ข่าวสาร

ในปัจจุบัน งานที่ใช้แรงงานและงานที่ไม่ได้ใช้ความรู้ในระดับเชี่ยวชาญ (Blue collar) เริ่มมีแนวโน้มถูกแทนด้วยเทคโนโลยี เช่น คนงานในโรงงาน และคนขับรถแท็กซี่ เป็นต้น

ซึ่งผู้อ่านอาจจะรู้สึกโล่งใจว่าตำแหน่งงานที่เป็นลักษณะผู้เชี่ยวชาญ หรือผู้ที่ใช้ความรู้ความชำนาญเฉพาะ (Professional) ก็ยังคงปลอดภัยจากการที่จะถูกคอมพิวเตอร์หรือซอฟท์แวร์มาแทนที่

แต่จากข้อมูลการพัฒนาเทคโนโลยีในสาขาต่างๆ ทำให้เริ่มเห็นได้ชัดว่า เราคงไม่สามารถรู้สึกถึงความมั่นคงของชีวิตได้อีกต่อไปแล้ว เพราะความซับซ้อนและความชาญฉลาดของซอฟท์แวร์ และปัญญาประดิษฐ์ (AI) เริ่มทำให้เครื่องจักรสามารถเรียนรู้เพื่อที่จะทำงานแบบอัตโนมัติด้วยความชาญฉลาดมากขึ้นทุกขณะ ที่เราเรียกว่า "Machine learning" ซึ่งมันจะทำให้งานที่มนุษย์ทำด้วยความยุ่งยากและใช้เวลานาน สามารถนำเอาเทคโนโลยี Machine learning มาทำงานแทนมนุษย์ได้เทียบเท่ากับที่มนุษย์ทำ และมีแนวโน้มที่จะทำได้เร็วกว่าและดีกว่า

Boston Consulting Group ได้คาดการณ์ไว้ว่าตำแหน่งงานที่มีอยู่ในปัจจุบันจะถูกซอฟท์แวร์หรือหุ่นยนต์เข้าทำงานแทนถึง 1 ใน 4 ของตำแหน่งงานทั้งหมดภายในปี 2025 ยิ่งไปกว่านั้น Oxford University ได้วิเคราะห์ว่าตำแหน่งงานถึง 35% ของตำแหน่งงานทั้งหมดในสหราชอาณาจักร กำลังอยู่ในความเสี่ยงที่ระบบอัตโนมัติจะเข้ามาแทนที่ภายใน 20 ปีนับจากนี้

ตำแหน่งงานที่เป็นลักษณะผู้เชี่ยวชาญเฉพาะ (Professional) ที่กำลังถูกคุกคามจากความก้าวหน้าของ Big Data และ Machine learning ซึ่งสามารถแบ่งออกเป็น 10 อาชีพ ดังนี้

1. ด้านสุขภาพและการแพทย์ (Health care)
งานในบางส่วนของอาชีพแพทย์ สามารถทำได้โดยคอมพิวเตอร์และหุ่นยนต์ได้ ตัวอย่างเช่น การผ่าตัดโดยใช้หุ่นยนต์ ซึ่งเป็นงานเฉพาะ และมีความแม่นยำสูงกว่าที่มนุษย์จะทำได้, Watson โดย IBM ได้พิสูจน์ให้เห็นว่าสามารถตรวจสอบและค้นหามะเร็งในปอดด้วยการใช้การสแกนด้วย MRI ซึ่งมีความแม่นยำกว่าทำด้วยมนุษย์, UCSF Medical Center ได้เริ่มการใช้ระบบอัตโนมัติและหุ่นยนต์ในการควบคุมการจ่ายยาที่โรงพยาบาล UCSF เป็นต้น

2. ด้านประกันภัย (Insurance)
งานของตัวแทนธุรกิจประกันภัย (Brokers) สามารถที่จะถูกแทนด้วยระบบคอมพิวเตอร์โดยการใช้ Big Data และ Machine learning ซึ่งงานในธุรกิจประกันภัยจะมีขั้นตอนที่ชัดเจนตามกฎระเบียบและกฎหมาย จึงทำให้คอมพิวเตอร์สามารถทำงานแทนได้ในเกือบทุกกระบวนการ ดังนั้นระบบอัตโนมัติจะสามารถช่วยตัดสินใจได้แทนมนุษย์ในธุรกิจนี้ได้เกือบทั้งหมดในอนาคตอันใกล้

3. ด้านสถาปัตย์ (Architects)
ปัจจุบันเราสามารถออกแบบบ้านของเราได้ด้วยตัวเองแล้วด้วยระบบคอมพิวเตอร์ โดยตัวระบบได้นำเอาความเชี่ยวชาญของสถาปนิกใส่ลงใน Machine learning ให้สามารถช่วยเราออกแบบบ้านเกือบเทียบเท่าผู้เชี่ยวชาญ โดยเฉพาะอย่างยิ่งการออกแบบโครงการขนาดเล็ก ซึ่งนับวันการพัฒนา และความซับซ้อนของ Big Data และ Machine learning ยิ่งจะทำให้ความต้องการการช่วยเหลือจากสถาปนิกลดลงทุกวัน

