เมื่อไหร่ไม่ควรใช้ AI สรุปประชุม: งานบางแบบที่ควรกลับมาใช้คนฟังเอง

ช่วงหลังผมเห็นหลายทีมเริ่มใช้ AI สรุปประชุมเป็นเรื่องปกติครับ ประชุมเสร็จไม่กี่นาที ก็ได้ summary, action items, decisions และ next steps ออกมาเป็นระเบียบกว่าที่หลายคนจดเองได้เสียอีก สำหรับประชุมบางแบบ นี่เป็นเครื่องมือที่ช่วยลดงานซ้ำและช่วยให้คนไม่พลาดรายละเอียดพื้นฐานจริง ๆ

แต่ปัญหาคือเรามักเริ่มจากคำถามว่า "ใช้ AI ตัวไหนดี" มากกว่าถามว่า "ประชุมแบบนี้ควรให้ AI ฟังแทนเราหรือเปล่า" ทั้งที่บางประชุมไม่ได้มีคุณค่าอยู่แค่เนื้อหาที่พูดออกมาเป็นประโยค คุณค่าของมันอยู่ที่น้ำเสียง ความลังเล ความไม่เห็นด้วยที่พูดไม่เต็มปาก ความสัมพันธ์ระหว่างคนในห้อง และความรับผิดชอบที่คนฟังต้องรับรู้เอง

บทความนี้ไม่ได้บอกว่าไม่ควรใช้ AI สรุปประชุมเลย แต่จะชวนแยกให้ออกว่าประชุมแบบไหนเหมาะกับ AI และประชุมแบบไหนควรกลับมาใช้คนฟังเอง แล้วค่อยให้ AI ช่วยในขอบเขตที่ปลอดภัยกว่า เช่น จัดระเบียบโน้ตที่คนจดเอง แปลง action item จากข้อมูลที่คัดแล้ว หรือช่วยเตรียม follow-up draft ที่มีคนตรวจทานก่อนส่ง

สาระตั้งต้นจากแหล่งข้อมูล

ก่อนเขียนบทความ ผมสรุปแก่นจากแนวทางด้าน AI risk, privacy และ security ไว้ก่อน:

1. NIST AI Risk Management Framework เน้นว่า AI ที่น่าเชื่อถือควรมี governance, transparency, accountability และการจัดการความเสี่ยงที่เหมาะกับบริบท ไม่ใช่แค่ดูว่าผลลัพธ์ดูถูกต้องหรือไม่
2. ICO ของสหราชอาณาจักรพูดถึงการใช้ generative AI กับ personal data ว่าต้องคิดเรื่องข้อมูลที่ป้อนเข้าไป วัตถุประสงค์ การเปิดเผยข้อมูล และสิทธิของเจ้าของข้อมูล
3. OWASP Top 10 for LLM Applications เตือนเรื่อง sensitive information disclosure และ prompt injection ซึ่งเกี่ยวกับการส่งข้อมูลภายในไปให้ระบบ AI วิเคราะห์โดยตรง
4. ในทางปฏิบัติ meeting summary ไม่ใช่แค่ productivity feature แต่เป็น data flow ใหม่: เสียง บทสนทนา transcript รายชื่อผู้ร่วมประชุม และบริบทการตัดสินใจอาจถูกส่งผ่านเครื่องมืออีกชั้นหนึ่ง
5. ความเสี่ยงสำคัญไม่ได้มีแค่ "AI สรุปผิด" แต่รวมถึง "คนเลิกฟังเอง", "บริบทหาย", "ข้อมูลลับไหลออก", และ "ไม่มีใครรับผิดชอบว่าบันทึกที่ได้สะท้อนการตัดสินใจจริงหรือไม่"

แปลเป็นภาษาง่าย ๆ คือ AI meeting summary ควรถูกมองเป็นเครื่องมือช่วยงานเอกสาร ไม่ใช่ตัวแทนความรับผิดชอบของคนในห้องประชุม

ประชุม routine ใช้ AI ได้ แต่ต้องไม่ลืม review

มีประชุมหลายแบบที่ AI summary เหมาะมาก เช่น weekly status update, stand-up, internal project sync, recurring operations review หรือประชุมที่มี agenda ชัดและข้อมูลไม่อ่อนไหวมาก จุดประสงค์หลักคือให้คนเห็นว่าใครทำอะไรต่อ ติด blocker ตรงไหน และต้อง follow up เรื่องอะไร

