AI จะแทนคนได้ไหม? ดูจากข้อมูลจริง ไม่ใช่จากข่าว

คำถามว่า AI จะแทนคนได้ไหม ถูกตอบด้วยการคาดเดามากกว่าด้วยข้อมูลมาตลอด บทความนี้จึงเริ่มจากตัวเลขที่วัดจริง องค์การแรงงานระหว่างประเทศ (ILO) เผยแพร่รายงานการวิเคราะห์ตลาดแรงงานอาเซียนเมื่อวันที่ 8 กรกฎาคม 2026 พบว่าคนทำงานในอาเซียน 22.9% หรือเกือบ 80 ล้านคน อยู่ในอาชีพที่มีโอกาสถูก AI กระทบ แต่มีเพียง 3.3% เท่านั้นที่อยู่ในกลุ่มเสี่ยงสูงสุด และรายงานระบุตรงๆ ว่า “ยังไม่มีหลักฐานว่าเกิดการสูญเสียงานในวงกว้าง” (ILO, 8 กรกฎาคม 2026) ช่องว่างระหว่างความกลัวกับข้อมูลตรงนี้คือสิ่งที่บทความนี้จะพาดู ว่าคนทำงานไทยอยู่ตรงไหน งานแบบไหนเสี่ยงจริง และควรทำอะไรก่อนเป็นอันดับแรก

AI จะแทนคนได้ไหม? คำตอบสั้นที่สุด

ถ้าถามว่า AI แทนคนได้ไหม คำตอบตามข้อมูลปัจจุบันคือ ยัง และคำว่า “แทน” อาจเป็นคำที่ผิดตั้งแต่ต้น

ILO ร่วมกับสถาบันวิจัย NASK จัดทำดัชนีวัดว่าอาชีพไหนมีโอกาสถูก AI กระทบบ้าง เผยแพร่เมื่อ 20 พฤษภาคม 2025 ผลคือ 25% ของคนทำงานทั่วโลกอยู่ในอาชีพที่ AI ทำงานบางส่วนแทนได้ และตัวเลขนี้สูงถึง 34% ในประเทศรายได้สูง แต่ข้อสรุปของรายงานไม่ได้บอกว่าคนกลุ่มนี้จะตกงาน รายงานใช้คำว่า “สิ่งที่น่าจะเกิดขึ้นมากที่สุดคือเนื้องานเปลี่ยน ไม่ใช่คนถูกแทนที่” (ILO, 20 พฤษภาคม 2025)

ความต่างระหว่างสองคำนี้สำคัญมาก และเป็นจุดที่ข่าวส่วนใหญ่ข้ามไป ถูกแทนที่ แปลว่าตำแหน่งงานหายไป ไม่มีใครทำ ส่วน เนื้องานเปลี่ยน แปลว่าตำแหน่งยังอยู่ แต่สิ่งที่คนในตำแหน่งนั้นทำในแต่ละวันไม่เหมือนเดิม งานบางอย่างหายไป งานบางอย่างเพิ่มเข้ามา และเกณฑ์ว่าใครทำได้ดีก็เปลี่ยนตาม

สิ่งที่ยืนยันข้อนี้ชัดที่สุดคือข้อมูลการจ้างงานจริง รายงานอาเซียนของ ILO พบว่าการจ้างงานในอาชีพที่มีความเสี่ยงสูงนั้น ยังเพิ่มขึ้นต่อเนื่อง ไม่ได้ลดลง ถ้า AI แทนคนได้จริงอย่างที่กลัวกัน ตัวเลขนี้ควรเป็นลบไปแล้ว

เหตุผลที่ควรให้น้ำหนักกับตัวเลขชุดนี้มากกว่าการคาดการณ์ทั่วไป อยู่ที่วิธีได้มา ILO ไม่ได้สำรวจความเห็นว่าใครคิดว่าจะตกงาน แต่วิเคราะห์จากข้อมูลการจ้างงานจริงของแต่ละประเทศ แล้วเทียบกับรายการเนื้องานในแต่ละอาชีพ ตัวเลขที่ออกมาจึงบอกโครงสร้างของงาน ไม่ได้บอกอารมณ์ของตลาด

