The Invisible Displacement: เมื่อ AI ไม่ได้แย่งงาน แต่ลบตำแหน่งที่ยังไม่เกิด
บทนำ
เมื่อวานนี้ (5 มีนาคม 2026) Anthropic เผยแพร่งานวิจัย “Labor Market Impacts of AI: A New Measure and Early Evidence” ซึ่งนำเสนอมาตรวัดใหม่ที่เรียกว่า Observed Exposure สำหรับประเมินผลกระทบของ AI ต่อตลาดแรงงาน
ข้อสรุปหลักของงานวิจัยคือ: ยังไม่พบการเพิ่มขึ้นอย่างเป็นระบบของอัตราว่างงานในกลุ่มที่ได้รับผลกระทบสูงจาก AI
งานวิจัยนี้ถูกรายงานอย่างกว้างขวางจากสื่อระดับโลก ทั้ง Fortune, Axios, CBS News โดย Axios เรียกมันว่า “early-warning system” สำหรับวิกฤตการจ้างงาน white-collar ที่อาจกำลังจะมาถึง ขณะที่ Fortune หยิบคำเตือนจากงานวิจัยมาพาดหัวว่า “Great Recession for white-collar workers” เป็นสิ่งที่เป็นไปได้อย่างแน่นอน
ฟังดูเหมือนข่าวดีที่ยังไม่พบผลกระทบชัดเจน แต่ผมคิดว่ามันไม่ใช่ — เพราะสิ่งที่วัดได้กับสิ่งที่เกิดขึ้นจริงอาจเป็นคนละเรื่อง
สิ่งที่งานวิจัยบอก
Anthropic สร้างมาตรวัดใหม่โดยรวมข้อมูลสามแหล่ง: ฐานข้อมูลอาชีพ O*NET ที่ระบุงานย่อยของแต่ละอาชีพ, ข้อมูลการใช้งาน Claude จริงจาก Anthropic Economic Index, และการประเมินความเป็นไปได้ทางทฤษฎีจากงานวิจัยของ Eloundou et al. (2023)
ผลลัพธ์ที่น่าสนใจคือ AI ยังห่างไกลจากศักยภาพทางทฤษฎีมาก สาย Computer & Math มีศักยภาพทางทฤษฎีถึง 94% แต่ถูกใช้จริงแค่ 33% อาชีพที่โดนมากที่สุดคือ Computer Programmers (75%), Customer Service Representatives และ Data Entry Keyers ขณะที่ 30% ของแรงงานแทบไม่ได้รับผลกระทบเลย
แต่สิ่งที่น่าสนใจที่สุดคือข้อมูลเรื่องคนรุ่นใหม่ — งานวิจัยพบว่าอัตราการจ้างงานคนอายุ 22-25 ปีในอาชีพที่เสี่ยงสูงลดลงราว 14% เมื่อเทียบกับช่วงก่อน ChatGPT และงานวิจัยอีกชิ้นที่อ้างอิงในรายงานพบว่าการจ้างงานในอาชีพที่เสี่ยงต่อ AI ของคนอายุ 22-25 ลดลงถึง 16%
ที่น่าสังเกตคือ Dario Amodei CEO ของ Anthropic เอง เคยกล่าวเมื่อปีที่แล้วว่า AI อาจ disrupt งาน entry-level white-collar ถึงครึ่งหนึ่ง ขณะที่ Mustafa Suleyman หัวหน้าฝ่าย AI ของ Microsoft ประมาณการว่างาน professional ส่วนใหญ่จะถูกแทนที่ภายใน 1-1.5 ปี
นักวิจัยยังวาดภาพสถานการณ์สมมติที่เรียกว่า “Great Recession for white-collar workers” — โดยเปรียบเทียบกับวิกฤตการเงิน 2007-2009 ที่อัตราว่างงานของสหรัฐเพิ่มจาก 5% เป็น 10% แล้วตั้งคำถามว่า หากเกิดสิ่งคล้ายกันเฉพาะกลุ่มที่เสี่ยงสูงต่อ AI อัตราว่างงานจะเพิ่มจาก 3% เป็น 6% ซึ่งยังไม่เกิด แต่พวกเขาบอกว่า “เป็นไปได้อย่างแน่นอน”
