Quick Answer: บริษัทเลิกใช้ AI แล้วจริงไหม
ยังไม่ใช่การเลิกใช้ แต่เป็นการเบรกหลังรีบเกินไป รายงานของ The Guardian (13 ต.ค. 2026) รวบรวมกรณีบริษัทใหญ่ที่ชะลอหรือจำกัดการใช้ AI หลังพนักงานต้องเสียเวลาเก็บกวาดงานผิดและงานคุณภาพต่ำ เช่น Meta ที่ถอยแผนลดคนแล้วใช้ AI agent แทน (อ้าง Reuters) และ Microsoft ที่ผู้บริหารเองยอมรับว่า “การเข้าถึงและการใช้งานไม่ได้เท่ากับการเปลี่ยนแปลง”
บน X: โพสต์ของ @Phil_Lewis_ ที่แชร์ข่าวนี้มีคนเห็นราว 473,000 ครั้ง และถูก quote 600 ครั้ง คนถกกันเป็น 5 ฝั่ง ตั้งแต่ “บอกแล้ว” ฝั่งคนทำงาน ไปจนถึงฝั่งที่บอกว่า AI ไม่ได้ล้ม แต่แผนนำมาใช้ของนายจ้างล้ม Hybrid Mind ดึงโพสต์มาราว 214 โพสต์ อ่านที่เกี่ยวข้องโดยตรงราว 110 โพสต์ ไม่ใช่โพลของคนทำงานทั้งหมด
เกิดอะไรขึ้น: จากรีบใช้ AI สู่การจำกัดการใช้
บทความของ Taylor Telford ใน The Guardian ไม่ได้รายงานผลสำรวจใหม่ของตัวเอง แต่รวบรวมกรณีและรายงานหลายชิ้นมาเล่าเป็นภาพเดียว ใจความคือนายจ้างหลายแห่งรีบนำ AI มาใช้ แล้วเจองานผิดพลาดจำนวนมาก งานคุณภาพต่ำที่กินเวลาพนักงาน ความเสี่ยงด้านความเป็นส่วนตัวและความปลอดภัย และค่าใช้จ่ายที่สูงขึ้น บางแห่งจึงเริ่มวางข้อจำกัด เรียกคนมีประสบการณ์กลับมา และลงทุนกับการฝึกมากขึ้น
Meta
ถอยแผนลดคนและใช้ AI agent มากขึ้น หลังพบว่าพนักงานใช้เวลาแก้ปัญหาทางเทคนิคและความปลอดภัยมากขึ้นเรื่อย ๆ (Guardian อ้าง Reuters) และเริ่มขยายตำแหน่งหัวหน้างานอีกครั้งตามโพสต์ LinkedIn ของพนักงาน
Microsoft
Kathleen Hogan เขียนในบล็อกทางการว่าตอนแรกปฏิบัติต่อ AI แบบการติดตั้งซอฟต์แวร์ทั่วไป แล้วเรียนรู้ว่าไลเซนส์ให้คนกว่า 200,000 คนไม่ได้เปลี่ยนวิธีทำงานเอง ส่วน Ryan Roslansky บ่นเรื่อง “AI slop” ในงานประจำวัน (ตาม Guardian)
Walmart และคดี 3M
พนักงานร้านและคลังสินค้าเล่าว่าเครื่องมือ AI จัดตารางและเส้นทางที่ไม่สมเหตุผล (Guardian อ้าง Business Insider) ส่วนคดี 3M มีพยานผู้เชี่ยวชาญที่ส่งรายงานซึ่งใช้ ChatGPT ช่วยทำ จนกลายเป็นประเด็นในศาล
Microsoft ในบล็อกของ Hogan: การเพิ่ม agent เข้าไปในกระบวนการที่พังอยู่แล้ว ก็ยังได้กระบวนการที่พังเหมือนเดิม และการเร่งขั้นตอนเดียวแค่สร้างคิวที่ยาวขึ้นในขั้นถัดไป (ถอดความจากที่ Guardian อ้าง)
