ภาพใหญ่ของตลาดแรงงานสาย AI ในไทย
ในช่วงปีหลังๆ เราเห็นคำว่า AI โผล่ทุกที่ ทั้งในที่ทำงาน ห้องเรียน ไปจนถึงโซเชียลมีเดีย แต่คำถามสำคัญคือ ตลาดงานจริงๆ ต้องการคนสาย AI แค่ไหนกันแน่?
จากการรวบรวมประกาศรับสมัครงานออนไลน์จาก 23 เว็บไซต์หางาน ในไตรมาส 1 ปี 2568 (1 ม.ค. – 31 มี.ค.) โดยทีม Big Data ของสถาบันวิจัยเพื่อการพัฒนาประเทศไทย (ทีดีอาร์ไอ) มีการนำเทคโนโลยีวิเคราะห์ข้อมูลและโมเดลภาษาขนาดใหญ่ (LLMs) มาช่วยสำรวจภาพรวม ความต้องการแรงงานด้าน AI และทักษะที่นายจ้างมองหาในตลาดจริง
งานวิจัยนี้ถูกออกแบบมาเพื่อใช้เป็น ข้อมูลอ้างอิงเชิงนโยบาย ให้หน่วยงานรัฐ มหาวิทยาลัย และสถาบันฝึกอบรม สามารถวางแผนผลิตและพัฒนากำลังคนที่มีสมรรถนะสูง ตอบโจทย์ภาคเอกชนได้จริง ไม่ใช่สอน ๆ ไปแล้วสุดท้ายคนเรียนหางานไม่ได้
เป้าหมายสำคัญคือ มองให้ชัดว่า ตลาดงานด้าน AI ของไทยต้องการคนแบบไหน ทักษะอะไร และในอุตสาหกรรมใดบ้าง
8 กลุ่มอาชีพสาย AI ที่นิยามชัดเจน
เพื่อไม่ให้คำว่า “งานสาย AI” ลอย ๆ เลือน ๆ ทีมวิจัยจึงนิยามกลุ่มอาชีพที่เกี่ยวข้องกับ AI อย่างชัดเจน แบ่งออกเป็น 8 กลุ่มหลัก ดังนี้
1. วิศวกรระบบปัญญาประดิษฐ์ (AI Engineer / ML Engineer)
หมายถึงอาชีพที่โฟกัสการ พัฒนาโมเดลปัญญาประดิษฐ์ ไม่ว่าจะเป็น Machine Learning (ML), Deep Learning (DL), การประมวลผลภาษาธรรมชาติ (NLP) หรือ Computer Vision เน้นทั้งการออกแบบ สร้างต้นแบบ ทดสอบ และปรับปรุงโมเดลให้ใช้งานได้จริง
2. นักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ข้อมูล (Data Scientist / Data Analyst)
คือกลุ่มงานที่ทำตั้งแต่ สร้างแบบจำลองเชิงคาดการณ์ด้วย AI หรือวิธีการทางสถิติ ทดลอง ติดตั้ง ดูแลโมเดล ไปจนถึงการรายงานข้อมูล การวิเคราะห์เชิงพรรณนา การสร้างแดชบอร์ด และการตีความข้อมูลที่มีอยู่ เพื่อนำไปใช้ตัดสินใจเชิงธุรกิจ
3. ผู้ใช้เครื่องมือปัญญาประดิษฐ์ระดับเทคนิค (AI Technical User)
เป็นอาชีพที่ทำงานกับเครื่องมือ AI ในระดับที่ ลงลึกด้านเทคนิค เช่น การออกแบบและปรับแต่ง Prompt ให้เข้ากับโมเดล AI (Prompt Engineering) การฝังระบบ AI ลงในแอปหรือ workflow (AI Integration) หรือใช้ AI วิเคราะห์ภาพและวิดีโอ (Machine Vision)
4. วิศวกรข้อมูลและวิศวกรระบบ (Data Engineer / System Engineer)
คือคนที่สร้างและดูแล Data Pipeline, โครงสร้างพื้นฐานบนคลาวด์, ระบบ Machine Learning Operations (MLOps) หรือ DevOps ให้ระบบ AI และระบบดิจิทัลทั้งองค์กรทำงานได้ลื่น ไม่สะดุด
5. วิศวกรระบบอัตโนมัติ (Robotics and Automation)
ทำงานกับ หุ่นยนต์และระบบอัตโนมัติ ที่ใช้ AI ในโรงงานหรือระบบที่สามารถทำงานได้เอง (Autonomous Systems) เน้นผสมผสานกลไกจริงกับสมองกล AI ให้ทำงานแทนคนได้อย่างมีประสิทธิภาพ
