หลังจากที่ AI กลายเป็นเครื่องมือมาตรฐานสำหรับองค์กรแล้ว ปรากฏการณ์ที่ในอดีตเคยถูกมองว่าเป็น “ปัญหาความรู้สึก” กำลังโผล่ขึ้นมาให้เห็นอย่างรวดเร็ว: LLM (โมเดลภาษาขนาดใหญ่) กำลัง “ฉลาดลดลง” ผู้ใช้ Wisely Chen ชี้ว่า “LLM ลดสติ” ไม่ใช่เรื่องเล่าลือในเมือง แต่สามารถติดตามได้อย่างต่อเนื่องด้วยข้อมูล และกำลังส่งผลกระทบเชิงรูปธรรมต่อเวิร์กโฟลว์การทำงานขององค์กร
เขายกตัวอย่างจากประสบการณ์ของตนเอง เมื่อวันที่ 15 เมษายน บริการในเครือของ Anthropic อย่างชุด Claude เกิดการลดระดับแบบครอบคลุม โดย claude.ai, API และ Claude Code แสดง “Degraded Performance” ทั้งหมด นี่ไม่ใช่เพียงแค่ช้าลงหรือเกิดข้อผิดพลาดเป็นครั้งคราว แต่คุณภาพของการตอบกลับพังทลายอย่างชัดเจน และถึงขั้นเกิดสถานการณ์ที่ใช้งานได้ตามปกติไม่ได้ ส่งผลให้งานพัฒนา 3 รายการของเขาในวันนั้นล่าช้าไปทั้งหมด
สถานการณ์แบบนี้อาจเป็นแค่ประสิทธิภาพลดลงสำหรับนักพัฒนาอิสระ แต่สำหรับทีม IT ขององค์กร ผลกระทบจะถูกขยายทวีคูณ เมื่อทีมมีวิศวกรหลายคนพึ่งพาเครื่องมือ AI ในการทำ coding, การเขียนเอกสาร และการทำให้กระบวนการอัตโนมัติพร้อมกัน การที่โมเดลถูกลดระดับในครั้งเดียวหมายถึงความสามารถในการผลิตโดยรวมจะลดลงพร้อมกันในช่วงเวลาเดียวกัน และต่อมาจะกลายเป็นการสูญเสียเวลาและต้นทุนจำนวนมาก
AI รู้สึกเหมือน “ฉลาดน้อยลง” หรือไม่? ข้อมูลยืนยันว่า “ลดระดับไปแล้วก่อนหน้านี้”
Wisely Chen ระบุว่า “GPT ฉลาดน้อยลง” “Claude ไม่เหมือนก่อน” คำกล่าวแบบนี้แพร่สะพายในสังคมออนไลน์มานานแล้ว แต่เป็นเวลานานที่ยังขาดข้อมูลเชิงวัตถุประสงค์รองรับ จนกระทั่งไม่นานมานี้จึงได้มีแพลตฟอร์มที่ติดตามคุณภาพโมเดลอย่างต่อเนื่อง ทำให้ปรากฏการณ์ดังกล่าวถูกวัดผลเป็นตัวเลขเป็นครั้งแรก
ในนั้น StupidMeter ทำการทดสอบอัตโนมัติแบบต่อเนื่องเป็นเวลา 24 ชั่วโมงกับโมเดลหลัก ๆ รวมถึง OpenAI, Anthropic, Google เป็นต้น โดยติดตามตัวชี้วัดอย่างความถูกต้อง ความสามารถในการให้เหตุผล และความเสถียร เป็นต้น ต่างจาก benchmark แบบครั้งเดียวแล้วเสร็จ ระบบลักษณะนี้ยิ่งใกล้เคียงกับวิธีการเฝ้าติดตาม API หรือความพร้อมใช้งานของบริการขององค์กร คือสังเกตความผันผวนของการทำงานของโมเดลในสภาพแวดล้อมการใช้งานจริง
