การทำงานในยุคปัจจุบันมีการนำ AI มาใช้อย่างแพร่หลาย โดย AI ทำหน้าที่เป็นเครื่องมือสำคัญที่ช่วยลดภาระงานที่ต้องอาศัยทักษะพื้นฐานหรืองานที่มีลักษณะซ้ำ ๆ ส่งผลให้การทำงานของมนุษย์มีประสิทธิภาพมากขึ้น

แต่กระนั้น ความนิยมในการใช้ AI ในตลาดแรงงานก็มาพร้อมกับความกังวลว่า เทคโนโลยีดังกล่าวอาจเข้ามาแทนที่แรงงานมนุษย์ในบางตำแหน่งงานหรือบางหน้าที่ รวมถึงอาจก่อให้เกิดการเปลี่ยนแปลงเชิงโครงสร้างต่อรูปแบบการจ้างงานและความต้องการทักษะในตลาดแรงงานโดยรวม

ผลการวิเคราะห์จากทีม Big Data สถาบันวิจัยเพื่อการพัฒนาประเทศไทย (ทีดีอาร์ไอ) ในบทความนี้ชี้ ที่จัดทำโดย ดร. พุทธิพันธุ์ หิรัณยตระกูล นักวิชาการ และนภพบ ทองระย้า นักวิจัย TDRI ชี้ให้เห็นว่า AI กำลังเสริมบทบาทแรงงานที่มีประสบการณ์

ขณะเดียวกัน ก็มีแนวโน้มเข้ามาทดแทนหน้าที่งานบางส่วนที่เคยเป็นบทบาทของแรงงานระดับเริ่มต้น แนวโน้มดังกล่าวอาจก่อให้เกิดปัญหาเชิงโครงสร้างในระยะยาว เนื่องจากการไม่เปิดรับแรงงานรุ่นใหม่เข้าสู่ระบบย่อมทำให้ตลาดแรงงานขาดช่องทางในการพัฒนาผู้มีประสบการณ์ในอนาคต และเสี่ยงต่อการขาดแคลนแรงงานที่มีทักษะในระยะต่อไปการจ้างงานลดลง แต่งานที่ต้องการทักษะ AI กลับเพิ่มขึ้น

ภาพรวมตลาดงานพบจ้างงานลดลง 9.6 %

แม้การวิเคราะห์ภาพรวมของตลาดแรงงานจากฐานข้อมูลประกาศรับสมัครงานออนไลน์1 พบว่าเมื่อเปรียบเทียบแบบปีต่อปีในช่วงไตรมาสที่ 2 ถึงไตรมาสที่ 4 ระหว่างปี 2567–2568 ความต้องการจ้างงานมีแนวโน้มปรับตัวลดลงประมาณ 9.6% จาก 642,216 เป็น 580,505 ตำแหน่ง (ภาพที่ 1)

สำรวจอาชีพเสี่ยงถูก AI แย่งงาน

เมื่อจำแนกตามอาชีพหลัก ได้แก่ วิศวกรซอฟต์แวร์ กราฟฟิกดีไซเนอร์ นักบัญชี และวิศวกรโยธา2 พบว่าความต้องการแรงงานในอาชีพดังกล่าวลดลงสอดคล้องกับภาพรวมของการจ้างงาน ยกเว้นนักบัญชีที่ยังมีการเติบโตถึง 7% เมื่อเทียบกับปีก่อนหน้า ในขณะเดียวกันความต้องการทักษะด้านปัญญาประดิษฐ์กลับเพิ่มขึ้นอย่างต่อเนื่องในหลายกลุ่มอาชีพ (ดูตารางที่ 1)ซึ่งสะท้อนให้เห็นว่าทักษะด้าน AI กำลังกลายเป็นทักษะที่นายจ้างให้ความสำคัญมากขึ้นในตลาดแรงงานปัจจุบัน

