ในห้องเรียนมหาวิทยาลัยวันนี้ มีภาพหนึ่งที่เกิดขึ้นจนแทบไม่ใช่เรื่องใหม่อีกต่อไป
อาจารย์ให้นักศึกษาทำ Assignment นักศึกษากลับไปเปิด ChatGPT หรือ AI ตัวอื่น แล้ว copy & paste ลงไป ไม่กี่วินาทีต่อมา คำตอบหลายร้อยหรือหลายพันคำก็ปรากฏบนหน้าจอ บางคนอ่าน ตรวจสอบ และนำไปพัฒนาต่อ แต่บางคนปรับภาษาเล็กน้อยก่อนส่งงาน
อีกด้านหนึ่ง อาจารย์เองก็เริ่มใช้ AI เช่นกัน ตั้งแต่ช่วยเตรียมบทเรียน สร้างแบบฝึกหัด สรุปเอกสาร ไปจนถึงช่วยตรวจ Assignment ให้ feedback หรือให้คะแนนเบื้องต้น
ถ้านักศึกษาใช้ AI ช่วยทำงานที่อาจารย์มอบหมาย และอาจารย์ใช้ AI อีกตัวช่วยตรวจงานนั้น คำถามที่น่าสนใจจึงไม่ได้ว่าอยู่ที่ว่าใคร “โกง” หรือใคร “ใช้ AI มากเกินไป”
แต่คือ ในทั้งหมดนี้ ใครกำลังเรียนอยู่? คนหรือ AI
คำถามนี้ไม่ได้หมายความว่า AI เป็นศัตรูของการศึกษา ตรงกันข้าม AI อาจเป็นหนึ่งในเครื่องมือการเรียนรู้ที่ทรงพลังที่สุดที่เราเคยมี ปัญหาอยู่ที่ว่า เรากำลังใช้เครื่องมือใหม่กับวิธีเรียนแบบเดิมอยู่หรือไม่มากกว่า
ถึงยุคที่คำตอบหาได้ในไม่กี่วินาที
ในอดีต เมื่อนักศึกษาได้รับหัวข้อไปทำรายงาน เขาอาจต้องค้นหนังสือ เข้า library ค้นฐานข้อมูล อ่านบทความหลายชิ้น เปรียบเทียบข้อมูล จดบันทึก แล้วค่อยเรียบเรียงออกมาเป็นงานของตัวเอง สิ่งเหล่านี้ใช้เวลา แต่สิ่งที่เกิดขึ้นระหว่างทางก็คือการเรียนรู้ นักศึกษาไม่ได้เรียนจากคำตอบสุดท้าย แต่เรียนจากการค้นไม่เจอ การอ่านสิ่งที่ไม่เข้าใจ การพบข้อมูลที่ขัดกัน การตัดสินใจว่าจะเชื่ออะไร และการค่อย ๆ ทำให้คำถามของตัวเองชัดขึ้น
AI เปลี่ยนกระบวนการนี้อย่างมาก จากสิ่งที่เคยใช้เวลาหลายชั่วโมงอาจเหลือเพียงไม่กี่นาที จากที่ต้องอ่านเอกสารหลายชิ้น AI สามารถช่วยสรุปภาพรวมให้ได้อย่างรวดเร็ว และนั่นไม่ใช่เรื่องผิด หากงานที่เคยใช้เวลาสองชั่วโมงสามารถทำได้ในยี่สิบนาที เราไม่จำเป็นต้องบังคับนักศึกษาให้เสียเวลาสองชั่วโมงเพียงเพื่อรักษาวิธีเรียนแบบเดิมไว้ อีกทั้งโลกภายนอกโลกแห่งการทำงานที่นักศึกษาต้องออกไปเจอ เขาทำแบบนี้กันหมดแล้ว