6. นักพัฒนาระบบ RPA (Robotic Process Automation)
คือคนที่ออกแบบและพัฒนา Workflow อัตโนมัติ ด้วย RPA เขียนสคริปต์แทนงานมนุษย์ในงานที่ซ้ำๆ เช่น การกรอกข้อมูล การดึงข้อมูลจากระบบหนึ่งไปอีกระบบหนึ่ง เพื่อให้ธุรกิจทำงานเร็วขึ้นและผิดพลาดน้อยลง
7. ผู้จัดเตรียมข้อมูลเพื่อการพัฒนาระบบ AI (Data Annotation)
เป็นอาชีพที่เกี่ยวข้องกับการ จัดกลุ่ม ติดป้าย (label) และตรวจสอบความถูกต้องของข้อมูล ที่ใช้ฝึกสอนโมเดล AI ไม่ว่าจะแบบข้อความ ภาพ เสียง หรือวิดีโอ ถือเป็นเบื้องหลังสำคัญที่ทำให้โมเดลฉลาดหรือพังได้เลย
8. ผู้ใช้งานเครื่องมือปัญญาประดิษฐ์ทั่วไป (AI General User)
กลุ่มนี้คือคนที่ ใช้เครื่องมือ AI (เช่น ChatGPT ฯลฯ) เพื่อเพิ่มประสิทธิภาพงาน เช่น เขียนร่างเอกสาร สรุปข้อมูล คิดไอเดีย โดยไม่ต้องยุ่งกับการพัฒนาโมเดล AI โดยตรง
ตัวเลขจริง: ปีเดียวประกาศงานสาย AI กว่า 22,800 ตำแหน่ง
จากการเก็บข้อมูลประกาศรับสมัครงานออนไลน์ ระหว่าง เมษายน 2567 – มีนาคม 2568 มีตำแหน่งงานทั้งหมด 658,254 ตำแหน่ง
ในนั้นมีงานที่เกี่ยวข้องกับ AI โดยตรง อยู่ที่ 22,800 ตำแหน่ง หรือคิดเป็น 3.5% ของงานทั้งหมด ซึ่งจัดได้ว่า ไม่น้อย และมีแนวโน้มจะขยับสูงขึ้นเรื่อยๆ
เมื่อลงลึกไปในแต่ละกลุ่มอาชีพ พบว่า:
วิศวกรระบบปัญญาประดิษฐ์ (AI Engineer / ML Engineer) 473 ตำแหน่ง (0.1%)
นักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ข้อมูล (Data Scientist / Data Analyst) 7,026 ตำแหน่ง (1.1%)
ผู้ใช้เครื่องมือ AI ระดับเทคนิค (AI Technical User) 4,100 ตำแหน่ง (0.6%)
วิศวกรข้อมูลและวิศวกรระบบ (Data Engineer / System Engineer) 6,163 ตำแหน่ง (0.9%)
วิศวกรระบบอัตโนมัติ (Robotics and Automation) 873 ตำแหน่ง (0.1%)
นักพัฒนาระบบ RPA 596 ตำแหน่ง (0.1%)
ผู้จัดเตรียมข้อมูลสำหรับ AI (Data Annotation) 624 ตำแหน่ง (0.1%)
ผู้ใช้เครื่องมือ AI ทั่วไป (AI General User) 2,856 ตำแหน่ง (0.4%)
จะเห็นว่า งานด้าน Data และระบบโครงสร้างพื้นฐาน (Data Scientist, Data Engineer, System Engineer) ยังเป็นพระเอกของตลาด ตามมาด้วยกลุ่ม Technical User และ General User ที่สะท้อนว่าองค์กรเริ่มเอา AI มาใช้จริงในงานประจำวันมากขึ้น
TOP 5 อุตสาหกรรมที่แย่งตัวคนสาย AI หนักที่สุด
ทีมวิจัยยังลงลึกไปดูว่า อุตสาหกรรมไหนต้องการคนสาย AI มากที่สุด และต้องการคนแบบไหน เพื่อให้เห็นภาพว่าแต่ละภาคธุรกิจเอา AI ไปใช้ทำอะไรบ้าง
1. อุตสาหกรรมสารสนเทศและการสื่อสาร (Information and Communication)
อุตสาหกรรมนี้ครองแชมป์ด้วยการเปิดรับ 1,807 ตำแหน่ง ที่เกี่ยวข้องกับ AI
