AI กระทบแผนกไหนมากที่สุดในองค์กร?📤🗃️ ไม่ได้เข้ามาแทนแต่กำลังเปลี่ยนงานบางส่วนเร็วกว่าที่คิด

Qเวลาพูดถึง AI กับอนาคตของการทำงาน คำถามที่เราได้ยินบ่อยที่สุดคงหนีไม่พ้น “งานของฉันจะถูก AI แทนไหม?” เป็นคำถามที่เข้าใจได้ เพราะในเวลาไม่กี่ปี เราเห็น AI ขยับจากเครื่องมือที่ดูเหมือนเรื่องไกลตัว มาเป็นสิ่งที่สามารถเขียนบทความ สร้างภาพ วิเคราะห์ข้อมูล เขียนโค้ด สรุปเอกสาร หรือช่วยตอบลูกค้าได้ภายในเวลาไม่กี่วินาที

แต่ถ้าอยากเข้าใจผลกระทบของ AI อย่างเป็นธรรมกับความจริงมากขึ้น เราอาจต้องเปลี่ยนคำถามเล็กน้อย จาก “AI จะมาแทนอาชีพอะไร?” เป็น “AI จะเข้ามาเปลี่ยนงานส่วนไหนของแต่ละอาชีพ?”

เพราะหนึ่งตำแหน่งงานไม่ได้ประกอบด้วยงานเพียงอย่างเดียว

นักการตลาดไม่ได้มีหน้าที่แค่เขียน Content โปรแกรมเมอร์ไม่ได้มีหน้าที่แค่เขียน Code HR ไม่ได้ทำเพียงคัด Resume และคน Finance ก็ไม่ได้ทำเพียงคำนวณตัวเลข ในหนึ่งวันเราอาจต้องทำทั้งงาน Routine วิเคราะห์ข้อมูล แก้ปัญหา ประสานงาน ตัดสินใจ และพูดคุยกับผู้คน

AI อาจทำบาง Task ได้เกือบทั้งหมด ช่วยอีกบาง Task ได้เพียงบางส่วน และแทบไม่มีบทบาทในงานบางประเภทเลย

นี่คือมุมที่ควรใช้ในการอ่านข้อมูล AI Impact by Job Departments ใน Infographic นี้ ซึ่งอ้างอิงการวิเคราะห์มากกว่า 19,000 Tasks ครอบคลุม 867 อาชีพ จากข้อมูล ณ เดือนกันยายน 2023 โดยแบ่งผลกระทบออกเป็น 3 ระดับ ได้แก่ Large Impact หมายถึงงานที่อาจถูก Automation หรือเปลี่ยนแปลงอย่างมีนัยสำคัญ Small Impact หมายถึงงานที่ได้รับการเปลี่ยนแปลงบางส่วนแต่พื้นฐานของงานยังคงอยู่ และ No Impact คืองานที่ไม่ได้รับผลกระทบจาก AI ตามขอบเขตการวิเคราะห์ดังกล่าว

เมื่อแยกตาม Department สิ่งที่เห็นชัดที่สุดคือ IT อยู่ในอันดับแรก โดยมี Large Impact ถึง 73%, Small Impact 26% และ No Impact เพียง 1%

ฟังดูน่าสนใจไม่น้อย เพราะคนที่ทำงานใกล้เทคโนโลยีที่สุด กลับเป็นกลุ่มที่เทคโนโลยีกำลังเปลี่ยนวิธีทำงานมากที่สุดเช่นกัน

วันนี้ AI สามารถช่วย Developer เขียน Code, Debug, สร้าง Test Case, เขียน Documentation หรืออธิบาย Code ที่ซับซ้อนได้ สิ่งที่เคยต้องใช้เวลาหนึ่งชั่วโมงอาจเหลือเพียงไม่กี่นาที แต่สิ่งนี้ไม่ได้แปลตรงๆ ว่า “73% ของคน IT จะตกงาน”

73% ในบริบทนี้กำลังพูดถึง Task ที่ได้รับผลกระทบ ไม่ใช่จำนวนพนักงานที่จะถูกแทนที่

และความแตกต่างตรงนี้สำคัญมาก

เพราะเมื่อ AI เขียน Code ได้มากขึ้น คุณค่าของ Developer อาจค่อยๆ ขยับจากการพิมพ์ Code ทุกบรรทัด ไปสู่การออกแบบระบบ การแก้ปัญหา การตรวจสอบสิ่งที่ AI สร้างขึ้น ความปลอดภัย และการตัดสินใจว่า Solution แบบใดเหมาะกับสถานการณ์จริง

