ถ้าบอกว่า Artificial Intelligence (ปัญญาประดิษฐ์ หรือ AI) กำลังกระทบแรงงานไทยหลายล้านคน ภาพที่ตามมาในหัวอาจเป็นเครื่องจักรหรือซอฟต์แวร์เข้ามาแทนคนจำนวนมาก แต่ข้อมูลล่าสุดไม่ได้ชี้ไปในทิศทางเดียวแบบนั้น
สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ (สศช.) นำข้อมูลการสำรวจภาวะการทำงานของประชากรไตรมาส 4 ปี 2568 มาประเมินร่วมกับกรอบผลกระทบจาก Generative AI (ปัญญาประดิษฐ์เชิงสร้างสรรค์ หรือ Gen AI) และพบว่าแรงงานไทยประมาณ 8.7 ล้านคน หรือ 21.8% ของกำลังแรงงานทั้งหมด อยู่ในกลุ่มที่เข้าข่ายได้รับผลกระทบจาก Gen AI
แต่ตัวเลขเดียวกันนี้มีรายละเอียดสำคัญอยู่ข้างใน แรงงานประมาณ 2.2 ล้านคน หรือ 5.4% อยู่ในกลุ่มที่มีความเสี่ยงถูกทดแทน ขณะที่อีก 6.5 ล้านคน หรือ 16.3% อยู่ในกลุ่มที่ AI มีแนวโน้มเข้ามาช่วยเพิ่มประสิทธิภาพมากกว่าแทนงานทั้งหมด
ดังนั้น คำถามที่สำคัญกว่าคือ ไม่ใช่เพียง “AI จะเอางานไปกี่งาน” แต่คือ AI จะเปลี่ยนส่วนไหนของงาน และหลังจากส่วนนั้นเปลี่ยนไป มนุษย์ยังสร้างมูลค่าตรงไหนได้มากขึ้น
คำว่า “AI กระทบงาน” ไม่เท่ากับ “งานหาย”
คำว่าได้รับผลกระทบจาก AI ครอบคลุมตั้งแต่งานที่ซอฟต์แวร์สามารถทำแทนได้บางส่วน ไปจนถึงงานที่ AI ช่วยให้คนทำงานเร็วขึ้นหรือแม่นขึ้น โดยตำแหน่งงานหนึ่งตำแหน่งมักประกอบด้วยภาระงานหลายแบบ ไม่ใช่กิจกรรมเดียว
สศช. แบ่งภาพออกเป็นสองกลุ่มหลัก กลุ่มแรกคือ Task Replacement (การที่ AI เข้ามาทดแทนภาระงาน) ซึ่งมีประมาณ 2.2 ล้านคน งานในกลุ่มนี้มักมีลักษณะทำซ้ำ มีโครงสร้างชัด หรือใช้การวิเคราะห์ตามกฎ เช่น งานธุรการบางประเภท บัญชีบางส่วน และงานเขียนโปรแกรมบางลักษณะ
กลุ่มที่ใหญ่กว่าคือ Task Augmentation (การใช้ AI เข้ามาช่วยเพิ่มประสิทธิภาพของงาน) ประมาณ 6.5 ล้านคน งานกลุ่มนี้ยังพึ่งทักษะมนุษย์ในส่วนสำคัญ เช่น การสื่อสาร การเจรจา การบริหารจัดการ และการตัดสินใจ แต่ AI สามารถรับช่วงงานบางขั้นตอนหรือช่วยประมวลผลข้อมูลได้
ภาพระดับภูมิภาคก็ไปในทิศทางเดียวกัน องค์การแรงงานระหว่างประเทศ (ILO) ประเมินว่าในปี 2025 แรงงานอาเซียน 22.9% อยู่ในอาชีพที่มีความเสี่ยงสัมผัสกับ Gen AI มากกว่าระดับเล็กน้อย แต่มีเพียง 3.3% ที่อยู่ในกลุ่มความเสี่ยงสูงสุด และจนถึงเดือนกรกฎาคม 2026 ยังไม่พบหลักฐานการสูญเสียงานในวงกว้างจาก Gen AI
