admin 
AI ไม่ได้ทำให้งานหายไปทั้งหมด แต่กำลังเริ่มเปลี่ยน “บันไดขั้นแรก” ของโลกการทำงาน เมื่อหลายงานที่เคยเปิดพื้นที่ให้เด็กจบใหม่ฝึกคิด ฝึกวิเคราะห์ ทำ Research เขียนรายงาน ทำบัญชี เขียนโค้ด หรือเตรียม Presentation สามารถถูก Generative AI ช่วยทำได้ภายในไม่กี่นาที
ผลที่ตามมาอาจไม่ใช่เพียง First Jobber หางานยากขึ้น แต่คือปรากฏการณ์ “Broken Ladder” — เมื่อบันไดขั้นต้นของอาชีพหายไป คนรุ่นใหม่ไม่มีพื้นที่สะสมประสบการณ์ ขณะเดียวกัน บริษัทยังต้องการคนที่ “มีประสบการณ์พร้อมใช้” มากขึ้น
คำถามสำคัญจึงไม่ใช่แค่ AI จะมาแย่งงานใคร แต่คือ หากองค์กรไม่รับ Junior วันนี้ แล้วอีก 5–10 ปีข้างหน้า Senior รุ่นใหม่จะมาจากไหน?
Broken Ladder คืออะไร? “งานแรก” ไม่ได้เป็นเพียงงาน แต่คือสนามฝึกคน
เส้นทางอาชีพแบบดั้งเดิมมีโครงสร้างคล้ายบันได เด็กจบใหม่เริ่มจากงานระดับ Entry-Level ทำงานที่ค่อนข้างเป็น Routine เรียนรู้จากข้อผิดพลาด ทำงานภายใต้เพื่อนร่วมระดับ Senior ก่อน แล้วค่อย ๆ สะสม Domain Knowledge (ความรู้ ความเข้าใจ ทักษะ และประสบการณ์เชิงลึกในสาขาวิชา อุตสาหกรรม หรือหัวข้อเฉพาะด้านใดด้านหนึ่งโดยเฉพาะ ซึ่งแตกต่างจากความรู้ทั่วไป (General Knowledge)) ก่อนจะขึ้นไปทำงานที่ต้องใช้ Judgment มากขึ้น
นักบัญชีอาจเริ่มจากจัดเอกสารและกระทบยอด ก่อนเรียนรู้การวิเคราะห์งบ นักกฎหมายเริ่มจากค้นคำพิพากษาและร่างเอกสาร ก่อนขึ้นมาจัดการคดี นักวิเคราะห์เริ่มจากรวบรวมข้อมูลและสร้าง Spreadsheet ก่อนพัฒนาไปสู่การให้คำแนะนำเชิงกลยุทธ์ Programmer เริ่มจากเขียน Code ส่วนเล็ก ๆ ตรวจ Bug และเรียนรู้ระบบ ก่อนพัฒนาไปออกแบบ Architecture
แต่งานเหล่านี้จำนวนมากคือประเภทงานที่ Generative AI ทำได้ดีขึ้นอย่างรวดเร็ว
ดร.สันติธาร เสถียรไทย ผู้ช่วยรัฐมนตรีประจำกระทรวงการคลัง อธิบายปรากฏการณ์นี้ว่า “Broken Ladder” หรือบันไดอาชีพที่ขาดหาย โดยชี้ว่า AI แตกต่างจาก Digital Transformation ในอดีต เพราะคนรุ่นใหม่ไม่ได้ได้เปรียบโดยอัตโนมัติอีกต่อไป
ในยุค AI คนที่ได้เปรียบอาจกลับเป็นคนที่มีประสบการณ์และ Domain Knowledge อยู่แล้ว เพราะสามารถตั้งคำถามกับ AI ได้ดี และที่สำคัญสามารถตรวจสอบได้ว่า Output ที่ AI สร้างขึ้นนั้น “ถูกหรือผิด”
นี่คือหัวใจของ Broken Ladder
AI ไม่จำเป็นต้องแทนทั้งอาชีพ เพียงแค่แทน “งานขั้นต้น” มากพอ ก็สามารถเปลี่ยนเส้นทางการพัฒนาคนทั้งระบบได้ โดยสัญญาณในไทยเริ่มปรากฏ งานลด 9.6% ขณะที่คนมีประสบการณ์ยิ่งได้เปรียบ
