พันธุ์อาจ ชัยรัตน์
 

ช่วงไม่กี่ปีที่ผ่านมา AI ถูกยกให้เป็นเทคโนโลยีที่จะเปลี่ยนโลก ตั้งแต่รูปแบบธุรกิจไปจนถึงโครงสร้างเศรษฐกิจ แต่ยิ่งกระแสแรงเท่าไร ก็ยิ่งต้องระวังมากขึ้นว่า เรากำลังเห็น “ความสามารถจริง” หรือแค่ “เรื่องเล่าที่ดูดี”

คำสำคัญของเรื่องนี้คือ “AI Washing” เป็นการหยิบคำว่า AI มาใช้เป็นฉลากสวยๆ เพื่อทำให้การตัดสินใจบางอย่างดูชอบธรรมขึ้น โดยเฉพาะเวลาบริษัทต้องการปลดพนักงาน ลดต้นทุน หรือปั้นภาพลักษณ์ให้ตลาดทุนเชื่อว่าองค์กรกำลังก้าวเข้าสู่อนาคต

AI ในฐานะภาษาใหม่ของตลาดทุน

ตลาดทุนไม่ได้สนใจเพียงว่าองค์กรทำอะไรอยู่ตอนนี้ แต่สนใจว่าองค์กร “จะกลายเป็นอะไร” ในอนาคต และในยุคนี้ AI คือภาษาที่ตลาดฟังแล้วรู้สึกตื่นเต้นที่สุด

บริษัทที่ผูกตัวเองเข้ากับ AI ได้ ไม่ว่าจะใช้จริงมากน้อยแค่ไหน มักถูกมองว่าทันสมัย น่าลงทุน และมีศักยภาพเติบโตมากกว่าเดิม งานวิจัยด้าน Information Systems ปี 2026 อธิบายปรากฏการณ์นี้ว่า หลายองค์กรไม่ได้ใช้ AI แค่ในฐานะเครื่องมือ แต่ใช้มันเป็น “สัญญาณ” เพื่อสร้างความน่าเชื่อถือและความชอบธรรมทางดิจิทัล

ปัญหาคือ สัญญาณกับความจริงไม่ใช่สิ่งเดียวกัน บริษัทอาจไม่มีระบบ AI ที่พร้อมใช้งานจริง แต่เลือกเล่าเรื่องว่า “กำลังทรานส์ฟอร์ม” เพื่อให้ตลาดยอมรับการตัดสินใจที่เกิดขึ้นอยู่แล้ว

เมื่อบริษัทใหญ่เริ่มใช้ภาษานี้ บริษัทอื่นก็ถูกบังคับให้เล่นเกมเดียวกันโดยปริยาย เพราะไม่มีใครอยากดูเหมือนกำลังตามหลังคู่แข่ง สุดท้ายจึงเกิดแรงกดดันแบบเป็นหมู่คณะ จนหลายองค์กรต้องรีบติดป้ายว่า AI อยู่ในทุกอย่าง ทั้งที่ของจริงอาจยังไม่พร้อม

เศรษฐกิจจริงกับเรื่องเล่าที่ถูกขยาย

ถ้ามองจากเศรษฐศาสตร์มหภาค ภาพที่ได้ไม่ได้หวือหวาเท่ากับที่กระแสพูดกัน

Daron Acemoglu จาก MIT ประเมินว่า ใน 10 ปีข้างหน้า AI อาจเพิ่ม productivity ได้เพียงราว 0.7% และดัน GDP ได้ประมาณ 1% เท่านั้น ซึ่งถือว่าไม่มากเมื่อเทียบกับความคาดหวังระดับ “ปฏิวัติอุตสาหกรรมครั้งใหม่”

เหตุผลก็ไม่ซับซ้อน AI ยังเก่งในงานบางประเภท โดยเฉพาะงานที่มีโครงสร้างชัดและวัดผลได้ง่าย แต่เมื่อต้องเจอกับงานซับซ้อน งานที่ต้องใช้ดุลยพินิจ หรือโจทย์ที่ต้องเข้าใจบริบทจริง ประสิทธิภาพของมันยังมีข้อจำกัดมาก

อีกด้านหนึ่ง การนำ AI มาใช้จริงมีต้นทุนแฝงสูง ทั้งการปรับระบบ ปรับคน ปรับกระบวนการ และปรับโครงสร้างองค์กร ต้นทุนพวกนี้มักถูกมองข้ามในเวลาที่บริษัทออกมาพูดถึง “อนาคตที่ขับเคลื่อนด้วย AI”

ตรงนี้จึงเกิดความย้อนแย้งชัดเจน ผลลัพธ์ทางเศรษฐกิจยังค่อยเป็นค่อยไป แต่การอ้าง AI กลับถูกใช้เป็นเหตุผลใหญ่โตในการลดคนและลดต้นทุนทันที