ตารางที่ 1: สัดส่วนและการเติบโตของงานที่ต้องการทักษะ AI ปี 2568 จำแนกตามอาชีพ

ถึงแม้ AI จะถูกมองว่าเป็นเทคโนโลยีที่สามารถประยุกต์ใช้ได้ในทุกอุตสาหกรรม แต่ระดับผลกระทบในแต่ละอาชีพยังมีความแตกต่างกันพอสมควร กรณีของวิศวกรซอฟต์แวร์ ถือเป็นกรณีศึกษาที่ชัดเจนที่สุดของการที่ AI กลายเป็น “มาตรฐานทักษะใหม่” (New Normal) ที่นายจ้างต้องการ ซึ่งหมายความว่า แม้จำนวนประกาศตำแหน่งงานวิศวกรซอฟต์แวร์จะลดลงเล็กน้อยที่ 5.3% ซึ่งยังถือว่าได้รับผลกระทบน้อยกว่าค่าเฉลี่ยตลาด แต่สัดส่วนตำแหน่งงานที่ต้องการทักษะ AI กลับสูงถึง 22.2% เพิ่มขึ้นจากปีก่อนหน้าอย่างรวดเร็ว ข้อเท็จจริงนี้ชี้ให้เห็นว่า AI ไม่ได้ทำให้ความต้องการแรงงานในสายงานนี้หายไป แต่ได้กลายเป็นเครื่องมือหนึ่งในการทำงานพื้นฐานไปแล้ว

งานกราฟิกระส่ำ ยอดรับสมัครฮวบ

ในทางตรงกันข้าม กลุ่มนักออกแบบกราฟิก กำลังตกอยู่ในสภาวะความเสี่ยงจากการถูกทดแทนที่ชัดเจนที่สุด สะท้อนจากจำนวนงานที่ลดลงฮวบฮาบถึง 13.0% ซึ่งแย่กว่าตลาดรวม ในขณะที่ความต้องการทักษะ AI เติบโตในอัตราเกือบ 100% ซึ่งบ่งชี้ว่างานกราฟิกพื้นฐานบางส่วนอาจถูกทดแทนด้วยเครื่องมือ AI สำเร็จรูป

จุดเปลี่ยนสำคัญทางเทคโนโลยีในปี 2568 คือการเปิดตัวโมเดล Image Generation อย่าง “Nano Banana” ของ Google Gemini ได้เข้ามาทลายข้อจำกัดในการจัดการกับ “ตัวอักษร” (Text Rendering) ที่ทำให้งานออกแบบเพื่อการสื่อสารยังต้องพึ่งพามนุษย์เป็นหลัก เพราะโมเดลใหม่นี้สามารถเนรมิต Infographic ที่ไม่เพียงแค่มีภาพประกอบสวยงาม แต่ยังสามารถจัดวางรูปประโยคและตัวอักษรได้อย่างถูกต้องสมบูรณ์ภายในเวลาไม่กี่นาที ความสามารถในการผลิตชิ้นงานแบบ “พร้อมใช้” (Ready-to-use) นี้เอง คือปัจจัยชี้นำสำคัญที่ส่งผลกระทบโดยตรงต่อความต้องการจ้างงานต่อไปในอนาคต

งานบัญชี ยังแข็งแกร่ง AI ทำแทนไม่ได้

ขณะที่อาชีพ นักบัญชี กลับแสดงให้เห็นถึงความ “แข็งแกร่งสวนกระแส” โดยมีสัดส่วนความต้องการทักษะ AI ยังต่ำมากเพียง 1.3% ข้อมูลนี้ยืนยันว่างานที่เกี่ยวข้องกับความรับผิดชอบทางกฎหมาย การตรวจสอบ และความถูกต้องแม่นยำ ยังคงเป็นพื้นที่ที่ AI ไม่สามารถทดแทนมนุษย์ได้ในระยะสั้น

เช่นเดียวกับวิศวกรโยธาที่ AI ยังคงมีส่วนร่วมในการทำงานน้อยมาก ดูได้จากสัดส่วนงานที่ต้องการทักษะด้าน AI ที่มีอยู่เพียง 0.7% เนื่องจากเป็นฐานที่เล็กมาก อัตราการเติบโตอย่างรวดเร็วเมื่อเทียบปีต่อปีจึงยังไม่มีนัยสำคัญมากนัก ดังนั้นการหดตัวของประกาศหางานจึงมาจากการซบเซาตามวัฏจักรเศรษฐกิจเป็นหลัก ทั้งสองอาชีพนี้แสดงให้เห็นว่า AI ยังคงทำหน้าที่เป็นเครื่องมือสนับสนุนมากกว่าการเปลี่ยนแปลงหน้าที่งานหลัก ซึ่งยังต้องอาศัยความรับผิดชอบและการตัดสินใจของมนุษย์เป็นสำคัญ