เรื่องเวลา: ข่าว Meta ไม่ใช่ข่าวใหม่ของสัปดาห์นี้ Reuters เปิดเรื่องแผนลดคนของ Meta ตั้งแต่ 26 ส.ค. 2026 และบล็อก Microsoft ลงวันที่ 17 ก.ย. 2026 สิ่งที่ใหม่คือ Guardian นำมาร้อยเป็นภาพเดียวในวันที่ 13 ต.ค. แล้ววงถกบน X ระเบิดในวันที่ 15 ต.ค. เมื่อบัญชีข่าวขนาดใหญ่แชร์ลิงก์
X ถกอะไร: AI ล้ม หรือแผนของนายจ้างล้ม
เกือบทุกฝั่งเห็นตรงกันว่ามีปัญหาจริง แต่ตีความต่างกันว่าใครผิด Hybrid Mind จัดเป็น 5 ฝั่งจากโพสต์ที่อ่าน ตัวเลข engagement อ่านค่าเมื่อ 16 ต.ค. 2026 และเปลี่ยนได้ตามเวลา บัญชีขนาดเล็กสรุปแบบไม่ระบุชื่อ
“บอกแล้ว” ฝั่งคนทำงานที่รู้สึกถูกทิ้ง
เสียงที่ดังที่สุดในวงถก น้ำเสียงเป็นความโล่งใจผสมความโกรธ มากกว่าข้อโต้แย้งทางเทคนิค
- @Lizzurr (~44,950 ครั้งที่ถูกเห็น / ~3,470 likes) quote ข่าวว่า “Never forget how quickly employers wanted to abandon their workers.” เป็น quote ที่ถูกรีโพสต์ต่อมากที่สุดในชุดที่เราดึงมา
- @dhwanisaraiya_ (~15,280 / ~877 likes) “who could have seen this coming” และ @KellenBecoats “Who could have predicted this?!” เป็นตัวอย่างของ quote แนวประชดที่พบซ้ำหลายสิบโพสต์
- คำตอบใต้โพสต์ต้นหลายรายบอกว่านายจ้างคิดว่า “ชนะแรงงานมนุษย์ได้แล้ว” และบางคนเล่าว่าเพิ่งถูกเลิกจ้างจากบริษัทที่หันไปใช้งานออกแบบจาก AI
“AI ไม่ได้ล้ม แผนนำมาใช้ต่างหากที่ล้ม”
ฝั่งนักการศึกษา ที่ปรึกษา และคนทำงานด้านกระบวนการ เห็นด้วยว่ามีปัญหา แต่โทษวิธีการ
- @DrChaeEd (~2,661 / ~187 likes): นายจ้างไม่มีกลยุทธ์จริง ไม่ได้วางขอบเขตการใช้ และไม่ได้ฝึกคน “แน่นอนว่างานจะคุณภาพต่ำ” เพราะไม่มีแผนตั้งแต่แรก
- @JohnGLedo ตอบใต้โพสต์ต้นว่าการซื้อเครื่องมือไม่ใช่กลยุทธ์ และการนำมาใช้แบบกระจัดกระจายย่อมจบแบบนี้
- ผู้ใช้รายหนึ่งเปรียบว่าไม่มีใครให้เด็กฝึกงาน merge โค้ดโดยไม่ผ่านการอนุมัติ agent ก็ต้องมีวงตรวจแบบเดียวกัน อีกรายชี้ว่า Microsoft กำลังค้นพบหลัก Lean ใหม่ว่าการเร่งที่คอขวดแค่ย้ายคอขวดไปขั้นถัดไป
“ภาษีตรวจงาน” งานที่ดูดีแต่ผิดคือกะที่สองที่ไม่ได้ค่าจ้าง
ฝั่งที่โฟกัสต้นทุนแฝง: เวลาที่ต้องอ่าน ตรวจ และแก้งานที่ AI ทำ
- @SandraWoodsMtl ยกประโยคของ Jessica Reif (Wharton) จาก Guardian ว่า AI มักให้งาน “ดูน่าเชื่อ” ที่มีจุดอ่อนไม่ชัด ทำให้ข้อผิดพลาดไหลต่อในสายงานแทนที่จะถูกแก้ทันที
