ช็อกแรง! ถ้า S&P 500 ลดพนักงาน 40% อาจหายไป 12 ล้านงาน—ภาพสะท้อนยุค AI ที่ “งาน” กำลังเปลี่ยนกติกา

สรุปข่าวแบบเข้าใจง่าย: กระแส “AI เปลี่ยนตลาดแรงงาน” กลับมาร้อนแรงอีกครั้ง หลังบริษัท Block (เดิมรู้จักกันในชื่อ Square) ประกาศลดพนักงานประมาณ 40% หรือราว 4,000 คน โดยซีอีโอ Jack Dorsey ให้เหตุผลว่าทีมที่เล็กลงและแบนราบ (smaller & flatter teams) บวกกับเครื่องมือ AI ทำให้บริษัททำงานได้แบบใหม่อย่างรวดเร็ว จนหลายคนเริ่มตั้งคำถามว่า ถ้าบริษัทใหญ่ๆ ในดัชนี S&P 500 ทำตาม จะกระทบงานมากแค่ไหน—และตัวเลขที่ถูกยกขึ้นมาคือ อาจเทียบเท่า 12 ล้านตำแหน่ง หากใช้ “อัตราลด 40%” กับแรงงานรวมของ S&P 500 ที่ประมาณ 29 ล้านคน

บทความนี้เป็นการ “เขียนข่าวใหม่” เป็นภาษาไทย โดยใช้คำทับศัพท์อังกฤษเท่าที่จำเป็น เพื่อให้เป็นธรรมชาติ อ่านลื่น และเก็บสาระสำคัญครบถ้วน พร้อมขยายบริบทว่าทำไมข่าวนี้ถึงสำคัญต่อธุรกิจ นักลงทุน คนทำงาน และนโยบายแรงงานในยุค Generative AI

ลิงก์ต้นทางเพื่ออ้างอิง: 24/7 Wall St. – A 40% Cut In S&P 500 Employment Would Cost 12 Million Jobs

เกิดอะไรขึ้นกับ Block: “ลดคน 40%” เพราะเชื่อว่า AI เปลี่ยนวิธีทำงานไปแล้ว

จุดเริ่มของข่าวนี้คือการปลดคนครั้งใหญ่ของ Block บริษัทฟินเทคที่มีผลิตภัณฑ์อย่าง Square และ Cash App โดยการลดพนักงานราว 4,000 คน คิดเป็นประมาณ 40% ของทั้งองค์กร

สิ่งที่ทำให้ข่าวนี้ถูกจับตาเป็นพิเศษ ไม่ใช่แค่ “จำนวนคน” แต่เป็น “เหตุผล” เพราะ Dorsey สื่อสารว่าเครื่องมือ intelligence tools (เครื่องมือด้าน AI) ที่บริษัทกำลังสร้างและใช้งาน รวมถึงโครงสร้างทีมที่เล็กลงและแบนราบ ช่วยให้เกิดวิธีทำงานใหม่ ที่เปลี่ยนความหมายของการ “สร้างและบริหารบริษัท” ไปอย่างสิ้นเชิง

อีกประเด็นที่หลายสื่อพูดถึงคือ หลังข่าวปลดคน หุ้น Block มีแรงตอบรับเชิงบวกในช่วงสั้นๆ (สะท้อนว่าตลาดบางส่วนมองเป็นการลดต้นทุน/เพิ่ม productivity)

ทำไมถึงโยงไป S&P 500 ได้: ถ้าบริษัทใหญ่ “คิดเหมือนกัน” ตัวเลขจะใหญ่ระดับประเทศ

บทวิเคราะห์ต้นทางตั้งคำถามว่า ถ้า “แนวคิดแบบ Block” ถูกนำไปใช้กับบริษัทใหญ่ๆ ใน S&P 500 จะเกิดอะไรขึ้น เพราะ S&P 500 เป็นกลุ่มบริษัทขนาดใหญ่ที่สุดกลุ่มหนึ่งของสหรัฐฯ และมีแรงงานรวมกันราว 29 ล้านคน

