ผู้บริโภคอเมริกัน 60% รู้สึกต้านคำว่า ‘AI’ ในข้อความสื่อสารของแบรนด์

 (wpvip.com)
7 คะแนน โดย GN⁺ 5 시간 전 | 4 ความคิดเห็น | แชร์ทาง WhatsApp
  • จากการสำรวจปี 2026 ของ WordPress VIP พบว่าผู้บริโภคอเมริกันรู้สึกว่าเว็บมีความเป็นมนุษย์น้อยลงกว่าเดิม และ ข้อความสื่อสาร AI ของแบรนด์ก็ยังไม่สามารถสร้างกรณีความสำเร็จที่น่าเชื่อถือได้
  • ผู้บริโภค 74% ตอบว่าอินเทอร์เน็ต มีความเป็นมนุษย์น้อยลง เมื่อเทียบกับ 10 ปีก่อน และใช้เวลาเฉลี่ยเพียง 40 นาที ก็เข้าสู่ภาวะ bot fatigue ที่ทำให้ปฏิสัมพันธ์ออนไลน์เริ่มรู้สึกเหมือนสิ่งสังเคราะห์
  • ผู้บริโภค 61% นึกไม่ออกว่าแบรนด์ใดใช้ AI ในการสื่อสารได้ดี และ 60% มอง AI ในข้อความของแบรนด์เป็น สิ่งที่ชวนต่อต้าน มากกว่าฟังก์ชัน
  • AI brand visibility หมายถึงความถี่ที่แบรนด์ปรากฏในคำตอบของเอนจิน AI อย่าง ChatGPT, Perplexity, Claude และ Gemini ซึ่งเป็นโจทย์การวัดผลที่ต่างจากอันดับค้นหา
  • องค์กรต้องมีทั้ง คอนเทนต์ที่มีโครงสร้าง ให้ AI นำไปอ้างอิงได้ และประสบการณ์ที่ทำให้คนอยากอยู่ต่อบนเว็บไซต์เดียวกัน ขณะที่ระบบนิเวศของเครื่องมือวัดผลด้านนี้ยังอยู่ระหว่างการตั้งหลัก

ทำไมเว็บถึงรู้สึกมีความเป็นมนุษย์น้อยลง

  • จากการสำรวจผู้บริโภคอเมริกัน 1,200 คนของ WordPress VIP ในปี 2026 ผู้บริโภค 74% ตอบว่าอินเทอร์เน็ต มีความเป็นมนุษย์น้อยลง กว่าเมื่อ 10 ปีก่อน
  • เวลาเฉลี่ยก่อนจะเข้าสู่ภาวะ bot fatigue ที่ทำให้ปฏิสัมพันธ์ออนไลน์เริ่มรู้สึกสังเคราะห์คือ 40 นาที
  • เมื่อช่วงเวลาเล็ก ๆ ที่เคยทำให้เว็บคุ้มค่าแก่การเข้าใช้งานลดลง ผู้ใช้ก็จับได้เร็วขึ้นว่ากำลังเจอกับประสบการณ์ที่เหมือนเครื่องจักรกำลังพูดอยู่

AI brand visibility ต่างจากการมองเห็นบนการค้นหาอย่างไร

  • AI brand visibility หมายถึงการที่แบรนด์ปรากฏบ่อยแค่ไหนภายในคำตอบที่สร้างโดยเอนจิน AI อย่าง ChatGPT, Perplexity, Claude และ Gemini
  • การมองเห็นบนเสิร์ชเอนจินวัดอันดับบนหน้าผลลัพธ์ แต่ AI brand visibility ดูว่าแบรนด์ถูกกล่าวถึงภายในคำตอบของ AI หรือไม่
    • แบรนด์ที่ขึ้นอันดับต้น ๆ บน Google ก็อาจไม่ถูกกล่าวถึงเลยในคำตอบของ ChatGPT
  • ณ ปี 2026 ยังไม่มี แดชบอร์ดเดียว ที่ติดตามการมองเห็นของแบรนด์ครอบคลุมเอนจิน AI ทั้งหมดได้
  • ในหมวดนี้ยังไม่มีผู้นำตลาดที่ชัดเจน และยังไม่มีมาตรฐานร่วมว่าการทำได้ “ดี” ควรวัดอย่างไร

การใช้ AI ของแบรนด์ในสายตาผู้บริโภค

  • ผู้บริโภค 61% นึกไม่ออก ว่าแบรนด์ใดใช้ AI กับการสื่อสารได้ดี
  • 16% ตอบว่าไม่มีแบรนด์ไหนที่ใช้ AI ได้ดีเลย
  • 60% มอง AI ที่อยู่ในข้อความสื่อสารของแบรนด์เป็น สิ่งที่ชวนต่อต้าน ไม่ใช่ฟังก์ชัน
  • แม้องค์กรจะทุ่มงบให้กลยุทธ์ AI ตลอดปีที่ผ่านมา แต่ในมุมมองของผู้บริโภคก็ยังไม่มีแบรนด์ที่ประสบความสำเร็จอย่างเด่นชัด
  • ทีมงานในองค์กรใช้เวลาเฉลี่ย 16.6 ชั่วโมง ต่อสัปดาห์เพื่อปรับปรุง AI visibility

สองบทบาทที่เว็บไซต์ต้องทำพร้อมกัน

  • เอนจิน AI ต้องการคอนเทนต์ที่ค้นหาเจอและอ้างอิงได้อย่างแม่นยำ ขณะที่มนุษย์ต้องมีเหตุผลให้อยู่ต่อหลังคลิกเข้ามา
  • องค์ประกอบที่ทำให้คนอยากอยู่ต่อนั้นยากกว่า และหลายองค์กรขนาดใหญ่ก็ยังอยู่ในขั้นประเมินเรื่องนี้
  • แบรนด์ที่น่าจับตากำลังโฟกัสไปที่ประสบการณ์ที่สรุปแบบแบน ๆ จาก AI ให้ไม่ได้

