ประตูบานแรกของเด็กจบใหม่ กำลังแคบลงเพราะ AI?

‍

ไม่มีการปลดคนครั้งใหญ่ให้กลายเป็นข่าว

ไม่มีพนักงานนับพันคนเดินออกจากอาคารพร้อมกล่องใส่ของ

แต่ในตลาดแรงงานสหรัฐฯ กำลังเกิดความเปลี่ยนแปลงอีกแบบหนึ่ง ซึ่งเงียบกว่าและอาจมองเห็นได้ยากกว่า

องค์กรไม่ได้ไล่คนรุ่นใหม่ออก เพียงแต่รับพวกเขาเข้ามาน้อยลง

‍

ช่องว่างที่ขยายจาก 15% เป็น 19%

เมื่อวันที่ 12 สิงหาคม 2026 Stanford Digital Economy Lab เผยแพร่งานวิจัยฉบับปรับปรุงเกี่ยวกับผลของ AI ต่อตลาดแรงงาน

Erik Brynjolfsson, Bharat Chandar และ Ruyu Chen วิเคราะห์ข้อมูลบัญชีเงินเดือนแบบไม่ระบุตัวตนของ ADP ครอบคลุมพนักงานหลายล้านคนในสหรัฐฯ และติดตามข้อมูลจนถึงเดือนมิถุนายน 2026

ภาพใหญ่ยังไม่มีสัญญาณว่า AI กำลังทำให้เกิดการสูญเสียงานเป็นวงกว้างทั่วทั้งระบบเศรษฐกิจ แต่เมื่อแยกข้อมูลตามอายุและลักษณะอาชีพ ภาพของคนวัยเริ่มต้นทำงานกลับต่างออกไป

‍

การจ้างงานคนอายุ 22–25 ปีในอาชีพที่สัมผัส AI สูง อยู่ต่ำกว่าระดับที่ควรจะเป็นประมาณ 19% หากเติบโตในอัตราเดียวกับคนวัยเดียวกันในอาชีพที่สัมผัส AI น้อยกว่า

เมื่อวัดด้วยวิธีเดียวกัน ช่องว่างนี้เคยอยู่ที่ประมาณ 15% ในเดือนกรกฎาคม 2025 ก่อนขยายเป็น 19% ในเดือนมิถุนายน 2026

เมื่อดูจากจำนวนการจ้างงานจริง คนอายุ 22–25 ปีในกลุ่มอาชีพที่สัมผัส AI สูงที่สุดสองกลุ่มลดลงประมาณ 11% นับจากเดือนพฤศจิกายน 2022

ในช่วงเวลาเดียวกัน การจ้างงานคนวัยเดียวกันในสามกลุ่มอาชีพที่สัมผัส AI น้อยกว่าเพิ่มขึ้นประมาณ 10%

สิ่งที่น่าสนใจคือ คนทำงานที่มีประสบการณ์มากกว่ายังไม่ปรากฏช่องว่างในลักษณะเดียวกัน

‍

คนไม่ได้ออกมากขึ้น แต่ได้เข้าทำงานน้อยลง

ตัวเลข 19% อาจสะดุดตา แต่สิ่งที่สำคัญกว่าอยู่ที่วิธีที่ช่องว่างนี้เกิดขึ้น

‍

คณะผู้วิจัยพบว่า การเปลี่ยนแปลงส่วนใหญ่มาจากการรับคนรุ่นใหม่ที่ลดลง ไม่ใช่การให้ออกจากงานที่เพิ่มขึ้น

นี่จึงไม่ใช่ภาพของพนักงานจำนวนมากถูกแทนที่แล้วเดินออกจากองค์กรพร้อมกัน

แต่เป็นภาพของเก้าอี้ระดับเริ่มต้นที่ค่อย ๆ ว่างลง และไม่ถูกเติมกลับเหมือนเดิม

องค์กรอาจมองว่านี่เป็นการปรับจำนวนคนให้เหมาะกับงาน เพราะเมื่อ AI เขียนข้อความ สรุปข้อมูล ตรวจเอกสาร หรือช่วยทำงานพื้นฐานบางอย่างได้ ตำแหน่งสำหรับคนที่ยังไม่มีประสบการณ์ก็ดูเหมือนจำเป็นน้อยลง

ในระยะสั้น เหตุผลนี้ฟังขึ้น แต่ในระยะยาว ตำแหน่งระดับต้นไม่ได้มีไว้เพื่อให้งานเสร็จเพียงอย่างเดียว

