คนที่ไม่ใช้ AI จะเสียเปรียบในตลาดแรงงานหรือไม่?

ในช่วงไม่กี่ปีที่ผ่านมา คำถามเกี่ยวกับ Artificial Intelligence หรือ AI ในตลาดแรงงานได้เปลี่ยนไปอย่างมาก จากเดิมที่คนจำนวนมากถามว่า “AI จะมาแย่งงานมนุษย์หรือไม่?” วันนี้คำถามที่สำคัญกว่าอาจกลายเป็นว่า “ถ้าเราไม่ใช้ AI ในขณะที่คนอื่นใช้ เราจะยังแข่งขันในตลาดแรงงานได้หรือไม่?”

คำตอบคือ มีโอกาสเสียเปรียบมากขึ้นอย่างชัดเจน แต่ไม่ได้หมายความว่าคนที่ไม่ใช้ AI ทุกคนจะตกงาน หรือทุกอาชีพจำเป็นต้องใช้ AI ในระดับเดียวกัน

ประเด็นสำคัญไม่ได้อยู่ที่ว่าใครสามารถใช้ ChatGPT หรือเครื่องมือ AI ได้มากที่สุด แต่อยู่ที่ว่า ใครสามารถนำ AI มาช่วยเพิ่มประสิทธิภาพการทำงาน โดยยังคงใช้ความรู้ ประสบการณ์ วิจารณญาณ ความคิดสร้างสรรค์ และความรับผิดชอบของมนุษย์ได้ดีที่สุด

ข้อมูลของ World Economic Forum ระบุว่า นายจ้างทั่วโลกคาดว่าทักษะหลักที่ใช้ในการทำงานประมาณ 39% จะเปลี่ยนแปลงภายในปี 2030 ขณะที่ AI และ Big Data ถูกจัดให้อยู่ในกลุ่มทักษะที่มีความสำคัญเพิ่มขึ้นเร็วที่สุด แต่ขณะเดียวกันทักษะอย่างการคิดวิเคราะห์ ความยืดหยุ่น ความคิดสร้างสรรค์ ภาวะผู้นำ และการทำงานร่วมกับผู้อื่นยังคงมีความสำคัญสูงมากเช่นกัน 

ดังนั้น อนาคตของตลาดแรงงานอาจไม่ได้แบ่งง่าย ๆ เป็น “มนุษย์กับ AI” แต่มีแนวโน้มจะแบ่งออกเป็น “คนที่สามารถทำงานร่วมกับ AI ได้” กับ “คนที่ยังทำงานด้วยวิธีเดิมทั้งที่งานนั้นสามารถเพิ่มประสิทธิภาพด้วย AI ได้”

AI ไม่ได้ทำให้ทุกอาชีพหายไป แต่กำลังเปลี่ยนวิธีทำงานของหลายอาชีพ

สิ่งแรกที่ต้องแยกให้ออกคือคำว่า “AI กระทบงาน” ไม่ได้เท่ากับ “AI ทำให้งานหายไป”

International Labour Organization หรือ ILO ประเมินในงานวิจัยปี 2025 ว่า ประมาณ 1 ใน 4 ของแรงงานทั่วโลกทำงานในอาชีพที่มีความเกี่ยวข้องหรือมีโอกาสได้รับผลกระทบจาก Generative AI ในระดับหนึ่ง แต่ข้อสรุปสำคัญของ ILO คือ ผลลัพธ์ที่มีแนวโน้มเกิดขึ้นมากกว่าการแทนที่งานทั้งหมด คือ การเปลี่ยนแปลงองค์ประกอบของงานและหน้าที่ภายในอาชีพนั้น เพราะหลายงานยังจำเป็นต้องอาศัยมนุษย์ในการตัดสินใจ ตรวจสอบ และรับผิดชอบผลลัพธ์ 

นี่เป็นความแตกต่างที่สำคัญมาก

ตัวอย่างเช่น นักบัญชีอาจไม่ได้หายไปเพราะ AI แต่การทำบัญชีอาจเปลี่ยนจากการใช้เวลาจำนวนมากในการรวบรวมและจัดข้อมูล ไปสู่การตรวจสอบ วิเคราะห์ และอธิบายข้อมูลมากขึ้น

พนักงาน HR อาจไม่ได้ถูกแทนที่ทั้งหมด แต่ AI สามารถช่วยร่าง Job Description สรุป Resume เตรียมคำถามสัมภาษณ์ วิเคราะห์ข้อมูลพนักงาน หรือจัดทำเอกสารบางประเภทได้

