เมื่อเดือนเมษายน 2569 กระทรวงศึกษาธิการจีนกับอีกสี่หน่วยงานออกแผนที่ชื่อว่า AI+ Education และตั้งเป้าให้ระบบการศึกษาทั้งประเทศหลอมรวมกับ AI ภายในปี 2573 ข่าวนี้ผ่านตาคนไทยไปเงียบ ๆ ทั้งที่มันคือการเดิมพันระดับชาติที่จะกำหนดว่าอีกสิบปีข้างหน้าใครได้เปรียบใคร บทความนี้เก็บข้อมูลวันที่ 26 สิงหาคม 2569 เอาแผนของจีนมาวางข้างตัวเลขจริงของไทย แล้วดูว่าอะไรที่ควรลอก อะไรที่ลอกแล้วจะพัง
จีนไม่ได้เพิ่มวิชา AI แต่รื้อทั้งเครื่องตั้งแต่ ป.1 ถึงใบประกอบวิชาชีพครู
สิ่งที่คนมักเข้าใจผิดคือคิดว่าจีนเติมวิชาใหม่เข้าไปในตารางเรียน ความจริงคือจีนแตะทุกจุดของระบบพร้อมกัน ตั้งแต่ชั้นเรียน ครู หลักสูตรมหาวิทยาลัย ไปจนถึงโครงสร้างพื้นฐานคอมพิวต์ และผูกทั้งหมดเข้ากับแผนห้าปีฉบับที่ 15
ไทม์ไลน์ 18 เดือนที่เปลี่ยนระบบทั้งประเทศ
พฤษภาคม 2568 กระทรวงศึกษาธิการจีนออกแนวปฏิบัติสองฉบับที่วางกรอบวิชา AI ทั่วไปในโรงเรียนประถมถึงมัธยม เริ่มตั้งแต่อายุหกขวบ 6 แนวปฏิบัตินี้ไม่ได้กำหนดจำนวนคาบเรียน ปล่อยให้แต่ละมณฑลกำหนดเอง พอถึงกันยายนปีเดียวกัน ปักกิ่งก็เป็นมณฑลแรกที่แปลงเป็นตัวเลขบังคับ คือไม่น้อยกว่าแปดคาบเรียนต่อปีการศึกษา ครอบคลุมประถมถึงมัธยมปลาย 36 7 จากนั้นวันที่ 26 สิงหาคม 2568 คณะรัฐมนตรีออก AI+ Action Plan ดัน AI เข้าทุกภาคเศรษฐกิจ 3 ตุลาคมรับแผนห้าปีฉบับที่ 15 ที่ผูกการผลิตคนเข้ากับความต้องการเชิงยุทธศาสตร์ แล้วเมษายน 2569 จึงมาถึงแผน AI+ Education 1
| เวลา | สิ่งที่เกิด |
|---|---|
| พ.ค. 2568 | ศธ. จีนวางกรอบวิชา AI ทั่วไปในโรงเรียนประถมถึงมัธยม แต่ไม่กำหนดจำนวนคาบเรียน |
| ก.ย. 2568 | ปักกิ่งเริ่มบังคับเป็นมณฑลแรก ประถมถึงมัธยมปลาย ไม่น้อยกว่า 8 คาบเรียนต่อปีการศึกษา ส่วนแนวปฏิบัติระดับชาติไม่กำหนดคาบ 36 |
| 26 ส.ค. 2568 | คณะรัฐมนตรีออก AI+ Action Plan ดัน AI เข้าทุกภาคเศรษฐกิจ |
| ต.ค. 2568 | รับแผนห้าปีฉบับที่ 15 ผูกการผลิตคนเข้ากับความต้องการเชิงยุทธศาสตร์ |
| พ.ย. 2568 | ประกาศเร่งบ่มเพาะ elite talent ด้าน AI และวงจรรวม |
| ต้น เม.ย. 2569 | AI+ Education Action Plan ออกร่วมกัน 5 หน่วยงาน |
อ่านแบบคนวางกลยุทธ์องค์กร ลำดับนี้บอกอะไรที่แผนแต่ละฉบับไม่บอก จีนวางฝั่งอุปสงค์ก่อนฝั่งอุปทาน คือออก AI+ Action Plan ที่บังคับให้ทุกภาคเศรษฐกิจต้องใช้ AI ในเดือนสิงหาคม แล้วค่อยออกแผนผลิตคนในเดือนเมษายนปีถัดมา ถ้าทำสลับกันจะได้บัณฑิตที่ไม่มีที่ไป ซึ่งเป็นสิ่งที่หลายประเทศกำลังทำอยู่
แผน AI+ Education แตะห้าจุดพร้อมกัน
แผนนี้ออกร่วมกันโดยห้าหน่วยงาน ได้แก่ กระทรวงศึกษาธิการ NDRC MIIT MOST และ National Data Administration 1 การที่หน่วยงานเศรษฐกิจและหน่วยงานข้อมูลมาลงชื่อร่วมกับกระทรวงศึกษาธิการคือสัญญาณว่านี่ไม่ใช่เรื่องของกระทรวงเดียว
| เสา | เนื้อหา |
|---|---|
| หลักสูตร | AI เข้าทุกขั้นการเรียน ตั้งแต่ประถมถึงการเรียนรู้ตลอดชีวิต |
| มหาวิทยาลัย | ปี 2569–2570 ใส่ AI เข้าวิชาศึกษาทั่วไปทุกตัว นำร่อง 18 มหาวิทยาลัยแบบ AI-empowered เต็มรูป ภายในปี 2570 ทุกมหาวิทยาลัยต้องส่งมอบ AI literacy ขั้นพื้นฐาน |
| ครู | ใส่สมรรถนะ AI เข้ากรอบการอบรมครูและการสอบใบประกอบวิชาชีพ |
| โครงสร้างพื้นฐาน | สร้าง National Education Intelligent Computing Service Platform เป็นคอมพิวต์กลางระดับชาติ |
| เป้า 2573 | ระบบการศึกษา AI ครบทุกช่วงชั้น และระบบให้ความรู้ AI แก่สังคมทั้งหมด 5 |
