พันธุ์อาจ ชัยรัตน์

ผมกลับจากประชุมอนุกรรมการแรงงานและ AI ที่กระทรวงแรงงาน ระหว่างเตรียมความเห็นใน 5 ประเด็นที่นำเสนอไป ก็บังเอิญเจอว่า Anthropic เพิ่งปล่อยรายงาน “Labor Market Impacts of AI: A New Measure and Early Evidence” ออกมา อ่านแล้วรู้สึกว่า มันคุยกับสิ่งที่เราถกกันในห้องประชุมได้ตรงมาก บางอย่างสอดคล้อง บางอย่างเพิ่มมิติที่เราอาจมองข้ามไป เลยอยากเอาทั้งสองอย่างมาวางไว้ด้วยกัน

Anthropic ทำอะไร? และบอกอะไรเราบ้าง?

ต้องเข้าใจก่อนว่า รายงานชุดนี้ไม่ใช่การพยากรณ์ว่า AI จะทำให้เกิดการตกงานมากแค่ไหน แต่มันคือ “การสร้างระบบเตือนภัยล่วงหน้า” ที่อาศัยข้อมูลจริงจากการใช้งาน Claude กว่าหนึ่งล้านบทสนทนา แล้วนำไปจับคู่กับฐานข้อมูลอาชีพของกระทรวงแรงงานสหรัฐกว่า 20,000 งาน เพื่อดูว่า AI กำลังเข้าไปทำอะไรในโลกการทำงานจริง ๆ ไม่ใช่แค่ในทฤษฎี

รายงานยังระบุชัดว่า หลักฐานที่พบในตอนนี้ยังเป็นหลักฐานที่จำกัดอยู่ กล่าวคือ ยังไม่เห็นการตกงานจำนวนมากจาก AI อย่างชัดเจน แต่นั่นไม่ได้แปลว่าทุกอย่างปกติดี เพราะสิ่งที่น่าสนใจกว่าคือ สัญญาณเบื้องต้นที่รายงานนี้หยิบขึ้นมา

หัวใจสำคัญของรายงาน Anthropic มีอยู่ไม่กี่ประเด็น แต่แต่ละประเด็นหนักมาก

ประเด็นแรก: AI ไม่ได้กระจายตัวไปทั่ว แต่กระจุกอยู่ที่งานบางประเภท งานคอมพิวเตอร์และคณิตศาสตร์คิดเป็น 37.2% ของการใช้งาน AI ทั้งหมด ตามด้วยงานด้านศิลปะ การออกแบบ และสื่อที่ 10.3% ในขณะที่งานเกษตร ประมง และป่าไม้คิดเป็นเพียง 0.1% ตัวเลขนี้บอกอะไรหลายอย่างมากเกี่ยวกับโลกการทำงานที่ AI กำลังเข้าไปมีบทบาท

ประเด็นที่สอง: AI กำลังขยายตัวเร็วกว่าที่หลายคนคิด จากข้อมูล Anthropic Economic Index เดือนมกราคม 2025 พบว่า 36% ของอาชีพในฐานข้อมูลมีการใช้ AI สำหรับอย่างน้อย 1 ใน 4 ของงานทั้งหมด และเมื่อรวมข้อมูลข้ามรายงาน ตัวเลขนี้ขึ้นไปถึง 49% ภายในเวลาไม่ถึงหนึ่งปี

ประเด็นที่สาม: เป็นสิ่งที่น่ากังวลที่สุดคือ สัญญาณเบื้องต้นเกี่ยวกับ “เด็กจบใหม่” รายงานนำเสนอหลักฐานในลักษณะ suggestive evidence (หลักฐานเบื้องต้น ยังไม่ใช่ข้อสรุปที่ชัดเจน) ว่า “อัตราการหางานได้” หรืออัตราที่คนเริ่มงานใหม่ในสาขาที่ AI เข้าถึงสูงนั้น ชะลอตัวลงในกลุ่มคนอายุ 22–25 ปี โดยงานวิจัยของ Brynjolfsson et al. จาก Stanford ซึ่ง Anthropic อ้างถึงในรายงาน ประเมินผลกระทบต่อการจ้างงานกลุ่มนี้ไว้ที่ราว 6–16% อย่างไรก็ตาม Anthropic เองย้ำชัดว่า ยังไม่พบหลักฐานของการตกงานในวงกว้าง

