ปริญญาวิทยาการคอมพิวเตอร์ยังไม่ตาย

• แม้อัตราว่างงานของผู้สำเร็จการศึกษาด้าน CS รุ่นล่าสุดในสหรัฐฯ จะสูงที่ 6.1% แต่เมื่อประเมินร่วมกันทั้งอัตราว่างงาน/การจ้างงานต่ำกว่าระดับ/รายได้ช่วงเริ่มต้น CS และวิศวกรรมคอมพิวเตอร์ยังคงเป็นสาขาที่มีผลลัพธ์ในตลาดแรงงานดี
• ปัญหาอยู่ที่ pipeline การจ้างงานระดับเริ่มต้น มากกว่าตัวปริญญา โดยตั้งแต่ปลายปี 2023 ถึงปลายปี 2024 ประกาศรับสมัครวิศวกรซอฟต์แวร์ระดับเริ่มต้นเพิ่มขึ้นราว 47% แต่การจ้างงานจริงลดลงราว 73% และประกาศงานผีที่ไม่มีความตั้งใจจะจ้างจริงก็แพร่หลาย
• การหางานแรกให้ได้ การใช้ เครือข่ายคนรู้จักและการแนะนำในโลกจริง มีประสิทธิภาพกว่าการสมัครแบบสุ่ม และแนวทางที่ได้ผลคือการสะสมประสบการณ์ที่พิสูจน์ได้ในสตาร์ทอัพ ซึ่งยอมรับความเสี่ยงคล้ายกับการรับคนใหม่
• ต้อง สร้างประสบการณ์ขึ้นเอง ด้วยผลิตภัณฑ์ที่ deploy แล้วมีผู้ใช้จริง/การมีส่วนร่วมในโอเพนซอร์ส/งานที่แก้ปัญหาให้ธุรกิจขนาดเล็ก ไม่ใช่โปรเจกต์ของเล่น และต้องอธิบายการตัดสินใจทางเทคนิคกับเหตุผลได้อย่างชัดเจน
• การใช้ Cursor หรือ Copilot กลายเป็นทักษะพื้นฐานแล้ว วิศวกรที่รู้ หลักการทำงานและวิธีนำระบบ AI ไปใช้งานจริง เช่น การแบ่งเอกสาร/embedding/ฐานข้อมูลเวกเตอร์/RAG/ระบบ multi-agent จะสามารถสร้างความแตกต่างได้

---

ดูจากสถิติอย่างเดียว สถานการณ์ของผู้จบ CS ดูแย่

• ตามสถิติของธนาคารกลางสหรัฐฯ สาขานิวยอร์ก อัตราว่างงานของผู้สำเร็จการศึกษารุ่นล่าสุดในสหรัฐฯ คือ CS 6.1% และวิศวกรรมคอมพิวเตอร์ 7.5%
• เมื่อเทียบกับสาขาปรัชญา 3.2% และประวัติศาสตร์ศิลป์ 3.0% ตัวเลขของ CS และวิศวกรรมคอมพิวเตอร์ดูสูง
• แต่บางสาขาที่มีอัตราว่างงานต่ำ มีตัวเลขต่ำเพราะผู้จบยอมรับงานที่ไม่จำเป็นต้องมีปริญญามหาวิทยาลัย หรือเป็นงานที่ไม่เกี่ยวกับสาขาที่เรียนมา

เมื่อรวมการจ้างงานต่ำกว่าระดับ การประเมินจะเปลี่ยนไป

• หากคำนวณรวม การจ้างงานต่ำกว่าระดับ ซึ่งหมายถึงการทำงานในตำแหน่งที่ไม่จำเป็นต้องมีปริญญา ผู้จบสายวิศวกรรมมีสัดส่วนต่ำกว่า 20% ต่ำกว่าค่าเฉลี่ยของผู้สำเร็จการศึกษารุ่นล่าสุดทั้งหมดที่ 42%
• เมื่อประเมินร่วมกันทั้งอัตราว่างงาน/การจ้างงานต่ำกว่าระดับ/รายได้ช่วงต้นอาชีพ CS และวิศวกรรมคอมพิวเตอร์ยังคงเป็นสาขาที่มีผลลัพธ์ในตลาดแรงงานโดยรวมดี
• สถานการณ์นี้ไม่ได้หมายความว่าตัวปริญญาหมดคุณค่า แต่เป็นเพราะช่องทางที่บัณฑิตใช้เข้าสู่งานแรกอ่อนแอลง

