เสี่ยงทีมแตก! นักวิชาการเตือน Meta รวมตัวหัวกระทิ AI คือดาบสองคม

 

ตามรายงานจากสำนักข่าว Bloomberg Meta กำลังทุ่มเงินมหาศาลเพื่อสร้าง "ดรีมทีม" ด้านปัญญาประดิษฐ์ (AI) ด้วยการดึงตัวหัวกะทิจากทั่วทุกวงการมารวมกัน

 

แต่สิ่งที่ มาร์ก ซักเคอร์เบิร์ก อาจยังไม่ได้คำนึงถึง คือคำเตือนจากงานวิจัยหลายทศวรรษที่ชี้ว่า การมีคนเก่งอยู่เต็มทีมไปหมด อาจส่งผลเสียมากกว่าผลดีอย่างไม่น่าเชื่อ

 

ณ ตอนนี้ มีวิศวกรระดับพระกาฬกว่าสิบชีวิตที่ย้ายจาก OpenAI มาซบ Meta สมทบด้วยยอดฝีมือจากทั้ง Anthropic และ DeepMind ของ Google 

 

เดิมพันครั้งใหญ่ของซักเคอร์เบิร์กคือความเชื่อที่ว่า หากรวมคนเก่งที่สุดเข้าไว้ด้วยกันและให้ทรัพยากรแบบไม่อั้น เขาจะสามารถไล่ตามคู่แข่งและเร่งพัฒนา AI ให้ก้าวล้ำไปสู่จุดที่เรียกว่า AGI ซึ่งเป็นจุดที่ AI มีปัญญาเหนือมนุษย์ได้สำเร็จ

 

แต่ความจริงนั้นไม่ได้สวยหรูเสมอไป การอัดแน่นทีมด้วยซูเปอร์สตาร์ไม่ใช่สูตรสำเร็จสู่ชัยชนะ เหมือนกับทีมกีฬาระดับโลกที่แฟนๆ เคยเห็นมานักต่อนัก หากขาดการจัดการที่ยอดเยี่ยม

 

การมีคนเก่งมากเกินไปอาจนำไปสู่ผลลัพธ์ที่ถดถอย หรือแม้กระทั่งความล้มเหลวโดยสิ้นเชิง เมื่ออีโก้ของแต่ละคนเข้าปะทะกัน และเคมีในทีมไม่ลงตัว

 

"มีความเชื่อผิดๆ ใน Wall Street และ Silicon Valley ว่าแค่คุณเอาคนเก่งที่สุดมารวมกัน แล้วปาฏิหาริย์จะเกิดขึ้นเอง" บอริส กรอยส์เบิร์ก ศาสตราจารย์จาก Harvard Business School ผู้ศึกษาเรื่องการทำงานเป็นทีมมากว่า 20 ปี กล่าว 

 

"ปาฏิหาริย์ไม่เกิดขึ้นจริงหรอก สิ่งที่คุณจะได้ในหลายๆ กรณีคือความอิจฉาริษยา การชิงดีชิงเด่น และการขัดแข้งขัดขากัน"

 

 

สำหรับ Meta ภารกิจประคองทีมซูเปอร์สตาร์ไม่ให้ตกหลุมพรางนี้ ตกเป็นหน้าที่ของ อเล็กซานเดอร์ หวัง อดีตซีอีโอวัย 28 ปีจาก Scale AI และ แนท ฟรีดแมน อดีตซีอีโอ GitHub วัย 48 ปี ที่ต้องคุมทัพหัวกะทิ AI 50 ชีวิตในหน่วยงานใหม่นี้

 

ซึ่งตามรายงานจาก Bloomberg ระบุว่า ตลอดหลายปีที่ผ่านมา มีงานวิจัยเชิงวิชาการหลายชิ้นได้ฉายภาพให้เห็นอย่างชัดเจนถึงความท้าทายที่คนกลุ่มนี้จะต้องเผชิญ