ตำแหน่งที่โดดเด่น ได้แก่
วิศวกรข้อมูลและวิศวกรระบบ: 746 ตำแหน่ง
นักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ข้อมูล: 546 ตำแหน่ง
ผู้ใช้เครื่องมือ AI ระดับเทคนิค: 311 ตำแหน่ง
ผู้ใช้เครื่องมือ AI ทั่วไป: 103 ตำแหน่ง
ตัวเลขเหล่านี้สะท้อนว่า ภาคธุรกิจแพลตฟอร์มและเทคโนโลยีดิจิทัลในไทย กำลังเร่งอัปเกรดตัวเองด้วย AI แบบจริงจัง โดยเน้นทั้ง Data Infrastructure และการประยุกต์ใช้ AI ในผลิตภัณฑ์และบริการ
2. อุตสาหกรรมการขายส่งและการขายปลีก
มีงานสาย AI รวม 1,785 ตำแหน่ง ซึ่งถือว่าสูงมากสำหรับธุรกิจค้าปลีกและค้าส่ง
กลุ่มงานที่ต้องการมาก ได้แก่
ผู้ใช้เครื่องมือ AI ระดับเทคนิค: 554 ตำแหน่ง
Data Scientist / Data Analyst: 471 ตำแหน่ง
Data Engineer / System Engineer: 323 ตำแหน่ง
AI General User: 272 ตำแหน่ง
นี่สะท้อนภาพชัดว่า ค้าปลีกไทยกำลังใช้ AI จัดการข้อมูลลูกค้า คลังสินค้า และระบบอัตโนมัติ ตั้งแต่การวิเคราะห์พฤติกรรมผู้บริโภค ไปจนถึงการบริหารสต็อกและการทำโปรโมชั่นแบบเฉพาะบุคคล
3. อุตสาหกรรมการผลิต (Manufacturing)
ภาคการผลิตเปิดรับตำแหน่งที่เกี่ยวข้องกับ AI ทั้งหมด 1,422 ตำแหน่ง
อาชีพที่ต้องการมาก ได้แก่
Data Scientist / Data Analyst: 457 ตำแหน่ง
AI Technical User: 405 ตำแหน่ง
Data Engineer / System Engineer: 213 ตำแหน่ง
วิศวกรระบบอัตโนมัติ: 150 ตำแหน่ง
ทิศทางชัดเจนว่าโรงงานและภาคผลิต มุ่งสู่ระบบอัตโนมัติและการใช้ AI เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และลดการพึ่งพาแรงงานในงานซ้ำซาก ผ่านการ integrate ระบบ AI และ Automation เข้ากับสายการผลิต
4. อุตสาหกรรมการเงินและการประกันภัย (Finance and Insurance)
อุตสาหกรรมนี้มีความต้องการตำแหน่งที่เกี่ยวข้องกับ AI รวม 1,358 ตำแหน่ง
ตำแหน่งหลัก ๆ คือ
Data Scientist / Data Analyst: 672 ตำแหน่ง
Data Engineer / System Engineer: 431 ตำแหน่ง
AI General User: 100 ตำแหน่ง
เนื่องจากการเงินและประกันภัยเป็นภาคธุรกิจที่ทำงานกับ ข้อมูลมหาศาล ทั้งธุรกรรม ความเสี่ยง และพฤติกรรมลูกค้า จึงต้องการบุคลากรด้าน Data และ AI เพื่อใช้ทำงานด้าน Big Data Analytics, การคาดการณ์พฤติกรรม, การตรวจจับความเสี่ยง และการป้องกันการทุจริต
5. กิจกรรมวิชาชีพวิทยาศาสตร์ และกิจกรรมทางวิชาการ
กลุ่มนี้รวมถึงบริษัทที่ปรึกษาด้านเทคโนโลยีและงานบริการเชิงเทคนิค มีการเปิดรับบุคลากรสาย AI รวม 1,301 ตำแหน่ง
งานที่ต้องการมาก ได้แก่
Data Scientist / Data Analyst: 421 ตำแหน่ง
Data Engineer / System Engineer: 348 ตำแหน่ง
AI Technical User: 212 ตำแหน่ง
AI General User: 186 ตำแหน่ง
