2026-09-18

UN เปิดคลังสถิติกลางให้ AI ดึงตัวเลขได้โดยตรง หลังผลทดสอบพบ LLM ตอบตัวเลขพัฒนาถูกเฉลี่ย 21.2%

#ข่าว AI#ข้อมูลและสถิติ#MCP#Google#hallucination

เวลาต้องทำรายงานหรือสไลด์ที่ต้องมีตัวเลขประกอบ หลายคนเริ่มจากถาม AI ตรง ๆ ว่าอัตราการเข้าถึงไฟฟ้าในประเทศหนึ่งเป็นเท่าไร หรือเด็กออกจากโรงเรียนกลางคันกี่เปอร์เซ็นต์ คำตอบมาเร็วและหน้าตาน่าเชื่อถือ มีทศนิยม มีปีกำกับ

วันที่ 17 กันยายน 2026 UN กับ Google เปิดตัวแพลตฟอร์มชื่อ UN System Data Commons และเหตุผลเบื้องหลังมีตัวเลขที่ควรรู้ก่อนจะเชื่อคำตอบแบบนั้นอีกครั้ง

ผลทดสอบที่เป็นต้นเรื่อง

UNICEF ทดสอบ LLM 6 ตัวด้วยคำถามเกี่ยวกับตัวชี้วัดการพัฒนาระดับโลก รวมกว่า 133,000 คำตอบ model ที่ถูกทดสอบคือ GPT-4o และ GPT-4o-mini ของ OpenAI, Claude Sonnet 4.5 และ Haiku 4.5 ของ Anthropic, Gemini 2.5 Flash และ Gemini 2.0 Flash ของ Google

ความแม่นยำเฉลี่ยอยู่ที่ 21.2%

ตัวเลขนี้อ่านเดี่ยว ๆ อาจยังไม่สะเทือนเท่าอีกสองตัวที่ตามมา

ข้อแรก ประมาณ 3 ใน 5 ของคำตอบไม่ได้ให้ตัวเลขที่ใช้งานได้เลย รายงานระบุว่าส่วนใหญ่เป็นเพราะ model เลี่ยงไปตอบแบบกว้าง ๆ แทนที่จะตอบเป็นเลข

ข้อที่สอง เมื่อเอาคำถามชุดเดิมกลับไปถาม model รุ่นเดิมอีกครั้งหลังผ่านไปราวสองวัน เฉพาะกรณีที่มันให้ตัวเลขทั้งสองครั้ง มันให้เลขเดิมแค่ประมาณครึ่งหนึ่ง

ข้อที่สองสำคัญกว่าที่คิด เพราะถ้าคำตอบมาจากข้อมูลจริง ถามกี่ครั้งก็ควรได้เลขเดิม การที่มันไม่คงที่แปลว่ามันไม่ได้ไปหยิบอะไรมา

ทำไม AI ถึงมั่วตัวเลขทั้งที่เรื่องอื่นตอบดี

ต้องย้อนไปที่กลไกพื้นฐาน model ภาษาไม่ได้เก็บตารางสถิติไว้ข้างในแบบที่ฐานข้อมูลเก็บ สิ่งที่มันทำคือเดาคำต่อไปจากรูปแบบภาษาที่มันเคยอ่านมา

เวลาคุณถามว่าตัวเลขนี้เท่าไร สิ่งที่มันเห็นคือประโยคที่ค้างอยู่ว่า "อัตราการเข้าถึงน้ำสะอาดในชนบทของประเทศ X ในปี 2023 อยู่ที่" แล้วมันเติมสิ่งที่น่าจะตามมา ซึ่งก็คือเลขที่มีหน้าตาเหมือนสถิติ มีจุดทศนิยม มีหน่วยเปอร์เซ็นต์ เพราะข้อความแบบนี้ที่มันเคยอ่านมาลงท้ายแบบนั้น

ผลคือคำตอบที่ถูกต้องทาง "รูปแบบ" แต่ไม่มีต้นทาง มันไม่ได้เปิดเอกสารของ UN แล้วอ่านมาให้ เราอธิบายกลไกนี้ละเอียดไว้ในบท สิ่งที่ AI ทำไม่ได้จริง ๆ และทำไม