ฝ่ายขายอาจยังต้องใช้มนุษย์ในการสร้างความสัมพันธ์ เจรจาต่อรอง และปิดการขาย แต่ AI สามารถช่วยค้นคว้าข้อมูลลูกค้า ร่างอีเมล วิเคราะห์ Pipeline เตรียม Meeting Note หรือสรุปข้อเสนอได้

ดังนั้นคำถามจึงไม่ใช่เพียงว่า “อาชีพนี้ AI ทำได้หรือไม่” แต่ควรถามว่า

“ภายในอาชีพนี้ มีงานส่วนไหนที่ AI สามารถทำให้เร็วขึ้น ถูกลง หรือมีประสิทธิภาพมากขึ้น?”

เพราะเมื่อส่วนดังกล่าวเริ่มถูกนำไปใช้จริง มาตรฐานประสิทธิภาพของพนักงานทั้งตลาดก็อาจเปลี่ยนตามไปด้วย

จุดที่คนไม่ใช้ AI อาจเสียเปรียบที่สุด คือ “Productivity Gap”

สมมติว่าพนักงานสองคนมีความสามารถใกล้เคียงกัน

คนแรกต้องใช้เวลา 3 ชั่วโมงในการค้นข้อมูล อ่านเอกสาร สรุปประเด็น และจัดทำร่างรายงาน

อีกคนใช้ AI ช่วยค้นโครงสร้าง สรุปข้อมูลเบื้องต้น ตรวจสอบความครบถ้วน และสร้างร่างแรก ก่อนที่ตัวเองจะนำความรู้จริงมาตรวจสอบและปรับแก้ ทำให้งานเดียวกันเสร็จภายใน 1 ชั่วโมงครึ่ง

หากคุณภาพงานสุดท้ายใกล้เคียงกัน คนที่สองย่อมสามารถนำเวลาที่เหลือไปทำงานอื่นได้มากกว่า

เมื่อเหตุการณ์นี้เกิดขึ้นเป็นครั้งคราว ความแตกต่างอาจยังไม่มาก แต่หากเกิดขึ้นทุกวันเป็นเวลาหลายปี Productivity Gap จะสะสมจนกลายเป็นความแตกต่างด้านผลงาน ประสบการณ์ และโอกาสทางอาชีพ

ข้อมูลล่าสุดจาก PwC 2026 Global AI Jobs Barometer ซึ่งวิเคราะห์ประกาศงานมากกว่าหนึ่งพันล้านรายการใน 27 ประเทศและเขตเศรษฐกิจ พบว่าบริษัทที่อยู่ในกลุ่มซึ่งใช้หรือได้รับอิทธิพลจาก AI สูงกำลังมีความแตกต่างด้าน productivity การเติบโตของจำนวนพนักงาน และค่าจ้างเมื่อเทียบกับบริษัทที่ได้รับอิทธิพลน้อยกว่า นอกจากนี้ ทักษะที่นายจ้างต้องการในงานที่ได้รับผลกระทบจาก AI สูงกำลังเปลี่ยนเร็วกว่าอาชีพที่ได้รับผลกระทบน้อยกว่ามาก 

อย่างไรก็ตาม ตัวเลขเหล่านี้ควรตีความอย่างระมัดระวัง เพราะเป็นความสัมพันธ์จากข้อมูลตลาดแรงงาน ไม่ได้หมายความว่าการเรียน AI เพียงอย่างเดียวจะทำให้เงินเดือนเพิ่มขึ้นทันที หรือ AI เป็นสาเหตุเพียงอย่างเดียวของความแตกต่างทั้งหมด

แต่ทิศทางของข้อมูลสะท้อนประเด็นสำคัญว่า ตลาดกำลังให้คุณค่ากับความสามารถในการนำเทคโนโลยีมาเพิ่มผลิตภาพของงาน

การไม่ใช้ AI อาจไม่ทำให้คุณทำงานแย่ลง แต่คนอื่นอาจทำงานได้เร็วขึ้น

นี่คือจุดที่หลายคนมองข้าม

คนทำงานอาจพูดว่า

“งานของฉันทำแบบเดิมก็ได้”

ซึ่งอาจเป็นเรื่องจริง

ปัญหาคือ ตลาดแรงงานไม่ได้เปรียบเทียบคุณกับตัวคุณเองเมื่อปีที่แล้ว แต่เปรียบเทียบคุณกับ ผู้สมัครและพนักงานคนอื่นในตลาด

