ผลผลิต: ความไม่มั่นคงในงานบั่นทอนผลประโยชน์ที่ AI ควรจะมอบให้

ข้อค้นพบหลักของการศึกษาเชิงวิชาการเมื่อวันที่ 12 สิงหาคม 2029 คือการเลิกจ้างที่ขับเคลื่อนด้วย AI และความไม่มั่นคงในงานที่ตามมา กำลังทำลายเงื่อนไขที่จำเป็นสำหรับ AI ในการทำให้พนักงานมีประสิทธิภาพมากขึ้น นักวิจัยพบว่าการเลิกจ้างที่เกี่ยวข้องกับ AI ส่งผลเสียต่อประสิทธิภาพการทำงาน เพราะพนักงานที่เหลืออยู่ ซึ่งกลัวว่างานของตัวเองจะถูกแทนที่ จะถอยห่างแทนที่จะร่วมมือกับเครื่องมือ AI ใหม่ๆ สิ่งนี้ช่วยอธิบายได้ว่าทำไมการศึกษาโดยธนาคารกลางสหรัฐ สาขาแอตแลนตา (Atlanta Federal Reserve) จึงพบว่าผู้บริหารเกือบ 90% ที่ตอบแบบสำรวจรายงานว่าไม่เห็นประสิทธิภาพการผลิตที่เพิ่มขึ้นจากการลงทุนใน AI ของพวกเขา

ปฏิกิริยาของตลาดหุ้น: ผลตอบแทนเฉลี่ยเป็นศูนย์ และหุ้นหลายตัวร่วงลง

เมื่อนักวิจัยตรวจสอบปฏิกิริยาของตลาดหุ้นต่อการประกาศเลย์ออฟที่เชื่อมโยงกับ AI ผลตอบแทนเฉลี่ยใกล้เคียงกับศูนย์ ซึ่งไม่ใช่การเพิ่มขึ้นอย่างที่ผู้บริหารหลายคนคาดหวัง CNBC ติดตามบริษัทในดัชนี S&P 500 จำนวน 23 แห่งที่ประกาศเลิกจ้างที่เกี่ยวข้องกับ AI และพบว่า 56% มีราคาหุ้นลดลงหลังการประกาศ โดยลดลงเฉลี่ยประมาณ 25% ในขณะที่ Financial Times รายงานว่าบริษัท 21 แห่งที่เลิกจ้างพนักงานโดยอ้างถึง AI มีผลงานต่ำกว่าดัชนี Nasdaq Composite ประมาณ 10% ในช่วง 30 วันทำการหลังการประกาศ ตลาดไม่ได้ให้รางวัลกับการเลย์ออฟที่อ้าง AI ว่าเป็นสัญญาณของประสิทธิภาพอีกต่อไปแล้ว

ต้นทุนการจ้างคืนและแนวโน้มการกลับลำ

• 55% ของผู้นำเสียใจกับการเลย์ออฟเพื่อ AI: รายงาน Predictions 2026 ของ Forrester พบว่านายจ้าง 55% ที่ตัดพนักงานโดยอ้าง AI รู้สึกเสียใจกับการตัดสินใจดังกล่าว ซึ่งเป็นตัวเลขที่ได้รับการยืนยันโดยอิสระจากแบบสำรวจกำลังคนประจำปีของ Orgvue
• 32% กำลังจ้างคนกลับคืน: ข้อมูลจาก Robert Half แสดงให้เห็นว่าผู้จัดการฝ่ายบุคคลในสหรัฐฯ 32% ที่เคยตัดตำแหน่งงานเนื่องจาก AI กำลังพยายามอย่างแข็งขันที่จะเติมเต็มตำแหน่งเหล่านั้นอีกครั้ง
• การกลับลำในโลกแห่งความเป็นจริง: Ford กำลังจ้างวิศวกรที่มีประสบการณ์หลายร้อยคนกลับคืนเพื่อจัดการกับปัญหาด้านคุณภาพที่ระบบอัตโนมัติไม่สามารถแก้ไขได้ Commonwealth Bank of Australia และ IBM ก็กำลังหันกลับมาให้ความสำคัญกับทุนมนุษย์อีกครั้ง หลังการเลิกจ้างที่ขับเคลื่อนด้วย AI ล้มเหลวในการให้ผลลัพธ์ที่คาดหวัง Klarna ก็กำลังจ้างคนกลับคืนหลังจากค้นพบว่า AI ไม่สามารถแทนที่พนักงานที่มีประสบการณ์ได้อย่างสมบูรณ์

