูลค่านั้นไม่ถูกนำไปใช้
    • ข้ออ้างนี้มีการอ้างอิง Forbes ปลอมมารองรับ

  • ความหมายที่เปลี่ยนไปในหน้า 10

    • ในหน้า 10 ตัวเลข 2 แสนล้านดอลลาร์เดียวกันเปลี่ยนความหมายจากมูลค่ารวมของแต้มทั่วโลก ไปเป็นมูลค่าโดยประมาณของ แต้มสะสมที่ไม่ได้ใช้
    • เนื่องจากก่อนหน้านี้อ้างแล้วว่ามากถึง 50% ของแต้มไม่ถูกใช้ หากทั้งสองข้ออ้างจะเป็นจริงพร้อมกัน มูลค่าตลาดแต้มสะสมทั่วโลกต้องมีอย่างน้อย 4 แสนล้านดอลลาร์

  • การไล่ที่มาของการอ้างอิง McKinsey

    • รายงาน McKinsey & Company ที่ถูกแต่งขึ้นในหน้า 43 ถูกใช้เป็นหลักฐานรองรับข้ออ้างหลังที่ว่ามูลค่าแต้มที่ไม่ได้ใช้ทั่วโลกอยู่ที่ 2 แสนล้านดอลลาร์
    • ตัวเลขเดียวกันนี้ถูกใช้ในสองความหมายที่ไปด้วยกันได้ยาก และการอ้างอิง 2 รายการที่ใช้รองรับก็ถูกยืนยันว่าแต่งขึ้นทั้งหมด
    • การอ้างอิง McKinsey นี้สามารถสืบย้อนไปได้ถึง บล็อกโพสต์สายฟินเทค ของ Financial IT ที่เผยแพร่ก่อนรายงานของ EY 6 เดือน
    • บทความดังกล่าวอ้างว่า “more than $200 billion in points sit idle each year” และในส่วนแหล่งที่มาได้อ้าง McKinsey & Company: Loyalty Economics Report (2022) ซึ่งไม่มีอยู่จริง
    • การอ้างอิงปลอมนี้ถูกคัดลอกเข้ามาในตารางเอกสารอ้างอิงของรายงาน EY ตรงๆ ทำให้แหล่งข้อมูลปลอมจากบล็อกคุณภาพต่ำถูกฟอกให้ดูน่าเชื่อถือในงานตีพิมพ์ของ Big Four

สถิติ 72% และ 89% ที่ปะปนแหล่งที่มา

  • สถิติว่ามีการฉ้อโกงในโปรแกรมสมาชิก 72%

    • ในหน้า 6 มีการอ้างว่า 72% ของโปรแกรม loyalty ลูกค้ารายงานการขโมยหรือการฉ้อโกง
    • ตัวเลขนี้ถูกโยงไปยังบทความปี 2019ของ Paystone ผู้ให้บริการประมวลผลการชำระเงินในแคนาดา
    • แต่ในหน้า 11 สถิติเดียวกันกลับถูกโยงไปยัง NRF 2020 summary ของ Forter บริษัทป้องกันการฉ้อโกงดิจิทัล
    • ทั้ง Paystone และ Forter ไม่ได้อยู่ในตารางเอกสารอ้างอิงของรายงาน และแหล่งต้นทางดูเหมือนจะเป็นแบบสำรวจของ Ipsos ในปี 2017

  • สถิติการโจมตีฉ้อโกงสมาชิกสะสมแต้มเพิ่มขึ้น 89%

    • ในหน้า 6 มีการอ้างว่าการโจมตีฉ้อโกงต่อโปรแกรมสมาชิกสะสมแต้มเพิ่มขึ้น 89% นับจากปี 2019
    • แต่ในหน้า 11 การเพิ่มขึ้น 89% นี้ถูกจำกัดให้เป็นการเปลี่ยนแปลงเพียงปีเดียวระหว่างปี 2018 ถึง 2019 และโยงไปยัง Fraud Attack Index ของ Forter
    • แหล่งข้อมูลนี้มีอยู่จริงและยืนยันข้ออ้างเวอร์ชันที่สองได้บางส่วน แต่ก็เป็นข้อมูลเก่าเช่นเดียวกับหลายแหล่งที่ใช้ในรายงานของ EY
    • แหล่งข้อมูลที่ขัดแย้งกัน แหล่งข้อมูลคุณภาพต่ำ สถิติที่เก่า และการเล่าใหม่อย่างไม่แม่นยำ ถูกเสนอว่าเป็นสัญญาณของ AI slop