ข้อจำกัดที่ต้องรู้คู่กันคือ ดัชนีนี้วัดความเป็นไปได้ ไม่ได้วัดสิ่งที่เกิดขึ้นแล้ว และวัดที่ตัวงาน ไม่ได้วัดที่การตัดสินใจของนายจ้าง ซึ่งเป็นคนละเรื่องกัน บริษัทอาจลดคนทั้งที่ AI ยังทำแทนไม่ได้จริง หรือเก็บคนไว้ทั้งที่ AI ทำแทนได้แล้วก็ได้

ทำไมข่าวถึงน่ากลัวกว่าข้อมูลจริง?

ถ้าคุณค้นคำว่า “อาชีพที่ AI จะแทนที่” ตอนนี้ จะเจอรายการสิบอาชีพพร้อมคำเตือนให้รีบปรับตัว ส่วนใหญ่ไม่ได้ระบุว่าตัวเลขมาจากไหน

สาเหตุที่ภาพในข่าวกับภาพในข้อมูลต่างกัน อยู่ที่การนับหน่วยคนละแบบ

งานวิจัยอย่างของ ILO ไม่ได้นับเป็น “อาชีพ” แต่แตกอาชีพหนึ่งออกเป็น เนื้องานหลายสิบอย่าง แล้วดูว่า AI ทำอย่างไหนได้บ้าง ผลที่ได้จึงออกมาเป็นสัดส่วน ไม่ใช่คำตอบว่าใช่หรือไม่ใช่

ยกตัวอย่างงานธุรการหนึ่งตำแหน่ง ในหนึ่งวันอาจมีงานที่ต้องทำ เช่น คีย์ข้อมูลเข้าระบบ ตรวจความถูกต้องของเอกสาร ตอบอีเมลลูกค้า ประสานงานกับฝ่ายอื่น และตัดสินใจว่าเรื่องไหนควรส่งต่อให้ใคร AI ทำสองอย่างแรกได้ดีมาก ทำอย่างที่สามได้พอใช้ แต่สองอย่างสุดท้ายยังต้องใช้คน

เมื่อเอาสัดส่วนนี้มาเขียนเป็นพาดหัว ผลลัพธ์ที่ได้คือ “งานธุรการเสี่ยงที่สุด” ซึ่งไม่ผิด แต่สิ่งที่หายไปคือคำว่า บางส่วน

ฝั่งองค์กรไทยเองก็สะท้อนภาพเดียวกัน ผลสำรวจ AI Readiness 2026 ของ เนคเทค สวทช. ที่เก็บจากองค์กรภาครัฐและเอกชน 574 แห่ง พบว่า 53.7% เริ่มใช้ AI แล้ว แต่คะแนนความพร้อมเฉลี่ยยังอยู่แค่ระดับ “แค่รู้จัก” (Aware) ที่ 40% แปลว่าส่วนใหญ่ยังอยู่ขั้นทดลอง ไม่ใช่ขั้นแทนคน

อีกเหตุผลหนึ่งคือ ความเสี่ยงบนกระดาษกับการใช้งานจริงไม่ใช่เรื่องเดียวกัน รายงาน ILO ระบุว่าการนำ AI มาใช้จริงในที่ทำงานยังกระจุกอยู่ในสายเทคโนโลยีเป็นหลัก ส่วนงานสำนักงานและงานธุรการ ซึ่งเป็นกลุ่มที่ดัชนีบอกว่าเสี่ยงสูง กลับยังนำมาใช้กันน้อย

สรุปสั้นๆ ตัวเลขความเสี่ยงบอกว่าอะไร เป็นไปได้ ไม่ได้บอกว่าอะไร กำลังเกิดขึ้น และระยะห่างระหว่างสองอย่างนี้ คือเวลาที่เรายังมีสำหรับปรับตัว

แล้วคนทำงานไทยเสี่ยงแค่ไหน?

