งานจะไม่หายไป แต่ "งานย่อย" จะหายไป: วิธีการทำงานที่เปลี่ยนแปลงโดย AI แบบเอเจนต์

1) เหตุผลที่คำตอบของ "AI จะมาแย่งงานหรือไม่?" แตกต่างกัน

ด้วยการแพร่หลายของ AI ที่สร้างขึ้น เราพบพาดหัวข่าวที่ตรงกันข้ามกันทุกสัปดาห์ เช่น "AI ทำลายการจ้างงาน" และ "AI เพิ่มประสิทธิภาพการผลิต" ความสับสนนี้มีสาเหตุที่ง่ายมาก ความเร็วในการพัฒนาความสามารถของ AI และความเร็วที่สังคมยอมรับไม่สอดคล้องกัน ดังนั้นการอภิปรายจึงมักจะเอนเอียงไปทางสองทางเลือกคือเห็นด้วยหรือไม่เห็นด้วย

สิ่งที่น่าสนใจเกี่ยวกับเอกสารไวท์เปเปอร์ที่เผยแพร่โดย World Economic Forum (WEF) คือ ไม่ได้ยืนยันอนาคต แต่เสนอแผนที่ว่า "เมื่อข้อสมมติฐานใดถูกทำลาย จะนำไปสู่อะไร" การพัฒนา AI จะเร็วหรือช้า การเตรียมความพร้อมของบุคลากรและระบบจะเข้มแข็งหรืออ่อนแอ การจัดเรียงนี้ทำให้การทำงานในปี 2030 แบ่งออกเป็น 4 ฉาก

2) 4 ฉาก: แม้ว่า AI จะเหมือนกัน แต่ "ผลลัพธ์" ก็เปลี่ยนแปลงได้

4 อนาคตที่เอกสารไวท์เปเปอร์วาดขึ้นคือการคูณระหว่าง "การพัฒนาเทคโนโลยี" และ "การเตรียมความพร้อมของมนุษย์" สิ่งสำคัญที่นี่คือ ไม่ใช่แค่อันใดอันหนึ่งจะครอบงำโลก แต่มีโอกาสสูงที่จะเกิดขึ้น "ผสมกัน" ในแต่ละอุตสาหกรรม ภูมิภาค และบริษัท กล่าวคือ ที่ทำงานของคุณอาจเป็น "เศรษฐกิจโคไพลอต" ในขณะที่อุตสาหกรรมข้างเคียงอาจเป็น "ยุคแห่งการแทนที่"

ฉาก A: Supercharged Progress (ความก้าวหน้าที่เร่งขึ้น)

AI พัฒนาอย่างรวดเร็วและตลาดแรงงานปรับตัวได้ดีพอสมควร บริษัทต่างๆ จะออกแบบงานใหม่โดยใช้ AI เป็นศูนย์กลางด้วยพลังของ "AI แบบเอเจนต์" ซึ่งจะเพิ่มประสิทธิภาพและนวัตกรรม งานใหม่จะเกิดขึ้น แต่การทำงานที่มีอยู่จะล้าสมัยอย่างรวดเร็ว ความเสี่ยงที่ใหญ่ที่สุดคือการเปลี่ยนแปลงที่รวดเร็วเกินไปจนสวัสดิการสังคมหรือจริยธรรมและการกำกับดูแลไม่ทัน ซึ่งจะมีคนที่ถูกทิ้งไว้ข้างหลัง

ฉาก B: The Age of Displacement (ยุคแห่งการแทนที่)

AI พัฒนาอย่างรวดเร็ว แต่การศึกษา การฝึกอบรมใหม่ และระบบไม่ทัน บริษัทต่างๆ มักเลือก "อัตโนมัติแทนการฝึกอบรม" เนื่องจากขาดแคลนบุคลากรหรือแรงกดดันด้านต้นทุน ผลลัพธ์คือการว่างงานและการทำงานที่ไม่มั่นคงเพิ่มขึ้น และการแบ่งแยกในสังคมลึกขึ้น นอกจากนี้ AI แบบเอเจนต์ที่รับผิดชอบกระบวนการสำคัญจะเพิ่มความเสี่ยงใหม่ๆ เช่น อุบัติเหตุ การทุจริต และการจัดการความรู้สึก