 

• ในทศวรรษ 1970 เมเรดิธ เบลบิน นักวิชาการด้านการจัดการ พบว่าทีมที่ประกอบด้วยคนไอคิวสูงล้วนๆ มักจะหมดเวลาไปกับการถกเถียงที่ไร้จุดจบ ขาดความสามัคคี และตัดสินใจได้ยาก เพราะแต่ละคนมัวแต่สนใจจะเอาชนะคะคานกันมากกว่าจะร่วมมือกัน

 

• ในปี 2011 กรอยส์เบิร์กและทีมงานพบว่า ในวงการ Wall Street การเพิ่มนักวิเคราะห์ระดับ "ออลสตาร์" เข้าไปในทีมมากเกินไป กลับทำให้ประสิทธิภาพโดยรวมลดลง เมื่อมีกลุ่มออลสตาร์ที่มีความเชี่ยวชาญทับซ้อนกันเกินครึ่งทีม ณ จุดนั้น อีโก้จะเข้าครอบงำ และพวกเขาจะเริ่ม "กั๊กข้อมูล" แทนที่จะแบ่งปัน

 

• ขณะเดียวกัน งานวิจัยอื่นๆ ชี้ว่าประสิทธิภาพของทีมไม่ได้ขึ้นอยู่กับไอคิวของแต่ละคน แต่ขึ้นอยู่กับว่าพวกเขาสื่อสารและทำงานร่วมกันได้ดีแค่ไหน ทีมที่เปิดโอกาสให้ทุกคนมีส่วนร่วมในการแสดงความเห็น มักจะมี "ภูมิปัญญาร่วม" (Collective Intelligence) ที่สูงกว่า

 

อีกหนึ่งตัวแปรที่มองข้ามไปไม่ได้คือ การที่ซักเคอร์เบิร์กทุ่มเงินดึงตัวบุคลากรอย่างหนัก รวมถึงข้อเสนอที่อาจสูงถึง 200 ล้านดอลลาร์

 

ทำให้รายละเอียดค่าตอบแทนของพนักงานใหม่หลายคนเป็นที่รับรู้ในวงกว้าง ซึ่งนี่คือเชื้อไฟชั้นดีที่อาจสร้างความตึงเครียดภายในทีมได้

 

"สำหรับหลายๆ ทีมในสถานการณ์แบบนี้ ค่าตอบแทนก็เปรียบเสมือน 'ยศบนบ่า' ในกองทัพ คุณเดินเข้ามาโดยมียศสองดาว ในขณะที่อีกคนมียศสามดาว" อนิตา วิลเลียมส์ วูลลีย์ ศาสตราจารย์จาก Tepper School of Business อธิบาย

 

"มันเป็นการจัดลำดับชั้นที่ชัดเจน ซึ่งผู้นำทีมจำเป็นต้องสื่อสารให้ดีว่าสถานะที่แท้จริงเป็นอย่างไร"

 

ไมเคิล เดลล์ ซีอีโอของ Dell Technologies ให้ความเห็นว่า แพ็กเกจค่าตอบแทนมหาศาลสำหรับการจ้างพนักงานใหม่อาจสร้างความขุ่นเคืองให้พนักงานที่ทำงานให้กับ Meta มาเนิ่นนานได้ 

 

"โดยพื้นฐานแล้ว คนเรามีความรู้สึกถึงความยุติธรรม พวกเขาต้องการได้รับการปฏิบัติอย่างเท่าเทียม"

 

 

เดิมพันครั้งใหญ่ที่ชื่อ 'อเล็กซานเดอร์ หวัง'

 

เมื่อ Bloomberg สอบถามถึงความท้าทายในการบริหารจัดการ Meta Superintelligence Lab (MSL) แล็บ AI แห่งใหม่ของ Meta โฆษกบริษัทได้ตอบกลับมาว่า 

 

