เศรษฐกิจปี 2030 ใน 3 ฉากทัศน์ AI: Anthropic ไล่เรียงอนาคตผ่าน 4 อาชีพ พยาบาล โปรแกรมเมอร์ คอลเซ็นเตอร์ และช่างไฟฟ้า

หาก AI ทำให้เศรษฐกิจโตเร็วขึ้นหลายเท่า คนทำงานก็ควรมีรายได้ดีขึ้นตามไปด้วยหรือไม่?

คำตอบจากแบบจำลองล่าสุดของ The Anthropic Institute อาจไม่ได้ตรงไปตรงมาขนาดนั้น เพราะในฉากทัศน์ที่ AI พัฒนาและถูกนำไปใช้อย่างเข้มข้นที่สุด เศรษฐกิจสหรัฐฯ อาจมีขนาดใหญ่กว่าเส้นทางที่ไม่มี AI ถึง 32.4% ภายในปี 2030

และอัตราการเติบโตในช่วง 12 เดือนก่อนต้นปี 2030 อาจเร่งขึ้นถึง 15.4% ขณะที่คนทำงานความรู้กลับเผชิญทั้งแรงกดดันด้านค่าจ้างและการจ้างงาน

เบื้องหลังตัวเลขเหล่านี้คือรายงาน Economic Scenarios for Transformative AI ที่พยายามมองผลกระทบของ AI จากจุดเล็กที่สุดอย่าง Task ในแต่ละอาชีพ ก่อนขยายไปดูว่า เมื่อ AI เข้ามาช่วย ทำแทน หรือสร้างงานใหม่พร้อมกันในหลายอุตสาหกรรม จะเกิดอะไรขึ้นกับ GDP ค่าจ้าง การจ้างงาน และสัดส่วนรายได้ระหว่างแรงงานกับทุน

สามฉากทัศน์ที่พาเศรษฐกิจไปคนละโลก

• ฉากทัศน์แรกคือการเปลี่ยนแปลงระดับพอประมาณ (Modest) ซึ่ง AI แตะงานเพียง 4% ของงานทั้งระบบเศรษฐกิจ ภายในปี 2030 GDP สูงกว่าเส้นทางที่ไม่มี AI อยู่ 1.6% หรือราว 34.1 ล้านล้านดอลลาร์สหรัฐ เศรษฐกิจโต 2.4% ต่อปี และอัตราว่างงานรวมอยู่ที่ 3.9% เทียบกับระดับปกติที่ 3.8% ความหมายคือแทบมองไม่เห็นร่องรอยของ AI ในข้อมูลเศรษฐกิจมหภาค ซึ่งเทียบได้กับขนาดผลกระทบของอินเทอร์เน็ต
• ฉากทัศน์ที่สองคือการเปลี่ยนแปลงระดับมีนัยสำคัญ (Substantial) ซึ่ง AI มีความสามารถทำงานความรู้ได้ราวครึ่งหนึ่ง แต่ถูกนำไปใช้จริงเพียง 40% ของงานที่ทำได้ รวมแล้วคิดเป็น 12% ของงานทั้งระบบ ผลลัพธ์คือ GDP สูงกว่าเส้นทางไร้ AI 8.3% หรือราว 36.3 ล้านล้านดอลลาร์สหรัฐ และเศรษฐกิจโต 5.4% ต่อปี ซึ่งเร็วกว่าปีที่ดีที่สุดของยุคฟองสบู่ดอทคอมอย่างปี 1999 ที่โต 4.7% ส่วนอัตราว่างงานของคนทำงานความรู้ขยับจาก 2.9% เป็น 4.5%
• ฉากทัศน์ที่สามคือการเปลี่ยนแปลงระดับรุนแรง (Extreme) ซึ่ง AI ทำงานความรู้ได้เกือบทั้งหมดและถูกใช้จริง 60% ของงานที่ทำได้ รวมเป็น 30% ของงานทั้งระบบ หรือราวครึ่งหนึ่งของงานที่แรงงานความรู้ทำอยู่ในปี 2025 GDP จะสูงกว่าเส้นทางไร้ AI ถึง 32.4% หรือราว 44.4 ล้านล้านดอลลาร์สหรัฐ ขณะที่อัตราว่างงานของคนที่เริ่มต้นในกลุ่มงานความรู้พุ่งไปที่ 17.9% และอัตราว่างงานทั้งระบบอยู่ที่ 11.9% สูงกว่าช่วงหลังวิกฤตการเงินโลกที่เคยแตะเกือบ 10%

