SCT

กำลังเตรียมประสบการณ์ดิจิทัล

Siri ใหม่เก่งเพราะรู้จักเรา ไม่ใช่เพราะฉลาดที่สุด: NN/g ทดลองเทียบ Siri AI กับ ChatGPT และ 8 บทเรียนสำหรับคนออกแบบผู้ช่วย AI

ผู้ช่วย AI ที่มีประโยชน์ที่สุดอาจไม่ใช่ตัวที่ฉลาดที่สุด แต่เป็นตัวที่รู้เรื่องของเรามากที่สุดและลงมือทำในแอปได้ นักวิจัยของ Nielsen Norman Group ลองให้ Siri รุ่นเดิม Siri AI รุ่นใหม่ของ Apple และ ChatGPT ทำงานชุดเดียวกันหลังทริปนิวยอร์ก เช่น หารูปจากทริปและรวบรวมร้านที่พี่ชายแนะนำทางข้อความ ผลคือ Siri AI ทำงานที่ใช้ข้อมูลส่วนตัวได้ดีกว่าชัดเจน เพราะเข้าถึงข้อความ รูป และรายชื่อในเครื่อง แต่ก็ยังพลาดในจุดที่บอกบทเรียนสำคัญสำหรับทุกทีมที่ออกแบบผู้ช่วย AI

ผู้ช่วย AI ที่มีประโยชน์ที่สุดอาจไม่ใช่ตัวที่ฉลาดที่สุด แต่เป็นตัวที่รู้เรื่องของเรามากที่สุดและลงมือทำในแอปได้ นักวิจัยของ Nielsen Norman Group ลองให้ Siri รุ่นเดิม Siri AI รุ่นใหม่ของ Apple และ ChatGPT ทำงานชุดเดียวกันหลังทริปนิวยอร์ก เช่น หารูปจากทริปและรวบรวมร้านที่พี่ชายแนะนำทางข้อความ ผลคือ Siri AI ทำงานที่ใช้ข้อมูลส่วนตัวได้ดีกว่าชัดเจน เพราะเข้าถึงข้อความ รูป และรายชื่อในเครื่อง แต่ก็ยังพลาดในจุดที่บอกบทเรียนสำคัญสำหรับทุกทีมที่ออกแบบผู้ช่วย AI

การทดลองทำอย่างไร

ผู้เขียนให้ผู้ช่วยสามตัวทำงานสามอย่างเหมือนกัน คือหารูปจากทริปที่เพิ่งกลับมา หาร้านอาหารเช้าที่พี่ชายเคยแนะนำทางข้อความ และร่างข้อความส่งรายชื่อร้านให้คู่ชีวิต Siri รุ่นเดิมทดสอบบน iPhone 14 ส่วน Siri AI ซึ่ง Apple เปิดทดลองภาษาอังกฤษตั้งแต่ 14 กันยายน 2026 ทดสอบบน iPhone 18 Pro ที่ใช้ iOS 27 ฝั่ง ChatGPT ใช้รุ่น GPT-5.6 Sol เชื่อมกับ Gmail และ Slack ของที่ทำงาน ผู้เขียนบอกเองว่าเป็นการลองใช้จริง ไม่ใช่งานวิจัยแบบควบคุม ผลจึงเป็นตัวอย่างให้เห็นภาพ มากกว่าตัวเลขที่ใช้ตัดสินว่าใครดีกว่า

ผลที่ได้จากผู้ช่วยแต่ละตัว

สรุปผลการลองใช้ผู้ช่วยสามตัวกับงานชุดเดียวกัน (จากบทความต้นฉบับ)
งานSiri รุ่นเดิมSiri AIChatGPT
หารูปจากทริปเปิดคลังรูปทั้งหมด หรือแสดงรูปจากเว็บหาเจอโดยไม่ต้องบอกว่าเป็นรูปของเราเสนอลิงก์รูปข่าว
หาร้านที่พี่ชายแนะนำทำไม่ได้หาข้อความเจอและตอบคำถามต่อได้ไม่พบในบัญชีงานที่เชื่อมไว้
ร่างข้อความส่งต่อส่งผิดคน และข้อความไม่ใช่สิ่งที่ต้องการร่างรายชื่อร้านถูกต้อง ถึงคนที่ถูกเขียนเก่ง แต่ไม่มีข้อมูลให้ใช้

บทเรียนจากตารางคือความฉลาดของโมเดลอย่างเดียวไม่พอ ChatGPT สนทนาได้ดีมาก แต่ข้อมูลที่ต้องใช้อยู่ในข้อความและรูปบนมือถือ ซึ่งมันเข้าไม่ถึง ขณะที่ Siri รุ่นเดิมเข้าถึงข้อมูลได้ แต่เข้าใจคำขอไม่พอจะใช้ประโยชน์ ผู้ช่วยที่ได้ผลต้องมีทั้งสองอย่างพร้อมกัน

