Reflections from my recent session at Chulalongkorn University

สวัสดีอีกครั้งครับทุกท่าน 

CTO Blog รอบนี้อาจไม่ technical สักเท่าไหร่ แต่ถือว่าเป็นการชวนคุย ชวนคิด ในประเด็นที่สำคัญและอยู่ใกล้ตัวพวกเรามากกว่าที่คิดก็แล้วกันนะครับ 

สัปดาห์ก่อน ผมได้รับเกียรติให้ไปร่วมแบ่งปันประสบการณ์ในโครงการ AI and the Law ที่คณะนิติศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ซึ่งต้องบอกว่าเป็นการใช้เวลาครึ่งวันเต็มๆ อย่างสนุก พูดคุยแลกเปลี่ยนกันเต็มที่ 

และแน่นอนว่าเมื่อมาพูดคุยในสถานศึกษา ที่รายล้อมไปด้วยนักศึกษาและเยาวชนคนรุ่นใหม่ หนึ่งในประเด็นสำคัญที่มีการพูดคุยกันในวันนั้นก็คือ เรื่อง GenAI และผลกระทบต่อตลาดแรงงานนี่แหละครับ 

ผมเองก็ได้แบ่งปันมุมมองเท่าที่สังเกตเห็นในช่วง 2 ปีที่ผ่านมาแก่ทุกคน และคิดว่าประเด็นใหญ่และสำคัญขนาดนี้ ก็น่าจะเอามาเขียนถึง เพื่อพูดคุยกันหลายๆ ท่านต่อไปอีกน่าจะดี

GenAI และผลกระทบที่ไม่เท่ากันในตลาดแรงงาน 

ถ้าเราจำกันได้ ช่วงแรกๆ หลายคน (รวมถึงผมเอง) ก็คาดว่า Gen AI จะเข้ามากระทบงานในลักษณะที่ค่อนข้างทั่วถึง แต่หลังจากผ่านไประยะหนึ่ง โดยเฉพาะในช่วงเกือบ 2 ปีที่ GenAI ถูกนำมาใช้ในวงกว้างมากขึ้น เราก็เริ่มเห็นภาพที่ชัดเจนขึ้นว่า ผลกระทบไม่ได้กระจายอย่างเท่าเทียมกัน แต่กลับไปกระจุกตัวอยู่ที่ตำแหน่งงานสำหรับคนเพิ่งจบใหม่ มากกว่าระดับกลางหรืออาวุโส ดังที่หลายคนน่าจะได้เห็นข่าวทำนองนี้บ้างแล้ว ทั้งในไทย และในต่างประเทศ 

แน่นอนว่ามีหลายเหตุและปัจจัยที่ทำให้ตำแหน่งงานสำหรับคนเพิ่งจบใหม่หายไปจากตลาดค่อนข้างมาก และผมเชื่อว่า AI ไม่ใช่ปัจจัยเดียว ไหนจะปัจจัยด้านเศรษฐกิจ การศึกษา ประชากรศาสตร์ แถมสภาพตลาดแรงงานในแต่ละประเทศก็ย่อมมีตัวแปรต่างกันไปอีกมาก

แต่ถ้าถามว่าทำไมคนมีประสบการณ์ทำงานมาระดับนึงแล้วถึง “มักจะ” ใช้งาน GenAI ออกมาได้ดีกว่าคนไม่มีประสบการณ์ ผมคิดว่ามีเหตุผลเชิงเทคนิคอยู่เบื้องหลัง 2 ประการ 

1. ประสบการณ์ช่วยให้เราดึงศักยภาพ GenAI ออกมาได้มากขึ้น 

การใช้ GenAI ให้เกิดประโยชน์จริงๆ ไม่ใช่แค่การพิมพ์ prompt แล้วรอดูผลลัพธ์เท่านั้น แต่มันเกี่ยวกับการ “รู้ว่าจะถามอะไร” และ “อะไรคือคำตอบที่ดีพอ” — ซึ่งทั้งหมดนี้เกิดจากประสบการณ์ การเคยทำงานนั้นด้วยตัวเอง เคยเห็นผลลัพธ์มาแล้ว และเรียนรู้จากความผิดพลาดสะสมกันมาเป็นเวลานาน 

2. ในทางกลับกัน การตรวจทานผลลัพธ์จาก AI ก็ต้องยิ่งต้องใช้ประสบการณ์มากขึ้นเช่นกัน 

GenAI มักสร้างคำตอบที่ลื่นไหลและมั่นใจ ดูเผินๆ ก็เหมือนใช่เลย แต่ “ความลื่น” ไม่ได้แปลว่า “ถูกต้อง” หรือ “เหมาะสม” เสมอไป การจะรู้ว่าสิ่งใดหายไป สิ่งใดไม่ตอบโจทย์ หรือสิ่งใดไม่เหมาะกับบริบท ต้องอาศัยความเข้าใจเชิงลึกใน domain นั้นๆ ซึ่งส่วนใหญ่เป็นทักษะที่ต้องใช้เวลาหลายปีในการสั่งสม 

