“ไม่ว่าจะรัก เกลียด หรือกลัว AI ก็มาถึงแล้ว” คำถามคือ AI ที่วิ่งเร็วเหมือนรถ F1 ในความมืด มีเบรกแล้วหรือยัง?
AI จะเป็นความเสี่ยงหรือโอกาสของเศรษฐกิจโลก คือคำถามบนเวที AI and the Global Economy: From Risk to Opportunity ระหว่างการประชุมประจำปี IMF-World Bank Group Annual Meetings 2026 ที่กรุงเทพฯ ซึ่งมี Richard Quest ผู้ประกาศข่าวอาวุโสของ CNN เป็นผู้ดำเนินรายการ
ประเด็นสำคัญ
- AI สร้างงานใหม่ แต่งานที่โตเร็วคือ งานค่าจ้างต่ำ
- พนักงานทำงานเร็วขึ้น แต่องค์กรยังไม่ได้กำไรเพิ่มจาก AI
- เงินลงทุนมาถึงแล้ว แต่กติกายังตามไม่ทัน
ผู้ร่วมเสวนาประกอบด้วย Kristalina Georgieva กรรมการผู้จัดการ IMF, Tiff Macklem ผู้ว่าการธนาคารกลางแคนาดา, Jack Clark ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายนโยบายของ Anthropic, Tobias Meyer ซีอีโอของ DHL Group และ Ayesha Khanna ผู้ร่วมก่อตั้งและซีอีโอของ Addo
“ไม่ว่าจะรัก เกลียด หรือกลัว AI ก็มาถึงแล้ว และกำลังเปลี่ยนวิถีชีวิต การทำงาน และทิศทางเศรษฐกิจโลก” Georgieva ระบุ
กรรมการผู้จัดการ IMF มองว่า AI เป็นเทคโนโลยีที่แพร่กระจายเร็วที่สุดเท่าที่เคยเห็นมาในชั่วชีวิต ช่วยให้ประเทศที่อยู่ในห่วงโซ่คุณค่าของ AI เติบโตก้าวกระโดด แม้จะยังเป็นประเทศส่วนน้อย และเริ่มสร้างความปั่นป่วนจนผู้ดูแลเสถียรภาพการเงินต้องจับตาใกล้ชิด
Kristalina Georgieva กรรมการผู้จัดการ IMF
ความเร็วนี้เองที่ทำให้ผู้ร่วมเสวนาห่วงเรื่องการควบคุม Georgieva เปรียบ AI กับการแข่ง F1 ที่ต้องมีแผงกั้นไม่ให้รถหลุดโค้งไปชนผู้คน ส่วน Clark ต่อภาพว่าสถานการณ์จริงอาจเหมือนการแข่งตอนกลางคืนที่รถยังไม่มีเบรก
แต่ก่อนจะไปถึงเรื่องกติกา คำถามแรกคือความเปลี่ยนแปลงที่เร็วขนาดนี้จะตกถึงคนทำงานอย่างไร
AI สร้างงานใหม่ แต่งานที่โตเร็วคือ งานค่าจ้างต่ำ
ผลการศึกษาของ IMF ที่ Georgieva นำมาเปิดบนเวทีพบว่า AI กำลังเปลี่ยนตลาดแรงงานใน 3 ทาง
- เกิดความต้องการทักษะใหม่ที่ไม่เคยมีมาก่อน คิดเป็นราว 10% ของตำแหน่งงาน และได้ค่าตอบแทนสูง
- งานที่ทำซ้ำเป็นกิจวัตรกำลังหายไป
- การบูมของ AI ทำให้คนรู้สึกรวยขึ้นและใช้จ่ายในภาคบริการมากขึ้น งานบริการจึงเพิ่มขึ้นตาม
ทางที่สามคือสิ่งที่กรรมการผู้จัดการ IMF กังวลที่สุด เพราะงานบริการจ่ายค่าจ้างต่ำ คนรุ่นใหม่ที่เรียนมาเพื่อทำงานวิชาชีพจึงต้องไปทำงานบริการแทน เช่น เป็นพนักงานร้านกาแฟ ซึ่งไม่ใช่งานที่พวกเขาใฝ่ฝัน
