การเลิกจ้างเงียบ: ทำไม AI กำลังกวาดล้างนักวิเคราะห์รุ่นใหม่ (และทำไมบริษัทจะเสียใจในอีก 7 ปี)

ลองจินตนาการถึงภาพออฟฟิศย่านวอลล์สตรีทหรือบริษัทคอนซัลต์ระดับโลกตอนตีสองเมื่อห้าปีที่แล้ว คุณจะเห็นแสงไฟจากหน้าจอคอมพิวเตอร์นับร้อย และนักวิเคราะห์รุ่นใหม่ (Junior Analysts) ที่กำลังอดหลับอดนอนปั่นโมเดล Excel หรือจัดหน้าสไลด์ PowerPoint เพื่อเตรียมพรีเซนต์งานในตอนเช้า 

แต่ถ้าคุณไปดูภาพนั้นในวันนี้... ทุกอย่างกำลังเปลี่ยนไปอย่างเงียบเชียบ

ไม่มีการประกาศปลดพนักงานครั้งใหญ่ (Mass Layoffs) ไม่มีการแถลงข่าวลดขนาดองค์กร สิ่งที่เกิดขึ้นคือ **"การเลิกจ้างเงียบ" (The Quiet <em>White-Collar Layoff</em>)** โดยเริ่มจากการที่บริษัทระดับท็อปอย่าง Goldman Sachs, McKinsey และ Deloitte ค่อยๆ ลดโควตาการรับพนักงานระดับ Entry-level ลงอย่างมีนัยสำคัญ ข้อมูลจากเอกสารภายในที่หลุดออกมาของ Goldman Sachs ระบุว่า ยอดการจ้างงานนักวิเคราะห์รุ่นใหม่ลดลงถึง 40% เมื่อเทียบกับปีก่อนหน้า (YoY)

คำถามคือ ใคร (หรืออะไร) ที่เข้ามาทำงานแทนเด็กจบใหม่หัวกะทิเหล่านี้? คำตอบไม่ได้อยู่ในอินเดียหรือฟิลิปปินส์ แต่อยู่ในเซิร์ฟเวอร์ของ **<strong>AI reasoning models</strong>** อย่างตระกูล OpenAI o-series และ Anthropic’s Claude Opus

## เมื่อการทำสไลด์ตอนตีสอง กลายเป็นแค่การป้อน Prompt

ความแตกต่างระหว่าง AI ในปี 2023 กับปี 2024 คือ "ทักษะการใช้เหตุผล" (Reasoning)

ในอดีต Generative AI อาจจะเก่งเรื่องการเขียนอีเมลหรือสรุปบทความสั้นๆ แต่ **AI reasoning models** รุ่นใหม่ถูกออกแบบมาให้คิดแบบเป็นขั้นเป็นตอน (Chain-of-thought) พวกมันสามารถอ่านรายงานการเงิน 10-K ความยาว 400 หน้า วิเคราะห์ความเสี่ยง ดึงตัวเลขที่ซ่อนอยู่ในหมายเหตุประกอบงบการเงิน และสร้างดราฟต์โมเดลกระแสเงินสด (DCF Model) พร้อมสไลด์สรุปสำหรับผู้บริหารได้ภายใน 45 วินาที

งานเหล่านี้คือ "ขนมปังและเนย" (Bread and butter) ของนักวิเคราะห์ปี 1 และปี 2 มายาวนานนับทศวรรษ มันคืองานที่กินเวลา มหาศาล น่าเบื่อหน่าย แต่ก็เป็นบททดสอบความอดทนและความรอบคอบ

เมื่อ AI สามารถทำร่างแรก (First Draft) ที่มีความแม่นยำระดับ 85-90% ได้ บริษัทการเงินและคอนซัลต์จึงมองเห็นโอกาสในการลดต้นทุนมหาศาล พวกเขาไม่จำเป็นต้องจ้างเด็กจบใหม่จาก Ivy League หรือมหาวิทยาลัยชั้นนำในราคาแพงลิบลิ่วจำนวน 100 คนอีกต่อไป จ้างแค่ 60 คน แล้วให้แต่ละคนใช้ AI เป็นผู้ช่วย ก็สามารถผลิตผลงานได้เท่ากับคน 150 คน

