Co-Intelligence ในปี 2026: เมื่อ AI กำลังเปลี่ยนจากผู้ช่วยให้คิด ไปสู่เพื่อนร่วมงานที่ลงมือทำ

จักรพันธ์ ภวังคะรัตน์

Head of Property Management, JLL Thailand

เลขาธิการ สมาคมบริหารทรัพย์สินแห่งประเทศไทย

27 August 2026

ในปี 2024 Ethan Mollick อาจารย์จาก Wharton School เขียนหนังสือ Co-Intelligence: Living and Working with AI โดยเสนอแนวคิดที่เรียบง่ายแต่สำคัญว่า เราไม่ควรมอง Artificial Intelligence เป็นเพียง Software อีกตัวหนึ่งที่นำมา Automate งาน แต่ควรมองมันเป็น Co-Intelligence หรือ “ปัญญาที่เข้ามาทำงานร่วมกับเรา”

ผ่านไปเพียงสองปี แนวคิดนี้ดูจะยิ่งสำคัญกว่าเดิม

เพราะ AI ในปี 2026 ไม่ได้หยุดอยู่ที่การตอบคำถาม เขียน Email สรุปรายงาน หรือช่วย Brainstorm อีกต่อไป ความก้าวหน้าของ Reasoning Models, Multimodal AI และโดยเฉพาะ AI Agents กำลังทำให้ AI สามารถรับมอบหมายงานหลายขั้นตอน ใช้เครื่องมือ ค้นหาข้อมูล ทำงานกับระบบต่าง ๆ ตรวจสอบผลลัพธ์ของตัวเองบางส่วน และดำเนินงานต่อเนื่องได้มากขึ้น

Stanford AI Index 2026 ระบุว่า ความสามารถของ AI ยังไม่ได้เข้าสู่ภาวะชะลอตัว ในทางกลับกันยังพัฒนาอย่างรวดเร็ว Frontier Models เพิ่มคะแนนถึงประมาณ 30 percentage points ภายในปีเดียวบน Humanity’s Last Exam ซึ่งออกแบบมาให้เป็น Benchmark ที่ยากสำหรับ AI ขณะที่ความสามารถของ AI Agent ใน OSWorld ซึ่งทดสอบการทำงานบนคอมพิวเตอร์จริง เพิ่มจากประมาณ 12% เป็นประมาณ 66% แม้ยังล้มเหลวประมาณหนึ่งในสามของงานก็ตาม

สิ่งที่ Mollick เรียกว่า Co-Intelligence ในปี 2024 จึงกำลังพัฒนาไปอีกขั้น

• จาก AI ที่ “ช่วยเรา”

• ไปสู่ AI ที่ “ทำงานร่วมกับเรา”

• และในบางกรณี กำลังกลายเป็น AI ที่เราสามารถ “มอบหมายงานให้ทำแทนเรา”

นี่คือความเปลี่ยนแปลงที่ผู้บริหารและองค์กรควรเริ่มทำความเข้าใจ

1. จาก Copilot สู่ Agent: หน่วยของงานกำลังเปลี่ยน

ในยุคแรกของ Generative AI การทำงานส่วนใหญ่เริ่มจาก Prompt หนึ่งชุด และได้ Output หนึ่งชุดกลับมา

เราถาม

AI ตอบ

เราสั่งให้เขียน

AI เขียน

เราขอให้วิเคราะห์

AI วิเคราะห์

แต่ AI Agent กำลังเปลี่ยนความสัมพันธ์นี้

แทนที่จะบอกว่า

“ช่วยสรุปรายงานฉบับนี้”

เราอาจมอบหมายว่า

“ตรวจรายงานประจำเดือน เปรียบเทียบกับ Budget และเดือนก่อน หา Variance ที่ผิดปกติ ตรวจสอบข้อมูลประกอบ และเตรียมประเด็นสำคัญที่ผู้บริหารควรถามในการประชุมวันพรุ่งนี้”

