- การนำ AI มาใช้ส่งผลกระทบโดยตรงต่อตลาดงานของคนหนุ่มสาวในสหรัฐฯ
- งานวิจัยระบุว่า การแพร่หลายของ AI ทำให้ อัตราการจ้างงานแรงงานวัยหนุ่มสาวลดลง 13%
- เทคโนโลยี AI ไม่ได้แทนที่แค่ งานอัตโนมัติแบบง่ายๆ แต่รวมถึงงานที่ซับซ้อนด้วย
- ส่งผลให้โอกาสการจ้างงานของ ผู้เข้าสู่ตลาดแรงงานใหม่และแรงงานอายุน้อยลดลง
- ความจำเป็นของ กลยุทธ์รับมือจากภาครัฐและภาคอุตสาหกรรมกำลังถูกจับตามากขึ้น
การนำ AI มาใช้กับการเปลี่ยนแปลงของตลาดแรงงานวัยหนุ่มสาวในสหรัฐฯ
ผลการวิจัยล่าสุดจาก Stanford ระบุว่า การขยายตัวของ generative AI กำลังส่งผลอย่างชัดเจนต่อ งานของคนหนุ่มสาวในสหรัฐฯ
- พบว่าบริษัทที่ นำ AI มาใช้ มีการจ้าง แรงงานอายุต่ำกว่า 25 ปี ลดลงราว 13%
- งานวิจัยนี้ชี้ว่า ระบบอัตโนมัติขั้นสูง ไม่ได้แทนที่เพียงงานเอกสารทั่วไป แต่ยังรวมถึง งานที่อาศัยการรับรู้และการตัดสินใจในระดับสูงขึ้นด้วย
- ผลที่ตามมาคือโอกาสที่ คนหนุ่มสาวที่ต้องการทำงาน จะเข้าสู่ตลาดแรงงานลดลง และอาจกลายเป็นปัจจัยของความไม่มั่นคงทางสังคมและเศรษฐกิจ
- หากมุ่งเน้นเพียงการเพิ่ม ผลิตภาพ ก็มีความกังวลว่าโครงสร้างความเหลื่อมล้ำอาจรุนแรงขึ้น
- ผู้เชี่ยวชาญยิ่งเน้นย้ำความสำคัญของ การรับมือเชิงรุกในระดับอุตสาหกรรมและนโยบาย รวมถึงการเตรียม โครงการฝึกทักษะใหม่และเสริมศักยภาพ สำหรับคนรุ่นใหม่
การลดลงของงานสำหรับคนหนุ่มสาวและผลกระทบทางสังคม
- เมื่อเทคโนโลยี AI ไม่ได้แทนที่แค่งานซ้ำๆ แต่ยังครอบคลุมถึง งานสำนักงานหลากหลายประเภท ผลกระทบต่อ การจ้างงานคนหนุ่มสาว ก็เริ่มเกิดขึ้นจริง
- ภาคธุรกิจกำลังเดินหน้าติดตั้ง โซลูชัน AI อย่างต่อเนื่องเพื่อเพิ่มประสิทธิภาพและลดต้นทุน
- ส่งผลให้การเข้าสู่ตลาดของ พนักงานระดับเริ่มต้นและบุคลากรช่วงต้นอาชีพ ยิ่งยากขึ้นอย่างรวดเร็ว
- ทั้งสังคมจึงเริ่มเห็นความจำเป็นของ การจัดสรรงานใหม่และการออกแบบระบบการศึกษาใหม่
ทิศทางการรับมือของภาคอุตสาหกรรมและเชิงนโยบาย
- เพื่อบรรเทา แรงกระแทกด้านการจ้างงาน ที่เกิดกับคนหนุ่มสาวจากการนำ AI มาใช้ ความร่วมมือระหว่างภาครัฐและภาคอุตสาหกรรมจึงเป็นสิ่งจำเป็น
- ทางออกสำคัญคือ โครงการฝึกทักษะใหม่ ที่สอดคล้องกับการทำงานจริง และ การสร้างสภาพแวดล้อมที่ช่วยให้ปรับตัวเข้ากับเทคโนโลยีใหม่ได้
- ในระยะกลางถึงยาว จำเป็นต้องมี การปรับโครงสร้างตลาดแรงงาน และการกำหนด แนวทางการใช้อัลกอริทึมอย่างโปร่งใส
