เมื่อมหาวิทยาลัยสอนโลกเก่า แต่องค์กรต้องการคนพร้อมใช้ AI

นิยามใหม่ของความพร้อมทำงานในยุค AI

ความพร้อมทำงานในยุค AI readiness skills คือชุดความสามารถที่ทำให้คนทำงานใช้ AI ร่วมกับทักษะมนุษย์ได้อย่างมีคุณค่า ประกอบด้วยการตั้งโจทย์ การคิดเชิงวิพากษ์ การสื่อสาร และการแปลงผลลัพธ์จากเครื่องมือ AI ให้กลายเป็นการตัดสินใจธุรกิจที่รับผิดชอบ ไม่ใช่แค่กดใช้เครื่องมือหรือท่องแพลตฟอร์ม แต่คือความเข้าใจว่า AI ควรเข้าไปอยู่ตรงไหนในกระบวนการทำงาน และตรงไหนที่ต้องปล่อยให้คนเป็นคนตัดสินใจเอง หากมองตรงๆ ปัญหาในวันนี้ไม่ใช่แค่เด็กจบใหม่ไม่พร้อม แต่คือระบบทั้งมหาวิทยาลัยและองค์กรยังติดอยู่กับนิยามเก่าของคำว่า “พร้อมใช้” ที่เท่ากับทำงานได้ตั้งแต่วันแรก ทั้งที่โลกงานกำลังเปลี่ยนไปตาม AI อย่างรวดเร็ว ผลสำรวจหนึ่งพบว่า 75% ของบริษัทที่ตอบแบบสอบถามมองว่าเด็กจบใหม่ที่รับเข้ามานั้นไม่น่าพอใจอย่างน้อยบางส่วน นี่ไม่ใช่สัญญาณว่าคนรุ่นใหม่แย่ลง แต่เป็นสัญญาณว่าความคาดหวังขององค์กรวิ่งนำหน้าห้องเรียนไปไกลแล้ว

ตัวเลขสะท้อนช่องว่าง และการตีความที่ไม่ยุติธรรมต่อ Gen Z

เมื่อองค์กรบ่นว่า “เด็กจบใหม่ไม่พร้อมทำงาน” เราควรถามกลับว่า ไม่พร้อมตามมาตรฐานใคร ผลสำรวจจากแหล่งหนึ่งในปี 2024 ระบุว่า 75% ของบริษัทมองเด็กจบใหม่ที่รับเข้ามาว่าไม่น่าพอใจ ขณะเดียวกันการสำรวจ HR กว่า 800 คนพบว่า 37% เลือกใช้ AI หรือหุ่นยนต์แทนการจ้างเด็กจบใหม่ และอีก 30% ปล่อยตำแหน่งว่างไว้ ตัวเลขเหล่านี้บอกชัดว่าองค์กรจำนวนมากเลือกลงทุนกับเทคโนโลยีแทนการพัฒนาคนใหม่ แต่หากมองข้อมูลอีกชุด กรอบคิดแบบ “Gen Z ไม่พร้อม” กลับไม่ตรงนัก เพราะนายจ้าง 55% มองว่าทักษะเด็กจบใหม่สอดคล้องกับงานอย่างน้อยบางส่วน และ 42% มองว่าสอดคล้องอย่างมาก ด้านความพร้อมในการทำงาน 71% ให้คะแนน “พร้อมพอสมควร” และ 22% มองว่า “พร้อมมาก” ในเวลาเดียวกัน Gen Z ขาดประสบการณ์ทำงานและทักษะสังคมบางอย่าง แต่กลับมีข้อได้เปรียบด้านเทคโนโลยีและการใช้ AI ที่คนรุ่นก่อนต้องใช้เวลาเรียนรู้ การโทษคนรุ่นใหม่ฝ่ายเดียวจึงสั้นและง่ายเกินไปสำหรับปัญหาที่ซับซ้อนกว่านั้น