    • คอนเทนต์แบบอินเทอร์แอ็กทีฟ

      • ประสบการณ์แบบไดนามิกและกิจกรรมเล็ก ๆ ที่ผู้ใช้ลงมือทำเองได้ กลายเป็นเหตุผลให้คนเข้ามาที่เว็บไซต์
      • เว็บไซต์คือพื้นที่ที่มีทั้ง คอนเทนต์ที่มีโครงสร้าง ให้ AI อ้างอิงได้ และประสบการณ์ที่คุ้มให้ผู้อ่านใช้เวลาอยู่ด้วย
      • WordPress VIP ระบุว่ามอบรากฐานนี้ผ่าน WordPress VIP for Enterprise
      • เฟรมเวิร์กที่เกี่ยวข้องสรุปไว้ใน Future-Proof Your Brand for the AI-Native Web

หมวดหลักของเครื่องมือวัด AI brand visibility

  • หมวดเครื่องมือ AI brand visibility เพิ่งเกิดขึ้นได้ราว 2 ปี และระบบนิเวศของเครื่องมือยังอยู่ระหว่างการลงหลักปักฐาน
  • ราคาตั้งแต่ฟรีไปจนถึง เลขหกหลัก ขึ้นอยู่กับความครอบคลุมและระดับการปรับแต่ง
  • แม้ผลิตภัณฑ์บางตัวอาจเปลี่ยนไปใน 12 เดือนข้างหน้า แต่ตัวหมวดของเครื่องมือมีแนวโน้มจะอยู่ได้นานกว่า

  • AI citation monitoring platforms

    • เป็นหมวดล่าสุดที่ใช้ติดตามว่าแบรนด์ปรากฏบ่อยแค่ไหนในคำตอบของ ChatGPT, Perplexity, Claude และ Gemini
    • จำลองคิวรีในวงกว้าง และแสดง ความถี่การอ้างอิง รวมถึงอารมณ์ความรู้สึกตามช่วงเวลา
    • ตัวอย่างเครื่องมือ ได้แก่ Profound, BrightEdge, brandvisibility.ai, Tryevergreen และคู่แข่งรายเล็กที่เกิดขึ้นช่วงปลายปี 2025
    • เหมาะกับทีมที่ต้องการเชื่อม AI visibility เข้ากับผลลัพธ์ทางธุรกิจ
    • ข้อควรระวัง
      • โมเดลราคายังไม่คงที่
      • การสร้าง baseline ที่มีความหมายมักต้องเก็บข้อมูล 4–6 สัปดาห์
      • การจำลองคิวรีแบบอิงตัวอย่างยังมีช่องโหว่
      • เครื่องมือที่สัญญาว่าครอบคลุมคำตอบ AI ทั้งหมดแบบ “สมบูรณ์” กำลังพูดเกินจริงในเชิงวิธีวิทยา

  • Search analytics with AI overlays

    • เป็นหมวดที่แพลตฟอร์ม SEO เดิมขยายมาติดตาม AI ตั้งแต่ปี 2024
    • แสดง ข้อมูลการอ้างอิงจาก AI ซ้อนอยู่บนตัวชี้วัดการค้นหาแบบดั้งเดิม
    • ตัวอย่างเครื่องมือ ได้แก่ Similarweb AI Intelligence, Semrush AI Toolkit และ Ahrefs Brand Radar
    • เหมาะกับทีมที่ต้องการดูข้อมูล AI visibility โดยยังคง workflow SEO เดิมไว้
    • คุณค่าหลักคือรายงานแบบรวมศูนย์ที่ดู organic search traffic และ AI traffic ได้ในหน้าจอเดียว
    • ข้อควรระวัง
      • โดยทั่วไปความครอบคลุมด้าน AI จะแคบกว่าแพลตฟอร์ม AI citation โดยเฉพาะ
      • เครื่องมือเหล่านี้ถูกสร้างมาเพื่อเสิร์ชเป็นหลัก ด้าน AI จึงยังอยู่ในช่วงไล่ตามให้ทัน
      • ตัวเลข AI ที่ได้จากที่นี่ควรถูกมองเป็นตัวชี้วัดเชิงทิศทาง

  • Web analytics with AI referral tracking

    • เป็นหมวด เว็บแอนะลิติกส์ ที่ใช้ตรวจจับและจัดประเภททราฟฟิกที่ไหลเข้ามาจากเอนจิน AI
    • หากเครื่องมือ citation monitoring บอกได้ว่าแบรนด์ถูกพูดถึงหรือไม่ หมวดนี้ก็จะแสดงให้เห็นว่าเกิดอะไรขึ้นหลังจากถูกพูดถึงแล้ว
    • ตัวอย่างเครื่องมือ ได้แก่ Parse.ly ในชุดผลิตภัณฑ์ WordPress VIP, Plausible, Fathom Analytics และแพลตฟอร์มวิเคราะห์ระดับองค์กรอย่าง Google Analytics 4 ที่ตั้งค่า custom segment
    • AI citation คือส่วนบนของ funnel และหมวดนี้ใช้วัดว่าการอ้างอิงนั้นเปลี่ยนไปเป็นอะไรต่อ
    • ข้อควรระวัง
      • การตรวจจับ AI referrer แตกต่างกันไปในแต่ละแพลตฟอร์ม
      • เอนจิน AI บางตัวส่ง referrer header ที่สะอาดมาให้ แต่บางตัวต้องพึ่ง UTM tagging
      • หากต้องการข้อมูลที่สะอาด จำเป็นต้องให้ทีมคอนเทนต์และทีมวิเคราะห์ทำงานประสานกัน

