เมื่อปัญญาประดิษฐ์กินกลางทางอาชีพ ผู้นำรุ่นต่อไปจะมาจากไหน

AI ไม่ได้แค่แทนคน แต่มันลบ “ทางเติบโต” ของทั้งองค์กร

ปัญญาประดิษฐ์และการจ้างงานในยุคใหม่คือกระบวนการที่องค์กรใช้ระบบอัตโนมัติและอัลกอริทึมขั้นสูงเข้ามาทำงานแทนมนุษย์ ตั้งแต่การเขียนโค้ด การอนุมัติสินเชื่อ ไปจนถึงบริการลูกค้า ซึ่งส่งผลให้โครงสร้างอาชีพเปลี่ยนไปอย่างรวดเร็ว ทั้งด้านโอกาส พัฒนาทักษะ และความเสี่ยงการตัดงานของคนทำงานทุกระดับในธุรกิจสมัยใหม่โดยตรง. ภาพฝันของฝ่ายบริหารคือสมการง่ายๆ: AI แทนพนักงาน เท่ากับลดต้นทุนทันที แต่ความจริงคือการตัดคนออกจากงาน “สายกลาง” ที่เคยเป็นพื้นที่ฝึกมือ ทำให้เส้นทางเติบโตในอาชีพหายไป AI เปิดโอกาสให้คนระดับจูเนียร์ใช้เครื่องมือทำงานเหมือนซีเนียร์ทันที แต่พัฒนาทักษะในยุค AI กลับถูกตัดตอน พวกเขาข้ามขั้นตอนลองผิดลองถูกที่สร้างวิจารณญาณและสัญชาตญาณงานระยะยาว ผลลัพธ์คือองค์กรดูเหมือนเร็วขึ้นวันนี้ แต่กำลังสร้างช่องว่างผู้นำในวันหน้าอย่างเงียบๆ.

เมื่อ AI ทำงานแทนคน 100% โมเดล “ลูกมือ-ช่างใหญ่” พังลง

โมเดลอาชีพในหลายสายงานเคยโตด้วยระบบฝึกงานแบบลูกมือ-ช่างใหญ่ จูเนียร์รับงานจุกจิก อ่านโค้ดเก่า ไล่บั๊กกลางดึก เห็นระบบพังจริงจนค่อยๆ กลายเป็นคนที่รู้ว่าอะไรผิด อะไรถูก แต่เมื่อ AI เขียนโค้ดเอง สรุประบบเอง และวิเคราะห์ข้อมูลแทน งานเหล่านี้หายไปจากโต๊ะของคนรุ่นใหม่. หนึ่งในคำเตือนสำคัญคือ ถ้า AI ทำงานที่เคยใช้ฝึกวิศวกร คนรุ่นถัดไปจะมาจากไหน องค์กรที่เร่งใช้เครื่องมือโค้ด AI กำลังทำลายสายพานผลิตคนที่มีทักษะกำกับ ตรวจสอบ และตั้งคำถามกับผลลัพธ์ของ AI เอง ขณะที่งานจริงกำลังเปลี่ยนเป็นงานกำกับดูแล แต่การกำกับที่ดีต้องอาศัยประสบการณ์ลงมือทำ ซึ่งไม่มีทางเกิดขึ้นถ้าทางผ่านระดับกลางถูกกินจนเกลี้ยง คนหน้างานจึงถูกบังคับให้ “ดูแลเครื่องมือ” ที่พวกเขาไม่เคยเรียนรู้จากราก.

บทเรียนแพงจากการใช้ AI แทนคน: เมื่อ “ลดต้นทุน” กลายเป็นกับดัก

กรณีการใช้ AI แทนพนักงานโดยตัดมนุษย์ออกจากวงจรตัดสินใจแบบ 100% กำลังสร้างบาดแผลให้หลายธุรกิจ หนึ่งในเหตุการณ์ที่เกิดขึ้นแล้วคือธนาคารไร้สาขา CLICX ที่ใช้ AI ปล่อยสินเชื่อแทนคน โดยไม่ใช้ข้อมูลเครดิตบูโร เพราะต้องการให้กลุ่มคนที่ไม่ได้ทำงานประจำเข้าถึงสินเชื่อง่ายขึ้น แต่กลับกลายเป็นช่องโหว่ให้กลุ่มนักบิดที่มีประวัติเสียผิดนัดชำระหนี้เข้ามากู้แล้วตั้งใจไม่จ่าย. ในต่างประเทศ การเชื่อมั่น AI เกินเหตุยิ่งชัด Zillow นำโมเดลประเมินราคาบ้านมาใช้เป็นราคาเสนอซื้อจริง ข้ามการประเมินหน้างานโดยมนุษย์ ผลคือซื้อบ้านสภาพแย่ในราคาสูงเกินจริงจนธุรกิจเจ็บหนัก. อีกด้านหนึ่ง บริษัทประกันสุขภาพใช้ AI “PXDX” ปฏิเสธการเคลมในเวลาเพียง 1.2 วินาทีต่อเคส โดยข้ามการพิจารณาโดยแพทย์ ทำให้พบอัตราความผิดพลาดสูงถึง 90% และผู้ป่วยจำนวนมากถูกบีบให้ออกจากโรงพยาบาลทั้งที่ยังไม่หายดีจนบางรายทรุดหนักหรือเสียชีวิต. นี่ไม่ใช่แค่ความเสี่ยงการตัดงาน แต่เป็นความเสี่ยงต่อชีวิตและชื่อเสียงองค์กรโดยตรง.