สิ่งที่งานวิจัยไม่ได้บอก
อัตราว่างงานเป็น lagging indicator ที่หยาบเกินไป คนอาจไม่ตกงาน แต่ถูกลดคุณค่า ถูกลดชั่วโมง ถูกกดค่าแรง หรือต้องทำงานมากขึ้นในจำนวนคนที่น้อยลง สิ่งเหล่านี้ไม่ปรากฏในสถิติว่างงาน
แม้แต่วิธีวัดเองก็ยังไม่นิ่ง — Axios รายงานว่า Census Bureau ของสหรัฐเพิ่งปรับวิธีสำรวจการใช้ AI ในภาคธุรกิจ แค่เปลี่ยนวิธีถามก็ทำให้สัดส่วนบริษัทที่รายงานว่าใช้ AI เพิ่มขึ้นอย่างฮวบฮาบ นี่บอกอะไร? บอกว่าเราอาจยังไม่มีแม้แต่เครื่องมือที่ถูกต้องในการวัดสิ่งที่กำลังเกิดขึ้น
ถ้าจะซื่อสัตย์กับการประเมินผลกระทบของ AI ต่อตลาดแรงงาน เราต้องมองให้ลึกกว่าตัวเลขว่างงาน และผมเห็นว่ามันมีสองมิติที่สำคัญ
มิติที่หนึ่ง: Invisible Displacement
ผลกระทบของ AI ต่อตลาดแรงงานไม่ได้เกิดแบบเดียวกันในทุกขนาดองค์กร
บริษัทขนาดใหญ่ เทอะทะ จะค่อย ๆ ลดคน ทำทีละน้อย กระจายไปหลายไตรมาส เรียกว่า restructuring ไม่เรียกว่า layoff ตัวเลขจะไม่สะเทือนอะไรมาก
แต่ฝั่งที่อันตรายกว่าคือบริษัทขนาดเล็ก — พวกเขาไม่ได้ลดคน พวกเขาแค่ไม่จ้างเพิ่ม เมื่อก่อนธุรกิจขนาดเล็กที่เติบโตจะต้องจ้างคนมาช่วย — จ้าง admin, จ้างคนทำ content, จ้างคนตอบลูกค้า ตอนนี้ AI ทำได้ ไม่ต้องจ้าง
นี่คือ “ตำแหน่งงานที่ไม่เคยเกิดขึ้น” — invisible displacement ที่ไม่มีใครนับ ไม่มีใครรู้สึก และไม่ปรากฏในสถิติใด ๆ ทั้งสิ้น
WebProNews ชี้ว่า operational layer ทั้งหลายภายในบริษัท ไม่ว่าจะเป็นงาน back-office, งาน legal review เบื้องต้น, งาน financial modeling ขั้นพื้นฐาน — ล้วนจะบางลงอย่างมีนัยสำคัญหาก AI ยังคงพัฒนาในอัตราเดิม ที่น่าคิดคือ Anthropic เองก็กำลัง instrumentalize ข้อมูลนี้ — เมื่อพวกเขาระบุได้ว่า financial analysts ใช้เวลากี่เปอร์เซ็นต์ไปกับงานที่ Claude ทำได้ ข้อมูลนั้นก็กลายเป็น sales pitch ให้กับลูกค้าองค์กรโดยตรง
สิ่งนี้สอดคล้องกับข้อมูลของ Anthropic เรื่องคนอายุ 22-25 ที่ hiring ชะลอตัว — ไม่ใช่เพราะถูกไล่ออก แต่เพราะตำแหน่งที่เคยจะมีให้นั้นไม่ถูกสร้างขึ้นมาตั้งแต่แรก
มิติที่สอง: Value Redistribution
ผลกระทบของ AI ไม่ได้เกิดตามอาชีพ แต่เกิดตาม cognitive profile ของคน
คนสองคนในตำแหน่งเดียวกัน จะมีชะตากรรมต่างกันสิ้นเชิง:
คนที่มีแค่ hard skills แต่ไม่มี resilience ไม่มี thinking skills — คือคนที่ทำงานแบบ pattern execution: รับ input, ประมวลตาม procedure, ส่ง output ซึ่งเป็นสิ่งที่ LLM ทำได้ดี และจะทำได้ดีขึ้นเรื่อย ๆ คนกลุ่มนี้ไม่จำเป็นต้องถูกไล่ออก แค่ค่อย ๆ กลายเป็น redundant in function — ยังนั่งอยู่ แต่คุณค่าที่สร้างลดลงเรื่อย ๆ จนถูก downgrade ในที่สุด
คนที่มี specialised skills, มี resilience, มี learning abilities, และมี thinking skills — คือคนที่ใช้ AI เป็น leverage ไม่ใช่แค่ tool ใช้เป็น tool คือทำสิ่งเดิมเร็วขึ้น ใช้เป็น leverage คือทำสิ่งที่เมื่อก่อนทำไม่ได้ คนกลุ่มนี้จะ thrive
ผลกระทบของ AI จึงไม่ใช่ unemployment crisis แต่เป็น value redistribution — ความมั่งคั่งและโอกาสจะไหลจากคนที่ execute ไปสู่คนที่ think และจากบริษัทที่ bloated ไปสู่บริษัทเล็กที่ lean and adaptive
Structural Trap: เมื่อคนสร้าง AI เป็นคนเดียวกับคนรื้อตาข่ายรองรับ
Value redistribution ที่ว่านี้ไม่ได้เกิดในสุญญากาศ มันเกิดภายในโครงสร้างอำนาจที่ถูกออกแบบมาเพื่อเร่งให้มันเกิดเร็วขึ้น
Joseph Stiglitz นักเศรษฐศาสตร์รางวัลโนเบล ให้สัมภาษณ์กับ Fortune ในวันเดียวกับที่งานวิจัยของ Anthropic เผยแพร่ โดยเรียก AI ว่าเป็น “perfect storm” ของความเหลื่อมล้ำ — ไม่ใช่เพราะ AI เลวร้ายในตัวมันเอง แต่เพราะมันถูก deploy ในระบบเศรษฐกิจที่ “broken” อยู่แล้ว
สิ่งที่ Stiglitz ชี้และผมคิดว่าคมที่สุดคือ: กลุ่มคนที่ผลักดันให้เกิดการนำ AI มาใช้อย่างรวดเร็ว กลับเป็นกลุ่มเดียวกับที่พยายามลดบทบาทของสถาบันภาครัฐที่สามารถช่วยบรรเทาผลกระทบ สำหรับเขา นี่ไม่ใช่ความย้อนแย้ง แต่เป็น “กลยุทธ์” — คนสร้างคลื่นเป็นคนเดียวกับคนรื้อเขื่อนกันคลื่น
Daniel Miessler นักกลยุทธ์ด้านเทคโนโลยี พูดตรงกว่านั้นอีก: “จำนวนพนักงานที่เป็นมนุษย์ในอุดมคติของบริษัทใดๆ ก็คือ ศูนย์” สำหรับนายจ้าง แรงงานคือศูนย์กลางของต้นทุนมาโดยตลอด และ AI เป็นเทคโนโลยีแรกที่ให้คำมั่นว่าสามารถกวาดล้างต้นทุนส่วนนี้ออกไปได้
Larry Fink CEO ของ BlackRock กล่าวที่ Davos ต้นปีนี้ว่า ผลประโยชน์เบื้องต้นของ AI กำลังไหลไปสู่เจ้าของโมเดล เจ้าของข้อมูล และเจ้าของโครงสร้างพื้นฐาน ในขณะที่คนอเมริกันครึ่งล่างครอบครองความมั่งคั่งในตลาดหุ้นเพียง 1% แล้วตั้งคำถามตรง ๆ ว่า: จะเกิดอะไรขึ้นหาก AI ทำกับ white-collar แบบเดียวกับที่โลกาภิวัตน์เคยทำกับ blue-collar?
