Thai Institute of Directors

AI จะสร้างผลกระทบแบบใดกับเศรษฐกิจไทยในอีก 3 ปี?

โดย คุณณภัทร จาตุศรีพิทักษ์ DCP 409

คนจุดโคมไฟถนนไม่ได้ตกงานในวันที่ไฟฟ้ามาถึง

Carl Benedikt Frey เล่าไว้ว่า ช่วงแรกไฟฟ้าทำให้งานจุดโคมไฟถนนง่ายขึ้นด้วยซ้ำ คนยังเดินเปิดไฟทีละโคม และมีคนเข้ามาแข่งกันทำงานนี้มากขึ้นเสียอีก แต่แล้ว…งานนี้ก็สูญพันธุ์ เมื่อวิศวกรค้นพบวิธีเปิดไฟทั้งเมืองพร้อมกันได้จากสถานีเดียว

ภาพตัดมาที่วันที่ 12 กันยายน 2026 Dario Amodei แห่ง Anthropic ออกมาขอให้โลกชะลอความเร็วในการพัฒนา AI แปลกดีไหมครับ คนที่ขอให้เหยียบเบรก กลับเป็นคนที่กำลังสร้างสถานีเอง

เรายังอยู่ในยุคเปิดไฟถนนทีละดวง ส่วนมากยังเป็นการแชตถามตอบ แต่ 'สถานีจ่ายไฟ' กำลังถูกสร้างเร็วมาก

ต้นปี 2026 ผมตกใจที่ Claude Cowork เสก Canva เวอร์ชันแย่ๆ ให้แต่งสไลด์เองได้ใน 15 นาที

ผ่านไป 6 เดือน ผมกลับบ้านมาเจอ GPT Astra ที่ผมลืมสั่งไว้แต่เช้า แล้วมันเปิดคอมทำ Canva เอง…

‘ปัญญา’ ไม่น่ากลัวเท่า ‘ความเร็ว’

ประเทศไทยไม่ได้มีเสียงเรื่อง AI บนเวทีโลกมากนัก แต่บอร์ดของบริษัทไทยยังเลือกได้ว่า ก่อนที่ 'สถานี' จะมาถึง ฝ่ายจัดการจะต้องเตรียมการอย่างไร

การจำลองที่หวังว่าจะไม่จริง

เรื่อง AI เป็นเรื่องที่ใหญ่เกินกว่าจะทำนายได้ และสำคัญเกินกว่าจะรอแล้วค่อยมาวัดผลกระทบ

การจำลอง simulation ไม่มีทางถูกทั้งหมด แต่มันอาจสอนให้เราเข้าใจกลไกตอบสนองของผู้เล่นในระบบเศรษฐกิจกับ shock อย่าง AI ได้ลึกซึ้งมากขึ้น เพื่อประกอบการตัดสินใจในบริบทที่แตกต่างกันออกไปในแต่ละบริษัท

เมื่ออาทิตย์ก่อนผมนำข้อมูลเศรษฐกิจไทยมาฟิตกับโมเดลเศรษฐศาสตร์สำหรับเรื่อง AI โดยเฉพาะ แล้วจำลองว่า AI จะส่งผลกระทบต่อเศรษฐกิจไทยตั้งแต่เดือนหน้าถึงสิ้นปี 2030 ในลักษณะแบบใด

1. เศรษฐกิจไทยโต แต่รายได้แรงงานหด ถ้า AI พัฒนาเร็วและกว้าง Real GDP ปี 2030 จะสูงกว่าโลกที่ AI หยุดพัฒนาราว 8.5% แต่รายได้ที่แท้จริงของคนทำงานกลับลดลงเกือบ 20%

2. งานหายไปอย่างเงียบๆ บริษัทจำลองในคอมพิวเตอร์ไม่ได้เลิกจ้างเป็นระลอก แต่เลือกที่จะปิดประตูไม่รับพนักงานใหม่ ภาระจึงไปตกกับคนที่เพิ่งเข้าตลาดแรงงาน และคนที่หลุดออกไปแล้วหาทางกลับเข้ามาใหม่ไม่ได้

