การเติบโตของปัญญาประดิษฐ์หรือ AI กำลังสร้างคำถามสำคัญในตลาดแรงงานว่า “AI จะเข้ามาแย่งงานมนุษย์หรือสร้างงานใหม่มากกว่ากัน” คำตอบที่ใกล้เคียงความเป็นจริงที่สุดคือ AI จะทำทั้งสองอย่างพร้อมกัน กล่าวคือ งานบางประเภทอาจลดจำนวนลง งานจำนวนมากจะถูกปรับเปลี่ยนวิธีทำ และงานกลุ่มใหม่จะเกิดขึ้นเพื่อพัฒนา ควบคุม ประยุกต์ใช้ และตรวจสอบระบบ AI
รายงาน Future of Jobs Report 2025 ของ World Economic Forum คาดการณ์ว่า การเปลี่ยนแปลงเชิงโครงสร้างของตลาดแรงงานระหว่างปี 2025–2030 จะทำให้เกิดงานใหม่ประมาณ 170 ล้านตำแหน่ง ขณะเดียวกันอาจมีงานเดิมถูกแทนที่หรือหายไปราว 92 ล้านตำแหน่ง ส่งผลให้จำนวนงานเพิ่มขึ้นสุทธิประมาณ 78 ล้านตำแหน่ง อย่างไรก็ตาม ตัวเลขนี้ไม่ได้เกิดจาก AI เพียงปัจจัยเดียว แต่รวมถึงการเปลี่ยนแปลงด้านเศรษฐกิจ ประชากร เทคโนโลยี พลังงาน และสิ่งแวดล้อมด้วย
ประเด็นสำคัญจึงไม่ใช่เพียงว่า “งานไหนจะหายไป” แต่คือ งานของเราจะถูกแบ่งใหม่อย่างไร งานส่วนไหนจะให้ AI ทำ และมนุษย์จะต้องเพิ่มคุณค่าในส่วนใด
บทความนี้จะพาไปสำรวจว่างานใหม่อะไรมีแนวโน้มเกิดขึ้นจากการเติบโตของ AI งานเหล่านี้ต้องใช้ทักษะอะไร และคนทำงานไทยควรเตรียมตัวอย่างไรเพื่อไม่เพียงรักษางานเดิม แต่สามารถเข้าถึงโอกาสใหม่ที่กำลังเกิดขึ้นได้ด้วย
AI จะสร้างงานใหม่จริงหรือไม่
AI ไม่ได้สร้างผลกระทบต่อทุกอาชีพในระดับเดียวกัน งานหนึ่งตำแหน่งมักประกอบด้วยหลายหน้าที่ บางหน้าที่สามารถใช้ AI ทำแทนได้ บางหน้าที่ใช้ AI ช่วยเพิ่มประสิทธิภาพ และบางหน้าที่ยังคงต้องอาศัยความรับผิดชอบ การตัดสินใจ ความสัมพันธ์ระหว่างบุคคล หรือความเข้าใจบริบทจากมนุษย์
องค์การแรงงานระหว่างประเทศ หรือ ILO ประเมินว่าแรงงานทั่วโลกประมาณหนึ่งในสี่อยู่ในอาชีพที่มีโอกาสสัมผัสผลกระทบจาก Generative AI ในระดับใดระดับหนึ่ง แต่มีเพียงประมาณ 3.3% ของการจ้างงานทั่วโลกที่อยู่ในกลุ่มการสัมผัสระดับสูงที่สุด ข้อค้นพบสำคัญคือ ผลกระทบที่มีโอกาสเกิดขึ้นมากกว่าการแทนที่งานทั้งหมด คือการเปลี่ยนแปลงองค์ประกอบของงานและวิธีทำงานภายในตำแหน่งเดิม
OECD ระบุในรายงาน Skills in the AI Age ปี 2026 ว่า อาชีพทักษะสูง เช่น ผู้บริหาร วิศวกร และผู้เชี่ยวชาญ อาจเป็นกลุ่มที่สัมผัสกับ AI มาก แต่ไม่ได้หมายความว่าจะถูกแทนที่ง่าย เพราะงานเหล่านี้มีหน้าที่ที่ไม่เป็นกิจวัตร ต้องใช้ความคิดเชิงบริบท ทักษะทางสังคม และการตัดสินใจ ในทางกลับกัน งานทักษะต่ำหรือปานกลางที่ประกอบด้วยขั้นตอนซ้ำและคาดการณ์ได้ อาจเผชิญความเสี่ยงจากระบบอัตโนมัติมากกว่า
ดังนั้น สิ่งที่จะเกิดขึ้นไม่ใช่เพียง “AI แทนคน” แต่เป็นการแข่งขันระหว่างคนที่ใช้ AI เป็นกับคนที่ยังทำงานด้วยวิธีเดิม
งานใหม่จาก AI ไม่ได้หมายถึงตำแหน่งงานที่มีคำว่า AI เท่านั้น
เมื่อพูดถึงงานที่เกิดขึ้นจาก AI หลายคนอาจคิดถึงเฉพาะวิศวกร AI นักวิทยาศาสตร์ข้อมูล หรือโปรแกรมเมอร์ แต่ในความเป็นจริง งานใหม่สามารถแบ่งออกได้เป็นสามระดับใหญ่
ระดับแรกคือ งานที่สร้างเทคโนโลยี AI เช่น วิศวกร Machine Learning นักวิจัย AI และผู้พัฒนาโมเดลภาษา
ระดับที่สองคือ งานที่นำ AI ไปใช้ในองค์กร เช่น ผู้จัดการผลิตภัณฑ์ AI ผู้เชี่ยวชาญด้านระบบอัตโนมัติ ที่ปรึกษาการเปลี่ยนผ่านองค์กร และผู้ดูแลการทำงานของโมเดล
ระดับที่สามคือ งานเดิมที่เพิ่มความสามารถด้วย AI เช่น นักบัญชีที่ใช้ AI วิเคราะห์ความผิดปกติ นักการตลาดที่ใช้ AI วิเคราะห์ลูกค้า วิศวกรโรงงานที่ใช้ AI คาดการณ์การเสียของเครื่องจักร หรือเจ้าหน้าที่ HR ที่ใช้ AI ช่วยค้นหาและวิเคราะห์ผู้สมัคร
