เครื่องมือเหล่านี้ไม่ได้จำกัดอยู่แค่ในรอบการประเมินประจำปีอีกต่อไป ที่เทเลอร์ แบรนด์ส (Tailor Brands) นั้น AI ถูกใช้ในการวิเคราะห์ตั๋วงานบริการลูกค้าทุกวันและให้คะแนนประสิทธิภาพแบบเรียลไทม์ พร้อมสร้างบทสรุปที่ผู้จัดการใช้ในการประชุมเช็คผลงานและให้ฟีดแบ็ครายสัปดาห์ โมเดลแบบดั้งเดิมที่ผู้จัดการเป็นคนเขียนบทพรรณนาเชิงลึกปีละครั้งกำลังถูกแทนที่ด้วยระบบการให้คะแนนอัตโนมัติอย่างต่อเนื่อง ซึ่งทำให้ดุลยพินิจของมนุษย์มีบทบาทน้อยลง

การใช้งาน AI ของคุณกลายเป็น 'เกรด' ตัวหนึ่ง

การเปลี่ยนแปลงที่สำคัญยิ่งกว่าคือการที่พนักงานถูกประเมินอย่างเป็นทางการว่าใช้ AI 'มากแค่ไหน' เมตา (Meta) ได้เปลี่ยนให้ 'ผลกระทบที่ขับเคลื่อนโดย AI' (AI-driven impact) เป็นความคาดหวังหลักในการปฏิบัติงานตั้งแต่ปี 2026 ซึ่งหมายความว่าวิศวกรจะถูกให้คะแนนจากการใช้ AI เพื่อสร้างผลลัพธ์และสร้างเครื่องมือที่ขับเคลื่อนด้วย AI เจพีมอร์แกน เชส (JPMorgan Chase) ติดตั้งแดชบอร์ดภายในเพื่อติดตามการใช้งานเครื่องมือ AI ของพนักงาน โดยมีการติดป้ายระบุชัดเจนว่าพนักงานคนไหนเป็นผู้ใช้งานน้อย (light user) ใช้งานมาก (heavy user) หรือไม่ใช้เลย (non-user)

นี่ไม่ใช่การสนับสนุนแบบอ้อมๆ แต่มันเป็นโครงสร้างที่ชัดเจน ระบบการประเมินผลงานซึ่งโดยปกติแล้วผูกโยงโดยตรงกับค่าตอบแทน การเลื่อนขั้น และการอยู่รอดในสภาพแวดล้อมที่จัดอันดับพนักงาน (stack-ranking) กำลังถูกออกแบบใหม่โดยมี 'การยอมรับ AI' เป็นสมรรถนะหลักที่วัดผลได้ พนักงานที่ต่อต้านหรือล้าหลังในการใช้เครื่องมือเหล่านี้ เสี่ยงที่จะถูกลงโทษในกระบวนการประเมินผลอย่างเป็นทางการ โดยไม่คำนึงถึงว่าพวกเขาจะทำงานในหน้าที่หลักได้ดีแค่ไหนก็ตาม

ผลิตภาพที่เพิ่มขึ้นเป็นเรื่องจริง—และกำลังถูกใช้เป็นข้ออ้างในการปลดคน

การผสาน AI เข้ากับเกณฑ์ชี้วัดผลงานเกิดขึ้นพร้อมกับระลอกการปลดพนักงานที่ถูกเชื่อมโยงโดยตรงกับการเพิ่มของผลิตภาพที่ขับเคลื่อนโดย AI ตัวอย่างที่เด่นชัดที่สุดคือ บล็อก (Block) บริษัทแม่ของแคชแอป (Cash App) ซึ่งปลดพนักงานออกประมาณ 40% จากพนักงานประมาณ 10,000 คนเหลือต่ำกว่า 6,000 คน หลังจากเครื่องมือ AI ช่วยเพิ่มผลิตภาพของนักพัฒนาซอฟต์แวร์ได้ถึง 40% คริปโตดอทคอม (Crypto.com) ลดจำนวนพนักงานลง 12% ซึ่งส่งผลกระทบต่อพนักงานประมาณ 180 คน ในสิ่งที่บริษัทอธิบายว่าเป็นการปรับเปลี่ยนกลยุทธ์เพื่อมุ่งสู่ AI เจมินี (Gemini) ปลดพนักงานประมาณ 30% หดเหลือพนักงานประมาณ 445 คน หลังจากขาดทุนมากกว่า 582 ล้านดอลลาร์สหรัฐในปี 2025