AI ช่วยคนมีประสบการณ์ แต่ตัดโอกาสเด็กจบใหม่

จากการเปรียบเทียบข้อมูลประกาศรับสมัครงานระหว่างปี 2567–2568 (ไตรมาส 2–4) พบว่าประกาศงานที่ระบุทักษะด้าน AI มีสัดส่วนที่ต้องการประสบการณ์ทำงานตั้งแต่ 3 ปีขึ้นไปสูงกว่าประกาศงานทั่วไปในทุกสาขาอาชีพ และมีแนวโน้มเพิ่มขึ้นอย่างชัดเจนเมื่อเทียบปีต่อปี (ภาพที่ 2) ตัวเลขนี้สะท้อนนัยสำคัญว่า นายจ้างไม่ได้มองทักษะ AI เป็นเพียงเครื่องมือพื้นฐานสำหรับแรงงานระดับเริ่มต้น หากแต่เป็นเครื่องมือที่ช่วยเพิ่มประสิทธิภาพการทำงานของแรงงานที่มีประสบการณ์อยู่แล้ว

ปรากฏการณ์นี้สอดคล้องกับงานวิจัยของ McKinsey Global Institute ที่ชี้ให้เห็นถึงการเปลี่ยนผ่านเชิงโครงสร้างครั้งสำคัญ เมื่อ AI เข้ามาเปลี่ยนบทบาทของมนุษย์จากเดิมที่เป็นเพียง ‘ผู้ลงมือทำ’ ให้กลายมาเป็น ‘ผู้กำกับดูแล’ การเปลี่ยนแปลงนี้ส่งผลให้ตลาดแรงงานเกิดภาวะ “Seniority Bias” หรือความลำเอียงที่ต้องการแต่ผู้มีประสบการณ์มากขึ้น เนื่องจากองค์กรต้องการบุคลากรที่มีความเชี่ยวชาญเชิงสาขา (Domain Expertise) เพราะแม้ AI จะช่วยดำเนินงานเชิงเทคนิคหรือเชิงปฏิบัติการได้ดีเยี่ยม แต่การใช้งานให้เกิดประสิทธิภาพสูงสุดยังต้องอาศัยทักษะการ ‘ตรวจสอบความถูกต้อง’ (Validation) และการ ‘จัดการข้อยกเว้น’ (Exception Handling) ซึ่งเป็นจุดที่ AI ยังทำได้ไม่สมบูรณ์ องค์กรจึงต้องการคนที่พร้อม “ตรวจงาน AI” ได้ทันที ไม่ใช่คนที่ต้องมาเรียนรู้ไปพร้อมกับ AI ภาระงานที่ต้องใช้วิจารณญาณ การควบคุมคุณภาพ และความรับผิดชอบเชิงวิชาชีพ จึงยังคงเป็นพื้นที่ที่ AI ไม่อาจทดแทนมนุษย์ได้

ตัวอย่างที่เห็นได้ชัดเจนที่สุดคืออาชีพวิศวกรซอฟต์แวร์ แม้ AI จะสามารถเขียนโค้ดได้อย่างรวดเร็วและมีประสิทธิภาพ แต่กระบวนการพัฒนาระบบยังจำเป็นต้องอาศัยวิศวกรซอฟต์แวร์ที่มีประสบการณ์สูงในการตรวจสอบความถูกต้องของโค้ดเหล่านั้น ประเมินความปลอดภัย และออกแบบสถาปัตยกรรมระบบให้รองรับการขยายตัวในอนาคต รวมถึงการตัดสินใจเชิงกลยุทธ์ว่าจะเลือกใช้เทคโนโลยีใด หรือควรปรับโครงสร้างโค้ด (Refactor) ในส่วนไหน ซึ่งล้วนเป็นสิ่งที่ต้องใช้วิจารณญาณของผู้เชี่ยวชาญที่สั่งสมประสบการณ์มาอย่างยาวนาน