กลุ่มที่สามอาจกลายเป็นตลาดงานขนาดใหญ่ที่สุด เพราะทุกองค์กรไม่จำเป็นต้องสร้าง AI ของตนเอง แต่แทบทุกองค์กรจำเป็นต้องมีคนที่รู้ว่าจะใช้ AI กับกระบวนการธุรกิจอย่างไร
14 กลุ่มงานใหม่ที่มีแนวโน้มเกิดขึ้นจากการเติบโตของ AI
1. วิศวกร AI และ Machine Learning
AI Engineer และ Machine Learning Engineer เป็นตำแหน่งที่รับผิดชอบการสร้าง ฝึก ทดสอบ และนำโมเดล AI ไปใช้งานจริง หน้าที่อาจครอบคลุมตั้งแต่การพัฒนาโมเดลพยากรณ์ ระบบแนะนำสินค้า การประมวลผลภาษา การรู้จำภาพ ไปจนถึงการสร้างระบบ Generative AI สำหรับองค์กร
ผู้ที่ต้องการเข้าสู่งานกลุ่มนี้ควรมีพื้นฐานด้าน Python การจัดการข้อมูล สถิติ Machine Learning ระบบคลาวด์ และการประเมินประสิทธิภาพโมเดล นอกจากนี้ยังต้องเข้าใจข้อจำกัดของข้อมูลและรู้ว่าโมเดลที่มีความแม่นยำสูงในห้องทดลองอาจไม่สามารถสร้างผลลัพธ์ทางธุรกิจได้จริง
World Economic Forum จัดให้ผู้เชี่ยวชาญด้าน AI และ Machine Learning รวมถึงผู้เชี่ยวชาญด้าน Big Data อยู่ในกลุ่มอาชีพที่มีแนวโน้มเติบโตเร็วที่สุดในเชิงสัดส่วนจนถึงปี 2030
2. วิศวกรประยุกต์ใช้ AI หรือ Applied AI Engineer
องค์กรส่วนใหญ่ไม่ได้ต้องการสร้างโมเดลขนาดใหญ่ขึ้นมาใหม่ แต่ต้องการนำโมเดลที่มีอยู่มาเชื่อมต่อกับฐานข้อมูล ซอฟต์แวร์ และกระบวนการทำงานของบริษัท จึงมีแนวโน้มเกิดตำแหน่ง Applied AI Engineer, AI Solutions Engineer และ AI Integration Specialist มากขึ้น
งานของบุคลากรกลุ่มนี้อาจประกอบด้วยการเชื่อม AI เข้ากับระบบ CRM ระบบบัญชี ระบบคลังสินค้า ระบบบริการลูกค้า หรือฐานความรู้ขององค์กร รวมถึงการกำหนดสิทธิ์การเข้าถึงข้อมูล การทดสอบความถูกต้อง และการออกแบบระบบสำรองเมื่อ AI ไม่สามารถตอบได้
บุคลากรกลุ่มนี้อาจไม่จำเป็นต้องเชี่ยวชาญคณิตศาสตร์ระดับนักวิจัย แต่ต้องเข้าใจ API การจัดการข้อมูล กระบวนการธุรกิจ ความปลอดภัย และความต้องการของผู้ใช้งานจริง
3. นักพัฒนา AI Agent และระบบอัตโนมัติ
เมื่อ AI สามารถทำงานมากกว่าการตอบคำถาม และเริ่มดำเนินการหลายขั้นตอนตามเป้าหมายได้ จะเกิดความต้องการบุคลากรที่ออกแบบ “AI Agent” หรือระบบตัวแทนอัจฉริยะเพิ่มขึ้น
ตัวอย่างงานที่ AI Agent อาจช่วยทำ ได้แก่ รับคำร้องจากลูกค้า ตรวจสอบข้อมูลในระบบ สร้างเอกสาร ส่งให้ผู้อนุมัติ และติดตามผลโดยอัตโนมัติ หรือรวบรวมข้อมูลยอดขายจากหลายแหล่งแล้วสร้างรายงานสำหรับผู้บริหาร
ตำแหน่งที่อาจพบได้ ได้แก่ AI Agent Developer, Intelligent Automation Engineer, Workflow Automation Specialist และ AI Process Designer
หัวใจของงานนี้ไม่ใช่เพียงเขียนคำสั่งให้ AI แต่ต้องวิเคราะห์ขั้นตอนการทำงาน กำหนดเงื่อนไข ตรวจสอบข้อผิดพลาด จัดการสิทธิ์ และระบุว่าเหตุการณ์ใดต้องส่งกลับมาให้มนุษย์ตัดสินใจ
4. ผู้จัดการผลิตภัณฑ์ AI
AI Product Manager หรือ AI Product Owner ทำหน้าที่เชื่อมระหว่างฝ่ายธุรกิจ ผู้ใช้งาน ทีมข้อมูล ทีมเทคโนโลยี และฝ่ายบริหารความเสี่ยง
บุคลากรกลุ่มนี้ต้องตอบคำถามว่า ปัญหาใดควรใช้ AI แก้ ผลลัพธ์ที่ดีควรวัดด้วยอะไร ข้อมูลมีคุณภาพเพียงพอหรือไม่ ความผิดพลาดระดับใดยอมรับได้ และใครเป็นผู้รับผิดชอบเมื่อระบบให้คำตอบผิด
ความแตกต่างระหว่างผลิตภัณฑ์ AI กับซอฟต์แวร์ทั่วไปคือ ผลลัพธ์ของ AI อาจไม่เหมือนเดิมทุกครั้ง และไม่สามารถรับประกันความถูกต้องได้ 100% ผู้จัดการผลิตภัณฑ์จึงต้องเข้าใจทั้งประสบการณ์ผู้ใช้ การประเมินโมเดล ความเสี่ยง และผลตอบแทนทางธุรกิจ
ตำแหน่งนี้เหมาะกับผู้ที่มีประสบการณ์ด้านผลิตภัณฑ์ โครงการ ธุรกิจ การตลาด หรือเทคโนโลยี และสามารถสื่อสารกับคนหลายฝ่ายได้ดี
5. วิศวกรข้อมูล ผู้ดูแลชุดข้อมูล และผู้เชี่ยวชาญข้อมูลสังเคราะห์