AI จึงเริ่มเคลื่อนจาก Task Assistance ไปสู่ Task Delegation

ข้อมูลของ Microsoft ใน Work Trend Index 2026 พบว่าจำนวน Active Agents ในระบบ Microsoft 365 เพิ่มขึ้นประมาณ 15 เท่าในหนึ่งปี และเพิ่มถึง 18 เท่าในองค์กรขนาดใหญ่ ขณะที่ OpenAI อธิบายการเปลี่ยนแปลงในลักษณะเดียวกันว่า Agentic AI กำลังเปลี่ยนหน่วยของ Knowledge Work จากการตอบโต้สั้น ๆ ไปสู่การมอบหมายงานที่กินเวลายาวขึ้นและมีหลายขั้นตอน

นี่เป็นความเปลี่ยนแปลงที่ใหญ่กว่าการเขียน Prompt ให้เก่งขึ้นมาก

เพราะคำถามต่อไปขององค์กรจะไม่ใช่เพียง

“พนักงานควรใช้ AI อย่างไร?”

แต่จะกลายเป็น

“งานส่วนใดควรให้คนทำ งานส่วนใดควรให้ AI ทำ และทั้งสองฝ่ายควรส่งมอบงานระหว่างกันอย่างไร?”

2. “Always Invite AI to the Table” ยิ่งสำคัญขึ้นในปี 2026

กฎข้อแรกของ Mollick คือ Always Invite AI to the Table

ความหมายไม่ได้อยู่ที่ต้องใช้ AI ทำทุกเรื่อง แต่คืออย่าเพิ่งตัดสินล่วงหน้าว่า AI ทำอะไรได้หรือไม่ได้

ในปี 2026 หลักการนี้ยิ่งมีเหตุผล เพราะสิ่งที่ AI ทำไม่ได้เมื่อหนึ่งปีที่แล้ว อาจกลายเป็นเรื่องธรรมดาในวันนี้

Stanford AI Index พบว่า AI สามารถทำผลงานในบางด้านของ PhD-level science, multimodal reasoning และ competition mathematics ได้เทียบเท่าหรือเหนือกว่า Human Baseline แล้ว ขณะที่ Benchmark ด้าน Coding บางตัวพัฒนาขึ้นอย่างมากภายในช่วงเวลาเพียงหนึ่งปี

ดังนั้นองค์กรไม่ควรมี AI Strategy แบบสร้าง Use Case 20 เรื่องแล้วใช้อยู่สามปี

AI Capability เปลี่ยนเร็วเกินกว่านั้น

องค์กรจำเป็นต้องสร้างวัฒนธรรมของ Continuous Experimentation

ทุก Workflow ควรถูกถามเป็นระยะว่า

• AI วันนี้ทำอะไรได้เพิ่มขึ้น?

• ส่วนใดสามารถ Automate ได้แล้ว?

• ส่วนใดควร Augment คน?

• ส่วนใดควรยังอยู่กับมนุษย์ทั้งหมด?

องค์กรที่เรียนรู้เรื่องเหล่านี้เร็วกว่า จะไม่ได้เพียง “ใช้ AI ได้เก่งกว่า” แต่มีโอกาสออกแบบวิธีทำงานใหม่ได้เร็วกว่าคู่แข่งด้วย

3. จาก Automation ไปสู่ Augmentation และจาก Augmentation ไปสู่ Delegation

เวลาพูดถึง AI หลายองค์กรมักเริ่มจากคำถาม

“เราจะลดคนได้เท่าไร?”

