- Dario Amodei ซีอีโอของ Anthropic เตือนว่า AI อาจทำให้ งานสำนักงานระดับเริ่มต้นครึ่งหนึ่ง หายไปภายในไม่กี่ปี แต่ไม่ได้ยกงานวิจัยหรือหลักฐานที่รองรับตัวเลข 50%
- คำพูดนี้เชื่อมโยงกับมุมมองที่ว่า AI จะเหนือกว่ามนุษย์ใน งานทางปัญญา เกือบทั้งหมด จนถูกวิจารณ์ว่าเป็นเรื่องเล่าแบบซิลิคอนแวลลีย์ที่ว่า “ทำลายทุกอย่างก่อน แล้วค่อยซ่อมทุกอย่าง”
- อนาคตที่ Amodei วาดไว้คือภาพที่การรักษามะเร็ง, เศรษฐกิจโต 10% ต่อปี, งบประมาณสมดุล และ อัตราว่างงาน 20% ดำรงอยู่พร้อมกัน โดยนักเศรษฐศาสตร์แรงงาน Aaron Sojourner มองว่านี่คือ “วิสัยทัศน์ที่สุดโต่งอย่างไม่เคยมีมาก่อน”
- Mark Cuban โต้แย้งว่าในอดีตงานเลขานุการและงานจดคำบอกในสำนักงานก็เคยถูกแทนที่มาแล้ว แต่ก็มีบริษัทและงานรูปแบบใหม่เกิดขึ้น จึงเป็นไปได้ว่า AI จะเพิ่ม การจ้างงานรวม
- Generative AI เก่งในงานบางอย่าง เช่น การสรุปเอกสารหรือเขียนอีเมลง่ายๆ แต่ยังมีปัญหาเรื่องภาพหลอน ข้อเท็จจริงพื้นฐานผิดพลาด และความเปราะบางต่อการถูกชักจูง จึงจำเป็นที่ Anthropic จะต้องพิสูจน์ให้เห็นทั้ง เส้นทางสู่ความเสี่ยงแบบทำลายล้างและวิธีแก้ไข
ข้อถกเถียงจากคำเตือนเรื่องงานของ Amodei
- Dario Amodei กล่าวในการให้สัมภาษณ์กับ Axios ว่า AI อาจทำให้ งานสำนักงานระดับเริ่มต้นครึ่งหนึ่ง หายไปในไม่ช้า
- เขามองว่าช่วงเวลาอาจเป็น “ภายในไม่กี่ปีข้างหน้า”
- หลังจากนั้นเขายังพูดในทำนองเดียวกันอีกในการสัมภาษณ์กับ CNN Anderson Cooper
- Amodei กล่าวว่า AI เริ่มทำได้ดีกว่ามนุษย์ใน งานทางปัญญา เกือบทุกประเภท และงานของเขาเองรวมถึงงานของซีอีโอคนอื่นก็ไม่ใช่ข้อยกเว้น
- ตัวเลขประมาณการ 50% ไม่มีงานวิจัยหรือหลักฐานแยกต่างหากรองรับ และคำพูดนี้ถูกวิจารณ์ว่าเป็น เรื่องเล่าปั่นกระแส AI ในทำนองที่ว่า “AI จะแก้ทุกอย่างได้ แต่ก่อนอื่นมันจะพังทุกอย่างก่อน”
- ภาพอนาคตอีกแบบที่เขาวาดไว้เป็นการอยู่ร่วมกันของทั้งความหวังและแรงกระแทก
- มะเร็งถูกรักษาได้
- เศรษฐกิจ เติบโต 10% ต่อปี
- งบประมาณสมดุล
- 20% ของผู้คนไม่มีงานทำ
- Aaron Sojourner นักเศรษฐศาสตร์แรงงานมองว่า หากจะให้การว่างงานสูงเกิดขึ้นพร้อมกับ GDP ที่เติบโตแรง ก็ต้องตั้งอยู่บนสมมติฐานว่า AI จะยกระดับผลิตภาพได้อย่างมาก
- เขากล่าวว่าถ้าการผสมกันแบบนี้จะเกิดขึ้นได้ ผลิตภาพแรงงานต้อง พุ่งขึ้น 30%
- โดยเปรียบเทียบว่าการนำคอมพิวเตอร์มาใช้ในช่วงทศวรรษ 1980–90 เปลี่ยนตลาดแรงงานก็จริง แต่การเพิ่มขึ้นของผลิตภาพแรงงานอยู่ที่เพียง 2–3%
ตำแหน่งของ Anthropic และข้อจำกัดจริงของ generative AI
- คำพูดของ Amodei ออกมาไม่กี่วันหลังจาก Anthropic เปิดตัวอัปเดตโมเดลหลักของแชตบอต Claude และ Anthropic เป็นบริษัทที่แข่งขันกับ ChatGPT ของ OpenAI
- Anthropic เรียกตัวเองเป็นหลักว่าเป็นบริษัทด้าน ความปลอดภัยและการวิจัย AI โดยผู้ก่อตั้งถูกอธิบายว่าเป็นคนที่ออกจาก OpenAI เพราะความเห็นต่างเชิงอุดมการณ์
- Amodei อยู่ในตำแหน่งที่จะได้รับประโยชน์จากเทคโนโลยีที่เขาเองบอกว่าอาจทำลายตลาดแรงงาน ทำให้คำเตือนของเขาถูกวิจารณ์ว่าดู คล้ายโฆษณามากกว่าการเตือนเพื่อประโยชน์สาธารณะ
- Mark Cuban ผู้มองบวกต่อ AI กล่าวใน โพสต์บน Bluesky โดยยกตัวอย่างว่าในอดีตงานเลขานุการและงานจดคำบอกในสำนักงานก็เคยถูกแทนที่ แต่ AI จะสร้างบริษัทใหม่ งานใหม่ และเพิ่มการจ้างงานโดยรวม
- Generative AI ที่อิง large language models อย่าง ChatGPT และ Claude แสดงจุดแข็งในงานบางประเภท
- สรุปเอกสาร
- เขียนอีเมลง่ายๆ
- ช่วยนักเรียนโกงการบ้าน
- แนะนำรายการหนังสืออ่าน
- เลียนแบบสไตล์จดหมายข่าว
- ขณะเดียวกัน ข้อจำกัดด้านความน่าเชื่อถือก็ปรากฏชัดอย่างรวดเร็ว
- เกิด ภาพหลอน
- ผิด ข้อเท็จจริงพื้นฐาน
- เปราะบางต่อ การชักจูง/บิดเบือน
- หากบริษัท AI จะเปลี่ยนตัวทำนายข้อความกึ่งน่าเชื่อถือเหล่านี้ให้กลายเป็นการปฏิวัติทางเศรษฐกิจได้ ก็ต้องพิสูจน์ศักยภาพนั้นให้เห็น และ Anthropic เองก็ต้องไม่หยุดแค่การส่งเสียงเตือนเรื่องความเสี่ยง แต่ต้องแสดงให้เห็นด้วยว่า AI จะก่อผลกระทบแบบทำลายล้างได้อย่างไร และ Anthropic จะแก้ได้อย่างไร