อ่านแบบ CHRO เสาที่มีน้ำหนักที่สุดไม่ใช่หลักสูตร แต่คือการเอาสมรรถนะ AI ไปผูกกับใบประกอบวิชาชีพครู เพราะมันเปลี่ยนการอบรมจากกิจกรรมที่จบแล้วจบเลย ให้กลายเป็นเงื่อนไขของการมีงานทำ องค์กรไหนก็ตามที่เคยส่งคนไปอบรมแล้วไม่มีอะไรเปลี่ยน จะรู้ทันทีว่าความต่างอยู่ตรงนี้
จีนกล้ารื้อฝั่งอุปทานของหลักสูตรแบบที่ประเทศอื่นไม่กล้า
ปี 2561 จีนไม่มีสาขาปริญญาตรีด้าน AI เลยแม้แต่แห่งเดียว วันนี้มีมหาวิทยาลัยมากกว่า 600 แห่งและวิทยาลัยอาชีวะเกือบ 800 แห่งที่เปิดสาขาเกี่ยวกับ AI ปีล่าสุดเพิ่มสาขาปริญญาตรีใหม่อีก 38 สาขา รวมถึง AI for business, embodied intelligence และ brain-computer science และมี 120 มหาวิทยาลัยได้ไฟเขียวเปิดวิศวกรรมการบินระดับต่ำสำหรับปีการศึกษา 2569 8
ที่หนักกว่านั้นคือฝั่งตัดทิ้ง จีนปรับหลักสูตรเกินหนึ่งในห้าของทั้งหมดภายในสองปี และปี 2569 เป็นปีแรกที่การปรับสาขาทะลุ 10% ในปีเดียว 4 มหาวิทยาลัยจีนกำลังตัดสาขาภาษาและมนุษยศาสตร์เพื่อเปิดทางให้ AI ขณะที่สาขาซึ่งให้ผลตอบแทนดีที่สุดหกสาขาเป็นวิศวกรรมทั้งหมด ทั้งไฟฟ้า ไมโครอิเล็กทรอนิกส์ และออโตเมชัน ส่วนความมั่นคงสารสนเทศกับวิศวกรรมเครือข่ายหลุดออกจากลิสต์ 8
อ่านแบบคนออกแบบเส้นทางอาชีพ ข้อที่ควรจับไม่ใช่ว่าสาขาไหนขึ้นสาขาไหนลง แต่คือความเร็วของการเปลี่ยน สาขาความมั่นคงสารสนเทศเคยอยู่บนลิสต์ที่ดีที่สุดและหลุดออกภายในไม่กี่ปี ถ้าระบบที่วางแผนรวมศูนย์และมีข้อมูลตลาดแรงงานครบที่สุดในโลกยังทายผิดได้ขนาดนี้ การเดิมพันสาขาเดียวยาวสิบปีคือการเดิมพันที่แพ้ง่าย
โมเดลจีนได้ผลจริงในระดับมหภาค แต่จ่ายด้วยว่างงานเยาวชน 15.6% พร้อมกัน
นี่คือครึ่งที่ข่าวมักตัดทิ้ง และเป็นครึ่งที่มีค่าที่สุดสำหรับไทย เพราะมันบอกว่าท่าไหนที่ลอกแล้วจะพัง
ฝั่งที่ได้ผล คือผลิตภาพระดับประเทศ
ฝั่งสเกลตอบโจทย์ชัดเจน ห้าปีที่ผ่านมาจีนผลิตบัณฑิตอุดมศึกษา 55 ล้านคน และมากกว่า 70% ของแรงงานทักษะใหม่มาจากสายอาชีวะ 4 ส่วนฝั่งเงินทุน รายงาน AI Index 2026 ของ Stanford ระบุว่าการลงทุน AI ของภาคเอกชนทั่วโลกโตขึ้น 127.5% ในปี 2568 และตัวเลขนั้นยังต่ำกว่าความเป็นจริงของจีน เพราะกองทุนชี้นำของรัฐใส่เงินเข้าบริษัท AI ไปแล้วราว 184,000 ล้านดอลลาร์ระหว่างปี 2543 ถึง 2566 11
| ตัวเลขที่บอกขนาดของระบบ | ค่า |
|---|---|
| บัณฑิตอุดมศึกษา 2564–2568 | 55 ล้านคน |
| แรงงานทักษะใหม่ที่มาจากระบบอาชีวะ | มากกว่า 70% |
| นักวิจัย AI ปี 2567 | 52,000 คน อันดับ 2 ของโลก |
| บัณฑิตเข้าตลาดแรงงานปี 2569 | 12.7 ล้านคน เพิ่มขึ้นราว 4% |
| เงินจาก government guidance funds เข้าบริษัท AI ปี 2543–2566 | ราว 184,000 ล้านดอลลาร์ 11 |
อ่านแบบคนวางกลยุทธ์องค์กร ตัวเลข 70% จากสายอาชีวะคือตัวเลขที่ควรจ้องนานที่สุด ไม่ใช่ 55 ล้าน เพราะมันบอกว่าเครื่องยนต์จริงของจีนไม่ใช่มหาวิทยาลัยชั้นนำ แต่คือระบบอาชีวะที่ผูกกับอุตสาหกรรมโดยตรง ซึ่งเป็นของที่ลอกได้ด้วยงบน้อยกว่ามาก
ฝั่งที่พัง คือการจับคู่คนกับงาน
ปี 2569 จีนมีบัณฑิตเข้าตลาดแรงงาน 12.7 ล้านคน เพิ่มขึ้นราว 4% จากปีก่อน ขณะที่อัตราว่างงานเยาวชนอยู่ที่ 15.6% และมีนักเศรษฐศาสตร์เตือนว่าจะเข้าใกล้ 20% ในไม่กี่เดือน 910 ที่ย้อนแย้งกว่านั้นคือ McKinsey ยังประเมินว่าจีนจะขาดแรงงาน AI ห้าล้านคนในปี 2573 อยู่ดี เพราะระบบผลิตกำลังคนป้อนได้เพียงราวหนึ่งในสามของความต้องการ
จนรัฐต้องใส่มาตรการคุ้มครองการจ้างงานจาก AI และเงินอุดหนุนการจ้างเข้าไปในแผนห้าปีฉบับที่ 15 9