สำหรับประชุมแบบนี้ AI ช่วยได้ 3 อย่าง:

1. ลดเวลาจด minute แบบซ้ำ ๆ
2. ช่วยจับ action item ที่คนอาจลืม
3. ทำให้คนที่พลาดประชุมตามภาพรวมได้เร็วขึ้น

แต่แม้ในประชุม routine ก็ยังควรมีคน review summary ก่อนใช้ต่อครับ เพราะ AI อาจจับเจ้าของงานผิด สรุป decision ที่ยังไม่ได้ตกลงจริง หรือทำให้ประเด็นที่เป็นแค่ข้อเสนอถูกอ่านเหมือนเป็นข้อตกลงแล้ว ถ้าทีมเอา summary ไปใช้เป็น source of truth โดยไม่มีคนตรวจ ความผิดพลาดเล็ก ๆ จะสะสมเป็นความเข้าใจผิดในโครงการได้

หลักที่ practical คือใช้ AI เป็น draft ไม่ใช่ record ทางการ ถ้าประชุมมีผลต่อ deadline, scope, budget, security หรือ commitment กับลูกค้า ควรมีคนรับผิดชอบตรวจและแก้ก่อนส่งต่อ

เมื่อบริบทสำคัญกว่า bullet point

ประชุมบางแบบมีคุณค่าอยู่ที่บริบทมากกว่าคำพูดตรง ๆ เช่น discussion เรื่อง strategy, incident review, architecture decision, vendor negotiation, performance feedback, conflict resolution หรือ discovery call กับลูกค้าใหม่

ในประชุมเหล่านี้ สิ่งที่ควรฟังไม่ได้มีแค่ "พูดว่าอะไร" แต่รวมถึง:

1. ใครลังเลก่อนตอบ
2. ประเด็นไหนมีคนไม่เห็นด้วยแต่ไม่พูดตรง ๆ
3. ลูกค้ากังวลเรื่องใดซ้ำ ๆ แม้ไม่ได้ใช้คำ technical
4. ผู้บริหารสนใจ risk, cost หรือ timeline มากกว่ากัน
5. ทีมยังไม่แน่ใจเรื่อง owner หรือ authority ตรงไหน
6. มีคำถามไหนที่ถูกเลี่ยงหรือยังไม่มีหลักฐานรองรับ

AI summary มักทำให้เรื่องเหล่านี้แบนลงเป็น bullet point ที่ดูเรียบร้อยเกินจริง เช่น "ทีมเห็นด้วยกับแนวทาง A" ทั้งที่ในห้องจริงอาจเป็นแค่ "ไม่มีใครค้าน เพราะยังไม่อยากเปิดประเด็นใหม่" ความต่างนี้สำคัญมาก โดยเฉพาะงาน consulting, security review, incident response หรือการตัดสินใจที่มีความเสี่ยงทางธุรกิจ

ประชุมที่มีความลับสูงควรคิดก่อนเปิด recorder

อีกกรณีที่ควรระวังคือประชุมที่มีข้อมูลส่วนบุคคล ข้อมูลลูกค้า ข้อมูล security, legal, HR, finance, contract, incident หรือข้อมูลภายในที่ยังไม่ควรถูกกระจายกว้าง การเปิด AI notetaker เข้าไปในประชุมไม่ได้เป็นแค่การจดโน้ตเพิ่ม แต่เป็นการสร้างสำเนาข้อมูลอีกชุดหนึ่ง

คำถามที่ควรถามก่อนใช้เครื่องมือสรุปประชุมคือ:

1. เครื่องมือนี้บันทึกเสียงหรือ transcript ไว้ที่ไหน
2. ใครในองค์กรเข้าถึง transcript หรือ summary ได้
3. ข้อมูลถูกใช้ฝึกโมเดลหรือปรับปรุงบริการหรือไม่
4. retention policy คืออะไร ลบได้จริงไหม และลบโดยใคร
5. ผู้ร่วมประชุมรับรู้และยินยอมหรือไม่
6. ถ้ามีข้อมูลลูกค้าหรือข้อมูลส่วนบุคคล เรามีฐานการใช้งานที่ชัดเจนหรือยัง
7. ถ้า summary หลุด จะกระทบใครและกระทบแค่ไหน

