วิกฤตปัญญาโลกปี 2028 - Citrini Research
(citriniresearch.com)Citrini Research ได้นำเสนอสถานการณ์สมมติที่เศรษฐกิจซึ่งอิงกับมนุษย์ล่มสลายลง ท่ามกลางกระแสการมองโลกในแง่ดีต่อ AI
Preface
- ไม่ใช่ “การคาดการณ์” แต่เป็น สถานการณ์จำลอง ที่พยายามจำลองเส้นทางซึ่งถูกสำรวจค่อนข้างน้อย ว่าแม้การมองโลกในแง่ดีต่อ AI จะยังคงถูกต้อง ผลลัพธ์ก็อาจออกมาเป็น ขาลงในเชิงมหภาค (left-tail risk) ได้
- ใช้กรอบว่าเป็น “บันทึกมหภาคสมมติ” ของ CitriniResearch ที่เขียนขึ้นในเดือนมิถุนายน 2028 เพื่อบรรยายการดำเนินไปและผลกระทบของ Global Intelligence Crisis
Macro Memo: The Consequences of Abundant Intelligence
- เริ่มต้นจากจุดเวลาเดือนมิถุนายน 2028 ที่อัตราว่างงานอยู่ที่ 10.2% และ S&P ร่วงลง -38% จากจุดสูงสุดในเดือนตุลาคม 2026 โดยวางกรอบว่า “ในเวลา 2 ปี ปัญหาระดับภาคส่วนได้ลามไปสู่ภาวะใหม่ที่ไม่คุ้นเคยของทั้งเศรษฐกิจ”
- การปลดพนักงานระยะแรก (ต้นปี 2026) ให้ผลแบบ “เป็นเรื่องปกติ” ในมุมบริษัท คือมาร์จิ้นขยาย ผลประกอบการดีกว่าคาด และราคาหุ้นขึ้น ก่อนที่กำไรจะถูกนำกลับไปลงทุนต่อใน AI compute
- แม้ GDP ที่เป็นตัวเงินและผลิตภาพจะดูดี แต่ในช่วงที่ AI agent ทำให้ผลิตภาพพุ่งขึ้นและต้นทุนแรงงานหายไปนั้น การเติบโตของค่าจ้างจริงกลับพังทลาย และพนักงานสาย white-collar ถูกเบียดลงไปสู่บทบาทค่าจ้างต่ำกว่า
- เกิดสิ่งที่เรียกว่า “Ghost GDP” — ผลผลิตที่ถูกนับในบัญชีประชาชาติ แต่ไม่หมุนเวียนกลับสู่ครัวเรือน จึงไม่สามารถพยุงการบริโภคในเศรษฐกิจจริงได้
- กลไกหลักคือ ความสามารถของ AI↑ → กำลังคน↓ → การบริโภค↓ → แรงกดดันต่อมาร์จิ้นบริษัท/การลงทุนกลับใน AI↑ → ความสามารถของ AI↑ … เป็น วงจรป้อนกลับเชิงลบที่ไม่มีเบรกตามธรรมชาติ (เกลียวการแทนที่ด้วยปัญญา)
- บทความเสนอว่าลูปนี้จะ (1) สั่นคลอนสมมติฐานด้านรายได้ของ ตลาดจำนองมูลค่า 13 ล้านล้านดอลลาร์ (2) ปลุกให้ PE/ตลาด private (ภายใต้สมมติฐาน ARR) ที่ร้อนแรงจากการไม่มีวัฏจักรผิดนัดมานาน 17 ปีต้องตื่นขึ้น (3) ทำลาย อุตสาหกรรมนายหน้า/ตัวกลาง ที่เคยหารายได้จาก “แรงเสียดทาน” ของมนุษย์ และ (4) เผยให้เห็น “ห่วงโซ่เดซี่เชนของการเดิมพันที่สัมพันธ์กันต่อการเติบโตของผลิตภาพฝั่ง white-collar”
- ตอนต้นปิดท้ายด้วยคำเตือนว่า นโยบายมักช้ากว่าความเป็นจริงเสมอ และการไม่มีแผนแบบครอบคลุมอาจเร่ง วงจรเงินฝืด ให้รุนแรงขึ้น
How It Started
