ถ้า AI ทำงานระดับเริ่มต้นแทน คนรุ่นใหม่จะเก็บประสบการณ์จากไหน?

AI และเทคโนโลยีในการทำงาน •

บริษัทอยากได้คนมีประสบการณ์ แต่ผู้สมัครจะมีประสบการณ์ได้อย่างไร หากงานที่เคยเปิดให้คนใหม่ฝึกทำถูกส่งต่อให้ AI มากขึ้น คำถามนี้กระทบทั้งนักศึกษาที่กำลังหาที่ฝึกงาน เด็กจบใหม่ที่สมัครงานครั้งแรก และคนเปลี่ยนสายอาชีพซึ่งต้องกลับมาเริ่มต้นเรียนรู้งานอีกครั้ง

คนรุ่นใหม่ยังสร้างประสบการณ์ได้จากงานจริงที่มีผู้สอน โครงการขนาดเล็กที่มีผู้ใช้ผลงาน งานพาร์ตไทม์ที่เกี่ยวข้อง และการฝึกแก้โจทย์พร้อมรับคำแนะนำจากผู้มีประสบการณ์ สิ่งสำคัญคือได้ฝึกตั้งแต่ทำความเข้าใจปัญหา ลงมือ ตัดสินใจ ตรวจผล และแก้งาน ไม่ใช่เพียงผลิตชิ้นงานด้วย AI แล้วนำไปใส่ Portfolio

อย่างไรก็ตาม การแก้ปัญหานี้ไม่ควรเป็นภาระของผู้สมัครฝ่ายเดียว นายจ้างและสถานศึกษาจำเป็นต้องออกแบบพื้นที่เรียนรู้ให้สอดคล้องกับงานที่เปลี่ยนไปด้วย หากองค์กรต้องการคนที่ใช้วิจารณญาณได้ดีในอนาคต ก็ต้องเปิดโอกาสให้คนใหม่ฝึกใช้วิจารณญาณตั้งแต่วันนี้

งานระดับเริ่มต้นกำลังหายไปเพราะ AI จริงหรือไม่?

ก่อนตอบเรื่องเก็บประสบการณ์ ต้องแยกสามเรื่องออกจากกัน ได้แก่ AI ทำภารกิจบางอย่างได้ บริษัทนำ AI มาใช้จริง และบริษัทตัดสินใจลดการจ้างงาน ทั้งสามเรื่องเกี่ยวข้องกัน แต่ไม่ได้เกิดขึ้นพร้อมกันทุกแห่ง

รายงาน ILO–NASK ที่เผยแพร่ในเดือนพฤษภาคม 2025 ประเมินว่า การจ้างงานทั่วโลกราวหนึ่งในสี่อยู่ในอาชีพที่อาจได้รับผลจาก Generative AI ในระดับหนึ่ง โดยงานเสมียนและธุรการมีระดับการสัมผัสกับเทคโนโลยีนี้สูง อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นการประเมินความเป็นไปได้ที่งานจะได้รับผล ไม่ใช่จำนวนตำแหน่งที่ถูกยกเลิก และรายงานมองว่าการเปลี่ยนรูปแบบงานมีแนวโน้มเกิดขึ้นมากกว่าการแทนที่ทั้งอาชีพ

ขณะเดียวกัน งานศึกษาจาก Stanford Digital Economy Lab ฉบับปรับปรุงเดือนสิงหาคม 2026 พบว่า ในข้อมูลสหรัฐอเมริกาที่ศึกษา การจ้างงานของคนอายุ 22–25 ปีในอาชีพที่สัมผัสกับ AI สูง อยู่ต่ำกว่าระดับที่ควรเป็นหากเติบโตตามกลุ่มวัยเดียวกันในอาชีพที่สัมผัสกับ AI ต่ำประมาณ 19% โดยข้อมูลครอบคลุมถึงเดือนมิถุนายน 2026 ผู้วิจัยย้ำว่าเป็นรูปแบบที่สังเกตพบ ไม่ใช่หลักฐานยืนยันว่า AI เป็นสาเหตุของความแตกต่างทั้งหมด

จึงไม่ควรนำตัวเลขนี้ไปเขียนว่า “AI ทำให้เด็กจบใหม่ตกงาน 19%” เพราะเป็นคนละความหมาย อีกทั้งกลุ่มอายุไม่ได้ตรงกับสถานะเด็กจบใหม่ทุกคน และผลจากสหรัฐฯ ไม่สามารถใช้แทนสถานการณ์ประเทศไทยโดยตรง

ข้อเสนอเชิงปฏิบัติคือ ให้ตรวจว่างานในสายที่สนใจเปลี่ยนตรงไหน และนายจ้างยังต้องการให้คนใหม่รับผิดชอบอะไร ผู้ที่ต้องการประเมินอย่างเป็นขั้นตอนสามารถอ่านเรื่อง งานของเราจะถูก AI แทนไหม? ประเมินจากสิ่งที่ทำจริง ก่อนตัดสินด้วยชื่อตำแหน่ง ประกอบได้

