AI คุณค่าของงาน และความหายากของความเชี่ยวชาญ

แต่ถ้าเราหยุดอยู่แค่คำถามว่า “งานอะไรจะหายไป” เราอาจพลาดภาพที่ใหญ่กว่า

AI ไม่ได้แค่แย่งงาน แต่มันกำลังเปลี่ยน “คุณค่าของงาน”

งานบางอย่างที่เคยมีราคา อาจกลายเป็นงานทั่วไป เพราะ AI ทำได้เร็วกว่า ถูกกว่า และดีพอ

งานบางอย่างอาจถูกลดความสำคัญลง เพราะทักษะที่เคยหายากเริ่มแพร่กระจายไปสู่คนจำนวนมาก

แต่งานบางอย่างอาจมีมูลค่าสูงขึ้น เพราะ AI ทำให้งานส่วนที่ง่ายกว่าออกไป เหลือแต่งานที่ต้องใช้ความเข้าใจลึกขึ้น การตัดสินใจดีขึ้น และความรับผิดชอบมากขึ้น

ดังนั้นคำถามสำคัญอาจไม่ใช่แค่ว่า AI จะมาแทนงานอะไร แต่คือ AI จะเปลี่ยน “ความหายากของความเชี่ยวชาญ” อย่างไร และประเทศไทยจะทำอย่างไรให้คนไทยเข้าไปอยู่ในงานใหม่ที่มีคุณค่ามากขึ้น ไม่ใช่เพียงอยู่ในงานเดิมที่ AI ค่อยๆ ลดมูลค่าลง

เราไม่ควรมองแค่อาชีพ แต่ต้องมองที่เนื้องาน

เวลาถามว่า AI จะมาแย่งงานใครบ้าง เรามักมองเป็นรายอาชีพ อาชีพนี้เสี่ยง อาชีพนั้นไม่เสี่ยง อาชีพนี้จะหายไป อาชีพนั้นยังรอด

แต่กรอบคิดนี้ไม่ละเอียดพอ เพราะ AI ไม่ได้กระทบทั้งอาชีพเท่ากัน แต่มันกระทบ “เนื้องาน” ในแต่ละอาชีพ

คนสองคนที่มีตำแหน่งงานคล้ายกัน อาจเจออนาคตที่ต่างกันมาก หากเนื้องานที่เขาทำไม่เหมือนกัน

คนหนึ่งอาจใช้ AI เพื่อขยายความสามารถของตัวเอง ในขณะที่อีกคนอาจถูก AI ลดความหายากของทักษะที่เคยเป็นจุดแข็งของตัวเอง

David Autor นักเศรษฐศาสตร์แห่ง MIT ที่ศึกษาผลของเทคโนโลยีต่อตลาดแรงงาน ได้เสนอกรอบคิดที่ช่วยให้เข้าใจเรื่องนี้ได้ดีคือ human task duration หรือระยะเวลาที่มนุษย์ต้องใช้ในการทำงานชิ้นหนึ่งให้เสร็จ

เหตุผลคือ งานที่ใช้เวลานานมักต้องอาศัยการคิดหลายขั้น เชื่อมโยงข้อมูลหลายส่วน และตัดสินใจระหว่างทางหลายครั้ง ยิ่งงานต้องคิดหลายขั้น โอกาสที่ AI จะพลาดในขั้นใดขั้นหนึ่งก็ยิ่งสะสมมากขึ้น

ผมขอแปลกรอบคิดนี้เป็นภาษาไทยง่ายๆ ว่า “งานความจำสั้น” กับ “งานความจำยาว” (กรอบคิดนี้ต่อยอดจากการวิเคราะห์เรื่อง task-based approach และการออกแบบงานในยุค AI โดย Autor, Mindell and Reynolds, 2022)

งานความจำสั้น คือ งานที่จบได้ภายในโจทย์สั้นๆ มีขอบเขตชัด มีข้อมูลพอ และตรวจผลลัพธ์ได้ค่อนข้างเร็ว

