AI จะมาแย่งงานเราไหม? ดู ‘งานย่อย’ ก่อนดูชื่อตำแหน่ง

นี่เป็นจุดสำคัญมาก งานที่มี exposure สูง หมายถึงเนื้องานบางส่วนอาจถูกเปลี่ยน แต่ยังไม่ใช่หลักฐานว่าคนในตำแหน่งนั้นจะถูกแทนที่ทั้งหมด ขณะเดียวกัน IMF ก็เตือนว่าผลกระทบของ AI ต่อเศรษฐกิจและสังคมยังมีความไม่แน่นอน และจะแตกต่างกันไปตามบทบาทงานและอุตสาหกรรม

พูดง่าย ๆ คือ คนสองคนอาจมีชื่อตำแหน่งเหมือนกัน แต่ความเสี่ยงไม่เท่ากันเลย หากคนหนึ่งทำงานเอกสารซ้ำ ๆ เป็นหลัก แต่อีกคนต้องเจรจา ประเมินความเสี่ยง ตัดสินใจเชิงกลยุทธ์ และรับผิดชอบผลลัพธ์ ความสัมพันธ์กับ AI ของทั้งสองคนก็จะต่างกันมาก

งานจะถูกจัดใหม่ มากกว่ามีรายชื่ออาชีพที่หายแน่นอน

งานวิจัยหลัก ๆ ยังไม่ได้ให้รายชื่อสำเร็จรูปว่าอาชีพใดจะหายแน่นอน แต่มีทิศทางร่วมกันว่า AI จะจัดโครงสร้างงานใหม่ ทำให้งานบางส่วนอัตโนมัติขึ้น และทำให้คนที่ใช้ AI เป็นมีโอกาสเพิ่มผลิตภาพได้

• IMF: ผลกระทบกว้าง แต่ไม่ใช่การแทนที่ด้านเดียว IMF ระบุว่า AI จะกระทบงานเกือบ 40% ทั่วโลก และในเศรษฐกิจพัฒนาแล้ว งานราว 60% อาจได้รับผลกระทบ โดย AI จะทั้งแทนที่งานบางส่วนและช่วยเสริมงานบางส่วน
• ILO: ต้องดูระดับงานย่อยจึงจะประเมินได้แม่นกว่า การอัปเดตปี 2025 ของ ILO เน้นการใช้ข้อมูลระดับงานย่อยเพื่อประเมินผลกระทบที่เป็นไปได้ของ generative AI ต่ออาชีพต่าง ๆ
• WEF: เทคโนโลยีจะยังเปลี่ยนตลาดแรงงานต่อเนื่อง รายงาน Future of Jobs Report 2025 ของ World Economic Forum จัดให้ technological change เป็นหนึ่งในแนวโน้มมหภาคที่ขับเคลื่อนการเปลี่ยนผ่านของตลาดแรงงาน และวิเคราะห์ผลต่อการเติบโตและลดลงของตำแหน่งงานถึงปี 2030
• PwC: คนที่ใช้ AI เป็นอาจมีค่ามากขึ้น PwC’s 2025 Global AI Jobs Barometer วิเคราะห์ประกาศรับสมัครงานเกือบ 1 พันล้านรายการจาก 6 ทวีป และสรุปว่า AI สามารถทำให้คนทำงานมีค่ามากขึ้นได้ แม้ในงานที่ดูเหมือนจะถูกทำให้อัตโนมัติได้สูง

เช็กงานของตัวเองด้วย 4 คำถาม

วิธีที่ใช้ได้จริงคือ เขียนรายการงานที่คุณทำบ่อยที่สุดในหนึ่งสัปดาห์ออกมา 10–15 รายการ แล้วประเมินทีละงาน วิธีคิดแบบแยกงานเป็นชิ้นเล็ก ๆ นี้สอดคล้องกับแนวทางของ ILO ที่ใช้ข้อมูลระดับงานย่อยเพื่อวิเคราะห์ผลกระทบของ generative AI

ถ้างานหนึ่งทั้งซ้ำ กฎชัด ใช้ข้อความหรือข้อมูลเป็นหลัก และความเสียหายจากข้อผิดพลาดต่ำ งานนั้นคือจุดที่ควรทดลองใช้ AI ก่อน ไม่ได้แปลว่าตำแหน่งคุณกำลังจะหาย แต่แปลว่ากระบวนการทำงานส่วนนั้นอาจเปลี่ยนเป็น AI ทำร่างแรก มนุษย์ตรวจ แก้ ตัดสินใจ และรับผิดชอบผลลัพธ์