ทำไมการลดงานพื้นฐานจึงกระทบมากกว่าจำนวนตำแหน่งว่าง

งานเริ่มต้นหลายอย่างดูไม่ซับซ้อนเมื่อมองเฉพาะผลลัพธ์ เช่น เตรียมเอกสาร จัดข้อมูล ร่างข้อความ หรือตอบคำถามที่เกิดซ้ำ แต่ระหว่างทำงานเหล่านี้ คนใหม่ได้เรียนรู้รายละเอียดที่ไม่มีอยู่ครบในคู่มือ

ผู้ช่วยฝ่ายขายที่ติดตามใบเสนอราคาอาจเริ่มรู้ว่าลูกค้าลังเลเรื่องอะไร พนักงานธุรการที่จัดเอกสารอาจสังเกตว่าข้อมูลจากแต่ละฝ่ายไม่ตรงกันตรงไหน ส่วนผู้ช่วยการตลาดที่รวบรวมคำถามลูกค้าอาจพบว่าข้อความบนเว็บไซต์ทำให้คนเข้าใจสินค้าผิด

ในเชิงการออกแบบงาน หากนำภารกิจเหล่านี้ออกโดยไม่มีวิธีฝึกทดแทน สิ่งที่เสี่ยงหายไปคือโอกาสเห็นความเชื่อมโยงระหว่างข้อมูล การตัดสินใจ และผลที่เกิดขึ้นจริง คนใหม่อาจได้รับคำสั่งให้ “ตรวจงาน AI” ทั้งที่ยังไม่เคยเรียนรู้ว่างานที่ถูกต้องควรมีหน้าตาอย่างไร

การตรวจงานเป็นทักษะที่ต้องฝึกเช่นเดียวกับการทำงาน การส่งเฉพาะกรณียากหรือกรณีผิดปกติให้ผู้เริ่มต้นรับผิดชอบ จึงควรมาพร้อมตัวอย่าง เกณฑ์ตัดสินใจ และผู้ช่วยทบทวน ไม่ใช่คาดหวังให้แก้ปัญหาได้ทันทีเพราะมีเครื่องมืออยู่แล้ว

องค์กรจึงควรถามควบคู่กันว่า “ขั้นตอนไหนให้ระบบช่วยได้” และ “คนใหม่จะเรียนรู้สิ่งที่เคยได้จากขั้นตอนนั้นผ่านวิธีใด”

ประสบการณ์ที่มีคุณค่า ต้องแสดงให้เห็นว่าตัดสินใจและเรียนรู้อะไร

สำหรับผู้สมัครงาน ประสบการณ์ไม่ได้จำกัดอยู่ที่การมีชื่อบริษัทในเรซูเม่ แต่ประสบการณ์แต่ละประเภทมีน้ำหนักต่างกันตามสิ่งที่ได้ลงมือทำจริง

โครงการส่วนตัวสามารถแสดงทักษะการวิเคราะห์และความพยายามได้ ส่วนงานที่มีผู้ใช้จริงเพิ่มโอกาสฝึกรับโจทย์ไม่ชัดเจน ต่อรองขอบเขต ส่งมอบตามกำหนด และรับผิดชอบเมื่อผลงานไม่ตอบความต้องการ ทั้งสองแบบมีประโยชน์ แต่ไม่ควรนำมาอธิบายเหมือนเป็นประสบการณ์ชนิดเดียวกัน

ก่อนนำงานชิ้นใดไปใช้สมัครงาน ลองตอบคำถามห้าข้อนี้ให้ได้

  1. โจทย์คืออะไร: ใครต้องการผลงาน และต้องการนำไปใช้ตัดสินใจหรือทำอะไร
  2. เรารับผิดชอบส่วนไหน: อะไรที่ทำเอง อะไรที่ทำร่วมกับผู้อื่น และอะไรที่ใช้ AI ช่วย
  3. ตัดสินใจเรื่องใด: เลือกวิธีนี้เพราะอะไร มีทางเลือกหรือข้อจำกัดอย่างไร
  4. ตรวจคุณภาพอย่างไร: ใช้เกณฑ์ ข้อมูลอ้างอิง หรือผู้ตรวจคนใด
  5. ปรับปรุงอะไรหลังส่งงาน: พบข้อผิดพลาดอะไร และเปลี่ยนวิธีทำงานอย่างไร

หากตอบได้เพียงว่า “ใช้ AI ทำรายงานเสร็จหนึ่งฉบับ” ผู้สัมภาษณ์ยังประเมินความสามารถได้ยาก แต่ถ้าอธิบายได้ว่าข้อมูลส่วนใดไม่ครบ เหตุใดจึงไม่เชื่อคำตอบแรก และแก้รายงานตามคำแนะนำอย่างไร ก็เริ่มเห็นวิธีทำงานของผู้สมัครชัดขึ้น

คนรุ่นใหม่จะเก็บประสบการณ์จากไหนได้บ้าง?

