เราให้ AI เห็นข้อมูลมากกว่าที่คิดหรือไม่?

ทุกวันนี้หลายคนเริ่มใช้ ChatGPT, Gemini หรือ Microsoft Copilot เป็นเรื่องปกติแล้ว

เราอาจใช้ AI ช่วยสรุปเอกสาร เขียนอีเมล วิเคราะห์ข้อมูล แก้สูตร Excel หรือช่วยดูปัญหาจากภาพหน้าจอ

แต่มีเรื่องหนึ่งที่มักถูกมองข้าม:

สิ่งที่เราตั้งใจส่งให้ AI อาจไม่ใช่ทั้งหมดที่ AI ได้เห็น

เราอาจคิดว่า “ส่งแค่รูปนี้” หรือ “ส่งแค่ไฟล์นี้”

แต่ในความเป็นจริง รูปหนึ่งรูปหรือไฟล์หนึ่งไฟล์อาจมีข้อมูลมากกว่าสิ่งที่เราเห็นบนหน้าจอ

รูปที่เราส่ง อาจมีมากกว่าสิ่งที่เราตั้งใจให้ดู

สมมุติเราถ่ายรูปโต๊ะทำงานเพื่อถาม AI ว่า

“สายเส้นนี้ควรเสียบตรงไหน?”

สิ่งที่เราสนใจคืออุปกรณ์หนึ่งชิ้น

แต่ในภาพเดียวกันอาจติด:

• กระดาษบนโต๊ะ
• ชื่อคนบนหน้าจอ
• QR Code
• ป้ายพนักงาน
• Whiteboard ด้านหลัง
• Notification
• หน้าต่างโปรแกรมอีกจอหนึ่ง

บางครั้งตัวหนังสือที่เราแทบไม่ได้สังเกต AI กลับอ่านได้

ไฟล์ภาพบางชนิดยังอาจมีข้อมูลประกอบของไฟล์ เช่น เวลา รุ่นอุปกรณ์ หรือข้อมูลตำแหน่ง ขึ้นอยู่กับวิธีที่ภาพถูกสร้างและส่งต่อ

เราอาจคิดว่า

“ฉันให้ AI ดูแค่เครื่องนี้เอง”

แต่จริง ๆ เราอาจให้มันเห็น ทั้งฉาก

Excel ที่เราเปิดอยู่หนึ่ง Sheet อาจไม่ได้มีแค่หนึ่ง Sheet

นี่เป็นเรื่องที่เกิดขึ้นได้ง่ายมากในงานสำนักงาน

สมมุติเราอยากให้ AI วิเคราะห์ยอดขาย จึง upload Excel ทั้งไฟล์

สิ่งที่เราเปิดดูอยู่คือ:

Sales

แต่ Workbook เดียวกันอาจมี:

Sales        ← ตั้งใจให้ดู
Customer     ← ไม่ได้คิดถึง
RawData      ← ข้อมูลจริงทั้งหมด
Salary       ← ซ่อนไว้

หรือมี hidden rows / hidden columns ที่คนเปิดไฟล์ปกติแทบไม่สังเกต

ประเด็นสำคัญคือ:

สิ่งที่ซ่อนจากสายตาคน ไม่ได้แปลว่าซ่อนจากโปรแกรมหรือ AI

ก่อน upload ไฟล์ทั้งก้อน จึงควรถามก่อนว่า AI จำเป็นต้องเห็นทุก Sheet และทุกข้อมูลในไฟล์นั้นจริงหรือไม่

Word หรือ PDF อาจมีสิ่งที่ไม่เห็นบนหน้ากระดาษ

เราอาจมองเอกสารแล้วเห็นว่าเป็นฉบับเรียบร้อยแล้ว

แต่ไฟล์อาจยังมีข้อมูลอื่น เช่น:

• Comment
• Track Changes
• ชื่อผู้แก้ไข
• Document Properties
• ข้อความหรือส่วนที่ใช้ในการทำงานร่วมกัน
• หน้าอื่นที่ไม่ได้เกี่ยวกับคำถาม

โดยเฉพาะเอกสารที่ผ่านการแก้ไขร่วมกันหลายคน ไฟล์อาจมี “บริบทของการทำงาน” มากกว่าหน้ากระดาษที่เราเห็น

เอากล่องดำปิดข้อมูล ไม่ได้แปลว่าข้อมูลถูกลบ

สมมุติเรามีข้อมูลสำคัญ:

