Nostalgic Job ແມ່ນຫຍັງ? ວຽກທີ່ຄວນຮັກສາໄວ້ໃຫ້ມະນຸດ ແລະ ກົນລະຍຸດຂອງບໍລິສັດ ເຖິງແມ່ນວ່າ AI ຈະສາມາດເຮັດແທນໄດ້

Nostalgic Job (ວຽກງານແຫ່ງຄວາມໂຫຍຫາ) ແມ່ນວຽກທີ່ຜູ້ຄົນຍັງຄົງປາດຖະໜາໃຫ້ "ມະນຸດຕົວຈິງເປັນຜູ້ຮັບຜິດຊອບ ບໍ່ແມ່ນຍ້ອນປະສິດທິພາບ ຫຼື ຄວາມຖືກຕ້ອງ ແຕ່ຍ້ອນເຫດຜົນທາງສັງຄົມ, ຈັນຍາບັນ ແລະ ວັດທະນະທຳ" ເຖິງແມ່ນວ່າຈະຢູ່ໃນອະນາຄົດທີ່ AI ແລະ ຫຸ່ນຍົນສາມາດທົດແທນວຽກງານຂອງມະນຸດໄດ້ຢ່າງສົມບູນທາງດ້ານເຕັກນິກກໍຕາມ. ໃນບົດຄວາມນີ້, ພວກເຮົາຈະອະທິບາຍເຖິງນິຍາມ ແລະ ພື້ນຖານຂອງແນວຄວາມຄິດດັ່ງກ່າວ, ຕົວຢ່າງທີ່ເປັນຮູບປະທຳ, ລວມເຖິງວິທີທີ່ບໍລິສັດຕ່າງໆຈະສາມາດວາງຍຸດທະສາດການບໍລິຫານຈັດການກ່ຽວກັບ "ວຽກທີ່ຄວນເຫຼືອໄວ້ໃຫ້ມະນຸດ" ໃນຍຸກທີ່ Generative AI ແລະ LLM ເລີ່ມເຂົ້າມາຮັບຜິດຊອບວຽກງານດ້ານຄວາມຮູ້. ນີ້ແມ່ນຄູ່ມືເບື້ອງຕົ້ນສຳລັບຜູ້ບໍລິຫານ, ຝ່າຍບຸກຄະລາກອນ ແລະ ຜູ້ຈັດການໜ້າວຽກ ທີ່ກຳລັງຄິດຫາວ່າຄວນມອບໝາຍສິ່ງໃດໃຫ້ AI ແລະ ສິ່ງໃດທີ່ຄວນເຫຼືອໄວ້ໃຫ້ມະນຸດ.

Nostalgic Job ແມ່ນແນວຄວາມຄິດທີ່ເກີດຂຶ້ນຈາກການຕັດສິນໃຈດ້ານຄຸນຄ່າຂອງຜູ້ຄົນທີ່ວ່າ "ຢາກມອບໝາຍໃຫ້" ຫຼື "ບໍ່ຢາກມອບໝາຍໃຫ້" ບໍ່ແມ່ນເລື່ອງທາງເຕັກນິກທີ່ວ່າ "ເຮັດໄດ້/ເຮັດບໍ່ໄດ້". ກ່ອນອື່ນໝົດ, ຂໍຈັດລະບຽບຄໍານິຍາມ, ເຫດຜົນທາງສັງຄົມ, ຈັນຍາບັນ ແລະ ວັດທະນະທຳທີ່ຢູ່ເບື້ອງຫຼັງ, ລວມເຖິງຄວາມແຕກຕ່າງຈາກ Human-in-the-loop (HITL) ທີ່ມັກຈະສັບສົນກັນ.

