เมื่อ AI ฉลาดขึ้น ทำไมมนุษย์ยังต้องอยู่ในกระบวนการทำงาน
ลองนึกถึงองค์กรที่ใช้ AI ช่วยคัดเลือกผู้สมัครงาน ระบบอ่านใบสมัครหลายพันฉบับได้ในเวลาไม่กี่นาทีและเสนอรายชื่อผู้ที่เหมาะสม แต่หากข้อมูลประสบการณ์ของผู้สมัครบางคนไม่ครบ หรือระบบให้คะแนนต่ำแก่คนที่หยุดงานเพื่อดูแลครอบครัว ใครจะตรวจพบปัญหานั้น และผู้สมัครมีโอกาสให้ทบทวนผลหรือไม่ คำถามนี้คือหัวใจของ Human-in-the-loop AI
มนุษย์อยู่ในกระบวนการ หมายถึงอะไร
Human-in-the-loop (HITL) หรือการให้มนุษย์มีส่วนร่วมในวงจรการทำงานของปัญญาประดิษฐ์ ไม่ได้หมายความว่าต้องมีคนกดอนุมัติทุกคำตอบ แต่หมายถึงการออกแบบให้มนุษย์มีบทบาทที่จำเป็น เช่น กำหนดวัตถุประสงค์ ตรวจข้อมูล ฝึกหรือแก้ผลของระบบ และทบทวนการตัดสินใจที่มีผลกระทบสำคัญ ในบางระบบคนมีส่วนร่วมขณะทำงาน ในบางระบบคนเฝ้าดูและแทรกแซงเมื่อพบความผิดปกติ การแบ่งประเภทเหล่านี้เป็นคำอธิบายวิธีออกแบบ ไม่ใช่ข้อรับรองว่าระบบปลอดภัยแล้ว
ความแม่นยำสูงไม่ได้หมายความว่าถูกต้องทุกครั้ง
ระบบที่ทำคะแนนได้ดีในการทดสอบอาจยังผิดพลาดเมื่อเจอข้อมูลที่ไม่เคยพบ หรือเมื่อบริบทการทำงานเปลี่ยนไป ตัวอย่างการคัดเลือกพนักงานข้างต้นแสดงให้เห็นว่า หากเจ้าหน้าที่ตรวจเฉพาะรายชื่อที่ AI เลือกผ่าน ก็อาจไม่มีใครมองเห็นความผิดพลาดที่เกิดกับคนซึ่งถูกคัดออกไปแล้ว การกำกับดูแลจึงต้องครอบคลุมทั้งผลลัพธ์ที่แสดงและสิ่งที่ระบบมองข้าม
มนุษย์ควรอยู่ตรงไหน
ก่อนใช้งาน ผู้รับผิดชอบต้องกำหนดว่า AI มีหน้าที่อะไร ใช้ข้อมูลใด และความผิดพลาดแบบใดยอมรับไม่ได้ ระหว่างใช้งาน ผู้ตรวจควรเห็นหลักฐานและสามารถแก้ไขหรือหยุดการทำงานได้ หลังใช้งาน องค์กรต้องติดตามข้อร้องเรียน ทดสอบความผิดพลาด และปรับปรุงกระบวนการเมื่อพบผลกระทบที่ไม่คาดคิด ทั้งสามช่วงนี้มีความสำคัญมากกว่าการเพิ่มปุ่มอนุมัติตอนท้ายเพียงปุ่มเดียว
ตรวจมากไม่ได้แปลว่าดีกว่าเสมอไป
หากพนักงานต้องตรวจผลลัพธ์นับพันรายการโดยไม่มีเวลาและข้อมูลเพียงพอ การตรวจอาจกลายเป็นพิธีกรรม งานจัดรูปแบบเอกสารทั่วไปอาจใช้การสุ่มตรวจ ขณะที่การปฏิเสธสิทธิหรือโอกาสของบุคคลควรมีการตรวจสอบที่เข้มขึ้นตามบริบท องค์กรต้องเลือกจุดตรวจตามความรุนแรงของผลกระทบ ไม่ใช่ตามความรู้สึกว่า AI เป็นเทคโนโลยีใหม่
คำถามที่ควรถามก่อนใช้งาน
ใครเป็นเจ้าของการตัดสินใจ ใครตรวจกรณียกเว้น ผู้ตรวจเห็นข้อมูลต้นทางหรือไม่ ใครมีสิทธิหยุดระบบ และผู้ได้รับผลกระทบร้องขอการทบทวนได้อย่างไร หากตอบคำถามเหล่านี้ไม่ได้ การบอกว่ามีมนุษย์กำกับอาจยังไม่มีความหมายในทางปฏิบัติ
บทสรุป
HITL ไม่ใช่การให้คนทำงานซ้ำกับ AI แต่คือการรักษาความสามารถของมนุษย์ในการกำหนดเป้าหมาย ตรวจสอบ และรับผิดชอบต่อการใช้ระบบในจุดที่สำคัญ
เอกสารอ้างอิงและอ่านเพิ่มเติม
National Institute of Standards and Technology (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). https://doi.org/10.6028/NIST.AI.100-1
Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
European Union (2024). Regulation (EU) 2024/1689, Article 14: Human oversight. https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-14
พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (สำหรับประเด็นข้อมูลส่วนบุคคลในตอนที่ 5). https://www.ratchakitcha.soc.go.th/DATA/PDF/2562/A/069/T_0052.PDF
หมายเหตุบรรณาธิการ: ตัวอย่างทั้งหมดเป็นสถานการณ์สมมติเพื่ออธิบายแนวคิด ไม่ใช่กรณีศึกษาจากงานวิจัย การอ้างกฎหมายสหภาพยุโรปเป็นการเปรียบเทียบและต้องพิจารณาขอบเขตการบังคับใช้ตามข้อเท็จจริง