ยิ่ง AI ฉลาด มนุษย์ยิ่งต้องเก็บ ‘ทักษะการคิด’ ไว้กับตัว มุมมองจากผู้บริหาร AIS, Techsauce, Health at Home

คนจำนวนไม่น้อยเคยจำเบอร์โทรศัพท์ของคนในครอบครัวได้เป็นสิบเบอร์ ก่อนที่ความสามารถนี้จะเลือนหายไปเมื่อโทรศัพท์มือถือจำแทนได้ทั้งหมด นพ.คณพล ภูมิรัตนประพิณ กรรมการบริหาร บริษัท เฮลท์ แอท โฮม จำกัด หยิบเรื่องใกล้ตัวนี้ขึ้นมาถามผู้ฟัง เพื่อชี้ว่าสิ่งเดียวกันกำลังเกิดขึ้นกับทักษะที่สำคัญกว่านั้นมาก เมื่อคนเริ่มยกการคิดและการตัดสินใจให้ AI ทำแทน

คำเตือนดังกล่าวเกิดขึ้นบนเวทีเสวนา ‘AI & ME: The New Rules of Living and Working’ ในงาน Sustainability Expo 2026 มหกรรมความยั่งยืนที่ใหญ่ที่สุดในอาเซียน ภายใต้แนวคิด ‘พอเพียง ยั่งยืน เพื่อโลก’ ซึ่งรวมผู้บริหารสามคนจากสามแวดวงมาไว้ด้วยกัน ได้แก่ คุณกานติมา เลอเลิศยุติธรรม รองประธานเจ้าหน้าที่บริหารด้านธุรกิจองค์กร บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน) หรือ AIS ในมุมขององค์กรขนาดใหญ่ คุณอรนุช เลิศสุวรรณกิจ ประธานเจ้าหน้าที่บริหาร บริษัท เทคซอส มีเดีย จำกัด ในมุมของสื่อเทคโนโลยี และ นพ.คณพล ในมุมของการแพทย์ แม้จะมองจากคนละมุม แต่ทั้งสามคนชี้ไปทางเดียวกันว่า กฎใหม่ของการอยู่กับ AI ไม่ได้วัดที่ใช้มากหรือใช้เร็วแค่ไหน แต่อยู่ที่คนยังเป็นฝ่ายเลือกว่าจะให้ AI ทำอะไร และจะเก็บอะไรไว้ทำเอง

ทั้งสามคนต่างใช้ AI ในชีวิตประจำวันอยู่แล้ว โดยคุณกานติมาใช้ประมวลผลข้อมูลที่เคยต้องรวบรวมจากหลายแหล่ง ส่วนคุณอรนุชให้ AI สรุปอีเมลที่เข้ามาวันละ 400-500 ฉบับ และกำลังฝึกผู้ช่วย AI ชื่อโมโม่ให้เรียนรู้จากประสบการณ์ของตัวเอง เพื่อช่วยให้คำแนะนำทีมงานในอนาคต ขณะที่ นพ.คณพล ยอมรับว่าแม้จะใช้ AI เขียนโค้ดและทำต้นแบบ (Prototype) อยู่บ้าง แต่ที่ใช้จริงบ่อยที่สุดคือการให้สรุปที่มาที่ไปของข่าวดราม่า

AI สอบเนติบัณฑิตได้ แต่ยังเข้าใจโลกจริงได้ไม่เท่าแมว

เมื่อ AI เข้ามาอยู่ในงานประจำวันถึงระดับนี้ คำถามแรกของเวทีจึงเป็นเรื่องระดับความสามารถของ AI ในวันนี้ คุณอรนุชตอบด้วยคำเปรียบเทียบของนักวิทยาศาสตร์ที่เคยทำงานกับ Facebook ซึ่งกล่าวไว้ว่า AI เก่งถึงขั้นสอบเนติบัณฑิตได้ แต่ยังสู้แมวไม่ได้ เพราะเครื่องมืออย่าง ChatGPT หรือ Claude ตอบคำถามได้เหมือนทนายที่อ่านหนังสือมาแล้วทั้งห้องสมุด จึงทำข้อสอบและงานที่อิงข้อเท็จจริงได้ดี

