🛑 บันไดขั้นแรกกำลังสั้นลง…เมื่อ AI ทำงาน Routine ได้ และองค์กรเริ่มซื้อ “ทักษะเป็นช่วงเวลา”

🛑 บันไดขั้นแรกกำลังสั้นลง…เมื่อ AI ทำงาน Routine ได้ และองค์กรเริ่มซื้อ “ทักษะเป็นช่วงเวลา” แทนการจ้างคนไว้ตลอดไป

(ทำไมประกาศงานแบบ Contract จึงปรากฏให้เห็นมากขึ้น และเหตุใดเด็กจบใหม่ไม่ควรรอเพียงเก้าอี้พนักงานประจำ แต่ต้องเปลี่ยนตัวเองจาก “ผู้สมัครงาน” ให้เป็น “คนแก้ปัญหาที่พร้อมใช้งาน”?)

“ทำไมตำแหน่งในบริษัทใหญ่หลายแห่งเปิดรับเป็น Contract?”

“ส่งเรซูเม่ไปเป็นร้อย ทำไมบริษัทตอบกลับมาเพียงไม่กี่แห่ง?”

“เด็กจบใหม่หรือคนย้ายสาย ยังมีที่ยืนในตลาดงาน Tech อยู่หรือไม่?”

คำถามเหล่านี้กำลังดังขึ้นเรื่อยๆ ครับ โดยเฉพาะเมื่อผู้สมัครเปิด LinkedIn แล้วพบตำแหน่งที่น่าสนใจ แต่ท้ายชื่อตำแหน่งกลับมีคำว่า “6-month Contract” หรือ “Contractor” กำกับอยู่

ภาพประกาศงานที่ถูกแชร์ครั้งนี้มีสองตัวอย่าง ได้แก่ Data Platform Developer ของ Agoda ซึ่งระบุว่าเป็นสัญญา 6 เดือน และ Data Operations Engineer ของ KBTG ซึ่งระบุว่าเป็น Contractor

ประกาศสองตำแหน่งนี้ยังไม่เพียงพอให้สรุปว่าบริษัทชั้นนำกำลังเลิกจ้างพนักงานประจำทั้งหมดครับ แต่สะท้อนคำถามสำคัญที่คนทำงานควรเริ่มคิดให้จริงจังว่า

ในวันที่เทคโนโลยีเปลี่ยนเร็ว โครงการมีอายุสั้นลง และองค์กรไม่แน่ใจว่าทักษะใดจะยังจำเป็นในอีกสองปีข้างหน้า บริษัทจะยังต้องการ “เป็นเจ้าของกำลังคน” แบบเดิม หรือจะเลือกซื้อความสามารถเฉพาะช่วงเวลามากขึ้น?

ผมคิดว่านี่ไม่ใช่เพียงเรื่องรูปแบบสัญญาจ้าง แต่เป็นการเปลี่ยนวิธีที่องค์กรคิดเกี่ยวกับ “คน” จาก Headcount ระยะยาว ไปสู่ Capability ที่เรียกใช้ได้ตามโจทย์ธุรกิจ

⸻

🤖 AI ไม่ได้ทำให้ Junior หมดความหมาย แต่มันกำลังเปลี่ยนว่า “งานระดับเริ่มต้น” ต้องมีหน้าตาอย่างไร?

ในอดีต บันไดขั้นแรกของคนทำงานจำนวนมากเริ่มจากงานพื้นฐาน เช่น รวบรวมข้อมูล จัดทำรายงาน เขียนโค้ดโครงสร้างเบื้องต้น ตรวจสอบข้อมูล หรือแก้ปัญหาที่มีรูปแบบค่อนข้างชัดเจน

งานเหล่านี้ไม่ได้มีไว้เพียงผลิตผลงานครับ แต่มันคือสนามฝึกที่ทำให้คนใหม่ค่อยๆ เรียนรู้บริบทธุรกิจ ฝึก Judgment และพัฒนาจาก Junior ไปเป็น Senior

ปัญหาคือ Generative AI กำลังรับภาระบางส่วนในสนามฝึกนี้ไปได้เร็วขึ้น ไม่ว่าจะเป็นการร่างโค้ด อธิบาย Error สรุปเอกสาร สร้าง Test Case หรือช่วยสำรวจแนวทางแก้ปัญหา