ดังนั้น หากสมมติว่ามีการลดพนักงานในสัดส่วนเท่ากันคือ 40% จำนวนงานที่ “หายไป” จะเท่ากับ ประมาณ 12 ล้านตำแหน่ง (29 ล้าน × 0.40) ซึ่งเป็นตัวเลขระดับ “เขย่าตลาดแรงงาน” และอาจส่งผลต่ออัตราว่างงาน การบริโภค และเศรษฐกิจในวงกว้าง

หมายเหตุสำคัญ: ตัวเลข 12 ล้านนี้เป็น “การคำนวณเชิงสมมติ” เพื่อชี้ให้เห็นสเกลของความเสี่ยง ไม่ใช่การคาดการณ์ว่าจะเกิดขึ้นแน่นอนทุกบริษัท แต่เป็นการยกกรณีศึกษา (case) เพื่อให้เห็นว่า หากเทรนด์ AI-driven restructuring กลายเป็นมาตรฐาน ตัวเลขแรงงานที่กระทบอาจใหญ่เกินกว่าที่คนส่วนใหญ่คิด

AI จะทำให้ “งานหาย” หรือ “งานเปลี่ยน”: มุมมองที่ยังต่างกันมาก

ประเด็นเรื่อง AI กับงาน ไม่ได้มีคำตอบเดียว เพราะมีทั้งฝั่งที่มองว่า AI จะทำให้เกิด productivity boom เพิ่ม GDP และสร้างงานใหม่ และอีกฝั่งที่เตือนว่าจะเกิดการแทนที่งานอย่างรวดเร็ว โดยเฉพาะงานระดับเริ่มต้น (entry-level) และงานสำนักงาน (white-collar) บางประเภท

ฝั่ง “โอกาส”: รายงาน Goldman Sachs เคยชี้ว่า AI อาจเพิ่มผลิตภาพและ GDP

หนึ่งในงานอ้างอิงที่ถูกพูดถึงคือรายงานของ Goldman Sachs ปี 2023 ที่ประเมินว่า Generative AI อาจทำให้ “งานเต็มเวลาเทียบเท่า” จำนวนมากทั่วโลกมีความเสี่ยงต่อการถูกทำให้เป็นอัตโนมัติ พร้อมกันนั้นก็ยอมรับว่า AI อาจเพิ่ม productivity และส่งผลบวกต่อการเติบโตทางเศรษฐกิจ รวมถึงมีโอกาสสร้างงานใหม่จากเทคโนโลยีใหม่ๆ

ฝั่ง “ความเสี่ยง”: ผู้บริหาร AI บางรายเตือนแรงว่าอาจกระทบงานระดับเริ่มต้นหนัก

ในอีกด้านหนึ่ง มีคำเตือนที่ค่อนข้างตรงไปตรงมา โดย Dario Amodei (Anthropic) ให้สัมภาษณ์ว่า AI อาจ “กวาดล้าง” งาน white-collar ระดับเริ่มต้นได้มาก และอาจดันอัตราว่างงานขึ้นไปช่วง 10–20% ภายใน 1–5 ปี ในฉากทัศน์ที่รุนแรง

เมื่อเอาคำเตือนแบบนี้มาวางคู่กับเคส Block ที่ “ลงมือทำจริง” ก็ยิ่งทำให้คำถามเรื่อง “AI layoffs” และ “การปรับโครงสร้าง” ถูกพูดถึงหนักขึ้นในตลาด

แล้วองค์กรส่วนใหญ่ได้ประโยชน์จาก AI แค่ไหน: ผลสำรวจ HBR ชี้ว่า “ส่วนมากบอกว่าคุ้ม”

อีกชิ้นส่วนที่ช่วยอธิบายภาพใหญ่คือผลสำรวจที่ถูกอ้างถึงจาก Harvard Business Review (HBR) ซึ่งพบว่าโดยรวม 90% ของผู้ตอบแบบสำรวจบอกว่าองค์กรของตน “ได้คุณค่า” จาก AI ในระดับปานกลางถึงมาก (moderate หรือ a great deal) จากกลุ่มผู้บริหารทั่วโลกจำนวน 1,006 คน

