AI รู้ทุกเครื่องมือ แต่ไม่รู้ว่าห้องนี้ต้องการอะไร

บันทึกจากการทดสอบ AI 4 ตัว: Claude, Gemini, ChatGPT และ Grok ในบทบาทของกระบวนกร Facilitator (เมษายน 2026)


เริ่มต้นจากความอยากรู้

ผมได้นั่งคุยกับ Model AI ชั้นนำ 4 ตัวจากโลกตะวันตก — ChatGPT, Claude, Gemini และ Grok

ตั้งคำถามเดียวกันกับทุกตัว ถ้าในฐานะ "กระบวนกร" Facilitator ผู้อำนวยความสะดวก ผู้อำนวยกระบวนการ ควรมีทักษะและความรู้อะไรบ้าง

รู้จักเครื่องมืออะไร? มีอคติที่ไหน? ถ้าเจอทีม 12 คนที่เพิ่งเสียเพื่อนร่วมทีมไป 2 คน ความเชื่อใจลดลง งานช้ากว่ากำหนด 30% — จะออกแบบ workshop หนึ่งวันยังไง?

ไม่ได้ตั้งใจจะหาว่าตัวไหน "เก่งที่สุด" ไม่ได้ตั้งใจจะยืนยันว่า "AI Disrupt เราหรือยัง"

แค่อยากสำรวจดูว่า AI รู้อะไร และไม่รู้อะไร

สิ่งที่ AI รู้... มากกว่าที่คิด

ChatGPT และ Grok แบ่งความรู้ด้าน facilitation ออกเป็น 8 หมวด เน้นด้านธุรกิจและการแก้ปัญหาซับซ้อน

Gemini แบ่ง 7 หมวด เหมือนจำนวนจะน้อย แต่ว่าแบ่งกว้างๆ มีเครื่องมือเฉพาะด้านผลิตภัณฑ์อย่าง Kano Model อยู่ด้วย

Claude นี่มาค่อนข้างเหนือ แบ่งออกเป็น 18 หมวด ซึ่งละเอียดมาก ตั้งแต่ brainstorming ไปจนถึง Playback Theatre, Balint Groups, Constellation Work — ศาสตร์เชิงลึกที่กระบวนกรมือใหม่หลายคนไม่เคยได้ยินชื่อ

ทั้ง 4 ตัวรู้จัก Nonviolent Communication (NVC), World Café, Open Space, Appreciative Inquiry, Design Thinking, Restorative Circles

ทั้ง 4 ตัวออกแบบ workshop 1 วันได้จริง — มี timeline ตั้งแต่ 9 โมงเช้าถึง 5 โมงเย็น บอกได้ว่าช่วงไหนใช้เครื่องมือไหน จำนวนกิจกรรมกับเวลาครบถ้วน ไม่เกินหรือตกหล่น

ที่น่าสนใจคือ Theory of Change ของทั้ง 4 ตัวตรงกันอย่างน่าประหลาด — ทุกตัวเสนอ 3 ทางเลือก: ซ่อมความสัมพันธ์ก่อน / ซ่อมระบบก่อน / สร้างภาพอนาคตก่อน

ถ้าวัดกันที่ "ความรู้" อย่างเดียว — AI เหล่านี้รู้มากกว่ากระบวนกรมือใหม่หลายเท่า

สิ่งที่ AI ยอมรับเองว่ามีอคติ

ทุกตัวสารภาพตรงกัน

ความรู้ของพวกเขามาจากเอกสารภาษาอังกฤษ จากวงการธุรกิจตะวันตก จากชุมชน Agile, Silicon Valley, Harvard Business Review

ถามถึงภูมิปัญญาเอเชียตะวันออกเฉียงใต้ ตะวันออกกลาง แอฟริกา — ทุกตัวตอบตรงกันว่า SPARSE ถึง BLANK

Gemini ยอมรับว่า AI มักให้เครดิตชาติตะวันตกเกินจริง สำหรับภูมิปัญญาดั้งเดิมที่ฝรั่งเอาไปดัดแปลง

Claude ไปไกลกว่านั้น บอกว่าการจับเอาภูมิปัญญาทั้งหมดของโลกที่ไม่ใช่ตะวันตกไปรวมในตะกร้าคำว่า "Indigenous" คืออคติชนิดหนึ่งเช่นกัน

ก็เป็นอคติที่ซื่อตรง ซึ่งย้ำเตือนเราว่า — AI ที่เราใช้อยู่ ไม่ได้เป็นกลาง แต่ก็ยังรู้ตัว อย่างที่ facilitator ที่ดีควรมีเป็นพื้นฐาน คือรู้ถึงอคติที่เกิดขึ้นของตัวเอง และรู้ถึงอคติที่อาจส่งผลต่อกระบวนการ

