หลักฐานว่า AI กำลังทำลายงานของคนหนุ่มสาว

• งานวิจัยล่าสุดที่เผยแพร่โดย ทีมนักวิจัยจาก Stanford พบว่าการจ้างงานของแรงงานอายุน้อยวัย 22~25 ปีใน อาชีพที่เผชิญกับ AI สูง ลดลงราว 13%
• งานวิจัยนี้วิเคราะห์โดยอิงจาก ข้อมูลบัญชีเงินเดือนของ ADP พร้อมควบคุมสมมติฐานหลายด้าน เช่น โควิด งานทางไกล ภาวะเศรษฐกิจ เป็นต้น
• การจ้างงานของคนหนุ่มสาวลดลงอย่างชัดเจนเฉพาะในอาชีพที่ได้รับ ผลกระทบจากระบบอัตโนมัติ สูงจาก AI (เช่น การพัฒนาซอฟต์แวร์ บริการลูกค้า)
• ในงานที่ AI มีบทบาทแบบ เสริมศักยภาพ (ช่วยเหลือ·เติมเต็ม) กลับไม่พบการลดลงของการจ้างงานคนหนุ่มสาวอย่างเด่นชัด
• งานนี้ถูกประเมินว่าเป็นหลักฐานเชิงประจักษ์ที่ทรงพลังว่า AI ได้ก่อให้เกิดการเปลี่ยนแปลงเชิงโครงสร้างในตลาดแรงงานของคนหนุ่มสาวแล้วในปัจจุบัน

---

แนวโน้มงานวิจัยล่าสุดเกี่ยวกับการลดลงของงานคนหนุ่มสาวในสหรัฐฯ และผลกระทบของ AI

ฉากหลังของข้อถกเถียง

• ยังคงมีข้อถกเถียงหลากหลายเกี่ยวกับภาวะเศรษฐกิจสหรัฐฯ และผลกระทบของ AI
• สำหรับคำถามว่า "AI กำลังแย่งงานของคนหนุ่มสาวไปแล้วหรือไม่?" มีมุมมองหลักอยู่สามแบบ
  • เป็นไปได้: ในช่วงแรกมีการวิเคราะห์ว่าการอ่อนตัวของการจ้างงานบัณฑิตจบใหม่ในช่วงหลังอาจเป็นผลจาก AI
  • ใช่แน่นอน: สื่อหลักอย่าง New York Times, Axios เป็นต้น ระบุว่า AI กำลังแย่งงานระดับเริ่มต้น และ CEO ของ Anthropic คาดการณ์ว่าภายใน 5 ปีข้างหน้า งาน white-collar ระดับเริ่มต้นอาจหายไปครึ่งหนึ่ง
  • แทบไม่ใช่: สถาบันวิเคราะห์เศรษฐกิจเผยแพร่ข้อมูลว่าผลกระทบของ AI ต่อการจ้างงานยังไม่ชัดเจน และรายงานว่าบริษัทส่วนใหญ่แทบไม่เห็นผลสุทธิต่อกำลังคน

งานวิจัยของ Stanford และข้อค้นพบเชิงประจักษ์

• เมื่อไม่นานมานี้ ทีมวิจัยจาก Stanford ใช้ข้อมูลบัญชีเงินเดือนหลายล้านรายการของ ADP เพื่อติดตามแนวโน้มการจ้างงานไปจนถึงกลางปี 2025
• พบว่าการจ้างงานของคนอายุน้อยวัย 22~25 ปีใน อาชีพที่มีการเผชิญกับ AI สูงมาก (เช่น นักพัฒนาซอฟต์แวร์ งานบริการลูกค้า) ลดลง 13% หลังการเปิดตัวของ ChatGPT
• ในทางกลับกัน อาชีพที่มีการเผชิญกับ AI ต่ำ (เช่น home healthcare) และแรงงานอายุมากกว่ากลับรักษาระดับการจ้างงานไว้ได้หรือเพิ่มขึ้น
• นอกจากนี้ แม้จะควบคุมปัจจัยภายนอกหลากหลาย เช่น โควิด งานทางไกล การเติบโตต่ำ ผลลัพธ์ก็แทบไม่เปลี่ยนแปลง
• งานนี้ไม่ใช่การทดลองเพื่อพิสูจน์เหตุและผล แต่เป็นการวิเคราะห์เชิงสังเกต อย่างไรก็ตาม ปรากฏการณ์การลดลงของการจ้างงานคนหนุ่มสาวในงานที่เผชิญกับ AI สูงนั้นชัดเจน