เช่น สรุปเอกสาร แปลภาษา จัดรูปแบบข้อมูล เขียนอีเมล ทำสไลด์เบื้องต้น เขียนบทความร่างแรก เขียนโค้ดบางส่วน หรือหาคำตอบจากข้อมูลที่ให้มา

งานเหล่านี้ไม่ได้ง่ายเสมอไป หลายงานเคยเป็นทักษะที่มีมูลค่าสูง และคนจำนวนมากใช้เวลาฝึกอยู่นาน

แต่จุดร่วมคือ ถ้าโจทย์ชัด ข้อมูลพอ และตรวจคำตอบได้เร็ว AI จะทำได้ดีขึ้นเรื่อยๆ

นี่คือเหตุผลที่หลายคนซึ่งเคยมั่นใจว่างานเราใช้ความรู้ เริ่มรู้สึกสั่นคลอน

เพราะ AI ไม่ได้มาแทนแค่งานซ้ำๆ แบบเดิม แต่มาแทนชิ้นงานทางปัญญาที่มีขอบเขตชัดเจนขึ้นเรื่อยๆ

ในอีกด้านหนึ่ง ยังมีงานอีกประเภทที่มนุษย์ยังมีคุณค่ามาก คือ “งานความจำยาว”

งานความจำยาวไม่ได้อาศัยแค่ข้อมูลตรงหน้า แต่ต้องอาศัยบริบทสะสม

• รู้ว่าทำไมเรื่องนี้เคยล้มเหลว
• รู้ว่าใครเชื่ออะไร และไม่เชื่ออะไร
• รู้ว่าองค์กรนี้มีข้อจำกัดจริงๆ อยู่ตรงไหน
• รู้ว่าตัวเลขไหนควรเชื่อ และตัวเลขไหนต้องระวัง
• รู้ว่าประโยคไหนพูดได้ในห้องประชุม และประโยคไหนพูดแล้วงานพัง
• รู้ว่าเมื่อเลือกทางหนึ่ง จะกระทบใคร และต้องรับผิดชอบอย่างไร

งานแบบนี้ไม่ได้จบด้วยคำตอบที่ “ถูก” อย่างเดียว แต่ต้องการ judgment ความเข้าใจบริบท ความน่าเชื่อถือ ความสัมพันธ์ และความรับผิดชอบต่อผลลัพธ์

• AI อาจช่วยร่างนโยบายได้ แต่การรู้ว่านโยบายนี้จะผ่านทางการเมืองได้ไหม กระทบกลุ่มไหน และควรออกแบบ transition อย่างไร ยังต้องใช้ความจำยาว
• AI อาจช่วยวิเคราะห์งบการเงินได้ แต่การอ่านให้ออกว่าบริษัทนี้มีปัญหาเชิงธรรมาภิบาลหรือไม่ ยังต้องใช้ประสบการณ์และสัญชาตญาณที่สะสมมา
• AI อาจช่วยสรุปเอกสารราชการได้ แต่การรู้ว่าคอขวดจริงอยู่ที่กฎ ระเบียบ คน ระบบแรงจูงใจ หรือวัฒนธรรมองค์กร ยังต้องใช้ความเข้าใจเชิงสถาบัน
• AI อาจช่วยนักเรียนเขียน essay ได้ แต่การสร้างมุมมองของตัวเอง ถามคำถามที่ดี และรับผิดชอบต่อเหตุผลของตัวเอง ยังเป็นสิ่งที่การศึกษาไม่ควรปล่อยให้หายไป

แน่นอนว่า ในอนาคต AI จะจำบริบทได้ยาวขึ้น วางแผนได้หลายขั้นขึ้น และเชื่อมโยงข้อมูลข้ามงานได้ดีขึ้นกว่าวันนี้มาก

แต่ “ความจำยาว” ในที่นี้ไม่ใช่แค่ context window ที่ใหญ่ขึ้น

มันคือความสามารถในการสะสมบริบทจริง เข้าใจคน เข้าใจสถาบัน ตัดสินใจภายใต้ข้อจำกัด และรับผิดชอบต่อผลลัพธ์ ซึ่งนี่คือทักษะที่ตลาดแรงงานไทยควรให้ความสำคัญมากขึ้น

