UBS กำหนดทักษะ AI เป็นด่านคัดเลือกของนักวิเคราะห์รุ่นใหม่

UBS กำลังทำให้ “ใช้ AI เป็น” กลายเป็นคุณสมบัติพื้นฐานในการรับคนเข้าทำงาน ไม่ใช่เพียงทักษะเสริมอีกต่อไป สำหรับผู้สมัครโครงการ Global Banking and Markets รุ่นปี 2027 ในระดับบัณฑิตจบใหม่และนักศึกษาฝึกงาน ผู้สมัครต้องแสดงความสามารถด้าน AI รวมถึงความเปิดกว้างที่จะเรียนรู้ต่อเนื่อง ขณะเดียวกัน การอบรมของ UBS เน้นการใช้จริง การใช้อย่างรับผิดชอบ และการใช้วิจารณญาณ 135

นัยสำคัญของการเปลี่ยนแปลงนี้คือ บทบาทนักวิเคราะห์การเงินระดับเริ่มต้นกำลังถูกนิยามใหม่ แต่เดิมคนกลุ่มนี้มักถูกประเมินจากการจัดทำร่างแรกของโมเดลการเงิน บทวิเคราะห์ หรือสไลด์นำเสนอด้วยแรงงานคนเป็นหลัก แต่ต่อจากนี้ สิ่งที่นายจ้างต้องการมากขึ้นคือความสามารถในการทำงานร่วมกับเนื้อหาที่ AI สร้างขึ้น ตรวจทานให้ถูกต้อง แล้วแปลงเป็นงานที่เชื่อถือได้และพร้อมใช้กับลูกค้า

UBS ต้องการเห็นอะไรจากผู้สมัคร

รายงานระบุว่า ผู้สมัครงานวาณิชธนกิจระดับจูเนียร์ในรอบรับปี 2027 ของ UBS ซึ่งรวมถึง graduate trainee และ intern ต้องแสดงความชำนาญด้าน AI โดยประเด็นหลักไม่ใช่ใบรับรองทางเทคนิคเฉพาะทาง แต่คือการพิสูจน์ว่าสามารถใช้เทคโนโลยีเพื่อเพิ่มคุณภาพผลลัพธ์และประสิทธิภาพการทำงานได้อย่างไร 136

UBS ยังนำการพัฒนา AI เข้าไว้ในโครงการบัณฑิตจบใหม่ ผ่าน AI Fluency Pathway ซึ่งวางพื้นฐานเรื่องกรณีใช้งานจริง การประยุกต์ใช้อย่างรับผิดชอบ และวิจารณญาณที่รอบคอบ 5 ประเด็นนี้สำคัญอย่างยิ่งสำหรับธุรกิจการเงินที่อยู่ภายใต้กฎกำกับดูแลและต้องให้บริการลูกค้า เพราะผู้ใช้งานต้องรู้ว่าเมื่อใดผลลัพธ์จาก AI ควรถูกตรวจสอบ แก้ไข หรือส่งต่อให้ผู้มีอำนาจพิจารณา

ประกาศงานของ UBS ในฮ่องกงสะท้อนลักษณะงานที่คนกลุ่มนี้อาจต้องสนับสนุน เช่น ประเมินบริษัท สร้างโมเดลสำหรับธุรกรรมควบรวมกิจการ (M&A) จัดทำบทวิเคราะห์อุตสาหกรรมเพื่อใช้เสนอขายงาน และช่วยดำเนินธุรกรรมจริง 12 AI อาจช่วยเร่งการร่างและสังเคราะห์ข้อมูลในงานเหล่านี้ได้ แต่ความถูกต้องและการกำกับดูแลโดยบุคลากรธนาคารยังเป็นสิ่งจำเป็น

AI กำลังเปลี่ยนงานของนักวิเคราะห์จูเนียร์อย่างไร

Generative AI เหมาะกับงานผลิตซ้ำ ๆ บางส่วนที่ในอดีตมักตกอยู่กับนักวิเคราะห์รุ่นใหม่ Reuters Breakingviews ระบุว่า เครื่องมืออย่าง ChatGPT และ Claude สามารถสร้างโมเดลการเงินหรือ pitchbook ได้อย่างรวดเร็ว และนายธนาคารบางรายใช้ AI เพื่อเตรียมประชุมและสรุปผลประกอบการแล้ว