หลักฐานจากตลาดแรงงานไทยเริ่มทำให้แนวคิด Broken Ladder มีน้ำหนักมากขึ้น
ทีม Big Data ของสถาบันวิจัยเพื่อการพัฒนาประเทศไทย หรือ TDRI วิเคราะห์ฐานข้อมูลประกาศรับสมัครงานออนไลน์จากเว็บไซต์กว่า 23 แห่งทั่วประเทศ พบว่า เมื่อเปรียบเทียบช่วงไตรมาส 2–4 ของปี 2567 กับช่วงเดียวกันของปี 2568 จำนวนประกาศรับสมัครงานลดจาก 642,216 ตำแหน่ง เหลือ 580,505 ตำแหน่ง หรือลดลงประมาณ 9.6%
แต่จุดที่น่าจับตามากกว่าจำนวนงานรวมคือ ลักษณะของคนที่นายจ้างกำลังต้องการ
TDRI พบว่า ประกาศงานที่ระบุทักษะด้าน AI มีสัดส่วนที่ต้องการผู้มีประสบการณ์ตั้งแต่ 3 ปีขึ้นไป ซึ่งสูงกว่างานทั่วไปในทุกสายอาชีพที่ศึกษา และแนวโน้มดังกล่าวเพิ่มขึ้นจากปีก่อนหน้า
นี่สะท้อนสิ่งที่อาจเรียกว่า Seniority Bias
กล่าวคือ เมื่อ AI สามารถช่วยทำ Execution ได้มากขึ้น บริษัทมีแรงจูงใจที่จะจ้างคนที่มี Domain Expertise แล้วให้คนเหล่านั้นใช้ AI เพิ่ม Productivity แทนการรับคนใหม่จำนวนมากมาฝึกจากศูนย์
จากมุมธุรกิจ วิธีนี้ดูมีเหตุผลในระยะสั้น Senior 1 คนที่ใช้ AI เก่งอาจทำงานได้เทียบเท่าทีมเดิมหลายคน แต่ในระยะยาว นี่อาจกลายเป็นกับดัก เพราะ Senior ทุกคนเคยเป็น Junior มาก่อน
Software Engineer–Graphic Designer เริ่มเห็นโครงสร้างงานเปลี่ยน
ข้อมูล TDRI ช่วยให้เห็นว่า AI ไม่ได้กระทบทุกอาชีพเท่ากัน ช่วงไตรมาส 2–4 ปี 2568 จำนวนประกาศรับสมัคร Software Engineer อยู่ที่ 15,097 ตำแหน่ง ลดลง 5.3% จากปีก่อน แต่ในจำนวนดังกล่าว มีถึง 22.2% ที่ระบุว่าต้องการทักษะ AI และจำนวนประกาศที่ต้องการ AI เพิ่มขึ้นถึง 94.6% เมื่อเทียบกับปีก่อน
ขณะที่ Graphic Designer มีประกาศ 8,743 ตำแหน่ง ลดลง 13% แต่ประกาศที่ต้องการทักษะ AI เพิ่มขึ้นเกือบ 99%
ภาพนี้ไม่ได้หมายความว่า AI ทำให้ Software Engineer หรือ Graphic Designer หมดความจำเป็น
แต่กำลังสะท้อนว่า “มาตรฐานขั้นต่ำของคนที่ตลาดต้องการกำลังสูงขึ้น” จากเดิมนายจ้างอาจรับ Junior เพื่อทำงานพื้นฐานแล้วค่อยสอนทักษะที่ซับซ้อนขึ้น วันนี้งานพื้นฐานบางส่วนสามารถส่งให้ AI ทำได้ สิ่งที่บริษัทต้องการจึงเปลี่ยนไปเป็นคนที่สามารถ
กำหนดโจทย์ → ใช้ AI → ตรวจสอบ AI → ตัดสินใจ → รับผิดชอบต่อ Output ได้ตั้งแต่วันแรก และตรงนี้เองที่กลายเป็น Catch-22 ของคนเพิ่งเรียนจบ
“ต้องมีประสบการณ์จึงจะได้งาน แต่ต้องได้งานก่อนจึงจะมีประสบการณ์”