ด้วยเหตุนี้ ในหลายประเทศ โดยเฉพาะสิงคโปร์และกลุ่มสหภาพยุโรป มีการวางแนวทาง Job Redesign อย่างเป็นระบบ เพื่อให้องค์กรสามารถรับมือกับผลกระทบของ AI ต่อแรงงานได้อย่างยั่งยืน โดยเฉพาะในประเด็นที่เกี่ยวข้องกับคนรุ่นใหม่ที่กำลังเข้าสู่ตลาดงาน แนวทางเหล่านี้เน้นการออกแบบงานใหม่ให้ เปิดโอกาสให้พนักงานระดับต้นได้เรียนรู้และเติบโต

องค์กรที่ปรับตัวได้ดีมักไม่มอง GenAI แค่ในมุม “ลดงาน” แต่ใช้เป็นโอกาสในการ “ออกแบบ learning journey ใหม่” เช่น: 

• แยกงานที่สามารถทำได้โดยอัตโนมัติออก เพื่อให้พนักงานใช้เวลาไปกับงานที่ต้องใช้ judegment และ human insight มากขึ้น 

• จัดทำโครงการ Job Rotation หรือ Project-based Learning ที่เปิดโอกาสให้พนักงานใหม่ได้หมุนเวียนผ่านบทบาทที่หลากหลาย และเข้าใจบริบทเชิงลึกขององค์กร 

• ฝังแนวคิดเรื่อง Human-in-the-loop ไว้ในทุกกระบวนการ เพื่อให้คนรุ่นใหม่เรียนรู้การทำงานร่วมกับ AI ไม่ใช่แค่ใช้ AI เป็นเครื่องมือ 

แนวคิดสำคัญของ Job Redesign จึงไม่ใช่แค่ปรับ task list ให้ทันสมัย แต่คือการมอง “งาน” ในฐานะพื้นที่พัฒนาศักยภาพ — โดยมีเป้าหมายสุดท้ายคือการสร้างพนักงานที่ไม่เพียงแค่ทำงานได้ แต่ “เติบโต” ไปเป็นผู้นำในบริบทใหม่ที่เปลี่ยนแปลงตลอดเวลา
 

แล้วสิ่งนี้หมายความว่าอย่างไรสำหรับคนที่เพิ่งเริ่มต้นทำงาน? 

ผมเชื่อว่าเรื่องนี้ไม่ได้หมายความว่า คนที่เพิ่งเริ่มต้นอาชีพจะไม่มีคุณค่าในตลาดแรงงานอีกต่อไป — แต่สิ่งที่กำลังเกิดขึ้นมันคือ Value Shift หรือการเปลี่ยนแปลงของ “คุณค่าของงาน” ต่างหากครับ 

จากเดิมเรามักมองว่าการทำงาน = ทำตามหน้าที่ / คำสั่ง ที่ได้รับมอบหมาย หรือส่งต่องานให้ทีมได้อย่างถูกต้อง 

แต่ตอนนี้ “คุณค่า” ของงานจะไม่ใช่การทำตามหน้าที่ หรือขั้นตอน อีกต่อไปแล้ว (เพราะ AI มันก็ทำได้) แต่คุณค่าของงาน / และคุณค่าของเรา จะอยู่ที่ การกล้าคิด กล้าทำ กล้ารับผิดชอบ ความเป็นผู้นำ และการผลักดันสิ่งต่างๆ ให้เห็นผล 

ในบริบทใหม่นี้ ผมเชื่อว่า จุดแข็งของน้องๆ ที่จบใหม่จะไม่ใช่ทักษะเทคนิค แต่คือคุณสมบัติที่ “มนุษย์เท่านั้น” ที่มี ได้แก่: 

• ความใฝ่รู้ (Curiosity) 

• ความชื่นชอบในสิ่งที่ทำ (Passion) 

• พลังและความกระตือรือร้น (Energy) 

• ความมีส่วนร่วม (Engagement) 

• ความคิดเชิงวิพากษ์ (Critical Thinking) 

• ความเข้าใจผู้อื่น (Empathy) 

ทักษะเหล่านี้ไม่ใช่แค่ soft skills ประจำตัวนะครับ แต่มันคือ “สิ่งที่สร้างความแตกต่าง” ให้แก่เราได้อย่างแท้จริงเลย เพราะสิ่งเหล่านี้คือคุณสมบัติของการเป็นผู้นำทีม ตั้งคำถามกับสิ่งที่เคยชิน และมองเห็นทางออกในสถานการณ์คลุมเครือ — ทั้งหมดนี้ AI ทำแทนเราไม่ได้ 

ผมเชื่อว่าองค์กรจากนี้ไป จะไม่ได้ลงทุนกับ “ทักษะของพนักงานใหม่” แต่จะหันไปลงทุนกับ “ศักยภาพในการเป็นผู้นำรุ่นต่อไป” ของพนักงานใหม่แทน 

เพราะ Human Touch / Human Value กำลังกลายเป็นสิ่งหายาก ในโลกแห่ง AI ครับ