Stiglitz เปรียบเทียบกับยุค Great Depression — ความสำเร็จของภาคเกษตรทำให้ผลผลิตเพิ่มมหาศาล ไม่ต้องการชาวนาจำนวนมากอีกต่อไป แต่ไม่มีกลไกย้ายคนออกจากภาคชนบท สุดท้ายต้องรอจนสงครามโลกครั้งที่ 2 และการแทรกแซงของรัฐบาลถึงแก้ปัญหาได้ แล้วเขาเตือนว่า “ตอนนี้เราไม่มีกรอบสถาบันในการทำแบบนั้นแล้ว”
แต่ทางออกยังมี — Stiglitz เสนอว่าเราควรเปลี่ยนจาก AI (Artificial Intelligence — ปัญญาประดิษฐ์ที่แทนที่แรงงาน) เป็น IA (Intelligence Assisting — ปัญญาผู้ช่วยที่เสริมความสามารถมนุษย์) เขาเปรียบ AI ว่าควรเป็นเหมือนกล้องจุลทรรศน์และกล้องโทรทรรศน์ — ทำให้มนุษย์มองเห็นสิ่งที่มองไม่เห็นด้วยตาเปล่า ไม่ใช่มาแทนที่ดวงตา
ตรงนี้เองที่เชื่อมกับสิ่งที่ผมพูดถึงเรื่อง tool กับ leverage — คนที่ใช้ AI เป็น IA คือคนที่ใช้มันเป็น leverage ขยายขีดความสามารถ ส่วนคนที่ถูก AI แทนที่คือคนที่ทำงานแบบ pattern execution ซึ่ง AI ทำได้ดีกว่าอยู่แล้ว ความแตกต่างนี้ไม่ใช่เรื่องของเทคโนโลยี แต่เป็นเรื่องของ mindset และ cognitive capacity ของคน
Experience Vacuum: Paradox ที่อันตรายที่สุด
แต่ปัญหาที่ใหญ่ที่สุดและแทบไม่มีใครพูดถึงคือ: ประสบการณ์ตรงเป็นของหายาก และกำลังจะหายากขึ้นไปอีก
ประสบการณ์ตรงไม่ได้เกิดจากการอ่านหรือการเรียน มันเกิดจากการผ่านสถานการณ์จริง ผิดพลาดจริง แก้ปัญหาจริง ซ้ำแล้วซ้ำเล่าจนกลายเป็น intuition ที่ไม่สามารถถ่ายทอดเป็นคำพูดได้ครบ นี่คือ tacit knowledge ที่ LLM ไม่มีและสร้างไม่ได้
เมื่อก่อน career path เป็นบันได — เข้ามาทำงาน entry-level, ทำผิดในเรื่องเล็ก, ค่อย ๆ ได้รับความไว้วางใจ, ได้จัดการเรื่องใหญ่ขึ้น, ล้มในเรื่องที่ใหญ่ขึ้น จนสุดท้ายมี judgment ที่แม่นยำ กระบวนการนี้ใช้เวลา 15-20 ปี และไม่มีทางลัด
แต่ตอนนี้ entry-level กำลังถูกแทนที่ด้วย AI ทีละน้อย บริษัทเล็กไม่จ้าง junior เพราะ AI ทำได้ บริษัทใหญ่ลด headcount ตำแหน่งล่างก่อน
CryptoBriefing จับประเด็นนี้ได้ตรง: ความแตกต่างระหว่าง “AI ยังไม่ได้ทำให้เกิด mass layoffs” กับ “AI กำลังเปลี่ยนว่าใครจะถูกจ้าง” มีนัยสำคัญมาก — ถ้าบริษัทจ้างตำแหน่ง junior น้อยลงเพราะ LLM ทำงานแทนได้ pipeline การพัฒนาคนระดับกลางและอาวุโสก็เริ่มแคบลง
เหตุผลที่ Gen Z ถูกจ้างงานน้อยลงจึงไม่ใช่แค่เรื่อง AI แย่งงาน มันคือ cost-benefit ของการจ้าง junior ที่เปลี่ยนไปโดยสิ้นเชิง — เมื่อก่อนต้องมีคนทำงาน routine, งาน draft, งานรวบรวมข้อมูล แม้ต้องลงทุนเวลาสอน แต่ไม่มีทางเลือกอื่น ตอนนี้มีทางเลือก เหตุผลในการจ้าง junior จึงเหลือแค่ข้อเดียว: ลงทุนเพื่ออนาคต ซึ่งบริษัทส่วนใหญ่ไม่ได้คิดแบบนั้น