1. งานฝึกงานหรือโครงการฝึกอาชีพที่มีคนสอนจริง

เวลาพิจารณาที่ฝึกงาน ควรถามให้ชัดว่ามีผู้ดูแลเป็นใคร จะได้ทำงานประเภทใด และจะได้รับคำแนะนำบ่อยแค่ไหน ชื่อองค์กรเป็นข้อมูลส่วนหนึ่ง แต่รายละเอียดการเรียนรู้มีความสำคัญต่อสิ่งที่จะได้รับกลับมา

ตัวอย่างโครงสร้างที่นำไปปรับใช้ได้คือ เริ่มจากดูตัวอย่างงานที่ผ่านมาตรฐาน ทดลองทำกรณีพื้นฐาน แล้วให้ผู้ดูแลอธิบายเหตุผลที่ต้องแก้ ก่อนค่อยเพิ่มความรับผิดชอบ คนฝึกงานควรได้เห็นด้วยว่างานที่ส่งต่อไปถูกนำไปใช้อย่างไร

ค่าตอบแทน ค่าเดินทาง เวลา และภาระงานต้องนำมาพิจารณาร่วมกัน ไม่ควรถือว่าการยอมทำงานโดยไม่มีค่าตอบแทนเป็นเงื่อนไขจำเป็นของการมีอนาคตในอาชีพ

2. โครงการขนาดเล็กที่มีผู้ใช้ผลงานจริง

ผู้เริ่มต้นไม่จำเป็นต้องรับโครงการใหญ่เพื่อพิสูจน์ตัวเอง งานขนาดเล็กที่มีขอบเขตชัดอาจช่วยให้ฝึกครบกระบวนการได้ดีกว่า เช่น จัดระบบคำถามที่พบบ่อยให้ร้านค้า ทำแบบฟอร์มรับรายละเอียดงานให้ชมรม หรือจัดข้อมูลสินค้าสำหรับกิจการขนาดเล็ก

ก่อนเริ่ม ควรตกลงให้ชัดว่าจะส่งอะไร ใช้ข้อมูลใด ใครตรวจรับ แก้ไขได้กี่รอบ และมีค่าตอบแทนอย่างไร หากต้องการนำผลงานไปแสดงภายหลัง ควรตกลงสิทธิในการเผยแพร่ด้วย

ประสบการณ์สำคัญอาจเกิดตอนผู้ใช้บอกว่า “แบบนี้ยังใช้ไม่ได้ เพราะหน้างานทำอีกแบบหนึ่ง” การรับฟังแล้วปรับงานให้ใช้ได้จริง เป็นหลักฐานการเรียนรู้ที่มีรายละเอียดมากกว่าภาพชิ้นงานสวยเพียงภาพเดียว

3. งานพาร์ตไทม์หรืองานใกล้เคียงกับสายที่ต้องการ

หากยังเข้าตำแหน่งเป้าหมายไม่ได้ ลองพิจารณางานที่ช่วยฝึกทักษะเกี่ยวข้อง เช่น ผู้สนใจงานบริการลูกค้าอาจได้ฝึกจากงานหน้าร้าน ผู้สนใจงานประสานงานอาจได้ฝึกจากการรับออร์เดอร์และติดตามการส่งมอบ

สิ่งที่ควรทำคือเชื่อมให้เห็นว่าได้ฝึกอะไร โดยไม่เปลี่ยนชื่อตำแหน่งให้ดูเหมือนมีประสบการณ์ตรง เช่น อธิบายว่าเคยทวนรายการกับลูกค้า จัดลำดับคำสั่งซื้อ และส่งต่อปัญหาให้ผู้รับผิดชอบ แทนการเขียนกว้าง ๆ ว่า “มีทักษะการสื่อสารดี”

สำหรับคนที่ยังไม่แน่ใจว่าจะเริ่มจากงานประเภทใด อ่านแนวทาง หางานไม่มีประสบการณ์ เริ่มงานแบบไหนให้เหมาะกับตัวเอง แล้วนำมาเทียบกับข้อจำกัดเรื่องรายได้ การเดินทาง และเวลาของตนเอง

4. โครงการจำลองที่มีเกณฑ์ตรวจและมีการแก้ไข

เมื่อยังไม่มีโอกาสทำงานจริง โครงการจำลองเป็นจุดเริ่มต้นได้ แต่ควรออกแบบให้มีข้อจำกัดใกล้เคียงงาน เช่น ข้อมูลไม่ครบ งบประมาณจำกัด หรือความต้องการของผู้ใช้สองกลุ่มไม่เหมือนกัน

แทนที่จะสั่ง AI ให้ “ทำแผนการตลาดหนึ่งแผน” อาจกำหนดว่าเป็นแผนสำหรับร้านสมมติที่มีคนทำงานสองคน งบจำกัด และยังไม่มีข้อมูลยอดขายย้อนหลัง จากนั้นอธิบายว่าข้อมูลใดต้องหาเพิ่มก่อนตัดสินใจใช้งบ

ระบุให้ชัดว่าเป็นงานจำลอง ใช้ข้อมูลสมมติส่วนไหน และไม่ได้ทดลองกับลูกค้าจริง หากมีผู้มีประสบการณ์ช่วยวิจารณ์ ควรเก็บทั้งข้อเสนอแนะและฉบับที่แก้ไขไว้ด้วย