รายงานอาเซียนของ ILO แยกตัวเลขไว้เป็นรายประเทศ ประเทศไทยอยู่ที่ 20.6% ของคนทำงานทั้งประเทศ ที่อยู่ในอาชีพซึ่ง AI ทำงานบางส่วนแทนได้ ซึ่งเป็นอันดับที่ 5 จาก 9 ประเทศอาเซียนที่มีข้อมูล

ตัวเลขนี้อ่านได้สองแบบ และควรอ่านทั้งสองแบบพร้อมกัน ไม่ใช่เลือกอ่านแบบเดียวตามอารมณ์วันนั้น

แบบที่หนึ่ง คนไทยราว 1 ใน 5 ทำงานที่ AI หยิบไปทำแทนได้บางส่วน ฟังดูเยอะ และเป็นเรื่องที่ควรใส่ใจ โดยเฉพาะถ้างานของคุณอยู่ในกลุ่มนี้

แบบที่สอง อีก 4 ใน 5 ยังไม่ได้อยู่ในกลุ่มนั้น ในภาพรวมอาเซียน งาน 67% ไม่มีส่วนไหนที่ AI ทำแทนได้เลย เพราะเป็นงานที่ต้องใช้มือ ใช้การเคลื่อนไหว หรือต้องอยู่หน้างานจริง

ภาพรวมของทั้งภูมิภาคและวิธีอ่านตัวเลขรายประเทศ ILO สรุปไว้ใน บทวิเคราะห์ตลาดแรงงานอาเซียน สิ่งที่ควรสังเกตเพิ่มคือ ไทยอยู่กลางตารางอาเซียน ไม่ได้สูงสุดและไม่ได้ต่ำสุด ซึ่งสะท้อนโครงสร้างเศรษฐกิจที่ยังมีภาคเกษตร ภาคการผลิต และงานบริการหน้าร้านเป็นส่วนใหญ่ งานเหล่านี้ AI เข้าไปแทนได้ยากกว่างานที่ทำอยู่หน้าจอ

แต่มีข้อควรระวังหนึ่งข้อ ตัวเลข 20.6% คือสัดส่วนของการจ้างงานทั้งประเทศ ถ้านับเฉพาะคนทำงานออฟฟิศในเมือง สัดส่วนจะสูงกว่านี้มาก เพราะงานที่ AI ทำแทนได้ อยู่ในกลุ่มนี้เกือบทั้งหมด พูดอีกแบบคือ ถ้าคุณอ่านบทความนี้อยู่หน้าคอมพิวเตอร์ในเวลางาน โอกาสที่คุณอยู่ในกลุ่ม 20.6% สูงกว่าค่าเฉลี่ยของประเทศ

กลุ่มเสี่ยงนั้นคืองานอะไรบ้าง?

พอรู้ว่าคนไทย 1 ใน 5 อยู่ในกลุ่มที่ AI ทำแทนได้บางส่วน คำถามถัดมาคือกลุ่มนั้นคืองานอะไรบ้าง ดัชนีของ ILO ตอบข้อนี้ไว้ชัดเจน

อันดับ 1 คืองานธุรการและงานสำนักงาน ตามมาด้วยงานสายสื่อ สายซอฟต์แวร์ และสายการเงิน รายละเอียดวิธีจัดกลุ่มอยู่ใน เอกสารฉบับเต็มของดัชนี

เหตุผลไม่ใช่เพราะงานเหล่านี้ง่าย แต่เพราะงานเหล่านี้มีลักษณะร่วมกัน 3 อย่าง คือ ทำงานกับข้อความและตัวเลขเป็นหลัก มีรูปแบบที่ซ้ำเดิม และ ผลลัพธ์ตรวจสอบความถูกต้องได้ชัดเจน 3 ข้อนี้คือสิ่งที่ AI ทำได้ดีที่สุดพอดี