จากใช้ AI ได้ สู่สร้างมูลค่าให้ธุรกิจด้วย AI

แนวโน้มสำคัญใน workforce development AI คือองค์กรไม่พอใจกับคนที่ “ใช้ AI ได้” แบบผิวเผินอีกต่อไป ความต้องการใหม่คือคนที่ “สร้างมูลค่าด้วย AI” หรือเปลี่ยนเครื่องมือให้กลายเป็น Business Outcome อย่างจับต้องได้ สำหรับสายบริหารธุรกิจ จุดเน้นจึงไม่ใช่การเรียนรู้ฮาร์ดแวร์ระดับวิศวกรรม แต่คือการมองให้ออกว่าเทคโนโลยีควรเข้าไปอยู่ตรงไหนในงานจริง นี่คือการสร้าง AI-Native Business Talent ที่เข้าใจโจทย์ธุรกิจ เลือกใช้ AI ได้เหมาะสม ตรวจสอบผลลัพธ์ และเชื่อมต่อสู่ผลลัพธ์ทางธุรกิจ ประเด็นสำคัญคือ “ใช้ AI เป็น” ต่างจาก “ใช้ AI ได้” คนทำงานยุคใหม่จำเป็นต้องตั้งโจทย์ดี เข้าใจข้อมูล ประเมินคุณภาพของ Output และแยกให้ออกว่างานใดมอบให้ AI ทำ งานใดต้องใช้ประสบการณ์และวิจารณญาณของคน ทักษะแบบนี้คือหัวใจของ AI readiness skills ไม่ใช่ทักษะการกดปุ่มหรือท่องคำสั่งเท่านั้น และกำลังกลายเป็นเงื่อนไขการจ้างงานใหม่โดยไม่ต้องประกาศออกมาตรงๆ

เมื่อการศึกษาธุรกิจเริ่มสร้างสนามจริงให้ AI

ในฝั่ง business education AI เริ่มเห็นแบบจำลองการเรียนรู้ใหม่ที่ตอบโจทย์โลกงานมากขึ้น เช่น Business AI Lab และแนวคิด AI Experience Centre for Business ที่ออกแบบให้ห้องคอมไม่ใช่แค่พื้นที่เรียนซอฟต์แวร์ แต่เป็นสนามทดลอง Workflow ที่เกี่ยวข้องกับ AI ตั้งแต่ Generative AI การสร้างคอนเทนต์ การตีความข้อมูล Productivity ไปจนถึงการสนับสนุนการตัดสินใจธุรกิจผ่าน AI-Powered PC หัวใจของ AI training programs รูปแบบนี้คือการนำ AI ไปผูกกับโจทย์ที่นักศึกษาธุรกิจต้องเจอจริง ตั้งแต่การตลาด ประสบการณ์ลูกค้า Business Analytics Content Creation Entrepreneurship ไปจนถึงการตัดสินใจเชิงธุรกิจ แทนที่จะสอนเครื่องมือแบบลอยๆ นักศึกษาถูกฝึกให้มองเห็นห่วงโซ่มูลค่า เข้าใจความเสี่ยง และเรียนรู้การทำงานร่วมกับ AI ในบริบทธุรกิจตั้งแต่ในห้องเรียน การเคลื่อนจาก “คอร์สทฤษฎี” สู่ “ประสบการณ์ใช้งานจริง” แบบนี้คือจุดที่การศึกษาเริ่มตามทันความคาดหวังขององค์กร

อนาคตที่ต้องออกแบบร่วมกันระหว่างมหาวิทยาลัยและองค์กร

คำถามสำคัญจึงไม่ใช่แค่ว่า Gen Z พร้อมทำงานหรือยัง แต่คือเรากำลังเตรียมพวกเขาสำหรับโลกงานแบบไหน มหาวิทยาลัยบางแห่งเริ่มขยับจากการช่วยนักศึกษาเลือก “อาชีพเดียว” ไปสู่การออกแบบเส้นทางอาชีพที่เปลี่ยนได้ พร้อมใช้ AI ประเมินความสนใจ และเพิ่มการสนับสนุนด้านโค้ชอาชีพกับทุนฝึกงาน เป้าหมายคือทำให้เด็กพร้อมทั้งสำหรับงานวันนี้และงานที่ยังไม่มีอยู่ในวันนี้ สิ่งที่ AI กำลังเปลี่ยนจึงไม่ใช่แค่รูปแบบการทำงาน แต่กำลังเปลี่ยนนิยามของคำว่า “พร้อมทำงาน” จากเดิมองค์กรอยากได้คนที่ “ทำงานเป็น” ตั้งแต่วันแรก โลกใหม่ต้องการคนที่เรียนรู้เป็น ปรับตัวเป็น คิดเป็น และใช้ AI เป็น โดยไม่ปล่อยให้ AI คิดแทนทั้งหมด หากองค์กรยังลดการลงทุนฝึกอบรมระดับเริ่มต้น และมหาวิทยาลัยยังสอนตามโลกเก่า ช่องว่างจะยิ่งกว้าง ผู้ชนะในยุคนี้จะเป็นคนและองค์กรที่ยอมรับว่าความพร้อมคือกระบวนการร่วมกันระหว่างการศึกษา การทำงาน และ AI ไม่ใช่ภาระของฝ่ายใดฝ่ายหนึ่ง