ตามบทบรรณาธิการของกองบรรณาธิการ Organization Science (วารสารชั้นนำด้านการจัดการของ INFORMS) ประจำปี 2026 เรื่อง 《More Versus Better: Artificial Intelligence, Incentives, and the Emerging Crisis in Peer Review》นับตั้งแต่ ChatGPT เปิดตัวปลายปี 2022 ปริมาณการส่งบทความของวารสารดังกล่าวเพิ่มขึ้น 42% ทำให้กองบรรณาธิการต้องขยายจำนวน Deputy editors จาก 6 คนเป็น 11 คน และ active senior editors จากราว 30 คนเป็นราว 60 คน เมื่อวันที่ 4/27 ศาสตราจารย์ Ethan Mollick ของ Wharton ได้ยกบทบรรณาธิการนี้และแสดงความคิดเห็นว่า: «ระบบวิทยาศาสตร์ที่ออกแบบมาเพื่อมนุษย์กำลังตึงเครียดเนื่องจาก AI AI สามารถนำมาใช้เพื่อทำวิทยาศาสตร์ที่ดีกว่า หรืออาจใช้แค่ “ทำให้มีมากขึ้น” อันตรายคือ “ความมีมากขึ้น” กำลังชนะ»
ปริมาณการส่งพุ่ง 42% บุคลากรกองบรรณาธิการเพิ่มเป็นสองเท่าเพื่อรับมือ
ข้อมูลของ Organization Science แสดงถึงแรงกดดันที่เกิดขึ้นจริงต่อระบบการทบทวนโดยผู้ทรงคุณวุฒิ (peer review) ในยุค AI:
ปริมาณการส่ง: หลังจาก ChatGPT เปิดตัว เพิ่มขึ้น 42%
Deputy editors: 6 คน → 11 คน (เพิ่มขึ้น 83%)
active senior editors: ราว 30 คน → ราว 60 คน (เพิ่มเป็นสองเท่า)
แม้ว่าบทความส่วนใหญ่ยังคงถูกปฏิเสธ แต่หลายชิ้นก็ถูกคัดทิ้งตั้งแต่ขั้นคัดกรองของ deputy editor อย่างไรก็ตาม “ภาระของการคัดกรองเบื้องต้น” ยังมากอยู่
บทบรรณาธิการชี้ชัดว่า ปัญหาไม่ใช่ “AI แทนที่นักวิจัย” แต่เป็น “AI ทำให้บทความคุณภาพต่ำหลั่งไหลเข้ามาเหมือนน้ำท่วม” volunteer editors และ reviewers (ซึ่งส่วนใหญ่มักเป็นนักวิชาการคนอื่นที่รับภาระงานพิจารณาโดยสมัครใจ) จึงเป็นกลุ่มแรกที่ได้รับผลกระทบ ต้องใช้เวลามากขึ้นในการคัดกรองบทความที่ประกอบด้วย AI ทำให้เวลาที่ควรจัดสรรให้กับการวิจัยที่มีคุณภาพจริงกลับถูกบีบให้ลดลง
Mollick: «AI สามารถทำวิทยาศาสตร์ที่ดีกว่าได้ หรืออาจใช้เพื่อทำให้มีมากขึ้น»
ศาสตราจารย์จาก Wharton และผู้บุกเบิกการศึกษาเรื่อง generative AI Ethan Mollick แสดงความคิดเห็นเมื่อแชร์บทบรรณาธิการนี้บนแพลตฟอร์ม X ซึ่งกระทบใจแก่นของประเด็นที่กำลังถกเถียง:
“Very cool analysis of the submissions to a major management journal that shows how much the system of science, built for humans, is under strain as a result of AI. AI can be used to do better science or it can be used to just do more stuff. The danger is that ‘more’ is winning.”
เขาเสริมในทวีตต่อมาว่า: «ปัญหาคือแรงจูงใจผลักดันให้ ‘ทำให้มีมากขึ้น’ มากกว่า ‘ทำให้ดีกว่า’» (”The problem is that the incentives push for ‘more’ over ‘better’” ). ประโยคนี้ชี้ตรงไปที่ปัญหาเชิงโครงสร้างในแวดวงวิชาการ—แรงกดดันเชิงอาชีพแบบ publish or perish ทำให้นักวิชาการเลือกผลิตงานจำนวนมากมากกว่าการลงลึก
ความหมายเชิง “ตรงกันข้าม” ต่ออุตสาหกรรมเครื่องมือ AI
การสังเกตของ Organization Science ก่อให้เกิดความท้าทายที่เป็นรูปธรรมต่ออุตสาหกรรมเครื่องมือ AI:
ประการแรก เครื่องมือเอเจนต์สำหรับการเขียน/การเขียนโปรแกรมอย่าง OpenAI Codex, Claude Code, Gemini ฯลฯ จะสามารถออกแบบ “กลไกประกันคุณภาพ” ได้หรือไม่? เช่น การอ้างอิง paper ที่เป็นความจริงโดยอัตโนมัติ การตรวจจับ hallucination ที่เห็นได้ชัด การแยกว่าบทความเป็นการ “ประกอบ/รีมิกซ์” แบบฉวยโอกาสหรือไม่? ปัจจุบันเครื่องมือ AI ส่วนใหญ่กำลังแข่งขันกันที่ความเร็วและความสะดวก ไม่มีใครขายข้อเสนอว่า “ปฏิเสธการผลิตเนื้อหาคุณภาพต่ำ”
ประการที่สอง ตลาดเครื่องมือเพื่อตอบโต้ของอุตสาหกรรมสิ่งพิมพ์วิชาการกำลังเริ่มปรากฏขึ้นแล้ว Originality.ai, Turnitin AI Detection, GPTZero ฯลฯ ถึงแม้จะพยายามตรวจจับงานเขียนที่ใช้ AI แต่การแข่งกับตัว LLM เองในระยะยาวย่อมยากเอาชนะได้ โอกาสที่เป็นไปได้มากกว่าอาจเป็น “ความตรวจสอบย้อนกลับได้ของงานวิจัยของมนุษย์”—เช่น ใช้ GitHub commit history บันทึกการทดลองดั้งเดิม โน้ตแบบเรียลไทม์ ฯลฯ เพื่อยืนยันกระบวนการวิจัย ไม่ใช่เพียงส่งผลงานสำเร็จรูปชิ้นเดียว
วิชาการไม่ใช่กรณีโดดเดี่ยว: อุตสาหกรรมใดอีกที่จะถูก “น้ำท่วมความมีมากขึ้น” ถล่มทับเหมือนกัน?