ผลพลอยได้อย่างหนึ่งจากโครงสร้างนี้คือ รายงานอาเซียนของ ILO พบว่าผู้หญิงมีโอกาสอยู่ในอาชีพกลุ่มเสี่ยงสูงมากกว่าผู้ชายกว่า 2 เท่า ไม่ใช่เพราะความสามารถต่างกัน แต่เพราะตำแหน่งธุรการและงานเอกสารมีผู้หญิงทำอยู่เยอะกว่า ถ้าทีมของคุณมีคนกระจุกอยู่ในงานกลุ่มนี้ ควรวางแผนพัฒนาทักษะไว้ล่วงหน้า

งานแบบไหนที่ AI ยังทำแทนไม่ได้?

แทนที่จะจำรายการอาชีพ การจำลักษณะของงานใช้ได้นานกว่า เพราะรายการอาชีพเปลี่ยนทุกปี แต่ลักษณะงานเปลี่ยนช้ากว่ามาก

• งานที่ต้องรับผิดชอบผลลัพธ์ — AI เสนอคำตอบได้ แต่ไม่มีใครให้ AI เซ็นอนุมัติงบ รับผิดชอบความปลอดภัย หรือตอบคำถามกรรมการ ตำแหน่งที่ชื่อขึ้นต้นด้วยคำว่าหัวหน้าหรือผู้จัดการ ส่วนใหญ่ขายความรับผิดชอบ ไม่ได้ขายแรงงาน
• งานที่ข้อมูลอยู่นอกระบบ — AI ทำงานได้เฉพาะกับสิ่งที่ถูกบันทึกไว้ ความรู้ที่อยู่ในหัวคนที่อยู่กับงานมา 10 ปี ว่าลูกค้ารายนี้ต้องคุยยังไง หรือซัพพลายเออร์เจ้านี้มักส่งช้าช่วงไหน ยังไม่มีใครป้อนให้ AI ได้
• งานที่ต้องตัดสินใจในสถานการณ์ที่ไม่เคยเจอ — AI เก่งกับรูปแบบที่เคยเห็น แต่อ่อนกับกรณีที่ไม่เคยมีมาก่อน ซึ่งมักเป็นกรณีที่สำคัญที่สุด
• งานที่ต้องลงมือทำในสถานที่จริง — ช่างซ่อม พยาบาล คนหน้าร้าน งานพวกนี้หน้างานไม่เหมือนกันสักวัน และยังต้องใช้มือคนจับของจริง เหตุผลที่ยังปลอดภัยไม่ใช่เพราะเทคโนโลยีทำไม่ได้ แต่เพราะต้นทุนหุ่นยนต์ยังสูงกว่าจ้างคนมาก
• งานที่ต้องสร้างความเชื่อใจกัน — การเจรจาต่อรอง การขายของราคาสูง การรับมือลูกค้าที่กำลังโกรธ งานพวกนี้อีกฝ่ายอยากคุยกับคนที่รับผิดชอบได้จริง ไม่ใช่กับระบบ

ข้อที่ควรระวังคือ งานของคนส่วนใหญ่เป็นส่วนผสมของทั้งสองฝั่ง คนที่ปรับตัวได้ดีจึงไม่ใช่คนที่ย้ายไปทำงานที่ปลอดภัยทั้งหมด แต่คือคนที่เพิ่มสัดส่วนของงานฝั่งที่ AI ทำแทนไม่ได้ ในตำแหน่งเดิมของตัวเอง

4 สัญญาณว่างานของคุณกำลังจะเปลี่ยน

แทนที่จะกังวลเป็นภาพรวม มีสัญญาณที่สังเกตได้จากงานตรงหน้า

สัญญาณที่ 1 งานประจำวันของคุณเขียนเป็นขั้นตอนได้หมด ลองเขียนสิ่งที่ทำในหนึ่งวันออกมาเป็นข้อๆ ถ้าเขียนได้ครบโดยไม่ต้องใช้คำว่า “แล้วแต่กรณี” เลย แปลว่างานนั้นอยู่ในข่ายที่ระบบทำแทนได้ ไม่ว่าจะด้วย AI หรือด้วยเครื่องมือ Workflow Automation ธรรมดา

