วิกฤตช่องว่างบุคลากร AI คืออะไร และทำไมแรงงานต้องรีบสนใจ
วิกฤตช่องว่างบุคลากร AI คือภาวะที่ความต้องการคนทำงานด้านปัญญาประดิษฐ์และงาน Data วิเคราะห์ข้อมูลเพิ่มสูงอย่างรวดเร็ว ขณะที่ระบบการศึกษาและการฝึกอบรม AI ไทยยังผลิตคนไม่ทัน ทำให้เกิดการขาดแคลนผู้เชี่ยวชาญ AI ระดับลึก ช่องว่างทักษะดิจิทัลในตลาดแรงงาน และแรงกดดันให้องค์กรทุกภาคส่วนต้องพัฒนาบุคลากร AI ผ่านการอัปสกิล ดิจิทัลและรีสกิลอย่างเป็นระบบ
สถาบันด้านข้อมูลของรัฐระบุชัดว่าประเทศตั้งเป้าพัฒนาคนสามระดับ ตั้งแต่ประชาชนที่ต้องรู้เท่าทัน AI บุคลากรที่นำ AI ไปใช้กับงานจริง ไปจนถึงนักพัฒนาและนักวิจัยที่สร้างเทคโนโลยีได้เอง โดยกลุ่ม AI Literacy เป้าหมายปีละ 2.5 ล้านคน กลุ่ม AI Professionals 50,000 คน และกลุ่ม AI Developers หรือ Researchers 10,000 คนต่อปี ตัวเลขดูสวยหรู แต่เมื่อมองของจริง ผู้เชี่ยวชาญที่รีเทรนโมเดลเชิงลึกได้จริงยังมีเพียงหลักพันคนเท่านั้น
ถ้าปล่อยให้ช่องว่างนี้กว้างขึ้น คนทำงานสายอื่นที่ไม่แตะ AI เลยจะเสี่ยงตกขบวน ส่วนองค์กรก็ต้องแข่งขันแย่งตัวผู้เชี่ยวชาญ AI ไม่กี่พันคน การฝึกอบรม AI ไทยจึงไม่ใช่เรื่องของคนสายเทคโนโลยีเท่านั้น แต่กลายเป็นโจทย์ใหญ่ของทั้งระบบแรงงาน
ตัวเลขไม่โกหก ตลาดงานหด แต่ AI–Data โตสวนทางแรงงาน
ความขัดแย้งระหว่างตัวเลขงานและทักษะคือสัญญาณเตือนสำคัญ ข้อมูลจากหน่วยวิเคราะห์เศรษฐกิจที่เก็บประกาศรับสมัครงานกว่า 912,000 ตำแหน่งในปีหนึ่ง ระบุว่า ภาพรวมตลาดแรงงานหดตัว 9.2% แต่ตำแหน่งงานสาย AI และ Data กลับเติบโต 29.6% สวนทางตลาดโดยรวม ประโยคที่ควรถูกจดไว้คือ “งาน AI–Data โต 29.6% ในขณะที่ตลาดงานโดยรวมติดลบ 9.2%”
ยิ่งไปกว่านั้น งานระดับปริญญาตรีกว่า 79% ต้องการผู้สมัครที่มีประสบการณ์อย่างน้อยหนึ่งปี แปลว่าคนจบใหม่ที่มีแต่ใบปริญญาโดยขาดผลงานและทักษะจริง จะเสียเปรียบอย่างชัดเจน ในโลกที่งาน Data วิเคราะห์ข้อมูล การตั้ง Data Pipeline การเลือกโมเดล และเทคนิค Retrieval-Augmented Generation กลายเป็นงานประจำวันของหลายองค์กร
ในมหาวิทยาลัยหนึ่ง คณบดีคณะเทคโนโลยีสารสนเทศจึงตั้งโจทย์ใหม่ให้ชัดว่า สิ่งที่องค์กรต้องการไม่ใช่แค่นักศึกษาที่ “ใช้ AI เป็น” แต่คือคนที่เข้าใจปัญหา เลือกเทคโนโลยีเหมาะสม และรับผิดชอบต่อผลลัพธ์ของระบบ AI ที่ตนเองสร้างได้ โครงการฝึกอบรม AI ไทยอย่าง Gen AI Challenge จึงเน้นให้ นศ พัฒนาต้นแบบและผลงานจริง ร่วมกับพันธมิตรด้านคลาวด์และการฝึกอบรมองค์กร
ทำไมพึ่งมหาวิทยาลัยไม่พอ ต้องพัฒนาบุคลากร AI จากคนทำงานจริง