ถ้าคุณสามารถทำรายงานได้ 5 ฉบับต่อสัปดาห์เหมือนเดิม คุณไม่ได้ทำงานแย่ลง

แต่ถ้าคนที่มีความสามารถใกล้เคียงกันสามารถใช้ AI ช่วยทำงานบางส่วนจนสามารถจัดการงานคุณภาพเดียวกันได้ 8–10 ฉบับต่อสัปดาห์ มาตรฐานใหม่ขององค์กรอาจค่อย ๆ เปลี่ยนไป

นี่คือเหตุผลที่ AI สามารถสร้างความเสียเปรียบได้ แม้มันจะไม่ได้เข้ามา “แย่งตำแหน่งงาน” โดยตรง

คนที่ไม่ใช้ AI จะเสียเปรียบในเรื่องอะไรบ้าง

ความเสียเปรียบไม่ได้เกิดขึ้นเหมือนกันทุกอาชีพ แต่ในงานที่ AI สามารถช่วยได้มาก ความแตกต่างอาจเกิดขึ้นอย่างน้อยในประเด็นต่อไปนี้

1. ความเร็วในการทำงาน — การค้นข้อมูล สรุปเอกสาร ทำร่างแรก วิเคราะห์ข้อมูลเบื้องต้น หรือจัดรูปแบบเอกสารสามารถใช้เวลาลดลงได้อย่างมากเมื่อมี AI ช่วย
2. จำนวนงานที่สามารถรับผิดชอบได้ — เมื่อ Routine Work ใช้เวลาน้อยลง พนักงานสามารถจัดการปริมาณงานได้มากขึ้น
3. ความสามารถในการเรียนรู้เรื่องใหม่ — AI สามารถเป็นเครื่องมือช่วยอธิบายแนวคิด สรุปเอกสาร เปรียบเทียบข้อมูล และสร้างแบบฝึกหัด ทำให้กระบวนการเรียนรู้บางประเภทเร็วขึ้น
4. ความสามารถในการวิเคราะห์ข้อมูล — ผู้ที่ไม่ใช่ Data Analyst ก็สามารถใช้ AI ช่วยตั้งคำถามกับข้อมูล สร้างสูตร หรือช่วยอธิบายแนวโน้มเบื้องต้นได้
5. คุณภาพของการเตรียมงาน — AI สามารถช่วยตรวจสอบประเด็นที่ตกหล่น เสนอทางเลือก หรือช่วยเตรียม Checklist ก่อนส่งงาน
6. ความสามารถในการทำงานข้ามสายงาน — คน Marketing อาจทำ Data Analysis เบื้องต้นได้ คน HR อาจสร้าง Dashboard ได้ง่ายขึ้น หรือฝ่ายขายสามารถสร้าง Presentation และวิเคราะห์ข้อมูลลูกค้าได้ด้วยตัวเองมากขึ้น
7. ความสามารถในการแข่งขันเวลาสมัครงาน — ในตำแหน่งที่องค์กรนำ AI มาใช้จริง ผู้สมัครที่สามารถอธิบายได้ว่าเคยใช้ AI เพิ่มผลผลิต ลดเวลา หรือปรับปรุง Workflow อย่างไร อาจมีคุณค่าต่อองค์กรสูงกว่าผู้สมัครที่ไม่มีประสบการณ์ดังกล่าว
8. โอกาสในการเติบโตเป็นหัวหน้างาน — ผู้จัดการในอนาคตอาจไม่ได้บริหารเพียง “คน” แต่ต้องออกแบบกระบวนการที่มีทั้งคน ระบบ Automation และ AI ทำงานร่วมกัน
9. ความสามารถในการสร้างผลงานที่ซับซ้อนขึ้น — เมื่อ AI รับงานพื้นฐานบางส่วน คนทำงานจะมีเวลาสำหรับการคิดเชิงกลยุทธ์ การแก้ปัญหา และการตัดสินใจที่มีมูลค่าสูงขึ้น
10. Learning Gap ในระยะยาว — คนที่ใช้ AI ทุกวันอาจไม่ได้เพียงทำงานเร็วกว่า แต่ยังทดลอง เรียนรู้ และได้รับ Feedback เร็วกว่า ทำให้ช่องว่างด้านความสามารถสะสมเพิ่มขึ้นเรื่อย ๆ

แต่ “ใช้ AI เป็น” ไม่ได้หมายความว่าต้องเป็นโปรแกรมเมอร์

อีกหนึ่งความเข้าใจผิดคือ หากต้องการอยู่รอดในยุค AI ทุกคนต้องเรียน Coding, Machine Learning หรือสร้างโมเดล AI

