ถาม AI หลายตัวแล้ว มันเห็นตรงกัน ไม่ได้แปลว่าถูก

เรากำลังสร้างเครื่องมือเล็ก ๆ ไว้ให้ AI หลายตัวช่วยรีวิวงานออกแบบที่เสี่ยง ระหว่างทางก็เอาดีไซน์ของตัวเครื่องมือเองไปถาม AI สองเจ้า Grok กับ Codex ว่าออกแบบมาแบบนี้ดีไหม ทั้งคู่ตอบว่าดี

เกือบจะปิดจ๊อบตรงนั้นแล้ว แต่มีอะไรบางอย่างสะดุดใจ เพราะในคำตอบเดียวกันนั้นเอง ทั้งสองตัวเตือนว่า ความเสี่ยงใหญ่สุดของการเอา AI หลายตัวมาช่วยคิด คือพอเห็นตรงกัน เราจะเผลอนับว่าผ่านการตรวจสอบจากหลายฝ่ายแล้ว ทั้งที่จริงอาจแค่พลาดเหมือน ๆ กัน

แล้วพอคิดดูอีกที ที่สองตัวนั้นเห็นพ้องว่าดีไซน์เราดี ก็คือตัวอย่างเป๊ะ ๆ ของสิ่งที่มันเพิ่งเตือนนั่นแหละ

ช่วงที่ 1ความรอบคอบที่หลอกตา

เปิด AI มาช่วยคิดทีเดียวหลายตัว รู้สึกดีมาก ถามคำถามเดียว ได้สามสี่มุมกลับมา พอทุกมุมชี้ไปทางเดียวกัน เราก็มั่นใจขึ้นทันที เหมือนมีกรรมการหลายคนโหวตตรงกัน

ความรู้สึกว่ามีหลายเสียงมายืนยันนี่แหละที่เป็นหลุมพราง เพราะเรากำลังนับหัว โดยไม่ได้ถามสักคำว่าแต่ละหัวคิดจากฐานเดียวกันรึเปล่า

ช่วงที่ 2ทำไมหลายเสียงถึงเป็นภาพลวง

โมเดลภาษาส่วนใหญ่ฝึกมาจากข้อมูลกองคล้าย ๆ กัน อินเทอร์เน็ตชุดเดียวกัน หนังสือ โค้ด ฟอรัมชุดเดียวกัน พอฐานความรู้ทับกันขนาดนั้น จุดบอดก็มักทับกันไปด้วย

เพราะแบบนี้ พอเห็นตรงกัน บางทีไม่ใช่เพราะคำตอบนั้นถูก แต่เพราะพลาดจุดเดียวกัน กลายเป็นความเห็นพ้องที่รู้สึกเหมือนผ่านการตรวจทานข้ามกันมาแล้ว ทั้งที่ไม่เคยมีตัวไหนมองออกมาจากนอกกรอบเดิมเลยสักตัว

อาการนี้มีชื่อ เราเรียกว่า illusory robustness ภาพลวงว่ามันหนักแน่น ยิ่งเปิดหลายตัวยิ่งรู้สึกปลอดภัย ทั้งที่ความเสี่ยงจริงไม่ได้ลดลงตามไปด้วย

ช่วงที่ 3รั้วที่ทำให้หลายเสียงมีความหมายจริง

ปัญหาไม่ได้อยู่ที่การใช้ AI หลายตัว อยู่ที่ใช้แบบนับหัวเฉย ๆ ต่างหาก ถ้าจะให้หลายเสียงมีน้ำหนักจริง ก็มีรั้วอยู่ไม่กี่ข้อ

ข้อแรก ต้องข้ามค่าย ไม่ใช่แค่ถามซ้ำหลายรอบ สามมุมจากโมเดลตัวเดียวคือมุมเดียวที่พูดสามครั้ง ถ้าอยากได้มุมที่ต่างกันจริง ต้องมาจากคนละค่ายคนละเจ้า ฐานความคิดจะได้ไม่ทับกัน

ข้อสอง เก็บเสียงแย้งดิบ ๆ ไว้ อย่าเพิ่งรีบทำให้ทุกเสียงลงรอยเป็นอันเดียว การสรุปที่ดีต้องโชว์ว่าใครไม่เห็นด้วยตรงไหน พร้อมคำพูดจริง ไม่ใช่กลบเสียงค้านให้เหลือแต่ข้อสรุปกลมกล่อม เพราะตรงที่เถียงกันนั่นแหละคือจุดที่มีของ