ฉาก C: Co-Pilot Economy (เศรษฐกิจโคไพลอต)

AI พัฒนาอย่างค่อยเป็นค่อยไปและทักษะการใช้ AI แพร่หลาย การนำเข้า "การทำงานอัตโนมัติทั้งหมด" จะไม่เด่น แต่จะเน้นที่ "การนำเข้าเฉพาะงาน" ที่สอดคล้องกับปัญหาในสถานที่ทำงาน ทีมงานที่ประกอบด้วยมนุษย์และ AI จะปรับโซ่คุณค่าใหม่ และงานจะมีอัตราการ "เปลี่ยนแปลงเนื้อหา" มากกว่าการ "หายไป" มีความเจ็บปวดจากการเปลี่ยนงานและการย้ายตำแหน่ง แต่ AI จะถูกมองว่าเป็นโอกาสมากกว่าภัยคุกคาม

ฉาก D: Stalled Progress (ความก้าวหน้าที่หยุดชะงัก)

AI พัฒนาและนำเข้าอย่างช้าๆ แต่การเตรียมความพร้อมของบุคลากรอ่อนแอ ภายใต้แรงกดดันของกำไรระยะสั้น บริษัทมักจะนำเข้าอย่างอนุรักษ์นิยมและไม่เกิดการเปลี่ยนแปลงที่เปลี่ยนแปลงสังคม การเติบโตของประสิทธิภาพยังคงไม่สม่ำเสมอ และผลประโยชน์จะกระจุกตัวอยู่ในบริษัทและภูมิภาคที่มี AI แข็งแกร่ง ผลลัพธ์คือความไม่เท่าเทียมที่คงที่และความผิดหวังที่ "ไม่ดีเท่าที่คาดหวัง"

3) แก่นของความไม่แน่นอนที่ตัวเลขชี้ให้เห็น: กำไรที่มองเห็นได้ แต่ค่าแรงที่มองไม่เห็น

ศูนย์กลางของการอภิปรายที่เอกสารไวท์เปเปอร์นี้จุดประกายไม่ใช่แค่ "การจ้างงานจะลดลงหรือเพิ่มขึ้น" แต่เป็น "ผลผลิตจะถูกแจกจ่ายให้ใครและอย่างไร"

การสำรวจที่อ้างถึงในรายงานข่าวแสดงให้เห็นว่าผู้บริหารส่วนใหญ่คาดว่า AI จะมาแทนที่งานที่มีอยู่ ในขณะที่สัดส่วนที่เห็นว่างานใหม่จะเพิ่มขึ้นนั้นน้อยกว่า นอกจากนี้ ความคาดหวังในการปรับปรุงอัตรากำไรค่อนข้างสูง แต่ความคาดหวังในการเพิ่มค่าแรงค่อนข้างต่ำ

นี่คือจุดที่ความกลัวในโซเชียลมีเดียระเบิดขึ้น ผู้คนกลัวไม่ใช่ AI เอง แต่เป็น "อนาคตที่กำไรเพิ่มขึ้น แต่ส่วนแบ่งของตนไม่เพิ่มขึ้น"

4) ปฏิกิริยาในโซเชียลมีเดีย: การต้อนรับและความสงสัยที่ "ถูกต้องพร้อมกัน"

เมื่อหัวข้อนี้แพร่กระจายในโซเชียลมีเดีย ปฏิกิริยาแบ่งออกเป็น 4 กลุ่มใหญ่ (ตามโพสต์ที่สามารถตรวจสอบได้ในขอบเขตการเผยแพร่)