4. ผู้สื่อข่าว (Journalists)
งานของผู้สื่อข่าวนับวันจะถูกเทคโนโลยีช่วยทำงานได้มากขึ้น แต่ภัยคุกคามที่เคยมีเพียง Social media ที่เข้ามามีผลกระทบนั้นถือว่ายังน้อยมากหากเทียบกับแนวโน้มในอนาคตอันใกล้ที่จะมี Machine learning ที่สามารถรวบรวมข่าวสาร และทำการวิเคราะห์ และผลิตเนื้อหาข่าวได้อย่างรวดเร็ว และถูกต้องแม่นยำกว่าผู้สื่อข่าวที่เป็นมนุษย์ ซึ่งในช่วงเวลา 1-2 ปี ที่ผ่านมาหากเราอ่านข่าว (ภาษาอังกฤษ) เกี่ยวกับด้านการเงิน (Financial report) มีความเป็นไปได้ว่าเรากำลังอ่านข่าวที่ถูกผลิตโดย "Machine" หรือซอฟท์แวร์เขียนข่าวอัตโนมัติ ซึ่งในปัจจุบันการเขียนข่าวโดยใช้ Machine learning เกิดขึ้นจริงแล้วในส่วนเนื้อหาเฉพาะด้าน เช่น การรายงานข่าวด้านการเงินและกีฬา (Financial and sports) ซึ่งตัวเนื้อข่าวจะมีตัวเลขและข้อมูลเป็นหลัก แต่ในส่วนเนื้อหาข่าวชนิดอื่นก็กำลังจะใช้ Machine learning มากขึ้นเรื่อยๆ อย่างชัดเจน

5. ด้านอุตสาหกรรมการเงิน (Financial industry)
Machine learning สามารถวิเคราะห์ข้อมูลด้านการเงินและเตรียมข้อมูลบัญชี เช่น การคำนวณการคืนภาษีได้โดยไม่ต้องใช้นักบัญชีผู้เชี่ยวชาญแล้ว ซึ่งในปัจจุบันในธุรกิจธนาคาร ในส่วนการให้บริการลูกค้าจะเห็นได้ชัดว่า ATM และ Mobile banking ได้เข้ามาแทนที่งานหลายส่วนของมนุษย์ และอีกไม่นานระบบอัตโนมัติจะเริ่มเข้าแทนที่เจ้าหน้าที่ในระดับที่สูงขึ้น เช่น เจ้าหน้าที่ปล่อยเงินกู้ (Loan officers) เป็นต้น ยิ่งไปกว่านั้น รัฐบาลในบางประเทศได้เริ่มใช้ระบบ Big Data และ Machine learning ในการตรวจสอบ และคำนวณการคืนภาษี (Tax returns) รวมไปถึงการตรวจสอบการซ่อนเร้นการหลบเลี่ยงการเสียภาษี (Fraud) และที่ชัดเจนขึ้นเราได้เห็นแล้วว่า ระบบคอมพิวเตอร์สามารถที่จะทำให้ผู้คนซื้อขายหุ้นในตลาดได้อย่างรวดเร็วกว่าในอดีตอย่างมาก และยังสามารถคาดการณ์แนวโน้มของตลาดในอนาคตได้แม่นยำมากขึ้น

6. ครูและอาจารย์ (Teachers)
อาชีพครูกำลังจะถูกเปลี่ยนนิยามไปอย่างมากด้วยเทคโนโลยีดิจิทัล ซึ่งในปัจจุบันเทคโนโลยีได้ทำให้การเรียนการสอนสามารถที่จะสนับสนุนรูปแบบการศึกษาเฉพาะทางและการศึกษาตามความต้องการของผู้เรียนได้มากขึ้น โดยผู้เรียนสามารถที่จะหาข้อมูลด้วย Search engine ที่ชาญฉลาด ซึ่งสามรถส่งความรู้ให้ผู้เรียนได้อย่างรวดเร็ว และมีความรู้บรรจุอยู่ในระบบมากกว่าอยู่ในสมองมนุษย์ จึงทำให้การศึกษาด้วยตนเองจะมีบทบาทมากในอนาคต และจะได้รับการยอมรับอย่างมากให้เป็นมาตรฐานในระบบการศึกษาในอนาคตอันใกล้

7. ด้านทรัพยากรมนุษย์ (Human Resources)
การสรรหาและการจ้างบุคลากร (Headhunting and hiring) ได้รับภัยคุกคามแล้วจากเทคโนโลยี Data mining ที่สามารถบริหารจัดการข้อมูลประวัติผู้สมัคร (resumes) เพื่อทำการวิเคราะห์หาผู้สมัครที่มีคุณสมบัติสมบูรณ์ที่สุดที่องค์กรต้องการได้โดยไม่ต้องใช้มนุษย์เป็นผู้ค้นหาและวิเคราะห์เอง

