AI ควรเป็นของคนงาน

(SeaPRwire) –   ลองจินตนาการพื้นที่โรงงานผลิตรถยนต์ในช่วงทศวรรษ 1980 คนงานไลน์ต้องอดทนกับงานที่ซ้ำซากทุกวัน เช่น การบุ๊กเกล้ากระบอกป้องกันชนสองอันหรือการตัดสายไฟ โดยแต่ละงานใช้เวลา 45 วินาที คำแนะนำของคนงานไลน์เกี่ยวกับวิธีแก้จุดขัดขวางหรือปรับปรุงการไหลของงานมักถูกข้าม คนที่เดินตรวจสอบอยู่รอบๆ คือหัวหน้างานที่ตรวจสอบการเข้างาน บังคับใช้ความเร็วที่เข้มงวด ตรวจสอบคุณภาพ และส่งรายงานท้ายกะเกี่ยวกับผลผลิตและการเสียหาย

ข้ามไปถึงกลางทศวรรษ 1990 การนำเทคโนโลยีขั้นสูง เช่น โรบอทิกส์, programmable logic controllers (PLCs), และ manufacturing execution systems (MES) มาใช้กำลังเปลี่ยนแปลงวิธีการทำงาน คนงานไลน์ในโรงงานลดลง แต่จะต้องจัดการงานที่กว้างขวางขึ้น เช่น การล้างขัดขวางและโหลดเซลล์โรบอท ในขณะที่ผลผลิตเพิ่มเป็นสองเท่า ผู้ดูแลงานตอนนี้มีข้อมูลผลิตเพื่อประสานงานทั่วกระบวนการอัตโนมัติและทีมงานข้ามหน้าที่

ในช่วงความก้าวหน้าทศวรรษนี้ ระบบใหม่ๆ เหล่านี้ต้องการความเชี่ยวชาญเฉพาะทางในการใช้งานและปรับให้เหมาะสม ทักษะเหล่านั้นอยู่ห่างจากไลน์ผลิต ทำให้คุณค่ามาแน่นที่ในหมู่วิศวกร วิเคราะห์ และบทบาทผู้ดูแลงาน ค่าต่อจ้างของผู้ดูแลงานเติบโตเร็วมากกว่าค่าต่อจ้างของคนงานผลิต

คุณค่าของเทคโนโลยีเหล่านี้ไม่ได้ไหลลงไปถึงคนงานไลน์ จากทศวรรษ 1980 ถึง 2000 ชั้นความรู้ใหม่ๆ ได้เสริมสร้างผู้ดูแลงาน ทำให้ความแตกต่างของค่าต่อจ้างระหว่างผู้จัดการและพนักงานผลิตเพิ่มขึ้น นี่เป็นสถานการณ์ธรรมดาในอุตสาหกรรมต่างๆ เนื่องจากการรบกวนจากเทคโนโลยีในอดีต

ตามข้อมูลจาก Bureau of Labor Statistics คลื่นอัตโนมัติและการเปลี่ยนแปลงดิจิทัลได้เพิ่มงานใหม่สุทธิมากกว่า 70 ล้านงานในเศรษฐกิจสหรัฐอเมริกาตั้งแต่ปี 1980 อย่างไรก็ตาม ผลผลิตเพิ่มขึ้น 2.7 เท่ามากกว่าค่าตอบแทนเฉลี่ย (ค่าต่อจ้างและสวัสดิการ) สำหรับคนงานผลิตและคนงานที่ไม่ใช่ผู้ดูแลงานตั้งแต่ปี 1979 ตาม Economic Policy Institute กลุ่มนี้แทนประมาณ 80% ของแรงงานสหรัฐอเมริกา

