งานประจำกำลังหายไปจากจุดเริ่มต้นของการฝึกฝน
ผลสำรวจผู้นำฝ่ายทรัพยากรบุคคล 750 คนในปี 2026 ซึ่งมีการอ้างถึงในเอกสารเผยแพร่ฉบับใหม่ของ IIT Madras ระบุว่า ปัญญาประดิษฐ์ทำงานระดับเริ่มต้นในอินเดียไปแล้ว 37% เทียบกับ 33% ทั่วโลก ตัวเลขที่ต่างกัน 4 จุดเปอร์เซ็นต์ช่วยชี้ให้เห็นประเด็นสำคัญอย่างเป็นรูปธรรม นั่นคือ งานประจำที่กำลังถูกทำให้เป็นระบบอัตโนมัติก็คืองานที่พนักงานรุ่นใหม่ใช้เรียนรู้วิชาชีพด้วย
สารบัญ
- งานประจำกำลังหายไปจากจุดเริ่มต้นของการฝึกฝน
- เหตุใดงานหนึ่งงานจึงไม่เหมือนกับตำแหน่งงานหนึ่งตำแหน่ง
- เหตุใดต้นทุนจึงเอื้อให้ทำงานประจำเป็นระบบอัตโนมัติ
- ส่วนใดของงานระดับต้นกำลังเปลี่ยนไป?
- ความเสี่ยงที่ตำแหน่งระดับกลางจะหายไป
- การกำกับดูแล AI ก็ต้องอาศัยการฝึกอบรมเช่นกัน
- การนำ AI มาใช้จะแตกต่างกันไปทั่วอินเดีย
- บทบาทใหม่ขึ้นอยู่กับการเข้าถึงเส้นทางสู่งานเหล่านั้น
- สิ่งที่นักวิจัยต้องการให้นายจ้างและรัฐบาลดำเนินการ
- ประเด็นสำคัญ
เอกสารฉบับนี้มีชื่อว่า How AI Is Reconfiguring Work in India: A Task-Based Framework for Understanding Augmentation, Displacement, New Roles and the Changing Structure of Jobs จัดทำโดย Centre for Responsible AI (CeRAI) แห่ง Wadhwani School of Data Science and Artificial Intelligence (WSAI) ของ IIT Madras เผยแพร่ในงาน Industry Conclave on AI Governance 2026 ในช่วงสัปดาห์ก่อนวันที่ 26 ตุลาคม
คำเตือนในเอกสารไม่ได้จำกัดอยู่แค่การสูญเสียงานในระยะสั้น โปรแกรมเมอร์ระดับต้นเรียนรู้จากการเขียนโค้ดพื้นฐาน นักบัญชีหน้าใหม่เริ่มคุ้นเคยกับบันทึกทางการเงินจากการประมวลผลใบแจ้งหนี้ ส่วนเจ้าหน้าที่บริการลูกค้าพัฒนาการใช้วิจารณญาณผ่านการพูดคุยซ้ำ ๆ เมื่อเครื่องจักรเข้ามารับงานเหล่านี้ นายจ้างก็ต้องเผชิญโจทย์ในทางปฏิบัติว่าจะพัฒนาพนักงานให้มีประสบการณ์ได้อย่างไร หากไม่มีตำแหน่งเริ่มต้นแบบเดิม
ผลสำรวจของ Cognizant และ Pearson วัดสัดส่วนงานที่มีรายงานว่า AI เป็นผู้ทำ ส่วนเอกสารเผยแพร่ไม่ได้ประมาณการจำนวนตำแหน่งระดับเริ่มต้นที่อินเดียจะสูญเสีย แต่พิจารณาว่าหน้าที่ ความรับผิดชอบ และความก้าวหน้าในอาชีพอาจเปลี่ยนไปอย่างไรในศูนย์บริการทางโทรศัพท์ ภาคการผลิต ธนาคาร กฎหมาย การพัฒนาซอฟต์แวร์ และงานสร้างสรรค์
เหตุใดงานหนึ่งงานจึงไม่เหมือนกับตำแหน่งงานหนึ่งตำแหน่ง
งานบริการลูกค้าประกอบด้วยกิจกรรมหลายอย่าง เช่น ตอบคำถามทั่วไป ตรวจสอบข้อมูล แก้ไขข้อโต้แย้ง และตัดสินใจว่าเมื่อใดควรส่งปัญหาให้หัวหน้างาน AI อาจจัดการสองอย่างแรก ขณะที่คนยังรับผิดชอบงานที่เหลือ
