[2025] 5 ปัญหาหลักของ GenAI ในการจัดการความรู้ในองค์กร (Knowledge Management)

1. การสูญเสียความรู้แฝงที่มีค่า (Tacit Knowledge)

ปัญหา: GenAI เก่งในการจัดการความรู้ที่ชัดเจนและจดบันทึกไว้ แต่กลับไม่สามารถจับความรู้แฝง (Tacit Knowledge) ได้ดี ความรู้แฝงคือประสบการณ์และข้อมูลเชิงลึกที่ไม่ได้เขียนไว้ แต่เป็นสิ่งสำคัญมากสำหรับนวัตกรรมและการเรียนรู้ขององค์กร ทำให้ AI อาจจะไม่ได้เข้าใจทั้งหมดหรือหาจุดเชื่อมโยงไปยังผลลัพธ์ที่ถูกต้องได้

ผลกระทบ: หากพนักงานใหม่พึ่งพา GenAI มากเกินไป พวกเขาอาจไม่ได้พัฒนาความเชี่ยวชาญเชิงลึกจากการลงมือทำจริง ทำให้องค์กรค่อยๆ สูญเสียความรู้แฝงที่มีค่านี้ไป

2. การพึ่งพามากเกินไปและการคิดวิเคราะห์ที่ลดลง

ปัญหา: พนักงานอาจเริ่มพึ่งพาผลลัพธ์จาก GenAI มากเกินไป โดยไม่ตรวจสอบความถูกต้องหรือคิดวิเคราะห์เพิ่มเติม การศึกษาพบว่า คนที่มีความเชื่อมั่นใน GenAI สูง มักจะคิดวิเคราะห์น้อยลงเป็นอย่างมาก

ผลกระทบ: อาจนำไปสู่การใช้ความรู้ผิดๆ การตัดสินใจที่มีคุณภาพต่ำ และการที่พนักงานรุ่นใหม่ขาดโอกาสเรียนรู้และพัฒนาตนเอง

3. ความลำเอียงของข้อมูล (Biased) ข้อมูลจำนวนมาก และปัญหาด้านคุณภาพของข้อมูล

ปัญหา: GenAI สามารถสืบทอดหรือขยายความลำเอียงที่มีอยู่ในข้อมูลการฝึกอบรม ทำให้ได้ผลลัพธ์ที่ผิดเพี้ยนหรือไม่เชื่อถือได้ นอกจากนี้ ปริมาณข้อมูลมหาศาลที่ GenAI สร้างขึ้นอาจทำให้ผู้ใช้งานสับสน รวมไปถึงปัญหาด้านคุณภาพอื่นๆ

ผลกระทบ: พนักงานไม่สามารถที่จะแยกแยะความรู้ที่มีคุณภาพออกจากข้อมูลที่ไม่สำคัญ (Noise) ทำให้ประสิทธิภาพการทำงานลดลงอย่างมาก

4. การรวมข้อมูลในแต่ละระบบที่กระจัดกระจาย และการทำงานร่วมกันที่ยังไม่ลงตัวของคนและ AI

ปัญหา: การนำ GenAI มาใช้งานร่วมกับระบบการจัดการความรู้ที่มีอยู่เดิมมักจะไม่ต่อเนื่องสมบูรณ์ ขาดกระบวนการทำงานที่ราบรื่นและกรอบการทำงานร่วมกันระหว่างมนุษย์กับ AI โดยเฉพาะการมีหลายระบบ ข้อมูลกระจัดกระจาย และ Workflow ของกระบวนการทำงานที่ไม่สมบูรณ์

ผลกระทบ: ความสามารถของ GenAI ในการสนับสนุนการสร้าง แบ่งปัน และประยุกต์ใช้ความรู้อย่างมีประสิทธิภาพนั้นถูกจำกัดไว้จากปัญหาในการใช้งานยาก ทำให้พนักงานไม่ได้อยากใช้ AI

5. ปัญหาในเชิงจริยธรรม ความเป็นส่วนตัว และทรัพย์สินทางปัญญา

ปัญหา: ความกังวลเรื่องความเป็นส่วนตัวของข้อมูล ทรัพย์สินทางปัญญา และการใช้งาน AI อย่างมีจริยธรรมทำให้องค์กรหลายแห่งยังไม่กล้านำ GenAI มาใช้เต็มประสิทธิภาพ

ผลกระทบ: บั่นทอนความเชื่อมั่นและการยอมรับในระบบการจัดการความรู้ที่ขับเคลื่อนด้วย GenAI

