แชร์

Sunk Cost Fallacy คืออะไร? กับดักต้นทุนจมในโครงการ AI

noimageauthor ฟลุ้ค (นักศึกษา)
อัพเดทล่าสุด: 8 ต.ค. 2026
163 ผู้เข้าชม

Sunk Cost Fallacy คืออะไร? กับดักต้นทุนจมในโครงการ AI

ลองนึกภาพโครงการนำ AI มาพยากรณ์ความต้องการสินค้า ที่ใช้งบไปแล้ว 20 ล้านบาท ใช้เวลาสองปี และทีมงานทุ่มเทอย่างหนัก แต่ผลลัพธ์ยังไม่ถึงเป้า การประชุมทบทวนโครงการมักจบด้วยประโยคว่า "เราลงทุนไปเยอะแล้ว ถ้าหยุดตอนนี้ก็เสียเปล่า" ประโยคนี้คือหน้าตาของ Sunk Cost Fallacy ที่พบได้ในองค์กรทุกขนาด

อคติทางความคิดนี้อันตรายเป็นพิเศษในยุคที่องค์กรเร่งลงทุนด้าน AI และดิจิทัล Gartner เคยคาดการณ์ว่าโครงการ Generative AI อย่างน้อย 30% จะถูกยกเลิกหลังขั้นตอนพิสูจน์แนวคิด (POC) ภายในสิ้นปี 2025 และในปี 2025 ก็คาดว่าโครงการ Agentic AI มากกว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 ตัวเลขเหล่านี้บอกว่าการยกเลิกโครงการเป็นเรื่องปกติของการลงทุนที่มีความไม่แน่นอนสูง ปัญหาจริงจึงอยู่ที่การยกเลิกช้าเกินไปเพราะความรู้สึกผูกพัน ไม่ใช่การยกเลิกเอง

Sunk Cost Fallacy คืออะไร

Sunk Cost คือต้นทุนที่จ่ายไปแล้วและเรียกคืนไม่ได้ ไม่ว่าจะตัดสินใจอย่างไรต่อจากนี้ก็ไม่เปลี่ยนจำนวนเงินก้อนนั้น Sunk Cost Fallacy คือความผิดพลาดทางตรรกะที่เรานำต้นทุนจมมาเป็นเหตุผลในการตัดสินใจ ทั้งที่การตัดสินใจที่ดีควรดูเฉพาะต้นทุนและผลตอบแทนในอนาคต

หลักคิดพื้นฐานคือ เงินที่ใช้ไปแล้วเป็นข้อมูลของอดีต ส่วนเงินที่จะใช้ต่อไปคือการตัดสินใจของวันนี้ คำถามที่ควรถามจึงเป็น "ถ้าวันนี้เรายังไม่เคยลงทุนอะไรเลย เราจะเริ่มโครงการนี้ด้วยต้นทุนที่เหลือและโอกาสที่เหลืออยู่หรือไม่" ถ้าคำตอบคือไม่ แปลว่าการทำต่อกำลังถูกขับเคลื่อนด้วยอดีต ไม่ใช่ด้วยอนาคต

ทำไมสมองเราถึงติดกับดักนี้

งานวิจัยด้านเศรษฐศาสตร์พฤติกรรมอธิบายไว้หลายกลไก ที่พบบ่อยในองค์กรมีดังนี้

Loss Aversion: มนุษย์รู้สึกเจ็บปวดจากการสูญเสียมากกว่าความสุขจากการได้รับในจำนวนเท่ากัน การหยุดโครงการจึงให้ความรู้สึกเหมือนยอมรับความสูญเสียอย่างเป็นทางการ

Escalation of Commitment: เมื่อเคยตัดสินใจลงทุนแล้ว คนมักเพิ่มการลงทุนต่อเพื่อพิสูจน์ว่าการตัดสินใจครั้งแรกถูกต้อง โดยเฉพาะเมื่อเป็นคนเดียวกันที่อนุมัติโครงการและต้องประเมินผลโครงการ

ความเสี่ยงต่อชื่อเสียงส่วนบุคคล: ผู้บริหารที่เป็นเจ้าของโครงการอาจกลัวว่าการหยุดจะถูกตีความว่าล้มเหลว ทีมงานเองก็อาจกังวลเรื่องตำแหน่งงาน จึงรายงานแต่ข่าวดีและมองข้ามสัญญาณเตือน

