AI จะแย่งงานอาชีพไหนก่อน · 5 อาชีพเสี่ยงและ 5 ที่ปลอดภัยใน 5 ปีข้างหน้า

นพอายุ 38 ทำงานเป็น senior accountant ที่บริษัท SME แห่งหนึ่งใน CBD เงินเดือน 75,000 บาทมา 12 ปี · เขามั่นคงในตำแหน่ง · เป็นคนที่ทุกแผนกพึ่งพา · ตรวจ statement ทำ tax filing ปิดงบประจำเดือน. มีนาคม 2025 บริษัทเอาระบบ accounting AI ใหม่มาใช้ · 2 colleague ในแผนก accounting clerk โดน layoff. นพรอดเพราะตำแหน่ง senior · แต่หัวหน้าบอกในประชุม "ภายใน 24 เดือน เราจะ restructure แผนก accounting".

นพกลับบ้านคืนนั้นเปิด LinkedIn · เริ่มดูตำแหน่ง accountant ที่เปิดรับ · พบว่าจำนวนตำแหน่งลดลง 40 percent ใน 18 เดือน · ที่เหลือเปิดรับเป็น "AI-savvy accountant" หรือ "accountant with AI tools experience". เขาส่ง resume ไปลองสมัคร 5 ที่ · ไม่มีที่ไหนเรียกสัมภาษณ์.

ผมคิดว่านพมี skill ที่ดีพอ · แต่จริงๆ skill ที่เคยทำให้เขาแน่นอน 12 ปี กลายเป็น skill ที่ AI ทำได้เกือบเท่า ภายใน 18 เดือน.

AI ไม่ได้แย่งทุกงาน · มันแย่งงานที่มี pattern เดียวกัน

มีงานวิจัยจาก McKinsey Global Institute ปี 2024 ที่ analyze 850 อาชีพใน 47 ประเทศ · ดูว่าอาชีพไหนจะถูก automate ก่อนใน 5-10 ปีข้างหน้า. ผลที่ออกมาคือ 47 percent ของ work activity ในประเทศพัฒนาแล้วสามารถ automate ด้วย AI ปัจจุบัน. แต่ที่สำคัญคือ pattern ของอาชีพที่เสี่ยงสุด.

3 indicator ของ work activity ที่ AI แย่งก่อน. หนึ่ง · งานที่ทำตาม spec ชัดเจน ไม่ต้องตีความ. สอง · งานที่ไม่ต้อง context ของบริษัท ทีม วัฒนธรรม. สาม · งานที่ไม่ต้องตัดสินใจในความไม่แน่นอน.

5 อาชีพที่ตรงทั้ง 3 indicator · data entry · customer service tier 1 · graphic designer ที่ทำ template · copywriter ที่เขียน generic content · bookkeeper. นพอยู่ในกลุ่มนี้ · 70 percent ของงานเขาเป็นงาน repetitive ที่ AI ตรวจ statement และทำ tax filing ได้ดีกว่ามนุษย์แล้ว. ที่เหลือ 30 percent คือการคุยกับ stakeholder · ตัดสินใจในเรื่องที่ไม่มี precedent · เข้าใจ context ของ owner.

ปัญหาคือนพไม่เคยลงทุนพัฒนา 30 percent นั้น · เพราะ 70 percent กินเวลาเขาเกือบทั้งหมด.

นพ vs พลอย · งานเดียวกัน position ต่างกัน

ในบริษัทเดียวกันมี junior accountant ชื่อพลอยอายุ 29 · เพิ่งทำงานมา 5 ปี · เงินเดือน 45,000 บาท. ตอนระบบ AI เข้ามาเดือนมีนาคม พลอยเป็นคนเดียวในแผนกที่อาสาเรียนใช้ระบบ. 6 เดือนต่อมาเธอกลายเป็น "AI translator" ของแผนก · คนที่ทุกคนถามเวลามีปัญหากับระบบ.