ความจริงไม่จำเป็นต้องเป็นเช่นนั้น

OECD ระบุว่าแรงงานที่จำเป็นต้องมี Advanced AI Skills เช่นการพัฒนาโมเดลหรือทักษะเฉพาะด้าน AI มีสัดส่วนค่อนข้างน้อย โดยน้อยกว่า 1% ของแรงงาน แต่สิ่งที่แรงงานวงกว้างต้องการมากกว่าคือ Digital Skills ความสามารถในการใช้ วิเคราะห์ และตีความข้อมูล รวมถึง Problem Solving, Creativity, Innovation และทักษะการบริหารจัดการ 

ดังนั้น สำหรับพนักงานทั่วไป ความสามารถที่สำคัญกว่าอาจเรียกว่า AI Literacy

กล่าวคือ รู้ว่า AI ทำอะไรได้ ทำอะไรไม่ได้ รู้ว่าจะเลือกใช้อย่างไร รู้ว่าจะเขียนคำสั่งและให้บริบทอย่างไร รู้ว่าจะตรวจสอบคำตอบอย่างไร และรู้ว่างานประเภทใดไม่ควรนำข้อมูลเข้า AI

นี่แตกต่างจากการเป็น AI Engineer อย่างสิ้นเชิง

เช่นเดียวกับยุคคอมพิวเตอร์ คนทำงานจำนวนมากไม่จำเป็นต้องเขียนระบบปฏิบัติการ แต่จำเป็นต้องใช้คอมพิวเตอร์ได้

ยุค AI ก็อาจดำเนินไปในลักษณะเดียวกัน

อาชีพที่ใช้ความรู้สูงอาจได้รับผลกระทบจาก AI มากกว่าที่หลายคนคิด

คนจำนวนหนึ่งเคยเชื่อว่า AI จะกระทบเฉพาะงานระดับล่างหรืองาน Routine

แต่ Generative AI ทำให้สมมติฐานนี้เปลี่ยนไป

OECD ระบุว่าอาชีพอย่างผู้เชี่ยวชาญด้าน IT ผู้เชี่ยวชาญด้านธุรกิจ ผู้บริหาร ผู้บริหารระดับสูง รวมถึงสายวิทยาศาสตร์และวิศวกรรม เป็นหนึ่งในกลุ่มที่มี AI Exposure สูง ในขณะที่งานบางประเภท เช่น งานทำความสะอาด งานเกษตร งานช่วยเตรียมอาหาร และแรงงานบางประเภทมี Exposure โดยตรงน้อยกว่า 

อย่างไรก็ตาม คำว่า “Exposure สูง” ไม่ได้แปลว่า “มีโอกาสตกงานสูง” เสมอไป

OECD เน้นว่าความก้าวหน้าของ AI สามารถทำหน้าที่ Complement หรือเสริมความสามารถของคนได้ ไม่ใช่เพียง Automation หรือการแทนที่คนเท่านั้น 

ตัวอย่างเช่น แพทย์ที่ใช้ AI ช่วยวิเคราะห์ข้อมูลไม่ได้แปลว่าแพทย์หมดความสำคัญ แต่อาจหมายความว่าแพทย์สามารถใช้ข้อมูลประกอบการตัดสินใจได้เร็วขึ้น

วิศวกรที่ใช้ AI ช่วยตรวจสอบโค้ดไม่ได้ทำให้ความรู้ทางวิศวกรรมไม่มีค่า แต่กลับทำให้ความสามารถในการตรวจสอบผลลัพธ์และตัดสินใจเชิงเทคนิคมีความสำคัญมากขึ้น

นักการตลาดสามารถสร้างข้อความด้วย AI ได้ภายในไม่กี่วินาที แต่การเข้าใจลูกค้า Positioning แบรนด์ และกลยุทธ์ยังคงต้องการความรู้จริง

ดังนั้น ในหลายอาชีพ AI อาจไม่ได้ลดคุณค่าของผู้เชี่ยวชาญ แต่กลับทำให้เกิดความแตกต่างระหว่าง “ผู้เชี่ยวชาญที่มี AI เป็นเครื่องทุ่นแรง” กับ “ผู้เชี่ยวชาญที่ยังต้องทำทุกอย่างด้วยตัวเอง”

AI อาจทำให้ “คนเก่ง” ยิ่งเก่งขึ้น

หนึ่งในปรากฏการณ์ที่ควรจับตามองคือ AI สามารถทำหน้าที่เหมือน Force Multiplier หรือเครื่องขยายความสามารถ