แต่ในโลกกายภาพกลับเป็นอีกเรื่องหนึ่ง คุณอรนุชยกตัวอย่างคลิปหุ่นยนต์ที่เดินอยู่แล้วตกเวที ขณะที่แมวซึ่งวิ่งมาถึงขอบเวทีรู้จักหยุดได้เอง เพราะการเข้าใจว่าของชิ้นใดหนักหรือเบา และพื้นสิ้นสุดตรงไหน ยังเป็นสิ่งที่ต้องใช้เวลาสอนหุ่นยนต์อีกมาก AI วันนี้จึงเหมือนเด็กที่สอบเก่งมาก แต่ยังไม่เข้าใจโลกจริง

ถึงอย่างนั้น ช่องว่างนี้ก็กำลังแคบลง เพราะเริ่มมีผู้พัฒนาที่สอนหุ่นยนต์ให้รีดผ้าและล้างจานแล้ว คุณอรนุชจึงมองว่า ‘อะไรที่คิดว่ายังไม่มา จะมาเร็วกว่าที่คาด’ ขณะเดียวกัน AI ก็ยังสร้างคำตอบที่ไม่มีมูลขึ้นมาเองอยู่บ่อยครั้ง ซึ่งเป็นเหตุผลที่ผู้ใช้ยังวางใจทั้งหมดไม่ได้

ความสำเร็จของการใช้ AI คือเวลาที่ได้คืนมา ไม่ใช่จำนวนครั้งที่ใช้

ในเมื่อ AI มีทั้งจุดแข็งและจุดอ่อน ประเด็นต่อมาจึงเป็นคำถามว่าการใช้ AI แบบใดจึงเรียกว่าสำเร็จ นพ.คณพล เปรียบ AI ที่ดีกับเครื่องซักผ้า ซึ่งเข้ามาทำงานมูลค่าต่ำแทนคน ได้ผลลัพธ์เท่าเดิมหรือดีกว่า และคืนเวลาให้คนไปทำสิ่งที่มีคุณค่ามากกว่า หรือสิ่งที่ AI ยังทำไม่ได้

ตัวอย่างจากวงการแพทย์คือการใช้ AI อ่านฟิล์มเอกซเรย์ ซึ่งเป็นงานจดจำรูปแบบ (Pattern Recognition) ที่ต้องเทียบภาพกับภาวะปกติ เมื่อมีฟิล์มตรวจสุขภาพเข้ามาครั้งละเป็นพันราย โอกาสที่แพทย์จะอ่านพลาดย่อมสูงขึ้น นพ.คณพล ระบุว่ามีงานวิจัยยืนยันว่า AI ตรวจจับความผิดปกติได้เร็วกว่า จึงช่วยคัดกรองและลดภาระของรังสีแพทย์ซึ่งมีจำนวนไม่มาก

แต่บทเรียนสำคัญกลับอยู่ที่ช่วงเริ่มใช้งานจริง เพราะในระยะแรกแพทย์ยังไม่เชื่อ AI และกลับมาตรวจซ้ำทุกครั้ง งานจึงไม่ได้เร็วขึ้นมาก ครั้นใช้ไปสักพักจนเริ่มวางใจ แพทย์กลับตรวจทานน้อยลงและกดยอมรับผลเร็วขึ้น จนมีเคสที่หลุดมากขึ้น นพ.คณพล มองว่าผู้ใช้ AI ทั่วไปก็ผ่านวงจรเดียวกัน คือ ‘ไม่เชื่อใจในช่วงแรก แล้วการ์ดตกเมื่อเริ่มเชื่อใจ’