สัญญาณที่ 2 มีคนในทีมเริ่มส่งงานเร็วขึ้นผิดปกติ ในหลายองค์กร การเปลี่ยนแปลงไม่ได้มาจากฝ่ายบริหาร แต่มาจากเพื่อนร่วมงานที่เริ่มใช้เครื่องมือเองเงียบๆ เมื่อมาตรฐานความเร็วถูกตั้งใหม่ คนที่ไม่ได้ใช้จะกลายเป็นคนช้าโดยที่ตัวเองไม่ได้ทำอะไรผิด

สัญญาณที่ 3 หัวหน้าเริ่มถามถึงปริมาณงานมากกว่าคุณภาพ คำถามแบบ “เดือนนี้ทำได้กี่ชิ้น” ที่เพิ่มขึ้น มักแปลว่าองค์กรกำลังเทียบผลงานกับสิ่งที่เครื่องมือใหม่ทำได้

สัญญาณที่ 4 ประกาศรับสมัครงานตำแหน่งเดียวกับคุณเริ่มเขียนเงื่อนไขต่างไป วิธีเช็กที่ง่ายและตรงที่สุดคือเปิดเว็บหางาน แล้วอ่านประกาศรับตำแหน่งเดียวกับที่คุณทำอยู่ ถ้าเริ่มเห็นคำว่าใช้เครื่องมือ AI ได้ หรือทำ Workflow Automation เป็น โผล่ในคุณสมบัติที่ต้องการ แปลว่าตลาดขยับไปแล้ว และสิ่งที่เคยเป็นข้อได้เปรียบกำลังกลายเป็นข้อกำหนดขั้นต่ำ

ถ้าเจอสัญญาณเหล่านี้ สิ่งที่ควรทำไม่ใช่รีบไปลงคอร์สอะไรก็ได้ แต่คือกลับไปดูว่างานส่วนไหนของตัวเองที่ยกให้ระบบทำได้ แล้วเอาเวลาที่ได้คืนมาทำอะไร

ควรเริ่มปรับตัวจากตรงไหน?

คำแนะนำที่พบบ่อยที่สุดคือ “เรียน AI” ซึ่งกว้างเกินกว่าจะลงมือทำได้ ลำดับที่ใช้ได้จริงมี 4 ขั้น

ขั้นที่ 1 แยกงานของตัวเองออกเป็น 2 กอง กองแรกคืองานที่ทำซ้ำและมีขั้นตอนตายตัว กองที่สองคืองานที่ต้องตัดสินใจหรือต้องคุยกับคน จดลงกระดาษจริงๆ แล้วดูว่าแต่ละกองกินเวลากี่ชั่วโมงต่อสัปดาห์ ตัวเลขนี้คือจุดตั้งต้นของทุกอย่าง

ขั้นที่ 2 ยกงานกองแรกให้ระบบทำ ไม่ต้องเริ่มจากเรื่องใหญ่ เลือกงานเดียวที่น่าเบื่อที่สุดมาทำก่อน เครื่องมือที่คนทำงานออฟฟิศใช้กันมากที่สุดตอนนี้คือเครื่องมือ Workflow Automation แบบ no-code คือลากวางต่อกันได้โดยไม่ต้องเขียนโค้ด ถ้ายังไม่รู้จัก เราอธิบายไว้ตั้งแต่ต้นใน บทความเรื่อง n8n คืออะไร ทำอะไรได้บ้าง

ขั้นที่ 3 เอาเวลาที่ได้คืนไปลงกองที่สอง ขั้นนี้คือขั้นที่คนส่วนใหญ่พลาด เพราะพอประหยัดเวลาได้แล้วก็เอาไปทำงานซ้ำๆ เพิ่มอีก ซึ่งไม่ได้ทำให้ตำแหน่งมั่นคงขึ้นเลย เวลาที่ได้คืนควรไปอยู่กับงานที่ทำให้คุณถูกหาตัวยากขึ้น เช่น เข้าใจลูกค้าลึกขึ้น หรือรับผิดชอบผลลัพธ์ที่ใหญ่ขึ้น

