ช่องว่างฝีมือ AI จุดไฟให้รัฐและมหาวิทยาลัยต้องคิดใหม่
ภาวะขาดแคลนฝีมือ AI หมายถึงสถานการณ์ที่ตลาดงานต้องการบุคลากรที่มีความรู้ AI และทักษะด้านข้อมูลจำนวนมาก แต่ระบบการศึกษาและการพัฒนากำลังคนผลิตไม่ทัน ส่งผลให้ตำแหน่งงานด้าน AI และ Data เปิดรับเพิ่มขึ้น ขณะที่ผู้สมัครที่มีทักษะลึกด้านการออกแบบ พัฒนา และประยุกต์ใช้ AI ยังมีจำนวนจำกัด ส่งผลกระทบต่อทั้งภาคธุรกิจ ภาครัฐ และแรงงานที่ต้องปรับตัวให้ทันเทคโนโลยีใหม่
สาระสำคัญของวิกฤตนี้คือ ฝีมือ AI ไทยกำลังกลายเป็นข้อจำกัดเชิงโครงสร้าง ไม่ใช่แค่ปัญหาชั่วคราวจากเทคโนโลยีมาแรง รัฐมีแผน AI แห่งชาติปี 2565–2570 ที่ตั้งเป้าพัฒนาคนสามระดับ ตั้งแต่ประชาชนทั่วไปที่ต้องมีความรู้ AI หรือ AI Literacy 2.5 ล้านคน บุคลากรที่นำ AI ไปใช้กับงานจริง 50,000 คน ไปจนถึงนักพัฒนาและนักวิจัย AI 10,000 คนต่อปี แต่ผู้เชี่ยวชาญที่ทำงานกับโมเดลระดับลึกได้จริงยังมีเพียงหลักพันเท่านั้น ช่องว่างนี้จึงบีบให้รัฐ มหาวิทยาลัย และเอกชนต้องจับมือกันออกแบบยุทธศาสตร์ใหม่ ไม่เช่นนั้นตลาดงาน AI จะดึงกำลังคนจากกันเองมากกว่าสร้างฐานใหม่ให้ประเทศ
แผน AI แห่งชาติและบทบาท BDI ในการปั้นนักพัฒนา
เมื่อแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติถูกเสนอเข้าสู่บอร์ด AI แห่งชาติ ดร.สุนทรีย์ ส่งเสริม จากสถาบันข้อมูลขนาดใหญ่หรือ BDI ชี้ชัดว่ากลุ่มที่ยากที่สุดคือ AI Developer และ Researcher ที่ตั้งเป้า 10,000 คนต่อปี เพราะต้องมีความสามารถเชื่อม Data Pipeline เลือกโมเดล ทำระบบ Retrieval Augmented Generation และฝึกโมเดลเอง ซึ่งต่างจากการเป็นผู้ใช้ทั่วไปที่แค่เข้าใจเครื่องมือ ความจริงที่น่ากังวลคือ วันนี้ไทยมีผู้เชี่ยวชาญที่รีเทรนโมเดลลึกได้เพียงระดับหลักพัน การปั้นนักพัฒนา AI แบบผลิตบัณฑิตใหม่อย่างเดียวจึงไม่มีทางทัน