แรงเฉื่อยขององค์กร: การตั้งงบ ขออนุมัติ และสื่อสารกับผู้มีส่วนได้ส่วนเสียเป็นเรื่องที่ใช้พลังมาก การเปลี่ยนทิศกลางทางจึงมีต้นทุนทางการเมืองสูงกว่าการเดินหน้าต่อ

Sunk Cost ในโครงการ AI และโลจิสติกส์

โครงการ AI มีลักษณะบางอย่างที่ทำให้กับดักนี้รุนแรงขึ้น เพราะผลลัพธ์ไม่แน่นอน ความคืบหน้าวัดยาก และมักมีคำพูดว่า "อีกนิดเดียวโมเดลจะแม่นขึ้น" ซึ่งฟังดูสมเหตุสมผลเสมอ

ตัวอย่างสถานการณ์ที่พบบ่อยได้แก่

โครงการ POC ที่ไม่เคยไปถึง Production: ทีมใช้เวลาหลายเดือนปรับโมเดลให้แม่นขึ้นเล็กน้อย โดยไม่ตั้งคำถามว่าธุรกิจจะนำผลไปใช้จริงได้หรือไม่ หรือข้อมูลต้นทางมีคุณภาพพอหรือเปล่า

ระบบ TMS หรือ WMS ที่ปรับแต่งจนเกินตัว: องค์กรลงทุนปรับแต่งซอฟต์แวร์ให้เข้ากับกระบวนการเดิมจนต้นทุนบานปลาย แต่ไม่กล้าเปลี่ยนไปใช้ระบบมาตรฐานเพราะเสียดายงบที่ใช้ไปแล้ว

สัญญากับผู้ให้บริการระยะยาว: บริษัทอยู่กับผู้ให้บริการขนส่งหรือผู้ขายเทคโนโลยีรายเดิมต่อไป ทั้งที่ประสิทธิภาพตกลง เพราะเคยลงทุนเชื่อมระบบและฝึกอบรมบุคลากรไปแล้ว

โครงสร้างพื้นฐานที่ซื้อมาแล้ว: ฮาร์ดแวร์ GPU หรือระบบอัตโนมัติในคลังที่ติดตั้งไปแล้ว ถูกใช้งานต่อทั้งที่ไม่ตอบโจทย์ เพียงเพื่อให้ดูเหมือนคุ้มทุน

สัญญาณเตือนว่าองค์กรกำลังติดกับดัก

ผู้นำสามารถสังเกตจากประโยคและพฤติกรรมในที่ประชุมได้ เช่น

เหตุผลหลักในการทำต่อคือ "เราลงทุนไปแล้ว" มากกว่า "เราจะได้อะไรต่อ"
กรอบเวลาและเป้าหมายถูกเลื่อนซ้ำหลายครั้งโดยไม่มีคำอธิบายใหม่
ตัวชี้วัดเปลี่ยนไปเรื่อยๆ จนโครงการดูเหมือนผ่านเกณฑ์เสมอ
ไม่มีใครกล้าเสนอทางเลือกให้หยุด และผู้ที่เสนอถูกมองว่าไม่สนับสนุนทีม
รายงานความคืบหน้าเน้นกิจกรรมที่ทำเสร็จ ไม่ใช่ผลลัพธ์ทางธุรกิจที่เกิดขึ้น
กรอบตัดสินใจเพื่อหลุดจากกับดัก

การรู้ตัวอย่างเดียวไม่พอ องค์กรต้องออกแบบกระบวนการให้การตัดสินใจเป็นกลางโดยโครงสร้าง ไม่ต้องพึ่งความกล้าของใครคนใดคนหนึ่ง

ตั้ง Kill Criteria ตั้งแต่วันแรก: ก่อนเริ่มโครงการ ให้กำหนดเงื่อนไขที่ชัดเจนว่าถ้าเกิดสิ่งใดขึ้นจะหยุด เช่น ความแม่นยำต่ำกว่าเกณฑ์ภายในหกเดือน หรือไม่มีหน่วยธุรกิจรับไปใช้งาน การตกลงเกณฑ์ตอนที่ยังไม่มีความผูกพันทางอารมณ์ทำให้ตัดสินใจได้ตรงไปตรงมากว่า

