Deep Research ไม่ได้แปลว่าได้ข้อมูลที่เชื่อถือได้: เมื่อ AI ทำให้ข้อมูลมั่วดูมีหลักฐาน

Introduction — ผมเริ่มไม่ไว้ใจ Deep Research มากขึ้นเรื่อยๆ

เมื่อก่อนเรากลัว AI แต่งข้อมูลขึ้นมาเอง

วันนี้ผมว่าปัญหาที่น่ากลัวกว่าคือ AI เอาข้อมูลที่คนอื่นแต่งไว้ มาสรุปให้เราเชื่ออย่างเป็นเรื่องเป็นราว

ผมไม่ได้หมายความว่า AI หาข้อมูลไม่เก่งนะครับ

ตรงกันข้าม มันเก่งขึ้นมาก

เราสั่ง Deep Research ให้หาข้อมูลตลาด หา Consumer Insight หา Case Study หรือหาเหตุผลสนับสนุน Strategy แล้วได้ Report กลับมาเป็นเรื่องเป็นราว

มี Citation

มีตัวเลข

มีชื่อ Research

จนบางครั้งความรู้สึกแรกคือ

“โอเค ข้อมูลแน่นแล้ว”

แต่สิ่งที่ผมเริ่มกลับมาถามตัวเองคือ

ข้อมูลที่ดูแน่นขึ้น มันมีหลักฐานมากขึ้นจริงหรือเปล่า?

เพราะในโลกที่วันนี้ใครก็เขียน Content ได้ ใครก็สร้างบทความได้ และใครก็สามารถเอาข้อมูลจากที่หนึ่งไปเรียบเรียงใหม่เป็นอีกสิบที่ได้

การที่ AI หาเจอหลายเว็บ อาจไม่ได้แปลว่าเราได้หลายหลักฐาน

เราอาจได้แค่ ข้อมูลชุดเดียวที่ถูกเล่าซ้ำหลายรอบ

และถ้าเราเอา Deep Research ชิ้นนั้นไปใช้ตัดสินใจทางธุรกิจ สิ่งที่น่ากลัวไม่ใช่แค่ AI ตอบผิด

แต่คือ เราอาจไม่รู้ด้วยซ้ำว่าคำตอบนั้นควรถูกตรวจสอบตั้งแต่แรก

เมื่อก่อนเรารู้ว่า Research เสร็จหรือยัง จากคำถามเดียว

ผมเจอความเปลี่ยนแปลงนี้ชัดมากเวลาเทียบวิธีทำงานของ Junior กับ AI

เมื่อก่อน Junior หา Research มาให้ Senior

Senior มักจะถามทันทีว่า

“เอามาจากไหน?”

“ตัวเลขนี้มาจาก Research ไหน?”

“Research นี้เก็บข้อมูลเมื่อไหร่?”

“แล้วเขาสำรวจใคร?”

คำถามพวกนี้ไม่ได้เป็นขั้นตอนพิเศษอะไร มันเป็นส่วนหนึ่งของการทำงานอยู่แล้ว

เพราะทุกคนรู้ว่า Research ที่ยังไม่รู้ต้นทาง ยังไม่ใช่ข้อมูลที่พร้อมเอาไปใช้

แต่วันนี้ Deep Research ส่ง Report กลับมาให้เราได้ในเวลาไม่นาน

มีหัวข้อครบ

มี Citation

มีตัวเลข

มีสรุป

มี Implication

และตรงนี้เองที่ผมคิดว่าเราต้องระวัง

AI ไม่ได้แค่ช่วยลดเวลาหาข้อมูล แต่มันช่วยลดความรู้สึกว่าเรายังต้องตรวจข้อมูลด้วย

เมื่อก่อนเรารู้ว่างานยังไม่เสร็จ เพราะ Junior ยังไม่ได้หาต้นทาง

วันนี้เรามีโอกาสคิดว่างานเสร็จแล้ว เพราะ AI เขียนคำตอบออกมาเรียบร้อย

ทั้งที่คำถามสำคัญอาจยังไม่ได้ถูกตอบเลยว่า

“หลักฐานที่รองรับคำตอบนี้คืออะไร?”