8. การตลาดและการโฆษณา (Marketing and Advertising)
การตลาดในปัจจุบันที่มีข้อมูลมหาศาล และเปลี่ยนแปลงทุกวัน ไม่ว่าจะเป็นพฤติกรรมผู้บริโภคและเทคโนโลยีที่ก้าวกระโดด ที่ทำให้ผู้บริโภคมีอำนาจเหนือผู้ผลิตและผู้ให้บริการแล้วในวันนี้ ซึ่งเทคโนโลยี Big Data และ Machine learning สามารถนำมาประยุกต์ใช้เพื่อติดตามตรวจสอบพฤติกรรมผู้บริโภคที่เปลี่ยนไปทุกวันแบบ realtime จนทำให้อาชีพนักการตลาดหรือผู้เชี่ยวชาญด้านการตลาดถูกท้าทายให้มีบทบาทลดลงเรื่อยๆ

9. ทนายความ (Lawyers)
อาชีพทนายความเริ่มถูกภัยคุกคามจากเทคโนโลยีนับตั้งแต่ระบบ Watsom-style machine learning สามารถแยกแยะและวิเคราะห์คดีต่างๆ ที่มีในอดีตทั้งหมด รวมไปถึงบทสรุป และข้อวิเคราะห์ต่างๆ นำมาไว้เป็นฐานข้อมูลความรู้ในระบบ Machine learning จนทำให้สามารถมองเห็นถึงผลการตัดสินคดีมาตรฐาน ซึ่งสามารถใส่ Input ที่เป็นข้อมูลพื้นฐานของคดี และรู้ผลโดยการวิเคราะห์จากระบบ Machine learning จนสามารถพยากรณ์ผลการตัดสินของคดีต่างๆ ที่เกิดขึ้นในปัจจุบัน และมีข้อแนะนำต่างๆ จากข้อมูลในอดีตที่ถูกวิเคราะห์ และสังเคราะห์อย่างเป็นระบบที่สมบูรณ์

ซึ่งสมองของทนายความไม่สามารถประมวลผลจากข้อมูลขนาดใหญ่ขนาดนั้นได้ จึงทำให้ Big Data และ Machine learning สามารถทำงานแทนนักกฎหมาย และทนายความในหลายด้านมากขึ้นเรื่อยๆ โดยการศึกษาและวิจัยของมหาวิทยาลัย Michigan state University และ South Texas College of Law ได้สรุปผลไว้ว่า 71% ของคดีทั้งหมดใน U.S. Supreme Court สามารถใช้คอมพิวเตอร์ระบบ Statistical Model ที่มีลักษณะเป็น Machine learning ตอบผลการตัดสินของการพิจารณาคดีในศาลได้อย่างถูกต้อง ซึ่งหมายความว่า ทนายความที่จบออกมาจากมหาวิทยาลัยไม่ต้องทำงานในหลายส่วนที่ระบบ Machine learning สามารถทำงานแทนได้

10. การบังคับใช้กฎหมาย (Law Enforcement)
"Predictive policing" เป็นเรื่องที่กำลังได้รับการหยิบยกขึ้นมาพูดกันอย่างมากในประเทศตะวันตก เนื่องจากเป็นเรื่องละเอียดอ่อน ซึ่งถือว่าการบังคับใช้กฎหมายที่ละเมิดต่อประชาชน สามารถที่จะทำให้ลดลงได้ด้วยการประยุกต์ใช้เทคโนโลยี Machine learning มาช่วยในการทำงานในกระบวนการยุติธรรมของตำรวจได้

เทคโนโลยีใหม่ๆ จะทำให้เกิดการปฏิรูปโครงสร้างเศรษฐกิจในหลายประเทศ จะมีการเปลี่ยนแปลงเทคโนโลยีที่เกิดขึ้นอย่างรวดเร็วแบบก้าวกระโดด แต่องค์กรและทักษะของบุคลากรปรับเปลี่ยนไม่ทันต่อการเปลี่ยนแปลง จึงทำให้คนจำนวนนับล้านถูกทิ้งไว้ข้างหลัง ซึ่งรายได้และงานของพวกเขาจะค่อยๆ จางหายไปตามกาลเวลา

ปัญหาที่ผู้นำทุกประเทศต้องค้นหาคำตอบให้ได้คือ "เรากำลังผลิตและพัฒนาทรัพยากรมนุษย์เพื่อทำงานในปี 2025 หรือเพื่อทำงานในปี 2017" ถึงเวลาที่จะต้องเปลี่ยนแปลงแล้วหรือยัง???

ขอขอบคุณแหล่งที่มาภาพ : NationTV

หากท่านมีความสนใจบริการของตรวจสอบภายใน สามารถติตต่อได้ที่

เบอร์ 02-596-0500 ต่อ 327 ด้วยความยินดียิ่ง