ศาสตราจารย์ Balaraman Ravindran หัวหน้า CeRAI และ WSAI และหนึ่งในผู้เขียนเอกสาร อธิบายเหตุผลที่นักวิจัยเริ่มพิจารณาจากกิจกรรมแต่ละอย่างว่า:
งานส่วนใหญ่ประกอบด้วยหลายภารกิจ และมีเพียงบางภารกิจเท่านั้นที่ AI ทำได้
กรอบวิเคราะห์นี้แบ่งออกเป็นสี่ระดับ ได้แก่ ภารกิจหนึ่งอย่าง ตำแหน่งงานที่มีภารกิจนั้น อาชีพในภาพรวม และตลาดแรงงาน การขยับจากระดับหนึ่งไปสู่อีกระดับต้องพิจารณาว่านายจ้างเปลี่ยนแปลงอะไรจริงบ้าง ทั้งการสรรหาบุคลากร ความรับผิดชอบ และจำนวนพนักงาน
ดร. Gokul S Krishnan ผู้อำนวยการฝ่ายวิจัยของ CeRAI กล่าวว่า ผลลัพธ์ขึ้นอยู่กับต้นทุนและขีดความสามารถของเทคโนโลยี กฎระเบียบ ข้อกำหนดด้านความปลอดภัย และการตัดสินใจขององค์กร ธุรกิจอาจใช้ AI ช่วยให้พนักงานทำงานได้มากขึ้น ปรับรูปแบบงานให้เน้นการตรวจสอบผลลัพธ์จากระบบอัตโนมัติ หรือปรับลดความต้องการงานบางประเภท
เอกสารแบ่งความเป็นไปได้เหล่านี้ออกเป็นสองรูปแบบกว้าง ๆ ซึ่งมีแนวทางย่อยรวมเจ็ดแนวทาง รูปแบบหนึ่งคือ AI ทำงานประจำส่วนใหญ่ โดยให้คนตรวจสอบผลลัพธ์หรือจัดการกรณียกเว้น อีกรูปแบบหนึ่งคือคนยังรับผิดชอบงานหลักและใช้ AI เป็นเครื่องมือเพิ่มประสิทธิภาพ
เหตุใดต้นทุนจึงเอื้อให้ทำงานประจำเป็นระบบอัตโนมัติ
ธุรกิจเอาต์ซอร์ซกระบวนการทางธุรกิจ (BPO) ของอินเดียแสดงให้เห็นแรงกดดันทางการค้า เอกสารระบุช่วงต้นทุนโดยประมาณไว้ที่ 8 ถึง 20 รูปีต่อนาทีสำหรับเจ้าหน้าที่ที่เป็นมนุษย์ ซึ่งรวมต้นทุนการจ้างงานโดยรวม เทียบกับ 4 ถึง 9 รูปีต่อนาทีสำหรับบริการ AI เสียงที่มีการบริหารจัดการและพร้อมใช้งานจริง
ตัวเลขเหล่านี้เป็นค่าประมาณด้านราคาจากอุตสาหกรรม ค่าใช้จ่ายจริงขึ้นอยู่กับบริการ ขนาดการใช้งาน และงานที่จำเป็นต้องทำ ช่วงราคาทับซ้อนกัน แต่ราคา AI ที่ต่ำกว่าช่วยอธิบายได้ว่าเหตุใดนายจ้างที่รับมือกับสายโทรศัพท์จำนวนมากซึ่งคาดเดาได้จึงอาจเห็นว่าระบบอัตโนมัติน่าสนใจ
การรีเซ็ตรหัสผ่าน สอบถามยอดเงินในบัญชี ติดตามสถานะคำสั่งซื้อ และยืนยันนัดหมาย เป็นตัวอย่างของงานที่มีรูปแบบชัดเจนและระบบราคาค่อนข้างต่ำสามารถจัดการได้ ผู้โทรที่มีปัญหาหลายเรื่องเชื่อมโยงกัน หรือมีข้อร้องเรียนที่ต้องใช้วิจารณญาณ อาจยังต้องติดต่อเจ้าหน้าที่ที่เป็นมนุษย์
Ravindran ระบุว่า BPO เป็นอุตสาหกรรมที่เผชิญแรงกดดันนี้เป็นพิเศษ:
อุตสาหกรรม BPO จะเผชิญความท้าทายอย่างหนักจากการนำ AI มาใช้ และเอกสารฉบับนี้ก็ชี้ให้เห็นประเด็นดังกล่าว
ส่วนใดของงานระดับต้นกำลังเปลี่ยนไป?
