IMF เตือน AI พลิกเศรษฐกิจโลก ชี้โจทย์ใหญ่สร้าง 'ผลิตภาพ' รับมือผลกระทบแรงงาน

ปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนจากเทคโนโลยีแห่งอนาคตสู่เครื่องมือที่มีผลต่อเศรษฐกิจ การดำเนินธุรกิจ และตลาดแรงงานทั่วโลก

ขณะที่การลงทุนขยายตัวอย่างรวดเร็ว ความท้าทายสำคัญอยู่ที่การเปลี่ยนศักยภาพของเทคโนโลยีให้เป็นผลิตภาพที่เกิดขึ้นจริง พร้อมรับมือความเปลี่ยนแปลงที่กระทบทั้งภาคธุรกิจ แรงงาน และเสถียรภาพทางการเงิน

ประเด็นดังกล่าวเป็นหัวข้อสำคัญในการเสวนา “AI and the Global Economy: From Risk to Opportunity” ระหว่างการประชุมประจำปี IMF-World Bank Annual Meetings 2026

โดยมี คริสตาลินา กอร์เกียวา กรรมการผู้จัดการ IMF ร่วมกับ แจ็ค คลาร์ก ผู้ร่วมก่อตั้ง และหัวหน้าฝ่ายนโยบาย แอนโทรปิก, ดร.อายชา คันนา ผู้ร่วมก่อตั้งและซีอีโอ Addo, ทิฟฟ์ แมคเคลม ผู้ว่าการธนาคารกลางแคนาดา และ โทเบียส เมเยอร์ ประธานเจ้าหน้าที่บริหาร ดีเอชแอล กรุ๊ป ร่วมแลกเปลี่ยนมุมมอง โดยมี ริชาร์ด เควสต์ ผู้ประกาศข่าว และผู้สื่อข่าว CNN ทำหน้าที่ผู้ดำเนินรายการ

AI โตเร็ว แต่ผลต่อผลิตภาพยังต้องพิสูจน์

คริสตาลินา กอร์เกียวา กรรมการผู้จัดการ IMF กล่าวว่า AI เป็นเทคโนโลยีที่แพร่กระจายอย่างรวดเร็วอย่างที่ไม่เคยเกิดขึ้นมาก่อน และสร้างโอกาสเติบโตทางเศรษฐกิจอย่างมากให้แก่ประเทศที่สามารถเชื่อมโยงเข้ากับห่วงโซ่คุณค่าของ AI (AI Value Chain) ได้

อย่างไรก็ตาม ประเทศที่เข้าถึงโอกาสดังกล่าวยังเป็นเพียงส่วนน้อยของโลก ขณะที่ความเสี่ยงต่อเสถียรภาพทางการเงินเริ่มเป็นประเด็นที่ผู้กำหนดนโยบายต้องติดตาม

เธอมองว่า โลกยังอยู่ในช่วงเริ่มต้นของการเปลี่ยนผ่าน โดยผลที่เห็นในปัจจุบันส่วนใหญ่เป็นการเพิ่มประสิทธิภาพการทำงานของบุคคล มากกว่าการเปลี่ยนแปลงผลิตภาพในวงกว้าง

กอร์เกียวา อ้างถึง “กฎของอามารา” (Amara’s Law) ซึ่งอธิบายว่า ผู้คนมักประเมินผลกระทบของเทคโนโลยีใหม่ในระยะสั้นสูงเกินไป แต่ประเมินผลกระทบในระยะยาวต่ำเกินไป

ความเสี่ยงในช่วงนี้จึงอยู่ที่ความคาดหวังต่อ AI อาจสูงกว่าผลลัพธ์ที่เกิดขึ้นจริงในระยะสั้น หากการนำเทคโนโลยีไปใช้ต้องใช้เวลานานกว่าที่คาด และนักลงทุนหรือภาคธุรกิจผิดหวังจนถอนการลงทุนออกไป อาจกลายเป็นอุปสรรคต่อการพัฒนาในระยะต่อไป

