งานวิจัย Stanford ชี้ AI ยังไม่ได้แย่งงานทั้งระบบ แต่ประตูบานแรกของคนจบใหม่แคบลง 19%

Stanford Digital Economy Lab เพิ่งอัปเดตงานวิจัยชื่อ Canaries in the Coal Mine ซึ่งตามดูว่าการมาถึงของ AI แบบสร้างข้อความส่งผลอะไรกับการจ้างงานจริง ๆ บ้าง รอบล่าสุดขยายข้อมูลมาถึงกลางปี 2026 และตัวเลขที่ออกมาไม่เหมือนพาดหัวที่คุณเคยเห็น

ภาพที่คนกลัวกันคือ AI กวาดงานหายทั้งกระดาน ภาพที่อยู่ในข้อมูลชุดนี้แคบและคมกว่านั้นมาก คือประตูบานแรกของคนเพิ่งเข้าตลาดแรงงาน ในสายงานที่ AI ทำแทนได้ กำลังแคบลงเรื่อย ๆ

ข้อมูลมาจากไหน

งานชิ้นนี้ทำโดย Erik Brynjolfsson, Bharat Chandar และ Ruyu Chen จาก Stanford Digital Economy Lab

จุดที่ทำให้งานนี้ต่างจากบทความคาดการณ์ทั่วไป คือแหล่งข้อมูล พวกเขาไม่ได้ใช้แบบสอบถามหรือการสัมภาษณ์ แต่ใช้ข้อมูลบัญชีเงินเดือนของ ADP ซึ่งเป็นบริษัทที่รับทำเงินเดือนให้นายจ้างอเมริกันจำนวนมาก แปลว่าสิ่งที่เห็นคือรายการจ่ายเงินเดือนจริงที่เกิดขึ้นเดือนต่อเดือน ไม่ใช่ความรู้สึกของคนตอบแบบสอบถาม

ตัวเลขที่รายงาน

ตัวเลขหลักคือ การจ้างงานของคนอายุ 22 ถึง 25 ปี ในอาชีพที่สัมผัสกับ AI สูง อยู่ต่ำกว่าจุดที่ควรจะเป็นราว 19% เมื่อเทียบกับคนวัยเดียวกันในอาชีพที่สัมผัส AI น้อยกว่า

คำว่า จุดที่ควรจะเป็น หมายถึงถ้าคนกลุ่มนี้เติบโตไปในอัตราเดียวกับเพื่อนรุ่นเดียวกันในสายอื่น ตอนนี้ตัวเลขจะสูงกว่าที่เห็นจริงอยู่ประมาณ 19%

ช่องว่างนี้ไม่ได้เกิดขึ้นแล้วนิ่ง มันกว้างขึ้นเรื่อย ๆ จาก 15% เมื่อกลางปี 2025 มาเป็น 19% เมื่อมิถุนายน 2026

ถ้าดูเป็นตัวเลขดิบ ไม่ใช่ส่วนต่าง รายงานระบุว่าการจ้างงานในกลุ่มอาชีพที่สัมผัส AI สูงสุดสองส่วนห้า ลดลงราว 11% ระหว่างพฤศจิกายน 2022 ถึงมิถุนายน 2026 ขณะที่กลุ่มอาชีพที่สัมผัส AI น้อย เพิ่มขึ้นราว 10% ในช่วงเวลาเดียวกัน

กลไกสำคัญกว่าตัวเลข

ตัวเลข 19% เอาไปพูดต่อได้ง่าย แต่สิ่งที่ใช้ตัดสินใจได้จริงคือกลไกเบื้องหลัง และรายงานนี้ระบุไว้สามอย่างที่ควรอ่านช้า ๆ

อย่างแรก ไม่มีการเลิกจ้างเป็นวงกว้างทั้งระบบ นักวิจัยพูดชัดว่าเขาไม่เห็นสัญญาณของการที่ AI ทำให้งานหายไปทั้งเศรษฐกิจ สิ่งที่เห็นคือคนหนุ่มสาวในสายที่สัมผัส AI สูง ค่อย ๆ ตามหลังเพื่อนในสายอื่น ไม่ใช่ทุกคนตกงานพร้อมกัน

อย่างที่สอง การปรับตัวเกิดผ่านการหยุดจ้างเพิ่ม ไม่ใช่การไล่คนออก ประโยคนี้เปลี่ยนความหมายของข่าวทั้งหมด บริษัทไม่ได้ปลดคนที่นั่งทำงานอยู่ แต่ลดการเปิดรับคนใหม่ลง ผลที่ตามมาคือความรู้สึกของคนสองกลุ่มจะต่างกันสุดขั้ว คนที่มีงานอยู่แล้วอาจไม่รู้สึกอะไรเลยและคิดว่าข่าว AI แย่งงานเป็นเรื่องเกินจริง ส่วนคนที่กำลังหางานแรกจะรู้สึกว่าตลาดเปลี่ยนไปคนละโลก ทั้งสองคนพูดความจริงจากที่ที่ตัวเองยืน

อย่างที่สาม การหดตัวกระจุกอยู่ในงานที่ AI เข้าไปทำแทน ไม่ใช่งานที่ AI เข้าไปช่วย รายงานแยกสองกรณีนี้ออกจากกัน อาชีพที่รูปแบบการใช้ AI คือให้มันทำงานนั้นแทนคน คือกลุ่มที่ตัวเลขลด ส่วนอาชีพที่ใช้ AI เป็นตัวเสริมให้คนทำงานได้มากขึ้น ไม่ได้เห็นการหดตัวแบบเดียวกัน