ประเด็นที่สี่: ที่รายงานล่าสุดเพิ่งเพิ่มเข้ามาคือ ความเสี่ยงเรื่อง deskilling Anthropic ยกตัวอย่างของตัวแทนท่องเที่ยวว่า หาก AI เข้ามาจัดการส่วนที่ซับซ้อนอย่างการวางแผน itinerary งานที่เหลือให้มนุษย์ทำก็จะเหลือแค่การซื้อตั๋วและรับชำระเงิน ซึ่งแปลว่าทักษะในงานนั้นถูก dilute ลงโดยที่คนทำงานไม่รู้ตัว

ประเด็นสุดท้าย: Dario Amodei - CEO ของ Anthropic พูดไว้ชัดจากบทความของเขาว่า AI ไม่ใช่ตัวแทนของงานหรืออาชีพเฉพาะ แต่คือ ตัวแทนแรงงานทั่วไปของมนุษย์ในความหมายที่กว้างกว่า ซึ่งหมายความว่าสิ่งที่กำลังถูกท้าทายไม่ใช่งานชิ้นใดชิ้นหนึ่ง แต่คือ นิยามของคุณค่าที่มนุษย์นำมาสู่การทำงาน

มันมีหมายความอะไร โดยเฉพาะกับประเทศไทย?

ก่อนจะเชื่อมกับ 5 ประเด็นนโยบาย ที่ผมให้ความเห็นไปในการประชุมฯ ผมอยากตั้งจุดยืนให้ชัดก่อนว่า ไทยไม่ใช่อเมริกา และการอ่านรายงานของ Anthropic แบบผิวเผินแล้วเอาตัวเลขมาใช้โดยตรงนั้นอันตรายมาก

ภาพที่คนมักนึกถึงเมื่อพูดเรื่อง AI แย่งงานคือ หุ่นยนต์ในโรงงาน สายพานอัตโนมัติ คนงานที่ถูกเครื่องจักรแทนที่ ภาพนั้นเป็นภาพที่ใช้ได้ในบางบริบท แต่สำหรับไทยในทศวรรษนี้ มันอาจเป็นภาพที่ทำให้เราระวังผิดจุด

โรงงานในไทยส่วนใหญ่ยังอยู่ในระดับ Industry 3.0 ถึงต้น 4.0 การก้าวสู่ Industry 5.0 หรือ 6.0 ซึ่งระบบอัตโนมัติและ AI จะเข้ามาเปลี่ยนโฉมการผลิตอย่างแท้จริง ต้องอาศัยการลงทุนโครงสร้างพื้นฐานขนาดใหญ่ที่ยังไม่เกิดขึ้น ต้องการซัพพลายเชนที่พร้อมรับ และต้องการนโยบายอุตสาหกรรมระยะยาวที่ยังไม่มีสัญญาณชัด

ยิ่งไปกว่านั้น ตราบใดที่ไทยยังไม่สามารถแทรกตัวเข้าสู่ห่วงโซ่มูลค่าโลก (Global Value Chain, GVC) รูปแบบใหม่ที่ขับเคลื่อนด้วยเทคโนโลยีขั้นสูงได้จริง คนงานในโรงงานก็จะไม่ได้ตกงานเพราะ AI เข้ามาแทนที่ แต่จะตกงานเพราะ “โรงงานปิดตัว” เมื่อแข่งขันไม่ได้ในตลาดโลก

ซึ่งมันเป็นคนละเรื่องกัน และต้องการนโยบายคนละชุดโดยสิ้นเชิง

ที่น่าเป็นห่วงจริง ๆ และเงียบกว่า คือ กลุ่มที่ไม่ค่อยถูกพูดถึงในวงนโยบาย นั่นคือ White Collar Worker และเด็กจบใหม่

White Collar ไทยจำนวนมากทำงานที่รายงาน Anthropic ระบุว่ามีความเสี่ยงสูง ไม่ว่าจะเป็นงาน back office ในธนาคาร งานวิเคราะห์ในบริษัทประกัน งาน content และ copywriting งานบัญชีและการเงินระดับกลาง งาน HR เชิงธุรการ รวมถึงงานด้านกฎหมายและเอกสารที่เป็นงานประจำวัน สิ่งที่น่ากลัวไม่ใช่ว่าตำแหน่งเหล่านี้จะหายไปพรุ่งนี้ แต่คือฟังก์ชั่นที่ทำให้คนเหล่านี้มีคุณค่าในองค์กร กำลังถูก AI ดูดซับทีละชิ้น โดยที่ตัวคนทำงานอาจยังไม่รู้ตัว

