00 — แล้วฉันจะทำอะไร

เวลาบริษัทไม่แน่ใจกับอนาคต สิ่งแรกที่ทำมักไม่ใช่การไล่คนออก เพราะการไล่ออกมีต้นทุนสูง ทั้งค่าชดเชย ความรู้ที่เดินออกประตูไปพร้อมคน ขวัญกำลังใจของคนที่เหลือ และชื่อเสียงของบริษัทเอง สิ่งที่ง่ายกว่ามากคือ ไม่รับคนเพิ่ม ตำแหน่งที่ว่างก็ปล่อยว่างไว้ก่อน งานใหม่ก็ให้คนเดิมรับไป หรือลองให้เครื่องมือใหม่ช่วยดูก่อน

การไม่รับคนไม่เป็นข่าว ไม่มีใครถูกนับเป็นคนตกงาน มันเงียบ ถ้าอยากเห็นประตูบานนี้ ต้องดูตัวเลขอีกชุดที่ไม่ค่อยขึ้นพาดหัว คือจำนวนงานที่ เพิ่มขึ้น ในแต่ละเดือน จำนวนตำแหน่งที่เปิดรับ และจำนวนคนที่ลาออกไปหางานใหม่

ภาพที่เห็นแปลกมาก ก่อนโควิด เศรษฐกิจสหรัฐฯ สร้างงานใหม่ราวสองแสนตำแหน่งทุกเดือน ปี 2025 งานแทบไม่เพิ่มเลย เฉลี่ยเพียงหนึ่งหมื่นตำแหน่งต่อเดือน แต่อัตราว่างงานกลับแทบไม่ขยับตาม

เพราะอีกสองตัวเลขลดลงพร้อมกัน คนที่มีงานอยู่แล้วไม่ค่อยลาออก อัตราลาออกต่ำกว่าช่วงก่อนโควิด ส่วนบริษัทก็รับคนใหม่น้อยลง ตลาดแรงงานเหมือนถูกแช่แข็ง คนข้างในไม่ขยับ คนข้างนอกเข้าไม่ได้ นักเศรษฐศาสตร์เรียกภาพนี้ว่า "low-hire, low-fire" คือไม่ค่อยไล่ใครออก แต่ก็ไม่ค่อยรับใครเข้า

แล้วทำไมงานเพิ่มแค่หนึ่งหมื่นตำแหน่งแต่อัตราว่างงานไม่พุ่ง เหตุผลหลักไม่เกี่ยวกับ AI เลย ผู้อพยพที่เข้ามาน้อยลงและประชากรที่สูงวัยขึ้น ทำให้คนที่เข้ามาหางานใหม่มีน้อยลงมาก ธนาคารกลางสหรัฐฯ ประเมินว่าจำนวนงานที่ต้องเพิ่มแต่ละเดือนเพื่อให้อัตราว่างงานคงที่ ลดจากราว 160,000 ตำแหน่งในปี 2023 เหลือราว 30,000 เมื่อสิ้นปี 2025 และปี 2026 อาจเหลือไม่ถึงหนึ่งหมื่น งานที่เพิ่มเดือนละหนึ่งหมื่นจึงแค่พอดีกับคนที่เข้ามาใหม่ แต่คำว่า "พอดี" ในภาพรวม ไม่ได้แปลว่าพอดีสำหรับทุกคน

ถึงตรงนี้คุณอาจสงสัยเหมือนผม ถ้าคนข้างนอกเข้าไม่ได้ และคนที่ยืนอยู่ข้างนอกก็รวมถึงคนหนุ่มสาวทุกคนที่กำลังหางานแรก ทำไมอัตราว่างงานโดยรวมจึงแทบไม่ขยับ

คำตอบมีสามชั้น

ชั้นแรก คนหนุ่มสาวเป็นแค่ส่วนเล็กของกำลังแรงงาน คนอายุ 20–24 ปีในสหรัฐฯ มีราว 15–16 ล้านคน จากกำลังแรงงานทั้งหมดราว 170 ล้านคน ไม่ถึงหนึ่งในสิบ อัตราว่างงานของกลุ่มนี้ขยับจริง จาก 6.6% ในปี 2023 เป็น 8.3% ในปี 2025 แต่เมื่อไปรวมกับคนทำงานอีกกว่า 150 ล้านคน ตัวเลขนี้ก็เจือจางจนแทบมองไม่เห็นในอัตรารวม