- @trevornoren แชร์บทความ NYT ที่เรียกงานตรวจผลลัพธ์ AI ว่า “verification tax” หรือ “botsitting” ว่ากำลังเป็นคอขวดฝั่งมนุษย์ (Hybrid Mind ไม่ได้อ่านบทความ NYT ฉบับเต็ม)
- @Kaorimyatt (โพสต์ภาษาญี่ปุ่น ~1,426 ครั้ง) สรุปว่างานดูเหมือนทำได้ดีแต่มีช่องโหว่ ทำได้เร็วและเยอะแต่มีจุดผิดที่จับยาก และต้องใช้ทั้งเวลาและคนมาแก้
- @SatanicSF ชี้กรณีรายงาน 14,500 หน้าในคดี 3M ว่าการรีวิวและแก้งานขนาดนั้นอาจกินเวลามากกว่าเขียนให้ถูกตั้งแต่แรก
“ฟองสบู่กำลังแตก”
ฝั่งที่ใช้ข่าวนี้เป็นหลักฐานว่าความคึกคักของ AI จะจบลง มักเป็นมีมสั้น ๆ
- quote หลายรายเขียนสั้น ๆ ทำนอง “Pop that bubble” หรือ “It’s all a scam” และมีคนถามว่านี่คือสัญญาณฟองสบู่ AI จะแตกเร็ว ๆ นี้หรือไม่
- @BookSpotlight ตอบสั้น ๆ แบบไม่แปลกใจ และ @cszabla ยกท่อนจากบทความพร้อมถามประชดว่าเหล่า tech bro เรียนรู้หรือยัง
- หมายเหตุ: ข่าวนี้พูดถึงการใช้ AI ในองค์กร ไม่ได้พูดถึงงบลงทุนศูนย์ข้อมูลหรือราคาหุ้นโดยตรง การโยงไปถึงฟองสบู่จึงเป็นการตีความ
“ถอยไม่เท่ากัน” การใช้ AI บางส่วนยังโต
เสียงที่เบากว่า แต่เตือนว่าอย่าอ่านหัวข่าวเกินจริง
- ผู้ใช้รายหนึ่งตอบว่าการถอยมีจริงแต่ไม่สม่ำเสมอ บางภูมิภาคยังมีงบจัดซื้อ AI ภาครัฐระยะยาวที่ไม่ผูกกับรอบผลประกอบการรายไตรมาส
- @bull_japanese ชี้ว่าญี่ปุ่นเคยถูกล้อว่าใช้ AI ช้า และบางทีการช้าอาจไม่ใช่เรื่องแย่
- ข้อมูลฝั่งผู้ขายสัปดาห์เดียวกันชี้ไปอีกทาง: OpenAI รายงานว่าผู้ใช้ agent รายสัปดาห์ในธุรกิจขนาดกลางและเล็กของ EU โตราว 8.1 เท่าตั้งแต่ พ.ค. 2026 แต่นี่คือตัวเลขการใช้งาน ไม่ใช่ผลิตภาพ ซึ่งตรงกับประเด็นที่ Microsoft เองบอกว่าการใช้ไม่เท่ากับผลลัพธ์
ลองเอง: เมื่อไหร่ AI ช่วยจริง เมื่อไหร่กลายเป็นงานเก็บกวาด
สามแล็บนี้แปลงข้อถกเถียงบน X ให้เป็นตัวแปรที่ปรับได้ ทุกตัวเลขเป็นสมมติฐานเชิงการศึกษา ไม่ใช่ข้อมูลจริงของบริษัทใด
ทดลอง 01 — เครื่องคิดเวลาสุทธิ: AI ประหยัดเวลา หรือเพิ่มกะที่สอง
การจำลองเชิงการศึกษาแบบกำหนดสูตรล่วงหน้า ไม่ใช่ผลวัดจริงของบริษัทใด · สูตร: เวลาที่ประหยัดได้ ลบเวลาตรวจ ลบเวลาแก้งานผิดที่จับได้ตอนตรวจ (สมมติ 10 นาทีต่อจุด) ลบเวลาแก้งานผิดที่หลุดไปถึงปลายทาง
ทดลอง 02 — งานที่ดูดีแต่ผิด ไหลไปไกลแค่ไหน