AI ที่ดีต้องอาศัยข้อมูลที่ถูกต้อง มีโครงสร้าง และสามารถนำมาใช้ได้ตามวัตถุประสงค์ ความต้องการบุคลากรด้านข้อมูลจึงไม่ได้ลดลงตามการพัฒนา AI แต่จะมีลักษณะเฉพาะมากขึ้น
งานที่เกี่ยวข้องประกอบด้วย Data Engineer, Data Architect, Data Quality Specialist, AI Data Curator และ Synthetic Data Specialist
AI Data Curator มีหน้าที่คัดเลือก ทำความสะอาด จัดหมวดหมู่ และตรวจสอบข้อมูลที่ใช้ฝึกหรือปรับแต่งโมเดล ส่วนผู้เชี่ยวชาญข้อมูลสังเคราะห์จะสร้างข้อมูลจำลองเพื่อใช้ทดสอบระบบในกรณีที่ข้อมูลจริงมีไม่เพียงพอ มีความอ่อนไหว หรือมีข้อจำกัดด้านความเป็นส่วนตัว
คุณภาพของข้อมูลจะกลายเป็นทรัพย์สินเชิงกลยุทธ์ขององค์กร เพราะแม้หลายบริษัทจะใช้โมเดล AI แบบเดียวกัน แต่บริษัทที่มีข้อมูลดีกว่าและจัดการความรู้ภายในได้ดีกว่า มักสามารถสร้างผลลัพธ์ที่แตกต่างได้
6. ผู้ฝึกสอน AI และผู้ประเมินคุณภาพโมเดล
แม้ AI จะสามารถเรียนรู้จากข้อมูลจำนวนมาก แต่การสร้างระบบที่มีคุณภาพยังต้องอาศัยการประเมินจากมนุษย์ โดยเฉพาะในงานเฉพาะทาง เช่น การแพทย์ กฎหมาย วิศวกรรม การเงิน ภาษา และการบริการลูกค้า
ตำแหน่งที่เกี่ยวข้องอาจใช้ชื่อว่า AI Trainer, Model Evaluator, Human Feedback Specialist, AI Quality Reviewer หรือ Domain Expert for AI
หน้าที่อาจประกอบด้วยการเปรียบเทียบคำตอบของโมเดล ตรวจสอบความถูกต้อง กำหนดเกณฑ์คุณภาพ ระบุคำตอบที่มีความเสี่ยง และสร้างตัวอย่างสำหรับใช้ปรับปรุงระบบ
งานติดป้ายข้อมูลพื้นฐานบางประเภทอาจถูกทำให้เป็นระบบอัตโนมัติมากขึ้น แต่การประเมินที่ต้องใช้ความรู้เฉพาะทางและการพิจารณาบริบทจะยังมีความสำคัญ โดยเฉพาะเมื่อ AI ถูกนำไปใช้ในงานที่ความผิดพลาดมีต้นทุนสูง
7. วิศวกร LLMOps, ModelOps และความน่าเชื่อถือของ AI
หลังจากองค์กรนำ AI ไปใช้งานแล้ว จะต้องมีผู้ดูแลให้ระบบทำงานอย่างต่อเนื่อง มีค่าใช้จ่ายเหมาะสม และไม่เสื่อมประสิทธิภาพเมื่อข้อมูลหรือพฤติกรรมผู้ใช้เปลี่ยนไป
งานกลุ่มนี้อาจมีชื่อว่า LLMOps Engineer, ModelOps Engineer, AI Reliability Engineer หรือ AI Platform Engineer
หน้าที่สำคัญ ได้แก่ การติดตามความแม่นยำ ความเร็ว ค่าใช้จ่าย อัตราข้อผิดพลาด การรั่วไหลของข้อมูล และพฤติกรรมที่ไม่พึงประสงค์ของโมเดล รวมถึงการกำหนดเวอร์ชัน ทดสอบก่อนเผยแพร่ และย้อนกลับไปใช้ระบบเดิมเมื่อเกิดปัญหา
กล่าวได้ว่า หาก AI Engineer เปรียบเสมือนผู้สร้างเครื่องยนต์ บุคลากรด้าน LLMOps และ ModelOps คือผู้ทำให้เครื่องยนต์สามารถทำงานได้จริงในระบบธุรกิจทุกวัน
8. ผู้เชี่ยวชาญด้านธรรมาภิบาล ความเสี่ยง และการปฏิบัติตามข้อกำหนดของ AI
เมื่อองค์กรใช้ AI ตัดสินใจหรือให้คำแนะนำเกี่ยวกับบุคคล ลูกค้า หรือพนักงาน ความเสี่ยงด้านอคติ ความเป็นส่วนตัว ความโปร่งใส และความรับผิดชอบจะเพิ่มสูงขึ้น
จึงมีแนวโน้มเกิดงานอย่าง AI Governance Specialist, Responsible AI Manager, AI Risk Officer และ AI Compliance Specialist
NIST ได้จัดทำกรอบบริหารความเสี่ยง AI โดยแบ่งกิจกรรมหลักออกเป็นการกำกับดูแล การทำความเข้าใจบริบท การวัด และการบริหารจัดการความเสี่ยง แสดงให้เห็นว่าการใช้ AI อย่างน่าเชื่อถือจำเป็นต้องมีทั้งนโยบาย กระบวนการ เจ้าของความรับผิดชอบ และการติดตามผล ไม่ใช่เพียงการติดตั้งซอฟต์แวร์
ในสหภาพยุโรป AI ที่ใช้กับการรับสมัครและบริหารพนักงานบางประเภทถูกจัดอยู่ในกลุ่มความเสี่ยงสูง และต้องให้ความสำคัญกับคุณภาพข้อมูล การจัดทำเอกสาร การตรวจสอบย้อนหลัง ความมั่นคงปลอดภัย และการกำกับดูแลโดยมนุษย์ ข้อกำหนดลักษณะนี้มีแนวโน้มผลักดันให้บริษัทที่ดำเนินธุรกิจระหว่างประเทศต้องเพิ่มบุคลากรด้าน AI Governance และ Compliance