เทคโนโลยีไม่ได้แค่ทำให้งานหาย แต่สร้างงานใหม่ด้วย

ประวัติศาสตร์ของเทคโนโลยีให้บทเรียนสำคัญข้อหนึ่ง

ทุกครั้งที่เทคโนโลยีใหญ่เข้ามา เรามักเห็นงานบางประเภทหายไปก่อน และเกิดความกังวลว่าแรงงานมนุษย์จะหมดความสำคัญ

แต่ในระยะยาว เทคโนโลยีก็สร้าง “งานใหม่” ขึ้นมาเช่นกัน

งานวิจัยที่ศึกษาประวัติศาสตร์ตลาดแรงงานสหรัฐฯ ตั้งแต่ปี 1940 ถึง 2018 พบว่า ประมาณ 60% ของคนอเมริกันที่มีงานทำในปี 2018 ทำงานในอาชีพที่ยังไม่มีอยู่เลยในปี 1940 (Autor, Chin, Salomons and Seegmiller, 2024)

พูดง่ายๆ คือ งานจำนวนมากในวันนี้ เป็นงานที่ไม่ได้มีอยู่ในโลกของคนรุ่นปู่ย่าตายายของเรา เช่น data scientist, cybersecurity analyst, software engineer, wind turbine technician, AI specialist หรือแม้แต่งานบริการและงานสร้างสรรค์รูปแบบใหม่ๆ ที่เกิดจากรายได้ รสนิยม เทคโนโลยี และวิถีชีวิตที่เปลี่ยนไป

ข้อค้นพบนี้สำคัญมาก เพราะมันทำให้เราไม่ควรถามแค่ว่า AI จะมาแทนที่งานอะไร แต่ควรถามต่อว่า AI จะสร้างงานใหม่แบบไหนงานใหม่นั้นต้องการความเชี่ยวชาญอะไร และคนไทยจะเข้าไปอยู่ในงานเหล่านั้นได้อย่างไร

นี่คือจุดที่การถกเถียงเรื่อง AI ในไทยควรขยับจากความกลัว ไปสู่การออกแบบนโยบาย

หากเรามอง AI เป็นเพียงเครื่องมือที่ทำให้งานบางอย่างหายไป คำตอบเชิงนโยบายก็จะวนอยู่กับการปกป้องงานเดิม

แต่ถ้าเรามอง AI เป็นเทคโนโลยีที่เปลี่ยนโครงสร้างของงาน คำถามเชิงนโยบายจะเปลี่ยนทันที จาก “จะปกป้องงานเก่าอย่างไร” เป็น “จะสร้างงานใหม่และทักษะใหม่อย่างไร”

หัวใจของเรื่องนี้คือ “ความหายากของความเชี่ยวชาญ”

ในตลาดแรงงาน งานไม่ได้มีมูลค่าเพียงเพราะเป็นงานที่มีประโยชน์ แต่มูลค่าของงานจำนวนมากขึ้นอยู่กับว่า ทักษะที่ใช้ทำงานนั้น “หายาก” แค่ไหน

ลองคิดถึงตัวอย่างง่าย ๆ ครับ

การดูแลเด็กเป็นงานที่มีคุณค่ามาก แต่พี่เลี้ยงเด็กทั่วไปกับพยาบาล ICU เด็กไม่ได้รับค่าตอบแทนเท่ากัน ทั้งที่ทั้งสองงานต่างเกี่ยวข้องกับการดูแลเด็ก

เหตุผลไม่ใช่เพราะงานหนึ่งมีคุณค่าทางศีลธรรมมากกว่าอีกงานหนึ่ง

แต่เพราะทักษะที่จำเป็นในการเป็นพยาบาล ICU เด็กนั้นหายากกว่า ต้องใช้เวลาฝึกนานกว่า และมีคนทำได้จำนวนน้อยกว่า ตลาดแรงงานจึงให้ค่าตอบแทนสูงกว่า

