AI กับศูนย์เรียนเสริม — ใช้ตรงไหนคุ้ม ตรงไหนเสี่ยง

AI ช่วยได้จริงแค่ไหน

เจ้าของศูนย์ได้ยินเรื่อง AI ทุกวัน บ้างบอกว่าจะมาแทนแอดมิน บ้างบอกว่าเป็นแค่กระแส คำตอบจากงานวิจัยที่ทำอย่างเป็นระบบอยู่ตรงกลาง: AI ช่วยงานบางแบบได้มาก และทำให้งานบางแบบแย่ลง ความต่างอยู่ที่ว่างานนั้นอยู่ "ในขอบเขต" ที่ AI ทำได้ดีหรือไม่

หลักฐานจากงานจริง

งานของ Brynjolfsson และคณะที่ตีพิมพ์ใน Quarterly Journal of Economics ปี 2025 ยังพบว่า พนักงานที่ใช้ AI มาสองเดือนทำงานได้ดีเท่ากับพนักงานที่ไม่ใช้ซึ่งทำงานมาเกินหกเดือน และลูกค้าขอคุยกับหัวหน้าลดลงราว 25% แต่พนักงานที่เก่งที่สุดได้ประโยชน์น้อย และคุณภาพงานลดลงเล็กน้อย ^[1]

งานทดลองของ Noy และ Zhang (2023) กับคนทำงาน 453 คน พบว่า ChatGPT ช่วยลดเวลาทำงานเขียนลง 40% และคุณภาพที่ผู้ประเมินอิสระให้คะแนนดีขึ้น 18% แต่ผู้วิจัยยอมรับว่างานในการทดลองไม่เหมือนงานจริงทั้งหมด และ ไม่ได้ตรวจความถูกต้องของข้อเท็จจริง ^[2]

งานของ Harvard Business School ร่วมกับ BCG กับที่ปรึกษา 758 คน พบว่างานที่อยู่ในขอบเขตที่ AI ทำได้ดี ผู้ใช้ AI ทำงานเสร็จมากขึ้นกว่า 12% เร็วขึ้นกว่า 25% และคุณภาพดีขึ้นกว่า 40% ^[3] แต่สำหรับงานที่ออกแบบมาให้เกินความสามารถของ AI คนที่ใช้ AI กลับ ตอบถูกน้อยกว่า คนที่ไม่ใช้ ผู้วิจัยเรียกขอบเขตนี้ว่า "พรมแดนขรุขระ" เพราะมองจากภายนอกไม่ออกว่างานไหนอยู่ฝั่งไหน

ธุรกิจไทยใช้ AI แค่ไหน

การสำรวจของ ETDA ปี 2567 พบว่าองค์กรไทยที่ใช้ AI แล้วเพิ่มเป็น 17.8% จาก 15.2% ในปีก่อน และ 73.3% มีแผนจะใช้ โดยกลุ่มการศึกษาเป็นหนึ่งในกลุ่มที่พร้อมที่สุด อุปสรรคหลักคือยังไม่รู้ว่าจะใช้อย่างไร ^[5] ส่วนการสำรวจผู้ประกอบการดิจิทัล 834 รายของ สดช. ในปี 2569 พบว่าการใช้ AI กว่า 77% ยังอยู่ในขั้นทดลองหรือนำร่อง และใช้กับ งานการตลาดมากที่สุด (39.21%) ^[6]

ภาพนี้บอกว่าเจ้าของศูนย์ที่ยังไม่ได้เริ่มใช้ AI ไม่ได้ตามหลังใคร และจุดเริ่มที่ธุรกิจอื่นเลือกคืองานร่างเนื้อหาการตลาด ซึ่งเป็นงานที่มีหลักฐานว่าได้ผลและความเสี่ยงต่ำ

แบ่งงานในศูนย์เป็นสามระดับ

การแบ่งด้านล่างเป็นการสรุปจากงานวิจัยข้างต้นร่วมกับกฎหมายคุ้มครองข้อมูลส่วนบุคคล ไม่ใช่มาตรฐานทางการ:

เสี่ยงต่ำ — เริ่มได้เลย

• ร่างโพสต์และแคปชันโฆษณา คำอธิบายคอร์ส
• ร่างคำตอบคำถามที่พบบ่อย จากนโยบายที่ศูนย์ประกาศไว้แล้ว
• ร่างขั้นตอนการทำงาน (SOP) และระดมไอเดียกิจกรรม
• สรุปตารางหรือข้อมูลที่ลบชื่อเด็กออกแล้ว