3. ทุกทางออกมีต้นทุน ผมทดลองมาตรการในระดับบริษัทและระดับประเทศอยู่หลายสิบมาตรการ พบว่าไม่มีมาตรการไหนเลยที่ส่งผลดีกับทุกฝ่ายได้พร้อมกัน ผลกระทบของ AI จึงมีหลายมิติ ทั้ง IT ความสามารถในการแข่งขันของธุรกิจ บุคคล และการเมืองกับกระแสสังคมแน่นอน

วิธีทำ Simulation

เราสร้าง agent-based model เป็นประเทศไทยขนาดย่อในคอมพิวเตอร์ แรงงานจำลอง 200,000 คนแทนลูกจ้างภาคเอกชนไทยและคนที่เพิ่งเข้าตลาดแรงงาน ทำงานในบริษัทจำลอง 2,000 แห่ง ทุกเดือนตั้งแต่ตุลาคม 2026 ถึงสิ้นปี 2030 บริษัทตัดสินใจเองว่าจะใช้ AI ไหม จะรับคนหรือลดคน แรงงานเลือกว่าจะหางาน เข้าฝึกอบรม (เพื่อให้ทันโลกและรับงานประเภทใหม่) หรือออกมาทำมาหากินเอง โดย calibrate ด้วยสถิติทางการของไทย ข้อมูลจาก PMAT และ World Bank

กติกาตั้งไว้ให้ใกล้เคียงตลาดแรงงานไทย บริษัทเลิกจ้างได้ช้าๆ ค่าจ้างพื้นฐานลดยาก ต้องตัดโบนัสและ OT ก่อน และเราบังคับให้มีเฉพาะคนที่ผ่านการฝึกอบรมแล้วเท่านั้นที่จะใช้ AI ทำงานในธุรกิจได้เต็มที่ โดยทั้งประเทศ เราลิมิตอัตรารับฝึกอบรมได้ราว 1.5% ของ labor force ต่อเดือน

จากนั้นให้คนกลุ่มเดียวกันนี้ลองใช้ชีวิตในสี่โลกคู่ขนาน

● โลกอ้างอิงที่ AI หยุดนิ่งที่ระดับกันยายน 2026 ตามที่ อีลอน มัสก์ กับ ดาริโอ อโมเด เรียกร้อง

● โลก A ที่ AI พัฒนาแบบค่อยเป็นค่อยไป

● โลก B ที่ AI พัฒนา เร็ว กว้าง และถูกลงมาก และ

● โลก C ที่ AI พัฒนาไปแบบสุดขั้วไว้เป็น stress test

ทุกตัวเลขด้านล่างคือความต่างจากโลกอ้างอิงในปี 2030 ไม่ใช่เทียบกับวันนี้

สามโลก สามบทเรียน

ปี 2030 เทียบกับโลกอ้างอิง	โลกอ้างอิง	A	B	C
ชั่วโมงคนที่ต้องใช้ ต่องานเสมียน 100 ชั่วโมงเดิม	100	65	23.5	6.9
Real GDP	–	−0.2 ถึง −0.1%	+8.5%	+17.5 ถึง +17.6%
รายได้จากการทำงาน (กลุ่มเดิม)*	–	−6.7 ถึง −6.4%	−23.3 ถึง −23.1%	−29.8 ถึง −29.6%
ยังเป็นลูกจ้าง	88%	79–80%	56%	ราว 47%
คนเพิ่งเข้าตลาดแรงงานที่ได้เป็นลูกจ้าง	85%	46–48%	14–15%	7–8%

* กลุ่มเดิมคือคนที่มีงานเมื่อตุลาคม 2026 ซึ่งเราตามดูไม่ว่าจะไปอยู่ที่ใด รายได้ในแถวนี้ไม่นับโบนัสและ OT และยังไม่หักผลของสินค้าที่ถูกลง ถ้าหักแล้ว โลก B ลดลงเกือบ 20%