กระทบโครงสร้างระยะยาว ส่อขาดแรงงานในอนาคต

ข้อมูลที่กล่าวมาชี้ว่าแรงงานระดับเริ่มต้นที่เคยทำงาน routine จะถูกแทนที่ด้วย AI มากขึ้น ขณะที่แรงงานระดับอาวุโสที่สามารถกำกับ ตรวจสอบ และรับผิดชอบต่อผลงานของ AI ได้ จะยิ่งเป็นที่ต้องการ ทำให้โครงสร้างตลาดแรงงานเริ่มเปลี่ยนไปในทิศทางที่พึ่งพาแรงงานระดับอาวุโสมากขึ้น ซึ่งข้อค้นพบนี้สอดคล้องกับงานวิจัย Generative AI as Seniority-Biased Technological Change2 ของ Hosseini และ Lichtinger (2025) จากมหาวิทยาลัยฮาร์วาร์ด และบทความ The Great Graduate Job Drought จาก Financial Times ต่างชี้ไปในทิศทางเดียวกันว่าตำแหน่งงานระดับเริ่มต้นกำลังหดตัวลงอย่างต่อเนื่อง ส่งผลให้เกิดวงจรการคัดเลือกแรงงานที่มุ่งจ้างเฉพาะผู้ที่มีทักษะและประสบการณ์พร้อมใช้งาน และจำกัดโอกาสของแรงงานรุ่นใหม่ในการพัฒนาศักยภาพ

วงจรดังกล่าวก่อให้เกิดความเสี่ยงในระดับโครงสร้างต่อระบบแรงงานในระยะยาว เนื่องจากทำให้เด็กจบใหม่มีแนวโน้มถูกกันออกจากตลาดงาน ส่งผลให้ความเหลื่อมล้ำระหว่างรุ่นขยายตัว ขณะเดียวกัน การลดบทบาทของตำแหน่งงานระดับต้นยังทำให้ระบบการพัฒนาบุคลากรภายในองค์กรขาดช่องทางในการสร้างผู้เชี่ยวชาญรุ่นใหม่ ซึ่งอาจนำไปสู่ปัญหาการขาดแคลนแรงงานในอนาคต และกระทบต่อความสามารถในการแข่งขันของเศรษฐกิจโดยรวมในระยะยาว

ข้อเสนอเชิงนโยบายจาก TDRI

ข้อมูลปี 2568 ชี้ชัดว่า เราไม่อาจปล่อยให้กลไกตลาดจัดการปัญหานี้โดยลำพัง เนื่องจากตลาดย่อมมุ่งสู่ประสิทธิภาพสูงสุดด้วยการเฟ้นหาเฉพาะ ‘ยอดฝีมือ’ และทิ้ง ‘ต้นกล้า’ ไว้ข้างหลัง ข้อเสนอแนะเชิงนโยบายจึงไม่ใช่การขัดขวาง AI แต่คือการสร้าง ‘สะพาน’ เพื่อเชื่อม ‘ช่องว่างประสบการณ์’ (Experience Gap) ที่กำลังถ่างกว้างขึ้น

ภาคการศึกษาจำเป็นต้องเปลี่ยนเกณฑ์วัดผลจากการดูเพียง ‘ผลลัพธ์สุดท้าย’ สู่การให้ความสำคัญกับ ‘กระบวนการคิดและการตรวจสอบ’ เพื่อสร้างบัณฑิตที่ไม่ใช่แค่ผู้ใช้งาน (Users) แต่เป็นผู้รับผิดชอบและต่อยอดผลลัพธ์จาก AI ให้เกิดมูลค่าเพิ่มได้

ในขณะที่ภาคเอกชนต้องร่วมมือเปิดพื้นที่ให้เด็กจบใหม่ได้เติบโต ผ่านการออกแบบงานระดับเริ่มต้นใหม่และสร้างเส้นทางอาชีพรองรับสายงานที่มีความเสี่ยงถูกทดแทนได้สูง โดยมีรัฐเป็นผู้กำหนดแรงจูงใจ (Incentive) หรือมาตรการบังคับเพื่อให้เกิดการปรับโครงสร้างองค์กรแบบ ‘AI-Human Partnership’ ที่เน้นการทำงานร่วมกันมากกว่าการแทนที่เพื่อลดต้นทุน หากเราไม่เร่งซ่อมแซม ‘ท่อส่งกำลังคน’ (Talent Pipeline) ตั้งแต่วันนี้ ประเทศไทยอาจต้องเผชิญวิกฤตขาดแคลนแรงงานทักษะสูงอย่างรุนแรง ในวันที่ AI ถูกประยุกต์ใช้อย่างกว้างขวาง

ที่มา : The standard

วันที่ 12 กุมภาพันธ์ 2569