ผลกระทบสาธารณะและความเสี่ยงของการปนเปื้อนข้อมูล

  • Points of Attack ดูเหมือนจะไม่ได้สร้างแรงกระเพื่อมมากนักในแคนาดา แต่เพิ่งถูกอ้างถึงในบทความของ Canberra Times และบทความนั้นก็ถูกเผยแพร่ต่อไปยังหนังสือพิมพ์มากกว่า 60 ฉบับทั่วออสเตรเลีย
  • รายงานนี้อาจถูกเผยแพร่ผ่าน customer briefing ที่ไม่อยู่ใน public domain, งานนำเสนอภายใน และสื่อเฉพาะกลุ่มด้วย
  • การเผยแพร่รายงานออนไลน์มีลักษณะใกล้เคียงกับการ ฉีดข้อมูล เข้าไปในคลังความรู้ของอินเทอร์เน็ต และเมื่อบริษัทที่ปรึกษาชื่อดังนำข้อมูลปลอมหรือการอ้างอิงแบบภาพหลอนขึ้นเว็บที่มีทราฟฟิกสูง ก็อาจทำให้นักวิจัยในภายหลังหลงทางได้
  • เครื่องมือ AI แบบ “deep research” อาจเปราะบางต่อ การปนเปื้อนข้อมูล แบบนี้มากกว่า เพราะเลือกแหล่งข้อมูลจากสัญญาณคนละชุดกับมนุษย์
  • Claude, ChatGPT และ Perplexity ต่างแสดงข้อมูลภาพหลอนที่มาจากรายงานที่มีข้อบกพร่องของ EY

เป้าหมายของ Hallucination Check

  • GPTZero มองว่า vibe citing ได้กลายเป็นความเสี่ยงที่เกิดขึ้นจริงแล้วต่อผู้วิจัย วงวิชาการ ที่ปรึกษา และผู้ที่พึ่งพาการค้นหาบนเว็บ
  • Hallucination Check ถูกเสนอให้เป็นเครื่องมือสำหรับระบุการอ้างอิงแบบภาพหลอนและข้อมูลเท็จ โดยไม่ต้องตรวจสอบการอ้างอิงทุกชิ้นด้วยมือ
  • เครื่องมือนี้ยังถูกใช้ในการตรวจ submission ของงานประชุมวิชาการ เช่น IJCAI, ICLR และ ICSE
  • บทสรุปที่ได้คือ แม้จะเป็นการอ้างอิงจากแหล่งที่ดูน่าเชื่อถืออย่าง Ernst & Young ก็ยากขึ้นเรื่อยๆ ที่จะเชื่อถือเพียงเพราะชื่อเสียง
  • มีการให้ลิงก์ไปยัง Hallucination Check ของ GPTZero

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2026-06-01
ความคิดเห็นบน Hacker News

  • ปัญหาที่เห็นได้ในหลายสายงานคือ ผลลัพธ์จาก AI ไม่ได้ถูกตรวจทานอย่างเหมาะสมโดยคนที่มีความรู้ เช่น นักวิเคราะห์ที่มีประสบการณ์ วิศวกรอาวุโส ทนายความผู้เชี่ยวชาญ หรือแพทย์ประจำบ้าน
    อย่างดีก็แค่กวาดตาดูผ่านๆ และแย่ที่สุดคือไม่ได้ดูเลยก่อนจะเผยแพร่ แจกจ่าย นำขึ้นโปรดักชัน ส่งให้ลูกค้า หรือยื่นต่อศาล
    หลายกรณี องค์กรมีคนที่มีความสามารถพอจะตรวจทานได้อยู่แล้ว แต่คนเหล่านั้นก็ล้นมือกับงานประจำอยู่ก่อนแล้ว
    เมื่อไม่กี่เดือนก่อน เห็นโพสต์เกี่ยวกับ Amazon ที่ให้วิศวกรอาวุโสตรวจทานผลลัพธ์จาก generative AI (https://news.ycombinator.com/item?id=47323017) ก็ได้แต่หัวเราะ คนพวกนี้ก็ยุ่งอยู่แล้ว และไม่น่าเชื่อว่า Amazon จะยอมให้มี คอขวดจากมนุษย์ เพิ่มขึ้นทั่วทั้งงานพัฒนาโปรเจกต์และโครงสร้างพื้นฐานหลัก