เสี่ยงกลาง — ต้องมีคนตรวจทุกครั้ง

• ร่างข้อความตอบผู้ปกครอง ที่พนักงานแก้และกดส่งเอง
• เรียบเรียงบันทึกพัฒนาการจากโน้ตของครู โดยลบชื่อและข้อมูลสุขภาพออกก่อน

เสี่ยงสูง — หลีกเลี่ยง

• ให้ AI ตัดสินระดับ การลงโทษ หรือติดป้ายว่าเด็ก "มีปัญหาการเรียนรู้"
• ส่งข้อความถึงผู้ปกครองอัตโนมัติโดยไม่มีคนตรวจ
• วางข้อมูลแพ้ยา โรคประจำตัว พฤติกรรม รูปเด็ก หรือเบอร์ผู้ปกครองลงในแชตบอตบัญชีส่วนตัว

งานวิจัยยังชี้ว่าพนักงานใหม่ได้ประโยชน์จาก AI มากที่สุด ^[1] สำหรับศูนย์ที่แอดมินหมุนเวียนบ่อย การใช้ AI ช่วยร่างคำตอบที่พบบ่อยให้พนักงานใหม่ แล้วให้พนักงานแก้ก่อนส่ง อาจเป็นจุดที่คุ้มที่สุด

เริ่มอย่างไรใน 30 วัน

อุปสรรคอันดับต้นขององค์กรไทยที่ยังไม่ใช้ AI ในการสำรวจของ ETDA คือ "ยังไม่ทราบว่าจะนำ AI มาประยุกต์ใช้อย่างไร" และ "รอนโยบายจากผู้บริหาร" ^[5] สำหรับศูนย์ขนาดเล็ก เจ้าของคือคนที่ต้องเขียนนโยบายนั้นเอง ซึ่งไม่ต้องยาว ETDA และกระทรวงดิจิทัลฯ ออกแนวปฏิบัติการใช้ Generative AI สำหรับองค์กรไว้ตั้งแต่ปี 2567 ใช้เป็นจุดตั้งต้นได้ ^[7]

1. สัปดาห์ที่ 1 — เลือกงานเดียว จากกลุ่มเสี่ยงต่ำ เช่น ร่างโพสต์ประจำสัปดาห์ แล้วจดเวลาที่ใช้ก่อนเริ่ม
2. สัปดาห์ที่ 2 — เขียนกติกาหนึ่งหน้า ว่างานไหนใช้ได้ งานไหนห้าม ข้อมูลอะไรห้ามวางลงเครื่องมือ และใครเป็นคนตรวจก่อนเผยแพร่
3. สัปดาห์ที่ 3 — ทดลองกับพนักงานหนึ่งคน ให้เก็บตัวอย่างงานที่ AI ร่างผิดหรือไม่ตรงน้ำเสียงของศูนย์
4. สัปดาห์ที่ 4 — เทียบผล เวลาที่ประหยัดได้ หักเวลาที่ใช้ตรวจและแก้ ถ้าไม่คุ้มก็หยุด ถ้าคุ้มค่อยเพิ่มงานถัดไป

สิ่งที่ควรวัดไม่ใช่ "ใช้ AI กี่ครั้ง" แต่เป็น เวลาที่ได้คืนหลังหักเวลาตรวจ และ จำนวนข้อผิดพลาดที่หลุดถึงผู้ปกครอง ซึ่งควรเป็นศูนย์ งานวิจัยที่ Harvard ชี้ว่าคนที่เชื่อ AI มากเกินไปจะพลาดในงานที่ AI ไม่ถนัด ^[3] การมีคนตรวจจึงไม่ใช่ขั้นตอนเสริม แต่เป็นส่วนหนึ่งของงาน

ไม่ว่าจะใช้เครื่องมือใด ข้อมูลที่ต้องถูกต้องควรมาจากระบบของศูนย์เอง KlassUp เก็บทะเบียนนักเรียน ชั่วโมงคงเหลือ ยอดค้างชำระ และบันทึกผลรายคาบของทุกสาขาไว้ในที่เดียว เจ้าของจึงมีข้อมูลจริงให้ตรวจทุกครั้งที่ต้องตอบผู้ปกครอง