เป็นคำถามที่เข้าใจได้ แต่แคบเกินไป

Co-Intelligence เสนออีกวิธีคิดหนึ่ง

สมมติ Manager คนหนึ่งเคยมีเวลาพอที่จะวิเคราะห์ข้อมูลลูกค้าอย่างละเอียดเพียง 5 รายต่อเดือน เพราะต้องรวบรวมข้อมูล อ่านเอกสาร ทำ Benchmark และเตรียม Recommendation ด้วยตัวเอง

ถ้า AI ทำให้ Manager สามารถวิเคราะห์ได้ 30 รายในเวลาเท่าเดิม คุณค่าที่เกิดขึ้นไม่จำเป็นต้องมาจากการลด Manager เหลือหนึ่งในหก

มันอาจเกิดจากการที่องค์กรสามารถให้บริการลูกค้าได้ลึกขึ้นถึงหกเท่า

นี่คือความแตกต่างระหว่าง

Cost Reduction

กับ

Capability Expansion

ข้อมูล Microsoft ปี 2026 พบว่า 66% ของผู้ใช้ AI ที่สำรวจบอกว่า AI ทำให้มีเวลาเพิ่มขึ้นสำหรับงานที่มีคุณค่าสูง และ 58% ระบุว่าสามารถผลิตงานบางอย่างที่เมื่อหนึ่งปีก่อนตนยังทำไม่ได้

จึงเป็นไปได้ว่า Productivity Revolution จาก AI จะไม่ได้มาจากการทำงานเดิมให้เร็วขึ้นเพียงอย่างเดียว

แต่อาจมาจากการที่องค์กรสามารถทำ งานที่เมื่อก่อนแพงเกินไป ช้าเกินไป หรือไม่มี Capacity เพียงพอที่จะทำ

4. Judgment กำลังมีค่ามากกว่า Production

เมื่อ AI สามารถเขียน Report, Presentation, Analysis หรือ Proposal ระดับมาตรฐานได้ภายในเวลาไม่กี่นาที สิ่งหนึ่งกำลังเกิดขึ้นอย่างช้า ๆ

ต้นทุนของ Average Output กำลังลดลง

เมื่อทุกคนสามารถสร้าง Presentation ที่ดูดีได้ การสร้าง Presentation จะมีคุณค่าน้อยลง

สิ่งที่มีคุณค่ามากขึ้นคือ

• รู้ว่า Slide ไหนควรมี

• ข้อมูลไหนสำคัญ

• Assumption ไหนผิด

• Recommendation ไหนมีโอกาสใช้ได้จริง

• และเรื่องไหนไม่ควรถูกนำเสนอเลย

Competitive Advantage จึงกำลังเคลื่อนจาก

Producing → Reviewing → Judging → Directing

Microsoft พบว่า 49% ของการใช้ Copilot Chat ที่วิเคราะห์ในต้นปี 2026 เกี่ยวข้องกับ Cognitive Work เช่น การวิเคราะห์ แก้ปัญหา ประเมิน และคิดเชิงสร้างสรรค์ มากกว่าการใช้ AI เพื่อผลิต Output เพียงอย่างเดียว

นี่เป็นเหตุผลที่ Expertise ยังมีความสำคัญ

เพียงแต่หน้าที่ของ Expertise กำลังเปลี่ยน

จากคนที่ต้อง “ทำทุกอย่างเอง”

ไปสู่คนที่สามารถ ตั้งโจทย์ ตรวจสอบ Challenge และตัดสินใจจากงานที่มนุษย์และ AI ร่วมกันสร้าง

5. Human in the Loop จากคำแนะนำ กำลังกลายเป็นระบบควบคุม

กฎข้อที่สองของ Mollick คือ Be the Human in the Loop

ในปี 2024 เรื่องนี้มักหมายถึง

AI เขียน → คนตรวจ

แต่เมื่อเข้าสู่ยุค Agent ความหมายต้องกว้างกว่านั้น

เพราะเมื่อ AI สามารถ Execute งานได้ ผลของความผิดพลาดไม่ได้หยุดอยู่บนหน้าจออีกต่อไป