ความหมายของข้อมูลนี้คือ ถึงแม้หลายคนกังวลเรื่องงาน แต่ในมุมองค์กร ผู้บริหารจำนวนมาก “เริ่มสัมผัส value” ของ AI แล้ว ไม่ว่าจะเป็นการลดเวลาทำงานซ้ำๆ การช่วยวิเคราะห์ข้อมูล การทำ customer support แบบอัตโนมัติ หรือการช่วยทีมพัฒนา software เร็วขึ้น

และเมื่อองค์กรเห็นประโยชน์จริง การตัดสินใจเรื่องโครงสร้างคน (headcount) ก็มีแนวโน้มถูกทบทวนมากขึ้น—โดยเฉพาะตำแหน่งที่งานเป็น routine, งานเอกสาร, งานสรุปรายงาน, งานทำสไลด์, งานตรวจทานเบื้องต้น ฯลฯ

งานแบบไหนเสี่ยงสุดในมุมข่าวนี้: ไม่ใช่ทุกงานจะโดนเท่ากัน

บทความต้นทางยกตัวอย่างกลุ่มงานที่มักถูกพูดถึงว่าเสี่ยงจาก AI และ automation ได้แก่ งาน white-collar บางส่วน งาน entry-level ที่เกี่ยวกับ data analysis งานโรงงานที่แทนด้วยหุ่นยนต์ และงานค้าปลีก/ร้านอาหารบางประเภท

ตัวอย่างภาพจาก Amazon: “ไม่ต้องจ้างเพิ่ม” ก็โตได้ ถ้า automation ไปไกลพอ

อีกตัวอย่างที่ถูกอ้างถึงคือกรณี Amazon ที่มีการพูดถึงความคาดหวังว่า robotic automation จะช่วยให้บริษัท “หลีกเลี่ยงการเพิ่มจำนวนพนักงานในสหรัฐฯ” ในอีกหลายปี แม้เป้าหมายยอดขาย/ปริมาณสินค้าจะเพิ่มสูงมากในอนาคต ซึ่งสะท้อนแนวคิดว่า งานจำนวนหนึ่งอาจไม่ได้ “ถูกเลย์ออฟทันที” แต่เป็น “งานที่ไม่ถูกสร้างขึ้นตั้งแต่แรก” (no-hire growth)

ตารางสรุป: งานเสี่ยง vs งานต้านทาน AI ได้ดีกว่า (ภาพรวม)

กลุ่มงานที่ “เสี่ยงถูกแทนที่/ลดคน”	กลุ่มงานที่ “มักต้านทาน AI ได้ดีกว่า”
- งานทำเอกสารซ้ำๆ (routine docs) - งานสรุปรายงาน/ทำสไลด์เบื้องต้น - งาน data entry / ตรวจข้อมูลพื้นฐาน - งานบริการลูกค้าที่เป็นคำถามเดิมๆ - งานบางส่วนในสายบัญชี/กฎหมายระดับเริ่มต้น	- งานที่ต้องเจรจา/สร้างความไว้วางใจ (relationship) - งานที่ต้องรับผิดชอบความเสี่ยงสูง (high-stakes) - งานภาคสนาม/หน้างาน (hands-on) - งานสร้างสรรค์ที่ต้องมี taste และบริบท - งานบริหารคน/วัฒนธรรมองค์กร

สำคัญ: ตารางนี้เป็นการสรุปแนวโน้ม “โดยทั่วไป” ไม่ใช่ฟันธง เพราะในความจริง AI ทำให้หลายงาน “เปลี่ยนรูป” มากกว่า “หายไป” เช่น บางตำแหน่งอาจเหลือคนน้อยลงแต่ต้องทำงานร่วมกับ AI (human-in-the-loop) มากขึ้น

ถ้าเกิด “12 ล้านงาน” จริง จะกระทบอะไรบ้าง: ไม่ใช่แค่คนตกงาน

ลองนึกภาพว่าแรงงานระดับหลายล้านตำแหน่งถูกลดลงในช่วงเวลาไม่กี่ปี ผลกระทบจะไหลเป็นโดมิโน ไม่ได้จบแค่บริษัทหรือพนักงานกลุ่มหนึ่ง เพราะมันจะกระทบตั้งแต่การใช้จ่ายของครัวเรือน ไปจนถึงตลาดอสังหา ภาษีรัฐ และความเชื่อมั่นผู้บริโภค