โลก A: ช้าไม่ได้แปลว่าปลอดภัย ภายในปี 2030 บริษัท 88% ใช้ AI ทำธุรกิจแต่ GDP แทบไม่ขยับ เพราะบริษัทใช้ AI ลดต้นทุนมากกว่าใช้เพื่อการเติบโต และถ้าชาติอื่นอยู่ในโลก B แต่เราหลบอยู่ในโลก A เราอาจเสียความสามารถในการแข่งขันถึงขั้นวิกฤตกว่าอีกสองโลกก็เป็นได้

โลก B: เศรษฐกิจโต แต่แรงงานหด ดูเผินๆ คือความฝัน GDP +8.5% กำไรของนายจ้างสูงขึ้นราว 36% แต่สิ้นปี 2030 ในทุก 100 คน เหลือลูกจ้าง 56 คน ทำงานอิสระ 14 เกษียณ 5 และไม่มีงานทำ 25 เมื่อเทียบกับโลกอ้างอิงที่ยังคงเป็นลูกจ้างอยู่ 88 คน

โลก C: stress test ดูน่ากังวล ขอให้ไม่เป็นจริง

GDP โต แต่รายได้แรงงานหด

จะเห็นว่า GDP โตเพราะบริษัทที่ประยุกต์เอา AI มาใช้เป็นสามารถสร้างกำไรได้ดีขึ้น สร้างข้อได้เปรียบในการแข่งขัน และสร้างงานหรือธุรกิจประเภทใหม่ได้ก่อนคู่แข่ง

ส่วนหนึ่งที่ทำให้บริษัทมีความสามารถในการทำกำไรดีขึ้นมาจากการใช้แรงงานมนุษย์น้อยลง

หากแบ่งตำแหน่งงานลูกจ้างเป็น 100 ส่วน สิ้นปี 2030 โลกอ้างอิงยังมีคนทำ 96 ส่วน โลก B เหลือ 58 ส่วน ใน 42 ส่วนที่ B เสียไป มี 12 ส่วนหายไปกับการเลิกจ้าง อีก 30 ส่วนหายไปอย่าง ‘เงียบๆ’ คือมีคนออก แล้วไม่มีใครเข้ามาแทน

ผมเองก็เป็นทั้งกรรมการและเป็นผู้ประกอบการ การไม่เปิดตำแหน่งใหม่เป็นตัวเลือกที่ง่ายที่สุดจริงๆ ในวันนี้

แต่ก็ต้องตั้งคำถามว่ามันดีต่อบริษัทจริงๆ หรือ? ถ้าประตูเข้าบริษัทแคบและค่อยๆ ปิดตัวลงเรื่อยๆ ในระยะยาว?

แล้วเงินที่โตขึ้นมันหายไปไหน?

ตอบสั้นๆ คือ เงินไปหานายทุน

ลองตามธนบัตร 100 บาทหนึ่งใบ ในโลกอ้างอิง ธนบัตรใบนี้คือค่าจ้าง ตอนเที่ยงมันมักถูกส่งต่อไปที่ร้านข้าวแกงหรือร้านกาแฟหน้าออฟฟิศ แต่ในโลก B บริษัทจำนวนมากไม่ต้องจ่ายใบนี้เป็นค่าแรงอีกต่อไป หักค่า AI ปุ๊บ มันกลายเป็นกำไรทันที

ปี 2030 เจ้าของกิจการในโลก B ใช้จ่ายมากกว่าโลกอ้างอิง 33% ส่วนแรงงานใช้จ่ายน้อยลง 27% แต่เจ้าของไม่ได้ซื้อข้าวแกงเพิ่ม แม่ค้าข้าวแกงจึงแทบไม่ได้ประโยชน์ เพราะลูกค้าของเธอคือมนุษย์เงินเดือน