"เรารู้ดีว่ามีคนสนใจ MSL เยอะมาก และต่างก็มีความเห็นกันไปต่างๆ นานา แต่ตอนนี้เราขอมุ่งมั่นทำงานเพื่อพัฒนา AI อัจฉริยะส่วนบุคคล (Personal Superintelligence) ให้สำเร็จก่อน"

 

ขณะเดียวกัน มาร์ก ซักเคอร์เบิร์ก ก็ได้ออกมาปฏิเสธข่าวลือเรื่องค่าตอบแทนมหาศาลที่เขาเสนอให้กับผู้เชี่ยวชาญด้าน AI แต่ก็ยังคงยืนยันในกลยุทธ์การสร้าง "ทีมออลสตาร์" ของเขา

 

โดยให้สัมภาษณ์กับ The Information ว่า “AI จะเป็นเทคโนโลยีที่สำคัญที่สุดในชีวิตของเรา เป็นรากฐานของการพัฒนาทุกอย่างในบริษัท และจะส่งผลกระทบต่อสังคมในวงกว้าง ดังนั้นเราจึงต้องเฟ้นหาคนเก่งที่สุดมาร่วมงาน ไม่ว่าจะเป็นผู้ประกอบการ นักวิจัย หรือวิศวกร"

 

อาจกล่าวได้ว่า เดิมพันครั้งใหญ่ที่สุดของซักเคอร์เบิร์กอยู่ที่ อเล็กซานเดอร์ หวัง (Alexander Wang) โดย Meta ทุ่มเงินลงทุนถึง 14,300 ล้านดอลลาร์ใน Scale AI บริษัทของหวัง แลกกับการถือหุ้น 49% 

 

ดีลนี้ทำให้ลูกค้ารายใหญ่อย่าง Google และ OpenAI เริ่มตีตัวออกห่างจาก Scale AI และจุดประเด็นให้เกิดข้อสงสัยว่า เป้าหมายที่แท้จริงของ Meta อาจไม่ใช่แค่การลงทุน แต่เป็นการ "ซื้อตัว" หวังเข้ามาเป็นพวก

 

แม้ว่าหวังจะมีพรสวรรค์ด้านคณิตศาสตร์และวิทยาศาสตร์อย่างหาตัวจับยาก และประสบความสำเร็จในฐานะผู้ก่อตั้ง (เขาลาออกจาก MIT ตั้งแต่ปีแรกเพื่อก่อตั้ง Scale AI ในปี 2016) แต่ทั้งตัวเขาและบริษัทก็ยังไม่เคยมีผลงานวิจัย AI ที่พลิกโฉมวงการ 

 

หวังขึ้นชื่อเรื่องความมุ่งมั่นทุ่มเทแบบสุดตัวและวัฒนธรรมการทำงานที่เข้มข้น เขายังเป็นที่รู้จักในเรื่องการสร้างองค์กรที่ "อัดแน่นไปด้วยหัวกะทิ" (talent dense) ให้ได้มากที่สุด

 

บอริส กรอยส์เบิร์ก ผู้เขียนกรณีศึกษาเกี่ยวกับ Scale AI เล่าว่า หวังจะเข้าร่วมประชุมคัดเลือกพนักงานใหม่ทุกสัปดาห์ ตรวจสอบประวัติผู้สมัครทุกคนด้วยตัวเอง 

 

ผู้บริหารคนหนึ่งบอกกับกรอยส์เบิร์กว่า "อเล็กซ์จะลงลึกทุกรายละเอียดของผู้สมัครทุกคน ทุกตำแหน่ง เขาใส่ใจเรื่องการจ้างคนเก่งมากๆ ซึ่งเราวัดกันที่ IQ และ EQ บวกกับความอึด ถึก ทน แบบสุดๆ"

 

แต่สไตล์การทำงานที่เคยสำเร็จที่ Scale AI จะใช้ได้ผลกับ Meta หรือไม่นั้น ยังเป็นเรื่องที่ต้องดูกันต่อไป