ใช้ Stage-Gate และแบ่งการลงทุนเป็นระยะ: อนุมัติงบทีละช่วงตามหลักฐานที่ได้ ไม่ใช่อนุมัติก้อนใหญ่ทั้งโครงการ วิธีนี้ทำให้ทุกจุดทบทวนเป็นโอกาสตัดสินใจใหม่ตามปกติ ไม่ใช่การยอมรับความล้มเหลว

แยกผู้อนุมัติออกจากผู้ประเมิน: ให้ทีมอิสระหรือคณะกรรมการพอร์ตโครงการเป็นผู้ทบทวน เพื่อลดแรงจูงใจที่จะปกป้องการตัดสินใจเดิม

ถามคำถาม Clean Slate: ในที่ประชุมทบทวน ให้ถามว่า "ถ้าวันนี้ต้องเริ่มใหม่ด้วยข้อมูลที่เรามี เราจะเลือกทางเดิมหรือไม่" และบังคับให้ประเมินเฉพาะต้นทุนส่วนเพิ่มกับผลตอบแทนที่คาดว่าจะได้

นำ Opportunity Cost มาใส่ในตาราง: ทุกบาทและทุกชั่วโมงทีมที่ใช้กับโครงการที่ไม่ได้ผล คือทรัพยากรที่ไม่ได้ไปอยู่กับโครงการที่มีโอกาสสูงกว่า ควรแสดงให้เห็นชัดว่าการไปต่อหมายถึงการเลือกไม่ทำอะไรอื่น

ให้รางวัลกับการยุติโครงการอย่างรวดเร็ว: ผู้นำบางองค์กรจัดการทบทวนบทเรียนจากโครงการที่ยุติแล้ว และยกย่องทีมที่เสนอหยุดตั้งแต่เนิ่นๆ เพราะช่วยประหยัดทรัพยากรมหาศาล

ไปต่อ ปรับทิศ หรือหยุด

การไม่ให้ต้นทุนจมมีผลต่อการตัดสินใจ ไม่ได้แปลว่าต้องหยุดทุกโครงการที่ผลยังไม่ดี ทางเลือกมีอย่างน้อยสามแบบ และควรประเมินด้วยหลักฐานในปัจจุบัน

ไปต่อ: เมื่อข้อมูลล่าสุดชี้ว่าผลตอบแทนที่คาดว่าจะได้จากงบส่วนที่เหลือคุ้มค่ากว่าทางเลือกอื่น

ปรับทิศ (Pivot): เมื่อบางส่วนของสิ่งที่สร้างมายังมีมูลค่า เช่น ชุดข้อมูลที่สะอาดขึ้น หรือความเชี่ยวชาญของทีม แต่เป้าหมายเดิมไม่เหมาะแล้ว ให้นำสินทรัพย์เหล่านี้ไปใช้กับโจทย์ใหม่ที่ชัดกว่า

หยุด: เมื่อสมมติฐานหลักของโครงการล้มเหลว หรือต้นทุนส่วนเพิ่มสูงกว่าผลตอบแทนที่เป็นไปได้ การหยุดอย่างมีวินัยและบันทึกบทเรียนไว้ ถือเป็นการปกป้องมูลค่าองค์กร

ข้อควรระวังคือ การหยุดไม่ควรเป็นการปัดความรับผิดชอบ ควรมีการสรุปว่าอะไรเรียนรู้ได้ และสินทรัพย์ใดนำกลับมาใช้ซ้ำได้ เพื่อให้ความรู้ที่ซื้อมาด้วยงบประมาณไม่สูญไปพร้อมโครงการ