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
ผมมองว่า การเลิกจ้างพนักงานปกขาวจำนวนมาก ที่แท้จริงเกิดจากการสิ้นสุดของ ZIRP ซึ่งทำให้ประกาศรับสมัครงานซอฟต์แวร์ที่ดูเหมือนไม่มีวันหมดสิ้นจบลง และการเลิกจ้างเริ่มขึ้น
ตอนนี้การชี้ว่า AI เป็นสาเหตุนั้นทำได้ง่าย แต่ดูเหมือนเป็นเหยื่อล่อของการเปลี่ยนแปลงขนาดใหญ่ที่เกิดขึ้นไปแล้ว
https://fred.stlouisfed.org/graph/?g=1JmOr
ในแง่ขนาด ผลกระทบนั้นมหาศาลและยังคงดำเนินอยู่ ยังไม่กลับไปสู่ระดับก่อนปี 2020 และอาจไม่กลับไปก็ได้ หากตั้งประกาศรับสมัครงานก่อนโควิดเป็น 100 ซอฟต์แวร์อยู่ที่ระดับ 61
อย่างไรก็ตาม ตำแหน่งงาน IT อาจได้รับผลกระทบจาก AI อยู่บ้าง เพราะเห็นจุดเปลี่ยนที่แปลกชัดเจนแถวต้นปี 2025: https://fred.stlouisfed.org/graph/?g=1JmOv
หากเทียบกัน ประกาศรับสมัครงานก่อสร้างและพยาบาลสูงกว่าก่อนโควิด อยู่ที่ราว 120 และ 116 ตามลำดับ ส่วนภาคธนาคารยังอยู่ใกล้ 100
กระแสพูดถึง AI แบบร้อนแรงนั้นยืนยันตัวเองแรงมากจนแนวโน้มนี้คงแทบกลายเป็นประวัติศาสตร์ที่ถูกลืม อีก 10 ปีข้างหน้า ผู้คนอาจคิดว่าเหตุผลที่ Elon ลดพนักงาน Twitter ลง 90% เป็นเพราะโครงการริเริ่มด้าน AI และอาจไม่คิดว่าเป็นเพียงเพราะเขามองว่าสามารถบริหารให้คล่องตัวกว่านั้นได้มาก บริษัทอื่น ๆ ก็ถามคำถามเดียวกันมา 3–4 ปีแล้ว และ AI อาจมีผลต่อเรื่องนั้นในสักวัน แต่จนถึงตอนนี้การลดจำนวนพนักงานไม่จำเป็นต้องมีสิ่งนั้นมาเป็นตัวค้ำยัน
ในโลกที่เสพติดเกมสถานะ มันเป็นข้ออ้างเหมือนของขวัญจากสวรรค์
AI คงรับข่าวลบไปทั้งหมด แต่ท้ายที่สุดกระแสเงินทุนเป็นตัวกำหนดวิธีดำเนินธุรกิจ และนั่นกำหนดว่าซอฟต์แวร์แบบไหนจะถูกสร้างขึ้น นี่คือพื้นฐานของกฎของ Conway
การเลิกจ้างพนักงานปกขาวจำนวนมากใกล้เคียงกับการ ลดน้ำหนัก เพื่อสะสางความสูญเปล่าที่สะสมในยุค ZIRP ล้นเกินมากกว่า
เพราะผมแทบเอาตัวรอดจากช่วงนั้นมาได้ ผมจึงเห็นว่ารอบนี้จะมาเหมือนกัน และตอนที่บอกให้คนยึดงานไว้และหยุดย้ายงาน คนก็บอกว่าผมบ้า เพราะคนที่ย้ายงานบ่อย ๆ มักเป็นกลุ่มแรกที่ถูกเลิกจ้าง
ในปี 2000 ผมย้ายเมือง และมีตำแหน่งงานเตรียมไว้ที่บริษัทที่เพื่อน ๆ ของผมบริหารอยู่ มีเพื่อนดี ๆ ประมาณ 15 คนอยู่ที่บริษัทนั้นรวมถึง CEO มีตำแหน่งนักพัฒนาซอฟต์แวร์ที่รับประกันไว้ และการสัมภาษณ์ควรจะเป็นเพียงพิธีการ แต่หลังย้ายไปแล้วเมื่อได้เจอ CEO เขาบอกว่าเงินทุนถูกตัดและมีการอายัดการจ้าง จึงจ้างผมไม่ได้
หลังจากนั้นผมต้องทำฟรีแลนซ์ ขูดหาเงินให้ได้แม้แค่ไม่กี่ร้อยดอลลาร์ต่อเดือนเพื่อเอาชีวิตรอด โชคดีที่บ้านที่ย้ายเข้าไปเป็นบ้านหลังใหญ่ที่อยู่ร่วมกับเพื่อน ๆ จากบริษัทนั้น ค่าเช่าตอนนั้นจึงต่ำและช่วยพยุงผมได้หลายปี ท้ายที่สุดผมก็ได้งานฟรีแลนซ์จากบริษัทนั้นบ้าง แต่กว่าจะได้งานโปรแกรมเมอร์ประจำก็ปี 2004 และ 4 ปีก่อนหน้านั้นลำบากมาก
ช่วงโควิด บริษัทเทคโนโลยีมากเกินไปจ้างคนเกินตัว และมีฟองสบู่ขนาดใหญ่ใน FAANG และทั่วทั้งบริษัทเทคโนโลยีอื่น ๆ การล่มสลายของงานเทคโนโลยีเป็นสิ่งที่หลีกเลี่ยงไม่ได้
ผมเห็นใจคนที่ถูกทิ้งไว้ท่ามกลางความหนาวรอบนี้ และรู้ดีว่าพวกเขากำลังเจออะไร
แต่เรากลับเลือกการบริโภค และเงินโปรยจากฟากฟ้าก็สร้างงานไร้สาระขึ้นมาเพื่อให้คนซื้อของไร้สาระมากขึ้น เมื่อเงินโปรยจากฟากฟ้าหมดลง แล้วเห็นงานเหล่านั้นถูกตัดออกไป ก็เห็นได้ค่อนข้างชัด
AI อาจเพิ่มประสิทธิภาพได้อีก แต่สิ่งนั้นจะถูกเติมเต็มด้วยงานไร้สาระและการบริโภคที่มากขึ้น ไม่ใช่เวลาพักผ่อนที่มากขึ้น
ผมเคยทำงานที่บริษัทสองแห่งซึ่งมีมูลค่าตลาดเกิน 10,000 ล้านดอลลาร์ในยุค ZIRP และในการประชุมส่วนใหญ่ แรงงานความรู้ มากกว่าครึ่งที่เข้าร่วมไม่จำเป็นเลย
ทีมของเราถึงขั้นจ้างคนมาเข้าประชุมข้ามสายงานแทน เพราะตารางแน่นเกินไป บริษัทกำลังเติบโต และการจ้างคนมาเข้าประชุมก็ไม่ได้ทำให้ราคาหุ้นที่พุ่งขึ้นบาดเจ็บ นอกจากนี้ เมื่อจ้างคนเพิ่ม จำนวนคนใต้ VP ก็เพิ่มขึ้น และอิทธิพลก็เพิ่มขึ้นด้วย