คุณอรนุชวัดความสำเร็จในทิศทางเดียวกัน โดยระบุว่าแม้องค์กรต้องดูผลตอบแทนจากการลงทุน (Return on Investment: ROI) แต่สิ่งที่ให้น้ำหนักมากกว่าคือ AI ช่วยลดความผิดพลาดของคน และคืนเวลาให้พนักงานได้พักผ่อนหรือออกกำลังกายหลังเลิกงาน เช่น ทีมบัญชีที่ผิดพลาดน้อยลงและไม่ต้องอยู่ตรวจเอกสารจนดึก

องค์กรยิ่งมีงบมาก ยิ่งมีโอกาสหลงทางเรื่อง AI

ขณะที่สองคนแรกวัดความสำเร็จจากเวลา คุณกานติมาชวนองค์กรย้อนกลับไปหนึ่งขั้น ว่าก่อนจะถามว่าใช้ได้มากแค่ไหน ต้องถามก่อนว่า ‘เลือกถูกหรือเปล่า’ เพราะเทคโนโลยีกลุ่มนี้พัฒนาเร็วและมีคู่แข่งเกิดใหม่ตลอด เครื่องมือที่ซื้อมาจึงอาจล้าสมัยภายในสองปี และหากถึงวันนั้นคนในองค์กรยังใช้ไม่เป็น เงินลงทุนก็สูญเปล่า

ความเสี่ยงนี้ยิ่งสูงในบริษัทขนาดใหญ่ที่มีงบประมาณมาก ซึ่งคุณกานติมาเปรียบว่าเหมือนการเดินห้างที่เห็นอะไรก็ดูดีไปหมด เมื่อผู้ขายเข้ามานำเสนอ องค์กรจึงมักลืมดูว่าบริบทและความพร้อมของตัวเองอยู่ระดับใด ทางออกคือก่อนนำ AI มาใช้ ควรผ่านการคิดเชิงออกแบบ (Design Thinking) เพื่อหาให้เจอก่อนว่าปัญหาอยู่ตรงไหน แล้วจึงเลือกเครื่องมือ ไม่ใช่พูดเรื่อง AI เพียงเพราะเป็นคำที่กำลังอยู่ในกระแส

อีกเงื่อนไขหนึ่งคือขีดความสามารถของคน เพราะเครื่องมือจะไม่มีประโยชน์เลยหากคนใช้ตามไม่ทัน คุณกานติมาอธิบายด้วยหลัก Garbage In, Garbage Out ว่าหากฐานข้อมูลไม่ครบและป้อนคำสั่ง (Prompt) ไม่ดี ผลลัพธ์ที่ได้กลับมาก็ไม่มีคุณภาพเช่นกัน AI จึงเป็นเรื่องที่ต้องฝึกใช้บ่อย ๆ จนชำนาญ และในระดับองค์กรยังต้องมีระบบที่เชื่อมกับข้อมูลภายในมารองรับ ไม่เช่นนั้นคำตอบที่ได้จะเป็นข้อมูลทั่วไปที่ไม่ตรงกับบริบทขององค์กร

ด้วยเหตุนี้ คุณกานติมาจึงให้ความสำคัญกับการสร้างความตระหนักรู้มากกว่าการออกกฎ โดยเล่าว่ามักถกกับทีมรักษาความปลอดภัยไซเบอร์เรื่องข้อห้ามในการใช้งานอยู่เสมอ เพราะหากมีแต่ข้อห้าม พนักงานก็จะไม่ได้ใช้ ทางที่ดีกว่าคือทำให้คนเข้าใจ และใช้วิจารณญาณกำกับผลลัพธ์ของ AI ได้ด้วยตัวเอง

คนที่ไปต่อได้ไม่ได้วัดกันที่อายุหรือสาขาที่เรียน แต่วัดที่กรอบความคิด

เมื่อเครื่องมือมีค่าเท่ากับความสามารถของคนที่ใช้ กลุ่มที่คุณกานติมาเป็นห่วงที่สุดจึงเป็นผู้บริหารและคนที่ไม่อยากเรียนรู้เพิ่ม เพราะจากเดิมที่มอบงานให้ลูกทีม วันนี้ลูกทีมนำงานไปทำต่อด้วย AI ขณะที่ตัวเองยังอยู่เท่าเดิม ไม่มีทั้งความรู้และประสบการณ์ในการใช้ ทั้งที่ AI ช่วยต่อยอดคนที่มีความสามารถได้มาก เพราะไม่ต้องเสียเวลากับงานที่กินแรง