ประกาศรับสมัครระดับเริ่มต้นแยกขาดจากการจ้างงานจริง

• ตั้งแต่ปลายปี 2023 ถึงปลายปี 2024 ประกาศรับสมัครที่ระบุว่า entry-level software engineer เพิ่มขึ้นราว 47%
• ในช่วงเดียวกัน การจ้างงานระดับเริ่มต้นจริง ลดลงราว 73%
• ประกาศงานผี (ghost jobs) ที่โพสต์เพื่อให้บริษัทดูเหมือนกำลังเติบโตมีมากขึ้น ทำให้จำนวนประกาศไม่สะท้อนโอกาสจริงได้อย่างถูกต้อง
• แม้การหาประตูหลักเข้าสู่งานระดับเริ่มต้นจะยากขึ้น แต่โอกาสในการเข้าสู่อาชีพไม่ได้หายไปเอง

ต้องสำรวจเครือข่ายคนรู้จักในโลกจริงให้กว้างกว่าการสมัครแบบเปิด

• ข้อเสนอจ้างงานประมาณ 26% เกิดขึ้นผ่านการแนะนำ ดังนั้นการแนะนำที่อบอุ่นเพียงครั้งเดียวอาจมีอิทธิพลมากกว่าการสมัครผ่านพอร์ทัลหางานเป็นร้อยครั้ง
• ควรสำรวจเครือข่ายความสัมพันธ์จริง เช่น เพื่อนร่วมรุ่น/อาจารย์/คนที่เคยเกี่ยวข้องกับการฝึกงาน/ญาติ แล้วหาคนที่อยู่ในบริษัทที่กำลังจ้างงานหรือรู้จักผู้มีอำนาจตัดสินใจ
• เป้าหมายไม่ใช่แค่การใส่ชื่อผู้แนะนำ แต่คือการเชื่อมต่อกับคนที่เกี่ยวข้องกับการตัดสินใจจ้างงาน

ใช้ประโยชน์จากความเสี่ยงที่สมมาตรกันระหว่างคนใหม่กับสตาร์ทอัพ

• วิศวกรใหม่ที่ไม่มีประสบการณ์เป็นการจ้างที่เสี่ยงในมุมบริษัท และสตาร์ทอัพเองก็มีความเสี่ยงจากค่าตอบแทนที่อาจต่ำ/โอกาสอยู่รอดที่ไม่แน่นอน/ความคาดหวังต่อผลงานที่สูง
• เพราะทั้งสองฝ่ายยอมรับความเสี่ยงในระดับใกล้เคียงกัน จึงอาจเกิดผลประโยชน์ร่วมกันระหว่างคนใหม่กับสตาร์ทอัพ
• ในสตาร์ทอัพ คุณสามารถเรียนรู้ได้อย่างรวดเร็วและได้สัมผัสงานหลากหลาย และประสบการณ์นั้นสามารถถ่ายโอนไปเป็นประสบการณ์ทำงานจริงที่บริษัทใหญ่ต้องการในภายหลังได้
• งานแรกไม่ควรถูกมองเป็นจุดหมายสุดท้ายระยะยาว แต่เป็น ขั้นตอนสำหรับพิสูจน์ความสามารถและเรียนรู้

อย่ารอให้ถูกจ้าง แต่สร้างประสบการณ์เอง

• บริษัทต้องการผู้สมัครที่มีประสบการณ์ แต่ก็มีความย้อนแย้งตรงที่ไม่ให้โอกาสคนใหม่ได้สะสมประสบการณ์นั้น
• หากต้องการหลุดจากวงจรนี้ ต้องสร้าง ผลลัพธ์ที่ถูกใช้งานในโลกจริง เช่น โปรเจกต์ที่ deploy แล้ว/การมีส่วนร่วมในโอเพนซอร์ส/ซอฟต์แวร์ที่แก้ปัญหาจริงให้ธุรกิจขนาดเล็กหรือครอบครัว
• ผู้รับสมัครมักสงสัยโปรเจกต์ฝึกหัดทั่วไป ดังนั้นควรมีแอปพลิเคชันที่แก้ปัญหาจริง และต้องอธิบายได้ว่าทำไมจึงตัดสินใจออกแบบและ implement แบบนั้น

