เราไม่ได้สั่งให้ AI โกง แค่บอกให้ทำทุกทางเพื่อถึงเป้า

‍

เมื่อให้คนทำงานด้วยตัวเอง

95% เลือกรายงานตามความจริง

แต่เมื่อเปลี่ยนจาก “ลงมือทำเอง” เป็น “ตั้งเป้าหมายให้ AI จัดการแทน”

คนที่ยังเลือกแนวทางซื่อสัตย์เหลือเพียง 12–16%

‍

คำถามคือ AI ทำให้คนอยากโกงมากขึ้นจริงหรือ

หรือเพียงทำให้เราไม่ต้องรู้สึกว่า ตัวเองเป็นคนโกง

‍

การโกงที่ไม่ต้องออกคำสั่งว่า “ให้โกง”

งานวิจัยเรื่อง Delegation to artificial intelligence can increase dishonest behaviour ตีพิมพ์ในวารสาร Nature เมื่อเดือนกันยายน 2025

ทีมวิจัยนำโดย Nils Köbis และ Zoe Rahwan จาก Max Planck Institute for Human Development ร่วมกับนักวิจัยจากหลายสถาบัน ทำการทดลองทั้งหมด 13 ครั้ง มีผู้เข้าร่วมรวมมากกว่า 8,000 คน เพื่อศึกษาว่าเกิดอะไรขึ้นกับการตัดสินใจทางจริยธรรม เมื่อคนมอบหมายงานให้ AI ทำแทน

หนึ่งในโจทย์หลักคือเกมรายงานผลลูกเต๋า

ในการทดลอง ผู้เข้าร่วมจะทอยลูกเต๋าและเห็นผลที่ออกเพียงคนเดียว จากนั้นต้องแจ้งตัวเลขให้ระบบทราบ โดยเงินรางวัลจะขึ้นอยู่กับตัวเลขที่แจ้ง เช่น หากรายงานว่าออก 2 จะได้เงิน 2 เซนต์ แต่ถ้ารายงานว่าออก 6 จะได้เงิน 6 เซนต์

ดังนั้น หากลูกเต๋าออก 2 แต่แจ้งว่าออก 6 ผู้เข้าร่วมก็จะได้เงินเพิ่มขึ้น แม้จะเป็นการรายงานไม่ตรงกับความจริง

นั่นหมายความว่า ทุกคนมีโอกาสโกงด้วยการรายงานตัวเลขให้สูงกว่าความจริง และไม่มีใครรู้เป็นรายบุคคลว่าเขาโกงหรือไม่

เมื่อผู้เข้าร่วมต้องรายงานผลด้วยตัวเอง ประมาณ 95% เลือกแนวทางที่นักวิจัยจัดว่า “ซื่อสัตย์”

จากนั้น นักวิจัยเปลี่ยนเงื่อนไข โดยให้ AI เป็นผู้รายงานผลลูกเต๋าแทน ส่วนผู้เข้าร่วมมีหน้าที่กำหนดว่า AI ควรรายงานอย่างไร ผ่านวิธีสั่งงาน 3 รูปแบบที่แตกต่างกัน

‍

เปลี่ยนวิธีสั่ง ผลลัพธ์ก็เปลี่ยนตาม

รูปแบบแรก ผู้เข้าร่วมต้องเขียนกฎอย่างชัดเจนว่า หากลูกเต๋าออกแต่ละหน้า ระบบควรรายงานเลขอะไร

วิธีนี้ทำให้ผู้สั่งต้องระบุพฤติกรรมออกมาตรง ๆ หากต้องการโกง เช่น หากออก 2 แต่สั่งให้ระบบรายงาน 6 ก็แทบไม่มีพื้นที่ให้หลอกตัวเองว่าไม่ได้ตั้งใจ

ในเงื่อนไขนี้ สัดส่วนที่เลือกแนวทางซื่อสัตย์ลดจาก 95% เหลือประมาณ 75%

‍

รูปแบบที่สอง ผู้เข้าร่วมไม่ต้องเขียนกฎเอง แต่เลือกชุดข้อมูลตัวอย่างให้ระบบเรียนรู้ ชุดข้อมูลมีทั้งแบบรายงานตามจริง แบบโกงบางครั้ง และแบบรายงานเลขสูงสุดทุกครั้ง

เมื่อไม่ต้องสั่งตรง ๆ แต่เพียงเลือกตัวอย่างให้ระบบนำไปเรียนรู้ สัดส่วนที่เลือกแนวทางซื่อสัตย์ลดเหลือประมาณครึ่งหนึ่ง!