แต่บอร์ดมิได้มีหน้าที่ปกป้องแค่กำไรของผู้ถือหุ้น

ในเรื่องของความยั่งยืนและความรับผิดชอบต่อผู้มีส่วนได้ส่วนเสีย ซึ่งในหลายบริบท รวมถึงประชาชนและลูกค้าด้วย ผลกระทบด้านลบต่อพนักงานในวงกว้างจะส่งผลเสียต่อทั้งการบริโภคและความเป็นอยู่ในสังคมไทย อีกทั้งปฎิเสธไม่ได้ว่าลูกค้าของบริษัทไทยจำนวนมากก็คือมนุษย์เงินเดือน ไม่ใช่ผู้ถือหุ้นหรือเจ้าของกิจการ ที่ในโมเดลนี้ผมตั้งกติกาว่าท่านต้องเอาปันผล 1 ใน 3 มาใช้จ่ายในประเทศ (ซึ่งก็น่าจะใจดีเกินไป)

ลองทดสอบมาตรการอื่นๆ แล้วมีอนาคตบ้างไหม?

เราทดสอบสิ่งที่บริษัทหรือรัฐทำได้ทีละอย่างในโลก B แล้วเทียบกับโลก B เดิม

ทางเลือก (สิ้นปี 2030 เทียบกับ B เดิม)	ลูกจ้าง (จุด)	คนเพิ่งเข้าตลาดแรงงาน (จุด)	Real income	GDP
Combo policy ที่ดีที่สุด**	+12.8 ถึง +13.2	+21.4 ถึง +23.2	+6.2 ถึง +6.9%	−3.7 ถึง −3.8%
Human in the loop (บังคับให้มีคนตรวจงาน AI)	+7.1	+6.1 ถึง +7.1	+4.2 ถึง +4.3%	−4.1 ถึง −4.2%
ชะลอการใช้ AI ลงครึ่งหนึ่ง	+5.7 ถึง +6.0	+11.5 ถึง +12.6	+4.4 ถึง +5.2%	−0.2 ถึง −0.4%
เร่งฝึกอบรมให้ได้ 6%+ ต่อเดือน	+2.6 ถึง +3.0	−1.0 ถึง −1.2	+3.0 ถึง +3.4%	+5.0 ถึง +5.2%
ส่งออกมากขึ้น	+1.9 ถึง +2.1	+2.3 ถึง +3.1	−1.5 ถึง −1.7%	+0.5 ถึง +0.6%
บังคับแบ่งกำไรส่วนเพิ่ม 10% เข้าค่าจ้างพื้นฐาน	−1.8 ถึง −1.9	−2.1 ถึง −2.4	+9.6 ถึง +9.7%	−0.4 ถึง −0.5%

จุด = จุดร้อยละ (percentage points) ** Combo คือ human in the loop + ชะลอครึ่งหนึ่ง + ส่งออกมากขึ้น + เจ้าของใช้จ่ายเร็วขึ้น

เสียใจด้วยครับ ไม่มีคอมโบไหนเลยที่ทำให้การจ้างงาน การได้งานของคนเพิ่งเข้าตลาด และ GDP ดีขึ้นได้พร้อมๆ กัน นี่จึงเป็นทั้งโจทย์เศรษฐศาสตร์และโจทย์การเมือง และมีสามเรื่องหักมุมชวนให้คิดต่อ

หักมุมที่หนึ่ง: ฝึกอบรมเพิ่มนิดหน่อย อาจแย่กว่าไม่เพิ่มเลย เพิ่มโควตาฝึกอบรมจาก 1.5% ต่อเดือนเล็กน้อย ลูกจ้างกลับตกงานมากกว่าโลก B เดิม เพราะคนที่อบรมแล้วมีผลิตภาพสูงกว่าเพื่อนที่ยังรอคิวมาก บริษัทจึงย้ายงานของคนที่รอคิวไปให้ AI และคนที่อบรมแล้วเร็วขึ้น

ทางออกเดียวที่เราเจอคืออบรมให้เกิน 6% หรือราวหนึ่งล้านคนต่อเดือน ตั้งแต่ตุลาคม 2026 ทุกเดือน ไม่หยุด ไม่ขาด