ตลาดประเมินแค่การเติบโตของบริษัท ไม่ใช่ประสิทธิภาพ แต่สุดท้ายเมื่อเวลาผ่านไป ตลาดก็ต้องยอมจำนนต่อมูลค่า แล้วการจ้างงานที่โปะทับแบบนั้นก็ถูกตัดทิ้งทั้งหมด ทั้งสองบริษัทเลิกจ้างคนมากกว่า 10,000 คนในเวลาต่อมา
AI เป็นแพะรับบาป และในความเป็นจริง งานแรงงานความรู้จำนวนมากที่ AI ว่า “เข้ามาแทนที่” นั้นตั้งแต่แรกก็ไม่ได้สร้างคุณค่าจริง
ผมมองว่าผู้จัดการผลิตภัณฑ์ที่ยอดเยี่ยมนั้นมีค่าดั่งทอง แต่ PM จำนวนมากที่ผมเจอในยุค ZIRP แทบจะเป็นคนอัปเดต Jira กับคนจัดตารางประชุมมากกว่า คนจากวงการเทคที่ตอนนี้หางานยากจำนวนมากเป็นตำแหน่ง “ใกล้เคียง” อย่าง agile coach หรือ TPM แน่นอนว่าผมเห็นใจพวกเขามาก หลายคนทำงานหนักและสร้างความสามารถมาตลอดหลายปี แต่บทบาทเหล่านี้เดิมทีก็ “เลือกมีหรือไม่มีก็ได้” ในระดับหนึ่ง
ผมมองว่าการลดลงของการจ้างงานเทคโนโลยี นอกจากการจ้างเกินตัวแล้ว การย้ายงานไปต่างประเทศ มีส่วนรับผิดชอบมากกว่า AI มาก เทคโนโลยีวิดีโอคอลดีขึ้นและแพร่หลายจริง ๆ ในช่วงปลายทศวรรษ 2010 โดยเฉพาะในหมู่คนทำงานจากบ้าน และหลังจากนั้นผมก็เห็นผู้รับเหมาจากต่างประเทศเพิ่มขึ้นแบบระเบิด หากหลายคนทำงานทางไกลอยู่แล้ว เพื่อนร่วมงานจะอยู่เมืองเดียวกันหรือคนละทวีปก็ไม่สำคัญ ขอแค่มีเวลาทำงานทับซ้อนกันพอสมควรในแต่ละวันก็พอ ดังนั้นผมจึงเห็นการย้ายงานไปต่างประเทศสู่ Latin America และ Europe มากพอ ๆ กับ India
ช่วงหนึ่งอุตสาหกรรมซอฟต์แวร์บ้าคลั่งจริง ๆ เป็นยุคที่เพิ่งจบมหาวิทยาลัยพร้อมปริญญา CS จากที่ไม่ดังแล้วได้ 120,000 หรือ 150,000 ดอลลาร์ และในตอนนั้น 120,000 ดอลลาร์คือ 120,000 ดอลลาร์จริง ๆ เสียงเพลงนั้นสักวันก็ต้องหยุดลง
มีคนประเภท “จะฟังอยู่เงียบ ๆ เหมือนแมลงวันเกาะผนัง” หรือ “จะเป็นคนจดบันทึกการประชุม” อยู่มาก และส่วนใหญ่ไม่ได้มีส่วนร่วมอะไรเลย
อยากให้ใครสักคนช่วยอธิบายเรื่องนี้ให้เข้าใจในอีกมุมหนึ่ง
ถ้าเครื่องมือเหล่านี้ทำให้คนมี productivity เพิ่มขึ้นได้จริงขนาดนั้น มันก็ควรจะเห็นได้ชัดเจนจนเจ็บปวดใน output ของบริษัทไม่ใช่หรือ? เช่น ถ้าเครื่องมือเขียนโค้ดด้วย AI สุดท้ายแล้วเป็นการเพิ่ม productivity อย่างน่าทึ่งจริง เราก็ควรเห็นบริษัทซอฟต์แวร์ปล่อยฟีเจอร์และการแก้ไขต่าง ๆ ได้เร็วกว่าเดิมอย่างไม่เคยมีมาก่อน ควรมีผลิตภัณฑ์เชิงนวัตกรรมและการปรับปรุงผลิตภัณฑ์เดิมทะลักออกมาอย่างมาก และลูกค้ากับผู้ใช้ควรรู้สึกได้ชัดเจน ไม่ใช่แค่ในบล็อกโพสต์หรือการแถลงผลประกอบการ
ถ้าเป็นฝ่ายต้นทุน ก็อาจนำไปสู่การเลิกจ้างทันทีได้ แต่ถ้าเป็นบริษัทที่สร้างและขายซอฟต์แวร์ ก็ควรนำสิ่งนี้ไปใช้ และควรลดคนก็ต่อเมื่อมาถึงจุดที่ว่า “ไม่รู้จะเอา productivity ที่เพิ่มมานี้ไปใช้ตรงไหนแล้ว ไอเดียหมดแล้ว” ผมยังไม่เห็นบริษัทไหนสักแห่งที่อยู่ในสถานการณ์แบบนั้น
ดังนั้นการตัดสินใจแบบนี้จึงดูเป็น การคิดระยะสั้นที่ถูกกระแสคำพูดเกินจริงลากไป
ตัวอย่างเช่น ผมก่อตั้งบริษัท SaaS ช่วงปลายปีที่แล้ว และกำลังเติบโตเร็วมาก แนวโน้มคือจะเกิน ARR 1 ล้านดอลลาร์ก่อนวันเกิดปีแรกของบริษัท เป็นบริษัทแบบ bootstrapped เต็มตัว ผู้ก่อตั้งถือหุ้น 100% และมีคน 2 คน ผมมั่นใจว่าเราสามารถรักษาอัตราการเติบโตนี้ไปได้อีกค่อนข้างนานโดยไม่ต้องจ้างคนหรือรับเงินลงทุน แน่นอนว่าอาจโต้แย้งได้ว่าถ้ามีเงินหรือคนมากกว่านี้ ก็อาจเพิ่มอัตราการเติบโตได้อีก
ในบริษัทอื่น ๆ ช่วงต้นอาชีพของผม เมื่อเกิดปัญหา capacity ก็มักแก้ด้วยการจ้างคน แต่ผมกับผู้ร่วมก่อตั้งแก้ได้ด้วย AI และยังคงหา productivity improvement ระดับเลขสองหลักเป็นเปอร์เซ็นต์ได้เรื่อย ๆ โดยไม่ต้องใช้เวลาลงทุนล่วงหน้ามากนัก ผมมองว่านี่เป็นสิ่งที่เป็นไปไม่ได้เลย ไม่ใช่แค่ตอนผมเริ่มทำงานเท่านั้น แต่แม้กระทั่งเมื่อไม่กี่ปีก่อน ก่อนที่ AI จะเริ่มบูมจริงจัง