5. การติดตามงานและรับผิดชอบงานย่อยภายใต้การดูแล

สำหรับคนที่มีงานอยู่แล้ว แต่หน้าที่เดิมถูกลดลงจากการใช้ AI สามารถคุยกับหัวหน้าเพื่อขอเรียนรู้งานส่วนอื่น เช่น เข้าฟังการรับโจทย์จากลูกค้า ช่วยเตรียมข้อมูลก่อนประชุม หรือรับผิดชอบงานย่อยที่เชื่อมกับกระบวนการหลัก

การขอเรียนรู้ควรระบุให้เป็นรูปธรรม เช่น “ขอลองรับผิดชอบตรวจความครบถ้วนของข้อมูลก่อนส่งต่อ โดยใช้รายการตรวจที่พี่ช่วยทบทวนให้” จะวางแผนได้ง่ายกว่าการบอกเพียงว่าอยากทำงานที่ท้าทายขึ้น

ควรตกลงเรื่องเวลาและลำดับความสำคัญด้วย เพื่อให้การฝึกเป็นส่วนหนึ่งของการทำงาน ไม่กลายเป็นภาระเพิ่มที่ไม่มีใครช่วยจัดการ

ตัวอย่างการสร้างประสบการณ์ในสายงานต่าง ๆ

ตัวอย่างต่อไปนี้เป็นแนวทางฝึกที่ออกแบบขึ้นเพื่ออธิบายวิธีคิด ไม่ใช่กรณีศึกษาของบุคคลหรือบริษัทจริง

งานธุรการและประสานงาน: ฝึกค้นหาสาเหตุที่งานส่งต่อไม่ได้

ใช้ชุดคำขอจำลองที่มีทั้งข้อมูลครบ ข้อมูลขาด และคำขอซ้ำ ฝึกจัดหมวด ระบุข้อมูลที่ต้องถามเพิ่ม และเขียนข้อความติดตามให้ผู้ส่งเข้าใจว่าต้องแก้อะไร

AI อาจช่วยร่างข้อความหรือเสนอหมวดหมู่ได้ ส่วนสิ่งที่ผู้ฝึกต้องอธิบายคือเหตุใดจึงจัดกลุ่มเช่นนั้น กรณีใดควรส่งต่อให้หัวหน้า และจะป้องกันการติดตามซ้ำอย่างไร ผลงานจึงควรมีทั้งแบบฟอร์ม ขั้นตอน และตัวอย่างการจัดการกรณีผิดปกติ

งานการตลาดและคอนเทนต์: ฝึกเชื่อมเนื้อหากับคำถามของผู้ใช้

เลือกสินค้าหรือบริการหนึ่งประเภท ศึกษาคำถามจากแหล่งข้อมูลสาธารณะที่เหมาะสม แล้วจัดทำเนื้อหาที่ตอบคำถามเหล่านั้น พร้อมบอกเหตุผลว่าเหตุใดจึงเลือกประเด็นนี้

ให้ผู้ตรวจลองอ่านและตอบว่ารู้หรือไม่ว่าสินค้าเหมาะกับใคร มีข้อจำกัดอะไร และต้องทำอะไรต่อ หากยังไม่ได้เผยแพร่หรือไม่มีข้อมูลผลลัพธ์ ต้องระบุว่ายังไม่ได้วัดยอดคลิกหรือยอดขาย ไม่ใช้ตัวเลขคาดการณ์แทนผลที่เกิดขึ้นจริง

งานพัฒนาโปรแกรมและวิเคราะห์ข้อมูล: ฝึกให้ผู้อื่นใช้และตรวจต่อได้

โครงการขนาดเล็กอาจเป็นระบบบันทึกงานหรือรายงานจากข้อมูลสาธารณะ โดยกำหนดผู้ใช้เป้าหมายและปัญหาที่ต้องการแก้ให้ชัด ก่อนเริ่มเขียนโปรแกรมหรือสร้างรายงาน

นอกจากแสดงว่าระบบทำงานได้ ควรอธิบายวิธีรับมือข้อมูลผิดรูปแบบ การทดสอบกรณีสำคัญ และข้อจำกัดที่ยังแก้ไม่ได้ หากใช้ AI ช่วยเขียนโค้ด ต้องเข้าใจส่วนที่นำมาใช้ และแสดงได้ว่าตรวจการทำงานอย่างไร

ใช้ AI อย่างไรให้ช่วยพัฒนาฝีมือ?

AI สามารถเป็นเครื่องมือช่วยเรียนรู้ได้ งานวิจัย Generative AI at Work ฉบับปรับปรุงปี 2024 ซึ่งศึกษาพนักงานบริการลูกค้า 5,172 คน พบว่าการเข้าถึงผู้ช่วย AI เพิ่มจำนวนปัญหาที่แก้ได้ต่อชั่วโมงเฉลี่ยประมาณ 15% และผู้มีประสบการณ์น้อยได้รับประโยชน์ด้านความเร็วและคุณภาพ อย่างไรก็ตาม ผลนี้มาจากงานและระบบที่ศึกษา ไม่ใช่การรับประกันผลของ AI ทุกเครื่องมือหรือทุกอาชีพ