9. ผู้ตรวจสอบ AI และผู้ตรวจสอบความเป็นธรรมของอัลกอริทึม
AI Auditor หรือ Algorithm Auditor จะตรวจสอบว่าระบบ AI ทำงานตามวัตถุประสงค์จริงหรือไม่ มีอคติต่อกลุ่มใดหรือไม่ ข้อมูลที่ใช้เหมาะสมเพียงใด และองค์กรสามารถอธิบายกระบวนการตัดสินใจได้หรือไม่
บุคลากรกลุ่มนี้อาจมาจากสายตรวจสอบภายใน บัญชี กฎหมาย เทคโนโลยี ความเสี่ยง หรือ Data Science แล้วเพิ่มความรู้ด้านการประเมินโมเดลและธรรมาภิบาลข้อมูล
ตัวอย่างเช่น หากองค์กรใช้ AI คัดกรองผู้สมัคร ผู้ตรวจสอบต้องพิจารณาว่าเกณฑ์ของระบบเกี่ยวข้องกับความสามารถในการทำงานจริงหรือไม่ กลุ่มผู้สมัครบางกลุ่มเสียเปรียบอย่างไม่เหมาะสมหรือไม่ และผู้สมัครสามารถขอให้มนุษย์ทบทวนผลการตัดสินใจได้หรือไม่
งานนี้จะมีความสำคัญมากขึ้นเมื่อองค์กรเริ่มต้องแสดงหลักฐานว่า AI ของตนถูกออกแบบและใช้งานอย่างรับผิดชอบ
10. ผู้เชี่ยวชาญด้านความปลอดภัย AI และ AI Red Team
AI สร้างความเสี่ยงด้านความปลอดภัยรูปแบบใหม่ เช่น การหลอกให้ระบบเปิดเผยข้อมูล การฝังคำสั่งอันตรายในเอกสาร การโจมตีข้อมูลฝึก การสร้างเนื้อหาปลอม และการใช้ AI ช่วยพัฒนาการโจมตีทางไซเบอร์
ตำแหน่งที่มีแนวโน้มเพิ่มขึ้น ได้แก่ AI Security Engineer, AI Red Team Specialist, Adversarial Machine Learning Engineer และ AI Threat Analyst
บุคลากรกลุ่มนี้จะจำลองการโจมตีเพื่อค้นหาจุดอ่อนก่อนที่ผู้ไม่หวังดีจะนำไปใช้จริง รวมถึงออกแบบระบบกรอง ตรวจสอบสิทธิ์ แยกข้อมูล และติดตามเหตุการณ์ผิดปกติ
ความต้องการงานด้าน AI Security จะเชื่อมโยงกับการเติบโตของงานด้าน Cybersecurity ซึ่ง World Economic Forum ระบุว่าเป็นหนึ่งในกลุ่มทักษะเทคโนโลยีที่มีความต้องการเพิ่มขึ้นอย่างรวดเร็ว
11. นักออกแบบปฏิสัมพันธ์ระหว่างมนุษย์กับ AI
การสร้าง AI ที่มีความสามารถสูงไม่ได้หมายความว่าผู้ใช้จะสามารถใช้งานได้ดีโดยอัตโนมัติ องค์กรยังต้องออกแบบวิธีที่มนุษย์สื่อสารกับ AI เข้าใจข้อจำกัด และตรวจสอบผลลัพธ์ได้
งานในกลุ่มนี้อาจมีชื่อว่า Human-AI Interaction Designer, Conversation Designer, AI UX Designer หรือ Conversational Experience Specialist
หน้าที่ครอบคลุมการออกแบบบทสนทนา รูปแบบคำแนะนำ การแสดงระดับความมั่นใจ ระบบแจ้งเตือน การขอข้อมูลเพิ่มเติม และเส้นทางส่งต่อให้เจ้าหน้าที่มนุษย์
นักออกแบบที่ดีจะไม่พยายามทำให้ AI ดูเหมือนมนุษย์มากที่สุดเพียงอย่างเดียว แต่ต้องทำให้ผู้ใช้ทราบด้วยว่าเมื่อใดควรเชื่อ เมื่อใดควรตรวจสอบ และเมื่อใดควรหยุดใช้ระบบ
12. ที่ปรึกษาการนำ AI มาใช้และผู้บริหารการเปลี่ยนแปลง
อุปสรรคสำคัญของการใช้ AI ในองค์กรไม่ได้อยู่ที่เทคโนโลยีเพียงอย่างเดียว แต่อยู่ที่กระบวนการทำงาน ทักษะพนักงาน การยอมรับของผู้ใช้ และการกำหนดความรับผิดชอบ
จึงมีแนวโน้มเกิดงานอย่าง AI Adoption Consultant, AI Transformation Manager, Workforce Transformation Specialist และ AI Change Manager
บุคลากรกลุ่มนี้ต้องวิเคราะห์กระบวนการเดิม เลือกกรณีใช้งานที่มีความคุ้มค่า วางแผนทดลอง กำหนดตัวชี้วัด ฝึกอบรมพนักงาน และจัดการผลกระทบต่อบทบาทงาน
World Economic Forum พบว่านายจ้างส่วนใหญ่ให้ความสำคัญกับการเพิ่มทักษะพนักงาน โดย 85% ขององค์กรที่สำรวจวางแผนให้ความสำคัญกับการ Upskill และประมาณครึ่งหนึ่งวางแผนย้ายพนักงานจากบทบาทที่ลดลงไปสู่งานที่เติบโตขึ้น
ตำแหน่งด้านการเปลี่ยนแปลงจึงอาจเป็นหนึ่งในงานสำคัญที่สุด เพราะองค์กรที่มีเครื่องมือ AI เหมือนกันอาจได้ผลลัพธ์ต่างกันอย่างมาก ขึ้นอยู่กับการออกแบบงานและความพร้อมของบุคลากร
13. ผู้ฝึกอบรม AI Literacy และผู้ออกแบบการเรียนรู้