ผลลัพธ์จากข้อมูลค่อนข้างตรงไปตรงมา: ตอนนี้โมเดลหลักส่วนใหญ่ยังอยู่ในสถานะเตือนหรือถูกลดระดับ มีเพียงไม่กี่โมเดลที่ยังคงอยู่ในสถานะปกติ นี่หมายความว่าคุณภาพของโมเดลไม่เสถียร ซึ่งไม่ใช่ปัญหาของผลิตภัณฑ์เดี่ยว แต่เป็นปรากฏการณ์ที่พบทั่วไปในทั้งอุตสาหกรรม
LLM แอบ “ลดสติ” ส่งผลต่อความเสถียรขององค์กรที่ทำงานด้วย AI
สำหรับองค์กร การเปลี่ยนแปลงแบบนี้หมายถึงว่า AI ได้เปลี่ยนจาก “เครื่องมือที่ช่วยเพิ่มประสิทธิภาพ” ไปเป็น “ตัวแปรที่ส่งผลต่อความเสถียร” หากกระบวนการทำงานประจำวันของบริษัท ตั้งแต่การเขียนโค้ด ทำ code review ไปจนถึงการผลิตเอกสารและรายงานการวิเคราะห์ ได้พึ่งพา LLM อย่างสูง เมื่อโมเดลในวันหนึ่งมีความสามารถด้านการให้เหตุผลลดลง หรือคุณภาพของคำตอบตกลง ปัญหาเหล่านี้จะไม่เกิดขึ้นแบบเฉพาะจุดเหมือนบั๊กของซอฟต์แวร์แบบดั้งเดิม แต่จะซึมเข้าไปในทุกขั้นตอนที่ใช้ AI ไปพร้อมกัน
สิ่งที่สำคัญยิ่งกว่าคือ ความผันผวนลักษณะนี้มักคาดเดายาก และตรวจจับได้ยากในทันที องค์กรส่วนใหญ่ไม่มีกลไกในการเฝ้าติดตามคุณภาพโมเดลอย่างต่อเนื่อง โดยทั่วไปจะรับรู้ปัญหาเมื่อผลลัพธ์ผิดปกติ หรือประสิทธิภาพของทีมลดลงแล้วเท่านั้น ในบริบทเช่นนี้ “ลดสติ” ไม่ใช่แค่ความรู้สึกเชิงอัตวิสัยของผู้ใช้เท่านั้น แต่เป็นความเสี่ยงเชิงระบบที่ส่งผลโดยตรงต่อจังหวะการดำเนินงานขององค์กร
เมื่อ AI กลายเป็นน้ำไฟฟ้า ความเสถียรจึงเป็นตัวชี้วัดสำคัญใหม่
Wisely Chen เปรียบ LLM เป็น “น้ำไฟฟ้าขององค์กรสมัยใหม่” เมื่อ AI ได้แทรกซึมเข้าไปในการดำเนินงานประจำวัน และกลายเป็นความสามารถพื้นฐานที่ขาดไม่ได้ ความสำคัญของความเสถียรย่อมยิ่งเพิ่มขึ้น
ในอดีต การประเมินเครื่องมือ AI ขององค์กรให้ความสำคัญกับความสามารถของโมเดล ราคา และฟังก์ชัน แต่เมื่อปรากฏการณ์ “ลดสติ” โผล่ขึ้นมา ตัวชี้วัดอีกหนึ่งอย่างที่สำคัญกว่าก็กำลังถูกหยิบยกขึ้นมา นั่นคือความเสถียร เมื่อคุณภาพของโมเดลอาจเปลี่ยนแปลงได้โดยไม่แจ้งให้ทราบล่วงหน้า องค์กรจึงไม่ได้แค่ “ใช้ AI” อีกต่อไป แต่ต้องเริ่มแบกรับความเสี่ยงด้านโครงสร้างพื้นฐานรูปแบบใหม่ ที่สิ้นหวังยิ่งกว่าคือ หากดูเฉพาะโมเดลภาษาขนาดใหญ่ที่ทันสมัยเท่านั้น โดยพื้นฐานแล้ว ตราบใดที่ปัญหาเรื่องพลังการประมวลผลยังไม่ได้รับการแก้ไข ก็อาจยังคงเกิดขึ้นต่อไปได้
บทความนี้ ข้อมูลเผย “Claude ลดสติ” ไม่ใช่เรื่องเล่าลือในเมือง ความไม่เสถียรของโมเดล AI เป็นความเสี่ยงขององค์กร เป็นครั้งแรกที่ปรากฏใน 鏈新聞 ABMedia。
