CONTENTS · OWNER-CREATED WRITING
ทำงานได้เยอะขึ้น แต่เสร็จช้าลง — The AI Productivity Paradox
เหตุใดงาน AI ที่ขนานมากขึ้นจึงเพิ่ม Throughput พร้อมยืด Completion และ Supervision Time
CORE ARGUMENT
Generated Output ยังไม่ใช่งานที่เสร็จ Verification Queue, Context Switching และ Integration กลายเป็น Bottleneck ใหม่
ผมเคยเขียนไว้ว่า AI ไม่ได้ทำให้เราโง่ลง — เราต่างหากที่ใช้มันผิด ด้วยการถ่ายโอนงานคิดทั้งหมดให้มัน
วันนี้ผมจะเล่าเรื่องที่ฟังดูย้อนแย้ง: งานผมเสร็จช้าลงเพราะ AI
ไม่ต้องรีบเถียง — เพราะสุดท้ายทั้งสองเรื่องมีรากเดียวกัน และผมจะพาไปดูว่ารากนั้นคืออะไร
ภาพการทำงานจริงของผมตอนนี้
ผมรันงาน AI-assisted ขนานกัน 4–5 งาน ข้าม domain ที่ต่างกันสุดขั้ว พร้อมกับพัฒนา tooling อย่าง agent skills และ sql-context-pack คู่ขนานไปด้วย loop ต่อ project หน้าตาแบบนี้
- Task A → Prompt → Command → Wait (Project A)
- Task C → Prompt → Command → Wait (Project C)
- Task B → Prompt → Command → Wait (Project B)
ดูเหมือน parallel ที่สวยงาม แต่ความจริงมีต้นทุนซ่อนอยู่สองก้อนใหญ่
ต้นทุนก้อนที่ 1: สมองมนุษย์
ช่วง Gap ที่รอ AI ทำงาน เราไม่ได้พัก — เราสาละวนหยิบงานอื่นมาทำ สลับ context ไปมาระหว่าง domain ที่ไม่เกี่ยวกันเลย บวกกับความกังวลที่ต้องวนเช็คว่า agent ตัวไหนติดขัด ต้องตัดสินใจอะไรตรงไหนไหม สิ่งนี้มีชื่อเรียก: Supervision Tax — ภาษีที่จ่ายด้วยสมาธิ ยิ่งรัน agent เยอะ ยิ่งจ่ายแพง
ต้นทุนก้อนที่ 2: Resources ที่ถูก Share
เรา parallel ได้จริง แต่ token/throughput ถูกจำกัดและแชร์กัน ผลคืองานทุกชิ้นเสร็จใกล้เคียงกันหมด ความเร็วที่ได้จาก parallelism ถูกเกลี่ยจนแบน
ผลลัพธ์สุทธิ
Throughput เพิ่มขึ้นจริง แต่งานแต่ละชิ้นกลับเสร็จช้าลง — ต้นงานเร็วมาก (Very Fast) แต่พอถึงกลางงาน มันหน่วงลงอย่างเห็นได้ชัด
ส่วนการคิดไม่ได้ช้าลงด้วยตัวมันเอง แต่มันเสีย effectiveness จากการ multitask ข้าม context ที่ต่างกันสุดขั้ว — จากเดิมที่เราผลิตทีละงาน เราไม่เคยหลุด context ขนาดนี้ และทั้งหมดถูกซ้ำเติมเพราะ Governance / Data / Context / Boundary ของงานกระจัดกระจาย ไม่มีคลังรวมศูนย์ ไม่มี Infrastructure สำหรับ AI-First
Takeaway ของตอนนี้
ทำงานกับ AI ได้มากขึ้น ≠ ปล่อย scope บาน สิ่งที่ต้องทำกลับกันคือ Lock Scope และวาง Job Description / Boundary ของงานให้แคบและชัด เพราะงานที่ใช้สมอง เรายังต้องเป็นคนทำเอง และมันคือส่วนที่เหนื่อยที่สุด
ตอนหน้า: ทำไมปัญหานี้ไม่ใช่ความผิดของ AI — แต่คือ Infrastructure ที่เกิดมาแบบ Human-First
EVIDENCE NOTE
Claim boundary
เนื้อหาหน้านี้นำมาจากไฟล์บทความต้นฉบับใน Information โดยคงลำดับเหตุผลและข้อจำกัดเดิม ไม่ได้อ้างว่าทุก Pattern ถูกใช้ใน Production และไม่สร้าง Metric เพิ่มจาก Source