  • Brand intelligence platforms

    • เป็นหมวด การติดตามแบรนด์ ที่เพิ่มการติดตามพื้นผิว AI เข้าไปจากเดิมที่มี social listening และ PR monitoring
    • มองเอนจิน AI เป็นหนึ่งในแหล่งสัญญาณร่วมกับการกล่าวถึงบนโซเชียลและสื่อดั้งเดิม
    • ตัวอย่างเครื่องมือ ได้แก่ Brandwatch, Talkwalker และ Meltwater
    • เหมาะกับทีมสื่อสารและ PR ที่ใช้งานแพลตฟอร์มเหล่านี้อยู่แล้วเพื่อติดตามวิกฤตและ share of voice
    • ข้อควรระวัง
      • ความครอบคลุมด้าน AI จะเบากว่าเครื่องมือ AI citation เฉพาะทาง
      • มีประโยชน์กับการมองภาพรวม แต่ไม่เหมาะเท่าไรกับการวิเคราะห์การอ้างอิงแบบละเอียด

  • Custom solutions

    • องค์กรที่มีศักยภาพด้านวิศวกรรมสามารถใช้ LLM API ส่งคิวรีไปยังเอนจิน AI เป็นประจำ และแสดงผลในแดชบอร์ดของตนเอง
    • งานของ Pew Research Center และ WordPress VIP เป็นตัวอย่างของแนวทางนี้
    • เหมาะกับองค์กรขนาดใหญ่ที่ต้องการกำหนดคิวรีเองและควบคุมข้อมูลด้วยตัวเอง
    • ใช้ได้ดีเมื่อกลยุทธ์ AI visibility ของแบรนด์พึ่งพา คิวรีเฉพาะกลุ่มหรือเฉพาะอุตสาหกรรม ที่เครื่องมือสำเร็จรูปยังรองรับได้ไม่ดี
    • ข้อควรระวัง
      • มีภาระในการบำรุงรักษา
      • การเข้าถึง LLM API มีเสถียรภาพมากขึ้นแล้ว แต่ราคาและ rate limit ยังเปลี่ยนบ่อย
      • การทำให้แดชบอร์ดภายในทันสมัยอยู่เสมอต้องอาศัยการลงทุนด้านวิศวกรรมอย่างต่อเนื่อง

เกณฑ์ตัดสินใจเวลาเลือกเครื่องมือ

  • ถ้าต้องการรู้ว่า “เราถูกอ้างอิงอยู่หรือไม่?” ให้ใช้ AI citation monitoring platform
  • ถ้าต้องการดูว่า “เราถูกอ้างอิงเมื่อเทียบกับผลงานบนเสิร์ชหรือไม่?” ให้ใช้ search analytics ที่มี AI overlay
  • ถ้าต้องการรู้ว่า “เกิดอะไรขึ้นหลังจากถูกอ้างอิง?” ให้ใช้ web analytics ที่มี AI referral tracking
  • ถ้าต้องการดูว่า “AI อยู่ตรงไหนภายในอารมณ์ความรู้สึกต่อแบรนด์ในภาพกว้าง?” จำเป็นต้องใช้ brand intelligence platform
  • หากต้องติดตามสิ่งที่หมวดข้างต้นตอบไม่ได้ ก็ต้องสร้าง custom solution
  • องค์กรขนาดใหญ่ส่วนมากใช้สองหมวดควบคู่กัน
    • รูปแบบที่พบบ่อยที่สุดคือใช้เครื่องมือ AI citation monitoring เพื่อตรวจว่ามีการมองเห็นแบรนด์หรือไม่ แล้วใช้เครื่องมือ web analytics วัดมูลค่าของ visibility นั้น
    • แบรนด์ที่วางชุดเครื่องมือนี้ได้ก่อน จะเข้าใกล้จุดที่ไม่ต้องกลับมาถกเถียงงบ AI visibility อีกครั้งในการประชุมงบประมาณปี 2027

บทความที่เกี่ยวข้อง

4 ความคิดเห็น

 
geesecross 4 시간 전

ผมไม่แน่ใจว่าแบรนด์ที่มองเห็นคำว่า AI ได้ชัดเจน จะเป็นแบรนด์ที่ดีในมุมมองของผู้บริโภคจริงหรือเปล่า

ตอนวางแผนเที่ยวไอซ์แลนด์ ผมเคยให้ LLM ช่วยแนะนำบริษัททัวร์ถ้ำน้ำแข็ง แต่พอมารู้ทีหลัง บริษัทนั้นก็แค่เป็นที่ที่ติดอันดับจากการค้นหาบนอินเทอร์เน็ตได้ดีที่สุด เพราะเคยเกิดอุบัติเหตุถึงขั้นมีผู้เสียชีวิตเมื่อหลายปีก่อน

LLM มองข้ามบริบทแบบที่น่าจะสำคัญสำหรับมนุษย์เพียงเพราะไม่ได้ใส่ไว้ในพรอมป์ต์ แล้วก็แค่เลือกบริษัทที่มองเห็นได้เด่นในบริบทของผลการค้นหา ก่อนจะเอาแต่ข้อดีที่บริษัทนั้นโฆษณาไว้มารวมกันแล้วแนะนำให้ผม
 
jsh5782 2 시간 전

ท้ายที่สุดแล้ว สินค้าควรถูกตัดสินจากคุณภาพ แต่สินค้าที่ชู AI นำหน้ากลับมีอยู่มากเกินไปที่ใช้คีย์เวิร์ด AI มาบดบังคุณภาพอันย่ำแย่
 
savvykang 1 시간 전

ประวัติศาสตร์ซ้ำรอย
https://m.imaeil.com/page/view/2026032416585900788
 
GN⁺ 5 시간 전
ความคิดเห็นจาก Hacker News

  • คำพูดที่ว่า “ลูกค้าหรือผู้ใช้ไม่ได้ตื่นขึ้นมาในตอนเช้าแล้วคิดว่า ‘วันนี้อยากคุยกับแชตบอตหรือ AI agent’” นั้นจริงมาก
    ผมเป็นคนผลักดันการนำ AI customer support agent มาใช้ และฝ่ายบริหารมองว่ามันประสบความสำเร็จอย่างมาก แต่ตัวชี้วัดกลับเล่าอีกเรื่องโดยสิ้นเชิง ลูกค้าเกลียดมันจริง ๆ และผมไม่เคยเห็นอะไรในสายเทคที่ถูกเกลียดมากกว่านี้
    เผื่อจะคิดว่าเราแค่ทำออกมาไม่ดี ขอบอกเพิ่มว่าเราใช้ผู้ให้บริการระดับแนวหน้าของอุตสาหกรรม ทดสอบภายในอย่างเข้มข้น และปรับเรื่อง latency อย่างดีแล้ว ผมคิดว่าเวอร์ชันสุดท้ายค่อนข้างโอเค แต่ลูกค้าก็แค่ไม่ชอบมัน