ผู้ใช้และแบรนด์ติดกับดัก AI อัตโนมัติ: ความไวที่แลกด้วยความไว้วางใจ

การเร่งใช้ AI ในบริการลูกค้าเพื่อประหยัดต้นทุนคืออีกตัวอย่างของกับดัก AI แทนพนักงาน บางสายการบินติดตั้งแชตบอต AI ตอบคำถามลูกค้า 100% แล้วเกิดกรณีที่แชตบอตสร้างนโยบายลดหย่อนค่าตั๋วไปงานศพขึ้นมาเอง แนะนำให้ลูกค้าซื้อราคาเต็มก่อนแล้วมาขอคืนเงิน ทั้งที่นโยบายจริงทำไม่ได้ เมื่อลูกค้าทำตามแล้วขอคืนเงิน บริษัทปฏิเสธโดยอ้างว่า AI เป็นระบบอัตโนมัติ แต่ศาลตัดสินชัดว่าบริษัทต้องรับผิดชอบต่อทุกคำพูดของ AI ที่ตนใช้. บริษัทขนส่งรายใหญ่ใช้แชตบอตโดยไม่ตั้งขอบเขตดีพอจนลูกค้าใช้เทคนิค prompt injection ก่อกวนให้ AI แต่งกลอนด่าบริษัทตัวเองและหลุดคำหยาบใส่ลูกค้า ภาพหน้าจอถูกแชร์ทั่วโลกออนไลน์จนแบรนด์เสียหายหนัก. ในโลกกฎหมาย ทนายความใช้ generative AI ร่างคำฟ้องโดยไม่ตรวจสอบจน AI สร้างคดีและคำตัดสินปลอมขึ้นมาทั้งชุด. ทุกเคสสะท้อนว่าเมื่อองค์กรปล่อยให้ AI คุยแทนคนโดยไร้การกำกับ ความไวในการตอบกลับกลายเป็นความเสียหายต่อความไว้วางใจ.

ออกแบบอาชีพใหม่ในยุค AI: ถ้าไม่มีงานโง่ๆ วันนี้ จะไม่มีผู้นำเก่งๆ วันหน้า

งานวิศวกรรมซอฟต์แวร์กำลังถูก AI เปลี่ยนจากการลงมือเขียนโค้ดเป็นงานกำกับดูแล AI เขียนโค้ด ส่วนมนุษย์ตัดสินว่าโค้ดนั้น “ถูก” ในเชิงระบบหรือไม่ แต่การกำกับต้องใช้ทักษะที่มาจากปีๆ ของการอ่านโค้ดเก่า แก้เหตุขัดข้องจริง และเห็นระบบภายใต้โหลดสูง ซึ่ง AI ยังทำไม่ได้. ขณะเดียวกัน การจ้างงานระดับเริ่มต้นในงานที่เปิดรับ AI ลดลง ทำให้คนอายุน้อยเข้ามาในสายอาชีพน้อยลง โดยไม่มีการลดงานของคนที่อายุเกิน 25 ปี แปลว่า คนไม่ได้ถูกไล่ออก แต่ถูกหยุดการรับเข้าใหม่. หนึ่งในข้อค้นพบคือวิศวกรจูเนียร์ที่ใช้ AI ทำงานมีคะแนนความชำนาญต่ำลง 17% โดยไม่ได้ทำงานเสร็จเร็วขึ้น พวกเขาแลกการเรียนรู้ไปแบบไม่ได้เงินคืน. เราจึงอยู่ในช่วง “วินิจฉัยปัญหา” มากกว่ามีสูตรสำเร็จ แต่การแก้เริ่มได้เลยผ่านเส้นทางเรียนรู้แบบมีโครงสร้าง หมุนเวียนคนผ่านงานพื้นฐานเหมือนระบบ residency ทางการแพทย์ เพราะงานจุกจิกนี่แหละที่สร้างดวงตาและวิจารณญาณระยะยาว. ถ้าองค์กรยังปล่อยให้ AI กินงานกลางทั้งหมด อีกสิบปีข้างหน้าอาจเหลือแต่ระบบฉลาดที่ไม่มีคนฉลาดพอจะกำกับ.