ตอบคำถาม: ถ้า AI ทำให้คุณมีประสิทธิภาพเพิ่มขึ้น 5 เท่า คุณจะลดต้นทุนลง 80% หรือจะทำงานให้ได้ 5 เท่า?

เมื่อ AI ขยายกำลังผลิตของทีมได้ถึงห้าเท่า คุณสามารถลดกำลังคนได้ถึง 80% โดยยังคงผลผลิตเดิมไว้ หรือคุณสามารถคงจำนวนคนเดิมไว้ แล้วทำงานได้ถึงห้าเท่า ตัวเลือกนี้กำลังเกิดขึ้นพร้อมกันในห้องประชุมของบริษัทยักษ์ใหญ่ทั่วโลก และไม่มีคำตอบมาตรฐาน

ในเดือนกรกฎาคม 2025 เมื่อ Huang Renxun ถูกถามในการสัมภาษณ์พิเศษกับ CNN ว่า AI จะทำให้คนทำงานคอขาวตกงานหรือไม่ เขาตอบอย่างตรงไปตรงมาอย่างยิ่งว่า: หากโลกไม่มีสรรค์สร้างใหม่ การเพิ่มขึ้นของผลิตภาพที่ AI มอบให้ในท้ายที่สุดก็จะกลายเป็นการว่างงาน ปัญหาไม่ได้อยู่ที่ AI แต่อยู่ที่ว่าผู้ตัดสินใจมีจินตนาการหรือไม่ หากโลกไม่มีสรรค์สร้างใหม่ การเพิ่มขึ้นของผลิตภาพที่ AI มอบให้ในท้ายที่สุดก็จะกลายเป็นการว่างงาน

และประวัติศาสตร์ได้พิสูจน์มานานแล้วว่า การเพิ่มประสิทธิภาพไม่เคยทำให้ความต้องการลดลง หลักข้อขัดแย้งของเจวอนส์ที่เสนอในศตวรรษที่ 19 ชี้ว่า เมื่อเทคโนโลยีทำให้มีประสิทธิภาพมากขึ้นและต้นทุนลดลง ความต้องการไม่เพียงแต่ไม่ลดลง แต่กลับเพิ่มขึ้น กฎข้อนี้ถูกพบซ้ำแล้วซ้ำเล่าในการปฏิวัติทางเทคโนโลยีทุกครั้ง

ข้อขัดแย้งของเจวอนส์: การเพิ่มประสิทธิภาพไม่ทำให้ความต้องการลดลง แต่กลับเพิ่มความต้องการ

ตามสัญชาตญาณ การเพิ่มประสิทธิภาพควรทำให้ความต้องการลดลง เช่นเดียวกับเมื่อ Google เปิดตัวอัลกอริทึม TurboQuant ที่อัดการใช้งานหน่วยความจำของโมเดลภาษาขนาดใหญ่ให้บีบอัดอย่างน้อย 6 เท่า ขณะเดียวกับที่ไม่เสียความแม่นยำของโมเดล และเร่งความเร็วการคำนวณสำหรับการอนุมานได้สูงสุดถึง 8 เท่า ตลาดตีความเทคโนโลยีนี้อย่างรวดเร็วว่าเป็น “การทำลายฝั่งความต้องการ” แต่ประวัติศาสตร์ไม่เคยทำงานแบบนั้น

(เทคโนโลยีใหม่ของ Google ทำให้ตลาดตกใจ! ความต้องการหน่วยความจำของ AI ลดลง 6 เท่า! SK Hynix, Micron กดราคาพร้อมกัน)

ในพอดแคสต์ของ a16z ผู้ร่วมก่อตั้ง BOX อย่าง Aaron Levie ชี้ว่า “การตัดสินที่พลาด” ที่ใหญ่ที่สุดในตลาดตอนนี้ คือการพยายามทำความเข้าใจ AI ด้วยวิธีแบบโลกเดิม: “ปัญหาที่ใหญ่ที่สุดตอนนี้คือ ทุกคนกำลังพยายามคำนวณโมเดลเศรษฐกิจ แต่พวกเขาประเมินขนาดของโอกาสต่ำกว่าความเป็นจริงอย่างน้อยหนึ่งระดับของจำนวน”

ความผิดพลาดแบบนี้เกิดขึ้นมาแล้วหลายครั้ง ในยุคพีซี ผู้คนคิดว่าความสามารถในการประมวลผลเป็นตลาดที่จำกัด ในยุคคลาวด์ ผู้คนคิดว่าเป็นเพียงการย้ายเซิร์ฟเวอร์เดิมไปยังดาต้าเซ็นเตอร์ของคนอื่น แต่สิ่งที่เกิดขึ้นจริงคือ: ไม่มีใครคิดว่าผู้คนจะใช้ทรัพยากรได้ถึงหนึ่งพันเท่า