คนไม่ได้เชื่อข้อมูลเพราะมันถูก แต่เพราะมันดูเหมือนผ่านกระบวนการมาแล้ว

สิ่งที่ผมว่าน่าสนใจคือ คนทำงานไม่ได้จำเป็นต้องเชื่อ AI เพราะคิดว่า AI ถูกทุกเรื่อง

หลายครั้งเราเชื่อเพราะคำตอบมันมีรูปแบบของงานที่เราเคยเห็นว่า “น่าเชื่อถือ”

มีตัวเลข

มีชื่อองค์กร

มี Citation

มีภาษาที่เป็นทางการ

มีการสรุปเป็นข้อๆ

ทั้งหมดนี้ทำให้คำตอบดูเหมือนผ่านการตรวจสอบมาแล้ว

แต่จริงๆ แล้วมันเป็นคนละเรื่องกัน

รูปแบบของ Evidence ไม่ใช่ Evidence

มี Citation ไม่ได้แปลว่า Citation นั้นรองรับ Claim

มีหลายเว็บไม่ได้แปลว่ามีหลายแหล่งอิสระ

มีชื่อ Research ไม่ได้แปลว่าเรารู้ว่า Research นั้นศึกษาอะไร

และมีตัวเลขไม่ได้แปลว่าเรารู้ว่าตัวเลขนั้นตอบคำถามของเราได้จริง

ผมคิดว่าตรงนี้เป็น Human Truth ที่สำคัญมาก

คนเราไม่ได้แค่ต้องการคำตอบ แต่ต้องการเหตุผลที่จะทำให้ตัวเองกล้าเชื่อคำตอบนั้น

และ Deep Research เก่งมากในการสร้างคำตอบที่มี “หน้าตา” ของเหตุผล

ดังนั้นสิ่งที่เราต้องระวังจึงไม่ใช่แค่ Hallucination

แต่คือ การที่ข้อมูลที่ยังไม่มีหลักฐานพอ ถูกประกอบขึ้นมาเป็นคำตอบที่ดูเหมือนมีหลักฐานแล้ว

Citation ไม่ได้ทำหน้าที่เป็นหลักฐานโดยอัตโนมัติ

ถ้าจะอธิบายปัญหาของ Deep Research ให้ชัด ผมว่าเราต้องแยก 3 เรื่องออกจากกัน

Source Quality

แหล่งข้อมูลนี้น่าเชื่อถือแค่ไหน?

Citation Accuracy

Citation ที่ให้มา รองรับสิ่งที่เขียนจริงหรือเปล่า?

Claim Accuracy

ข้อสรุปที่เราเขียนขึ้นมา ถูกต้องหรือเปล่า?

สามอย่างนี้ไม่ใช่เรื่องเดียวกัน

สมมติ AI เขียนว่า

“70% ของ Gen Z ใช้ TikTok เพื่อค้นหาสินค้า”

แล้วใส่ Citation จาก Research ที่น่าเชื่อถือ

เรายังต้องถามต่อว่า

Research นั้นศึกษากลุ่มไหน?

เก็บข้อมูลเมื่อไหร่?

ถามคำถามอะไร?

และที่สำคัญที่สุด

Research นั้นรองรับประโยคที่ AI เขียนจริงหรือเปล่า?

เพราะ Research อาจบอกว่า

“70% ของผู้ตอบแบบสอบถามกลุ่มหนึ่งใช้ TikTok เพื่อค้นหาสินค้า”

แต่ AI อาจสรุปเป็น

“70% ของ Gen Z ใช้ TikTok เพื่อค้นหาสินค้า”

สองประโยคนี้ไม่เหมือนกัน

ประโยคแรกเป็น Fact ที่มีขอบเขต

ประโยคหลังอาจเป็น Interpretation ที่ขยายเกินหลักฐาน

และถ้าเราไม่แยกสองเรื่องนี้ออก เราจะเริ่มเอา ความน่าเชื่อถือของ Source ไปค้ำประกันความถูกต้องของ Claim โดยไม่รู้ตัว

