เมื่อ AI ทลายกำแพงวิชาชีพ แล้วเรายังต้องเรียนสาขาเดิมๆ อยู่ไหม

ลองให้ Claude Code เขียนเกมยิงยานอวกาศแบบที่เคยเล่นจากตู้เกมหยอดเหรียญในยุค 90 โดยแค่แนบรูปภาพตัวอย่างเกมไป แล้วเขียน Prompt สั้นๆ ว่า “ช่วยเขียนโปรแกรมเกมนี้ เคยดังในยุค 90 ให้ผมเล่นแบบ Interactive online”

ภายใน 30 นาที มันก็สร้างเกมชื่อ “Starbug Siege” ให้ผมเล่นได้อย่างสนุกสนาน เหมือนที่เคยเล่นจากตู้เกม โปรแกรมแบบนี้ถ้าให้คนมาพัฒนาก็น่าจะใช้เวลาหลายเดือน จริงๆ แล้วนี่ไม่ใช่ครั้งแรกที่ผมให้ AI ช่วยเขียนโปรแกรม ก่อนหน้านี้ผมเคยให้ AI เขียนโปรแกรมบนเว็บเพื่อสรุปและวิเคราะห์งบการเงินของบริษัทต่างๆ หรือเมื่อเกือบสองปีที่แล้ว ตอนที่โมเดลยังไม่เก่งเท่าปัจจุบัน ผมก็ให้ AI ช่วยเขียนโปรแกรมหมากรุกสากล ทั้งหมดนี้ผมไม่ได้พิมพ์โค้ดเองแม้แต่บรรทัดเดียว ผมเพียงบอกว่าอยากได้อะไร แล้ว AI ก็เขียน ทดสอบในเบราว์เซอร์ และส่งลิงก์มาให้เล่น

สิ่งที่ทำให้ผมต้องหยุดคิดจริงจังไม่ใช่งานของตัวเอง เพราะผมเรียนมาทางนี้และพอจะอ่านโค้ดออก แต่คือคนที่ผมเจอระหว่างทาง ผู้บริหารระดับสูงของมหาวิทยาลัยแห่งหนึ่งเล่าว่าใช้ AI เขียนโปรแกรมตรวจสอบหลักสูตรด้วยตัวเอง ผู้บริหารระดับสูงของธนาคารแห่งหนึ่งใช้ AI เขียนโปรแกรมวิเคราะห์การลงทุนเอง ทั้งสองคนไม่ได้มีอาชีพเขียนโปรแกรมโดยตรง พวกเขาแค่รู้ปัญหาของตัวเองดีมาก แล้วเครื่องมือก็ทำให้ความรู้นั้นกลายเป็นซอฟต์แวร์ที่ใช้งานได้

เรื่องแบบนี้ไม่ได้เกิดเฉพาะในบ้านเรา นักข่าวสายเทคโนโลยีของนิวยอร์กไทมส์ที่ยืนยันว่าตัวเองไม่ใช่โปรแกรมเมอร์ สร้างแอปที่ดูรูปวัตถุดิบในตู้เย็นแล้วแนะนำเมนูข้าวกล่องให้ลูกได้ในราวสิบนาที หุ้นส่วนบริษัทตรวจสอบบัญชีในมาเลเซียที่ทำงานบัญชีมา 18 ปี สร้างระบบสแกนใบเสร็จเบิกค่าใช้จ่ายให้บริษัทตัวเองใช้จริง ขณะที่ Google ประกาศเมื่อเดือนเมษายนว่า 75% ของโค้ดใหม่ในบริษัทเขียนโดย AI แล้ววิศวกรเป็นผู้ตรวจอนุมัติ

เช่นเดียวกับการวิเคราะห์ข้อมูล ที่ผ่านมาเราอาจต้องให้คนไอทีเอาข้อมูลไปสร้างแดชบอร์ด อินโฟกราฟิก หรือเขียนโปรแกรมเพื่อปรับปรุงข้อมูลให้มีคุณภาพขึ้น แต่ปัจจุบัน AI กลับทำงานเหล่านี้แทนคนไอทีได้ ผู้ใช้ทั่วไปเพียงแค่อัปโหลดข้อมูลที่ต้องการวิเคราะห์ให้เครื่องมือ AI อย่าง ChatGPT, Gemini หรือ Claude แล้วถามคำถามด้วยภาษาทั่วไป มันก็สามารถตอบคำถามเกี่ยวกับข้อมูล สร้างแดชบอร์ดที่สวยงาม หรือเขียนบทวิเคราะห์เชิงลึกได้ไม่ต่างจากที่นักวิทยาศาสตร์ข้อมูล (Data Scientist) ทำ