บางทีมคิดว่า "ก็แค่สรุปประชุม" แต่ถ้าในห้องมีข้อมูล credential, incident detail, vendor weakness, employee issue, pricing negotiation หรือข้อมูลลูกค้าที่ยังไม่เปิดเผย summary นั้นอาจกลายเป็นเอกสาร sensitive ทันที

สำหรับทีมเล็ก ผมแนะนำให้ทำ policy สั้น ๆ ว่า meeting แบบไหนใช้ AI notetaker ได้ แบบไหนต้องห้าม และแบบไหนต้องขออนุมัติหรือแจ้งผู้ร่วมประชุมก่อน ถ้ายังไม่มีแนวทางนี้ อ่านต่อได้ที่ AI Governance สำหรับทีมเล็ก: ไม่ต้องมีเอกสารร้อยหน้า แต่ต้องมีขอบเขต

ประชุมที่มีความรับผิดชอบสูงไม่ควรถูก outsource ให้ AI

มีประชุมบางแบบที่คนฟังต้องรับผิดชอบต่อสิ่งที่ได้ยินด้วยตัวเอง เช่น incident decision, risk acceptance, client advisory, board update, disciplinary conversation, legal discussion หรือการตกลง scope งานที่มีผลต่อค่าใช้จ่ายและความคาดหวัง

ปัญหาไม่ได้อยู่ที่ AI สรุปไม่ได้เลย แต่อยู่ที่ถ้าคนในห้องเริ่มคิดว่า "เดี๋ยวอ่าน summary เอา" คุณภาพของการฟังจะลดลง การถาม follow-up จะน้อยลง และ judgement จะถูกเลื่อนไปหลังประชุม ทั้งที่หลายเรื่องควรถามให้ชัดในตอนนั้น

จากประสบการณ์ งานที่เกี่ยวกับ security หรือ consulting มักมีประโยคประเภท:

1. "ตอนนี้ยังไม่มีเจ้าของเรื่องนี้ชัดเจน"
2. "เราคิดว่าน่าจะ backup อยู่ แต่ยังไม่เคยลอง restore"
3. "ระบบนี้น่าจะไม่ public แล้ว"
4. "ถ้าเกิด incident จริง เราคงโทรหาคนนั้น"
5. "ลูกค้าน่าจะรับความเสี่ยงได้"

ประโยคเหล่านี้ฟังผ่าน ๆ เหมือนรายละเอียดเล็กน้อย แต่จริง ๆ คือสัญญาณ risk ที่ต้องถามต่อ ถ้ารออ่าน summary หลังประชุม AI อาจสรุปให้ดูเรียบร้อยจนเราพลาด red flag ที่ควรถูกขุดต่อทันที

บทความ เมื่อ AI กลายเป็นเพื่อนร่วมงาน: วิธีใช้ให้เพิ่มคุณภาพ ไม่ใช่แค่เพิ่มความเร็ว พูดเรื่องนี้ในมุมกว้างกว่า คือ AI ควรช่วยเพิ่มคุณภาพของงาน ไม่ใช่ทำให้เราข้ามขั้นตอนคิดที่สำคัญ

ใช้ AI อย่างไรให้ยังได้ประโยชน์แต่ไม่เสีย judgement

ทางออกไม่จำเป็นต้องสุดโต่งครับ ไม่ใช่ว่าต้องเปิด AI ทุกประชุม หรือห้ามใช้ทั้งหมด วิธีที่ผมแนะนำคือแบ่งการใช้เป็น 4 ระดับ:

1. ใช้ได้ตามปกติ: ประชุม routine ที่ไม่มีข้อมูลอ่อนไหวมาก มี agenda ชัด และมีคน review summary
2. ใช้ได้แบบจำกัด: ประชุม project หรือ client ที่ต้องแจ้งผู้ร่วมประชุมก่อน และควรปิดส่วนที่ sensitive ออกจาก transcript
3. ใช้หลังประชุมเท่านั้น: คนจดโน้ตเองก่อน แล้วให้ AI ช่วยจัดหมวดหมู่ เขียน follow-up หรือแปลง action item จากโน้ตที่คัดแล้ว
4. ไม่ควรใช้: ประชุม HR, legal, incident ที่ละเอียด, negotiation สำคัญ, security-sensitive review หรือประชุมที่มีข้อมูลส่วนบุคคลและความลับสูง