ประเทศที่ผลิตบัณฑิต 12.7 ล้านคนต่อปี ยังขาดแรงงาน AI ห้าล้านคน และมีว่างงานเยาวชน 15.6% พร้อมกัน ปัญหาจึงไม่ใช่จำนวน
อ่านแบบ CHRO ตัวเลขสามตัวนี้อยู่ด้วยกันไม่ได้ถ้าปัญหาคือปริมาณ มันอยู่ด้วยกันได้ก็ต่อเมื่อปัญหาคือการจับคู่ คนที่จบมาไม่ตรงกับงานที่เปิด และงานที่เปิดไม่ยอมรับคนที่ยังไม่มีประสบการณ์ นี่คือเหตุผลที่การทุ่มงบเข้าฝั่งผลิตคนอย่างเดียวไม่เคยแก้ปัญหาการจ้างงานได้ในประเทศไหนเลย
ทุกประเทศที่ขยับใน 12 เดือนนี้ ยกเรื่อง AI ขึ้นไปไว้ที่หัวหน้ารัฐบาล ไม่ใช่กระทรวงดิจิทัล
สิ่งที่จีนทำไม่ได้เกิดในสุญญากาศ เจ้าหน้าที่จีนเองอธิบายแผนนี้ว่าตอบสนองการแข่งขันระดับโลกที่ดุเดือด โดยระบุชื่อสหรัฐฯ สหภาพยุโรป และสิงคโปร์ ว่าออกโครงการทำนองเดียวกันแล้ว 2 จีนไม่ได้มองว่าตัวเองนำ แต่มองว่ากำลังไล่
สามประเทศในเอเชียที่ขยับพร้อมกัน
| ประเทศ | สิ่งที่ทำ |
|---|---|
| สิงคโปร์ | นายกฯ ประกาศ AI literacy เป็นวาระแห่งชาติในงบประมาณ 2569 ตั้ง National AI Council โดยนายกฯ นั่งประธานเอง NTUC AI-Ready SG เปิดตัว 13 ก.พ. 2569 ฝัง AI literacy เข้าเส้นทางอาชีพ มีโมดูล AI ในวิชาคอมพิวเตอร์ระดับประถม อบรม AI ให้ครูทุกระดับรวมนักศึกษาครูภายในปี 2569 และแจกเครื่องมือ AI ฟรีให้แรงงาน 100,000 คน |
| เกาหลีใต้ | ตั้งเป้ามี AI ในหลักสูตรแห่งชาติทุกระดับชั้นภายในปี 2568 โดย KERIS ออกแบบและนำร่องการพัฒนาครู |
| ญี่ปุ่น | ครม. อนุมัติ AI Basic Plan ฉบับแรก งบเกิน 1 ล้านล้านเยน ราว 6.7 พันล้านดอลลาร์ โดย universal AI literacy education และ workforce reskilling เป็นสองในสี่เสาหลัก |
อ่านแบบคนวางกลยุทธ์องค์กร จุดร่วมที่สำคัญกว่ารายละเอียดคือตำแหน่งขององค์กรที่ถือเรื่องนี้ ไม่มีประเทศไหนวาง AI ไว้ที่กระทรวงดิจิทัลอย่างเดียว ทุกประเทศดึงขึ้นไปไว้ที่หัวหน้ารัฐบาลหรือกระทรวงศึกษาธิการ และผูกกับงบประมาณที่ระบุตัวเลข เกณฑ์ตัดสินง่าย ๆ คือถ้าวาระไหนไม่มีชื่อคนที่มีอำนาจงบประมาณอยู่บนหัวกระดาษ วาระนั้นยังไม่ได้เริ่ม 141516
หลักฐานฝั่งตลาดแรงงานที่ควรอ่านให้ครบสองด้าน
ข้อมูลจากบัญชีเงินเดือนที่นักวิจัย Stanford วิเคราะห์ พบว่างาน software developer ระดับเริ่มต้นในสหรัฐฯ ลดลงราว 20% นับจากปี 2565 งาน entry-level ที่เข้าข่าย AI ทำแทนได้ทั้งหมดลดลง 13% และการจ้างงานคนอายุ 22 ถึง 25 ปีในสายที่เข้าข่าย AI ทำแทนได้ลดลง 16% เทียบเชิงสัมพัทธ์ ขณะที่การจ้างงานคนประสบการณ์สูงคงที่หรือโต 12
กลไกที่พบไม่ใช่การเลย์ออฟ แต่คือการหยุดรับคนใหม่ บริษัทให้ AI ทำงานที่เคยให้เด็กจบใหม่ทำ
แต่ต้องบอกให้ครบว่าเรื่องนี้ยังโต้แย้งกันอยู่ NPR รายงานว่านักเศรษฐศาสตร์บางส่วนยังไม่มั่นใจว่า AI คือสาเหตุหลักของการหางานยากในรุ่นนี้ 13 และข้อมูลทั้งหมดเป็นของสหรัฐฯ ยังไม่มีชุดข้อมูลเทียบเท่าสำหรับไทย
อ่านแบบคนออกแบบเส้นทางอาชีพ ต่อให้ภายหลังมีคนแก้ตัวเลขนี้ลงครึ่งหนึ่ง ทิศทางก็ยังชี้ไปทางเดียว ขั้นบันไดที่คนรุ่นก่อนใช้ไต่ขึ้นมา คือจบแล้วเข้าเป็น junior เก็บชั่วโมงบินสามถึงห้าปีแล้วขึ้น senior กำลังถูกถอดขั้นแรกออก และคนที่ยังไม่มีชั่วโมงบินก็ไม่เหลือที่ให้เริ่มสะสม
ไทยไม่ได้แค่ตามหลัง แต่กำลังถอยหลังในตัวชี้วัดพื้นฐาน
ก่อนจะพูดว่าไทยควรลอกอะไร ต้องดูก่อนว่าเรากำลังเอา AI ไปวางทับบนฐานแบบไหน
PISA ของไทยต่ำที่สุดเท่าที่เคยวัดมา ทั้งสามวิชา