เริ่มใช้ AI กับงานแบบไหนก่อน

อย่าเริ่มจากการให้ AI ตัดสินใจเรื่องใหญ่แทนทันที ควรเริ่มจากงานที่ความเสี่ยงต่ำ ตรวจทานได้ และทำซ้ำบ่อย เช่น

• สรุปเอกสารยาว บันทึกประชุม หรือข้อความจากลูกค้า
• ทำร่างแรกของอีเมล รายงาน ข้อเสนอ หรือโพสต์สื่อสารภายใน
• จัดหมวดหมู่ ติดป้ายกำกับ แปลงรูปแบบข้อมูล หรือจัดข้อมูลเป็นตาราง
• สร้างเช็กลิสต์ตามมาตรฐานที่มีอยู่แล้ว
• ปรับโทนภาษา ตรวจคำผิด เปรียบเทียบเวอร์ชัน หรือหาจุดที่เนื้อหาขาดตก

หัวใจไม่ใช่การโยนงานให้ AI แบบไม่ดูแล แต่คือการสร้างกระบวนการที่ตรวจสอบได้: คนให้บริบท เป้าหมาย ข้อมูล และเกณฑ์ตัดสิน AI ช่วยทำร่างหรือจัดระเบียบ จากนั้นคนตรวจข้อเท็จจริง ประเมินความเสี่ยง และตัดสินใจขั้นสุดท้าย วิธีนี้ใกล้กับบทบาทของ AI ในฐานะตัวเสริมงานมนุษย์ มากกว่าการแทนที่มนุษย์ทั้งหมด

แบ่งงานของคุณออกเป็น 3 กลุ่ม

1. งานที่ใช้ AI เร่งได้ทันที

มักเป็นงานซ้ำ มีกฎชัด ความเสี่ยงต่ำ และมีข้อมูลเข้าออกที่ชัดเจน เช่น การสรุป การร่างข้อความ การแปลงรูปแบบ การจัดหมวดหมู่เบื้องต้น และการ整理บันทึกประชุม เป้าหมายคือประหยัดเวลา แต่ยังต้องมีคนตรวจเสมอ

2. งานที่ให้ AI ช่วยได้ แต่ไม่ควรปล่อยอัตโนมัติทั้งหมด

งานกลุ่มนี้เกี่ยวข้องกับการตัดสินใจ เงิน ความสัมพันธ์กับลูกค้า การกำกับดูแล ชื่อเสียงของแบรนด์ หรือผลต่อคนอื่น AI อาจช่วยรวบรวมข้อมูล เสนอทางเลือก หรือชี้จุดที่ควรระวังได้ แต่การตัดสินใจและความรับผิดชอบสุดท้ายควรอยู่กับมนุษย์

3. ส่วนที่ควรทำให้แข็งแรงขึ้น เพราะฝากเครื่องแทนไม่ได้ง่าย

เมื่อ AI ทำร่างแรกได้เร็วขึ้น สิ่งที่มีค่ามากขึ้นอาจเป็นวิจารณญาณ ความรู้เฉพาะทาง การสื่อสาร การสร้างความไว้วางใจ การออกแบบกระบวนการ และความสามารถในการรับผิดชอบผลลัพธ์ การวิเคราะห์ของ PwC ระบุว่า AI อาจทำให้คนทำงานมีค่ามากขึ้น ประเด็นจึงไม่ใช่แค่เปิดเครื่องมือเป็น แต่คือใช้เครื่องมือเพื่อส่งมอบงานที่น่าเชื่อถือกว่าเดิม

ทักษะที่น่าลงทุนในยุค AI

ถ้า AI ทั้งแทนที่งานบางส่วนและช่วยเสริมงานบางส่วน ทักษะที่ควรลงทุนจึงไม่ใช่แค่การเขียนพรอมป์ แต่เป็นวิธีทำงานทั้งชุด