BDI เลือกเดินเกมเชิงรุกด้วยการให้ทุนมหาวิทยาลัยจัดหลักสูตรแบบ Hands-on ทั้ง Cloud Engineer และ Data Science ตั้งแต่ระดับกลางขึ้นไป กำหนดให้ผู้เรียนส่วนหนึ่งเป็นเจ้าหน้าที่รัฐเพื่อยกระดับการบริหารจัดการระบบ Cloud และข้อมูลภาครัฐ แต่วิธีนี้ยังผลิตคนได้เพียงหลักร้อยต่อปี เป็นเพียงเศษเสี้ยวของเป้าหมายระดับหมื่น สะท้อนว่าการหวังพึ่งมหาวิทยาลัยอย่างเดียวไม่เพียงพอ และแผนพัฒนากำลังคนด้าน AI ต้องขยายไปสู่แรงงานที่ทำงานอยู่แล้วผ่านการอัปสกิลดิจิทัลอย่างจริงจัง ถ้าไม่ทำวันนี้อีกไม่กี่ปีเราจะติดกับดักไม่มีคนทำงานกับโครงสร้างพื้นฐานดิจิทัลที่ลงทุนไป
มหาวิทยาลัยจับมือเอกชน อุดช่องว่างตลาดงาน AI โตสวนแรงงาน
ในขณะที่ภาพรวมตลาดแรงงานหดตัว 9.2% งานสาย AI และ Data กลับเติบโตถึง 29.6% จากการวิเคราะห์ประกาศรับสมัครงานกว่า 912,000 ตำแหน่งโดย TDRI Economic Intelligence Service ตัวเลขนี้ไม่ใช่ข่าวดี หากมองจากมุมผู้ประกอบการและบัณฑิตใหม่ เพราะ 79% ของงานระดับปริญญาตรีต้องการผู้สมัครที่มีประสบการณ์อย่างน้อยหนึ่งปี แปลว่าตลาดงาน AI ต้องการคนที่ทั้งใช้เทคโนโลยีเป็นและเคยแก้ปัญหาจริงมาแล้ว ช่องว่างระหว่าง “ทำเครื่องมือเป็น” กับ “ใช้แก้ปัญหาได้” จึงกลายเป็นโจทย์การศึกษาที่เฉียบคมกว่าการสอนใช้เครื่องมือยอดนิยม
มหาวิทยาลัยศรีปทุมจึงจับมือ AWS Academy และพันธมิตรด้านการฝึกอบรม จัดโครงการ Gen AI Challenge ให้ นศ ปี 2–4 กว่า 200 คนได้ลงมือพัฒนาต้นแบบแอปพลิเคชันผ่าน AWS PartyRock จากปัญหาจริงที่สนใจ แนวคิดนี้ฉลาด เพราะไม่ได้ให้เด็กแค่ลองเล่น AI แต่ฝึกตั้งโจทย์ ออกแบบคำสั่ง และคำนึงถึงความปลอดภัยและความน่าเชื่อถือของผลลัพธ์ ผลงานอย่างระบบแท็กการทำงานเครื่องจักร Machine Tag หรือเครื่องมือ IdeaCraft ช่วยแปลงไอเดียเป็นแผนงาน แสดงให้เห็นว่าถ้าการเรียนเชื่อมต่อกับความต้องการตลาดงาน AI ได้ การปั้นนักพัฒนาจะสร้างคนที่มีประสบการณ์จริงตั้งแต่ยังเรียน ไม่ใช่แค่สะสมประกาศนียบัตร
Reskill–Upskill และถนนข้อมูล ดึงทั้งแรงงานและภาครัฐเข้าสู่ยุค AI
บทเรียนจากการปั้นคนเทคในช่วงแรกคือ ถ้ารอเพียงคนรุ่นใหม่เข้าสู่ตลาดงาน ฝีมือ AI ไทยไม่มีวันทันความต้องการ BDI จึงย้ำว่าต้องเร่ง Reskill และ Upskill บุคลากรที่ทำงานอยู่แล้ว เช่น วิศวกรคอมพิวเตอร์และคนสายเทคโนโลยี โดยดึงเอกชนเข้ามาช่วยสร้างกำลังคนควบคู่กับการลงทุนดาต้าเซ็นเตอร์และเทคโนโลยี แนวคิดเรื่องการผูกสิทธิประโยชน์การลงทุนกับการถ่ายทอดความรู้และการสร้างคนจริง ไม่ใช่แค่จัดอบรมเชิงสัญลักษณ์ ถือเป็นก้าวสำคัญ ถ้าเดินให้ถึงปลายทาง การลงทุนโครงสร้างพื้นฐานดิจิทัลจะกลายเป็นโรงเรียนขนาดใหญ่ให้แรงงานอัปสกิลดิจิทัลในพื้นที่