ຖ້າຈະໃຫ້ອະທິບາຍ "Nostalgic Job" ດ້ວຍຄຳສັບດຽວ ກໍຄື "ວຽກທີ່ສັງຄົມຍັງຕ້ອງການໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບ ເຖິງແມ່ນວ່າ AI ຈະສາມາດເຮັດແທນໄດ້ກໍຕາມ". ສິ່ງທີ່ສຳຄັນໃນທີ່ນີ້ຄື ການທີ່ເຕັກໂນໂລຊີສາມາດເຮັດແທນໄດ້ ກັບການທີ່ສັງຄົມຈະຍອມຮັບສິ່ງນັ້ນຫຼືບໍ່ ແມ່ນຄົນລະບັນຫາກັນ.

ການສົນທະນາໃນຮູບແບບເດີມກ່ຽວກັບ "ວຽກທີ່ຈະບໍ່ຖືກ AI ແຍ່ງໄປ" ມັກຈະຍຶດຖືເອົາ "ຄວາມສາມາດໃນການເຮັດແທນທາງເຕັກນິກ" ເປັນມາດຕະຖານ. ແຕ່ທັດສະນະຂອງ Nostalgic Job ແມ່ນກົງກັນຂ້າມ, ເພາະມັນສຸມໃສ່ຄວາມຕ້ອງການທີ່ຍັງຄົງຢູ່ເຖິງແມ່ນວ່າການເຮັດແທນທາງເຕັກນິກຈະເປັນໄປໄດ້ແລ້ວກໍຕາມ. ຕົວຢ່າງເຊັ່ນ: ເຖິງແມ່ນວ່າລະບົບຂັບເຄື່ອນອັດຕະໂນມັດຈະແຜ່ຫຼາຍຢ່າງສົມບູນແບບແລ້ວ, ແຕ່ຄວາມຕ້ອງການທີ່ວ່າ "ຢາກໃຫ້ຄົນທີ່ຄຸ້ນເຄີຍເປັນຜູ້ໄປຮັບໄປສົ່ງລູກ ຫຼື ພາພໍ່ແມ່ຜູ້ສູງອາຍຸໄປໂຮງໝໍ" ກໍອາດຈະຍັງຄົງຢູ່.

ສະຫຼຸບກໍຄື Nostalgic Job ບໍ່ແມ່ນວຽກທີ່ຖືກປົກປ້ອງດ້ວຍຂໍ້ຈຳກັດຂອງເຄື່ອງຈັກ, ແຕ່ເປັນວຽກທີ່ຍັງຄົງຖືກເລືອກໂດຍຄວາມມັກຂອງມະນຸດ. ການປ່ຽນແນວຄິດນີ້ຈະກາຍເປັນຈຸດເລີ່ມຕົ້ນໃນການຄິດເຖິງວຽກງານໃນຍຸກ AI.

ການທີ່ຜູ້ຄົນຍອມເສຍສະລະປະສິດທິພາບ ແລະ ຄວາມຖືກຕ້ອງເພື່ອເລືອກມະນຸດນັ້ນ ມີເຫດຜົນຫຼັກໆຢູ່ 3 ປະການ:

ເຫດຜົນທາງສັງຄົມ: ເປັນສະຖານະການທີ່ການພົວພັນລະຫວ່າງຄົນກັບຄົນມີຄຸນຄ່າໃນຕົວມັນເອງ. ໃນວຽກງານການດູແລ ຫຼື ການບໍລິການລູກຄ້າ, ຄວາມຮູ້ສຶກທີ່ວ່າ "ໄດ້ຮັບການເອົາໃຈໃສ່ຈາກຄົນ" ມີຜົນຕໍ່ຄວາມເພິ່ງພໍໃຈຫຼາຍກວ່າຄວາມຖືກຕ້ອງຂອງການບໍລິການ.

ເຫດຜົນທາງຈັນຍາບັນ: ເປັນສະຖານະການທີ່ຜົນຂອງການຕັດສິນໃຈມີຄວາມຮັບຜິດຊອບເຂົ້າມາກ່ຽວຂ້ອງ. ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍທາງການແພດ, ການຮັບສະໝັກງານ, ຫຼື ການກຳນົດໂທດນັ້ນ ເຖິງແມ່ນວ່າ AI ຈະມີຄວາມແມ່ນຍຳສູງ ແຕ່ກໍຍັງມີບັນທັດຖານທີ່ວ່າ "ມະນຸດຄວນເປັນຜູ້ຮັບຜິດຊອບ".