ก่อนหน้านี้ผมเขียนเนื้อหาในคอลัมน์นี้บ่อยครั้งว่าสาขาไอทีและ Data Science เป็นสาขาที่น่าสนใจ แต่พอเดือนกันยายน 2566 ผมเขียนเรื่องเมื่อเอไออย่าง ChatGPT กำลังมาแทนที่นักวิทยาศาสตร์ข้อมูล ผมยอมรับในบทความนั้นว่าเคยมองอาชีพนี้ว่าน่าสนใจมาก เพราะองค์กรต้องการคนวิเคราะห์ข้อมูลเพิ่มขึ้นเรื่อยๆ แต่ตอนนั้นผมเริ่มเห็นแล้วว่าผู้ใช้ถามด้วยภาษาปกติแล้วได้ผลวิเคราะห์โดยไม่ต้องเขียนโปรแกรม และเปรียบไว้ว่าคล้ายชะตากรรมของพนักงานพิมพ์ดีด สามปีผ่านไป คำถามที่หลายคนถามผมคือ วันนี้อาชีพนี้ยังน่าสนใจอยู่ไหม เสี่ยงตกงานไหม และลูกหลานควรเรียนสาขานี้อยู่หรือไม่

ตัวเลขที่ควรจับตาที่สุดคือข้อมูลที่ดูขัดกันเองแต่จริงๆ แล้วเล่าเรื่องเดียวกัน ฝั่งหนึ่ง งานระดับเริ่มต้นกำลังหายไป งานวิจัยของ Stanford พบว่าการจ้างนักพัฒนาซอฟต์แวร์อายุ 22 ถึง 25 ปีในสหรัฐลดลงเกือบ 20% จากจุดสูงสุดปลายปี 2565 และประกาศรับสมัครนักพัฒนาซอฟต์แวร์ไตรมาสแรกปีนี้เป็นตำแหน่งระดับเริ่มต้นเพียง 4.5% อีกฝั่งหนึ่ง 

สำนักงานสถิติแรงงานสหรัฐคาดว่าในสิบปีข้างหน้าอาชีพนักวิทยาศาสตร์ข้อมูลจะโตถึง 33.5% เทียบกับงานทั้งหมดที่โตเพียง 3.1% แต่ตำแหน่งโปรแกรมเมอร์ที่แปลว่าคนเขียนโค้ดตามสเปกจะลดลง 6% ในบ้านเรา สถาบันวิจัยเพื่อการพัฒนาประเทศไทย (TDRI) พบว่าประกาศงานวิศวกรซอฟต์แวร์ลดลง 5.3% แต่ตำแหน่งที่ต้องการทักษะ AI เพิ่มขึ้นถึง 94.6%

ผมตีความว่าปัญหาไม่ใช่สาขานี้กำลังตาย แต่คือสาขานี้แบบเดิมกำลังถูกบีบ สิ่งที่ AI กำลังทำลายไม่ใช่วิทยาการคอมพิวเตอร์ แต่คือมูลค่าของการเขียนโค้ดธรรมดา เมื่อก่อนคนธุรกิจบอกความต้องการ ส่งต่อให้โปรแกรมเมอร์ แล้วจึงได้ซอฟต์แวร์ เพราะคนธุรกิจเขียนโปรแกรมเองไม่ได้ โปรแกรมเมอร์จึงเป็นเหมือนล่ามเพียงคนเดียวในองค์กรที่พูดภาษาคอมพิวเตอร์ได้ วันนี้เส้นทางกลายเป็นผู้เชี่ยวชาญในงานคุยกับ AI Agent แล้วได้ซอฟต์แวร์ที่ใช้งานได้ออกมาเลย ทุกคนมีเครื่องแปลภาษาติดตัว ล่ามจึงไม่ใช่ประตูบังคับผ่านอีกต่อไป

แต่ต้องเข้าใจให้ชัดว่ากำแพงไม่ได้หายไป มันแค่ย้ายที่ เคยมีนักวิจัยตรวจแอปที่สร้างด้วยเครื่องมือ AI ยอดนิยมตัวหนึ่งจำนวน 1,645 แอป พบว่า 170 แอปกลับเปิดให้ใครก็เข้าถึงข้อมูลส่วนบุคคลของผู้ใช้ได้ เพราะคนสร้างไม่รู้ว่าต้องตั้งค่าการควบคุมสิทธิ์ ความผิดพลาดแบบนี้ไม่ได้มาจากการโจมตีที่ซับซ้อน แต่มาจากสิ่งพื้นฐานที่คนไม่เคยเรียนคอมพิวเตอร์ไม่รู้ว่าต้องทำ กำแพงจึงย้ายจากประตูทางเข้าไปอยู่ที่เพดานการเติบโต ใครก็เริ่มสร้างได้ แต่คนที่สร้างของที่ปลอดภัยและดูแลต่อได้ยังต้องมีความรู้ที่ลึกกว่าเดิม เพียงแต่เป็นความรู้คนละชุดกับที่หลักสูตรส่วนใหญ่กำลังสอน