ปัญหานี้ไม่ได้เกิดแค่ไทย — 1 ใน 3 ของแรงงานหนุ่มสาวอยู่ในงานที่ AI เปลี่ยนได้สูง World Economic Forum ระบุในรายงาน Artificial Intelligence and the Future of Entry-Level Work ที่เผยแพร่เดือนมิถุนายน 2026 ว่า แรงงานหนุ่มสาวทั่วโลกมากกว่า 1 ใน 3 ทำงานอยู่ในอาชีพที่มีระดับการสัมผัสต่อการเปลี่ยนแปลงจาก AI ตั้งแต่ระดับกลางถึงสูง
WEF จึงมองผลกระทบของ AI ต่อ Entry-Level Work ไม่ใช่แค่ปัญหาการจ้างงาน แต่เชื่อมโยงกับ 4 เรื่องพร้อมกัน ได้แก่ การเข้าถึงงาน การออกแบบงาน Talent Pipeline และความสอดคล้องของระบบการศึกษา
ILO ก็พบภาพใกล้เคียงกัน โดยประเมินในปี 2025 ว่า 1 ใน 4 ของแรงงานทั่วโลกอยู่ในอาชีพที่มีบางส่วนสัมผัสกับ Generative AI แต่ย้ำว่างานส่วนใหญ่มีแนวโน้มถูก “เปลี่ยนรูปแบบ” มากกว่าจะหายไปทั้งหมด
งานวิจัยล่าสุดของ ILO ในปี 2026 ยังชี้ว่า แม้ยังไม่เห็นการหายไปของงานขนาดใหญ่จาก Generative AI แต่หนึ่งในความเสี่ยงที่เริ่มชัดขึ้นคือ โอกาสการจ้างงานของคนอายุน้อยอาจถูกกัดเซาะ
แต่ต้องระวัง: อย่าเพิ่งสรุปว่า “AI ทำเด็กจบใหม่ตกงาน”
แม้หลักฐานหลายชุดชี้ไปยังแรงกดดันต่อ Entry-Level Work แต่การอธิบายปรากฏการณ์นี้ต้องระมัดระวัง
OECD ระบุในเดือนสิงหาคม 2026 ว่า คนหนุ่มสาวในหลายประเทศกำลังเผชิญสภาพตลาดแรงงานที่ยากขึ้นจริง โดยเฉพาะกลุ่มบัณฑิตจบใหม่ แต่ หลักฐานในปัจจุบันยังไม่เพียงพอที่จะสรุปว่า AI เป็นสาเหตุโดยตรง
เหตุผลสำคัญคือความยากลำบากในการเข้าสู่ตลาดแรงงานของคนรุ่นใหม่เริ่มปรากฏก่อนการแพร่หลายของ ChatGPT และ Large Language Model
นอกจากนี้คนหนุ่มสาวยังมักอยู่ในตำแหน่งที่เปราะบางต่อวัฏจักรเศรษฐกิจมากกว่าอยู่แล้ว ทั้งสัญญาจ้างระยะสั้น ประสบการณ์น้อย และมีต้นทุนต่ำกว่าสำหรับบริษัทในการชะลอการรับสมัคร
ดังนั้น Broken Ladder จึงไม่ควรถูกตีความง่าย ๆ ว่า…
AI = เด็กจบใหม่ตกงาน
แต่ควรมองว่า AI เป็นอีกแรงหนึ่งที่กำลังเข้ามา “เร่ง” การเปลี่ยนแปลงของตลาดแรงงาน ซึ่งมีทั้งเศรษฐกิจชะลอตัว การลดต้นทุนขององค์กร Automation และการเปลี่ยนโครงสร้างทักษะเกิดขึ้นพร้อมกัน
อันตรายที่แท้จริงคือ “Experience Gap”
หากมองจากมุมองค์กร Broken Ladder มีความเสี่ยงที่ลึกกว่าการจ้างพนักงานน้อยลง
สมมติว่า AI ทำให้บริษัทสามารถใช้ Senior Analyst 3 คนร่วมกับ AI แทนทีม Analyst เดิม 10 คนได้
ในระยะสั้น บริษัทอาจได้ Productivity สูงขึ้นและต้นทุนต่ำลง
แต่ถ้าบริษัทหยุดรับ Junior Analyst ต่อเนื่องหลายปี คำถามคือ…อีก 5 ปีข้างหน้า Analyst ระดับ Senior ชุดใหม่จะมาจากไหน?