ทฤษฎีของผมว่าทำไมมันถึงไม่ “เห็นได้ชัดเจนจนเจ็บปวด” คือ เพราะธุรกิจส่วนใหญ่ที่ได้คุณค่าสูงสุดจากเทคโนโลยีนี้เป็นธุรกิจที่เราไม่เคยได้ยินชื่อ เพราะทุกแห่งเล็กเกินไป บริษัทที่เรารู้จักโดยเฉลี่ยแล้วเป็นบริษัทใหญ่ บริษัทใหญ่ปรับตัวและสร้างตัวเองใหม่ให้เข้ากับเทคโนโลยีใหม่ภายในคืนเดียวได้ยากมาก และการหันหัวเรือลำใหญ่ต้องใช้เวลานาน แต่ ธุรกิจขนาดเล็ก อย่างบริษัทของผมสามารถเปลี่ยนวิธีทำงานวันนี้ และเห็นผลลัพธ์ได้พรุ่งนี้
คอขวดไม่ใช่ productivity ทางปัญญา คอขวดคือกฎระเบียบ กฎหมายทรัพย์สินทางปัญญา การตลาด และอีกสารพัดเรื่อง ในหัวของผู้บริหารที่เขียนอีเมลและเข้าประชุม มีข้อพิจารณาทางธุรกิจสารพัดอย่างปะทะกันอยู่ตลอดไป การจะ monetize ทุกอย่างอย่างปลอดภัยต้องใช้สิ่งที่เรียกว่าความคิดอันยอดเยี่ยมจำนวนมาก และปัจจัยที่เกี่ยวข้องจำนวนไม่น้อยก็ไม่ได้ปรากฏเป็นลายลักษณ์อักษรที่ไหนเลยด้วยเหตุผลทางกฎหมาย
หนึ่งในพื้นที่ที่ AI กำลังเขย่าคือ งานวิจัย นักวิจัยกำลังนำโมเดลไปประยุกต์ใช้ในวิธีใหม่ ๆ และสร้างความก้าวหน้าจริงในคณิตศาสตร์ การแพทย์ และสาขาอื่น ๆ อีกพื้นที่หนึ่งคือ “การสร้างสรรค์” ทางศิลปะ โดยเฉพาะศิลปินกราฟิก คนเหล่านี้เป็นผู้ได้รับผลกระทบกลุ่มแรก และมีแนวโน้มสูงที่จะถูกแทนที่อย่างสมบูรณ์ในอนาคตอันใกล้ อีกสักระยะ นักเขียน นักแสดง และกลุ่มอื่น ๆ ก็น่าจะตามมา
https://www.ft.com/content/4f20fbb9-a10f-4a08-9a13-efa1b55dd...
Goldman Sachs มีพนักงาน 46,000 คน ในจำนวนนั้นเป็นวิศวกร 11,000 คน และบอกว่ากำลังใช้ AI ในการร่างเอกสารยื่นต่อสาธารณะ
Solomon บอกว่า การร่าง S-1 ฉบับร่าง ซึ่งเป็นแบบแสดงรายการจดทะเบียนครั้งแรกของ IPO เคยใช้ทีม 6 คนและใช้เวลา 2 สัปดาห์ แต่ตอนนี้ AI ทำได้ถึง 95% ภายในไม่กี่นาที
กล่าวคือ “ตอนนี้ 5% สุดท้ายคือส่วนสำคัญ เพราะส่วนที่เหลือกลายเป็นสินค้าโภคภัณฑ์ไปแล้ว”
ในสายตาผม นี่คือการเปลี่ยนแปลงครั้งใหญ่ junior investment banker ไม่ได้ถูก และมี total compensation อย่างน้อยปีละ 150,000 ดอลลาร์
ตัวอย่างเช่นบทความนี้: https://sourcegraph.com/blog/revenge-of-the-junior-developer
ถ้าอย่างนั้น ราวปี 2027 ฝูง autonomous AI agent ก็ควรบินว่อนอยู่รอบ ๆ bug report ทุกใบ และแก้ได้เร็วกว่ามนุษย์หลายเท่า เยี่ยมเลย ถ้าอย่างนั้นราวปี 2028 ซอฟต์แวร์ที่เต็มไปด้วยบั๊กก็คงกลายเป็นเรื่องในอดีต แน่นอนว่าเฉพาะบริษัทที่นำ AI มาใช้อย่างเต็มรูปแบบเท่านั้น
ผมตั้งตารออนาคตที่โครงการ IT ไม่เกินกำหนดเวลาและงบประมาณ และสร้างคุณค่าได้มากกว่าที่คาดไว้จริง ๆ จะโทษผมได้ไหมถ้าผมคิดว่านี่มันดีเกินกว่าจะเชื่อ?
ใน ระบบซับซ้อน ผลของการเปลี่ยนแปลงขนาดใหญ่ภายในไม่จำเป็นต้องรับรู้ได้เสมอไป โดยเฉพาะเมื่อสิ่งที่ใช้เป็นหลักฐานตอนนี้เป็นเพียงตัวอย่างจากประสาทสัมผัสขนาดเล็กมาก
เราไม่ได้มีภาพรวมว่าบริษัทโดยเฉลี่ย deploy การเปลี่ยนแปลงโค้ดใหม่ได้เร็วแค่ไหน และผมก็ไม่รู้ว่าทำไมถึงคิดว่าเราจะรู้เรื่องนั้นได้ การปล่อยฟีเจอร์สาธารณะให้ end user ไม่ใช่แม้แต่สัญญาณที่ดี มันเป็นผลิตภัณฑ์ปลายน้ำ และเป็นเพียงส่วนเล็ก ๆ ของซอฟต์แวร์ที่ถูกเขียนขึ้นเท่านั้น
คล้ายกับการเดินในห้างแล้วคิดว่าตัวเองจับบรรยากาศการเปลี่ยนแปลงของจำนวนผู้อพยพที่เข้าประเทศในแต่ละเดือนได้
สิ่งที่ AI จะกำจัดคือ งานปกขาว ที่คนใช้วันทำงานเหมือนเดินละเมอ และทำทุกอย่างแบบลวก ๆ แค่ครึ่งเดียว
ในปี 2025 เราสามารถให้ LLM ทำสิ่งนั้นแทนได้ น่าเสียดายที่ผู้บริหารที่คิดว่า AI เป็นสิ่งทดแทนงานจริงได้อย่างชอบธรรม จะมองไม่เห็นความแตกต่างนี้
ดูเหมือนเราจะได้เห็น CEO ที่หลอกง่ายระเบิดบริษัทตัวเองเพราะผลลัพธ์นั้น ส่วนที่เหลือจะรอดหรือไม่คงต้องดูกันต่อไป แน่นอนว่า CEO คงไม่เป็นไร
AI ไม่ได้แก้เรื่องนั้นได้ ต่อให้ตัดพนักงานออก 50% ก็ไม่ได้แปลว่ากำจัด 50% ล่างออกไป ในกรณีเลวร้ายที่สุด และแม้แต่โดยเฉลี่ย การคัดเลือกก็จะเกือบเป็นการสุ่ม สุดท้ายก็จะเหลือคนทำงานแย่ในสัดส่วนเท่าเดิม
ที่แย่กว่านั้นคือ เพราะตัวชี้วัดห่วย ๆ อาจทำให้เราเลือกเก็บคนทำงานแย่ที่สุดไว้เสียเอง ซึ่งเกิดขึ้นบ่อยกว่าที่เราอยากคิด