แนวทางฝึกที่นำไปปรับใช้ได้คือจัดให้ AI ช่วยในจุดที่ยังเปิดโอกาสให้เราคิดและตรวจสอบ

  1. ลองวิเคราะห์โจทย์ก่อน: เขียนสิ่งที่รู้ สิ่งที่ยังไม่รู้ และแนวทางเบื้องต้นด้วยตนเอง
  2. ขอคำถามหรือคำใบ้: ให้ AI ช่วยชี้ว่ามีประเด็นใดควรพิจารณาเพิ่ม ก่อนขอคำตอบสำเร็จรูป
  3. เปรียบเทียบวิธีทำ: ดูว่าคำแนะนำต่างจากแนวทางของเราอย่างไร และเหตุผลใดตรวจสอบได้
  4. ตรวจด้วยหลักฐานภายนอก: ใช้คู่มือ ข้อมูลต้นทาง การทดสอบ หรือผู้มีประสบการณ์ ไม่ให้คำยืนยันของ AI เป็นหลักฐานเพียงอย่างเดียว
  5. ลองโจทย์ใหม่: เปลี่ยนเงื่อนไขแล้วดูว่ายังอธิบายวิธีคิดและแก้ปัญหาได้หรือไม่

ตัวอย่างคำสั่งสำหรับใช้ฝึกคือ

ช่วยตรวจแนวทางแก้ปัญหานี้ โดยเริ่มจากถามข้อมูลที่ยังขาดและชี้สมมติฐานที่ควรตรวจสอบ ยังไม่ต้องเขียนคำตอบใหม่ทั้งหมดให้ฉัน

หลังใช้งาน ลองอธิบายผลงานให้คนอื่นฟังโดยไม่เปิดคำตอบเดิม หากยังบอกไม่ได้ว่าทำไมจึงเลือกวิธีนี้ ควรย้อนกลับไปฝึกส่วนที่ไม่เข้าใจ

สำหรับข้อมูลที่ใช้ฝึก ควรเลือกข้อมูลจำลองหรือข้อมูลสาธารณะที่ใช้ได้อย่างเหมาะสม หากเป็นงานองค์กร ให้ใช้เครื่องมือและข้อมูลภายในขอบเขตที่ได้รับอนุญาต ไม่ควรนำเอกสารลูกค้าหรือข้อมูลลับไปใส่ในระบบเพียงเพื่อให้ทำงานสะดวกขึ้น

ทำ Portfolio อย่างไรให้เห็นความสามารถของเรา

Portfolio สำหรับผู้เริ่มต้นควรช่วยให้ผู้อ่านเห็นทั้งผลงานและวิธีทำงาน เลือกจำนวนชิ้นที่อธิบายได้ครบ ดีกว่ารวมงานจำนวนมากซึ่งตอบไม่ได้ว่าแต่ละชิ้นสร้างประโยชน์อย่างไร

โครงสร้างสำหรับเล่าผลงานหนึ่งชิ้นสามารถใช้ดังนี้

  • บริบทและโจทย์: เป็นงานจริง งานเรียน หรืองานจำลอง และต้องการแก้ปัญหาอะไร
  • บทบาทของเรา: รับผิดชอบขั้นตอนไหน มีผู้ร่วมงานหรือผู้ช่วยตรวจหรือไม่
  • วิธีดำเนินงาน: เก็บข้อมูล เลือกวิธี และจัดการข้อจำกัดอย่างไร
  • การใช้ AI: ใช้ช่วยส่วนใด และตรวจผลอย่างไร
  • ผลลัพธ์: เกิดอะไรขึ้นจริง มีหลักฐานใด และส่วนไหนยังไม่ได้วัด
  • บทเรียน: หากทำใหม่จะปรับอะไร เพราะเหตุใด

ตัวอย่างข้อความสมมติสำหรับอธิบายผลงานคือ

จัดทำชุดคำตอบสำหรับร้านค้าสมมติ โดยแยกกรณีที่ตอบได้ทันทีออกจากกรณีที่ต้องขอข้อมูลเพิ่ม ใช้ AI ช่วยเสนอร่างข้อความ แล้วตรวจเทียบกับเงื่อนไขที่กำหนดในโจทย์ ผลงานนี้ยังไม่ได้ทดลองกับลูกค้าจริง จึงยังไม่มีข้อมูลผลต่อเวลาบริการหรือความพึงพอใจ

ข้อความเช่นนี้แสดงขอบเขตได้ตรงไปตรงมา ผู้สัมภาษณ์สามารถถามต่อถึงวิธีจัดกลุ่ม การตรวจข้อผิดพลาด และสิ่งที่จะทดสอบก่อนใช้จริงได้

อย่าเติมตัวเลขประสิทธิภาพที่ไม่ได้วัด หรืออ้างว่าเป็นผู้ทำทั้งหมดเมื่อเป็นงานร่วมกัน ความน่าเชื่อถือของผลงานขึ้นอยู่กับความชัดเจนและการตรวจสอบได้ด้วย