นี่คือ Experience Gap เพราะ Domain Knowledge ไม่ได้เกิดจากการเรียน Course AI หรือเขียน Prompt เก่งเพียงอย่างเดียว แต่เกิดจากการเจอ Case จริง ความผิดพลาดจริง ลูกค้าจริง และการตัดสินใจจริงซ้ำ ๆ เป็นเวลาหลายปี
TDRI เตือนตรงกันว่า หากบริษัทรับเฉพาะ “ยอดฝีมือ” แต่ไม่เปิดพื้นที่ให้ “ต้นกล้า” ตลาดแรงงานอาจเกิดปัญหาเชิงโครงสร้าง เพราะไม่มีระบบผลิตคนมีประสบการณ์รุ่นใหม่ และท้ายที่สุดอาจย้อนกลับมาเป็นปัญหาขาดแคลนแรงงานทักษะสูง
Broken Ladder จึงไม่ใช่ปัญหา Generation Z หรือ First Jobber เพียงฝ่ายเดียว แต่เป็น Human Capital Risk ของบริษัท
Productivity Paradox: AI ยิ่งเก่ง บริษัทอาจยิ่งต้องลงทุนสร้าง Junior
นี่นำไปสู่ความย้อนแย้งที่สำคัญ
ยิ่ง AI ทำงานพื้นฐานแทน Junior ได้มากเท่าไร ธุรกิจอาจยิ่งมีแรงจูงใจไม่รับ Junior แต่ในเวลาเดียวกัน ยิ่ง AI ทำงาน Execution มากขึ้นเท่าไร บริษัทก็ยิ่งต้องการคนที่มีความสามารถในการตั้งโจทย์ ตรวจสอบ และรับผิดชอบมากขึ้นเท่านั้น
คำถามคือ คนกลุ่มหลังจะเกิดขึ้นได้อย่างไร หากไม่เคยผ่านงานกลุ่มแรก
ดังนั้น บริษัทที่มอง AI Transformation เพียงในมิติ Headcount Reduction อาจได้ Efficiency ในระยะสั้น แต่กำลังตัด Talent Pipeline ของตัวเองในระยะยาว
แนวทางที่ยั่งยืนกว่าคือเปลี่ยนจาก
AI replaces Junior เป็น AI + Junior = Faster Learning
นั่นหมายถึงการออกแบบ Entry-Level Job ใหม่ ไม่ใช่ลบทิ้ง
งาน Junior ยุคใหม่อาจไม่ใช่ “คนทำงานพื้นฐาน” แต่เป็น “คนตรวจและเรียนรู้จาก AI”
ดร.สันติธาร เสนอว่า การทำงานในยุค AI จะทำให้บทบาทของคนเด่นขึ้นที่ “ต้นทาง” และ “ปลายทาง” ต้นทางคือการตั้งคำถาม ปลายทางคือการตรวจสอบว่าคำตอบของ AI ถูกต้องหรือไม่
นี่ทำให้การออกแบบตำแหน่ง Entry-Level ใหม่อาจต้องเปลี่ยนไปอย่างมาก
- Junior Accountant อาจไม่ต้องใช้เวลาส่วนใหญ่คีย์ข้อมูล แต่ต้องเรียนรู้การตรวจ Transaction ที่ AI Flag ว่าผิดปกติ
- Junior Programmer อาจไม่ได้เขียน Code ทุกบรรทัด แต่ต้องอ่าน ตรวจ Test และอธิบาย Code ที่ AI สร้างขึ้นได้
- Junior Marketer อาจไม่ได้เริ่มต้นจากการเขียน Caption 50 ชิ้น แต่ต้องเรียนรู้ Customer Insight แล้ววิจารณ์ Content ที่ AI สร้าง
- Junior Analyst อาจใช้ AI ทำ First Draft ของการวิเคราะห์ แต่ต้องอธิบายที่มาของข้อมูล ตรวจสมมติฐาน และ Challenge คำตอบของ AI
