AI กำลังแบ่งแรงงานออกเป็นสองชั้น ใครก้าวหน้าและใครถูกแทนที่

AI และการเปลี่ยนแปลงอาชีพ แรงงานกำลังถูกแบ่งชั้นใหม่

AI และการเปลี่ยนแปลงอาชีพหมายถึงการที่เทคโนโลยีปัญญาประดิษฐ์ถูกนำมาใช้ในงานต่างๆ จนโครงสร้างแรงงานเปลี่ยนไป งานซ้ำซากถูกแทนที่โดยระบบอัตโนมัติ ขณะที่งานเชิงวิเคราะห์และงานที่ต้องใช้ทักษะมนุษย์สูงกลับมีคุณค่ามากขึ้น ส่งผลให้เกิดความไม่เท่าเทียมในการทำงานรูปแบบใหม่ระหว่างคนที่ใช้ AI เป็นกับคนที่ไม่ปรับตัว ทั้งในด้านโอกาสเลื่อนตำแหน่ง รายได้ และความมั่นคงในอาชีพ หัวใจของบทวิเคราะห์นี้คือ AI ไม่ได้แค่เพิ่มประสิทธิภาพการทำงาน แต่กำลังสร้าง “แรงงานสองชั้น” อย่างชัดเจน ชั้นบนคือมืออาชีพที่ใช้ AI ยกระดับมาตรฐานการทำงาน ชั้นล่างคือกลุ่มที่ถูก AI ดึงงานซ้ำซากออกไปจนเหลือพื้นที่ให้เติบโตน้อยลง OpenAI ยืนยันเองว่า AI ลดความจำเป็นของแรงงานบางส่วน โดยเฉพาะงานที่ซ้ำๆ และจำเจ นี่คือสัญญาณว่าใครไม่ยอมเรียนรู้ AI ย่อมเสี่ยงถูกกันออกจากเกมงานยุคใหม่โดยตรง

เมื่อผู้บริหารใช้ AI ยกระดับมาตรฐาน ลูกน้องที่ไม่ทันเสี่ยงตกขบวน

กรณีในธนาคารลงทุนระดับโลกสะท้อนภาพแรงงานสองชั้นได้ชัด ผู้บริหารลงทุนอย่าง Kim Posnett ระบุว่า AI เปลี่ยนธรรมชาติของการประชุมกับลูกค้าไปแล้ว เพราะทั้งธนาคารและลูกค้าสามารถเข้าถึงและทำความเข้าใจข้อมูลจำนวนมากได้ก่อนพบกัน เธอบอกตรงๆ ว่า AI ทำให้มาตรฐานของการประชุมที่มีผลกระทบสูงถูกยกระดับขึ้น ทุกคนมีความรู้มากขึ้นและฉลาดขึ้นก่อนเข้าห้องประชุม ผลคือผู้บริหารระดับสูงใช้ AI สังเคราะห์ข้อมูลเร็วขึ้น แล้วหันไปใช้เวลาไปกับการคิดเชิงยุทธศาสตร์มากขึ้น ขณะที่นักวิเคราะห์รุ่นใหม่ถูกคาดหวังให้ใช้ AI เตรียมตัวให้พร้อมกว่าเดิม ไม่ว่าจะสรุปสายประชุมผลประกอบการ หรือวิเคราะห์แนวโน้มอุตสาหกรรม หากใครไม่ใช้ AI หรือใช้ไม่เป็น ก็จะเตรียมตัวได้ช้ากว่า คุยกับลูกค้าได้ด้อยกว่า และเสียโอกาสเรียนรู้จากการนั่งในห้องประชุมที่ซับซ้อนไปโดยปริยาย นี่คือความไม่เท่าเทียมในการทำงานแบบใหม่ที่วัดกันด้วยทักษะดิจิทัลและความกล้าในการทดลองเครื่องมือ

AI กำลังกวาดงานซ้ำซากออกไป เปิดพื้นที่ให้ทักษะสมองมากขึ้น

ฝั่งบริษัทเทคโนโลยีเองก็ยอมรับตรงๆ ว่า AI กำลังแทนที่งานซ้ำซาก OpenAI ใช้ระบบของตัวเองในฝ่ายการเงิน และ CFO Sarah Friar บอกชัดว่า AI ลดจำนวนคนที่ต้องใช้ในงานบางประเภท โดยเฉพาะงานที่ซ้ำไปซ้ำมาจนเธอไม่มองว่าเป็นงานที่ดีนัก ตัวอย่างที่น่าสนใจคือการตรวจสอบเครดิตที่ฝ่ายจัดซื้อเคยทำปีละหลายพันครั้ง Friar ตั้งคำถามว่าเราต้องการให้นักวิเคราะห์รุ่นใหม่มานั่งตรวจเครดิตเหล่านี้ หรือให้โมเดลที่ฉลาดทำแทนมากกว่า เธอมองว่าเมื่อ AI รับงานที่เป็นกิจวัตรไป คนทำงานจึงถูกผลักไปสู่ “งานริมขอบ” ที่ต้องใช้ความคิดและสติปัญญามากขึ้น ขณะที่งานรูทีนถูกระบบทำแทนในระดับและความแม่นยำที่สูงกว่า ข้อเท็จจริงอีกด้านที่น่าคิดคือผู้นำสาย AI รายอื่นเตือนว่าระบบอาจลบงานระดับเริ่มต้นสายออฟฟิศไปได้ถึงครึ่งหนึ่ง และนักวิทยาศาสตร์ผู้ได้รับรางวัลโนเบลอย่าง Geoffrey Hinton ก็เห็นว่าคำพยากรณ์นี้มีแนวโน้ม “ถูกต้อง” ด้วย เมื่อเขาเตือนว่าเทคโนโลยีนี้ยังอยู่ช่วงต้นแต่กำลังดีขึ้นอย่างรวดเร็ว จึงชัดเจนว่าการแทนที่งานซ้ำซากไม่ใช่เรื่องไกลตัวอีกต่อไป

