คู่มือผู้บริหารสำหรับการลงทุนด้าน AI: ทำความเข้าใจข้อเสนอคุณค่าในปี 2025

ธุรกิจ

คู่มือผู้บริหารสำหรับการลงทุนด้าน AI: ทำความเข้าใจข้อเสนอคุณค่าในปี 2025

L'AI automatizzerà 300M posti lavoro equivalenti globalmente, 92M eliminati entro 2030 (WEF), 60% lavori paesi alto reddito influenzati—ma saldo netto positivo: 170M nuovi ruoli emergeranno (+78M totale). Lavori più suscettibili: amministrativi 46% attività automatizzabili, back-office, call center, contabilità. Risultati settoriali già misurabili: finanza -40% costi operativi +40% efficienza gestione rischio, sanità -30-50% tempi diagnosi con scoperta farmaci da 5 anni a <1 anno (-60% costi), software -56% tempi sviluppo con +30-60% accelerazione time-to-market, manifattura -80% downtime con +8% profitti annui, marketing +30% conversioni con -30% costi acquisizione clienti. Polarizzazione salariale estrema: avvocati con competenze AI guadagnano +49% vs colleghi tradizionali. Italia caso demografico: gap 5.6M posti lavoro entro 2033, automazione 3.8M diventa necessità vs rischio. Competenze 2025: pensiero analitico, creatività, intelligenza sociale—94% responsabili marketing riporta impatto positivo vendite, 91% aziende con AI assumerà nel 2025. Questione centrale: non se AI sostituirà umani ma quali umani si adatteranno vs resisteranno cambiamento.

ฟาบิโอ ลอเรีย

ซีอีโอและผู้ก่อตั้ง Electe‍

สรุปบทความนี้ด้วย AI

ในขณะที่แนวโน้มการลงทุนด้าน AI ยังคงพัฒนาอย่างต่อเนื่องในปี 2568 ผู้บริหารต้องเผชิญกับแรงกดดันที่เพิ่มขึ้นในการตัดสินใจเชิงกลยุทธ์เกี่ยวกับการนำ AI มาใช้ ด้วยการนำเครื่องมือ AI มาใช้อย่างรวดเร็วโดยบริษัทต่างๆ โดย 22% นำไปใช้อย่างกว้างขวาง และ 33% ใช้งานในระดับจำกัด ความเข้าใจในการประเมินและนำ โซลูชัน AI มาใช้จึงกลายเป็นสิ่งสำคัญอย่างยิ่งต่อการรักษา ความได้เปรียบ ในการแข่งขัน ในหนังสือ " The Executive Guide to Artificial Intelligence " ของ Andrew Burgess ผู้เขียนได้จัดทำคู่มือฉบับสมบูรณ์สำหรับผู้บริหารธุรกิจที่ต้องการทำความเข้าใจและนำโซลูชัน AI มาใช้ในองค์กรของตน

‍

หนังสือเล่มนี้ตีพิมพ์ในปี 2017 โดยสำนักพิมพ์ Springer International Publishing และให้ภาพรวมเชิงปฏิบัติเกี่ยวกับวิธีที่บริษัทต่างๆ สามารถใช้ประโยชน์จากปัญญาประดิษฐ์ได้ มีอะไรเปลี่ยนแปลงไปบ้างในปัจจุบัน?

‍

แนวโน้มการลงทุนด้าน AI ปัจจุบันปี 2025

ภูมิทัศน์ของ AI กำลังเติบโตอย่างไม่เคยปรากฏมาก่อน โดยองค์กรต่างๆ ลงทุนเพิ่มมากขึ้นเพื่อรักษาความสามารถในการแข่งขัน

พื้นฐาน:

เบอร์เจสส์เน้นย้ำถึงความสำคัญของการเริ่มต้นโดยการกำหนดวัตถุประสงค์ที่ชัดเจนและสอดคล้องกับกลยุทธ์ของบริษัท ซึ่งเป็นหลักการที่ยังคงใช้ได้ในปัจจุบัน ในหนังสือเล่มนี้ เขาได้ระบุความสามารถหลัก 8 ประการของ AI:

‍

การจดจำภาพ
การจดจำเสียง
การค้นหาและการดึงข้อมูล
การจัดกลุ่ม
ความเข้าใจภาษาธรรมชาติ
การเพิ่มประสิทธิภาพ
การทำนาย
ความเข้าใจ (วันนี้)

วิวัฒนาการจากปี 2018 ถึงปี 2025:

นับตั้งแต่หนังสือเล่มนี้ถูกเขียนขึ้น AI ได้ก้าวจากเทคโนโลยีที่เพิ่งเกิดใหม่ไปสู่เทคโนโลยีกระแสหลัก ความสามารถในการ "เข้าใจ" ซึ่งเบอร์เจสมองว่าเป็นเรื่องของอนาคต ได้เห็นความก้าวหน้าครั้งสำคัญด้วยการถือกำเนิดของแบบจำลองภาษาขนาดใหญ่ (LLM) และเทคโนโลยี AI เชิงกำเนิด ซึ่งยังไม่ปรากฏให้เห็นในปี 2018

กรอบ กลยุทธ์สำหรับการตัดสินใจลงทุนด้าน AI

คำถามสำคัญสี่ประการ

เมื่อประเมินการลงทุนใน AI จำเป็นต้องมุ่งเน้นไปที่คำถามสำคัญเหล่านี้:

คำจำกัดความปัญหาทางธุรกิจ
ตัวชี้วัดความสำเร็จ
ข้อกำหนดในการดำเนินการ
การประเมินความเสี่ยง

‍

หมายเหตุ: กรอบคำถามสี่ข้อนี้มาจากความรู้ในปัจจุบันและไม่ได้นำเสนออย่างชัดเจนในหนังสือของเบอร์เจส

‍

การสร้างกลยุทธ์ AI ที่มีประสิทธิภาพ

กรอบการทำงานด้านการรับเลี้ยงบุตรบุญธรรม:

เบอร์เกสเสนอกรอบการทำงานโดยละเอียดสำหรับการสร้างกลยุทธ์ AI ซึ่งประกอบด้วย:

การจัดแนวทางให้สอดคล้องกับกลยุทธ์ทางธุรกิจ - ทำความเข้าใจว่า AI สามารถรองรับเป้าหมายทางธุรกิจที่มีอยู่ได้อย่างไร
ทำความเข้าใจความทะเยอทะยานของ AI - กำหนดว่าคุณต้องการ:
- ปรับปรุงกระบวนการที่มีอยู่
- การเปลี่ยนแปลงฟังก์ชันทางธุรกิจ
- สร้างบริการ/ผลิตภัณฑ์ใหม่
การประเมินความสมบูรณ์ของ AI - กำหนดระดับความพร้อมในปัจจุบันขององค์กรบนมาตราส่วน 0 ถึง 5:
- การประมวลผลด้วยตนเอง (ระดับ 0)
- ระบบอัตโนมัติไอที แบบดั้งเดิม (ระดับ 1)
- ระบบอัตโนมัติพื้นฐานแบบแยกส่วน (ระดับ 2)
- การนำเครื่องมืออัตโนมัติไปใช้งานเชิงกลยุทธ์ (ระดับ 3)
- การนำเทคโนโลยีอัตโนมัติต่างๆ มาใช้ในเชิงกลยุทธ์ (ระดับ 4)
- ระบบอัตโนมัติเชิงกลยุทธ์แบบครบวงจร (ระดับ 5)
การสร้างแผนที่ความร้อน AI - ระบุพื้นที่ที่มีโอกาสมากขึ้น
การพัฒนาเคสทางธุรกิจ - การประเมินผลประโยชน์ทั้งทางตรงและทางอ้อม
การจัดการการเปลี่ยนแปลง - การวางแผนว่าองค์กรของคุณจะปรับตัวอย่างไร
การพัฒนาแผนงาน AI - การสร้างแผนระยะกลางถึงระยะยาว

วิวัฒนาการจากปี 2018 ถึงปี 2025:

กรอบงานของ Burgess ยังคงมีความเกี่ยวข้องอย่างน่าประหลาดใจ แต่ในปัจจุบันจำเป็นต้องบูรณาการโดยคำนึงถึงสิ่งต่อไปนี้:

จริยธรรมและกฎระเบียบด้าน AI (เช่น พระราชบัญญัติ AI ของสหภาพยุโรป)
ความยั่งยืนด้านสิ่งแวดล้อมของ AI
กลยุทธ์ AI ที่มีความรับผิดชอบ
การบูรณาการกับเทคโนโลยีใหม่ๆ เช่น คอมพิวเตอร์ควอนตัม

การวัดผลตอบแทนจากการลงทุนด้าน AI

ปัจจัยที่กำหนดผลตอบแทนจากการลงทุน:

เบอร์เจสระบุถึงประโยชน์ของ AI หลายประเภท โดยแบ่งเป็นประเภท "ยาก" และ "ง่าย":

ประโยชน์ที่ยาก:

การลดต้นทุน
หลีกเลี่ยงค่าใช้จ่าย
ความพึงพอใจของลูกค้า
การปฏิบัติตาม
การบรรเทาความเสี่ยง
การบรรเทาการสูญเสีย
การบรรเทาการสูญเสียรายได้
การสร้างรายได้

ผลประโยชน์ที่อ่อนนุ่ม:

การเปลี่ยนแปลงทางวัฒนธรรม
ความได้เปรียบในการแข่งขัน
เอฟเฟกต์ฮาโล
การเปิดใช้งานผลประโยชน์อื่น ๆ
การเปิดใช้งานการเปลี่ยนแปลงทางดิจิทัล

‍

‍

__wf_reserved_inherit — การวัดผลตอบแทนจากการลงทุนของ AI มีความซับซ้อนมากขึ้น โดยมีกรอบการทำงานเฉพาะสำหรับการประเมินผลกระทบของ AI เชิงสร้างสรรค์ ซึ่งไม่มีอยู่ในตอนที่เบอร์เจสเขียนหนังสือเล่มนี้

‍

แนวทางทางเทคนิคในการนำ AI ไปใช้

‍

ประเภทของโซลูชั่น:

เบอร์เจสนำเสนอแนวทางหลักสามประการในการนำ AI มาใช้:

ซอฟต์แวร์ AI สำเร็จรูป - โซลูชันสำเร็จรูป
แพลตฟอร์ม AI - ขับเคลื่อนโดยบริษัทเทคโนโลยียักษ์ใหญ่
การพัฒนา AI แบบกำหนดเอง - โซลูชันที่ออกแบบเฉพาะ

สำหรับขั้นตอนแรก เขาเสนอให้พิจารณาดังนี้:

การพิสูจน์แนวคิด (PoC)
ต้นแบบ
ผลิตภัณฑ์ที่ใช้งานได้ขั้นต่ำ (MVP)
การทดสอบสมมติฐานที่เสี่ยงที่สุด (RAT)
นักบิน

สิ่งที่เปลี่ยนแปลง:

ตั้งแต่ปี 2018 เราได้เห็น:

การทำให้เครื่องมือ AI เป็นประชาธิปไตย ด้วยโซลูชันแบบไม่ต้องเขียนโค้ดหรือเขียนโค้ดน้อย
การปรับปรุงแพลตฟอร์ม AI บนคลาวด์อย่างโดดเด่น
การเติบโตของ AI เชิงกำเนิดและโมเดลเช่น GPT, DALL-E เป็นต้น
การเพิ่มขึ้นของโซลูชัน AutoML ที่ทำให้ส่วนต่างๆ ของกระบวนการวิทยาศาสตร์ข้อมูลเป็นแบบอัตโนมัติ

การพิจารณาความเสี่ยงและความท้าทาย

‍

ความเสี่ยงของปัญญาประดิษฐ์:

เบอร์เจสอุทิศบทหนึ่งให้กับความเสี่ยงของ AI โดยเน้นย้ำถึง:

คุณภาพข้อมูล
การขาดความโปร่งใส - ลักษณะ "กล่องดำ" ของอัลกอริทึม
อคติที่ไม่ได้ตั้งใจ
ความไร้เดียงสาของ AI - ข้อจำกัดของความเข้าใจเชิงบริบท
การพึ่งพา AI มากเกินไป
การเลือกใช้เทคโนโลยีที่ผิด
การกระทำอันเป็นอันตราย

วิวัฒนาการจากปี 2018 ถึงปี 2025:

ตั้งแต่หนังสือเล่มนี้ถูกเขียนขึ้น:

ความกังวลเกี่ยวกับอคติของอัลกอริทึมกลายเป็นประเด็นสำคัญ (อยู่ระหว่างการสืบสวนเพิ่มเติม)
ความปลอดภัยของ AI กลายเป็นสิ่งสำคัญเมื่อภัยคุกคามเพิ่มมากขึ้น
การควบคุม AI กลายเป็นปัจจัยสำคัญ
ความเสี่ยงจาก Deepfake และการบิดเบือนข้อมูลด้วย AI เชิงสร้างสรรค์มีมากขึ้น
ความกังวลเกี่ยวกับความเป็นส่วนตัวเพิ่มมากขึ้นเนื่องจากมีการใช้ AI แพร่หลายมากขึ้น