การทบทวนโดยผู้ทรงคุณวุฒิในแวดวงวิชาการเป็นเพียงระบบแรกที่ได้รับผลกระทบในกลุ่ม “ระบบที่ออกแบบโดยมนุษย์และพึ่งพาการประเมินโดยสมัครใจ” ระบบที่เปราะบางคล้ายกันยังรวมถึง:
ชุมชนซอฟต์แวร์โอเพนซอร์ส: การตรวจสอบผ่าน GitHub PR และ maintainer ของโปรเจกต์โอเพนซอร์ส ถูก PR คุณภาพต่ำที่ส่งโดย AI ท่วมท้นแล้ว
การส่งข่าวและการบรรณาธิการสื่อ: ปริมาณการส่งของผู้เขียนอิสระพุ่งขึ้น ข่าวบรรณาธิการยากที่จะแยกแยะเนื้อหาที่ AI สร้างขึ้น
การตรวจสอบเอกสารทางกฎหมาย: การผลิตเอกสารสัญญาและเอกสารการฟ้องร้องแบบใช้ AI ทำให้เวลาที่ทนายความต้องตรวจสอบเพิ่มขึ้นอย่างมาก
งานการบ้านของนักศึกษาและการรับเข้ามหาวิทยาลัย: จำนวนเอกสารการสมัครและงานในชั้นเรียนเกินภาระของคณาจารย์อย่างมาก
จุดร่วม: ทุกระบบที่พึ่งพา “การตรวจสอบโดยผู้เชี่ยวชาญมนุษย์แบบภาระหน้าที่” เมื่อ AI กดต้นทุนเชิงเพิ่ม (marginal cost) ของผลผลิตให้เข้าใกล้ศูนย์ ก็จะเกิด “ภาวะล่มสลายของฝั่งผู้ตรวจสอบ” ขึ้น Organization Science เสนอทางแก้ด้วยการขยายกำลังคน (จาก 6 deputy เป็น 11) แต่สิ่งนี้เป็นเพียงการชะลอปัญหา ไม่ใช่การแก้ไข
บทสรุป: «ความ “ดีกว่า” ต้องการกลไกทางสังคมใหม่»
ช่วงท้ายของบทบรรณาธิการมีนัยลึกซึ้ง—«การตัดสินของผู้เชี่ยวชาญมนุษย์ยังคงจำกัดผลกระทบด้านลบของ AI ต่อเนื้อหาที่ตีพิมพ์ แต่ต้องแลกมาด้วยการเพิ่มความพยายามอย่างมาก» นั่นหมายความว่า: คุณภาพเชิงวิชาการยังไม่ได้พังทลายทันที แต่เวลาที่บรรณาธิการ/ผู้ตรวจสอบแต่ละคนใช้เพิ่มเป็นสองเท่า ทำให้ “สมดุลพลังงาน” ของระบบนี้ถูกทำลายแล้ว
ความท้าทายในขั้นถัดไป: ทำอย่างไรให้เครื่องมือ AI เองต้องรับผิดชอบในการออกแบบแบบ “เน้นคุณภาพ” (ไม่ใช่ “เน้นปริมาณ”) จะทำอย่างไรให้กลไกแรงจูงใจกลับไปให้รางวัลกับ “ความลึก” และทำอย่างไรให้ต้นทุนของการตรวจสอบโดยผู้เชี่ยวชาญมนุษย์ได้รับการชดเชยอย่างสมเหตุสมผล ทั้งหมดนี้ไม่ใช่ปัญหาทางเทคนิค แต่เป็นปัญหาทางสังคมและระบบ—และ AI ได้เร่งให้ปัญหาเหล่านี้จาก “รอจัดการช้า ๆ ในอนาคต” กลายเป็น “ตอนนี้จำเป็นต้องเผชิญหน้าแล้ว”
บทความนี้เผยแพร่ครั้งแรกหลังจากการปรากฏของ ChatGPT ว่าปริมาณการส่งบทความของวารสารด้านการจัดการเพิ่มขึ้น 42%: AI พาวิชาการไปสู่ “ความมีมาก” มากกว่า “ความดี” เป็นครั้งแรกที่ ปรากฏบน 鏈新聞 ABMedia。
