งานไหนที่จะโดน AI แทนที่ก่อน และงานของคุณเป็นหนึ่งในนั้นหรือไม่?

เมื่อต้นปีที่ผ่านมา Jaana Dogan วิศวกรระดับ Principal ของ Google โพสต์บน X ว่าเธอใช้ Claude Code สร้างระบบ distributed agent orchestrators ที่เคยต้องใช้เวลาหลายสัปดาห์ร่วมกับวิศวกรหลายคน แต่ตอนนี้เธอใช้ AI coding agent ช่วยงานและสามารถทำเสร็จได้ภายในไม่กี่ชั่วโมง

เรื่อง AI เข้ามาแทนที่พนักงานระดับเริ่มต้น หรือ junior ไม่ใช่เรื่องเรื่องไกลตัวอย่างที่คิด โปรแกรมเมอร์หลายคนเล่าว่า AI coding assistants อย่าง Cursor ทำให้พวกเขาเขียนโค้ดได้เร็วขึ้น 3-5 เท่า จากเดิมวันหนึ่งเขียนได้ 200 บรรทัด ตอนนี้กลายเป็น 1,000 บรรทัด

แต่สิ่งที่น่าสนใจคือ สิ่งที่กำลังเกิดขึ้นกับโปรแกรมเมอร์ กำลังจะเกิดขึ้นกับงานสำนักงานเกือบทุกประเภทภายใน 1-2 ปีนี้

บทสนทนาของเราตอนนี้ควรจะเปลี่ยนจาก "AI จะมาแทนที่งานเราหรือไม่" เป็น "งานชนิดไหนที่ AI จะมาแทนที่ก่อน งานของเราเป็นหนึ่งในนั้นหรือไม่ และเราจะเตรียมตัวได้อย่างไร?"

วิธีการเรียนรู้ของ AI สามารถบอกอะไรเราได้บ้าง

เบื้องหลังความสำเร็จของ AI ในการเรียนรู้ที่จะเขียนโค้ดคือเทคนิคที่เรียกว่า Reinforcement Learning (RL) หรือการเรียนรู้แบบเสริมแรง โดยโมเดล AI จะเรียนรู้ผ่านการลองผิดลองถูกซ้ำๆ หลายพันหลายหมื่นครั้ง แล้วได้รับคะแนน (grading) ว่าทำถูกหรือผิด ดีหรือไม่ดี เหมือนเด็กเรียนที่ฝึกแก้โจทย์คณิตศาสตร์แล้วมีครูผู้ฝึกสอนคอยให้คำแนะนำจนกระทั่งเก่งขึ้น

นักวิจัยแนวหน้าด้าน AI อย่าง Andrej Karpathy อดีต Director of AI ที่ Tesla ก็กล่าวว่า ความก้าวหน้าของ AI ในปี 2025 ส่วนใหญ่มาจาก RL ทั้งนั้น ไม่ใช่จากการขยายขนาดทำโมเดลให้ใหญ่ขึ้น แต่กลับมาจากการให้ AI ฝึกฝนในสภาพแวดล้อมที่สามารถ “ให้คะแนน” หรือทำการ “grading” ได้ง่าย

การเขียนโค้ดถูก automate ก่อนงานชนิดอื่นเพราะเหตุผลง่ายๆ คือเมื่อ AI เขียนโค้ด เราสามารถทดสอบหรือ รัน automated tests เพื่อตรวจสอบว่า "ถูก" หรือ "ผิด" ได้ทันที AI จึงได้รับ feedback ที่ชัดเจนและเป็นกลางหลายพันครั้ง จนเรียนรู้ได้อย่างรวดเร็ว

ซึ่งตอนนี้ AI labs ทุกแห่งกำลังใช้หลักการเดียวกันนี้สอน AI กับงานออฟฟิศ

มีรายงานว่า JPMorgan Chase และ Goldman Sachs กำลังใช้ AI เพื่อจ้างคนน้อยลง ซีอีโอของ Ford เตือนว่า AI จะแทนที่ผู้ปฏิบัติงานระดับ white-collar ไปครึ่งหนึ่ง ส่วน Marc Benioff ซีอีโอของ Salesforce กล่าวว่า AI กำลังทำงานของบริษัทไปถึง 50% แล้ว