การสร้างองค์กร AI ที่มีประสิทธิภาพ

‍

จากหนังสือของเบอร์เจส (2018):

เบอร์เจสเสนอ:

การสร้างระบบนิเวศ AI ร่วมกับผู้จำหน่ายและพันธมิตร
จัดตั้งศูนย์ความเป็นเลิศ (CoE) ที่มีทีมงานเฉพาะทาง
พิจารณาบทบาทเช่น Chief Data Officer (CDO) หรือ Chief Automation Officer (CAO)

วิวัฒนาการจากปี 2018 ถึงปี 2025:

ตั้งแต่นั้นมา:

บทบาทของ Chief AI Officer (CAIO) กลายเป็นเรื่องปกติไปแล้ว
ปัจจุบัน AI มักถูกรวมเข้าไว้ทั่วทั้งองค์กรแทนที่จะถูกแยกไว้เฉพาะใน CoE
การกระจายอำนาจของ AI ทำให้เกิดรูปแบบการดำเนินงานแบบกระจายมากขึ้น
ความสำคัญของความรู้ด้าน AI สำหรับพนักงานทุกคนได้รับการเปิดเผย

บทสรุป

จากหนังสือของเบอร์เจส (2018):

เบอร์เจสสรุปด้วยความสำคัญของ:

อย่าเชื่อคำโฆษณาเกินจริง แต่ให้มุ่งเน้นไปที่ปัญหาทางธุรกิจที่แท้จริง
เริ่มต้นการเดินทาง AI ของคุณโดยเร็วที่สุด
สร้างอนาคตให้กับธุรกิจของคุณด้วยการทำความเข้าใจ AI
การใช้แนวทางที่สมดุลระหว่างความมองโลกในแง่ดีและความสมจริง

วิวัฒนาการจากปี 2018 ถึงปี 2025:

คำแนะนำของเบอร์เจสที่ว่า "อย่าเชื่อกระแส" ยังคงมีความสำคัญอย่างยิ่งในปี 2025 โดยเฉพาะอย่างยิ่งเมื่อกระแส AI เชิงสร้างสรรค์กำลังมาแรง อย่างไรก็ตาม ความเร็วในการนำ AI มาใช้นั้นยิ่งมีความสำคัญมากขึ้น และบริษัทที่ยังไม่ได้เริ่มต้นเส้นทาง AI ของตนเองกำลังเสียเปรียบอย่างมากเมื่อเทียบกับบริษัทที่ทำตามคำแนะนำของเบอร์เจสที่ให้เริ่มต้นตั้งแต่เนิ่นๆ (ในปี 2018!)

‍

ภูมิทัศน์ของ AI ในปี 2025 มีความซับซ้อนมากขึ้น มีความสมบูรณ์มากขึ้น และบูรณาการเข้ากับกลยุทธ์ทางธุรกิจมากกว่าที่ใครจะคาดการณ์ได้ในปี 2018 แต่หลักการสำคัญของการจัดแนวกลยุทธ์ การสร้างมูลค่า และการจัดการความเสี่ยงที่เบอร์เจสสรุปไว้ยังคงมีความสมเหตุสมผลอย่างน่าประหลาดใจ