ข้อสาม ให้น้ำหนักการเห็นตรงกันแบบข้ามค่าย มากกว่าเห็นตรงกันในค่ายเดียว สองตัวจากคนละเจ้าพูดตรงกัน หนักแน่นกว่าห้าตัวที่แอบใช้ฐานเดียวกัน

ข้อสี่ ชี้ให้ชัดว่ามุมไหนที่ทำให้คำตอบพลิก มุมที่เปลี่ยนการตัดสินใจมีค่ากว่ามุมที่แค่พยักหน้าตามเยอะ พอรู้ว่าอะไรเป็นตัวพลิก เราจะตรวจตรงนั้นเป็นพิเศษได้

ข้อห้า ใช้โมเดลระดับใกล้กัน เอาโมเดลอ่อนมาผสมไม่ได้เพิ่มมุม มีแต่จะดึงคุณภาพคำตอบโดยรวมให้ต่ำลง

ข้อหก รู้ว่าเมื่อไหร่ไม่ต้องใช้ งานที่ย้อนกลับได้ งานรูทีน หรือโจทย์ที่ยังไม่ชัดตั้งแต่ต้น เปิดหลายตัวเข้าไปมีแต่ทำให้มั่ว เพราะของที่คลุมเครืออยู่แล้ว ยิ่งหลายปากยิ่งขยายความคลุมเครือเป็นเสียงรบกวน

ช่วงที่ 4ไม่ใช่เราคนเดียวที่คิดเรื่องนี้

แนวคิดนี้มีคนทำเป็นของจริงแล้ว OpenRouter มีฟีเจอร์ชื่อ Fusion เปิดโมเดลหลายตัวมาช่วยกันคิด แล้วมีอีกตัวเป็นกรรมการสรุปว่าตรงไหนเห็นตรงกัน ตรงไหนขัดกัน ตรงไหนเป็นจุดบอด เขาแนะนำให้หยิบมาใช้ตอนที่คิดผิดแล้วราคาแพงกว่าค่ารันโมเดลเพิ่มหลายเท่า

ของที่เราทำต่างตรงวิธีประกอบ แทนที่จะตั้งคณะกรรมการชุดเดิมทุกงาน เราให้ตัววางแผนอ่านงานก่อนแล้วปั้นมุมมองเฉพาะกับงานนั้น มุมที่ค้านแรงสุดก็จับส่งไปให้เจ้าที่ชอบคิดสวนทางที่สุด แล้วออกแบบตัวสรุปให้กันอาการเห็นตรงกันลวงตาไว้ตั้งแต่ต้น ส่วนวิธีต่อสายข้างในจริง ๆ เป็นอีกชั้นที่ขอเก็บไว้ก่อน หน้าตาเป็นกล่องที่สลับเครื่องยนต์ข้างในได้ แต่ช่องเสียบเท่าเดิม

ครั้งหน้าที่เปิด AI หลายตัวมาช่วยเช็คงาน ลองถามตัวเองก่อนหนึ่งคำ เสียงที่เห็นตรงกันนี้ มาจากมุมที่ต่างกันจริง หรือแค่พลาดเหมือนกัน

เพราะความเห็นพ้องจะเป็นหลักฐานได้ ก็ต่อเมื่อเสียงพวกนั้นไม่ได้แชร์จุดบอดเดียวกัน และเราเก็บเสียงที่แย้งไว้ ไม่ใช่เกลี่ยทิ้งจนเหลือเสียงเดียว

ส่วนจังหวะที่ทุกตัวเห็นตรงกันหมดแบบสวยงาม นั่นแหละจังหวะที่ควรระวังที่สุด ไม่ใช่จังหวะที่ควรสบายใจที่สุด

ส่วนคำถามว่าจะบังคับให้เสียงที่มาตรวจเป็นคนละค่ายจริงๆ ได้ยังไง โดยไม่ต้องพึ่งความจำของคนสั่ง เราเล่าไว้ที่ Codex vs Claude Code เลิกถามว่าตัวไหนเก่งกว่า

บทความนี้เป็นหนึ่งชั้นใน สถาปัตยกรรม AI agent ระดับ production ทั้ง 7 ชั้น