พูดง่ายๆ คือเรากำลังเจอกับนาฬิกาสองเรือน

เรือนแรกหมุนตามสปีดของ AI อีกเรือนหมุนตามสปีดการฝึกอบรม ถ้าเรือนที่สองหมุนไม่ทันเรือนแรก หรือไม่มีใครไปไขลาน แรงงานจะเจอปัญหาแน่นอน

หักมุมที่สอง: การชะลอ AI เป็นแค่การซื้อเวลา ถ้าบริษัทเลือกที่จะนำ AI มาประยุกต์ใช้ช้าลงครึ่งหนึ่ง ลูกจ้างจะมีงานเพิ่มราว 6 จุด คนเพิ่งเข้าตลาดได้งานเพิ่มขึ้นราว 12 จุด และ GDP แทบไม่ขยับ แต่เส้นทางข้างหน้า วันยังค่ำก็จะเป็นโลก B เราแค่ซื้อเวลาไปเก้าเดือน และงานที่เดชะบุญได้งานเพิ่มขึ้นเพียงเพราะมาตรการนี้เกือบทั้งหมดก็ไปกระจุกอยู่ในบริษัทที่ยังไม่ได้ใช้ AI ซึ่งจะเป็นพนักงานกลุ่มแรกที่เสี่ยงเมื่อบริษัทเหล่านั้นเริ่มหันมาใช้ แปลว่าชะลอได้แต่ต้องมีเหตุผลที่ดีกว่านี้จริงๆ

หักมุมที่สาม: คิดงานใหม่ไม่ง่าย แต่ทำให้งานใหม่จ้างคนมากขึ้นยากกว่า new tasks คือพระเอกบนเวทีเสวนา แต่ในโมเดลนี้ ต่อให้สมมติว่าเถ้าแก่มีโอกาสคิดค้นงานใหม่ๆ ได้มากขึ้นสองเท่า ผลแทบไม่มีอะไรเปลี่ยนแปลง ผมตกใจกับผลลัพธ์นี้ แต่เมื่อลงไปดูลึกๆ แล้วพบว่าสาเหตุคือคอขวดด้านบุคคล คนที่อบรมผ่านแล้วมีไม่พอจะทำงานใหม่ๆ นั้น 'แรงงานที่ใช่' จึงเป็นคอขวดทั้งงานเก่าและงานใหม่ เรื่องเก่าในขวดใหม่

3 คำถามที่บอร์ดควรถามฝ่ายจัดการ

1. หากคู่แข่งทุกรายใช้ AI ลดคนแบบเดียวกับเรา ลูกค้าของเราจะยังมีเงินซื้อของเราไหม?
Business case ของ AI คิดกันทีละบริษัท แต่ในโมเดลทุกบริษัททำพร้อมกัน รายได้ที่แท้จริงของคนทำงานหายไปเกือบ 20% และแรงงานใช้จ่ายน้อยลง 27% ขอให้ฝ่ายจัดการบอกว่ารายได้ของเรากี่เปอร์เซ็นต์มาจากมนุษย์เงินเดือน และแผนรายได้ห้าปีเป็นอย่างไร หากกำลังซื้อของพวกเขามีความเสี่ยงที่จะหดขนาดนี้

2. หาก AI ทำงานของ juniors ไปหมด หัวหน้างานของเราในอีกสิบยี่สิบปีข้างหน้าจะเรียนรู้งานจากใคร?
งานแรกของคนจบใหม่มักเป็นงานที่ AI ทำได้ก่อน หากเราไม่รับเด็กใหม่หรือรับน้อยลงวันนี้ อาจประหยัดได้ในระยะสั้น แต่อีกห้าปีอาจไม่เหลือหัวหน้าที่รู้งานจริง ขอให้ฝ่ายจัดการชี้ว่าตำแหน่งไหนคือที่ฝึกผู้บริหารในอนาคตของพวกเรา และจะออกแบบเส้นทาง career paths เหล่านั้นไว้อย่างไร