สัญญาณเดียวกันเริ่มปรากฏในข้อมูลที่ Clark เห็น ผู้ร่วมก่อตั้ง Anthropic ระบุว่าการจ้างบัณฑิตจบใหม่เริ่มชะลอลง ขณะที่องค์กรหันไปจ้างคนมีประสบการณ์มาดูแลและสั่งงาน AI ที่ทำหน้าที่เหมือนพนักงาน
ถึงอย่างนั้น เมื่อมองทั้งระบบ ภาพยังไม่ได้แย่ขนาดนั้น Macklem ผู้ว่าการธนาคารกลางแคนาดา ชี้ว่าในอดีต เทคโนโลยีทุกระลอกสร้างงานใหม่มากกว่าที่ทำลาย แม้รอบนี้ AI อาจเก่งพอจะทำงานใหม่ๆ แทนคนได้ด้วย แต่ข้อมูลเศรษฐกิจมหภาคตอนนี้ยังไม่พบว่า งานที่หายไปมีมากกว่างานที่เกิดขึ้นใหม่
Tiff Macklem ผู้ว่าการธนาคารกลางแคนาดา
โจทย์จึงอยู่ที่การดูแลคนที่ได้รับผลกระทบ Quest ตั้งข้อสังเกตว่าในการปฏิวัติอุตสาหกรรมรอบก่อนๆ รัฐบาลมักสัญญาว่าจะฝึกทักษะใหม่ให้คนทำงาน แต่ทำไม่ได้จริง คนจำนวนมากจึงถูกทิ้งไว้ข้างหลัง และกลายเป็นแรงหนุนให้กระแสประชานิยม
Khanna ซีอีโอของ Addo ยกสิงคโปร์เป็นตัวอย่างของรัฐขยับตัวแล้ว โดยนายกรัฐมนตรีสิงคโปร์ให้คำมั่นว่า “เราอาจปกป้องทุกตำแหน่งงานไม่ได้ แต่เราจะปกป้องคนทำงานทุกคน” และทำตามด้วยมาตรการ 3 ด้าน คือ ฝึกทักษะให้ฟรี อุดหนุนค่าจ้างระหว่างฝึกอบรม และจัดงบหลายร้อยล้านดอลลาร์ช่วยธุรกิจปรับโครงสร้างเพื่อรับคนที่ผ่านการฝึกทักษะใหม่ ควบคู่กับการสื่อสารกับประชาชนอย่างตรงไปตรงมา
ผู้ว่าการธนาคารกลางแคนาดาเห็นว่า ภาคธุรกิจต้องมีส่วนด้วย Macklem เปรียบกับการค้าเสรี การเปลี่ยนแปลงย่อมมีผู้ชนะและผู้แพ้ ถ้าไม่มีระบบดูแลผู้แพ้ ก็จะเกิดกระแสตีกลับทางการเมือง ธุรกิจจึงต้องรับผิดชอบฝึกอบรมและโยกย้ายคนทำงานในองค์กรร่วมกับภาครัฐ
พนักงานทำงานเร็วขึ้น แต่องค์กรยังไม่ได้กำไรเพิ่มจาก AI
ถ้า AI แพร่เร็วขนาดนี้ ทำไมองค์กรส่วนใหญ่ยังไม่เห็นผล Khanna มองว่าปัญหาอยู่ที่วิธีใช้ ผู้บริโภคหยิบ AI ไปใช้เร็วมาก แต่องค์กรมักแค่แจกเครื่องมืออย่าง Copilot ให้พนักงาน แต่ละคนรู้สึกว่าทำงานเร็วขึ้น ทว่ากำไรและประสิทธิภาพของทั้งองค์กรไม่ได้ดีขึ้นตาม
ซีอีโอของ Addo มองว่าการปล่อยให้พนักงานลองใช้กันเองตลอด 2 ปีที่ผ่านมาล้มเหลว ยกเว้นบริษัทชั้นนำไม่กี่แห่ง บริษัทส่วนใหญ่จึงต้องคิดกลยุทธ์ใหม่ทั้งหมด
Ayesha Khanna ผู้ร่วมก่อตั้งและซีอีโอของ Addo
DHL เป็นหนึ่งในบริษัทที่ Khanna ยกเป็นตัวอย่าง และวิธีคิดของ Meyer ก็ต่างจากที่หลายองค์กรทำ เมื่อ Quest ถามว่าถ้ามีคนขอเพิ่มงบ 25 ล้านดอลลาร์เพื่อใส่ AI ในกระบวนการทำงาน ซีอีโอของ DHL ตอบปฏิเสธทันที เพราะมองว่าการอัดงบให้โครงการไอทีมากเกินไปไม่ใช่เรื่องดี