จุดที่น่าสนใจคือทั้งสามเส้นทางแทบไม่ต่างกันเลยจนถึงปี 2027 เพราะทุกฉากทัศน์ใช้ข้อมูลตั้งต้นชุดเดียวกัน ความแตกต่างเกือบทั้งหมดเกิดขึ้นหลังจากนั้น เมื่อความสามารถและการใช้งานจริงของ AI เริ่มแยกทางกัน

พยาบาล: อาชีพที่ AI เข้ามาเสริม มากกว่าจะเข้ามาแทน

รายงานใช้อาชีพพยาบาลเป็นตัวอย่างหลักในการอธิบายว่างานหนึ่งงานถูกแยกเป็นงานย่อยได้อย่างไร โดยอ้างอิงฐานข้อมูลลักษณะงาน O*NET ของกระทรวงแรงงานสหรัฐฯ วันทำงานของพยาบาลประกอบด้วยการเดินตรวจเยี่ยมผู้ป่วย เจาะเลือด คัดกรองผู้ป่วยใหม่ บันทึกสัญญาณชีพ และเบิกเวชภัณฑ์เข้าหอผู้ป่วย

งานย่อยเหล่านี้ได้รับผลกระทบจาก AI ไม่เท่ากัน งานอย่างการอาบน้ำให้ผู้ป่วยยังเป็นงานที่มีแต่คนเท่านั้นที่ทำได้ ส่วนการร่างคำแนะนำก่อนกลับบ้าน การติดตามอาการผู้ป่วยทางไกล และการวางตารางดูแลประจำกะ เป็นงานที่ AI เข้ามาช่วยให้เร็วขึ้น ขณะที่การบันทึกสัญญาณชีพและการเบิกของเข้าหอผู้ป่วยเป็นงานที่อาจถูกทำแทนได้ทั้งชิ้น

ที่สำคัญไม่แพ้กันคืองานใหม่ที่โผล่ขึ้นมา เช่น การตรวจสอบว่า AI คัดกรองผู้ป่วยได้แม่นยำแค่ไหน และการทบทวนแผนการดูแลที่ AI เสนอ ผลรวมของทั้งหมดคือ 'อาชีพพยาบาลไม่ได้หายไป แต่เนื้องานถูกจัดเรียงใหม่จนพยาบาลดูแลได้มากขึ้นและมีเวลาคุยกับผู้ป่วยมากขึ้น' ซึ่งเป็นภาพของการเสริมกำลังคนมากกว่าการแทนที่

โปรแกรมเมอร์: อาชีพแถวหน้าของกลุ่มที่ AI แตะถึงก่อน

โปรแกรมเมอร์เป็นหนึ่งในตัวอย่างของคนทำงานความรู้ที่อาจต้องย้ายไปสู่อาชีพที่ AI กระทบน้อยกว่า ผลสำรวจความคาดหวังของคนอเมริกันที่ทีมวิจัยทำควบคู่กันสะท้อนภาพเดียวกัน โดย 24% เชื่อว่า AI สร้างและดูแลผลิตภัณฑ์ซอฟต์แวร์ได้ดีเท่ามืออาชีพแล้วในวันนี้ และตัวเลขนี้ขยับเป็น 58% เมื่อถามถึงปี 2030