    • ส่วนหนึ่งของปัญหาคือ คนมักโยนเอกสารที่เสร็จสมบูรณ์แล้วมาให้ตรวจตอนที่ทุกอย่างสุกงอมไปหมดแล้ว
      ผมพยายามผลักดันให้ทั้งองค์กรมี หลักการทางวิศวกรรม ขั้นพื้นฐาน
      เราไม่เคยบอกวิศวกรให้ตรวจโค้ด 1000 บรรทัดโดยไม่มีสเปกต้นฉบับว่าต้องการบรรลุอะไร อย่างน้อยต้องมีบริบท และถ้าดีที่สุด ผู้ตรวจทานควรอยู่ตรงนั้นตั้งแต่ตอนเริ่มนำเสนองาน เพื่อจะได้รู้บริบททั้งหมด
      แต่เอกสารพวกนี้มักถูกส่งต่อมาแบบสุดโต่งสองทาง ไม่มีตรงกลาง พอถึงตอนที่ตัวชี้วัดข้อที่ 39 ถูกนิยามละเอียดครบถ้วนแล้ว จะให้ย้อนกลับไปแก้ใหม่ หรือจะได้แต่ยอมรับว่าเรื่องมันมาไกลขนาดนี้แล้ว
      แค่เอกสารหนึ่งหน้า หรือถ้าเป็นสไตล์ Amazon ก็อาจหกหน้า ที่บอกเพียงว่า “นี่คือสิ่งที่ฉันเสนอ” ก็พอให้โต้แย้งและขัดเกลารูปร่างของไอเดียได้ตั้งแต่ระยะโครงร่าง ก่อนที่จะเกิดการยึดติดทางอารมณ์กับรายงานชิ้นสำคัญที่ทำเสร็จแล้ว
      คล้ายกับวิธีดั้งเดิมที่ฝั่งโปรดักต์ไล่ดูสเปกในสภาพแวดล้อมแบบ SCRUM และฝั่งวิศวกรรมทำ code review กันจริงจัง แน่นอนว่า SCRUM ตายไปแล้ว แต่นั่นก็เป็นอีกเรื่องหนึ่ง
    • จากมุมมองของทนายความ การ ตรวจทานผลลัพธ์จาก AI รู้สึกว่าใช้เวลานานกว่าทำเองตั้งแต่แรกเสียอีก ยังไม่ต้องพูดถึงเมื่อเทียบกับการใช้แบบฟอร์มเดิมที่มีอยู่แล้ว
      ถ้าใช้ AI ก็ต้องอ่านทั้งหมด อธิบายว่าทำไมถึงผิด และสุดท้ายก็มักต้องเขียนใหม่ทั้งหมด
      ชั่วโมงที่คิดค่าบริการได้อาจเพิ่มขึ้นมาก แต่ก็ดูเป็นอาการที่สะท้อนว่าข้อดีของ AI ที่ว่าเร็วและเข้าถึงง่ายสำหรับคนที่ไม่เข้าใจหัวข้อนั้น หายไปอย่างไร
    • คำว่า “คนที่มีความรู้ไม่ได้ตรวจทานผลลัพธ์จาก AI” นี่หมายถึงคนกลุ่มเดียวกับที่เพิ่งถูกปลดและถูกบั่นทอนกำลังใจไปหรือเปล่า
      เหตุผลหนึ่งที่ “มหาบุรุษและมหาสตรี” ชอบ vibe coding ก็เพราะมันทำให้พวกเขารู้สึกว่าตอนนี้ตัวเองทำงานที่เมื่อก่อนต้องผ่านกระบวนการอันน่าปวดหัวอย่าง “ส่งต่อให้ผู้เชี่ยวชาญด้านบริบท” ได้ด้วยตัวเอง
      ตอนนี้ LLM กลายเป็น “ผู้เชี่ยวชาญด้านบริบทในตัว” ไปแล้ว เลยคิดว่าไม่จำเป็นต้องตรวจทานผลลัพธ์อีกต่อไป
    • ปัญหาคือบางครั้งเวลาที่ใช้ตรวจสอบผลลัพธ์กลับนานกว่าการสร้างขึ้นมาใหม่ตั้งแต่แรก
      ถ้าเป็นแบบนั้น AI ก็กลายเป็นระบบที่ ผลตอบแทนต่อการลงทุนติดลบอย่างมาก สำหรับการใช้งานหลายประเภท
    • ผมสนใจเป็นพิเศษเรื่อง การศึกษาและการจัดการความรู้ของมนุษย์ เห็นชัดว่าความเร็วในการฝึกคนในสาย IT กำลังเข้าใกล้ศูนย์
      ลองนึกถึงการฝึกวิชาชีพที่ถ้าพลาดขึ้นมา ผลลัพธ์อาจไปออกข่าวภาคค่ำได้
      แค่แนวคิดที่ว่าทุกคนจะรับเอาสตริงที่ออกมาจากเมทริกซ์ตัวเลขไปแบบปิดการตัดสินใจของตัวเอง แล้วพยายามแค่หลีกเลี่ยงความรับผิดชอบ ก็น่าขนลุกแล้ว
      มันคล้ายกับกรณีที่สายการบินในเอเชียใต้ห้ามนักบินลงจอดด้วยการบังคับเอง ทำให้ทักษะเสื่อมถอย และสุดท้ายก็นำไปสู่ภัยพิบัติที่เป็นที่รู้จักกันดี
      ถ้าแม้แต่ที่ปรึกษาค่าตัวแพงยังไม่ตรวจลิงก์ด้วยซ้ำ ยิ่งน่ากังวลเข้าไปใหญ่