ลำดับ 4 ขั้นนี้เขียนจากมุมของคนทำงานประจำ ถ้าคุณเป็นเจ้าของธุรกิจหรือดูแลทีมเล็ก ลำดับจะต่างออกไปเล็กน้อย เพราะต้องเลือกด้วยว่าจะเริ่มจากแผนกไหนก่อน เราวางเป็นแผนรายเดือนไว้ใน บทความ AI Adoption Roadmap สำหรับธุรกิจ 1-10 คน และมีวิธีสำรวจธุรกิจตัวเองใน 30 นาทีอยู่ใน บทความ SME ไทยจะเริ่มใช้ AI ตรงไหนก่อน

ขั้นที่ 4 ขยับจากคนใช้เครื่องมือ เป็นคนออกแบบระบบ ความต่างอยู่ตรงที่คนใช้เครื่องมือทำงานของตัวเองได้เร็วขึ้น ส่วนคนออกแบบระบบทำให้ทั้งทีมเร็วขึ้น ซึ่งเป็นคนละระดับค่าตอบแทน และเป็นจุดที่ความสามารถอย่างการสร้าง AI Agent เริ่มมีความหมาย เราอธิบายว่ามันคืออะไรและทำอะไรได้ไว้ใน บทความเรื่อง AI Agent คืออะไร

ถ้าอยากเดินทั้ง 4 ขั้นโดยมีคนพาทำ คอร์ส Transforming Workplace Productivity with AI and Automation Workflow ราคา 2,290 บาท เป็นระดับเริ่มต้น (Beginner) ตรงกับขั้นที่ 1 ถึง 3 มากที่สุด มีผู้ให้คะแนนแล้ว 209 คน ส่วนคนที่อยู่ในตำแหน่งหัวหน้าและต้องตัดสินใจแทนทีม คอร์ส AI for Leaders ราคา 1,790 บาท มีผู้ให้คะแนนแล้ว 241 คน เน้นมุมการวางแผนมากกว่ามุมลงมือทำเอง

และถ้ายังไม่แน่ใจว่าควรเริ่มจากคอร์สไหน หรือควรเริ่มจากของฟรีก่อนดี เราเทียบไว้ให้แล้วใน บทความเรื่องเรียน AI ที่ไหนดี เทียบคอร์สฟรีกับเสียเงิน หรือดูเส้นทางเรียนแบบเหมารวมทั้งสายได้ที่หน้า Skill Pass สาย AI Automation & Tech

คำถามที่พบบ่อยเรื่อง AI กับการตกงาน

ตอนนี้มีคนตกงานเพราะ AI แล้วจริงไหม?

มีรายงานการเลิกจ้างที่บริษัทอ้างเหตุผลเรื่อง AI อยู่จริง แต่ในระดับภาพรวมยังไม่ปรากฏเป็นตัวเลข รายงานอาเซียนของ ILO เมื่อกรกฎาคม 2026 ระบุว่ายังไม่มีหลักฐานของการสูญเสียงานในวงกว้าง และการจ้างงานในอาชีพที่ถูกจัดว่าเสี่ยงสูงก็ยังเพิ่มขึ้น สิ่งที่ควรเข้าใจคือ การเลิกจ้างมักเกิดจากหลายเหตุผลพร้อมกัน ทั้งภาวะเศรษฐกิจ การลดต้นทุน และการปรับโครงสร้าง โดยมี AI เป็นหนึ่งในเหตุผลที่ถูกหยิบมาอธิบาย ไม่ใช่สาเหตุเดียว การเฝ้าดูตัวเลขการจ้างงานในสายงานของตัวเองจึงให้ภาพที่แม่นกว่าการอ่านข่าวการเลิกจ้างรายบริษัท

อาชีพอะไรเสี่ยงที่สุด?