    • ไม่เข้าใจว่าทำไมฝ่ายบริหารถึงมองไม่ออกว่า customer support agent แบบนี้มันง่อนแง่นและยังไม่พร้อมแค่ไหน ในขณะที่ลูกค้าจับได้ทันทีว่านี่คือ AI และรู้สึกว่ามันไม่ได้ช่วยอะไรเลย
    • มันทำให้นึกถึงว่าฉันต้องติดต่อคลินิกทันตกรรม พวกเขาเปลี่ยนระบบตอบรับอัตโนมัติแบบเดิมที่มีเสียงปี๊บเป็น AI chatbot และประสบการณ์แย่มาก
      ฉันแค่อยากฝากข้อความที่ต้องการไว้ ให้มันถอดเสียงเป็นข้อความ แล้วหวังให้คนมาจัดการต่อ ไม่ได้อยากอธิบายช้า ๆ ให้บอตฟังเพื่อให้มันไปทำสิ่งเดิม
      แถมตอนเริ่มคุยกัน มันยังไม่บอกด้วยซ้ำว่าเป็นบอตอยู่หลายประโยค ฟังดูสมจริงพอที่จะหลงเชื่อได้ และพอรู้ตัวว่ากำลังคุยกับหุ่นยนต์ห่วย ๆ ความผิดหวังก็ยิ่งมาก จนตอนนี้ความรู้สึกนั้นเชื่อมโยงไปกับแบรนด์คลินิกทันตกรรมนี้แล้ว
    • ระบบโทรศัพท์อัตโนมัติที่เคยกลัวมาตลอด กลับยังทนได้มากกว่าระบบโทรศัพท์ที่ใช้ AI เสียอีก วิธีแบบ “กด 1” ไม่ได้พยายามทำให้เราหลงคิดว่ามีคนจริง ๆ กำลังฟังอยู่ แต่บริการ AI ถูกออกแบบมาให้เหมือนกำลังคุยกับคน
      ไม่ควรทำให้มันแกล้งเป็นคน
    • ไม่นานมานี้ฉันเอารถไปทิ้งไว้ที่ดีลเลอร์เพื่อซ่อมแอร์ แต่ระหว่างทางกลับบ้านก็พบว่าไฟเลี้ยวเสีย วันถัดมาเลยโทรไปเพราะต้องการยืนยันว่ามันเป็นความผิดของทางดีลเลอร์และควรซ่อมให้ฟรี พร้อมจะนัดวันเข้าไป แต่กลับมี AI Assistant รับสาย
      AI ตัวนี้ไม่ได้ถูกฝึกมาให้คาดการณ์สถานการณ์ที่ปัญหาอาจเป็นความผิดของดีลเลอร์เลย และเอาแต่พยายามให้ฉันจองผ่านเว็บไซต์หรือจองใหม่โดยออกค่าใช้จ่ายเอง
      การที่ดีลเลอร์โยนงานให้ AI แล้วปรับ AI ให้เหมาะแค่กับการนัดหมาย ไม่ใช่การแก้ปัญหา ก็แทบไม่ต่างจากการเล่นงานฉันตรง ๆ มันเป็นวิธีที่เสียมารยาทในการโยนภาระงานมาให้ฉันมากขึ้นและทำให้เสียเวลา พอได้คุยกับคนจริง ๆ ฉันก็ทั้งโกรธและไม่ไว้ใจไปแล้ว
    • การเหมารวมแบบนี้ไม่ถูกนัก ในฐานะลูกค้า ผมเคยเห็น LLM ที่ถูกนำไปใช้งานในผลิตภัณฑ์ได้ดีและชอบมัน
      ถึงจะไม่คิดว่ามันปฏิวัติโลก แต่ก็มาช่วยอุดช่องว่างของอินเทอร์เฟซได้ และโมเดลในตอนนี้ก็ถูกฝึกมาให้มีประโยชน์ ซื่อสัตย์ และทำตามคำสั่งผู้ใช้ เมื่อเทียบกับรูปแบบเดิม ๆ แล้วสบายใจกว่ามาก
      คุณอาจคิดว่าคุยกับคนย่อมดีกว่าแชตบอต แต่ความจริงที่น่าเศร้าคือพนักงานซัพพอร์ตลูกค้าหลายคนกลับทำตัวเหมือนบอตยิ่งกว่า LLM เสียอีก แล้วแต่กรณี แต่ส่วนใหญ่ผมคงเลือกคุยกับ LLM มากกว่า

  • อาจจะผิดก็ได้ แต่ในหลายผลิตภัณฑ์ AI ให้ความรู้สึกเหมือนเป็นสัญญาณที่ส่งไปหา venture capital และคนในอุตสาหกรรมเทค มากกว่าจะสร้างคุณค่าให้ผู้บริโภค
    ผู้บริโภคอยากรู้ว่า “ผลิตภัณฑ์นี้ทำอะไรให้ฉันได้จริงบ้าง” มากกว่า ไม่ค่อยสนใจหรอกว่ามันถูกสร้างด้วยคำฮิตประจำยุคหรือเปล่า

