เด็กจบใหม่กำลังบริหาร AI แต่ได้เรียนรู้ทักษะอื่นน้อยลงหรือไม่?

บทความหัวข้อ “Graduates are managing AI – but are they learning much else?” ซึ่งถูกหยิบยกขึ้นพูดคุยผ่าน Hacker News สะท้อนคำถามสำคัญของตลาดแรงงานยุค AI นั่นคือ เมื่อองค์กรใช้โมเดลปัญญาประดิษฐ์เข้ามาช่วยสร้างเนื้อหา วิเคราะห์ข้อมูล เขียนโค้ด และทำงานประจำวันมากขึ้น พนักงานจบใหม่อาจไม่ได้เริ่มต้นเส้นทางอาชีพด้วยการลงมือทำงานพื้นฐานเหมือนในอดีต แต่เริ่มจากการสั่งงาน ตรวจสอบผลลัพธ์ และแก้ไขข้อผิดพลาดของ AI แทน

แนวทางดังกล่าวช่วยให้องค์กรเพิ่มประสิทธิภาพและลดเวลาทำงานบางประเภทได้อย่างชัดเจน แต่ก็ทำให้เกิดความกังวลว่า คนรุ่นใหม่จะได้สะสมประสบการณ์จริงมากพอหรือไม่ โดยเฉพาะทักษะที่ต้องอาศัยการฝึกฝนต่อเนื่อง เช่น การคิดวิเคราะห์ การแก้ปัญหาเฉพาะหน้า การสื่อสารกับผู้มีส่วนได้ส่วนเสีย และความเข้าใจบริบททางธุรกิจ

จากผู้ฝึกงานสู่ผู้กำกับโมเดล AI

ในเชิงเทคนิค การทำงานร่วมกับ AI ไม่ได้หมายถึงการปล่อยให้โมเดลทำงานทั้งหมด แต่ผู้ใช้งานต้องกำหนดเป้าหมาย ออกแบบคำสั่ง ตรวจสอบความถูกต้อง ประเมินความเสี่ยง และปรับปรุงผลลัพธ์ กระบวนการเหล่านี้เป็นทักษะที่มีคุณค่า อย่างไรก็ตาม หากพนักงานยังไม่มีพื้นฐานด้านโดเมนหรือไม่เคยลงมือทำงานด้วยตนเองมาก่อน ก็อาจตรวจจับข้อผิดพลาดของโมเดลได้ไม่ครบถ้วน

ผลกระทบจึงไม่ได้อยู่ที่การแทนที่แรงงานเพียงอย่างเดียว แต่อยู่ที่การเปลี่ยนเส้นทางการเรียนรู้ในองค์กรด้วย บริษัทอาจต้องออกแบบงานระดับเริ่มต้นใหม่ ให้ AI รับผิดชอบงานซ้ำ ๆ ขณะที่พนักงานยังได้ฝึกทักษะพื้นฐานผ่านโครงการจริง การรีวิวโดยผู้เชี่ยวชาญ และการหมุนเวียนไปทำงานหลายประเภท หากทำได้อย่างเหมาะสม AI จะเป็นเครื่องมือเร่งการเรียนรู้ ไม่ใช่ทางลัดที่ทำให้ประสบการณ์สำคัญหายไป

มุมมองสำหรับนักพัฒนาและผู้ประกอบการไทย

นักพัฒนาไทยควรเรียนรู้ทั้งการใช้โมเดล AI และพื้นฐานของงานที่โมเดลกำลังช่วยทำ ไม่ว่าจะเป็นการเขียนโปรแกรม การจัดการข้อมูล ความปลอดภัย หรือการวิเคราะห์ธุรกิจ การฝึกตรวจสอบเอาต์พุตด้วยชุดทดสอบจริง การติดตามต้นทุนการประมวลผล และการปกป้องข้อมูลส่วนบุคคล จะช่วยให้การใช้งาน AI มีความน่าเชื่อถือมากขึ้น

สำหรับผู้ประกอบการ การวัดผลไม่ควรดูเพียงจำนวนชั่วโมงที่ลดลงหรือปริมาณงานที่เพิ่มขึ้น แต่ควรประเมินด้วยว่าพนักงานรุ่นใหม่ยังพัฒนาความสามารถหลักอย่างต่อเนื่องหรือไม่ องค์กรอาจกำหนดให้มีการตรวจงานโดยมนุษย์ บันทึกเหตุผลของการตัดสินใจ และจัดสรรเวลาให้ทีมได้ทำงานที่ต้องใช้ความคิดเชิงลึก เพื่อสร้างบุคลากรที่สามารถรับผิดชอบงานได้จริงในระยะยาว

ทดลองต่อยอดกับโมเดล AI

ทีมไทยที่ต้องการทดลองแนวทาง Human-in-the-loop หรือเปรียบเทียบความสามารถของโมเดล สามารถเริ่มต้นใช้งานโมเดล AI รุ่นใหม่ เช่น Claude 3.7, GPT-4o, DeepSeek R1 และ Seedance สำหรับงานวิดีโอ ผ่าน Tora API หรือทดลองเวิร์กโฟลว์ได้ที่ Tora Playground รวมถึงสร้างต้นแบบวิดีโอด้วย เครื่องมือ Text-to-Video ทั้งนี้ควรกำหนดขอบเขตการใช้งานและตรวจสอบผลลัพธ์โดยมนุษย์ก่อนนำไปใช้จริง