- การลดลงของการจ้างงานระดับจูเนียร์ในบริษัทที่นำ AI มาใช้ และ การเพิ่มขึ้นของการว่างงานในกลุ่มผู้เริ่มต้นอาชีพ กำลังเกิดขึ้นพร้อมกัน จนบันไดการเติบโตของบุคลากรในอุตสาหกรรมเทคโนโลยีกำลังพังทลาย
- ในมหาวิทยาลัย บัณฑิตกำลังเผชิญกับความยากลำบากในการหางานแรก โดย การขาดแคลนการสร้างเครือข่ายอย่างจริงใจและการขาดเมนทอร์ชิป ถูกชี้ว่าเป็นปัญหาสำคัญ
- การผสมกันระหว่าง วัฒนธรรมที่วิศวกรอาวุโสหลีกเลี่ยงการเป็นเมนเทอร์ กับ AI ที่ทำให้งานของจูเนียร์เป็นอัตโนมัติ กำลังทำให้โอกาสในการเรียนรู้จากงานจริงหายไป
- โครงสร้างแรงจูงใจของบริษัทที่เน้นผลตอบแทนระยะสั้น ขัดขวางการพัฒนาคนระยะยาว และทำให้น่ากังวลว่าในอีก 10–20 ปีข้างหน้าอาจเกิดช่องว่างของแรงงานทักษะสูง
- ด้วยเหตุนี้ แต่ละคนจึงต้องพัฒนา ความสามารถในการสร้างความสัมพันธ์และศักยภาพในการทำงานร่วมกันที่ AI ทดแทนไม่ได้ ซึ่งเป็นปัจจัยสำคัญที่จะชี้ชะตาความยั่งยืนของอุตสาหกรรมเทคโนโลยี
ข้อมูลและสถานการณ์ปัจจุบัน
- ตามงานวิจัยของ Stanford Digital Economy Lab บริษัทที่นำ AI มาใช้อย่างจริงจังลดการจ้างงานระดับจูเนียร์ลง 13%
- งานวิจัยของ Harvard ก็ยืนยันว่า อัตราว่างงานของผู้เริ่มต้นอาชีพอายุ 22–25 ปีเพิ่มขึ้น
- ขณะที่ การจ้างงานระดับซีเนียร์ยังคงทรงตัวหรือมีแนวโน้มเพิ่มขึ้น
- การเปลี่ยนแปลงนี้ส่งผลระยะยาวต่อ เส้นทางการสร้างอาชีพโดยรวม ของคนรุ่นใหม่ที่ต้องพึ่งพาตัวเองโดยไม่มีการสนับสนุนจากพ่อแม่
เสียงจากในมหาวิทยาลัย
- แม้สถิติการได้งานอย่างเป็นทางการของมหาวิทยาลัยจะยังไม่สะท้อนความเปลี่ยนแปลงนี้ แต่ ทั้งนักศึกษาและบุคลากรต่างพูดถึงวิกฤตที่สัมผัสได้จริง
- นักศึกษาบ่นว่าหางานแรกได้ยาก และ ความรู้สึกหมดพลังกับความกังวล กำลังแพร่กระจาย
- แม้ทุกฝ่ายจะเห็นพ้องถึง ความสำคัญของการสร้างเครือข่าย แต่ก็ชี้ว่า ยังขาดวิธีปฏิบัติที่ได้ผลและการขยายผลที่เพียงพอ
- แม้จะมีแอปสร้างเครือข่ายและโปรแกรมเมนทอร์หลากหลาย แต่ ความยากในการสร้างความสัมพันธ์ที่มีคุณภาพ ยังคงอยู่
- ผู้รับผิดชอบด้าน career service ระบุว่า บุคลากรไม่เพียงพอ ขณะที่นักศึกษาต้องการมากที่สุดคือ เมนเทอร์ที่มีประสบการณ์ล่าสุด