พนักงานส่วนใหญ่ไม่จำเป็นต้องสร้างโมเดล AI แต่จำเป็นต้องเข้าใจวิธีใช้ AI ตรวจสอบคำตอบ ปกป้องข้อมูล และรู้ข้อจำกัดของระบบ
OECD ประเมินว่าแรงงานที่ต้องใช้ทักษะ AI ขั้นสูง เช่น การพัฒนา Machine Learning อาจมีสัดส่วนเพียงประมาณ 1% ของกำลังแรงงาน ขณะที่แรงงานส่วนใหญ่ต้องการทักษะดิจิทัล ความสามารถในการใช้และวิเคราะห์ข้อมูล รวมถึงทักษะด้านการแก้ปัญหา ความคิดสร้างสรรค์ และการสื่อสาร
ข้อมูลตลาดแรงงานของ LinkedIn ในปี 2026 ยังพบว่า ในสหรัฐอเมริกา ประกาศงานที่ระบุความต้องการทักษะ AI Literacy เพิ่มขึ้นประมาณ 70% เมื่อเทียบรายปี และมีงานที่เปิดใช้หรือได้รับการสนับสนุนจาก AI เกิดขึ้นทั่วโลกราว 1.3 ล้านตำแหน่งในช่วงสองปี
จึงมีแนวโน้มเกิดตำแหน่ง AI Literacy Trainer, AI Learning Designer, Digital Skills Facilitator และ AI Enablement Manager เพื่อพัฒนาหลักสูตรเฉพาะสำหรับผู้บริหาร พนักงานสำนักงาน ฝ่ายขาย ฝ่ายบริการลูกค้า HR และสายปฏิบัติการ
14. ผู้เชี่ยวชาญเฉพาะอุตสาหกรรมที่ใช้ AI
งานใหม่จำนวนมากอาจไม่ได้ใช้ชื่อตำแหน่งว่า AI แต่เป็นการรวมความรู้เดิมกับความสามารถในการใช้ AI เช่น
งานสุขภาพ อาจเกิดตำแหน่งด้าน Clinical AI, Medical Data Specialist และผู้ประสานงานระบบสนับสนุนการตัดสินใจทางการแพทย์
งานกฎหมาย อาจเกิดผู้เชี่ยวชาญ Legal AI Operations ผู้ตรวจสอบเอกสารที่สร้างโดย AI และผู้บริหารระบบวิเคราะห์สัญญา
งานทรัพยากรมนุษย์ อาจเกิด HR AI Governance Specialist, Talent Intelligence Analyst และผู้ดูแลการใช้ AI ในการคัดเลือกพนักงานอย่างเป็นธรรม
งานโรงงาน จะต้องการผู้เชี่ยวชาญ Predictive Maintenance, Industrial AI และผู้เชื่อมระบบ AI กับเครื่องจักรและหุ่นยนต์
งานโลจิสติกส์ จะมีความต้องการบุคลากรที่ใช้ AI วางแผนเส้นทาง พยากรณ์ความต้องการ และบริหารคลังสินค้า
งานเกษตร อาจเกิดผู้เชี่ยวชาญด้าน Precision Agriculture การวิเคราะห์ภาพแปลงเกษตร และระบบพยากรณ์ผลผลิต
งานการตลาดและการขาย จะมีตำแหน่งด้าน AI Marketing Operations, Revenue Intelligence และ Personalization Strategy เพิ่มขึ้น
จุดเด่นของงานกลุ่มนี้คือ ผู้สมัครไม่จำเป็นต้องเริ่มต้นจากศูนย์ ผู้ที่มีความรู้ในอุตสาหกรรมอยู่แล้วสามารถเพิ่มทักษะ AI และกลายเป็นบุคลากรที่มีมูลค่าสูงกว่าผู้ที่รู้เทคโนโลยีแต่ไม่เข้าใจบริบทธุรกิจ
งานทางอ้อมที่เติบโตตามระบบนิเวศ AI
AI ไม่ได้สร้างเฉพาะงานด้านซอฟต์แวร์ แต่ยังเพิ่มความต้องการโครงสร้างพื้นฐานด้านศูนย์ข้อมูล ชิปประมวลผล ระบบเครือข่าย พลังงาน ระบบทำความเย็น และความมั่นคงปลอดภัย
ตำแหน่งที่อาจเติบโตตามมา ได้แก่ ช่างเทคนิคศูนย์ข้อมูล วิศวกรระบบไฟฟ้า วิศวกรระบบทำความเย็น วิศวกรเซมิคอนดักเตอร์ ผู้เชี่ยวชาญระบบคลาวด์ และช่างเทคนิคหุ่นยนต์
นอกจากนี้ การใช้หุ่นยนต์และระบบอัตโนมัติในโรงงาน คลังสินค้า การเกษตร และบริการ จะเพิ่มความต้องการคนที่สามารถติดตั้ง บำรุงรักษา ตรวจสอบ และแก้ไขระบบจริงหน้างาน ซึ่งเป็นงานที่ต้องผสมผสานความรู้ทางกายภาพกับซอฟต์แวร์และข้อมูล
จึงไม่ควรเข้าใจว่าอาชีพแห่งอนาคตมีเฉพาะงานนั่งหน้าคอมพิวเตอร์ งานช่างและงานเทคนิคที่สามารถทำงานกับระบบอัจฉริยะก็มีโอกาสเติบโตสูงเช่นกัน
Prompt Engineer จะเป็นอาชีพหลักหรือกลายเป็นเพียงทักษะพื้นฐาน
ในช่วงแรกของ Generative AI ตำแหน่ง Prompt Engineer ได้รับความสนใจอย่างมาก เพราะองค์กรต้องการคนที่สามารถออกแบบคำสั่งเพื่อให้ AI ให้ผลลัพธ์ที่ดี
อย่างไรก็ตาม ในระยะยาว การเขียน Prompt แบบพื้นฐานมีแนวโน้มกลายเป็นทักษะที่พนักงานทั่วไปต้องมี คล้ายกับการค้นหาข้อมูล การใช้โปรแกรมสำนักงาน หรือการเขียนอีเมล มากกว่าจะเป็นชื่อตำแหน่งเฉพาะในทุกองค์กร