การจำลองเชิงการศึกษา ตัวคูณต้นทุนเป็นสมมติ · งาน 100 ชิ้นผ่าน 4 ขั้น แต่ละขั้นมีโอกาสเกิดจุดผิดแฝงเท่ากัน จุดตรวจจับได้ 80% ใช้เวลา 5 นาทีต่อชิ้น ต้นทุนแก้คูณ 3 ทุกขั้นที่จุดผิดเดินทางต่อ และถ้าหลุดถึงลูกค้าแพงเป็นสองเท่าของขั้นสุดท้าย
ทดลอง 03 — เร่งขั้นร่างด้วย AI แล้วคิวไปกองที่ไหน
การจำลองคอขวดแบบง่าย ตัวเลขสมมติ · สายงานมี 3 ขั้น: ร่าง 10 ชิ้นต่อชั่วโมง ตรวจ 6 ชิ้นต่อชั่วโมง อนุมัติ 8 ชิ้นต่อชั่วโมง ปรับความเร็วที่ AI ช่วยขั้นร่าง และกำลังคนตรวจที่เพิ่ม แล้วดูผลลัพธ์รวมและคิวใน 8 ชั่วโมง
หลักฐานบอกอะไร และอะไรยังพิสูจน์ไม่ได้
ตัวเลขที่ถูกแชร์ในวงถกมาจากหลายแหล่ง และวัดคนละอย่าง ควรแยกให้ออกก่อนสรุป
ตัวเลข “90% ยังไม่เห็นผล” มาจากไหน
Guardian เขียนว่า 90% ของผู้บริหารบอกว่า AI ยังไม่แปลงเป็นผลิตภาพ อ้าง working paper ของ Atlanta Fed เมื่อตรวจต้นฉบับ พบว่าเป็นการสำรวจผู้บริหารเกือบ 6,000 คนในสหรัฐฯ อังกฤษ เยอรมนี และออสเตรเลีย ช่วง พ.ย. 2025 ถึง ม.ค. 2026 และ89% รายงานว่าไม่มีผลต่อผลิตภาพแรงงานในช่วงสามปีที่ผ่านมา แต่คาดว่าจะเพิ่มขึ้นราว 1.4% ในสามปีข้างหน้า
ยืนยันแล้วว่าตัวเลขใกล้เคียงต้นฉบับ แต่ “ยังไม่เห็นผล” ไม่ได้แปลว่า “ผลติดลบ” และอีกงานของ Atlanta Fedที่สำรวจผู้บริหารราว 750 คนพบผลิตภาพที่เป็นบวกในบางภาคธุรกิจ
Microsoft บอกทั้งสองด้าน
บล็อกของ Hoganยอมรับว่าการใช้ในทีมขายเคยนิ่งและไม่เกิดผล แต่หลังออกแบบงานใหม่โดยเริ่มจากเป้าหมายธุรกิจ กลุ่มนั้นใช้ use case หลักเพิ่มขึ้นสามเท่า รายได้ต่อ account manager เพิ่ม 9.4% และอัตราปิดการขายสูงขึ้น 20%
เป็นตัวเลขภายในของ Microsoft เอง ไม่ใช่การตรวจสอบอิสระ และเป็นบริษัทที่ขายเครื่องมือ AI ด้วย
- Guardian ตีพิมพ์รายงานนี้จริงวันที่ 13 ต.ค. 2026 และระบุกรณี Meta, Microsoft, Walmart, 3M
- คำพูดของ Hogan ตรงกับบล็อก Microsoft ลงวันที่ 17 ก.ย. 2026
- Reuters รายงานเรื่องแผนลดคนของ Meta ที่ล้มเลิก (26 ส.ค. 2026) โดยหน้า Reuters ที่เราเข้าถึงได้ระบุว่าการเปลี่ยนแปลงโค้ดในระบบภายในเพิ่มขึ้น 220% ต่อปี
- ตัวเลข Atlanta Fed ใกล้เคียงที่ Guardian อ้าง (89% ไม่เห็นผลต่อผลิตภาพในอดีต)
- วงถกบน X มีปริมาณจริง: 477 โพสต์ต้นฉบับในวันเดียว และ quote 600 ครั้งบนโพสต์ต้น
- ว่าบริษัท “ทั่วโลก” กำลังถอยจาก AI เป็นแนวโน้มใหญ่ บทความยกตัวอย่างไม่กี่บริษัท ไม่ใช่ผลสำรวจการเลิกใช้
- ว่า AI ทำให้ผลิตภาพติดลบในภาพรวม