ชั้นที่สอง หลายคนไม่ถูกนับเป็น "คนว่างงาน" เลย เพราะตามนิยามทางสถิติ คนว่างงานคือคนที่กำลังหางานอยู่ เด็กจบใหม่ที่หางานไม่ได้แล้วตัดสินใจเรียนต่อ หรือหยุดหาไปก่อน จะหายไปจากตัวเลขนี้ นักวิจัยของ Anthropic ที่ศึกษาเรื่องนี้ก็ชี้ว่า คนหนุ่มสาวจำนวนมากเพิ่งเข้าตลาดแรงงาน ยังไม่มีอาชีพให้บันทึก และอาจหลุดออกจากกำลังแรงงานไปเลย แทนที่จะปรากฏเป็นผู้ว่างงาน

ชั้นที่สาม คนที่ได้งาน ไม่ได้แปลว่าได้งานที่เรียนมา ธนาคารกลางสหรัฐฯ สาขานิวยอร์กติดตามคนจบปริญญาใหม่อายุ 22–27 ปี ไตรมาสที่สองของปี 2026 อัตราว่างงานของพวกเขาอยู่ที่ราว 5.6% สูงกว่าอัตรารวม แต่ตัวเลขที่น่าสนใจกว่าคือ 42% ของคนที่มีงานทำ ทำงานที่ไม่ต้องใช้ปริญญา ในสถิติพวกเขา "มีงาน" แต่ในชีวิตจริง ประตูที่ตั้งใจจะเดินเข้าไปยังปิดอยู่

อัตราว่างงานจึงเป็นเหมือนเครื่องวัดที่หยาบเกินไปสำหรับสิ่งที่กำลังเกิด เครื่องวัดนี้จับได้ว่าใครตกงาน แต่จับไม่ได้ว่าใครเข้าไม่ได้

เป็นเพราะ AI หรือเปล่า ต้องตอบตรง ๆ ว่ายังไม่มีใครรู้ การชะลอเริ่มตั้งแต่ปี 2023 ซึ่งเป็นช่วงที่เศรษฐกิจกำลังลงจากบูมหลังโควิด และธนาคารกลางสหรัฐฯ ขึ้นดอกเบี้ยอย่างหนัก งานวิจัยชิ้นหนึ่งจากข้อมูลของสำนักงานสำมะโนสหรัฐฯ ประเมินว่า มากถึงราวหนึ่งในสี่ของการที่คนรุ่นใหม่เข้างานได้น้อยลงอาจมาจากนโยบายดอกเบี้ย ส่วนธนาคารกลางสาขานิวยอร์กที่ดูประกาศรับสมัครงานก็สรุปว่า AI อาจมีส่วน แต่ไม่ใช่ตัวการหลักที่ทำให้การรับคนชะลอลง

ทีมนิวยอร์กยังไม่พบด้วยว่าความต้องการคนระดับต้นกับระดับอาวุโสแยกทางกัน ซึ่งดูเหมือนจะสวนทางกับงานวิจัยที่ผมจะเล่าถัดไป นี่คือสภาพจริงของหลักฐานตอนนี้ ข้อมูลต่างชุดกันยังให้คำตอบไม่ตรงกัน

แต่ไม่ว่าสาเหตุคืออะไร ผลที่ตามมาคือสิ่งเดียวกัน ประตูแคบลงแล้ว คำถามต่อไปคือ ใครยืนอยู่หน้าประตูบานนั้น

เดือนสิงหาคม 2026 ทีมของ Erik Brynjolfsson ที่ Stanford ใช้ข้อมูลเงินเดือนจริงของคนทำงานหลายล้านคนในสหรัฐฯ ติดตามเรื่องนี้ พาดหัวผลวิจัยของพวกเขามีสองท่อน

"No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%"

"ไม่มีการแทนที่คนเป็นวงกว้าง แต่ช่องว่างการจ้างงานจาก AI ของคนหนุ่มสาวกว้างขึ้นเป็น 19%"