เรียนรู้วิศวกรรม AI ให้มากกว่าการใช้เครื่องมือ AI

• ความสามารถในการใช้เครื่องมืออย่าง Cursor หรือ Copilot กลายเป็นความคาดหวังพื้นฐานไปแล้ว และยากที่จะใช้สิ่งนั้นเพียงอย่างเดียวสร้างความแตกต่างให้ผู้สมัคร
• แม้แต่วิศวกรอาวุโสในภาคอุตสาหกรรมจำนวนมากก็ยังไม่เคยสร้าง RAG pipeline หรือระบบ multi-agent ด้วยตัวเอง
• ทักษะเชิงปฏิบัติที่จำเป็นต่อการสร้างความแตกต่างมีดังนี้
  • วิธีแบ่งเอกสารเป็นหน่วยที่เหมาะสม
  • วิธีสร้าง embedding
  • วิธีจัดเก็บและค้นหาในฐานข้อมูลเวกเตอร์
  • วิธีเชื่อมผลลัพธ์การค้นหาเข้ากับแอปพลิเคชัน production จริง
• ในปี 2025 ประกาศรับสมัครที่เกี่ยวข้องกับ AI และวิทยาศาสตร์ข้อมูล เพิ่มขึ้น 163% และยังขาดแคลนวิศวกรที่เข้าใจถึงกลไกภายในของระบบ ไม่ใช่แค่รู้วิธีใช้ prompt

โฟกัสที่ทักษะที่ยั่งยืน มากกว่าตลาดที่คาดเดาไม่ได้

• แทบไม่มีใครคาดการณ์ได้ถูกต้องทั้งช่วงบูมการจ้างงานในปี 2021 และการปรับตัวหลังจากนั้น จึงยากที่จะ optimize อาชีพโดยคาดเดารอบการจ้างงานถัดไป
• ควรสะสม ทักษะวิศวกรรมที่ยั่งยืน ซึ่งทำให้เข้าใจและให้เหตุผลเกี่ยวกับระบบได้อย่างชัดเจน มากกว่ายึดติดกับสภาพตลาด
• งานแรกไม่ได้กำหนดอาชีพทั้งหมด และจุดที่เริ่มต้นกับจุดที่ไปถึงท้ายที่สุดไม่จำเป็นต้องเหมือนกัน

[mammal]

บทความที่น่าอ่านควบคู่กัน

• วิทยาการคอมพิวเตอร์เป็นหนึ่งในสาขาวิชาเอกที่มีอัตราว่างงานสูงที่สุด
• ตอนนี้อัตราว่างงานของบัณฑิตจบใหม่ในสหรัฐฯ สูงกว่าค่าเฉลี่ยของแรงงานโดยรวมแล้ว
• ซอฟต์แวร์ยังไม่ตาย
• การหางานและซอฟต์แวร์พังหมดแล้ว
• ซอฟต์แวร์ไม่ได้กำลังตาย แต่มันกำลังวิวัฒน์

ไม่ใช่อะไรอย่างกับ 5 ขั้นตอนของความตายเลย พอเอามารวมกันแล้วตลกชะมัด

[preserde]

เรื่องนี้ตลกนิด ๆ ตรงที่... ตอนที่บอกว่าการเขียนโค้ดคืออนาคต แล้วพากันเปิดสถาบันสอนโค้ดต่าง ๆ (ช่วงโควิด) ก็เป็นช่วงหนึ่ง แต่พอตอนนี้ AI ออกมาแล้วก็กลับสับสนไปมา ทำให้ผม/ฉันคิดว่าพวกเขามองการณ์ไกลกันไม่ค่อยได้จริง ๆ ดูจากบทความก็พอจะเห็นว่าเรื่องนี้คงไม่ใช่สถานการณ์เฉพาะในเกาหลีเท่านั้นด้วย
ในวงการ IT ที่ผม/ฉันรู้จักก็เป็นแบบนี้อยู่แล้ว เลยสงสัยเหมือนกันว่าสาขาอื่น ๆ ก็มีการสับสนวุ่นวายแบบนี้เหมือนกันหรือเปล่า...

[lazydonkey456]

ก็มองได้เช่นกันว่า AI กำลังก่อให้เกิดการเปลี่ยนแปลงต่อสังคมอย่างค่อนข้างพลิกผันรุนแรงขนาดนั้น