ปฏิกิริยา① "มีประโยชน์เป็นกรอบการทำงาน"

ใน LinkedIn โพสต์ที่โดดเด่นคือการมองว่า 4 ฉากเป็นแผนที่ 2×2 ที่สามารถใช้เป็นวัตถุดิบในการอภิปรายตำแหน่งปัจจุบันของบริษัท ไม่ได้ยืนยันอนาคต แต่ใช้เป็น "ภาษากลาง" ในการประชุมผู้บริหารและกลยุทธ์บุคลากรได้ง่าย

ปฏิกิริยา② "สุดท้ายแล้วการลงทุนในบุคลากรคือสิ่งสำคัญ"

ใน LinkedIn เช่นกัน มีแนวโน้มที่เน้น "ความแข็งแกร่งของมนุษย์" เช่น ความรู้ AI ความสามารถในการเรียนรู้ ความคิดวิจารณ์ การตัดสินใจ และการสื่อสาร "ไม่ใช่การแข่งขันทางเทคโนโลยี แต่เป็นการแข่งขันในการปรับตัว"

ปฏิกิริยา③ "ถ้าค่าแรงไม่ขึ้น ความกังวลจะไม่หายไป"

ปฏิกิริยาที่แหลมคมที่สุดคือความสงสัยเกี่ยวกับความแตกต่างระหว่างการปรับปรุงอัตรากำไรและการเพิ่มค่าแรง "จะล้มเหลวในการแจกจ่ายอีกหรือไม่" ความทรงจำนี้ถูกปลุกขึ้นมาเมื่อเปรียบเทียบกับการอัตโนมัติและการใช้ IT ในอดีต การนำ AI เข้ามามักจะถูกเล่าขานว่าเป็น "เรื่องราวของการเพิ่มประสิทธิภาพ" แต่ผู้บริโภคมองว่าเป็น "เรื่องราวของการแบ่งปัน" หากไม่สามารถประสานกันได้ การตกลงทางสังคมจะยาก

ปฏิกิริยา④ "อย่างไรก็หยุดไม่ได้ ดังนั้นต้องเตรียมตัว"

ในบอร์ดเช่น Hacker News มีการอภิปรายที่ใกล้เคียงกับการยอมรับว่า "ถ้าไม่สามารถหลีกเลี่ยงได้ ต้องมีสวัสดิการสังคมหรือระบบอื่นๆ" แม้จะเป็นรูปแบบของความเศร้า แต่ในทางกลับกันก็เป็นข้อความว่า "จำเป็นต้องมีการออกแบบที่สามารถจัดการได้"

5) การเขียนใหม่ "งาน" ไม่ใช่ "อาชีพ": การทำให้เป็นเรื่องของตนเองอย่างเป็นจริง

การพูดถึงผลกระทบของ AI ว่า "อาชีพจะหายไป/คงอยู่" อาจทำให้พลาดได้ สิ่งที่เกิดขึ้นจริงคือการแยกและรวมงานใหม่
ตัวอย่างเช่น ในงานขาย สามารถแยกออกเป็นการค้นหาลูกค้าเป้าหมาย การสร้างข้อเสนอ การบันทึกการประชุม การเสนอราคา และการติดตาม AI มีความสามารถในการรวบรวมข้อมูล การสร้างข้อความ และการจัดระเบียบที่สามารถแทนที่ได้ง่าย ในขณะที่การสร้างความเชื่อถือ การตัดสินสถานการณ์ การเจรจา และการรับผิดชอบจะยังคงอยู่กับมนุษย์ ในสำนักงานหลังบ้าน การป้อนข้อมูล การตรวจสอบ และการจัดหมวดหมู่สามารถทำให้เป็นอัตโนมัติได้ง่าย ในขณะที่การจัดการข้อยกเว้น การตอบสนองการตรวจสอบ และการประสานงานระหว่างองค์กรจะมีความสำคัญเพิ่มขึ้น