รายงาน Anthropic เตือนไว้ด้วยว่า ถ้า AI ช่วยเพิ่มประสิทธิภาพของคนที่มีความรู้เชิงปฏิบัติในองค์กร แรงงานที่มีประสบการณ์อาจได้รับผลดีและค่าจ้างสูงขึ้น ในขณะที่แรงงานระดับเริ่มต้นกลับเผชิญกับโอกาสในตลาดแรงงานที่แย่ลง นี่คือภาพที่ไทยต้องระวังมากที่สุด เพราะโครงสร้างทางสังคมของเรายังพึ่งพาการสร้างชนชั้นกลางผ่านงาน White Collar ระดับเริ่มต้นเป็นหลัก

5 ประเด็นนโยบาย เมื่ออ่านผ่านเลนส์ของ Anthropic

1. การแพร่กระจายนวัตกรรม (Diffusion of Innovation)

ปัญหาไม่ใช่ความเร็ว แต่คือความไม่เท่ากัน ความเร็วของการที่ AI แพร่เข้าสู่ตลาดแรงงานเกินกว่าที่นโยบายส่วนใหญ่คาดการณ์ไว้ แต่ปัญหาของไทยไม่เหมือนกับอเมริกา เราไม่ได้กังวลว่า AI จะแพร่เร็วเกินไป เราควรกังวลว่ามันจะแพร่อย่างไม่สม่ำเสมอและสร้างแรงงานสองชั้น

บริษัทข้ามชาติและองค์กรขนาดใหญ่ที่อยู่ในวงโคจรของ global supply chain จะ adopt AI เร็วมากและมีทรัพยากรในการ reskill พนักงาน ในขณะที่ SME ไทยและองค์กรภาครัฐจะตามหลังอยู่หลายปี ช่องว่างนี้จะทำให้แรงงานในสองกลุ่มนี้มีชะตากรรมที่ต่างกันโดยสิ้นเชิง นโยบายที่ต้องการคือการออกแบบ incentive structure ที่ช่วยให้ SME นำ AI มาใช้ในแบบที่ควบคู่กับการพัฒนาคน ไม่ใช่แค่ลดต้นทุนในระยะสั้น

2. การพัฒนาทักษะ (Skill Mapping)

กำลังสอนเด็กให้เก่งในสิ่งที่ AI กำลังจะเก่งกว่า นี่คือประเด็นที่รายงาน Anthropic เพิ่มมิติให้เยอะที่สุด และน่ากังวลที่สุดสำหรับไทย

รายงานพบว่า AI มีแนวโน้มดูดซับงานส่วนที่ต้องใช้ทักษะสูงกว่าในอาชีพนั้น ๆ ก่อน ทำให้คนทำงานเหลือแต่งานส่วนที่ง่ายและซ้ำ ๆ ไว้ทำเอง ซึ่งส่งผลให้ทักษะของคนทำงานลดลงโดยที่ตัวเองไม่รู้ตัว นี่คือสิ่งที่ Anthropic เรียกว่า deskilling effect

สำหรับระบบการศึกษาไทย ความเสี่ยงนี้ซ้อนทับกับปัญหาเชิงโครงสร้างที่มีอยู่เดิม เรายังผลิตบัณฑิตที่เก่งในสิ่งที่ AI กำลังจะเก่งกว่า ไม่ว่าจะเป็นการรวบรวมข้อมูล การเขียนรายงานมาตรฐาน การวิเคราะห์แบบสำเร็จรูป หรืองานเอกสารทั่วไป ขณะที่ทักษะที่ AI ยังทำแทนได้ยาก เช่น การตั้งคำถามที่ดี การตีความผลลัพธ์ด้วยวิจารณญาณ การเจรจาต่อรองเชิงมนุษย์ การออกแบบเชิงวัฒนธรรม กลับถูกให้ความสำคัญน้อยมากในหลักสูตร

สิ่งที่ต้องเปลี่ยนไม่ใช่แค่การเพิ่มวิชา AI literacy เข้าไปในหลักสูตร แต่คือ การถามคำถามพื้นฐานว่า เรากำลังฝึกคนให้ทำงานในโลกที่ AI กำลังจะเป็นเจ้าของฟังก์ชั่นนั้นอยู่หรือเปล่า