ทั้งหมดนี้คือส่วนหนึ่งของการเปลี่ยนแปลงโครงสร้างในวงกว้าง การปลดพนักงานที่เชื่อมโยงกับ AI ในภาคเทคโนโลยีนั้นเพิ่มขึ้นจากสัดส่วนประมาณ 8% ของการปลดพนักงานทั้งหมดในปี 2025 มาเป็นประมาณ 20% ในช่วงต้นปี 2026 โดยมีการประเมินว่าในจำนวนการปลดพนักงานในภาคเทคโนโลยีที่ยืนยันแล้ว 45,000 ตำแหน่งนั้น มีประมาณ 20% ที่มาจากการผสาน AI โดยตรง รูปแบบที่เกิดขึ้นอย่างสม่ำเสมอคือบริษัทต่างๆ ไม่ได้จ้างงานเพิ่มขึ้นเมื่อมีผลิตภาพจาก AI เพิ่มขึ้น—แต่พวกเขากำลังลดขนาดองค์กรลง

สิ่งนี้หมายความว่าอย่างไรสำหรับพนักงานในทุกระดับ

ความรู้ด้าน AI คือทักษะเพื่อความอยู่รอด เมื่อในการประเมินผลงานของคุณมีตัวชี้วัดว่าคุณใช้เครื่องมือ AI ได้ดีแค่ไหน และเมื่อการไม่ใช้งานถูกติดตามอยู่บนแดชบอร์ดที่ผู้บริหารมองเห็น การ 'เลือกที่จะไม่ใช้' AI จึงไม่ใช่กลยุทธ์ทางอาชีพที่ใช้ได้อีกต่อไปในแวดวงคริปโตหรือฟินเทค

ตำแหน่งงานระดับเริ่มต้นกำลังหายไป AI ได้ก้าวข้ามขีดจำกัดสู่ระดับปฏิบัติการจริงในห้ากระบวนการทำงานหลักของฟินเทคแล้ว ซึ่งรวมถึงการตรวจสอบเอกสาร KYC (Know Your Customer) (ที่ช่วยลดคิวการทำงานของคนลง 60–80%) และการกรองงานบริการลูกค้า (ที่จัดการคำถามระดับที่ 1 ได้ 70–85%) งานเหล่านี้คืองานที่พนักงานระดับจูเนียร์เคยใช้เพื่อสร้างความรู้ในอุตสาหกรรมและพิสูจน์คุณค่าของตัวเอง และพวกมันกำลังถูกทำให้เป็นระบบอัตโนมัติในวงกว้าง นี่เป็นการเพิ่มระดับความคาดหวังว่าพนักงานระดับเริ่มต้นต้องมีอะไรติดตัวมาบ้างตั้งแต่วันแรก และทำให้เส้นทางของตำแหน่งงานที่เปิดโอกาสให้คนเติบโตไปสู่ตำแหน่งที่สูงขึ้นแคบลง

การประเมินผลงานเสี่ยงที่จะไม่ยุติธรรมมากขึ้น ไม่ใช่ยุติธรรมขึ้น Harvard Business Review ออกมาเตือนว่าแม้ AI เชิงรู้สร้างจะแก้ไขความไร้ประสิทธิภาพบางอย่างของการประเมินผลงานแบบดั้งเดิมได้ มันก็สามารถทำให้ทุกอย่างแย่ลงได้เช่นกันหากองค์กรสูญเสียความไว้วางใจ ความละเอียดอ่อน และการตัดสินใจที่ใส่ใจบริบทตามที่ผู้จัดการที่เป็นมนุษย์มอบให้ การประเมินผลงานที่เขียนโดย AI มีแนวโน้มที่จะดูสวยหรูแต่ฉาบฉวย และอาจพลาดปัจจัยเชิงคุณภาพที่แยกแยะงานที่ดีออกจากงานที่ยอดเยี่ยม หรือที่อธิบายว่าทำไมพนักงานที่ปกติแล้วทำงานได้แข็งแกร่งถึงมีไตรมาสที่ยากลำบาก เมื่อการประเมินผลเหล่านั้นผูกโยงกับค่าตอบแทนและความมั่นคงในงาน ผลกระทบจากจุดบอดของอัลกอริทึมก็จะสูงขึ้นอย่างมาก