การวิเคราะห์กราฟและกรณีตัวอย่าง

• กราฟ 1: แสดงให้เห็นรูปแบบการลดลงของการจ้างงานใหม่อย่างชัดเจนในกลุ่มวิศวกรซอฟต์แวร์อายุน้อยและงานบริการลูกค้า
  • ขณะที่แรงงานอายุมากกว่ายังรักษาระดับการจ้างงานไว้ได้หรือเพิ่มขึ้น กลุ่ม คนหนุ่มสาวในงานเดียวกันกลับลดลงฮวบ
• กราฟ 2: ในงานที่เผชิญกับ AI ต่ำมาก เช่น home healthcare การจ้างงานคนหนุ่มสาวกลับเพิ่มขึ้นอย่างรวดเร็ว
  • สิ่งนี้ชี้ว่าการลดลงของการจ้างงานคนหนุ่มสาวจาก AI เป็นปรากฏการณ์ที่จำกัดอยู่เพียงบางงาน
• ใน งานที่เผชิญกับ AI ระดับปานกลาง เช่น การตลาด ก็พบว่าการจ้างงานของคนหนุ่มสาวลดลงอย่างชัดเจนเช่นกัน

ทำไมงานวิจัยนี้จึงต่างจากงานก่อนหน้า?

• งานวิจัยเดิม (เช่น CPS) มีขนาดตัวอย่างเล็ก จึงมีข้อจำกัดในการวิเคราะห์กลุ่มย่อยอย่างช่วงอายุ 22~25 ปี
• ข้อมูลของ ADP ทำให้สามารถประเมินได้อย่างน่าเชื่อถือแม้ในกลุ่มย่อยที่แบ่งตามอายุและอาชีพ

ความต่างระหว่างผลของ AI แบบอัตโนมัติและแบบเสริมศักยภาพ

• งานวิจัยแยกวิเคราะห์ระหว่างกรณีที่ AI เข้ามาแทนงานของมนุษย์แบบอัตโนมัติ กับกรณีที่ AI เข้ามาเสริมและสนับสนุนงานของมนุษย์ ตามลักษณะงาน
  • อาชีพที่มีลักษณะอัตโนมัติสูง (วิศวกรซอฟต์แวร์ ผู้ตรวจสอบบัญชี เป็นต้น): การจ้างงานคนหนุ่มสาวลดลงอย่างชัดเจน
  • อาชีพที่มีลักษณะเสริมศักยภาพสูง (บทบาทที่ซับซ้อนหรือใช้กลยุทธ์สูง): ไม่พบการลดลงของการจ้างงานคนหนุ่มสาวอย่างเด่นชัด
• ยังอ้างอิงดัชนีภายนอกอย่าง Anthropic Economic Index เพื่อจัดหมวดหมู่และวิเคราะห์ลักษณะผลกระทบของ AI ในแต่ละอาชีพ
• กราฟ 6, 7: งานที่ทำให้เป็นอัตโนมัติได้ง่ายมีการจ้างงานคนหนุ่มสาวลดลงชัดเจน ขณะที่งานเชิงเสริมศักยภาพกลับมีแนวโน้มการจ้างงานเพิ่มขึ้น

