AI ทำให้สมองล้าได้จริง นี่คือสิ่งที่เกิดขึ้นในสมองของคุณ

มีบางอย่างเปลี่ยนไปแถวๆ ปี 2024 จำนวนคนที่อธิบาย ความอ่อนล้าทางความคิด แบบหนึ่ง — ไม่ถึงกับหมดไฟ ไม่ถึงกับข้อมูลท่วม แต่เป็นอะไรที่อยู่กึ่งกลางของทั้งสองอย่าง — เพิ่มขึ้นอย่างมาก คำบรรยายเหล่านี้คล้ายกันมาก: ความรู้สึกว่าสมองเต็มจนรับไม่ไหว คิดเองได้ยากขึ้น ทนต่อความไม่แน่นอนได้ลดลง และการพึ่งพาเครื่องมือ AI แบบไม่ค่อยสบายใจ ซึ่งแปลกตรงที่กลับทำให้การคิดรู้สึกยากขึ้น ไม่ใช่ง่ายขึ้น

นี่ไม่ใช่เพราะกลัวเทคโนโลยีหรือแค่คิดถึงอดีต แต่มันสะท้อนกลไกทางระบบประสาทจริงๆ ที่คาดเดาได้จากสิ่งที่เรารู้เกี่ยวกับวิธีที่สมองประมวลผลข้อมูล รักษาการทำงานด้านความคิด และตอบสนองต่อความช่วยเหลือที่มีให้ตลอดเวลา นี่คือสิ่งที่กำลังเกิดขึ้น — และสิ่งที่หลักฐานบอกเกี่ยวกับการรับมือกับมัน

สภาพแวดล้อมทางความคิดแบบใหม่

ณ ปี 2025 คนทำงานสายความรู้ในอุตสาหกรรมส่วนใหญ่ใช้เครื่องมือ AI — ChatGPT, Copilot, Gemini, Claude และเครื่องมือเฉพาะทางอีกหลายสิบตัว — หลายครั้งต่อวัน ผู้ใช้ทั่วไปส่งคำถามวันละหลายสิบครั้ง ตอนนี้เนื้อหาที่ AI สร้างขึ้นคิดเป็นสัดส่วนที่มากของร่างอีเมล สรุปการประชุม โค้ด เอกสารที่เขียนขึ้น และผลการค้นหา

นี่คือสภาพแวดล้อมทางความคิดแบบใหม่จริง ๆ เป็นครั้งแรกในประวัติศาสตร์ที่งานด้านความคิดจำนวนมากซึ่งเมื่อก่อนต้องใช้ความพยายามต่อเนื่อง — การร่าง การสรุป การค้นหา การวางแผน การดีบัก — สามารถย้ายไปทำแทบจะได้ในทันที คำถามคือสิ่งนี้ส่งผลต่อสมองอย่างไรเมื่อเวลาผ่านไป

คำตอบจากสิ่งที่เรารู้เกี่ยวกับการทำงานของสมองและภาระทางความคิดนั้นซับซ้อนกว่ามุมมองในแง่ดี (AI ขยายศักยภาพของมนุษย์) หรือมุมมองในแง่ร้าย (AI ทำให้ศักยภาพทางความคิดของมนุษย์ถดถอย) เพราะทั้งสองอย่างกำลังเกิดขึ้นจริง ในรูปแบบที่ต่างกัน สำหรับการคิดคนละประเภท

ทำไมเครื่องมือ AI ถึงเพิ่มภาระทางความคิด แทนที่จะช่วยลดมัน

โดยสัญชาตญาณ เรามักคิดว่าการยกงานให้ AI ทำจะช่วยลดภาระทางความคิดได้ ในบางแง่ก็ช่วยได้ แต่ทฤษฎีภาระทางความคิด (Sweller, 1988) แยกภาระออกเป็น ภาระภายใน (ความซับซ้อนของตัวงานเอง), ภาระส่วนเกิน (ภาระทางความคิดที่เกิดจากวิธีนำเสนองาน), และ ภาระที่เอื้อต่อการเรียนรู้ (ความพยายามทางความคิดที่ช่วยสร้างความเข้าใจและทักษะ)