คนที่มีความรู้จริงสามารถตั้งคำถามได้ดีกว่า รู้ว่าคำตอบใดผิด รู้ว่าข้อมูลใดควรตรวจสอบ และรู้ว่าส่วนไหนของคำตอบ AI สามารถนำไปใช้ได้

ในทางกลับกัน คนที่ไม่มีความรู้พื้นฐานอาจได้รับคำตอบจาก AI เหมือนกัน แต่ไม่สามารถประเมินได้ว่าคำตอบนั้นถูกหรือผิด

นี่ทำให้เกิดข้อสรุปสำคัญว่า

AI ไม่ได้ทำให้ความรู้ในสายอาชีพหมดความสำคัญ แต่กลับทำให้ Domain Expertise มีความสำคัญในรูปแบบใหม่

PwC พบแนวโน้มที่น่าสนใจในปี 2026 ว่า งานบางกลุ่มที่ AI เข้าไปช่วยทำ Routine Work กลับต้องการทักษะของมนุษย์ เช่น Judgement, Creativity และ Leadership มากขึ้น และในตำแหน่งระดับเริ่มต้นที่ได้รับผลกระทบจาก AI สูง นายจ้างมีแนวโน้มเรียกร้องทักษะที่ในอดีตมักคาดหวังจากคนที่มีประสบการณ์มากกว่า 

นั่นหมายความว่า AI อาจไม่ได้ทำให้ Skill Bar ต่ำลงเสมอไป

ในบางอาชีพ Skill Bar อาจสูงขึ้น

เด็กจบใหม่อาจเป็นกลุ่มที่ต้องปรับตัวมากเป็นพิเศษ

ในอดีต งานระดับ Entry-Level จำนวนมากถูกออกแบบให้พนักงานใหม่เริ่มจากงานพื้นฐาน เช่น ทำรายงาน รวบรวมข้อมูล จัดเอกสาร Research เบื้องต้น ทำ Presentation หรือเตรียมข้อมูลให้พนักงานอาวุโส

แต่หลายกิจกรรมเหล่านี้เป็นงานที่ Generative AI สามารถช่วยได้ดี

ผลที่ตามมาอาจไม่ใช่ว่าบริษัทจะหยุดรับเด็กจบใหม่ทั้งหมด แต่บริษัทอาจเริ่มถามว่า

ถ้า AI ช่วยทำงานพื้นฐานได้มากขึ้น พนักงาน Junior ควรสร้างคุณค่าอะไรเพิ่มเติม?

PwC พบจากการวิเคราะห์ตำแหน่ง Entry-Level ในสหรัฐฯ ว่า ตำแหน่งระดับต้นที่ได้รับผลกระทบจาก AI สูงมีแนวโน้มต้องการทักษะที่เดิมถือเป็นทักษะระดับอาวุโส เช่น การใช้วิจารณญาณและภาวะผู้นำ มากกว่าตำแหน่ง Entry-Level ที่ได้รับผลกระทบจาก AI ต่ำอย่างมีนัยสำคัญ 

ดังนั้น เด็กจบใหม่ยุคต่อไปอาจต้องแสดงให้บริษัทเห็นมากกว่าเพียงว่า “ทำตามคำสั่งได้”

แต่ต้องแสดงว่า คิดได้ วิเคราะห์ได้ ใช้เครื่องมือได้ และตรวจสอบงานของตัวเองได้

แล้วคนที่ไม่ใช้ AI ทุกคนจะเสียเปรียบหรือไม่?

ไม่จำเป็น

ผลกระทบขึ้นอยู่กับลักษณะงานอย่างมาก

พนักงานทำความสะอาด ช่างเทคนิค พ่อครัว พนักงานบริการ พนักงานก่อสร้าง พนักงานคลังสินค้า หรืออาชีพที่ต้องทำงานกับวัตถุ เครื่องจักร สถานที่ หรือลูกค้าจริง อาจไม่ได้ใช้ Generative AI ใน “งานหลัก” มากเท่ากับพนักงานสำนักงาน

อย่างไรก็ตาม แม้คนทำงานเหล่านี้อาจไม่ได้ใช้ AI ทำภารกิจหลัก AI ก็ยังอาจเข้ามาอยู่ในระบบรอบตัว เช่น การจัดตารางงาน การบริหาร Stock การ Forecast ยอดขาย ระบบซ่อมบำรุง ระบบ Training หรือระบบจัดการลูกค้า