ເຫດຜົນທາງວັດທະນະທຳ: ເປັນສະຖານະການທີ່ຄວາມໝາຍຝັງຢູ່ໃນງານຫັດຖະກຳ ຫຼື ປະເພນີດັ້ງເດີມ. ສິນຄ້າຫັດຖະກຳຂອງຊ່າງຝີມື ຫຼື ການສະແດງສົດນັ້ນ ເຖິງແມ່ນວ່າເຄື່ອງຈັກຈະສາມາດຜະລິດສິ່ງທີ່ຄ້າຍຄືກັນໄດ້ ແຕ່ຄວາມຈິງທີ່ວ່າ "ມະນຸດເປັນຜູ້ສ້າງ" ກໍຍັງເປັນແຫຼ່ງທີ່ມາຂອງຄຸນຄ່າ.

ທັງ 3 ປະການນີ້ບໍ່ໄດ້ແຍກອອກຈາກກັນຢ່າງເດັດຂາດ ແຕ່ມີຄວາມຊ້ອນທັບກັນໃນຫຼາຍວຽກງານ. ຕົວຢ່າງເຊັ່ນ: ການພະຍາບານ ເຊິ່ງລວມເອົາທັງເຫດຜົນທາງສັງຄົມ ແລະ ເຫດຜົນທາງຈັນຍາບັນເຂົ້າໄວ້ດ້ວຍກັນ, ຈຶ່ງເຮັດໃຫ້ຄວາມຕ້ອງການທີ່ຈະໃຫ້ມະນຸດເປັນຜູ້ເຮັດວຽກນີ້ຍັງຄົງມີຄວາມສຳຄັນຢ່າງຍິ່ງ.

Nostalgic Job ມີຈຸດເລີ່ມຕົ້ນທີ່ແຕກຕ່າງຈາກການຮ່ວມມືກັບ Human-in-the-Loop (HITL) ຫຼື AI Agent.

HITL ແມ່ນແນວຄິດການອອກແບບຈາກຝ່າຍຜູ້ສະໜອງ ແລະ ຜູ້ດຳເນີນງານທີ່ວ່າ "ການນຳເອົາມະນຸດເຂົ້າມາມີສ່ວນຮ່ວມເພື່ອໃຫ້ AI ເຮັດວຽກໄດ້ຢ່າງປອດໄພ". ຈຸດປະສົງແມ່ນເພື່ອຮັບປະກັນຄວາມຖືກຕ້ອງ ແລະ ຄວາມປອດໄພຂອງ AI, ໂດຍມະນຸດຈະເຂົ້າໄປມີສ່ວນຮ່ວມໃນຖານະຜູ້ຄວບຄຸມເພື່ອຮັກສາຄຸນນະພາບ.

ໃນທາງກົງກັນຂ້າມ, Nostalgic Job ເລີ່ມຕົ້ນຈາກຄວາມຕ້ອງການຂອງຝ່າຍຜູ້ໃຊ້ທີ່ວ່າ "ຕ້ອງການໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບແຕ່ທຳອິດ". ໃນທີ່ນີ້, ມະນຸດບໍ່ໄດ້ຖືກຮຽກຮ້ອງໃຫ້ມາເພື່ອຄວບຄຸມ AI, ແຕ່ຖືກຮຽກຮ້ອງໃຫ້ມີຕົວຕົນໃນຖານະຕົວເອກຂອງວຽກງານນັ້ນ.