เครื่องมือ AI ส่วนใหญ่ช่วยลดภาระภายในและภาระเชิงสร้างสรรค์ — มันรับงานที่ถ้าไม่มีมันเราต้องใช้ความพยายามเองและงานนั้นก็ช่วยให้เกิดการเรียนรู้ได้ แต่บ่อยครั้งมันกลับเพิ่มภาระส่วนเกิน: การตรวจสอบว่าผลลัพธ์จาก AI ถูกต้องไหม การเอาชิ้นงานหลายส่วนที่ AI สร้างขึ้นมารวมให้เป็นงานเดียวที่ต่อเนื่อง การจัดการบริบทข้ามเครื่องมือหลายตัว การตัดสินใจว่าอะไรควรให้ AI ทำแทนและอะไรควรทำเอง รวมถึงการคอยกำกับดูแลกระบวนการของ AI เหล่านี้ล้วนเป็นภาระทางความคิดแบบใหม่ที่เมื่อก่อนยังไม่มี

ผลที่เกิดกับหลายคนก็คือความย้อนแย้ง: ได้งานมากขึ้น แต่ล้าทางความคิดมากขึ้น งานอาจรู้สึกเบาขึ้นในแต่ละช่วงสั้นๆ แต่กลับเหนื่อยกว่าเมื่อมองตลอดทั้งวัน หลายคนเรียกสิ่งนี้ว่า ความล้าจากการตัดสินใจ: การต้องตัดสินใจเล็กๆ น้อยๆ ติดต่อกันนานๆ ทำให้เหนื่อยพอๆ กับการตัดสินใจเรื่องใหญ่ไม่กี่เรื่อง งานวิจัยยังถกเถียงกันว่าทำไมถึงเป็นแบบนั้น แต่การรู้สึกเหนื่อยล้าทางจิตใจหลังจากต้องตัดสินใจเรื่องเล็กๆ ตลอดหลายชั่วโมงเป็นเรื่องที่พบได้บ่อย

งานที่มี AI ช่วยทำ เพิ่มจำนวนการตัดสินใจเล็กๆ อย่างมาก: จะยอมรับคำแนะนำนี้ จะปฏิเสธอันนั้น จะแก้ย่อหน้านี้ หรือจะถามพรอมต์นั้นใหม่ การตัดสินใจแต่ละครั้งใช้เวลาไม่นาน แต่เมื่อรวมภาระจากการตัดสินใจเล็กๆ หลายร้อยครั้งต่อวันแล้ว ก็ถือว่ามากทีเดียว

ความย้อนแย้งของระบบอัตโนมัติและทักษะที่เสื่อมลง

มีปรากฏการณ์ที่มีการศึกษารองรับอย่างชัดเจนในงานวิจัยด้านสรีรศาสตร์และปัจจัยมนุษย์ เรียกว่า ภาวะย้อนแย้งของระบบอัตโนมัติ หรือ ความย้อนแย้งของระบบอัตโนมัติ (Bainbridge, 1983): เมื่อระบบอัตโนมัติทำงานประจำแทน คนที่ปฏิบัติงานก็จะไม่ค่อยชำนาญทักษะที่ต้องใช้ในสถานการณ์ที่ไม่ใช่งานประจำอีกต่อไป นักบินที่พึ่งระบบบินอัตโนมัติเป็นหลักในการบินมักมีทักษะการควบคุมด้วยมือแย่ลง รังสีแพทย์ที่ใช้เครื่องมือวินิจฉัยด้วย AI มักตรวจพบได้น้อยลงเมื่อ AI พลาดอะไรบางอย่าง

ไดนามิกเดียวกันนี้เกิดขึ้นกับงานที่ใช้ความคิดด้วย การเขียน การไล่คิดหาทางแก้ปัญหา การวางแผน และการสังเคราะห์ความคิดเชิงสร้างสรรค์เป็นทักษะที่พัฒนาขึ้นได้จากการฝึก และจะค่อยๆ ฝืดลงถ้าไม่ได้ใช้ เมื่อ AI เข้ามาช่วยร่างฉบับแรก การสรุปรวม หรือการคิดแบบเป็นขั้นเป็นตอน เส้นทางความคิดเหล่านั้นก็ได้ใช้งานน้อยลง เรื่องที่น่ากังวลไม่ได้รุนแรงขนาดนั้น — ไม่ได้แปลว่าคนจะลืมวิธีคิด — แต่การที่ทักษะที่เคยฝึกไว้ค่อยๆ ฝืดลง จะทำให้ความสามารถทางความคิดและความมั่นใจเปลี่ยนไปจริงๆ เมื่อเวลาผ่านไป