งานศึกษาของ Erik Brynjolfsson, Bharat Chandar และ Ruyu Chen จาก Stanford Digital Economy Lab ซึ่งใช้ข้อมูลเงินเดือนและการจ้างงานในสหรัฐฯ พบว่า การจ้างคนทำงานช่วงต้นอาชีพในอาชีพที่มีความเสี่ยงต่อการถูก AI เข้ามาทำแทนสูง เช่น Software Development และ Customer Service ลดลงอย่างมีนัยสำคัญเมื่อเทียบกับกลุ่มอายุที่มีประสบการณ์มากกว่า อย่างไรก็ตาม ผู้วิจัยระบุด้วยว่าผลกระทบแตกต่างกันตามลักษณะการใช้ AI โดยงานที่ AI เข้ามา “เสริมคน” มีภาพต่างจากงานที่ AI ถูกใช้เพื่อ “ทำแทนคน”

นี่ไม่ใช่หลักฐานว่า AI เป็นสาเหตุเดียวของตลาดงาน Junior ที่ชะลอตัวครับ อัตราดอกเบี้ย ภาวะเศรษฐกิจ การปรับลดคนหลังช่วงเทคโนโลยีเติบโตสูง และการชะลอการจ้างงานล้วนมีส่วนเกี่ยวข้อง

แต่สัญญาณหนึ่งชัดเจนขึ้นเรื่อยๆ คือ องค์กรอาจไม่ต้องการ Junior จำนวนมากเพื่อทำงานรูทีนแบบเดิม ทว่าเริ่มคาดหวังให้คนระดับเริ่มต้นใช้ AI เป็น ตรวจงาน AI ได้ เชื่อมงานเข้ากับระบบจริง และรับผิดชอบต่อผลลัพธ์ได้เร็วขึ้น

ดังนั้น ปัญหาไม่ใช่ว่า “เด็กจบใหม่ไม่มีค่า” ปัญหาคือ “นิยามของคนที่พร้อมเริ่มงานกำลังสูงขึ้นเร็วกว่าหลักสูตรและวิธีเตรียมตัวของผู้สมัครจำนวนมาก”

⸻

🧩 ทำไมองค์กรจึงเปลี่ยนไปเน้นรับแรงงานแบบ Contract?

งาน Contract ไม่ใช่เรื่องใหม่ครับ องค์กรใช้พนักงานชั่วคราว ผู้รับเหมา และผู้เชี่ยวชาญตามโครงการมานานแล้ว ทั้งในงานก่อสร้าง บัญชี กฎหมาย ไอที และการเปลี่ยนระบบขนาดใหญ่

สิ่งที่ทำให้รูปแบบนี้น่าสนใจขึ้นในโลกเทคโนโลยีคือ ความไม่แน่นอนของ Demand และอายุของทักษะ

ลองนึกถึงโครงการ Cloud Migration, Data Cleansing, ERP Implementation, Cybersecurity Remediation หรือการสร้าง Data Platform รุ่นใหม่ บางโครงการต้องใช้ผู้เชี่ยวชาญจำนวนมากในช่วง 6–18 เดือน แต่เมื่อระบบเริ่มนิ่ง ความต้องการกำลังคนอาจลดลงหรือเปลี่ยนเป็นทักษะอีกชุดหนึ่ง

หากจ้างทุกคนเป็นพนักงานประจำ องค์กรจะต้องคาดการณ์ล่วงหน้าว่าทักษะเหล่านั้นยังจำเป็นในระยะยาวเพียงใด แต่หากใช้ Contract Workforce องค์กรสามารถเพิ่มกำลังคนเฉพาะช่วง ปรับทีมตาม Phase ของโครงการ และลดภาระ Commitments ระยะยาวได้ง่ายกว่า

อย่างไรก็ตาม อย่าเพิ่งตีความว่า Contract “ดีกว่า” Permanent ในทุกสถานการณ์ครับ งานที่ต้องสะสมความรู้เฉพาะองค์กร ดูแลระบบระยะยาว สร้างวัฒนธรรม หรือรับผิดชอบการตัดสินใจเชิงยุทธศาสตร์ ยังต้องพึ่งพา Core Team ที่มีความต่อเนื่องสูง

คำถามสำคัญ​ คือ “Capability ใดคือหัวใจที่องค์กรต้องเป็นเจ้าของ และ Capability ใดสามารถเช่ามาเพื่อสร้างอัตราเร่งได้?”