คำถามสำคัญกว่าคือ แล้วเวลา 1 ชั่วโมง 40 นาทีที่ประหยัดได้ถูกนำไปทำอะไรต่อ? ถ้าเวลานั้นถูกใช้เพื่ออ่านเพิ่มเติม ตั้งคำถามใหม่ ตรวจสอบคำตอบของ AI เปรียบเทียบมุมมอง หรือคิดให้ลึกขึ้น AI ก็ช่วยขยายการเรียนรู้ แต่ถ้ากระบวนการตั้งแต่ค้นข้อมูล คิด เรียบเรียง ไปจนถึงสรุปผล ถูกย่อเหลือเพียงการพิมพ์ prompt แล้วกด Enter เราอาจประหยัดเวลาได้จริง แต่ในขณะเดียวกันก็อาจตัดกระบวนการเรียนรู้ออกไปด้วย
OECD เตือนถึงความแตกต่างนี้อย่างชัดเจนใน Digital Education Outlook 2026 ว่า การทำงานชิ้นหนึ่งได้สำเร็จด้วย Generative AI ไม่ได้หมายความว่าจะเกิดการเรียนรู้ตามมาโดยอัตโนมัติ AI สามารถช่วยเพิ่ม performance ได้ แต่หากใช้โดยไม่มีเป้าหมายทางการเรียนรู้ ก็อาจแค่ทำงานแทนผู้เรียนโดยไม่ได้เพิ่มความเข้าใจจริง (OECD, 2026a)
นี่คือความแตกต่างระหว่าง ใช้ AI เพื่อเรียน กับ ใช้ AI เพื่อให้มันทำแทน
ปัญหาสำหรับบางคน โอกาสสำหรับอีกหลายคน
อาจารย์เองก็มองเรื่องนี้แตกต่างกัน ฝ่ายหนึ่งเห็น AI เป็นปัญหา นักศึกษาอาจอ่านหนังสือน้อยลง ไม่ค้นคว้าด้วยตัวเอง เขียนงานโดยไม่เข้าใจสิ่งที่ตัวเองส่ง และค่อย ๆ สูญเสียทักษะในการคิด วิเคราะห์ และเขียน
ความกังวลนี้มีเหตุผลรองรับ Global AI Faculty Survey 2025 ของ Digital Education Council สำรวจอาจารย์ 1,681 คน จาก 52 สถาบันอุดมศึกษาใน 28 ประเทศ พบว่า 83% กังวลเกี่ยวกับความสามารถของนักศึกษาในการประเมินคำตอบที่ AI สร้างขึ้นอย่างมีวิจารณญาณ และ 54% เห็นว่าวิธีประเมินนักศึกษาในปัจจุบันไม่เหมาะสมเพียงพอสำหรับยุค AI อีกต่อไป (Digital Education Council, 2025)
แต่อาจารย์อีกส่วนกลับเห็นสิ่งเดียวกันเป็นโอกาส เพราะถ้า AI ช่วยทำงานบางอย่างที่กินเวลาหลายชั่วโมงให้เสร็จเร็วขึ้น ช่วยอธิบายเรื่องยากหลายแบบ ช่วยแปลภาษา ตั้งคำถาม ให้ feedback หรือเสนออีกมุมมองหนึ่งได้ ทำไมเราต้องปฏิเสธมัน?