ดังนั้น ระดับ AI Literacy ที่จำเป็นของแต่ละอาชีพจึงไม่เท่ากัน

การบังคับว่าพนักงานทุกคนต้องใช้ AI เท่ากันจึงเป็นแนวคิดที่ผิดเช่นเดียวกับการบอกว่า AI ไม่มีความสำคัญเลย

สิ่งที่น่ากลัวกว่าการไม่ใช้ AI คือ “ปฏิเสธที่จะเรียนรู้”

คนทำงานไม่จำเป็นต้องรีบใช้ AI ทุกเครื่องมือที่ออกมา

วันนี้อาจเป็น ChatGPT, Copilot หรือ Gemini วันข้างหน้าอาจมีเครื่องมือประเภทใหม่เกิดขึ้นอีกจำนวนมาก

การพยายามจดจำทุก Platform จึงไม่ใช่กลยุทธ์ที่ยั่งยืน

ทักษะสำคัญจริง ๆ คือ Learning Agility หรือความสามารถในการเรียนรู้และปรับตัวเมื่อเครื่องมือเปลี่ยน

World Economic Forum พบว่า 77% ของนายจ้างที่สำรวจวางแผน Upskill บุคลากรเพื่อรับมือกับ AI ขณะเดียวกัน 41% ระบุว่ามีแผนลดกำลังคนในส่วนที่ AI สามารถ Automate งานบางประเภทได้ 

ตัวเลขสองชุดนี้สะท้อนภาพตลาดแรงงานได้ดีมาก

องค์กรไม่ได้เลือกเพียงทางเดียวว่า “เก็บคน” หรือ “ใช้ AI”

หลายองค์กรกำลังทำสองอย่างพร้อมกัน คือ

ลงทุนกับคนที่สามารถพัฒนาไปทำงานรูปแบบใหม่ และลดความต้องการแรงงานในงานที่สามารถทำซ้ำด้วยเทคโนโลยี

จึงเป็นเหตุผลว่าทำไมความสามารถในการเรียนรู้อาจสำคัญกว่าการรู้เครื่องมือใดเครื่องมือหนึ่ง

แต่คนที่ใช้ AI ก็ไม่ได้มีความได้เปรียบโดยอัตโนมัติ

อีกด้านหนึ่งของปัญหาที่ควรระวังคือ การคิดว่าเพียงเปิด AI ใช้งานก็ถือว่ามี AI Skill

ความสามารถในการ Copy คำตอบจาก AI ไม่ใช่ทักษะแห่งอนาคต

ในความเป็นจริง คนที่ใช้ AI โดยไม่มีวิจารณญาณอาจสร้างความเสี่ยงต่อองค์กรมากกว่าคนที่ไม่ใช้เสียอีก

ตัวอย่างเช่น นำข้อมูลลูกค้า ข้อมูลพนักงาน เงินเดือน ความลับทางการค้า หรือข้อมูลภายในองค์กรไปป้อนในระบบ AI โดยไม่ได้รับอนุญาต นำข้อมูลที่ AI สร้างขึ้นมาใช้โดยไม่ตรวจสอบข้อเท็จจริง หรือใช้ AI ตัดสินใจเกี่ยวกับคนโดยไม่พิจารณาความเสี่ยงด้าน Bias

OECD ชี้ให้เห็นว่าการใช้ AI ในโลกการทำงานต้องพิจารณาความปลอดภัย ความเป็นส่วนตัว ความโปร่งใส Accountability และความเสี่ยงที่ระบบอาจทำให้ Bias หรือการเลือกปฏิบัติในตลาดแรงงานรุนแรงขึ้น 

ดังนั้น คนที่มีคุณค่าต่อองค์กรไม่ใช่เพียง AI User

แต่ต้องเป็น Responsible AI User

สูตรของคนทำงานที่มีมูลค่าสูงในอนาคต อาจไม่ใช่ AI เพียงอย่างเดียว

เมื่อพิจารณาจากแนวโน้มตลาดแรงงาน สิ่งที่มีมูลค่ามากที่สุดน่าจะเป็นการผสมผสานระหว่าง

ความรู้ในสายอาชีพ + AI Literacy + Analytical Thinking + Human Skills

ตัวอย่างง่าย ๆ คือ

นักบัญชีที่รู้บัญชีจริงและใช้ AI เป็น มีคุณค่ามากกว่าคนที่รู้ AI แต่ไม่เข้าใจบัญชี