เลือกงานแรกอย่างไรให้ได้เรียนรู้ต่อ แม้บริษัทใช้ AI มากขึ้น

บริษัทที่ใช้ AI มากอาจเป็นพื้นที่เรียนรู้ที่ดีได้ หากมีการสอนพื้นฐานและค่อย ๆ เพิ่มความรับผิดชอบ ส่วนบริษัทที่ใช้ AI น้อยก็ไม่ได้แปลว่าจะมีระบบพัฒนาคนเสมอไป จึงควรถามถึงวิธีทำงานจริงมากกว่าดูเพียงว่าใช้เครื่องมืออะไร

คำถามที่นำไปใช้ระหว่างสัมภาษณ์ได้ ได้แก่

  • “ในช่วงสามเดือนแรก คนตำแหน่งนี้ต้องเรียนรู้อะไร และมีใครช่วยตรวจงานครับ/คะ”
  • “มีตัวอย่างงานที่ผ่านมาตรฐานให้ศึกษา หรือมีการทบทวนงานร่วมกันอย่างไร”
  • “ส่วนไหนใช้ AI ช่วย และส่วนไหนคาดหวังให้พนักงานตรวจหรือตัดสินใจเอง”
  • “ถ้าพบกรณีที่ยังไม่มั่นใจ ควรส่งต่อให้ใคร”
  • “เมื่อทำงานพื้นฐานได้แล้ว จะมีโอกาสรับผิดชอบงานเพิ่มแบบไหน”

ฟังรายละเอียดของคำตอบ เช่น มีผู้ดูแลที่ระบุได้ มีตัวอย่างการฝึก และมีเกณฑ์เพิ่มความรับผิดชอบหรือไม่ หากได้รับเพียงคำว่า “เรียนรู้เองได้เลย” ควรถามต่อว่ามีเวลา ทรัพยากร และช่องทางขอความช่วยเหลืออะไรให้บ้าง

หากได้รับคำแนะนำหลายทางจนตัดสินใจยาก ลองใช้แนวทางจากบทความ คำแนะนำอาชีพไม่ตรงกัน เลือกอย่างไรให้เหมาะกับชีวิตคุณ เพื่อแยกข้อเสนอที่เหมาะกับบริบทของตนเองออกจากประสบการณ์เฉพาะของผู้แนะนำ

แผนสร้างประสบการณ์ 90 วัน สำหรับคนที่ยังไม่มีงานตรงสาย

แผนนี้เป็นตัวอย่างสำหรับจัดลำดับการฝึกและสมัครงาน สามารถปรับตามภาระรายได้ การเรียน และเวลาที่มี ไม่ใช่กำหนดเวลาว่าทุกคนต้องพร้อมหรือได้งานภายใน 90 วัน

วันที่ 1–30: เลือกเป้าหมายและหาช่องว่างทักษะ

เลือกตำแหน่งเป้าหมายหนึ่งกลุ่มก่อน เช่น งานประสานงานขายหรือการตลาดคอนเทนต์ แล้วอ่านประกาศหลายแห่งเพื่อหาหน้าที่ที่ปรากฏซ้ำ จดว่าแต่ละหน้าที่ต้องใช้ความรู้อะไร และมีหลักฐานใดแสดงความพร้อมของเราได้

จากนั้นเลือกทำโครงการเล็กหนึ่งชิ้นที่สอดคล้องกับหน้าที่สำคัญ พร้อมกำหนดเกณฑ์สำเร็จตั้งแต่ต้น เช่น ข้อมูลต้องครบ ผู้ใช้เข้าใจขั้นตอน และสามารถส่งต่อให้ผู้อื่นทำต่อได้

วันที่ 31–60: รับคำแนะนำและแก้งาน

นำผลงานไปขอคำแนะนำจากอาจารย์ ผู้มีประสบการณ์ หรือผู้ใช้เป้าหมาย โดยถามให้เจาะจง เช่น “ตรงไหนยังทำให้ตัดสินใจไม่ได้” หรือ “ถ้านำไปใช้จริงจะติดขัดขั้นตอนไหน”

เก็บฉบับก่อนแก้และหลังแก้ พร้อมบันทึกเหตุผล การแก้ข้อผิดพลาดหนึ่งเรื่องอย่างเข้าใจอาจเป็นประเด็นสนทนาในการสัมภาษณ์ที่มีประโยชน์มากกว่าการเพิ่มชิ้นงานใหม่โดยยังไม่เคยให้ใครตรวจ

วันที่ 61–90: ใช้ผลงานสมัครงานและปรับจากสิ่งที่พบ

ปรับเรซูเม่ให้เชื่อมกับหน้าที่ที่สมัคร เลือกผลงานที่เกี่ยวข้อง และซ้อมอธิบายวิธีคิด รวมถึงส่วนที่ยังต้องเรียนรู้ ระหว่างสมัคร ให้บันทึกขั้นตอนและคำถามที่ได้รับเพื่อมองเห็นว่าติดขัดตรงไหน

ตัวชี้วัดความก้าวหน้าอาจเป็นจำนวนผลงานที่ได้รับการตรวจแล้ว ความสามารถในการอธิบายเหตุผล หรือข้อผิดพลาดเดิมที่ไม่เกิดซ้ำ ส่วนผลการสมัครงานต้องพิจารณาร่วมกับคุณสมบัติ เงื่อนไข และสถานการณ์ของนายจ้าง