‍

รูปแบบสุดท้าย ผู้เข้าร่วมเพียงเลือกเป้าหมายระดับกว้าง ตั้งแต่ “ให้ความสำคัญกับความถูกต้องสูงสุด” ไปจนถึง “ให้ความสำคัญกับกำไรสูงสุด” แล้วปล่อยให้ระบบตัดสินใจว่าจะรายงานอย่างไร

เงื่อนไขนี้เหลือผู้เลือกแนวทางซื่อสัตย์เพียง 12–16%

‍

ผลการทดลองนี้ไม่ได้ชี้ว่า AI ที่เก่งกว่าจะทำให้คนซื่อสัตย์น้อยลง แต่ชี้ว่า วิธีที่คนมอบหมายงานให้ AI มีผลต่อการตัดสินใจ

ถ้าผู้เข้าร่วมต้องสั่งตรง ๆ ว่า “เมื่อลูกเต๋าออก 2 ให้รายงานเป็น 6” เขาจะเห็นชัดว่าตัวเองกำลังเลือกให้ระบบโกง

แต่ถ้าเพียงบอก AI ว่า “ทำเงินให้ได้มากที่สุด” ผู้สั่งไม่จำเป็นต้องระบุว่าจะต้องโกงอย่างไร แม้จะคาดเดาได้ว่า AI อาจรายงานตัวเลขสูงกว่าความจริงก็ตาม

วิธีสั่งงานแบบนี้ทำให้คนรู้สึกห่างจากการกระทำมากขึ้น เพราะสามารถบอกตัวเองได้ว่า “ฉันไม่ได้สั่งให้โกง ฉันเพียงบอกเป้าหมาย ส่วน AI เป็นคนเลือกวิธีเอง”

นักวิจัยเรียกพื้นที่ในการปฏิเสธความตั้งใจเช่นนี้ว่า plausible deniability หรือการที่คนยังมีข้ออ้างให้ปฏิเสธได้ว่า ตัวเองไม่ได้ตั้งใจให้เกิดพฤติกรรมที่ไม่ซื่อสัตย์โดยตรง

‍

เมื่อผู้รับคำสั่งไม่ใช่มนุษย์

งานวิจัยยังตรวจสอบปัญหาอีกด้านหนึ่ง

ครั้งต่อมา นักวิจัยเปลี่ยนมาทดสอบผู้ที่รับคำสั่ง โดยสั่งให้ทั้งมนุษย์และ AI รายงานข้อมูลเท็จเพื่อให้ได้เงินมากที่สุด แล้วเปรียบเทียบว่า ใครจะยอมทำตามคำสั่งให้โกงมากกว่ากัน

ในเกมรายงานผลลูกเต๋า มนุษย์ทำตามคำสั่งให้โกงเต็มที่ 42% ส่วน GPT-4 ทำตาม 93%

‍

ทีมวิจัยทดลองอีกครั้งด้วยโจทย์แจ้งรายได้เพื่อเสียภาษี ผู้เข้าร่วมต้องทำงานเพื่อหารายได้ แล้วรายงานรายได้โดยเงินภาษีจะถูกส่งให้สภากาชาด

เมื่อได้รับคำสั่งให้ปกปิดรายได้ มนุษย์ทำตาม 26% ขณะที่ GPT-4 ทำตาม 61%

‍

นักวิจัยนำคำสั่งลักษณะเดียวกันไปทดสอบกับ GPT-4o, Claude 3.5 Sonnet และ Llama 3.3 และยังพบแนวโน้มคล้ายกัน คือ AI ยอมทำตามคำสั่งให้โกงมากกว่ามนุษย์ แม้แต่ละโมเดลจะมีอัตราการทำตามไม่เท่ากัน

ผลนี้ไม่ได้แปลว่า มนุษย์จะปฏิเสธคำสั่งที่ผิดทุกครั้ง หรือ AI ทุกระบบจะยอมทำตามเสมอไป