แม้ภายในบริษัทเดียวกัน ผลกระทบต่อการจ้างงานก็ยังต่างกันตามแผนก

• แม้จะอยู่ในบริษัทเดียวกัน แผนกที่เผชิญกับระบบอัตโนมัติสูงอย่างกฎหมาย/บัญชีมีการจ้างงานคนหนุ่มสาวลดลง ขณะที่แผนกอื่นรักษาระดับไว้ได้หรือเพิ่มขึ้นจากผลเชิงเสริมศักยภาพ
• แสดงให้เห็นว่านอกเหนือจากปัจจัยเศรษฐกิจระดับบริษัท (เช่น ดอกเบี้ย) ยังมี ความแตกต่างอย่างชัดเจนตามระดับการเผชิญกับ AI ของงานแต่ละประเภท

ความเป็นไปได้ในการถูก AI แทนที่ และลักษณะของแรงงาน

• LLM (large language model) เรียนรู้ได้ดีกับ ความรู้ที่ถูกจัดทำเป็นเอกสารและมีแบบแผน ซึ่งซ้อนทับกับความรู้เชิงทางการที่คนหนุ่มสาวเพิ่งเรียนรู้มาเป็นอย่างมาก
• ในทางกลับกัน มันทับซ้อนกับความรู้ฝังลึกของแรงงานอายุมากหรือมีประสบการณ์น้อยกว่า ซึ่งเป็นความรู้ละเอียดที่เข้าใจได้จากหน้างานจริงเท่านั้น
• งานระยะสั้น งานซ้ำ ๆ ที่ประเมินผลได้ง่าย ถูก AI แทนที่ได้สะดวกกว่า ขณะที่งานเชิงกลยุทธ์ระยะยาวที่ซับซ้อนนั้น AI เข้ามาแทนที่ได้ยาก

ทิศทางการปรับตัวของการศึกษาในมหาวิทยาลัย

• ความสามารถในการใช้ AI เป็นเครื่องมืออย่างเชิงรุกจึงยิ่งสำคัญขึ้น
  • น่าแปลกที่นักพัฒนารุ่นอาวุโสกลับชำนาญการใช้ AI มากกว่า จึงมีการเสนอความจำเป็นในการปรับหลักสูตรมหาวิทยาลัย
• ข้อจำกัดของ LLM (งานทางกายภาพ ปฏิสัมพันธ์แบบมนุษย์ ฯลฯ) และความสำคัญของทักษะอาชีพรูปแบบใหม่ถูกเน้นย้ำมากขึ้น

บทสรุปและแนวโน้มข้างหน้า

• แทนที่จะถกเถียงกันเฉพาะเรื่องผลลัพธ์หรือภัยคุกคามในอนาคตของ AI จำเป็นต้องยอมรับว่า AI กำลังส่งผลกระทบอย่างเป็นรูปธรรมต่อเศรษฐกิจและตลาดแรงงานของคนหนุ่มสาวอยู่แล้วในปัจจุบัน
• ย้ำถึง ความจำเป็นของข้อมูลแบบเรียลไทม์และการตรวจสอบซ้ำอย่างต่อเนื่อง ในความสัมพันธ์ระหว่างงานของคนหนุ่มสาวกับ AI
• สารสำคัญคือ แทนที่จะคาดการณ์อนาคต การวินิจฉัยสถานการณ์ปัจจุบันอย่างแม่นยำสำคัญกว่า

[kimjoin2]

หลักฐานที่บ่งชี้ว่า AI กำลังทำลายงานของคนหนุ่มสาว

ความก้าวหน้าของเทคโนโลยีทุกอย่างล้วนกำลังทำให้งานเดิมหายไป แต่มีแค่ AI ที่เรียกกระแสได้เก่งเป็นพิเศษ

[GN⁺]

