ความรู้ที่โรงเรียนไม่ค่อยสอน · เทคโนโลยี × เศรษฐกิจ

AI จะมา
แย่งงานเราไหม?

คำถามนี้อาจตั้งผิดตั้งแต่ต้น เพราะ AI ไม่ได้เดินเข้าบริษัทแล้วหยิบ “อาชีพ” ออกไปทั้งก้อน — มันเริ่มจากการเข้าไปทำบางงาน ที่อยู่ภายในอาชีพนั้นก่อน

เมื่อเทคโนโลยีใหม่เกิดขึ้น เรามักถามว่า “อาชีพไหนจะหาย?” แต่คำถามที่แม่นกว่าคือ “ในอาชีพของเรา มีงานย่อยอะไรบ้าง และงานส่วนใด AI ทำได้ดีขึ้นเรื่อย ๆ?” เพราะคนหนึ่งคนไม่ได้ทำ “หนึ่งงาน” ตลอดวัน แต่ทำกิจกรรมหลายชนิด ที่มีโอกาสถูก AI กระทบไม่เท่ากัน

ลองดูหนึ่งวันของพนักงานออฟฟิศ

เก้าโมงเช้า — เปิดอีเมลและสรุปข้อความ

สิบโมง — ทำรายงานจากข้อมูลใน spreadsheet

สิบเอ็ดโมง — โทรคุยกับลูกค้าที่กำลังไม่พอใจ

บ่ายโมง — ประชุมกับทีมเพื่อแก้ปัญหา

บ่ายสาม — เขียนร่างข้อเสนอ

สี่โมง — ตรวจความถูกต้องก่อนส่งหัวหน้า

ห้าโมง — อธิบายงานให้พนักงานใหม่

ทั้งหมดนี้รวมอยู่ใน “ตำแหน่งงาน” เดียว แต่ AI ทำแต่ละส่วนได้ไม่เท่ากัน

คำถามแรก ถ้า AI ช่วยเขียนอีเมลและร่างรายงานได้ นั่นแปลว่าพนักงานคนนี้ “ไม่จำเป็นแล้ว” หรือเพียงแปลว่าองค์ประกอบของงาน กำลังเปลี่ยน?

Job ≠ Task

นี่คือแนวคิดสำคัญที่สุด สำหรับทำความเข้าใจ AI กับตลาดแรงงาน

Occupation → Tasks หลายชนิด → บาง task ถูก automate → บาง task ถูก augment → Job ถูกออกแบบใหม่

ตัวอย่างเช่น “แพทย์” ไม่ได้ทำเพียงวินิจฉัยโรค

ยังต้องฟังคนไข้ ซักประวัติ ตรวจร่างกาย อ่านข้อมูล อธิบายความเสี่ยง ตัดสินใจภายใต้ความไม่แน่นอน ประสานงาน และรับผิดชอบต่อผลการรักษา

AI อาจทำบาง task ได้ดีมาก โดยไม่สามารถแทน occupation ทั้งหมดได้

ILO พบอะไร?

1 ใน 4 แรงงานทั่วโลก

อยู่ในอาชีพที่มี GenAI exposure บางระดับ

ILO และ NASK ประเมินในปี 2025 ว่า ประมาณหนึ่งในสี่ของการจ้างงานทั่วโลก อยู่ในอาชีพที่ Generative AI มีศักยภาพทำงานบางส่วนได้

แต่ตัวเลขนี้ต้องอ่านให้ถูก

Exposure ≠ Job Loss

ถ้าอาชีพหนึ่งมี AI exposure สูง ไม่ได้หมายความว่า คนในอาชีพนั้นจะตกงาน ตามสัดส่วนดังกล่าว

Exposure บอกว่า เทคโนโลยีมีความสามารถเข้าไปทำ หรือเปลี่ยน task บางส่วน

ผลจริงยังขึ้นอยู่กับ ราคาเทคโนโลยี การตัดสินใจของนายจ้าง กฎหมาย ความเชื่อถือ ทักษะคนทำงาน การออกแบบองค์กร และความต้องการของลูกค้า

ในเดือนเมษายน 2026 ILO ย้ำอีกครั้งว่า AI exposure indicators ควรถูกอ่านเป็น signals of possible change ไม่ใช่ forecasts ของผลการจ้างงาน

งานแบบไหนถูกกระทบมาก?

ผลการประเมินของ ILO ทำลายความเชื่อเก่าอย่างหนึ่ง:

เทคโนโลยีรอบนี้ไม่ได้กระทบ แต่งานใช้แรงกายหรืองานค่าแรงต่ำ

GenAI เก่งเป็นพิเศษกับ งานเชิงภาษา ข้อมูล และสัญลักษณ์

เอก

Clerical Work

งานป้อนข้อมูล พิมพ์เอกสาร งานเลขานุการ บัญชีและ bookkeeping บางส่วน มี exposure สูง

สื่อ

Media

การร่างข้อความ แปล สรุป สร้างภาพ เสียง และวิดีโอ กำลังถูก AI เข้าไปช่วยทำมากขึ้น

Code

Software

AI สามารถเขียน อธิบาย ตรวจ และแก้โค้ดบางประเภท ทำให้ workflow ของนักพัฒนาเปลี่ยน

เงิน

Finance

งานวิเคราะห์เอกสาร จัดข้อมูล สร้างรายงาน และงานความรู้บางประเภท มี exposure เพิ่มขึ้น

แล้วช่างประปา พยาบาล ครู หรือคนดูแลผู้สูงอายุล่ะ?

AI อาจช่วยงานเอกสาร การวางแผน ค้นข้อมูล หรือวิเคราะห์บางส่วน

แต่โลกกายภาพ ยังมีคุณสมบัติที่ซอฟต์แวร์เพียงอย่างเดียว ทำได้ยาก

เช่น

การจับและเคลื่อนย้ายวัตถุที่ไม่แน่นอน

การทำงานในบ้านหรือสถานที่ที่แตกต่างกันทุกแห่ง

การอ่านอารมณ์และสร้างความไว้วางใจ

การดูแลมนุษย์ที่เปราะบาง

การรับผิดชอบทางวิชาชีพและจริยธรรม

การตัดสินใจเมื่อข้อมูลไม่ครบ

นี่ไม่ได้หมายความว่างานเหล่านี้ “ปลอดภัยจาก AI ตลอดไป”

แต่แสดงให้เห็นว่า ความสามารถของ AI ไม่ได้กระจายเท่ากันในทุก task

Automation กับ Augmentation ต่างกันอย่างไร?

รูปแบบ	ตัวอย่าง	ผลที่อาจเกิด
Automation	AI ทำ task เดิมแทนมนุษย์	ความต้องการแรงงานใน task นั้นอาจลดลง
Augmentation	AI ช่วยมนุษย์ทำ task เร็วหรือดีขึ้น	คนหนึ่งคนอาจผลิตงานได้มากขึ้น
Task Creation	เกิดงานใหม่ เช่น ตรวจผล AI หรือดูแลระบบ	เกิดความต้องการทักษะใหม่
Job Redesign	งาน routine ลดลง มนุษย์รับผิดชอบส่วนซับซ้อนขึ้น	คำอธิบายตำแหน่งงานเปลี่ยน

เทคโนโลยีไม่ได้เพียงทำลายงานเก่า
มันเปลี่ยน “ส่วนผสมของงาน” ที่มนุษย์ทำด้วย

แต่ถ้าคนหนึ่งทำงานได้เร็วขึ้น บริษัทจะจ้างคนน้อยลงไหม?

เป็นไปได้

และนี่คือเหตุผลที่ “AI เพิ่ม productivity” ไม่ได้หมายความโดยอัตโนมัติว่า คนทำงานทุกคนจะได้ประโยชน์

สมมติบริษัทมีพนักงานสิบคน ทำรายงานวันละ 100 ฉบับ

AI ทำให้คนเดิม ผลิตได้วันละสองเท่า

บริษัทอาจเลือก:

ทางเลือก A

ผลิต 200 ฉบับ โดยยังจ้างสิบคน

ทางเลือก B

ผลิต 100 ฉบับ โดยลดจำนวนคน

ทางเลือก C

ให้พนักงานใช้เวลาที่ประหยัดได้ ทำงานคุณภาพสูงกว่าเดิม

ทางเลือก D

ลดเวลาทำงาน หรือแบ่งผลผลิตที่เพิ่มขึ้น กลับสู่แรงงาน

เทคโนโลยีไม่ได้เป็นผู้เลือก ระหว่าง A, B, C หรือ D

องค์กร ตลาด กฎหมาย และอำนาจต่อรองเป็นผู้เลือก

+1 : คำถามใหญ่ไม่ใช่เพียง “AI ทำอะไรได้?” แต่คือ “ใครได้ productivity ที่เพิ่มขึ้น?”

ตรงนี้ทำให้เรื่อง AI เปลี่ยนจากเรื่องเทคโนโลยี กลายเป็นเรื่องเศรษฐศาสตร์การเมือง

สมมติ AI ทำให้ผลผลิตต่อคน เพิ่มขึ้น 30%

ผลประโยชน์นั้นอาจกลายเป็น

• กำไรของบริษัท
• ราคาสินค้าที่ถูกลง
• ค่าจ้างที่สูงขึ้น
• เวลาทำงานที่สั้นลง
• บริการที่ดีขึ้น
• หรือส่วนผสมของทั้งหมด

ไม่มี “กฎธรรมชาติ” กำหนดว่าผลประโยชน์ ต้องตกแก่ฝ่ายใดฝ่ายหนึ่ง

มันขึ้นอยู่กับ การแข่งขัน ตลาดแรงงาน นโยบายภาษี สถาบันแรงงาน การศึกษา และอำนาจต่อรอง

ดังนั้นคำถามเรื่อง AI จึงไม่ควรจบที่ “มันเก่งแค่ไหน?”

แต่ต้องถามต่อว่า “สังคมออกแบบการแบ่งผลจากความเก่งนั้นอย่างไร?”

แล้วงานใหม่จะเกิดหรือไม่?

ประวัติศาสตร์เทคโนโลยี แสดงให้เห็นว่าการเปลี่ยนแปลง มักทำลายงานบางประเภท พร้อมกับสร้างงานใหม่ และเพิ่มความต้องการงานบางชนิด

แต่จำนวนและคุณภาพของงานใหม่ ไม่สามารถสรุปจากอดีต มาใช้กับ AI ได้โดยอัตโนมัติ

World Economic Forum สำรวจนายจ้างมากกว่า 1,000 ราย ใน Future of Jobs Report 2025 และประเมินว่าการเปลี่ยนแปลงจาก เทคโนโลยี เศรษฐกิจ ประชากร และ green transition รวมกัน อาจสร้างงานประมาณ 170 ล้านตำแหน่ง และ displacement ประมาณ 92 ล้านตำแหน่ง ภายในปี 2030

สุทธิประมาณ +78 ล้านตำแหน่ง

แต่อย่าเรียกตัวเลขนี้ว่า “AI จะสร้างสุทธิ 78 ล้านงาน”

WEF ไม่ได้วัดผลของ AI เพียงปัจจัยเดียว

ประมาณการดังกล่าวรวมหลายแรงขับ: เทคโนโลยี demographic change เศรษฐกิจ geoeconomic fragmentation และ green transition

และเป็นการคาดการณ์ จากข้อมูลและความเห็นนายจ้าง ไม่ใช่ผลลัพธ์ที่รับประกันว่าจะเกิดขึ้น

สิ่งที่น่ากังวลอาจไม่ใช่ “ไม่มีงาน” แต่คือ Skills Mismatch

ลองสมมติว่า งานเก่าหายไป 100 ตำแหน่ง และงานใหม่เกิด 120 ตำแหน่ง

ตัวเลขรวมดูดี

แต่ถ้าคน 100 คนที่เสียงาน ไม่มีทักษะทำงานใหม่ 120 ตำแหน่งนั้น ปัญหายังคงเกิดขึ้น

งานเก่าลด → คนต้องเปลี่ยนทักษะ → งานใหม่เกิด

ปัญหาคือ ลูกศรตรงกลาง ไม่ได้เกิดขึ้นเอง

WEF ประเมินว่า เกือบ 40% ของทักษะที่ใช้ในงาน อาจเปลี่ยนภายในปี 2030 และ 63% ของนายจ้างที่สำรวจ มอง skills gap เป็นอุปสรรคสำคัญต่อการเปลี่ยนธุรกิจ