- บริษัทต่างๆ ก็กำลังขยายความร่วมมือในนโยบาย สนับสนุนการเปลี่ยนสายงาน สำหรับคนหนุ่มสาวในฐานะส่วนหนึ่งของ ความรับผิดชอบต่อสังคม
1 ความคิดเห็น
ความเห็นจาก Hacker News
ในวงการบัญชีจริง ๆ แทบไม่มีการนำ AI มาใช้เลย เรามีเครื่องมือล่าสุดค่อนข้างซับซ้อนอย่าง enterprise Copilot, deep research, การผสานกับ MS Office ฯลฯ แต่ในทางปฏิบัติก็ใช้แค่สรุปข่าวทั่วโลกรายวันเท่านั้น พอจะเอาไปใช้กับงานบัญชีจริง AI กลับให้คำตอบเพี้ยน ๆ จนเกิดความเสี่ยงสูงมาก แม้แต่การเทียบตัวเลขง่าย ๆ ก็ยังได้ผลลัพธ์ที่เชื่อถือไม่ได้บ่อยครั้ง จนไม่สามารถเชื่อผลลัพธ์แล้วนำไปใช้ทางธุรกิจได้เลย เหมือนกับการเขียนโปรแกรมที่โอเปอเรเตอร์
==สุ่มผิด 20% แบบนี้ไม่มีทางเอาไปใช้กับธุรกิจได้ส่วนตัวเคยลองใช้โมเดลภาษาอยู่ 6 เดือนเพื่อตรวจสอบใบแจ้งยอดบัตรเครดิต หวังให้มันเทียบแอปบันทึกรายรับรายจ่ายที่ผมทำเองกับใบแจ้งยอดแล้วหาความผิดปกติ แต่ในความเป็นจริงมันไม่เคยหาปัญหาเจออย่างถูกต้องเลย กลับชี้ผิดว่า "มีรายการชำระเงิน Starbucks" หรือชมผิด ๆ เสียมากกว่า ทั้งที่ข้อมูลมีแค่ราว 40 รายการและถึงผิดก็ไม่ได้เกิดความเสียหายจริง โมเดลก็ยังตรวจจับได้ไม่แม่นยำ ดังนั้นถ้าบริษัทไหนพึ่งสิ่งนี้ก็สรุปได้ว่าไม่น่าเชื่อถือ
ในวิดีโอเกี่ยวกับบัญชีที่สนุกของ Dan Toomey จะเห็นได้ว่าบัญชีสำคัญแค่ไหน และจริง ๆ แล้วเป็นงานที่ไม่ได้หวือหวามากนัก ในสายการเงินมักมองว่า "นักบัญชีคือเนิร์ดสายจริงจัง" ผมเองก็ชอบบัญชีและเคยจัดการชุดข้อมูลด้านการตรวจสอบบัญชีในบริษัทเก่าด้วย ไม่มีใครอยากฟังเรื่องจริงเจ็บ ๆ ที่นักบัญชีเล่าเท่าไร แต่พวกเขาเป็นคนที่ขาดไม่ได้เด็ดขาด ข้อมูลบัญชีอาจเป็นหัวใจของธุรกิจได้ ดังเช่นกรณี Enron ที่ถูกเปิดโปงเพราะต้นทุนการตรวจสอบ ถ้าวันหนึ่งเลิกเขียนโปรแกรม ผมอาจไปสอบ CPA ก็ได้
สำหรับงานบัญชี ความสามารถของ AI น่าผิดหวังมาก และต้องจับคู่กับเครื่องมือคำนวณก่อนถึงจะพอใช้กับงานคณิตศาสตร์ได้บ้าง
หลายคนฝันถึง "ซอฟต์แวร์ Tax AI ที่จัดการภาษีทุกอย่างให้เอง" แต่ในความเป็นจริงมันก็เป็นได้แค่เครื่องมือค้นหาข้อความขั้นสูงเท่านั้น LLM (Large Language Model) ยังทำเลขหรือการคำนวณง่าย ๆ ไม่ได้ดีพอ
LLM ไม่เก่งการคำนวณเลขโดยตรง ดังนั้นไม่ควรให้มันคำนวณเอง โดยทั่วไปโมเดลส่วนใหญ่น่าจะทำได้ดีกว่าถ้าให้มันเขียนโค้ดและรันเอาผลลัพธ์มาใช้คำนวณ