ยิ่งกว่านั้น Anthropic มีแผนจะใช้เงินกว่า 1 พันล้านดอลลาร์ไปกับ RL environments เพื่อสอนให้ AI ทำงานเฉพาะทาง มีรายงานว่า OpenAI ซื้อเว็บไซต์ปลอม (mock-up) หลายร้อยเว็บในราคาเว็บละ 20,000 ดอลลาร์ เพื่อให้ AI ได้ฝึกฝนการทำงาน

สตาร์ทอัพจำนวนมากกำลังสร้าง "RL gyms" หรือสนามซ้อมที่ให้ AI ฝึกทำงานของเรา ตัวอย่างเช่น:

• สร้าง Excel จำลองให้ AI เรียนรู้ formulas และ pivot tables
• สร้าง Slack ปลอมให้ AI ฝึกส่งข้อความและประสานงาน
• สร้าง Salesforce จำลองให้ AI เรียนรู้ระบบ CRM

บริษัทเหล่านี้จ้างผู้เชี่ยวชาญ นักวิเคราะห์การเงิน ทนายความ นักบัญชี มาในตำแหน่ง "AI tutor" เพื่อออกแบบงานและสร้างเกณฑ์การให้คะแนน กระบวนการคือ: สร้างสภาพแวดล้อมจำลอง → สร้างงานหลักพัน → ให้ AI ฝึกซ้ำๆ → ตรวจสอบและให้คะแนน → ปรับปรุงโมเดล

ความเสี่ยงสามระดับที่จะบอกว่างานของคุณมีโอกาสถูกแทนที่มากแค่ไหน

Dario Amodei ซีอีโอของ Anthropic เตือนว่า AI อาจกำจัดงานระดับเริ่มต้น หรือ entry-level ระดับ white-collar ไปครึ่งหนึ่งภายใน 5 ปี แต่การเปลี่ยนแปลงนี้ไม่ได้กระทบทุกคนเท่าๆ กัน ขึ้นอยู่กับว่างานนั้น "ตรวจสอบได้ง่ายแค่ไหน"

Tier 1: ตรวจสอบง่าย = หายภายใน 1-2 ปี (80-90%)

งานเหล่านี้มี success criteria ที่วัดได้ชัดเจน ตัวอย่างเช่น:

Call center: ปัญหาได้รับการแก้ไขหรือไม่? คะแนนความพึงพอใจเท่าไหร่?

Data entry: ข้อมูลอยู่ในช่องที่ถูกต้องหรือไม่? ตรงกับแหล่งที่มาหรือเปล่า?

Scheduling: คนที่ต้องเข้าร่วมว่างหรือไม่? สร้าง meeting สำเร็จหรือไม่?

ประมวลผลเคลม: เอกสารตรงตามเงื่อนไขและแนบฟอร์มครบหรือไม่?

งานพวกนี้ AI สามารถฝึกฝนได้หมื่นครั้งใน RL gym และได้ feedback ที่ชัดเจนทุกครั้ง

Tier 2: ตรวจตาม rubric = หายบางส่วนภายใน 2-4 ปี (50-70%)

งานที่มีเกณฑ์การประเมินที่ชัดเจน แต่บางส่วนยังต้องใช้การประเมิณจากคน ตัวอย่างเช่น:

รายงานการเงิน: ผลลัพธ์ที่ AI ทำมีครบทุก section หรือไม่ (เช็กได้) การคำนวณถูกต้องหรือไม่ (เช็กได้) แต่การวิเคราะห์ strategy หรือกลยุทธ์อาจยังต้องใช้คน

Presentation: ข้อความสำคัญครบหรือไม่ (เช็กได้) ภาพชัดตาม standard หรือเปล่า (เช็กได้) แต่ความน่าสนใจและน้ำเสียงเหมาะสมหรือไม่ยังต้องการผู้อ่านมาประเมิณ

จุดสำคัญคือ ผู้เชี่ยวชาญกำลังถูกจ้างมาเขียน rubrics ที่ดี การวิเคราะห์จาก Evercore ประมาณการว่าประมาณหนึ่งในสามของหน้าที่ในงานเฉลี่ยของสหรัฐฯ สามารถถูก augment หรือ automate โดย generative AI ส่วนที่ตรวจสอบได้จะถูก automate ส่วนที่ต้องตัดสินใจยังเป็นของมนุษย์