ผู้จัดการที่ไม่เข้าใจการทำงานจากบ้าน คือคนที่ทั้งชีวิตเคยทำแต่คุยไปมาในออฟฟิศ ดังนั้นจึงไม่เข้าใจว่าการนั่งคิดเงียบ ๆ ในที่สงบเป็นงานและสร้างคุณค่าให้บริษัทได้อย่างไร
นี่เป็นความล้มเหลวครั้งใหญ่ในการยอมรับว่า ในธุรกิจหนึ่ง ๆ คนต่างกันทำงานต่างกัน
บางคนทำงานช้า บางคนเร็วกว่า หรือมีประสิทธิภาพและผลิตผลมากกว่า แต่ทุกคนล้วนถูกกดดันด้วยงานมากเกินไป เห็นได้ชัดเสมอว่าต้องการคนเพิ่ม แต่ supposedly งบประมาณเป็นตัวขวาง
ดังนั้นสถานการณ์ที่บรรยายมาจึงเหมือนตำนานสำหรับผม/ฉัน อย่างไรก็ตาม บริษัทอเมริกันร่ำรวยมาก หรืออย่างน้อยก็มีมูลค่าประเมินสูงมาก และนักลงทุนก็มีที่ให้โยนเงินลงไปมากมาย ดังนั้นเรื่องแบบนั้นอาจเกิดขึ้นจริงก็ได้
ถ้าคำพูดนั้นเป็นจริง ในฐานะผู้บริโภคก็คงต้องคาดหวังผลิตภัณฑ์ที่เหมือนละเมอมากขึ้นและทำเสร็จแค่ครึ่งเดียวมากขึ้น เพียงแต่ผู้สร้างมันคือ AI เท่านั้น
AI จะคลิกโฆษณาและซื้อ iPhone ให้หรือ?
มีปัญหาใหญ่ชัดเจนที่ งานระดับเริ่มต้น ถูก AI เข้ามาแทนที่
ทำไมต้องจ้างอินเทิร์นหรือเด็กจบใหม่ที่ยังขาดทั้งความเชี่ยวชาญและประสบการณ์ในการทำงานที่ AI อาจทำได้?
แน่นอนว่า AI เองก็อาจต้องมีคนจับมือพาและป้อนพรอมป์ตให้ แต่ AI ถูกกว่า หรือในความเป็นจริง “ฉลาดกว่า” ในหลายกรณีก็ทั้งสองอย่าง
เราทำงานกับคนที่เราเชื่อว่ามีศักยภาพและความสามารถที่จะเก่งขึ้นได้ในสักวันหนึ่ง แต่การลงทุนเวลาและทรัพยากรเพื่อทำให้พวกเขาไปถึงจุดนั้นสูงมาก จึงมักเลือกใช้ AI จัดการงานที่เดิมจะมอบหมายให้พวกเขา เพราะต้องการตอนนี้และต้องการเร็ว ถ้าส่งให้คนทำ ก็จะไม่ได้เร็ว และต้องวนให้ฟีดแบ็กกับตรวจทานหลายรอบเพื่อให้ได้สภาพที่ใช้งานได้
เพราะเป็นคน กำหนดส่งจึงเลื่อนไป 2–3 วันทำการ ในขณะที่ AI สามารถป้อนพรอมป์ตและจับมือพาให้เสร็จได้ภายใน 3 ชั่วโมง
ไม่ได้หมายความว่า AI เป็นของขวัญจากพระเจ้า แต่เด็กจบใหม่กับบทบาทระดับเริ่มต้นค่อนข้างลำบากแล้ว
แนวคิดดั้งเดิมของอินเทิร์นคือเป็นตำแหน่งฝึกอบรม ผลิตภาพสุทธิติดลบจึงเป็นเรื่องถูกต้องแล้ว
โครงสร้างคือ หลังจบอินเทิร์น คนที่ถูกฝึกจะอยู่ต่อกับบริษัท หรือย้ายไปบริษัทอื่นพร้อมลำดับความสำคัญจากการฝึกนั้น
แต่ทุกวันนี้ HR ของบริษัทกลับทำสิ่งที่เสียเปรียบต่อพนักงานอย่างแข็งขัน และพนักงานเองก็หมุนเวียนมากจนแทบจำชื่อผู้จ้างงานได้อย่างฉิวเฉียด ทั้งหมดจึงกลายเป็นแบบฝึกหัดที่แทบไม่มีคุณค่า
ที่บริษัทเก่าของผม/ฉัน เราเคยฝึกอินเทิร์นชาวญี่ปุ่น พวกเขามักย้ายมาอยู่สหรัฐฯ ด้วยวีซ่า 2 ปี และเมื่อกลับญี่ปุ่นก็กลายเป็นวิศวกรที่ดีมาก คุ้มค่าอย่างยิ่ง
และอินเทิร์นกับเด็กใหม่ก็ใช้ AI ได้เช่นกัน เรื่องนี้ให้ความรู้สึกเหมือนถามว่า “มีคอมไพเลอร์แล้วจะจ้างโปรแกรมเมอร์จูเนียร์ไปทำไม? ก็ไม่ต้องมีคนเขียนแอสเซมบลีที่น่าเบื่อแล้วนี่”
ถ้า AI เป็นการเพิ่มผลิตภาพครั้งใหญ่จริง ๆ ก็จะเปลี่ยนมันเป็นซอฟต์แวร์ ฟีเจอร์ การเพิ่มประสิทธิภาพ ฯลฯ ที่มากขึ้น เหมือนที่ผู้คนทำกับการพัฒนาผลิตภาพจากคอมพิวเตอร์และซอฟต์แวร์ตลอด 75 ปีที่ผ่านมา
ถ้าวันนี้จ้างอินเทิร์น ก็ต้องดูแลมาก เป็นต้นทุนสุทธิต่อองค์กร และให้ประโยชน์เพียง modest
อินเทิร์นในวันพรุ่งนี้จะคุ้นเคยกับการใช้ AI ต้องดูแลน้อยลง และใช้ AI ผลิตงานได้มากขึ้น ผลกระทบโดยรวมอาจใหญ่ขึ้นมาก
มุมมองที่ว่า “ระดับเริ่มต้นจบเห่แล้ว” จะสมเหตุสมผลก็ต่อเมื่อสมมติว่าบริษัทต้องการข้อเสียทั้งหมดของอินเทิร์นและพนักงานระดับเริ่มต้น ขณะเดียวกันก็สมมติว่างานที่ต้องทำมีจำกัด ตรรกะจึงกลายเป็นว่าสามารถได้ข้อเสียนั้นจาก AI ในราคาถูกกว่า
แต่ดูไม่เป็นแบบนั้น ผม/ฉันคิดว่าพนักงานระดับเริ่มต้นหนึ่งคนที่ใช้ AI เป็นและทำผลงานได้เท่ากับ 6 คนย่อมดีกว่ามาก ตั้งแต่สตาร์ตอัปคนเดียวไปจนถึงบริษัทเทคโนโลยีที่ใหญ่ที่สุด ทุกที่ที่ผม/ฉันเคยทำงานมีงานที่ต้องทำเหลืออยู่อีกมหาศาล ดังนั้นทุกคนจึงพูดถึงการจัดลำดับความสำคัญอย่างโหด ๆ
ถ้าอย่างนั้น ทำไมระดับเริ่มต้นถึงจบเห่กันแน่?