ด้าน ทิฟฟ์ แมคเคลม ผู้ว่าการธนาคารกลางแคนาดา มองว่า การประเมินผลของ AI ต้องแยกความสำเร็จของบริษัทแต่ละแห่งออกจากผลต่อเศรษฐกิจโดยรวม โดยยกตัวอย่างยุคฟองสบู่ดอตคอม (Dot-com) ที่แม้บริษัทจำนวนหนึ่งจะล้มเหลว แต่เทคโนโลยีอินเทอร์เน็ตยังสร้างประโยชน์ และเพิ่มผลิตภาพให้เศรษฐกิจในระยะยาว

แมคเคลม ระบุว่า การลงทุนที่เกี่ยวข้องกับ AI กำลังมีบทบาทต่อเศรษฐกิจโลก ทั้ง GDP ตลาดหุ้น ตลาดพันธบัตร และอัตราดอกเบี้ยระยะยาว โดยการลงทุนที่เพิ่มขึ้นเข้ามามีบทบาทแทนภาวะออมส่วนเกิน (Global Savings Surplus) ขณะที่ประเด็นเศรษฐกิจซบเซายาวนาน (Secular Stagnation) ซึ่งเคยได้รับความสนใจในอดีต ก็ไม่ได้เป็นประเด็นที่ถูกพูดถึงเช่นเดิม

อย่างไรก็ตาม ผลตอบแทนที่แท้จริงต่อสังคมจะเกิดขึ้นเมื่อเทคโนโลยีกระจายไปสู่บริษัทต่างๆ และช่วยเพิ่มผลิตภาพได้อย่างกว้างขวาง

องค์กรต้องเปลี่ยน AI จากเครื่องมือสู่กระบวนการทำงาน

ดร.อายชา คันนา ประธานเจ้าหน้าที่บริหาร Addo กล่าวว่า แม้การใช้งาน AI จะเริ่มต้นจากผู้บริโภค แต่ภาคธุรกิจยังเผชิญความยากลำบากในการนำเทคโนโลยีไปใช้เพื่อเพิ่มประสิทธิภาพการดำเนินงานอย่างเป็นรูปธรรม

การให้พนักงานใช้เครื่องมือ AI Copilot ช่วยเพิ่มผลิตภาพรายบุคคลได้ แต่ไม่ได้หมายความว่าจะเพิ่มประสิทธิภาพของกระบวนการทำงานทั้งองค์กรโดยอัตโนมัติ บริษัทจำนวนมากจึงต้องทบทวนแนวทางการเปลี่ยนผ่านสู่ AI หลังจากการทดลองใช้งานในช่วงที่ผ่านมาไม่สามารถสร้างผลลัพธ์ตามที่คาดหวัง

คันนา เสนอว่า การวัดผลิตภาพไม่ควรพิจารณาเพียงความเร็วหรือปริมาณงานที่เพิ่มขึ้น แต่ต้องให้ความสำคัญกับคุณภาพของการตัดสินใจด้วย หากทุกองค์กรใช้โมเดล AI แบบเดียวกันโดยไม่มีบริบท และข้อมูลเฉพาะของตนเอง ก็อาจไม่สร้างความได้เปรียบทางการแข่งขัน

ขณะที่ แจ็ค คลาร์ก ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายนโยบาย Anthropic มองว่า AI แตกต่างจากฮาร์ดแวร์ทั่วไป เพราะสามารถเข้ามาช่วยทำงานในองค์กรได้โดยตรง โดย Anthropic พัฒนาเครื่องมืออย่าง Claude Code เพื่อขยายการใช้งานจากรูปแบบแชตบอตไปสู่การทำงานแบบ Agentic ซึ่งช่วยดำเนินงานหลายขั้นตอน

คลาร์ก ยกตัวอย่างการใช้ AI เขียนโคดเพื่อปรับปรุงระบบซอฟต์แวร์เดิมของ Anthropic ทำให้ระบบทำงานได้รวดเร็ว และมีประสิทธิภาพขึ้น พร้อมชี้ว่า บริษัทขนาดใหญ่มีข้อได้เปรียบจากข้อมูล บริบท และเครือข่ายในโลกจริง ขณะที่สตาร์ตอัปมีความคล่องตัวในการปรับเปลี่ยน