คุณกานติมามองว่าพฤติกรรมของคนควรเปลี่ยนได้เร็วกว่านี้ เพราะปัญหาส่วนใหญ่คือกลัว AI แต่ไม่ยอมปรับตัว ทั้งที่โลกการทำงานแบ่งคนเป็นสองกลุ่มมาตั้งแต่ยุคการเปลี่ยนผ่านทางดิจิทัล (Digital Disruption) แล้ว คือกลุ่มที่ไปต่อได้กับกลุ่มที่ไปต่อไม่ได้ โดยกลุ่มแรกคือคนที่ตระหนักรู้ กังวลแต่ไม่อยู่เฉย ขณะที่คนจำนวนมากรอให้ถูกบังคับก่อน เหมือนที่บริการธนาคารดิจิทัลในไทยเติบโตจริงเมื่อโควิดเข้ามาบังคับให้ต้องใช้

ความน่ากังวลคือคนมีแนวโน้มอายุยืนขึ้น หากทำงานร่วมกับ AI ไม่ได้ก็เสี่ยงถูกคัดออกจากสนามแข่งขัน ทั้งที่ยังต้องเลี้ยงชีพต่อไปอีกนาน อย่างไรก็ตาม คุณกานติมาย้ำว่า AI ไม่ได้มาแทนคนทั้งหมด แต่จะแทนคนที่ไม่ได้สร้างคุณค่าเพิ่ม องค์กรจึงยังต้องการคนที่ต่อยอดได้ เพราะในด้านนวัตกรรม AI ยังทำได้ไม่เท่าคน

ในระดับปัจเจกบุคคล คุณอรนุชอธิบายผ่านสามองค์ประกอบ คือ กรอบความคิด (Mindset) ชุดทักษะ (Skillset) และชุดเครื่องมือ (Toolset) โดยมองว่ากรอบความคิดคือประตูบานแรก เพราะคนที่ยังไม่มีทักษะ แต่เปิดใจและพร้อมลองเครื่องมือใหม่ จะได้ทักษะและเครื่องมือตามมาเอง ส่วนข้ออ้างว่าไม่ได้เรียนสายวิทยาศาสตร์นั้นใช้ไม่ได้ เพราะในออฟฟิศของคุณอรนุช คนที่ใช้ AI ได้ก้าวหน้าที่สุดจำนวนมากจบสายนิเทศศาสตร์ และยังกลับมาสอนเพื่อนร่วมงานต่อด้วย

คุณกานติมาเสริมว่าเรื่องนี้ไม่เกี่ยวกับอายุเช่นกัน เพราะทุกเจเนอเรชันมีทั้งคนที่อยากเรียนรู้และคนที่ไม่อยากเรียนรู้ ตัวแปรจริงจึงเป็นพฤติกรรม

ทักษะที่แข่งกับ AI ด้วยข้อมูลเท่ากันจะค่อย ๆ หายไป

หากกรอบความคิดคือตัวตัดสินว่าใครไปต่อได้ คำถามถัดมาคือทักษะแบบใดที่จะหายไปแน่นอน นพ.คณพล อธิบายด้วยสมการว่า ข้อมูลนำเข้า (Input) บวกการประมวลผล (Processing) เท่ากับผลลัพธ์ (Output) เมื่อคอมพิวเตอร์ประมวลผลเหนือกว่าอยู่แล้ว งานใดที่คนกับ AI ได้ข้อมูลนำเข้าเท่ากัน คนย่อมแพ้ เช่น งานกฎหมายที่ตรงไปตรงมา งานบัญชี หรือการอ่านคลื่นไฟฟ้าหัวใจ