ข้อเสนอแนะ

เพื่อให้ GenAI ส่งผลดีต่อการจัดการความรู้จริงๆ องค์กรควรที่จะ:

1. สร้างสมดุลระหว่าง AI และมนุษย์ - ใช้ GenAI เป็นเครื่องมือสนับสนุน ไม่ใช่ทดแทนความเชี่ยวชาญของมนุษย์
2. ส่งเสริมการคิดวิเคราะห์ - ฝึกให้พนักงานตรวจสอบและประเมินผลลัพธ์จาก GenAI อย่างมีวิจารณญาณ และสร้างเสริมทักษะด้านการคิดวิเคราะห์ (Critical Thinking)
3. จัดการความรู้แฝง - สร้างกลไกให้ผู้เชี่ยวชาญแบ่งปันประสบการณ์และความรู้เชิงลึกพร้อมๆ ไปกับการใช้ข้อมูลจาก GenAI อย่างเดียว และหาวิธีปรับปรุงข้อมูลใน AI อย่างต่อเนื่อง เช่น การใช้วิดีโอมาช่วยอธิบาย หรือการทำ On the job training และมีการให้ Feedback กับ AI
4. พัฒนาระบบรวมที่ลงตัว - ดูแลด้านข้อมูลเช่นการทำ Data Lakehouse และออกแบบกระบวนการทำงานที่ผสานความสามารถของ AI กับดุลยพินิจของมนุษย์ โดยเน้น Workflow ที่ใช้งานง่าย ไม่ซับซ้อน
5. สร้างความเชื่อมั่น - กำหนดนโยบายที่ชัดเจนเรื่องความเป็นส่วนตัว จริยธรรม ความปลอดภัยของข้อมูล และนโยบายในการใช้ AI

บทสรุป

GenAI มีศักยภาพอันยิ่งใหญ่สำหรับการจัดการความรู้ แต่ยังต้องการการพัฒนาและการปรับใช้อย่างรอบคอบ ความสำเร็จจะเกิดขึ้นได้เมื่อเราสามารถสร้างสมดุลระหว่างความสามารถของ AI กับความเชี่ยวชาญของมนุษย์ พร้อมทั้งมีกระบวนการองค์กรที่แข็งแกร่งสนับสนุน

การนำ GenAI มาใช้ในการจัดการความรู้ไม่ใช่แค่เรื่องเทคโนโลยี แต่เป็นเรื่องของการเปลี่ยนแปลงวัฒนธรรมองค์กรและการเรียนรู้ของคนด้วย

References
Alavi, M., Leidner, D., & Mousavi, R. (2024). Knowledge Management Perspective of Generative
Artificial Intelligence. J. Assoc. Inf. Syst., 25, 15. https://doi.org/10.17705/1jais.00859
Alavi, M., Leidner, D., & Mousavi, R. (2024). Knowledge Management Perspective of Generative
Artificial Intelligence (GenAI). SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4782875
Grange, C., Demazure, T., Ringeval, M., & Bourdeau, S. (2024). The Human-GenAI Value Loop in
Human-Centered Innovation: Beyond the Magical Narrative. ArXiv, abs/2407.17495.
https://doi.org/10.1111/isj.12602
Lee, H., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The
Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and
Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI
Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3706598.3713778
Mariani, M., & Dwivedi, Y. (2024). Generative artificial intelligence in innovation management: A
preview of future research developments. Journal of Business Research.
https://doi.org/10.1016/j.jbusres.2024.114542
Pimentel, M., & Veliz, J. (2024). The Generative AI Solutions for enhancing Knowledge
Management: Literature Review and Roadmap. European Conference on Knowledge
Management. https://doi.org/10.34190/eckm.25.1.2770
Storey, V. (2025). Knowledge Management in a World of Generative AI: Impact and Implications.
ACM Transactions on Management Information Systems. https://doi.org/10.1145/3719209
Witkowski, A., & Wodecki, A. (2024). A Cross-Disciplinary Knowledge Management Framework for
Generative Artificial Intelligence in Product Management: A Case Study From the Manufacturing
Sector. European Conference on Knowledge Management.
https://doi.org/10.34190/eckm.25.1.2605
Zhang, Q., Zuo, J., & Yang, S. (2025). Research on the impact of generative artificial intelligence
(GenAI) on enterprise innovation performance: a knowledge management perspective. Journal of
Knowledge Management. https://doi.org/10.1108/jkm-10-2024-1198