ตัวเลขนี้สะท้อนว่า AI กลายเป็นหัวใจของการพัฒนาโซลูชัน วิเคราะห์ข้อมูลเชิงลึก และการให้บริการด้านเทคนิคแก่ลูกค้าองค์กร ซึ่งต้องอาศัยบุคลากรที่มีทั้งทักษะสูงและความเข้าใจเชิงลึกด้านระบบสารสนเทศ
ข้อเสนอ: จะปั้นคนสาย AI ให้ทันตลาด ต้องโฟกัสที่อะไร
จากภาพรวมตลาดงาน ทีมวิจัยไม่ได้หยุดแค่การเล่าตัวเลข แต่ยังเสนอแนวทาง พัฒนาบุคลากรด้าน AI ให้ตอบโจทย์ความต้องการจริง ดังนี้
1. ปั้นทักษะ AI เชิงลึกให้ทันอุตสาหกรรมสารสนเทศและการสื่อสาร
ในอุตสาหกรรมสารสนเทศและการสื่อสาร ความต้องการด้าน Big Data และวิศวกรระบบ มีสูงเป็นพิเศษ ดังนั้นทั้งภาครัฐ มหาวิทยาลัย และสถาบันฝึกอบรมควร:
เน้นหลักสูตรด้าน Data Analysis, Data Engineering และ System Engineering
พัฒนาเนื้อหาที่เชื่อมโยงกับการทำงานจริง เช่น การบริหาร Data Pipeline บนคลาวด์, การจัดการระบบ MLOps
ทำให้ผู้เรียนมีทั้ง พื้นฐานแน่น และ ทักษะปฏิบัติพร้อมใช้งาน
2. เสริมทักษะ AI ด้าน Digital Marketing และ Marketing Analytics
สำหรับภาคธุรกิจ ขายส่งและขายปลีก รวมถึงธุรกิจบริการที่เกี่ยวข้องกับลูกค้าจำนวนมาก ทักษะต่อไปนี้เริ่มกลายเป็น “ของต้องมี”:
Digital Marketing ที่นำ AI มาช่วยยิงแคมเปญและออกแบบคอนเทนต์
Marketing Analytics เพื่อวิเคราะห์พฤติกรรมผู้บริโภคแบบลงลึก
ทักษะด้าน Analytics, Data Gathering และ Business Intelligence
การพัฒนาบุคลากรให้ใช้ AI ได้อย่างคล่องในงานการตลาด จะช่วยให้ธุรกิจ ตัดสินใจแม่นขึ้น ยิงแคมเปญตรงกลุ่ม และใช้ทรัพยากรได้คุ้มค่ากว่าเดิม
3. ดันทักษะ Robotics และ Automation ในภาคการผลิต
ในอุตสาหกรรมการผลิต จำเป็นต้องเร่งสร้างทักษะด้าน:
Robotics
Automation Systems
AI-powered Robotics
การผสมผสานหุ่นยนต์กับ AI จะเป็นตัวเร่งให้โรงงาน เพิ่มประสิทธิภาพ ลดต้นทุน และรองรับการผลิตที่ซับซ้อนมากขึ้น ใครมีทักษะด้านนี้จะยิ่งเป็นที่ต้องการในสายงานโรงงานยุคอัตโนมัติ
4. ใช้ Generative AI ให้คุ้มและปลอดภัย
อีกหนึ่งข้อเสนอสำคัญคือการ ยกระดับการใช้ Generative AI ในทุกอุตสาหกรรม แต่ไม่ใช่ใช้แบบตามกระแส ต้องใช้แบบรู้จริงและรับผิดชอบ โดยเน้นว่า:
พัฒนาความรู้ด้านการออกแบบ use cases ที่เหมาะสม กับแต่ละธุรกิจ
เข้าใจทั้ง ศักยภาพและข้อจำกัด ของ Generative AI
สร้างวัฒนธรรมการใช้ AI อย่างรับผิดชอบ เพื่อลดความเสี่ยงด้านข้อมูล ความเป็นส่วนตัว และความน่าเชื่อถือของผลลัพธ์
สรุปให้สั้น ๆ: ตลาดงานไทยต้องการคนสาย AI เพิ่มขึ้นอย่างชัดเจน โดยเฉพาะในสาย Data, ระบบโครงสร้างพื้นฐาน และการใช้ AI เชิงธุรกิจ ใครที่เริ่มอัปสกิลตั้งแต่วันนี้ ไม่ว่าจะเป็นสายเทคนิคเต็มตัวหรือสายประยุกต์ใช้ AI ในงานเดิมของตัวเอง โอกาสบนตลาดงานในอีกไม่กี่ปีข้างหน้าจะเปิดกว้างกว่าที่คิดมาก