นี่คือหลักคิดสำคัญในยุค AI

ทักษะที่มีค่ามาก ไม่ใช่เพราะเป็นเพียงทักษะที่มีประโยชน์ แต่คือทักษะที่ยังหายาก และยังสร้างผลลัพธ์ที่คนอื่นหรือเครื่องจักรทำแทนได้ยาก

ในอดีต การใช้ Microsoft Office เคยเป็นทักษะที่มีราคา วันนี้กลายเป็นทักษะพื้นฐานที่แทบทุกคนต้องทำได้

วันนี้ Python, data analytics, cybersecurity, AI workflow หรือการออกแบบระบบที่ทำงานร่วมกับ AI อาจยังเป็นทักษะที่มีราคา

แต่เมื่อเวลาผ่านไป ทักษะเหล่านี้บางส่วนก็จะกระจายตัวมากขึ้น กลายเป็นทักษะพื้นฐานมากขึ้น และค่าตอบแทนพิเศษก็จะค่อยๆ ลดลง

นี่คือวงจรของงานใหม่

• เทคโนโลยีสร้างงานใหม่
• งานใหม่ต้องการความเชี่ยวชาญใหม่
• ความเชี่ยวชาญใหม่มีมูลค่าเพราะยังหายาก
• แต่เมื่อคนเรียนรู้มากขึ้น ความหายากก็ลดลง
• และงานนั้นอาจกลายเป็นงานทั่วไป หรือถูกเทคโนโลยีรุ่นถัดไปทำแทนได้อีก

ในยุค AI วงจรนี้อาจหมุนเร็วกว่าเดิมมาก สิ่งที่วันนี้เป็นทักษะพิเศษ อีกไม่กี่ปีอาจกลายเป็นเรื่องพื้นฐาน

ดังนั้น สิ่งที่น่ากลัวอาจไม่ใช่แค่ “ตำแหน่งงานหายไป” แต่คือ “ความเชี่ยวชาญ” ที่เคยมีราคา กลายเป็นของทั่วไปเร็วขึ้นมาก

คนที่เคยมีแต้มต่อจากการทำงานบางอย่างได้ดี อาจพบว่า AI ทำสิ่งนั้นได้เร็วกว่า ถูกกว่า และดีพอ

แต่ในเวลาเดียวกัน คนที่สามารถย้ายไปสู่ทักษะใหม่ งานใหม่ และบทบาทใหม่ได้เร็ว ก็อาจได้ประโยชน์มากขึ้น

นี่จึงไม่ใช่แค่เรื่อง “มีงาน” หรือ “ไม่มีงาน” แต่เป็นเรื่องว่า งานของเราจะยังมี “คุณค่า” แค่ไหน

AI อาจยกระดับงานบางอย่าง และลดมูลค่างานบางอย่าง

AI ไม่ได้กระทบทุกงานเหมือนกัน ลองนึกถึงคนทำงานสองแบบ

คนแรกทำงานที่มีงานย่อยจำนวนมากเป็นงานพื้นฐาน เช่น สรุปเอกสาร จัดข้อมูล ร่างอีเมล หรือทำงานเอกสารซ้ำๆ

ถ้า AI เข้ามาช่วยทำงานเหล่านี้ คนคนนั้นอาจมีเวลามากขึ้นไปทำงานที่ต้องใช้ judgment การตัดสินใจ การเข้าใจลูกค้า การแก้ปัญหาซับซ้อน หรือการวางกลยุทธ์

ในกรณีนี้ AI อาจทำให้งานของเขา “มีมูลค่าสูงขึ้น” เพราะ AI เอางานที่เป็นภาระออกไป และเปิดพื้นที่ให้มนุษย์ทำงานที่ใช้ความเชี่ยวชาญมากขึ้น

แต่คนอีกคนหนึ่งอาจมีคุณค่าหลักของงานอยู่ที่ทักษะที่ AI ทำได้พอดี เช่น การพิสูจน์อักษร การแปลเอกสารทั่วไป การร่างบทความมาตรฐาน การเขียนโค้ดบางประเภท หรือการทำสไลด์ PowerPoint ทั่วไป