• วิจารณญาณ: รู้ว่า AI อาจตอบผิดตรงไหน ตรงไหนต้องตรวจแหล่งข้อมูล และอะไรไม่ควรใช้ต่อทันที
• ความรู้เฉพาะทาง: คนที่รู้บริบทของงานจะมองออกว่าร่างจาก AI ใช้ได้จริง ธรรมดา หรือมีความเสี่ยง
• การออกแบบเวิร์กโฟลว์: วางข้อมูล พรอมป์ ขั้นตอนตรวจทาน และมาตรฐานส่งมอบให้ทีมเร็วขึ้นจริง ไม่ใช่ยุ่งขึ้น
• การสื่อสารและความไว้วางใจ: งานที่ต้องอธิบาย เจรจา คลี่คลายความกังวล หรือรับผิดแทนผลลัพธ์ ยังต้องมีมนุษย์อยู่ตรงกลาง
• ความเร็วในการเรียนรู้: WEF ชี้ว่าเทคโนโลยีเป็นหนึ่งในแรงขับเคลื่อนสำคัญของการเปลี่ยนแปลงตลาดแรงงานถึงปี 2030 การอัปเดตทักษะจึงกลายเป็นเรื่องต่อเนื่อง ไม่ใช่เรียนครั้งเดียวแล้วจบ

แผน 7 วันสำหรับประเมินงานตัวเอง

ถ้าอยากเริ่มทันที ลองใช้หนึ่งสัปดาห์ทำงานสำรวจเล็ก ๆ แบบนี้

1. วันที่ 1: เขียนงานที่ทำบ่อยที่สุดในแต่ละสัปดาห์ 10–15 รายการ
2. วันที่ 2: ทำเครื่องหมายว่างานใดซ้ำ มีกฎชัด และใช้ข้อความหรือตัวเลขเป็นหลัก
3. วันที่ 3: เลือกงานความเสี่ยงต่ำหนึ่งงาน แล้วใช้ AI ช่วยทำร่างแรก
4. วันที่ 4: บันทึกว่า AI ช่วยประหยัดเวลาอะไรบ้าง ผิดพลาดตรงไหน และต้องตรวจอะไรเพิ่ม
5. วันที่ 5: เขียนพรอมป์ประจำ ข้อมูลที่ต้องป้อน และเช็กลิสต์ตรวจทานสำหรับงานนั้น
6. วันที่ 6: ทดลองงานที่สอง แต่เลือกเฉพาะงานที่ตรวจทานได้และความเสียหายจากความผิดพลาดต่ำ
7. วันที่ 7: ตัดสินใจว่างานใดควรใช้ AI ช่วยเป็นประจำ งานใดต้องมีคนตรวจเข้ม และงานใดต้องใช้วิจารณญาณมนุษย์เป็นหลัก

การทำแบบนี้ช่วยเปลี่ยนจากความกลัวลอย ๆ เป็นการทดลองที่จับต้องได้ คุณจะไม่ได้ถามแค่ว่า AI จะมาแย่งงานไหม แต่จะเห็นชัดขึ้นว่า AI กำลังจะเปลี่ยนงานส่วนไหนก่อน

บทสรุป: ปกป้องส่วนที่ฝากเครื่องแทนไม่ได้

AI จะมาแย่งงานเราไหม คำตอบที่แม่นกว่าคือ: AI จะเข้ามาแย่ง บีบ หรือเขียนใหม่บางงานย่อย แต่ไม่จำเป็นต้องแย่งทั้งตำแหน่งทันที

ส่วนที่เสี่ยงสูงมักเป็นงานซ้ำ มีกฎชัด แปลงเป็นข้อมูลดิจิทัลได้ง่าย และตรวจทานได้ด้วยต้นทุนต่ำ ส่วนที่เป็นโอกาสคือการใช้ AI เพิ่มผลลัพธ์ ขณะเดียวกันยังรักษาวิจารณญาณ ความรู้เฉพาะทาง ความไว้วางใจ และความรับผิดชอบไว้กับมนุษย์

ดังนั้น อย่ารอรายการอาชีพที่ถูกทำนายว่าจะหายไปทั้งหมด ให้เริ่มจากตารางงานของตัวเองในหนึ่งสัปดาห์: งานไหนให้ AI ทำร่างแรกได้ งานไหนต้องตรวจเอง งานไหนต้องใช้การสื่อสาร การตัดสินใจ และความรับผิดชอบของคุณ เมื่อมองจากงานย่อย ความเสี่ยงและโอกาสจาก AI จะชัดขึ้นมาก