นี่ต่างจากแค่ยังไม่ถนัดการเขียนด้วยมือ การเขียน — คือการเรียบเรียงจริงๆ ไม่ใช่การบอกให้พิมพ์ตามหรือการแก้ไข — ใช้ความจำใช้งาน การจัดระเบียบแนวคิด และการคิดทบทวน ในแบบที่การตรวจทานและแก้ไขผลลัพธ์จาก AI ไม่ได้ทดแทนได้ทั้งหมด งานทางความคิดของการเรียบเรียงคือการสร้างสรรค์ ส่วนงานทางความคิดของการแก้ไขคือการประเมิน ทั้งสองอย่างมีคุณค่า แต่ใช้แทนกันไม่ได้

ชั้นของการกระจายสมาธิ

นอกเหนือจากภาระทางความคิดและทักษะที่ถดถอย เครื่องมือ AI ยังเพิ่มชั้นของการกระจายสมาธิอีกชั้นให้กับสภาพแวดล้อมที่เต็มไปด้วยสิ่งรบกวนอยู่แล้ว ทุกอินเทอร์เฟซแชต ผู้ช่วยเขียนโค้ด และเครื่องมือเขียน ล้วนเป็นแหล่งรบกวนที่อาจเกิดขึ้นได้ — มีคำสั่งให้สร้าง มีผลลัพธ์ให้ตรวจดู และมีการถามต่อเพื่อปรับให้ละเอียดขึ้น

สมองส่วนพรีฟรอนทัล ซึ่งดูแลการจดจ่ออย่างต่อเนื่องและการทำงานเชิงบริหาร ไม่ได้แยกแยะว่าการรบกวนมาจากมนุษย์หรือจาก AI งานวิจัยเรื่องต้นทุนของการสลับงาน (Rubinstein et al., 2001) ชี้ว่าการสลับไปมาระหว่างงาน — แม้เพียงชั่วครู่ — ทำให้สมองต้องเสียแรงคิดเพิ่ม และผลนี้จะสะสมตลอดทั้งวัน การเอาเครื่องมือ AI หลายตัวมาใส่ในสภาพแวดล้อมการทำงานที่กระจัดกระจายอยู่แล้ว ยิ่งทำให้เรื่องนี้แย่ลง โดยที่หลายคนไม่ทันรู้ว่าความเหนื่อยมาจากตรงไหน

ที่น่าขันคือ เครื่องมือ AI มักถูกนำมาใช้ก็เพื่อลดภาระทางความคิดโดยตรง แต่การเพิ่มเครื่องมือใหม่ อินเทอร์เฟซใหม่ และจุดให้ตัดสินใจเพิ่มขึ้น มักทำให้ความต้องการทางความคิดโดยรวมสูงขึ้น มากกว่าจะลดลง — อย่างน้อยก็จนกว่าเครื่องมือเหล่านั้นจะถูกรวมเข้ากับการทำงานจนดีพอ ที่จะใช้งานได้แบบอัตโนมัติ ไม่ต้องคิดไตร่ตรองทุกครั้ง

ควรทำอะไรกับมันจริงๆ

แยกแยะระหว่างการลดภาระและการโอนภาระ การช่วยเหลือจาก AI ไม่ได้ส่งผลต่อการคิดเหมือนกันทุกแบบ การใช้ AI จัดการงานที่มีคุณค่าน้อยจริงๆ (การจัดรูปแบบ, ข้อความมาตรฐาน, การค้นหาซ้ำๆ) จะช่วยลดภาระโดยแทบไม่ต้องแลกกับทักษะ การใช้ AI กับทักษะการคิดที่คุณอยากเก็บไว้ — การเขียนที่ซับซ้อน, การวิเคราะห์อย่างมีเหตุผล, การแก้ปัญหาเชิงสร้างสรรค์ — จะช่วยลดภาระแต่ต้องแลกกับความสามารถที่ฝึกมาแล้ว การตั้งใจให้ชัดว่าแต่ละครั้งที่ใช้ AI อยู่ในหมวดไหนคือจุดเริ่มต้น