แต่นั่นคือจุดเริ่มต้นของปัญหาที่ลึกซึ้งกว่านั้น

## เสียงกระซิบจาก Blind: "ฉันกลายเป็นแค่ภารโรงตรวจงาน AI"

ลองเข้าไปดูในบอร์ดสนทนาแบบไม่ระบุตัวตนอย่างแอปพลิเคชัน **Blind** (ที่ซึ่งพนักงานสายเทคและการเงินมักมาระบายความในใจ) คุณจะเห็นความเปลี่ยนแปลงของคลื่นใต้น้ำนี้อย่างชัดเจน

หลังจากการเปิดตัวระบบ 'AI knowledge worker' ภายในบริษัทคอนซัลต์ระดับโลกอย่าง McKinsey (ซึ่งมีเครื่องมืออย่าง Lilli เป็นตัวชูโรง) ความคิดเห็นของเหล่า Associates และ Analysts ก็เริ่มเปลี่ยนทิศทาง

กระทู้หนึ่งที่ได้รับการโหวตสูงสุดเขียนไว้ว่า: *"เมื่อก่อนฉันใช้เวลา 3 วันในการทำความเข้าใจอุตสาหกรรมใหม่เพื่อเขียน Market Landscape สมองฉันได้ซึมซับและเชื่อมโยงข้อมูล ตอนนี้ AI ทำร่างแรกเสร็จใน 3 นาที งานของฉันคือการนั่งอ่านและแก้คำผิด ฉันไม่ได้รู้สึกว่าตัวเองกำลังเรียนรู้วิธีคิดแบบคอนซัลต์เลย ฉันแค่เป็น QA Tester (คนตรวจคุณภาพ) ให้กับ LLM"*

นี่คือภาวะที่อันตรายที่สุดของการเปลี่ยนผ่านทางเทคโนโลยี ทักษะของมนุษย์ไม่ได้ถูกอัปเกรด แต่กำลังถูก **Downgrade** ให้กลายเป็นเพียงผู้ตรวจสอบความถูกต้อง (Reviewer) แทนที่จะเป็นผู้สร้างสรรค์ (Creator)

## วิกฤตการสืบทอดตำแหน่ง (Succession Crisis) ที่ไม่มีใครคาดคิด

ปัญหาที่แท้จริงไม่ใช่เรื่องที่เด็กจบใหม่หางานยากขึ้น แต่เป็น **"วิกฤตการสร้างบุคลากรในระยะยาว"**

ในวงการที่ปรึกษา กฎหมาย และวาณิชธนกิจ (Investment Banking) ระบบการทำงานเป็นแบบ **Apprenticeship Model** หรือระบบฝึกหัด ไม่มีใครเกิดมาแล้วเป็น Partner ระดับท็อปที่สามารถเจรจาดีลควบรวมกิจการมูลค่าหมื่นล้านได้เลย พวกเขาต้องผ่านการ "ฝึกวิทยายุทธ" จากการทำงานพื้นฐาน

การนั่งงมตัวเลขใน Excel จนตาแฉะ การโดนเจ้านายตีกลับสไลด์เพราะลอจิกไม่แน่น การต้องแก้โมเดลการเงินซ้ำแล้วซ้ำเล่า สิ่งเหล่านี้ดูเหมือนเป็นงานกรรมกร (Grunt work) แต่มันคือ **กระบวนการสร้างสัญชาตญาณ (Intuition Building)**

* ถ้าคุณไม่เคยทำโมเดลการเงินด้วยตัวเองนับร้อยครั้ง คุณจะรู้ได้อย่างไรว่าตัวเลขบรรทัดไหนในรายงานของ AI ที่ดู "ผิดปกติ"?
* ถ้าบริษัทข้ามขั้นตอนนี้ไป โดยให้ AI รับจบงานพื้นฐานทั้งหมด แล้วเด็กจบใหม่รุ่นนี้จะเอาความรู้ที่ลึกซึ้งจากไหนไปเป็น Senior Manager ในอีก 5 ปีข้างหน้า?
* และในอีก 7 ปีข้างหน้า ใครจะก้าวขึ้นมาเป็น Partner ที่สามารถให้คำปรึกษาเชิงกลยุทธ์ที่ลึกซึ้งแก่ CEO ของบริษัท Fortune 500 ได้ ในเมื่อประสบการณ์ตลอด 7 ปีของพวกเขา คือการกด Accept/Reject งานที่ AI สร้างขึ้น?

