ภูมิทัศน์ของงานที่ใช้ความรู้ (knowledge work) ในอเมริกา กำลังเผชิญกับการเปลี่ยนแปลงที่เงียบเชียบแต่ลึกซึ้ง เมื่อการบูรณาการ AI เปลี่ยนจากการทดลองไปสู่การมอบหมายงาน ผลสำรวจตัวแทนฉบับใหม่เผยให้เห็นว่า ผู้ใหญ่ในสหรัฐฯ ที่มีงานทำแล้วถึง 20 เปอร์เซ็นต์ ได้มอบหมายงานอย่างน้อยหนึ่งอย่างให้ AI ทำแทน ซึ่งก่อนหน้านี้เป็นงานที่ต้องจัดการโดยเพื่อนร่วมงานที่เป็นมนุษย์หรือผู้รับจ้าง

การพัฒนาซอฟต์แวร์และการวิเคราะห์ข้อมูลเป็นผู้นำในการเปลี่ยนแปลง

การศึกษาร่วมกันโดย Epoch AI และบริษัทสำรวจความคิดเห็น Ipsos ซึ่งสัมภาษณ์ผู้ใหญ่ในสหรัฐฯ ที่มีงานทำจำนวน 1,106 คน ชี้ให้เห็นถึงลำดับขั้นที่ชัดเจนของการนำ AI มาใช้ในสายงานวิชาชีพที่แตกต่างกัน ผลสำรวจได้ใช้ภารกิจการทำงานทั่วไป 10 อย่าง โดยอ้างอิงข้อมูลจากกระทรวงแรงงานสหรัฐฯ เพื่อติดตามว่า Generative AI กำลังถูกถักทอเข้าเป็นส่วนหนึ่งของการดำเนินงานในแต่ละวันอย่างไร

การพัฒนาซอฟต์แวร์และการออกแบบระบบคอมพิวเตอร์กลายเป็นตัวขับเคลื่อนหลักของการบูรณาการ AI โดยมีคนทำงานในสาขานี้ใช้เครื่องมือ AI ถึง 57 เปอร์เซ็นต์ ตามมาด้วยการวิเคราะห์ข้อมูลที่ 46 เปอร์เซ็นต์ ในขณะที่งานด้านการอ่านเอกสารการทำงานมีอัตราการนำมาใช้ที่ 39 เปอร์เซ็นต์ ในทางตรงกันข้าม งานธุรการแบบดั้งเดิม เช่น การจัดเก็บบันทึกข้อมูล ยังคงตามหลังอยู่ โดยมีคนทำงานที่ได้รับผลกระทบเพียง 25 เปอร์เซ็นต์เท่านั้นที่รายงานว่ามีการใช้ AI

การแทนที่งาน เทียบกับการช่วยเหลือเพียงบางส่วน

ข้อแตกต่างที่สำคัญในรายงานฉบับนี้คือความแตกต่างระหว่างงานที่ "ใช้ AI ช่วยเหลือ" (AI-assisted) กับ "การแทนที่งาน" (task substitution) อย่างแท้จริง ในปัจจุบัน ผู้ใช้ส่วนใหญ่มองว่า AI เป็นเหมือนนักบินผู้ช่วย (co-pilot) มากกว่าระบบขับเคลื่อนอัตโนมัติ (autopilot) การที่ AI จะทำงานให้เสร็จสมบูรณ์ทั้งหมดหรือเกือบทั้งหมดนั้นยังคงเป็นเรื่องที่พบได้น้อย โดยมีเพียง 10 เปอร์เซ็นต์ในด้านการพัฒนาซอฟต์แวร์ และต่ำกว่า 7 เปอร์เซ็นต์ในหมวดหมู่อื่นๆ ทั้งหมดที่ทำการสำรวจ

อย่างไรก็ตาม ปรากฏการณ์การแทนที่งาน ซึ่ง AI เข้ามาทำงานแทนที่มนุษย์ที่เคยจัดการงานนั้นๆ กำลังขยายตัวอย่างเห็นได้ชัด โดยอัตราการแทนที่โดยตรงที่สูงที่สุดพบใน:

  • การวิเคราะห์ข้อมูล: 7.1 เปอร์เซ็นต์ของผู้ตอบแบบสอบถาม
  • การอ่านเอกสารการทำงาน: 5.7 เปอร์เซ็นต์ของผู้ตอบแบบสอบถาม
  • การจัดเก็บบันทึกข้อมูล: 5.3 เปอร์เซ็นต์ของผู้ตอบแบบสอบถาม

Epoch AI เน้นย้ำว่าการเปลี่ยนแปลงนี้ไม่ได้หมายถึงการเลิกจ้างงานจำนวนมากเสมอไป แต่เป็นการจัดสรรแรงงานใหม่ระหว่างสติปัญญาของมนุษย์และการประมวลผลของเครื่องจักร