ท่อนแรกตรงกับที่ Yale พบ คือยังไม่มีการแทนที่คนเป็นวงกว้างทั้งระบบเศรษฐกิจ

ท่อนที่สองคือสิ่งที่ตัวเลขรวมมองไม่เห็น

คนอายุ 22–25 ปีที่ทำงานในอาชีพที่ AI ทำแทนได้มาก อย่างนักพัฒนาซอฟต์แวร์ มีจำนวนต่ำกว่าที่ควรจะเป็นถึง 19% เมื่อเทียบกับคนวัยเดียวกันในอาชีพที่ AI ยังเข้าไม่ถึง ช่องว่างนี้กว้างขึ้นเรื่อย ๆ นับตั้งแต่ทีมวิจัยพบครั้งแรกในปี 2025 ส่วนคนทำงานที่มีประสบการณ์แล้ว ไม่พบช่องว่างแบบเดียวกัน

ที่สำคัญคือช่องว่างนี้เกิดขึ้นอย่างไร

"It operates primarily through reduced hiring of young workers rather than increased separations."

"กลไกหลักคือการรับคนหนุ่มสาวเข้าทำงานน้อยลง ไม่ใช่การให้คนออกจากงานมากขึ้น"

ไม่มีใครถูกไล่ออก บริษัทแค่รับคนใหม่น้อยลง ตรงกับภาพประตูสองบานที่เราเพิ่งดู สิ่งที่หายไปคือตำแหน่งที่ ไม่ได้เปิด คือเด็กจบใหม่ที่ส่งใบสมัครแล้วไม่มีใครเรียก และงานแรกที่ไม่เคยเกิดขึ้น

ในสายซอฟต์แวร์ ตำแหน่งงานที่เพิ่มขึ้นระหว่างพฤษภาคม 2025 ถึงพฤษภาคม 2026 มีถึง 71% เป็นตำแหน่งระดับ senior

ทีม Stanford เองก็ย้ำว่านี่เป็นการบรรยายสิ่งที่เห็น ยังไม่ใช่การพิสูจน์ว่า AI เป็น สาเหตุ แต่ถ้าถามว่าทำไมคนอายุน้อยถึงโดนก่อน ผมคิดว่ามีคำอธิบายที่ฟังขึ้น

งานแรกของคนจบใหม่มักเป็นงานที่แบ่งออกมาเป็นชิ้นได้ชัด มีโจทย์ มีตัวอย่างให้ดู และตรวจได้ง่ายว่าถูกหรือผิด เขียนโค้ดส่วนเล็ก ๆ สรุปเอกสาร ร่างรายงานฉบับแรก ค้นข้อมูลมาเรียงให้หัวหน้า งานแบบนี้คืองานที่ AI ทำได้ดีที่สุดพอดี

ส่วนสิ่งที่คนทำงานมาหลายปีมี ไม่ค่อยอยู่ในรูปของงานชิ้นเล็ก มันคือการรู้ว่าโจทย์ไหนควรทำก่อน รู้ว่าคำตอบไหนดูดีแต่ใช้จริงไม่ได้ รู้จักลูกค้า รู้ประวัติของระบบว่าทำไมมันถึงเป็นแบบนี้ สิ่งเหล่านี้เขียนเป็นคำสั่งให้ AI ได้ยาก นี่เป็นการตีความของผม ไม่ใช่ข้อสรุปของทีม Stanford แต่มันเข้ากับภาพที่เห็น ช่องว่างเกิดกับคนอายุน้อยในอาชีพที่ AI ทำแทนได้มาก ไม่ใช่กับคนมีประสบการณ์ในอาชีพเดียวกัน

ปัญหาคือ งานชิ้นเล็กพวกนั้นไม่ได้มีไว้แค่ให้งานเสร็จ มันเป็นที่ที่คนหนุ่มสาวเคยเรียนงาน ทำผิดแล้วมีคนแก้ ค่อย ๆ สะสมสิ่งที่วันหนึ่งจะกลายเป็นประสบการณ์ ขั้นบันไดขั้นแรกที่ดูไม่สำคัญ คือขั้นที่ทุกคนที่อยู่ข้างบนเคยเหยียบมาก่อน

ถ้าคุณเป็นคนหนุ่มสาวที่กำลังหางานแรก หรือเป็นพ่อแม่ที่ลูกกำลังจะเรียนจบ หรือเป็นคนที่เคยเป็นเด็กฝึกงานแล้วเติบโตมาจากงานแรกแบบนั้น ภาพนี้น่ากังวลกว่าข่าวเลิกจ้างมาก