จุดสำคัญคืออย่าให้ AI เป็นคนเดียวที่ "ฟัง" ประชุม ถ้าประชุมสำคัญ ควรมีคนรับบท active listener จดสิ่งที่ AI มักจับไม่ได้ เช่น บริบท ความเสี่ยง owner ที่ไม่ชัดเจน ข้อสันนิษฐาน และประเด็นที่ต้องถามซ้ำ

Checklist ก่อนเปิด AI notetaker

ก่อนกดเชิญ AI เข้าประชุม ผมจะใช้ checklist สั้น ๆ แบบนี้:

1. ประชุมนี้มีข้อมูลลูกค้า ข้อมูลส่วนบุคคล หรือข้อมูล security-sensitive หรือไม่
2. ผู้ร่วมประชุมรู้หรือไม่ว่ามีการบันทึกและสรุปด้วย AI
3. Summary ที่ได้จะถูกแชร์ให้ใครบ้าง
4. Transcript ถูกเก็บไว้นานแค่ไหน และลบได้อย่างไร
5. ถ้า AI สรุปผิด ใครเป็นคนตรวจและรับผิดชอบ
6. ประชุมนี้ต้องฟังน้ำเสียง ความลังเล หรือการเมืองในห้องหรือไม่
7. มี decision, risk acceptance, budget, legal หรือ HR impact หรือไม่
8. ถ้าไม่ใช้ AI เรามีวิธีจดโน้ตแบบเบา ๆ ที่พอใช้งานได้ไหม

ถ้าคำตอบหลายข้อยังไม่ชัด อย่าเพิ่งเปิด AI notetaker โดยอัตโนมัติ ใช้วิธีจดเองก่อน แล้วค่อยให้ AI ช่วยจัดระเบียบโน้ตที่ตัดข้อมูล sensitive ออกแล้วจะปลอดภัยกว่า

อ่านต่อที่เกี่ยวข้อง

• ถ้าต้องการวางขอบเขตการใช้ AI ในทีมเล็ก อ่าน AI Governance สำหรับทีมเล็ก: ไม่ต้องมีเอกสารร้อยหน้า แต่ต้องมีขอบเขต
• ถ้าอยากใช้ AI ให้เพิ่มคุณภาพงาน ไม่ใช่แค่เร่ง output อ่าน เมื่อ AI กลายเป็นเพื่อนร่วมงาน: วิธีใช้ให้เพิ่มคุณภาพ ไม่ใช่แค่เพิ่มความเร็ว
• ถ้าทีมใช้ AI กับเอกสารเทคนิค อ่าน AI สำหรับงานเอกสารเทคนิค: วิธีลดเวลาเขียน SOP, runbook และ checklist โดยไม่ลดความน่าเชื่อถือ

สรุป

AI สรุปประชุมเป็นเครื่องมือที่ดีมากเมื่อใช้กับงานที่เหมาะสม แต่ประชุมไม่ใช่แค่แหล่งผลิต transcript ทุกประชุมมี data, context, relationship และ accountability อยู่ในนั้น

ประชุม routine ใช้ AI ได้ถ้ามีคน review แต่ประชุมที่เกี่ยวกับความลับ ความขัดแย้ง การตัดสินใจสำคัญ ลูกค้า incident, HR, legal หรือ security ควรถามก่อนว่าเรากำลังประหยัดเวลา หรือกำลังลดคุณภาพการฟังของคนที่ควรรับผิดชอบเรื่องนี้จริง ๆ

ถ้าทีมยังไม่แน่ใจว่า meeting แบบไหนควรใช้ AI ลองเริ่มจาก inventory ประชุมประจำ แยกกลุ่มตามความอ่อนไหวของข้อมูลและระดับความรับผิดชอบ แล้วค่อยทำ rule สั้น ๆ 1 หน้า หากหลายคำตอบยังคลุมเครือ การให้คนนอกช่วย review workflow, data flow และ policy การใช้ AI อาจคุ้มกว่าปล่อยให้ทุกทีมเลือกเองแบบเงียบ ๆ ครับ

แหล่งอ้างอิง

• NIST AI Risk Management Framework
• ICO: Generative AI and data protection
• OWASP Top 10 for LLM Applications
• OWASP LLM Top 10: Sensitive Information Disclosure
• OWASP LLM Top 10: Prompt Injection