ผลการประเมิน PISA 2022 นักเรียนไทยได้คณิตศาสตร์ 394 คะแนน ลดจาก 419 ในปี 2018 วิทยาศาสตร์ 409 ลดจาก 426 และการอ่าน 379 ลดจาก 393 ทั้งสามวิชาต่ำที่สุดเท่าที่เคยวัดมา และในช่วงสิบปีระหว่าง 2012 ถึง 2022 คณิตกับวิทย์ลดลงราว 30 คะแนน ส่วนการอ่านลดลงราว 60 คะแนน 17
| ตัวชี้วัด | ไทย | เทียบ |
|---|---|---|
| PISA 2022 คณิตศาสตร์ | 394 จาก 419 ในปี 2018 | OECD 472 สิงคโปร์ 575 มาเก๊า 552 ไทเป 547 |
| PISA 2022 วิทยาศาสตร์ | 409 จาก 426 | OECD 485 |
| PISA 2022 การอ่าน | 379 จาก 393 | OECD 476 |
| อันดับจาก 81 ประเทศ | 58 คณิตและวิทย์ 64 การอ่าน | — |
| เยาวชนและวัยแรงงานที่อยู่ต่ำกว่าระดับอ่านออกเขียนได้พื้นฐาน | 64.7% | ประเมินปี 2565 เผยแพร่ 2567 |
| ขาดทักษะดิจิทัลจำเป็น | 74.1% | แหล่งเดียวกัน |
จีนแผ่นดินใหญ่ไม่ได้เข้าร่วม PISA 2022 เพราะโควิดทำให้จัดสอบในรอบนั้นไม่ได้ ตัวเลขล่าสุดที่เทียบได้คือปี 2018 ซึ่งสี่มณฑล ได้แก่ ปักกิ่ง เซี่ยงไฮ้ เจียงซู และเจ้อเจียง ทำได้ 578.7 คะแนน ห่างจากไทยราว 185 คะแนน หรือประมาณเก้าปีการศึกษาตามเกณฑ์เทียบของ OECD แต่ต้องระวังว่านั่นคือสี่มณฑลที่รวยที่สุด ไม่ใช่ค่าเฉลี่ยทั้งประเทศ
อ่านแบบ CHRO ตัวเลขที่หนักกว่า PISA คือ 64.7% และ 74.1% เพราะ PISA วัดเด็กอายุ 15 ปีซึ่งยังไม่เข้าตลาดแรงงาน แต่สองตัวเลขนั้นวัดคนที่ทำงานอยู่แล้ววันนี้ 18 องค์กรที่กำลังวางแผน AI transformation อยู่ ควรถือว่านี่คือ baseline ของพนักงานตัวเอง ไม่ใช่ปัญหาของระบบการศึกษาที่ไกลตัว
ตัวเลขที่ควรจำที่สุดไม่ใช่ PISA แต่คือ 34%
แรงงานไทยที่มีการศึกษาสูงแต่ทำงานในตำแหน่งทักษะต่ำถึงกลางมีอยู่ 34% ซึ่งมากกว่าค่าเฉลี่ย OECD ถึงสองเท่า 18 ขณะเดียวกันไทยต้องการแรงงานทักษะสูงใน 10 อุตสาหกรรมเป้าหมายอีก 1.08 ล้านคนภายในปี 2572 โดยคาดว่า 54% ต้องมาจากอาชีวะ แต่นักเรียนอาชีวะที่พร้อมทำงานจริงมีเพียงราว 150,000 คนจากหนึ่งล้านคน 19
| ช่องว่างทักษะ | ค่า |
|---|---|
| แรงงานทักษะสูงที่ต้องการใน 10 อุตสาหกรรมเป้าหมาย ภายในปี 2572 | 1.08 ล้านคน โดย 54% ต้องมาจากอาชีวะ |
| นักเรียนอาชีวะที่พร้อมทำงานจริง | ราว 150,000 จาก 1 ล้านคน เท่ากับ 15% |
| แรงงานไทยที่มีการศึกษาสูงแต่ทำงานในตำแหน่งทักษะต่ำถึงกลาง | 34% มากกว่าค่าเฉลี่ย OECD 2 เท่า |
| องค์กรไทยที่บอกว่าอุปสรรคอันดับ 1 ของ AI คือหาคนไม่ได้ | 51% สูงกว่าต้นทุนและกฎเกณฑ์ 25 |
อ่านแบบคนวางกลยุทธ์องค์กร ตัวเลข 34% กับตัวเลข 51% อยู่ในประเทศเดียวกันและขัดกันเองอย่างรุนแรง องค์กรบอกว่าหาคนไม่ได้ ขณะที่คนมีวุฒิหนึ่งในสามทำงานต่ำกว่าวุฒิ ข้อสรุปที่ตรงที่สุดคือไทยไม่ได้ขาดคนมีปริญญา แต่ขาดงานที่ใช้ปริญญาได้ และขาดกลไกจับคู่ที่ทำงาน นี่เป็นปัญหาฝั่งอุปสงค์ ไม่ใช่ฝั่งการศึกษา ซึ่งแปลว่านโยบายที่ทุ่มเข้าฝั่งผลิตคนอย่างเดียวจะไม่ขยับตัวเลขนี้เลย
ไทยมีนโยบายอยู่จริง และไม่ได้ช้าอย่างที่หลายคนคิด
ยุทธศาสตร์ AI แห่งชาติ 2565 ถึง 2570 มีเสาครบทั้งจริยธรรม โครงสร้างพื้นฐาน คน นวัตกรรม และการใช้งาน กระทรวงศึกษาธิการตั้งเป้าให้ปี 2569 เป็นปีออกแบบและวางระบบ ปี 2570 เห็นผลเป็นรูปธรรม และ AI เต็มระบบในปี 2571 20 โครงการ AI for Teachers ที่ทำร่วมกับ Microsoft ระหว่างตุลาคม 2568 ถึงมีนาคม 2569 มีครูจบการอบรม 160,507 คน และขยายผลถึงนักเรียน 3,326,065 คน 21 ส่วนความร่วมมือกับ Google for Education ที่ประกาศเมื่อ 9 มกราคม 2568 เป็นการออกประกาศนียบัตรสำหรับนักเรียนครั้งแรกของโลก 22