สำหรับ โทเบียส เมเยอร์ ประธานเจ้าหน้าที่บริหาร ดีเอชแอล กรุ๊ป การลงทุนด้านเทคโนโลยีต้องมีทิศทางชัดเจน โดยบริษัทไม่ควรอนุมัติงบโครงการไอทีที่ไม่มีเป้าหมาย และผลลัพธ์ที่ชัดเจน

ดีเอชแอล ซึ่งมีพนักงาน 580,000 คน และเครื่องบิน 300 ลำ เน้นนำ AI มาใช้กับงานที่มีปริมาณสูง เช่น การสำแดงพิธีการศุลกากร และการบริการลูกค้า

โดยเมเยอร์ ระบุว่า สิ่งสำคัญไม่ใช่เพียงความสามารถในการให้เหตุผลของโมเดล AI แต่รวมถึงการออกแบบระบบ Agentic ที่เชื่อมโยงกับฐานข้อมูลเฉพาะ เพื่อให้ได้ผลลัพธ์ที่ถูกต้อง และตรวจสอบได้ เช่น การระบุตำแหน่งพัสดุ

บริษัทกำลังปรับโครงสร้างเทคโนโลยีให้เป็นแบบ Modular เพื่อลดการพึ่งพาผู้ให้บริการรายเดียว นอกจากนี้ เมเยอร์มองว่า การประเมินผลิตภาพเศรษฐกิจโลกไม่ควรยึดติดกับโมเดลภาษาขนาดใหญ่ (LLM) เพียงอย่างเดียว โดย Small Models และ Physical AI/Robotics ก็มีบทบาทสำคัญต่อการเพิ่มผลิตภาพในภาคการผลิต และงานที่เกี่ยวข้องกับแรงงานจำนวนมาก

AI เปลี่ยนตลาดแรงงาน เร่งพัฒนาทักษะใหม่

กอร์เกียวา เผยผลการศึกษาของ IMF ว่า ตลาดแรงงานกำลังเผชิญความเปลี่ยนแปลงหลายด้าน กลุ่มแรกคือ งานที่ต้องใช้ทักษะรูปแบบใหม่หรือทักษะที่ไม่เคยมีมาก่อน ซึ่งคิดเป็นประมาณ 10% ของตลาดแรงงาน และเป็นกลุ่มที่จะได้รับค่าตอบแทนสูงขึ้นอย่างชัดเจน ขณะที่กลุ่มงานซ้ำซากเสี่ยงที่จะหายไป ส่วนกลุ่มงานบริการแม้จะโตขึ้นจากผลกระทบด้านความมั่งคั่ง (Wealth Effect) แต่กลับทำให้คนรุ่นใหม่ต้องไปทำงานบริการแทนที่จะได้เข้าสู่งานวิชาชีพขั้นต้น

อย่างไรก็ตาม กอร์เกียวา ตั้งข้อสังเกตว่า การขยายตัวของงานบริการไม่ได้หมายความว่าจะช่วยให้แรงงานรุ่นใหม่ได้รับประสบการณ์วิชาชีพที่จำเป็นเสมอไป โดยยกตัวอย่างคนรุ่นใหม่ที่ควรเข้าสู่งานวิชาชีพขั้นต้น แต่อาจต้องไปทำงานบริการ เช่น พนักงานร้านกาแฟ แทน

ด้าน แมคเคลม ระบุว่า ข้อมูลในปัจจุบันยังไม่แสดงให้เห็นว่า AI ทำให้การจ้างงานโดยรวมลดลงอย่างชัดเจน และการเปลี่ยนแปลงทางเทคโนโลยีในอดีตมักสร้างงานใหม่ควบคู่กับการทำลายงานเดิม อย่างไรก็ตาม ผู้ที่ได้รับผลกระทบจากการเปลี่ยนผ่านจำเป็นต้องได้รับการช่วยเหลือจากทั้งภาครัฐ และเอกชน มิฉะนั้นอาจเกิดแรงต่อต้านทางสังคม และการเมือง