มันเป็นประตูที่ทำให้คนคนหนึ่งได้เริ่มเรียนรู้วิธีทำงานจริงด้วย

‍

"AI ทำแทน" กับ "AI ช่วยทำ" ให้ผลไม่เหมือนกัน

งานวิจัยพบว่า การจ้างงานคนรุ่นใหม่ลดลงชัดเจนกว่าในอาชีพที่ AI ถูกนำมาใช้ในลักษณะ “ทำแทน” งานของมนุษย์

ในทางกลับกัน หาก AI ถูกใช้เพื่อช่วยให้คนทำงานได้ดีขึ้น การจ้างงานกลับทรงตัวหรือเพิ่มขึ้น โดยเฉพาะในกลุ่มคนที่มีประสบการณ์

ความแตกต่างนี้ทำให้คำถามว่า “ตำแหน่งไหนใช้ AI บ้าง” อาจไม่เพียงพออีกต่อไป

องค์กรต้องถามให้ลึกกว่านั้นว่า

AI กำลังช่วยรับงานบางส่วน เพื่อให้คนได้ทำงานที่ยากและมีคุณค่ามากขึ้น

หรือกำลังทำให้องค์กรไม่ต้องเปิดตำแหน่งนั้นให้คนเข้ามาเรียนรู้อีกแล้ว

ทั้งสองแบบเรียกว่าใช้ AI เหมือนกัน แต่ผลต่อการสร้างคนในองค์กรอาจต่างกันโดยสิ้นเชิง

‍

ความรู้ที่ต้องมีงานทำก่อนจึงจะเรียนรู้ได้

เหตุผลหนึ่งที่คนวัยเริ่มต้นทำงานอาจได้รับผลกระทบมากกว่า อยู่ที่ประเภทของความรู้ที่พวกเขามี

คนเพิ่งจบการศึกษามักเริ่มต้นจาก Codified Knowledge หรือความรู้ที่ถูกจัดระบบไว้แล้ว สามารถเขียนเป็นตำรา สอนเป็นหลักสูตร หรือกำหนดเป็นขั้นตอนการทำงานได้

ความรู้แบบนี้เป็นสิ่งที่ Generative AI ทำงานด้วยได้ดี เพราะข้อมูลจำนวนมากมีอยู่แล้วในรูปข้อความและสื่อดิจิทัล

ส่วนสิ่งที่คนมีประสบการณ์ถืออยู่มักเป็น Tacit Knowledge หรือความรู้ที่เขียนออกมาเป็นคู่มือได้ไม่หมด เช่น จะรู้ได้อย่างไรว่าลูกค้าโกรธจริงหรือเพียงต้องการให้เรารับฟัง เมื่อไรควรยึดตามกระบวนการ และเมื่อไรควรยืดหยุ่น จะพูดเรื่องยากในที่ประชุมอย่างไร โดยไม่ทำให้ความสัมพันธ์เสียหาย

ความรู้เหล่านี้ไม่ได้เกิดจากการอ่านตำราเพียงอย่างเดียว แต่เกิดจากการทำงานร่วมกับผู้อื่น ได้ลองผิดพลาด เห็นคนที่มีประสบการณ์ตัดสินใจ และค่อย ๆ เรียนรู้จากสถานการณ์จริง

ปัญหาคือ คนรุ่นใหม่จะสะสมความรู้แบบนี้ได้ ก็ต่อเมื่อมีใครเปิดประตูให้พวกเขาเข้ามาทำงานก่อน

‍

ถ้าไม่มีคนเริ่มต้น แล้วคนมีประสบการณ์จะมาจากไหน

นี่คือเหตุผลที่เรื่องนี้ไม่ได้เป็นเพียงปัญหาของเด็กจบใหม่ แต่เป็นโจทย์ Workforce Planning ขององค์กรด้วย

วันนี้องค์กรอาจลดต้นทุนได้ด้วยการไม่เปิดตำแหน่งระดับต้น เพราะ AI รับช่วงงานพื้นฐานไปแล้วบางส่วน แต่ผู้เชี่ยวชาญและผู้จัดการในอนาคตไม่ได้ปรากฏขึ้นมาเอง ทุกคนต้องเคยเป็นคนที่ยังทำงานไม่เป็น และต้องมีใครสักคนให้โอกาสเริ่มต้น