อ่านแบบ CHRO ตัวเลขครูหนึ่งแสนหกหมื่นคนไม่ใช่ตัวเลขเล็ก และการทำ MOOC ให้นักเรียนก่อนใครในโลกก็เป็นของจริง ช่องว่างจึงไม่ได้อยู่ที่การมีนโยบาย แต่อยู่ที่สามอย่างที่จีนมีและไทยยังไม่มี หนึ่งคือชั้นที่แปลงแนวทางเป็นตัวเลขบังคับ แนวปฏิบัติระดับชาติของจีนไม่กำหนดคาบเหมือนกัน แต่มณฑลแปลงต่อเอง ปักกิ่งกำหนดแปดคาบเรียนต่อปีการศึกษา กวางตุ้งกำหนดหกถึงสิบคาบตามช่วงชั้น ส่วนไทยหยุดอยู่ที่แนวทางระดับชาติ สองคือการผูกเข้าใบประกอบวิชาชีพครู อบรมแล้วจบ ไม่ใช่เงื่อนไขการต่อใบอนุญาต สามคือคอมพิวต์กลางของกระทรวง
ความเสี่ยงมหภาคของไทยไม่ใช่ AI แย่งงาน แต่คือ AI ข้ามไทยไป
เมื่อเอาตัวเลขแรงงานมาวางข้างตัวเลขมหภาค จะเห็นความเสี่ยงคนละแบบกับที่พาดหัวข่าวมักเล่า
เงินทุน AI มาไทยแล้ว แต่มาเป็นที่ตั้งเครื่อง ไม่ใช่ที่ตั้งสมอง
เดือนพฤษภาคม 2569 เดือนเดียว BOI อนุมัติหกโครงการรวม 958,000 ล้านบาท หรือราว 29,000 ล้านดอลลาร์ ในจำนวนนั้นเป็นโครงการดาต้าเซ็นเตอร์ของ TikTok 842,000 ล้านบาท หรือราว 25,000 ล้านดอลลาร์ ซึ่งเป็นหนึ่งในการลงทุนโครงสร้างพื้นฐานดิจิทัลใหญ่ที่สุดในประวัติศาสตร์ไทย 32
| ผู้ลงทุน | เม็ดเงิน |
|---|---|
| BOI พ.ค. 2569 | 6 โครงการ 958,000 ล้านบาท ราว 29,000 ล้านดอลลาร์ ในเดือนเดียว |
| TikTok หรือ ByteDance | 842,000 ล้านบาท ราว 25,000 ล้านดอลลาร์ |
| AWS | 5,000 ล้านดอลลาร์ ในโครงสร้างพื้นฐานดาต้าเซ็นเตอร์ไทย |
| Microsoft | มากกว่า 1,000 ล้านดอลลาร์ใน 2 ปี ไทยเป็นที่ตั้ง cloud region แรก |
| 1,000 ล้านดอลลาร์ ที่ชลบุรี | |
| ตลาดดาต้าเซ็นเตอร์ไทย | 1.45 พันล้านดอลลาร์ ปี 2568 เป็น 6.29 พันล้านดอลลาร์ ปี 2574 กรุงเทพฯ มี 31 แห่งที่เปิดแล้วและอีก 8 แห่งกำลังมา |
ไทยยังติด top-10 ประเทศที่เงินลงทุนดาต้าเซ็นเตอร์ไหลเข้า และอยู่อันดับ 5 ในกลุ่มประเทศกำลังพัฒนาด้านการส่งออกสินค้าที่หนุน AI ตามรายงาน World Development Report 2026 243334
อ่านแบบคนวางกลยุทธ์องค์กร ต้องแยกสองอย่างออกจากกันให้ชัด ดาต้าเซ็นเตอร์เป็นการลงทุนที่ใช้ทุนเข้มข้น ไม่ใช่ใช้แรงงานเข้มข้น เม็ดเงินระดับแปดแสนล้านบาทสร้างงานถาวรหลักพัน ไม่ใช่หลักแสน มูลค่าที่แท้จริงของมันคือคอมพิวต์ที่ถูกลงสำหรับธุรกิจไทย ซึ่งจะเกิดก็ต่อเมื่อมีคนใช้เป็น ส่วนการผลิตอิเล็กทรอนิกส์ที่หนุน AI ต่างหากที่สร้างงานจริง และเป็นจุดที่ไทยติดอันดับห้าของโลกอยู่แล้ว
งานไทยที่เข้าข่าย AI ทำแทนได้มีน้อย และนั่นไม่ใช่ข่าวดี
ILO ประเมินว่างานในอาเซียนราว 80 ล้านตำแหน่งเข้าข่ายที่ GenAI ทำแทนได้ คิดเป็น 22.9% ของการจ้างงานทั้งหมด โดยกลุ่มที่เข้าข่ายมากที่สุดมี 11.7 ล้านคนหรือ 3.3% และ 67% ของการจ้างงานไม่เข้าข่ายเลย ในระดับประเทศ ไทยอยู่ที่ 20.6% ต่ำกว่าสิงคโปร์ที่ 42.2% เกือบครึ่ง 23
| ประเทศ | สัดส่วนงานที่เข้าข่าย GenAI ทำแทนได้ |
|---|---|
| สิงคโปร์ | 42.2% |
| ฟิลิปปินส์ | 28.1% |
| อินโดนีเซีย | 21.7% |
| เวียดนาม | 20.8% |
| ไทย | 20.6% |
| อาเซียนรวม | 22.9% ของการจ้างงาน หรือราว 80 ล้านคน |
ILO ระบุด้วยว่ายังไม่เห็นการสูญเสียงานขนาดใหญ่ และพบว่าผู้หญิงมีโอกาสอยู่ในอาชีพที่เข้าข่าย AI ทำแทนได้สูงมากกว่าผู้ชายกว่าสองเท่า 23
อ่านแบบ CHRO การอ่านตัวเลขนี้ว่าไทยปลอดภัยกว่าสิงคโปร์คือการอ่านกลับด้าน ประเทศที่มีงานที่เข้าข่าย AI ทำแทนได้ มากคือประเทศที่มีงานความรู้มาก ตัวเลข 20.6% ของไทยสะท้อนว่าโครงสร้างการจ้างงานเรากระจุกอยู่ในงานที่ AI ยังไม่ช่วย ซึ่งเป็นงานผลิตภาพต่ำอยู่แล้ว ILO เรียกความเสี่ยงนี้ว่า white-collar bypass คือประเทศกำลังพัฒนาอาจถูกข้ามไป ไม่ได้ขั้นบันไดที่อินเดียกับฟิลิปปินส์เคยใช้ไต่ขึ้นมา เพราะ AI กินขั้นนั้นไปก่อน