ตัวอย่างจากภาคส่วนต่าง ๆ ในเอกสารแสดงให้เห็นว่างานประจำอาจลดลง ขณะที่ความรับผิดชอบต่อการตัดสินใจที่ซับซ้อนยังอยู่กับคน ตัวอย่างเหล่านี้ชี้ให้เห็นการเปลี่ยนแปลงที่อาจเกิดขึ้น ไม่ได้วัดสัดส่วนงานที่ถูกทำให้เป็นระบบอัตโนมัติในแต่ละอาชีพ
- วิศวกรรมซอฟต์แวร์: AI สร้างโค้ดพื้นฐานได้ ขณะที่คนดูแลสถาปัตยกรรมระบบ การแก้จุดบกพร่องที่ซับซ้อน และการตัดสินใจด้านเทคนิค
- บริการลูกค้า: แชตบอตตอบคำถามทั่วไปได้ ขณะที่เจ้าหน้าที่จัดการกรณีที่ถูกส่งต่อและประเมินคุณภาพบริการ
- การเงินและบัญชี: AI ประมวลผลใบแจ้งหนี้ จัดหมวดรายการบัญชี กระทบยอดรายการธนาคาร และเตรียมข้อมูลสำหรับการยื่นแบบภาษีสินค้าและบริการ (Goods and Services Tax) ได้ ส่วนคนตรวจสอบกรณียกเว้นและให้การอนุมัติทางวิชาชีพ
- บริการด้านกฎหมาย: AI ช่วยค้นคว้าและตรวจทานเอกสารได้ ขณะที่ทนายความยังรับผิดชอบกลยุทธ์การดำเนินคดี การว่าความ และการให้คำปรึกษาลูกความ
- การผลิต: ระบบตรวจสอบด้วยภาพอัตโนมัติแจ้งข้อบกพร่องได้ ขณะที่พนักงานแปลผลการตรวจสอบและจัดการปัญหาด้านการดำเนินงาน
ดังนั้น เมื่องานประจำมีสัดส่วนน้อยลง บทบาทของคนที่เหลืออยู่อาจต้องใช้ทักษะสูงขึ้น พนักงานอาจใช้เวลาน้อยลงกับกรณีทั่วไป และใช้เวลามากขึ้นกับสถานการณ์ที่ระบบอัตโนมัติต้องการความช่วยเหลือ
ความเสี่ยงที่ตำแหน่งระดับกลางจะหายไป
ตามปกติแล้ว พนักงานระดับต้นจะสร้างความเชี่ยวชาญผ่านการทำงานซ้ำ การรับข้อเสนอแนะ และการเพิ่มความรับผิดชอบทีละขั้น เอกสารชี้ถึงช่องว่างที่อาจเกิดขึ้นในกำลังแรงงาน หากงานเริ่มต้นเหล่านั้นลดลง แต่ธุรกิจยังต้องการผู้เชี่ยวชาญที่มีประสบการณ์
การพัฒนาซอฟต์แวร์ทำให้เห็นปัญหานี้ได้ชัดเจน นายจ้างอาจยังต้องการวิศวกรที่ประเมินได้ว่าระบบเชื่อถือได้ ปลอดภัย และเหมาะกับวัตถุประสงค์หรือไม่ โดยทั่วไปการตัดสินใจเช่นนี้พัฒนาผ่านประสบการณ์จากงานเขียนโปรแกรมขนาดเล็ก ข้อผิดพลาด และการแก้ไข
ปัญหาเดียวกันนี้เกิดขึ้นในวงการกฎหมายและบัญชี การตรวจเอกสารหรือเช็กรายการทางการเงินอาจดูเป็นงานซ้ำ ๆ แต่ช่วยให้ผู้เริ่มต้นเรียนรู้การมองหารูปแบบและสังเกตกรณีผิดปกติ การแทนที่งานเหล่านี้จึงเปลี่ยนเส้นทางไปสู่ความรับผิดชอบที่สูงขึ้น
