งานวิจัยชี้ AI ถูกใช้ต่างกันตามอุตสาหกรรม และเป็นบทเรียนให้ภาคส่วนอื่น
บทความชี้ให้เห็นว่ากระแสการใช้ AI ในที่ทำงานไม่ได้เกิดขึ้นพร้อมกันทุกอุตสาหกรรม แม้ซิลิคอนวัลเลย์จะเป็นภาพนำของการเปลี่ยนแปลง แต่ในความเป็นจริงเทคโนโลยีมักเริ่มจากภาคเทคก่อนแล้วจึงค่อยกระจายไปสู่…
บทความชี้ให้เห็นว่ากระแสการใช้ AI ในที่ทำงานไม่ได้เกิดขึ้นพร้อมกันทุกอุตสาหกรรม แม้ซิลิคอนวัลเลย์จะเป็นภาพนำของการเปลี่ยนแปลง แต่ในความเป็นจริงเทคโนโลยีมักเริ่มจากภาคเทคก่อนแล้วจึงค่อยกระจายไปสู่ธุรกิจประเภทอื่น เช่น การเงิน สาธารณสุข การศึกษา ค้าปลีก และการผลิต ความแตกต่างของอัตราการยอมรับในปัจจุบันจึงสะท้อน “จังหวะ” ของการปรับตัวมากกว่าจะเป็นการชี้ว่าบางอุตสาหกรรมตามหลังอย่างมีนัยสำคัญ
ข้อมูลสำรวจของ TripleTen ที่อ้างในบทความระบุว่าอุตสาหกรรมเทคยังนำหน้าอย่างชัดเจน ขณะที่การเงินเป็นกลุ่มที่ตามมามาใกล้ โดยมีสัดส่วนพนักงานที่ถูกขอให้ใช้แชตบอต AI และช่วยทำงานอัตโนมัติในระดับสูงกว่าสาขาอื่น ส่วนสาธารณสุขและการศึกษายังมีการใช้งานในระดับเริ่มต้นมากกว่า เนื่องจากงานในสองภาคส่วนนี้มีทั้งงานภาคสนาม งานดูแลคน และงานธุรการที่เกี่ยวพันกับข้อกำกับดูแล ทำให้การนำเครื่องมืออัตโนมัติเข้ามาใช้ต้องค่อยเป็นค่อยไปมากกว่า
อีกประเด็นสำคัญคือการเปลี่ยนแปลงทักษะที่แรงงานต้องเรียนรู้ใหม่ เกือบ 4 ใน 5 ของผู้ตอบแบบสอบถามบอกว่าถูกขอให้เรียนรู้ทักษะอย่างน้อยหนึ่งอย่างที่ไม่เคยมีมาก่อน บทความมองว่าทักษะเหล่านี้ไม่ใช่เรื่องเฉพาะของสายเทคเท่านั้น แต่จะค่อยๆ กลายเป็นความจำเป็นในงานหน้าบ้านและงานหลังบ้านของอุตสาหกรรมอื่นด้วย ตั้งแต่การจัดการโลจิสติกส์ในโรงพยาบาลไปจนถึงการรายงานข้อมูลของเขตการศึกษา
หนึ่งในทักษะที่บทความเน้นว่ามักถูกมองข้ามคือความสามารถในการตรวจว่าผลลัพธ์จาก AI ถูกหรือผิด เพราะเมื่อ AI ถูกนำไปใช้มากขึ้น ทักษะนี้จะเป็นด่านสำคัญในการป้องกันความผิดพลาดก่อนส่งผลต่อการทำงานจริง โดยเฉพาะในองค์กรที่ต้องอาศัยประสบการณ์และความเข้าใจบริบทสูง ผู้ที่มีประสบการณ์จะรู้ได้ดีกว่าว่าคำตอบไหนสมเหตุสมผล และคำตอบไหนควรถูกตรวจซ้ำ
ในมุมอาชีพ บทความมองว่าการเริ่มใช้ AI ก่อนเป็นข้อได้เปรียบที่จับต้องได้ พนักงานที่มองเห็นงานซ้ำๆ แล้วนำเครื่องมือมาเพิ่มประสิทธิภาพได้เอง มีโอกาสที่แนวทางเหล่านั้นจะถูกยกระดับเป็นมาตรฐานขององค์กร ผลสำรวจยังพบว่าหากพนักงานสอนวิธีทำงานหรือเครื่องมือใหม่ให้ผู้บริหารและหัวหน้า แนวทางนั้นมักถูกนำไปใช้จริงในวงกว้าง ซึ่งสะท้อนว่าคนที่เข้าใจการประยุกต์ AI จะมีน้ำหนักมากขึ้นต่อการกำหนดนโยบายและกระบวนการทำงาน
บทความยังชี้ช่องว่างด้านการเข้าถึงทรัพยากรฝึกอบรม โดยพนักงานในแต่ละอุตสาหกรรมใช้เงินส่วนตัวกับการพัฒนาทักษะต่างกันพอสมควร กลุ่มเทคและการเงินมีค่าใช้จ่ายด้านการอบรมสูงกว่า ส่วนสุขภาพและการศึกษาหลายคนไม่ได้จ่ายเองเลย นอกจากนี้ คนทำงานสายเทคยังใช้แชตบอต AI เป็นเครื่องมือเรียนรู้มากกว่าค่าเฉลี่ยแรงงานทั่วไป แต่เมื่อถามถึงแหล่งสอนทักษะที่เชื่อถือได้ที่สุด คนส่วนใหญ่กลับเลือก “คนที่ทำงานนั้นจริง” มากกว่าใบรับรอง เครื่องมือ AI หรืออาจารย์มหาวิทยาลัย
สรุปแล้ว บทความเสนอว่าอัตราการรับ AI ที่ต่างกันในแต่ละอุตสาหกรรมไม่ใช่เรื่องใครชนะหรือแพ้ แต่เป็นภาพของการแพร่กระจายเทคโนโลยีในเศรษฐกิจจริง สำหรับภาคส่วนที่ยังเริ่มต้น เช่น สุขภาพ การศึกษา ค้าปลีก และการผลิต ช่วงเวลานี้คือโอกาสในการสังเกตว่าทักษะใดสร้างผลลัพธ์คุ้มค่าจริง ก่อนที่ความสามารถเหล่านั้นจะกลายเป็นความคาดหวังมาตรฐานของตลาดแรงงานในอนาคต