AI สามารถเปลี่ยนแปลงสถานการณ์ได้ เพราะเป็นเทคโนโลยีแรกที่เข้าถึงได้ผ่านภาษาธรรมชาติแทนที่จะเป็นทักษะเทคนิคเฉพาะทาง การรบกวนจากเทคโนโลยีในอดีตต้องการให้คนงานเรียนซอฟต์แวร์ การเขียนโปรแกรม หรือเครื่องมือวิเคราะห์เพื่อได้รับประโยชน์จากระบบใหม่ สิ่งนี้สร้างปัจจัยผลักดันทำให้ธุรกิจต้องนำหน้าในการนำมาใช้และบูรณาการ AI ลดอุปสรรคในการเข้าถึงด้วยเครื่องมือที่ขยายและเสริมสร้างความสามารถของมนุษย์ อินเทอร์เฟซเป็นการสนทนาแทนที่จะเป็นโค้ด

ผลที่ตามมา คือแอป AI สำหรับผู้บริโภค เช่น ChatGPT, Gemini, Claude และ CapCut กำลังช่วยขับเคลื่อนการนำมาใช้ อย่างไรก็ตาม ธุรกิจกำลังต่อสู้กับการสร้างค่าที่แท้จริงและขนาดใหญ่ที่สามารถพิสูจน์ความสมเหตุสมผลของการลงทุนหลายพันล้านดอลลาร์ในเทคโนโลยีนี้

มากกว่า 80% ของโครงการ AI ไม่สามารถส่งมอบค่าทางธุรกิจได้ โดย 84% ของความล้มเหล่านั้นเกี่ยวข้องกับช่องว่างในการนำหน้า เช่น มิติที่ไม่ชัดเจน การลงทุนไม่เพียงพอ และการสนับสนุนไม่มีเป้าหมาย ตามการวิจัยจาก Pertama Partners การนำ machine intelligence ทั่วไปมาใช้ในโครงสร้างดั้งเดิม โดยไม่คำนึงถึงวิธีการทำงานจริงของทีมงานที่มักจะยุ่งยาก เป็นสูตรสำหรับความล้มเหลว

AI ทำงานได้ดีที่สุดเมื่อถูกบูรณาการเข้ากับงานที่ผู้คนทำ การนำบริบทของความเป็นจริงที่ผู้งานได้ประสบ และ insight จากหน้าสายเข้าไปในระบบและโครงสร้างที่ออกแบบใหม่ด้วย AI เป็นตัวแตกต่างหลัก ช่างเทคนิค ผู้ปฏิบัติงาน พยาบาล และพนักงานบริการมักเข้าใจรายละเอียดของระบบจริงดีกว่าคนอื่น สภาพแวดล้อมเชิงบริบทนี้สร้างปัจจัยดึงดูด ซึ่งดึงการตัดสินใจที่ใช้ AI และการสร้างค่าไปที่ขอบขององค์กร

นี่คือเหตุผลที่เราคาดการณ์ว่าความฉลาดจะไม่แน่นที่ในบทบาทผู้ดูแลงานหรือบุคคลทำงานในสำนักออฟฟิศ (white-collar) ที่แคบอีกต่อไป มันจะแพร่กระจายทุกชั้นและบทบาทในองค์กร เปลี่ยนแปลงลำดับชั้นขององค์กรและความแตกต่างทางสังคมและเศรษฐกิจที่เคยถูกขยายมากเกินไป

การวิจัยของเราประมาณว่า AI สามารถส่งผลต่อ 93% ของงานในสหรัฐอเมริกา ภาควิชาความรู้ เช่น กฎหมาย การจัดการ และสุขภาพมีความเสี่ยงทางทฤษฎีสูงสุด 40% ถึง 60% ในขณะที่บทบาท blue-collar และงาน manual มีคะแนนอัตโนมัติโดยตรงต่ำกว่า AI มีผลกระทบทางอ้อมที่สำคัญเนื่องจากมันครอบคลุมงานทางกายภาพ