ทรัพยากรเพื่อการเติบโตทางธุรกิจ

9 พฤศจิกายน 2568

คู่มือซอฟต์แวร์ Business Intelligence ฉบับสมบูรณ์สำหรับ SMB

SMEs อิตาลี 60% ยอมรับว่ายังมีช่องว่างสำคัญในการฝึกอบรมด้านข้อมูล ขณะที่ 29% ไม่มีแม้แต่ตัวเลขเฉพาะเจาะจง ขณะที่ตลาด BI ของอิตาลีกำลังเติบโตอย่างรวดเร็วจาก 36.79 พันล้านดอลลาร์สหรัฐ เป็น 69.45 พันล้านดอลลาร์สหรัฐ ภายในปี 2034 (อัตราการเติบโตเฉลี่ยต่อปีอยู่ที่ 8.56%) ปัญหาไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่วิธีการ SMEs กำลังจมอยู่กับข้อมูลที่กระจัดกระจายอยู่ใน CRM, ERP และสเปรดชีต Excel โดยไม่ได้นำข้อมูลเหล่านั้นมาประกอบการตัดสินใจ ซึ่งใช้ได้กับทั้งผู้ที่เริ่มต้นตั้งแต่ต้นและผู้ที่กำลังมองหาการปรับปรุงประสิทธิภาพ เกณฑ์การคัดเลือกที่สำคัญ ได้แก่ ความสามารถในการใช้งานแบบลากและวางโดยไม่ต้องฝึกอบรมหลายเดือน ความสามารถในการปรับขนาดที่เติบโตไปพร้อมกับคุณ การผสานรวมกับระบบเดิมที่มีอยู่ ต้นทุนการเป็นเจ้าของ (TCO) ที่สมบูรณ์ (การติดตั้ง + การฝึกอบรม + การบำรุงรักษา) เทียบกับราคาใบอนุญาตเพียงอย่างเดียว แผนงานสี่ระยะประกอบด้วยวัตถุประสงค์ SMART ที่วัดผลได้ (ลดอัตราการยกเลิกบริการลง 15% ภายใน 6 เดือน) การจัดทำแผนผังแหล่งข้อมูลที่สะอาด (ข้อมูลขยะเข้า = ข้อมูลขยะออก) การฝึกอบรมทีมเกี่ยวกับวัฒนธรรมข้อมูล และโครงการนำร่องที่มีวงจรป้อนกลับอย่างต่อเนื่อง AI เปลี่ยนแปลงทุกสิ่งทุกอย่าง ตั้งแต่ BI เชิงบรรยาย (สิ่งที่เกิดขึ้น) ไปจนถึงการวิเคราะห์เสริมที่เปิดเผยรูปแบบที่ซ่อนอยู่ การวิเคราะห์เชิงทำนายที่ประเมินความต้องการในอนาคต และการวิเคราะห์เชิงกำหนดที่แนะนำการดำเนินการที่เป็นรูปธรรม Electe กระจายอำนาจนี้ให้กับ SMEs

9 พฤศจิกายน 2568

ระบบระบายความร้อน AI ของ Google DeepMind: ปัญญาประดิษฐ์ปฏิวัติประสิทธิภาพการใช้พลังงานของศูนย์ข้อมูลอย่างไร

Google DeepMind ประหยัดพลังงานระบบทำความเย็นในศูนย์ข้อมูลได้ -40% (แต่ใช้พลังงานรวมเพียง -4% เนื่องจากระบบทำความเย็นคิดเป็น 10% ของพลังงานรวมทั้งหมด) โดยมีความแม่นยำ 99.6% และความผิดพลาด 0.4% บน PUE 1.1 โดยใช้การเรียนรู้เชิงลึก 5 ชั้น โหนด 50 โหนด ตัวแปรอินพุต 19 ตัว จากตัวอย่างการฝึกอบรม 184,435 ตัวอย่าง (ข้อมูล 2 ปี) ได้รับการยืนยันใน 3 สถานที่: สิงคโปร์ (ใช้งานครั้งแรกในปี 2016), Eemshaven, Council Bluffs (ลงทุน 5 พันล้านดอลลาร์) ค่า PUE ทั่วทั้งกลุ่มผลิตภัณฑ์ของ Google อยู่ที่ 1.09 เทียบกับค่าเฉลี่ยของอุตสาหกรรมที่ 1.56-1.58 ระบบควบคุมเชิงคาดการณ์ (Model Predictive Control) คาดการณ์อุณหภูมิ/แรงดันในชั่วโมงถัดไป พร้อมกับจัดการภาระงานด้านไอที สภาพอากาศ และสถานะของอุปกรณ์ไปพร้อมๆ กัน ความปลอดภัยที่รับประกัน: การตรวจสอบสองระดับ ผู้ปฏิบัติงานสามารถปิดใช้งาน AI ได้ตลอดเวลา ข้อจำกัดสำคัญ: ไม่มีการตรวจสอบอิสระจากบริษัทตรวจสอบบัญชี/ห้องปฏิบัติการระดับชาติ แต่ละศูนย์ข้อมูลต้องใช้แบบจำลองที่กำหนดเอง (8 ปี ไม่เคยนำไปใช้ในเชิงพาณิชย์) ระยะเวลาดำเนินการ: 6-18 เดือน ต้องใช้ทีมสหสาขาวิชาชีพ (วิทยาศาสตร์ข้อมูล, ระบบปรับอากาศ (HVAC), การจัดการสิ่งอำนวยความสะดวก) ครอบคลุมพื้นที่นอกเหนือจากศูนย์ข้อมูล: โรงงานอุตสาหกรรม โรงพยาบาล ศูนย์การค้า และสำนักงานต่างๆ ปี 2024-2025: Google เปลี่ยนไปใช้ระบบระบายความร้อนด้วยของเหลวโดยตรงสำหรับ TPU v5p ซึ่งบ่งชี้ถึงข้อจำกัดในทางปฏิบัติของการเพิ่มประสิทธิภาพ AI