คันนา ยกตัวอย่างแนวทางของสิงคโปร์ที่เน้นหลักการ “Protect every worker, not every job” หรือไม่จำเป็นต้องรักษาทุกตำแหน่งงานไว้ แต่ต้องคุ้มครองแรงงานทุกคน ผ่านการสนับสนุนการฝึกอบรมทักษะ และการช่วยให้ภาคธุรกิจปรับตัว พร้อมสื่อสารกับประชาชนอย่างโปร่งใส

ขณะที่ คลาร์ก ระบุว่า ข้อมูลของ Anthropic เริ่มชี้ให้เห็นความซบเซาในการจ้างงานนักศึกษาจบใหม่ ทำให้ความต้องการแรงงานที่มีประสบการณ์เพื่อทำงานร่วมกับระบบ AI มีความสำคัญมากขึ้น

ส่วน เมเยอร์ ยกตัวอย่างการใช้กล้อง AI ในรถขนส่งสินค้าเพื่อช่วยตรวจจับพฤติกรรมเสี่ยง และลดอุบัติเหตุ โดยระบุว่า เทคโนโลยีดังกล่าวช่วยลดอุบัติเหตุร้ายแรง และผู้เสียชีวิตได้ถึง 50% ในประเทศกำลังพัฒนา แต่การนำมาใช้ในยุโรปทำได้ยากขึ้นจากข้อจำกัดด้านกฎหมายความเป็นส่วนตัว

โครงสร้างพื้นฐาน–ทักษะคน กุญแจกระจายประโยชน์ AI

กอร์เกียวา ระบุว่า การทำให้ประชาชน และภาคธุรกิจได้รับประโยชน์จาก AI อย่างทั่วถึง ต้องมีเงื่อนไขพื้นฐาน 4 ประการ

• ประการแรก คือ โครงสร้างพื้นฐานดิจิทัลและการเข้าถึงไฟฟ้า โดยเธอระบุว่า ประชากรในแอฟริกามากกว่า 50% ยังเข้าไม่ถึงอินเทอร์เน็ต
• ประการที่สอง คือ การเตรียมความพร้อมของคนให้สามารถปรับตัวเข้ากับเศรษฐกิจยุคใหม่
• ประการที่สาม คือ การผลักดันให้ AI กระจายไปสู่ภาคส่วนสำคัญ เช่น เกษตรกรรม สาธารณสุข และการศึกษา ซึ่งต้องอาศัยบทบาทเชิงรุกของผู้กำหนดนโยบาย
• ประการสุดท้าย คือ การสร้างระบบกำกับดูแล และหลักจริยธรรม เพื่อป้องกันไม่ให้ความเสี่ยงจากเทคโนโลยีสูงกว่าประโยชน์ที่ได้รับ

กอร์เกียวา มองว่า AI มีโอกาสเป็นเทคโนโลยีที่คนทั่วไปเข้าถึงได้ในวงกว้าง เช่นเดียวกับโทรศัพท์มือถือ แต่การทำให้เกิดขึ้นจริงต้องคำนึงถึงความพร้อมของแต่ละประเทศ และบริบทการใช้ชีวิตของประชาชน

เร่งสร้างกติกา AI รับมือความเสี่ยงระดับโลก

กอร์เกียวา เปรียบเทียบการพัฒนา AI กับการแข่งขันรถ Formula 1 ที่วิ่งด้วยความเร็วสูง โดยคำถามสำคัญคือ จะสร้างแผงกั้นความปลอดภัยอย่างไร เพื่อป้องกันไม่ให้เทคโนโลยีก่อความเสียหายร้ายแรง

เธอมองว่า ภาครัฐไม่สามารถติดตามการเปลี่ยนแปลงของเทคโนโลยีได้ทันในทุกด้าน จึงต้องอาศัยการกำกับดูแลตนเองของภาคธุรกิจควบคู่กับการมีส่วนร่วมของภาคสังคม พร้อมเสนอให้ประเทศที่เป็นผู้พัฒนา AI หลัก โดยเฉพาะสหรัฐ จีน และอินเดีย ซึ่งมีบทบาทด้านโมเดลขนาดเล็ก รวมถึงประเทศในห่วงโซ่อุปทานชิป มีส่วนรับผิดชอบในการสร้างมาตรการป้องกันความเสี่ยง