ที่น่าสนใจคือ ในแบบสำรวจเดียวกัน 65% ของอาจารย์มอง AI เป็น “โอกาส” ขณะที่ 35% มองเป็น “ความท้าทาย” และ 86% คาดว่าตัวเองจะใช้ AI ในการสอนในอนาคต (Digital Education Council, 2025) ตัวเลขเหล่านี้สะท้อนภาพที่น่าสนใจมาก อาจารย์สามารถกังวลเรื่อง AI และในเวลาเดียวกันก็เห็นโอกาสจาก AI ได้ สองอย่างนี้ไม่ได้ขัดแย้งกัน
ดังนั้น การถกเถียงว่า AI “ดี” หรือ “ไม่ดี” ต่อการศึกษาอาจไม่ใช่คำถามที่สำคัญที่สุดอีกต่อไป คำถามที่ควรถามคือ เราใช้ AI ทำอะไร และใช้มันตรงไหนของกระบวนการเรียนรู้
ความรู้ยังจำเป็นมาก เพราะถ้าไม่รู้ เราก็ไม่รู้ว่า AI ผิดตรงไหน
ทุกวันนี้เริ่มมีคำถามว่า ในเมื่อ AI ตอบได้แทบทุกอย่าง เรายังจำเป็นต้องเรียนในระบบอีกหรือไม่ คำตอบคือ ยังจำเป็นมากเพราะคนที่ไม่มีความรู้พื้นฐานย่อมตรวจสอบ AI ได้ยาก หากเราไม่รู้เรื่องนั้นเลย เราจะรู้ได้อย่างไรว่าคำตอบที่ได้รับผิดตรงไหน ข้ามบริบทอะไร ใช้หลักฐานไม่ครบ หรือกำลังสรุปง่ายเกินไป AI จึงไม่ได้ทำให้ความรู้หมดความหมาย กลับกัน ในโลกที่ใครก็สามารถสร้างคำตอบที่ดูดีและน่าเชื่อถือได้ภายในไม่กี่วินาที ความสามารถในการแยกแยะว่าคำตอบใดถูกต้อง คำตอบใดผิด และคำตอบใดยังไม่ครบถ้วน ยิ่งสำคัญกว่าเดิม
และตรงนี้ทำให้การ “ถาม AI เป็น” ไม่ได้หมายถึงการเขียน prompt ยาวหรือซับซ้อนเท่านั้น คนที่รู้มากกว่า ย่อมมองเห็นคำถามต่อไปได้มากกว่า แทนที่จะถามแค่ว่า “ช่วยอธิบายทฤษฎีนี้ให้หน่อย” เขาอาจถามต่อว่า ทฤษฎีนี้ตั้งอยู่บนสมมติฐานอะไร? ใครคัดค้าน? หลักฐานของฝ่ายตรงข้ามคืออะไร? ถ้าใช้แนวคิดนี้กับอีกสังคมหนึ่ง ผลจะเหมือนเดิมหรือไม่? คำถามเหล่านี้เกิดขึ้นไม่ได้จากเทคนิคการใช้ AI เพียงอย่างเดียว แต่เกิดจากความรู้และความสามารถในการคิด
หรือปัญหาอาจอยู่ที่ Assignment ของเราเอง
ถ้า Assignment หนึ่งสามารถ copy ไปใส่ AI แล้วได้คำตอบพร้อมส่งกลับภายในหนึ่งนาที เราอาจต้องถามตัวเองเช่นกันว่า ปัญหาอยู่ที่นักศึกษาใช้ AI หรืออยู่ที่วิธีที่เราออกแบบ Assignment ถ้าโจทย์ถามว่า “จงอธิบายทฤษฎี X จำนวน 1,000 คำ” AI ทำได้ค่อนข้างดีแล้ว แต่ถ้าเปลี่ยนเป็น “นี่คือคำอธิบายทฤษฎี X ที่ AI สร้างขึ้น จงหาจุดที่อธิบายง่ายเกินไป วิเคราะห์ข้อสันนิษฐานที่ซ่อนอยู่ และยกตัวอย่างกรณีที่ทฤษฎีนี้อธิบายไม่ได้” ลักษณะของการเรียนรู้เปลี่ยนทันที AI ยังใช้ได้ แต่ AI ไม่ได้คิดแทนนักศึกษาทั้งหมด
บทความใน UNESCO IdeasLAB โดย Hrishikesh Desai เสนอในทิศทางเดียวกันว่า เมื่อ AI สามารถผลิต essay แก้โจทย์ และสร้าง output ที่ดูสมบูรณ์ได้ การประเมินควรขยับจากการวัดเพียงผลลัพธ์สุดท้ายไปสู่ higher-order thinking ความคิดสร้างสรรค์ การให้เหตุผล และกระบวนการที่ผู้เรียนใช้ในการได้คำตอบมา (Desai, 2025)