ตัวเลขเหล่านี้ไม่ได้แปลว่าความเสี่ยงไม่มีจริง แต่ช่วยแยกคำว่า “งานเปลี่ยน” ออกจาก “งานหาย” ให้ชัดขึ้น
สิ่งที่ AI แทนได้ก่อนมักเป็น งานย่อยหรือภารกิจเฉพาะ ไม่ใช่ งาน ทั้งระบบ
ลองมองงานหนึ่งตำแหน่งเป็นชุดของ Task (งานย่อยหรือภารกิจเฉพาะ) พนักงานฝ่ายการเงินอาจต้องรวบรวมข้อมูล ทำตาราง ตรวจความผิดปกติ อธิบายผลให้ผู้บริหาร และรับผิดชอบต่อข้อสรุป นักการตลาดอาจต้องค้นข้อมูล เขียนร่าง วิเคราะห์แคมเปญ คุยกับลูกค้า และตัดสินใจว่าจะใช้เงินกับช่องทางใด
AI อาจทำบางขั้นตอนได้เร็วขึ้นมาก แต่ไม่ได้หมายความว่าทุกขั้นตอนมีมูลค่าหายไปพร้อมกัน
ถ้า AI เขียนร่างรายงานได้ในไม่กี่นาที มูลค่าของการพิมพ์ร่างแรกอาจลดลง แต่ความสามารถในการรู้ว่าข้อมูลไหนเชื่อได้ จุดไหนผิดปกติ ข้อสรุปใดเสี่ยงเกินไป หรือควรตัดสินใจอย่างไรจากข้อมูลนั้นอาจสำคัญขึ้นแทน
นี่คือเหตุผลที่การวัดผลกระทบจาก AI ด้วย “จำนวนอาชีพที่สัมผัส AI” เพียงตัวเดียวอาจทำให้ตีความแรงเกินจริง เพราะอาชีพที่มี exposure สูงอาจเป็นได้ทั้งงานที่เสี่ยงถูกแทนบางส่วนและงานที่มีโอกาสเพิ่ม Productivity (ผลิตภาพ หรือผลผลิตที่สร้างได้ต่อทรัพยากรที่ใช้) ผ่านการใช้ AI
เมื่อ Task ถูกลง บริษัทไม่ได้มีทางเลือกแค่ “ลดคน”
หากซอฟต์แวร์ทำงานหนึ่งชั่วโมงให้เหลือสิบห้านาที ต้นทุนของ Task นั้นลดลง แต่สิ่งที่บริษัททำต่อจากนั้นไม่ได้มีคำตอบเดียว
บริษัทอาจลดจำนวนคนในงานเดิม แต่ก็อาจใช้คนเท่าเดิมเพื่อสร้างผลงานมากขึ้น ให้บริการลูกค้าเพิ่ม ทดลองสินค้าเร็วขึ้น หรือย้ายเวลาของพนักงานจากงานซ้ำไปสู่งานที่ต้องใช้การตัดสินใจมากกว่า หากผลผลิตต่อคนสูงขึ้นและธุรกิจสามารถขายผลผลิตที่เพิ่มขึ้นได้ การใช้ AI ก็อาจขยายกิจกรรมทางเศรษฐกิจแทนที่จะหดจำนวนงานทันที
ในทางกลับกัน หากความต้องการสินค้าไม่ได้เพิ่มตาม Productivity และ Task ที่เหลือแทบไม่มีมูลค่าเพิ่ม บริษัทก็มีแรงจูงใจมากขึ้นที่จะลดจำนวนตำแหน่ง นี่คือจุดที่ผลกระทบต่อการจ้างงานขึ้นอยู่กับทั้งเทคโนโลยี โครงสร้างธุรกิจ ความต้องการของตลาด และความสามารถของแรงงานในการย้ายไปทำงานส่วนที่ AI ยังทำได้ไม่ดี
จึงไม่มีสมการง่าย ๆ ว่า AI เร็วขึ้น 20% แล้วจำนวนพนักงานต้องลดลง 20%
งานที่มีค่ามากขึ้นอาจเป็นงานที่ต้องตัดสินใจและรับผิดชอบ
เมื่อเครื่องมือทำงานที่เป็นแบบแผนได้ดีขึ้น สิ่งที่ยังขาดแคลนอาจไม่ใช่คนที่ผลิตข้อความหรือคำนวณได้เร็วที่สุด แต่เป็นคนที่เข้าใจบริบท รู้ว่าควรถามอะไร และรับผิดชอบต่อผลลัพธ์