World Economic Forum รายงานว่าเทคโนโลยี AI ภาวะเศรษฐกิจ และการเปลี่ยนแปลงเชิงโครงสร้างจะทำให้งานจำนวนมากถูกสร้างขึ้นพร้อมกับงานอีกจำนวนหนึ่งที่หายไปภายในปี 2030 โดยนายจ้างที่สำรวจคาดว่าทักษะของพนักงานโดยเฉลี่ยราว 39% จะเปลี่ยนแปลงหรือล้าสมัยในช่วงปี 2025–2030 ภาพดังกล่าวช่วยอธิบายว่าทำไมองค์กรจึงระมัดระวังมากขึ้นกับการผูก Headcount ระยะยาวไว้กับทักษะชุดใดชุดหนึ่ง

⸻

⚠️ อย่าเรียกทุกอย่างว่า “Freelance” เพราะความเสี่ยงไม่เหมือนกัน

“Contract Employee, Contractor และ Freelancer มักถูกเรียกรวมกันจนทำให้ผู้สมัครเข้าใจผิดครับ”

พนักงานสัญญาจ้างอาจทำงานเต็มเวลา ภายใต้ระยะเวลาที่กำหนด และอาจได้รับสิทธิประโยชน์บางอย่างตามเงื่อนไขของบริษัทหรือกฎหมาย ขณะที่ Independent Contractor หรือ Freelancer มักมีความเป็นอิสระในการรับงานมากกว่า แต่ต้องรับผิดชอบเรื่องรายได้ที่ไม่แน่นอน ภาษี ประกัน สุขภาพ อุปกรณ์ และช่วงเวลาที่ไม่มีโครงการด้วยตนเองมากขึ้น

ก่อนตอบรับงาน ผู้สมัครจึงควรถามให้ชัดว่า ใครเป็นคู่สัญญา เงินเดือนหรือค่าจ้างจ่ายแบบใด มีประกันสังคมหรือสวัสดิการอะไร วันลาคิดอย่างไร สามารถยกเลิกสัญญาก่อนกำหนดได้หรือไม่ และผลงานหรือทรัพย์สินทางปัญญาเป็นของใคร

คำว่า “Contract” เพียงคำเดียวไม่สามารถบอกได้ว่างานนั้นดีหรือไม่ดี งาน Contract ที่มีขอบเขตชัด ได้ทำกับทีมเก่ง และสร้าง Portfolio ที่มีมูลค่า อาจดีกว่างานประจำที่ไม่มีเส้นทางเรียนรู้

ในทางกลับกัน งาน Contract ที่ Scope คลุมเครือ ไม่มีคนสอน ไม่มีอำนาจเข้าถึงข้อมูล และถูกใช้เพียงเป็นแรงงานทดแทนราคาถูก ก็อาจทำให้ผู้สมัครเสียเวลาโดยไม่ได้สร้างทุนอาชีพมากนัก

สถานะการจ้างจึงไม่สำคัญเท่าคำถามว่า “หกเดือนที่กำลังจะขายให้องค์กรนั้น จะเพิ่มมูลค่าให้เราในเดือนที่เจ็ดหรือไม่?”

⸻

🧭 งาน Contract อาจเป็น “สะพาน” แต่ไม่ใช่ตั๋วรับประกัน

สำหรับเด็กจบใหม่ คนย้ายสาย หรือคนที่ว่างงานมาระยะหนึ่ง การปฏิเสธทุกโอกาสที่ไม่ใช่ Permanent อาจทำให้ช่วงเวลาที่ควรใช้สร้างประสบการณ์กลายเป็นช่องว่างที่ยาวขึ้น

แต่การรับ Contract ทุกงานโดยไม่เลือกก็อันตรายไม่แพ้กันครับ

วิธีคิดที่เหมาะสมกว่าคือมอง Contract เป็น Strategic Bridge หรือสะพานเชิงกลยุทธ์ ที่ต้องพาเราไปยังทุนอาชีพบางอย่างอย่างชัดเจน

1. ได้เข้าไปอยู่ใกล้ “ปัญหาจริง” หรือไม่?