ข้อควรระวัง: อย่าสุดโต่งจนทิ้งโครงการเร็วเกินไป

อีกด้านของปัญหาคือการยกเลิกเร็วเกินไปเมื่อเจออุปสรรคปกติของการเรียนรู้ โครงการนวัตกรรมหลายเรื่องมีช่วงที่ผลลัพธ์ดูไม่ดีก่อนจะเริ่มเห็นผล การแยกแยะระหว่าง "อุปสรรคที่แก้ได้" กับ "สมมติฐานที่ผิดพื้นฐาน" จึงสำคัญ วิธีที่ช่วยได้คือกำหนดสมมติฐานสำคัญของโครงการให้ชัดเจน และทดสอบด้วยการทดลองขนาดเล็กที่ราคาถูกที่สุดก่อน เพื่อให้ได้หลักฐานเร็วโดยไม่ต้องเสียงบก้อนใหญ่

สรุป

Sunk Cost Fallacy คือการให้ความสำคัญกับเงินที่เสียไปแล้ว มากกว่าโอกาสที่ยังเหลืออยู่ ในโครงการ AI และโลจิสติกส์ที่มีความไม่แน่นอนสูง อคตินี้ทำให้องค์กรเสียทั้งเงิน เวลา และโอกาสในการทำสิ่งที่สร้างมูลค่ากว่า

วิธีรับมือที่ได้ผลคือออกแบบระบบการตัดสินใจให้เป็นกลาง ตั้ง Kill Criteria ล่วงหน้า แบ่งงบเป็นระยะ แยกผู้ประเมินออกจากผู้อนุมัติ และถามคำถามแบบ Clean Slate เป็นประจำ ผู้นำที่ทำได้จะกล้าหยุด ปรับ หรือไปต่อโดยอาศัยหลักฐานในปัจจุบัน และทำให้วัฒนธรรมองค์กรมองการยุติโครงการที่ไม่ได้ผลว่าเป็นการเรียนรู้ที่เร็วและคุ้มค่า


บทความที่เกี่ยวข้อง
OODA Loop คืออะไร? ตัดสินใจเร็วกว่าคู่แข่งในตลาดผันผวน
OODA Loop กรอบคิดตัดสินใจ สังเกต-ปรับทิศ-ตัดสินใจ-ลงมือ จากวงการทหารสู่ธุรกิจ พร้อมตัวอย่างในโลจิสติกส์และการใช้ AI เร่งรอบการตัดสินใจ
ฟลุ้ค (นักศึกษา)
24 ก.ย. 2026
AI ช่วยตรวจสอบเงื่อนไขสัญญาขนส่งก่อนนำไปใช้งาน
AI สามารถนำมาประยุกต์ใช้กับงานด้านสัญญาขนส่งเพื่อช่วยอ่านและจัดหมวดหมู่เงื่อนไขสำคัญ เช่น ขอบเขตการให้บริการ ระยะเวลาสัญญา หน้าที่ของคู่สัญญา และข้อกำหนดด้านการดำเนินงาน ช่วยให้ทีมโลจิสติกส์ตรวจสอบเอกสารได้เป็นระบบมากขึ้น
เอเธนส์(นักศึกษา)
6 ต.ค. 2026
AI ช่วยลดความเสี่ยงจากอุบัติเหตุในงานขนส่งได้อย่างไร
AI ช่วยให้ธุรกิจโลจิสติกส์ประเมินความเสี่ยงจากอุบัติเหตุได้ดีขึ้น ด้วยการวิเคราะห์พฤติกรรมการขับขี่ สภาพถนน สภาพอากาศ ความพร้อมของรถ และข้อมูลการเดินทาง เพื่อค้นหาสัญญาณอันตรายและแจ้งเตือนผู้เกี่ยวข้องล่วงหน้า เทคโนโลยีนี้ช่วยสนับสนุนการวางแผนเส้นทาง การดูแลพนักงานขับรถ และการบำรุงรักษายานพาหนะ เพื่อเพิ่มความปลอดภัยในการขนส่งและลดความเสียหายที่อาจเกิดขึ้นกับคน รถ และสินค้า
อาโป(นักศึกษา)
15 ต.ค. 2026
icon-messenger
เว็บไซต์นี้มีการใช้งานคุกกี้ เพื่อเพิ่มประสิทธิภาพและประสบการณ์ที่ดีในการใช้งานเว็บไซต์ของท่าน ท่านสามารถอ่านรายละเอียดเพิ่มเติมได้ที่ นโยบายความเป็นส่วนตัว และ นโยบายคุกกี้