- การขาด relational intelligence ถูกชี้ว่าเป็นอุปสรรคสำคัญ
สาเหตุของวิกฤต: การล่มสลายของระบบฝึกงานเชิงช่าง
วัฒนธรรม “ฉันเป็น IC ไม่ใช่ผู้จัดการ”
- วงการเทคโนโลยีได้สร้างเส้นทางให้เติบโตในฐานะ ผู้สร้างผลงานรายบุคคล (Individual Contributor) โดยไม่ต้องเป็นผู้จัดการ แต่ผลที่ตามมาคือ การหลีกเลี่ยงบทบาทเมนเทอร์ของวิศวกรอาวุโสกลายเป็นเรื่องปกติ
- วิศวกรหน้าใหม่ยังมีประสบการณ์ไม่พอที่จะเรียกร้องเมนทอร์ชิป จึงเกิด การขาดตอนของการถ่ายทอดทักษะระหว่างรุ่น
สิ่งที่ AI แทนที่คือ ‘พื้นที่แห่งการฝึกฝน’
- AI กำลังพัฒนาไปในทิศทางที่ ทำให้งานของจูเนียร์เป็นอัตโนมัติ และ ช่วยเสริมงานของซีเนียร์
- ผลลัพธ์คือ AI ไม่ได้แทนที่แรงงานทั้งหมด แต่กำลังรื้อบันไดการฝึกแบบลูกมือออกไป
- โอกาสในการถ่ายทอดความรู้โดยนัยผ่านการลงมือทำจริง, pair programming, code review ฯลฯ กำลังหายไป
- สิ่งนี้เพิ่มความเสี่ยงต่อการเกิด “รุ่นที่ขาดหายไป (missing generation)”
ความไม่สมดุลในอนาคต
- ในอีก 10–20 ปี เมื่อวิศวกรอาวุโสในปัจจุบันเกษียณ คาดว่าจะเกิด การขาดแคลนกำลังคนรุ่นถัดไปที่สามารถออกแบบระบบซับซ้อนได้
- บริษัทจำนวนมากกำลังพึ่งพา สมมติฐานเชิงมองโลกในแง่ดีว่า AI จะเข้ามาแทนการตัดสินใจของมนุษย์ได้ทั้งหมด
- หากสมมติฐานนี้ผิด ก็อาจนำไปสู่ การพังทลายของ pipeline บุคลากรทักษะสูง
ปัญหาของโครงสร้างแรงจูงใจ
- โครงสร้างบริษัทที่เน้นผลงานระยะสั้น กำลังบั่นทอนการพัฒนาคนในระยะยาว
- ด้วยโครงสร้างแรงงานที่ยืดหยุ่นและมีอายุงานเฉลี่ยราว 2 ปี แรงจูงใจในการลงทุนกับจูเนียร์จึงหายไป
- ผลลัพธ์คือ
AI แทนที่จูเนียร์ซีเนียร์หลีกเลี่ยงการเป็นเมนเทอร์บริษัทให้ความสำคัญกับผลลัพธ์ระยะสั้น- → เกิดปัญหาเชิงโครงสร้างที่ไม่อาจแก้ได้ด้วยความพยายามของปัจเจกเพียงอย่างเดียว
พื้นที่ที่แต่ละคนควบคุมได้: เสริมสร้างทักษะด้านความสัมพันธ์
- ต้องพัฒนา ทักษะที่มีมนุษย์เป็นศูนย์กลางซึ่ง AI ทำให้เป็นอัตโนมัติไม่ได้ (อิทธิพล การทำงานร่วมกัน การสร้างความสัมพันธ์)
- วิธีปฏิบัติ