ปัญหาไม่ได้อยู่ที่ AI ผิด แต่อยู่ที่เราเอาความผิดนั้นไปตัดสินใจ

ผมบอกผู้บริหารทุกคนแบบนี้เลยครับ

ข้อมูลที่ผิด ไม่ได้มีความเสี่ยงเท่ากันทุกตัว

ถ้า AI เขียน Copy แล้วใช้คำไม่สวย เราแก้ได้

ถ้า AI สรุปเอกสารที่เราให้ผิด เรากลับไปตรวจได้

แต่ถ้า AI บอกว่า

“ตลาดนี้กำลังโต”

“ผู้บริโภคกลุ่มนี้เปลี่ยนพฤติกรรมแล้ว”

“คู่แข่งกำลังชนะเพราะเหตุผลนี้”

แล้วเราเอาไปใช้เป็นเหตุผลในการจัดงบประมาณ

เลือก Positioning

หรือเปลี่ยน Strategy

ความผิดพลาดไม่ได้จบที่คำตอบผิด

มันกลายเป็น การตัดสินใจที่ผิดบนฐานของคำตอบนั้น

สิ่งที่ผมคิดว่า Agency ต้องเปลี่ยนจึงไม่ใช่แค่

“ใช้ AI ให้เก่งขึ้น”

แต่คือ

“รู้ว่า Claim ไหนต้องตรวจเข้ม และ Claim ไหนยังไม่ควรเอาไปใช้ตัดสินใจ”

เพราะ Research ที่ดีไม่ใช่ Research ที่มีข้อมูลเยอะที่สุด

แต่คือ Research ที่ทำให้เรารู้ว่า

อะไรคือสิ่งที่เรารู้จริง

อะไรคือสิ่งที่เรายังไม่รู้

และอะไรคือสิ่งที่เรากำลังตีความจากข้อมูล

ปัญหาของ Deep Research มีงานวิจัยรองรับ ไม่ใช่แค่ความรู้สึกว่า AI มั่ว

ผมคิดว่าประเด็นนี้ควรมี Research รองรับ แต่ต้องใช้ตัวเลขอย่างระวัง

ไม่ใช่เอาตัวเลขมาเพื่อบอกว่า “AI แย่”

แต่เอามาเพื่อพิสูจน์ว่า

การมี Citation ไม่ได้แปลว่าคำตอบมีหลักฐานรองรับครบถ้วน

และขอบอกไว้ก่อนว่าตัวเลขทุกตัวในหัวข้อนี้ มาจากงานวิจัยเฉพาะเรื่อง เฉพาะช่วงเวลา และเฉพาะระบบที่เขาทดสอบ

ไม่ใช่ค่าที่ใช้แทน AI ทุกตัวในวันนี้ได้

ซึ่งนั่นก็คือประเด็นของบทความนี้อยู่แล้วครับ

มี Citation ไม่ได้แปลว่ารองรับ Claim ครบ

งานวิจัย Evaluating Verifiability in Generative Search Engines ของ Liu, Zhang และ Liang เผยแพร่ในปี 2023 ศึกษา Generative Search Engine 4 ระบบในเวลานั้น คือ Bing Chat, NeevaAI, perplexity.ai และ YouChat โดยใช้ 1,450 Query แล้วให้คนประเมินคุณภาพ Citation ของคำตอบ

ผลที่รายงานคือ

• Citation Recall เฉลี่ย 51.5% — สัดส่วนประโยคที่มี Citation รองรับครบ
• Citation Precision เฉลี่ย 74.5% — สัดส่วน Citation ที่รองรับประโยคที่อ้างถึงจริง

ตัวเลขนี้ไม่ได้แปลว่า AI ทุกระบบในวันนี้มีความแม่นเท่านี้

ระบบที่เขาทดสอบบางตัวปิดตัวไปแล้วด้วยซ้ำ

แต่มันแสดงให้เห็นปัญหาเชิงโครงสร้างที่สำคัญมากว่า

คำตอบหนึ่งอาจมี Citation อยู่ แต่ Citation เหล่านั้นไม่ได้รองรับทุกประโยคที่เขียนขึ้นมา