ตามดัชนีของ ILO กลุ่มที่ AI ทำแทนได้มากที่สุดคืองานธุรการและงานสำนักงาน เช่น งานคีย์ข้อมูล งานจัดการเอกสาร และงานบัญชีประจำวัน รองลงมาคืองานสายสื่อ สายซอฟต์แวร์ และสายการเงิน แต่คำว่าเสี่ยงในที่นี้หมายถึงมีงานย่อยหลายอย่างที่ AI ทำได้ ไม่ได้แปลว่าตำแหน่งจะหายไปทั้งตำแหน่ง ในทางปฏิบัติสิ่งที่เกิดขึ้นกับอาชีพเหล่านี้คือ งานย่อยที่ซ้ำซากถูกยกให้ระบบ แล้วคนในตำแหน่งถูกคาดหวังให้ทำงานที่ต้องใช้การตัดสินใจมากขึ้นแทน ซึ่งเป็นเหตุผลที่การพัฒนาทักษะในตำแหน่งเดิมมักคุ้มกว่าการย้ายสายทั้งหมด

คนไทยเสี่ยงมากกว่าหรือน้อยกว่าประเทศอื่น?

ไทยอยู่กลางตารางอาเซียน รายงาน ILO เดือนกรกฎาคม 2026 ระบุว่าคนทำงานไทย 20.6% อยู่ในอาชีพที่ AI ทำแทนได้บางส่วน เป็นอันดับที่ 5 จาก 9 ประเทศที่มีข้อมูล ต่ำกว่าฟิลิปปินส์แต่สูงกว่าบางประเทศในภูมิภาค เหตุผลหลักคือโครงสร้างเศรษฐกิจไทยยังมีภาคเกษตร ภาคการผลิต และงานบริการหน้าร้านเป็นส่วนใหญ่ ซึ่งเป็นงานที่ AI เข้าไปแทนได้ยาก อย่างไรก็ตาม ตัวเลขนี้เป็นค่าเฉลี่ยทั้งประเทศ ถ้านับเฉพาะคนทำงานออฟฟิศในเขตเมือง สัดส่วนจะสูงกว่านี้ เพราะงานที่ AI ทำแทนได้ ส่วนใหญ่อยู่ในกลุ่มนี้ นอกจากนี้ตัวเลขยังขยับได้ตามเวลา เพราะโครงสร้างงานของไทยกำลังเปลี่ยน ภาคบริการและงานออฟฟิศมีสัดส่วนโตขึ้นทุกปี ซึ่งเป็นกลุ่มที่ AI เข้าถึงได้มากกว่างานภาคเกษตร การดูแนวโน้มของสายงานตัวเองจึงให้ภาพที่ใช้ตัดสินใจได้จริงกว่าการดูค่าเฉลี่ยของประเทศ

ทำไมบริษัทยังไม่ค่อยเอา AI มาใช้ ทั้งที่บอกว่างานเสี่ยง?

เป็นคำถามที่ข้อมูลตอบได้ รายงาน ILO พบว่าการเอา AI มาใช้จริงยังกระจุกอยู่ในสายเทคโนโลยีเป็นหลัก ส่วนงานสำนักงานและงานธุรการ ซึ่งเป็นกลุ่มที่ดัชนีบอกว่าเสี่ยงสูงที่สุด กลับนำมาใช้กันน้อยมาก เหตุผลมีหลายข้อ ข้อแรกคือการเปลี่ยนวิธีทำงานของคนทั้งแผนกใช้เวลานานกว่าการซื้อซอฟต์แวร์ ข้อที่สองคืองานออฟฟิศจำนวนมากพันกับระบบเก่าที่ต่อยาก และข้อที่สามคือหลายที่ยังไม่มีคนที่มองออกว่าควรเริ่มจากงานไหน ผลคือช่องว่างระหว่างสิ่งที่ AI ทำได้บนกระดาษ กับสิ่งที่องค์กรทำจริง ยังกว้างอยู่ และช่องว่างนั้นคือเวลาที่คนทำงานใช้เตรียมตัวได้

ต้องเรียนเขียนโปรแกรมไหมถึงจะรอด?