สำหรับ IMF มีบทบาทติดตามผลกระทบของ AI ใน 3 ด้าน ได้แก่ การเติบโตของผลิตภาพ ตลาดแรงงาน และความเสี่ยงต่อเสถียรภาพทางการเงิน

กอร์เกียวา ยังกล่าวถึงถ้อยแถลงของสมเด็จพระสันตะปาปาฟรานซิสในการประชุม G7 เกี่ยวกับจริยธรรม AI โดยเน้นย้ำถึงความจำเป็นที่มนุษยชาติต้องให้ความสำคัญกับหลักจริยธรรมควบคู่ไปกับการพัฒนาเทคโนโลยี

ด้าน คลาร์ก ระบุว่า มาตรฐานความปลอดภัยของ AI ควรได้รับการพัฒนาอย่างจริงจัง โดยเปรียบเทียบว่า แม้แต่ของเล่นเด็กยังมีฉลาก และมาตรฐานการทดสอบความปลอดภัย ขณะที่เทคโนโลยี AI ขั้นสูงกำลังพัฒนาไปอย่างรวดเร็ว

Anthropic สนับสนุนการประเมินระบบโดยบุคคลที่สาม (Third-party Evaluators) และทำงานร่วมกับสถาบันความปลอดภัย AI (AI Security Institutes: AISI) เพื่อเปิดให้มีการทดสอบระบบผ่าน API

นอกจากนี้ คลาร์ก ระบุว่า ภาคอุตสาหกรรมยังมีหลักการร่วมกันในประเด็นพื้นฐาน เช่น การป้องกันไม่ให้ AI ถูกนำไปใช้สร้างอาวุธชีวภาพหรือโจมตีทางไซเบอร์

เมเยอร์ สนับสนุนการหลีกเลี่ยงกฎระเบียบที่เข้มงวดเกินความจำเป็น พร้อมเสนอให้มีมาตรฐาน AI กลางในลักษณะเดียวกับมาตรฐาน ISO เพื่อสร้างความเข้าใจร่วมกันระหว่างประเทศ และป้องกันไม่ให้คุณค่า และรายได้จาก AI กระจุกตัวอยู่กับบริษัทเทคโนโลยีเพียงไม่กี่ราย

คันนา เตือนว่า หากองค์กรขาดการลงทุนด้านความปลอดภัยไซเบอร์ เหตุการณ์โจมตีร้ายแรงอาจทำให้ผู้บริหารลดความเสี่ยงด้วยการชะลอการนำ AI มาใช้ ซึ่งจะส่งผลต่อระยะเวลาคืนทุนของการลงทุนดาต้าเซนเตอร์ขนาดใหญ่

ขณะที่ แมคเคลม มองว่า การสร้างข้อตกลงกำกับดูแล AI ระดับโลกแบบครอบคลุมทุกด้านทำได้ยาก จึงควรใช้ความร่วมมือระหว่างภาครัฐ และเอกชน พร้อมเปิดให้ประเทศอื่นๆ นอกเหนือจากสหรัฐ และจีน เข้ามามีส่วนร่วมในการประเมินความเสี่ยงและทดสอบระบบ โดยธนาคารกลางยังมีบทบาทดูแลสภาพคล่องเพื่อป้องกันวิกฤติในระบบการเงิน

ความร่วมมือระดับนานาชาติ โจทย์กำกับดูแล AI

กอร์เกียวา ยอมรับว่า การประสานความร่วมมือระหว่างประเทศสมาชิก IMF จำนวน 191 ประเทศไม่ใช่เรื่องง่าย แต่ยังมีโอกาสสร้างข้อตกลงร่วมกันได้ผ่านแนวคิด “Enlightened Self-Interest” หรือการตระหนักว่าการร่วมมือกันเป็นผลประโยชน์ของทุกฝ่าย