    • คำพูดที่ว่า “ผู้บริโภคสนใจแค่ว่าผลิตภัณฑ์ทำอะไรได้จริง ไม่ได้สนใจมากนักว่ามันสร้างด้วยคำฮิตของวันนี้หรือไม่” ดูจะประเมิน ผลกระทบเชิงลบแบบเชิงรุก ที่ AI มีต่อหลายคนต่ำไป
      ข้อความที่คนจำนวนมากได้ยินใกล้เคียงกับ “เราสร้างสิ่งนี้ด้วยเทคโนโลยีที่ลอกงานคน ทำให้ศิลปินตกงาน อีกไม่นานคุณก็ตกงานด้วย และทำให้งานที่ออกมาดูธรรมดาไร้เอกลักษณ์”
      มันแทบจะเหมือนกับการโฆษณาว่า “ทำมาด้วยแรงงานเด็ก”
    • จากมุมผู้บริโภค มันไม่สมเหตุสมผลเลยเวลามีการยัดเยียด AI ราวกับว่ามันเป็นฟีเจอร์
      ผู้บริโภคไม่ได้สนใจหรอกว่านักพัฒนาเขียนโค้ดอะไร หรือ deploy ลง cloud platform ไหน แล้วทำไมต้องมาสนใจ AI ในตัวผลิตภัณฑ์ด้วย AI ไม่ใช่ฟีเจอร์ ฟีเจอร์ต่างหากที่เป็นฟีเจอร์ คุณต้องบอกว่าฟีเจอร์นั้นคืออะไร
    • ทันทีที่เราเปิดตัวฟีเจอร์ AI ก็มีฟีดแบ็กเชิงลบถาโถมเข้ามา
      หลังจากนั้นเราก็เปลี่ยนชื่อเป็น Advanced Search และคงไอคอนประกายไว้เหมือนเดิม แทบจะเป็นการแทนที่คำว่า “AI” ด้วย “Advanced” แบบค้นหาแล้วแทนทั้งหมด
      ฟีดแบ็กเชิงลบหยุดลง และวันถัดมาก็มีคนเขียนเข้ามาว่ามันเป็นฟีเจอร์ที่ยอดเยี่ยมมาก
      เรื่องแบรนดิ้งแปลกจริง ๆ และสภาพแวดล้อมของสื่อยุคนี้ก็แปลกมาก ไม่ได้จะบอกว่าการเกลียด AI ถูกหรือผิด แต่สำหรับบางคน คำนี้จะไปเปิดสัญญาณเตือนแบบ “พวกนี้จะมาแย่งงานฉัน” แม้ในบริบทที่ไม่เกี่ยวอะไรกับงานของพวกเขาเลยก็ตาม ในผลสำรวจ ความกังวลเรื่อง job security ก็สูงโดดเด่นกว่าเรื่องอื่นในประเด็น AI
    • ในช่วงปีที่ผ่านมา ดูเหมือนว่า “AI” จะเปลี่ยนจากคำฮิตที่ไร้ความหมาย กลายเป็นคำที่มี นัยเชิงลบ ในหมู่คนทั่วไปที่ไม่ใช่สายเทค
      “That’s so AI” กลายเป็นสแลงจริง ๆ ไปแล้ว และไม่ได้หมายถึง “ว้าว เจ๋งและอัตโนมัติดีจัง!”
    • ก็จริงอยู่ระดับหนึ่ง ความเป็นจริงคือบริษัทส่วนใหญ่ทำ AI ได้แย่มาก
      มันไม่ได้แก้ปัญหาอะไรจริง และให้ความรู้สึกเหมือนช่องเช็กในตารางฟีเจอร์ แค่แปะ chatbot เข้าไปก็จบ
      ตอนที่ Square ออก “managerbot” มาเมื่อไม่นานนี้ ผมก็คิดว่า “โอ้ ฟังดูดีนะ” เพราะผมอยากได้อะไรแบบนั้นจริง ๆ แต่พอลองถามข้อมูลบางอย่างเกี่ยวกับข้อมูลในระบบ มันตอบไม่ได้เกือบทั้งหมด แถมยังช้ามากอีกด้วย สุดท้ายดึงรายงานมาดูเองเพื่อหาข้อมูลยังเร็วกว่าคุยกับบอต
      ไม่ใช่แค่ Square เท่านั้น Salesforce, Microsoft, Google และเจ้าอื่น ๆ ก็เหมือนกันหมด
      ส่วนตัวผมชอบใช้เครื่องมือ AI แต่ก็รู้สึก เหนื่อยล้าจากการตลาด เหมือนกัน นักพัฒนาใส่ AI เข้าไปทุกที่ ทำได้ไม่ดี แล้วก็ยังโปรโมตมันเหมือนเป็นฟีเจอร์หลัก
      มันอาจเป็นวัฏจักรตามธรรมชาติก็ได้ ตอนนี้น่าจะอยู่แถว ๆ ช่วงเปลี่ยนผ่านจากจุดพีกของกระแส hype ไปสู่ความผิดหวัง

  • ปัญหาของขยะ "AI" ที่ถูกยัดใส่อุปกรณ์แบบฝืน ๆ ช่วงนี้ก็คือแบบนี้แหละ
    เราใช้ ฟีเจอร์แมชชีนเลิร์นนิง กันมาหลายปีแล้ว และมันก็มีประโยชน์จริง แต่คนส่วนใหญ่ไม่รู้หรือไม่สนใจว่ามันทำงานอย่างไร
    มันแค่ทำหน้าที่ของมันอยู่เบื้องหลัง และไม่ได้เอาเทคโนโลยีเบื้องหลังมายัดใส่หน้าผู้ใช้
    แต่ AI ตรงกันข้ามเลย คือขายเทคโนโลยีก่อนแล้วค่อยพูดถึงประโยชน์ทีหลัง แถมหลายครั้งยังทำให้ UI แย่ลง และประโยชน์ก็แทบไม่มีหรือไม่มีเลย
    สำหรับผู้บริโภคส่วนใหญ่ สิ่งสำคัญกว่าการที่เทคโนโลยีทำงานอย่างไร คือมันทำงานได้ดีไหมและให้ประโยชน์จริงหรือเปล่า