+1 อีกชั้น : ความเสี่ยงใหม่อาจไม่ใช่ “AI vs คน” แต่คือ “คนที่ใช้ AI เป็น vs คนที่ไม่มีโอกาสใช้”

สมมติพนักงานสองคน มีประสบการณ์เท่ากัน

คนแรกใช้ AI ค้นข้อมูล สร้าง draft ตรวจข้อผิดพลาด วิเคราะห์ข้อมูล และเรียนรู้เครื่องมือใหม่

คนที่สอง ไม่เคยได้รับการฝึก ไม่มีเครื่องมือ หรือองค์กรไม่เปิดโอกาสให้ใช้

เมื่อเวลาผ่านไป productivity ของทั้งสองคน อาจแยกออกจากกัน

ILO เตือนว่า การเข้าถึงเทคโนโลยีที่ไม่เท่าเทียม จากข้อจำกัดด้าน infrastructure skills หรือ cost สามารถขยาย productivity divide ระหว่างประเทศ และระหว่างบริษัทใหญ่กับธุรกิจขนาดเล็กได้

ดังนั้น digital divide รุ่นใหม่ อาจไม่ใช่เพียง

“ใครมีอินเทอร์เน็ต?”

แต่คือ

“ใครสามารถใช้ AI เพื่อเพิ่มความสามารถของตนเองได้จริง?”

ทักษะอะไรจึงน่าลงทุน?

คำตอบไม่ใช่ “เรียน prompt engineering อย่างเดียว”

ทักษะ	เหตุผล
อ่านและเขียน	ต้องเข้าใจ input และตรวจ output ของ AI
Critical Thinking	AI สามารถสร้างคำตอบที่ดูน่าเชื่อแต่ผิดได้
Domain Knowledge	คนที่รู้เรื่องจริงสามารถประเมินคำตอบ AI ได้ดีกว่า
Data Literacy	งานจำนวนมากกำลังเปลี่ยนเป็นการตัดสินใจจากข้อมูล
AI Literacy	ต้องรู้ทั้งความสามารถ ข้อจำกัด ความเสี่ยง และวิธีใช้งาน
Communication	การอธิบาย เจรจา สอน และสร้างความไว้วางใจยังสำคัญ
Learning Ability	เครื่องมือเปลี่ยนเร็ว ทักษะการเรียนรู้จึงมีอายุยืนกว่าเครื่องมือเฉพาะตัว

ถ้าเป็นนักเรียนวันนี้ ควรเตรียมตัวอย่างไร?

อย่าแข่งกับ AI ในสิ่งที่ AI ทำได้ถูกและเร็ว

1. ใช้ AI แต่ต้องตรวจ AI
   อย่าเปลี่ยนจากผู้เรียน เป็นเพียงผู้กดรับคำตอบ
2. สร้าง foundational skills
   อ่าน เขียน คำนวณ และคิดอย่างมีเหตุผล ยังเป็นฐานของการใช้ AI
3. รู้จริงอย่างน้อยหนึ่ง domain
   AI literacy ที่ไม่มีความรู้เนื้อหา ทำให้ตรวจคำตอบได้ยาก
4. ฝึกทำงานกับมนุษย์
   การฟัง การอธิบาย การเจรจา และความไว้วางใจ มีมูลค่าสูงในงานจำนวนมาก
5. เรียนรู้วิธีเรียนรู้
   อย่าผูกอนาคตไว้กับ software ตัวเดียว เพราะเครื่องมือจะเปลี่ยน
6. สร้างผลงานจริง
   Portfolio ที่แสดงว่า เราใช้ความรู้และ AI แก้ปัญหาอะไรได้ อาจมีความหมายมากขึ้นเรื่อย ๆ

แล้วประเทศไทยควรถามอะไร?

ประเทศไม่ควรมีเพียง “ยุทธศาสตร์ AI”

แต่ควรมี ยุทธศาสตร์การเปลี่ยนผ่านของแรงงาน ควบคู่กัน

ใครจะสอน AI literacy แก่แรงงานวัย 40–60 ปี?

SMEs จะเข้าถึงเครื่องมือเดียวกับบริษัทใหญ่ได้อย่างไร?