• AI อาจส่ง Email

• แก้ไขข้อมูล

• สร้าง Code

• ติดต่อระบบอื่น

• วิเคราะห์ตัวเลข

• หรือดำเนิน Workflow ต่อจาก Output ของตัวเอง

Human in the Loop จึงต้องพัฒนาเป็น Control Architecture

องค์กรต้องกำหนดให้ชัดว่า

• งานอะไร AI ทำเองได้

• งานอะไรต้องขอ Approval

• Decision Threshold อยู่ตรงไหน

• ใครเป็น Accountable Owner

• ข้อมูลอะไร AI เข้าถึงได้

• และเมื่อ AI ทำผิด ระบบจะหยุดหรือย้อนกลับอย่างไร

เพราะแม้ความสามารถของ AI จะก้าวหน้าอย่างรวดเร็ว ความน่าเชื่อถือยังไม่ได้สมบูรณ์ตามไปด้วย

Stanford AI Index 2026 ยังชี้ให้เห็นว่า Responsible AI และ Safety Measurement ตามหลังความสามารถของ Model และจำนวน AI Incidents ที่บันทึกไว้เพิ่มจาก 233 เหตุการณ์ในปี 2024 เป็น 362 เหตุการณ์ในปี 2025

ดังนั้น AI ที่เก่งขึ้น ไม่ได้หมายความว่าองค์กรควรตรวจสอบน้อยลง

ในหลายกรณี กลับหมายความว่าต้องออกแบบ Governance ให้ดีขึ้น

6. “Jagged Frontier” ยังอยู่ และอาจยิ่งอันตรายเมื่อ AI ดูเก่งขึ้น

แนวคิดหนึ่งของ Mollick ที่ผ่านมาถึงปี 2026 ได้อย่างชัดเจนคือ Jagged Frontier

AI สามารถแก้โจทย์คณิตศาสตร์ระดับแข่งขันได้ แต่ยังผิดพลาดกับบางเรื่องที่มนุษย์มองว่าง่าย

Stanford ยกตัวอย่างอย่างน่าสนใจว่า AI สามารถทำผลงานระดับเหรียญทองในการแข่งขัน International Mathematical Olympiad ได้ ขณะที่ Model ที่ดีที่สุดในการทดสอบอ่านนาฬิกา Analog กลับมีความถูกต้องเพียงประมาณ 50%

นี่คือสิ่งที่ทำให้ AI แตกต่างจาก Technology แบบเดิม

ความสามารถของมันไม่ได้เรียงจาก

ง่าย → กลาง → ยาก

อย่างเป็นระเบียบ

มันอาจเก่งเรื่องยากมาก และผิดเรื่องง่ายมากในเวลาเดียวกัน

ยิ่ง AI พูดเก่ง วิเคราะห์เก่ง และสร้าง Output ได้เหมือนผู้เชี่ยวชาญ ความเสี่ยงอีกด้านคือมนุษย์อาจ Over-trust มันง่ายขึ้น

Co-Intelligence ที่ดีจึงต้องมีทั้ง

Trust และ Verification

7. Organization Design กำลังกลายเป็นโจทย์ใหญ่กว่า Prompt Engineering

ช่วงแรกของ Generative AI หลายองค์กรลงทุนกับ Prompt Training

ถือว่าเป็นจุดเริ่มต้นที่ดี

แต่ในปี 2026 Prompt Engineering เพียงอย่างเดียวอาจไม่เพียงพออีกต่อไป

สิ่งที่องค์กรต้องเรียนรู้ต่อคือ Work Architecture

ต้องรู้ว่า Workflow หนึ่งควรถูกแบ่งอย่างไร

Human → AI → Human

หรือ

Human → Agent → Approval → Agent → Human

หรือบางงานอาจเป็น

Agent → Agent → Human Decision

Mollick ใช้แนวคิด Centaur เพื่ออธิบายการแบ่งงานระหว่างคนกับ AI อย่างชัดเจน และ Cyborg สำหรับการทำงานที่คนกับ AI สลับกันไปมาตลอดกระบวนการ

ปี 2026 เพิ่มคำถามขึ้นมาอีกหนึ่งชั้น

องค์กรจะบริหาร “ทีม” ที่ประกอบด้วยทั้ง Humans และ Agents อย่างไร?