1) อัตราว่างงาน (Unemployment) และความผันผวนทางสังคม

เมื่อจำนวนคนที่กำลังหางานเพิ่มขึ้นเร็ว ตลาดงานจะ “แน่น” ขึ้นทันที คนจบใหม่แข่งขันหนักกว่าเดิม และคนมีประสบการณ์อาจต้องยอมลดเงินเดือนหรือเปลี่ยนสายงานเร็วขึ้น ซึ่งเป็นเหตุผลที่ทำให้คำเตือนเรื่องอัตราว่างงานระดับ 10–20% ถูกหยิบมาพูดซ้ำๆ ในหลายวงสนทนา

2) การบริโภคชะลอ: รายได้หาย = การจับจ่ายหาย

คนตกงานหรือรายได้ไม่แน่นอน มักชะลอการซื้อของชิ้นใหญ่ เช่น รถ บ้าน การท่องเที่ยว หรือแม้แต่ค่าใช้จ่ายในชีวิตประจำวันบางส่วน เมื่อผู้บริโภคลดการใช้จ่าย ธุรกิจปลายน้ำก็ได้รับผลกระทบต่อ ทำให้การจ้างงานยิ่งชะลอ เป็นวงจรที่ต้องระวัง

3) ผลต่อบริษัท: “ต้นทุนลด” แต่ “ความสามารถแข่งขัน” ต้องไม่พัง

บางบริษัทลดคนเพื่อลดค่าใช้จ่ายจริง แต่ถ้าลดเร็วเกินไปโดยที่ระบบ AI ยังไม่เสถียร อาจเกิดปัญหาคุณภาพงาน การบริการลูกค้า หรือความเสี่ยงด้าน compliance ได้ ดังนั้นหลายองค์กรจึงพยายามเดินบนเส้นบางๆ ระหว่าง “lean” กับ “too thin”

4) ความเหลื่อมล้ำของทักษะ: คนที่ใช้ AI เป็น จะยิ่งได้เปรียบ

ในยุคนี้ ความสามารถในการใช้ AI tools (เช่น writing assistant, coding assistant, data assistant) กลายเป็นทักษะพื้นฐานใหม่ คล้ายการใช้ spreadsheet หรือ email ในอดีต คนที่ใช้เครื่องมือเป็นจะทำงานได้มากขึ้นในเวลาเท่าเดิม ขณะที่คนที่ไม่ปรับตัวอาจถูกมองว่า productivity ต่ำกว่าอย่างหลีกเลี่ยงยาก

มองแบบไม่ตื่นตระหนก: ทำไม “ปลดคน” ไม่ได้แปลว่า “เศรษฐกิจจบ” เสมอไป

ข่าวแบบนี้ทำให้หลายคนกังวลเป็นธรรมดา แต่ก็มีอีกด้านที่ควรเห็นภาพรวมให้ครบ เพราะเทคโนโลยีใหญ่ๆ ในอดีต (เช่น คอมพิวเตอร์ อินเทอร์เน็ต สมาร์ตโฟน) เคยทำให้งานบางประเภทหายไปจริง แต่ก็สร้างงานใหม่จำนวนมากเช่นกัน เพียงแต่ “ช่วงเปลี่ยนผ่าน” มักเจ็บปวด และไม่เท่ากันในแต่ละกลุ่มคน

AI อาจสร้างงานใหม่ใน 3 ทาง

(ก) งานที่เกี่ยวกับการสร้าง/ดูแล AI (AI ops, data governance, model risk)
(ข) งานที่เกิดจากสินค้า/บริการใหม่ที่ทำได้เมื่อ productivity สูงขึ้น
(ค) งานที่เน้น human touch มากขึ้น เพราะสิ่งที่เป็นอัตโนมัติทำให้คนมีเวลาไปทำงานที่ “ต้องใช้คนจริงๆ”

แต่ประเด็นคือ งานใหม่มักต้องการทักษะใหม่ ดังนั้น “reskilling/upskilling” จึงเป็นคำสำคัญที่สุดในยุคนี้