- ว่าฟองสบู่ AI กำลังแตก
- ตัวเลขเหตุขัดข้องของ Meta ที่ถูกแชร์ต่อ เช่น เพิ่มขึ้น 40% หรือเวลาดับเพลิงเพิ่ม 70% เพราะ Hybrid Mind เห็นเพียงจากแหล่งรอง ยังไม่ได้อ่าน Reuters ฉบับเต็ม
- ตัวเลข EY 36% และ Challenger 112,000 ตำแหน่ง ที่ Guardian อ้าง เรายังไม่ได้ตรวจต้นฉบับ
ข้อควรระวัง: หัวข่าว “บริษัทถอยจาก AI” อ่านง่ายว่า “AI ใช้ไม่ได้” แต่เนื้อข่าวส่วนใหญ่พูดถึงการลดความเร่งรีบ วางข้อจำกัด และฝึกคน ส่วนข้อมูลฝั่งผู้ขายอย่าง OpenAI ก็ชี้ว่าการใช้งานยังโต ทั้งสองอย่างจริงได้พร้อมกัน
ใครควรทำอะไรจากวงถกนี้
พนักงาน
- จดเวลาที่ใช้ตรวจและแก้งาน AI แยกจากเวลาที่ประหยัดได้ เพื่อคุยกับหัวหน้าด้วยตัวเลขของทีมเอง
- ระบุชัดว่าส่วนไหนใช้ AI ช่วย โดยเฉพาะงานที่มีผลทางกฎหมายหรือลูกค้า
- อย่าส่งต่องานที่ตัวเองยังไม่ได้อ่าน
หัวหน้างาน
- วัดผลลัพธ์ปลายทาง ไม่ใช่จำนวนครั้งที่ใช้ AI
- วางจุดตรวจไว้ต้นสาย แล้วให้เวลาตรวจนับเป็นงานจริง
- เช็กว่าเร่งขั้นไหนแล้วคิวไปกองที่ใคร
ผู้บริหาร
- เริ่มจากเป้าหมายธุรกิจและกระบวนการ ก่อนแจกไลเซนส์
- อย่าลดคนล่วงหน้าโดยอิงผลที่ยังไม่เกิด
- มีนโยบายข้อมูลและการใช้งานก่อนเปิดให้ทดลองทั้งองค์กร
อ่านต่อบน Hybrid Mind
- Accenture $29 Claude — อีกมุมของการคุมการใช้ AI ในองค์กร คือเพดานงบต่อหัว
- Fried Brain Effect — ต้นทุนทางความคิดของการคุม AI agent หลายตัวพร้อมกัน
- Claude Code Review Slot Machine — เมื่อการตรวจงาน AI ไม่มีวันจบ ต้องกำหนดคำว่าเสร็จให้ชัด
- IMF “Slow-Moving Tsunami” — ภาพใหญ่ของ AI กับตลาดแรงงาน
- บูม AI สหรัฐฯ จะจบที่ทุนหาย? — วงถกเรื่องฟองสบู่ฝั่งการลงทุน ซึ่งเป็นคนละเรื่องกับการใช้ในที่ทำงาน
คำถามที่พบบ่อย
1. บริษัทใหญ่เลิกใช้ AI แล้วใช่ไหม?
ไม่ใช่ รายงาน Guardian พูดถึงการชะลอ จำกัดการใช้ และฝึกคนเพิ่มในบางบริษัท ไม่ได้รายงานว่าบริษัทเหล่านี้เลิกใช้ AI และข้อมูลฝั่งผู้ขายอย่าง OpenAI ยังชี้ว่าการใช้ agent ในธุรกิจเล็กของ EU โตขึ้น
2. Meta ถอยเรื่องอะไรกันแน่?
ตามที่ Guardian อ้าง Reuters คือ Meta ถอยแผนลดคนแล้วใช้ AI agent แทนมากขึ้น หลังพนักงานต้องใช้เวลาแก้ปัญหาเทคนิคและความปลอดภัยมากขึ้น และเริ่มเพิ่มตำแหน่งหัวหน้างานอีกครั้ง Reuters เปิดเรื่องนี้ตั้งแต่ ส.ค. 2026
3. ตัวเลข 90% ผู้บริหารไม่เห็นผลิตภาพ เชื่อได้ไหม?
