การลาออกของบุคลากรหลักและรอยร้าวภายใน Anthropic
เกิดแรงกระเพื่อมครั้งใหญ่ภายใน Anthropic ห้องปฏิบัติการปัญญาประดิษฐ์ชั้นนำระดับโลก เมื่อ Jacob Coxon วัย 27 ปี ซึ่งเป็นอดีตนักวิจัยด้านการฝึกฝนโมเดลขั้นต้น (Pretraining) ของทั้ง OpenAI และ Anthropic ได้ตัดสินใจยื่นใบลาออกจากตำแหน่งเมื่อวันที่ 8 กันยายน 2026 โดยการลาออกนี้เกิดขึ้นก่อนที่หุ้นพนักงาน (Equity) ของเขาจะถึงกำหนดได้รับสิทธิ (Vesting) ถึง 2 เดือน Coxon ระบุต่อสาธารณะเตือนว่า บรรดาห้องปฏิบัติการแถวหน้ากำลังแข่งขันกันอย่างรวดเร็วเกินไปในการมุ่งสู่ปัญญาประดิษฐ์ที่พัฒนาตนเองได้แบบวนซ้ำ (Self-improving superintelligence) ซึ่งเปรียบเสมือนการนำความปลอดภัยของผู้คนมาเดิมพัน
สถานการณ์ยิ่งทวีความตึงเครียดมากขึ้นเมื่อบุคลากรระดับบริหารด้านความปลอดภัยไม่ได้ออกมาปฏิเสธคำเตือนดังกล่าว โดย Evan Hubinger หัวหน้าฝ่ายวิทยาการจัดวางแนวทางความปลอดภัย (Alignment Science Lead) ของ Anthropic ออกมายอมรับต่อสาธารณะว่า ภายในทีมเชื่อมั่นอย่างจริงจังว่า AI อาจนำไปสู่หายนะต่อมนุษยชาติ โดยเขาประเมินความเป็นไปได้ส่วนตัวว่ามีมากกว่า 10% ภายในทศวรรษหน้า พร้อมระบุตรงไปตรงมาว่าองค์กรยังไม่มีแผนการที่ชัดเจนในการแก้ปัญหา Alignment สำหรับระบบปัญญาประดิษฐ์ขั้นสูง และยังไม่อยู่ในเส้นทางที่จะแก้ไขได้ทันท่วงที
นอกจากนี้ ในช่วงเวลาไล่เลี่ยกัน Samuel Marks หัวหน้าทีม Scalable Oversight ยืนยันว่าผลลัพธ์ระดับรุนแรงนี้อาจเกิดขึ้นได้ภายในไม่กี่ปีข้างหน้า และชี้ให้เห็นว่ายิ่งเป็นพนักงานระดับอาวุโสมากเท่าใด ก็ยิ่งมีความกังวลต่อทิศทางดังกล่าวมากขึ้นเท่านั้น ขณะที่ Joe Benton อดีตผู้จัดการทีม Scalable Oversight ได้ประกาศก้าวลงจากตำแหน่งอย่างเป็นทางการเมื่อวันที่ 12 กันยายน 2026 โดยให้เหตุผลเรื่องความเร็วในการผลักดันขีดความสามารถที่ก้าวล้ำมนุษย์โดยขาดหลักประกันด้านความปลอดภัยที่เพียงพอ
ความขัดแย้งระหว่างคำเตือนภายในกับรายงานความเสี่ยงทางการ
การเปิดเผยจากทีมนักวิจัยสะท้อนให้เห็นถึงความย้อนแย้งอย่างชัดเจนระหว่างจุดยืนส่วนบุคคลของทีมวิทยาการจัดวางแนวทางความปลอดภัย กับเอกสารประเมินความเสี่ยงอย่างเป็นทางการของบริษัท ภายใต้กรอบนโยบายการขยายขนาดโมเดลอย่างมีความรับผิดชอบ (Responsible Scaling Policy หรือ RSP) ซึ่งเผยแพร่อยู่บนเว็บไซต์ทางการของ Anthropic บริษัทได้ระบุระดับความเสี่ยงในปัจจุบันเกี่ยวกับการสูญเสียการควบคุมโมเดล (Loss of Control) ที่ใช้งานจริงไว้ในเกณฑ์ 'ระดับต่ำ' (Low)
