เมษายน 27,2026…เมื่อ AI ที่เราไว้ใจ กลับสร้างคำตอบที่ “ดูดีแต่เปลือก” จากข้อมูลเก่าในอดีต จนเกิดเป็นอาการ “ฟอกเขียวด้วยอัลกอริทึม” โดยไม่รู้ตัว มาเจาะลึกบทเรียนจาก UN Global Compact และวิธีใช้ AI ให้จริงใจ ไม่ตกหลุมพรางภาษา CSR ที่ว่างเปล่า
“ลองนึกภาพดู…” ถ้าคุณเป็นผู้บริหารที่กำลังวุ่นอยู่กับการตอบคำถามด้านความยั่งยืนของคู่ค้า แล้วมี AI มาเป็นผู้ช่วยคอยร่างคำตอบให้ในพริบตา ฟังดูเหมือนฝันเลยใช่ไหม ? แต่ผลการทดลองจริงจากทีม Think Lab ของ UN กลับพบเรื่องที่น่าตกใจว่า AI มักเลือกทางลัดด้วยการใช้ “ภาษาที่ดูสวยหรูแต่ไม่มีเนื้อหา” หรือที่เราเรียกว่า Algorithmic Greenwashing
การหลอกลวง หรือการฟอกเขียวด้านสิ่งแวดล้อมด้วยอัลกอริทึมเกิดขึ้นเมื่อเครื่องมือ AI ซึ่งได้รับการฝึกฝนจากข้อมูลการสื่อสารด้านความยั่งยืนขององค์กร สร้างภาษาคลุมเครือ ให้ความมั่นใจ โดยค่าเริ่มต้น โมเดล AI จะมองโลกแง่ดี สร้างสรรค์ ผสานข้อจำกัดทางสถาปัตยกรรมที่ชัดเจน ให้คำแนะนำที่เป็นประโยชน์ และไม่ใช่การหลอกลวงด้านสิ่งแวดล้อม
หากผลลัพธ์ของ AI สร้างความมั่นใจเหมือนหน้าเว็บ CSR ทั่วไป โมเดลนั้นก็มีแนวโน้มที่จะสร้างภาษาจากข้อมูลการฝึกฝน ซึ่งเป็นนิยามของการฟอกเขียวด้านสิ่งแวดล้อมด้วยอัลกอริทึม
ความเสี่ยงที่วงการความยั่งยืนไม่ได้พูดถึงมากพอ คือ การฟอกเขียวด้านสิ่งแวดล้อมด้วยอัลกอริทึม คือเมื่อเครื่องมือ AI ที่ได้รับการฝึกฝนจากข้อมูลการสื่อสารด้านความยั่งยืนขององค์กรมานานหลายทศวรรษ สร้างภาษาของการหลอกลวงขึ้นมา เป็นคุณสมบัติที่เกิดขึ้นเองจากข้อมูลการฝึกฝน
เรื่องนี้เกิดขึ้น เพราะเราสร้างตัวแทน AI สำหรับธรรมชาติและความหลากหลายทางชีวภาพ และเฝ้าดูมันเกิดขึ้นแบบเรียลไทม์
ในฐานะผู้นำ Think Lab ด้านธรรมชาติและความหลากหลายทางชีวภาพของ United Nations Global Compact สิ่งหนึ่งที่เกิดขึ้น คือ อุปสรรคต่อการดำเนินการทางธุรกิจไม่ใช่การขาดคำแนะนำที่มีอยู่ แต่เป็นการหยุดชะงักที่เกิดจากปริมาณคำแนะนำที่มากมายมหาศาล
ตัวอย่างรูปธรรม คือ ศูนย์ความรู้ของคณะทำงานด้านการเปิดเผยข้อมูลทางการเงินที่เกี่ยวข้องกับธรรมชาติ (Taskforce on Nature-related Financial Disclosures) เพียงแห่งเดียวก็รวบรวมแหล่งข้อมูลหลายร้อยรายการที่พัฒนาโดยองค์กรชั้นนำเพื่อช่วยให้บริษัทต่างๆ เข้าใจและเสริมสร้างความสัมพันธ์และผลกระทบที่มีต่อธรรมชาติ
หากรวมกรอบการทำงานหลักๆ และคำแนะนำเฉพาะภาคส่วนแล้ว จะมีแหล่งข้อมูลมากกว่าหนึ่งพันรายการที่ผลิตโดยองค์กรหลายร้อยแห่ง ในหลายภาษา สำหรับกลุ่มเป้าหมายที่แตกต่างกัน และมีระดับความซับซ้อนทางเทคนิคที่แตกต่างกัน ไม่มีใครมีเวลาสำหรับเรื่องทั้งหมดนี้ และธรรมชาติก็ไม่มีเวลาเช่นกัน
คำถาม และเป็นความท้าทายด้วย คือ ตัวแทน AI ที่สร้างขึ้นเองจะเป็นที่ปรึกษาฟรี คัดสรรแหล่งข้อมูลชั้นนำ จากนั้น ปรับแต่งแผนปฏิบัติการเฉพาะบุคคลสำหรับภูมิศาสตร์ เป้าหมาย และความเป็นจริงเฉพาะของแต่ละบริษัทได้หรือไม่ ?