ความเห็นจาก Hacker News

• สงสัยว่าทำไมตั้งแต่เดือนมกราคม 2023 เป็นต้นมา ถึงเกิดการลดการจ้างงานในสายงานที่เน้น NLP เช่น Customer Service Rep ทั้งที่เท่าที่ทราบ บริษัทใหญ่ส่วนมากเพิ่งเริ่มทำ LLM/NLP pilot กันในช่วงกลางถึงปลายปี 2023 ดังนั้นการที่การจ้างงานลดลงก่อนการนำเทคโนโลยีไปใช้จริงเกิน 1 ปีจึงอธิบายได้ยาก การลดลงของการจ้าง SWE เริ่มมาตั้งแต่กลางปี 2022 และแทบจะตรงกับช่วงขึ้นดอกเบี้ยพอดี ขณะที่ LLM และ Copilot มาเป็นที่นิยมในวงกว้างช้ากว่านั้นอีก 1 ปี แม้ในงานวิจัยจะบอกว่ามีการปรับผลจากการสิ้นสุด ZIRP แล้ว แต่ก็ไม่แน่ใจว่าปรับได้เพียงพอหรือไม่ แม้แต่จากการสำรวจแบบไม่เป็นทางการรอบตัว การนำ LLM Copilot มาใช้จริงจังเกิดขึ้นช่วงปลายปี 2023 ถึงกลางปี 2024 ซึ่งตอนนั้นยังไม่ได้แพร่หลายถึงระดับนี้

  • การลดลงของการจ้าง SWE (วิศวกรซอฟต์แวร์) เกิดจากการเปลี่ยนแปลงกฎหมายภาษีในปี 2017 โดยสิทธิประโยชน์ลดหย่อนภาษีบางส่วนที่เกี่ยวกับการวิจัยและพัฒนา (R&D) หายไปตั้งแต่ปี 2022 ทำให้ต้นทุนค่าจ้างของตำแหน่งสาย R&D (เช่น วิศวกร นักวิทยาศาสตร์) สูงขึ้นมาก บริษัทใหญ่ที่มีสัดส่วน R&D สูงได้รับผลก่อน ส่วนการลดลงของการจ้าง Customer Service เป็นเพราะบริษัทไม่ค่อยใส่ใจงานบริการลูกค้าอยู่แล้ว ตลอดหลายสิบปีที่ผ่านมา ทั้งระบบโทรศัพท์อัตโนมัติ คอลเซ็นเตอร์เอาต์ซอร์ส และเว็บไซต์ที่ทำมาแย่ ๆ แสดงให้เห็นว่าต่อให้คุณภาพบริการต่ำก็ไม่เป็นไร ตราบใดที่บอกนักลงทุนได้ว่า “เรากำลังใช้ AI เพื่อลดคนเพิ่ม” กลับยิ่งได้รับเสียงตอบรับดีด้วยซ้ำ ไม่มีแรงกดดันจากตลาดหรือกฎระเบียบมาหยุดไว้ ต่อให้จงใจทำลายบริการก็แทบไม่หวังว่าจะถูกแก้ไข

  • ผมทำงานที่ปรึกษา และบรรยากาศเปลี่ยนอย่างรุนแรงราวเดือนพฤศจิกายน 2022 ก่อนหน้านั้นต้องรับมือลูกค้าที่มีโอกาสจะปิดการขายจำนวนมาก แล้วจู่ ๆ งานก็หายไปแทบหมด ลูกค้าที่ผมคุยด้วยก็เป็นสตาร์ตอัปหรือบริษัทขนาดกลาง ไม่ใช่องค์กรที่มีข้อมูลวงในหรือเกาะเทรนด์ล้ำหน้า และไม่เคยเห็นใครสักคนพูดเรื่องใช้ GPT เพื่อลดต้นทุนแรงงานเลย ในความรู้สึกผม ปัจจัยหลักคือการสิ้นสุด ZIRP และจุดเริ่มของการเลย์ออฟ (เพราะโปรเจกต์ถูกเติมคนได้ทันที)

  • ผมก็คิดคล้ายคนเขียนโพสต์ ว่าก่อนที่ LLM และ AI จะถูกพูดถึงกันอย่างจริงจัง ก็มีสัญญาณชัดเจนแล้วว่าตลาดแรงงานกำลังอ่อนตัว สาเหตุหลักของการหดตัวในการจ้างงานไม่ใช่ LLM แต่เป็นเพียงความสัมพันธ์เชิงสหสัมพันธ์เท่านั้น ลึกกว่านั้นคือโครงสร้างเศรษฐกิจทั้งในสหรัฐฯ และทั่วโลกกำลังเกิดรอยร้าว จึงทำให้ปัญหาการจ้างงานคนหนุ่มสาวขยายวงกว้างขึ้น สาเหตุมีหลายอย่างประกอบกัน เช่น ผลข้างเคียงของนโยบายการเงิน/การคลัง ความเหลื่อมล้ำทางความมั่งคั่ง ภาษีศุลกากร ภูมิรัฐศาสตร์ เป็นต้น