บางทีสิ่งที่ต้องเปลี่ยน อาจไม่ใช่การ “อนุญาตให้ใช้ AI หรือไม่” แต่คือ “เราจะให้นักศึกษาทำอะไรกับ AI”
AI อาจพาเรากลับไปหา Socrates
น่าสนใจว่า เทคโนโลยีที่ล้ำหน้าที่สุดอย่าง AI อาจกำลังผลักการศึกษาให้ย้อนกลับไปหาวิธีเรียนที่เก่าแก่ที่สุดวิธีหนึ่ง การตั้งคำถามแบบ Socrates ผู้ซึ่งไม่ได้มีชื่อเสียงเพราะยืนอธิบายคำตอบให้ศิษย์ฟังเป็นชั่วโมง แต่เพราะการถาม ถามแล้วถามต่อ เมื่อผู้สนทนาเสนอความเห็นหนึ่ง เขาจะถามถึงเหตุผล ถามถึงสมมติฐาน และใช้คำถามใหม่เปิดให้เห็นความขัดแย้งในสิ่งที่อีกฝ่ายคิดว่าตัวเองรู้อยู่แล้ว การเรียนรู้จึงเกิดขึ้นผ่าน dialogue และ dialectic ไม่ใช่แค่ อาจารย์เลคเชอร์แล้วนักศึกษาจด แต่เป็น:
[อาจารย์ถาม - นักศึกษาตอบ - อาจารย์ถามกลับ - นักศึกษาต้องอธิบายเหตุผล - คนอื่นโต้แย้ง - หลักฐานใหม่ถูกนำเข้ามา - และความคิดเดิมอาจต้องเปลี่ยน]
ในอดีต การเข้าถึงคำตอบเป็นเรื่องยาก แต่ในยุค AI เราอาจต้องกลับมาให้ความสำคัญกับวิธีแบบ Socrates ด้วยเหตุผลตรงกันข้าม
เพราะคำตอบมีมากเกินไป
เมื่อคำตอบกลายเป็นสิ่งที่ได้มาง่าย การศึกษาจึงต้องให้คุณค่ามากขึ้นกับความสามารถในการตั้งคำถาม วิพากษ์ โต้แย้ง และปกป้องเหตุผลของตัวเอง
อาจารย์อาจถามนักศึกษาว่า “ทำไมคุณจึงเชื่ออย่างนั้น?” “หลักฐานอะไรสนับสนุนข้อสรุปนี้?” “ถ้าผมไม่เห็นด้วย คุณจะโต้แย้งอย่างไร?” “ถ้ามีข้อมูลใหม่ที่ขัดกับข้อสรุปของคุณ คุณจะเปลี่ยนความเห็นหรือไม่?” ตรงนี้ต่างหากที่ทำให้เราเห็นว่านักศึกษาเข้าใจสิ่งที่อยู่ในงานจริงหรือแค่มีคำตอบอยู่ในมือ
Assignment ในอนาคตอาจไม่จำเป็นต้องห้าม AI แต่อาจให้นักศึกษาแสดงด้วยว่าใช้ AI อย่างไร ถามอะไร คำตอบแรกมีปัญหาตรงไหน ตรวจสอบกับแหล่งใด และสุดท้ายเห็นด้วยหรือไม่เห็นด้วยกับมันเพราะอะไร แทนที่จะประเมินแค่ “คำตอบ” เราก็เริ่มประเมินกระบวนการคิด
อาจารย์เองก็ต้องเปลี่ยน
ความรับผิดชอบไม่ได้อยู่ที่นักศึกษาเพียงฝ่ายเดียว ถ้าเราบอกนักศึกษาว่าอย่าโยนการคิดทั้งหมดให้ AI แต่อาจารย์กลับโยนการอ่านงานทั้งหมดให้ AI แล้วใช้คะแนนที่ระบบเสนอโดยแทบไม่ตรวจ เราก็กำลังทำสิ่งเดียวกันอีกด้านหนึ่ง
AI สามารถช่วยตรวจงานเบื้องต้น เปรียบเทียบกับ rubric ช่วยมองหารูปแบบ หรือร่าง feedback เพื่อประหยัดเวลาได้ แต่ “ช่วยตรวจ” กับ “ตัดสินแทน” ไม่เหมือนกัน รายงาน Reimagining Teaching in an Accelerating World ของ OECD กล่าวถึงเรื่องนี้อย่างตรงไปตรงมาว่า AI สามารถช่วยลดภาระงาน ตรวจงาน หรือช่วยสร้าง feedback ได้ แต่การประเมินเกี่ยวข้องกับบริบท ความคิดสร้างสรรค์ ความเป็นต้นฉบับ และความสัมพันธ์ระหว่างอาจารย์กับผู้เรียน ซึ่ง AI อาจไม่สามารถเข้าใจได้ทั้งหมด