ปกป้องเวลาคิดด้วยตัวเอง ทักษะการคิดที่เสี่ยงจะถูก AI แทนที่มากที่สุด คือทักษะที่ควรรักษาไว้มากที่สุดพอดี ได้แก่ การคิดอย่างอิสระ การเขียนอย่างต่อเนื่อง และการวางแผนที่ซับซ้อน การฝึกทักษะเหล่านี้อย่างตั้งใจโดยไม่พึ่ง AI — ในช่วงเวลาที่กำหนด และกับงานที่มีความสำคัญ — ไม่ใช่การหวาดกลัวเทคโนโลยี แต่เป็นเหตุผลแบบเดียวกับที่ศัลยแพทย์ยังฝึกเทคนิคแบบใช้มือ แม้จะมีเครื่องมือหุ่นยนต์ให้ใช้แล้ว

ลดจำนวนเครื่องมือ AI ที่ใช้งานอยู่พร้อมกัน ต้นทุนทางความคิดของการต้องจัดการอินเทอร์เฟซ AI ห้ารูปแบบนั้นสูงกว่าการจัดการเครื่องมือที่เลือกมาอย่างดีเพียงหนึ่งตัว การที่เครื่องมือ AI มีมากขึ้นเรื่อยๆ ก่อให้เกิดปัญหาเดียวกับการที่แอปและการแจ้งเตือนมีมากเกินไป นั่นคือทำให้ความสนใจแตกกระจาย การรวมให้เหลือชุดเดียวช่วยลดภาระทางความคิดที่ไม่จำเป็น

ใช้หลักการเดียวกับสุขภาวะดิจิทัลทั่วไป ภาวะล้นจาก AI เป็นรูปแบบหนึ่งของปัญหาที่กว้างกว่าซึ่ง Unwire ช่วยจัดการ นั่นคือสภาพแวดล้อมทางความคิดที่เรียกร้องมากกว่าที่ให้กลับมา การกระจายของความสนใจที่บั่นทอนโดยไม่เติมคืน และสิ่งกระตุ้นที่พร้อมอยู่ตลอดเวลาจนรู้สึกเหมือนตัดขาดไม่ได้ แนวทางรับมือก็คล้ายกัน คือกำหนดช่วงพักจากมันให้ชัดเจน ออกแบบสภาพแวดล้อมเพื่อลดการปะทะกับ AI ที่แทรกอยู่รอบตัว และมีเวลาฟื้นตัวเป็นประจำที่สมองไม่ได้ถูกชี้นำอยู่ตลอด

มุมมองระยะยาว

การนำ AI เข้ามาใช้ในงานที่ใช้ความรู้จะไม่ย้อนกลับไปเหมือนเดิม คำถามคือแต่ละคนจะรับมือกับสภาพแวดล้อมที่ออกแบบมาให้ดึงให้มีส่วนร่วมมากที่สุดและติดขัดน้อยที่สุดอย่างไร — และสิ่งนั้นจะส่งผลต่อสุขภาพการคิดอย่างไรในระยะหลายปี ไม่ใช่แค่ไม่กี่วัน

งานวิจัยด้านสุขภาวะดิจิทัลในภาพรวมชี้ว่า คนที่รับมือกับสภาพแวดล้อมเทคโนโลยีสูงได้ดีที่สุด ไม่ใช่คนที่ใช้เครื่องมือมากที่สุดหรือน้อยที่สุด แต่คือคนที่คุมเงื่อนไขของความสนใจตัวเองอย่างตั้งใจ ว่าเมื่อไหร่จะพร้อมให้ติดต่อได้ เมื่อไหร่จะไม่พร้อม อะไรที่ให้คนอื่นหรือระบบช่วยจัดการแทน และอะไรที่ต้องปกป้องไว้

ความตั้งใจแบบนี้รักษาไว้ได้ยากกว่าในสภาพแวดล้อมที่มี AI อยู่เต็มไปหมด มากกว่าในสภาพแวดล้อมที่แค่เต็มไปด้วยสมาร์ตโฟน แต่หลักการพื้นฐานก็ยังเหมือนเดิม คือ ปกป้องความสามารถในการคิดด้วยตัวเอง ฟื้นสภาพพื้นฐานของสมองด้วยการพักผ่อนจริง ๆ และออกแบบสภาพแวดล้อมของคุณเอง แทนที่จะตอบสนองไปตามมัน

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

เราค้นคว้าและทบทวนเรื่องนี้อย่างไร