ตลาดแรงงานกำลังแยกออกเป็นสองขั้ว พนักงานคริปโตและฟินเทคที่ถูกปลดมีทักษะที่ถ่ายโอนได้ในด้านการปฏิบัติตามกฎระเบียบ (compliance), วิศวกรรมบล็อกเชน, การวิเคราะห์ข้อมูล และความปลอดภัยทางไซเบอร์ ซึ่งเป็นที่ต้องการสูงในการเงินแบบดั้งเดิม แต่แนวโน้มในวงกว้างกำลังมุ่งสู่ทีมที่กระชับขึ้นและเสริมกำลังด้วย AI ผู้เชี่ยวชาญที่ผสมผสานความเชี่ยวชาญด้าน AI เข้ากับความรู้เชิงลึกในอุตสาหกรรมกำลังกลายเป็นบุคลากรที่มีค่าที่สุด ในขณะที่ผู้ที่มีชุดทักษะแคบกว่ากำลังเผชิญกับแรงกดดันที่เพิ่มขึ้น

การเปลี่ยนแปลงที่เกิดขึ้นในการประเมินผลงานของคริปโตและฟินเทคไม่ได้เป็นเพียงการทำให้การประเมินผลมีประสิทธิภาพมากขึ้นเท่านั้น—มันคือการรื้อโครงสร้างความสัมพันธ์ของการจ้างงานใหม่โดยยึดโยงกับผลิตภาพของ AI พนักงานที่เข้าใจการเปลี่ยนแปลงนี้และปรับตัวได้จะพบโอกาส แต่ยุคสมัยของการถูกประเมินจากความพยายามและการตัดสินใจของมนุษย์เพียงอย่างเดียวนั้นกำลังจะจบลง

เครื่องมือเหล่านี้ไม่ได้จำกัดอยู่แค่ในรอบการประเมินประจำปีอีกต่อไป ที่เทเลอร์ แบรนด์ส (Tailor Brands) นั้น AI ถูกใช้ในการวิเคราะห์ตั๋วงานบริการลูกค้าทุกวันและให้คะแนนประสิทธิภาพแบบเรียลไทม์ พร้อมสร้างบทสรุปที่ผู้จัดการใช้ในการประชุมเช็คผลงานและให้ฟีดแบ็ครายสัปดาห์ โมเดลแบบดั้งเดิมที่ผู้จัดการเป็นคนเขียนบทพรรณนาเชิงลึกปีละครั้งกำลังถูกแทนที่ด้วยระบบการให้คะแนนอัตโนมัติอย่างต่อเนื่อง ซึ่งทำให้ดุลยพินิจของมนุษย์มีบทบาทน้อยลง

การใช้งาน AI ของคุณกลายเป็น 'เกรด' ตัวหนึ่ง

การเปลี่ยนแปลงที่สำคัญยิ่งกว่าคือการที่พนักงานถูกประเมินอย่างเป็นทางการว่าใช้ AI 'มากแค่ไหน' เมตา (Meta) ได้เปลี่ยนให้ 'ผลกระทบที่ขับเคลื่อนโดย AI' (AI-driven impact) เป็นความคาดหวังหลักในการปฏิบัติงานตั้งแต่ปี 2026 ซึ่งหมายความว่าวิศวกรจะถูกให้คะแนนจากการใช้ AI เพื่อสร้างผลลัพธ์และสร้างเครื่องมือที่ขับเคลื่อนด้วย AI เจพีมอร์แกน เชส (JPMorgan Chase) ติดตั้งแดชบอร์ดภายในเพื่อติดตามการใช้งานเครื่องมือ AI ของพนักงาน โดยมีการติดป้ายระบุชัดเจนว่าพนักงานคนไหนเป็นผู้ใช้งานน้อย (light user) ใช้งานมาก (heavy user) หรือไม่ใช้เลย (non-user)