นี่คือรูปแบบสมัยใหม่ของข้อขัดแย้งของเจวอนส์: เมื่อค่าใช้จ่ายลดลง ความต้องการไม่ได้ลดลง แต่มันระเบิดออกมา

กรณีของ Excel: การประมวลผลระดับล่างถูกบีบอัด การตัดสินใจระดับสูงกลับถูกขยาย

AI ก็เหมือนกัน เมื่อโมเดลถูกลงและเร็วขึ้น ตลาดจะคิดเป็นอันดับแรกว่าความต้องการหดตัว แต่สิ่งที่เกิดขึ้นจริงคือโลกของการใช้งานระเบิดออกมา และความระเบิดแบบนี้จะเปลี่ยนวิธีทำงานของมนุษย์โดยตรง

การปฏิวัติทางเทคโนโลยีไม่เคยมาแทนที่คนโดยตรง แต่ย้ายคนไปสู่ “นามธรรม” ที่สูงขึ้นกว่าเดิม เขาใช้ตัวอย่างจากสเปรดชีตอธิบายกระบวนการนี้: MBA คนหนึ่งที่เพิ่งเริ่มทำงานที่ธนาคารในตอนแรกจะยังไม่ได้ใช้สเปรดชีต จึงต้องมีเหล่าฝึกงานทั้งกองแทนเธอทำงาน แต่ไม่กี่ปีต่อมา เธอและเพื่อนร่วมงานของเธอกลายเป็นคนที่ใช้สเปรดชีตได้ งานในชั้นนั้นหายไปโดยตรง และชั้นของนามธรรมก็เลื่อนขึ้นไป

AI กำลังทำซ้ำกระบวนการนี้เช่นกัน: การประมวลผลระดับล่างจะถูกบีบอัด การตัดสินใจระดับสูงและการบูรณาการระบบจะถูกขยาย

หากไม่มีสรรค์สร้างใหม่ ผลิตภาพที่ AI มอบให้เท่านั้นที่จะกลายเป็นการว่างงาน

การเปลี่ยนแปลงแบบนี้ไม่ใช่แค่ทฤษฎี เขายกตัวอย่างกรณีหนึ่ง: นักการตลาดของ Anthropic ที่ใช้เครื่องมือ AI ทำงานที่ในอดีตต้องใช้ทีม 5 ถึง 10 คนให้เสร็จได้ แม้กระทั่งพูดได้ว่า “คนเดียว” ที่ใช้ Claude Code ทำให้งานเดิมซึ่งเคยต้องใช้คน 5 ถึง 10 คนกลายเป็นอัตโนมัติ

แต่หัวใจของเคสนี้คือ “ความสามารถ” Levie ระบุว่า: “คุณต้องเป็นนักคิดเชิงระบบ จึงจะทำสิ่งนี้ได้” AI ไม่ได้ทำให้ทุกคนเก่งขึ้น แต่ทำให้คนที่รู้วิธีแยกสลายระบบสามารถสร้างแรงงัด (leverage) ได้อย่างมหาศาล งานไม่ได้หายไป แต่อยู่ดีๆ มันถูกนิยามใหม่

และเรื่องนี้ย้อนกลับไปยังคำตอบที่เขาให้ไว้เมื่อปีที่แล้ว ตอนที่ถามว่า AI จะทำให้คนทำงานคอขาวตกงานหรือไม่ ทุกคนพูดว่า AI ทำให้เกิดคลื่นการว่างงาน แต่เครื่องมือเพียงทำให้ผลิตภาพเพิ่มเป็นสองเท่า และคำถามคือ ใครกันแน่ที่ไม่มีความสามารถในการนำมันไปเพิ่มผลผลิต

หากโลกไม่มีสรรค์สร้างใหม่ การเพิ่มขึ้นของผลิตภาพที่ AI มอบให้ในท้ายที่สุดก็จะกลายเป็นการว่างงาน ปัญหาไม่ได้อยู่ที่ AI แต่อยู่ที่ว่าผู้ตัดสินใจมีจินตนาการหรือไม่

Aaron Levie: จำนวน agent ในอนาคตของบริษัทอาจมากกว่าจำนวนพนักงานเป็นพันเท่า

เมื่อรูปแบบนี้ขยายสู่ระดับองค์กร รูปแบบของโครงสร้างองค์กรก็จะเปลี่ยนตามไปด้วย

Levie เสนอกลยุทธ์เชิงพยากรณ์ที่สำคัญใน Podcast: จำนวน agent ของบริษัทในอนาคตอาจมากกว่าพนักงานถึง 100 ถึง 1000 เท่า และหาก agent ของคุณมีมากกว่าคน 100 ถึง 1000 เท่า ซอฟต์แวร์ของคุณก็ต้องสร้างมาเพื่อ agent