ไทยเข้าสู่ยุค AI ด้วยกันชนที่บางที่สุดในรอบหลายสิบปี
ประมาณการ GDP ไทยปี 2569 อยู่ระหว่าง 1.3% ของ World Bank 1.7% ของ OECD และราว 2% ของ สศช. ส่วน potential growth ช่วงปี 2565 ถึง 2573 ลดลงราว 0.5 จุดเหลือ 2.7% ซึ่งเป็นอัตราที่ไปไม่ถึงเป้าประเทศรายได้สูงในปี 2580 272830
| ตัวชี้วัด | ค่า |
|---|---|
| GDP 2569 คาดการณ์ | 1.3% World Bank 1.7% OECD ราว 2% สศช. |
| GDP ต่อหัวโต | ราว 2.2% ในปี 2568 และคาดว่าจะช้าลงอีก |
| Potential growth 2565–2573 | ลดลงราว 0.5 จุด เหลือ 2.7% |
| หนี้ครัวเรือน | 86.7% ของ GDP ธ.ค. 2568 หรือราว 104% ถ้ารวมหนี้นอกระบบ 29 |
| หนี้สาธารณะ | ราว 66% ของ GDP เทียบเพดานกฎหมาย 70% |
| อันดับ IMD 2569 | ไทยที่ 26 โดยเวียดนามไล่มาใกล้ 35 |
| สังคมสูงวัย | สูงวัยสมบูรณ์ปี 2567 สูงวัยระดับสุดยอดปี 2578 ผู้สูงอายุ 28% ในปี 2576 31 |
| กำลังแรงงาน | LFPR ลดจากมากกว่า 70% เหลือ 68.7% ในปี 2566 ILO คาดวัยแรงงานลดลง 11% ภายในปี 2583 |
ฝั่งบวกก็มีอยู่ SCB X และ SCB EIC ประเมินว่า GenAI จะดัน GDP ไทยขึ้น 6% ภายในปี 2573 26 ขณะที่ World Development Report 2026 ซึ่งสำรวจบริษัทไทย 360 แห่ง พบว่าผู้ประกอบการคาดว่าผลิตภาพจะเพิ่ม 11% ใน 3 ปี และกำลังคนจะเพิ่ม 7% 24
อ่านแบบคนวางกลยุทธ์องค์กร ข้อโต้แย้งที่ต้องใส่ไว้คือ ตัวเลข 6% มาจากการสำรวจความคาดหวังของผู้บริหาร ไม่ใช่แบบจำลองมหภาคที่ผ่านการตรวจสอบอิสระ ควรอ่านเป็นเพดานถ้าทุกอย่างเข้าที่ ไม่ใช่ค่ากลาง และเมื่อวางข้างหนี้สาธารณะที่ชนเพดาน 70% กับหนี้ครัวเรือนราว 104% ข้อสรุปเชิงนโยบายจะเปลี่ยนทันที ไทยไม่มีเงินพอจะอุดหนุนการเปลี่ยนผ่านแบบที่ญี่ปุ่นทำด้วยงบหนึ่งล้านล้านเยน จึงต้องพึ่งการปฏิรูปที่ไม่ใช้เงิน คือมาตรฐาน ใบอนุญาต กลไกจับคู่ และกฎเกณฑ์ มากกว่าการอัดฉีด
คำแนะนำของ World Bank สำหรับไทยจึงเป็น Adopt, Adapt and Advance คืออย่าไปสร้างโมเดลใหญ่แข่ง ให้เอาเครื่องมือที่มีอยู่มาปรับให้เข้ากับบริบทไทย โดยระบุช่องว่างชัดสามข้อ ได้แก่ ทักษะแรงงาน การสร้างข้อมูลภาษาไทย และความสามารถขององค์กรในการนำ AI ไปใช้จริง 24
สิ่งที่พ่อแม่และคนทำงานทำได้ ไม่ต้องรอนโยบาย
ถ้าระบบจะเต็มรูปในปี 2571 ตามเป้า และ PISA บอกว่าฐานยังถอยอยู่ คำถามที่เหลือคือแต่ละบ้านแต่ละคนทำอะไรได้เองระหว่างนี้
สิ่งที่มีมูลค่าขึ้นเมื่อ AI ถูกลง
ตรรกะง่าย ๆ คืออะไรที่ AI ทำได้ถูกลงเรื่อย ๆ ราคาของมันจะลง ส่วนอะไรที่ AI ทำไม่ได้และยังจำเป็น ราคาจะขึ้น
| ทักษะ | ทำไม |
|---|---|
| การอ่านเชิงลึกและการเขียนที่คิดเอง | AI เขียนข้อความได้ แต่คนที่แยกไม่ออกว่าอะไรจริงจะถูกหลอกทั้งชีวิต จีนใส่ critical thinking เพื่อจับข้อมูลเท็จจาก genAI ไว้ในหลักสูตร ม.ต้น โดยเฉพาะ |
| คณิตศาสตร์และการให้เหตุผลเชิงปริมาณ | ไทยได้ 394 เทียบ OECD 472 ช่องว่างนี้คือโอกาส เด็กที่เก่งคณิตในไทยจะโดดเด่นกว่าเด็กที่เก่งคณิตในสิงคโปร์ |
| การลงมือทำของจริง | งานที่ AI แตะยากที่สุดคืองานที่ต้องสัมผัสโลกจริง และ 67% ของการจ้างงานอาเซียนอยู่ในกลุ่มที่ไม่เข้าข่าย AI |
| ภาษาจีน | จีนคือประเทศที่กำลังตัดสินว่าโลก AI หน้าตาเป็นอย่างไร และเป็นคู่ค้าอันดับหนึ่งของไทย AI แปลได้ แต่ความไว้ใจไม่ได้เกิดผ่านล่าม |
