ตลาดงาน AI โต แต่คนไม่พอ คือความเสี่ยงใหม่ของเศรษฐกิจดิจิทัล
ตลาดงาน AI หมายถึงภาพรวมตำแหน่งงานที่เกี่ยวข้องกับการพัฒนา การใช้ และการจัดการเทคโนโลยีปัญญาประดิษฐ์และข้อมูล ตั้งแต่นักพัฒนา AI วิศวกรข้อมูล นักวิเคราะห์ ไปจนถึงผู้จัดการโครงการดิจิทัล ซึ่งสะท้อนการเปลี่ยนผ่านของเศรษฐกิจสู่โลกดิจิทัลที่ขับเคลื่อนด้วยข้อมูลและอัลกอริทึม การเติบโตของตลาดงาน AI จึงไม่ได้เป็นเพียงการเพิ่มจำนวนตำแหน่งงานใหม่ แต่ยังเป็นตัวชี้ว่าองค์กรทุกภาคส่วนเริ่มพึ่งพาเทคโนโลยีอัจฉริยะเพื่อสร้างมูลค่าและแข่งขันในยุคดิจิทัล หัวใจของเรื่องนี้คือ ตลาดงาน AI โต แต่คนไม่พอ ข้อมูลจากการวิเคราะห์ประกาศรับสมัครงานกว่า 912,000 ตำแหน่งพบว่า ภาพรวมตลาดแรงงานหดตัว 9.2% ขณะที่งานสาย AI และ Data กลับเติบโตถึง 29.6% สวนทางกับตลาดโดยรวม การเติบโตเชิงบวกในภาคงานดิจิทัลท่ามกลางตลาดหดตัวบอกอย่างชัดเจนว่า ใครมีทักษะ AI วันนี้ ไม่เพียงมีโอกาสงานมากกว่า แต่ยังมีอำนาจต่อรองในตลาดแรงงานสูงขึ้นอย่างเห็นได้ชัด
เป้าหมายหมื่น AI Developer ต่อปี กับข้อเท็จจริงที่ยังอยู่แค่หลักพัน
เมื่อดูให้ลึกกว่าตัวเลขการเติบโต ตลาดแรงงานดิจิทัลกำลังเจอปัญหาเชิงโครงสร้างสำคัญคือการขาดแคลนวิศวกร AI ที่มีทักษะระดับลึก แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติได้กำหนดเป้าหมายพัฒนาคนสามระดับ ตั้งแต่ประชาชนที่มี AI Literacy 2.5 ล้านคน ผู้ใช้และผู้นำด้าน AI 50,000 คน ไปจนถึง AI Developers และ Researchers อีก 10,000 คนต่อปี แต่ความเป็นจริงในวันนี้ บุคลากรที่สามารถรีเทรนโมเดลเชิงลึกได้ยังมีเพียงระดับหลักพันคนเท่านั้น ปัญหาขาดแคลนวิศวกร AI ไม่ใช่เรื่องนับหัวผิด แต่มาจากข้อจำกัดของระบบการศึกษาเอง การผลิตบัณฑิตด้าน AI ให้ถึง 10,000 คนต่อปีเป็นเป้าหมายที่ถูกประเมินว่า “ยากที่สุด” เพราะใช้เวลาพัฒนานานและต้องอาศัยทั้งพื้นฐานโปรแกรม ระบบ และข้อมูลที่แข็งแรง บวกกับประสบการณ์เชิงปฏิบัติในโลกจริง ถ้ายังคิดว่าแค่เปิดสาขาใหม่ในมหาวิทยาลัยแล้วทุกอย่างจะเดินหน้าได้ เรากำลังหลอกตัวเอง
มหาวิทยาลัยผลิตไม่ทัน ต้องหันไป Reskill – Upskill คนทำงาน
ข้อเท็จจริงที่ระบบอุดมศึกษาผลิตกำลังคนไม่ทันตลาดงาน AI บังคับให้เราต้องยอมรับว่า การปั้น AI Talent ต้องพ้นกรอบ “เด็กเรียนจบใหม่” และหันมามองคนทำงานที่มีพื้นฐานเทคโนโลยีอยู่แล้ว แนวคิด Reskill และ Upskill จึงไม่ใช่คำสวยหรู แต่เป็นยุทธศาสตร์จำเป็น ดร.สุนทรีย์ ส่งเสริมชี้ตรงว่าการพัฒนาบุคลากรด้าน AI ไม่สามารถพึ่งพามหาวิทยาลัยเพียงอย่างเดียว เพราะอาจไม่ทันต่อความต้องการ และต้องใช้บุคลากรในอุตสาหกรรม เช่น Computer Engineer มาทำ Reskill และ Upskill ควบคู่กับการลงทุนของภาคเอกชน บนสนามจริง ข้อมูลยังบ่งชี้ว่า 79% ของงานระดับปริญญาตรีต้องการผู้สมัครที่มีประสบการณ์อย่างน้อยหนึ่งปี ถ้าเรายังผลิตคนที่ “ทำโปรเจ็กต์ในห้องเรียนได้” แต่ไม่มีประสบการณ์แก้ปัญหาจริง ช่องว่างระหว่างการศึกษาและงานจะกว้างขึ้นเรื่อยๆ เมื่อมีเทคโนโลยีแต่ขาดคน หรือมีคนแต่ข้อมูลยังกระจายติดอยู่ตามหน่วยงาน ศักยภาพของ Big Data และ AI ก็ไม่อาจถูกนำมาใช้กับงานภาครัฐ ธุรกิจ และบริการประชาชนได้เต็มที่