นี่หมายความว่าแหล่งที่มาของความสามารถในการแข่งขันขององค์กรกำลังย้ายตำแหน่ง ความสามารถขององค์กรคุณจะขึ้นอยู่กับว่า agent ของคุณสามารถดึงข้อมูลได้อย่างมีประสิทธิภาพและทำภารกิจให้สำเร็จได้มากแค่ไหน ดังนั้น “ปัญหาของอุตสาหกรรมซอฟต์แวร์” ก็ถูกนิยามใหม่เช่นกัน API จะเปิดหรือไม่ การจัดการสิทธิ์และตัวตนจะทำอย่างไร และข้อมูลจะถูกเรียกใช้อย่างไร ล้วนกลายเป็นความสามารถหลัก ในโครงสร้างนี้ พนักงานไม่ได้เป็นหน่วยการผลิตเพียงหน่วยเดียวอีกต่อไป agent กลายเป็นผู้ลงมือทำหลัก และมนุษย์หันไปสู่การออกแบบและการประสานงาน

จากมุมมองของ Levie สิ่งที่เคยมีรายงานถึงอย่าง Paperclip อาจเป็นฉากทัศน์การทำงานของ AI ที่ค่อนข้างล้ำหน้า

หาก OpenClaw เป็น “พนักงาน AI” งั้น Paperclip ก็คือระบบการจัดการของทั้งบริษัท ผู้ใช้สามารถตั้งเป้าหมายของบริษัท สร้างโครงสร้างองค์กร รับสมัคร agent AI ประเภทต่างๆ (เช่น OpenClaw, Cursor, Codex) และให้พวกมันทำงานร่วมกันเหมือนทีมในบริษัท บทบาทของมนุษย์ในระบบนี้ใกล้เคียงกับคณะกรรมการมากกว่า แค่ต้องกำหนดกลยุทธ์ อนุมัติการตัดสินใจสำคัญ และติดตามงบประมาณ ส่วนงานที่เหลือจะทำโดย agents อัตโนมัติ

(บริษัทหนึ่งคนมีค่าอะไร? โปรเจกต์ AI โอเพ่นซอร์สมาแรง Paperclip ช่วยคุณสร้าง “บริษัทที่ไม่ใช้คน”)

คุณไม่สามารถ vibe coding ออก SAP

แต่การเปลี่ยนแปลงครั้งนี้จะไม่เกิดขึ้นชั่วข้ามคืน Levie เตือนอย่างชัดเจนว่า: “การแพร่กระจายของความสามารถ AI จะช้ากว่าที่ซิลิคอนแวลลีย์คิดเอาไว้” เหตุผลคือองค์กรไม่ได้เริ่มจากศูนย์ ความรู้จำนวนมากถูกกระจายอยู่ในกระบวนการ ระบบ และโครงสร้าง ไม่ใช่แค่เลเยอร์ข้อมูล เขาพูดตรงๆ อีกด้วยว่าคุณไม่สามารถทำ SAP ได้ด้วยการ vibe coding

ปัญหาที่เป็นจริงกว่านั้นคือ คนส่วนใหญ่แม้กระทั่งไม่สามารถอธิบายขั้นตอนการทำงานของตัวเองได้อย่างชัดเจน แล้วจะยิ่งพูดถึงการแปลงมันให้เป็นระบบที่ agent ดำเนินการได้เลยไม่ได้ นี่จึงเป็นเหตุผลว่าทำไมตอนนี้การสร้างระบบ agent แบบครบถ้วนยังต้องใช้ความสามารถทางเทคนิคระดับสูง อย่างไรก็ตาม “เกณฑ์” นี้กำลังลดลงอย่างรวดเร็ว

ย้อนกลับไปที่คำถามแรก ในประวัติศาสตร์ ทุกครั้งที่มีการปฏิวัติทางเทคโนโลยี จะมีทั้งบริษัทที่เลือกหดลดต้นทุน และบริษัทที่เลือกขยายความสามารถ ฝ่ายแรกปรับปรุงประสิทธิภาพ ส่วนฝ่ายหลังสร้างตลาด ในที่สุดสิ่งที่นิยามยุคสมัยมักจะเป็น “ฝ่ายหลัง”

AI ก็เช่นกัน ปัญหาไม่เคยอยู่ที่ว่ามันจะมาแทนที่คนหรือไม่ แต่ปัญหาอยู่ที่ว่าคุณจะใช้มันทำ “เรื่องอื่นๆ” ให้มากขึ้นหรือไม่

บทความนี้ ตอบคำถามหนึ่งข้อ: เมื่อ AI ทำให้คุณเพิ่มประสิทธิภาพได้ห้าเท่า คุณจะลดต้นทุน 80% หรือจะทำงานให้ได้ห้าเท่า? เผยแพร่ครั้งแรกที่ 鏈新聞 ABMedia