จุดที่คนทำงานพลาดบ่อยคือเอาความสามารถด้านหนึ่งไปเหมาอีกด้าน AI สรุปความ เรียบเรียง แปล และร่างอีเมลได้ดีจริง เพราะงานพวกนั้นคืองานภาษาล้วน แต่การตอบว่าตัวเลขหนึ่งมีค่าเท่าไร ไม่ใช่งานภาษา มันคืองานค้นข้อมูล ซึ่งเป็นคนละเรื่องกัน

แพลตฟอร์มใหม่คืออะไร

UN System Data Commons สร้างบนเทคโนโลยี Data Commons ของ Google ซึ่งเป็นโครงการโอเพนซอร์ส มันเข้ามาแทน UNData ซึ่งเป็นพอร์ทัลเดิมที่ผู้ใช้ต้องนั่งไล่ค้นสถิติเองผ่านหน้าตาแบบฐานข้อมูล

ของใหม่ทำสองอย่างที่ของเดิมไม่ได้ทำ

อย่างแรก ถามเป็นภาษาพูดได้ ไม่ต้องรู้ว่าตัวเลขที่ต้องการอยู่ในชุดข้อมูลชื่ออะไร ของหน่วยงานไหน ตัวอย่างคำถามที่ Google ยกมาคือการเข้าถึงน้ำสะอาดในชนบทส่งผลต่อการมาเรียนของเด็กอย่างไร ซึ่งเป็นคำถามที่ต้องดึงข้อมูลจากคนละชุดมาต่อกัน

อย่างที่สอง และเป็นอย่างที่สำคัญกว่าสำหรับคนใช้ AI มันรองรับ Model Context Protocol หรือที่เรียกสั้น ๆ ว่า MCP

MCP คืออะไร และทำไมถึงเปลี่ยนเรื่องนี้

MCP คือมาตรฐานกลางสำหรับให้ระบบ AI ต่อตรงเข้าไปยังแหล่งข้อมูลหรือเครื่องมือข้างนอก คิดง่าย ๆ เหมือนหัวปลั๊กที่ตกลงกันว่าจะใช้รูปร่างเดียว ใครทำคลังข้อมูลก็ทำช่องเสียบตามมาตรฐานนี้ ใครทำ AI ก็ทำหัวเสียบตามมาตรฐานเดียวกัน แล้วสองฝั่งต่อกันได้โดยไม่ต้องเขียนตัวเชื่อมใหม่ทุกคู่

เปรียบเทียบนี้ใช้ได้แค่เรื่องความเข้ากันได้ของรูปแบบ ส่วนที่ต่างคือปลั๊กไฟส่งไฟทางเดียว แต่ MCP เป็นการคุยกันสองทาง AI ถามว่ามีข้อมูลอะไรบ้าง แล้วขอเฉพาะชิ้นที่ต้องการ

ผลที่ตามมาตรง ๆ คือ AI agent ขอตัวเลขจากคลังของ UN ได้โดยตรงตอนที่ถูกถาม แทนที่จะเดาจากสิ่งที่เคยอ่านมา และเพราะแพลตฟอร์มเก็บสายธารของข้อมูลไว้ คือไล่ย้อนได้ว่าตัวเลขแต่ละตัวมาจากเอกสารต้นทางชิ้นไหนของ UN คนที่รับคำตอบจึงตรวจสอบต่อได้

ในทางปฏิบัติ Google ระบุว่า AI agent ดึงข้อมูลไปสร้างกราฟ แผนภูมิ และรายงานเองได้ ข้อมูลทุกชุดผ่านการตรวจโดยนักสถิติและผู้เชี่ยวชาญด้านเทคนิคของ UN

ขนาดของโครงการและใครอยู่เบื้องหลัง

มี 26 หน่วยงานของ UN ตอบรับเข้าร่วม และข้อมูลจากเกือบ 20 หน่วยงานใช้งานได้แล้วตั้งแต่วันเปิดตัว เป้าหมายที่ประกาศไว้คือครอบคลุม 80% ของชุดข้อมูลสถิติทั้งระบบ UN ภายในปี 2027

