กฎอามารา สัญญาณเตือนว่าการลงทุน AI กำลังวิ่งแซงผลิตภาพโลก
วิกฤตผลิตภาพในยุค AI คือภาวะที่การลงทุนและการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้เติบโตเร็วมาก แต่ผลลัพธ์ด้านผลิตภาพโลก ผลตอบแทนทางธุรกิจ และคุณภาพชีวิตของแรงงานกลับเพิ่มขึ้นช้ากว่าความคาดหวังของตลาดการเงินและผู้กำหนดนโยบาย ส่งผลให้เกิดช่องว่างระหว่างเงินลงทุนที่หลั่งไหลเข้าระบบกับมูลค่าที่สร้างได้จริงในเศรษฐกิจจริง และเพิ่มความเสี่ยงว่ากระแสการลงทุน AI อาจกลายเป็นฟองสบู่หากไม่เร่งปรับโครงสร้างองค์กรและทักษะแรงงานให้ทันการเปลี่ยนแปลง สาระจากเวที IMF สะท้อนภาพชัดว่าโลกกำลังหลงใหล AI ในฐานะเครื่องยนต์เศรษฐกิจใหม่ แต่ยังไม่สามารถเปลี่ยนศักยภาพเทคโนโลยีให้กลายเป็นผลิตภาพที่จับต้องได้ในระดับมหภาค Kristalina Georgieva หยิบ “กฎของอามารา” มาเตือนว่าเรามักคาดหวังผลระยะสั้นสูงเกินจริง ขณะเดียวกันกลับประเมินผลระยะยาวต่ำเกินไป นี่คือหัวใจของความย้อนแย้งในยุค AI ผลิตภาพโลก ที่กำลังถูกเงินลงทุนไล่แซง
จากฟองสบู่ดอตคอมสู่การลงทุน AI ฟองสบู่ใหม่ หากยังติดอยู่แค่โครงการทดลอง
มุมมองของ IMF และธนาคารกลางแคนาดาชี้ให้เห็นภาพซ้ำรอยยุคดอตคอม การลงทุน AI วันนี้กำลังผลักดัน GDP ตลาดหุ้น และตลาดพันธบัตร แต่คำถามสำคัญคือ มันกำลังสร้างผลิตภาพจริง หรือแค่ตัวเลขบนงบลงทุนเทคโนโลยี หากองค์กรส่วนใหญ่ยังติดอยู่ในระยะทดลองใช้ AI แบบโครงการนำร่อง ไม่กล้ารื้อกระบวนการทำงานและโครงสร้างธุรกิจ ผลลัพธ์ที่ได้ก็เป็นเพียงการเพิ่มประสิทธิภาพรายบุคคล ไม่ใช่การยกระดับทั้งระบบ Tiff Macklem เตือนชัดว่า ผลตอบแทนที่แท้จริงจะเกิดขึ้นก็ต่อเมื่อ AI กระจายไปสู่บริษัทต่างๆ และช่วยเพิ่มผลิตภาพอย่างกว้างขวาง หากเงินลงทุนยังไหลเข้าโดยไม่ผูกกับเป้าหมายธุรกิจและตัวชี้วัดผลิตภาพที่ชัดเจน การลงทุน AI ฟองสบู่ จึงไม่ใช่ภาพไกลตัว แต่เป็นความเสี่ยงตรงหน้าที่ผู้บริหารและผู้กำหนดนโยบายต้องยอมรับและจัดการ
AI แรงงานโลก สึนามิที่กระทบ 40% ของงาน และคนรุ่นใหม่คือแนวปะทะแรก