ผลลัพธ์คือในอีก 15-20 ปี เมื่อคนรุ่นที่มีประสบการณ์ตรงเกษียณออกไป จะเกิด experience vacuum — มีคนที่ใช้ AI ได้เก่งมากแต่ไม่มี foundation ของ judgment ที่มาจากประสบการณ์จริง เหมือนมีเครื่องมือทรงพลังแต่ไม่มี wisdom ในการใช้
มันกลายเป็นวงจรที่เลี้ยงตัวเอง: ไม่ได้จ้าง → ไม่ได้ประสบการณ์ → ไม่มี judgment → ยิ่งไม่น่าจ้าง → บริษัทยิ่งพึ่ง AI แทน → ยิ่งไม่จ้าง
Window of Opportunity: Gen X, Gen Y, และ Health as the New Wealth
ในภาพนี้ คนที่มีโอกาสมากที่สุดคือ Gen X จนถึง Gen Y — พวกเขายังอยู่ในจุดที่มีทั้งประสบการณ์ตรงที่สะสมมาแล้ว และยังมีเวลาพอที่จะ adapt ไม่ได้อยู่ปลายทาง และก็ไม่ได้เริ่มจากศูนย์ มี foundation ที่ AI เสริมได้ ไม่ใช่แทนที่
แต่มีเงื่อนไขสำคัญ: ต้องยังอยู่ในสภาพที่พัฒนาได้
คนอายุ 40-55 ที่สุขภาพพัง ที่หมดแรง ที่ metabolic health ไม่ดี — ต่อให้มีประสบการณ์ตรง 20 ปี ก็ไม่มี capacity จะเรียนรู้สิ่งใหม่ ไม่มีพลังงานจะ adapt ไม่มี cognitive sharpness จะใช้ AI เป็น leverage
กลับกัน คนรุ่นเดียวกันที่ดูแลสุขภาพ — HRV ดี, insulin sensitivity ดี, สมองยังคม — คนเหล่านี้มี Effective Time สูง ไม่ใช่แค่มีเวลาเหลืออีก 20 ปี แต่เป็น 20 ปีที่ใช้ได้เต็มศักยภาพ
Health is still the New Wealth — และในยุค AI มันไม่ใช่แค่ความมั่งคั่งส่วนตัว แต่เป็น strategic asset ของทั้งระบบ เพราะการรักษาคนที่มีประสบการณ์ตรงให้ใช้งานได้นานที่สุด คือการซื้อเวลาให้ระบบ generational knowledge transfer ปรับตัว
คำถามที่ยังไม่มีคำตอบ
ส่วนที่ยากที่สุดคือ Gen Z ที่ผ่านช่วง formative years มาแล้วในระบบที่สอนให้สอบผ่าน ให้ทำตาม ให้หา validation จากภายนอก — โครงสร้างทางความคิดถูกตั้งค่าไปแล้ว การจะ rewire คนอายุ 20-28 ทำได้ แต่ต้องมาจากตัวเขาเอง ไม่มีระบบไหนทำแทนได้
ฟังดูโหดร้าย แต่สิ่งที่ realistic กว่าคือการข้ามไปโฟกัสที่ Gen Alpha — เด็กอายุ 5-12 ที่ยังหล่อหลอมได้ ถ้าได้ระบบการศึกษาที่ออกแบบมาให้สร้าง judgment, resilience, metacognition ตั้งแต่ต้น พวกเขาจะเป็นคนรุ่นแรกที่โตมากับ AI แต่ไม่ถูก AI ทำให้อ่อนแอ