ชื่อ: สมชาย ใจดี
เลขบัญชี: 123-4-56789-0

แล้วเราเอากล่องสีดำมาวางทับ:

ชื่อ: █████████
เลขบัญชี: █████████

คนมองไม่เห็นแล้ว

แต่ถ้าวิธีที่ใช้เป็นเพียงการนำวัตถุสีดำไปวางทับข้อความ ข้อมูลจริงอาจยังอยู่ข้างใต้ และในบางกรณียังสามารถถูกอ่านหรือดึงออกจากไฟล์ได้

หลักจำง่าย ๆ คือ:

ซ่อนจากตา ไม่เท่ากับลบออกจากข้อมูล

นี่เป็นเหตุผลว่าทำไมการ “ลดข้อมูลก่อนส่ง” จึงสำคัญกว่าการพยายามปิดข้อมูลทีหลัง

ก่อนส่งอะไรให้ AI ลองถามตัวเอง 3 ข้อ

ไม่จำเป็นต้องมีพื้นฐานด้าน Security ก็เริ่มได้

1. AI จำเป็นต้องเห็นข้อมูลทั้งหมดนี้จริงหรือไม่?

ถ้าเราถามเรื่องสูตร Excel อาจไม่จำเป็นต้องให้ AI เห็นชื่อพนักงานหรือข้อมูลลูกค้าทั้งตาราง

2. มีข้อมูลของคนอื่นติดมาด้วยหรือไม่?

หลายครั้งข้อมูลที่เราเผลอส่งไม่ใช่ข้อมูลของเรา แต่เป็นข้อมูลของลูกค้า เพื่อนร่วมงาน หรือคู่ค้า

3. ตัดหรือปิดบังบางส่วนก่อนส่งได้หรือไม่?

เช่น:

• Crop ภาพ
• ลบชื่อ
• ตัด Sheet ที่ไม่เกี่ยวข้อง
• ใช้ข้อมูลตัวอย่าง
• Export เฉพาะส่วนที่ต้องใช้
• ส่งเฉพาะข้อความที่เกี่ยวข้อง

หลักคิดง่าย ๆ คือ:

ให้ AI เห็นเท่าที่จำเป็น

แล้ว AI ที่เราใช้ทุกวันนี้กำลังเปลี่ยนไป

ที่ผ่านมาเราคุ้นกับรูปแบบนี้:

คน
 ↓
ถาม AI
 ↓
AI ตอบ

เช่น:

“ช่วยสรุปเอกสารนี้”

“ช่วยเขียนอีเมลให้หน่อย”

“ช่วยอธิบายสูตร Excel นี้”

“Error นี้แปลว่าอะไร?”

AI ทำหน้าที่เป็นผู้ช่วยตอบคำถามหรือสร้างเนื้อหา

แต่ความสามารถของ AI กำลังขยับไปอีกขั้น

จากเดิมที่เราถามว่า:

“ต้องทำอย่างไร?”

เราเริ่มสามารถบอกว่า:

“ช่วยทำงานนี้ให้หน่อย”

จากการที่เราเอาข้อมูลไปให้ AI สู่ AI ที่เข้าไปใช้ข้อมูลเอง

สมมุติเรามีเอกสารจำนวนมาก

แบบเดิมเราอาจเลือกไฟล์หนึ่งไฟล์แล้วถาม:

“ช่วยสรุปไฟล์นี้”

แต่ระบบที่ทำงานได้มากขึ้นอาจได้รับโจทย์ว่า:

“ช่วยดูเอกสารในโฟลเดอร์นี้ แล้วสรุปเรื่องสำคัญให้หน่อย”

จากนั้นมันอาจทำงานประมาณ:

รับงาน
 ↓
เปิดไฟล์
 ↓
เลือกข้อมูลที่เกี่ยวข้อง
 ↓
วิเคราะห์
 ↓
สร้างผลลัพธ์
 ↓
ตรวจผล
 ↓
รายงานกลับมา

นี่คือจุดเปลี่ยนสำคัญมาก

เพราะจากเดิม:

เราเป็นคนเลือกข้อมูลแล้วส่งให้ AI

กำลังกลายเป็น:

AI ได้รับสิทธิ์เข้าไปเลือกหรือหยิบข้อมูลเอง

ตรงนี้เองที่เรื่อง “AI เห็นอะไรได้บ้าง” เริ่มสำคัญขึ้นมาก

AI เริ่มใช้เครื่องมือได้

AI บางระบบไม่ได้ทำได้เพียงอ่านและตอบ แต่อาจได้รับอนุญาตให้:

• อ่านไฟล์
• สร้างไฟล์
• แก้เอกสาร
• ค้นข้อมูล
• ใช้ Browser
• เรียก API
• ใช้ Command Line
• ทำงานกับระบบภายใน
• ตรวจผลแล้วทำขั้นตอนต่อไป

ตัวอย่างที่เห็นภาพง่ายคือ AI ที่ช่วยพัฒนาโปรแกรม เราอาจบอกว่า:

“ช่วยหา bug นี้แล้วแก้ให้หน่อย”

AI อาจ:

อ่าน Source Code
 ↓
หาไฟล์ที่เกี่ยวข้อง
 ↓
แก้ Code
 ↓
Run Test
 ↓
พบว่ายังไม่ผ่าน
 ↓
แก้อีกครั้ง
 ↓
Run Test ใหม่
 ↓
สรุปผล

ตรงนี้ AI ไม่ได้แค่ “แนะนำว่าควรทำอะไร”

มันเริ่ม ลงมือทำงาน

AI ลักษณะนี้มักเรียกว่า AI Agent

แต่ชื่อเรียกไม่ใช่เรื่องสำคัญที่สุด คำถามที่สำคัญกว่าคือ:

AI ตัวนี้เห็นอะไรได้บ้าง และได้รับอนุญาตให้ทำอะไรได้บ้าง?

Copilot ทำให้ AI เข้าใกล้งานของเรามากขึ้น

AI ที่อยู่ใน Word, Excel, PowerPoint หรือเครื่องมือทำงานอื่น ทำให้ AI ไม่ได้อยู่แค่ในหน้าต่าง Chat แยกต่างหากอีกต่อไป

มันเริ่มเข้าใกล้:

• เอกสารที่เรากำลังทำ
• ตารางที่เรากำลังวิเคราะห์
• ข้อมูลที่เราใช้ในงานจริง
• บริบทของงานที่กำลังทำ

นี่ไม่ได้แปลว่า AI ทุกตัวจะทำทุกอย่างแทนเรา แต่ยิ่ง AI เข้าใกล้งานจริงมากขึ้น มันก็ยิ่งเข้าใกล้ ข้อมูลจริง มากขึ้นด้วย

เมื่อ AI ลงมือทำได้ ความผิดพลาดก็เปลี่ยนไป

ถ้า AI มีหน้าที่เพียงตอบคำถาม ความผิดพลาดอาจเป็น:

AI เข้าใจผิด
 ↓
ตอบผิด

แต่ถ้า AI สามารถใช้เครื่องมือได้ ความผิดพลาดอาจเป็น:

AI เข้าใจผิด
 ↓
เลือกไฟล์ผิด
 ↓
แก้ข้อมูลผิด
 ↓
ส่งข้อมูลผิด
 ↓
ทำขั้นตอนต่อไป

ดังนั้นคำถามจึงไม่ได้มีเพียง:

“AI ตอบถูกหรือไม่?”

แต่ต้องถามเพิ่มว่า:

ถ้า AI เข้าใจผิด มันสามารถทำอะไรต่อได้บ้าง?

AI ควรได้สิทธิ์แค่ไหน

ลองคิดถึง AI ที่ช่วยจัดการเอกสาร มันอาจต้อง:

อ่านโฟลเดอร์งาน        ได้
สร้างไฟล์สรุป          ได้

แต่ไม่จำเป็นต้อง:

อ่านโฟลเดอร์ส่วนตัว    ไม่ควร
ลบไฟล์ต้นฉบับ          ไม่จำเป็น
ส่งไฟล์ออกภายนอก       ต้องพิจารณา

หรือถ้า AI ช่วยพัฒนาโปรแกรม:

อ่าน Source Code       ได้
แก้ Source Code        ได้
Run Test               ได้
ขึ้นระบบจริง           ต้องอนุมัติ

หลักคิดง่าย ๆ คือ:

ให้สิทธิ์เท่าที่งานนั้นจำเป็นต้องใช้

แนวคิดนี้เรียกว่า Least Privilege หรือการให้สิทธิ์เท่าที่จำเป็น ซึ่งเป็นหนึ่งในแนวคิดหลักของหลักสูตรเรา