อาชีวศึกษาจะปรับหลักสูตรเร็วพอหรือไม่?

คนที่งานถูกลดทอน จะมีรายได้ระหว่าง reskill อย่างไร?

ใครเป็นเจ้าของ productivity gain ที่เกิดจาก AI?

และถ้า AI ทำให้คนหนึ่งทำงานได้เท่ากับสองคน เราจะใช้กำลังผลิตที่เพิ่มขึ้น เพื่อสร้างงานเพิ่ม ลดเวลาทำงาน เพิ่มค่าจ้าง หรือลดจำนวนคน?

สรุปบทเรียน

คำถาม “AI จะมาแย่งงานเราไหม?” ไม่มีคำตอบแบบใช่หรือไม่ใช่

AI ไม่ได้กระทบทุกอาชีพเท่ากัน และภายในอาชีพเดียวกัน แต่ละ task ก็มี exposure ไม่เท่ากัน

หลักฐานของ ILO จึงชี้ไปทาง job transformation มากกว่าภาพ job apocalypse

แต่ transformation ไม่ได้แปลว่าไม่มีผู้เสียประโยชน์

งานบางประเภทอาจลดลง
ค่าจ้างบางกลุ่มอาจถูกกดดัน
ทักษะบางอย่างอาจมีมูลค่าลดลง
และคนที่เข้าถึง AI ไม่เท่ากัน อาจยิ่งห่างกัน

ดังนั้นคำถามสำหรับอนาคต ไม่ควรมีเพียง

“AI จะทำอะไรแทนมนุษย์ได้?”

แต่ต้องถามอีกสามข้อ:

มนุษย์จะใช้ AI ทำอะไรได้มากขึ้น?

ใครจะมีโอกาสเรียนรู้ และเข้าถึงเครื่องมือนั้น?

และ

ผลผลิตที่เพิ่มขึ้น จะถูกแบ่งกลับไปยังใคร?

เพราะอนาคตของงาน ไม่ได้ถูกเขียนด้วยเทคโนโลยีเพียงฝ่ายเดียว

มันถูกเขียนร่วมกันโดย เทคโนโลยี การศึกษา ตลาด องค์กร นโยบาย และการตัดสินใจของมนุษย์

แหล่งข้อมูลสำหรับอ่านต่อ

• International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 20 May 2025.
  ILO
• International Labour Organization, Generative AI and Jobs: A 2025 Update, 20 May 2025.
  ILO Research Brief
• International Labour Organization, Workers' Exposure to AI: What Indicators Tell Us — and What They Don't, 17 April 2026.
  ILO
• International Labour Organization, Artificial Intelligence Adoption and Its Impact on Jobs, 31 May 2025.
  ILO
• World Economic Forum, Future of Jobs Report 2025, 7 January 2025.
  World Economic Forum

หมายเหตุทางวิชาการ: AI exposure ไม่ได้เท่ากับ probability of job loss และไม่ควรถูกนำไปใช้ทำนายจำนวนผู้ตกงานโดยตรง ตัวเลขหนึ่งในสี่ของ ILO หมายถึงสัดส่วนการจ้างงานทั่วโลก ที่อยู่ใน occupations ซึ่งมี GenAI exposure อย่างน้อยบางระดับ ตามวิธีประเมิน task-level exposure ส่วนตัวเลข 170 ล้านงานใหม่ 92 ล้านงาน displaced และสุทธิ 78 ล้านงาน จาก Future of Jobs Report 2025 เป็นประมาณการจาก macrotrends หลายด้าน ไม่ใช่ผลของ AI เพียงปัจจัยเดียว และไม่ใช่คำพยากรณ์ที่รับประกันว่าจะเกิดขึ้นจริง

ห้องสมุดประชาชน · ความรู้สำหรับคนไทย
คำถามอาจไม่ใช่ว่า “AI จะมาเอางานของเราหรือไม่?” — แต่อาจเป็นว่า เมื่อ AI เข้ามาอยู่ในงานของเราแล้ว เราจะยังเรียนรู้เร็วพอ ที่จะเป็นผู้ใช้มัน แทนที่จะปล่อยให้การเปลี่ยนแปลง เกิดขึ้นโดยไม่มีเรา