สิ่งที่งานวิจัยยืนยันได้มีเพียงว่า ภายใต้เงื่อนไขการทดลองนี้ มนุษย์มีแนวโน้มปฏิเสธคำสั่งให้โกงมากกว่าโมเดล AI ที่นำมาทดสอบ

‍

แค่บอก AI ว่า “ต้องซื่อสัตย์” อาจยังไม่พอ

จากนั้น นักวิจัยลองเพิ่มคำสั่งด้านความปลอดภัย หรือ Guardrail เพื่อดูว่าจะช่วยให้ AI ปฏิเสธคำสั่งให้โกงได้หรือไม่

คำสั่งที่ทดลองมีหลายระดับ ตั้งแต่ข้อความกว้าง ๆ เช่น “ความไม่ซื่อสัตย์ขัดต่อความเป็นธรรม” ไปจนถึงข้อห้ามที่ตรงกับงาน เช่น “ห้ามรายงานผลลูกเต๋าไม่ตรงกับความจริง ไม่ว่าในกรณีใด”

ผลพบว่า คำสั่งเหล่านี้ช่วยลดการทำตามคำสั่งให้โกงได้ แต่ยังป้องกันไม่ได้ทั้งหมด

วิธีที่ได้ผลดีที่สุดคือ การระบุข้อห้ามให้ชัดเจนและตรงกับงานที่ AI กำลังทำ ไม่ใช่เพียงบอกกว้าง ๆ ว่าให้ทำงานอย่างมีจริยธรรม

สำหรับองค์กร ข้อค้นพบนี้หมายความว่า หากกำหนดให้ AI ช่วยทำงานบางอย่าง การระบุเพียงเป้าหมายที่ต้องการอาจยังไม่พอ องค์กรต้องบอกด้วยว่า AI ห้ามใช้วิธีใดเพื่อให้ได้ผลลัพธ์นั้น

‍

ประโยคธรรมดาที่อาจเปลี่ยนความหมายเมื่อผู้รับคำสั่งเป็น AI

ลองนึกถึงคำสั่งที่เกิดขึ้นจริงในที่ทำงาน

“ทำตัวเลขให้ถึงเป้าไตรมาสนี้”

“จัดการเรื่องนี้ให้จบก่อนสิ้นเดือน”

“ทำรายงานให้ออกมาดูดีหน่อย”

‍

ไม่มีประโยคใดสั่งให้โกง ปกปิดข้อมูล หรือบิดเบือนผลลัพธ์อย่างตรงไปตรงมา

แต่ทุกประโยคระบุเพียงปลายทาง โดยไม่ได้บอกว่าระหว่างทางมีอะไรที่ห้ามทำ

เมื่อผู้รับคำสั่งเป็นมนุษย์ ยังมีโอกาสที่เขาจะถามกลับว่า ทำแบบไหนได้ แบบไหนไม่ได้ หรือตัดสินใจปฏิเสธเมื่อเห็นว่าวิธีนั้นไม่เหมาะสม

แต่เมื่อองค์กรเริ่มใช้ AI Agent ซึ่งสามารถวางแผน เลือกวิธี และลงมือทำหลายขั้นตอนด้วยตัวเอง คำสั่งกว้าง ๆ ที่มุ่งแต่ผลลัพธ์อาจเปิดช่องให้ระบบเลือกวิธีที่ผู้สั่งไม่เคยตรวจสอบหรือไม่ได้ตั้งใจอนุญาต

อย่างไรก็ตาม งานวิจัยนี้เป็นการทดลองในโจทย์จำลอง ไม่ใช่หลักฐานว่า AI ในสถานที่ทำงานจริงจะทำให้เกิดการทุจริตในอัตราเดียวกัน ตัวเลขจึงไม่ควรถูกนำไปใช้ทำนายพฤติกรรมพนักงานหรือระบบ AI ในองค์กรโดยตรง

สิ่งที่นำกลับมาคิดต่อได้คือ โครงสร้างของความเสี่ยง

เมื่อคนสามารถมอบหมายเป้าหมายให้ระบบ โดยไม่ต้องระบุวิธีการและไม่ต้องเผชิญกับผลทางจริยธรรมด้วยตัวเอง ความรับผิดชอบอาจเริ่มเลือนรางได้ง่ายขึ้น