Tier 3: ตรวจสอบยาก = ยังปลอดภัยอยู่ 5+ ปี (20-40% efficiency gains)

งานที่ต้องใช้ judgment ซับซ้อนและผลลัพธ์ขึ้นอยู่กับหลายปัจจัย:

Strategic consulting: ดีลนี้ดีหรือไม่? ความสำเร็จขึ้นอยู่กับการรักษาความสัมพันธ์ ความสามารถในการต่อรองและ change management ที่ต้องใช้เวลาหลายเดือนกว่าจะเห็นผล

Creative direction: เป็นเรื่องที่ประเมิณยาก มีผลกระทบระยะยาว และทำ A/B test ไม่ได้ง่ายๆ แต่ละสถานการณ์มีความเฉพาะเจาะจง

งานเหล่านี้ยากต่อการสร้าง RL gym และให้คะแนนในแบบที่ RL ต้องการ เกณฑ์ความสำเร็จยังเปลี่ยนไปตามบริบทและการประเมิณของคน

ข้อมูลจาก Microsoft ปลายปี 2025 แสดงว่ามี 5 ล้านงาน white-collar กำลังเผชิญกับการสูญหาย รวมถึง management analysts, customer service reps และ sales engineers การสำรวจพบว่า 61% ของผู้ปฏิบัติงาน white-collar เชื่อว่างานของพวกเขาจะถูกแทนที่ภายใน 3 ปี

แล้วเราควรปรับตัวหรือเตรียมตัวได้อย่างไร?

1. ประเมินความเสี่ยงของตัวเอง

ถามตัวเองว่า: งานประจำวันของฉัน ตรวจสอบได้ง่ายแค่ไหนว่า "ถูก" หรือ "ผิด"? ถ้าง่าย แปลว่าความเสี่ยงสูงที่จะถูก automate เร็ว

2. เลื่อนระดับตามความเสี่ยง

• อยู่ใน Tier 1? เริ่มเรียนรู้ทักษะ Tier 2 ทันที มุ่งเป้าไปเป็นคนที่ตรวจสอบผลลัพธ์ของ AI และจัดการ ในสิ่งที่ AI ทำไม่ได้
• อยู่ใน Tier 2? ใช้ AI อย่างจริงจัง กลายเป็น power user ที่ productive มากขึ้น แล้วขยับไปทำงานที่ต้องใช้การประเมิณจากคนให้มากขึ้น เช่น strategic thinking, stakeholder management
• อยู่ใน Tier 3? ค่อนข้างปลอดภัย แต่ทีม support อาจเล็กลง เรียนรู้ใช้ AI โดยตรงแทนที่จะมอบหมายให้น้องๆในทีมทำงานแทน

3. เข้าใจ pattern ของงานที่ตรวจสอบได้และไม่ได้

งานที่มี success criteria ที่ชัดเจน พยายามมอบให้ AI (แต่ต้องตรวจสอบ) งานที่ต้องใช้ judgment ซับซ้อน ทำเอง หมั่นสังเกตเวลา AI มั่นใจแต่ตอบผิด

สรุป

กระแส automation ไม่ได้กระทบทุกคนเท่าๆ กันรูปแบบที่กำหนดว่าอาชีพไหนถูก automate ก่อนคือ "ผลงานตรวจสอบได้ง่ายหรือไม่"

การที่บริษัทอย่าง Cursor ซึ่งเป็น AI สำหรับ coding มีการใช้งานอย่างแพร่หลายในหมู่โปรแกรมเมอร์เป็นสัญญาณเตือนว่า AI สามารถพัฒนาได้รวดเร็วในงานที่ตรวจสอบได้ง่าย และ AI labs หลายๆแห่งกำลังสร้าง AI ที่ทำงาน office ด้วยหลักการเดียวกัน

สิ่งสำคัญคือ เริ่มเตรียมตัววันนี้ เพราะการเปลี่ยนแปลงอาจจะจะเกิดขึ้นทีละน้อยก่อน แล้วจู่ๆ ก็เกิดการเปลี่ยนขึ้นอย่างรวดเร็ว ซึ่งอาจเร็วกว่าที่เราทุกคนคิด