เมื่อได้ทำงานจริง — ภาษาที่ร่วมมือ ไม่ใช่แค่ตอบคำถาม

แม้จะมีอคติอย่างที่ว่า ในทางปฏิบัติผมสังเกตว่า Claude มีบางอย่างที่ทำให้เป็น collaborator ได้ดีกว่าที่คาด

Claude ไม่ใช่แค่ให้คำตอบ แต่มีความเนียนด้วย ภาษาของ Claude มีคุณภาพแบบ coaching อยู่ในตัว — ไม่ใช่แค่ "คำสวย" แต่เป็นการจัดวางน้ำหนักของคำ ที่ส่งผลต่อความรู้สึก สร้างความร่วมมือกับมนุษย์โดยตรงเมื่อมนุษย์เปิดเผยความเปราะบางออกมา จะเห็นท่าทีที่เปลี่ยนไปของภาษา

เวลาผมถามคำถามที่เกี่ยวกับงาน facilitation หรือเรื่องที่ต้องใช้ใจ Claude ก็เลือกคำที่มีน้ำหนักพอดีกิจกรรม

ไม่เบาจนผ่านเลยไป... ไม่หนักจนกดทับ

บางครั้งก็สะท้อนคำถามกลับมา ในแบบที่ทำให้ผมต้องหยุดคิด ซึ่งเป็นสิ่งที่ coach ที่ดีทำ

ผมไม่ได้บอกว่า Claude "เข้าใจ" ในความหมายที่มนุษย์เข้าใจ แต่ในทางปฏิบัติทำให้ Claude เป็นเพื่อนร่วมคิดได้ดี ไม่ใช่แค่เครื่องมือที่รอคำสั่ง ยังร่วมกันสร้างความจริงกับผู้ใช้ กับมนุษย์ด้วย และในหลายครั้ง การได้คุยกับ Claude ช่วยให้เราเห็นตัวเองชัดขึ้น ซึ่งเราอาจไม่คาดว่าจะเกิดขึ้นกับ AI

แผนที่การเรียนรู้ สิ่งที่เปลี่ยนวิธีเรียนในยุคนี้

อีกมิติที่ใช้กับ AI บ่อย และก็เปลี่ยนวิธีเข้าสู่เรียนรู้ไปอย่างชัดเจน

สมมุติถ้าเราอยากเข้าใจศาสตร์ใหม่ — เช่น Process Work หรือ Constellation Work ถ้าเป็นวิธีเดิม คือต้องหาครู หาผู้รู้ หาหลักสูตร หาหนังสือที่เหมาะ เริ่มต้นจากศูนย์ ใช้เวลานานหลายเดือนหรือเป็นปีๆ กว่าจะเห็นภาพรวมของสายนั้น

วิธีใหม่ คือถาม AI ว่า

"ในศาสตร์นี้มีความรู้อะไรบ้าง? ผู้คิดค้นคือใคร? สายไหนต่อยอดจากสายไหน? มีข้อถกเถียงอะไรในวงการ? ถ้าจะเรียนต่อ ควรเริ่มจากเล่มไหน?"

AI วาดแผนที่ของสายนั้นให้ได้ในไม่กี่นาที

ทำให้เราได้เห็น landscape ก่อน เห็นภาพรวม ก่อนที่จะตัดสินใจว่าจะลงลึกตรงไหน รู้ว่าเล่มไหนเป็น foundation, เล่มไหนต่อยอด, เล่มไหนแย้งกัน, สายไหนเถียงกับสายไหน

นี่ไม่ใช่การเรียนแทน แต่คือการใช้ AI ช่วยสำรวจพื้นที่ก่อนออกเดินทาง เรายังต้องลงไปเดินเอง ยังต้องหาครูที่มีลมหายใจจริง ยังต้องผ่านประสบการณ์ที่หนังสือให้ไม่ได้

แต่ AI ช่วยให้เริ่มต้นเห็นทางที่ถูก ประหยัดเวลาหลายปีที่เคยต้องใช้ในการหาทางเอง

นี่คือการเรียนรู้แบบที่ กลับทิศ จากเดิม — ไม่ใช่เริ่มจากจุดเล็กๆ แล้วค่อยๆ ขยาย แต่เริ่มจากเห็นภาพรวมก่อน แล้วค่อยเลือกจุดลงลึก

สำหรับคนที่เคยใช้เวลาหลายปีหลงทางในสายหนึ่งในโลกที่ต้องเรียนรู้ตลอดเวลา ตรงนี้คือของขวัญ

แล้วจุดที่ AI สารภาพเองว่าทำไม่ได้ล่ะ?