OECD ระบุว่า AI กำลังยกระดับความต้องการทักษะในหลายองค์กร โดยนายจ้างมากกว่าครึ่งในภาคการผลิตและการเงินที่สำรวจรายงานว่าความต้องการแรงงานที่มีการศึกษาสูงเพิ่มขึ้นหลังนำ AI มาใช้ ขณะเดียวกัน OECD ประเมินว่าแรงงานไม่ถึง 1% จำเป็นต้องมีทักษะ AI ขั้นสูงอย่างการพัฒนาโมเดลหรือการเขียนโปรแกรม AI โดยตรง
สำหรับคนส่วนใหญ่ ทักษะที่สำคัญจึงกว้างกว่านั้น ทั้งการใช้ วิเคราะห์ และตีความข้อมูล ตลอดจน problem-solving, creativity, managerial skills และความสามารถในการทำงานร่วมกับคนอื่น
จุดนี้สำคัญต่อค่าของแรงงาน หาก AI ทำให้ “การสร้างคำตอบแรก” ถูกลง คนที่มีมูลค่าอาจเป็นคนที่สามารถ ตั้งคำถามให้ถูก ตรวจคำตอบ เชื่อมกับบริบทธุรกิจ และตัดสินใจเมื่อข้อมูลไม่สมบูรณ์
ทักษะเหล่านี้ไม่ได้ปลอดภัยจาก AI ตลอดไป แต่ในช่วงที่องค์กรกำลังเปลี่ยนวิธีทำงาน พวกมันเป็นส่วนที่ทำให้การใช้ AI เปลี่ยนจากเครื่องมือทดลองไปเป็นผลลัพธ์ทางธุรกิจจริง
จุดที่น่ากังวลกว่าคือบันไดขั้นแรกของอาชีพ
ความเสี่ยงอีกแบบอาจไม่ปรากฏในรูปของการปลดพนักงานจำนวนมาก แต่อยู่ที่บริษัทรับคนใหม่ลดลง
งานระดับเริ่มต้นจำนวนมากเคยทำหน้าที่เป็นพื้นที่ฝึกทักษะ เช่น รวบรวมข้อมูล เขียนร่าง ตรวจเอกสาร ทำวิเคราะห์พื้นฐาน หรือแก้ปัญหาที่มีแบบแผน งานเหล่านี้เป็นงานที่ Gen AI ทำได้ดีขึ้นอย่างรวดเร็ว หากบริษัทต้องการคนระดับ junior น้อยลง เส้นทางที่คนรุ่นใหม่ใช้สะสมประสบการณ์เพื่อไปสู่งานที่ต้องใช้ judgment อาจแคบลงตามไปด้วย
ข้อมูลจาก Stanford Digital Economy Lab ในสหรัฐฯ เป็นสัญญาณที่ควรจับตา ไม่ใช่หลักฐานแทนตลาดแรงงานไทย ข้อมูลเงินเดือนและการจ้างงานถึงเดือนมิถุนายน 2026 พบว่าแรงงานอายุ 22 – 25 ปีในอาชีพที่สัมผัส AI สูงมีระดับการจ้างงานต่ำกว่าระดับที่คาดว่าจะเป็นประมาณ 19% เมื่อเทียบกับเส้นทางของคนวัยเดียวกันในอาชีพที่สัมผัส AI ต่ำกว่า และการปรับตัวเกิดผ่านการรับคนใหม่ที่ลดลงมากกว่าการเลิกจ้าง
Stanford ย้ำว่ารูปแบบนี้เป็นข้อมูลเชิงพรรณนา ไม่ใช่การพิสูจน์ว่า AI เป็นสาเหตุโดยตรง จึงต้องระวังปัจจัยอื่นของตลาดแรงงานด้วย แต่หากรูปแบบคล้ายกันเกิดในประเทศอื่น ประเด็นสำคัญจะไม่ใช่เพียงว่า “AI แทนคนทำงานเดิมหรือไม่” แต่คือ คนรุ่นใหม่จะเข้าสู่อาชีพและสร้างประสบการณ์ขั้นแรกอย่างไร
ไม่ใช่ทุกคนต้องกลายเป็น AI engineer