ตำแหน่ง Prompt Engineer อาจยังคงมีอยู่ในงานที่ซับซ้อน เช่น การออกแบบระบบ Agent การสร้างชุดทดสอบ การกำหนดโครงสร้างคำสั่งสำหรับกระบวนการที่มีความเสี่ยง หรือการพัฒนาระบบสนทนาขนาดใหญ่ แต่ผู้สมัครจะต้องมีทักษะมากกว่าการเขียนคำสั่ง ได้แก่ ความรู้ด้านข้อมูล การทดลอง การประเมินผล ความเข้าใจธุรกิจ และการออกแบบระบบ
ดังนั้น ไม่ควรสร้างเส้นทางอาชีพโดยพึ่งพาทักษะ Prompt เพียงอย่างเดียว ควรใช้ Prompt เป็นหนึ่งในชุดทักษะที่เชื่อมกับความเชี่ยวชาญหลักของตน
งานเดิมประเภทใดมีโอกาสถูกลดจำนวนลง
งานที่มีความเสี่ยงสูงไม่จำเป็นต้องเป็นงานที่ AI ทำได้ทั้งหมด แต่เป็นงานที่ประกอบด้วยกิจกรรมซ้ำ มีรูปแบบแน่นอน ใช้ข้อมูลดิจิทัล และสามารถตรวจสอบผลลัพธ์ได้ง่าย
ตัวอย่างเช่น งานป้อนข้อมูล งานจัดรูปแบบเอกสาร งานสรุปข้อมูลพื้นฐาน งานตอบคำถามที่มีคำตอบมาตรฐาน งานธุรการบางส่วน และการผลิตเนื้อหาทั่วไปที่ไม่มีความแตกต่าง
World Economic Forum คาดว่างานเสมียน งานรับจ่ายเงิน งานเลขานุการ งานป้อนข้อมูล และงานธุรการบางประเภทจะอยู่ในกลุ่มที่ลดลงอย่างมีนัยสำคัญ ขณะที่ทักษะสำคัญของแรงงานประมาณ 39% มีแนวโน้มเปลี่ยนแปลงภายในปี 2030
อย่างไรก็ตาม การลดลงของงานไม่ได้หมายความว่าทุกตำแหน่งจะหายไปทันที องค์กรอาจลดการรับคนเพิ่ม รวมหลายตำแหน่งเข้าด้วยกัน หรือคาดหวังให้พนักงานหนึ่งคนดูแลงานได้มากขึ้นด้วย AI
ผลกระทบที่คนทำงานอาจรู้สึกก่อนการถูกแทนที่คือ มาตรฐานผลงานที่สูงขึ้น และ จำนวนคนที่ต้องใช้ลดลงต่อปริมาณงานเท่าเดิม
คนทำงานไทยมีโอกาสจาก AI ในด้านใดบ้าง
ประเทศไทยมีฐานเศรษฐกิจที่หลากหลาย ทั้งการผลิต ยานยนต์ โลจิสติกส์ อาหาร การแพทย์ การท่องเที่ยว เกษตร และบริการ โอกาสจาก AI จึงไม่ได้จำกัดอยู่ในบริษัทเทคโนโลยี
ผลสำรวจ Thailand Talent Landscape 2025–2029 ของสำนักงานสภานโยบายการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรมแห่งชาติ ระบุความต้องการแรงงานทักษะสูงรวมกว่า 1.08 ล้านตำแหน่งใน 10 อุตสาหกรรมเป้าหมาย โดยมีความต้องการสูงในอุตสาหกรรมการบินและโลจิสติกส์ อิเล็กทรอนิกส์อัจฉริยะและหุ่นยนต์อุตสาหกรรม อุตสาหกรรมดิจิทัล ยานยนต์สมัยใหม่ การแพทย์ การท่องเที่ยวคุณภาพสูง และอุตสาหกรรมอาหาร
ตำแหน่งที่น่าสนใจสำหรับตลาดไทยจึงอาจประกอบด้วยผู้ประยุกต์ใช้ AI ในโรงงาน นักวิเคราะห์ข้อมูลการผลิต ผู้เชี่ยวชาญโลจิสติกส์อัจฉริยะ วิศวกรระบบหุ่นยนต์ นักพัฒนา AI ภาษาไทย ผู้ฝึกอบรม AI สำหรับธุรกิจขนาดกลางและขนาดเล็ก และผู้เชี่ยวชาญด้านธรรมาภิบาลข้อมูล
อีกหนึ่งโอกาสสำคัญคือ การทำ AI ให้เข้าใจบริบทไทย ไม่ว่าจะเป็นภาษาไทย กฎหมายไทย พฤติกรรมผู้บริโภคไทย เอกสารราชการ หรือรูปแบบการทำงานของธุรกิจท้องถิ่น ความรู้บริบทเหล่านี้ไม่สามารถสร้างจากทักษะเขียนโปรแกรมเพียงอย่างเดียว
ทักษะอะไรจะสำคัญที่สุดในยุค AI
1. ความเข้าใจ AI ระดับใช้งาน
คนทำงานควรเข้าใจว่า AI ทำอะไรได้และทำอะไรไม่ได้ รู้วิธีตั้งคำถาม รู้วิธีตรวจสอบคำตอบ และไม่ส่งข้อมูลสำคัญเข้าสู่ระบบโดยไม่พิจารณาความเสี่ยง
2. ความสามารถด้านข้อมูล
ไม่จำเป็นต้องเป็น Data Scientist แต่ควรอ่านข้อมูลเป็น เข้าใจความแตกต่างระหว่างข้อเท็จจริงกับการคาดการณ์ รู้ว่าข้อมูลมีข้อจำกัด และสามารถตรวจสอบแหล่งที่มาได้
3. ความเชี่ยวชาญเฉพาะด้าน
เมื่อ AI ทำงานทั่วไปได้ดีขึ้น ความรู้เฉพาะด้านจะยิ่งมีค่า เพราะผู้เชี่ยวชาญสามารถตรวจจับความผิดพลาด ตั้งเกณฑ์คุณภาพ และนำผลลัพธ์ไปใช้ในบริบทจริงได้
4. การคิดวิเคราะห์และการใช้วิจารณญาณ
