ทักษะ AI สำหรับอาชีพคืออะไร และทำไม Gen Z ถึงกังวลเรื่องงานมากกว่าที่คิด
ทักษะ AI สำหรับอาชีพ คือความสามารถในการใช้เครื่องมือและเทคโนโลยีปัญญาประดิษฐ์เพื่อเพิ่มประสิทธิภาพการทำงาน สร้างสรรค์ผลงานใหม่ หรือออกแบบกระบวนการทำงานที่ชาญฉลาดขึ้น รวมถึงการเข้าใจข้อจำกัดของ AI การตีความผลลัพธ์ และการตัดสินใจบนพื้นฐานของข้อมูลและประสบการณ์จริง ไม่ใช่แค่การท่องจำคำสั่งหรือกดปุ่มให้โมเดลสร้างคำตอบให้เพียงอย่างเดียว
จุดตั้งต้นของความตื่นตัวนี้มาจากความเร็วของการทำงานแบบอัตโนมัติ เมื่อ ChatGPT ปรากฏบนอินเทอร์เน็ตในเดือนพฤศจิกายน 2022 นักศึกษาการตลาดอย่างคีออน เดวิสที่ใช้เครื่องมือนี้ช่วยเรียนและทำงานพบว่า งานที่เคยต้องอาศัยมนุษย์กำลังถูกทำให้เป็นระบบอัตโนมัติอย่างรวดเร็วมาก ความรู้สึกว่าอาชีพที่เรียนมาอาจถูกแทนที่ ทำให้คนหนุ่มสาวจำนวนมากเร่งกลับไปเรียนคอร์สใหม่และพัฒนาทักษะดิจิทัลเพื่อเอาตัวรอดจากความเสี่ยงตกงาน ผลสำรวจคนทำงานมากกว่า 5,000 คนในเก้าประเทศพบว่าในกลุ่ม Gen Z ถึง 92% ใช้ AI เพื่อการเรียนรู้ นี่คือสัญญาณชัดว่า Gen Z และ AI กลายเป็นคู่ที่แยกจากกันยาก แต่คำถามสำคัญคือ สิ่งที่เรียนอยู่กำลังพาให้พวกเขาเลื่อนขั้น หรือแค่ทำให้เหนื่อยโดยที่ยังทำงานไม่เป็น
จากห้องเรียนสู่ห้องทำงาน ทำไม 57% ของ Gen Z ยังใช้ AI ไม่เป็นงานจริง
การเรียนรู้ AI ประยุกต์กำลังกลายเป็นแฟชั่นของโลกงานใหม่ วิชาตั้งแต่ data science AI ไปจนถึงการจัดการธุรกิจและการพูดในที่สาธารณะถูกนำมาเรียนผ่านแพลตฟอร์มออนไลน์ แต่ปัญหาคือการเรียนเหล่านี้มักหยุดอยู่ที่ความรู้ ไม่ไปถึงขั้นลงมือทำและรับฟีดแบ็กในโลกจริง ผลสำรวจชุดเดียวกันระบุว่า แม้ 92% ของ Gen Z ใช้ AI เพื่อเรียนรู้ แต่มากกว่าครึ่งหรือ 57% ยอมรับว่าตัวเองลำบากในการนำสิ่งที่เรียนไปใช้จริง เทียบกับ Gen X ที่มีปัญหานี้เพียง 40% เท่านั้น ประโยคที่ควรติดบนหน้าจอคือ “Gen Z รู้สึกว่าตัวเองยุ่งกับการเรียนโดยไม่รู้สึกว่าพัฒนาขึ้นถึง 71%” ซึ่งแปลว่าความกังวลไม่ได้มาจาก AI แย่งงานอย่างเดียว แต่มาจากความรู้สึกว่าเรียนแค่ไหนก็ยังทำงานไม่เป็น
ตัวอย่างง่ายๆ คือพนักงานใหม่ที่ถาม AI สูตร Excel เพื่อคำนวณยอดขาย แล้วก็อปปี้สูตรไปใช้โดยไม่เข้าใจเหตุผลเบื้องหลัง เมื่อหัวหน้าถามให้ปรับวิธีคิดเลขหรืออธิบายที่มาของตัวเลขก็ตอบไม่ได้ นี่คือกับดักของการใช้ AI แบบยืมสมองชั่วคราวแต่ไม่สร้างสมองของตัวเอง ในที่ทำงานจริง การพัฒนาทักษะดิจิทัลไม่ได้จบที่เปิดแชตบอตถามคำถาม เพื่อนร่วมงานคนหนึ่งอาจอธิบายได้ว่าทำไมทีมถึงปฏิบัติต่อลูกค้าแบบหนึ่ง ตั้งคำถามกับสมมติฐาน และให้ฟีดแบ็กหลังเห็นการทำงานจริงของเรา ในขณะที่แชตบอตตอบคำถามได้ แต่ไม่สามารถอ่านบรรยากาศหรือเข้าใจด้านมนุษย์ของระบบงานได้