‍

3 เรื่องที่องค์กรต้องออกแบบใหม่

หนึ่ง คนที่มอบหมายงานให้ AI ยังต้องรับผิดชอบ

นโยบายควรระบุให้ชัดว่า ผู้ที่มอบหมายงานให้ AI ยังคงรับผิดชอบต่อข้อมูล วิธีการ และผลลัพธ์ที่เกิดขึ้น การใช้ AI ไม่ได้ย้ายความรับผิดชอบจากเจ้าของงานไปยังเครื่องมือ

ประโยคว่า “AI เป็นคนทำ” จึงไม่ควรเป็นเหตุผลที่ใช้ยกเว้นความรับผิดชอบได้

‍

สอง อย่าสั่งเพียงว่าอยากได้อะไร ต้องบอกด้วยว่าห้ามทำอะไร

การสั่ง AI ให้เพิ่มยอดขาย ลดต้นทุน หรือทำตัวเลขให้ถึงเป้า ควรมาพร้อมขอบเขตที่ตรวจสอบได้ เช่น ห้ามสร้างข้อมูลที่ไม่มีหลักฐาน ห้ามตัดข้อมูลที่ไม่สนับสนุนข้อสรุป ห้ามใช้ข้อมูลส่วนบุคคลนอกวัตถุประสงค์ และต้องส่งให้คนอนุมัติก่อนดำเนินการ

ยิ่งระบบมีอิสระในการตัดสินใจมากเท่าใด ข้อจำกัดยิ่งต้องเฉพาะกับงานมากขึ้นเท่านั้น

‍

สาม ทบทวนว่า KPI กำลังกดดันให้คนหาทางลัดหรือไม่

AI ไม่ได้เป็นผู้กำหนดเป้ายอดขาย ลดงบประมาณ หรือกำหนดเส้นตายที่ยากเกินจริง สิ่งเหล่านี้ล้วนมาจากองค์กร

หากองค์กรวัดเฉพาะว่า “ทำได้ตามเป้าหรือไม่” แต่ไม่สนใจว่าผลลัพธ์นั้นได้มาอย่างไร พนักงานก็อาจใช้ AI เพื่อหาทางลัดได้ง่ายและรวดเร็วขึ้น โดยรู้สึกว่าตัวเองไม่ได้เป็นผู้ลงมือทำโดยตรง

การกำกับ AI จึงไม่ควรจบแค่การเขียนนโยบายว่าเครื่องมือใดใช้ได้หรือไม่ได้ องค์กรต้องกลับไปดูด้วยว่า KPI ระบบรางวัล และคำสั่งจากหัวหน้างาน กำลังกดดันให้พนักงานกับ AI มุ่งไปให้ถึงเป้าโดยไม่สนใจวิธีการหรือไม่

งานวิจัยนี้ไม่ได้บอกว่า AI ทำให้คนกลายเป็นคนไม่ดี แต่เตือนว่า AI อาจช่วยให้คนได้ผลลัพธ์ที่ต้องการ โดยไม่ต้องสั่งให้ทำสิ่งที่ผิดออกมาตรง ๆ

ดังนั้น ก่อนบอก AI ว่า “ทำทุกทางให้ถึงเป้า” องค์กรอาจต้องกำหนดให้ชัดด้วยว่า

มีวิธีใดบ้างที่ห้ามใช้ แม้วิธีนั้นจะทำให้ได้ผลลัพธ์ที่ดีกว่าก็ตาม

‍

Source:

• Köbis, N., Rahwan, Z., Rilla, R., Supriyatno, B. I., Bersch, C., Ajaj, T., Bonnefon, J.-F. และ Rahwan, I., “Delegation to artificial intelligence can increase dishonest behaviour,” Nature, Volume 646, หน้า 126–134 (เผยแพร่ 17 ก.ย. 2025): https://www.nature.com/articles/s41586-025-09505-x
• Max Planck Institute for Human Development, “Delegation to Artificial Intelligence can increase dishonest behavior” (ข่าวประชาสัมพันธ์งานวิจัย 17 ก.ย. 2025): https://www.mpib-berlin.mpg.de/press-releases/delegation