AI สามารถสร้างคำตอบที่ดูน่าเชื่อถือแม้ข้อมูลไม่ถูกต้อง คนทำงานจึงต้องสามารถตั้งข้อสงสัย เปรียบเทียบหลักฐาน และรับผิดชอบต่อการตัดสินใจขั้นสุดท้าย
5. การสื่อสารและการทำงานร่วมกับผู้อื่น
โครงการ AI มักเกี่ยวข้องกับหลายฝ่าย ทั้งผู้บริหาร เทคโนโลยี กฎหมาย HR และผู้ใช้งาน ผู้ที่สามารถแปลภาษาทางเทคนิคให้เป็นภาษาธุรกิจจึงมีความสำคัญอย่างมาก
6. การเรียนรู้ต่อเนื่อง
เครื่องมือ AI เปลี่ยนแปลงรวดเร็ว การจำวิธีใช้โปรแกรมใดโปรแกรมหนึ่งอาจไม่เพียงพอ ทักษะสำคัญกว่าคือความสามารถในการเรียนรู้ ทดลอง และปรับวิธีทำงานอย่างต่อเนื่อง
OECD และ World Economic Forum ต่างให้ความสำคัญกับการผสมผสานระหว่างทักษะเทคโนโลยีกับทักษะมนุษย์ เช่น ความคิดวิเคราะห์ ความคิดสร้างสรรค์ ความยืดหยุ่น ภาวะผู้นำ การสื่อสาร และความร่วมมือ
วิธีเตรียมตัวเข้าสู่งานใหม่จาก AI
ขั้นแรก ให้แยกงานปัจจุบันของตนออกเป็นหน้าที่ย่อยประมาณ 15–20 รายการ แล้วพิจารณาว่าหน้าที่ใดเป็นงานซ้ำ หน้าที่ใดต้องใช้การตัดสินใจ และหน้าที่ใดต้องรับผิดชอบต่อบุคคลอื่น วิธีนี้จะช่วยให้เห็นว่า AI สามารถช่วยตรงไหนและคุณควรเพิ่มคุณค่าในส่วนใด
ขั้นที่สอง เลือกปัญหาจริงหนึ่งเรื่องแล้วทดลองใช้ AI แก้ไข เช่น ลดเวลาสรุปรายงาน วิเคราะห์ข้อมูลการขาย ร่างเอกสาร ตรวจสอบข้อผิดพลาด หรือสร้างฐานความรู้ภายใน อย่าเริ่มจากการเรียนเครื่องมือจำนวนมากโดยไม่มีโจทย์
ขั้นที่สาม วัดผลก่อนและหลังใช้งาน เช่น ลดเวลาจากสามชั่วโมงเหลือหนึ่งชั่วโมง ลดข้อผิดพลาดกี่เปอร์เซ็นต์ หรือช่วยให้ตอบลูกค้าเร็วขึ้นเท่าใด ผลลัพธ์ที่วัดได้สามารถนำไปใช้เป็นผลงานใน Resume และการสัมภาษณ์งาน
ขั้นที่สี่ เรียนรู้พื้นฐานเรื่องข้อมูล ความเป็นส่วนตัว อคติ ลิขสิทธิ์ และการตรวจสอบคำตอบ เพราะองค์กรไม่ได้ต้องการเพียงคนที่ใช้ AI ได้เร็ว แต่ต้องการคนที่ใช้ได้อย่างปลอดภัยและรับผิดชอบ
ขั้นที่ห้า สร้างผลงานตัวอย่างที่เชื่อมโยงกับสายงานของตน เช่น พนักงานคลังสินค้าอาจทำโครงการพยากรณ์สินค้าคงคลัง HR อาจสร้างระบบ FAQ สำหรับพนักงาน ฝ่ายขายอาจสร้างระบบสรุปข้อมูลลูกค้าก่อนเข้าพบ และนักบัญชีอาจสร้างระบบช่วยตรวจสอบรายการผิดปกติ
ขั้นสุดท้าย ปรับ Resume โดยไม่เขียนเพียงว่า “ใช้ ChatGPT ได้” แต่ควรอธิบายว่าใช้ AI แก้ปัญหาอะไร มีขั้นตอนตรวจสอบอย่างไร และสร้างผลลัพธ์เชิงธุรกิจเท่าใด
เด็กจบใหม่ควรเตรียมตัวต่างจากคนมีประสบการณ์อย่างไร
เด็กจบใหม่อาจเผชิญความท้าทายมากกว่าคนมีประสบการณ์ เนื่องจากงานระดับเริ่มต้นจำนวนหนึ่งเคยประกอบด้วยงานรวบรวมข้อมูล จัดเอกสาร สรุปเนื้อหา และทำงานสนับสนุน ซึ่งเป็นกลุ่มหน้าที่ที่ AI สามารถช่วยทำได้ดีขึ้น
การวิเคราะห์ประกาศงานมากกว่าหนึ่งพันล้านรายการของ PwC ในปี 2026 พบว่า งานระดับเริ่มต้นที่สัมผัสกับ AI สูงมีแนวโน้มระบุความต้องการทักษะที่เดิมมักพบในคนระดับอาวุโส เช่น วิจารณญาณ ความคิดสร้างสรรค์ ภาวะผู้นำ และการปฏิสัมพันธ์แบบเผชิญหน้า มากกว่างานระดับเริ่มต้นทั่วไปประมาณเจ็ดเท่า
เด็กจบใหม่จึงควรสร้างประสบการณ์จากโครงการจริง ฝึกงาน งานอาสา งานฟรีแลนซ์ หรือผลงานส่วนตัว เพื่อแสดงให้เห็นว่าสามารถนำ AI ไปใช้กับปัญหาจริงและตรวจสอบผลลัพธ์ได้ ไม่ควรรอให้มีประสบการณ์ทำงานเต็มเวลาก่อนจึงเริ่มสร้างผลงาน
สำหรับคนมีประสบการณ์ ความได้เปรียบสำคัญคือความรู้เฉพาะด้าน ความเข้าใจกระบวนการ และความสามารถในการตัดสินใจ จึงควรเพิ่มทักษะ AI เพื่อขยายความเชี่ยวชาญเดิม มากกว่าพยายามเปลี่ยนตัวเองเป็นโปรแกรมเมอร์โดยไม่จำเป็น
บทวิเคราะห์: ใครจะได้ประโยชน์มากที่สุดจากการเติบโตของ AI