พื้นที่ที่คนยังได้เปรียบจึงเป็นงานที่คนรับข้อมูลได้มากกว่า AI เช่น การพูดคุยกับผู้ป่วย ซึ่งแพทย์รับรู้ได้ทั้งสีหน้า ความรู้สึก ภูมิหลังของครอบครัว และเหตุผลเบื้องหลังการตัดสินใจ

แม้แต่อาชีพแพทย์เองก็ไม่ได้มั่นคงอย่างที่หลายคนคิด นพ.คณพล อธิบายว่าหน้าที่ดั้งเดิมของแพทย์คือการเป็นล่ามแปลสัญญาณของร่างกาย ผ่านการซักประวัติ ตรวจร่างกาย และดูผลตรวจทางห้องปฏิบัติการ แต่ชุดตรวจโควิดด้วยตนเองทำให้เห็นแล้วว่า เมื่อเข้าถึงข้อมูลเชิงลึกได้โดยตรง ผลก็ออกมาชัดเจนโดยไม่ต้องซักประวัติ และในอนาคตการตรวจเลือดบางอย่างก็อาจบอกโรคได้ทันทีในลักษณะเดียวกัน

บทบาทที่ยังเหลือและจะสำคัญขึ้นคือความเข้าใจจิตใจของผู้ป่วย และความรับผิดชอบต่อการตัดสินใจ (Accountability) เพราะการตัดสินใจอย่างการใส่ท่อช่วยหายใจหรือการฟอกไต มีปัจจัยมากกว่าตัวเลขโอกาสรอด เช่น ความคาดหวังของครอบครัว นพ.คณพล จึงยังมองภาพรวมในเชิงบวก โดยยกตัวอย่าง AI ที่สรุปบทสนทนาระหว่างตรวจให้อัตโนมัติ ทำให้แพทย์ไม่ต้องก้มหน้าพิมพ์ และมีเวลาสบตาผู้ป่วยมากขึ้น

ส่วนคุณอรนุชมองว่าสิ่งที่เปลี่ยนคือรูปแบบของงานมากกว่าตัวทักษะ โดยเฉพาะงานซ้ำ ๆ ที่กินแรงคนและงานที่ใช้ตรรกะ อย่างการเขียนโปรแกรมที่วันนี้สั่ง AI ด้วยภาษาพูดปกติได้แล้ว สิ่งที่องค์กรต้องการจึงเป็นคนที่กำกับ AI เขียนโค้ดอีกชั้น และนักวิเคราะห์ธุรกิจ (Business Analyst) ที่ไปคุยกับผู้ใช้เพื่อเก็บความต้องการ ซึ่งล้วนเป็นงานที่ต้องสื่อสารกับคน

งานบริการลูกค้า (Customer Service) เป็นอีกตัวอย่างที่โครงสร้างกำลังเปลี่ยน เพราะเมื่อ AI เข้ามารับคำถามซ้ำ ๆ แทนพนักงานบางส่วน หัวหน้างานก็ต้องดูแลทั้งพนักงานที่เป็นคนและพนักงานที่เป็น AI ไปพร้อมกัน และต้องมีผู้ที่เข้าใจขั้นตอนของงานมาออกแบบว่าจุดใดยังอ่อนไหวจนต้องใช้คน และจุดใดให้ AI ทำแทนได้

ทักษะที่ต้องหวงไว้คือการตัดสินใจ และการต่อยอดจากสิ่งที่ AI ทำ

ในอีกด้านหนึ่ง ทักษะบางอย่างไม่ได้หายไปเพราะ AI ทำได้ดีกว่า แต่หายเพราะคนเลิกใช้เอง เบอร์โทรศัพท์ที่เปิดเรื่องคือตัวอย่างที่ นพ.คณพล ใช้อธิบายหลักทางการแพทย์ว่า เส้นทางในสมองที่ไม่ค่อยได้ใช้จะค่อย ๆ เลือนไป เช่นเดียวกับทักษะการคิดเลขที่ลดลงเมื่อมีเครื่องคิดเลข หรือสูตรที่เคยจำแม่นก่อนสอบแต่ลืมไปเมื่อไม่ได้ใช้