แม้แต่ละภูมิภาคมีแนวทางกำกับดูแลแตกต่างกัน ทั้งจีนที่ใช้การกำกับดูแลเข้มงวด สหภาพยุโรปที่ให้ความสำคัญกับกรอบกฎหมาย และสหรัฐ ที่ให้น้ำหนักกับความไว้วางใจในภาคเอกชน แต่กอร์เกียวามองว่า ประเทศต่างๆ ยังสามารถสร้างความสอดคล้องของกติกาได้ หากเห็นร่วมกันว่าการไม่ร่วมมือจะเพิ่มความเสี่ยงที่ผู้ไม่หวังดีจะใช้เทคโนโลยีได้เปรียบเหนือผู้ที่ต้องการใช้อย่างรับผิดชอบ

การเปลี่ยนผ่านสู่เศรษฐกิจที่ขับเคลื่อนด้วย AI จึงไม่ได้ขึ้นอยู่กับความสามารถของโมเดลเพียงอย่างเดียว แต่ยังอยู่ที่การนำเทคโนโลยีไปใช้ในกระบวนการทำงาน การพัฒนาทักษะแรงงาน การเข้าถึงโครงสร้างพื้นฐาน และความร่วมมือระหว่างประเทศในการจัดการความเสี่ยง

ผู้บริหารเผยใช้ AI ตั้งแต่งานถึงชีวิตประจำวัน

ผู้ร่วมเสวนายกตัวอย่างการนำ AI มาใช้ในชีวิตประจำวัน ตั้งแต่ช่วยจัดการงาน และตรวจสอบข้อมูล ไปจนถึงการบริหารเวลาและแก้โจทย์ภายในครอบครัว

คริสตาลินา กอร์เกียวา : ใช้ผู้ช่วย AI ช่วยจัดการงาน และคัดกรองอีเมล รวมถึงใช้คำนวณ และควบคุมปริมาณแคลอรีจากอาหาร โดยระบุว่าสามารถลดน้ำหนักได้ 8 ปอนด์ หรือประมาณ 3.6 กิโลกรัม

ทิฟฟ์ แมคเคลม : ใช้โมเดลภาษาขนาดใหญ่ (LLM) ภายในธนาคารกลางแคนาดา, ช่วยคิดเมนูอาหารเย็นสำหรับครอบครัว

อายชา คันนา : นำ AI มาใช้บริหารเวลา โดยเชื่อมต่อกับปฏิทิน และตั้งเสียงเตือนทุก 20 นาทีให้ลุกเดิน พร้อมช่วยให้กลับมาโฟกัสกับงานที่ต้องใช้สมาธิ (Deep Work) และลดการไถอินเทอร์เน็ตจนเพลิน

แจ็ค คลาร์ก : ใช้ AI ตรวจสอบความเข้าใจงานวิจัยทางวิทยาศาสตร์ โดยให้ช่วยทบทวนบทความ และบทสรุปที่เขาเขียนเอง นอกจากนี้ ยังใช้จัดทำรายงานวิเคราะห์ห่วงโซ่อุปทานรายประเทศสำหรับการประชุมกับ IMF ซึ่งเขาระบุว่างานที่เดิมต้องใช้ทีมงานหลายคน และเวลานานถึง 6 เดือน สามารถทำเสร็จได้ภายในเช้าวันเดียวระหว่างจิบกาแฟ

ในชีวิตส่วนตัว คลาร์กเล่าแบบติดตลกว่า เขาเคยใช้ AI ถามว่า “การให้ลูกวัยเตาะแตะกินนักเก็ตไก่ติดต่อกัน 3 วันจะปลอดภัยหรือไม่”

โทเบียส เมเยอร์ : เลือกใช้ AI ในชีวิตส่วนตัวอย่างระมัดระวัง โดยมองว่าผู้บริหารธุรกิจที่เกี่ยวข้องกับการดำเนินงานทางกายภาพยังจำเป็นต้องเข้าใจสภาพการทำงานจริง และตัวเลข เนื่องจาก AI มีข้อจำกัดในการประมวลผลกระบวนการทางฟิสิกส์ และจำลองโลกจริง

 

 

 

พิสูจน์อักษร....สุรีย์  ศิลาวงษ์