จุดอ่อนสำคัญในตอนนี้คือห่วงโซ่การผลิตบุคลากรจากมหาวิทยาลัยเพียงช่องทางเดียวไม่ทันต่อความต้องการ นักวิชาการจากสถาบันข้อมูลขนาดใหญ่ยอมรับตรงไปตรงมาว่า ความยากไม่ได้อยู่ที่ตัวเลขเป้าหมาย 10,000 AI Developers ต่อปี แต่เป็นเรื่อง Supply ในระบบการศึกษา ที่ผลิตคนจบตรงด้านและพัฒนา AI ระดับลึกได้เพียงจำกัด
คำตอบจึงชัดว่าเราต้องพัฒนาบุคลากร AI จากฐานคนทำงานเดิม ภาครัฐเสนอแนวทาง Reskill และ Upskill คนในอุตสาหกรรม เช่น วิศวกรคอมพิวเตอร์และสายเทคโนโลยี ที่มีพื้นฐานใกล้เคียง ให้ขยับขึ้นมาเชื่อม Data Pipeline เลือกโมเดล ทำ RAG และเทรนโมเดลของตนเอง การอัปสกิล ดิจิทัลแบบนี้ช่วยลดเวลาสร้างผู้เชี่ยวชาญ เทียบกับการรอเด็กจบใหม่เพียงทางเดียว
ที่สำคัญ ภาครัฐยังเริ่มผูกการส่งเสริมการลงทุนเทคโนโลยีเข้ากับการถ่ายทอดองค์ความรู้ โดยหารือเงื่อนไขให้บริษัทที่ได้รับสิทธิส่งเสริมต้องร่วมสร้างและพัฒนาคนไทย ไม่ใช่จัดอบรมเชิงสัญลักษณ์แล้วจบ แนวคิดนี้ถ้าทำจริงจังจะเปลี่ยนนักลงทุน Data Center และธุรกิจเทคโนโลยีให้กลายเป็นโรงเรียนใหญ่ของคนทำงาน ช่วยปิดช่องว่างการขาดแคลนผู้เชี่ยวชาญ AI ให้แคบลง
ฝึกอบรม AI ไทยจากห้องเรียนถึงโรงงาน: ตัวอย่างที่เริ่มเห็นผล
การฝึกอบรม AI ไทยวันนี้ไม่ได้จำกัดอยู่ในห้องLecture แต่ถูกออกแบบให้ลงมือทำกับโจทย์จริง สถาบันข้อมูลขนาดใหญ่สนับสนุนทุนให้มหาวิทยาลัยจัดหลักสูตร Cloud Engineer และ Data Science ระดับ Intermediate ขึ้นไป เน้นเรียนแบบ Hands-on ทำ Workshop และประเมินผลจากงานจริง โดยกำหนดให้ผู้เรียนอย่างน้อย 30% เป็นเจ้าหน้าที่รัฐ เพื่อรองรับทักษะการบริหารจัดการระบบ Cloud และโครงสร้างข้อมูลของภาครัฐเอง
แม้รูปแบบนี้จะพัฒนาคนได้เพียงหลักร้อยคนต่อปี แต่สะท้อนทิศทางที่ถูกต้อง คือการเน้นทักษะที่ตอบงานจริงมากกว่าใบประกาศเพียงใบเดียว ในระดับมหาวิทยาลัยเอกชน มีโครงการ Gen AI Challenge ที่ให้นักศึกษาปี 2–4 กว่า 200 คนเรียนรู้ตั้งแต่การออกแบบคำสั่งให้ AI การใช้ AI อย่างรับผิดชอบ ไปจนถึงการสร้างต้นแบบแอปพลิเคชันผ่านแพลตฟอร์มคลาวด์ โดยมีองค์กรภายนอกร่วมเป็นพาร์ตเนอร์ด้านเทคโนโลยีและการฝึกอบรม
จุดร่วมของตัวอย่างเหล่านี้คือการดึงทั้งภาครัฐ มหาวิทยาลัย และเอกชนมาพัฒนาบุคลากร AI ร่วมกัน เป้าหมายไม่ใช่แค่ให้คน “ใช้เครื่องมือเป็น” แต่ต้องใช้ AI และงาน Data วิเคราะห์ข้อมูลเพื่อสร้างคุณค่าทางธุรกิจและสังคมได้จริง ซึ่งเป็นทักษะที่ตลาดงานกำลังขาดแคลนมากที่สุดตอนนี้