แต่ความเร็วไม่ได้เท่ากับความน่าเชื่อถือโดยอัตโนมัติ ทีมทำดีลระดับอาวุโสยังต้องการเอกสารที่ถูกต้อง มีบริบทเหมาะสม และพร้อมใช้ในการสื่อสารกับลูกค้า ดังนั้น คุณค่าที่เพิ่มขึ้นของนักวิเคราะห์จูเนียร์จึงอยู่ที่การกำหนดโจทย์ให้ชัด ประเมินแหล่งข้อมูลและสมมติฐาน จับข้อผิดพลาด และสื่อสารข้อสรุปทางธุรกิจที่มีเหตุผล

รายงาน 2026 Financial Services AI Job Barometer ของ PwC สนับสนุนภาพนี้ โดยพบว่างานระดับจูเนียร์ในภาคการเงินที่มีความเกี่ยวข้องกับ AI สูง มีโอกาสมากกว่างานจูเนียร์ที่เกี่ยวข้องกับ AI น้อยที่สุดถึง 7 เท่า ที่จะต้องการทักษะซึ่งเคยถูกมองว่าเป็นทักษะของคนระดับอาวุโส เช่น ภาวะผู้นำและการคิดเชิงกลยุทธ์ 4 กล่าวอีกแบบคือ เมื่อระบบอัตโนมัติเข้ามารับงานประจำ ความสำคัญของวิจารณญาณมนุษย์ในระดับเริ่มต้นอาจสูงขึ้น ไม่ได้ลดลง

แนวทางของ UBS: ยกระดับเกณฑ์รับคน ควบคู่การฝึกอบรม

โมเดลที่ UBS ใช้ไม่ใช่การรอให้พนักงานใหม่เข้ามาแล้วค่อยเริ่มสอน AI แต่เป็นการนำความสามารถด้าน AI มาเป็นส่วนหนึ่งของการคัดเลือก พร้อมพัฒนาทักษะต่อผ่านการอบรมที่เป็นระบบ 35

แนวทางนี้ต่างในเชิงน้ำหนักกับการตอบสนองที่เน้นลดจำนวนผู้รับเข้าทำงานระดับนักวิเคราะห์ เพราะเทคโนโลยีเข้ามารับงานซ้ำ ๆ แม้ข้อมูลที่มีจะยังไม่เพียงพอสำหรับเปรียบเทียบการลดการจ้างงานของแต่ละธนาคารแบบครบถ้วน แต่ก็สะท้อนความกังวลในอุตสาหกรรมต่อการหดตัวของเส้นทางอาชีพระดับเริ่มต้น Fortune รายงานว่า บางธนาคารลดขนาดรุ่นนักวิเคราะห์จูเนียร์ลงได้มากถึงสองในสาม ตามข้อมูลจาก QuantumBlack ของ McKinsey ทั้งที่คนกลุ่มเดียวกันนี้ยังเป็นแหล่งบุคลากรด้าน AI ขององค์กร

ความท้าทายเชิงกลยุทธ์จึงชัดเจน: วาณิชธนกิจพึ่งพาระบบ “ฝึกงานผ่านการทำงานจริง” บุคลากรระดับจูเนียร์สร้างทักษะเชิงเทคนิคและวิจารณญาณทางธุรกิจจากประสบการณ์ดีล ก่อนเติบโตขึ้นเป็นนายธนาคารอาวุโสในอนาคต การกำหนดให้ใช้ AI เป็นจึงเป็นความพยายามรักษาเส้นทางพัฒนาคนนี้ไว้ แต่เปลี่ยนความหมายของคำว่า “นักวิเคราะห์ปีแรกที่ทำงานได้มีประสิทธิผล”

ผลสำรวจ PwC: ภาคการเงินคาดคนลด แต่แผนงานยังตามไม่ทัน

ผลสำรวจอีกชุดของ PwC ที่สอบถามผู้บริหารระดับผู้อำนวยการขึ้นไป 1,004 คนจากบริษัทบริการทางการเงินในสหรัฐฯ ชี้ให้เห็นว่าเหตุใดนายจ้างจึงให้คุณค่ากับทักษะ AI มากขึ้น และเหตุใดการวางแผนกำลังคนของหลายองค์กรจึงยังไม่สมบูรณ์ 10

บริษัทคาดว่ากำลังคนจะลดลงมาก

ผู้ตอบแบบสอบถามเกือบ 8 ใน 10 คาดว่ากำลังคนขององค์กรจะลดลงอย่างน้อย 20% ในช่วง 5 ปีข้างหน้าเพราะ AI โดย 30% ระบุตำแหน่งระดับเริ่มต้นว่าเป็นชั้นงานที่เปราะบางที่สุด 17

ตัวเลขนี้เป็น “ความคาดหวัง” ไม่ใช่แผนปลดคนที่ยืนยันแล้ว จึงสะท้อนการมองเห็นการเปลี่ยนแปลงขนาดใหญ่ของผู้บริหาร แต่ยังไม่บอกแน่ชัดว่างานใดจะหายไป งานใดจะถูกออกแบบใหม่ หรือส่วนใดจะขยายตัว

การวางแผนยังไม่ทันความทะเยอทะยาน

มีผู้บริหารเพียง 42% ที่ระบุว่าองค์กรของตนได้ทำแบบจำลองระดับทั้งองค์กรเกี่ยวกับผลของ AI ต่อความต้องการแรงงาน และในบรรดาบริษัทที่ทำแบบจำลองผลกระทบต่อแรงงานแล้ว มีเพียงครึ่งเดียวที่พิจารณาการออกแบบกระบวนการหรือเวิร์กโฟลว์ใหม่ที่จำเป็น 17

ช่องว่างนี้มีความหมาย เพราะการลดจำนวนคนกับการออกแบบงานใหม่ไม่ใช่เรื่องเดียวกัน หากยังไม่มีการออกแบบเวิร์กโฟลว์ชัดเจน องค์กรอาจสูญเสียงานที่เป็นพื้นที่ฝึกฝนคนรุ่นใหม่ไปก่อนจะกำหนดได้ว่า พนักงานจูเนียร์ควรเรียนรู้ ตรวจสอบผลจาก AI และรับผิดชอบงานมูลค่าสูงขึ้นอย่างไร

การลงทุน AI ยังไม่ให้ผลตอบแทนที่วัดได้อย่างสม่ำเสมอ

PwC พบว่า 77% ของผู้ตอบแบบสอบถามระบุว่า การลงทุน AI ส่วนใหญ่ยังไม่ให้ผลตอบแทนจากการลงทุน (ROI) ที่วัดได้ ไม่ได้หมายความว่า AI ไม่มีคุณค่า แต่สะท้อนว่าหลายองค์กรยังมีปัญหาในการวัดผลลัพธ์ระดับองค์กร ระหว่างที่กำลังนำเทคโนโลยีไปใช้และปรับกระบวนการทำงานให้เข้ากับมัน

ผลสำรวจ PwC ในฮ่องกงอีกฉบับอธิบายว่าการใช้งาน AI ในสถาบันการเงินที่ขยายสเกลเริ่มให้ผลตอบแทนระดับปานกลาง โดย 56% ของสถาบันการเงินรายงาน ROI ของการใช้งาน AI หลักอยู่ที่ 11%–25% 15 แม้ขอบเขตและวิธีตั้งคำถามของสองผลสำรวจต่างกัน แต่ทั้งคู่สะท้อนว่าภาคการเงินยังอยู่ระหว่างเปลี่ยนจากการทดลอง ไปสู่รูปแบบดำเนินงานที่ทำซ้ำและวัดผลได้

ทักษะ AI ดึงทั้งค่าตอบแทนและงบฝึกอบรม

ผลสำรวจในสหรัฐฯ ชุดเดียวกันพบว่า 91% ของผู้บริหารกำลังเพิ่มค่าตอบแทนให้พนักงานที่มีทักษะ AI และ 58% คาดว่าจะเชื่อมโยงค่าตอบแทนเข้ากับผลิตภาพที่เกิดจาก AI โดยตรง 10

นอกจากนี้ 86% เห็นว่าการฝึกทักษะ AI มีค่ามากกว่าปริญญา MBA สำหรับพนักงานใหม่จำนวนมาก 10 นี่ไม่ได้แปลว่าความรู้การเงินแบบดั้งเดิมหมดความสำคัญ แต่ชี้ว่าบริษัทมองทักษะ AI เชิงปฏิบัติเป็นองค์ประกอบหลักที่ต้องเสริมเข้ากับพื้นฐานด้านการเงิน การวิเคราะห์ และการดูแลลูกค้า

ความกังวลของพนักงานอาจทำให้การนำ AI ไปใช้ช้าลง

PwC รายงานว่า 44% ของผู้ตอบแบบสอบถามพบความกังวลของพนักงานเกี่ยวกับความมั่นคงในงานหรือการเปลี่ยนบทบาท, 43% ระบุว่าพนักงานใช้ AI เฉพาะเมื่อถูกกำหนดให้ใช้, 40% บอกว่าคนทำงานรู้สึกหนักใจกับความเร็วของการเปลี่ยนแปลง และ 34% มองว่าอาการล้าจากการเปลี่ยนแปลงเป็นอุปสรรคต่อการขยายการใช้ AI

ผลสำรวจยังพบว่า 77% ของผู้บริหารเชื่อว่าองค์กรตนเคลื่อนไหวไม่เร็วพอที่จะตามนวัตกรรม AI ให้ทัน ขณะที่ข้อมูลที่กระจัดกระจายหรือคุณภาพต่ำ ซึ่งมีผู้ระบุถึง 41% เป็นหนึ่งในอุปสรรคต่อทั้งการทำแบบจำลองกำลังคนและการนำ AI ไปใช้งาน

แล้วผู้ที่อยากเป็นนายธนาคารควรเตรียมตัวอย่างไร

คำว่า “AI fluency” ไม่ควรถูกตีความว่าใช้แชตบอตแบบไม่ตรวจสอบ หรืออ้างว่า AI จะแทนที่ทักษะด้านการเงินได้ทั้งหมด ภาษาที่ UBS ใช้ในการฝึกอบรมชี้ไปที่การใช้งานจริง ความรับผิดชอบ และวิจารณญาณมากกว่า 5

ผู้สมัครระดับจูเนียร์ที่พร้อมสำหรับยุค AI ควรอธิบายได้ว่า ตนจะ:

• ใช้เครื่องมือที่องค์กรอนุมัติเพื่อเร่งการค้นคว้า การร่างเอกสาร หรือการเตรียมงานอย่างไร
• ตรวจสอบสมมติฐาน การคำนวณ แหล่งข้อมูล และข้อเท็จจริงก่อนนำผลลัพธ์ไปใช้ได้อย่างไร
• ปกป้องข้อมูลลับและปฏิบัติตามระบบควบคุมของบริษัทอย่างไร
• รู้ได้อย่างไรว่าเมื่อใดผลลัพธ์ยังไม่ครบถ้วน ไม่น่าเชื่อถือ หรือไม่เหมาะสมต่อการนำเสนอแก่ลูกค้า
• อธิบายตรรกะทางธุรกิจเบื้องหลังคำตอบได้อย่างชัดเจน โดยไม่ยกผลลัพธ์จาก AI เป็นคำตอบสุดท้าย

ดังนั้น เงื่อนไขของ UBS สำหรับปี 2027 จึงควรถูกมองว่าเป็นการออกแบบชุดทักษะของคนทำงานการเงินระดับเริ่มต้นใหม่ AI อาจลดภาระงานผลิตด้วยมือบางส่วน แต่กลับเพิ่มคุณค่าของคนที่สั่งงานเครื่องมือได้ ตรวจสอบผลลัพธ์เป็น และใช้วิจารณญาณที่ดีเมื่อเดิมพันของงานสูง 145