  • ในงานวิจัยมีการกล่าวถึงการปรับผลของการสิ้นสุด ZIRP แต่ก็ยังสงสัยว่าพอหรือไม่ งานวิจัย (Equation 4.1, p.15) แยกเอฟเฟกต์รายบริษัท ระดับการสัมผัส AI และช่วงเวลาไว้เป็นรายส่วน (log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}) โดยเอฟเฟกต์ที่ครอบคลุมทั้งอนุกรมเวลา (เช่น ZIRP, Section 174) ควรถูกดูดซับเข้าไปใน b ส่วน g ถูกปรับเทียบด้วยเดือนตุลาคม 2022 และระดับการสัมผัส 1 และมีกราฟตามช่วงอายุ·ระดับการสัมผัสใน Figure 9 (p.20) ซึ่งแสดงว่ามีเพียงกลุ่มวัยหนุ่มสาวที่ระดับการสัมผัส 3·4·5 เท่านั้นที่เริ่มลดลงตั้งแต่กลางปี 2024 กราฟในบทความกับ Figure 9 ในงานวิจัยให้อารมณ์ต่างกัน และผมมองว่าผลจาก ZIRP ใหญ่มาก อย่างไรก็ตาม วิธีนี้ยังแก้ปัญหาไม่ได้ว่ากลุ่ม junior และงานที่มี high AI exposure (เช่น SWE) ซึ่งโดน Section 174 เล่นงานโดยตรง อาจไม่ได้ถูกแก้ใน b แต่ไปสะท้อนอยู่ใน g จนถูกเข้าใจผิดว่าเป็นผลของ AI ถ้าตัดงานจำพวก SWE ที่เข้าข่าย Section 174 ออกแล้ววิเคราะห์ใหม่ก็น่าจะมีความหมายดี ต้นฉบับงานวิจัย

  • บริษัทของเราก็เริ่มขยายการเอาต์ซอร์สอย่างจริงจังในปี 2023 เช่นกัน มีการเริ่มโปรเจกต์ AI ด้วย แต่ผลลัพธ์ยังไม่ดีนัก ขณะที่การเอาต์ซอร์สดำเนินไปอย่างรวดเร็วมากกว่า

• ผมลองทำโมเดลง่าย ๆ ขึ้นมา ถ้าสมมติว่าจนถึงปี 2021 การจ้างงานของทุกกลุ่ม (ช่วงอายุ) เพิ่มขึ้นอย่างค่อยเป็นค่อยไป แล้วหลังจากนั้นค่อย ๆ ลดลง ก็จะได้รูปแบบคล้ายกราฟในงานวิจัย เหตุผลคือวิศวกรที่ถูกจ้างจำนวนมากแถวช่วง peak จะค่อย ๆ เคลื่อนผ่านช่วงอายุต่าง ๆ ไปตามเวลา เมื่อในงานวิจัยทำ normalization กราฟโดยยึดปี 2022 เป็นฐาน ก็ทำให้ความจริงที่ว่าอัตราการจ้างแทบไม่ได้เปลี่ยนมากถูกซ่อนเอาไว้ Google Spreadsheet ที่แชร์ไว้

  • เป็นผลลัพธ์ที่น่าสนใจ จริง ๆ แล้วต่อให้การจ้างงานเท่ากันทุกช่วงอายุ ด้วยโครงสร้างข้อมูลเอง (เช่น คนอายุน้อยเมื่อเวลาผ่านไปก็ย้ายไปอยู่อีกช่วงอายุ) ก็อาจทำให้ดูผิด ๆ เหมือนมีแค่คนหนุ่มสาวที่กำลังสูญเสียงานเป็นพิเศษได้