  • มีแหล่งที่ดูเป็น ข้อความล้วน ได้ไหม CSS styles ทำให้ปวดหัวมาก และเหมือนโหมดอ่านจะไม่ทำงานหรือถูกบล็อกไว้

    • การเลื่อนหน้านี่ทรมานจริงๆ และถึงจะสลับไป โหมดอ่าน ก็ยังพังอยู่ดี
    • Firefox มี Reader view ที่สะดวกมาก สามารถดึงเฉพาะข้อความจากหน้าเว็บมาแสดงแบบเรียบง่ายได้ บน Mac เปิดได้ด้วย Opt + CMD + R
      แต่ฟีเจอร์นี้ก็มีปัญหาตรงที่ลบภาพบางส่วนซึ่งมีแหล่งอ้างอิงที่ใช้ไปด้วย
    • ใน Lockdown Mode ของ iOS ก็เหมือนกัน

  • ความตลกแท้จริงคือได้เห็นขยะแบบนี้ไหลลงมาจาก ผู้บริหารระดับสูง เต็มไปด้วยพรอมป์ต์ง่อยๆ ขยะหลอนข้อมูล ไม่มีข้อมูลที่ลงมือทำได้จริง และไม่มีบทวิเคราะห์จากความรู้จริง มีแต่การคุยโม้
    ประมาณว่า “ดูการวิเคราะห์ปัญหาซัพพอร์ตที่ดึงมาจาก Jira สิ เราต้องแก้สามปัญหาอันดับต้นๆ นี้ให้ได้!!!” ทั้งที่จริงทุกคนรู้เรื่องพวกนี้กันมาหลายปีแล้ว แค่ฝ่ายบริหารไม่เคยให้อำนาจใครไปแก้
    เจออะไรแบบนี้เกินสองครั้งแล้ว มันควรมีชื่อเรียกนะ จะเรียกว่า Garbagemaxxing ดีไหม

    • ถ้า “ต้องแก้สามปัญหาอันดับต้นๆ” จริงๆ แล้วเป็นสิ่งที่ทุกคนรู้กันมานาน และผู้บริหารไม่เคยให้อำนาจในการแก้ไข อย่างนั้น ผลสุทธิยังถือว่าเป็นบวก อยู่หรือเปล่า