ในแบบจำลอง เมื่องานย่อยของกลุ่มงานความรู้ถูกทำแทนมากขึ้น ความต้องการแรงงานในกลุ่มนี้จะลดลงตาม การจ้างงานในกลุ่มงานความรู้ปี 2030 จะต่ำกว่าระดับกลางปี 2026 อยู่ 0.5% ในฉากทัศน์พอประมาณ 3.9% ในฉากทัศน์มีนัยสำคัญ และ 21.5% ในฉากทัศน์รุนแรง โดยในฉากทัศน์สุดท้ายนี้ ค่าจ้างรวมทั้งกลุ่มงานความรู้จะต่ำกว่าเส้นทางไร้ AI ถึง 31% เพราะค่าจ้างต่อหัวลดลงพร้อมกับจำนวนตำแหน่งงานที่หายไป 

อย่างไรก็ตาม ตัวเลขการจ้างงานและค่าจ้างในแบบจำลองเป็นค่าเฉลี่ยของกลุ่มงานความรู้ทั้งหมด ไม่ใช่ตัวเลขของโปรแกรมเมอร์โดยเฉพาะ

พนักงานคอลเซ็นเตอร์: งานเอกสารประจำวันคือด่านแรกที่โดน

อีกอาชีพที่รายงานหยิบมาคู่กับโปรแกรมเมอร์คือพนักงานศูนย์บริการลูกค้า เพราะเนื้องานส่วนใหญ่คือการรับเรื่อง ตอบคำถาม และจัดการเอกสาร ซึ่งเป็นงานที่คนมองว่า AI ทำได้แล้วมากที่สุดในบรรดางานทั้งหมดที่ถูกถาม โดย 53% ของผู้ตอบแบบสอบถามระบุว่า AI เขียนอีเมลและเอกสารธุรกิจทั่วไปได้ดีเท่ามืออาชีพแล้ว และ 75% เชื่อว่าจะทำได้ภายในปี 2030

ข้อมูลในอดีตให้ภาพที่น่าสนใจว่าคนกลุ่มนี้ปรับตัวได้ต่างจากกลุ่มอื่นในงานความรู้ด้วยกันเอง พนักงานขาย และพนักงานธุรการที่ตกงานย้ายออกไปทำอาชีพนอกกลุ่มงานความรู้ได้ถึง 28% ขณะที่ผู้บริหารและกลุ่มวิชาชีพย้ายออกได้เพียง 10% ความต่างนี้สำคัญ เพราะในแบบจำลอง ความยากง่ายของการข้ามสายอาชีพคือตัวแปรที่กำหนดว่าการเปลี่ยนผ่านจะจบลงด้วยการย้ายงานอย่างราบรื่น หรือกลายเป็นการว่างงานที่ยืดเยื้อ

ช่างไฟฟ้า: ฝั่งที่ค่าจ้างวิ่งขึ้น แต่ประตูเข้าไม่ได้กว้างอย่างที่คิด

ช่างไฟฟ้าเป็นตัวแทนของอาชีพที่ AI แตะไม่ถึงโดยตรง และเป็นกลุ่มที่ได้ประโยชน์ชัดเจนที่สุดในทุกฉากทัศน์ ค่าจ้างของอาชีพนอกกลุ่มงานความรู้ในปี 2030 จะสูงกว่าเส้นทางไร้ AI อยู่ 1.1% ในฉากทัศน์พอประมาณ 5.9% ในฉากทัศน์มีนัยสำคัญ และ 33.6% ในฉากทัศน์รุนแรง กลไกเบื้องหลังคือเมื่องานความรู้ทำได้เร็วขึ้น ความต้องการงานที่ต้องใช้มือก็เพิ่มตาม ตัวอย่างที่รายงานยกคือการออกแบบและขออนุญาตโครงสร้างพื้นฐานที่เร็วขึ้น ทำให้จำนวนโครงการก่อสร้างเพิ่มขึ้น และดันค่าจ้างของแรงงานก่อสร้างให้สูงขึ้นตามไปด้วย