นี่ไม่ใช่การสนับสนุนแบบอ้อมๆ แต่มันเป็นโครงสร้างที่ชัดเจน ระบบการประเมินผลงานซึ่งโดยปกติแล้วผูกโยงโดยตรงกับค่าตอบแทน การเลื่อนขั้น และการอยู่รอดในสภาพแวดล้อมที่จัดอันดับพนักงาน (stack-ranking) กำลังถูกออกแบบใหม่โดยมี 'การยอมรับ AI' เป็นสมรรถนะหลักที่วัดผลได้ พนักงานที่ต่อต้านหรือล้าหลังในการใช้เครื่องมือเหล่านี้ เสี่ยงที่จะถูกลงโทษในกระบวนการประเมินผลอย่างเป็นทางการ โดยไม่คำนึงถึงว่าพวกเขาจะทำงานในหน้าที่หลักได้ดีแค่ไหนก็ตาม

ผลิตภาพที่เพิ่มขึ้นเป็นเรื่องจริง—และกำลังถูกใช้เป็นข้ออ้างในการปลดคน

การผสาน AI เข้ากับเกณฑ์ชี้วัดผลงานเกิดขึ้นพร้อมกับระลอกการปลดพนักงานที่ถูกเชื่อมโยงโดยตรงกับการเพิ่มของผลิตภาพที่ขับเคลื่อนโดย AI ตัวอย่างที่เด่นชัดที่สุดคือ บล็อก (Block) บริษัทแม่ของแคชแอป (Cash App) ซึ่งปลดพนักงานออกประมาณ 40% จากพนักงานประมาณ 10,000 คนเหลือต่ำกว่า 6,000 คน หลังจากเครื่องมือ AI ช่วยเพิ่มผลิตภาพของนักพัฒนาซอฟต์แวร์ได้ถึง 40% คริปโตดอทคอม (Crypto.com) ลดจำนวนพนักงานลง 12% ซึ่งส่งผลกระทบต่อพนักงานประมาณ 180 คน ในสิ่งที่บริษัทอธิบายว่าเป็นการปรับเปลี่ยนกลยุทธ์เพื่อมุ่งสู่ AI เจมินี (Gemini) ปลดพนักงานประมาณ 30% หดเหลือพนักงานประมาณ 445 คน หลังจากขาดทุนมากกว่า 582 ล้านดอลลาร์สหรัฐในปี 2025

ทั้งหมดนี้คือส่วนหนึ่งของการเปลี่ยนแปลงโครงสร้างในวงกว้าง การปลดพนักงานที่เชื่อมโยงกับ AI ในภาคเทคโนโลยีนั้นเพิ่มขึ้นจากสัดส่วนประมาณ 8% ของการปลดพนักงานทั้งหมดในปี 2025 มาเป็นประมาณ 20% ในช่วงต้นปี 2026 โดยมีการประเมินว่าในจำนวนการปลดพนักงานในภาคเทคโนโลยีที่ยืนยันแล้ว 45,000 ตำแหน่งนั้น มีประมาณ 20% ที่มาจากการผสาน AI โดยตรง รูปแบบที่เกิดขึ้นอย่างสม่ำเสมอคือบริษัทต่างๆ ไม่ได้จ้างงานเพิ่มขึ้นเมื่อมีผลิตภาพจาก AI เพิ่มขึ้น—แต่พวกเขากำลังลดขนาดองค์กรลง

สิ่งนี้หมายความว่าอย่างไรสำหรับพนักงานในทุกระดับ

ความรู้ด้าน AI คือทักษะเพื่อความอยู่รอด เมื่อในการประเมินผลงานของคุณมีตัวชี้วัดว่าคุณใช้เครื่องมือ AI ได้ดีแค่ไหน และเมื่อการไม่ใช้งานถูกติดตามอยู่บนแดชบอร์ดที่ผู้บริหารมองเห็น การ 'เลือกที่จะไม่ใช้' AI จึงไม่ใช่กลยุทธ์ทางอาชีพที่ใช้ได้อีกต่อไปในแวดวงคริปโตหรือฟินเทค

