
เมื่อปี 2025 ตอนที่ Sunita Williams และ Butch Wilmore สองนักบินอวกาศกลับสู่โลกหลังติดอยู่บนสถานีอวกาศนานาชาตินานถึง 286 วัน ภาพแรกที่ทุกคนเห็นคือพวกเขาต้องถูกหามออกมาบนเปล ไม่ใช่เพราะป่วยหรือบาดเจ็บ แต่เป็นเพราะในสภาวะไร้น้ำหนัก ร่างกายไม่ต้องออกแรงพยุงตัวเองนานหลายเดือน กล้ามเนื้อ กระดูก และระบบทรงตัวจึงค่อย ๆ ลีบลงจากความเคยชิน
NASA ระบุว่า ในภารกิจ 4-6 เดือน มวลกระดูกของนักบินอวกาศจะลดลงเฉลี่ย 1-1.5% ต่อเดือน เป็นการสูญเสียที่เจ้าตัวแทบไม่รู้สึกเลย จนกระทั่งถึงวันที่ต้องกลับมาเจอกับแรงโน้มถ่วงของโลกอีกครั้ง
รูปภาพจาก: timesofindia.indiatimesตัดภาพกลับมาที่โลกของการทำงานปัจจุบัน เราอาจกำลังเผชิญหน้ากับภาวะเดียวกันโดยไม่รู้ตัว เมื่อ AI เข้ามารับหน้าที่คิดแทน ทำแทน ทุกอย่างเสร็จไวขึ้น สะดวกขึ้น แต่ทักษะสำคัญในสมองกลับค่อย ๆ ฝ่อลง นักวิจัยเรียกสิ่งนี้ว่า Over-reliance on AI หรือการพึ่งพา AI จนเกินพอดี และปลายทางของมันอาจนำไปสู่วิกฤตที่เรียกว่า Deskilling Crisis หรือวิกฤตมนุษย์ไร้ทักษะ
วิกฤตนี้ต่างจากวิกฤตเศรษฐกิจหรือโรคระบาดตรงที่ ช่วงแรกไม่มีสัญญาณเตือนใด ๆ ซ้ำร้ายทุกอย่างยังดูดีขึ้นอย่างก้าวกระโดด นักเรียนได้คะแนนดีขึ้น โปรแกรมเมอร์ปิดงานไวขึ้น คนทำงานเขียนรีพอร์ตเสร็จในไม่กี่นาที องค์กรเห็น Productivity พุ่งทะยาน
ในทางจิตวิทยา พฤติกรรมนี้เรียกว่า Cognitive Offloading คือการย้ายภาระการคิดออกจากสมองไปไว้ที่เครื่องมือภายนอก มนุษย์ทำเรื่องนี้มาตลอด ตั้งแต่การจดโน้ต ใช้เครื่องคิดเลข หรือเปิด GPS นำทาง
แต่จุดเปลี่ยนสำคัญคือ AI ไม่ได้ทำแค่งานจำหรืองานคำนวณ แต่มันกำลังกินลึกไปถึง การเรียบเรียงความคิด การวิเคราะห์เชิงลึก และการตัดสินใจ ซึ่งเป็นแกนกลางสำคัญที่ใช้ แยกมืออาชีพออกจากมือใหม่
ความสบายนี้ไม่ได้ฟรี แต่มาพร้อมดอกเบี้ยก้อนโตที่เริ่มมีงานวิจัยออกมายืนยัน

ทักษะที่แอบหายไปจะแสดงตัวออกมาอย่างเจ็บปวด ก็ในวันที่เราต้องทำเองโดยไม่มีตัวช่วย
ห้องสอบ (Wharton School): การทดลองกับนักเรียนเกือบ 1,000 คนในตุรกี พบว่ากลุ่มที่ใช้ ChatGPT ช่วยทำการบ้าน ทำคะแนนฝึกหัดสูงกว่ากลุ่มปกติถึง 48% แต่พอถึงวันสอบจริงที่ห้ามใช้ AI ผลลัพธ์กลับพลิกตาลปัตร กลุ่มนี้ทำคะแนนได้ต่ำกว่ากลุ่มควบคุมถึง 17%
ห้องผ่าตัด (การแพทย์โปแลนด์): แพทย์ส่องกล้องลำไส้ 19 คน ซึ่งมีประสบการณ์สูงกว่า 2,000 เคส หลังใช้ AI ช่วยตรวจจับติ่งเนื้อต่อเนื่อง 3 เดือน พอกลับมาส่องกล้องด้วยตาตัวเอง อัตราการตรวจเจอกลับลดลงจาก 28.4% เหลือเพียง 22.4% ฝีมือที่สั่งสมมานับสิบปีเริ่มลดลงภายในระยะเวลาไม่กี่เดือน
การเขียนโค้ด (Anthropic): ผู้พัฒนา Claude ทดสอบกับนักพัฒนา 52 คน พบว่ากลุ่มที่ใช้ AI ช่วยเรียนรู้เทคโนโลยีใหม่ ทำงานเสร็จเร็วกว่าแค่ 2 นาที แต่ได้คะแนนความเข้าใจเพียง 50% เทียบกับกลุ่มที่เขียนเองซึ่งได้ถึง 67% โดยทักษะที่หล่นหายมากที่สุดคือ การ Debug ซึ่งเป็นทักษะที่จำเป็นที่สุดในการตรวจสอบความถูกต้องของ AI