ไม่ต้อง สำหรับคนทำงานทั่วไป ทักษะที่ให้ผลเร็วที่สุดคือการมองออกว่างานไหนควรยกให้ระบบทำ และการใช้เครื่องมือแบบลากวางที่ไม่ต้องเขียนโค้ด ซึ่งคนทำงานการตลาด ฝ่ายขาย และ HR เริ่มได้เลยโดยไม่ต้องมีพื้นฐาน สิ่งที่ยากกว่าโค้ดคือการตอบให้ได้ว่ากระบวนการทำงานของคุณเริ่มจากไหน ข้อมูลไหลไปทางไหน และจบที่ไหน ส่วนการเขียนโปรแกรมจะจำเป็นก็ต่อเมื่อคุณขยับไปทำระบบที่ซับซ้อนให้ทั้งองค์กร ซึ่งเป็นขั้นที่ค่อยเรียนทีหลังได้ ไม่ใช่เงื่อนไขของการเริ่มต้น

ควรเริ่มตอนนี้เลย หรือรอดูสถานการณ์ก่อน?

ตอนนี้คือช่วงที่ยังมีเวลา และเหตุผลอยู่ในข้อมูลเอง แม้ดัชนีจะบอกว่างานสำนักงานเป็นกลุ่มเสี่ยงสูง แต่จำนวนออฟฟิศที่เอา AI มาใช้จริงยังนับว่าน้อยอยู่มาก ระยะห่างตรงนี้คือเวลาที่เรายังมีเหลือ แต่มันแคบลงทุกปี ข้อดีของการเริ่มตอนที่ยังไม่มีใครบังคับคือ ได้ลองผิดลองถูกกับงานจริงโดยไม่มีใครจับตา ต่างจากการเริ่มตอนที่องค์กรประกาศนโยบายแล้ว ซึ่งทุกคนเริ่มพร้อมกันและไม่มีใครได้เปรียบใคร อีกเหตุผลหนึ่งคือทักษะแบบนี้ไม่ได้ใช้เวลาเรียนนาน แต่ใช้เวลาสะสมประสบการณ์กับงานจริงพอสมควร คนที่เริ่มก่อน 1 ปีจึงไม่ได้นำอยู่แค่เรื่องความรู้ แต่นำเรื่องจำนวนงานที่เคยวางระบบสำเร็จมาแล้ว ซึ่งเป็นสิ่งที่เร่งไม่ได้

สรุป

คำตอบของคำถามว่า AI จะแทนคนได้ไหม ตามข้อมูลที่วัดได้ในตอนนี้คือยังไม่ และสิ่งที่กำลังเกิดขึ้นจริงคือเนื้องานเปลี่ยน ไม่ใช่ตำแหน่งหายไป คนทำงานไทย 20.6% อยู่ในงานที่ AI ทำแทนได้บางส่วน งานธุรการและงานสำนักงานเสี่ยงที่สุด และยังไม่มีหลักฐานของการตกงานในวงกว้าง

สิ่งที่ควรทำจึงไม่ใช่การกลัวหรือการเพิกเฉย แต่คือการแยกงานของตัวเองออกเป็น 2 กอง ยกกองที่ทำซ้ำให้ระบบทำ แล้วเอาเวลาที่ได้คืนไปลงกับงานที่ทำให้คุณถูกหาตัวยากขึ้น ถ้าอยากเริ่มแบบมีลำดับขั้นและได้ลงมือทำกับงานจริง คอร์ส Transforming Workplace Productivity with AI and Automation Workflow เป็นจุดเริ่มที่ตรงที่สุด หรือดูเส้นทางเรียนทั้งสายได้ที่ Skill Pass สาย AI Automation & Tech