DHL เลือกใช้ AI เฉพาะจุดที่คุ้มค่าสูง เช่น งานพิธีการศุลกากรและบริการลูกค้าที่มีข้อมูลจำนวนมาก และเลือก Agentic AI ที่ให้คำตอบแน่นอน เพราะลูกค้าต้องการรู้ว่าพัสดุอยู่ตรงไหนจริงๆ คำตอบที่คาดเดาเอาใช้ไม่ได้
Clark มองจากอีกมุมว่าความสำเร็จต้องเริ่มจากผู้นำที่กล้ารื้อระบบเดิมแล้วสร้างใหม่ด้วย AI องค์กรใหญ่จะอยู่รอดหรือไม่ ขึ้นอยู่กับว่าปรับตัวได้เร็วกว่าสตาร์ทอัพที่ไล่ตามมาหรือเปล่า แต่ก็ยังได้เปรียบเรื่องบริบทและการมีตัวตนในโลกจริง ทั้งซัพพลายเชนและความสัมพันธ์กับผู้คน
ภาพนี้สอดคล้องกับที่ Georgieva มองว่า ในแง่ผลิตภาพ โลกยังอยู่ในช่วงเริ่มต้นมาก ผลผลิตเพิ่มขึ้นในระดับบุคคล แต่ยังไม่เปลี่ยนโครงสร้างเศรษฐกิจ กรรมการผู้จัดการ IMF อ้างกฎของอมารา (Amara’s Law) ที่ว่าคนมักคาดหวังผลระยะสั้นจากเทคโนโลยีใหม่สูงเกินไป และประเมินผลระยะยาวต่ำเกินไป ความเสี่ยงคือเมื่อผลไม่มาทันที คนจะผิดหวังและถอยออกไป
ทางออกที่ผู้ร่วมเสวนาเสนอจึงอยู่ที่การเปลี่ยนวิธีมอง Meyer ชวนให้หันมาสนใจโมเดลขนาดเล็ก หุ่นยนต์ และกระบวนการข้อมูลพื้นฐาน เพราะเป็นจุดที่คนส่วนใหญ่ทำงานอยู่ และส่งผลต่อผลิตภาพทางเศรษฐกิจจริง ส่วน Khanna เสนอให้วัดผลจาก ‘คุณภาพของการตัดสินใจ’ มากกว่าความเร็วหรือปริมาณงาน เพราะถ้าทุกบริษัทใช้โมเดลเดียวกัน ผลลัพธ์ก็จะออกมาเหมือนกัน และไม่สร้างความได้เปรียบในการแข่งขัน
เงินลงทุนมาถึงแล้ว แต่กติกายังตามไม่ทัน
แม้ผลิตภาพยังมาไม่ถึง เงินลงทุนมาถึงแล้ว Macklem มองว่าการลงทุนด้าน AI ที่เฟื่องฟูทั่วโลกทำให้ภาวะเศรษฐกิจซบเซายืดเยื้อ (Secular Stagnation) หมดไป และสะท้อนอยู่ในตลาดหุ้น ตลาดพันธบัตร และตัวเลข GDP
Tobias Meyer ซีอีโอของ DHL Group
เครือข่ายขนส่งของ DHL เห็นภาพเดียวกัน Meyer คาดว่า 60-80% ของการค้าโลกที่เติบโตเพิ่มในครึ่งปีแรก มาจากความต้องการที่เชื่อมโยงกับ AI แม้จะเกิดความติดขัดในซัพพลายเชน ทั้งการส่งมอบโครงการ การสร้าง Data Center และแรงต้านในพื้นที่
เมื่อเงินไหลเข้ามามากขนาดนี้ คำถามที่ตามมาคือถ้าเป็นฟองสบู่แล้วแตก ใครจะรับผิดชอบ ผู้ว่าการธนาคารกลางแคนาดาแยกเรื่องนี้เป็นสองระดับ ความสำเร็จของแต่ละบริษัทเป็นเรื่องหนึ่ง ประโยชน์ต่อเศรษฐกิจเป็นอีกเรื่องหนึ่ง ยุคดอทคอมมีทั้งช่วงบูมและฟองสบู่แตกจนมีคนขาดทุน แต่อินเทอร์เน็ตยังสร้างประโยชน์มหาศาลในระยะยาว หัวใจคือบริหารให้ค่อยเป็นค่อยไปโดยไม่สะดุดล้มแรง