ทักษะที่ไม่จำเป็นอาจปล่อยให้หายไปได้ แต่บางทักษะสำคัญเกินกว่าจะปล่อย โดยเฉพาะการตัดสินใจ นพ.คณพล เตือนว่าหากยกการตัดสินใจให้ AI บ่อย ๆ แม้ในเรื่องอย่างการเลือกซื้อรถ คนจะค่อย ๆ ไม่มั่นใจว่าตัวเองตัดสินใจจากอะไร จนสุดท้ายต้องเชื่อ AI ทั้งหมด และถึงจุดหนึ่ง AI ก็จะพาพลาด เหมือนการขับตาม Google Maps ไปเจอถนนปิด ข้อเสนอจึงเป็นว่า ‘ต้องเป็นคนเลือกเองว่าทักษะใดสำคัญ แล้วหวงแหนและฝึกทักษะนั้นไว้’

คุณกานติมาเห็นปัญหาแบบเดียวกันในที่ทำงาน คือคนมักให้ AI ทำงานที่ต้องใช้ความคิด แล้วเก็บงานง่ายไว้ทำเอง ซึ่งเป็นการทำกลับด้าน เพราะเมื่อพึ่ง AI ทั้งหมดไปนาน ๆ ทักษะการคิดวิเคราะห์ ความคิดสร้างสรรค์ และการสร้างนวัตกรรมจะหายไป เหมือนสมองที่ไม่ได้ทำงานนาน ๆ และเมื่อ Artificial General Intelligence (AGI) มาถึง ผลกระทบต่อคนที่ไม่ได้ฝึกทักษะเหล่านี้จะหนักกว่าวันนี้

จากประสบการณ์ตรงที่เคยป้อนคำสั่งให้ AI แล้วได้คำตอบที่ผิดทั้งหมด คุณกานติมาจึงย้ำว่าต้องนำงานของ AI กลับมาทบทวน และเติมประสบการณ์ของตัวเองเข้าไปเสมอ โดยทักษะที่แนะนำให้คนรุ่นใหม่ฝึกคือการคิดเชิงวิพากษ์ (Critical Thinking)

คำแนะนำถึงคนรุ่นใหม่ยังมาจากคุณอรนุชด้วย โดยมองว่าการเขียนโปรแกรมไม่ควรถูกมองเป็นอาชีพ แต่เป็นทักษะการคิดแก้ปัญหาที่ทุกสายการเรียนควรได้ฝึก และเห็นว่าการศึกษาไทยไม่ควรแยกสายวิทย์กับสายศิลป์อีกต่อไป ส่วนหลักสูตรด้านคอมพิวเตอร์ก็ต้องปรับให้ผู้เรียนได้ทำงานร่วมกับ AI ตั้งแต่ต้น คุณอรนุชยังเชื่อว่ายิ่ง AI เก่ง คนสายศิลป์ยิ่งมีคุณค่า โดยเฉพาะงานที่ต้องทำงานกับคน อย่างการพัฒนาธุรกิจ (Business Development)

เมื่อพิจารณาใบสมัครงาน คุณอรนุชจึงให้น้ำหนักกับประสบการณ์ทำโปรเจกต์มากกว่าเกรด เช่น Capstone Project หรือการแข่งขัน Hackathon เพราะบอกได้ว่าผู้สมัครทำงานเป็นทีมได้ สิ่งที่เรียนมาจึงไม่สำคัญเท่ากับการแก้ปัญหาเป็น ตั้งคำถามเป็น สื่อสารได้ และทำงานร่วมกับผู้อื่นได้