ตำแหน่งงานระดับเริ่มต้นกำลังหายไป AI ได้ก้าวข้ามขีดจำกัดสู่ระดับปฏิบัติการจริงในห้ากระบวนการทำงานหลักของฟินเทคแล้ว ซึ่งรวมถึงการตรวจสอบเอกสาร KYC (Know Your Customer) (ที่ช่วยลดคิวการทำงานของคนลง 60–80%) และการกรองงานบริการลูกค้า (ที่จัดการคำถามระดับที่ 1 ได้ 70–85%) งานเหล่านี้คืองานที่พนักงานระดับจูเนียร์เคยใช้เพื่อสร้างความรู้ในอุตสาหกรรมและพิสูจน์คุณค่าของตัวเอง และพวกมันกำลังถูกทำให้เป็นระบบอัตโนมัติในวงกว้าง นี่เป็นการเพิ่มระดับความคาดหวังว่าพนักงานระดับเริ่มต้นต้องมีอะไรติดตัวมาบ้างตั้งแต่วันแรก และทำให้เส้นทางของตำแหน่งงานที่เปิดโอกาสให้คนเติบโตไปสู่ตำแหน่งที่สูงขึ้นแคบลง

การประเมินผลงานเสี่ยงที่จะไม่ยุติธรรมมากขึ้น ไม่ใช่ยุติธรรมขึ้น Harvard Business Review ออกมาเตือนว่าแม้ AI เชิงรู้สร้างจะแก้ไขความไร้ประสิทธิภาพบางอย่างของการประเมินผลงานแบบดั้งเดิมได้ มันก็สามารถทำให้ทุกอย่างแย่ลงได้เช่นกันหากองค์กรสูญเสียความไว้วางใจ ความละเอียดอ่อน และการตัดสินใจที่ใส่ใจบริบทตามที่ผู้จัดการที่เป็นมนุษย์มอบให้ การประเมินผลงานที่เขียนโดย AI มีแนวโน้มที่จะดูสวยหรูแต่ฉาบฉวย และอาจพลาดปัจจัยเชิงคุณภาพที่แยกแยะงานที่ดีออกจากงานที่ยอดเยี่ยม หรือที่อธิบายว่าทำไมพนักงานที่ปกติแล้วทำงานได้แข็งแกร่งถึงมีไตรมาสที่ยากลำบาก เมื่อการประเมินผลเหล่านั้นผูกโยงกับค่าตอบแทนและความมั่นคงในงาน ผลกระทบจากจุดบอดของอัลกอริทึมก็จะสูงขึ้นอย่างมาก

ตลาดแรงงานกำลังแยกออกเป็นสองขั้ว พนักงานคริปโตและฟินเทคที่ถูกปลดมีทักษะที่ถ่ายโอนได้ในด้านการปฏิบัติตามกฎระเบียบ (compliance), วิศวกรรมบล็อกเชน, การวิเคราะห์ข้อมูล และความปลอดภัยทางไซเบอร์ ซึ่งเป็นที่ต้องการสูงในการเงินแบบดั้งเดิม แต่แนวโน้มในวงกว้างกำลังมุ่งสู่ทีมที่กระชับขึ้นและเสริมกำลังด้วย AI ผู้เชี่ยวชาญที่ผสมผสานความเชี่ยวชาญด้าน AI เข้ากับความรู้เชิงลึกในอุตสาหกรรมกำลังกลายเป็นบุคลากรที่มีค่าที่สุด ในขณะที่ผู้ที่มีชุดทักษะแคบกว่ากำลังเผชิญกับแรงกดดันที่เพิ่มขึ้น

การเปลี่ยนแปลงที่เกิดขึ้นในการประเมินผลงานของคริปโตและฟินเทคไม่ได้เป็นเพียงการทำให้การประเมินผลมีประสิทธิภาพมากขึ้นเท่านั้น—มันคือการรื้อโครงสร้างความสัมพันธ์ของการจ้างงานใหม่โดยยึดโยงกับผลิตภาพของ AI พนักงานที่เข้าใจการเปลี่ยนแปลงนี้และปรับตัวได้จะพบโอกาส แต่ยุคสมัยของการถูกประเมินจากความพยายามและการตัดสินใจของมนุษย์เพียงอย่างเดียวนั้นกำลังจะจบลง