ถ้า AI ทำส่วนที่เป็น “แกนหลัก” ของมูลค่างานนั้นได้ งานของเขาอาจถูกลดมูลค่าลง

นี่คือเหตุผลที่การถามว่า “อาชีพไหนเสี่ยง” อาจไม่พอ เพราะ AI ไม่ได้กระทบทั้งอาชีพเท่ากัน มันกระทบ “เนื้องาน” ภายในอาชีพ

และผลลัพธ์ขึ้นอยู่กับว่า เนื้องานที่ AI ทำแทนนั้นเป็นงานพื้นฐานรอบนอก หรือเป็นแกนกลางของความเชี่ยวชาญในอาชีพนั้น

นี่เป็นเหตุผลที่คนสองคนในอาชีพคล้ายกัน อาจเจออนาคตที่ต่างกันมาก

คนหนึ่งใช้ AI เพื่อขยายความสามารถของตัวเอง

อีกคนถูก AI ลดความหายากของทักษะที่เคยเป็นจุดแข็งของตัวเอง

Reskill ไม่ควรเป็นแค่การสอน prompt

เมื่อพูดถึงการเตรียมแรงงานไทยสำหรับยุค AI คำตอบที่ได้ยินบ่อยที่สุดคือ reskill

แต่คำว่า reskill อาจกว้างจนแทบไม่มีความหมาย หากเราไม่ถามต่อว่า reskill เพื่ออะไร

ถ้า reskill หมายถึงการเปิดคอร์สสอน prompt จำนวนมาก แล้วนับว่ามีคนผ่านอบรมกี่คน ผมคิดว่านั่นยังไม่พอ

การใช้ AI ขั้นพื้นฐานจะกลายเป็นเหมือนการใช้ Excel หรือ PowerPoint นั่นคือ จำเป็น แต่ไม่ได้ทำให้ใครมีแต้มต่อมากนัก

โจทย์ที่ยากกว่าคือ เราจะช่วยให้แรงงานไทยขยับจากงานความจำสั้น ไปสู่งานความจำยาวได้อย่างไร

หรือพูดอีกแบบหนึ่งคือ เราจะช่วยให้คนไทยสร้าง “ทุนความจำยาว” ของตัวเองได้อย่างไร

ทุนความจำยาวนี้คือ ความรู้ลึกในเรื่องหนึ่ง ประสบการณ์จริง การคิดเชิงระบบ ความสามารถในการเชื่อมโยงอดีต ปัจจุบัน และอนาคต ความเข้าใจคน ความเข้าใจองค์กร และความกล้ารับผิดชอบต่อการตัดสินใจ

นี่คือความเชี่ยวชาญที่ AI อาจช่วยขยายได้ แต่ไม่ควรทำให้มนุษย์หยุดฝึกฝน

ในองค์กร นี่ไม่ใช่แค่การซื้อ AI มาให้พนักงานใช้ แต่ต้อง redesign งานใหม่ ให้ AI รับภาระงานความจำสั้น เพื่อให้คนมีเวลามากขึ้นกับงานที่ต้องใช้ judgment ความเข้าใจลูกค้า การแก้ปัญหาซับซ้อน และการตัดสินใจที่มีความรับผิดชอบ

ในระบบการศึกษา นี่ไม่ใช่แค่การจับโกงว่าเด็กใช้ AI หรือไม่ แต่ต้องออกแบบการเรียนรู้ใหม่ให้เด็กยังฝึกคิด ฝึกสงสัย ฝึกโต้แย้ง ฝึกทำงานยาวๆ และสร้างความเข้าใจที่เป็นของตัวเอง

ถ้านิสิตใช้ AI เขียนทุกอย่างโดยไม่ฝึกคิด ความสามารถในการตั้งคำถามและสร้างเหตุผลของตัวเองอาจอ่อนลง แต่ถ้าใช้ AI เป็นคู่คิด เป็นผู้ช่วยตรวจสอบ เป็นเครื่องมือให้ feedback เด็กอาจเรียนรู้ได้ลึกขึ้นและเร็วขึ้น