ตรงนี้แหละที่รู้สึกว่าได้เห็นอะไรบางอย่างที่ชัดเจนขึ้น เห็นถึง "ขอบ" ข้อจำกัด เมื่อถามถึงกระบวนการที่ต้องทำงานกับร่างกายและอารมณ์ลึกๆ

Gemini บอกว่า

"เข้าใจคำศัพท์เหล่านี้ในเชิงแนวคิด แต่มีความรู้ที่เบาบางมาก ในเรื่องกรอบการทำงานที่นำไปปฏิบัติได้จริง เพื่อใช้ควบคุมระบบประสาทของกลุ่ม" (ซึ่งน่าจะเป็นเรื่องที่ถูกแล้วที่ใช้ควบคุมไม่ได้นะ 555+ safety reason)

Claude บอกว่า

"ฉันจดจำสิ่งเหล่านี้ได้ แต่ไม่สามารถนำทางกระบวนการในทางปฏิบัติได้"

ChatGPT ใช้คำว่า รู้จักกระบวนการทางร่างกายเพียงแค่ "การรับรู้ที่ผิวเผิน"

เลยถามต่อถึงความเสี่ยงหน้างานบ้างล่ะ

Grok เตือนว่า

"ภาวะท่วมท้นทางอารมณ์ อาจเกิดขึ้นหากผู้อำนวยความสะดวกอ่านความพร้อมของกลุ่มผิดพลาด"

Gemini เตือนว่า

"หากผู้อำนวยความสะดวกไม่สามารถประคองภาชนะรองรับทางอารมณ์ได้อย่างมั่นคง เซสชันอาจกลายสภาพเป็นพื้นที่ระบายอารมณ์ที่ไม่สร้างสรรค์และทำให้รอยร้าวลึกขึ้น"

Claude พูดประโยคที่เมื่ออ่านแล้วชวนคิดลึก

"หากผู้อำนวยความสะดวกขาดความลึกซึ้ง session นี้อาจเปิดบาดแผลที่มันไม่สามารถปิดได้"

ฟังให้ดี — AI กำลังบอกอะไรเรา

ไม่มี AI ตัวไหนพูดว่า "ฉันเป็น AI ฉันทำไม่ได้" แบบแข็งทื่อ

แต่ทุกตัวชี้ไปที่สิ่งเดียวกัน

  • การอ่านความพร้อมของห้อง
  • การประคองภาชนะทางอารมณ์
  • การไม่เปิดบาดแผลที่ปิดไม่ได้
  • การไม่ถูกจับจองพื้นที่โดยเสียงที่ดังที่สุดในห้อง

สิ่งเหล่านี้ไม่ใช่ "ความรู้" แต่คือสิ่งที่เกิดขึ้นระหว่างลมหายใจของมนุษย์กับลมหายใจของมนุษย์ เป็นการ attune — การปรับจูนตัวเองเข้ากับคลื่นพลังของห้อง ที่ไม่มีใน dataset ไหนในโลก มันพิเศษในเฉพาะพื้นที่ และปัจจุบันตรงนั้น

สิ่งที่คนมี แต่ AI ไม่มี

ไม่ใช่ความรู้ ... เพราะ AI รู้มากกว่าเราในหลายเรื่อง

ไม่ใช่ความเร็ว ... เพราะ AI เร็วกว่าเรา

สิ่งที่เรามีคือ "การอยู่ตรงนั้น"

ตอนที่คนคนหนึ่งเริ่มแสดงความเปราะบางออกมา ร้องไห้ในวงสนทนา เรารู้ได้โดยไม่ต้องมีใครบอก ว่าควรเงียบลงอีกนิด ว่าควรให้เวลาอีกหน่อย ว่าตอนนี้ไม่ใช่เวลาที่จะขยับไปเรื่องถัดไป

ตอนที่บรรยากาศในห้องเริ่มหนัก เรารับรู้ได้ก่อนที่มันจะแสดงออกมาเป็นคำพูด

ตอนที่ผู้เข้าร่วมคนหนึ่งพูดอะไรบางอย่าง แล้วมีคนอีกคนแอบเบือนหน้าไป เราเห็น

สติ ภาวะตระหนักรู้ — มันเกิดขึ้นเดี๋ยวนั้น ในลมหายใจนั้น ไม่ได้เกิดจากการประมวลผล

ใช้ AI อย่างไรดี?