อันดับถัดมาคือ Finance ที่มี Large Impact 70%, Small Impact 21% และ No Impact 9% งานการเงินจำนวนมากมีลักษณะที่ AI และ Automation ชอบ นั่นคือมีข้อมูลจำนวนมาก มี Pattern มีเอกสาร และมีกระบวนการที่สามารถกำหนดกฎเกณฑ์ได้

การจัดหมวดหมู่ข้อมูล การตรวจสอบความผิดปกติ การสรุปรายงาน หรือการเตรียมข้อมูลบางส่วนจึงสามารถถูกเร่งให้เร็วขึ้นได้อย่างมาก

แต่เมื่อเครื่องมือทำงาน Routine ได้มากขึ้น คน Finance อาจไม่ได้มีคุณค่าน้อยลง ตรงกันข้าม สิ่งที่มีค่ามากขึ้นอาจเป็น Financial Judgment การวิเคราะห์ความเสี่ยง การตีความข้อมูล และความสามารถในการนำตัวเลขไปเชื่อมกับการตัดสินใจทางธุรกิจ

เพราะ AI สามารถช่วยบอกเราได้ว่าตัวเลขเปลี่ยนไปอย่างไร แต่คำถามว่า “แล้วบริษัทควรทำอะไรต่อ?” ยังต้องการบริบทอีกมาก

Customer Sales ตามมาในระดับ Large Impact 67%, Small Impact 16% และ No Impact 17% เราเห็นการเปลี่ยนแปลงนี้แล้วจาก Chatbot, CRM Automation, Lead Scoring ไปจนถึง AI ที่ช่วยร่าง Email หรือเตรียมข้อมูลลูกค้าก่อนการขาย

งานตอบคำถามพื้นฐานอาจถูก Automate ได้มากขึ้น แต่การขายที่ซับซ้อนยังมีองค์ประกอบของ Trust, Negotiation, Empathy และ Relationship ซึ่งไม่ได้ถูกแทนที่ง่ายๆ ด้วยคำตอบที่ถูกต้องเพียงอย่างเดียว

บางครั้งลูกค้าไม่ได้เลือกซื้อจากคนที่ “ตอบเก่งที่สุด” แต่เลือกคนที่ “เข้าใจเขาที่สุด”

Operations มี Large Impact 65%, Small Impact 18% และ No Impact 17% งานด้านปฏิบัติการจำนวนมากสามารถใช้ AI ช่วย Forecast วิเคราะห์ Pattern ตรวจจับความผิดปกติ หรือช่วยจัดลำดับความสำคัญ ทำให้มนุษย์ไม่จำเป็นต้องตรวจทุกอย่างด้วยตัวเอง แต่สามารถหันไปสนใจ Exception และปัญหาที่ต้องใช้ Judgment มากขึ้น

จากนั้นคือ HR ซึ่งมี Large Impact 57%, Small Impact 41% และ No Impact เพียง 2%

นี่เป็นตัวเลขที่ชวนคิด เพราะ HR เป็นงานที่มีคำว่า Human อยู่ในชื่อ แต่ Task จำนวนมากกลับสามารถใช้ AI ช่วยได้อย่างมาก ตั้งแต่การเขียน Job Description ช่วยจัดการข้อมูลผู้สมัคร สรุป Resume เตรียมคำถามสัมภาษณ์ สร้างเอกสาร Training ไปจนถึงวิเคราะห์ข้อมูลพนักงาน

สิ่งที่อาจเกิดขึ้นจึงไม่ใช่การที่ HR ต้อง “เป็นมนุษย์น้อยลง” แต่ตรงกันข้าม AI อาจทำให้ HR มีโอกาสกลับไปใช้เวลากับเรื่องที่เป็นมนุษย์มากขึ้น

แทนที่จะเสียเวลาหลายชั่วโมงจัดเอกสาร HR อาจใช้เวลานั้นพูดคุยกับพนักงาน Coach หัวหน้างาน แก้ Conflict ออกแบบ Culture หรือวาง Workforce Strategy

บางที AI อาจไม่ได้ทำให้คำว่า Human Resources มีความเป็น Human น้อยลง แต่อาจเปิดโอกาสให้ HR กลับมาโฟกัสกับคำว่า Human มากกว่าเดิมเสียด้วยซ้ำ

Marketing มี Large Impact 56%, Small Impact 41% และ No Impact 3% ซึ่งเป็นอีกฝ่ายที่สัมผัสผลกระทบของ Generative AI ได้อย่างชัดเจน