Local AI ก็ยังต้องกำหนดขอบเขต

บางองค์กรเลือกใช้ AI ภายในบริษัท เพื่อควบคุมข้อมูลให้อยู่ในระบบของตนเอง

นี่มีข้อดีหลายอย่าง แต่ไม่ได้หมายความว่าเรื่องความปลอดภัยจบแล้ว

ลองคิดว่า AI อยู่ในบริษัทจริง แต่สามารถอ่าน File Server ได้ทั้งหมด หรือเห็นเอกสารของทุกแผนก

ถึงข้อมูลจะไม่ออก Cloud ก็ยังมีคำถามว่า:

AI ควรเห็นข้อมูลทั้งหมดนั้นหรือไม่?

ดังนั้นคำถามสำคัญไม่ใช่เพียงว่า “AI อยู่ที่ไหน?” แต่คือ:

AI เห็นอะไร และได้รับสิทธิ์อะไร?

Course Outline ของเราก็วาง Cloud AI และ Local AI ไว้ในบริบทเดียวกับการกำหนดขอบเขตข้อมูล ไม่ได้มองว่าการอยู่ Local เท่ากับปลอดภัยโดยอัตโนมัติ

เราจำเป็นต้องให้ AI ทำงานได้ถึงระดับนี้หรือไม่?

ไม่จำเป็น

ไม่ใช่ทุกงานต้องใช้ AI ที่สามารถเปิดไฟล์ ใช้เครื่องมือ หรือทำงานหลายขั้นตอนเอง

บางงานใช้ AI แบบถาม–ตอบธรรมดาก็เพียงพอแล้ว

ประเด็นไม่ใช่ “ต้องใช้ AI ให้ได้มากที่สุด” แต่คือ:

เลือกความสามารถให้เหมาะกับงาน และให้สิทธิ์เท่าที่จำเป็น

ถ้าใช้ AI แค่ช่วยร่างอีเมล ก็ไม่จำเป็นต้องให้มันอ่านเอกสารทุกไฟล์ในเครื่อง ถ้าใช้ช่วยสรุปเอกสาร ก็ไม่จำเป็นต้องให้เข้าถึงเอกสารทุกแผนก และงานสำคัญบางอย่าง ถึง AI จะทำได้ ก็ยังควรให้คนเป็นผู้อนุมัติขั้นสุดท้าย

สิ่งที่เราควรเริ่มถามตั้งแต่วันนี้

ไม่ว่าเราจะใช้ AI แค่ไหน ลองเริ่มจากคำถามง่าย ๆ:

1. AI ต้องทำงานอะไร?
2. จำเป็นต้องเห็นข้อมูลอะไร?
3. มีข้อมูลที่ไม่เกี่ยวข้องติดไปด้วยหรือไม่?
4. AI ใช้เครื่องมืออะไรได้บ้าง?
5. จำเป็นต้องแก้ข้อมูล หรืออ่านอย่างเดียวก็พอ?
6. งานไหนควรให้คนอนุมัติ?
7. ถ้า AI ทำผิด ผลกระทบจะไปได้ไกลแค่ไหน?
8. เราตรวจย้อนหลังได้หรือไม่ว่าเกิดอะไรขึ้น?

คำถามเหล่านี้ไม่ได้มีไว้เพื่อทำให้กลัว AI แต่มีไว้เพื่อให้เราใช้ความสามารถของ AI เท่าที่เหมาะกับงาน

สรุป

AI กำลังเปลี่ยนจาก:

เครื่องมือที่เราถาม

ไปสู่:

ผู้ช่วยที่สามารถลงมือทำงานบางอย่างแทนเรา

เมื่อความสามารถเพิ่มขึ้น คำถามสำคัญจึงไม่ใช่เพียง “AI ทำอะไรได้?” แต่ต้องถามเพิ่มว่า:

AI ควรเห็นอะไร และควรได้รับอนุญาตให้ทำอะไรได้บ้าง?

และบางครั้ง จุดเริ่มต้นของเรื่องทั้งหมดอาจง่ายกว่าที่คิด

ก่อน upload ไฟล์หรือส่งภาพให้ AI ลองถามตัวเองเพียงว่า:

ในสิ่งที่กำลังส่ง มีอะไรที่เราไม่ได้ตั้งใจให้ AI เห็นอยู่ด้วยหรือไม่?