เมื่อ AI กลายเป็นข้ออ้างที่ดูดีที่สุด

สิ่งที่น่าสนใจคือ หลายบริษัทไม่ได้เริ่มเลย์ออฟเพราะ AI ก่อน แต่เริ่มเลย์ออฟเพราะเหตุผลทางธุรกิจแบบเดิม เช่น จ้างงานเกินตัวในช่วงโควิด ผลประกอบการตก หรือจำเป็นต้องกดต้นทุนลง แล้วค่อยเอา AI มาเป็นคำอธิบายทีหลัง

Sam Altman เองยังเคยยอมรับว่า มีบริษัทจำนวนไม่น้อยที่โทษ AI สำหรับการปลดพนักงาน ทั้งที่จริง ๆ แล้วพวกเขาก็วางแผนจะปลดอยู่แล้ว เพียงแค่ AI ทำให้เรื่องราวฟังดูทันสมัยและเสียหน้าน้อยลง

กรณีของบริษัทเทคโนโลยีขนาดใหญ่ในช่วงปี 2023–2024 ก็สะท้อนรูปแบบเดียวกัน หลายแห่งปลดคนจำนวนมากหลังจากเคยจ้างคนเหล่านี้ในช่วงโควิด แต่เมื่อเวลาต้องอธิบายต่อสาธารณะ การพูดว่า “ปรับตัวสู่ AI” ย่อมดีกว่าพูดตรงๆ ว่า จ้างคนเกิน

บางกรณีอย่าง Klarna ก็ยิ่งทำให้เรื่องนี้ซับซ้อนขึ้น เพราะแม้บริษัทจะใช้ AI ได้จริงในบางส่วน แต่จังหวะการสื่อสารเรื่องประสิทธิภาพจาก AI ก็ไปพ้องกับช่วงที่บริษัทต้องสร้างภาพความพร้อมก่อนเข้าสู่ตลาดทุนพอดี

แรงงานกับความกลัวที่ถูกผลิตขึ้น

สิ่งที่อันตรายของ AI Washing ไม่ใช่แค่ตัวการตลาด แต่คือ “ผลทางจิตวิทยา” ที่มันสร้างขึ้นกับคนทำงาน

เมื่อสื่อและองค์กรพูดซ้ำๆ ว่า AI จะมาแทนคน หลายคนเริ่มเชื่อว่างานของตัวเองไม่มีอนาคต โดยเฉพาะคนรุ่นใหม่ที่กำลังเลือกสายอาชีพ ความกลัวนี้ไม่ใช่เรื่องเล็ก เพราะมันมีผลต่อการตัดสินใจเรื่องเรียน เรื่องงาน และเรื่องชีวิตระยะยาว

ตัวอย่างที่เห็นชัดคือ สายซอฟต์แวร์ ช่วงหนึ่งมีความกังวลสูงมากว่า AI จะมาแทนโปรแกรมเมอร์ แต่ข้อมูลล่าสุดกลับชี้ว่า งานสายนี้ยังมีความต้องการสูงกว่าค่าเฉลี่ยของตลาดมาก

นั่นแปลว่า ปัญหาไม่ได้อยู่ที่งานหายไปทันที แต่อยู่ที่ เรื่องราวที่บอกเล่าวิ่งเร็วกว่าความจริง

ในระยะยาว เทคโนโลยีมักไม่ล้างอาชีพทั้งหมด แต่มันเปลี่ยนธรรมชาติของงานมากกว่า งานบางอย่างหายไป งานใหม่เกิดขึ้น และงานจำนวนมากถูกยกระดับให้ต้องใช้ทักษะที่หลากหลายกว่าเดิม

สิ่งที่แรงงานควรทำจึงไม่ใช่การตื่นหนี AI แต่คือ การสร้าง “คูเมืองมนุษย์” ของตัวเอง เช่น ทักษะการสื่อสาร การเข้าใจคน การประสานผลประโยชน์ การตัดสินใจเชิงจริยธรรม และการแก้ปัญหาที่ไม่มีคำตอบสำเร็จรูป

ในทางตรงกันข้ามกับความกลัวที่จะถูกแทนที่ทั้งหมด เทคโนโลยี AI ยังสร้างงานใหม่และยกระดับงานเดิมจำนวนมาก โดยข้อมูลจากองค์กรที่น่าเชื่อถืออย่าง U.S. Bureau of Labor Statistics (BLS) ประมาณการว่า การจ้างงานในสาย software developers จะเติบโตสูงถึง 17.9% ระหว่างปี 2023-2033 ซึ่งเร็วกว่าค่าเฉลี่ยของทุกอาชีพมาก 

นอกจากนี้ ยังเกิดบทบาทใหม่ๆ  เช่น AI system integrators, AI safety and ethics specialists, prompt orchestration engineers, domain experts ที่ผสาน AI เข้ากับความรู้เฉพาะทาง (เช่น ใน healthcare, finance, manufacturing), และงานด้านโครงสร้างพื้นฐานอย่าง data center technicians และ energy infrastructure ที่รองรับ AI ทั้งหมด