โค้ชผลิตภาพดิจิทัลลงพื้นที่ 55 จังหวัด โอกาสใหม่ของแรงงานทั่วไป
อีกด้านหนึ่งของการอัปสกิล ดิจิทัลเกิดขึ้นในโรงงาน วิสาหกิจชุมชน และกลุ่ม OTOP เมื่อหน่วยงานด้านพัฒนาฝีมือแรงงานของรัฐเดินหน้าปั้น “นักพัฒนาผลิตภาพแรงงานด้วยเครื่องมือดิจิทัล” กลุ่มนี้ไม่ใช่นักวิจัย AI ระดับลึก แต่คือโค้ชหน้างานที่มีทั้งทักษะ Digital Skills และ Data Analytics เพื่อนำเทคโนโลยีและ AI ไปวิเคราะห์ข้อมูลและแก้ปัญหาการทำงานจริง
ในปีงบประมาณหนึ่ง โครงการนี้สามารถเข้าไปยกระดับผลิตภาพแรงงานให้กับสถานประกอบกิจการ 55 แห่ง ใน 55 จังหวัด และพัฒนาทักษะดิจิทัลแก่แรงงานและผู้ประกอบกิจการรวม 5,153 คน เป้าหมายถัดไปก็ยิ่งท้าทาย เมื่อหน่วยงานเดียวกันตั้งเป้าเพิ่มจำนวนโค้ชผลิตภาพแรงงานจาก 110 คนเป็น 1,100 คน หรือเพิ่มขึ้น 10 เท่า พร้อมขยายการให้คำปรึกษาเชิงลึกจาก 55 แห่งเป็น 110 แห่งทั่วประเทศ
นี่คือรูปธรรมของการพัฒนาบุคลากร AI ในสายงานที่คนมักมองข้าม เช่น การเก็บและวิเคราะห์ข้อมูลในสายการผลิต การลดขั้นตอนการทำงาน หรือการลดความผิดพลาด โค้ชเหล่านี้ทำหน้าที่แปลโลกดิจิทัลให้เข้ากับบริบทท้องถิ่น ทำให้ AI ไม่ใช่เรื่องไกลตัวของคนในโรงงานหรือชุมชนอีกต่อไป และเปิดทางให้แรงงานทั่วไปเข้าถึงฝึกอบรม AI ไทยในรูปแบบที่จับต้องได้
สรุป: ถ้าไม่อัปสกิลวันนี้ ช่องว่าง AI จะกลายเป็นกำแพงแรงงานในวันหน้า
เมื่อเป้าหมายผลิต AI Developers ปีละ 10,000 คนยังห่างไกลความจริง ขณะที่ผู้เชี่ยวชาญระดับลึกมีเพียงหลักพันคน และงาน AI–Data โต 29.6% ท่ามกลางตลาดแรงงานที่หดตัว 9.2% ช่องว่างทักษะด้าน AI จึงไม่ใช่ประเด็นในงานสัมมนา แต่คือความเสี่ยงชีวิตการทำงานจริงของคนทุกวัย
ข่าวดีคือภาพรวมการพัฒนาบุคลากร AI เริ่มขยับ ทั้งจากแผนระดับชาติที่แบ่งคนสามระดับ ตั้งแต่ผู้ใช้ทั่วไป ผู้เชี่ยวชาญในองค์กร ไปจนถึงนักพัฒนา AI การฝึกอบรม AI ไทยในมหาวิทยาลัยที่เน้นงานจริง และการปั้นโค้ชผลิตภาพดิจิทัลใน 55 จังหวัด พร้อมเป้าขยายโค้ช 10 เท่า อีกโจทย์ที่กำลังเตรียมคือการสร้างกรอบประเมินระดับทักษะ AI เพื่อให้การอัปสกิลดิจิทัลวัดผลได้ชัดเจนยิ่งขึ้น
แต่สุดท้าย ต่อให้มีแผนดีเพียงใด ถ้าแรงงานและองค์กรยังมอง AI เป็นเรื่องไกลตัว ช่องว่างก็จะยิ่งกว้างขึ้น ทางเลือกจึงมีสองทาง คือเริ่มเรียนรู้และทดลองใช้ AI กับงานของตนเองตั้งแต่วันนี้ หรือรอจนงานที่ทำอยู่ถูกแทนที่ด้วยคนที่อัปสกิลไปแล้ว การพัฒนาบุคลากร AI จึงไม่ใช่หน้าที่ของรัฐหรือมหาวิทยาลัยเท่านั้น แต่เป็นการบ้านของทุกคนที่อยากอยู่รอดและเติบโตในตลาดแรงงานใหม่