เพราะต้นทุนการลงมือทำลดลง จึงจัดการเอง
การมอบหมายงานที่นิยามอย่างถูกต้องไม่ได้รวมแค่งาน แต่รวมถึงการส่งต่อการตัดสินผลลัพธ์และความเป็นเจ้าของด้วย การมอบหมายงานที่สมบูรณ์คือการไว้ใจให้อีกฝ่ายทำ เพราะเชื่อว่าเขาจะตัดสินใจเหมือนเรา หรืออย่างน้อยก็ตัดสินใจในแบบที่เราเคารพและเข้าใจได้
เราไม่สามารถมอบหมายงานให้ AI ได้อย่างสมบูรณ์ และพูดตรง ๆ ก็ไม่ควรทำด้วย AI ต้องการพรอมป์ต การตีความ และการประมวลผลหลังงานเสร็จ คนที่ยังต้องคิดก็คือคุณ ต้นทุนการลงมือทำต่ำ แต่ต้นทุนการตัดสินใจยังอยู่ที่คุณ นั่นไม่ใช่การมอบหมายงาน แต่เป็นการช่วยลงมือปฏิบัติ
ในทางกลับกัน มนุษย์สามารถรับมอบหมายงานจริง ๆ ได้ เมื่อเวลาผ่านไป พวกเขาจะซึมซับเป้าหมาย ปรับตัวเข้ากับบริบท และรับผิดชอบในแบบที่ AI ไม่มีวันทำได้
มีหลายเหตุผลที่ AI ไม่สามารถมาแทนที่ตำแหน่งของคุณได้ ประการแรกคือ บริบทที่ตื้น มันไม่รู้บรรทัดฐานขององค์กร ความคาดหวังโดยนัย หรือรายละเอียดเฉพาะโดเมนที่ไม่ได้ระบุไว้ในพรอมป์ตหรือ codebase ประการที่สอง มันไม่มีอะไรได้เสีย AI ไม่มีอาชีพ ชื่อเสียง หรือผลลัพธ์ของตัวเอง มนุษย์จูเนียร์ที่ได้รับการฝึกและความไว้วางใจ ไม่ได้แค่เร็วขึ้น แต่กลายเป็นคนที่รับผิดชอบได้อย่างอิสระ
จูเนียร์และอินเทิร์นก็ใช้เครื่องมือ AI ได้เช่นกัน
นี่ให้ความรู้สึกเหมือนเป็นการ ถีบบันไดทิ้ง หลังจากตัวเองปีนขึ้นมาแล้วในขั้นสุดยอด
ในอดีต ผู้คนคาดการณ์ผลกระทบของเทคโนโลยีใหม่ต่อ งานเดิม ๆ ได้ค่อนข้างดี
แต่กลับแย่มากในการคาดการณ์ว่าเทคโนโลยีนั้นสุดท้ายแล้วจะสร้างงาน อาชีพ และอุตสาหกรรมใหม่อะไรขึ้นมา
เพราะอย่างนั้น เศรษฐกิจตลาดเสรีจึงสร้างความมั่งคั่งได้มากกว่าเศรษฐกิจแบบวางแผนจากส่วนกลางเมื่อเวลาผ่านไป ตลาดเสรีทำให้ผู้คนจำนวนมากขึ้นได้ลองไอเดียที่ดูเผิน ๆ เหมือนบ้า และรับรู้ไอเดียที่ดีได้เร็วกว่า พร้อมย้ายทรัพยากรไปทางนั้น
เมื่อไม่มีการคาดการณ์ที่เชื่อถือได้ การตอบสนองอย่างรวดเร็ว เป็นฝ่ายชนะ
ไม่ว่าอย่างไร ต่อให้ AI “ทำลาย” งานไวต์คอลลาร์เดิม ๆ อย่างมหาศาล ก็ไม่ได้แปลว่าจะต้องเกิดการว่างงานครั้งใหญ่เสมอไป แต่เป็นข้อสรุปที่พบได้บ่อยเสียจนมีคำเรียกเชิงดูหมิ่นว่า Luddite
และตอนนี้ฝั่งตรงข้ามของ Ludditism ก็เห็นได้ในหมู่ผู้สนับสนุน AI พวกเขาเรียกแรงกระแทกมหาศาลต่องานปัจจุบันเหมือนเป็นคำย่อที่สื่อถึงขีดความสามารถมหาศาล ตามที่บทความ CNN ว่าไว้ มันคือการตลาดแบบหนึ่ง
ปัญหาจริงคือการใช้อุปกรณ์จักรกลเข้าครอบงำทั้งภาคส่วนหนึ่งของเศรษฐกิจในเวลานั้น ทำลายคุณค่าของแรงงานช่างฝีมือในวงกว้าง และฉุดพวกเขาลงจากบันไดทางสังคม
แม้แต่คนที่หางานได้ก็ถูกวางไว้ในสถานที่ทำงานที่อันตรายกว่ามาก และถูกบังคับให้เข้าไปอยู่ในโครงสร้างนายจ้าง/แรงงานตามกฎหมายที่ตายตัวกว่าเดิม มองในภาพใหญ่ นี่เป็น “นวัตกรรมองค์กร” ที่ค่อนข้างใหม่ ซึ่งย่อมทำให้รัฐต้องรับผิดชอบการบังคับใช้สัญญาจ้างแรงงาน และกองกำลังตำรวจทั้งของรัฐและเอกชนก็น่าจะถูกใช้บังคับสัญญาเหล่านั้นด้วยความรุนแรง
เรื่องนี้ก็น่าคิดสำหรับช่างฝีมือทักษะสูงจำนวนมากในกระดานนี้เช่นกัน เพราะเป็นเรื่องง่ายที่จะเชื่อว่าตัวเองไม่มีทางถูกดึงเข้าไปพัวพันกับการเปลี่ยนผ่านทางเศรษฐกิจขนาดใหญ่จากการนำเทคโนโลยีใหม่มาใช้
อย่างน้อยบทความ Wikipedia ก็คุ้มค่าที่จะอ่านผ่าน ๆ: https://en.wikipedia.org/wiki/Luddite
มีแต่คนบ้าเท่านั้นที่เห็นเครื่องจักร Newcomen แล้วคิดว่า “อ๋อ รถไฟ!” และคนบ้าเหล่านั้นก็ร่ำรวยมหาศาล กลุ่มอาชีพขนาดใหญ่หายไป และกลุ่มอื่น ๆ ก็เกิดขึ้นมา