3. การจ้างงานและอาชีพแห่งอนาคต: วิกฤตที่มองไม่เห็นในสถิติ

รายงาน Anthropic นำเสนอหลักฐานเบื้องต้น (suggestive evidence) ว่า job-finding rate ในสาขาที่ AI เข้าถึงสูงชะลอตัวลงในกลุ่มคนอายุ 22–25 ปี โดย Anthropic อ้างอิงงานวิจัยของ Brynjolfsson et al. จาก Stanford ซึ่งประเมินผลกระทบต่อการจ้างงานไว้ที่ 6–16% แต่ Anthropic ย้ำชัดว่าหลักฐานยังอยู่ในระดับเบื้องต้น และยังไม่พบการตกงานในวงกว้างแต่อย่างใด

ความหมายจริง ๆ ของสัญญาณนี้คือ ตำแหน่งงานที่เคยถูกเปิดรับเพื่อให้เด็กจบใหม่เข้ามาเรียนรู้งาน กำลังถูกองค์กรมองว่าไม่จำเป็นต้องเปิดรับอีก เพราะ AI สามารถทำงานนั้นได้แล้ว สำหรับไทย วิกฤตนี้หนักกว่าในอเมริกาด้วยซ้ำ เพราะโครงสร้างทางสังคมไทยพึ่งพาการจ้างงาน White Collar ระดับเริ่มต้นเป็นช่องทางหลักในการสร้างความมั่นคงให้ครอบครัวชนชั้นกลาง

ตาข่ายสวัสดิการไทยถูกออกแบบมาสำหรับโลกที่คนทำงานที่เดิม บริษัทเดิม นานหลายปี แต่โลกที่กำลังมาคือ การเปลี่ยนงานบ่อยขึ้น สัญญาสั้นลง และแรงงานอิสระมากขึ้น ประกันสังคมในรูปแบบปัจจุบันไม่ได้ถูกสร้างมาสำหรับโลกแบบนั้น การปฏิรูประบบสวัสดิการเพื่อรองรับ career transition ระยะ 12–24 เดือน ไม่ใช่แค่การว่างงานระยะสั้น จึงเป็นเรื่องเร่งด่วนที่ต้องพูดถึง

4. AI ในฐานะบริการ (AI-as-a-Service) ใครได้ประโยชน์จากแรงงานไทยที่ใช้ AI?

รายงาน Anthropic ชี้ให้เห็นว่า งานที่ AI ถูกใช้มากที่สุดกระจุกอยู่ในเมืองใหญ่และรัฐที่มีสัดส่วนแรงงาน tech สูง โดย 5 รัฐใหญ่ของสหรัฐคิดเป็น 50% ของการใช้งาน Claude ทั้งหมด ทั้งที่มีแค่ 38% ของประชากรวัยทำงาน

ถ้าเอาตรรกะนี้มาใช้กับไทย ประโยชน์ของ AI จะกระจุกอยู่ในกรุงเทพฯ และเมืองใหญ่ก่อน และยิ่งไปกว่านั้น มูลค่าที่เกิดขึ้นจากการที่แรงงานไทยใช้ AI ทำงานทุกวัน ไม่ว่าจะเป็นการเขียน การวิเคราะห์ การออกแบบ ก็ไหลออกไปอยู่กับบริษัทแพลตฟอร์มต่างชาติทั้งนั้น เพราะเราไม่มีแพลตฟอร์มและบริการ AI ของตนเอง

นี่ไม่ใช่แค่ประเด็นความภาคภูมิใจทางเทคโนโลยี แต่คือคำถามเชิงโครงสร้างว่า ใครคือผู้ได้รับประโยชน์ที่แท้จริงจากการที่แรงงานไทยใช้ AI เป็นเครื่องมือ? การสนับสนุนให้เกิด local AI-tech ecosystem จึงไม่ใช่แค่การป้องกันการพึ่งพาต่างประเทศในเชิงอุตสาหกรรม แต่คือการรักษาไว้ซึ่งอำนาจการต่อรองในตลาดแรงงานและการกำหนดทิศทางของตนเอง

5. อธิปไตยทางเทคโนโลยี (Technology Sovereignty): เราตัดสินใจโดยใช้ข้อมูลของใคร?