โดยการเสริมสร้างทักษะและประสบการณ์ของพวกเขาด้วย AI คนงานสามารถสร้าง hybrid intelligence เพื่อผลิตผลลัพธ์ที่มีค่ามากขึ้น ช่างเทคนิค HVAC สามารถตรวจจับการเสียหายของคอมเพรสเซอร์ในช่วงต้นสำหรับการบำรุงรักษาแบบก่อนวันโดยผ่านการวินิจฉัยด้วย AI ผู้จ่ายเงินธนาคารสามารถใช้การตรวจสอบความสอดคล้องที่เสริมด้วย AI และคำแนะนำส่วนบุคคลสำหรับลูกค้า ตัวแทนบริการลูกค้าสามารถใช้ AI เพื่อวัดอารมณ์ของลูกค้าในเวลาจริง ทำให้สามารถตอบสนองได้ด้วยความเข้าใจมากขึ้นและแก้ไขข้อขัดแย้งได้เร็วขึ้น

เมื่อผลกำไรจากผลผลิตมาจากใกล้งาน คนงานจะได้รับอำนาจที่แท้จริงในการตัดสินใจ กระบวนการ และผลลัพธ์ เปิดเส้นทางสำหรับค่าต่อจ้างที่สูงขึ้นและการเคลื่อนย้ายขึ้นทางสังคม การเปลี่ยนแปลงในพลวัตนี้จากคลื่นเทคโนโลยีในอดีตทำให้ระบบองค์กรและสังคมดั้งเดิมต้องปรับตัว

รายงานปัจจุบันเตือนว่า AI จะแทนที่คนงาน กำจัดบทบาทระดับเริ่มต้น และเร่งการเติบโตโดยไม่มีงานในอุตสาหกรรมต่างๆ แต่ถ้า AI เพิ่มผลผลิตของคนงาน มีศักยภาพที่เทคโนโลยีนี้จะปรับสมดุลตลาดแรงงาน ให้คนงานมีอำนาจมากขึ้น และปรับปรุงสภาพของคนงาน

ข้อมูลจาก Bureau of Labor Statistics แสดงว่าในขณะที่อัตราการว่างงานเพิ่มขึ้นถึง 4.4% ในเดือนกุมภาพันธ์ 2026 ผลผลิตรวมของสหรัฐอเมริกาเติบโต 2.2% ในปี 2025 ซึ่งเพิ่มขึ้นจาก 1.4% ในปีก่อนหน้า ผลกำไรเหล่านี้อาจมาจากการลงทุนในเครื่องมือ ข้อมูล และการออกแบบกระบวนการใหม่แทนที่จะเป็นประสิทธิภาพต่อคนงานเพียงอย่างเดียว แต่ก็ยังเป็นสัญญาณเริ่มต้นของผลผลิตที่ขับเคลื่อนด้วย AI

AI มีศักยภาพในการสร้างแบบจำลองและระบบใหม่ที่ขยายโอกาสทางสังคมและเศรษฐกิจที่ยุติธรรม ในอดีต ผลผลิตที่เพิ่มขึ้นมักจะรวมคุณค่าในมือของไม่กี่คน แต่ผลลัพธ์นั้นไม่ใช่สิ่งที่หลีกเลี่ยงไม่ได้

เมื่อความฉลาดเคลื่อนย้ายเข้าไปในมือของผู้ที่ใกล้งานมากที่สุด การนำมาใช้ การปรับปรุง และการรับรู้ค่า จะเร่งขึ้น งาน การฝึกอบรม ความอิสระ และรางวัลที่ออกแบบอย่างรอบคอบสำหรับการร่วมมือระหว่างมนุษย์และ AI สามารถแจกจ่ายค่าได้กว้างขวางขึ้น

AI กำลังก้าวหน้าอย่างรวดเร็วที่แทบไม่เคยเห็นในการปฏิวัติเทคโนโลยีในอดีต แต่นวัตกรรมที่สำคัญที่สุดในทศวรรษหน้า อาจไม่มาจาก artificial intelligence มันจะมาจากการให้อำนาจให้คนงานทุกคนใช้มันเพื่อสร้างค่าทางเศรษฐกิจและสังคม