ปัญหาคือประตูบานนี้ไม่ได้เปิดกว้างเท่าตัวเลขค่าจ้าง รายงานยกตัวอย่างตรงไปตรงมาว่าวิศวกรซอฟต์แวร์คนหนึ่งไม่ได้เปลี่ยนไปเป็นช่างไฟฟ้าได้ในชั่วข้ามคืน เพราะทักษะเฉพาะทางของแต่ละอาชีพใช้เวลาสะสม และเมื่อคนจำนวนมากต้องย้ายพร้อมกันไปยังตำแหน่งงานที่ยังไม่ถูกสร้างขึ้น การหางานยิ่งยากกว่าที่ข้อมูลในอดีตบอก ช่องว่างระหว่างความต้องการแรงงานที่เพิ่มขึ้นกับความเร็วในการย้ายของคน จึงเป็นที่มาของตัวเลขว่างงานที่สูงขึ้นในฉากทัศน์ที่แรงกว่า

ก้อนเค้กใหญ่ขึ้น แต่ส่วนที่ตกถึงมือแรงงานเล็กลง

แม้รายละเอียดของแต่ละฉากทัศน์จะแตกต่างกัน แต่หนึ่งในผลลัพธ์ที่ชัดที่สุดของแบบจำลองคือ สัดส่วนรายได้ระหว่างแรงงานกับทุนอาจเปลี่ยนไป

ปัจจุบันในทุก 1 ดอลลาร์ที่เศรษฐกิจสหรัฐฯ ผลิตได้ รายได้ประมาณ 60 เซนต์ตกอยู่กับแรงงานในรูปของค่าจ้าง ส่วนที่เหลือเป็นผลตอบแทนของทุน

แต่ภายในปี 2030 ส่วนแบ่งรายได้ของแรงงาน หรือ Labor Share ในแบบจำลองลดลงเหลือ 59.4% ในฉากทัศน์ Modest, 56.1% ใน Substantial และ 45.2% ใน Extreme

ในฉากทัศน์ Extreme นั่นหมายความว่า แม้เศรษฐกิจโดยรวมจะมีขนาดใหญ่ขึ้นมาก แต่รายได้ส่วนเพิ่มจำนวนมากกลับไหลไปสู่เจ้าของทุน

รายได้จากทุนจะสูงกว่าเส้นทางที่ไม่มี AI ถึง 81% ขณะที่รายได้รวมของแรงงานทั้งประเทศแทบไม่ต่างจากโลกที่ไม่มี AI

จึงเกิดภาพที่ดูขัดแย้งกัน คือ ประเทศอาจรวยขึ้นอย่างมากในภาพรวม ขณะที่แรงงานจำนวนมากไม่ได้มีรายได้เพิ่มขึ้นในสัดส่วนเดียวกัน

ทีมวิจัยจึงทดลองคำนวณต่อในเชิงคณิตศาสตร์ของแบบจำลองว่า หากต้องการให้คนทำงานความรู้มีรายได้เท่ากับโลกที่ไม่มี AI จะต้องมีการโอนรายได้ประมาณ 9% ของ GDP การโอนระดับนี้จะยังเหลือทรัพยากรเพียงพอให้กลุ่มอื่นมีรายได้สูงกว่าเส้นทางที่ไม่มี AI มากกว่า 20%

แต่ตัวเลขนี้ไม่ได้หมายความว่า Anthropic กำลังเสนอให้ดำเนินนโยบายดังกล่าวจริง

รายงานย้ำด้วยว่า การโอนรายได้ในระดับนี้มีขนาดใหญ่มาก และไม่เคยเกิดขึ้นเองโดยอัตโนมัติจากการเปลี่ยนแปลงทางเทคโนโลยีที่ผ่านมา

ที่มา: The Anthropic Institute, Economic Scenarios for Transformative AI