- ระบุเครือข่ายหลัก 10–30 คน: แบ่งเป็น 4 ประเภทคือ guide, align, partner และ network
- ดูแลแต่ละความสัมพันธ์อย่างตั้งใจ พร้อมค้นหาวิธีที่ช่วยเหลือกันได้ทั้งสองฝ่าย
- บันทึกผลงานและทบทวนตนเอง เพื่อตรวจสอบคุณภาพของความสัมพันธ์
- ฝึกตั้งแต่ช่วงเป็นนักศึกษา เพื่อซึมซับทักษะด้านความสัมพันธ์ในสภาพแวดล้อมที่มีความเสี่ยงจากความผิดพลาดต่ำ
- relational intelligence แบบนี้จะนำไปสู่ การ onboard ได้เร็วและการมีส่วนร่วมกับทีมหลังเรียนจบ
ความสำคัญของ relational intelligence
- บทบาทของวิศวกรอาวุโสโดยเนื้อแท้คือบทบาทผู้นำ และทักษะด้านความสัมพันธ์เป็นความสามารถที่ขาดไม่ได้
- ความสามารถในการเข้าใจและประสานระบบมนุษย์ที่ซับซ้อน กำลังกลายเป็นความได้เปรียบในการแข่งขันหลักของอุตสาหกรรมเทคโนโลยี
- หากฝึก relational intelligence ตั้งแต่สมัยเรียน ก็จะสามารถ หางานและเติบโตผ่านเครือข่ายได้หลังเรียนจบ
- เพื่อสิ่งนี้ จำเป็นต้องมี ความปลอดภัยทางจิตใจ, การมองเห็นรูปแบบ, และการฝึกฝนอย่างตั้งใจ
บทสรุป: ทิศทางต่อจากนี้
- การล่มสลายของโมเดลแบบฝึกหัดฝีมือและการเร่งตัวของ AI, ความบิดเบี้ยวของแรงจูงใจในบริษัท, และ วิกฤตของ pipeline บุคลากร ล้วนเป็นความจริง
- อย่างไรก็ตาม ทั้งปัจเจก ซีเนียร์ และมหาวิทยาลัยต่างก็ยัง รับมือได้ผ่าน relational intelligence
- นักศึกษาและผู้เริ่มต้นอาชีพควร ระบุและดูแลความสัมพันธ์หลัก 10–20 ความสัมพันธ์
- ซีเนียร์และผู้จัดการควร เสริมศักยภาพทั้งทีมผ่านการเป็นเมนเทอร์
- มหาวิทยาลัยควร ทำให้การสอน relational intelligence เป็นวิชาบังคับในสาขาที่เกี่ยวข้องกับ AI
- ทักษะด้านความสัมพันธ์ของมนุษย์ไม่ใช่ทางเลือกอีกต่อไป แต่เป็นสิ่งจำเป็น และถูกเน้นว่าเป็น องค์ประกอบสำคัญในการนำความเป็นมนุษย์กลับคืนสู่เทคโนโลยีและธุรกิจ
6 ความคิดเห็น
มีช่อง YouTube ชื่อ Dad, how do I? ซึ่งเป็นช่องที่สอนเรื่องต่าง ๆ ให้เด็ก ๆ ที่ไม่มีพ่อ (เช่น วิธีโกนหนวด วิธีผูกเนกไท) ก็เลยทำให้นึกขึ้นมาว่า ถ้ามีช่องแบบนี้สำหรับการเขียนโปรแกรมก็คงดีเหมือนกัน
ขอบคุณที่แนะนำช่องดี ๆ นะครับ :)
ด้วยความยินดี