  • ค่อนข้างสับสน ในโมเดลอธิบายนี้ กลุ่มอายุ 20-24 ปี และ 25-29 ปี กลับขึ้นถึงจุดสูงสุดคนละปี (2022 vs 2024) ทั้งที่ถ้าเป็นโครงสร้างเดียวกัน ผมนึกว่าทุกกลุ่มควรขึ้นลงและแตะจุดสูงสุดพร้อมกัน อยากรู้ว่านี่เป็นเรื่องปกติไหม

• การลดลงของการจ้าง junior คือ ‘โศกนาฏกรรมของทรัพยากรส่วนรวม’ มันเริ่มตั้งแต่ช่วงโควิดก่อนกระแส AI boom และไม่ได้เกิดเฉพาะในสหรัฐฯ ด้วย ZIRP ทำให้บริษัทจ้างคนกันไม่รู้จบ และเพราะแย่งตัวคนเก่งจากคู่แข่ง แม้แต่เด็กฝึกงานที่มีประสบการณ์ 2 ปีก็ยังถูกปฏิบัติเหมือน senior คนรู้จักของผมบางคนไป bootcamp ก็ยังได้ค่าจ้าง สุดท้ายเมื่อ junior ที่ถูกจ้างไปสามารถย้ายบริษัทแล้วได้สถานะ senior อย่างรวดเร็ว บริษัทก็เลยเริ่มหลีกเลี่ยงการจ้าง junior

  • บรรยากาศเก็งกำไรเกินจริงเกี่ยวกับ AI กำลังดูดเงินทุนออกจากการจ้างงานแบบดั้งเดิม

• ตอนนี้สิ่งที่เราเรียกว่า “AI” กลายเป็นบริการแบบสมัครสมาชิกไปแล้ว ไม่ใช่เทคโนโลยีอีกต่อไป เทคโนโลยีคือสิ่งที่ใส่เข้าไปใน toolchain เพื่อช่วยเพิ่มขีดความสามารถของผม แต่บริษัท subscription เพียงรับภาระทางการรับรู้ไปแทนตราบใดที่ผมยังจ่ายค่าสมัครอยู่ เหตุผลที่ CEO ของ Anthropic พูดว่าอาชีพ white-collar จะหายไป ก็เพราะในฐานะคนขาย AI subscription สำหรับองค์กร เขากำลังพูดเชิงการตลาดว่าบริษัทต่าง ๆ จะกลายเป็นผู้ซื้อที่หลีกเลี่ยงไม่ได้

  • AI กำลังจะเข้าสู่ช่วง commoditization ในไม่ช้า โมเดลโอเพนซอร์สก็ช้ากว่าโมเดลเอกชน/ปิดเพียงราวหนึ่งเจเนอเรชัน แต่สำหรับผู้ใช้ส่วนใหญ่ก็เพียงพอเกือบทั้งหมดอยู่แล้ว และเพราะมันทำงานบนภาษาธรรมชาติ LLM ของบริษัทไหนก็เปลี่ยนแทนกันได้ง่าย บริษัทที่หวังขายบริการอย่างอื่นนอกเหนือจาก AI hosting อาจต้องผิดหวังอย่างมาก มีเพียง vendor lock-in เท่านั้นที่จะขัดขวาง commoditization ได้ แต่ก็ดูไม่ง่ายในทางเทคนิค

• ข้อมูลเศรษฐกิจช่วง 2020~2025 ไม่มีความหมาย ควรโยนทิ้งไปเลย ตอนนี้เป็นยุคที่เต็มไปด้วยตัวแปร ทั้งโรคระบาด เงินเฟ้อพุ่ง ความไม่แน่นอนด้านดอกเบี้ย ผลกระทบจากภาษีศุลกากร ฯลฯ จึงยังบอกไม่ได้ว่า AI มีอิทธิพลแค่ไหน ต้องรอดูการจ้างงานหลังเศรษฐกิจถดถอยรอบถัดไปและหลังจากตัวแปรต่าง ๆ สงบลงก่อน จึงจะประเมินผลของ AI ต่อการจ้างงานได้จริง