Sales ที่เข้าใจลูกค้า เจรจาเก่ง และใช้ AI วิเคราะห์ข้อมูลลูกค้าได้ มีคุณค่ามากกว่าคนที่สร้างอีเมลขายด้วย AI ได้เพียงอย่างเดียว

HR ที่เข้าใจกฎหมายแรงงาน การบริหารคน และ Organizational Behavior แล้วใช้ AI เพิ่มประสิทธิภาพงานได้ ย่อมแตกต่างจากคนที่ให้ AI เขียนเอกสาร HR ทุกอย่างโดยไม่สามารถประเมินว่าถูกต้องหรือไม่

ผู้จัดการที่เข้าใจธุรกิจและสามารถออกแบบ Workflow ให้คนกับ AI ทำงานร่วมกันได้ อาจมีคุณค่ามากกว่าผู้จัดการที่ยังบริหารด้วยกระบวนการเดิมทั้งหมด

AI จึงควรถูกมองเป็น Leverage ไม่ใช่ Substitute for Knowledge

ในมุมของนายจ้าง คนที่ไม่ใช้ AI ควรถูกตัดออกจากการรับสมัครหรือไม่?

ไม่ควรใช้เป็นหลักเกณฑ์แบบเหมารวม

บริษัทควรวิเคราะห์ก่อนว่าตำแหน่งนั้นต้องใช้ AI จริงหรือไม่ และใช้ในระดับใด

การระบุในประกาศงานทุกตำแหน่งว่า “ต้องใช้ AI เป็น” ทั้งที่ไม่มีความเกี่ยวข้องกับงานจริง อาจกลายเป็นการตั้ง Qualification ที่ไม่มีความจำเป็น

แนวทางที่เหมาะสมกว่าคือประเมิน AI Competency ตามลักษณะงาน

เช่น ตำแหน่งหนึ่งอาจต้องรู้เพียงวิธีใช้ AI ช่วยค้นข้อมูล ขณะที่อีกตำแหน่งต้องสามารถสร้าง Automation หรือออกแบบ AI Workflow และอีกตำแหน่งอาจไม่จำเป็นต้องใช้ Generative AI เลย

องค์กรยังควรกำหนด AI Policy ที่ชัดเจน โดยเฉพาะเรื่องข้อมูลส่วนบุคคล ข้อมูลลูกค้า ความลับทางธุรกิจ Intellectual Property การตรวจสอบ Output และผู้รับผิดชอบในการตัดสินใจสุดท้าย

เพราะการผลักดันให้พนักงาน “ใช้ AI ให้มากที่สุด” โดยไม่มี Governance อาจสร้างความเสี่ยงมากกว่าประโยชน์

บทวิเคราะห์: สิ่งที่จะเกิดขึ้นอาจไม่ใช่ “AI แทนคน” แต่เป็น “มาตรฐานของคนทำงานสูงขึ้น”

หากมองตลาดแรงงานในระยะยาว ประเด็นที่น่าจับตามองที่สุดอาจไม่ใช่จำนวนตำแหน่งงานที่ AI ทำให้หายไปเพียงอย่างเดียว

แต่คือ AI ทำให้สิ่งที่องค์กรคาดหวังจากพนักงานหนึ่งคนเพิ่มขึ้นได้มากเพียงใด

ในอดีต บริษัทอาจต้องใช้พนักงานหลายคนสำหรับ Research, Reporting, Documentation, Presentation และ Data Processing

เมื่อเทคโนโลยีทำให้พนักงานหนึ่งคนสามารถจัดการงานได้กว้างขึ้น บริษัทอาจไม่จำเป็นต้องเพิ่มจำนวนคนในอัตราเดียวกับปริมาณงานที่เพิ่มขึ้น

แต่ในอีกด้านหนึ่ง Productivity ที่สูงขึ้นสามารถทำให้บริษัทขยายธุรกิจ สร้างผลิตภัณฑ์ใหม่ เปิดตลาดใหม่ และสร้างงานประเภทใหม่ได้เช่นกัน OECD จึงอธิบายผลกระทบของ AI ผ่านหลายช่องทางพร้อมกัน ทั้งการ Automate งาน การสร้างงานและหน้าที่ใหม่ และการเพิ่ม Productivity ซึ่งผลสุทธิต่อตลาดแรงงานขึ้นอยู่กับว่าแรงต่าง ๆ เหล่านี้สมดุลกันอย่างไร 

นั่นคือเหตุผลที่ประโยคว่า “AI จะทำให้คนตกงาน” ง่ายเกินไป

และประโยคว่า “AI ไม่มีทางแทนคนได้” ก็ง่ายเกินไปเช่นกัน

ความจริงอยู่ระหว่างสองด้าน

AI สามารถแทน บาง Task

AI สามารถเพิ่มประสิทธิภาพ บาง Task

AI สามารถสร้าง Task ใหม่

และทั้งหมดสามารถเกิดขึ้นพร้อมกันภายในอาชีพเดียวกัน

แล้วคนทำงานควรเตรียมตัวอย่างไรตั้งแต่วันนี้?