วงการบัญชีสหรัฐกำลังถูก offshoring (เอาต์ซอร์ซไปต่างประเทศ) ไปยังอินเดีย ฟิลิปปินส์ ยุโรปตะวันออก ฯลฯ แถมในสหรัฐเองก็มีแรงผลักให้ผ่อนคลายเงื่อนไขการได้ใบอนุญาตนักบัญชีมากขึ้นด้วย (พาร์ตเนอร์ Big 4 ผลักดันเพราะต้องการแก้ปัญหาขาดแคลนคน) สิ่งนี้ทำให้เกิดความกังวลเรื่องคุณภาพการกำกับดูแลที่ลดลง งบการเงินไม่แม่นยำ ฯลฯ
น่าสนใจที่โปรแกรมเมอร์อเมริกันสนับสนุนการทำงานทางไกลกันมาก ราวกับเชื่อจริง ๆ ว่าตัวเองฉลาดที่สุดในโลก ทั้งที่ถ้าทำงานแบบรีโมตได้ ก็ไม่มีเหตุผลอะไรที่คนจากประเทศที่ค่าจ้างถูกกว่าจะทำแทนไม่ได้
ถ้าดูรายงานสภาพการทำงานในพื้นที่ offshoring หลัก ๆ จะพบว่าสถานการณ์แย่มาก จริง ๆ แล้ว AI, LLM ฯลฯ ในตอนนี้ก็มีลักษณะคล้ายกับ "งานซ้ำ ๆ ง่าย ๆ ที่เคยถูกเอาต์ซอร์ซ" ก่อนหน้านี้งานพวกนี้เคยส่งไปอินเดีย แต่ระยะหลังมีแนวโน้มส่งต่อไปที่ศูนย์ข้อมูลของ Anthropic แทน
สงสัยว่าต้นเหตุของ offshoring แบบนี้คือ AI จริงหรือไม่ ภาษา วัฒนธรรม และช่องว่างความรู้เป็นอุปสรรคใหญ่ของการจ้างงานต่างประเทศ แต่ AI ก็มีศักยภาพในการแก้ปัญหาเหล่านี้
มีบทความบอกว่าบัณฑิตจากสถาบันวิศวกรรมชั้นนำของอินเดียเองก็กำลังหางานยาก ดังนั้นข้ออ้างว่า offshoring ที่เกิดจาก AI คือสาเหตุหลักจึงฟังไม่ค่อยขึ้น
ตำแหน่งงาน junior (ระดับเริ่มต้น) กำลังหายไปแบบเงียบ ๆ ในช่วง 1 ปีที่ผ่านมา ไม่ค่อยมีคนถูกปลด แต่การรับคนที่เปิดโอกาสให้เริ่มต้นเข้ามาเรียนรู้นั้นแทบไม่มีเลย ปัญหาที่แท้จริงคือโอกาสในการเรียนรู้ตอนก้าวเข้าสู่สังคมการทำงานกำลังหายไป
จริง ๆ แล้วงาน junior ก็ไม่เคยมีมากนัก จากประสบการณ์ของผม ถ้านักศึกษาฝึกงานไม่ได้เปลี่ยนเป็นพนักงานประจำหลังฝึกงาน ต่อจากนั้นจะหางานยากมาก ในบริษัทจริง ๆ มักรับกันแทบแต่ระดับ mid/senior ส่วน junior ก็มักเป็นเด็กฝึกงานเดิม การโยกย้ายภายใน หรือรับจากเครือญาติ
ปรากฏการณ์นี้น่าจะมาจากปัจจัยเชิงโครงสร้างมากกว่า AI เช่น สภาพเศรษฐกิจหลังยุคดอกเบี้ยต่ำที่แย่ลง แรงกดดันด้านรายได้/กำไรของแต่ละบริษัท และการลดต้นทุน โดยทั่วไป junior ต้องใช้เวลา 6-8 เดือนกว่าจะคาดหวังผลิตภาพได้ และยังต้องใช้ทรัพยากรของ senior ในการเมนเทอร์ ทำให้ความคุ้มค่าต่อค่าใช้จ่ายไม่สูง ทรัพยากรทีมผมเองก็ตึงมากจนแทบจ้างเพิ่มไม่ได้แล้ว ตอนนี้ถ้าอยากหางานในฐานะ junior ก็ต้องโฟกัสคีย์เวิร์ดเทคโนโลยีที่กำลังมา หรือเริ่มจากบริษัทเล็กที่เงินเดือนต่ำแล้วค่อยกระโดดไปต่อ