ผู้ที่จำเป็นต้องหารายได้ทันทีสามารถฝึกควบคู่กับงานที่มีอยู่ โดยลดขนาดโครงการให้เหมาะสม ไม่จำเป็นต้องรอให้ Portfolio สมบูรณ์ทุกด้านก่อนเริ่ม ค้นหางานและตรวจรายละเอียดตำแหน่งบน JobHolic

นายจ้างและ HR จะสร้างคนใหม่อย่างไร เมื่องานพื้นฐานถูกทำอัตโนมัติ

การพัฒนาคนรุ่นใหม่ควรเป็นส่วนหนึ่งของแผนใช้ AI เพราะองค์กรยังต้องเตรียมคนให้เข้าใจลูกค้า กระบวนการ และเหตุผลเบื้องหลังการตัดสินใจ การคาดหวังว่าตลาดแรงงานจะมีคนพร้อมใช้อยู่เสมอ อาจทำให้องค์กรละเลยการสร้างบุคลากรของตนเอง

แนวทางต่อไปนี้สามารถนำไปปรับใช้ตามขนาดทีมและความเสี่ยงของงานได้

ออกแบบลำดับการฝึกก่อนมอบงานยาก

เริ่มจากกรณีพื้นฐานที่มีคำตอบอ้างอิง ให้พนักงานลองทำและอธิบายเหตุผล จากนั้นเพิ่มกรณีที่ข้อมูลไม่ครบหรือมีข้อยกเว้น โดยกำหนดจุดที่ต้องปรึกษาผู้ดูแลให้ชัด

สำหรับการตรวจงาน AI ควรมีตัวอย่างทั้งคำตอบที่ถูกต้อง คำตอบที่ดูน่าเชื่อแต่ผิด และคำตอบที่ข้อมูลยังไม่พอ ผู้เรียนจะได้ฝึกแยกว่ากรณีใดแก้เองได้ กรณีใดต้องตรวจเพิ่ม และกรณีใดควรหยุดส่งต่อ

จัดเวลาสอนให้เป็นส่วนหนึ่งของภาระงาน

ผู้จัดการควรกำหนดว่าใครเป็นผู้ดูแลและมีเวลาทบทวนงานช่วงใด พร้อมจัดภาระงานให้รองรับจริง หากมอบหมายให้พนักงานอาวุโสสอนคนใหม่ แต่ยังคาดหวังปริมาณงานเท่าเดิมทุกด้าน การสอนอาจถูกเลื่อนไปเรื่อย ๆ

ผู้ดูแลควรช่วยอธิบายเหตุผลและให้คำแนะนำ ส่วนพนักงานใหม่ควรเตรียมคำถาม บันทึกสิ่งที่เรียนรู้ และแสดงให้เห็นว่าได้นำคำแนะนำครั้งก่อนมาใช้อย่างไร

ประเมินทั้งผลงานและพัฒนาการ

นอกจากจำนวนงานที่เสร็จ ควรดูความถูกต้อง การอธิบายเหตุผล การส่งต่อปัญหาอย่างเหมาะสม และการลดข้อผิดพลาดซ้ำ ตัวชี้วัดตัวอย่างที่ใช้ติดตามได้คือ

อัตรางานผ่านการตรวจครั้งแรก = จำนวนชิ้นงานที่ผ่านเกณฑ์ตั้งแต่ส่งครั้งแรก ÷ จำนวนชิ้นงานที่ส่งตรวจทั้งหมด × 100

ควรเทียบงานที่มีความยากใกล้เคียงกัน และใช้ร่วมกับการทบทวนคุณภาพ ไม่ตั้งเป้าว่าคนใหม่ต้องถามคำถามให้น้อยที่สุด เพราะบางคำถามช่วยป้องกันความผิดพลาดที่มีผลกระทบสูง

เขียนประกาศให้เห็นว่าอะไรต้องทำได้ และอะไรมีการสอน

แยกคุณสมบัติจำเป็นออกจากทักษะที่ฝึกหลังเริ่มงานได้ ระบุบทบาทของ AI และความรับผิดชอบของคนให้ชัด หากตำแหน่งเปิดรับผู้เริ่มต้นจริง เกณฑ์คัดเลือกก็ควรเปิดให้แสดงศักยภาพผ่านโครงการ การฝึกงาน หรือประสบการณ์ใกล้เคียงตามความเหมาะสม

นายจ้างสามารถใช้แนวทาง เขียนประกาศรับสมัครงานให้ชัด พร้อมตัวอย่างนำไปใช้ได้จริง เพื่อสื่อสารหน้าที่ ความคาดหวัง และเงื่อนไขให้ผู้สมัครประเมินตนเองได้ตรงขึ้น

โอกาสเรียนรู้ไม่ควรขึ้นอยู่กับกำลังทรัพย์ของผู้สมัครเพียงอย่างเดียว

คำแนะนำให้ทำโครงการ ซื้อเครื่องมือ หรือฝึกงานเพิ่มเติมมีข้อจำกัดสำหรับคนที่ต้องรับผิดชอบค่าใช้จ่ายทันที คนที่มีเวลาว่างและเครือข่ายผู้เชี่ยวชาญย่อมเข้าถึงการฝึกบางแบบได้ง่ายกว่า แต่ข้อได้เปรียบนี้ไม่ควรถูกตีความว่าเป็นความสามารถในการทำงานทั้งหมด