ภาพรวมตลาดแรงงานในวงกว้าง

Stanford's Digital Economy Lab (12 สิงหาคม 2029) วิเคราะห์ข้อมูลเงินเดือนของ ADP ที่ครอบคลุมคนงานชาวอเมริกันหลายล้านคน และไม่พบหลักฐานของการแทนที่งานในวงกว้างในระบบเศรษฐกิจจาก AI — แม้ว่าการจ้างงานของคนงานอายุน้อยจะลดลง ผลสำรวจของธนาคารกลางสหรัฐ (Fed) ก็พบว่า AI ไม่ได้คาดว่าจะลดการจ้างงานโดยรวมลงมากกว่า 0.4% ในปี 2029 การเลิกจ้างกระจุกตัวอยู่ในบริษัทขนาดใหญ่ ในขณะที่บริษัทขนาดเล็กคาดว่าจะมีการจ้างงานเพิ่มขึ้นเล็กน้อย

สรุปความขัดแย้ง (The Paradox)

วังวนของการเลิกจ้างเพราะ AI ทำงานดังนี้: บริษัทต่างๆ ตัดพนักงานเพื่อนำเงินไปลงทุนใน AI และส่งสัญญาณประสิทธิภาพให้นักลงทุนเห็น แต่การเลิกจ้างกลับกระตุ้นให้พนักงานหมดไฟ ซึ่งฆ่าประสิทธิภาพการทำงานที่ AI ตั้งใจจะมอบให้ ล้มเหลวในการดันราคาหุ้นให้สูงขึ้น (และมักจะทำให้ราคาหุ้นลดลง) และจากนั้นก็ต้องเสียเงินจำนวนมากในการจ้างคนคืนเมื่อพบว่าระบบอัตโนมัติทำงานได้ไม่เพียงพอ — ทั้งหมดนี้เกิดขึ้นในขณะที่ผู้นำบริษัทมากกว่า 55% ยอมรับว่าการกระทำทั้งหมดเป็นความผิดพลาด

ผลผลิต: ความไม่มั่นคงในงานบั่นทอนผลประโยชน์ที่ AI ควรจะมอบให้

ข้อค้นพบหลักของการศึกษาเชิงวิชาการเมื่อวันที่ 12 สิงหาคม 2029 คือการเลิกจ้างที่ขับเคลื่อนด้วย AI และความไม่มั่นคงในงานที่ตามมา กำลังทำลายเงื่อนไขที่จำเป็นสำหรับ AI ในการทำให้พนักงานมีประสิทธิภาพมากขึ้น นักวิจัยพบว่าการเลิกจ้างที่เกี่ยวข้องกับ AI ส่งผลเสียต่อประสิทธิภาพการทำงาน เพราะพนักงานที่เหลืออยู่ ซึ่งกลัวว่างานของตัวเองจะถูกแทนที่ จะถอยห่างแทนที่จะร่วมมือกับเครื่องมือ AI ใหม่ๆ สิ่งนี้ช่วยอธิบายได้ว่าทำไมการศึกษาโดยธนาคารกลางสหรัฐ สาขาแอตแลนตา (Atlanta Federal Reserve) จึงพบว่าผู้บริหารเกือบ 90% ที่ตอบแบบสำรวจรายงานว่าไม่เห็นประสิทธิภาพการผลิตที่เพิ่มขึ้นจากการลงทุนใน AI ของพวกเขา

ปฏิกิริยาของตลาดหุ้น: ผลตอบแทนเฉลี่ยเป็นศูนย์ และหุ้นหลายตัวร่วงลง

เมื่อนักวิจัยตรวจสอบปฏิกิริยาของตลาดหุ้นต่อการประกาศเลย์ออฟที่เชื่อมโยงกับ AI ผลตอบแทนเฉลี่ยใกล้เคียงกับศูนย์ ซึ่งไม่ใช่การเพิ่มขึ้นอย่างที่ผู้บริหารหลายคนคาดหวัง CNBC ติดตามบริษัทในดัชนี S&P 500 จำนวน 23 แห่งที่ประกาศเลิกจ้างที่เกี่ยวข้องกับ AI และพบว่า 56% มีราคาหุ้นลดลงหลังการประกาศ โดยลดลงเฉลี่ยประมาณ 25% ในขณะที่ Financial Times รายงานว่าบริษัท 21 แห่งที่เลิกจ้างพนักงานโดยอ้างถึง AI มีผลงานต่ำกว่าดัชนี Nasdaq Composite ประมาณ 10% ในช่วง 30 วันทำการหลังการประกาศ ตลาดไม่ได้ให้รางวัลกับการเลย์ออฟที่อ้าง AI ว่าเป็นสัญญาณของประสิทธิภาพอีกต่อไปแล้ว