  • เป็นหน้าที่แย่มากสำหรับการสำรวจดูข้อมูล

    • บนมือถือ มันแย่งการเลื่อนหน้าจนเลื่อนลงไปต่อไม่ได้จริงๆ โหมดอ่าน ก็แสดงแค่ประมาณย่อหน้าแรกเท่านั้น
      เดี๋ยวคงต้องกลับมาดูใหม่บนเดสก์ท็อป เนื้อหาดูน่าสนใจ แต่ในทางปฏิบัติอ่านไม่ได้เลย ข้ามส่วนแนะนำ Ernst and Young ไปไม่ได้ด้วยซ้ำ
    • เหมือนการเลื่อนหน้าของผมกำลังหลอนอยู่
    • นี่คืออีกระดับของ ความเป็นปฏิปักษ์ต่อผู้ใช้ แบบเต็มๆ ไม่เคยเห็นอะไรแบบนี้มาก่อน
    • iPhone เปิดโหมดอ่านให้อัตโนมัติ ตอนผมปิดมันเพื่อดูว่าอีกฝ่ายกำลังพูดถึงอะไร ก็ต้องยอมเห็นด้วยเลย
    • เป็น ฟีดแบ็กแบบไม่เชิงเส้น ที่มีอาการค้างอย่างแท้จริง แย่มาก
      บางคนไม่ควรทำเว็บไซต์

  • มีใครหลอนแม้กระทั่งเรื่องที่ การเลื่อนหน้าเว็บ ควรทำงานอย่างไรหรือเปล่า?

  • สิ่งที่แปลกคือ ถ้าเป็นเมื่อ 12–18 เดือนก่อน รายงานนี้คงเป็นเรื่องอื้อฉาวใหญ่และทำให้เกิด ความเสียหายต่อแบรนด์ แบบยืดเยื้อ แต่ตอนนี้ดูเหมือนจะไม่มีใครจำหรือแม้แต่สังเกตเห็นด้วยซ้ำ

  • ควรแก้เว็บไซต์ก่อนเลย เลิกใช้ JavaScript animation ห่วยๆ พวกนี้ได้แล้ว เรื่องแบบนี้ถูกแก้ไปตั้งแต่ปี 2014 ด้วย D3JS กับ jQuery แล้ว

  • ไม่เข้าใจจริงๆ ว่าเรื่องแบบนี้เกิดขึ้นได้อย่างไร อย่างเช่น Qwen Chat หรือ Perplexity จะใส่ การอ้างอิง ไว้ท้ายแต่ละประโยคที่สร้างขึ้นมา
    เพราะงั้นพอเอาเมาส์ไปชี้ที่แต่ละอ้างอิง ก็จะเห็นว่ามาจากเว็บไซต์ไหน
    นี่คือแค่เอาพรอมป์ต์ไปใส่ใน ChatGPT แบบไม่มีเว็บเสิร์ช แล้วคัดลอกวางออกมางั้นหรือ

  • EY เงียบๆ ปลดคนมาตลอดทั้งปีที่ผ่านมา
    ถ้าพยายามให้คนจำนวนน้อยลงทำงานมากขึ้น ก็ไม่แปลกที่จะจบลงด้วย คุณภาพที่ลดลง

    • สิ่งที่น่าสนใจคือ แม้แต่บริการที่แทบไม่ทำอะไรเลยก็อาจยังมีความต้องการพอสมควร
      งานในบริษัทจำนวนมากก็แค่ การติ๊กช่องให้ครบ
      หัวหน้าบอกว่า “ไปเอารายงานเรื่อง X มา ฉันจะส่งรายงานนั้นให้หัวหน้าฉันต่อ ซึ่งเขาก็จะไม่อ่านมันหรอก”
      โครงสร้างมันเลยกลายเป็น “E&Y ช่วยทำรายงานให้หน่อย นี่ 200,000 ดอลลาร์”

  • หน้าเว็บนี้เองก็น่าจะถูกทำด้วย vibe coding เหมือนกัน และผู้เขียนก็คงไม่สนใจมันเท่าไร