  • และ 20 ปีก่อนหน้านั้นก็เป็นข้อมูลขยะอีก เพราะมีวิกฤตที่อยู่อาศัยโลกและวิกฤตหนี้อธิปไตย ส่วน 20 ปีก่อนหน้านั้นก็เต็มไปด้วยฟองสบู่ดอทคอม เหตุการณ์ 9/11 และปัจจัยพิเศษอีกมากมาย ข้อมูลเศรษฐศาสตร์มี noise อยู่เสมอ และเป็นสาขาที่ไม่มีทางทำการทดลองในสภาพปลอดเชื้อได้ เลยมีคนเรียกมันว่าเป็นศาสตร์ที่ขมขื่น แต่ถึงอย่างนั้นผมก็ไม่คิดว่าข้อมูลจะไร้ประโยชน์โดยสิ้นเชิง

• อาจมีสาเหตุอีกมากที่ยังไม่ได้อธิบาย ในยุคแห่งความไม่แน่นอน บริษัทจะไม่จ้างหากไม่ใช่กำลังคนที่จำเป็น งาน junior หรือคอลเซ็นเตอร์เลื่อนการจ้างออกไปได้ง่าย แต่ตำแหน่งจำเป็นอย่างงานดูแลผู้คนไม่มีทางเลือกแบบนั้น ทุกวันนี้ภาษีศุลกากรคือแหล่งความไม่แน่นอนทางธุรกิจอันดับหนึ่ง และความไม่แน่นอนเรื่องดอกเบี้ยก็ยังสูงมากเช่นกัน

• ผมเองก็เข้าเรียนมหาวิทยาลัยในปี 2004 (ออสเตรเลีย) หลังผลกระทบจากฟองสบู่ดอทคอมไม่นาน ตอนนั้นคนสมัคร CS น้อย และผู้คนหนีออกจากตลาดเพราะกลัวหางานไม่ได้ เรื่องนี้ทำให้เกิดการขาดแคลนพนักงานใหม่อย่างหนัก และบริษัทก็เริ่มจ้างเพิ่มอีกครั้งราวปี 2004 ตอนผมเรียนจบ (2008) ก็ได้งานทันที และหลังจากนั้นไม่เคยต้องกังวลเรื่องงานอีกเลย ถ้าจะให้คำแนะนำกับนักเรียนมัธยมปลายในปี 2025 ตอนนี้แหละคือจังหวะสมบูรณ์แบบในการสมัครเรียน CS อีก 5 ปีข้างหน้า กระแส AI ก็จะซาลงและจะขาดแคลนคนจบใหม่อีก

  • อยากรู้ว่าเหตุผลรองรับคืออะไร คุณมั่นใจได้จริงหรือว่า AI เป็นแค่ hype เท่านั้น

  • มุมมองอีกแบบ: รอบนี้ AI hype อาจเป็นของจริง และ AI อาจแทนที่งานได้จริงจนอีก 5 ปีข้างหน้าทุกคนอาจตกงานกันหมดก็ได้ แต่อีกด้านหนึ่ง ถ้าคิดดูแล้ว อีก 5 ปีข้างหน้าก็อาจเป็นช่วงที่คนรุ่น baby boomer และ GenX ชุดแรกเกษียณจำนวนมาก ทำให้ตลาดแรงงานในแทบทุกสาขากลับมาเปิดกว้างมากก็ได้