เพื่อหาคำตอบ ทีมงานสร้างฐานข้อมูลที่มีโครงสร้างซึ่งประกอบด้วยแหล่งข้อมูลด้านความยั่งยืนกว่า 1,000 รายการ และทดสอบตัวแทน AI โดยใช้ข้อมูลที่เปิดเผยต่อสาธารณะจากบริษัทจริง
วิธีการ คือ สร้าง “เจมส์” ตัวละครสมมติในบริษัทสมาชิกของ UN Global Compact
เจมส์เป็นผู้อำนวยการฝ่ายปฏิบัติการของบริษัทแปรรูปอาหารขนาด 300 คนในเคนยาที่ส่งออกไปยังตลาดสหราชอาณาจักรและยุโรป ลูกค้ารายใหญ่ของเขาเพิ่งส่งแบบสอบถามเกี่ยวกับความหลากหลายทางชีวภาพ และบอกเป็นนัยว่าซัพพลายเออร์ที่ไม่สามารถตอบได้อาจถูกยกเลิกสัญญา
เจมส์ต้องการความช่วยเหลือในการทำงานนี้ และตัวแทน AI ช่วยให้ดูเหมือนว่าเขาได้ทำไปแล้ว
แทนที่จะสอบถามเกี่ยวกับระบบการเก็บรวบรวมข้อมูลและจุดอ่อนในปัจจุบัน หรือกระตุ้นด้วยตัวอย่างความพยายามขององค์กรที่คล้ายคลึงกัน ตัวแทน AI ได้สร้างร่างคำตอบที่เป็นไปได้ทันที ซึ่งสะท้อนถึงภาษาด้านความยั่งยืนขององค์กรทั่วไปที่เจมส์สามารถใช้ได้โดยไม่ต้องประเมินผลกระทบด้านความหลากหลายทางชีวภาพของบริษัทของตนเอง และจะทำให้ผู้ซื้อเห็นว่าไม่มีความก้าวหน้า
ตัวแทนมีฐานข้อมูลที่ถูกคัดสรรมาให้ใช้งาน และมีข้อมูลจำเพาะทางเทคนิคหลายอย่างอยู่ในหน่วยความจำโดยตรง แต่กลับเลือกใช้ภาษาด้านความยั่งยืนขององค์กรที่ได้รับการฝึกฝนมาแต่แรก และสร้างคำตอบที่ไม่แตกต่างจากการฟอกเขียว (greenwashing)
นี่ไม่ได้เกิดขึ้นครั้งเดียว ในการทดสอบหลายครั้ง โมเดลนี้วาง Position การดำเนินงานของบริษัทในแง่ดีที่สุดเท่าที่จะเป็นไปได้เสมอ แม้แต่ในกรอบการทำงานที่เข้มงวด เช่น Taskforce on Nature-related Financial Disclosures (TNFD) และ Science Based Targets Network (SBTN)
ตัวแทน AI สร้างแหล่งข้อมูลที่ไม่มีอยู่จริง
ตัวแทน AI สร้างภาษาประเภทที่ผู้เชี่ยวชาญด้านความยั่งยืนต้องใช้เวลาทั้งชีวิตในการแยกแยะ
โมเดลจะเริ่มต้นด้วยสิ่งที่เรารู้จักในชื่อการมองโลกในแง่ดีเชิงสร้างสรรค์ ซึ่งเป็นอคติในการฝึกฝนที่มุ่งเน้นความช่วยเหลือและหลีกเลี่ยงความตื่นตระหนก ทำให้พวกมันดูดซับ สร้างภาษาที่มองไปข้างหน้า มุ่งเน้นการแก้ปัญหาของการสื่อสารด้านความยั่งยืน เว้นแต่จะได้รับคำสั่งเป็นอย่างอื่นชัดเจน
โมเดลจะสะท้อนรูปแบบเหล่านั้นกลับมาซ้ำแล้วซ้ำเล่า ในโดเมนที่การประเมินจุดอ่อนตรงไปตรงมาสำคัญมากกว่าคำตอบที่น่าพอใจ
ภาพการฟอกเขียว เขียวด้วยอัลกอริทึมเกิดขึ้นได้อย่างไร ?