หัวข้อที่มีตอนนี้ครอบคลุมเรื่องสุขภาพ การศึกษา การเข้าถึงน้ำ ไฟฟ้า และอายุขัยเฉลี่ย ผู้ใช้ที่ Google ระบุถึงคือนักวิจัย ผู้บริหารองค์กรไม่แสวงหากำไร นักข่าว และนักวิเคราะห์นโยบาย เข้าใช้ได้ที่ data.un.org

ฝั่งสนับสนุน Google ให้ทุนด้านการสร้างศักยภาพ 2 ล้านดอลลาร์ผ่าน UN Foundation พร้อมทีมเทคนิค โดยตัวระบบวางไว้ให้ UN ดูแลเองและทำงานได้อิสระ

คนที่ให้ข้อมูลในรายงานประกอบด้วย João Pedro Azevedo หัวหน้านักสถิติของ UNICEF, Shantanu Mukherjee รักษาการผู้อำนวยการกองสถิติแห่งสหประชาชาติ และ Prem Ramaswami ผู้ดูแลทีม Data Commons ของ Google

ข้อจำกัดที่คนทำเองเป็นคนพูด

จุดที่ควรอ่านให้ครบคือคำเตือนจาก Prem Ramaswami เขาบอกว่าเพราะ model ยังตีความรายละเอียดปลีกย่อยผิดได้ คนควรตรวจผลลัพธ์เสมอก่อนนำไปอ้างอิงหรือเผยแพร่

ประโยคนี้แยกสองเรื่องออกจากกันอย่างสำคัญ การต่อ AI เข้ากับแหล่งข้อมูลจริงแก้ปัญหา "ตัวเลขไม่มีต้นทาง" ได้ แต่ไม่ได้แก้ปัญหา "อ่านโจทย์ผิด" ถ้าคุณถามถึงปีหนึ่งแล้วมันไปหยิบอีกปี หรือถามถึงเฉพาะเขตชนบทแล้วมันหยิบค่าทั้งประเทศมา ตัวเลขนั้นมีต้นทางจริงและตรวจสอบได้ แต่ก็ยังตอบผิดอยู่ดี

เอาไปใช้กับงานจริงยังไง

ข้อแรก แยกประเภทงานก่อนถาม ถ้าเป็นงานเรียบเรียงหรือสรุป ใช้ AI ได้เต็มที่ ถ้าเป็นงานที่ต้องการตัวเลขไปอ้างอิง ให้ถือว่านั่นเป็นงานค้นข้อมูล ไม่ใช่งานถามตอบ

ข้อสอง อย่าถามลอย ๆ ระบุแหล่งที่ต้องการลงไปในคำสั่ง เช่นให้ใช้ข้อมูลจากคลังของ UN หรือจากสำนักงานสถิติแห่งชาติ แล้วสั่งเพิ่มว่าถ้าไม่มีข้อมูลให้บอกว่าไม่มี ห้ามประมาณให้

ข้อสาม ขอลิงก์ต้นทางกลับมาด้วยทุกครั้ง แล้วกดเข้าไปดูจริง ถ้าไม่มีลิงก์ ให้ถือว่าตัวเลขนั้นยังไม่ได้ตรวจ ยังเอาเข้าสไลด์ไม่ได้

ข้อสี่ ถ้าตัวเลขนั้นจะไปอยู่ในเอกสารที่ส่งถึงผู้บริหารหรือลูกค้า ให้ถามซ้ำอีกรอบในบทสนทนาใหม่ ถ้าได้เลขไม่ตรงกัน นั่นคือสัญญาณว่ามันกำลังเดา

ข้อห้า จำตัวเลข 21.2% ไว้เป็นหลักคิด ไม่ใช่เพื่อเลิกใช้ AI แต่เพื่อให้รู้ว่าตรงไหนที่ต้องเอาตาคนไปตรวจ

ที่มา