ทักษะที่ต้องการในยุค AI ไม่ใช่แค่กดปุ่มให้ระบบทำงานแทน

แม้ AI จะเก่งขึ้นแค่ไหน ผู้นำอย่าง Posnett ยังย้ำว่ามนุษย์ต้องลงทุนในทักษะที่ AI แทนไม่ได้เต็มร้อย เธอเตือนนักวิเคราะห์รุ่นใหม่ให้เรียนรู้ว่าเทคโนโลยีทำงานอย่างไร ทดลองใช้ เข้าใจว่ามันทำให้ตัวเองผลิตผลงานมากขึ้นได้อย่างไร แต่ต้องไม่กลายเป็นคนพึ่งพา AI จนลืมสร้างความเชี่ยวชาญของตัวเอง เธอเรียกร้องให้ลงทุนหนักกับทักษะมนุษย์ เช่น การตั้งคำถามให้คม การพัฒนาวิจารณญาณ การสื่อสาร การสร้างสัมพันธ์ และการสร้างความไว้ใจ คำแนะนำห้าข้อที่เธอให้กับนักวิเคราะห์และผู้ช่วยหน้าใหม่คือ สอบให้ผ่านพื้นฐานเทคนิคของงานธนาคารลงทุน ตั้งคำถามให้ดี ใช้เวลาที่ AI เซฟให้ไปทำงานมูลค่าสูง เร่งการเรียนรู้ผ่านการฝึกกับรุ่นพี่ และโฟกัสคุณสมบัติด้านมนุษย์ที่มีความหมายในโลกธุรกิจ ข้อความนี้สะท้อนให้เห็นภาพชัดว่า ทักษะที่ต้องการในยุค AI ไม่ใช่แค่ความสามารถด้านเทคโนโลยี แต่เป็นส่วนผสมระหว่างความเข้าใจงานเชิงเทคนิคกับทักษะมนุษย์ที่ลึกและแน่น คนที่มีอย่างใดอย่างหนึ่งไม่พออีกต่อไป หากอยากอยู่ในแรงงานชั้นบนของยุคใหม่ต้องสร้างทั้งสองขั้วไปพร้อมกัน

จะไม่ถูกแทนที่ ต้องใช้ AI อย่างมีกลยุทธ์ไม่ใช่แค่ใช้ให้เร็ว

ทั้งหมดนี้บอกเราว่า AI ไม่ได้รับประกันความก้าวหน้าให้ใครโดยอัตโนมัติ ตรงกันข้าม มันเปิดโอกาสให้คนที่วางกลยุทธ์ดีได้แซงหน้าเพื่อนร่วมงาน และผลักคนที่นิ่งเฉยให้หลุดออกจากเส้นทางอาชีพเดิมเร็วขึ้น แรงงานยุคใหม่จึงต้องถามตัวเองว่า ใช้ AI เพื่ออะไร แค่ให้ทำงานเร็วกว่าหรือเพื่อยกระดับคุณภาพการคิดและการตัดสินใจ แนวทางหนึ่งที่ชัดคือ งานซ้ำซากต้องยอมให้ระบบรับไป เช่น การรวบรวมข้อมูลเบื้องต้น การสรุปเนื้อหายาว การตรวจสอบที่เป็นขั้นตอน เพื่อให้มนุษย์มีพื้นที่คิดเชิงยุทธศาสตร์มากขึ้น แต่ในเวลาเดียวกันต้องสร้างความเข้าใจลึกในเนื้องาน ฝึกอ่านผลลัพธ์ของ AI อย่างมีวิจารณญาณ และใช้เวลาที่เหลือไปกับการเพิ่มทักษะมนุษย์ เช่น การวิเคราะห์เชิงลึก การสื่อสารและการเจรจา ถ้าไม่ทำแบบนี้ เราจะกลายเป็นแรงงานชั้นล่างในระบบใหม่ที่ถูก AI ดึงงานที่มีมูลค่าออกไปทีละน้อย ความไม่เท่าเทียมในการทำงานจึงไม่ใช่โชคชะตา แต่เป็นผลเลือกของเราว่าจะใช้ AI อย่างมีกลยุทธ์หรือไม่