โมเดลภาษาขนาดใหญ่ถูกฝึกฝนให้เสนอสิ่งที่เป็นประโยชน์ แต่ในบริบทของการพัฒนาอย่างยั่งยืน คำว่า “เป็นประโยชน์” มีข้อบกพร่องเฉพาะ
โมเดลเหล่านี้ซึมซับการสื่อสารด้านความยั่งยืนขององค์กรมานานหลายทศวรรษ ส่วนใหญ่เป็นภาษาที่ออกแบบมาเพื่อสร้างความมั่นใจ หลีกเลี่ยงรายละเอียดสร้างความไม่สบายใจ ผลลัพธ์ที่ได้ ไม่ใช่ภาพหลอนที่น่าตกใจ แต่เป็นสิ่งที่ละเอียดอ่อนกว่า และจับได้ยากกว่า
คำแนะนำที่อบอุ่นและคลุมเครืออย่างมีกลยุทธ์ ซึ่งฟังดูเหมือนแคมเปญสร้างภาพลักษณ์สีเขียวโดยไม่ได้ตั้งใจ อันเป็นคุณสมบัติที่เกิดขึ้นเองจากข้อมูลการฝึกฝน
ใครจะถูกทิ้งไว้ข้างหลัง
อคติด้านภาษาอังกฤษและประเทศพัฒนาแล้วในภูมิทัศน์ของแหล่งข้อมูลที่มีอยู่ ไม่ใช่แค่ปัญหาของMeta Data เท่านั้น มันเป็นจุดอ่อนของเนื้อหาที่การติดแท็กอย่างชาญฉลาดเพียงใดก็แก้ไขไม่ได้ ทั้งนี้ บริษัทที่อยู่ภายใต้แรงกดดันด้านกฎระเบียบของสหภาพยุโรปมีแนวโน้มที่จะได้รับการบริการก่อน
เนื่องจากข้อกำหนดด้านการปฏิบัติตามกฎระเบียบสร้างตลาดเชิงพาณิชย์ เจมส์จะได้รับการบริการเป็นคนสุดท้าย หรืออาจจะไม่ได้รับการบริการเลย เพราะไม่มีแบบจำลองรายได้ที่ชัดเจนสำหรับเครื่องมือที่ปรับให้เข้ากับบริบทของเขา
วิสาหกิจขนาดเล็กและขนาดกลางเผชิญกับแรงกดดันที่ไม่สมส่วนในการแสดงให้เห็นถึงการดำเนินการด้านธรรมชาติและความหลากหลายทางชีวภาพตลอดห่วงโซ่คุณค่า เนื่องจากพวกเขาอยู่ในห่วงโซ่อุปทานของบริษัทขนาดใหญ่ที่อยู่ภายใต้ข้อกำหนดการเปิดเผยข้อมูลภาคบังคับ สิ่งเหล่านี้ไม่ใช่กรณีพิเศษ แต่เป็นส่วนใหญ่
หากคุณเป็นผู้เชี่ยวชาญด้านความยั่งยืน ประสบการณ์จริงและความรู้เฉพาะด้านไม่ได้ถูกแทนที่ แต่สำคัญมากขึ้น เพราะการสร้างภาพการฟอกเขียวด้วยอัลกอริทึมนั้นดูเหมือนมีความเชี่ยวชาญสูง และมีเพียงมืออาชีพเฉพาะด้านเท่านั้นที่จะจับผิดได้
ดังนั้น หากยังไม่ได้เริ่มทดลองใช้ AI ให้เริ่มตอนนี้ เพราะคุณจำเป็นต้องพัฒนาทักษะการคิดวิเคราะห์และความสงสัย มี 3 เรื่องที่ควรเริ่มถาม
ตัวแทน AI ถามอะไร ก่อนให้คำแนะนำหรือไม่ ? เครื่องมือที่สร้างคำแนะนำโดยไม่เข้าใจภาคส่วน ภูมิศาสตร์ งบประมาณ ขั้นตอนการพัฒนา และสิ่งที่เป็นแรงผลักดันงานก่อนนั้น คือการเดา หากฟังดูมีประโยชน์ทันที จงสงสัยไว้ก่อน
เครื่องมือบอกได้ไหมว่า ทำอะไรไม่ได้ ?ถ้าเครื่องมือเต็มใจประเมินความสอดคล้อง บอกว่าคุณ “กำลังไปได้ดี” หรือตรวจสอบความถูกต้องของเป้าหมาย นั่นแสดงว่ามันก้าวข้ามเส้นไปแล้ว การประเมินความสอดคล้องต้องอาศัยความเชี่ยวชาญของมนุษย์ เครื่องมือที่ดีจะบอกอย่างนั้น
ผลลัพธ์ดูเหมือนรายงานความยั่งยืนที่เคยอ่านมาแล้วหรือเปล่า? ถ้าอ่านแล้วรู้สึกสบายๆ อบอุ่น อ่านกลยุทธ์แล้วรู้สึกคลุมเครือ แต่ให้ความมั่นใจ ภาษาที่ใช้เหมือนมาจากหน้า CSR ของบริษัทใดบริษัทหนึ่ง มันก็คงมาจากข้อมูลการฝึกฝนของแบบจำลองนั่นแหละ นั่นคือการฟอกเขียวด้วยอัลกอริทึม
ที่มา trellis