- ปลายปี 2025 เครื่องมือ agentic coding ก้าวกระโดด: การจับคู่กันของนักพัฒนากับเครื่องมือเพียงอย่างเดียวทำให้สามารถคัดลอกฟีเจอร์หลักของ SaaS ระดับกลางได้ภายใน “ไม่กี่สัปดาห์” ทำให้ CIO เริ่มมองคำถามว่า “สร้างเองดีไหม?” เป็นตัวเลือกที่เป็นจริงก่อนต่อสัญญาราคาแพง
- ตั้งแต่การทบทวนงบประมาณกลางปี 2026 ทีมจัดซื้อเริ่มตัดสินใจจากความสามารถที่เห็นจริง: playbook การขึ้นราคา 5% ที่ vendor คาดหวังไว้ใช้ไม่ได้อีกต่อไป และคำว่า “ทดแทนได้” ก็เปลี่ยนอำนาจต่อรองจนเกิดการต่อสัญญาแบบ ลดราคา 30%
- นักลงทุนคาดว่ากลุ่ม SaaS หางยาวจะโดนกระทบ แต่เชื่อว่า “system of record” ยังปลอดภัย ทว่ากรณีของ ServiceNow เผยให้เห็น reflexivity (ลูกค้าลดคน 15% → ยกเลิกที่นั่งใช้งาน 15% → ฐานรายได้ของผู้ให้บริการถูกทำลายลงแบบเชิงกล)
- ในระดับบริษัท สิ่งนี้ดูสมเหตุสมผล (ลดคน → เอาเงินที่ประหยัดได้ไปลงทุน AI → รักษาผลผลิตไว้) แต่ในภาพรวมกลับกลายเป็นว่า “ทุก 1 ดอลลาร์ของค่าจ้างที่ประหยัดได้ จะไหลไปสู่ AI ที่ทำให้เกิดการปลดครั้งถัดไป” ส่งผลให้ ฐานการจ้างงานทั้งระบบถูกบั่นทอนเร็วขึ้น
- บทสรุปคือ ซอฟต์แวร์เป็นเพียง “ฉากเปิด” และลูปนี้จะขยายไปยัง ทุกบริษัท ที่มีโครงสร้างต้นทุนแบบ white-collar
When Friction Went to Zero
- ต้นปี 2027 ผู้คนเริ่มใช้งานเป็นค่าเริ่มต้นเหมือนออโตคอมพลีต แม้จะ “ไม่รู้ด้วยซ้ำว่า AI agent คืออะไร” และ shopping agent แบบโอเพนซอร์สได้เปลี่ยนการตัดสินใจบริโภคให้กลายเป็น การเพิ่มประสิทธิภาพแบบเบื้องหลังตลอดเวลา (คนอเมริกันระดับมัธยฐาน: 400,000 โทเคนต่อวัน)
- ห่วงโซ่ถัดไปคือ intermediation: “ชั้นการสกัดค่าเช่า” ที่ถูกสร้างขึ้นตลอด 50 ปีบนความรำคาญ ข้อจำกัดด้านเวลา และความเฉื่อยของมนุษย์ ถูก agent บีบอัดทั้งราคาและค่าธรรมเนียม
- ตัวอย่างที่ยกมา:
- การขึ้นราคาช่วงทดลองใช้/การต่ออายุอัตโนมัติ ฯลฯ ถูก agent ต่อรองหรือยกเลิก ทำให้ LTV ของเศรษฐกิจ subscription ลดลง
- การจองท่องเที่ยว: agent ประกอบตั๋วเครื่องบิน โรงแรม การเดินทาง การคืนเงิน และ loyalty optimization ได้ถูกและเร็วกว่าจนแพลตฟอร์มกลายเป็นเหยื่อกลุ่มแรก
- การต่อประกัน: เบี้ยประกันที่เคยได้จาก “ความเฉื่อย” ของลูกค้า (15~20%) ถูก agent ที่คอยเปรียบเทียบใหม่รื้อทิ้ง
- ภาษี/ที่ปรึกษาการเงิน/งานกฎหมายแบบ routine: พื้นที่ที่มีคุณค่าเพราะเป็น “ตัวแทนจัดการความซับซ้อนที่น่ารำคาญ” จะเปราะบาง เพราะ agent ไม่รู้สึกรำคาญ
- อสังหาริมทรัพย์: ความไม่สมมาตรของข้อมูลถูกจำลองได้จาก MLS+ข้อมูลธุรกรรม ทำให้ค่าคอมมิชชันถูกบีบจาก 2.5~3% เหลือต่ำกว่า 1% พร้อมการตีความว่าสิ่งที่เชื่อว่าเป็น “ความสัมพันธ์” แท้จริงแล้วคือ “แรงเสียดทานในหน้ากากของใบหน้าที่เป็นมิตร”