คำถามที่สำคัญกว่าจึงไม่ใช่เด็กที่จบสาขานี้จะตกงานไหม แต่อะไรคือความได้เปรียบของเด็กสาขานี้ในโลกที่ใครก็สร้างซอฟต์แวร์ได้ นักศึกษาที่มีจุดขายเพียงว่าเขียนโปรแกรมภาษา Python ได้ ทำแดชบอร์ดได้ หรือสร้างโมเดลตามบทเรียนได้ กำลังแข่งกับ AI โดยตรงและแพ้แน่นอน แต่คนที่เข้าใจปัญหา ออกแบบทางแก้ ใช้ AI สร้าง ตรวจว่าถูกต้อง ทำให้ปลอดภัย และวัดผลทางธุรกิจได้ กลับมีค่ามากขึ้นกว่าเดิม

ผมมองว่าหลักสูตรวิทยาการคอมพิวเตอร์ต้องเปลี่ยนจากสอนให้เขียนโค้ดเป็นสอนให้สร้างระบบ ปีแรกยังต้องเรียนโครงสร้างข้อมูล อัลกอริทึม และคณิตศาสตร์ไม่ต่างจากเดิม เหมือนที่ Carnegie Mellon หรือ NTU ยังบังคับให้เขียนเองก่อน แต่ตั้งแต่ปีสองเป็นต้นไป โจทย์ต้องเปลี่ยนจาก “จงเขียนโปรแกรมนี้” เป็น “นี่คือระบบที่ต้องการ คุณจะใช้ AI สร้างมันอย่างไร และพิสูจน์อย่างไรว่ามันถูกต้องและปลอดภัย”

Data Science ยิ่งต้องเปลี่ยนแรงกว่า หลักสูตรแบบที่นิยมสอนกันในช่วงสิบปีที่ผ่านมา คือเรียน Python ทำความสะอาดข้อมูล สร้างโมเดล แล้วจบด้วยการทำแดชบอร์ด เป็นหลักสูตรที่ AI ทำแทนได้เกือบทุกขั้น ที่ดูย้อนแย้งคือ AI ทำลายงานบางอย่างของนักวิทยาศาสตร์ข้อมูล แต่กลับเพิ่มความต้องการความสามารถด้านข้อมูล เพราะองค์กรที่ใช้ AI ต้องมีคนสร้างท่อส่งข้อมูล ประเมินโมเดล และวัดว่า AI สร้างมูลค่าจริงหรือไม่ สาขานี้จึงควรกลายเป็นส่วนผสมของ Data Science วิศวกรรมข้อมูล วิศวกรรม AI และความรู้ในโดเมนธุรกิจ

AI ไม่ได้ทำให้วิทยาการคอมพิวเตอร์หมดความสำคัญ มันแค่ทำให้การรู้เพียงวิธีเขียนโค้ดมีความสำคัญน้อยลง ขณะที่ความสามารถในการเข้าใจระบบ เข้าใจปัญหา และสร้างคำตอบด้วย AI มีความสำคัญมากขึ้น

เช่นเดียวกัน กำแพงที่พังไม่ได้มีแค่ระหว่างคนธุรกิจกับโปรแกรมเมอร์ แต่กำแพงของวิชาชีพอื่นก็กำลังพังตาม ตัวอย่างเช่น AI พูดและแปลภาษาต่างๆ ได้ ช่วยตรวจสอบบัญชีได้ และตรวจสัญญาทางกฎหมายได้ สาขาวิชาอื่นอีกจำนวนมากจึงต้องเร่งปรับตัวเช่นกัน

สิ่งที่นักเรียนและผู้ปกครองควรถามเมื่อเลือกที่เรียนในอนาคตจึงไม่ใช่ว่ายังควรเรียนวิทยาการคอมพิวเตอร์หรือสาขาอื่นๆ อยู่ไหม แต่คือหลักสูตรที่กำลังจะเลือกนั้นตั้งใจผลิตคนทำงานตามสั่งซึ่ง AI ทำแทนได้แล้ว หรือผลิตคนที่สั่งงาน ตรวจงาน และรับผิดชอบงานที่ AI สร้างได้