ตอนนี้ผมมองว่าสถานการณ์กำลังไปไกลเกินกว่าที่บริษัทหรือรุ่นพี่จะพยายามกันเองได้ และจำเป็นต้องมีกฎหมายขึ้นมารองรับแล้ว
ผมสงสัยว่าสังคมจะเป็นอย่างไร เมื่ออีก 10 ปีข้างหน้าไม่มีคนที่มีประสบการณ์ทำงาน 10 ปีเหลืออยู่อีกต่อไป
ความเห็นจาก Hacker News
เมื่อก่อนวิศวกรจูเนียร์ยังมี สนามฝึกฝน ให้เติบโตได้
แต่ตอนนี้ AI ทำงานพวกนั้นให้โดยอัตโนมัติ ทำให้ ระบบฝึกงานแบบลูกมือ แทบหายไปแล้ว
ในอดีตคนเราสั่งสมประสบการณ์จากงานง่าย ๆ หรืองานจุกจิกที่ไม่มีใครอยากทำ แต่ตอนนี้งานเหล่านั้นถูก AI จัดการแทน จึงมีเหตุผลน้อยลงที่จะรับพนักงานใหม่
ผลกระทบของการเปลี่ยนแปลงนี้น่าจะเริ่มเห็นชัดจริง ๆ อีกหลายปีข้างหน้า ถ้าคนระดับกลางหายไป ก็จะไม่มีคนที่เติบโตขึ้นมาจากภายในองค์กร
เมื่อก่อนยังได้เรียนรู้จากการช่วยกันแก้โค้ดที่ผิด แต่ตอนนี้กลับกลายเป็นเอาฟีดแบ็กไปป้อนให้ LLM ต่อ ทำให้ระบบพี่เลี้ยงพังลง
จูเนียร์ที่มีความตั้งใจเรียนรู้อย่างจริงจังยังมีคุณค่าอยู่ แต่ก็อดคิดไม่ได้ว่า “งั้นฉันใช้ AI เองไม่ดีกว่าเหรอ”
สุดท้ายคนรุ่นเราคงยังพอไปต่อได้ แต่คนรุ่นถัดไปรู้สึกเหมือนประตูทางเข้ากำลังปิดลง
ช่วงหลายปีที่ผ่านมา มีคนแห่เข้ามาเป็นนักพัฒนามากเกินไป และในนั้นก็มีคนจำนวนไม่น้อยที่ไม่ได้เหมาะกับสายนี้
ตอนนี้ AI กำลังยกระดับเส้นฐานขึ้น ทำให้สุดท้ายจะเหลือแต่คนที่สนใจเทคโนโลยีจริง ๆ เท่านั้น
ขนาดของวงการอาจเล็กลง แต่ประสิทธิภาพจะสูงขึ้นเพราะ AI รับงานซ้ำ ๆ ไปทำแทน
อายุงานเฉลี่ยมีแค่ราว 2 ปี ในมุมบริษัทจึงยากที่จะลงทุนกับคนที่พอปั้นขึ้นมาแล้วก็อาจลาออกในไม่ช้า
ระบบอัตโนมัติทำให้ไม่ต้องใช้แรงงานระดับต้นอีกต่อไป เหลือแต่คนชำนาญและทำให้อุตสาหกรรมมีแต่คนอายุมากขึ้น
สุดท้าย ท่อส่งคนเข้าใหม่ ก็ขาดสะบั้นไปโดยสิ้นเชิง
ท้ายที่สุด เกณฑ์ของคนที่สามารถสร้างมูลค่าทางเศรษฐกิจในตลาดได้ก็จะสูงขึ้นเรื่อย ๆ
สัญญาทางสังคม ระหว่างบริษัทใหญ่กับพนักงานนั้นพังไปนานแล้ว
บริษัทสนใจแค่ผลประกอบการรายไตรมาส และการลงทุนระยะยาวกับพนักงานก็หายไป
แม้แต่บริษัท Fortune 50 ที่เพื่อนผมทำอยู่ก็ทำกำไรสูงสุดเป็นประวัติการณ์ พร้อมกับการยุบแผนกครั้งใหญ่ไปพร้อมกัน