เบื้องหลังตัวเลขการเติบโตของเศรษฐกิจโลกที่ IMF ประเมินอยู่ราวร้อยละ 3 คือคลื่นสึนามิ AI ที่กำลังเคลื่อนตัวเข้าชนตลาดแรงงานโลกอย่างช้าแต่รุนแรง รายงานชี้ว่าตำแหน่งงานทั่วโลกถึงประมาณ 40% กำลังเผชิญความเสี่ยงจากการเปลี่ยนแปลง และคนรุ่นใหม่ที่เพิ่งเข้าสู่ตลาดงานคือแนวปะทะแรกที่อาจสูญเสียโอกาสการจ้างงานหากระบบการศึกษาและนโยบายแรงงานไม่เร่งปรับตัว IMF แบ่งภาพงานออกเป็นสามกลุ่ม ตั้งแต่งานทักษะใหม่ที่เติบโตและมีค่าตอบแทนสูง งานที่มีภารกิจซ้ำซากซึ่งเสี่ยงถูกแทนที่ด้วยระบบอัตโนมัติ ไปจนถึงงานภาคบริการที่ต้องปรับบทบาทให้ทำงานร่วมกับ AI ได้อย่างมีคุณค่า ข้อเท็จจริงที่น่าจดจำคือ “งานกลุ่มทักษะใหม่คิดเป็นประมาณ 10% ของตลาดแรงงานตามกรอบการศึกษาของ IMF” ซึ่งสะท้อนว่าช่องว่างทักษะกำลังเปิดกว้างอย่างน่ากังวล
องค์กรต้องเปลี่ยน AI จากเครื่องมือส่วนบุคคลสู่การออกแบบกระบวนการใหม่ทั้งระบบ
ปัญหาใหญ่ของการนำ AI มาใช้ในองค์กรไม่ใช่การขาดเครื่องมือ แต่คือการขาดวิธีคิดเชิงกระบวนการ ดร.อายชา คันนา ชี้ว่า การให้พนักงานใช้ AI Copilot แม้ช่วยเพิ่มผลิตภาพรายบุคคล แต่ไม่ทำให้องค์กรมีผลิตภาพสูงขึ้นโดยอัตโนมัติ หากโครงสร้างงานเดิมยังเหมือนเดิม การทำงานก็ยังติดอยู่ในคอขวดเดิม เพียงแค่เร็วขึ้นเล็กน้อยในบางจุดเท่านั้น Jack Clark จาก Anthropic ย้ำว่า AI แตกต่างจากฮาร์ดแวร์ทั่วไป เพราะสามารถเข้าไปทำงานในองค์กรได้โดยตรง ตั้งแต่เขียนโค้ด ปรับปรุงระบบ ไปจนถึงทำงานแบบ Agentic หลายขั้นตอน แต่ศักยภาพนี้จะไร้ความหมาย หากองค์กรไม่กล้ารื้อระบบเดิม ออกแบบกระบวนการใหม่ และสร้างข้อมูลบริบทของตัวเองเพื่อให้ AI ตัดสินใจได้ดีขึ้น การสร้างมูลค่าจริงจึงต้องเริ่มจากการออกแบบงาน ไม่ใช่แค่การซื้อโมเดล
บทเรียนจาก DHL และโจทย์ของประเทศกำลังพัฒนา AI: ลงทุนให้ตรงจุด สร้างผลิตภาพก่อนตัวเลขลงทุน
ตัวอย่างจาก DHL Group แสดงให้เห็นแนวทางที่สมเหตุสมผลกว่าการทุ่มงบแบบหว่าน Tobias Meyer ย้ำว่าบริษัทไม่ควรอนุมัติโครงการไอทีที่ไม่มีเป้าหมายและผลลัพธ์ชัดเจน DHL เลือกใช้ AI กับงานที่มีปริมาณสูงและสร้างมูลค่าโดยตรง เช่น กระบวนการศุลกากร นี่คือการลงทุนที่ผูกกับผลิตภาพ ไม่ใช่ภาพลวงตาทางเทคโนโลยี สำหรับประเทศกำลังพัฒนา AI โจทย์จึงไม่ใช่แค่การดึงเงินลงทุนหรือสร้างอุตสาหกรรมฮาร์ดแวร์ แต่ต้องสร้างระบบทักษะแรงงาน กติกากำกับดูแล และกรอบบริหารความเสี่ยงให้ทันกับความเร็วของเทคโนโลยี หากผู้กำหนดนโยบายมัวแต่ดีใจกับตัวเลขการลงทุน โดยไม่ถามว่าผลิตภาพโลกเพิ่มขึ้นจริงหรือไม่ ก็เท่ากับผลักเศรษฐกิจของตนเข้าใกล้ฟองสบู่มากขึ้นทุกวัน