  • รอบนี้อาจต่างออกไป ตอนนี้เราอยู่ในยุคที่สามารถพัฒนาซอฟต์แวร์ได้ด้วยการ orchestration ของ LLM และ agent บทบาทของวิศวกรซอฟต์แวร์จึงอาจถูกย่อเหลือแค่การควบคุมคุณภาพ compliance สถาปัตยกรรมซอฟต์แวร์ และการรับมือกับสถานการณ์พิเศษที่ LLM ยังทำได้ไม่ดี แต่แม้แต่สิ่งเหล่านี้ก็อาจถูกความก้าวหน้าของ AI แก้ได้ในที่สุด ท้ายที่สุดงานที่คนจบ CS จะทำได้จากทักษะที่เรียนมาก็ดูเหมือนจะค่อย ๆ น้อยลง ต่อไปความสำคัญอาจย้ายไปอยู่ที่การออกแบบความต้องการของลูกค้าในเชิงนามธรรม การให้ AI ตัดสินใจและถ่ายทอดงาน และการประเมินผลลัพธ์จาก AI คล้ายการชื่นชมงานศิลปะ

• เทรนด์ต่าง ๆ ต้องใช้เวลา หลายกรณีมีแค่คำว่า "AI" เข้าไปเขย่าทุกอย่าง แต่สุดท้ายก็ยังไม่แน่ชัดด้วยซ้ำว่า AI นั้นมี 'Intelligence' จริงหรือไม่ ฝ่าย HR แค่ได้รับคำสั่งจากเบื้องบนให้นำ AI มาใช้ ก็สามารถเดินหน้าลดคนครั้งใหญ่ในไม่กี่เดือนด้วยเหตุผลที่น่าสงสัย ขณะที่การจ้างกลับเป็นไปอย่างช้า ๆ LLM มีประโยชน์ก็จริง แต่ยังไม่ใช่เครื่องมือสำหรับการปลดคนจำนวนมาก จากมุมมองผู้บริหาร การลดต้นทุนย่อมเย้ายวน แต่ในโลกจริง AI ก็ไม่ได้กลายเป็น I ได้ทันทีตามความคาดหวัง จากประสบการณ์ตรงของผม LLM ไม่ได้อยู่ในสถานะเครื่องมือปฏิวัติวงการ แต่ใกล้เคียงกับ slide rule ที่ยอดเยี่ยมมากกว่า ซึ่ง slide rule ของผมยังทำงานได้เสมอแม้ไม่มีอินเทอร์เน็ตหรือไฟฟ้า แต่ LLM ไม่เป็นแบบนั้น

• การจ้างคนหนุ่มสาวมีหลายปัจจัยทำงานอยู่ นอกเหนือจากความรู้และความสามารถ แม้แต่ในสาย IT เองก็มีงานจิปาถะลักษณะ blue-collar อยู่มาก และส่วนใหญ่ถูกมอบหมายให้แรงงานเอาต์ซอร์สหรือสัญญาจ้าง (มักเป็นคนหนุ่มสาว) ทำ เช่น งาน IT support งานบำรุงรักษา และงานซ้ำ ๆ ซึ่งหลายอย่างทำกันนอกโลกตะวันตก AI ยังดูไม่พร้อมจะเข้ามาแทนที่พื้นที่นี้ทันที งานจิปาถะบางส่วนก็ถูกมอบให้คนหนุ่มสาวเพื่อกระจายความรับผิดชอบและความเสี่ยง ผมไม่คิดว่า AI จะรับผิดชอบได้เท่ามนุษย์ คนหนุ่มสาวยังเป็นที่ต้องการเพราะความรวดเร็ว ความยืดหยุ่น พลังในการทำงานหนัก และค่าจ้างที่ต่ำ รวมถึงไม่ติดยึดมากนักจนยอมทำงานล่วงเวลาได้ จากประสบการณ์ของผม การทำงานเป็นทีมของคนอายุน้อยก็ดีกว่าด้วย ถ้ามองปรากฏการณ์ปัจจุบันผ่านมุมความสามารถเพียงอย่างเดียว ก็จะพลาดภาพรวมไป

• วิศวกรรมซอฟต์แวร์เข้าสู่ช่วงปรับฐานตั้งแต่ปี 2022 แล้ว และ AI ก็เป็นเพียงข้ออ้างสำหรับการเลย์ออฟครั้งใหญ่ Zuck เองก็พูดเรื่อง “ปีแห่งประสิทธิภาพ” มาหลายปีแล้ว