- การล่มสลายของ “habitual intermediation”: DoorDash เคยมีคูเมืองจากนิสัยการแตะไอคอนบนหน้าจอหลัก แต่ agent จะค้นหาค่าธรรมเนียมต่ำสุด/ส่งเร็วที่สุดทุกครั้ง และอุปสรรคในการออกแอปคู่แข่งก็ถูกลดลงโดย coding agent ทำให้ มาร์จิ้นมุ่งสู่ศูนย์
- การลามไปสู่โครงสร้างพื้นฐานการชำระเงิน: agent ในธุรกรรม M2M หลีกเลี่ยงค่าธรรมเนียม card interchange 2~3% และย้ายไปใช้ stablecoin (เช่น Solana/Ethereum L2) ส่งผลให้โมเดลของเครือข่ายบัตร/ผู้ออกบัตรสั่นคลอน
- ธนาคารที่พึ่งพาบัตรและผู้ออกบัตรแบบ monoline จึงถูกโจมตีสองทางพร้อมกัน (ฐานลูกค้าหดจากการลดพนักงาน white-collar + โมเดลรายได้หดจากการเลี่ยงค่าธรรมเนียม)
From Sector Risk to Systemic Risk
- ในปี 2026 ตลาดมองเรื่องนี้เป็น เรื่องเล่าระดับภาคส่วน เช่น “ซอฟต์แวร์/ที่ปรึกษา/การชำระเงิน” และมีฉันทามติว่า ‘การทำลายล้างเชิงสร้างสรรค์เป็นสิ่งหลีกเลี่ยงไม่ได้ และแม้จะมีความเจ็บปวดบางส่วน ผลสุทธิของ AI จะชดเชยผลด้านลบได้’
- ผู้เขียนโต้แย้งว่าแบบจำลองทางความคิดนี้ผิด: สหรัฐฯ คือ เศรษฐกิจบริการแบบ white-collar (คิดเป็น 50% ของการจ้างงาน และขับเคลื่อนการใช้จ่ายตามดุลพินิจ 75%) ดังนั้นงานที่ AI กำลังกัดกินจึงไม่ใช่ “ขอบนอก” แต่คือ แกนกลางของเศรษฐกิจ
- สำหรับข้อโต้แย้งว่า “เทคโนโลยีทำลายงานก่อน แต่สุดท้ายก็สร้างงานมากกว่า”:
- ในอดีต งานใหม่ยังคงต้องการ มนุษย์เป็นผู้ลงมือทำ ในท้ายที่สุด แต่ครั้งนี้ AI คือ ปัญญาทั่วไป ที่ปรับปรุงตัวเองได้ในงานที่มนุษย์น่าจะถูกย้ายไปทำ จึงมีเส้นทางการดูดซับแรงงานที่อ่อนแอกว่า
- แม้จะมีบทบาทใหม่ที่ AI สร้างขึ้น (เช่น prompt engineer, งานวิจัยด้านความปลอดภัย, โครงสร้างพื้นฐาน ฯลฯ) แต่สมมติฐานในเรื่องนี้คือ “สร้าง 1 ตำแหน่ง แต่แทนที่ได้หลายสิบตำแหน่ง” และค่าจ้างก็ต่ำกว่า
- การเสื่อมลงของ “องค์ประกอบ” ในข้อมูลตลาดแรงงาน: สัญญาณปะทุปรากฏผ่าน JOLTS ที่ตำแหน่งงานเปิดลดลง และประกาศรับงานสาย white-collar ที่ร่วงแรง (Indeed) แต่ตลาดหุ้นยังดึงรั้งกันระหว่างข่าวดีของโครงสร้างพื้นฐาน AI ขณะที่ตลาดตราสารหนี้ซึ่งระมัดระวังกว่าและบางทีอาจฉลาดกว่า เริ่มสะท้อนแรงกระแทกด้านการบริโภคเร็วกว่าก่อน
- “วัฏจักรครั้งนี้ไม่ใช่วัฏจักรแบบเดิม”: เหตุที่อุปสงค์รวมลดลงไม่ได้นำไปสู่การชะลอลงของการลงทุน AI ถูกอธิบายว่าเป็นการ แทนที่ OpEx (ลดต้นทุนรวมได้ แต่ยังเพิ่มงบ AI)