เป้าหมายไม่ควรเป็น “ใช้ AI ให้เก่งที่สุดในบริษัท”

แต่ควรเป็น

“ทำให้งานของเราในเวอร์ชันที่มี AI ดีกว่างานเวอร์ชันที่ไม่มี AI”

เริ่มจากเลือกงานที่ทำซ้ำบ่อย เช่น การสรุปเอกสาร การเตรียมรายงาน การ Research การร่างอีเมล การสร้าง Presentation หรือการจัดโครงสร้างข้อมูล แล้วทดลองใช้ AI เป็นผู้ช่วย

จากนั้นวัดผลจริงว่าใช้เวลาลดลงหรือไม่ คุณภาพดีขึ้นหรือไม่ และมีข้อผิดพลาดประเภทใดเกิดขึ้น

ขั้นต่อไปคือพัฒนาความสามารถในการตรวจสอบ Output

เพราะในอนาคต สิ่งที่บริษัทต้องการอาจไม่ใช่คนที่สามารถ “ถาม AI” ได้ แต่เป็นคนที่สามารถบอกได้ว่า

AI ตอบผิดตรงไหน ทำไมผิด และควรแก้เป็นอะไร

ตรงนี้เองที่ Domain Knowledge และ Critical Thinking จะมีมูลค่าสูงขึ้น

สรุป: คนที่ไม่ใช้ AI จะเสียเปรียบในตลาดแรงงานหรือไม่?

คำตอบคือ มีแนวโน้มเสียเปรียบมากขึ้น โดยเฉพาะในอาชีพที่ AI สามารถช่วยเพิ่ม Productivity ได้อย่างมีนัยสำคัญ

แต่ไม่ใช่เพราะนายจ้างจะเลิกจ้างทุกคนที่ไม่ใช้ AI และไม่ใช่เพราะทุกอาชีพต้องกลายเป็นผู้เชี่ยวชาญด้าน AI

ความเสี่ยงที่แท้จริงคือ เมื่อคนสองคนมีความรู้และความสามารถใกล้เคียงกัน แต่คนหนึ่งสามารถใช้ AI ช่วยลดงานซ้ำ เพิ่มความเร็ว วิเคราะห์ข้อมูล เรียนรู้ และสร้างผลงานได้มากกว่าอย่างต่อเนื่อง ความแตกต่างด้าน Productivity จะสะสมจนกลายเป็นความแตกต่างด้านมูลค่าในตลาดแรงงาน

ในทางกลับกัน การใช้ AI เพียงอย่างเดียวก็ไม่เพียงพอ

ตลาดแรงงานกำลังต้องการคนที่มีทั้ง ความรู้จริงในสายอาชีพ ความสามารถในการคิดวิเคราะห์ การตัดสินใจ ความคิดสร้างสรรค์ การสื่อสาร ความรับผิดชอบ และความสามารถในการนำ AI มาใช้เป็นเครื่องมือ

ดังนั้น ประโยคที่อธิบายอนาคตของตลาดแรงงานได้แม่นยำกว่า

“AI อาจไม่ได้มาแทนคนทั้งหมด แต่คนที่สามารถใช้ AI เพิ่มความสามารถของตนเอง อาจมีความได้เปรียบเหนือคนที่ยังทำงานแบบเดิมโดยไม่ปรับตัว”

และสำหรับคนทำงาน สิ่งสำคัญจึงไม่ใช่การวิ่งตามเครื่องมือ AI ทุกตัว แต่คือการสร้างความสามารถในการ เรียนรู้ ทดลอง ตรวจสอบ และประยุกต์ใช้เทคโนโลยีกับงานจริง

เพราะในตลาดแรงงานยุคต่อไป ความได้เปรียบอาจไม่ได้อยู่ที่ว่า “คุณรู้จัก AI หรือไม่”

แต่อยู่ที่ว่า

“เมื่อมี AI อยู่ในมือแล้ว คุณสามารถสร้างผลงานที่มีคุณค่ามากกว่าเดิมได้แค่ไหน”