และในงาน Marketing นี่เป็นเรื่องใหญ่

เพราะเราไม่ได้เอา Citation ไปวางเฉยๆ

เรามักเอามันไปสร้าง Narrative ต่อ

จาก Fact → Insight → Strategy

ถ้า Fact แรกยังไม่แข็งแรง สิ่งที่ต่อจากมันก็อาจแข็งแรงแค่ในเชิงภาษา

ไม่ใช่ในเชิงหลักฐาน

Source ที่น่าเชื่อถือ ก็ยังไม่พอถ้า Claim ไม่ตรง

อีกงานหนึ่งที่ผมคิดว่าสำคัญคือ SourceCheckup ซึ่งตีพิมพ์ใน Nature Communications ปี 2025 เป็น Framework ที่ตรวจว่าคำตอบของ LLM ในบริบทการแพทย์ ถูกรองรับด้วยแหล่งที่มันอ้างจริงหรือไม่

ในงานนั้น เมื่อดู GPT-4o แบบที่ต่อกับ Retrieval (RAG) บนคำถามชุดย่อย 300 ข้อ

• statement-level support อยู่ที่ 75.7% — วัดเป็นรายประโยค
• แต่ response-level support เหลือ 38.4% — วัดว่าทั้งคำตอบถูกรองรับครบหรือไม่

สิ่งที่ตัวเลขนี้สอนผมไม่ใช่ว่า “AI ใช้ไม่ได้”

แต่คือ

การมีหลักฐานรองรับบางประโยค ไม่ได้แปลว่าคำตอบทั้งก้อนมีหลักฐานรองรับ

และนี่เป็นเหตุผลว่าทำไมเวลาทำ Research เราต้องตรวจเป็น Claim ไม่ใช่ตรวจแค่เป็น Report

เพราะคำตอบหนึ่งก้อนที่ “ส่วนใหญ่ถูก” ยังมีสิทธิ์พาเราไปสรุปผิดได้ ถ้าประโยคที่ผิดคือประโยคที่เราเอาไปใช้ตัดสินใจพอดี

ย้ำอีกครั้งว่างานนี้ศึกษาบริบทการแพทย์ ไม่ควรเอาไป Generalize ว่า AI ทุกประเภทเป็นแบบนี้

แต่กลไกที่มันเปิดให้เห็น คือกลไกเดียวกับที่เกิดใน Research ของเรา

ตอบมั่นใจกว่า ไม่ได้แปลว่าถูกกว่า

รายงาน AI Search Has a Citation Problem ของ Tow Center for Digital Journalism, Columbia University เผยแพร่วันที่ 6 มีนาคม 2025 ทดสอบเครื่องมือ AI Search 8 ระบบ ด้วยโจทย์ง่ายมากคือ ให้ระบุว่าข้อความที่ยกมานั้น มาจากบทความข่าวชิ้นไหน

ชุดทดสอบมาจากสำนักข่าว 20 แห่ง สำนักละ 10 บทความ รวมเป็นข้อความตัวอย่าง 200 ชิ้น แล้วส่งทุกชิ้นเข้าทดสอบกับทั้ง 8 ระบบ รวมเป็น 1,600 Query

ผลคือระบบเหล่านั้นตอบผิดรวมกันมากกว่า 60% ของการทดสอบ และความผิดพลาดต่างกันมากในแต่ละระบบ โดย Perplexity ผิด 37% ขณะที่ Grok-3 ผิด 94%

ย้ำอีกครั้งว่านี่คือผลจากโจทย์เฉพาะของงานนั้น คือการระบุที่มาของข้อความข่าว ไม่ใช่การวัดความถูกต้องของคำตอบทุกประเภท

แต่สิ่งที่ผมคิดว่าสำคัญกว่าตัวเลข คือสิ่งที่ผู้วิจัยตั้งข้อสังเกตไว้สองอย่าง

หนึ่ง เครื่องมือเหล่านี้แทบไม่ปฏิเสธที่จะตอบ ทั้งที่ตอบไม่ได้ — มันเลือกเดามากกว่าเลือกบอกว่าไม่รู้

สอง ระบบแบบเสียเงินมีแนวโน้มให้คำตอบผิดด้วยความมั่นใจมากกว่าเวอร์ชันฟรี

ความมั่นใจในคำตอบ กับความถูกต้องของคำตอบ เป็นคนละแกนกัน

และในห้องประชุม เรามักตัดสินใจจากแกนแรกโดยไม่รู้ตัว

ปัญหาไม่ได้มีแค่ AI แต่งข้อมูลเอง

งาน Synthetic Sources? ของ Allaham และ Diakopoulos ปี 2026 ตรวจสอบแหล่งที่ถูกอ้างอิงโดย Generative Search 4 ระบบ คือ ChatGPT, Copilot, Gemini และ Perplexity จาก 712 Query จริงในหมวดการเมือง สุขภาพ และสิ่งแวดล้อม