เพราะถ้าไม่มีใครรับคนใหม่ วันหนึ่งจะเอา senior มาจากไหน

ความกลัวที่ลึกกว่าการตกงาน

ถึงตรงนี้ คุณอาจถอนหายใจได้ครึ่งหนึ่ง ถ้าคุณมีงานอยู่แล้วและทำมาหลายปี ข้อมูลบอกว่าคุณยังไม่ใช่กลุ่มที่โดนหนักที่สุด

แต่ผมไม่คิดว่าความกลัวของคุณจะหายไป เพราะผมไม่คิดว่าคุณกลัวการตกงานตั้งแต่แรก

สิ่งที่คุณกลัวจริง ๆ อาจเป็นสิ่งนี้

คุณไม่ตกงาน แต่คุณสำคัญน้อยลง

คุณยังมีตำแหน่ง ยังมีเงินเดือน ยังมีโต๊ะทำงาน แต่ความรู้ที่คุณสะสมมาสิบปี งานที่คุณเคยเป็นคนเดียวในทีมที่ทำได้ ทักษะที่เคยทำให้คนอื่นต้องมาถามคุณ ตอนนี้ใครก็พิมพ์ถาม AI ได้ภายในไม่กี่วินาที

คุณยังอยู่ แต่คุณกลายเป็นคนที่ใครจะมาแทนก็ได้

ลองนึกดูว่าอะไรทำให้คนคนหนึ่ง "สำคัญ" ในที่ทำงาน มันไม่ได้มาจากตำแหน่งอย่างเดียว มันมาจากการที่คนอื่นต้องพึ่งเรา เมื่อระบบล่มแล้วทุกคนหันมามองคุณ เมื่อลูกค้าถามเรื่องยากแล้วหัวหน้าส่งต่อมาให้คุณ ความสำคัญแบบนี้ให้ทั้งอำนาจต่อรองเรื่องเงินเดือน และความรู้สึกว่าตัวเองมีที่ยืน

ถ้าวันหนึ่งคำถามพวกนั้นไปถึง AI ก่อน สิ่งที่หายไปไม่ใช่งาน แต่คือเหตุผลที่คนต้องมาหาคุณ และเมื่อคนไม่ต้องมาหาคุณ ราคาของคุณในตลาดก็ค่อย ๆ ลดลงตาม แม้ในวันที่ชื่อคุณยังอยู่บนผังองค์กร

David Autor คนเดิม ผู้ศึกษาว่าเทคโนโลยีเปลี่ยนงานของมนุษย์อย่างไรมาหลายสิบปี พูดถึงความกังวลนี้ไว้ในพอดแคสต์รายการหนึ่งเมื่อต้นปี 2026 ว่า

"And so my concern is not about us running out of jobs per se. In fact, we're running out of workers. The concern is about devaluation of expertise."

"ความกังวลของผมจึงไม่ได้อยู่ที่ว่างานจะหมดไป อันที่จริงเรากำลังจะขาดแคลนคนทำงานด้วยซ้ำ สิ่งที่ผมกังวลคือความเชี่ยวชาญที่กำลังถูกลดค่า"

เขาอธิบายต่อว่า เมื่อเทคโนโลยีเข้ามาทำสิ่งที่คุณเคยทำ ความเชี่ยวชาญที่คุณลงทุนสร้างมาก็แทบหมดมูลค่าในตลาดไปในทันที ตัวอย่างที่เขายกคือนักแปล การแปลภาษาเป็นทักษะทางปัญญาชั้นสูง แต่วันนี้เครื่องแปลได้ดีพอแล้ว นักแปลที่เสียงานไม่ใช่ว่าหางานอื่นไม่ได้ แต่ "they're unlikely to find work that's as well paid" คือไม่น่าจะหางานที่ได้เงินเท่าเดิมได้

ข้อมูลจากตลาดจริงก็ชี้ไปทางเดียวกัน นักวิจัยที่ติดตามงานฟรีแลนซ์บน Upwork ก่อนและหลัง ChatGPT เปิดตัว พบว่าฟรีแลนซ์ในสายงานที่โดนกระทบหนัก อย่างงานเขียน ได้งานน้อยลงและรายได้ลดลง และยังพบหลักฐานเบื้องต้นด้วยว่า ฟรีแลนซ์ระดับท็อปกลับโดนกระทบมากกว่าคนอื่น

ข้อหลังนี้ฟังดูขัดสามัญสำนึก คนเก่งที่สุดน่าจะปลอดภัยที่สุดไม่ใช่หรือ แต่ถ้าคิดดี ๆ มันก็มีเหตุผล ส่วนต่างราคาของคนเก่งที่สุดมาจากการที่คุณภาพระดับนั้นหายาก เมื่อ AI ทำงานระดับ "ดีพอ" ได้แทบไม่มีต้นทุน ลูกค้าที่เคยยอมจ่ายแพงก็เริ่มถามตัวเองว่า ส่วนที่ดีกว่า "ดีพอ" นั้นคุ้มกับเงินที่จ่ายเพิ่มไหม และสำหรับงานจำนวนมาก คำตอบคือไม่คุ้ม

ต้องบอกด้วยว่า เรื่องนี้ไม่ได้เกิดกับทุกความเชี่ยวชาญเท่ากัน บางอย่างถูกลดค่า บางอย่างอาจมีค่าขึ้นด้วยซ้ำ การแยกให้ออกว่าอะไรเป็นอะไร คือสิ่งที่หนังสือเล่มนี้พยายามทำ

แต่สำหรับตอนนี้ ขอให้เห็นก่อนว่า นี่คือความกลัวที่ไม่มีตัวเลขว่างงานไหนจับได้ คุณไม่ได้หายไปจากสถิติ คุณแค่มีค่าน้อยลงในแบบที่ไม่มีใครนับ

คำถามที่แท้จริง

ถึงตรงนี้เรามีภาพสองภาพที่ดูขัดกัน

ภาพแรกบอกว่าไม่ต้องตกใจ งานโดยรวมไม่ได้หายไป คนส่วนใหญ่ยังทำงานเดิม

ภาพที่สองบอกว่ามีบางอย่างเปลี่ยนไปแล้ว ประตูสำหรับคนรุ่นใหม่แคบลง และความเชี่ยวชาญที่เคยมีค่ากำลังถูกลดราคา

ทั้งสองภาพจริง และเมื่อเอามาวางคู่กัน คำถามของเราก็ต้องเปลี่ยน

คำถามไม่ใช่ "AI จะเอางานฉันไปไหม" อีกต่อไป

คำถามคือ ถ้าสิ่งที่ฉันเคยทำได้ ใครก็ทำได้ แล้วอะไรที่ยังมีค่า

Autor ให้เบาะแสไว้ก่อนหน้านั้นแล้ว ในพอดแคสต์อีกรายการเมื่อกลางปี 2025 เขาอธิบายว่าความเชี่ยวชาญจะมีราคาในตลาดได้ ต้องมีสองเงื่อนไข ข้อแรกคือต้องผลิตสิ่งที่คนให้คุณค่า ข้อที่สองคือ

"it needs to be scarce."

"มันต้องขาดแคลน"

นี่คือกุญแจของหนังสือทั้งเล่ม

ของจะมีค่าได้ ไม่ใช่แค่เพราะมันดี แต่ต้องขาดแคลนด้วย น้ำจำเป็นต่อชีวิตมากกว่าเพชร แต่เพชรแพงกว่า ราคาไม่ได้บอกว่าของนั้นสำคัญแค่ไหน มันบอกว่าของนั้นหายากแค่ไหนเมื่อเทียบกับคนที่อยากได้

ความรู้ของคุณก็เช่นกัน มันไม่ได้มีประโยชน์น้อยลงเลย โค้ดที่คุณเขียนยังทำงานได้ รายงานที่คุณวิเคราะห์ยังถูกต้อง สิ่งที่เปลี่ยนคือมันไม่หายากอีกต่อไป ความรู้ของคุณเคยมีค่าเพราะต้องใช้เวลาหลายปีกว่าจะได้มา และมีคนไม่กี่คนที่มี วันนี้ AI ทำให้ความรู้ ความฉลาด และความสามารถในการทำงานหลายอย่างกลายเป็นของที่ ล้นเหลือ

เมื่อมองแบบนี้ คำถามที่ควรถามตัวเองจึงไม่ใช่ "ฉันเก่งพอหรือยัง" แต่คือ "อะไรที่ยังหายากอยู่"

เรากำลังเข้าสู่ยุคแห่งความล้นเหลือ

แต่ประวัติศาสตร์สอนเราอย่างหนึ่ง ทุกครั้งที่มนุษย์ทำให้ของบางอย่างล้นเหลือ ความขาดแคลนไม่ได้หายไป มันแค่ ย้ายที่

เมื่อข้อมูลล้นเหลือ ความสนใจของคนกลายเป็นของหายาก เมื่อสำเนาหนังสือพิมพ์ได้ไม่จำกัด สิ่งที่หายากคือการรู้ว่าเล่มไหนเชื่อถือได้ เมื่อดนตรีฟังฟรีได้ทุกเพลงในโลก คนกลับยอมจ่ายแพงขึ้นเรื่อย ๆ เพื่อไปยืนดูคนเล่นดนตรีตัวเป็น ๆ

เหตุผลที่มันย้ายที่ก็ไม่ซับซ้อน ของที่ล้นเหลือยังต้องผ่านอะไรบางอย่างก่อนจะกลายเป็นประโยชน์ ข้อมูลต้องมีคนอ่าน หนังสือต้องมีคนคัดว่าเล่มไหนควรเชื่อ เพลงต้องมีคนฟัง เมื่อต้นทางล้น คอขวดก็ย้ายไปอยู่ที่ขั้นที่ยังล้นไม่ได้ และมูลค่าก็ไหลไปรวมอยู่ตรงนั้น

ถ้าความฉลาดกำลังล้นเหลือ อะไรคือสิ่งที่กำลังจะขาดแคลน

ถ้าเรารู้คำตอบ เราจะรู้ว่าตัวเองควรเป็นอะไร ควรฝึกอะไร และควรสร้างอะไร

ผมอยากให้คุณเริ่มหาคำตอบจากภาพสองภาพที่เกิดขึ้นเกือบพร้อมกัน

Deezer แพลตฟอร์มสตรีมเพลงที่ใช้เครื่องมือตรวจจับเพลง AI ของตัวเอง รายงานว่าในเดือนมิถุนายน 2026 ช่วงสูงสุดมีเพลงที่ AI สร้างขึ้นทั้งเพลงอัปโหลดขึ้นแพลตฟอร์มราววันละเก้าหมื่นเพลง เกินครึ่งของเพลงใหม่ในแต่ละวัน ส่วนผลสำรวจที่ Deezer ทำไว้ก่อนหน้านั้นพบว่า เมื่อให้คนฟังเพลงแบบไม่บอกที่มา 97% แยกไม่ออกว่าเพลงไหน AI ทำ เพลงที่ฟังไม่ออกว่าใครทำ กลายเป็นของที่ผลิตได้ไม่จำกัด

ในช่วงเดียวกันนั้น ต้นเดือนกรกฎาคม 2026 รายการ America's Got Talent ออกอากาศการออดิชันของเด็กผู้หญิงวัยสิบหกจากภูเก็ต เธอเดินขึ้นเวทีพร้อมกีตาร์ไฟฟ้า Ibanez ตัวเก่าที่ผลิตตั้งแต่ปี 1978 อายุมากกว่าตัวเธอกว่าสามสิบปี เธอไม่ได้ร้องเพลงใหม่ เธอร้อง "Zombie" เพลงของวง The Cranberries ที่คนจำนวนมากเคยได้ยินมาแล้ว แต่ NBC สถานีที่ออกอากาศรายการรายงานว่า ภายในเก้าวัน คลิปการแสดงครั้งนั้นมียอดชมรวมบน YouTube, Instagram และ TikTok กว่าสองร้อยล้านครั้ง

ในปีที่เครื่องผลิตเพลงได้วันละเก้าหมื่นเพลง ทำไมผู้คนถึงหยุดดูเด็กคนหนึ่งเล่นเพลงของคนอื่นเป็นร้อยล้านครั้ง

ผมคิดว่าคำตอบของคำถามนี้ คือคำตอบของคำถามที่คุณถือมาตั้งแต่หน้าแรก เพราะสิ่งที่คนหยุดดู คือสิ่งที่ความล้นเหลือของ AI ยังให้ไม่ได้

และถ้าเราเข้าใจว่ามันคืออะไร เราจะรู้ว่าอะไรยังมีค่า ในวันที่ความฉลาดล้นเหลือจนไม่ใช่ของหายากอีกต่อไป