ส่วนบทบาทของธนาคารกลาง Macklem ระบุว่า หน้าที่คือการเป็นผู้จัดหาสภาพคล่องแหล่งสุดท้าย และป้องกันไม่ให้วิกฤตเกิดขึ้น การอุ้มใครไม่ได้อยู่ในหน้าที่
ความเสี่ยงที่ใหญ่กว่าตลาดการเงินคือการกำกับดูแล
Georgieva เปรียบ AI กับการแข่ง Formula 1 ที่รถวิ่งเร็วมาก โจทย์คือจะสร้างแผงกั้นอย่างไรไม่ให้รถหลุดโค้งไปชนผู้คน รัฐบาลลำพังตามเทคโนโลยีไม่ทัน ภาคธุรกิจจึงต้องร่วมกำกับดูแลตัวเอง และทุกภาคส่วนในสังคมต้องเข้ามามีส่วนร่วม โดยมีสหรัฐฯ และจีนในฐานะผู้ผลิต AI หลักเป็นผู้นำ ร่วมกับอินเดียและประเทศในห่วงโซ่การผลิตชิป
Clark ได้สะท้อนภาพความเสี่ยงที่ท้าทายยิ่งขึ้นว่า สถานการณ์จริงเหมือน “การแข่ง F1 ตอนกลางคืน โดยที่รถอาจไม่มีเบรก” สิ่งที่ทำได้ทันทีคือ วางมาตรฐานความโปร่งใสและตรวจสอบข้อมูลทางเทคนิคของระบบ
ผู้ร่วมก่อตั้ง Anthropic เปรียบว่าของเล่นที่ซื้อให้ลูกวัย 1 ขวบและ 3 ขวบ ยังมีมาตรฐานความปลอดภัยเข้มงวดกว่าระบบ AI ขั้นสูงที่ตัวเองกำลังพัฒนา จึงสนับสนุนให้มีมาตรฐานร่วมที่เป็นสามัญสำนึก โดยมีสถาบันความปลอดภัย AI (AI Safety Institutes) ในหลายประเทศเป็นเครือข่ายผู้เชี่ยวชาญที่ทดสอบระบบ
(กลาง) Jack Clark ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายนโยบายของ Anthropic
แต่มาตรฐานควรครอบคลุมแค่ไหน Meyer เสนอให้แยกสองเรื่องออกจากกัน เรื่องแรกคือ กรอบจริยธรรมพื้นฐาน เช่น ห้ามใช้ AI ในการสังหารอัตโนมัติ เรื่องที่สองคือ การกระจายมูลค่าทางเศรษฐกิจจากบริษัทเทคโนโลยีไปถึงธุรกิจทั่วไปและ SME โดยอาจสร้างมาตรฐานกลางแบบเดียวกับ ISO
ส่วนใครควรเป็นผู้วางกติกา Macklem มองว่า การรอให้สหรัฐฯ จีน และยุโรปตกลงกฎหมายฉบับเดียวกันคงเป็นไปไม่ได้ จึงต้องอาศัยความร่วมมือระหว่างรัฐและเอกชน และดึงประเทศผู้ใช้อย่างแคนาดา เยอรมนี และสิงคโปร์เข้ามาร่วมกำหนดมาตรฐาน ขณะที่กรรมการผู้จัดการ IMF เชื่อว่า แม้โลกจะแตกแยก ประเทศต่างๆ ยังหาจุดร่วมได้ผ่านการเห็นแก่ประโยชน์ร่วมกันอย่างมีวิสัยทัศน์ (Enlightened Self-Interest) เพื่อไม่ให้ฝ่ายที่ไม่ประสงค์ดีวิ่งแซงฝ่ายที่ทำตามกติกา
Clark ปิดท้ายว่า เมื่อ 10 ปีก่อนแทบไม่มีใครสนใจ AI แต่วันนี้ผู้นำโลกและธนาคารกลางต่างให้ความสำคัญ ถ้าร่วมมือกันบริหารจัดการอย่างจริงจัง AI จะเป็น ‘เครื่องจักรแห่งความอุดมสมบูรณ์’ แต่ถ้าละเลย ก็จะนำไปสู่ ‘ความโกลาหล’