งานนี้รายงานว่าประมาณ 16% ของแหล่งที่ถูกอ้างอิง มีสัญญาณว่าเป็น AI-generated content

แต่ผมจะไม่เอาตัวเลขนี้ไปพูดว่า

“16% ของ Internet เป็นข้อมูล AI”

เพราะมันไม่ได้วัดแบบนั้น

มันวัดเฉพาะแหล่งที่ถูกอ้างอิงในการทดสอบชุดนั้น

และเครื่องมือตรวจจับ AI-generated content เองก็มีข้อจำกัด ซึ่งผู้วิจัยระบุไว้เอง

สิ่งที่เราใช้ได้จริงจากงานนี้คือ

AI-generated content สามารถไหลกลับเข้าไปอยู่ในระบบข้อมูลที่ AI ใช้ค้นหาได้

ดังนั้นปัญหาไม่ได้มีแค่

AI แต่งข้อมูลเอง

แต่รวมถึง

AI อาจหยิบข้อมูลที่ถูกสร้างขึ้นมาก่อนแล้ว มาประกอบเป็นคำตอบใหม่

และถ้าเราไม่ตรวจต้นทาง เราก็อาจไม่รู้ว่าข้อมูลนั้นเริ่มต้นจากไหน

Deep Research ที่ดีต้องมีระบบ Research → Verification → Strategic Interpretation

ผมเริ่มมองว่าเราต้องเลิกคิดว่า Deep Research คือการสั่ง AI ให้หาข้อมูลเยอะๆ แล้วสรุปให้เรา

เพราะนั่นเป็นแค่ขั้นตอน Research

สิ่งที่ต้องเพิ่มคือขั้นตอนที่ทำให้เรารู้ว่า

ข้อมูลที่หาเจอ มีสิทธิ์ถูกใช้เป็นหลักฐานหรือยัง

Research

AI ช่วยหาให้กว้าง

หา Source

หา Research

หา Case

หา Data

หา Claim ที่เกี่ยวข้อง

แต่ยังไม่รีบเชื่อ

Verification

ตรวจว่า

• Original Source อยู่ที่ไหน
• Source นั้นรองรับ Claim จริงหรือเปล่า
• ข้อมูลเก็บเมื่อไหร่
• Methodology เป็นอย่างไร
• มี Source อื่นที่เป็นอิสระจริงหรือไม่
• ตัวเลขนี้เป็น Fact หรือเป็น Interpretation

Strategic Interpretation

ค่อยนำเฉพาะ Evidence ที่ป้องกันได้ ไปสร้าง Insight / Strategy

ไม่ใช่เอา Claim ที่ยังไม่ผ่านการตรวจ ไปสร้าง Insight แล้วค่อยหาหลักฐานมารองรับทีหลัง

ผมคิดว่านี่คือจุดที่สำคัญที่สุด

AI ควรเป็นคนช่วยหา Evidence ไม่ใช่คนตัดสินว่า Evidence นั้นเพียงพอแล้ว

ถ้าจะเอาไปใช้กับงาน Agency ต้องเปลี่ยนวิธีรับงาน Deep Research จาก AI

ผมไม่ได้บอกว่าเราต้องตรวจทุกประโยคด้วยความเข้มเท่ากัน

เพราะนั่นจะทำให้ระบบช้าเกินไปจนไม่มีใครใช้

แต่เราต้องเริ่มจากคำถามว่า

“Claim ไหน ถ้าผิดแล้วทำให้การตัดสินใจเปลี่ยน?”

ถ้าเป็น Claim ที่ใช้ประกอบการเล่าเรื่อง

เราอาจใช้เป็น Hypothesis ได้

แต่ถ้าเป็น Claim ที่ใช้ตัดสินใจเรื่อง

• งบประมาณ
• Market Opportunity
• Consumer Behavior
• Positioning
• Business Strategy
• Performance Benchmark

Claim นั้นต้องผ่านการตรวจเข้มกว่า

ผมแนะนำให้ทุก Deep Research ที่จะเอาไปใช้ในงานสำคัญ มีตารางง่ายๆ แบบนี้

Claim	Evidence	Original Source	Confidence	ใช้ทำอะไรได้
ผู้บริโภคกลุ่มนี้มีพฤติกรรม X	Research ที่ระบุ Sample และ Methodology	มี	High	ใช้เป็น Fact
ตลาดกำลังโต	Source ระบุแนวโน้ม แต่ขอบเขตจำกัด	มี	Medium	ใช้เป็น Hypothesis / Direction
คนส่วนใหญ่คิดแบบนี้	พบจากบทความหลายเว็บ แต่ต้นทางไม่ชัด	ไม่มี	Low	ยังไม่ควรใช้เป็นหลักฐาน

สิ่งที่ผมชอบที่สุดของระบบนี้คือ

มันไม่ได้บังคับให้ทุกอย่างต้องเป็น High Confidence

แต่มันบังคับให้เรารู้ว่า

“ข้อมูลนี้มีสถานะอะไร”

เพราะบางครั้ง Low Confidence ก็ยังมีประโยชน์

ถ้าเราใช้มันเป็น Signal

แต่ปัญหาเกิดเมื่อเราเอา Signal ไปเขียนเป็น Fact

แล้วเอา Fact นั้นไปตัดสินใจ

อย่าให้ AI เป็นทั้งคนหาและคนรับรองข้อมูล

ผมคิดว่าในโลกที่ใครก็สร้างข้อมูลได้

สิ่งที่หายากขึ้นเรื่อยๆ ไม่ใช่ Data

แต่คือ Data ที่ป้องกันได้เวลาถูกซัก

เพราะวันนี้ AI สามารถช่วยเราหาข้อมูลได้เร็วขึ้นมาก

แต่ความเร็วในการหาข้อมูล ไม่ได้แปลว่าเรามีหลักฐานมากขึ้น

และการมี Citation ก็ไม่ได้แปลว่า Claim นั้นถูกต้อง

Deep Research ที่ดีจึงไม่ได้วัดกันที่ว่าหาเจอเยอะแค่ไหน แต่วัดกันที่ว่าเรารู้หรือเปล่าว่าอะไรในนั้นเอาไปใช้ได้

สิ่งที่เราต้องเปลี่ยนจึงไม่ใช่แค่ Prompt

แต่คือวิธีทำงาน

Research → Verification → Strategic Interpretation

ให้ AI ช่วยหา

ให้คนหรือระบบตรวจสอบทำหน้าที่ไม่เชื่อ

แล้วค่อยนำ Evidence ที่ป้องกันได้ไปสร้าง Insight

ผมบอกผู้บริหารทุกคนแบบนี้เลยครับ

“อย่าให้ AI เป็นทั้งคนหาและคนรับรองข้อมูล”

เพราะในวันที่ใครก็สร้างข้อมูลได้

ความได้เปรียบไม่ได้อยู่ที่การมีข้อมูลเยอะกว่า

แต่อยู่ที่การรู้ว่า

ข้อมูลไหนเอาไปใช้ตัดสินใจได้จริง

Data → Evidence → Insight → Decision — ห้ามข้ามขั้น Evidence

References

Primary Sources

1. Liu, N. F., Zhang, T., & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP 2023
2. Wu, K., Wu, E., Cassasola, A., et al. (2025). An automated framework for assessing how well LLMs cite relevant medical references (SourceCheckup). Nature Communications
3. Allaham, M., & Diakopoulos, N. (2026). Synthetic Sources? Auditing Generative Search Engine Citations for Evidence of AI-Generated Sources. arXiv:2605.23684
4. Jaźwińska, K., & Chandrasekar, A. (6 March 2025). AI Search Has a Citation Problem: We Compared Eight AI Search Engines. They’re All Bad at Citing News. Tow Center for Digital Journalism, Columbia Journalism Review

Supporting Sources

1. Gao, T., Yen, H., Yu, J., & Chen, D. (2023). Enabling Large Language Models to Generate Text with Citations (ALCE Benchmark). EMNLP 2023
2. Nieman Lab (2025). AI search engines fail to produce accurate citations in over 60% of tests, according to new Tow Center study