ถ้าคุณเรียนวิธีใช้ AI เขียนโค้ด จาก YouTube ก็คงเคยเห็นคลิปแนวสอน 'วิธีติดตั้ง' 'วิธีเริ่มใช้' 'วิธีสร้างแอป' หรือ 'เครื่องมือไหนดีที่สุด' ไปตามสเต็ป สุดท้ายเห็นผลลัพธ์โผล่บนจอ แล้วจบ แต่สิ่งที่ผู้เขียนบทความนี้ค้นพบจากการสครับคอมเมนต์จำนวนมาก อาจเปลี่ยนวิธีมองคอนเทนต์ AI ของคุณไปตลอดกาล
จอห์น กรีน (John Green) สครับคอมเมนต์ราว 22,000 รายการ จากวิดีโอ YouTube เกาหลี 140 คลิป เกี่ยวกับเครื่องมือ AI เขียนโค้ด แล้วนำมาจัดหมวดหมู่ คำถามคือ 'ผู้ใช้กำลังถามอะไร' แต่สิ่งที่ได้กลับมาไม่ใช่คำตอบนั้น — เพราะวิดีโอกับคอมเมนต์กำลังคุยกันคนละเรื่อง

22,000+ คอมเมนต์ จากวิดีโอเกาหลี 140 คลิป
วิดีโอสอน 'จุดเริ่มต้น' แต่คอมเมนต์เล่า 'ความเจ็บปวดหลังเริ่มต้น'
ถ้าเอาชื่อและแท็กของ 140 คลิปมารวมกัน จะเห็นว่าทุกคลิปสอน การเริ่มต้น ทั้งนั้น: ติดตั้งยังไง, เริ่มใช้ยังไง, สร้างแอปยังไง, เครื่องมือไหนดี — ตามพี่ไปเดี๋ยวเห็นผลลัพธ์ แล้วจบ แต่คอมเมนต์ที่ได้รับไลค์สูงสุดกลับเล่าเรื่องของคนที่อยู่ถัดจากจุดเริ่มต้นออกไปอีกนิด
เมื่อบีบเสียงส่วนใหญ่ในคอมเมนต์ จะเหลือข้อร้องเรียนหลัก 3 อย่าง:
- แพง (expensive): 'ตุน token เร็วมาก… เติม $50 แล้วหมดภายในครึ่งวัน' (👍30)
- ไว้ใจไม่ได้ (can't trust it): 'จ่ายทุกเดือนแล้วมันโกหกเรื่องงานแบบไม่แคร์' (👍72)
- แก้ไม่ได้ (can't fix it): 'ตรวจความผิดพลาดของ AI ใช้เวลามาก ตรวจทีละอันจนเหนื่อย เลยทำเอง' (👍598)
วิดีโอขาย จุดเริ่มต้น แต่คนดูจำนวนมาก กำลังดิ้นรนหลังจุดเริ่มต้น
คอมเมนต์ที่น่ากลัวที่สุด
'ถามเรื่องแชมพู แล้วมันแนะนำตัวที่ไม่มีอยู่จริง แทรกอยู่ระหว่างสินค้าจริง มีน้ำหนัก มีสรรพคุณ แม้แต่ราคา' (👍49) — คอมเมนต์นี้คือแก่นของปัญหา เมื่อ AI ผิด มันดูไม่ผิด ของปลอมนั่งอยู่ท่ามกลางของจริง พร้อมตัวเลขที่ดูน่าเชื่อถือ
นี่คือเหตุผลที่ 'เขียน prompt ให้ดีขึ้น' เป็นคำตอบเพียงครึ่งเดียว มันลดโอกาสที่ AI จะผิด แต่ไม่ได้สร้างวิธีรู้ว่ามันผิดตอนไหน ลดอัตราความผิดจาก 10% เหลือ 3% คุณก็ยังไม่รู้ว่า 3% นั้นซ่อนอยู่ตรงไหน — และถ้า 3% นั้นระเบิดข้างใน logic ที่จ่ายเงิน เงินก็ออกจากระบบทันที

คำถาม/ความต้องการจริง 26% (ช่อง 1 หมื่น–3 แสนซับ) vs 12% (ช่องหลายล้านซับ)
คำถามจริงอยู่ที่ไหน? ขึ้นอยู่กับขนาดช่อง
อีกข้อค้นพบคือธรรมชาติของคอมเมนต์เปลี่ยนไปตามขนาดช่อง:
- ช่องที่ซับหลายล้าน: คำถาม/ความต้องการจริงมีแค่ 12% — ที่เหลือคือปฏิกิริยาและความกังวล
- ช่อง 1 หมื่น–3 แสนซับ: คำถาม/ความต้องการจริงมีถึง 26% — 'ฉันทำตามแล้วไปติดอยู่ตรงนี้'
นี่คือความต่างระหว่างผู้ชม (spectators) กับคนลงมือทำจริง (doers) คอมเมนต์ใต้คลิปใหญ่ถามว่า 'เราจะเป็นยังไงในยุค AI' แต่คอมเมนต์ใต้ช่องขนาดกลางถามว่า 'แก้ error นี้ยังไง' และเมื่อเก็บ reply thread เพิ่ม พบความต้องการอีก 470 รายการ ที่คอมเมนต์ระดับบนไม่เคยแสดงออกมา
ผู้เขียนจึงเลือกทิศทาง
คอนเทนต์ที่สอน 'การเริ่มต้น' มีอยู่เต็มไปหมด ผู้เขียนจึงตัดสินใจทำช่วงที่อยู่ถัดจากจุดเริ่มต้น — ช่วง 'ไว้ใจไม่ได้ / แก้ไม่ได้' ซึ่งเป็นที่มาของซีรีส์ AI Verification (การให้ LLM สอบ, การวางกับดักในข้อสอบ, การให้คะแนนตามความรุนแรงแทน pass/fail) ทั้งหมดคือการแปลง 'ฉันไว้ใจมันไม่ได้' ให้กลายเป็น 'ฉันตรวจสอบมันแล้ว'
ประโยคที่สรุปเรื่องนี้ได้ดีที่สุด:
คนไม่ได้ตายที่จุดเริ่มต้น พวกเขาตายหลังจุดเริ่มต้น — แต่แทบทุกคนกำลังขายแค่จุดเริ่มต้น

คนไม่ได้ตายที่จุดเริ่มต้น แต่ตายหลังจุดเริ่มต้น
ที่มา: John Green — I Scraped 20,000 YouTube Comments (dev.to, 25 ส.ค. 2026). หมายเหตุ: ตัวแยกประเภท (classifier) ที่ใช้สร้างตัวเลขเปอร์เซ็นต์ข้างต้น ไปสอบเองในภายหลังและตก 3 ข้อระดับร้ายแรง — ผู้เขียนจะเฉลยในตอนถัด ๆ ไปของซีรีส์
ความคิดเห็น 0
ยังไม่มีความคิดเห็น — เป็นคนแรกที่แสดงความคิดเห็น!