บริษัททุกแห่งกำลังทำการแลกเปลี่ยนที่อันตราย พวกเขาเลือก **"ประสิทธิภาพและกำไรระยะสั้น"** แลกกับ **"ความสูญเสียทางปัญญาในระยะยาว"** และบริษัทส่วนใหญ่จะเริ่มรู้สึกตัวและเสียใจกับตัดสินใจนี้ในอีกประมาณ 7 ปีข้างหน้า เมื่อพวกเขาไม่มีผู้นำรุ่นใหม่ที่เก่งกาจหลงเหลืออยู่เลย

## ทางออก: อย่าใช้ AI แทนที่ แต่ใช้ AI เพื่อสร้าง "Super Junior"

แล้วองค์กรควรทำอย่างไร? ปฏิเสธ AI แล้วกลับไปใช้ระบบเดิมงั้นหรือ? ไม่ใช่แน่นอน เพราะองค์กรที่ปฏิเสธ AI จะถูกคู่แข่งบดขยี้ด้วยความเร็วและต้นทุนที่ถูกกว่า

ทางออกที่แท้จริงคือการเปลี่ยนมุมมองจากการใช้ AI เพื่อ **"ทดแทน" (Replace)** มาเป็นการใช้ AI เพื่อ **"เร่งศักยภาพ" (Accelerate)**

แทนที่จะใช้ AI สำเร็จรูปทั่วไปเพื่อสร้างสไลด์และส่งงาน องค์กรชั้นนำและบริษัทหัวก้าวหน้ากำลังเริ่มสร้าง **Custom AI Models** ของตัวเอง พวกเขานำ Playbook ภายในองค์กร Case Studies ในอดีต และวิธีการคิดวิเคราะห์แบบเฉพาะตัวของบริษัท มาเทรนโมเดล AI ของตนเอง (ผ่านกระบวนการอย่าง RAG - Retrieval-Augmented Generation)

เป้าหมายไม่ใช่ให้ AI ทำงานแทนเด็กจบใหม่ แต่ให้ AI ทำหน้าที่เป็น **ติวเตอร์ส่วนตัวแบบโสเครติส (Socratic Tutor)**

ลองนึกภาพนักวิเคราะห์รุ่นใหม่ที่กำลังทำโมเดลการเงิน แทนที่ AI จะโยนไฟล์ Excel ที่เสร็จแล้วมาให้ AI จะคอยตั้งคำถามชวนคิด เช่น *"คุณแน่ใจหรือว่าอัตราการเติบโต 5% ในปีที่ 3 สมเหตุสมผลเมื่อพิจารณาจากแนวโน้มตลาดในรายงานฉบับนี้? ลองดูวิธีการคำนวณที่ Partner ของเราเคยใช้ในดีลคล้ายๆ กันเมื่อปี 2019 ไหม?"*

ด้วยวิธีนี้ นักวิเคราะห์รุ่นใหม่จะเรียนรู้ได้เร็วขึ้น 10 เท่า พวกเขาไม่ต้องเสียเวลาไปกับขั้นตอนที่ไม่เกิดมูลค่า แต่ได้ฝึกกระบวนการคิดวิเคราะห์อย่างเข้มข้น พวกเขาจะกลายเป็น Senior ที่มีสัญชาตญาณเฉียบคม และมี AI เป็นอาวุธคู่กาย

## บทสรุป

การมาถึงของ **AI reasoning models** ไม่ใช่จุดจบของนักวิเคราะห์รุ่นใหม่ แต่มันคือจุดจบของ "วิธีการทำงานแบบเดิม" บริษัทไหนที่หน้ามืดตามัวลดจำนวนพนักงานลงเพียงเพื่อหวังผลกำไรระยะสั้น กำลังฝังระเบิดเวลาให้กับโครงสร้างบุคลากรของตัวเองในอีก 7 ปีข้างหน้า

ผู้ชนะในยุคนี้ จะไม่ใช่บริษัทที่มีนักวิเคราะห์จำนวนน้อยที่สุด แต่คือบริษัทที่สามารถดึงศักยภาพของนักวิเคราะห์รุ่นใหม่ให้ออกมาได้มากที่สุด ด้วยการผสานสติปัญญาของมนุษย์เข้ากับขุมพลังของ AI อย่างชาญฉลาด

คำถามสำคัญสำหรับผู้บริหารวันนี้ ไม่ใช่ "เราจะใช้ AI ลดคนได้กี่เปอร์เซ็นต์?" แต่เป็น "เราจะใช้ข้อมูลและ Playbook ของเรา สร้าง AI ที่เปลี่ยนเด็กจบใหม่ให้กลายเป็นผู้เชี่ยวชาญระดับโลกได้อย่างไร?"