มีอีกจุดที่รายงานระบุ คือการปรับตัวโผล่ออกมาในรูปของจำนวนคน ไม่ใช่ฐานเงินเดือน พูดง่าย ๆ คือนายจ้างไม่ได้ลดเงินเดือนของตำแหน่งเหล่านี้ แต่ลดจำนวนตำแหน่ง

เส้นแบ่งจริงอยู่ที่ชนิดของความรู้

ส่วนที่มีประโยชน์ที่สุดของรายงานไม่ใช่เรื่องอายุ แต่เป็นการแยกประเภทความรู้ที่งานนั้นต้องใช้

งานที่ใช้ความรู้แบบเป็นทางการ มีมาตรฐาน มีเอกสารกำกับ เขียนเป็นคู่มือได้ คือกลุ่มที่การจ้างงานคนรุ่นใหม่ลดลง

ส่วนงานที่ใช้ความรู้อีกแบบ คือความรู้ที่ได้จากการลงมือทำซ้ำ ๆ และจากการมีคนสอนต่อกันมา รายงานพบว่าคนที่มีประสบการณ์ในกลุ่มนี้กลับมีงานเพิ่มขึ้น

ตรรกะเบื้องหลังตรงไปตรงมา ความรู้ที่ถูกเขียนไว้เป็นตัวหนังสือแล้ว คือความรู้ที่ AI ได้เรียนไปแล้วเช่นกัน เพราะมันเรียนจากตัวหนังสือ ส่วนความรู้ที่ยังไม่มีใครเขียนไว้ที่ไหน AI ก็ไม่มีทางเรียนได้

นี่คือเหตุผลว่าทำไมพนักงานใหม่ถึงกระทบก่อนคนอื่น เพราะสิ่งที่พนักงานใหม่ขายได้ในปีแรก มักคือความรู้แบบเปิดคู่มือแล้วทำตามได้ ส่วนความรู้อีกแบบต้องใช้เวลาสะสม

สิ่งที่งานวิจัยนี้ไม่ได้บอก

ต้องพูดให้ตรงว่ารายงานนี้ไม่ใช่คำตัดสิน และนักวิจัยเองก็เขียนข้อจำกัดไว้เอง

ผลที่ได้เป็นการบรรยายสิ่งที่เห็นในข้อมูล ไม่ใช่การพิสูจน์เชิงสาเหตุว่า AI ทำให้เกิดสิ่งนี้ ช่องว่างที่วัดได้แคบลงเมื่อคุมตัวแปรระดับการศึกษา บางกลุ่มอาชีพมีแนวโน้มแยกออกจากกันอยู่แล้วตั้งแต่ก่อน AI แบบสร้างข้อความจะแพร่หลาย และค่าที่ประมาณได้จากข้อมูล ADP ใหญ่กว่าค่าที่ได้จากตัวเลขอ้างอิงระดับประเทศ

พวกเขาสรุปเองว่างานชิ้นเดียวไม่ใช่หลักฐานชี้ขาด

การอ่านข่าววิจัยให้เป็น คือการอ่านส่วนข้อจำกัดด้วย ไม่ใช่หยิบเฉพาะตัวเลขที่เอาไปพูดต่อได้แรงที่สุด

แปลเป็นงานของคุณ

ถ้าคุณเป็นคนทำงาน ข้อสรุปที่ใช้ได้คือ อย่าลงทุนเวลาไปกับการเป็นคนที่จำคู่มือได้แม่นที่สุดในทีม เพราะนั่นคือส่วนที่ AI ทำได้ดีที่สุดและถูกที่สุด

สิ่งที่คุ้มกว่าคือความรู้ที่คุณได้จากการทำจริงแล้วยังไม่มีใครเขียนไว้ที่ไหน เช่นรู้ว่าลูกค้าเจ้านี้พูดประโยคนี้แปลว่าอะไร รู้ว่าดีลแบบไหนควรปฏิเสธตั้งแต่ต้น รู้ว่าตัวเลขในรายงานเดือนนี้ผิดปกติเพราะอะไร ความรู้พวกนี้ไม่ได้อยู่ในเอกสารเล่มไหน

และวิธีที่เร็วที่สุดในการสะสมมัน คือใช้ AI รับงานส่วนที่เป็นคู่มือไป เพื่อเอาเวลาไปอยู่กับส่วนที่ต้องตัดสินใจจริงให้มากขึ้น

ถ้าคุณเป็นเจ้าของกิจการ ตรรกะเดียวกันนี้มีด้านกลับที่ต้องคิดให้ครบ ความรู้แบบที่เขียนเป็นคู่มือไม่ได้ ไม่ได้เกิดขึ้นเอง มันเกิดจากการที่คนใหม่ได้ลงมือทำงานจริง ทำพลาด แล้วมีคนที่ผ่านมาก่อนคอยบอกว่าพลาดตรงไหน

ถ้าตำแหน่งเริ่มต้นถูกตัดออกทั้งหมดเพราะ AI ทำแทนได้ในวันนี้ อีกไม่กี่ปีข้างหน้าจะไม่มีคนที่ผ่านสนามมาพอจะตัดสินใจแทนคุณ

ข้อนี้ไม่ได้อยู่ในงานวิจัย รายงานบอกแค่ว่าการปรับตัวกำลังเกิดผ่านการหยุดจ้าง และคนที่มีความรู้จากการทำจริงยังเป็นที่ต้องการ ส่วนการเชื่อมสองข้อนี้เข้าหากันแล้วสรุปว่าจะเกิดอะไรกับท่อคนของธุรกิจคุณ เป็นสิ่งที่คุณต้องชั่งเอง