การเปลี่ยนแปลงนี้หมายความว่า Entry-Level Job อาจไม่ได้หายทั้งหมด แต่ “ความง่ายของงานระดับเริ่มต้นกำลังหายไป” First Jobber ต้องสร้าง “Depth” ให้เร็วกว่าคนรุ่นก่อน
ความท้าทายอีกด้านอยู่ที่ตัวแรงงาน
ดร.สันติธาร เสนอกรอบ PRIDE โดยหนึ่งในทักษะสำคัญคือ Depth หรือความรู้เชิงลึกใน Domain ของตัวเอง เพราะเมื่อ AI สามารถสร้างคำตอบได้ คนจะมีคุณค่ามากขึ้นจากความสามารถในการรู้ว่า “คำตอบไหนถูก คำตอบไหนผิด”
นี่ทำให้สูตรเดิม
เรียนจบ → เข้างาน → ค่อยเรียนรู้
อาจต้องเปลี่ยนเป็น
เรียน + ทดลองงานจริง + ใช้ AI + สร้าง Portfolio + สะสม Domain Knowledge ตั้งแต่ก่อนเรียนจบ
Internship, Apprenticeship, Project-Based Learning และ Portfolio อาจมีความสำคัญมากกว่าเดิม เพราะเป็นเครื่องพิสูจน์ว่าผู้สมัครไม่ได้เพียง “ใช้ AI ได้” แต่สามารถใช้ AI เพื่อแก้ปัญหาจริงได้
Broken Ladder ยังเป็นโจทย์ “ความเหลื่อมล้ำ”
มีอีกมิติที่สำคัญต่อ Sustainability และ SDGs หากงาน Entry-Level หายไป การเข้าสู่อาชีพอาจเริ่มขึ้นอยู่กับความสามารถในการ “ซื้อประสบการณ์” มากขึ้น คนที่ครอบครัวมีทรัพยากรอาจฝึกงานโดยไม่ได้รับค่าตอบแทน ทำ Project ฟรี เรียน Course เพิ่ม หรือใช้เวลาหลายเดือนสร้าง Portfolio ก่อนสมัครงาน
แต่คนที่ต้องมีรายได้ทันทีหลังเรียนจบอาจไม่มี Luxury เช่นนั้น
Broken Ladder จึงสามารถกลายเป็นกลไกเพิ่ม Inequality of Opportunity ไม่ใช่เพียงระหว่างคนที่ใช้ AI เป็นกับใช้ไม่เป็น แต่ระหว่างคนที่มีโอกาสสร้าง “ประสบการณ์ก่อนงานแรก” กับคนที่ไม่มี
ในมิติความยั่งยืน ประเด็นนี้เชื่อมโยงโดยตรงกับ SDG 4 Quality Education, SDG 8 Decent Work and Economic Growth และ SDG 10 Reduced Inequalities
ทางออกไม่ใช่หยุด AI แต่ต้อง “สร้างบันไดใหม่”
Broken Ladder ไม่ได้มีคำตอบว่าบริษัทควรชะลอ AI เพื่อรักษางานเดิมเอาไว้ เพราะในโลกที่ Productivity และการแข่งขันกำลังถูกเทคโนโลยีผลักเร็วขึ้น การไม่ใช้ AI อาจสร้างความเสี่ยงต่อธุรกิจอีกด้านหนึ่ง
โจทย์จึงเป็นการสร้างบันไดใหม่แทนบันไดเดิม
สำหรับ ภาคธุรกิจ ต้องเปลี่ยน KPI ของ AI Transformation จากวัดเพียง Cost Saving และจำนวนคนที่ลดลง ไปสู่การวัด Talent Development ด้วย และออกแบบ Junior Role ให้ AI เป็น Coach
ข่าวที่เกี่ยวข้อง