ที่มาและอ่านเพิ่ม

AI จะทำให้เราตกงานมั้ย - U.S. Bureau of Labor Statistics — อัตราว่างงาน 3.6% (พ.ย. 2022) และ 4.1% (ส.ค. 2026); อัตราการเลิกจ้าง 1.0% (JOLTS, พ.ย. 2022 และ ก.ค. 2026) - Yale Budget Lab ร่วมกับ Brookings, 2025 — "Evaluating the Impact of AI on the Labor Market: Current State of Affairs" (ต.ค. 2025) และฉบับติดตาม "Tracking the Impact of AI on the Labor Market" (อัปเดต ก.ย. 2026) - สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ (สศช.), 2569 — รายงานภาวะสังคมไทยไตรมาสแรก 2569 หัวข้อ "วิกฤตและโอกาส: อนาคตตลาดแรงงานไทยภายใต้การเข้ามาของ AI" - Challenger, Gray & Christmas, 2026 — รายงานการประกาศเลิกจ้างรายเดือน (ส.ค. 2026) และความเห็นของ Andy Challenger เรื่องการอ้าง AI ในประกาศเลิกจ้าง - Autor, Chin, Salomons & Seegmiller, 2024 — "New Frontiers: The Origins and Content of New Work, 1940–2018" (Quarterly Journal of Economics) - อ่านเพิ่ม: Humlum & Vestergaard — "Large Language Models, Small Labor Market Effects" (งานจากข้อมูลทะเบียนของเดนมาร์ก พบผลต่อรายได้และชั่วโมงทำงานเล็กมาก) - อ่านเพิ่ม: Jed Kolko (Brookings), มี.ค. 2026 — "Research on AI and the labor market is still in the first inning" (ทบทวนงานวิจัย และเตือนว่ายังเร็วเกินจะสรุปทั้งสองทาง)

ประตูที่แคบลงอย่างเงียบ ๆ - U.S. Bureau of Labor Statistics — ข้อมูลการจ้างงาน การลาออก และการรับคนใหม่ (CES, JOLTS) และอัตราว่างงานตามกลุ่มอายุ (CPS) - Federal Reserve Bank of Dallas (มี.ค. 2026) และ Federal Reserve Bank of Kansas City — บทวิเคราะห์ break-even employment growth ที่ลดลงจากการย้ายถิ่นที่น้อยลงและประชากรสูงวัย; ประมาณการปี 2026 ของคณะกรรมการธนาคารกลางสหรัฐฯ - Massenkoff & McCrory (Anthropic), มี.ค. 2026 — "Labor market impacts of AI: A new measure and early evidence" - Federal Reserve Bank of New York — "The Labor Market for Recent College Graduates" และบทวิเคราะห์ประกาศรับสมัครงานกับ AI (พ.ค. 2026) - Lee Tucker (U.S. Census Bureau), เม.ย. 2026 — "You're (not) Hired: Artificial Intelligence and Early Career Hiring in the Quarterly Workforce Indicators" (ข้อมูลทะเบียนของรัฐ; ประเมินด้วยว่าส่วนหนึ่งของการเข้างานที่ลดลงอาจมาจากนโยบายดอกเบี้ย) - Brynjolfsson, Chandar & Chen (Stanford Digital Economy Lab), ส.ค. 2026 — "Canaries in the Coal Mine?" ฉบับปรับ ("No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%") - Indeed Hiring Lab, ก.ค. 2026 — "AI and job postings: from destruction to creation"

ความกลัวที่ลึกกว่าการตกงาน - David Autor, ม.ค. 2026 — สัมภาษณ์ในพอดแคสต์ของ Issues in Science and Technology (เรื่องการลดค่าของความเชี่ยวชาญ และตัวอย่างนักแปล) - Hui, Reshef & Zhou, 2024 — "The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market" (Organization Science) - อ่านเพิ่ม: Society of Authors (สหราชอาณาจักร), 2024 — ผลสำรวจนักแปลและนักวาดภาพประกอบ 787 ราย: นักแปล 36% บอกว่าเสียงานให้ AI แล้ว และ 43% บอกว่ารายได้ลดลง

คำถามที่แท้จริง - David Autor, ก.ค. 2025 — สัมภาษณ์ในพอดแคสต์ Possible (เงื่อนไขสองข้อของความเชี่ยวชาญที่มีราคา) - Deezer, 2026 — รายงานสัดส่วนเพลง AI ในเพลงที่อัปโหลดแต่ละวัน; ผลสำรวจ Deezer/Ipsos ปลายปี 2025 (ผู้ตอบราวเก้าพันคนในแปดประเทศ) - NBC Insider, 2026 — รายงานการออดิชัน "Zombie" ของ Nene Royal และยอดชมในเก้าวันแรก