- ความย้อนแย้งคือ แม้เศรษฐกิจจะถูกกัดกร่อน แต่กลุ่มโครงสร้างพื้นฐาน AI กลับทำผลงานได้ดี (เซมิคอนดักเตอร์/CapEx ของ hyperscaler) และเศรษฐกิจที่ “convex ล้วน” อย่างเกาหลีและไต้หวันก็โดดเด่นกว่า
- ในทางกลับกัน อินเดียถูกยกเป็นตัวอย่างของความเปราะบาง เพราะโมเดลส่งออกบริการ IT ถูกกระทบจนค่าเงินรูปีร่วงแรงและนำไปสู่การหารือกับ IMF
The Intelligence Displacement Spiral
- ในปี 2027 “เรื่องราวนี้ไม่ละเอียดอ่อนอีกต่อไป” โดยอธิบายว่าพนักงาน white-collar ที่ถูกเลิกจ้างจะ ลดระดับลง ไปสู่งานบริการ/งานกิ๊ก → กดดันค่าจ้างในภาคนั้นต่อ → ทำให้แรงกระแทกระดับภาคส่วนลามไปสู่ การบีบอัดค่าจ้างทั่วทั้งเศรษฐกิจ
- แม้แต่เศรษฐกิจกิ๊กซึ่งเป็นที่ดูดซับรอบแรก ก็ยังถูกการส่งของอัตโนมัติ/การขับขี่อัตโนมัติรุกคืบ จนนำไปสู่ การปรับตัวรอบสอง
- แม้แต่คนทำงานวิชาชีพที่ยังมีงานอยู่ก็เริ่มคิดว่า “รายต่อไปคือฉัน” จึงออมมากขึ้น ใช้น้อยลง และความคาดหวังเรื่องเลื่อนขั้นหรือขึ้นเงินเดือนหายไป
- ปัจจัยที่อันตรายที่สุดคือ ระยะหน่วง (lag): กลุ่มรายได้สูงยังใช้เงินออมประคองภาพให้ดูเหมือนปกติได้อีก 2~3 ไตรมาส แต่ทันทีที่ข้อมูลมายืนยันการพังทลายย้อนหลัง ตลาดก็ร่วงหนัก
- ลักษณะเฉพาะของภาวะถดถอยครั้งนี้คือ การปลดงานกระจุกตัวอยู่ที่กลุ่มรายได้สูง ทำให้ ผลกระทบต่อการใช้จ่ายตามดุลพินิจรุนแรงเกินสัดส่วน ของการหดตัวในการจ้างงาน (10% แรกของรายได้คิดเป็นมากกว่า 50% ของการบริโภค, 20% แรกคิดเป็น 65%)
- จึงเกิด “คณิตศาสตร์ลำดับที่สอง” แบบ “การจ้างงาน white-collar ลดลง 2% → การใช้จ่ายตามดุลพินิจโดนกระทบ 3~4%” ซึ่งทำงานช้ากว่าสาย blue-collar แต่ลึกกว่า
The Daisy Chain of Correlated Bets
- private credit ขยายจากต่ำกว่า 1 ล้านล้านดอลลาร์ในปี 2015 เป็นมากกว่า 2.5 ล้านล้านดอลลาร์ในปี 2026 โดยส่วนสำคัญถูกใส่เข้าไปใน SaaS LBO ที่ตั้งอยู่บนสมมติฐาน “เติบโตระดับกลางถึงสูงอย่างถาวร”
- จุดเริ่มของปัญหาคือ ‘สมมติฐานตายไปแล้ว แต่มาร์กตามมาอย่างเชื่องช้า’: ขณะที่ SaaS ในตลาดหุ้นถูก re-rate ลงมาเหลือ 5~8x EBITDA สินทรัพย์ private ยังปรับมูลค่าลงจากเครื่องหมายเดิมอย่างช้าๆ ทำให้ช่องว่างจากความจริงกว้างขึ้น
- หลังการถูก Moody’s ปรับลดอันดับในปี 2027 การผิดนัดของสินเชื่อที่ใช้ซอฟต์แวร์เป็นหลักประกันได้ลามต่อไปยังพอร์ตข้อมูลบริการ/ที่ปรึกษา และตามมาด้วยการปรับโครงสร้าง LBO ขนาดใหญ่
- กรณี Zendesk ถูกยกมาเป็น ‘smoking gun’: เมื่อบริการลูกค้าถูกทำให้เป็นอัตโนมัติโดย agent หมวดหมู่ที่ Zendesk เคยนิยามขึ้นมากลับถูกแทนที่เสียเอง นำไปสู่การผิดนัดครั้งประวัติศาสตร์ด้วยตรรกะที่ว่า “ARR ไม่ได้เกิดซ้ำอีกต่อไป”