ผลสะเทือนต่อคนทำงานไทย: ถึงข่าวมาจากสหรัฐฯ แต่คลื่น AI ไม่ได้หยุดที่พรมแดน

แม้ข่าวนี้อ้างอิงบริษัทสหรัฐฯ และดัชนี S&P 500 แต่บริษัทไทยจำนวนมากก็ใช้เครื่องมือ AI มากขึ้นเรื่อยๆ ทั้งใน marketing, customer service, HR, finance, และ software development “รูปแบบผลกระทบ” อาจไม่เหมือนกันเป๊ะ แต่แนวโน้มคือ:

1) งานเริ่มต้น (entry-level) จะถูกคาดหวังให้ทำได้มากขึ้น

ในอดีต จบใหม่อาจเริ่มจากงานรวบรวมข้อมูล ทำรายงาน ทำสไลด์ แต่วันนี้ AI ทำสิ่งเหล่านี้ได้เร็วมาก ทำให้บริษัทอาจต้องการ “คนจำนวนน้อยลง” แต่ให้ทำงานที่ยากขึ้นเร็วขึ้น ดังนั้นจบใหม่ที่ใช้ AI เป็น จะได้เปรียบสุดๆ

2) องค์กรจะเน้น “คนที่ผสม AI กับงานจริงได้”

ไม่ใช่แค่ใช้ prompt เก่ง แต่ต้องรู้จักตรวจคำตอบ (verification), เข้าใจบริบทธุรกิจ, รู้ข้อจำกัด และจัดการความเสี่ยง เช่น ข้อมูลส่วนบุคคล (privacy) และความถูกต้อง (accuracy)

3) บางตำแหน่งจะเปลี่ยนจาก “ทำเองทั้งหมด” เป็น “คุมระบบ + คุมคุณภาพ”

เช่น ฝ่ายบริการลูกค้าอาจกลายเป็นคน “ดูแล bot + รับเคสยาก” ฝ่ายคอนเทนต์อาจกลายเป็น “editor + strategist” มากกว่านักเขียนที่เริ่มจากศูนย์ทุกชิ้น

7 สัญญาณที่ควรจับตาหลังข่าวนี้ (สำหรับคนทำงานและผู้ประกอบการ)

สัญญาณที่ 1: “เลย์ออฟเพราะ AI” จะถูกพูดตรงขึ้น

เมื่อก่อนหลายบริษัทเลย์ออฟแล้วใช้เหตุผลเศรษฐกิจ/ปรับโครงสร้างแบบกว้างๆ แต่เคส Block ทำให้เห็นว่าองค์กรเริ่มพูดชัดว่า AI คือเหตุผลสำคัญในการทำให้ทีมเล็กลง

สัญญาณที่ 2: ตลาดทุนอาจ “ให้รางวัล” กับบริษัทที่ทำ lean transformation สำเร็จ

ปฏิกิริยาหุ้นหลังประกาศสะท้อนว่า นักลงทุนบางส่วนมองการลดต้นทุนและเพิ่ม efficiency เป็นบวก (อย่างน้อยในระยะสั้น)

สัญญาณที่ 3: บริษัทจะชอบ “ทีมแบนราบ” มากขึ้น

เพราะ AI ทำให้การสื่อสาร/ทำงานข้ามทีมเร็วขึ้น บางองค์กรอาจลดชั้นผู้จัดการ (layers) และให้ทีมเล็กๆ รับผิดชอบ end-to-end มากขึ้น

สัญญาณที่ 4: งานด้านข้อมูลและ automation จะยิ่งสำคัญ

ใครที่เข้าใจ data, workflow, และการวัดผล (metrics) จะเป็นคนสำคัญขององค์กร เพราะ AI ที่ใช้ได้จริงต้องมีข้อมูลที่ดีและกระบวนการที่ชัดเจน

สัญญาณที่ 5: สงครามแย่งคนเก่งจะ “ไม่หาย” แต่อาจเปลี่ยนชนิดคนที่แย่ง

บางงานอาจลด แต่คนที่ทำงานร่วมกับ AI ได้เก่งๆ (เช่น AI product, ML engineer, data governance, security) อาจยิ่งขาดตลาด