แยกได้ยากเสมอว่าปรากฏการณ์นี้เกิดจากภาวะถดถอยหรือ AI ถ้าคนเดิมมีราคาแพงเกินไป สุดท้ายก็อาจหันไปใช้ junior แต่ทุกวันนี้แม้แต่คนอาวุโสก็ยังหางานด้วยเงินเดือนต่ำลงอยู่ จึงไม่มีเหตุผลมากนักที่จะต้องรับ junior
แม้จะยากขึ้น แต่ถ้าเป็นคนหนุ่มสาวในอเมริกาก็ยังมีโอกาสอยู่ ไม่ถึงกับต้องมองโลกในแง่ร้าย และส่วนหนึ่งก็เพราะคนรุ่นใหม่สมัยนี้หมกมุ่นกับ TikTok หรือเกมมากด้วย
บริษัทต่าง ๆ ใช้ AI เป็นข้ออ้างในการปลดคน แต่พอลองคิดว่ามีอาชีพไหนถูกแทนที่จริง ๆ บ้างก็กลับนึกไม่ค่อยออก
ในบริษัทเราก็มีเพื่อนร่วมงานอยู่ไม่กี่คนที่พอจะถูกแทนด้วย LLM ได้ และผมรู้สึกว่าภาพหลอนของ AI น่าจะยังน้อยกว่าความผิดพลาดที่พวกเขาทำเสียอีก อันที่จริงการเอา LLM มาใช้ อาจทำให้ใช้คน 1 คนแทนงานที่เคยต้องใช้ 5 คนได้ด้วยซ้ำ
ในสายงานวิดีโอและกราฟิกดีไซน์ การใช้เครื่องมือ GenAI กำลังแพร่หลาย งานที่ก่อนหน้านี้เคยทำโดยพนักงาน in-house หรือฟรีแลนซ์ ตอนนี้มีแนวโน้มจะแก้เองโดยใช้ AI
ถึง AI จะไม่ได้แทนพนักงานแบบ 1:1 แต่แค่เพิ่มผลิตภาพก็เป็นเหตุผลให้ลดคนได้แล้ว ถ้านักพัฒนามีประสิทธิภาพมากขึ้น 50% ในเชิงคณิตศาสตร์ก็สามารถตัด 33% ล่างสุดออกได้โดยยังได้ผลลัพธ์เท่าเดิม
ต่างจากกระแสบล็อกเชน AI มีกรณีเพิ่มผลิตภาพที่ชัดเจน ตัวอย่างเช่น ทีม copywriter อาจถูกลดเหลือครึ่งหนึ่งแต่ยังรักษาผลิตภาพทีมได้ ในธุรกิจของผม งาน copywriter ส่วนใหญ่ถูกทำอัตโนมัติแล้ว ทำให้คนไปโฟกัสงานมูลค่าสูงและดูแลลูกค้าได้มากขึ้น ถ้ามี junior copywriter 100 คนก็คงลดคนลงอย่างมากได้ไม่ยาก
การลดงานระยะแรกจาก AI เกิดจากการที่ผลิตภาพของพนักงานแต่ละคนเพิ่มขึ้น ส่งผลให้ทีมขนาดเล็กลงก็ยังทำงานเท่าเดิมได้
หลายองค์กรเลือกกลยุทธ์ลดจำนวนคนมากกว่าจะใช้ AI เพื่อยกระดับผลิตภาพของงาน นี่เป็นเพราะต้องการรักษาโครงสร้างผลกำไรที่จำกัดไว้ มากกว่าจะแบ่งปันกำไรส่วนเกินจากผลิตภาพที่สูงขึ้น งานวิจัยของ Stanford ชี้ว่าองค์กรที่มี mindset แบบแสวงหารายได้เชิงค่าเช่า (rent extraction) มองแรงงานการผลิตไม่ใช่ทรัพย์สินแต่เป็นต้นทุน จนยอมคงโครงสร้างที่ไร้ประสิทธิภาพไว้แม้ต้องลดทอนศักยภาพการผลิตจริง ๆ ก็น่าสนใจว่าเรื่องนี้จะพัฒนาไปอย่างไรต่อ
ถ้าระบบอัตโนมัติทำให้ไม่ต้องใช้คนจำนวนมากอีกต่อไป สงครามก็อาจถูกแทนด้วยโดรนและอาวุธอัตโนมัติ เหตุผลที่จะเกิดการปฏิวัติก็จะลดลง และประชาธิปไตยอาจไม่จำเป็นอีกต่อไป ท้ายที่สุดอาจมีอนาคตที่ไม่จำเป็นต้องจัดหาการรักษาพยาบาล อาหาร น้ำ ฯลฯ ราคาแพงให้คนจำนวนมากอีกแล้ว