ต้นทุนการจ้างคืนและแนวโน้มการกลับลำ

• 55% ของผู้นำเสียใจกับการเลย์ออฟเพื่อ AI: รายงาน Predictions 2026 ของ Forrester พบว่านายจ้าง 55% ที่ตัดพนักงานโดยอ้าง AI รู้สึกเสียใจกับการตัดสินใจดังกล่าว ซึ่งเป็นตัวเลขที่ได้รับการยืนยันโดยอิสระจากแบบสำรวจกำลังคนประจำปีของ Orgvue
• 32% กำลังจ้างคนกลับคืน: ข้อมูลจาก Robert Half แสดงให้เห็นว่าผู้จัดการฝ่ายบุคคลในสหรัฐฯ 32% ที่เคยตัดตำแหน่งงานเนื่องจาก AI กำลังพยายามอย่างแข็งขันที่จะเติมเต็มตำแหน่งเหล่านั้นอีกครั้ง
• การกลับลำในโลกแห่งความเป็นจริง: Ford กำลังจ้างวิศวกรที่มีประสบการณ์หลายร้อยคนกลับคืนเพื่อจัดการกับปัญหาด้านคุณภาพที่ระบบอัตโนมัติไม่สามารถแก้ไขได้ Commonwealth Bank of Australia และ IBM ก็กำลังหันกลับมาให้ความสำคัญกับทุนมนุษย์อีกครั้ง หลังการเลิกจ้างที่ขับเคลื่อนด้วย AI ล้มเหลวในการให้ผลลัพธ์ที่คาดหวัง Klarna ก็กำลังจ้างคนกลับคืนหลังจากค้นพบว่า AI ไม่สามารถแทนที่พนักงานที่มีประสบการณ์ได้อย่างสมบูรณ์

ภาพรวมตลาดแรงงานในวงกว้าง

Stanford's Digital Economy Lab (12 สิงหาคม 2029) วิเคราะห์ข้อมูลเงินเดือนของ ADP ที่ครอบคลุมคนงานชาวอเมริกันหลายล้านคน และไม่พบหลักฐานของการแทนที่งานในวงกว้างในระบบเศรษฐกิจจาก AI — แม้ว่าการจ้างงานของคนงานอายุน้อยจะลดลง ผลสำรวจของธนาคารกลางสหรัฐ (Fed) ก็พบว่า AI ไม่ได้คาดว่าจะลดการจ้างงานโดยรวมลงมากกว่า 0.4% ในปี 2029 การเลิกจ้างกระจุกตัวอยู่ในบริษัทขนาดใหญ่ ในขณะที่บริษัทขนาดเล็กคาดว่าจะมีการจ้างงานเพิ่มขึ้นเล็กน้อย

สรุปความขัดแย้ง (The Paradox)

วังวนของการเลิกจ้างเพราะ AI ทำงานดังนี้: บริษัทต่างๆ ตัดพนักงานเพื่อนำเงินไปลงทุนใน AI และส่งสัญญาณประสิทธิภาพให้นักลงทุนเห็น แต่การเลิกจ้างกลับกระตุ้นให้พนักงานหมดไฟ ซึ่งฆ่าประสิทธิภาพการทำงานที่ AI ตั้งใจจะมอบให้ ล้มเหลวในการดันราคาหุ้นให้สูงขึ้น (และมักจะทำให้ราคาหุ้นลดลง) และจากนั้นก็ต้องเสียเงินจำนวนมากในการจ้างคนคืนเมื่อพบว่าระบบอัตโนมัติทำงานได้ไม่เพียงพอ — ทั้งหมดนี้เกิดขึ้นในขณะที่ผู้นำบริษัทมากกว่า 55% ยอมรับว่าการกระทำทั้งหมดเป็นความผิดพลาด