หนีไปสายที่จับต้องได้ หรือเกาะสายเทคต่อดี เมื่ออาชีพบางอย่างทำให้เป็นอัตโนมัติไม่ได้
ความกลัว AI แย่งงานไม่ได้ทำให้ทุกคนวิ่งเข้าหาสายเทคอย่างเดียว บางคนเลือกการเปลี่ยนอาชีพ AI ในแบบย้อนศร คือหนีออกจากงานที่เสี่ยงถูกทำให้เป็นระบบอัตโนมัติไปสู่งานที่ต้องใช้มือ ใช้ใจ และใช้ความสัมพันธ์ระหว่างคนมากขึ้น คีออน เดวิสเป็นตัวอย่างชัด เดิมเรียนการตลาดและใช้ AI ทำงานระหว่างฝึกงาน ทั้งการเขียนอีเมลหาลูกค้าและวิจัยผู้บริโภค ก่อนจะสังเกตว่าหลายงานถูก AI ทำแทนได้ เพียงไม่กี่เดือนก่อนจบการศึกษาในเดือนพฤษภาคม 2024 เขาตัดสินใจเปลี่ยนเส้นทางจากการหางานการตลาดไปเข้าร่วมโครงการด้านการสอนเยาวชน และปัจจุบันสอนเด็กประถมศึกษาปีที่ 3 ที่โรงเรียนเอกชนในนิวยอร์กเป็นปีที่สาม
สิ่งที่เดวิสย้ำคือ ครูไม่ได้แค่สอนเนื้อหา แต่ต้องสร้างความไว้วางใจกับนักเรียน เข้าใจความต้องการเฉพาะของแต่ละคน และช่วยให้พวกเขามั่นใจในตนเอง เขาบอกชัดว่า “เรื่องแบบนั้นไม่สามารถทำให้เป็นระบบอัตโนมัติได้” นี่คือเหตุผลว่าทำไมคนหนุ่มสาวบางส่วนหันไปสู่อาชีพที่ต้องลงมือและสัมผัสคนจริงอย่างการศึกษา การแพทย์ หรือช่างเทคนิค แทนการแย่งกันเรียนคอร์ส AI แบบเดียวกันทั้งหมด ในอีกด้านหนึ่ง ผลสำรวจขององค์กรหนึ่งในปี 2025 ที่สอบถามคนทำงานรุ่นใหม่กว่า 2,000 คน พบว่า Gen Z 67% เชื่อว่า AI จะช่วยให้ทำงานได้มากขึ้น และเกือบครึ่งคาดว่า AI จะช่วยเพิ่มรายได้และความมั่นคงในงาน ความคิดแบบนี้ทำให้คนจำนวนมากยังเลือกอยู่บนทางสายเทค แต่ปัญหาคือหลายคนมัวเรียนไม่หยุดจนลืมลงมือสร้างผลงานจริง
ผลงานจริงสำคัญกว่าใบรับรอง เมื่อทักษะ AI กลายเป็นค่าเริ่มต้น
คำถามสำคัญของ Gen Z และ AI ในวันนี้คือ เมื่อทุกคนเข้าถึงเครื่องมือเดียวกันแล้ว อะไรทำให้เราแตกต่าง มาเรียนา อันตายา อดีต Product Manager ของบริษัทเทคใหญ่ในวัย 25 ปีเชื่อว่าความเข้าใจการใช้ AI คือหนึ่งในทักษะสำคัญที่ช่วยเพิ่มรายได้ของเธอ เธอเริ่มจากการเรียนคณิตศาสตร์และวิทยาการคอมพิวเตอร์ ใช้โมเดลภาษาขนาดใหญ่ช่วยเขียนโค้ด และต่อมาย้ายเข้าทำงานด้านฟีเจอร์เสียงและเครื่องมือประเมินโมเดล AI ปัจจุบันเธอเป็นผู้ก่อตั้งสตาร์ตอัป quantifAI ที่ช่วยผู้ใช้สร้างและทดสอบโมเดลแมชชีนเลิร์นนิงที่เชื่อถือได้ และย้ำชัดว่าผลงานจริงมีค่ามากกว่าใบรับรอง เธอกล่าวว่า หากมีหลักฐานจริงว่าสร้างอะไรขึ้นมาและเผยแพร่ออนไลน์ได้ คนอื่นจะเห็นว่ามันเป็นหลักฐานที่มีประโยชน์ ซึ่งมีค่ามากกว่าป้ายรับรองเล็กๆ ใดๆ