หากองค์กรรับคนระดับเริ่มต้นน้อยลงต่อเนื่อง สิ่งที่หายไปจึงไม่ใช่เพียงจำนวนพนักงานในวันนี้ แต่รวมถึงคนที่ควรเติบโตขึ้นมาเป็นกำลังหลักในอีกหลายปีข้างหน้า

ในวันที่องค์กรต้องการคนมีประสบการณ์ อาจพบว่าคนกลุ่มนั้นมีน้อยลง เพราะหลายองค์กรตัดสินใจเหมือนกันตั้งแต่ต้นว่าไม่ต้องการลงทุนกับคนที่ยังไม่มีประสบการณ์

ต้นทุนของการตัดสินใจนี้จึงอาจไม่ปรากฏในงบประมาณปีนี้ แต่มาปรากฏในวันที่ตำแหน่งระดับกลางว่างลง แล้วไม่มีใครพร้อมขึ้นมารับช่วงต่อ

‍

งานวิจัยนี้ยังไม่ได้ยืนยันว่า AI คือสาเหตุทั้งหมด

ข้อมูลชุดนี้มาจากตลาดแรงงานสหรัฐฯ และกลุ่มตัวอย่างของ ADP ไม่ได้เป็นตัวแทนของตลาดแรงงานทั้งประเทศอย่างสมบูรณ์ โดยมีสัดส่วนขององค์กรขนาดใหญ่และอาชีพที่สัมผัส AI สูงมากกว่าภาพรวม

คณะผู้วิจัยยังพบว่า เมื่อคำนึงถึงความแตกต่างด้านการศึกษา ช่องว่างระหว่างกลุ่มก็ลดลง และแนวโน้มบางส่วนเริ่มปรากฏตั้งแต่ก่อน Generative AI ถูกใช้อย่างแพร่หลาย

ดังนั้น งานวิจัยนี้จึงยังไม่สามารถยืนยันว่า AI เป็นสาเหตุของการจ้างงานคนรุ่นใหม่ที่ลดลงทั้งหมด

ผู้วิจัยเรียกสิ่งที่พบว่าเป็นสัญญาณเตือนระยะแรก ซึ่งต้องติดตามต่อไปว่าแนวโน้มจะขยายตัว หยุดนิ่ง หรือย้อนกลับ

‍

สำหรับตลาดแรงงานไทย ตัวเลขอาจไม่เหมือนสหรัฐฯ และยังไม่ควรนำ 19% มาใช้แทนสถานการณ์ในประเทศไทยโดยตรง แต่คำถามที่งานวิจัยชิ้นนี้โยนกลับมาให้องค์กร ไม่จำเป็นต้องรอข้อมูลไทยจึงจะเริ่มถามได้

ปีนี้องค์กรรับคนระดับเริ่มต้นลดลงหรือไม่ และลดลงเพราะอะไร

ถ้า AI รับช่วงงานพื้นฐานซึ่งเคยเป็นสนามฝึกไปแล้ว คนรุ่นใหม่จะเริ่มเรียนรู้จากงานแบบไหนแทน

และแผนสืบทอดตำแหน่งขององค์กร ยังตั้งอยู่บนสมมติฐานว่าจะมีคนรุ่นใหม่ค่อย ๆ เติบโตขึ้นมาตามเส้นทางเดิมอยู่หรือเปล่า

‍

เรื่องนี้ไม่ได้หมายความว่าองค์กรต้องรักษาทุกตำแหน่งไว้ หรือจ้างคนเพิ่มโดยไม่คำนึงถึงความจำเป็น

แต่มันชวนให้กลับมามองตำแหน่งระดับเริ่มต้นใหม่ว่า งานเหล่านี้ไม่ได้สร้างเพียงผลผลิตในวันนี้

มันกำลังสร้างคนที่องค์กรจะต้องใช้ในวันข้างหน้าด้วย

‍

หากประตูบานแรกค่อย ๆ แคบลงเรื่อย ๆ วันหนึ่งองค์กรอาจไม่ได้ขาดคนสมัครงาน

แต่อาจขาดคนที่เคยได้รับโอกาสมากพอ จนเติบโตมาเป็นคนที่องค์กรต้องการ

‍

Source:

• Stanford Digital Economy Lab, “No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%” (12 ส.ค. 2026): https://digitaleconomy.stanford.edu/news/canariesaug26/
• Erik Brynjolfsson, Bharat Chandar และ Ruyu Chen, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence” (Working Paper ฉบับปรับปรุงเดือน ส.ค. 2026): https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf

‍