| ความอดทนต่อการทำสิ่งที่ยากนาน ๆ | เมื่อคำตอบทุกอย่างมาใน 3 วินาที ความสามารถอยู่กับปัญหานาน ๆ กลายเป็นของหายาก |
อ่านแบบคนออกแบบเส้นทางอาชีพ เกณฑ์ตัดสินใจที่ใช้ได้จริงมีข้อเดียว ถ้าทักษะไหนที่ AI ทำได้ดีกว่าอยู่แล้ววันนี้ อย่าลงทุนกับมันในฐานะจุดขาย ให้ลงทุนในฐานะเครื่องมือ และย้ายจุดขายไปอยู่ที่สิ่งที่ต้องใช้การตัดสินใจ ความรับผิดชอบ หรือการสัมผัสโลกจริง ซึ่งเป็นสามอย่างที่โมเดลยังส่งมอบแทนไม่ได้
บทเรียนที่ขัดกับสัญชาตญาณที่สุด มาจากประเทศที่ลงทุนหนักที่สุด
จีนบังคับให้เด็กเรียน AI ตั้งแต่หกขวบ แต่ในเวลาเดียวกันก็ห้ามนักเรียนประถมใช้เครื่องมือ AI ที่สร้างเนื้อหาแบบปลายเปิดด้วยตัวเอง และกำหนดว่า AI ต้องเสริมครู ไม่ใช่แทนครู 6
ลำดับที่จีนวางไว้ก็ชัด ประถมคือรู้ว่ามันคืออะไร ม.ต้นคือเข้าใจกลไกและจับของปลอมได้ ม.ปลายคือออกแบบและสร้างได้เอง 7
ประเทศที่จริงจังกับ AI ที่สุดในโลก เลือกให้เด็กเล็กเข้าใจ AI แต่ไม่ให้พึ่ง AI
อ่านแบบคนออกแบบเส้นทางอาชีพ ปริมาณที่ปักกิ่งใช้คือแปดคาบเรียนต่อปีการศึกษา ไม่ใช่ทุกวัน 36 และกวางตุ้งใช้หกถึงสิบคาบตามช่วงชั้น 37 ซึ่งบอกว่าเป้าหมายคือความเข้าใจ ไม่ใช่ความคุ้นเคยกับเครื่องมือ และนั่นสมเหตุสมผล เพราะเครื่องมือเปลี่ยนทุกหกเดือน ส่วนความเข้าใจกลไกอยู่ได้ยี่สิบปี สำหรับพ่อแม่ เกณฑ์ที่ใช้เลือกโรงเรียนจึงไม่ควรเป็นคำถามว่าสอน AI ไหม เพราะทุกโรงเรียนจะตอบว่าสอนภายในปี 2571 แต่ควรเป็นคำถามว่าครูอยู่กับเด็กนานแค่ไหน เด็กได้ทำของจริงบ่อยแค่ไหน และโรงเรียนกล้าให้เด็กล้มเหลวไหม
สมมติว่าขั้นบันไดขั้นแรกจะไม่อยู่แล้ว
ถ้าหลักฐานจากสหรัฐฯ เป็นจริงแม้เพียงบางส่วน สิ่งที่ตามมาคือคนรุ่นถัดไปจะไม่ได้งาน entry-level แบบที่คนรุ่นก่อนได้ ทางออกที่เหลือคือมีผลงานจริงก่อนเรียนจบ ไม่ใช่หลังเรียนจบ ซึ่งหมายถึงธุรกิจเล็กของตัวเอง งานที่มีคนจ่ายเงินจริง หรือโปรเจกต์ที่มีคนใช้จริง 12
อ่านแบบ CHRO ข้อนี้มีอีกด้านที่องค์กรควรคิดพร้อมกัน ถ้าทุกองค์กรหยุดรับ junior เพราะ agent ทำงานพื้นฐานแทนได้ อีกห้าปีจะไม่มี senior ให้แย่งกัน ทางออกที่ยังไม่ค่อยมีใครทำคือออกแบบบทบาท junior ใหม่ ให้เริ่มที่การควบคุมและตรวจงาน agent แทนการทำงานที่ agent ทำแทนได้ ซึ่งเป็นงานที่ต้องใช้วิจารณญาณตั้งแต่วันแรก และเป็นวิธีเดียวที่สายงาน senior จะไม่ขาด
ภาคผนวก
ศัพท์เฉพาะ
| คำ | ความหมายอย่างง่าย |
|---|---|
| AI literacy | ความสามารถเข้าใจว่า AI ทำงานอย่างไร ใช้เป็น และรู้ข้อจำกัด ไม่ใช่แค่ใช้เครื่องมือได้ |
| GenAI | Generative AI คือ AI ที่สร้างเนื้อหาใหม่ได้ เช่น ข้อความ ภาพ โค้ด |
| Total factor productivity | ส่วนของการเติบโตที่อธิบายไม่ได้ด้วยการเพิ่มทุนหรือแรงงาน มักถือเป็นตัวแทนของประสิทธิภาพและเทคโนโลยี |
| Potential growth | อัตราการเติบโตที่เศรษฐกิจทำได้โดยไม่ก่อเงินเฟ้อ สะท้อนศักยภาพระยะยาว |
| AI exposure | สัดส่วนงานที่มีลักษณะงานทับซ้อนกับสิ่งที่ GenAI ทำได้ ไม่ได้แปลว่าจะถูกแทนที่ |
| White-collar bypass | ความเสี่ยงที่ประเทศกำลังพัฒนาจะไม่ได้ขั้นบันไดงานความรู้ราคาถูก เพราะ AI กินขั้นนั้นไปก่อน |
| Entry-level | ตำแหน่งระดับเริ่มต้นสำหรับคนเพิ่งจบ |
| LFPR | Labour force participation rate คือสัดส่วนประชากรวัยทำงานที่อยู่ในกำลังแรงงาน |
| Cloud region | กลุ่มดาต้าเซ็นเตอร์ของผู้ให้บริการคลาวด์ที่ตั้งอยู่ในประเทศหนึ่ง ทำให้ข้อมูลอยู่ในประเทศและหน่วงต่ำ |