* ชื่อบริษัทมีประโยชน์ แต่สิ่งที่มีค่ากว่าคือปัญหาที่เราได้แก้

* ผู้สมัครควรถามว่าตำแหน่งนี้จะได้ทำเพียงงานสนับสนุนซ้ำๆ หรือได้มีส่วนกับระบบจริง เช่น Pipeline, Platform, Data Quality, Reliability, Security หรือ Business Use Case ที่สามารถอธิบายในเรซูเม่ครั้งถัดไปได้

2. มีผลงานที่วัดได้หรือไม่?

* อย่าให้หกเดือนจบลงด้วยประโยคว่า “เคยทำงานบริษัทใหญ่”

* ควรตอบให้ได้ว่า ลดเวลาประมวลผลเท่าไร เพิ่มความเสถียรอย่างไร แก้ Incident ประเภทใด หรือช่วยให้ทีมส่งมอบงานเร็วขึ้นตรงไหน โดยไม่เปิดเผยข้อมูลลับของบริษัท

* โลกการจ้างงานใหม่ไม่ได้ให้ราคาเพียงประสบการณ์เป็นปี แต่ให้ราคากับ Evidence of Capability

3. ได้เรียนรู้จากคนและระบบที่ดีหรือไม่?

* Contract ที่ดีควรเพิ่ม Network, Reference และ Operating Standard ให้กับเรา

* เช่น หากได้ทำงานกับทีมที่มี Code Review จริง มี Engineering Practice ชัด มีคนให้ Feedback และใช้เครื่องมือระดับอุตสาหกรรม ประสบการณ์หกเดือนอาจมีความเข้มข้นกว่างานบางแห่งที่ทำมาสองปี

4. มีทางออกตั้งแต่ก่อนเริ่มหรือไม่?

* อย่ารอให้เหลือหนึ่งเดือนสุดท้ายแล้วจึงเริ่มหางานใหม่

* ผู้รับงาน Contract ควรวางแผนเงินสำรอง อัปเดต Portfolio เก็บ Achievement และเริ่มสำรวจตลาดล่วงหน้า เพราะการต่อสัญญาหรือเปลี่ยนเป็นพนักงานประจำเป็นเพียง “ความเป็นไปได้” ไม่ใช่สิทธิที่องค์กรรับประกัน

* Contract จะเป็นสะพานได้ ก็ต่อเมื่อเรารู้ว่าปลายสะพานต้องการเดินไปทางไหนครับ

⸻

🪜 ปัญหาใหญ่กว่าการหางานยาก คือองค์กรอาจกำลังรื้อบันไดที่ใช้สร้าง Senior รุ่นถัดไป?

ในมุมผู้สมัคร งาน Contract อาจเป็นทางรอด แต่ในมุมองค์กร การลดตำแหน่ง Junior และใช้ผู้เชี่ยวชาญระยะสั้นมากขึ้นมีความเสี่ยงอีกด้านหนึ่งที่ไม่ควรมองข้าม

หาก AI ทำงานพื้นฐานแทน Junior ขณะที่องค์กรจ้างเฉพาะคนมีประสบการณ์ คำถามคือ แล้วคนรุ่นใหม่จะสะสมประสบการณ์จากที่ไหนเพื่อกลายเป็น Senior ในอนาคต?

นี่คือ Paradox สำคัญครับ

“ทุกบริษัทอยากได้คนพร้อมใช้ แต่หากไม่มีบริษัทใดลงทุนสร้างคนใหม่ วันหนึ่งตลาดจะเต็มไปด้วยองค์กรที่แย่ง Senior กลุ่มเดิม โดยไม่มีระบบผลิตคนรุ่นถัดไปขึ้นมาทดแทน”

งานวิจัยใหม่เกี่ยวกับเส้นทางการพัฒนา Software Engineer ตั้งข้อสังเกตว่า เมื่อ AI ดูดซับงาน Entry-level เข้าไปอยู่ใน Workflow ของ Senior มากขึ้น Junior อาจสูญเสีย “Productive Struggle” หรือช่วงเวลาที่ต้องคิด ทดลอง และผิดพลาด ซึ่งเป็นส่วนสำคัญของการสร้างความเชี่ยวชาญ งานดังกล่าวยังเป็นงานเชิงคุณภาพขนาดเล็ก จึงไม่ควรถูกใช้เป็นข้อสรุปแทนทั้งอุตสาหกรรม แต่ชี้ให้เห็นปัญหาที่องค์กรต้องเริ่มออกแบบอย่างจริงจัง