ในงานวิจัยระบุว่า "การจ้างงานลดลงอย่างกระจุกตัวในอาชีพที่ AI เข้าไปทำงานแบบอัตโนมัติแทนมนุษย์ มากกว่าจะเป็นการเสริมศักยภาพแรงงานมนุษย์" แต่ไม่ได้แสดงหลักฐานโดยตรงเรื่องการแสวงหาค่าเช่าหรือสายตาสั้นทางเศรษฐกิจ สุดท้ายจากมุมมองบริษัท การแทนคนด้วย AI ที่ต้นทุนต่ำกว่าย่อมคุ้มกว่า และก็ไม่มีหลักฐานว่าการคงคนไว้จะทำให้เกิดโอกาสทำกำไรเพิ่มอย่างจำเป็นเสมอไป
หวังว่า AI จะลดต้นทุนในการนำเข้า/ผสาน business software ได้มากพอ จนช่างฝีมือผู้ชำนาญจริง ๆ (เช่น ช่างซ่อมอุปกรณ์มากประสบการณ์) สามารถเป็นเจ้าของและบริหารบริษัทเองได้ และในยุค AI ความจำเป็นในการเอาต์ซอร์ซด้านการตลาด/บัญชีแบบที่ PE ทำกันอาจลดลง
ต่อไปอาจกลายเป็นระบบศักดินาแบบใหม่ก็ได้
การมองแรงงานว่าเป็นต้นทุนแทนที่จะเป็นทรัพย์สินสร้างมูลค่า ไม่ค่อยตรงกับความเป็นจริง สิ่งที่บริษัทต้องการจริงคือให้แรงงานสอดคล้องกับคุณค่าที่บริษัทเสนอ (เหตุผลที่ลูกค้ายอมจ่ายเงิน) ถ้าพนักงานทำงานที่ตัวเองคิดว่ามีความหมายแต่ลูกค้าไม่ยอมจ่าย ก็มีแต่เพิ่มต้นทุนการบำรุงรักษา การจัดคนให้ลงตัว การสร้างแรงจูงใจ และการสื่อสารล้วนยาก บริษัทจึงสร้างงานขึ้นมาเมื่อจำเป็นจริง ๆ เท่านั้น
คนจำนวนมากขึ้นเรื่อย ๆ ใช้ AI แบบเดียวกับผมโดยเรียกมันว่า "เด็กฝึกงาน" และบรรยากาศตอนนี้ก็คือดูเหมือนจะไม่จำเป็นต้องมีตำแหน่งเด็กฝึกงาน (junior) อีกต่อไปแล้ว
อยากรู้ว่ามีความเสี่ยงอะไรบ้างเมื่อคน senior ออกไป แล้วคนที่เหลืออยู่ต้องถูกแทนด้วย senior หน้าใหม่ที่ไม่รู้จักทั้งโปรเจกต์เดิมและแนวปฏิบัติที่มีอยู่
ดูเหมือนจะเข้าใจจุดประสงค์ที่แท้จริงของการฝึกงานผิดไป
เดิมทีการฝึกงานคือวิธีที่น่าเชื่อถือที่สุดในการค้นหาคนเก่งที่คัดเลือกด้วยวิธีรับสมัครแบบดั้งเดิมได้ยาก ถ้าอนาคตไม่มีความจำเป็นต้องมีเด็กฝึกงานจริง แล้วจะมั่นใจได้อย่างไรว่าจะยังมีคนรุ่นใหม่คุณภาพดีเข้ามาเติมระบบ และอีก 40 ปีเมื่อแรงงานชุดเดิมเกษียณหมดแล้ว งานที่เหลือจะให้ใครทำ
ทุกครั้งที่ผมออกไปในเมือง ผมยังประหลาดใจเสมอว่ามีงานจำนวนมากที่ยังไม่ถูกแทนด้วย AI เช่น แคชเชียร์ก็ยังใช้มือนับของ รับเงิน และจัดเงินทอนกันอยู่ ผมสงสัยว่าการทำให้ระดับนี้เป็นอัตโนมัติมันยากตรงไหนถึงยังทำไม่ได้
ไม่ใช่ AI แต่เคยลองด้วย offshoring มาแล้วด้วย ดูบทความที่เกี่ยวข้อง