นายจ้างอาจปรับตำแหน่งระดับต้นให้เน้นการตรวจสอบผลลัพธ์จาก AI การสืบหาข้อผิดพลาด และการประเมินประสิทธิภาพ แต่ยังไม่ชัดเจนว่าบริษัทจะลงทุนสร้างเส้นทางอาชีพเหล่านี้ หรือจะรับพนักงานหน้าใหม่น้อยลง เอกสารระบุความเสี่ยงไว้ แต่ไม่ได้คำนวณขนาดผลกระทบในท้ายที่สุด
การกำกับดูแล AI ก็ต้องอาศัยการฝึกอบรมเช่นกัน
มหาวิทยาลัยและนายจ้างจำเป็นต้องเตรียมบัณฑิตให้พร้อมสำหรับงานที่ระบบ AI อาจเป็นผู้ให้คำตอบแรก โปรแกรมเมอร์หน้าใหม่อาจได้รับมอบหมายให้ทดสอบโค้ดที่ AI สร้างขึ้น ส่วนบัณฑิตด้านการเงินอาจต้องตรวจสอบการจัดหมวดหมู่อัตโนมัติและอธิบายว่าเหตุใดจึงถูกหรือผิด
ความรับผิดชอบเหล่านี้ต้องอาศัยทั้งความรู้ในสาขาวิชาและความคุ้นเคยกับเครื่องมือ AI การตรวจคำตอบต้องเข้าใจปัญหาที่อยู่เบื้องหลัง รู้จักข้อผิดพลาด และรู้ว่าเมื่อใดควรขอความช่วยเหลือ ประเด็นด้านการศึกษาของเอกสารมุ่งเน้นไปที่วิธีที่นักศึกษาจะพัฒนาวิจารณญาณดังกล่าว
Ravindran กล่าวว่า การย้ายพนักงานไปทำหน้าที่กำกับดูแลต้องมีการฝึกอบรม เครื่องมือที่เหมาะสม และมาตรการป้องกัน:
การเปลี่ยนแปลงงานต้องมาพร้อมการฝึกอบรมที่เพียงพอ การพัฒนาเครื่องมือที่ช่วยให้มนุษย์ทำหน้าที่กำกับดูแลได้ง่ายขึ้น และกลไกป้องกันความผิดพลาดที่เพียงพอ จนถึงวันนี้ยังมีงานวิจัยไม่มากพอที่จะตอบประเด็นเหล่านี้ได้อย่างมีประสิทธิภาพ การระบุปัญหาเหล่านี้เป็นก้าวแรกสู่การจัดการอย่างมีประสิทธิผล
เส้นทางอาชีพที่เป็นไปได้ใน BPO อาจเริ่มจากงานบริการลูกค้า แล้วต่อยอดไปสู่งานจัดการกรณีที่ถูกส่งต่อ การประเมินคุณภาพ การออกแบบบทสนทนาสำหรับ AI และการกำกับดูแลการดำเนินงาน สำหรับพนักงาน คำถามในทางปฏิบัติคือ แต่ละขั้นมาพร้อมการฝึกอบรมและโอกาสก้าวหน้าที่เป็นจริงหรือไม่
การนำ AI มาใช้จะแตกต่างกันไปทั่วอินเดีย
นักวิจัยใช้คำว่า ภูมิศาสตร์ต้นทุน AI เพื่ออธิบายว่าราคาและการเข้าถึงเทคโนโลยีอาจกำหนดพื้นที่ที่ระบบอัตโนมัติแพร่หลายอย่างไร เครื่องมือที่ราคาเข้าถึงได้อาจเข้ามาใช้กับงาน BPO ประจำ งานทำบัญชี และงานตรวจสอบคุณภาพในวิสาหกิจขนาดกลาง ขนาดย่อม และรายย่อย (MSMEs)
การใช้งานที่ต้องพึ่งโมเดลขั้นสูงกว่า ผู้เชี่ยวชาญเฉพาะทาง หรือโครงสร้างพื้นฐานจำนวนมาก เช่น ระบบค้นคว้ากฎหมายและระบบสร้างภาพเพื่อวินิจฉัยโรคบางประเภท อาจยังคงกระจุกตัวอยู่ในองค์กรขนาดใหญ่และเขตเมือง ดังนั้น AI แต่ละประเภทจึงอาจแพร่กระจายด้วยความเร็วต่างกัน