การศึกษาจาก PwC และ BCG ชี้ว่า บริษัทที่นำ AI มาใช้อย่างมีประสิทธิภาพมักมีอัตราการขยายการจ้างงานและการเติบโตของรายได้สูงกว่าบริษัทที่ไม่ใช้ สะท้อนว่าผลกระทบสุทธิในระยะกลางอาจเป็นการ “reshape” งานมากกว่า “replace” โดยสิ้นเชิง งานใหม่เหล่านี้ต้องการทักษะมนุษย์ผสานกับความสามารถในการทำงานร่วมกับ AI อย่างชาญฉลาด

สังคมที่เริ่มไม่เชื่อคำสัญญาเดิม

เมื่อ AI ถูกผูกเข้ากับข่าวเลย์ออฟและการลดต้นทุนแบบซ้ำๆ ภาพของมันในสายตาสังคมก็เปลี่ยนไปอย่างชัดเจน

จากเทคโนโลยีแห่งอนาคต มันเริ่มถูกมองเป็นเครื่องมือของทุนมากขึ้น เป็นเครื่องมือที่ช่วยลดต้นทุน เพิ่มกำไร และผลักภาระความไม่แน่นอนไปให้แรงงานกับชุมชน

เราจึงเริ่มเห็นแรงต้านในหลายระดับ ตั้งแต่การตั้งคำถามกับ data center ที่ใช้พลังงานและทรัพยากรสูง ไปจนถึงความไม่ไว้วางใจต่อคำพูดของบริษัทที่บอกว่า AI จะทำให้ชีวิตดีขึ้น ทั้งที่สิ่งที่ผู้คนเห็นตรงหน้า คือ การปลดคนและการลดคุณภาพงาน

ในมุมนี้ AI Washing จึงไม่ใช่แค่การพูดเกินจริง แต่เป็นตัวเร่งให้ความเชื่อมั่นทางสังคมสั่นคลอน และทำให้เกิดความรู้สึกแบ่งขั้วมากขึ้น ระหว่างคนที่ได้ประโยชน์จากระบบ กับคนที่ต้องรับต้นทุนของมัน

ผู้บริโภคที่เจอประสบการณ์แย่ๆ แต่เลือกไม่ได้

ในฝั่งผู้บริโภค AI Washing ปรากฏตัวแบบจับต้องได้ที่สุด คือการเอาระบบอัตโนมัติพื้นฐานมารีแบรนด์เป็น “AI อัจฉริยะ” แล้วใช้แทนพนักงานบริการ

ผลที่ตามมาคือ บริการแย่ลง แต่บริษัทกลับนำเสนอราวกับเป็นการอัปเกรดครั้งใหญ่ ผู้ใช้บริการต้องวนอยู่กับ chatbot ที่ตอบไม่ตรงคำถาม หรือระบบอัตโนมัติที่แก้ปัญหาจริงไม่ได้

ปัญหา คือผู้บริโภคจำนวนมากไม่มีทางเลือกอื่น เพราะอุตสาหกรรมใหญ่ๆ อย่างธนาคาร ประกัน โทรคมนาคม หรือแพลตฟอร์มค้าปลีกขนาดใหญ่ มักเดินไปในทิศทางเดียวกันหมด

ต่างจากการคว่ำบาตรสินค้าที่ฟอกเขียว ซึ่งยังพอเลือกแบรนด์อื่นได้ ผู้บริโภคในบริการเชิงระบบกลับแทบไม่มีทางหนี และนั่นทำให้กลไกตลาดที่ควรลงโทษพฤติกรรมหลอกลวงแทบใช้ไม่ได้จริง

สุดท้ายแล้ว ปัญหาไม่ใช่ AI ปัญหาคือ การเล่าเรื่อง

ถ้ามองให้ถึงแก่น ปัญหาไม่ได้อยู่ที่ AI เอง แต่อยู่ที่วิธีที่มันถูกใช้เป็นเรื่องเล่า

AI ในโลกจริงยังมีข้อจำกัด ต้องใช้เวลา ต้องปรับตัว และยังไม่สามารถแก้ทุกอย่างได้ แต่ AI ในโลกของ narrative ถูกยกให้เป็นคำอธิบายสารพัดประโยชน์ ใช้ได้ตั้งแต่การสร้างภาพลักษณ์นวัตกรรม ไปจนถึงการตัดคนออกจากระบบ

สำหรับนักลงทุน สิ่งสำคัญคือ แยกให้ออกว่าอะไรคือความสามารถจริง อะไรคือฉากหน้า

สำหรับแรงงาน สิ่งสำคัญคือ อย่าปล่อยให้ความกลัวที่ถูกผลิตขึ้นมานำทางชีวิต

และสำหรับสังคม สิ่งสำคัญคือ การเรียกร้องความโปร่งใส และไม่ยอมรับคำอธิบายที่ดูดีเกินจริงโดยไม่ตั้งคำถาม

เพราะในท้ายที่สุด สิ่งที่กำหนดทิศทางของเศรษฐกิจอาจไม่ใช่ AIแต่อาจเป็น “คนที่เล่าเรื่องเกี่ยวกับ AI” และเจตนาที่อยู่ข้างหลังเรื่องเล่านั้น