สำหรับ Gen Z ไม่ใช่ว่าทั้ง generation หมดหวัง แต่คนที่จะรอดต้องมีลักษณะบางอย่างอยู่แล้ว — ความอยากรู้ ความทนต่อความไม่สบายใจ ความกล้าตั้งคำถาม ซึ่งไม่สามารถใส่ให้จากภายนอกได้ ทำได้แค่สร้างสภาพแวดล้อมที่เอื้อให้คนที่มีมันอยู่แล้วได้เติบโต
ต้นทางที่แท้จริง: เมื่อระบบที่สร้างคนตามไม่ทันระบบที่แทนที่คน
ถ้ามองย้อนกลับไปทุกประเด็นที่พูดมา มันชี้มาที่จุดเดียวกัน: ปัญหาใหญ่ที่สุดไม่ใช่ AI แต่คือระบบการศึกษาและสังคมที่เป็นต้นทางของการพัฒนาทางการคิดและสติปัญญาของมนุษย์ ซึ่งอาจตามไม่ทันพัฒนาการของ AI
Invisible displacement เกิดขึ้นได้เพราะคนถูกฝึกมาให้ทำงานแบบ pattern execution ตั้งแต่ในโรงเรียน — ทำตามคำสั่ง ส่งงานให้ตรงเวลา ตอบคำถามให้ถูก ซึ่งเป็นสิ่งเดียวกับที่ AI ทำได้ดี
Value redistribution เกิดขึ้นเพราะระบบการศึกษาสร้างคนที่ execute ได้ แต่ไม่ได้สร้างคนที่ think เป็น ช่องว่างระหว่าง “คนที่ใช้ AI เป็น leverage” กับ “คนที่ถูก AI แทนที่” เริ่มต้นตั้งแต่ห้องเรียน
Experience vacuum เกิดขึ้นเพราะระบบการศึกษาไม่เคยถูกออกแบบมาให้สร้างประสบการณ์ มันถูกออกแบบมาให้ส่งต่อความรู้ ซึ่งเป็นคนละเรื่อง เมื่อ entry-level ถูกตัด “สนามฝึก” หายไป แต่ระบบการศึกษาไม่มีอะไรมาทดแทน
Stiglitz พูดเรื่อง structural trap ในระดับเศรษฐกิจและการเมือง แต่ structural trap ที่ลึกกว่านั้นอยู่ในระบบการศึกษา — มันยังคงผลิตคนด้วยโมเดลเดิมที่ออกแบบมาสำหรับยุคอุตสาหกรรม: สอนให้เชื่อฟัง สอนให้จำ สอนให้ทำซ้ำ ในขณะที่โลกต้องการคนที่คิดเป็น ตั้งคำถามเป็น และอยู่กับความไม่แน่นอนได้
และนี่คือหัวใจของปัญหา: AI พัฒนาแบบ exponential — ทุก 6-12 เดือนก้าวกระโดด แต่ระบบการศึกษาและสังคมพัฒนาแบบ linear หรือบางทีไม่พัฒนาเลย ช่องว่างนี้จะกว้างขึ้นเรื่อย ๆ จนถึงจุดที่ปิดไม่ได้
ระบบการศึกษาในปัจจุบันส่วนใหญ่ยังวัดความสำเร็จด้วยคะแนนสอบ ยังจัดอันดับนักเรียนด้วยความสามารถในการจำและทำซ้ำ ยังให้รางวัลกับความเชื่อฟังมากกว่าการตั้งคำถาม — ทั้งหมดนี้คือการผลิตคนที่ AI แทนที่ได้ง่ายที่สุด
สังคมก็เช่นกัน — ค่านิยมที่ให้ความสำคัญกับใบปริญญามากกว่าความสามารถจริง ที่วัดคนจากตำแหน่งมากกว่า judgment ที่สอนให้เด็กหา “คำตอบที่ถูก” แทนที่จะสอนให้ “ถามคำถามที่ถูก” — ค่านิยมเหล่านี้กำลังผลิตคนรุ่นแล้วรุ่นเล่าที่เปราะบางต่อ AI disruption โดยไม่รู้ตัว
ถ้าเราไม่แก้ที่ต้นทาง ไม่ว่าจะมี policy อะไรมารองรับ ไม่ว่า Stiglitz จะเตือนกี่ครั้ง ไม่ว่า Anthropic จะสร้าง early-warning system ดีแค่ไหน — เราก็แค่รอดูช่องว่างระหว่างคนกับ AI กว้างขึ้นเรื่อย ๆ