ผมมองว่าสถานการณ์ตอนนี้ก็คล้ายกันมากในแง่ของ การประเมินขอบเขตการใช้งานต่ำเกินไป เพียงแต่ความพร้อมของกลุ่มอาชีพใหม่อาจต่างออกไป แต่เรื่องนั้นก็อาจเป็นเพราะผมประเมินกลุ่มอาชีพใหม่ที่ยังมองไม่เห็นต่ำเกินไป เหมือนครั้งหนึ่งที่คนเติมเชื้อเพลิงกับพนักงานควบคุมขบวนรถไฟเคยเป็น
ในประเทศพัฒนาแล้ว มีอุปสงค์แฝงอยู่มากต่อบริการที่มากขึ้นและดีขึ้น
ตัวอย่างเช่น ชนชั้นกลางระดับบนและชนชั้นกลางในประเทศอย่าง India และ Thailand มักได้รับบริการที่ดีกว่าในร้านอาหาร โรงแรม และบ้าน เมื่อเทียบกับชนชั้นใกล้เคียงกันในประเทศร่ำรวย
การดูแลผู้สูงอายุและบริการสุขภาพเป็นภาคส่วนที่สำคัญเป็นพิเศษ ซึ่งสังคมจะได้ประโยชน์จากการจัดสรรแรงงานเข้าไปมากขึ้น
นอกจากนี้ ยังมีคนจำนวนมากที่จะรับบทบาทสร้าง บำรุงรักษา และกำกับดูแลหุ่นยนต์ แม้จะพัฒนาอย่างรวดเร็ว แต่หุ่นยนต์ก็จะยังไม่คล่องแคล่ว เชื่อถือได้ และมีความสามารถโดยรวมเท่ามนุษย์ผู้ใหญ่ไปอีกหลายปี ดู Moravec's paradox ได้
Trump มีเหตุผลที่อยากลดดอกเบี้ย
แม้จะเจ็บปวด แต่เศรษฐกิจแบบ ZIRP ไม่ฟังเสียงผู้บริโภคปลายทาง หากรายได้มากพอ ก็ไม่มีเหตุผลให้ต้องสร้างนวัตกรรมหรือคิดไอเดียบ้า ๆ
ทุกครั้งที่มีใครวิเคราะห์โดยอ้างสถานะปัจจุบันของเครื่องมือ AI ว่าความปั่นป่วนจาก AI เป็นแค่กระแสร้อนเกินจริง ผมจะนึกถึงพวกขี้สงสัยที่มองข้าม การเติบโตแบบทวีคูณ ของผู้ติดเชื้อ COVID-19 เพียงเพราะตัวเลขช่วงแรกต่ำ
ว่าไปแล้ว ผมไม่เข้าใจว่าบทความนี้เป็นบทวิเคราะห์ได้อย่างไร ไม่ใช่บทความแสดงความคิดเห็น ทั้งหมดของการวิเคราะห์คือถามนักเศรษฐศาสตร์แรงงานคนหนึ่งว่าเงื่อนไขอะไรที่จำเป็นเพื่อให้ข้ออ้างนี้เป็นจริง และเสนอทฤษฎีทางเลือกที่พูดกันอยู่แล้วว่า CEO บริษัท AI สร้างกระแสเกินจริงปลอม ๆ
ผู้เขียนยังใช้สำนวนพูดกันเองอย่าง “Yeaaahhh. So, this is kind of Anthropic’s whole ~thing.~” ด้วย นี่คือระดับการวิเคราะห์ที่ CNN ให้ได้จริง ๆ ในหัวข้อนี้หรือ?
เขาอาจวาดเปรียบเทียบการเติบโตของความสามารถของโมเดลพื้นฐานกับทรัพยากรที่มีจำกัดอย่างข้อมูล การประมวลผล และฮาร์ดแวร์ก็ได้ อาจพูดถึงตลาด venture capital ปัจจุบันและความจำเป็นที่บริษัทต่าง ๆ ต้องแสดงผลลัพธ์ ไม่ใช่แค่คำสัญญาก็ได้ อาจเขียนถึงความยากลำบากของอุตสาหกรรมไบโอเทคขนาดใหญ่ในการผสานเครื่องมือค้นพบยาใหม่ที่น่าตื่นเต้นเข้ากับกระบวนการอนุมัติของ FDA ที่เคลื่อนไหวช้าก็ได้ แต่บทความนี้ไม่ได้ทำอะไรเลย
เป็นความจริงที่มนุษย์มีสัญชาตญาณไม่ดีต่อ การเติบโตแบบไม่เชิงเส้น แต่จุดร่วมแค่นั้นไม่ได้กลบความแตกต่างอื่น ๆ
เรายังเผชิญผลพวงของมันอยู่ และมันนำไปสู่การลบตัวแทนของชนชั้นแรงงานออกจากการเมือง รวมถึงการปราบปรามการประท้วงจริงอย่าง Occupy Wall Street
ถ้าฟองสบู่นี้แตก อุตสาหกรรม IT จะพังทลายไปหลายปีเหมือนปี 2000
แต่มันไม่ได้มีประโยชน์เท่าไร อันที่จริง การโต้แย้งด้วยการอุปมา แบบนี้เผยให้เห็นว่าขาดการวิเคราะห์จริง หลักฐานที่น่าเชื่อถือ และเหตุผลรองรับจุดยืน
ถ้าเลือกอุปมาแบบหยิบเชอร์รี่มาอ้างเช่นนี้ ก็เป็นเพียงการพูดจุดยืนของตัวเองซ้ำ ไม่ได้ให้เหตุผลให้คนอื่นเชื่อ
ทุกคนที่วาดกราฟการเร่งแบบ pg ล้วนผิด
ที่จริงแล้ว ผมคิดว่าในช่วงไม่กี่เดือนแรก แทบทุกคนที่แสดงความเห็นเกี่ยวกับว่า COVID จะเป็นอย่างไรต่างก็ผิดกันหมด ไม่ว่ามีแนวโน้มทางการเมืองแบบไหน
ไม่เข้าใจว่าผู้นำธุรกิจแบบไหนถึงจะตื่นเต้นกับการที่มนุษย์ถูก AI แทนที่ได้
ถ้าไม่มีใครมีงานทำ แล้วใครจะซื้อของของคุณ? ถ้าอัตราว่างงานของประเทศสูงขึ้น การใช้จ่ายของผู้บริโภคก็ชะลอตัว และภาวะเศรษฐกิจถดถอยก็เริ่มขึ้น จะคาดหวังเรื่องแบบนั้นได้อย่างไร?