ในอนาคต Manager อาจไม่ได้บริหาร Headcount อย่างเดียว

แต่อาจต้องบริหาร

Human Capacity + AI Capacity

จำนวนคนอาจไม่ใช่ตัวชี้วัดขนาดของทีมที่สำคัญที่สุดอีกต่อไป

8. Middle Management อาจไม่ได้หายไป แต่ Role จะเปลี่ยนอย่างมาก

งานจำนวนมากของ Manager วันนี้คือ

• รวบรวมข้อมูล

• Follow-up

• ตรวจ Report

• สรุป Meeting

• เตรียม Presentation

• ประสานงานติดตาม Action

• และแปลงข้อมูลจากหลายแหล่งให้เป็น Management Information

นี่คือพื้นที่ที่ AI และ Agents มีโอกาสเข้ามามีบทบาทสูง

แต่สิ่งที่เหลืออยู่กับ Manager คือ

• Setting Direction

• Prioritization

• Coaching

• Conflict Resolution

• Client Understanding

• Judgment

• Accountability

• และการตัดสินใจท่ามกลางข้อมูลที่ไม่สมบูรณ์

ดังนั้น AI อาจไม่ได้ทำให้ Manager ไม่มีความจำเป็น

มันอาจทำให้ Manager ที่บริหารผ่านการส่งต่อข้อมูลอย่างเดียวมีคุณค่าน้อยลง

และทำให้ Manager ที่สามารถใช้ Judgment, Leadership และ AI เพื่อเพิ่ม Capability ของทีมมีคุณค่ามากขึ้น

คำถามเรื่อง Span of Control จึงน่าสนใจมาก

หาก Manager หนึ่งคนมี AI ช่วย Monitor, Analyze, Prepare และ Follow-up ได้ตลอดเวลา โครงสร้าง Pyramid แบบเดิมอาจไม่ใช่รูปแบบที่มีประสิทธิภาพที่สุดในอนาคต

9. ประเทศไทยมีสัญญาณที่น่าสนใจ: คนอาจเดินเร็วกว่าองค์กร

ข้อมูลเฉพาะประเทศไทยจาก Microsoft Work Trend Index 2026 น่าสนใจมาก

Microsoft ระบุว่า 32% ของแรงงานไทยในกลุ่มตัวอย่างถูกจัดเป็น Frontier Professionals ซึ่งเป็นผู้ใช้ AI ขั้นสูง และ 89% ของผู้ตอบแบบสำรวจไทยใช้ AI-generated output เป็นจุดเริ่มต้นเพื่อนำไปพัฒนาแนวคิดของตัวเองต่อ

ถ้าข้อมูลนี้สะท้อนทิศทางที่กว้างขึ้น ประเด็นสำคัญอาจไม่ใช่ว่าคนไทยยอมรับ AI หรือไม่

แต่คือ

องค์กรจะตามพนักงานทันหรือไม่

เพราะเมื่อพนักงานเริ่มมีวิธีทำงานใหม่ แต่ KPI, Approval Process, Job Description, Governance และ Organization Structure ยังออกแบบอยู่บนสมมติฐานของโลกก่อน AI สิ่งที่จะเกิดขึ้นคือ Productivity Improvement เฉพาะรายบุคคล โดยองค์กรไม่สามารถเปลี่ยนมันให้กลายเป็น Institutional Capability ได้

นี่อาจเป็นหนึ่งในโจทย์ใหญ่ของ Transformation ระยะต่อไป

10. จาก AI Adoption ไปสู่ AI Absorption

องค์กรจำนวนมากกำลังวัด AI Transformation ด้วยตัวเลข

• จำนวน License

• จำนวน User

• จำนวน Prompt

• จำนวน Training

• จำนวน Use Cases

แต่ตัวเลขเหล่านี้บอกเพียงว่า Technology ถูกนำเข้ามาแล้วหรือยัง

คำถามที่สำคัญกว่าคือ

องค์กรเปลี่ยนวิธีทำงานแล้วหรือยัง

Microsoft ใช้คำว่า AI Absorption เพื่ออธิบายการที่องค์กรนำสิ่งที่เรียนรู้จาก AI เข้าไปเปลี่ยน Workflow, Management Practice และระบบการทำงานอย่างต่อเนื่อง