ส่งท้าย
ผลกระทบของ AI ต่อตลาดแรงงานไม่ใช่ unemployment crisis ที่จะเห็นจากตัวเลข มันคือ value redistribution ที่เกิดขึ้นอย่างเงียบ ๆ — ตำแหน่งงานที่ไม่ถูกสร้าง, คุณค่าที่ค่อย ๆ ไหลจากคนที่ execute ไปสู่คนที่ think, pipeline ของประสบการณ์ที่กำลังถูกตัดขาด, และระบบการศึกษาที่ยังคงผลิตคนสำหรับโลกที่ไม่มีอยู่แล้ว
ถ้าเราซื่อสัตย์กับการประเมิน เราจะเห็นว่าปัญหาไม่ใช่ว่า AI จะแย่งงานเมื่อไหร่ แต่คือเรากำลังสูญเสียกระบวนการสร้างคนที่มี judgment โดยไม่ทันรู้ตัว — และระบบที่ควรจะแก้ปัญหานี้กลับเป็นส่วนหนึ่งของปัญหาเอง
Maxim Massenkoff นักเศรษฐศาสตร์ของ Anthropic ให้สัมภาษณ์กับ Axios ว่า China shock ในช่วงต้นปี 2000 เป็นตัวอย่างที่ดีว่า disruption ทางเศรษฐกิจขนาดใหญ่อาจใช้เวลาหลายปีกว่าจะปรากฏชัดในข้อมูล
ผมคิดว่า AI disruption ก็เป็นเช่นเดียวกัน — แต่อาจเลวร้ายกว่า เพราะ China shock กระทบภาคการผลิต ซึ่งเห็นได้จากการปิดโรงงาน แต่ AI กระทบภาค knowledge work ซึ่ง “ตำแหน่งที่ไม่ถูกสร้าง” นั้นมองไม่เห็นด้วยตาเปล่า
#รำพีงไปกับสายลม
อ้างอิง:
Massenkoff, M. & McCrory, P. (2026). “Labor market impacts of AI: A new measure and early evidence.” Anthropic Research. https://www.anthropic.com/research/labor-market-impacts
“Anthropic launches AI job destruction detector.” Axios. March 5, 2026. https://www.axios.com/2026/03/05/anthropic-ai-jobs-claude
“Anthropic just mapped out which jobs AI could potentially replace.” Fortune. March 6, 2026. https://fortune.com/2026/03/06/ai-job-losses-report-anthropic-research-great-recession-for-white-collar-workers/
“Anthropic is tracking which jobs are most exposed to AI.” CBS News. March 7, 2026. https://www.cbsnews.com/news/anthropic-ai-jobs-most-exposed-risk/
“Anthropic launches AI exposure index to assess which white-collar jobs face automation risk.” CryptoBriefing. March 7, 2026. https://cryptobriefing.com/anthropic-ai-exposure-index-job-vulnerability/
Gioino, C. (2026). “Nobel Prize economist Joseph Stiglitz says AI is the ‘perfect storm’ for inequality—and ‘tech bros’ are making it worse.” Fortune. March 6, 2026. https://fortune.com/2026/03/06/nobel-prize-economist-joseph-stiglitz-ai-inequality-tech-bros/