AI แย่งงาน: คาดการณ์ผลกระทบของ AI ต่ออาชีพต่าง ๆ และการเปลี่ยนแปลงของตลาดแรงงานในไทย
ในการบรรยายของ อาจารย์ดร. สมทิพย์ จากคณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ได้กล่าวถึงผลกระทบจาก AI ต่ออาชีพต่าง ๆ โดยใช้ทฤษฎี Autor, Levy, และ Murnane (ALM Hypothesis) และ Skill-Biased Technological Change (SBTC) มาวิเคราะห์ถึงความเปลี่ยนแปลงในตลาดแรงงานว่ามีอาชีพใดบ้างที่จะเสี่ยงโดน AI แย่งงาน และสิ่งที่มนุษย์สามารถทำได้ดีกว่า AI โดยเฉพาะในตลาดแรงงานของไทย
ทฤษฎี ALM Hypothesis: การแบ่งประเภทของงานและผลกระทบจาก AI
ทฤษฎี ALM Hypothesis ได้แบ่งงานออกเป็น 4 ประเภทตามความเป็นกิจวัตร (Routine) และการใช้ความคิด (Cognitive) โดยมีการคาดการณ์ว่าตำแหน่งงานใดบ้างที่มีความเสี่ยงที่จะถูก AI แย่งงาน หรือ หุ่นยนต์แย่งงาน และตำแหน่งงานใดที่ยังคงต้องพึ่งพามนุษย์
1. งานที่ใช้การประมวลผลทางความคิดและเป็นกิจวัตร (Cognitive Routine Jobs)
- ตัวอย่าง: เจ้าหน้าที่ป้อนข้อมูล, พนักงานบัญชีพื้นฐาน, พนักงานตรวจสอบเอกสาร
- ผลกระทบจาก AI: งานเหล่านี้มีแนวโน้มที่จะถูกแทนที่โดย AI เนื่องจากทำซ้ำและใช้กฎเกณฑ์ชัดเจน เช่น การป้อนข้อมูลและการจัดการบัญชี ซึ่ง AI สามารถทำได้แม่นยำและรวดเร็วกว่า
- อาชีพที่จะโดน AI แย่งงาน: พนักงานในสายงานนี้ เช่น พนักงานบัญชีระดับล่าง พนักงานเอกสารในองค์กรขนาดใหญ่ จะเสี่ยงโดน AI แทนที่อย่างมากในอนาคต
ใครเสี่ยงที่สุด: พนักงานในตำแหน่งเหล่านี้ที่ทำงานซ้ำๆ ตามขั้นตอนจะถูกแทนที่ได้ง่ายที่สุด เช่น พนักงานบัญชีระดับล่าง และฝ่ายเอกสารในองค์กรขนาดใหญ่
2. งานที่ใช้การประมวลผลทางความคิดแต่ไม่เป็นกิจวัตร (Cognitive Non-Routine Jobs)
- ตัวอย่าง: นักพัฒนาซอฟต์แวร์, วิศวกร, แพทย์, นักวิจัย
- ผลกระทบจาก AI: AI สามารถช่วยเพิ่มประสิทธิภาพในการทำงานที่ซับซ้อน เช่น การวิเคราะห์ข้อมูลหรือช่วยแพทย์ในด้านวินิจฉัย แต่ยังไม่สามารถแทนที่การตัดสินใจของมนุษย์ได้อย่างสมบูรณ์ เนื่องจากงานเหล่านี้ต้องใช้การแก้ปัญหาเฉพาะหน้าและความคิดสร้างสรรค์
- ความเสี่ยงจาก AI: แม้ว่างานเหล่านี้จะยังต้องการมนุษย์ แต่ตำแหน่งเริ่มต้น เช่น Entry-Level หรือ Junior Level ก็มีโอกาสที่ AI จะเข้ามาเสริมการทำงานในระดับพื้นฐานได้