บริษัทที่ฉลาดจึงไม่ควรใช้ AI เพียงเพื่อลดจำนวน Junior แต่ต้องออกแบบ Apprenticeship แบบใหม่ เช่น ให้คนใหม่ใช้ AI แล้วอธิบายเหตุผล ตรวจสอบ Output ทำงานคู่กับ Senior และค่อยๆ รับผิดชอบระบบจริงในขอบเขตที่ปลอดภัย

“หากไม่ทำเช่นนี้ องค์กรอาจประหยัดต้นทุนในไตรมาสนี้ แต่กำลังสร้างหนี้ Talent ที่ต้องจ่ายแพงในอีกสามปีข้างหน้า”

⸻

🚀 จาก “เด็กจบใหม่” สู่คนทำงานแบบพร้อมส่งมอบ

ตลาดงานที่แข่งขันสูงทำให้ปริญญาเพียงอย่างเดียวเริ่มไม่พอครับ แต่ไม่ได้หมายความว่าคนใหม่ต้องมีประสบการณ์ห้าปีก่อนสมัครงานแรก

สิ่งที่ผู้สมัครต้องทำคือย่นระยะห่างระหว่าง “เรียนมา” กับ “ทำงานได้” ให้สั้นลง

* แทนที่จะเขียนว่า “มีความรู้ Python, SQL และ Cloud” ควรมี Project ที่แสดงว่าเคยนำข้อมูลเข้าระบบ ตรวจคุณภาพ สร้าง Pipeline วาง Monitoring และอธิบาย Trade-off ที่เลือก

* แทนที่จะระบุเพียงว่าใช้ AI เป็น ควรแสดงให้เห็นว่ารู้เมื่อไรควรใช้ รู้วิธีตรวจคำตอบ และไม่ส่ง Output ที่ยังไม่ผ่าน Judgment ของมนุษย์ให้ทีมรับผิดชอบต่อ

* นายจ้างไม่ได้คาดหวังให้ Junior รู้ทุกอย่างครับ แต่ต้องการหลักฐานว่าคนคนนี้เรียนรู้ได้เร็ว รับ Feedback ได้ แก้ปัญหาอย่างมีโครงสร้าง และไม่ต้องรอให้มีคนแตกทุกงานเป็นคำสั่งย่อยให้ตลอดเวลา

LinkedIn เคยรายงานว่าตลาดงานมีการแข่งขันสูงขึ้น โดยจำนวนผู้สมัครต่อหนึ่งตำแหน่งในสหรัฐฯ เพิ่มจากประมาณ 1.5 คนในปี 2022 เป็นราว 2.5 คนในปี 2024 แม้ตัวเลขดังกล่าวไม่ใช่ข้อมูลของประเทศไทย แต่สะท้อนสภาพตลาดที่ผู้สมัครต้องแข่งขันด้วยหลักฐานความสามารถที่ชัดขึ้น ไม่ใช่ส่งเรซูเม่แบบเดียวกันไปทุกตำแหน่ง

ในตลาดเช่นนี้ การสมัครงานหนึ่งร้อยแห่งไม่ได้แปลว่าคุณมีหนึ่งร้อยโอกาสครับ หากแต่ละใบสมัครไม่ได้เชื่อมประสบการณ์ของคุณกับปัญหาที่ตำแหน่งนั้นต้องแก้

⸻

✨ อย่าหยุดค้นหาความมั่นคง แต่ต้องเปลี่ยนว่าสิ่งใดเป็นฐานของความมั่นคง

ผมไม่คิดว่าเราควรบอกคนรุ่นใหม่ให้เลิกมองหางานประจำครับ เพราะรายได้ที่คาดการณ์ได้ สวัสดิการ การเติบโตระยะยาว และความรู้สึกเป็นส่วนหนึ่งขององค์กรยังมีคุณค่าอย่างมาก

ขณะเดียวกัน เราก็ไม่ควรปลอบตัวเองว่าเก้าอี้ Permanent คือเครื่องรับประกันความมั่นคงในโลกที่บริษัทสามารถปรับโครงสร้าง เปลี่ยนกลยุทธ์ หรือเลิกใช้ทักษะบางชนิดได้รวดเร็ว