- แม้จะตั้งอยู่บนข้อสมมติว่า ‘เดิมทีควรจะทนได้’ (กองทุนปิด มี lockup หลีกเลี่ยง forced selling) แต่ก็อธิบายว่าทำไมสิ่งนี้ยังกลายเป็นความเสี่ยงเชิงระบบได้ ผ่านการอธิบายตัวตนที่แท้จริงของ ‘permanent capital’
- ตัวตนของ permanent capital คือ โครงสร้างที่ผู้จัดการสินทรัพย์ทางเลือกขนาดใหญ่นำ เงินประกันชีวิต (เงินบำนาญ) ไปใส่ใน private credit แบบค่าธรรมเนียมซ้อนค่าธรรมเนียม โดยมีสมมติฐานว่าสินเชื่อนั้นต้องยังเป็น money-good
- เมื่อหน่วยงานกำกับเข้มงวดการปฏิบัติต่อ RBC มากขึ้น บริษัทประกันจึงเผชิญแรงกดดันให้เพิ่มทุนหรือขายสินทรัพย์ และเมื่อพัวพันกับโครงสร้าง offshore reinsurance/SPV ที่ไม่โปร่งใส ก็ยิ่งเกิดความหวาดกลัวจากความไม่แน่นอนว่า “ใครกันแน่ที่ต้องรับขาดทุนแบบเรียลไทม์”
The Mortgage Question
- ยกคำถามหลักว่า “prime mortgage ยังเป็น money-good อยู่หรือไม่?” โดยมองว่าในพื้นที่ที่มีสัดส่วนสินเชื่อจัมโบ้สูงและผู้กู้คะแนน 780+ เริ่มมีการค้างชำระระยะแรกเพิ่มขึ้น และสมมติฐานหลักของการปล่อยสินเชื่อจำนอง (การมีรายได้ต่อเนื่อง 30 ปี) กำลังสั่นคลอน
- ต่างจากวิกฤตจำนองในอดีต (การเก็งกำไร/ช็อกดอกเบี้ย/การล่มของอุตสาหกรรมเฉพาะพื้นที่) ครั้งนี้ถูกจัดว่าเป็นกรณีที่สินเชื่อ ‘ตอนแรกดี’ แต่ โลกเปลี่ยนไปหลังปล่อยกู้
- พร้อมสัญญาณ “ความเครียดที่มองไม่เห็น” (HELOC, การถอน 401k, หนี้บัตรที่เพิ่มขึ้น) ครัวเรือนพยายามประคองตัวด้วยการตัดการใช้จ่ายตามดุลพินิจและใช้เงินออมเพื่อผ่อนจำนอง จนในที่สุดยอดค้างชำระก็พุ่งขึ้นในบางเมือง
- ยังไม่ถึงระดับปี 2008 แต่ “ภัยคุกคามที่แท้จริงไม่ใช่ระดับ แต่คือวิถีแนวโน้ม” และผู้เขียนมองว่า การแทนที่แรงงาน + ความกังวลเรื่องจำนอง + ความปั่นป่วนในตลาด private จะหนุนเสริมกันเป็น ตัวเร่งทางการเงิน ที่ทำให้ภาคเศรษฐกิจจริงทรุดเร็วขึ้น
- บทสรุปคือ เครื่องมือนโยบายแบบดั้งเดิม (ลดดอกเบี้ย/QE) อาจจัดการเครื่องยนต์การเงินได้ แต่จัดการเครื่องยนต์เศรษฐกิจจริงไม่ได้ (“AI กำลังทำให้ปัญญามนุษย์มีความขาดแคลนน้อยลงและมีมูลค่าน้อยลง”)
The Battle Against Time
- ในสถานการณ์นี้ ลูปเชิงลบของภาคเศรษฐกิจจริง (AI↑→มวลค่าจ้าง↓→การใช้จ่าย↓→มาร์จิ้น↓→ซื้อ AI↑) ถูกส่งต่อไปยังภาคการเงิน (รายได้เสียหาย→จำนอง→ธนาคารขาดทุน→สินเชื่อตึงตัว→ผลความมั่งคั่งพัง) และการตอบสนองที่สับสนของรัฐบาลยิ่งทำให้ทั้งสองด้านแย่ลง