ช่องว่างระหว่างรายงานขององค์กรกับการแถลงของหัวหน้าฝ่ายเทคนิคสร้างคำถามสำคัญเกี่ยวกับความโปร่งใสของเกณฑ์การประเมินความเสี่ยง ทั้งนี้ ยังไม่มีการยืนยันทางเทคนิคอย่างเป็นทางการว่า ความตึงเครียดภายในระลอกนี้ถูกจุดชนวนจากความก้าวหน้าอย่างก้าวกระโดดของการฝึกฝนโมเดลภายใน เช่น การตรวจสอบพบการพัฒนาตนเองแบบวนซ้ำ (Recursive Self-Improvement) ในระบบทดลอง หรือเป็นผลพวงจากความขัดแย้งเชิงนโยบาย หลังการเผยแพร่แถลงการณ์เรียกร้องให้ชะลอการพัฒนา AI ในระดับอุตสาหกรรมของฝ่ายบริหาร
เอกสาร RSP ของบริษัทออกแบบมาเพื่อสร้างความมั่นใจแก่ลูกค้าระดับองค์กรและหน่วยงานกำกับดูแล แต่ความเคลื่อนไหวล่าสุดของบรรดานักวิจัยกลับแสดงให้เห็นว่า เกณฑ์ความปลอดภัยที่กำหนดไว้ในระดับองค์กรอาจไม่สามารถรองรับอัตราเร่งของการแข่งขันในห้องแล็บที่มุ่งหน้าสู่ระบบปัญญาประดิษฐ์ขั้นสูงได้อย่างแท้จริง
มุมมองของนักพัฒนาและความกังขาในชุมชนเทคโนโลยี
ในแวดวงนักพัฒนาซอฟต์แวร์ วิศวกรความปลอดภัย และผู้ปฏิบัติงานด้านปัญญาประดิษฐ์ มีการถกเถียงอย่างเข้มข้นเกี่ยวกับเหตุการณ์นี้ โดยกระแสตอบรับแบ่งออกเป็นสองแนวทางที่แตกต่างกันอย่างชัดเจน กลุ่มหนึ่งแสดงความคลางแคลงใจว่า คำเตือนเรื่องหายนะระดับล้างเผ่าพันธุ์มนุษย์อาจเป็นเพียงกลยุทธ์ 'Doomer Marketing' หรือการตลาดที่ใช้ความกลัวเพื่อสร้างภาพลักษณ์ว่าโมเดลมีพลานุภาพสูงเกินจริง และอาจถูกใช้เป็นข้ออ้างเพื่อผลักดันกฎระเบียบที่เอื้อประโยชน์ในการสร้างกำแพงกีดกันคู่แข่ง (Regulatory Moat) ไม่ให้เข้าถึงตลาด
ในทางกลับกัน กลุ่มวิศวกรระบบและนักวิจัยความปลอดภัยจำนวนมากมองว่า การยอมสละสิทธิในหุ้นมูลค่ามหาศาลของนักวิจัยระดับแกนนำบ่งชี้ถึงวิกฤตทางความปลอดภัยที่เกิดขึ้นจริงในกระบวนการฝึกฝนโมเดล อย่างไรก็ตาม ผู้ปฏิบัติงานในภาคธุรกิจได้ชี้ให้เห็นถึงความตัดขาดอย่างสิ้นเชิงระหว่างข้อถกเถียงของนักวิจัยระดับแนวหน้ากับปัญหาในโลกความเป็นจริง โดยวิศวกรที่ดูแลระบบ AI ในระดับโปรดักชันระบุว่า พวกเขากำลังเผชิญกับปัญหาพื้นฐาน เช่น การที่เอเจนต์ทำงานผิดพลาดในระบบ CRM หรือปัญหาความรับผิดทางกฎหมายในแง่ข้อมูล มากกว่าเรื่องภัยคุกคามระยะยาวต่อมนุษยชาติ
ชุมชนผู้ปฏิบัติงานยังตั้งข้อสังเกตถึงความรับผิดชอบขององค์กร โดยเปรียบเทียบว่าเทคโนโลยีที่ทรงพลังควรมีกรอบความรับผิดทางกฎหมายที่ชัดเจน เช่นเดียวกับอุตสาหกรรมยานยนต์หรือโครงสร้างพื้นฐานสำคัญ แทนที่จะปล่อยให้เป็นดุลยพินิจภายในของห้องปฏิบัติการวิจัยเอกชนเพียงไม่กี่แห่ง
นัยยะสำคัญเชิงกลยุทธ์สำหรับภาคธุรกิจในประเทศไทย
สำหรับองค์กรธุรกิจ สถาบันการเงิน และผู้นำฝ่ายเทคโนโลยีสารสนเทศ (CIO/CTO) ในประเทศไทย เหตุการณ์ความแตกแยกภายใน Anthropic ส่งสัญญาณเตือนถึงความเสี่ยงด้านการพึ่งพาโมเดลเชิงพาณิชย์จากภายนอก (Vendor Lock-in Risk) องค์กรไทยที่กำลังพึ่งพา Claude หรือโมเดลในตระกูลใกล้เคียงในการพัฒนาโครงสร้างพื้นฐานสำหรับเอเจนต์และระบบอัตโนมัติ ต้องตระหนักว่าความไม่แน่นอนด้านนโยบายความปลอดภัยและบุคลากรภายใน อาจส่งผลกระทบต่อโร้ดแมปของโมเดลและการให้บริการในอนาคต
ผู้นำเทคโนโลยีในไทยควรเร่งปรับโครงสร้างสถาปัตยกรรมระบบปัญญาประดิษฐ์ให้รองรับโมเดลที่หลากหลาย (Multi-Model Orchestration) โดยการนำ API Gateway มาคั่นกลางเพื่อช่วยให้ระบบสามารถสลับเปลี่ยนไปใช้งานโมเดลโอเพนซอร์ส หรือโมเดลทางเลือกจากผู้พัฒนารายอื่นได้อย่างราบรื่น หากโมเดลหลักเกิดการเปลี่ยนแปลงนโยบายความปลอดภัยที่เข้มงวดเกินไป หรือเกิดการหยุดชะงักจากการตรวจสอบภายใน
สุดท้ายนี้ ภาคธุรกิจในไทยจำเป็นต้องยกระดับการกำกับดูแลระบบปัญญาประดิษฐ์ภายในองค์กร (AI Governance Framework) ให้สอดคล้องกับพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) และมาตรฐานความปลอดภัยทางไซเบอร์ท้องถิ่น โดยมุ่งเน้นการสร้างระบบประเมินความปลอดภัยที่วัดผลได้จริงในระดับปฏิบัติการ มากกว่าการพึ่งพาเพียงการรับรองหรือรายงานความเสี่ยงที่ออกโดยผู้ให้บริการโมเดลระดับแนวหน้าแต่เพียงฝ่ายเดียว
สำหรับองค์กรธุรกิจในไทย ความแตกแยกภายในของผู้พัฒนาโมเดลระดับแนวหน้าอย่าง Anthropic สะท้อนถึงความผันผวนด้านการกำกับดูแลโมเดลเชิงพาณิชย์ และตอกย้ำความจำเป็นในการมีสถาปัตยกรรมทางเทคโนโลยีแบบ Multi-Model ที่ไม่ยึดติดกับผู้ให้บริการรายเดียว