9 พฤศจิกายน 2568

แซม อัลท์แมน และ AI Paradox: "ฟองสบู่เพื่อคนอื่น ล้านล้านเพื่อเรา"

"เราอยู่ในฟองสบู่ AI รึเปล่า? ใช่!" — แซม อัลท์แมน ประกาศการลงทุนมูลค่าล้านล้านดอลลาร์ใน OpenAI เขาพูดคำว่า "ฟองสบู่" ซ้ำสามครั้งภายใน 15 วินาที โดยรู้ดีว่ามันจะเป็นอย่างไร แต่จุดพลิกผันคือ เบซอสแยกแยะระหว่างฟองสบู่อุตสาหกรรม (ทิ้งโครงสร้างพื้นฐานที่ยั่งยืน) และฟองสบู่การเงิน (การล่มสลายไร้ค่า) ปัจจุบัน OpenAI มีมูลค่า 5 แสนล้านดอลลาร์สหรัฐ และมีผู้ใช้งาน 800 ล้านคนต่อสัปดาห์ กลยุทธ์ที่แท้จริงคืออะไร? ลดกระแสโฆษณาลงเพื่อหลีกเลี่ยงกฎระเบียบ เสริมสร้างความเป็นผู้นำ ผู้ที่มีพื้นฐานที่มั่นคงจะประสบความสำเร็จ

9 พฤศจิกายน 2568

ทำไมคณิตศาสตร์ถึงยาก (แม้ว่าคุณจะเป็น AI ก็ตาม)

แบบจำลองภาษาไม่สามารถคูณได้ พวกมันจดจำผลลัพธ์ได้เหมือนกับที่เราจดจำค่าพาย แต่ไม่ได้หมายความว่าพวกมันมีความสามารถทางคณิตศาสตร์ ปัญหาอยู่ที่โครงสร้าง พวกมันเรียนรู้ผ่านความคล้ายคลึงทางสถิติ ไม่ใช่ความเข้าใจเชิงอัลกอริทึม แม้แต่ "แบบจำลองการใช้เหตุผล" ใหม่ๆ อย่าง o1 ก็ยังล้มเหลวในงานเล็กๆ น้อยๆ เช่น มันสามารถนับตัว 'r' ในคำว่า "strawberry" ได้อย่างถูกต้องหลังจากประมวลผลเพียงไม่กี่วินาที แต่ล้มเหลวเมื่อต้องเขียนย่อหน้าโดยที่ตัวอักษรตัวที่สองของแต่ละประโยคสะกดเป็นคำ เวอร์ชันพรีเมียมราคา 200 ดอลลาร์ต่อเดือนใช้เวลาสี่นาทีในการแก้ปัญหาสิ่งที่เด็กสามารถทำได้ทันที DeepSeek และ Mistral ยังคงนับตัวอักษรไม่ถูกต้องในปี 2025 วิธีแก้ปัญหาที่กำลังเกิดขึ้น? วิธีการแบบผสมผสาน แบบจำลองที่ชาญฉลาดที่สุดได้ค้นพบว่าเมื่อใดจึงควรเรียกใช้เครื่องคิดเลขจริง แทนที่จะพยายามคำนวณเอง การเปลี่ยนแปลงกระบวนทัศน์: AI ไม่จำเป็นต้องรู้วิธีทำทุกอย่าง แต่สามารถจัดสรรเครื่องมือที่เหมาะสมได้ พาราด็อกซ์สุดท้าย: GPT-4 สามารถอธิบายทฤษฎีลิมิตได้อย่างยอดเยี่ยม แต่กลับไม่สามารถแก้โจทย์การคูณที่เครื่องคิดเลขพกพามักจะแก้ได้อย่างถูกต้อง GPT-4 เหมาะอย่างยิ่งสำหรับการศึกษาคณิตศาสตร์ เพราะสามารถอธิบายด้วยความอดทนอย่างไม่มีที่สิ้นสุด ดัดแปลงตัวอย่าง และวิเคราะห์เหตุผลที่ซับซ้อนได้ หากต้องการการคำนวณที่แม่นยำ เชื่อเครื่องคิดเลขเถอะ ไม่ใช่ปัญญาประดิษฐ์