เอกสารยังพิจารณาความแตกต่างระหว่างการจ้างงานในระบบและนอกระบบ ระหว่างแรงงานในเมืองกับชนบท และระหว่างธุรกิจขนาดเล็กกับขนาดใหญ่ การใช้ตัวเลขระดับชาติค่าเดียวจะไม่สะท้อนความแตกต่างด้านการเข้าถึง การเผชิญผลกระทบ และความสามารถในการย้ายไปทำบทบาทใหม่
คุณภาพงานเป็นอีกประเด็นที่น่ากังวล เอกสารเผยแพร่เตือนถึงการสอดส่องและความเครียดจากการทำงาน ควบคู่กับช่องว่างของข้อมูลเกี่ยวกับการจ้างงานนอกระบบ การวัดการเปลี่ยนผ่านจึงต้องพิจารณาค่าจ้าง ภาระงาน และสภาพการทำงาน ตลอดจนจำนวนตำแหน่งงาน
บทบาทใหม่ขึ้นอยู่กับการเข้าถึงเส้นทางสู่งานเหล่านั้น
รายงาน Roadmap for Job Creation in the AI Economy ของ NITI Aayog ปี 2025 คาดการณ์ว่าอินเดียอาจสร้างงานที่เกี่ยวข้องกับ AI ได้ถึง 4 ล้านตำแหน่งในช่วงห้าปี โดยมีเงื่อนไขว่าต้องประสานการลงทุนด้านทักษะและการฝึกอบรมใหม่ เอกสารของ IIT Madras อ้างถึงการคาดการณ์นี้ควบคู่กับบทบาทใหม่ที่กำลังเกิดขึ้น เช่น ผู้ฝึก AI นักออกแบบบทสนทนา ผู้เชี่ยวชาญด้าน AI อย่างมีจริยธรรม และผู้ควบคุมหุ่นยนต์จากระยะไกล
แรงงานที่ถูกแทนที่จากหน้าที่เดิมจำเป็นต้องมีเส้นทางไปสู่งานเหล่านี้ เอกสารเรียกร้องให้จัดการฝึกอบรมที่เชื่อมโยงกับบทบาททางเลือกที่เป็นจริง พร้อมระบุให้ชัดเจนว่าการฝึกอบรมใช้เวลานานเท่าใด มีค่าใช้จ่ายเท่าใด และผู้เรียนจะยังมีรายได้ระหว่างเรียนได้หรือไม่
Ravindran อธิบายความรับผิดชอบในการจ่ายค่าเปลี่ยนผ่านนี้ว่า:
รัฐ ภาคอุตสาหกรรม และผู้เรียนต้องร่วมกันรับผิดชอบ สัดส่วนผสมผสานจะขึ้นอยู่กับอุตสาหกรรมและผลกระทบทางสังคมในวงกว้างจากการถูกแทนที่ในงาน
พัฒนาการที่เกี่ยวข้องครอบคลุมหลายช่วงเวลา:
- 2025: แผนงานของ NITI Aayog ระบุการคาดการณ์แบบมีเงื่อนไขเกี่ยวกับการสร้างงานที่เกี่ยวข้องกับ AI ในช่วงห้าปี
- 2026: ผลสำรวจผู้นำฝ่ายทรัพยากรบุคคล 750 คนของ Cognizant และ Pearson ระบุว่า AI ทำงานระดับเริ่มต้นในอินเดีย 37% เทียบกับ 33% ทั่วโลก
- สัปดาห์ก่อนวันที่ 26 ตุลาคม 2026: เอกสารเผยแพร่ของ IIT Madras เปิดตัวในงาน Industry Conclave on AI Governance 2026