ในภาครัฐ นี่ไม่ใช่แค่การเอา AI มาช่วยตอบคำถามประชาชน แต่ควรใช้ AI ลดงานเอกสารซ้ำๆ เพื่อให้ข้าราชการมีเวลาทำงานเชิงนโยบาย เชิงบริการ และเชิงแก้ปัญหาจริงมากขึ้น

สร้างงานใหม่ ไม่ใช่แค่ปกป้องงานเก่า

นโยบาย AI ของไทยไม่ควรมีเป้าหมายเพียงทำให้คนไทย “ใช้ AI เป็น” เพราะหากทุกประเทศใช้เครื่องมือเดียวกัน ซื้อโมเดลเดียวกัน และใช้ AI ทำงานเดิมให้เร็วขึ้นเหมือนกัน ประเทศไทยจะได้ประโยชน์เพียงบางส่วน ดังที่ Autor, Mindell และ Reynolds (2022) เสนอไว้ว่า เป้าหมายของ AI ไม่ควรเป็นเพียงการทดแทนแรงงาน แต่ควรเป็นการออกแบบงานใหม่ให้มนุษย์และ AI ทำงานร่วมกันได้อย่างมีประสิทธิภาพมากขึ้น

คำถามที่สำคัญกว่าคือ AI จะช่วยสร้างงานใหม่ที่มีมูลค่าสูงในเศรษฐกิจไทยได้อย่างไร

หรือพูดง่ายๆ ว่า AI x จุดแข็งของไทย = อะไร

ไทยไม่จำเป็นต้องแข่งกับโลกในทุกเรื่อง เราอาจไม่จำเป็นต้องเป็นประเทศที่สร้าง frontier model แข่งกับสหรัฐฯ หรือจีน

แต่เราควรถามให้ชัดว่า AI จะต่อยอดจุดแข็งของไทยจนสร้างงานใหม่ที่มีมูลค่าสูงในด้านใดได้บ้าง

• AI x สุขภาพและสังคมสูงวัย จะสร้างงานใหม่ด้านการดูแลผู้สูงอายุ การแพทย์ทางไกล การจัดการโรคเรื้อรัง หรือระบบสนับสนุนแพทย์ในพื้นที่ขาดแคลนได้อย่างไร
• AI x ท่องเที่ยว จะช่วยให้ไทยสร้างบริการท่องเที่ยวเฉพาะบุคคล ยกระดับประสบการณ์นักท่องเที่ยว และสร้างงานใหม่ใน creative tourism ได้อย่างไร
• AI x อาหารและเกษตร จะช่วยเกษตรกรและผู้ประกอบการอาหารใช้ข้อมูลเพื่อเพิ่มคุณภาพ ลดต้นทุน และสร้างมูลค่าเพิ่มได้อย่างไร
• AI x โลจิสติกส์ จะช่วย SMEs ไทยบริหาร supply chain ดีขึ้น แข่งขันได้มากขึ้น และเชื่อมต่อกับตลาดโลกได้อย่างไร
• AI x ภาครัฐ จะช่วยทำให้บริการสาธารณะเร็วขึ้น โปร่งใสขึ้น และลดภาระของประชาชนได้อย่างไร
• AI x creative economy จะช่วยให้คนไทยสร้างเนื้อหา งานออกแบบ เพลง เกม สื่อ และผลิตภัณฑ์วัฒนธรรมที่ไปไกลกว่าตลาดในประเทศได้อย่างไร

ถ้าเราตอบคำถามนี้ไม่ได้ ไทยอาจเป็นเพียง “ผู้ใช้ AI” ไม่ใช่ “ผู้สร้างคุณค่าจาก AI”

นโยบายแรงงานต้องตามให้ทันวงจรชีวิตของทักษะ

ในอดีต ทักษะหนึ่งอาจใช้ได้เป็นสิบปี แต่ในยุค AI อายุของทักษะอาจสั้นลงมาก

สิ่งที่วันนี้เป็นทักษะพิเศษ อีกไม่กี่ปีอาจกลายเป็นเรื่องพื้นฐาน

ระบบการศึกษาและตลาดแรงงานจึงต้องเปลี่ยนจากแนวคิด “เรียนครั้งเดียว ใช้ทั้งชีวิต” ไปสู่ระบบที่ช่วยให้คนเรียนรู้ เปลี่ยนบทบาท และสะสมความเชี่ยวชาญใหม่ได้ตลอดเวลา