ในสถานการณ์แบบนี้ที่พนักงานจะกลายเป็นคนมองโลกแบบประชดประชันและหมดแรงใจก็เป็นเรื่องธรรมดา
เมื่อก่อนยังมีความเชื่อว่าถ้าบริษัทดี พนักงานก็จะดีไปด้วย แต่ตอนนี้มันพังลงอย่างสิ้นเชิงแล้ว
มันเป็นแค่ภาพหลอนที่เกิดขึ้นได้เฉพาะในช่วงที่อุตสาหกรรมซอฟต์แวร์เติบโตแบบระเบิดเท่านั้น
ตอนนี้เมื่ออุตสาหกรรมเริ่มเข้าสู่ระยะอิ่มตัว มันก็กำลังเปลี่ยนไปเป็น สภาพแวดล้อมที่แข่งขันดุเดือด เหมือนอาชีพเทคนิคอื่น ๆ
แค่ทำผลงานระยะสั้นให้ดูดีก็ได้เงินมากพอใช้ทั้งชีวิตแล้ว จึงไม่มีเหตุผลให้ลงทุนระยะยาว
สุดท้ายโครงสร้างแรงจูงใจก็บีบให้ผู้บริหารต้องไหลไปสู่ ลัทธิระยะสั้น อยู่ดี
ความยอมแพ้ของคนรุ่นใหม่เห็นได้ชัด แต่เพราะสังคมสนใจแต่ตัวชี้วัดระยะสั้น จึงไม่มีใครแคร์
ผมเองก็กลายเป็นคนมองโลกแบบประชดประชันเหมือนกัน แต่ตอนนี้เปลี่ยนเป้าหมายมาเป็น เอาตัวรอดของตัวเองเป็นหลัก แล้ว
กำลังพยายามกระจายรายได้ผ่านสัญญาระยะสั้นและโปรเจกต์ส่วนตัว
สุดท้ายความจริงแบบนี้เองที่กำลังนำไปสู่ กระแสการตั้งสหภาพแรงงาน
ผมคิดว่า วิกฤตการจ้างงานจูเนียร์ ทุกวันนี้ไม่ได้เกิดจาก AI แต่เกิดจากกระบวนการจ้างงานที่เกินพอดี
เมื่อก่อนเขาดูแค่ศักยภาพ แต่ตอนนี้แม้แต่มือใหม่ก็ถูกคาดหวังให้มีทักษะพร้อมใช้งานเต็มรูปแบบ
มีผู้สมัครอายุน้อยคนหนึ่งใช้เวลาครึ่งปีเรียนโจทย์สถิติและความน่าจะเป็นทุกอย่างแล้วก็ยังไม่ผ่าน
ตอนนี้ใครจะได้งานแรกต้องเก่งถึงระดับทำงานจริงได้สมบูรณ์อยู่แล้ว
สังคมแบบนี้จะเรียกว่าสุขภาพดีได้จริงหรือไม่ก็ยังน่าสงสัย เพราะ อิสระในการลองผิดลองถูก กำลังหายไป
นักศึกษามหาวิทยาลัยชั้นนำแชร์ข้อมูลรับสมัครและวิธีเตรียมตัวกันได้ แต่คนจากสถาบันอื่นเข้าถึงได้ยากตั้งแต่ต้น
สุดท้ายเครือข่ายกลับมีอิทธิพลมากกว่าความสามารถ
แม้แต่คนที่เคยสร้างผลงานให้บริษัทแล้วก็ยังถูกขอให้ทำ onsite coding test ยาว 4 ชั่วโมง
ทั้งที่โลกความจริงคือแม้แต่รีโพสาธารณะที่มีอยู่แล้วก็ยังไม่ค่อยมีใครเปิดดูจริงจัง
ทั้งที่แม้แต่แพทย์เองก็ยังต้องผ่านระบบฝึกงานแบบลูกมือ อุตสาหกรรมที่ไม่สร้างคนรุ่นต่อไปสุดท้ายก็จะพังเพราะตัวเอง