จากเดิมการเขียน Caption หนึ่งชิ้นอาจใช้เวลาเป็นชั่วโมง วันนี้ AI สามารถสร้างสิบ Version ภายในไม่กี่วินาที Research ที่เคยต้องเปิดเว็บไซต์จำนวนมากสามารถสรุปเบื้องต้นได้เร็วขึ้น Idea, Script, Visual Concept หรือ Content Outline สามารถถูกสร้างออกมาได้แทบไม่จำกัด

แต่เมื่อทุกคนสามารถ “ผลิต” ได้เร็วเหมือนกัน สิ่งที่กลายเป็นของหายากอาจไม่ใช่ Content อีกต่อไป แต่คือ Taste และ Judgment

อะไรควรทำ อะไรไม่ควรทำ Insight ไหนมีความหมาย Brand ควรพูดด้วยน้ำเสียงแบบไหน และท่ามกลาง Content จำนวนมหาศาล อะไรจะทำให้คนหยุดดูและรู้สึกบางอย่าง

เมื่อ Production ถูกลง ความสามารถในการเลือกสิ่งที่ดีอาจแพงขึ้น

Legal มี Large Impact 46%, Small Impact 50% และ No Impact 4% AI สามารถช่วยค้นหา สรุป เปรียบเทียบ และร่างเอกสารบางประเภทได้ แต่กฎหมายเป็นพื้นที่ที่บริบท ความถูกต้อง ความรับผิดชอบ และ Judgment มีความสำคัญสูงมาก การทำงานร่วมกับ AI จึงต้องมี Human Oversight ที่จริงจังกว่างานทั่วไป

ส่วน Supply Chain มี Large Impact 43%, Small Impact 18% และ No Impact สูงถึง 39% ซึ่งแตกต่างจากหลายฝ่ายอย่างเห็นได้ชัด ส่วนหนึ่งสามารถมองได้จากธรรมชาติของงานที่เชื่อมโยงกับโลกกายภาพ ทั้งสินค้า คลัง การขนส่ง สถานที่ และกิจกรรมหน้างาน AI สามารถช่วยวิเคราะห์ วางแผน หรือคาดการณ์ได้ แต่การทำให้สิ่งของเคลื่อนจากจุดหนึ่งไปอีกจุดหนึ่งยังต้องพึ่งระบบและกิจกรรมในโลกจริงอีกมาก

เมื่อมองภาพรวมทั้งหมด เราจะเริ่มเห็น Pattern บางอย่าง

งานที่อยู่บนหน้าจอ มีข้อมูลจำนวนมาก ทำซ้ำได้ มี Pattern ชัดเจน และสามารถอธิบายขั้นตอนออกมาได้ มักมีโอกาสได้รับผลกระทบจาก AI สูงกว่า

แต่ “ได้รับผลกระทบ” ไม่ได้แปลว่า “ถูกแทนที่”

ลองคิดง่ายๆ ว่า หากงานหนึ่งเคยใช้เวลา 5 ชั่วโมง และ AI ช่วยให้เหลือ 1 ชั่วโมง สิ่งที่เกิดขึ้นอาจไม่ใช่การที่มนุษย์สูญเสียงานไป 4 ชั่วโมง แต่คือมนุษย์ได้รับเวลา 4 ชั่วโมงกลับคืนมา

คำถามคือ เราจะใช้เวลาที่ได้คืนมานั้นทำอะไร?

ถ้าเราเอาเวลาไปทำงาน Routine เพิ่มอีกสี่เท่า เราอาจเพียงกลายเป็นคนที่ผลิตงานได้เร็วขึ้น แต่ถ้าเอาเวลาไปคิด วางกลยุทธ์ พัฒนาความสัมพันธ์กับลูกค้า แก้ปัญหาที่ยากขึ้น หรือเรียนรู้สิ่งใหม่ AI อาจทำให้คุณค่าของคนคนนั้นสูงขึ้นกว่าเดิม

นี่จึงเป็นเหตุผลว่าทำไม Upskill ในยุค AI ไม่ควรหมายถึงแค่ “เรียนใช้ AI”

การเขียน Prompt เป็นเรื่องหนึ่ง แต่ทักษะอย่าง Critical Thinking, Domain Expertise, Communication, Creativity, Problem Solving และ Judgment อาจสำคัญยิ่งกว่า เพราะในวันที่ทุกคนสามารถสร้างคำตอบได้เร็ว สิ่งที่สร้างความแตกต่างคือใครสามารถตั้งคำถามได้ดีกว่า ตรวจสอบคำตอบได้ และรู้ว่าจะนำคำตอบนั้นไปใช้อย่างไร