นี่คือประเด็นที่รายงาน Anthropic พูดถึงอย่างน่าสนใจมาก Anthropic สร้างระบบนี้ขึ้นมาเพราะเขาต้องการวางรากฐานก่อนที่ผลกระทบใหญ่จะมาถึง เพราะ AI กำลังพัฒนาอย่างรวดเร็วและผลกระทบทางเศรษฐกิจจะเกิดขึ้นอย่างไม่สม่ำเสมอ จึงต้องการระบบติดตามที่ทำให้เข้าใจได้ว่า AI ถูกใช้อย่างไร และส่งผลกระทบต่อแรงงานในทิศทางใด

ไทยไม่มีระบบแบบนี้เลย เราไม่มีฐานข้อมูลที่ติดตามว่า AI ถูกใช้ในงานอะไร ในภาคส่วนไหน มีผลต่อการจ้างงานอย่างไร และกำลังเปลี่ยนไปในทิศทางใด เวลาที่นักนโยบายไทยต้องตัดสินใจเรื่องแรงงานและ AI จึงต้องอ้างอิงข้อมูลจากอเมริกาหรือยุโรป ซึ่งมีโครงสร้างตลาดแรงงาน ระดับค่าจ้าง สัดส่วนภาคอุตสาหกรรม และบริบทสังคมที่ต่างกับไทยโดยสิ้นเชิง

การมีอธิปไตยทางเทคโนโลยีจึงต้องเริ่มจากการมีอธิปไตยทางข้อมูล และการสร้างความสามารถในการวิจัยผลกระทบของ AI ต่อตลาดแรงงานไทยโดยเฉพาะ ซึ่งต้องการความร่วมมือระหว่างกระทรวงแรงงาน หน่วยงานวิจัย และสถาบันการศึกษาในแบบที่ยังไม่เคยเกิดขึ้นอย่างจริงจัง

กลัวให้ถูกจุด

วิกฤตแรงงานจาก AI ในไทยไม่น่าจะมาในรูปของโรงงานพังพร้อมกันครั้งเดียวแบบที่คนกลัว มันจะมาเงียบ ๆ ทีละน้อย เป็นตำแหน่งที่ไม่ถูกเปิดรับใหม่ เป็นเด็กจบใหม่ที่รอนานขึ้นกว่าจะได้งาน เป็นพนักงาน mid-career ที่รู้สึกว่าตัวเองกำลังกลายเป็นคนกดปุ่มให้ AI ทำงานแทนที่จะเป็นคนคิด และเป็นทักษะที่ค่อย ๆ เสื่อมลงโดยที่ไม่มีใครออกมาประกาศว่ามันกำลังเกิดขึ้น

รายงาน Anthropic ประเมินว่าการนำ AI มาใช้อย่างแพร่หลายมีศักยภาพเพิ่มการเติบโตของผลิตภาพแรงงานสหรัฐได้ถึง 1.8% ต่อปีในทศวรรษหน้า แต่เมื่อปรับด้วยอัตราความสำเร็จของงานจริง (task reliability) ตัวเลขนี้ลดลงเหลือราว 1.0–1.2% ต่อปี ซึ่งยังถือว่าสูงมากเมื่อเทียบกับอัตราการเติบโตในยุคปลายทศวรรษ 1990 แต่ต่ำกว่าที่หลายฝ่ายเคยคาดการณ์ไว้ และสิ่งที่รายงานก็เน้นย้ำเช่นกันคือ ผลดีนั้นจะไม่กระจายตัวเอง มันจะไปสู่คนที่พร้อม องค์กรที่ลงทุน และประเทศที่มีนโยบาย ส่วนที่เหลือจะถูกทิ้งไว้ข้างหลัง

ห้าประเด็นที่อนุกรรมการนำเสนอไปนั้นถูกทิศทางแล้ว แต่สิ่งที่ต้องการเพิ่มคือความชัดเจนว่า ในบริบทไทย ใครคือคนที่กำลังจะได้รับผลกระทบก่อน คำตอบที่ข้อมูลชี้ตอนนี้ไม่ใช่คนงานโรงงาน แต่คือคนที่นั่งทำงานหน้าจอและเด็กที่กำลังจะก้าวเข้าสู่ตลาดแรงงาน ถ้าเราออกนโยบายโดยกลัวผิดจุด เราก็จะปกป้องผิดกลุ่ม และตอนที่รู้ตัว อาจสายเกินกว่าจะแก้ไขได้

บทความนี้อ้างอิงรายงาน “Labor Market Impacts of AI: A New Measure and Early Evidence” และ Anthropic Economic Index (2025–2026) โดย Anthropic Research