นี่เป็นความแตกต่างระหว่าง

บริษัทที่ “มี AI”

กับ

บริษัทที่ “ทำงานแบบ AI-enabled Organization”

ในระยะยาว คู่แข่งอาจสามารถซื้อ AI Model เดียวกับเราได้

สิ่งที่เลียนแบบยากกว่าคือ

• Workflow

• Data

• Organizational Knowledge

• Governance

• Management Practice

• และประสบการณ์สะสมจากการทำงานร่วมกับ AI

นี่ต่างหากที่อาจกลายเป็น Competitive Advantage

11. “Assume This Is the Worst AI You Will Ever Use” อาจเป็นกฎที่สำคัญที่สุด

กฎข้อสุดท้ายของ Mollick คือ

Assume This Is the Worst AI You Will Ever Use

สองปีหลังหนังสือออก ประโยคนี้ยิ่งน่าสนใจ

เพราะถ้าดูจากความก้าวหน้าระหว่างปี 2024–2026 เราจะเห็นว่า Assumption เกี่ยวกับสิ่งที่ AI “ทำไม่ได้” มีอายุสั้นลงอย่างมาก

องค์กรจึงควรระวังการออกแบบ Long-term Strategy จากข้อจำกัดของ Model ปัจจุบัน

คำถามที่ผู้บริหารควรถามจึงไม่ใช่เพียง

“AI วันนี้ทำงานของเราได้แค่ไหน?”

แต่ควรถามต่อว่า

“ถ้า AI เก่งขึ้นอีก 5 เท่า และต้นทุนลดลงอีกมาก Workflow และ Organization Structure วันนี้ยังสมเหตุสมผลอยู่หรือไม่?”

นี่คือ Forward-looking Question ที่สำคัญกว่าการเลือก Platform หรือ Model เสียอีก

12. Future of Work อาจเป็นการแข่งขันด้าน Organizational Intelligence

ในปี 2024 หนังสือ Co-Intelligence ทำให้เราเริ่มมอง AI ในฐานะ Intelligence ที่เข้ามาทำงานร่วมกับมนุษย์

ปี 2026 ภาพกำลังขยายจากระดับบุคคลไปสู่ระดับองค์กร

การแข่งขันอาจไม่ได้เกิดขึ้นระหว่าง

Human vs AI

และอาจไม่ได้เกิดเพียงระหว่าง

Human with AI vs Human without AI

อีกต่อไป

การแข่งขันในระดับองค์กรอาจกลายเป็น

Organization that knows how to orchestrate Humans + AI + Agents

กับ

Organization ที่ยังใช้โครงสร้าง กระบวนการ และวิธีบริหารแบบเดิม เพียงแต่เพิ่ม AI เข้าไปเป็นอีกหนึ่ง Software

ความแตกต่างนี้สำคัญมาก

องค์กรประเภทแรกจะออกแบบงานใหม่

องค์กรประเภทหลังจะใช้ AI ทำงานเก่าให้เร็วขึ้น

ทั้งสององค์กรอาจซื้อ Technology เดียวกัน มี License จำนวนใกล้เคียงกัน และเข้าถึง Model ที่มีความสามารถเท่ากัน

แต่ผลลัพธ์อาจแตกต่างกันอย่างมาก

เพราะสุดท้ายแล้ว Competitive Advantage อาจไม่ได้อยู่ที่ว่า

“ใครมี AI ที่ดีที่สุด”

แต่อยู่ที่ว่า

“ใครออกแบบองค์กรให้มนุษย์และ AI สร้าง Intelligence ร่วมกันได้ดีที่สุด”

นี่อาจเป็นความหมายใหม่ของ Co-Intelligence ในปี 2026

และอาจเป็นจุดเริ่มต้นของการเปลี่ยนแปลงครั้งใหญ่กว่าที่เราเห็นจาก Generative AI ในช่วงสามปีที่ผ่านมาเสียอีก