สัญญาณที่ 6: การไม่จ้างเพิ่ม (hiring freeze แบบเงียบๆ) จะพบได้มากขึ้น

องค์กรอาจไม่ประกาศเลย์ออฟใหญ่ แต่ใช้วิธี “ไม่เติมคน” เมื่อมีคนลาออก แล้วให้ AI ช่วยรับภาระงานแทน ซึ่งกระทบตลาดแรงงานแบบค่อยเป็นค่อยไปแต่ยาวนาน

สัญญาณที่ 7: ภาครัฐและสถาบันการศึกษาจะถูกกดดันเรื่อง reskilling มากขึ้น

เมื่อการเปลี่ยนผ่านเร็วขึ้น การฝึกทักษะใหม่ให้แรงงานจะเป็นวาระสำคัญ—ทั้งเรื่องหลักสูตร อบรมระยะสั้น และมาตรฐานอาชีพใหม่ๆ

คนทำงานควรทำอะไรตอนนี้: แนวทางแบบ practical (ไม่โลกสวย และไม่ตื่นตระหนก)

ถ้าคุณอ่านข่าวนี้แล้วเริ่มเครียด ลองโฟกัสที่สิ่งที่ “ควบคุมได้” ก่อน เพราะเราอาจคุมทิศทางโลกไม่ได้ แต่คุมทิศทางทักษะของตัวเองได้

1) ทำให้ AI เป็น “เครื่องมือประจำวัน” ไม่ใช่ของเล่น

เริ่มจากงานเล็กๆ เช่น สรุปอีเมล ร่างรายงาน ตั้งโครงสไลด์ ทำ checklist แล้วฝึกตรวจคำตอบ (fact-check) ด้วยตัวเอง จะทำให้คุณเร็วขึ้นและแม่นขึ้น

2) อัปเกรดทักษะที่ AI ทำยาก: การสื่อสาร การตัดสินใจ และความรับผิดชอบ

AI ช่วยได้เยอะ แต่การตัดสินใจในโลกจริงยังต้องใช้คน โดยเฉพาะเรื่องที่มีความเสี่ยงสูงและต้องรับผิดชอบต่อผลลัพธ์

3) สร้าง “portfolio” ของผลงาน

ไม่ว่าจะสายคอนเทนต์ สายข้อมูล สายโค้ด สายดีไซน์ ถ้าคุณมีตัวอย่างงานจริงที่โชว์ว่าใช้ AI ทำให้ดีขึ้นอย่างไร นายจ้างจะเชื่อมากกว่าคำพูด

4) เข้าใจพื้นฐานข้อมูลและความปลอดภัย

ยุคนี้องค์กรกังวลเรื่อง privacy และข้อมูลรั่วมากขึ้น คนที่รู้วิธีใช้ AI แบบไม่ทำให้ข้อมูลบริษัทหลุด จะเป็นคนที่ไว้ใจได้

บทสรุป: ข่าว “12 ล้านงาน” คือสัญญาณเตือนให้เตรียมตัว ไม่ใช่คำทำนายว่าทุกอย่างต้องพัง

ข่าวนี้ใช้เคส Block ที่ลดคน 40% เป็นตัวจุดประกาย แล้วคำนวณแบบสมมติว่า ถ้าเกิดกับทั้ง S&P 500 จะเท่ากับ 12 ล้านงาน เพื่อสะท้อน “ขนาดของความเสี่ยง” ในยุค AI

ในความจริง โลกอาจไม่ได้เดินไปสุดโต่งด้านใดด้านหนึ่งเสมอไป บางอุตสาหกรรมอาจลดคนเร็ว บางอุตสาหกรรมอาจเปลี่ยนงานให้คนทำร่วมกับ AI มากขึ้น และหลายงานอาจไม่หาย แต่ “มาตรฐานความเก่ง” จะสูงขึ้นอย่างชัดเจน

ถ้ามองแบบใช้สติ ข่าวนี้คือการบอกเราว่า คลื่น AI มาแล้ว และองค์กรจำนวนมากเริ่ม “ลงมือ” ปรับโครงสร้างจริง สิ่งสำคัญที่สุดคือการเตรียมทักษะให้ทัน และทำให้ตัวเองเป็นคนที่ “ใช้ AI เพื่อเพิ่มคุณค่า” มากกว่าคนที่ “ถูก AI แทนที่”

#SlimScan #GrowthStocks #CANSLIM #ข่าวหุ้น