การตอบสนองต่อ AI จึงไม่ควรเริ่มจากสมมติฐานว่าทุกคนต้องไปเรียน Machine Learning หรือพัฒนาโมเดล
สำหรับงานส่วนใหญ่ ความได้เปรียบอาจมาจากการเข้าใจงานเดิมของตัวเองให้ลึกขึ้น แล้วใช้ AI ลดเวลาในส่วนที่ทำซ้ำ พร้อมเพิ่มคุณภาพในส่วนที่ต้องใช้ความรู้เฉพาะ การตรวจสอบ และการตัดสินใจ ตัวอย่างเช่น นักบัญชีอาจใช้ AI ช่วยจัดหมวดข้อมูล แต่ยังต้องตรวจความถูกต้องและตีความผล นักการตลาดอาจให้ AI ช่วยสร้างทางเลือก แต่ยังต้องเข้าใจลูกค้า งบประมาณ แบรนด์ และผลทางธุรกิจ
สำหรับนายจ้าง ประเด็นก็ไม่ใช่แค่ซื้อเครื่องมือ AI แล้วลดต้นทุนทันที หากกระบวนการไม่ชัด ข้อมูลไม่ดี หรือพนักงานไม่รู้ว่าจะตรวจผลลัพธ์อย่างไร บริษัทอาจได้งานเร็วขึ้นแต่เพิ่มความผิดพลาดไปพร้อมกัน
โอกาสทางเศรษฐกิจจึงอยู่ที่การออกแบบงานใหม่ให้คนกับ AI ทำส่วนที่ตนได้เปรียบ และทำให้ Productivity ที่เพิ่มขึ้นกลายเป็นสินค้าหรือบริการที่มีมูลค่ามากขึ้น ไม่ใช่เพียงลดเวลาทำงานเดิม
สิ่งที่ต้องจับตาต่อ
สัญญาณแรกคือ การรับสมัครงานระดับ Entry-level ในไทย โดยเฉพาะงานสำนักงาน การเงิน บัญชี การตลาด เทคโนโลยี และงานวิเคราะห์เบื้องต้น หากตำแหน่งเริ่มต้นลดลงเร็วกว่าการจ้างงานรวม อาจสะท้อนว่าบริษัทกำลังปรับโครงสร้างบันไดอาชีพ
สัญญาณที่สองคือ ทักษะที่นายจ้างระบุในประกาศงาน ไม่ใช่แค่ว่ามีคำว่า AI หรือไม่ แต่ดูว่าความต้องการย้ายไปสู่การวิเคราะห์ การตรวจสอบ การสื่อสาร การบริหารโครงการ และความรู้เฉพาะอุตสาหกรรมมากขึ้นหรือไม่
สัญญาณที่สามคือ ค่าจ้างและการจ้างงานของงานที่ AI ช่วยเสริม เทียบกับงานที่ Task ถูกทำอัตโนมัติได้ง่าย หากสองกลุ่มเริ่มแยกจากกันชัดขึ้น เราจะเห็นผลทางเศรษฐกิจของ AI ผ่านตลาดแรงงานได้ตรงกว่าการนับจำนวนเครื่องมือที่บริษัทซื้อ
สัญญาณสุดท้ายคือ การลงทุน Upskill และ Reskill ของนายจ้าง รวมถึงความสามารถของธุรกิจขนาดเล็กในการนำ AI ไปใช้จริง เพราะหากเทคโนโลยีเพิ่ม Productivity เฉพาะบริษัทขนาดใหญ่ ช่องว่างด้านประสิทธิภาพและค่าจ้างระหว่างธุรกิจก็อาจกว้างขึ้น
AI อาจทำให้บาง Task มีมูลค่าน้อยลงจริง แต่ไม่ได้ทำให้มูลค่าของมนุษย์หายไปในอัตราเดียวกัน คำถามที่สำคัญขึ้นเรื่อย ๆ จึงเป็นว่า เมื่อเครื่องมือทำส่วนหนึ่งของงานแทนเราได้แล้ว ส่วนที่เหลือของงานมนุษย์สร้างคุณค่าเพิ่มขึ้นหรือถูกลดคุณค่าลง และตลาดแรงงานปรับตัวเร็วพอหรือไม่