ห้องนักบิน (Automation Paradox): โลกการบินเคยจ่ายต้นทุนเรื่องนี้ด้วยชีวิต ในโศกนาฏกรรมเที่ยวบิน Air France 447 เมื่อปี 2009 เมื่อระบบ Autopilot ขัดข้องกะทันหัน นักบินที่คุ้นชินกับการให้ระบบบินแทนกลับตัดสินใจผิดพลาดในเรื่องพื้นฐาน จนเครื่องบินตก นี่คือ Automation Paradox ยิ่งระบบอัตโนมัติเก่งขึ้นเท่าไร มนุษย์ยิ่งขาดการฝึกฝน และในวันที่ระบบล่ม มันมักจะเป็นสถานการณ์ที่ยากและวิกฤตที่สุดเสมอ
เคสข้างต้นคือคนที่ “เคยเก่ง” แล้วค่อย ๆ สูญเสียทักษะไป แต่วิกฤตที่น่ากลัวกว่านั้นคือกำลังจะเกิดกับ คนรุ่นใหม่ที่ยังไม่ทันได้สร้างทักษะพื้นฐานเลย
ผู้บริหารและ Senoir ในวันนี้ ต่างเติบโตมาจากการเป็น Junoir ที่ผ่านงานถึก งานซ้ำซาก โดนรื้อแก้สไลด์ทั้งเล่ม นั่งงมโค้ดที่พังทั้งคืน สนามฝึกที่ดูน่าเบื่อเหล่านั้นคือสิ่งที่สร้างสัญชาตญาณให้มองออกว่า งานไหนของจริง งานไหนมีปัญหา
ทว่างานพื้นฐานเหล่านี้กำลังถูก AI ปาดหน้าไปหมด รายงานจาก BCG ปี 2026 ระบุว่า 53% ของผู้บริหารเริ่มเห็นชัดเจนว่า พนักงานรุ่นใหม่มีอัตราการพัฒนาทักษะที่ช้าลง และเกือบ 90% พบปัญหาพนักงานหยิบผลลัพธ์จาก AI ไปใช้งานทันทีโดยไม่มีการตรวจสอบซ้ำ
คำถามสำคัญขององค์กรในอีก 5–10 ปีข้างหน้าคือ ใครจะเป็นคนคอยตรวจงานของ AI หากในองค์กรไม่มีใครเคยฝึกทำงานนั้นด้วยตัวเองจริง ๆ ?
BCG เรียกปรากฏการณ์นี้ว่า Distributed De-skilling หรือภาวะที่ทักษะสำคัญค่อย ๆ สึกกร่อนพร้อมกันทั้งองค์กร โดยเฉพาะทักษะระดับสูงอย่างการตัดสินใจ การตั้งโจทย์ทางธุรกิจ และความคิดสร้างสรรค์ ซึ่งข้อมูลจาก IBM ชี้ว่า พนักงานกว่า 60% เริ่มรู้สึกได้ว่าทักษะตัวเองกำลังถูกกัดเซาะ แต่มีเพียง 1 ใน 10 องค์กรเท่านั้นที่มีแผนรองรับเรื่องนี้อย่างเป็นรูปธรรม
บนสถานีอวกาศ NASA ไม่ได้แก้ปัญหากล้ามเนื้อลีบด้วยการห้ามนักบินขึ้นอวกาศ แต่บังคับให้นักบินต้องออกกำลังกายอย่างเข้มงวดสัปดาห์ละ 6–7 วัน ทั้งวิ่ง ปั่นจักรยาน และฝึกแรงต้าน เพื่อสร้างแรงกดดันจำลองแทนแรงโน้มถ่วงที่หายไป
การทำงานร่วมกับ AI ในยุคนี้ก็จำเป็นต้องมีลู่วิ่งแบบนี้เช่นเดียวกัน เพื่อคงความเฉียบคมของสมองไว้ ตัวอย่างเช่น
สำหรับคนทำงานทั่วไป จุดเริ่มต้นอาจไม่ต้องซับซ้อน เพียงแค่เปลี่ยนจากการสั่งให้ AI ทำให้ มาเป็นการคิดร่างแรกด้วยตัวเองก่อน แล้วค่อยใช้ AI ช่วยท้าทายมุมมอง หรือใช้ AI เป็นคู่คิดเพื่อถามหาเหตุผล มากกว่าการขอผลลัพธ์สำเร็จรูป
แน่นอนว่า AI ช่วยพาเราพุ่งทะยานไปข้างหน้าได้เร็วกว่าที่เคย แต่สุดท้ายแล้ว วันที่เราต้องลงแตะพื้นดินเพื่อตัดสินใจในเรื่องสำคัญ สิ่งเดียวที่จะพยุงให้เรายืนได้อย่างมั่นคง คือกล้ามเนื้อทางความคิดที่เราฝึกฝนไว้ด้วยตัวเอง
อ้างอิง: the-decoder, theregister, psypost, knowledge.wharton.upenn.edu, statnews
ลงทะเบียนเข้าสู่ระบบ เพื่ออ่านบทความฟรีไม่จำกัด