| Adopt, Adapt and Advance | กรอบของ World Bank คือรับเครื่องมือที่มีมาใช้ ปรับให้เข้าบริบท แล้วจึงต่อยอด |
สูตรและสมมติฐาน
ตัวเลขเดียวที่บทความนี้คำนวณเองคือช่องว่าง PISA ระหว่างไทยกับจีน ซึ่งแปลงจากคะแนนเป็นจำนวนปีการศึกษา
ช่องว่างคะแนน = 578.7 (จีน 4 มณฑล, PISA 2018) − 394 (ไทย, PISA 2022)
= 184.7 คะแนน
แปลงเป็นปีการศึกษา (เกณฑ์เทียบของ OECD ประมาณ 20 คะแนน = 1 ปีการศึกษา)
= 184.7 ÷ 20
≈ 9.2 ปีการศึกษา
สมมติฐานที่ผลลัพธ์นี้แขวนอยู่ มีสี่ข้อ หนึ่งคือใช้เกณฑ์ประมาณ 20 คะแนนต่อหนึ่งปีการศึกษา ซึ่งเป็นค่าประมาณที่ OECD ใช้สื่อสาร ไม่ใช่ค่าคงที่ที่แม่นในทุกช่วงคะแนน สองคือเทียบข้ามรอบการสอบ คือจีนปี 2018 กับไทยปี 2022 เพราะจีนแผ่นดินใหญ่ไม่ได้เข้าร่วมรอบ 2022 สามคือตัวเลขจีนมาจากสี่มณฑลที่มีรายได้สูงที่สุด ได้แก่ ปักกิ่ง เซี่ยงไฮ้ เจียงซู และเจ้อเจียง ไม่ใช่ค่าเฉลี่ยทั้งประเทศ และสี่คือคะแนน PISA ไม่ได้ออกแบบมาเพื่อแปลงเป็นปีการศึกษาโดยตรง ตัวเลขเก้าปีจึงควรอ่านเป็นภาพความห่าง ไม่ใช่ค่าที่แม่นยำ
ตัวเลขอื่นทั้งหมดในบทความยกมาจากแหล่งตามที่รายงานไว้ ไม่ได้คำนวณใหม่ ตัวเลขดอลลาร์และบาทเป็นค่าที่แหล่งข่าวระบุคู่กันมาเอง บทความนี้ไม่ได้แปลงอัตราแลกเปลี่ยนเพิ่ม
วิธีเก็บข้อมูลและข้อจำกัด
ข้อมูลทั้งหมดเก็บเมื่อวันที่ 26 สิงหาคม 2569 จากการค้นเว็บสาธารณะและอ่านต้นฉบับที่เข้าถึงได้ ไม่มีการสัมภาษณ์ ไม่มีข้อมูลปฐมภูมิ ทุกตัวเลขเป็นข้อมูลทุติยภูมิ
สิ่งที่บทความนี้ยืนยันไม่ได้มีเจ็ดข้อ
หนึ่ง ตัวเลขแปดคาบเรียนต่อปีการศึกษาเป็นของปักกิ่ง ไม่ใช่ของทั้งประเทศ แนวปฏิบัติระดับชาติปี 2568 วางกรอบไว้เท่านั้นและไม่ได้กำหนดจำนวนคาบ แต่ละมณฑลจึงกำหนดต่างกัน เช่น กวางตุ้งกำหนด ป.1 ถึง ป.4 ไม่น้อยกว่าหกคาบ และ ป.5 ถึง ป.6 ไม่น้อยกว่าสิบคาบ 37 อีกทั้งคำว่าคาบเรียนในระบบจีน หมายถึงราวสี่สิบถึงสี่สิบห้านาที ไม่ใช่ชั่วโมงเต็ม
สอง คะแนน AI Preparedness Index ของ IMF สำหรับไทยแบบเป็นตัวเลข หาไม่ได้ ยืนยันได้แค่ว่าสิงคโปร์อยู่อันดับต้นของโลกและนำในอาเซียน
สาม วันที่ประกาศแผน AI+ Education ของจีนไม่ตรงกันในแต่ละแหล่ง มีทั้ง 8 10 และ 13 เมษายน 2569 น่าจะเป็นวันออกเอกสาร วันแปล และวันรายงานข่าวคนละวัน บทความนี้จึงระบุเป็นต้นเดือนเมษายน
สี่ ตัวเลข GenAI ดัน GDP ไทย 6% ภายในปี 2573 มาจากการสำรวจความคาดหวังผู้บริหาร ไม่ใช่แบบจำลองมหภาคที่ผ่าน peer review
ห้า ตัวเลขผลกระทบต่องาน entry-level ของ Stanford ยังโต้แย้งกันอยู่ NPR อ้างนักเศรษฐศาสตร์ที่ไม่มั่นใจว่า AI คือสาเหตุหลัก และข้อมูลทั้งหมดเป็นของสหรัฐฯ ยังไม่มีชุดข้อมูลเทียบเท่าสำหรับไทย
หก ตัวเลขเยาวชนจีนว่างงานอ่อนไหวต่อการนิยาม เพราะจีนเปลี่ยนวิธีคำนวณในปี 2566 ตัวเลขก่อนและหลังจึงเทียบกันตรง ๆ ไม่ได้
เจ็ด แหล่งข้อมูลขัดกันเองในสองจุด จุดแรกคือ GDP ไทยปี 2569 ซึ่ง World Bank ให้ 1.3% OECD ให้ 1.7% และ สศช. ให้ราว 2% ซึ่งเป็นช่วงที่กว้างผิดปกติและสะท้อนความไม่แน่นอนสูง จุดที่สองคือหนี้ครัวเรือนไทย ตัวเลขทางการอยู่ที่ 86.7% ขณะที่รายงานของจุฬาลงกรณ์มหาวิทยาลัยซึ่งรวมหนี้นอกระบบให้ราว 104%
สิ่งที่จะยืนยันหรือหักล้างบทความนี้ได้เร็วที่สุดคือผล PISA 2025 ซึ่ง OECD กำหนดเผยแพร่วันที่ 8 กันยายน 2569 หรืออีกไม่ถึงสองสัปดาห์นับจากวันที่เก็บข้อมูลนี้ ถ้าคะแนนไทยกลับตัว ข้อสรุปในหัวข้อที่ 4 ต้องแก้