สิ่งที่พลอยทำต่างจากนพคือ 70/30 Rule. เธอใช้ AI ทำ 70 percent ของงาน accounting routine · ตรวจ statement ทำ reconciliation พิมพ์ report. แต่ 30 percent เธอใส่สิ่งที่ AI ทำไม่ได้ · คุยกับ owner ของ SME ในภาษาที่ไม่ใช่ technical · ตีความตัวเลขในบริบทของธุรกิจ · เสนอ tax planning ที่ตรงกับ situation ของ owner ที่เธอรู้จักเป็นการส่วนตัว.

ตอนเดือนตุลาคม CFO บอกพลอยว่าจะเลื่อนเธอเป็น Finance Lead · ดูแลทีม 4 คน · เงินเดือนใหม่ 80,000. นพยังเป็น senior accountant อยู่ · เงินเดือนเท่าเดิม · แต่ตอนนี้ทำงานคล้ายๆ พลอยเมื่อก่อน · ตรวจที่ AI ทำเสร็จแล้ว.

ที่ตลกคือพลอยไม่ได้เก่งกว่านพในเรื่อง accounting · เธอเก่งกว่าในเรื่องอื่น · ความสามารถในการใช้ AI เป็น leverage ในขณะที่ใส่ Human Edge ลงไป.

5 Human Edge ที่ AI ฝึกตามไม่ทัน 10 ปี

มีงานวิจัยจาก MIT Media Lab ปี 2025 ที่ benchmark AI capability vs human capability ใน 200 task · พบว่ามี 5 ทักษะที่ AI ยังห่างจากมนุษย์อย่างมีนัยสำคัญ และคาดว่าจะยังห่างต่อไปอีก 10 ปี.

Empathy · AI อ่านอารมณ์จากคำพูดได้ · แต่ "รู้สึก" ไม่ได้. ความเห็นอกเห็นใจที่จริงจังต้องอาศัย shared lived experience · ลูกค้ารู้ว่าใครเข้าใจจริงและใครจำลอง. งานพยาบาล mental health counselor ใช้ Empathy เป็นหัวใจ · AI script ได้แต่ feel ไม่ได้.

Creativity ที่ originate จาก lived experience · AI สร้างจาก pattern ของข้อมูลที่ฝึก · แต่ไม่ได้ originate จากชีวิตที่ใช้จริง. นักเขียน นักดนตรี artist ที่ดี ดึงจาก trauma joy memory ส่วนตัว · ผลลัพธ์มี soul ที่ AI ทำไม่ได้.

Critical Thinking ในความไม่แน่นอนที่ไม่มี data · AI เก่งกับ pattern ที่เห็นในข้อมูล · แต่ในสถานการณ์ที่ไม่มี precedent (วิกฤต startup ขัดแย้ง partnership การตัดสินใจ pivot) มนุษย์ต้องใช้ judgement ที่ไม่มี dataset.

Human Connection ที่สร้าง trust ระยะยาว · ลูกค้าซื้อ insurance 30 ปีกับ agent คนเดิมไม่ใช่เพราะ AI สู้ไม่ได้ · เพราะ trust สะสมต้องใช้เวลา. salesman ที่ดีที่สุดสร้าง relationship 10-20 ปี · AI ทำไม่ได้ในมิตินี้.

Purpose ที่ขับเคลื่อนจาก meaning ส่วนตัว · AI ทำงานตาม instruction · มนุษย์ทำงานเพื่อ purpose ที่ใหญ่กว่าตัวเอง. leader ที่ inspire ทีมต้องมี mission ที่จริง · พนักงานสัมผัสได้ว่าใครมี purpose จริงและใครจำลอง.

นพไม่เคยลงทุนพัฒนา 5 ทักษะนี้ใน 12 ปีที่ผ่านมา · เพราะงาน technical กินเวลาทั้งหมด. พลอยใช้เวลาว่างไปเรียน communication coaching · ฟัง podcast ของ business owner · เข้า meetup network กับ founders. ผลคือเธอมี Human Edge ที่ stack กับ technical skill.

AI ไม่ได้มาแทนคุณ · มันมาแทนคนที่ไม่ใช้มัน

นพเริ่มลองในเดือนที่ 14 หลังคุยกับผม.