3. งานที่ใช้การประมวลผลทางความคิดและเป็นกิจวัตร (Non-Cognitive Routine Jobs)
- ตัวอย่าง: คนงานในสายการผลิต, พนักงานเก็บเงิน, พนักงานเสิร์ฟ
- ผลกระทบจาก AI: งานที่ทำซ้ำได้ เช่น การทำงานในสายการผลิตและงานบริการ มีโอกาสสูงที่จะถูกแทนที่ด้วยหุ่นยนต์และระบบอัตโนมัติ เช่น หุ่นยนต์ในโรงงานผลิตรถยนต์
- อาชีพที่ AI จะมาแทน: พนักงานในโรงงานอุตสาหกรรมและภาคบริการ เช่น พนักงานเก็บเงินและคนงานโรงงานมีความเสี่ยงสูงที่จะถูก AI ทํา งานแทนคน
4. งานที่ไม่ใช้การประมวลผลทางความคิดและไม่เป็นกิจวัตร (Non-Cognitive Non-Routine Jobs)
- ตัวอย่าง: ผู้ดูแลผู้สูงอายุ, พนักงานบริการในโรงแรม, ช่างซ่อมรถ
- ผลกระทบจาก AI: งานเหล่านี้ต้องการการปฏิสัมพันธ์ทางสังคมและทักษะทางกายภาพที่ AI ยังไม่สามารถแทนที่ได้ เช่น การดูแลผู้สูงอายุหรือการบริการลูกค้าในโรงแรม ซึ่งต้องอาศัยการสื่อสารและความเห็นอกเห็นใจที่ AI ยังทำไม่ได้
งานเหล่านี้มีแนวโน้มที่จะถูกแทนที่น้อยกว่า เนื่องจาก AI ยังไม่สามารถแทนที่การมีปฏิสัมพันธ์ทางกายภาพหรือความคล่องตัวทางสังคมได้ เช่น การดูแลสุขภาพและการบริการ
สรุปผลกระทบที่คาดการณ์จากทฤษฎี ALM: งานที่จะถูก AI แย่งหรือทดแทน
- งานที่ใช้ความคิดและเป็นกิจวัตร: เสี่ยงต่อการถูกแทนที่โดย AI เนื่องจากความสามารถในการทำงานตามกฎเกณฑ์ เช่น พนักงานบัญชี, เจ้าหน้าที่ฝ่ายจัดซื้อ
- งานที่ใช้ความคิดแต่ไม่เป็นกิจวัตร: AI เข้ามาช่วยเพิ่มศักยภาพ แต่ไม่สามารถแทนที่ทั้งหมด เช่น แพทย์, นักพัฒนาซอฟต์แวร์
- งานที่ไม่ใช้ความคิดและเป็นกิจวัตร: เสี่ยงต่อการถูกแทนที่มากที่สุดในภาคการผลิตและบริการ เช่น คนงานในสายการผลิต, พนักงานเสิร์ฟ
- งานที่ไม่ใช้ความคิดและไม่เป็นกิจวัตร: ความต้องการปฏิสัมพันธ์ทางสังคมและการใช้ทักษะทางกายภาพทำให้ AI เข้ามาแทนที่ยาก เช่น ผู้ดูแลผู้สูงอายุ, ช่างซ่อมรถ
โมเดล Skill-Biased Technological Change (SBTC): การเปลี่ยนแปลงที่ขึ้นกับทักษะ
นอกเหนือจากทฤษฎี ALM Hypothesis ยังมีแนวคิดเรื่อง Skill-Biased Technological Change (SBTC) ที่โฟกัสไปที่การเปลี่ยนแปลงเทคโนโลยีโดยใช้ทักษะเป็นปัจจัยหลักในการวิเคราะห์ตลาดแรงงาน โดย AI และเทคโนโลยีจะให้ประโยชน์กับคนที่มีทักษะสูง แต่ทำให้คนที่มีทักษะต่ำเสี่ยงต่อการถูกแย่งงานจาก AI
1. งานทักษะสูง:
ตำแหน่งที่ต้องใช้ทักษะด้านการวิเคราะห์ข้อมูลและการพัฒนา AI เช่น วิศวกร AI นักพัฒนาซอฟต์แวร์ ยังคงต้องการทักษะเฉพาะทางที่ AI แทนที่ยาก
2. งานทักษะต่ำ:
งานที่ต้องใช้แรงงานซ้ำ ๆ เช่น งานในสายการผลิตและการบริการจะถูกแทนที่ด้วยระบบอัตโนมัติได้ง่าย เช่น งานในภาคเกษตรกรรมและโรงงานอุตสาหกรรม
3. งานทักษะระดับกลาง:
งานในสายธุรการและงานเสมียนมีความเสี่ยงสูงในการถูกแทนที่ด้วย AI เนื่องจาก AI สามารถทำงานเหล่านี้ได้รวดเร็วกว่า
ในประเทศไทย อาจารย์สมทิพย์ระบุว่าแรงงานทักษะระดับกลางและทักษะต่ำในภาคการผลิตมีโอกาสสูงที่จะถูกทดแทน ขณะที่แรงงานทักษะสูงในด้านเทคโนโลยีจะยังคงมีความต้องการสูงขึ้น
ในประเทศเจริญแล้วเกิด Market polarization คือ
การที่ตลาดแรงงานเริ่มแบ่งแยกเป็นสองกลุ่มหลัก ได้แก่ งานทักษะสูงที่มีความต้องการสูงขึ้น และงานทักษะต่ำที่ยังคงมีความต้องการ แต่ตำแหน่งงานทักษะระดับกลางกลับมีแนวโน้มลดลง อันเป็นผลมาจากการที่เทคโนโลยีอย่าง AI สามารถทำงานที่เป็นกิจวัตรและใช้ความคิดขั้นพื้นฐานได้ดีขึ้น ทำให้งานที่ต้องการทักษะปานกลางมีความต้องการลดลงและเสี่ยงต่อการถูกแทนที่ด้วยระบบอัตโนมัติ
ในผลกระทบเชิงนี้นั้นมักเกิดขึ้นกับประเทศที่ตลาดงานเติบโตแล้ว ขณะประเทศที่กำลังพัฒนายังไม่เจอผลกระทบแบบนี้มากนัก
สำหรับในไทยจากการศึกษาสถิติของ สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ อาจารย์สมทิพย์กล่าวว่า ตลาดไทยยังไม่เป็นแบบนั้น และยังคงต้องการแรงงานระดับสูงกับกลาง ขณะที่ความท้าทายตกไปอยู่ที่แรงงานทักษะระดับต่ำ
ผลกระทบของ AI ต่อการย้ายตำแหน่งงานในประเทศไทย
งานระดับทักษะระดับกลางบางส่วน และแรงงานทักษะระดับต่ำในภาคการผลิตที่ต้องทำซ้ำมีโอกาสถูกทดแทนมากที่สุด ผู้จบปริญญาบางส่วนลงมาทำงานในส่วนของงานที่ใช้ทักษะระดับต่ำหรือไม่สามารถขึ้นไปอยู่ในแรงงานใช้ทักษะระดับสูงได้ ขณะเดียวกันประเทศไทยก็มีแรงงานทักษะระดับต่ำจากประเทศเพื่อนบ้านจำนวนมากเข้ามาแข่งขันด้วยค่าแรงที่น่าดึงดูดกว่าในมุมมองนายจ้าง คิดเป็นเกือบ 8% ของภาคแรงงานทั้งหมด จึงเป็นภาคส่วนที่น่าเป็นห่วง
โอกาสใหม่ในยุค AI