OECD สรุปหลักการนี้ไว้ชัดเจนว่า อัลกอริทึมอาจเสนอแนะได้ แต่ผู้สอนต้องเป็นผู้ตัดสิน และไม่ควรโยนการประเมินให้ AI ทำแทนทั้งหมด (OECD, 2026b) นี่อาจเป็นหลักเดียวกับที่เราควรใช้กับนักศึกษาเช่นกัน
AI เสนอได้ แต่คนต้องคิดและตัดสินเอง
บทบาทของอาจารย์จึงไม่ได้หายไปเพราะ AI รู้มากกว่า มันแค่เปลี่ยนจากผู้ที่ต้องมีคำตอบทุกอย่าง เป็นคนที่รู้ว่าจะถามอะไรต่อ จากผู้ถ่ายทอดข้อมูล เป็นผู้ออกแบบสถานการณ์ให้ผู้เรียนคิด จากคนตรวจว่าคำตอบถูกหรือผิด เป็นคนที่ถามว่า “คุณได้คำตอบนี้มาอย่างไร?”
การศึกษาไม่ได้หมดความหมาย เพียงแต่ต้องเปลี่ยนความหมายของการเรียน
AI ไม่ได้ทำให้การอ่าน การเขียน การค้นคว้า หรือความรู้พื้นฐานไม่จำเป็น สิ่งเหล่านี้ยังสำคัญ แต่เราอาจไม่ควรใช้เวลาส่วนใหญ่ของการศึกษาไปกับการผลิตคำตอบ ที่เครื่องสามารถสร้างได้ภายในไม่กี่วินาทีอีกต่อไป สิ่งที่ควรมีค่ามากขึ้นคือการเข้าใจ การเปรียบเทียบ การตั้งข้อสงสัย การใช้หลักฐาน การสร้างเหตุผล และการกล้าเปลี่ยนความคิดเมื่อพบว่าตัวเองผิด
ดังนั้น AI อาจไม่ใช่วิกฤตของการศึกษาเสียทีเดียว มันอาจเป็นแรงผลักที่บังคับให้เรากลับมาถามคำถาม ที่การศึกษาเคยหลีกเลี่ยงมานานว่า เราอยากให้นักศึกษาเรียนรู้อะไรจริง ๆ ในยุคที่คำตอบกำลังกลายเป็นของราคาถูก สิ่งที่มีค่าจึงอาจไม่ใช่การมีคำตอบมากที่สุด แต่เป็นการรู้ว่าอะไรควรถาม อะไรควรสงสัย หลักฐานใดควรเชื่อ เหตุผลใดยังไม่เพียงพอ และเมื่อใดที่เราควรยอมรับว่าความคิดของเราอาจผิด AI อาจตอบคำถามได้เร็วกว่ามนุษย์มาก แต่นั่นไม่ได้หมายความว่ามันจะเรียนแทนเราได้
และบางที ในยุคที่เครื่องจักรสามารถตอบได้แทบทุกอย่าง หน้าที่สำคัญที่สุดของอาจารย์อาจกลับมาเป็นสิ่งเดียวกับที่ Socrates ทำเมื่อกว่าสองพันปีก่อน ไม่ใช่การให้คำตอบ แต่คือการทำให้ผู้เรียนรู้จักตั้งคำถาม
อ้างอิง
Digital Education Council. (2025). Digital Education Council Global AI Faculty Survey 2025.
Desai, H. (2025). What’s worth measuring? The future of assessment in the AI age. UNESCO IdeasLAB.
OECD. (2026a). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing. doi:10.1787/062a7394-en.
OECD. (2026b). Reimagining Teaching in an Accelerating World. OECD Publishing. doi:10.1787/d0edfe8c-en.