- ภาวะกลืนไม่เข้าคายไม่ออกเชิงโครงสร้างของการคลังคือ ฐานรายได้ภาษีของรัฐบาลกลางแท้จริงแล้วคือ การเก็บภาษีจาก “เวลาของมนุษย์ (รายได้แรงงาน)” ดังนั้นยิ่งมีการทดแทนมากเท่าไร ภาษีเงินได้และภาษีเงินเดือนก็ยิ่งลดลง ขณะเดียวกันความจำเป็นของรายจ่ายโอนก็เพิ่มขึ้น
- “ในช่วงเวลาที่ต้องโอนให้ครัวเรือนมากขึ้น กลับเก็บภาษีได้น้อยลง” ถูกวางไว้เป็นแรงกดดันหลักของวิกฤต
- แนวคิดเชิงนโยบาย:
- Transition Economy Act: ใช้การขาดดุลทางการคลัง + การเก็บภาษีจาก AI inference compute เพื่อโอนตรงให้แรงงานที่ถูกแทนที่
- Shared AI Prosperity Act: สร้างสิทธิเรียกร้องสาธารณะต่อรายได้ของโครงสร้างพื้นฐานด้านปัญญา (คล้าย sovereign wealth fund/royalty) แล้วนำเงินปันผลไปโอนให้ครัวเรือน
- แต่รอยแยกทางการเมือง (ฝ่ายขวา: ค้านการแจกจ่ายใหม่และภาษี compute / ฝ่ายซ้าย: กังวล regulatory capture / สายเหยี่ยวการคลัง vs สายพิราบ) ทำให้เวลายิ่งล่าช้า และความเป็นปึกแผ่นทางสังคมยิ่งสึกกร่อนเร็วกว่าเดิม
The Occupy Silicon Valley
- เกิดแรงต้านทางสังคมที่ได้รับความสนใจยิ่งกว่าตัวเลขว่างงาน เช่น ผู้ประท้วงปิดกั้นทางเข้าออกของห้องแล็บ AI รายใหญ่ (“Occupy Silicon Valley”)
- แกนสำคัญของการรับรู้สาธารณะคือ ผลประโยชน์จากบูมด้านผลิตภาพไปกระจุกอยู่กับ เจ้าของ compute และผู้ถือหุ้นของห้องแล็บวิจัย และความมั่งคั่งของผู้ก่อตั้ง/นักลงทุนยุคแรกได้ขยายความเหลื่อมล้ำอย่างที่ไม่เคยมีมาก่อน
- “ตัวร้ายของแต่ละฝ่ายอาจต่างกัน แต่ตัวร้ายที่แท้จริงคือเวลา” — เป็นข้อความที่ชี้ว่า ความเร็วของวิวัฒนาการทางเทคโนโลยีนั้นแซงหน้าความเร็วของการตอบสนองจากสถาบันและการเมือง
The Intelligence Premium Unwind
- เนื้อหาสรุปว่า สิ่งที่เคยขาดแคลนในเศรษฐกิจสมัยใหม่คือความสามารถของมนุษย์ในการวิเคราะห์ ตัดสินใจ สร้างสรรค์ โน้มน้าว และประสานงาน (ปัญญา) และทั้งตลาดแรงงาน จำนอง ภาษี และสถาบันต่างๆ ก็ถูกออกแบบขึ้นบนสมมติฐานของความขาดแคลนนั้น
- ตอนนี้เมื่อปัญญาของเครื่องจักรกลายเป็น “สินค้าทดแทนที่มีความสามารถและพัฒนาเร็ว” ในงานหลากหลายประเภท ผู้เขียนจึงสรุปว่าเราได้เข้าสู่กระบวนการที่ premium ของความขาดแคลนนี้กำลัง คลายตัว (re-pricing)
- การล่มสลายอาจไม่ใช่สิ่งที่หลีกเลี่ยงไม่ได้ แต่เอกสารนี้เตือนว่า “หากนโยบายยังตกลงกันไม่ได้แม้แต่ในระดับการนิยามปัญหา วงจรป้อนกลับจะเป็นผู้เขียนบทถัดไปแทน”
1 ความคิดเห็น
ช่วงท้ายของบทความมีข้อเสนอของผู้เขียนถูกตัดออกไป ผมคิดว่าน่าจะดีถ้ายกมาอ้างไว้ เลยแปะเป็นคอมเมนต์ไว้ให้: