ทันเอไอ

งานวิจัยชี้ AI เจรจาต่อรองรู้ทันคนโกง แต่ยังแก้ปัญหาตกลงกันไม่ได้

งานวิจัยใหม่เผยว่า แม้เอเจนต์ปัญญาประดิษฐ์จะจับไต๋ผู้ไม่หวังดีได้ แต่การรู้ว่าใครน่าเชื่อถือยังไม่พอที่จะทำให้การเจรจาสำเร็จ

ในยุคที่โมเดลภาษาขนาดใหญ่ (Large Language Model) หรือ LLM ถูกนำมาใช้เป็นตัวแทนเจรจาในนามของบุคคลและองค์กรมากขึ้น นักวิจัยจากมหาวิทยาลัยแมสซาชูเซตส์ แอมเฮิร์สต์ (University of Massachusetts Amherst) ได้เผยแพร่งานวิจัยชิ้นใหม่บนระบบ arXiv เมื่อเดือนตุลาคม 2026 ที่ผ่านมา เพื่อศึกษาพฤติกรรมของระบบตัวแทนเอเจนต์หลายตัว (Multi-agent systems) ในการเจรจาต่อรองแบบหลายฝ่ายที่มีการทำซ้ำๆ

งานวิจัยนี้นำโดย Amit Sarker และคณะ ได้พบช่องว่างสำคัญที่เรียกว่า Trust–Agreement Gap หรือช่องว่างระหว่างความเชื่อถือกับข้อตกลง โดยจากการทดลองผ่านเฟรมเวิร์กที่พัฒนาขึ้นใหม่ชื่อ TASMAN พบว่า แม้เอเจนต์ LLM จะสามารถระบุตัวผู้ไม่หวังดี (Adversary) ที่พยายามขัดขวางการบรรลุข้อตกลงได้อย่างแม่นยำภายในไม่กี่รอบของการเจรจา แต่ความสามารถในการรู้ว่าใครควรเชื่อถือนั้นยังไม่เพียงพอที่จะผลักดันให้เกิดผลลัพธ์การเจรจาที่ดีขึ้นได้โดยอัตโนมัติ

จากการศึกษาพบว่า การที่เอเจนต์จะใช้ประโยชน์จากข้อมูลความเชื่อถือเพื่อเพิ่มอัตราการบรรลุข้อตกลงได้สูงสุดถึง 23% จำเป็นต้องมีการกำหนดแนวทางที่ชัดเจน (Explicitly guided) ให้เอเจนต์นำคะแนนความเชื่อถือสะสมไปประกอบการตัดสินใจในขั้นตอนต่อไปด้วย ซึ่งต่างจากระบบเอเจนต์แบบดั้งเดิมที่มักมองว่าความเชื่อถือเป็นสิ่งที่เกิดขึ้นเองตามธรรมชาติระหว่างการปฏิสัมพันธ์

การค้นนี้นับเป็นอีกหนึ่งก้าวสำคัญในการทำความเข้าใจขีดจำกัดของการใช้ AI เป็นตัวแทนเจรจา โดยเฉพาะในขณะที่วงการ AI กำลังก้าวไปสู่ยุคที่โมเดลภาษาขั้นสูงอย่างตระกูล GPT-6 เริ่มเข้ามามีบทบาทในระบบอัตโนมัติซับซ้อน การเข้าใจช่องว่างระหว่างการประเมินความไว้วางใจกับการตัดสินใจเชิงกลยุทธ์จึงมีความสำคัญอย่างยิ่งต่อการออกแบบระบบ AI ที่ปลอดภัยและใช้งานได้จริงในอนาคต