งานแคชเชียร์หลายแห่งถูกแทนด้วยการลดจำนวนพนักงานและใช้ self-checkout โดยไม่ต้องพึ่ง AI
711 ของญี่ปุ่นยังมีพนักงานที่เคาน์เตอร์ แต่เครื่องเป็นคนจัดการเงินสด/เงินทอน อย่างไรก็ตามช่วงหลังกลับมีแนวโน้มลด self-checkout และเพิ่มคนเฝ้าระวังอีกครั้งเพราะปัญหาอาชญากรรม (การขโมย)
สิ่งที่ยากที่สุดในการทำระบบแคชเชียร์อัตโนมัติไม่ใช่การคิดเงิน แต่เป็นการป้องกันการขโมย
การขึ้นดอกเบี้ยและแรงกดดันจากภาษีศุลกากรทำให้การลงทุนลดลงและงานลดลง แต่บรรยากาศกลับโทษ AI ไปเสียทุกอย่าง
จริง ๆ แล้วงานวิจัยของ Stanfordรายงานว่าจากการเปรียบเทียบข้อมูลของหลายกลุ่ม พบว่าการจ้างงานของคนอายุ 22-25 ปีในอาชีพที่เผชิญ/เสี่ยงต่อ AI สูง ลดลงอย่างมีนัยสำคัญ
เมื่อดูว่าปรากฏการณ์นี้เด่นชัดเฉพาะในอุตสาหกรรมที่นำ AI มาใช้ และส่วนใหญ่ลดเฉพาะแรงงานระดับเริ่มต้น ปัจจัยอย่างดอกเบี้ยและภาษีศุลกากรเพียงอย่างเดียวจึงอธิบายได้ไม่พอ ผมไม่คิดว่าผู้เขียนงานวิจัยจะไม่รู้เรื่องเงื่อนไขทางเศรษฐกิจเหล่านี้
ถ้าการลงทุนเพิ่มขึ้น ก็สื่อสารว่า "AI ดีเพราะเพิ่มประสิทธิภาพ" แต่ถ้าการลงทุนลดลง เรื่องเล่าว่า "AI เข้ามาแทนคน" ก็กลับใช้ได้ดี ไม่ว่าเมื่อไรคอมพิวเตอร์ทำอะไรได้ดี ก็จะถูกมองว่า "นั่นเพราะ AI" แต่ถ้าทำไม่ได้ ก็จะกลายเป็น "ต้องมี AI เพิ่มอีก"
ไม่ได้มีใครสั่งจากส่วนกลางให้โยนทุกอย่างเป็นความผิดของ AI แล้วทำไมทุกคนถึงมองข้ามปัจจัยอื่นที่ชัดเจนและไปโทษ AI อย่างเดียวกันหมดก็ไม่เข้าใจ
ผมคิดว่าการปลุกความกลัวเรื่อง AI ช่วยให้แรงงานยอมรับเงื่อนไขการจ้างงานหรือค่าตอบแทนที่เสียเปรียบในระยะยาวได้ง่ายขึ้น ตรงกันข้าม ถ้าทำให้คาดหวังว่าเศรษฐกิจจะดีขึ้น ก็อาจกระตุ้นให้เกิดแรงเรียกร้องการแบ่งสรรผลประโยชน์มากขึ้นในระยะสั้น
แผนกผมมีคน IT 1,000 คน แต่คนที่เกิดในอเมริกามีไม่ถึง 5-10% คนอเมริกันทำงานไม่หนักและมีจำนวนน้อย จึงยิ่งมีบรรยากาศอยากย้ายออกไปเรื่อย ๆ
มีคนพูดว่า AI จะมาแทนงานบริการลูกค้า บัญชี และซอฟต์แวร์ดีเวลลอปเมนต์ แต่ในความเป็นจริงคุณภาพบริการไม่ได้ดีขึ้น กลับแย่ลงด้วยซ้ำ คอลเซ็นเตอร์ก็แทบไม่ต่างจากแชตบอตเมื่อ 20 ปีก่อน งานบัญชียังขาดคนและผลลัพธ์จาก AI ก็แย่ ส่วนฝั่งพัฒนาซอฟต์แวร์ แม้กำแพงในการผลิตโค้ดจะต่ำลง แต่หนี้ทางเทคนิคและโค้ดไร้เจ้าของ (ไม่มีใครเข้าใจจริง) กำลังเพิ่มแบบทวีคูณในระยะสั้น ซึ่งอาจก่อผลเสียรุนแรงในอนาคต