    • ประเด็นสำคัญจริง ๆ ที่คนชอบลืมกันก็คือ มนุษย์ให้คุณค่ากับ เวลาและความพยายาม ของมนุษย์คนอื่น
      AI มักถูกใช้โดยคนที่ไม่อยากลงทั้งเวลาและความพยายาม และนั่นแหละคือแก่นของมัน
      ถามตัวเองดูก็ได้ว่าอยากได้การ์ดคริสต์มาสหรือการ์ดวันเกิดที่มีข้อความเฉพาะตัวจริง ๆ หรืออยากได้สิ่งที่บอต AI สร้างขึ้น 100% มากกว่า ยิ่งถ้ามีเรื่องหลอนปนอยู่ข้างในด้วยก็ยิ่งแล้วใหญ่
    • ผมเห็นซอฟต์แวร์หลายครั้งที่ทิ้ง โซลูชันแมชชีนเลิร์นนิง ที่เคยทำงานได้ดี แล้วเปลี่ยนไปใช้ AI แบบครอบจักรวาลที่ให้ผลลัพธ์แย่กว่า
      การเปลี่ยนแปลงที่แท้จริงตรงนี้คือการพยายามทำอินเทอร์เฟซแบบ "อินพุตเดียวสำหรับทุกอย่าง" แต่กลับไม่เข้าใจว่าในความเป็นจริงแล้ว น้อยมากที่นั่นจะเป็นทางเลือกที่ดีที่สุดสำหรับผู้ใช้
    • ฟีเจอร์พวกนี้ถดถอยมานานแล้ว และสำหรับผู้บริโภค คำว่า "AI" ก็ไม่ได้ส่งสัญญาณเลยว่ามันจะซ่อมหรือเอาสิ่งที่เคยดีอยู่แล้วกลับคืนมา
      ตัวอย่างที่ยกกันเสมอคือการรู้จำเสียงของ Google Maps เมื่อก่อนถ้าถามว่า "Hey Google, what is my ETA?" มันจะตอบเวลาที่เหลือก่อนถึงปลายทางได้อย่างน่าทึ่ง แต่พอถึงจุดหนึ่งมันก็พัง และไม่ทำงานมาหลายปีแล้ว ตอนที่ลองครั้งล่าสุด โทรศัพท์กลับเปิดเว็บเบราว์เซอร์ขึ้นมาค้นหาเว็บแทน
      ตอนที่ยัด Gemini เข้ามาแบบบังคับ สิ่งแรกที่ผมทำคือหาวิธีปิดมัน เพราะมันไปทับเสียงเดิมที่ผมเลือกไว้ให้อ่านตารางนัดหมายในปฏิทินตอนเช้า จริง ๆ มันเริ่มอ่านได้ปกติดี แต่แล้วเสียง Gemini งี่เง่านั่นก็แทรกเข้ามาและไม่ได้ช่วยอะไรเลย
      ทั้งหมดนี้คือ enshittification
    • ตอนนี้ "AI" กลายเป็นคำฮิตไปแล้วเพราะพวก Vulture Capitalists
      ฟีเจอร์ควรพูดแทนตัวเองได้ ถ้ามันเป็นฟีเจอร์ที่ดี ก็ไม่จำเป็นต้องเอาเทคโนโลยีเบื้องหลังมาทำการตลาด
      ยกตัวอย่างเช่น ไม่มีใครสนใจหรอกว่าการตั้งค่าถูกเก็บไว้ในฐานข้อมูล SQLite พวกเขาไม่ได้สนใจเลยว่ามันถูกเก็บอย่างไร
      เวลาเพื่อนเอาโทรศัพท์ใหม่มาอวดว่าซูมดวงจันทร์ได้ไกลมากจนเห็นก้อนหินแต่ละก้อน สิ่งที่ไม่สำคัญเลยคือมันใช้ AI หรือไม่ มันก็แค่ใช้กล้อง
      ต่อให้สร้างฟีเจอร์ด้วย AI ก็ไม่ควรเขียนบนกล่องว่า AI แต่ควรแสดงให้เห็นว่ามันทำอะไรได้จริงและทำได้ดีแค่ไหน การบอกว่าใช้ AI ไม่มีความหมายอะไรเลย ต่อให้ชนชั้นนักล่าจะอยากให้เป็นแค่ไหน คำว่า "fetch" ก็ไม่มีวันฮิตขึ้นมาได้
    • ใช่ Apple ดูเหมือนจะเข้าใจเรื่องนี้อยู่ แต่สุดท้ายก็ยอมแพ้แล้วเรียกมันว่า Siri AI

  • สำหรับผู้บริโภคส่วนใหญ่ AI น่าจะเป็นผลเสียล้วน ๆ
    ตอนนี้เห็นได้ชัดขึ้นเรื่อย ๆ ว่าบริษัทจำนวนมากกำลังใช้ AI กับคอลเซ็นเตอร์และขั้นตอนซัพพอร์ต และหลายครั้งก็ใช้เพื่อกันลูกค้าไม่ให้ไปถึงคนจริง ๆ มันตอบอย่างสุภาพและละเอียดมาก แต่ไม่มี อำนาจตัดสินใจ เลยแก้ปัญหาไม่ได้
    ผมไม่ได้ตื่นเต้นกับโลกใหม่นี้เลย AI เป็นเครื่องมือที่ทรงพลังและมีประโยชน์สำหรับครีเอเตอร์ แต่ตอนนี้มันถูกใช้อยู่ด้วยเหตุผลที่ผิด ๆ และดูเหมือนจะถูกใช้ไปถึงขั้นเลือกเป้าหมายที่จะทำลายในสงครามด้วย ในบางด้านมันแทบจะได้ตัดสินใจเรื่องเป็นเรื่องตายโดยแทบไม่มีการกำกับดูแล แต่ถึงอย่างนั้นก็ยังมีคนที่คิดว่ากฎระเบียบใด ๆ ต่อเทคโนโลยีนี้ไม่มีประโยชน์และไม่ยุติธรรม
    อย่าเข้าใจผมผิดนะ ผมเองก็ใช้ AI ตลอด แต่ก็กลัวว่ามันอาจเป็นการเปลี่ยนแปลงที่ทำลายล้างที่สุด ทั้งในด้านบวกและด้านลบ มากกว่าความก้าวหน้าทางเทคโนโลยีใด ๆ ที่เราเคยเจอมา