ในชีวิตประจำวัน อันตายาใช้ AI จัดตารางงาน ร่างคำตอบอีเมล วิเคราะห์ข้อมูลจำนวนมาก และรวบรวมสถิติจากการสัมมนาออนไลน์ เธอมองว่าการรู้วิธีใช้เทคโนโลยีนี้ทำให้คนหนึ่งกลายเป็นคนที่ขาดไม่ได้ในที่ทำงาน นี่คือการเรียนรู้ AI ประยุกต์ในแบบที่ผลลัพธ์จับต้องได้ ไม่ใช่แค่เก็บประกาศนียบัตร บทความต้นทางยังเตือนคนรุ่นใหม่ให้ลงทุนเวลาก่อนลงทุนเงิน เพราะการพัฒนาทักษะดิจิทัลและทักษะ AI สำหรับอาชีพคือการลงทุนระยะยาว เวลาและผลงานจึงมีค่ามากกว่าคอร์สราคาแพง เขายังแนะนำว่าการเลือกคอร์สควรดูผู้สร้าง เนื้อหาทันสมัยหรือไม่ และที่สำคัญคือเรียนจบแล้วได้ผลงานจริง ไม่ใช่แค่ผ่านแบบทดสอบ ทุกคนเข้าถึง AI ได้เหมือนกัน สิ่งที่ต่างคือเราถามอะไร เข้าใจคำตอบแค่ไหน และกล้าสร้างอะไรจากมัน
เมื่อ AI กลายเป็นโค้ชอาชีพ: จากความกังวลสมัครงานสู่กลยุทธ์ที่นับได้เป็นตัวเลข
อีกด้านหนึ่งของการเปลี่ยนอาชีพ AI คือการใช้เครื่องมืออย่าง Claude เป็นคู่คิดด้านอาชีพ แทนการปล่อยให้ความกังวลพาไปสมัครงานแบบไร้ทิศทาง มาร์กาเรต เฟลิเซีย โกโน วัย 24 ปีซึ่งเพิ่งจบปริญญาโทด้าน applied analytics และได้งานเป็น senior associate ในบริษัทหนึ่ง ใช้ AI สร้างเวิร์กโฟลว์ช่วยประเมินตำแหน่งงานและวิเคราะห์บรรยากาศการสัมภาษณ์ ก่อนหน้านั้นเธอสมัครงานแบบกระจายเพราะกังวลเรื่องวีซ่าและไม่อยากกลับบ้านโดยไม่มีประสบการณ์องค์กร จุดหักเหคือเมื่อเธอเริ่มเก็บข้อมูลผลลัพธ์แต่ละใบสมัคร ว่าตำแหน่งแบบไหนตอบรับหรือเงียบหาย เธอบอกตัวเองว่า “ความกังวลคือข้อมูลที่ยังไม่ถูกแปรผล” แล้วตัดสินใจหันมาวิเคราะห์แทนที่จะนั่งรู้สึกแย่
โกโนใช้ Claude เหมือนพาร์ตเนอร์ เธอคัดลอกคำอธิบายงานให้ AI ช่วยดึงทักษะ คีย์เวิร์ด และธีมสำคัญ แล้วสร้างตัวช่วยอีกตัวในโปรเจกต์เดียวกัน เพื่อเปรียบเทียบกับเรซูเม่ของตัวเองว่าอะไรหายไปหรือสื่อสารไม่ชัด โดยไม่ให้ AI แต่งประสบการณ์ขึ้นมาเอง เธอยังให้ Claude ช่วยทำตัวเหมือนโค้ชอาชีพ จนพบว่าตัวเองชอบการคุยกับคน การทำสิ่งต่างๆ ให้น่าใช้ และการหาลวดลายในข้อมูล จึงออกแบบเรซูเม่สามแบบสำหรับ analytics การขายและการตลาด และที่ปรึกษา ท้ายที่สุด เธอใช้ Claude สร้างแดชบอร์ดง่ายๆ แสดงตัวเลขทั้งกระบวนการสมัครงาน 186 ใบสมัคร 44 การติดต่อแบบ cold outreach 19 การนัดสัมภาษณ์ 6 งานที่ต้องทำแบบทดสอบ 3 รอบสุดท้าย และ 1 ข้อเสนอรับเข้าทำงาน การเห็นภาพแบบนี้ทำให้กระบวนการหางานกลายเป็นโครงการเรียนรู้ ไม่ใช่เรื่องล้มเหลวส่วนตัว 185 ครั้ง บทเรียนจากกรณีนี้ชัดเจน คนทำงานรุ่นใหม่สามารถใช้ AI เป็นโค้ชอาชีพ ช่วยวิเคราะห์ประสบการณ์ตัวเอง ชี้ช่องว่างในทักษะ และออกแบบกลยุทธ์สมัครงานอย่างมีข้อมูล แต่การตีความ การตัดสินใจ และการลงมือฝึกตอบคำถามจริงยังเป็นหน้าที่ของมนุษย์เสมอ