สำหรับองค์กรเองก็มีโจทย์เดียวกัน

หากเริ่มต้นการใช้ AI ด้วยคำถามเพียงว่า “เราจะลดคนได้กี่คน?” เราอาจกำลังมองเทคโนโลยีใหม่ด้วยกรอบความคิดเก่า

คำถามที่น่าสนใจกว่าคือ งานอะไรที่คนไม่ควรต้องเสียเวลาทำอีกแล้ว? เราจะทำให้คนเก่งใช้เวลากับงานที่มีคุณค่ามากขึ้นได้อย่างไร? และเมื่อ AI รับผิดชอบ Task บางส่วนไปแล้ว เราควรออกแบบ Job ของมนุษย์ใหม่อย่างไร?

นั่นอาจเป็นโอกาสที่ใหญ่กว่าการลดต้นทุนเสียอีก

อีกเรื่องที่ต้องจำไว้คือ ตัวเลขใน Infographic นี้อ้างอิงข้อมูล ณ เดือนกันยายน 2023 จึงควรมองเป็น Snapshot ของช่วงเวลาหนึ่ง ไม่ใช่คำพยากรณ์ตายตัวเกี่ยวกับอนาคต เพราะความสามารถของ AI กำลังพัฒนาเร็วมาก ขณะเดียวกันองค์กร กฎระเบียบ และวิธีนำเทคโนโลยีไปใช้จริงก็เปลี่ยนแปลงอยู่ตลอด

สิ่งที่มีค่าที่สุดจากตัวเลขเหล่านี้จึงอาจไม่ใช่การจำว่า IT คือ 73% หรือ Finance คือ 70% แต่คือการใช้มันเป็นจุดเริ่มต้นกลับมาสำรวจงานของตัวเอง

ในหนึ่งสัปดาห์ เราทำอะไรซ้ำๆ บ้าง? งานไหนใช้ข้อมูลเป็นหลัก? งานไหน AI สามารถช่วย Draft ได้? งานไหนต้องใช้ความเชี่ยวชาญจริงๆ? และงานไหนต้องอาศัยความไว้วางใจระหว่างมนุษย์กับมนุษย์?

เมื่อแยกงานออกเป็นชิ้นเล็กๆ เราอาจพบว่า AI ไม่ได้น่ากลัวอย่างที่คิดในบางเรื่อง และทรงพลังกว่าที่คิดในอีกหลายเรื่อง

Wrap Up

คำถามว่า “แผนกไหนได้รับผลกระทบจาก AI มากที่สุด?” มีประโยชน์ เพราะทำให้เราเห็นว่าการเปลี่ยนแปลงไม่ได้เกิดขึ้นเท่ากันทุกฝ่าย IT, Finance, Sales และ Operations อาจมี Task จำนวนมากที่สามารถถูกเปลี่ยนด้วย AI ขณะที่ HR, Marketing และ Legal ก็กำลังเจอกับการเปลี่ยนรูปแบบงานอย่างชัดเจน ส่วน Supply Chain ยังมีองค์ประกอบของงานในโลกกายภาพอยู่มาก

แต่สิ่งสำคัญกว่าการจัดอันดับคือการเข้าใจว่า AI กำลังเปลี่ยน “องค์ประกอบของงาน” มากกว่าลบ Job Title ทั้งตำแหน่งออกไปในทันที

อนาคตจึงอาจไม่ใช่การแข่งขันระหว่าง “มนุษย์ vs AI” อย่างที่เราชอบพูดกัน แต่เป็นการแข่งขันระหว่างคนที่ยังทำงานด้วยวิธีเดิม กับคนที่รู้ว่าเมื่อมี AI แล้ว ตัวเองควรหยุดทำอะไร เริ่มทำอะไร และพัฒนาความสามารถส่วนไหนให้มากขึ้น

ดังนั้นแทนที่จะถามอยู่เสมอว่า “AI จะมาแทนฉันไหม?” เราอาจเปลี่ยนเป็นคำถามที่มีประโยชน์กับตัวเองมากกว่า

“ถ้าวันนี้ AI ทำงานบางส่วนแทนเราได้แล้ว เราจะใช้เวลาที่ได้คืนมา เพื่อกลายเป็นคนทำงานที่มีคุณค่ามากกว่าเดิมได้อย่างไร?”

เพราะท้ายที่สุด สิ่งที่กำลังเปลี่ยนอาจไม่ใช่แค่เครื่องมือที่เราใช้ทำงาน แต่คือความหมายของคำว่า “เก่ง” ในโลกการทำงานยุคใหม่ด้วย