ในมิติข้อมูล รัฐออกระเบียบว่าด้วยการแบ่งปันข้อมูลดิจิทัล มีผลใช้บังคับตั้งแต่ 4 กันยายน 2569 เพื่อแก้ปัญหาที่เคยเกิดซ้ำในหลายโครงการ แนวทางไม่ใช่การดึงข้อมูลทั้งหมดมาเก็บรวมล่วงหน้า แต่คือการสร้าง “ถนนข้อมูล” หรือ API ที่กำหนดมาตรฐานการแลกเปลี่ยนไว้ก่อน เมื่อเกิดเหตุหน่วยงานที่มีอำนาจช่วยเหลือจึงเข้าถึงข้อมูลที่จำเป็นได้เร็วขึ้น จุดยืนนี้สำคัญ เพราะหากมีเทคโนโลยีแต่ขาดคน หรือมีคนแต่ข้อมูลยังติดอยู่ตามหน่วยงาน ศักยภาพ Big Data และ AI ก็ไม่มีวันถูกใช้เพื่อบริการประชาชนอย่างเต็มที่ การแก้เกมต้องทำทั้งสองด้านพร้อมกัน
ตั้งกรอบวัดสกิลและปลูกความรู้ AI ตั้งแต่ห้องเรียนสู่ข้อสรุปเชิงยุทธศาสตร์
อีกก้าวที่อาจเปลี่ยนเกมคือการที่ BDI เตรียมสร้างกรอบ Framework ประเมินระดับทักษะ AI ในปี 2570 หลังพบว่าหลายองค์กรส่งคนไปอบรม ได้ใบรับรองกลับมา แต่ยังตอบไม่ได้ว่าคนของตัวเองอยู่ระดับไหน ควรพัฒนาอะไรต่อ และเทียบกับคนที่เรียนจากหลักสูตรอื่นอย่างไร หากกรอบนี้ทำสำเร็จ ภาคธุรกิจจะมีข้อมูลสกิลที่ชัดขึ้น วางแผนอัปสกิลดิจิทัลและ Reskill ได้อย่างมีเป้าหมาย ไม่ใช่หว่านอบรมแบบไม่รู้ว่าลงทุนไปแล้วเพิ่มสมรรถนะตรงไหน
พร้อมกันนั้น BDI ทดลองหลักสูตร Micro-credit ให้เยาวชนเรียนพื้นฐาน AI ก่อนเข้าสู่มหาวิทยาลัย และเตรียมเชื่อมกับระบบ Credit Bank เพื่อให้หน่วยกิตจากการเรียน AI ในระดับมัธยมสามารถเทียบเป็นหมวดวิชาศึกษาทั่วไปเมื่อเข้าอุดมศึกษาได้ แนวทางนี้สะท้อนข้อสรุปเชิงยุทธศาสตร์ชัดเจนว่า ความรู้ AI ต้องถูกปลูกตั้งแต่ต้นทาง ไม่ใช่ปล่อยให้เด็กเรียนรู้ทีละนิดจากแพลตฟอร์มกระจัดกระจาย การขาดแคลนคนเก่ง AI จึงไม่ใช่เหตุผลให้เราชะลอ แต่เป็นสัญญาณเตือนให้เปลี่ยนวิธีคิดเรื่องการพัฒนากำลังคนทั้งระบบ ตั้งแต่ห้องเรียน โรงงาน ไปจนถึงหน่วยงานรัฐ ใครลงมืออัปสกิลก่อน มีโอกาสกำหนดทิศทางตลาดงาน AI มากกว่าเป็นแค่ผู้ตาม
