AI ต่างจาก Software ทั่วไปอย่างไร
Why this matters
ในฐานะคน QC/QA คุณคุ้นเคยกับโลกที่ทุกอย่างมี spec: ชิ้นงานมีค่าพิกัด มี test case มี expected result — ของตรง spec คือผ่าน ไม่ตรงคือไม่ผ่าน Software ทั่วไปก็อยู่ในโลกแบบเดียวกัน แต่ AI ไม่ใช่ และความต่างนี้คือพื้นฐานที่สุดที่ต้องเข้าใจก่อนเรื่องอื่นทั้งหมด
Software ทั่วไป: กติกาที่คนเขียนไว้ล่วงหน้า
โปรแกรมปกติทำงานตามกติกา (rule) ที่คนเขียนไว้ทุกบรรทัด เช่น “ถ้าค่าที่วัดได้เกิน 10.5 mm ให้แจ้งเตือน” ผลที่ตามมาคือ:
- Deterministic — input เดิม ได้ output เดิมเสมอ
- มี spec ตายตัว — เขียน test case พร้อม expected result แล้วตรวจได้ว่าถูกหรือผิด
- ถ้าผิด แปลว่ามี bug ที่ตามหาและแก้ได้เป็นจุด ๆ
นี่คือโลกเดียวกับการตรวจชิ้นงานเทียบ specification ที่คุณทำอยู่ทุกวัน
AI: เรียนรู้ pattern จากข้อมูล
ระบบ AI ไม่ได้ทำตามกติกาที่คนเขียนทีละข้อ แต่ เรียนรู้รูปแบบ (pattern) จากข้อมูลจำนวนมาก แล้วให้คำตอบที่ “น่าจะใช่ที่สุด” ตามความน่าจะเป็น ผลที่ตามมาคือ:
- ไม่ deterministic — คำถามเดิมอาจได้คำตอบต่างกันในแต่ละครั้ง
- ผลลัพธ์ เปลี่ยนตาม input และบริบท ที่ให้ — ให้ข้อมูลต่างกันนิดเดียว คำตอบอาจต่างกันมาก
- ไม่มี spec ตายตัว ที่บอกว่า output ที่ถูกต้องหน้าตาเป็นอย่างไรในทุกกรณี
- และที่สำคัญที่สุด: AI ผิดแบบมั่นใจได้ — คำตอบที่ผิดกับคำตอบที่ถูก อ่านแล้วดูน่าเชื่อถือพอ ๆ กัน
Software ทั่วไป AI
---------------- ----------------
คนเขียนกติกาล่วงหน้า เรียนรู้ pattern จากข้อมูล
input เดิม → output เดิม input เดิม → output อาจต่างกัน
มี spec / expected result ไม่มี spec ตายตัว
ผิด = bug ที่ตามแก้ได้ ผิด = ความน่าจะเป็น เกิดซ้ำแบบเดิมไม่แน่
ตรวจรับด้วย test case ได้ตรง ๆ ต้องวัดเชิงสถิติ + ให้คนตรวจ
What a BA needs to know
เพราะ AI ไม่มี expected result ตายตัว วิธีทดสอบและตรวจรับแบบเดิมจึงใช้ตรง ๆ ไม่ได้ — จะเขียน test case ว่า “ถามคำถามนี้ต้องได้คำตอบนี้เป๊ะ ๆ” ไม่ได้เหมือน software ปกติ ระบบที่มี AI จึงต้องออกแบบการวัดผลแบบอื่น เช่น วัดเป็นสัดส่วนความถูกต้องจากหลาย ๆ เคส กำหนดให้คำตอบต้องแนบหลักฐาน และมีคนตรวจก่อนใช้จริง แนวคิดนี้จะตามเราไปทุก Stage ที่เหลือของเส้นทางนี้