จุดที่ Siri AI ยังพลาด

  • ไม่บอกว่าค้นที่ไหนบ้าง นัดของเพื่อนอยู่ในแอป Signal ซึ่ง Siri เข้าไม่ถึงโดยค่าเริ่มต้น แต่คำตอบไม่ได้บอก ผู้ใช้จึงอาจเข้าใจว่าข้อมูลไม่มีอยู่จริง
  • ข้อมูลหายระหว่างส่งต่อแอป Siri ยืนยันว่าจุดเริ่มต้นเส้นทางคือที่อยู่ของพี่ชาย แต่ Google Maps เปิดขึ้นมาโดยใช้ตำแหน่งปัจจุบันแทน
  • เลือกความหมายผิดโดยไม่ถาม ชื่อร้าน Dimes ถูกตีความเป็นย่าน Dimes Square
  • ป้ายสถานะไม่อธิบาย ขึ้นคำว่ากำลังค้นเว็บไซต์ระหว่างร่างข้อความ โดยไม่บอกว่าเกี่ยวกับคำขออย่างไร

บทเรียนสำหรับคนออกแบบผู้ช่วย AI

  1. ออกแบบการเข้าถึงข้อมูลคู่กับความสามารถ เชื่อมแหล่งข้อมูลเพิ่มมีประโยชน์ก็ต่อเมื่อช่วยให้หาข้อมูลที่เกี่ยวข้องเจอจริง
  2. บอกแหล่งที่ค้นและสิ่งที่ค้นไม่ได้ พร้อมทางให้ผู้ใช้เพิ่มแหล่งข้อมูลหรือวางข้อมูลเอง
  3. ยืนยันก่อนทำสิ่งที่พลาดแล้วเสียหาย เช่น ส่งข้อความหาคน
  4. ถามสั้น ๆ เมื่อคำขอตีความได้หลายทาง ดีกว่าทำผิดอย่างมั่นใจ
  5. รักษาเจตนาของผู้ใช้ตลอดงาน รายละเอียดที่ยืนยันแล้วต้องตามไปถึงแอปปลายทาง
  6. แนะนำคำสั่งเฉพาะที่ทำได้จริง ไม่ชวนให้ถามเรื่องที่ระบบเข้าไม่ถึง
  7. อย่าให้บุคลิกเกินความสามารถ หน้าตาที่ดูฉลาดเกินจริงทำให้ผู้ใช้คาดหวังผิด
  8. อธิบายขั้นตอนที่กำลังทำ ให้ผู้ใช้เข้าใจว่าแต่ละขั้นเกี่ยวกับคำขออย่างไร

บทเรียนนี้ใช้ได้กับแชตบอตและผู้ช่วย AI ที่ธุรกิจไทยกำลังสร้างให้ลูกค้าเช่นกัน บอตที่ตอบเรื่องคำสั่งซื้อได้จริงต้องเข้าถึงข้อมูลออเดอร์ของลูกค้าคนนั้น บอกได้ว่าค้นจากที่ไหน และถามกลับเมื่อไม่แน่ใจ ไม่ใช่ตอบเก่งแต่ไม่มีข้อมูล อ่านข่าวการเปิดตัวได้ที่Siri AI มากับ iOS 27 ทีมงาน Smart Cyber Tech พัฒนาระบบผู้ช่วย AI ที่เชื่อมข้อมูลของธุรกิจ ตั้งแต่ออกแบบสิทธิ์การเข้าถึงข้อมูลจนถึงหน้าจอที่ผู้ใช้ไว้ใจได้ ปรึกษาได้ที่ แบบฟอร์มติดต่อ

สรุปสาระสำคัญ

  • การทดลองทำอย่างไร
  • ผลที่ได้จากผู้ช่วยแต่ละตัว
  • จุดที่ Siri AI ยังพลาด
แหล่งอ้างอิงเรียบเรียงจาก Nielsen Norman Group — อ่านบทความต้นฉบับ
ภาพปก: Nielsen Norman Group · ลิขสิทธิ์ภาพเป็นของเจ้าของต้นฉบับ ใช้ประกอบการรายงานพร้อมอ้างอิงแหล่งที่มา
มีคำถามเพิ่มเติมเกี่ยวกับบทความนี้? เขียนหาเราได้ที่ info@smart-cyber-tech.com
บริการที่เกี่ยวข้องจากทีมงาน Smart Cyber Tech

บทความอื่นที่เกี่ยวข้อง

บทความที่เกี่ยวข้อง

3 บทบาทของบริบทที่ทำให้เอเจนต์ AI ทำงานได้ตรงใจ: บทเรียนจากผู้ใช้ระดับสูงที่ Nielsen Norman Group ศึกษา UX/UI