ความย้อนแย้งของผลิตภาพและคุณภาพของผลลัพธ์

ข้อมูลเผยให้เห็นความสัมพันธ์ที่ซับซ้อนระหว่างการใช้ AI และประสิทธิภาพด้านเวลา เมื่อ AI จัดการงานส่วนใหญ่หรือทั้งหมด ผู้ทำงาน 53 เปอร์เซ็นต์รายงานว่าสามารถประหยัดเวลาได้ เมื่อเทียบกับ 37 เปอร์เซ็นต์เมื่อใช้ AI เพื่อการช่วยเหลือเพียงบางส่วน ที่น่าสนใจคือ "การเพิ่มประสิทธิภาพ" ไม่ได้เกิดขึ้นกับทุกกรณี โดยประมาณ 1 ใน 6 ของงานที่ใช้ AI ช่วยเหลือนั้น กลับใช้เวลานานกว่าวิธีการทำงานด้วยมือแบบดั้งเดิม สิ่งนี้บ่งชี้ว่าเวลาที่ต้องใช้ในการเขียนคำสั่ง (prompt) การตรวจสอบ และการโต้ตอบกับ AI อาจหักล้างข้อได้เปรียบด้านความเร็วไปบางส่วน

นอกจากนี้ ผลสำรวจยังชี้ให้เห็นถึง "ช่องว่างแห่งความเชื่อมั่น" (trust gap) ในผลลัพธ์ของ AI พบว่าเนื้อหาที่สร้างโดย AI ถึง 66 เปอร์เซ็นต์ถูกนำไปใช้โดยมีการแก้ไขน้อยมากหรือแทบไม่มีการแก้ไขเลย ในขณะที่มีเพียง 5 เปอร์เซ็นต์ของผลลัพธ์เท่านั้นที่ถูกนำไปปรับปรุงใหม่ขนานใหญ่ แม้สิ่งนี้จะบ่งชี้ถึงประโยชน์ที่ผู้ใช้รับรู้ในระดับสูง แต่นักวิจัยเตือนว่าความพยายามในการแก้ไขที่ต่ำนั้นไม่ใช่ตัวชี้วัดที่แน่นอนสำหรับคุณภาพที่แท้จริงของผลลัพธ์จาก AI

สรุปประเด็นสำคัญ

  • การนำเทคโนโลยีขั้นสูงมาใช้: การพัฒนาซอฟต์แวร์และการวิเคราะห์ข้อมูลเป็นภาคส่วนแนวหน้าสำหรับการใช้ AI โดยมีอัตราการนำมาใช้สูงถึง 57% และ 46% ตามลำดับ
  • การมอบหมายงานมากกว่าการแทนที่: แม้ว่าคนทำงาน 20% จะมอบหมายงานให้ AI แต่การทำงานอัตโนมัติแบบเต็มรูปแบบยังคงอยู่ในระดับต่ำ (ต่ำกว่า 10%) ซึ่งบ่งชี้ว่าปัจจุบัน AI เป็น "เครื่องมือที่อเนกประสงค์" มากกว่าที่จะมาแทนที่บทบาทของมนุษย์
  • แนวโน้มการแก้ไขงาน: คนทำงาน 2 ใน 3 ยอมรับผลลัพธ์จาก AI โดยมีการเปลี่ยนแปลงเพียงเล็กน้อย ซึ่งแสดงให้เห็นถึงการพึ่งพาประโยชน์ที่ได้รับทันทีจากผลลัพธ์ที่สร้างโดย LLM ที่เพิ่มมากขึ้น

บทสรุป

AI ไม่ใช่การทดลองเฉพาะกลุ่มสำหรับเหล่านวัตกรเพียงไม่กี่คนอีกต่อไป แต่ตอนนี้เป็นเครื่องมือที่คนทำงานชาวอเมริกัน 1 ใน 5 พึ่งพาเพื่อแบ่งเบาภาระงานที่เดิมทีต้องทำโดยเพื่อนร่วมงาน จุดที่แข็งแกร่งที่สุดของเทคโนโลยีนี้อยู่ที่การพัฒนาซอฟต์แวร์และการวิเคราะห์ข้อมูล ซึ่งมีการนำมาใช้ที่ 57% และ 46% ตามลำดับ และการแทนที่งานแบบเต็มรูปแบบแม้จะยังอยู่ในระดับปานกลางแต่ก็กำลังเติบโต แม้ว่าประโยชน์ด้านผลิตภาพจะเห็นได้ชัดสำหรับหลายคน แต่ผลลัพธ์ด้านประสิทธิภาพที่ผสมผสานกันและระดับการแก้ไขที่ต่ำบ่งชี้ว่า กระบวนการตรวจสอบโดยมนุษย์ยังคงมีความสำคัญอย่างยิ่ง