กฎใหม่ของการอยู่กับ AI คือการรักษาสิ่งที่ทำให้เราเป็นมนุษย์

เมื่อทั้งงานและทักษะต่างถูกเขย่า คำถามที่ลึกที่สุดของเวทีจึงเป็นเรื่องที่ว่าคุณค่าของมนุษย์จะย้ายไปอยู่ตรงไหน นพ.คณพล แยกคำตอบเป็นสองส่วน ในด้านการทำงาน คนต้องขยับไปทำสิ่งที่ AI ยังทำไม่ได้อยู่เรื่อย ๆ เพราะงานบนคอมพิวเตอร์ AI จะแซงไปเกือบทั้งหมด และงานเชิงกายภาพก็เริ่มมีหุ่นยนต์เข้ามา แต่ในด้านความเป็นมนุษย์นั้นไม่มีอะไรแทนได้ โดยเปรียบกับสุนัขที่เพิ่งรับมาเลี้ยง ซึ่งไม่ได้สร้างผลิตภาพใด ๆ แต่ทำให้เจ้าของรู้สึกมีชีวิตและได้รัก นพ.คณพล เชื่อว่าสิ่งนี้จะยังอยู่ ไม่ว่า AI จะไปไกลแค่ไหน

จากความเชื่อนี้ กฎที่ นพ.คณพล ฝากไว้จึงเป็นการไม่ทิ้งทักษะพื้นฐานสี่อย่าง คือ ฟัง พูด อ่าน เขียน และไม่ยกให้ AI ทำแทน ทั้งการฟังให้คนตรงหน้ารู้สึกว่าถูกรับฟังจริง การพูดกับคนโดยตรงแทนการส่งสติกเกอร์ และการอ่านงานยาว ๆ อย่างหนังสือหรือนิยายแทนการอ่านแต่บทสรุป ส่วนการเขียนคือทักษะที่หายไปมากที่สุด ทั้งที่ช่วยให้คนทบทวนและเข้าใจความคิดของตัวเอง นพ.คณพล จึงมักแนะนำให้ผู้ป่วยที่มีความเครียดหรือนอนไม่หลับลองเขียนความคิดออกมา เพราะสิ่งที่อยู่ในหัวจะชัดขึ้นเมื่อถูกเขียนลงบนกระดาษ

ฝั่งคุณกานติมาฝากเรื่องการลุกขึ้นกำหนดเส้นทางของตัวเอง แทนการนั่งรอให้สภาพแวดล้อมตัดสินแทน เพราะไม่มีเวลาให้รอหัวหน้ามาช่วยพาไป ในเมื่อหัวหน้าเองก็ต้องเรียนรู้ของใหม่เช่นกัน แต่ละคนจึงต้องถามตัวเองว่าหากจะเดินต่อไปข้างหน้า ต้องเติมอะไรให้ตัวเองบ้าง พร้อมย้ำอีกครั้งว่า AI ไม่ได้แทนทุกอย่าง สำหรับคนที่รักการเรียนรู้และต่อยอดจากเครื่องมือได้

ส่วนคุณอรนุชสรุปเป็นสามคำ คำแรกคือ Start หรือการกล้าออกจากพื้นที่ปลอดภัย (Comfort Zone) มาลองของใหม่ คำที่สองคือสติ เพราะ AI ยังให้ข้อมูลผิดได้ และเมื่อถูกทักท้วงก็มักไม่ยอมรับเต็มที่ ทั้งยังชมผู้ใช้กลับ จึงต้องตรวจสอบทุกครั้ง คำสุดท้ายคือ Strong หรือความเข้มแข็งและพร้อมปรับตัว เพราะแผนที่วางไว้เมื่อเดือนก่อนอาจใช้ไม่ได้แล้วเมื่อมีเครื่องมือใหม่ออกมา

เบอร์โทรศัพท์อาจฝากให้เครื่องจำแทนได้ แต่การคิด การตัดสินใจ และการฟังคนตรงหน้า ยังเป็นทักษะที่ต้องเลือกเก็บไว้เอง

อ้างอิง: Session AI & ME: The New Rules of Living and Working งาน Sustainability Expo 2026