การได้เข้าเรียนในบางสถาบันกลายเป็น ‘ตั๋วทอง’ ไปนานแล้ว
บริษัทเล็กกลับยังรักษาวิธีจ้างงานที่เป็นมนุษย์มากกว่าไว้ได้
ผมไม่เห็นด้วยกับคำกล่าวที่ว่า AI เป็นสาเหตุของการชะลอการจ้างงาน
ChatGPT เพิ่งเริ่มใช้ทำงานจริงได้ระดับหนึ่งก็หลังปี 2024 นี่เอง
แต่การชะลอตัวของการจ้างงานจูเนียร์เริ่มมาตั้งแต่ปี 2022 แล้ว
ดังนั้นสาเหตุที่ใหญ่กว่าน่าจะเป็น ปัจจัยมหภาคทางเศรษฐกิจ มากกว่า
แม้แต่ซีเนียร์เองก็ลำบาก และมันเป็นผลสะสมจากหลายปัจจัย
ในปี 2021 บริษัทพร้อมทุ่มคนให้แม้แต่โปรเจกต์เล็กน้อย แต่พอปลายปี 2022 ก็เกิดการปลดคนและหยุดรับคนต่อเนื่อง
คลื่น AI ที่แท้จริงจะมาในช่วงปี 2026~27
ปัญหาที่ลึกกว่า AI คือ เส้นโค้งการเพิ่มขึ้นของมูลค่าคนเก่งที่ชันมาก
ต่อให้รับคนใหม่เข้ามา อีก 2~3 ปีมูลค่าตลาดของเขาก็อาจเพิ่มเป็น 2 เท่าแล้ว
บริษัทส่วนใหญ่ตามการเปลี่ยนแปลงนั้นไม่ทัน สุดท้ายจึงสรุปว่า “ปั้นคนไปก็ได้ประโยชน์ให้คนอื่น”
เลยไม่อยากรับคนใหม่
ในช่วงหลายเดือนแรกพวกเขาอาจติดลบด้านผลิตภาพด้วยซ้ำ แต่เงินเดือนกลับไม่ได้ต่ำตามนั้น
แถมพอเริ่มเก่งขึ้นนิดหน่อยก็ย้ายงานแล้ว ในมุมบริษัทจึงขาดทุน
สุดท้าย ROI ของการฝึกคน จึงต่ำเกินไป
แต่กรณีแบบนี้หาได้ยาก และคนส่วนใหญ่ไม่ได้รับผลตอบแทนที่เหมาะสมตามเวลา
ถ้ามหาวิทยาลัยสอนเทคโนโลยีที่ทันสมัยกว่านี้ ช่องว่างระหว่างบัณฑิตใหม่กับงานจริงคงไม่กว้างขนาดนี้
ทุกวันนี้บริษัทไม่ได้คิดแบบ “รวบรวมคนเก่งมาช่วยกันแก้ปัญหา” อีกแล้ว
แต่เปลี่ยนไปเป็นแนวคิดว่า “เครื่องจักรมันทำงานอยู่แล้ว งั้นก็ ลดค่าดูแลรักษาให้ต่ำที่สุด”
จากยุคที่ความใส่ใจและความคิดสร้างสรรค์ของคนสร้างคุณค่า
ตอนนี้มันกลายเป็น องค์กรอนุรักษนิยม ที่แค่ต้องการรักษาโครงสร้างเดิมและกระแสรายได้เดิมไว้
ส่วนความมองโลกในแง่ดีถูกผลักภาระให้เป็นเรื่องของแต่ละบุคคล
ปัญหาคือ ทัศนคติแบบชนชั้นนำ แบบนี้เอง
วัฒนธรรมที่ดูถูกจูเนียร์และไม่คิดจะสอนใครกำลังทำให้อุตสาหกรรมป่วยลง
แน่นอนว่ามีคนที่ฝีมือยังไม่พร้อมอยู่จริง แต่ถ้าให้โอกาส พวกเขาก็อาจเติบโตเป็นคนเก่งได้
อุตสาหกรรมที่ไม่มีการให้คำปรึกษาหรือพี่เลี้ยง สุดท้ายก็กำลังกักตัวเองให้อยู่โดดเดี่ยว