จนถึงตอนนี้ ไม่ว่าจะเป็นระบบอัตโนมัติแบบไหน ผู้เล่นแต่ละรายก็ได้ประโยชน์จากการลดต้นทุนของตัวเอง และถ้าทำได้ฉลาดกว่าคนอื่น ก็ชนะตลาดได้ชั่วคราว
ทุกวันที่ยังมีชีวิตอยู่ ไก่งวงก็ได้หลักฐานเพิ่มขึ้นทีละน้อยว่าเกษตรกรคือแหล่งอาหารฟรีไม่รู้จบที่หวังดีที่สุดกับมันเท่านั้น
มันง่ายที่จะหลอกตัวเองด้วยสิ่งอย่างปฏิทรรศน์ของ Jevons ว่ากฎเศรษฐศาสตร์จะคงอยู่ตลอดไป
มันก็แค่ทำหน้าที่ของตัวเองไปอย่างไร้ความคิด
ถ้ามันคิดได้ มันก็คงภูมิใจกับตัวเลขรายไตรมาส ไม่สิ รายชั่วโมง ที่มันนำเสนอได้มากทีเดียว ตัวเลขขึ้นแล้ว ก็ถึงเวลารับรางวัล
ไม่ใช่แค่พนักงานระดับล่างเท่านั้นที่เสี่ยง บริษัทเองก็อาจถูกเบียดตกได้ง่าย เพราะอาจมองได้ว่า AI สามารถทำได้ดีกว่าหรือแทนที่ผลิตภัณฑ์เดิม
เงินทุนสำหรับกำลังประมวลผลและอุปกรณ์กายภาพที่ใช้รัน AI ซึ่งหนุนหลังผลิตภัณฑ์ จะกลายเป็นอุปสรรคในการเข้าสู่ตลาดที่ใหญ่ที่สุดหรือไม่?
บทความต้นฉบับก็เป็นเรื่องที่ CEO ของ Anthropic ห้องแล็บวิจัย AI กล่าวว่ามองว่าจะมีปัญหาสังคมครั้งใหญ่กำลังจะมาถึง
ปัญหาคือสภาพแวดล้อมด้านข้อมูลบิดเบี้ยว ผู้เขียนและผู้แสดงความคิดเห็นจำนวนมากอธิบายความกังวลเหล่านี้ว่าเป็น “ความมองโลกในแง่ดี” หรือ “ความร้อนแรงเกินจริง” เพราะไม่คิดว่า AI จะส่งผลกระทบใหญ่ขนาดนี้จริง ๆ
หลังจากคอมพิวเตอร์ถือกำเนิดขึ้น งานปกขาว จำนวนมหาศาลก็ถูกทำให้เป็นอัตโนมัติ
ถ้าเปรียบเทียบงานที่พนักงานสำนักงานในทศวรรษ 1960 ทำกับงานที่ผู้คนทำในวันนี้ แทบจะจำกันไม่ได้เลย
พวกเขาใช้เวลามหาศาลกับงานที่ซอฟต์แวร์ทำให้อัตโนมัติ หรือทำให้เร็วขึ้น 1,000 เท่า แต่โดยรวมแล้ว สิ่งนั้นกลับสร้างงานปกขาวเพิ่มขึ้นมากกว่า เพราะความสามารถแบบนั้นทำให้จัดการงานได้มากขึ้น และผลก็คือต้องมีภารกิจใหม่ ๆ เพิ่มขึ้น
ว่ากันถึงข้อแรก อัตราว่างงานช่วงภาวะเศรษฐกิจตกต่ำครั้งใหญ่ก็ “แค่” 30% และสุดท้ายคนเหล่านั้นก็หางานอื่นได้ แต่ในที่นี้เรากำลังพูดถึงการว่างงานถาวรของคนจำนวนมากกว่านั้น
พวก Luddites พูดถูก เครื่องจักรแย่งงานของพวกเขาไป คนรายบุคคลที่ลงทุนอย่างมากในทักษะของตัวเองเสียเปรียบอย่างถาวร และคนที่ต่อต้านก็ถูกประหารชีวิต
พูดให้ถูกสำหรับข้อที่สอง การไม่มีงานไม่ได้แปลว่าไม่มีปัญหา มีสิ่งที่สังคมต้องทำให้สำเร็จอยู่มากมาย และในโลกที่สมบูรณ์แบบ คนที่เสียงานแพ็กกล่อง Amazon ให้ระบบอัตโนมัติอาจไปเปิดศูนย์เลี้ยงเด็กให้พ่อแม่รายได้น้อยได้ แต่เราไม่มีโมเดลเศรษฐกิจที่ทำให้งานส่วนใหญ่แบบนั้นเป็นไปได้ และมันจะยิ่งแย่ลงเท่านั้น
เรื่องนี้ผ่านไปโดยแทบไม่มีคำวิจารณ์อะไรเป็นพิเศษ
ถ้าเป็นก่อนยุค LLM คงต้องจ่ายเงินมากกว่านี้มากเพื่อให้ได้ชั่วโมงเรียนที่ต้องการ แต่เพราะ Google Translate กับ DeepL จึงทำให้การเรียนแบบสบาย ๆ ที่มีความหมายเป็นไปได้ ผมเรียนเอง พยายามทำความเข้าใจ แล้วเอาคำถามไปถามครูในชั้นเรียนสัปดาห์ละ 2~3 ครั้งได้
ช่วงนี้กำลังเรียน Cantonese และ Mandarin ซึ่งเป็นภาษาของพ่อแม่อยู่ บางครั้ง LLM แย่จนน่าขำ เหมือนทอย d20 แล้วได้ natural 1 แล้วก็โยนวลีอะไรก็ไม่รู้ออกมา อย่างน้อยฉากในหัวผมก็เป็นแบบนั้น คือมันกำลังเล่น DnD อยู่ข้าง ๆ
มักเห็นคำพูดว่า “AI ทำงานทั้งหมดของฉันไม่ได้ ดังนั้นงานของฉันจึงปลอดภัย”
แต่เมื่อขยายขนาดและเวลาผ่านไป ถ้า AI ทำงานของคุณได้ 80% ก็จะให้ AI ทำ 80% นั้น งานมนุษย์อีก 20% ที่เหลือจะถูกรวมเข้าด้วยกัน กลายเป็นงานประจำของคน 20% จากจำนวนเดิม และอีก 80% ที่เหลือก็ถูกเลิกจ้าง
การปรับโครงสร้างแรงงานครั้งใหญ่ไม่ได้ต้องรอให้ AI ทำงานได้ 100% ของตำแหน่งงานใดตำแหน่งหนึ่งตามนิยามในวันนี้ ตำแหน่งงานจะถูกนิยามใหม่ และโดยทั่วไปจะถูกย่อให้เหลือส่วนที่มนุษย์จำเป็นต้องทำจริง ๆ
จากมุมมองของพนักงาน ผลประโยชน์ด้านประสิทธิภาพ ที่ได้จาก AI ไม่ใช่ของคุณ แต่เป็นของบริษัท
ก็ต้องหวังว่ามันจะพอจ่ายสินเชื่อที่อยู่อาศัยได้