3. KPI ของผู้บริหารให้รางวัลกับการลดต้นทุนด้วย AI หรือกับการโตด้วย AI?
ในโลก A บริษัท 88% ใช้ AI แต่ GDP แทบไม่ขยับ เพราะบริษัทจำนวนมากใช้ AI ไปลดต้นทุนมากกว่าเพื่อเติบโต ลดต้นทุนเห็นผลแทบทันที แต่การเติบโตใช้เวลา การเติบโตอาจต้องแลกมากับการลองเสี่ยงลงทุนกับกิจกรรมใหม่ๆ หรือต้องอดกลั้นไม่ลดต้นทุนแรงงานทันทีเพื่อ repurpose ทาเลนต์ เราจะกำกับนโยบายเหล่านี้อย่างไรและด้วยกรอบความคิดแบบใด

มองไปข้างหน้า

โมเดลทุกตัวผิด ตัวนี้ก็ด้วย มันอาจโหดเกินจริงหรือใจดีเกินจริงในหลายมุม

ความขยันของคนจุดโคมไฟไม่ได้ตัดสินชะตาของเขา สิ่งที่ตัดสินคือวันที่เมืองเปิดไฟถนนได้เองจากสถานีเดียว สถานีของเรากำลังถูก Big Tech สร้างอยู่ตอนนี้ แต่บริษัทยังเลือกได้ว่าในอีก 2-3 ปีข้างหน้าเราจะทำอะไรที่แตกต่าง และจำทำเพราะเหตุใด

หากเราไม่ทำอะไรเลย แล้วโมเดลนี้ทายถูก มีโอกาสสูงมากหลายๆ บริษัทจะถูกสถานการณ์บีบบังคับให้ทำสิ่งที่ไม่พร้อมและไม่ต้องการที่จะทำกับแรงงานที่ยังเป็นหัวใจในการขับเคลื่อนธุรกิจในวันนี้

เรายังมีเวลาตัดสินใจและ take action แต่เวลาเหลือไม่มากครับ

สามคำถามที่บอร์ดควรคุยกับฝ่ายจัดการ

1. ชั่วโมงที่ AI คืนมา เราจะเอาไปขายอะไรเพิ่ม?

ขอให้ฝ่ายจัดการแยกให้เห็นว่างบ AI ก้อนถัดไป ส่วนไหนเพื่อลดต้นทุน ส่วนไหนเพื่อสินค้าหรือตลาดใหม่ และจะวัดผลด้วยอะไร ถ้าคำตอบมีแต่ลดต้นทุน เราคือบริษัทในโลก A ที่ใช้ AI แต่ไม่โต

2. นาฬิกาเรือนที่สองของเราเดินเร็วพอไหม?

เดือนนี้พนักงานกี่เปอร์เซ็นต์ได้ฝึกอบรมใช้ AI บนงานจริง และใครยังรอคิว ถ้าการใช้ AI ในบริษัทวิ่งเร็วกว่าการฝึกอบรม งานของคนที่รอคิวจะไหลไปหา AI และเพื่อนที่อบรมแล้ว โดยไม่มีใครตั้งใจ

3. ตำแหน่งที่ว่างลงปีนี้ เราตั้งใจไม่เปิด หรือแค่ไม่มีใครตัดสินใจเปิด?

ขอดูตัวเลขที่รายงานส่วนใหญ่ไม่มี คือตำแหน่งที่มีคนออกแล้วไม่ได้เปิดรับแทน จำนวนคนจบใหม่และ interns ที่รับเข้ามา และงานไหนที่ยังมีคนตรวจงาน AI อยู่ ถ้าไม่ตั้งเป็นนโยบายและวัฒนธรรม ประตูจะปิดเองอย่างเงียบๆ

คำถามสำคัญไม่ใช่ว่า AI จะเปลี่ยนธุรกิจหรือไม่ แต่คือคณะกรรมการจะนำองค์กรรับมือและใช้ประโยชน์จากการเปลี่ยนแปลงนั้นได้อย่างไร ร่วมเรียนรู้แนวทางปฏิบัติสำหรับบอร์ดยุคใหม่ในหลักสูตร Board Leadership in the Age of AI-driven Digital Transformation (BAI)