สถานศึกษาสามารถช่วยจัดโจทย์จากองค์กรและผู้ตรวจให้ผู้เรียนเข้าถึงร่วมกัน นายจ้างสามารถจัดโครงการฝึกที่มีค่าตอบแทนและเกณฑ์ชัดเจน ส่วนผู้คัดเลือกควรเปิดโอกาสให้ผู้สมัครอธิบายประสบการณ์จากงานที่ตนมีจริง รวมถึงงานบริการ งานครอบครัว และกิจกรรมที่เกี่ยวข้อง

สำหรับผู้เริ่มต้น สิ่งที่ทำได้ทันทีคือเลือกหน้าที่หนึ่งจากงานที่สนใจ แล้วหาวิธีฝึกให้ครบตั้งแต่รับโจทย์จนถึงแก้งาน สำหรับองค์กร จุดเริ่มต้นคือเลือกงานหนึ่งกระบวนการที่กำลังใช้ AI แล้วกำหนดให้ชัดว่าคนใหม่จะได้เรียนรู้อะไร ใครช่วยสอน และจะประเมินความพร้อมอย่างไร

คำถามที่พบบ่อยเกี่ยวกับ AI และงานระดับเริ่มต้น

1. เด็กจบใหม่ควรเรียนใช้ AI ก่อน หรือเรียนทักษะอาชีพก่อน?

ควรเรียนควบคู่กัน โดยให้โจทย์อาชีพเป็นตัวกำหนดว่าจะใช้ AI ช่วยอะไร เช่น หากสนใจงานวิเคราะห์ข้อมูล ต้องฝึกอ่านข้อมูล ตั้งคำถาม และตรวจความสมเหตุสมผล พร้อมกับเรียนใช้เครื่องมือช่วย การใช้ AI คล่องเพียงอย่างเดียวยังไม่แสดงว่าเข้าใจงานปลายทาง

2. ไม่มีที่ฝึกงานและไม่มีคนรู้จักในวงการ จะเริ่มเก็บประสบการณ์อย่างไร?

เริ่มจากโครงการขนาดเล็กที่ใช้ข้อมูลสาธารณะหรือข้อมูลจำลอง พร้อมกำหนดเกณฑ์ตรวจ จากนั้นขอคำแนะนำเฉพาะจุดผ่านอาจารย์ กิจกรรมวิชาชีพ หรือชุมชนที่เหมาะสม ระหว่างนั้นสมัครงานที่เปิดรับผู้เริ่มต้นควบคู่ไปด้วย และระบุประเภทผลงานตามจริง

3. Portfolio ที่ใช้ AI ช่วยทำ นำไปสมัครงานได้หรือไม่?

ใช้ได้ตามเงื่อนไขของผู้รับสมัคร แต่ควรอธิบายส่วนที่ใช้ AI บทบาทของตนเอง และวิธีตรวจคุณภาพ หากเป็นแบบทดสอบที่กำหนดห้ามใช้ AI ต้องปฏิบัติตามข้อกำหนดนั้น ไม่ควรส่งผลงานที่ตนเองไม่สามารถอธิบายได้

4. ต้องทำงานฟรีเพื่อให้มีประสบการณ์หรือไม่?

ไม่จำเป็น ควรพิจารณางานที่มีค่าตอบแทน การฝึกงานที่มีโครงสร้าง หรือโครงการจากการเรียนตามโอกาสที่มี หากเลือกช่วยงานอาสา ควรกำหนดขอบเขตและเวลาให้เหมาะสม ไม่ถือว่างานฟรีต่อเนื่องเป็นทางผ่านที่ทุกคนต้องยอมรับ

5. ควรเปลี่ยนไปทำอาชีพที่ AI ทำไม่ได้เลยหรือไม่?

ไม่ควรเลือกอาชีพจากคำรับรองว่า AI จะทำไม่ได้ตลอดไปเพียงอย่างเดียว ควรดูหน้าที่จริง ความถนัด เงื่อนไขชีวิต และโอกาสเรียนรู้ งานหนึ่งตำแหน่งประกอบด้วยหลายภารกิจ ซึ่งอาจเปลี่ยนแปลงด้วยความเร็วต่างกัน

6. บริษัทขนาดเล็กไม่มีงบทำโครงการฝึกใหญ่ จะเริ่มอย่างไร?

เริ่มจากงานขอบเขตเล็กหนึ่งประเภท มีตัวอย่างมาตรฐาน ผู้ดูแลหนึ่งคน และเวลาทบทวนที่ตกลงไว้ ใช้ข้อผิดพลาดที่พบมาปรับคู่มือหรือรายการตรวจ แล้วค่อยขยายเมื่อเห็นว่าทีมรองรับได้ ไม่จำเป็นต้องเริ่มด้วยหลักสูตรขนาดใหญ่

แหล่งข้อมูลอ้างอิง