    • ผมคิดว่าปัญหามันคือเรื่องของ ทางเลือก
      เวลาที่เราใช้ AI โดยตรงผ่านเครื่องมืออย่างแชตบอต โดยมากแล้วมันเป็นสิ่งที่เราเลือกเองอย่างตั้งใจ และเราก็ยังมีอำนาจควบคุมอยู่ระดับหนึ่ง ถ้ามันไม่เวิร์กก็หยุดเมื่อไรก็ได้แล้วทำเอง
      แต่ในสถานการณ์ที่ AI ถูกฝังอยู่ในคอลเซ็นเตอร์หรือผลิตภัณฑ์ ผู้ใช้มักไม่ได้รับทางเลือก มักถูกบังคับโดยไม่มีตัวเลือกอื่น หรืออย่างน้อยก็ต้องฝืนใช้อยู่จนกว่า LLM จะยอมแพ้
      ผู้ใช้ไม่สามารถออกจาก ลูป LLM ได้เมื่ออยากออก มันเลยเป็นปฏิปักษ์กับผู้ใช้
      ยิ่งไปกว่านั้น บริษัทส่วนใหญ่ยังบังคับให้ใช้ฟีเจอร์ที่เกี่ยวกับ AI เพื่อให้ KPI หรือเมตริกภายในของใครบางคนดูครบอีกด้วย
    • แล้วคอลเซ็นเตอร์ไหนกันที่เจ้าหน้าที่มีอำนาจตัดสินใจ? ผมไม่เข้าใจว่ากำลังพูดถึงอะไร
      ถ้าเป็นสถานการณ์ที่มี LLM คั่นกลางอยู่แล้ว ทำไมต้องให้มนุษย์โทรไปด้วยล่ะ ให้ LLM ของคุณคุยกับ LLM ฝั่งนั้นก็พอ
      หรือคุณกำลังโหยหาคอลเซ็นเตอร์เพราะหวังว่าคนที่ขวางทางคุณจะเป็นมนุษย์ที่ได้ค่าแรงขั้นต่ำ? คอลเซ็นเตอร์เป็นสถานที่ที่ย่ำแย่ ผมไม่เข้าใจเลยว่าจะรู้สึกพอใจอะไรกับการอยากให้มนุษย์ยังคงถูกผูกไว้กับธุรกิจดิสโทเปียแบบนั้นต่อไป
    • ในเชิงสถิติแล้ว บอตบริการลูกค้า ช่วยลดเวลาที่คนฝั่งบริการลูกค้าต้องใช้ไปได้มาก
      ในหลายกรณีมันเป็นแค่การรวบรวมข้อมูลพื้นฐานตามแบบฟอร์ม ซึ่งกินเวลาแรงงานคนพอสมควร
      ถ้าคุณอยากให้มีคนทำงานบริการลูกค้ามากขึ้น ไม่ว่าทางไหนคุณก็ต้องจ่ายแพงขึ้นกว่านี้มาก
    • บริษัทชั้นนำกำลังสร้าง เอเจนต์ ที่ทำงานอัตโนมัติตั้งแต่ต้นจนจบ นั่นหมายถึงไปในทิศทางที่มีอำนาจตัดสินใจด้วย
      เหมือนเทคโนโลยีอื่น ๆ การแพร่กระจายต้องใช้เวลา แต่อนาคตของคอลเซ็นเตอร์ดูไม่ค่อยดีนัก

  • AI ให้ความรู้สึกแบบ “เร็วและถูกโดยแลกกับคุณภาพ” จึงเข้าใจเต็มที่ว่าทำไมผู้บริโภคถึงไม่ชอบ แต่ฝั่งคนทำธุรกิจกลับชอบ

    • บริษัทที่ใช้ AI ได้ดีที่สุดน่าจะเป็นบริษัทที่ไม่จำเป็นต้องบอกผู้ใช้ด้วยซ้ำว่าใช้ AI นั่นเป็นสัญญาณของ ผลิตภัณฑ์คุณภาพดี
      ถ้าคุณต้องตะโกนและอ้อนวอนให้ผู้บริโภคมาใช้ผลิตภัณฑ์ AI ก็แปลว่าคุณกำลังทำอะไรผิดอยู่
    • สิ่งที่สะดุดตาที่สุดคือ Amazon เอา Rufus มาแทนช่องค้นหารีวิว Rufus ค้นหาบริบททั้งหมดของสินค้าบน Amazon ทั้งคำอธิบาย รีวิว และอื่น ๆ แล้วบังคับให้ตั้งคำถามแทนการค้นหาคีย์เวิร์ดแบบน่าเบื่อ
      เวลาดูสินค้าชิ้นหนึ่ง ฉันอยากค้นหาคีย์เวิร์ดว่า “battery life” ในรีวิว เพื่อดูว่าคนจริง ๆ มีประสบการณ์อย่างไร แต่ตอนนี้ทำแบบนั้นไม่ได้แล้ว
      ถ้าค้นหา “battery life” ใน Rufus มันก็มักจะตอบอะไรเหลวไหลประมาณว่า “ลูกค้าจำนวนมากรายงานว่าแบตเตอรี่อึด แต่ลูกค้าบางรายบอกว่าสั้นกว่าที่คาด” เสมอ
      สิ่งที่ฉันต้องการคือประสบการณ์ของมนุษย์ ต้องการความเฉพาะเจาะจง ทำไมทุกอย่างต้องถูกหั่นให้เหลือแค่ “ดีหรือแย่” ด้วย?
    • งานทำมือ เป็นมาตรฐานทองคำของสิ่งที่มีสถานะสูงมาโดยตลอด และคอนเทนต์ AI ก็ให้ความรู้สึกว่ามีสถานะต่ำโดยเนื้อแท้
      ต่อให้ AI เพิ่มมูลค่าได้ มูลค่านั้นก็ดูเหมือนจะถูกใครบางคนกอบโกยไป มากกว่าจะตกถึงผู้บริโภค
    • ฉันว่าตรงนี้แหละคือปัญหาจริง ผู้บริโภคชอบสิ่งที่วาววับและดูเจ๋ง แต่เกลียด Clippy ผู้ช่วยรูปคลิปหนีบกระดาษ
      ชอบตอนที่ Siri ช่วยได้ แต่เกลียดตอนที่มันรบกวน
      เป็นปริศนาที่ชวนปวดหัวจริง ๆ ทำไมผู้บริโภคถึงตอบสนองแบบนี้กันนะ?
    • มันคือคำจำกัดความของการบั่นทอนคุณภาพโดยแท้ เป็นวิธีพยายามเดาคำตอบให้เร็วที่สุดเท่าที่จะทำได้ด้วย การอนุมานเชิงสถิติ