ความจริงแล้ว คุณภาพของซีเนียร์ที่ถดถอย เริ่มมาตั้งแต่ 10 ปีก่อนแล้ว
ทั้งการเป็นพี่เลี้ยงและภาวะผู้นำหายไป คนจากบูตแคมป์เพิ่มขึ้นอย่างรวดเร็วทำให้มาตรฐานพร่าเลือน
ภาวะเงินเฟ้อของตำแหน่งทำให้คำว่า ‘ซีเนียร์’ แทบหมดความหมาย
ตอนนี้แทบไม่มีซีเนียร์ตัวจริงที่สอนจูเนียร์ได้แล้ว
ทางออกไม่ใช่การเน็ตเวิร์ก แต่คือ การทำให้งานวิศวกรรมเป็นวิชาชีพอย่างแท้จริง — ต้องมีการศึกษาอย่างเป็นทางการ ใบรับรอง ระบบลูกมือ และเกณฑ์ความสำเร็จที่ชัดเจน
คนจำนวนมากที่หลั่งไหลเข้ามาหลังจบบูตแคมป์ทำให้คุณภาพโค้ดตกต่ำลง
จนแม้แต่ผมเองยังต้องมาคอยวิ่งแก้ปัญหาเฉพาะหน้าอยู่ตรงกลาง
ถ้าอยากให้อุตสาหกรรมเปลี่ยนจริง ๆ ก็ต้องมี ระบบคุณวุฒิมาตรฐาน
บริษัทใหญ่ในสหรัฐฯ พึ่งพาการเอาต์ซอร์สไปต่างประเทศกันไปแล้ว
ถ้าอยากเห็นการเปลี่ยนแปลงจริง ก็ต้องมี การลงมือร่วมกันเป็นกลุ่ม หรือโมเดลธุรกิจแบบใหม่
สุดท้ายแล้วมันเป็นปัญหาเชิงโครงสร้าง
ข้อมูลที่บทความยกมานั้น ช่วงเวลาสั้นเกินไป
ถ้ามองเป็นช่วง 5 ปีหรือ 10 ปี มันยังไม่พอจะสะท้อนวัฏจักรเศรษฐกิจ
มันดูเหมือน วัฏจักรเศรษฐกิจรอบ 10 ปี แบบคลาสสิกมากกว่าจะเป็นผลของ AI
ในความเป็นจริง ปัญหาหางานแรกยากนั้นมีมาตลอด และตอนนี้อาจไม่ได้ต่างจากเดิมเป็นพิเศษก็ได้
เมื่อก่อนอาจได้โอกาสสัมภาษณ์จากคำแนะนำเพียงคำเดียว แต่ตอนนี้กลับติดอยู่ที่ ระบบคัดกรองอัตโนมัติ
ต่อให้ส่งใบสมัครไปเป็นร้อยก็อาจไม่ได้แม้แต่ฟีดแบ็ก กลายเป็น ประสบการณ์ที่โดดเดี่ยว
แต่เมื่อมองว่าการจ้างงานระดับโลกยังคงคึกคักอยู่ ก็อาจแปลได้เพียงว่าเกณฑ์ถูกยกให้เข้มขึ้นเท่านั้น
คำถามที่ควรถามจริง ๆ คือ “ทำไมมหาวิทยาลัยถึงไม่สามารถสร้างโปรแกรมเมอร์ที่มีความสามารถได้ภายใน 4 ปี”
สี่ปีนานพอที่แม้แต่คนไม่มีพื้นฐานเลยจะเติบโตเป็นนักพัฒนาระดับกลางได้ แต่มหาวิทยาลัยกลับปล่อยเวลาเหล่านั้นสูญเปล่า
ถึงขั้นดูเหมือนว่าจ้างติวเตอร์แล้วเรียนด้วยตัวเองยังมีประสิทธิภาพกว่าเสียอีก
แม้ทุกวันนี้เอง นอกจากใช้รับมือสัมภาษณ์แบบ Leetcode แล้วก็แทบไม่ช่วยอะไร
สุดท้ายแล้วปัญหามีทั้งเรื่องคุณภาพการศึกษาและแรงจูงใจของแต่ละคน