แม้ AI จะทำให้บางตำแหน่งงานถูกแทนที่ แต่ก็สร้างโอกาสใหม่ๆ เช่น ในสาขาเทคโนโลยี พลังงานหมุนเวียน และการค้าออนไลน์ในประเทศไทย อีกทั้งยังมีความต้องการแรงงานในสาขาที่เกี่ยวข้องกับการพัฒนา AI เทคโนโลยีสมัยใหม่และการสร้างนวัตกรรม ดังเช่นที่เริ่มมีการเปิด Data Center ในไทย ทำให้เกิดความต้องการในตำแหน่งงาน เช่น นักวิเคราะห์ข้อมูล วิศวกร AI และผู้เชี่ยวชาญด้านการพัฒนาซอฟต์แวร์ ในอนาคตจึงขึ้นอยู่กับผู้ประกอบการไทยว่าจะสร้างบริษัทที่สร้างการจ้างงานให้คนไทยได้มากน้อยเพียงใด บน Supply Chain รูปแบบใหม่ ๆ
ความต้องการแรงงานในไทยมักขึ้นอยู่กับตัวเลขการลงทุนโดยตรงของบริษัทข้ามชาติ การค้าและส่งออกกับต่างประเทศ
กลยุทธ์การพัฒนาทักษะแรงงานไทย
ประเทศไทยต้องปรับปรุงระบบการศึกษาและการฝึกอบรม เพื่อบูรณาการทักษะ AI และทักษะดิจิทัลเข้าไปในหลักสูตรการศึกษาและส่งเสริมโปรแกรมการฝึกทักษะใหม่ ๆ (Upskilling และ Reskilling) สำหรับแรงงานที่อาจเสี่ยงต่อการถูกแทนที่โดย AI การเรียนรู้ตลอดชีวิตและการพัฒนาทักษะด้านอารมณ์ (Soft Skills) จะมีความสำคัญอย่างยิ่งในการสร้างแรงงานที่พร้อมต่อการเปลี่ยนแปลง
แนวทางสำคัญในการเตรียมตัวสู่ยุค AI
- การปฏิรูปการศึกษา: บูรณาการทักษะ AI และดิจิทัลตั้งแต่ระดับต้น ส่งเสริมการเรียนสาย STEM มากขึ้น
- โปรแกรมการพัฒนาทักษะใหม่ (Upskilling และ Reskilling): เพื่อให้แรงงานปรับตัวและพัฒนาทักษะให้เหมาะกับตลาดที่ใช้เทคโนโลยี
- การพัฒนาทักษะทางด้านอารมณ์และสังคม (Soft Skills): เช่น ความคิดสร้างสรรค์และการแก้ปัญหาซับซ้อน ที่ AI ไม่สามารถแทนที่ได้ง่าย
ข้อคิดสำคัญสำหรับผู้ที่ต้องการเตรียมพร้อมในยุค AI
- อาชีพที่ AI จะมาแทน: ควรพิจารณาว่างานของคุณเป็นงานที่ใช้ความคิดหรือไม่ และต้องทำซ้ำบ่อย ๆ หรือไม่ เนื่องจากงานที่ใช้กิจวัตรซ้ำ ๆ มีโอกาสโดน AI แย่งงานได้สูง
- AI ฉลาดกว่ามนุษย์หรือไม่: แม้ AI จะมีประสิทธิภาพในการประมวลผลข้อมูล แต่ก็ยังขาดความสามารถในการตัดสินใจและความคิดสร้างสรรค์ที่มนุษย์มี
- มนุษย์ดีกว่า AI ยังไง: ในงานที่ต้องการความเห็นอกเห็นใจ การแก้ปัญหาที่ซับซ้อน และการสร้างสรรค์ มนุษย์ยังคงมีบทบาทสำคัญที่ AI ทดแทนได้ยาก
ในท้ายที่สุด AI เป็นทั้งโอกาสและความท้าทายต่อการเปลี่ยนแปลงของตลาดแรงงานในประเทศไทย โดยการเตรียมความพร้อมผ่านการพัฒนาทักษะ การปฏิรูปการศึกษา และการพัฒนา Soft Skills เราได้แต่หวังว่าสิ่งเหล่านี้จะช่วยให้แรงงานไทยสามารถรับมือกับความท้าทายจากเทคโนโลยี AI และก้าวทันการเปลี่ยนแปลงในตลาดแรงงาน