พันธมิตรอุตสาหกรรมและโปรแกรมฝึกอบรม AI คือสะพานเชื่อมช่องว่างทักษะ
เมื่อมหาวิทยาลัยไปต่อคนเดียวไม่ไหว การจับมือกับผู้เล่นเทคโนโลยีกลายเป็นทางออกที่เป็นรูปธรรมกว่า กลยุทธ์ปั้น AI Talent ผ่านโปรแกรมฝึกอบรม AI ที่ร่วมออกแบบกับอุตสาหกรรมกำลังเกิดขึ้นอย่างจริงจัง เช่น โครงการ Gen AI Challenge 2026 ที่ตั้งเป้าปลดล็อกสกิล AI พร้อมยกระดับผู้เรียนสู่โลกการทำงาน โดยได้รับการสนับสนุนจาก AWS Academy & Tech Alliance และความร่วมมือจาก The Enterprise Resources Training (ERT) จุดแข็งของโมเดลนี้ไม่ใช่แค่ชื่อบริษัทใหญ่ แต่คือการฝึกทำงานกับโจทย์จริง ให้ผู้เรียนมีทั้งทักษะ ประสบการณ์ และผลงานที่องค์กรจับต้องได้ ในฝั่งสถาบันข้อมูลขนาดใหญ่ ก็ใช้วิธีให้ทุนมหาวิทยาลัยจัดหลักสูตรตามกลุ่มทักษะที่ตลาดต้องการ เน้นการเรียนแบบ Hands-on ทำ Workshop และฝึกกับโจทย์จริง เพื่อสร้างทั้ง AI Professionals และ Developer ให้พร้อมใช้ในองค์กร รูปแบบเหล่านี้สะท้อนชัดว่า โปรแกรมฝึกอบรม AI ที่ผูกกับภาคธุรกิจ คือเครื่องมือหลักในการอุดช่องว่างตลาดแรงงานดิจิทัล ไม่ใช่แค่กิจกรรมเสริม
จากวิศวกร Data Center ถึงเครดิตสะสม AI: สร้างโครงสร้างพื้นฐานคนให้ทันโครงสร้างพื้นฐานเทคโนโลยี
การโตของตลาดงาน AI ไม่ได้ต้องการแค่นักพัฒนาโมเดล แต่ต้องการโครงสร้างพื้นฐานทั้งด้านเทคโนโลยีและกำลังคนรองรับ การเปิดหลักสูตรวิศวกรรมศูนย์ข้อมูล Data Center Engineering และหลักสูตรบริหารโครงการสร้างศูนย์ข้อมูล Data Center Project Management รุ่นที่สอง จึงเป็นสัญญาณว่าการลงทุนโครงสร้างพื้นฐานดิจิทัลเริ่มพ่วงการพัฒนาคนไปด้วย หลักสูตรเหล่านี้ออกแบบให้เชื่อมความรู้เชิงทฤษฎีกับภาคปฏิบัติด้านการออกแบบ ก่อสร้าง ดำเนินงาน และบำรุงรักษา Data Center รวมถึงการบริหารโครงการและระบบต่างๆ อีกด้านหนึ่งมีการทดลองแนวทาง Micro-credit ในระดับเยาวชน เพื่อให้เด็กเรียนรู้ AI ก่อนเข้าสู่อุดมศึกษา และเป้าหมายระยะต่อไปคือเชื่อม Micro-credit เข้ากับ Credit Bank เพื่อให้หน่วยกิตจากหลักสูตร AI สามารถเทียบกับหมวดศึกษาทั่วไป ลดเวลาและค่าใช้จ่ายเมื่อเข้าสู่มหาวิทยาลัย ขณะเดียวกัน BDI เตรียมสร้าง Framework ประเมินระดับทักษะ AI ในปี 2570 เพื่อให้การลงทุนส่งคนไปอบรมไม่จบลงแค่ใบประกาศ แต่บอกได้ว่าคนมีความสามารถระดับใด หากเรามองคนเป็นส่วนหนึ่งของโครงสร้างพื้นฐาน การโตของตลาดงาน AI จะไม่กลายเป็นวิกฤต แต่เป็นโอกาสยกระดับเศรษฐกิจดิจิทัลอย่างแท้จริง