การวัดผลต้องไม่ใช่แค่เปิดคอร์สจำนวนมากแล้วนับว่ามีคนผ่านอบรมกี่คน แต่ต้องวัดว่า คนเรียนแล้วเปลี่ยนงานได้ไหม รายได้ดีขึ้นไหม องค์กรนำทักษะไปใช้จริงไหม เกิดงานใหม่ที่มีมูลค่าสูงขึ้นจริงหรือไม่ และแรงงานมีเส้นทางเติบโตในยุค AI จริงหรือเปล่า

นโยบาย AI จึงไม่ควรเป็นเพียงนโยบายเทคโนโลยี แต่ต้องเป็นนโยบายแรงงาน นโยบายการศึกษา และนโยบายการพัฒนาเศรษฐกิจไปพร้อมกัน

ในโลกที่ AI ทำให้คำตอบจำนวนมากถูกลง สิ่งที่มีค่ามากขึ้นอาจไม่ใช่คนที่ตอบเร็วที่สุด แต่คือคนที่ถามคำถามถูก อ่านบริบทออก ตัดสินใจได้ดี และรับผิดชอบต่อผลของการตัดสินใจนั้น

บทเรียนสำหรับประเทศไทย

AI อาจทำให้งานบางอย่างหายไป แต่ประวัติศาสตร์บอกเราว่า เทคโนโลยีก็สร้างงานใหม่จำนวนมากเช่นกัน

คำถามสำคัญจึงไม่ใช่แค่ว่า AI จะมาแย่งงานใครบ้าง แต่คือ เราจะทำให้คนไทยเข้าไปอยู่ในห่วงโซ่ของงานใหม่ที่มีคุณค่ามากขึ้นได้อย่างไร

อนาคตของตลาดแรงงานไม่ได้ขึ้นอยู่กับจำนวนงานอย่างเดียว แต่ขึ้นอยู่กับว่า งานที่เกิดขึ้นใหม่ต้องการทักษะอะไร ใครมีโอกาสเข้าถึงทักษะนั้น ทักษะนั้นหายากแค่ไหน และมูลค่าที่เกิดจากเทคโนโลยีถูกกระจายไปถึงคนจำนวนมากเพียงใด

สำหรับไทย ผมคิดว่ามีโจทย์ใหญ่ 3 ข้อ

• หนึ่ง ต้องเลิกมอง reskill เป็นแค่การสอนใช้เครื่องมือ แต่ต้องช่วยให้คนสร้างความเชี่ยวชาญที่ยังหายาก มีความลึก และเชื่อมกับงานจริง
• สอง ต้องออกแบบ AI และออกแบบงานใหม่ให้ AI ช่วยยกระดับความสามารถของมนุษย์ ไม่ใช่เพียงลดต้นทุนแรงงาน
• สาม ต้องสร้างงานใหม่จาก AI x จุดแข็งของไทย ไม่ใช่เพียงนำเข้า AI มาใช้กับงานเดิม

นโยบาย AI ที่ดีไม่ควรมีเป้าหมายแค่ทำให้ไทย “ใช้ AI เป็น” แต่ต้องทำให้ AI ช่วยสร้างงานใหม่ สร้างความเชี่ยวชาญใหม่ และสร้างคุณค่าใหม่ให้แรงงานไทย

ไม่ใช่แค่ให้คนไทยอยู่รอดในยุค AI  แต่ให้คนไทยมีส่วนร่วมในงานใหม่ที่ AI จะสร้างขึ้นด้วย

อ้างอิง:

• Autor, D., Chin, C., Salomons, A., & Seegmiller, B. (2024). New frontiers: The origins and content of new work, 1940–2018. The Quarterly Journal of Economics, 139(3), 1399-1465.
• Autor, D., Mindell, D., & Reynolds, E. (2022). The work of the future: Building better jobs in an age of intelligent machines. Mit Press.