ดังนั้นสิ่งที่สำคัญคือ ก่อนที่จะ "ลดจำนวนคน"

• การออกแบบว่าจะมอบหมายงานใดให้ AI

• งานใดที่มนุษย์จะยังคงรับผิดชอบ

• จะเพิ่มมูลค่าของงานที่เหลืออย่างไร
  การออกแบบ

6) "โนรีเกร็ต" ที่ใช้ได้ในทุกอนาคต: การดำเนินการที่ไม่ทำให้เสียใจ

สิ่งที่ WEF เน้นคือไม่ใช่การคาดเดาอนาคต แต่เป็นการเตรียมตัวที่ไม่ทำให้เสียใจในทุกฉาก หากนำไปใช้ในทางปฏิบัติ สิ่งต่อไปนี้จะเป็นโครงสร้างหลัก

สิ่งที่บริษัทควรทำ (ชุดขั้นต่ำ)

• นำเข้าเล็กน้อย สร้างรูปแบบการวัดผลและการจัดการความเสี่ยง (ไม่หยุดที่ PoC)

• เชื่อมโยงกลยุทธ์บุคลากรและกลยุทธ์เทคโนโลยี (ไม่แยกแผนการนำเข้าและการพัฒนา)

• จัดระเบียบข้อมูล สิทธิ์ การบันทึก และความรับผิดชอบในการกำกับดูแล เพื่อเตรียมการสำหรับการดำเนินงานของ AI แบบเอเจนต์

สิ่งที่บุคคลควรทำ (เส้นทางที่สั้นที่สุด)

• แยกงานของตนเองออกเป็นงานย่อยและมอบหมายส่วนที่สามารถให้ AI ทำได้ก่อน (สร้างเวลา)

• ใช้เวลาที่ได้เพิ่ม "การตัดสินใจ" "การออกแบบ" "ความสัมพันธ์" "ความรับผิดชอบ" (เพิ่มมูลค่า)

• ทำให้ "กระบวนการก่อนที่จะได้ผลลัพธ์" เป็นภาษาที่สามารถอธิบายให้ผู้อื่นเข้าใจได้ (เพิ่มความสามารถในการเคลื่อนย้าย)

7) ข้อสรุป: AI ไม่ได้กำหนดอนาคต แต่การเตรียมตัวและการแจกจ่ายกำหนดอนาคต

4 ฉากไม่ใช่คำทำนายเพื่อกระตุ้นความกลัว แต่เป็นเครื่องมือที่ทำให้เห็นว่าผลลัพธ์เปลี่ยนแปลงได้ด้วย "ความแตกต่างในการเตรียมตัว" "การออกแบบการแจกจ่าย" และ "การกำกับดูแล"

ปี 2030 ดูเหมือนจะไกล แต่ก็ใกล้ เมื่อความสามารถของ AI เพิ่มขึ้น คำถามจะย้ายจากเทคโนโลยีไปสู่สังคม กำไรเป็นของใคร ใครจะรับผิดชอบค่าใช้จ่ายในการเรียนรู้ใหม่ ใครจะรับผิดชอบในการอธิบายการนำเข้า

การแข่งขันระหว่าง "การแทนที่หรือการขยาย" ได้เริ่มขึ้นแล้ว ดังนั้นสิ่งที่จำเป็นในตอนนี้ไม่ใช่การกลัว AI หรือเชื่อมั่นใน AI อย่างไม่ลืมหูลืมตา แต่คือ "การจัดงานใหม่ด้วยงานย่อย" "การลงทุนในบุคลากรก่อน" "การทำให้การแจกจ่ายผลผลิตเป็นภาษาที่เข้าใจได้" การเตรียมตัวที่เรียบง่ายนี้จะเปลี่ยนแปลงอนาคตได้มากที่สุด

ที่มา URL

• หน้าการเผยแพร่อย่างเป็นทางการของเอก