สัปดาห์แรกเขาทำ AI Risk Audit ตัวเอง · ลิสต์งาน 10 อย่างที่ทำใน 1 สัปดาห์ · ตอบ 3 คำถามต่อ task. 7 ใน 10 task เป็น high risk · 70 percent ของเวลาทำงานคือสิ่งที่ AI ทำได้แล้ว. นพเห็นด้วยตาตัวเองว่าตำแหน่ง 12 ปีที่เคยมั่นคงคือ illusion.

สัปดาห์ที่ 2 นพเริ่มใช้ ChatGPT ทำ task เสี่ยง 3 อย่าง · monthly closing report · variance analysis · audit memo. เปรียบเทียบกับที่ทำเอง · AI ทำเสร็จใน 15 นาทีของ task ที่เขาใช้ 3 ชั่วโมง · คุณภาพ 80-85 percent ของที่เขาทำ. นพตีความว่า · ถ้าเขาใช้ AI ทำ 70 percent แล้วใส่ 30 percent ใน area ที่เขาเก่ง · ผลลัพธ์จะดีกว่าที่ทำเองทั้งหมด · และใช้เวลาน้อยกว่าครึ่ง.

เดือนที่ 2 นพเริ่มฝึก 70/30 ทุกวัน · 1 task ต่อวัน. AI ทำ structure analysis คำนวณตัวเลข · นพใส่ context ของบริษัท คำแนะนำให้ owner ในภาษาที่ไม่ใช่ technical คาดการณ์ pattern ที่จะเกิดอีก 6 เดือน. output ที่ส่งให้ CFO ดีขึ้นชัด · CFO comment ในประชุม · "งานนพเดือนนี้ insight ดีกว่าเดิม".

เดือนที่ 4 นพ pitch ในประชุม team ว่าควรมี AI workflow standard ในแผนก · เขาแสดงให้ดูว่าใช้ AI กับ task ไหนได้ผลแค่ไหน. CFO มอบหมายให้นพเขียน playbook · 2 เดือนต่อมานพกลายเป็น "AI champion" ของแผนก · งานเปลี่ยนจาก senior accountant เป็น Finance Operations Lead · เงินเดือนขยับเป็น 95,000.

นพที่ผมเล่าให้ฟังตอนต้นบท วันนี้ทำงานน้อยลง 30 percent ของเวลา · ผลลัพธ์ดีขึ้น · ตำแหน่งสูงขึ้น · เพราะเขาหยุดสู้กับ AI และเริ่มใช้มันแทน. เขาไม่ได้กลายเป็นนักเขียน prompt มืออาชีพ · เขาแค่เปลี่ยนจากคนที่ทำ 100 percent ของ task เอง เป็นคนที่กำกับ AI ทำ 70 percent แล้วเพิ่ม 30 percent ที่ AI ทำไม่ได้.

สิ่งที่ทำได้ทันที · คืนนี้ก่อนนอน เปิดสมุดเขียน 10 task ที่ทำใน 1 สัปดาห์ · แต่ละ task ตอบ 3 คำถาม · AI ทำได้ตอนนี้ดีไหม · ต้องใช้ context บริษัทไหม · ต้องตัดสินใจในความไม่แน่นอนไหม. ใช้เวลา 20 นาที. ถ้าเกิน 5 ใน 10 task ที่ AI ทำได้และไม่ต้อง context · คุณเป็น nพ ก่อนเริ่มลองเปลี่ยน.

ส่วน 5 Human Edge แบบลึก · 70/30 Rule ในแต่ละวิชาชีพ · AI Readiness Score ที่ทำเองได้ · 30-day workshop ที่เปลี่ยนคุณจากคนกลัว AI เป็นคนใช้ AI เป็น leverage · มีรายละเอียดใน AI เก่งทุกอย่าง ยกเว้นเป็นคุณ · 40 บท · 277 หน้า · prompt template by profession · ราคา 499 บาท จ่ายครั้งเดียวอ่านตลอดชีวิต. หรืออ่านบทความคู่กัน Human Edge 5 ด้าน · ทักษะที่ AI ฝึกตามไม่ทัน 10 ปี.