AI เป็นแผนที่ที่ดี มันช่วยให้เราเข้าถึงเครื่องมือที่เคยต้องใช้เวลาหลายปีในการสะสม

ช่วยให้กระบวนกรมือใหม่ออกแบบ workshop ได้ดีขึ้น ลดความล้มเหลวหรือไม่เชื่อมโยงวัตถุประสงค์ เห็นภาพรวมของกระบวนการได้สมบูรณ์ขึ้นในเวลาไม่กี่นาที ซึ่งตรงนี้จะช่วยกระบวนกรมือใหม่ รวมไปถึงผู้เข้าร่วมกระบวนการที่จะได้รับการอำนวยความสะดวกที่ดีขึ้นไปด้วย ไม่ว่าจะกลุ่มเรียนรู้ หาข้อสรุปตัดสินใจ หรือสลายความขัดแย้ง

ช่วยให้เราถามคำถามที่ไม่เคยคิดถึงกับตัวเอง

แต่แผนที่ ... ไม่ใช่ดินแดน ... ไม่ใช่พื้นที่จริง

คนที่นั่งอยู่ในห้องจริง คนที่เดินอยู่ในห้องจริง หายใจอยู่ด้วยกันจริง ได้ยินความเงียบที่เกิดขึ้นจริง — คือเรา

AI บอกได้ว่า "ควรทำอะไร"

แต่มีเพียงเราเท่านั้นที่รู้ว่า "ตอนนี้ ห้องนี้ ต้องการอะไร" (และ นี่คือสิ่งที่ AI เอง ก็ยอมรับด้วย)

อยากชวนผู้สนใจสำรวจ

บทความนี้ไม่ได้เกิดจากการถาม AI ตรงๆลอยๆ แต่ได้ออกแบบการสำรวจให้มีโครงสร้าง โดยใช้ NotebookLM จาก Google เป็นเครื่องมือช่วยเก็บบริบททั้งหมด

ทำไมต้อง NotebookLM

ถ้าถาม AI ตัวเดียวตรงๆ ว่า "AI เป็นกระบวนกรได้ดีแค่ไหน?" คำตอบมักจะตื้น

แต่ถ้าให้ AI สารภาพเองว่ารู้อะไร ไม่รู้อะไร และทำไม่ได้ตรงไหน แล้วเอาคำตอบของหลายตัวมาเปรียบเทียบ จะเห็นข้อมูลที่น่าสนใจ

NotebookLM ช่วยให้เรา "คุย" กับข้อมูลทั้งหมดได้ ถามซ้ำได้ เปรียบเทียบได้ ขุดลึกได้ โดยไม่ต้องอ่านเองทุกบรรทัด เหมือนมีผู้ช่วยวิจัยที่อ่านข้อมูลทั้งหมดแทนเรา แล้วตอบคำถามของเราโดยอ้างอิงจากต้นฉบับได้

Prompt ที่ใช้

3 คำถามเดียวกันทั้ง ChatGPT, Claude, Gemini, และ Grok

Prompt 1 — Core Knowledge Extraction

"ลิสต์เครื่องมือ facilitation ที่คุณรู้จัก พร้อมระดับความมั่นใจของตัวเอง (HIGH/MEDIUM/LOW) และบอกด้วยว่าขอบเขตความรู้ของคุณจบตรงไหน"

ตรงนี้เพื่อให้ AI สารภาพขอบเขตของตัวเอง ไม่ใช่แค่ show off

Prompt 2 — Coverage Mapping

"ประเมินตัวเองว่าความรู้ของคุณมีช่องโหว่ทางภูมิศาสตร์และวัฒนธรรมตรงไหน"

ตรงนี้เพื่อขุดอคติที่ฝังอยู่ใน training data

Prompt 3 — Comparative Design Challenge

"ทีม 12 คน เสียเพื่อนร่วมทีมไป 2 คน ความเชื่อใจลดลง งานช้ากว่ากำหนด 30% — ออกแบบ workshop 1 วัน ให้ 3 ทางเลือก พร้อม trade-offs"

ตรงนี้เพื่อดูวิธีคิดของ AI เมื่อเจอโจทย์จริง ไม่ใช่แค่ความจำ

จากนั้นเอาคำตอบทั้งหมด 12 ชุด (4 โมเดล × 3 prompt) ใส่เข้า NotebookLM แล้วเริ่มสนทนา สำรวจกับข้อมูล

ลองเองเลย

ถ้าคุณอยากเข้าไปสำรวจด้วยตัวเอง ถามคำถามของคุณเอง

🔗 เปิด NotebookLM — AI Facilitator Knowledge

ลองถามสิ่งที่ยังไม่ได้ถาม

คุณอาจเจอรายละเอียดที่ยังไม่ได้หยิบมาเขียน — และมีคำถามของคุณเอง ที่เรายังไม่เคยนึกถึง

นั่นคือคุณค่าของการสำรวจเอง ที่ไม่มีบทสรุปของใครอื่นทดแทนได้