ความมั่นคงจึงไม่ได้หายไป แต่กำลังย้ายฐาน

* จากความมั่นคงที่องค์กรมอบให้ ไปสู่ความสามารถที่ตลาดยังต้องการ

* จากชื่อตำแหน่ง ไปสู่ผลงานที่พิสูจน์ได้

* จากอายุงาน ไปสู่ความเร็วในการเรียนรู้

* และจากการมีนายจ้างเพียงรายเดียว ไปสู่การมีทักษะ เครือข่าย และชื่อเสียงที่ทำให้เรามีทางเลือกมากกว่าหนึ่งทาง

ดังนั้น หากคุณเป็นเด็กจบใหม่หรือกำลังเปลี่ยนสาย อย่ารับ Contract เพราะความกลัว และอย่าปฏิเสธ Contract เพราะศักดิ์ศรีครับ

ให้ประเมินมันเหมือนการลงทุนหนึ่งครั้งว่า งานนี้จะเพิ่ม Skill, Signal, Network และ Option ให้คุณมากเพียงใด เพราะคำถามสำคัญอาจไม่ใช่ “สัญญานี้ให้ความมั่นคงกับเราได้นานแค่ไหน?” แต่คือ

“เมื่อสัญญานี้สิ้นสุดลง เราจะกลายเป็นคนที่ตลาดต้องการมากกว่าเดิมหรือไม่?”

ในยุค AI คนที่อยู่รอดไม่ได้จำเป็นต้องเป็นคนที่เกาะเก้าอี้ประจำได้แน่นที่สุด และไม่ใช่คนที่รับทุกงานโดยไม่มีทิศทาง แต่คือคนที่อ่านเกมให้ออก เลือกสนามที่เพิ่มมูลค่าให้ตัวเอง และสามารถส่งมอบผลลัพธ์ได้ ไม่ว่านามบัตรจะเขียนว่า Permanent, Contract หรือ Contractor ก็ตามครับ

#วันละเรื่องสองเรื่อง #ExecutiveMindset #FutureOfWork #ContractHiring #AITransformation #CareerAdaptability #JobStrategy #WorkforceStrategy #LifelongLearning

⸻

📚 Source / Reference

* Stanford Digital Economy Lab — “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence” โดย Erik Brynjolfsson, Bharat Chandar และ Ruyu Chen: ใช้เป็นฐานข้อมูลเรื่องความเปลี่ยนแปลงของการจ้างแรงงานช่วงต้นอาชีพในงานที่มีความเสี่ยงต่อ Generative AI สูง โดยไม่ตีความว่า AI เป็นสาเหตุเดียวของการลดลง

* Stanford Digital Economy Lab — “Canaries, Interest Rates, and Timing: More on the Recent Drivers of Employment Changes for Young Workers”: ใช้ประกอบข้อจำกัดของการวิเคราะห์และบทบาทของปัจจัยเศรษฐกิจอื่นที่เกิดขึ้นพร้อมกับการใช้ AI

* World Economic Forum — “Future of Jobs Report 2025”: ใช้เป็นบริบทเรื่องการเปลี่ยนแปลงของงาน ทักษะ และการวางแผนกำลังคนในช่วงปี 2025–2030

* LinkedIn Economic Graph — “2025 Labor Market Outlook”: ใช้เป็นบริบทเรื่องการแข่งขันที่สูงขึ้นในตลาดแรงงานสหรัฐฯ โดยไม่ใช้แทนข้อมูลตลาดแรงงานไทย

* “Who Will Become the Next Senior? How Generative AI Erodes the Development Pathway in Software Engineering” โดย Sumin Yu และ Taesup Moon: ใช้เป็นมุมมองประกอบเรื่องความเสี่ยงต่อเส้นทางการพัฒนาจาก Junior ไปสู่ Senior โดยระบุข้อจำกัดว่าเป็นงานวิจัยเชิงคุณภาพขนาดเล็กและยังไม่ควรสรุปแทนทั้งอุตสาหกรรม

* ภาพประกาศรับสมัครงานบน LinkedIn ที่ผู้เขียนได้รับ: ใช้เป็นกรณีตั้งต้นจากตำแหน่ง Data Platform Developer แบบสัญญา 6 เดือนของ Agoda และ Data Operations Engineer แบบ Contractor ของ KBTG ไม่ได้ใช้เป็นหลักฐานยืนยันแนวโน้มการจ้างงานทั้งหมดของทั้งสองบริษัทหรือตลาดแรงงานไทย