ผู้ที่ได้ประโยชน์สูงสุดอาจไม่ใช่คนที่มีความรู้ทางเทคนิคมากที่สุด แต่คือคนที่สามารถรวมองค์ประกอบสามด้านเข้าด้วยกัน ได้แก่ ความเข้าใจธุรกิจ ความสามารถใช้ AI และวิจารณญาณของมนุษย์
งานที่มีมูลค่าสูงขึ้นจะเป็นงานที่รับผิดชอบผลลัพธ์มากกว่ารับผิดชอบเพียงขั้นตอน เช่น จากเดิมที่พนักงานมีหน้าที่ทำรายงาน อาจเปลี่ยนเป็นมีหน้าที่วิเคราะห์สถานการณ์ เสนอทางเลือก และรับผิดชอบคุณภาพของข้อเสนอ โดยใช้ AI ช่วยรวบรวมและจัดเตรียมข้อมูล
อีกประเด็นหนึ่งคือ AI อาจลด “งานฝึกหัด” ที่เคยช่วยให้คนรุ่นใหม่เรียนรู้ เช่น การอ่านเอกสารจำนวนมาก การทำร่างแรก หรือการรวบรวมข้อมูล หากองค์กรนำ AI มาทำงานเหล่านี้ทั้งหมดโดยไม่ออกแบบเส้นทางเรียนรู้ใหม่ อาจเกิดปัญหาขาดคนที่พัฒนาไปสู่ระดับผู้เชี่ยวชาญในอนาคต
องค์กรจึงต้องไม่มอง AI เป็นเพียงเครื่องมือลดจำนวนคน แต่ต้องออกแบบงานใหม่ให้พนักงานยังมีโอกาสเรียนรู้ ทดลอง ตัดสินใจ และรับคำแนะนำจากผู้มีประสบการณ์
สำหรับคนทำงาน หลักคิดสำคัญคืออย่าแข่งขันกับ AI ในงานที่ AI ทำได้เร็วกว่า แต่ควรเรียนรู้ที่จะเป็นผู้กำหนดปัญหา เลือกเครื่องมือ ตรวจสอบผลลัพธ์ เชื่อมโยงบริบท และรับผิดชอบต่อการตัดสินใจ
คำถามที่พบบ่อยเกี่ยวกับงานใหม่จาก AI
งาน AI จำเป็นต้องเขียนโปรแกรมเป็นหรือไม่
ไม่จำเป็นทุกตำแหน่ง งานด้าน AI Governance การบริหารผลิตภัณฑ์ การฝึกอบรม การเ��ลี่ยนแปลงองค์กร การออกแบบประสบการณ์ผู้ใช้ และการประเมินคุณภาพ ต้องการความรู้ด้านธุรกิจ การสื่อสาร และการวิเคราะห์มากกว่าการเขียนโปรแกรมขั้นสูง
คนที่ไม่ได้จบคอมพิวเตอร์สามารถเข้าสู่งานด้าน AI ได้หรือไม่
สามารถทำได้ โดยเฉพาะงานประยุกต์ใช้ AI ในอุตสาหกรรมเดิม ผู้ที่มีความรู้ด้านบัญชี การแพทย์ กฎหมาย HR การตลาด โรงงาน หรือโลจิสติกส์ สามารถเพิ่มความรู้ด้าน AI และกลายเป็นผู้เชี่ยวชาญแบบผสมผสานได้
งาน Prompt Engineer ยังน่าสนใจหรือไม่
ยังมีโอกาสในงานเฉพาะทาง แต่ไม่ควรพึ่งพาการเขียน Prompt เพียงทักษะเดียว ควรเพิ่มความรู้ด้านการประเมินผล ข้อมูล ระบบอัตโนมัติ ประสบการณ์ผู้ใช้ หรือความเชี่ยวชาญในอุตสาหกรรมด้วย
อาชีพใดปลอดภัยจาก AI มากที่สุด
ไม่มีอาชีพใดปลอดภัยอย่างสมบูรณ์ แต่หน้าที่ที่ต้องใช้ความรับผิดชอบสูง การตัดสินใจภายใต้ความไม่แน่นอน ความสัมพันธ์กับมนุษย์ งานหน้างาน และความรู้บริบทเฉพาะ มีแนวโน้มถูกเสริมด้วย AI มากกว่าถูกแทนที่ทั้งหมด
ควรเริ่มเรียน AI จากอะไร
เริ่มจากการใช้ AI แก้ปัญหาในงานที่ตนเข้าใจอยู่แล้ว จากนั้นจึงเรียนรู้เรื่องข้อมูล การตรวจสอบคำตอบ ระบบอัตโนมัติ และความเสี่ยงที่เกี่ยวข้อง ไม่จำเป็นต้องเริ่มจากการเรียนเขียนโมเดล Machine Learning
บทสรุป
การเติบโตของ AI จะสร้างทั้งงานเทคโนโลยีโดยตรง งานด้านการควบคุมและบริหารความเสี่ยง งานโครงสร้างพื้นฐาน และงานแบบผสมผสานระหว่าง AI กับความเชี่ยวชาญเฉพาะอุตสาหกรรม
ตำแหน่งที่มีแนวโน้มเติบโต ได้แก่ วิศวกร AI ผู้พัฒนา AI Agent ผู้จัดการผลิตภัณฑ์ AI วิศวกรข้อมูล ผู้ประเมินโมเดล ผู้ดูแล LLMOps ผู้เชี่ยวชาญ AI Governance ผู้ตรวจสอบอัลกอริทึม ผู้เชี่ยวชาญ AI Security นักออกแบบ Human-AI Interaction ที่ปรึกษาการเปลี่ยนแปลง และผู้ฝึกอบรม AI Literacy
อย่างไรก็ตาม โอกาสขนาดใหญ่ที่สุดอาจไม่ได้อยู่ในตำแหน่งที่มีคำว่า “AI” อยู่ในชื่องาน แต่อยู่ในอาชีพเดิมที่สามารถใช้ AI ทำงานได้เร็วขึ้น แม่นยำขึ้น และสร้างผลลัพธ์ที่มีมูลค่าสูงกว่าเดิม
ในตลาดแรงงานยุคต่อไป เส้นแบ่งสำคัญจึงอาจไม่ใช่ระหว่างมนุษย์กับ AI แต่เป็นระหว่าง คนที่รู้จักใช้ AI พร้อมตรวจสอบและรับผิดชอบผลลัพธ์ กับ คนที่ยังทำงานตามขั้นตอนเดิมโดยไม่พัฒนาทักษะเพิ่มเติม.