  • หรือว่า “AI” มักจะหมายถึง “จะไล่พนักงานออกเพื่อทำกำไรให้มากขึ้น และจริง ๆ ก็ไม่ได้แคร์คุณภาพ” กันแน่นะ?

    • วิธีคิดแบบนั้นมีมาตั้งแต่ก่อนยุค AI นานแล้ว ดูที่ outsourcing ก็ได้

  • “ทำไมถึงเป็นแบบนั้น? มันเป็นไปได้อย่างไร? คำตอบคือ ลูกค้าไม่ได้สร้างความเห็นเรื่องคุณภาพจากการตลาด ลูกค้าตัดสินคุณภาพจากประสบการณ์ของตัวเองกับผลิตภัณฑ์หรือบริการ”
    — Steve Jobs
    ที่มา: https://youtu.be/XbkMcvnNq3g?si=8Y56TFmKHJhlFXoE&t=364

  • ฉันยังไม่เคยเห็นกรณีที่แบรนด์นำ AI มาใช้ได้สำเร็จแล้วเป็นประโยชน์กับฉันจริง ๆ
    QuickBooks โชว์คำแนะนำชวนหงุดหงิดที่ดัน UI ทั้งหมดออกไป และยังปิดไม่ได้อีก ตอนนี้กลายเป็นว่าต้องคลิกเพิ่มอีกหนึ่งครั้ง
    AI ของหุ่นยนต์ดูดฝุ่นก็น่าจะเป็นแค่ป้ายแปะ ฉันไม่ได้อยากคุยกับเครื่องดูดฝุ่น แค่อยากให้มันทำความสะอาดของฉันอย่างคาดเดาได้
    ทีวีก็อัปเกรดเป็น Gemini แล้ว ไม่รู้ทำไมเหมือนกัน ฉันก็ไม่ได้คุยกับทีวี แต่มันยัดเยียดเข้ามาตรงหน้าอยู่เรื่อย ๆ กำลังคิดอยู่ว่าจะซื้ออุปกรณ์ที่สตรีม Plex->Atmos ได้หรือเปล่า

    • แล้วคนใช้ Gemini บนทีวีกันยังไง? พิมพ์คำถามด้วยรีโมตได้ชั่วโมงละสามคำหรือ?

  • ลองนึกภาพยุคดอตคอมบูมดูได้เลย เพียงแต่สถานการณ์นี้ใกล้เคียงกับการที่ผู้บริโภคส่วนใหญ่มี ความรู้สึกเชิงลบ ต่อของที่เกี่ยวกับอินเทอร์เน็ต และมีแค่ CEO ที่แข่งกันอวดเรื่องอินเทอร์เน็ตให้กันฟัง

  • แน่นอนว่าน่าจะมีผลิตภัณฑ์ AI ที่ดีอยู่บ้าง แต่ส่วนใหญ่ท่วมท้นดูเหมือนขยะ
    ข้อยกเว้นคือ coding agent และอินเทอร์เฟซข้อความ/รูปภาพบนเว็บที่เรียบง่าย
    เพราะงั้นในฐานะสัญญาณ แบรนด์ AI จึงเกือบจะแย่ที่สุด พอ ๆ กับคริปโต แต่ก็เหมือนกับคริปโต นักลงทุนอยากเห็นสัญญาณนั้นโดยไม่สนใจว่าพื้นฐานจริงจะเป็นอย่างไร

    • ข้อยกเว้นอีกอย่างคือ การแปล Transformer เดิมก็ถูกพัฒนามาเพื่อการแปล และ LLM ก็โดดเด่นในงานแปล การสร้างโค้ดสุดท้ายแล้วก็เป็นการแปลภาษาธรรมชาติไปเป็นภาษาโปรแกรม
      หลายอย่างที่ LLM ทำได้ดีในตอนนี้ ดูเหมือนสุดท้ายจะลงเอยที่การแปล
      แปลพรอมป์ต์หนึ่งให้เป็นรายการงานย่อย แล้วจัดการแต่ละงานย่อยด้วยการแปลอีกชั้นหนึ่ง เช่น แปลงงานนั้นเป็นโค้ด หรือเรียกใช้เครื่องมือภายนอก อย่างการค้นหาอินเทอร์เน็ต การวิเคราะห์โค้ดแบบสถิต หรือการร้องขอฐานข้อมูล
      จากนั้นก็แปลผลลัพธ์ของงานย่อยเหล่านั้นกลับเป็นข้อความสุดท้าย หรือแปลเป็นรายการงานย่อยชุดใหม่
      เพราะงั้นสิ่งที่ฉันรู้สึกว่าน่าสนใจก็คือ บางที สติปัญญาของ Homo sapiens เองก็อาจพัฒนาขึ้นมาเป็นผลพลอยได้จากกระบวนการสื่อสาร หรือก็คือการแปลคำพูดให้กลายเป็นการกระทำก็ได้