สิ่งที่นักวิจัยต้องการให้นายจ้างและรัฐบาลดำเนินการ
ข้อเสนอแนะของ CeRAI ผสานการนำ AI มาใช้อย่างต่อเนื่องเข้ากับการเตรียมพร้อมรับการเปลี่ยนแปลงในงาน นักวิจัยเรียกร้องให้พัฒนาเครื่องมือที่เข้าถึงได้และมุ่งเน้นงานเฉพาะด้าน โดยเฉพาะสำหรับธุรกิจขนาดเล็ก เพิ่มงานวิจัยในอินเดียเกี่ยวกับงานและทักษะที่ได้รับผลกระทบ และสร้างเส้นทางที่เป็นระบบสู่ตำแหน่งงานที่กำลังเปลี่ยนแปลง
กฎความรับผิดที่ชัดเจนก็เป็นส่วนหนึ่งของข้อเสนอแนะเช่นกัน ธุรกิจและพนักงานจำเป็นต้องรู้ว่าใครต้องรับผิดชอบเมื่อระบบ AI ทำผิดพลาด โดยเฉพาะเมื่อคาดหวังให้คนอนุมัติผลลัพธ์ของระบบ
เอกสารระบุว่าการจัดประเภทที่นำเสนอเป็นสมมติฐานที่วางโครงสร้างไว้อย่างเป็นระบบ ตัวอย่างต่าง ๆ ใช้เพื่อประกอบคำอธิบาย หลักฐานส่วนใหญ่มาจากผู้ขายหรือผู้ปฏิบัติงาน และอินเดียยังมีงานวิจัยโดยละเอียดเกี่ยวกับชุดทักษะที่แต่ละงานต้องใช้ค่อนข้างจำกัด เอกสารไม่ได้วัดผลกระทบโดยรวมต่อการจ้างงาน ค่าจ้าง หรือคุณภาพงาน
วาระการวิจัยนี้เชื่อมโยงโดยตรงกับการตัดสินใจเรื่องการฝึกอบรม นายจ้างและผู้ให้การศึกษาจำเป็นต้องระบุว่าหน้าที่ใดกำลังเปลี่ยนไป งานที่เหลือต้องใช้ความรู้อะไร และผู้เริ่มต้นจะเรียนรู้สิ่งเหล่านั้นได้อย่างไร สำหรับบัณฑิตใหม่ของอินเดีย ประเด็นเร่งด่วนคือการเข้าถึงงานแรกที่ยังเปิดโอกาสให้เรียนรู้และก้าวหน้า
ประเด็นสำคัญ
- IIT Madras เตือนว่าระบบอัตโนมัติอาจลดงานประจำที่พนักงานระดับต้นใช้สั่งสมประสบการณ์
- ผลสำรวจปี 2026 ที่มีการอ้างถึงระบุว่า AI ทำงานระดับเริ่มต้นในอินเดีย 37% และทั่วโลก 33%
- BPO ซอฟต์แวร์ บัญชี กฎหมาย และการผลิต แสดงให้เห็นรูปแบบที่แตกต่างกันของงานที่ระบบอัตโนมัติทำได้และความรับผิดชอบที่ยังอยู่กับคน
- ต้นทุนเทคโนโลยี กฎระเบียบ ความปลอดภัย และการตัดสินใจของนายจ้าง จะกำหนดทิศทางการเปลี่ยนแปลงของตำแหน่งงาน
- การคาดการณ์ของ NITI Aayog ว่าอาจมีงานที่เกี่ยวข้องกับ AI สูงถึง 4 ล้านตำแหน่งในช่วงห้าปี ขึ้นอยู่กับการลงทุนด้านทักษะที่ประสานกัน
- เอกสารเรียกร้องให้พัฒนา AI ที่เข้าถึงได้ ปรับปรุงงานวิจัยแรงงานในอินเดียให้ดียิ่งขึ้น กำหนดความรับผิดชอบให้ชัดเจน และสร้างเส้นทางเปลี่ยนผ่านในทางปฏิบัติให้แรงงาน