ใกล้เคียงต้นฉบับ Atlanta Fed ระบุว่า 89% ของผู้บริหารเกือบ 6,000 คนไม่เห็นผลต่อผลิตภาพแรงงานในสามปีที่ผ่านมา แต่เป็นการมองย้อนหลังและผู้บริหารยังคาดว่าจะดีขึ้นในอนาคต จึงไม่ควรอ่านว่า AI ทำให้ผลงานแย่ลง
4. “ภาษีตรวจงาน” หรือ verification tax คืออะไร?
คือเวลาที่คนต้องใช้อ่าน ตรวจ และแก้ผลลัพธ์จาก AI ถ้าเวลานี้รวมกับการแก้งานผิดที่หลุดไปปลายทางมากกว่าเวลาที่ AI ประหยัดได้ การใช้ AI ก็จะกลายเป็นงานเพิ่ม ทดลอง 01 ในบทความนี้ให้ลองปรับตัวแปรเหล่านี้ดูเอง
5. ข่าวนี้แปลว่าฟองสบู่ AI กำลังแตกหรือเปล่า?
ยังสรุปไม่ได้ ข่าวนี้พูดถึงการใช้ AI ในองค์กร ไม่ได้วัดงบลงทุนหรือมูลค่าตลาด การโยงไปถึงฟองสบู่เป็นการตีความของบางฝั่งบน X
6. Hybrid Mind ทดสอบการใช้ AI ในบริษัทเองหรือไม่?
ไม่ได้ทดสอบ บทความนี้อิงรายงานข่าว เอกสารต้นทาง และโพสต์บน X ตัวเลขในแล็บทั้งหมดเป็นสมมติฐานเชิงการศึกษา
เอกสารอ้างอิงและขอบเขตการตรวจ
- The Guardian — Companies rushed in on AI. Now some are pulling back (Taylor Telford, 13 ต.ค. 2026)
- Microsoft — What we’ve learned from Microsoft’s own AI transformation (Kathleen Hogan, 17 ก.ย. 2026)
- Reuters — Mark Zuckerberg had a bold plan to replace Meta staff with AI (26 ส.ค. 2026, มี paywall อ่านได้บางส่วน)
- Federal Reserve Bank of Atlanta — Firm Data on AI (Working Paper 2026-3)
- Federal Reserve Bank of Atlanta — AI, Productivity, and the Workforce (Working Paper 2026-4)
- OpenAI — The EU’s next chapter in AI is agentic (14 ต.ค. 2026)
- @Phil_Lewis_ — โพสต์ต้นที่แชร์ข่าว · @Lizzurr · @dhwanisaraiya_ · @KellenBecoats
- @DrChaeEd · @JohnGLedo · @SandraWoodsMtl · @trevornoren · @Kaorimyatt · @SatanicSF
- @BookSpotlight · @cszabla · @bull_japanese
ขอบเขตการตรวจ: Hybrid Mind ดึงโพสต์บน X มาราว 214 โพสต์ และอ่านที่เกี่ยวกับประเด็นนี้โดยตรงราว 110 โพสต์ ในช่วง 13–16 ต.ค. 2026 ผ่านการค้นหา quote และ reply ของโพสต์ต้น นับปริมาณด้วย X Recent Counts เมื่อราว 08:05 น. 16 ต.ค. เวลาไทย (โพสต์ต้นฉบับไม่นับรีโพสต์ที่แชร์ลิงก์ Guardian หรือ quote โพสต์ต้น: 8, 9, 477 และ 20 โพสต์ในวันที่ 13, 14, 15 และชั่วโมงแรกของวันที่ 16 ตามวัน UTC) อ่าน Guardian ฉบับเต็ม บล็อก Microsoft และบทคัดย่อ Atlanta Fed กับรายงาน OpenAI ส่วน Reuters อ่านได้เพียงบางส่วนเพราะ paywall ไม่ได้ตรวจต้นฉบับของ EY, Challenger, Indeed, Business Insider และ NYT ที่ถูกอ้างต่อ โพสต์บน X เป็นความเห็น ไม่ใช่ข้อเท็จจริง และตัวอย่างนี้ไม่ใช่ตัวแทนของคนทำงานทั้งหมด ภาพประกอบสร้างด้วยโปรแกรม (PIL) ไม่ใช่หน้าจอ X หรือผลทดลอง
ใส่ความเห็น