3 บทบาทของบริบทที่ทำให้เอเจนต์ AI ทำงานได้ตรงใจ: บทเรียนจากผู้ใช้ระดับสูงที่ Nielsen Norman Group ศึกษา

เหตุผลที่คนหนึ่งสั่งเอเจนต์ AI ด้วยประโยคสั้น ๆ แล้วได้งานตรงใจ ขณะที่อีกคนต้องเขียนคำสั่งยาวเป็นหน้าแล้วยังได้ผลไม่ดี มักไม่ได้อยู่ที่ฝีมือเขียนคำสั่ง แต่อยู่ที่ "บริบท" ที่เตรียมไว้ให้เอเจนต์อ่าน Nielsen Norman Group ศึกษาผู้ใช้ระดับสูงที่ใช้เอเจนต์ AI ทำงานจริงทุกวัน และพบว่าทุกคนสร้าง "คลังบริบท" ของตัวเองขึ้นมาโดยไม่ได้นัดกัน และจัดข้อมูลในคลังเป็นสามบทบาทเหมือนกัน คือบริบทถาวร บริบทเฉพาะงาน และบริบทแวดล้อม บทความนี้สรุปว่าแต่ละบทบาทคืออะไร เก็บอย่างไร และทีมออกแบบผลิตภัณฑ์ควรเอาไปใช้อย่างไร

อ่านบทความ
ผู้ใช้จำลองด้วย AI ตอบเหมือนคนจริงไหม: NN/g เทียบ 120 คำตอบจาก AI กับ 604 คนจริง ได้ข้อสรุปเดียวกันแต่ความหลากหลายหายไปเกือบหมด UX/UI

ผู้ใช้จำลองด้วย AI ตอบเหมือนคนจริงไหม: NN/g เทียบ 120 คำตอบจาก AI กับ 604 คนจริง ได้ข้อสรุปเดียวกันแต่ความหลากหลายหายไปเกือบหมด

เครื่องมือที่ใช้ AI สร้าง "ผู้ใช้จำลอง" มาตอบแบบสอบถามแทนคนจริงกำลังได้รับความนิยม เพราะเร็วและถูกกว่าการหาผู้ตอบจริงมาก Nielsen Norman Group ทดลองถามคำถามเดียวกันกับผู้ใช้จำลอง 120 คน แล้วเทียบกับคำตอบของคนจริง 604 คนจากการสำรวจเดิม ผลคือข้อสรุปหลักออกมาเหมือนกัน แต่คำตอบของ AI แคบลงมาก คำตอบแปลก ๆ ที่มักบอกความต่างของกลุ่มผู้ใช้หายไปเกือบทั้งหมด บทความนี้สรุปผลการทดลองและแนวทางว่าเมื่อไรใช้ผู้ใช้จำลองได้ และเมื่อไรยังต้องคุยกับคนจริง

อ่านบทความ
ระบบเอเจนต์ AI ที่โตแบบไม่มีแผนจะกลายเป็นก้อนโคลน: 5 รูปแบบที่ทำให้ระบบเปราะ และวิธีดูแลให้ยังแก้ไขได้ จากงานวิจัยของ Nielsen Norman Group ข้อมูลและ AI

ระบบเอเจนต์ AI ที่โตแบบไม่มีแผนจะกลายเป็นก้อนโคลน: 5 รูปแบบที่ทำให้ระบบเปราะ และวิธีดูแลให้ยังแก้ไขได้ จากงานวิจัยของ Nielsen Norman Group

เมื่อ AI ทำให้การสร้างเครื่องมือแทบไม่มีต้นทุน คนจำนวนมากต่อเติมระบบเอเจนต์ของตัวเองทีละนิดจนวันหนึ่งไม่มีใครรู้ว่าแต่ละส่วนทำอะไร Nielsen Norman Group ศึกษาผู้ใช้ที่ไม่ใช่นักพัฒนาซึ่งสร้างเวิร์กโฟลว์ด้วย AI แล้วพบรูปแบบเดียวกับปัญหาเก่าแก่ของซอฟต์แวร์ที่เรียกว่า Big Ball of Mud หรือระบบก้อนโคลนที่ใช้งานได้วันนี้แต่แก้ไขยากขึ้นทุกวัน บทความนี้สรุปรูปแบบที่ต้องระวังและวิธีจัดระเบียบให้ยังควบคุมได้

อ่านบทความ

ติดต่อเพื่อขอรับคำปรึกษาจากทีมงาน

ตั้งแต่ประเมินระบบปัจจุบัน วางแผน จนถึงลงมือพัฒนา — คุยกับเราได้โดยไม่มีค่าใช้จ่าย

ปรึกษาทีมของเรา