ເວົ້າອີກຢ່າງໜຶ່ງ, ໃນຂະນະທີ່ HITL ເປັນຄຳຖາມທີ່ວ່າ "ຈະໃຊ້ AI ໃຫ້ຖືກຕ້ອງໄດ້ແນວໃດ", Nostalgic Job ກັບເປັນຄຳຖາມທີ່ວ່າ "ຈະເຫຼືອວຽກຫຍັງໄວ້ໃຫ້ມະນຸດ". ທັງສອງຢ່າງນີ້ບໍ່ໄດ້ຂັດແຍ່ງກັນ, ແຕ່ສາມາດດຳເນີນໄປພ້ອມກັນໄດ້ໃນຮູບແບບຂອງການໃຊ້ AI ຢ່າງປອດໄພ ໄປພ້ອມກັບການກຳນົດຂອບເຂດວຽກທີ່ຈະເຫຼືອໄວ້ໃຫ້ມະນຸດ. ສາມາດອ່ານລາຍລະອຽດເພີ່ມເຕີມໄດ້ທີ່ ບົດຄວາມອະທິບາຍກ່ຽວກັບ HITL.

ແນວຄວາມຄິດເລື່ອງ Nostalgic Job ເລີ່ມມີຄວາມເປັນຈິງຫຼາຍຂຶ້ນ ເນື່ອງຈາກ AI ໄດ້ເລີ່ມເຂົ້າມາຮັບຜິດຊອບບໍ່ພຽງແຕ່ໜ້າວຽກງ່າຍໆເທົ່ານັ້ນ ແຕ່ຍັງລວມເຖິງວຽກງານດ້ານຄວາມຮູ້ອີກດ້ວຍ. ຍິ່ງຂອບເຂດການທົດແທນດ້ວຍເທັກໂນໂລຊີກວ້າງຂວາງຂຶ້ນເທົ່າໃດ, ກໍຍິ່ງມີຄວາມຈຳເປັນທີ່ຈະຕ້ອງກຳນົດ "ຂົງເຂດທີ່ຕ້ອງການໃຫ້ມະນຸດຍັງຄົງເຮັດຢູ່" ຢ່າງມີສະຕິຫຼາຍຂຶ້ນເທົ່ານັ້ນ.

ເມື່ອກ່ອນ, ເປົ້າໝາຍຂອງການເຮັດວຽກແບບອັດຕະໂນມັດແມ່ນຈຳກັດຢູ່ພຽງແຕ່ການເຮັດວຽກແບບປົກກະຕິໃນສາຍການຜະລິດຂອງໂຮງງານ ຫຼື ການປ້ອນຂໍ້ມູນເທົ່ານັ້ນ. ແຕ່ດ້ວຍການມາເຖິງຂອງ Generative AI ແລະ Large Language Models (LLM), ເຮັດໃຫ້ວຽກງານທາງດ້ານສະຕິປັນຍາທີ່ເຄີຍຖືວ່າເປັນເອກະລັກສະເພາະຂອງມະນຸດ ເຊັ່ນ: ການຂຽນບົດຄວາມ, ການສະຫຼຸບເນື້ອຫາ, ການແປພາສາ, ການຂຽນໂຄ້ດ ແລະ ການວາງແຜນໂຄງການ ໄດ້ກາຍມາເປັນຂອບເຂດຂອງການເຮັດວຽກແບບອັດຕະໂນມັດ.

ຍິ່ງໄປກວ່ານັ້ນ, AI Agent ໄດ້ຮັບຄວາມນິຍົມຫຼາຍຂຶ້ນ ເຮັດໃຫ້ AI ບໍ່ພຽງແຕ່ສາມາດຕອບຄຳຖາມໄດ້ເທົ່ານັ້ນ ແຕ່ຍັງສາມາດປະຕິບັດຫຼາຍຂັ້ນຕອນໄດ້ຢ່າງອິດສະຫຼະ. ມັນກຳລັງກ້າວເຂົ້າສູ່ຂັ້ນຕອນທີ່ສາມາດຈັດການກັບການຄົ້ນຄວ້າ, ການຮ່າງເອກະສານ, ການປັບຕາຕະລາງເວລາ ແລະ ການຕອບຮັບການສອບຖາມຕ່າງໆ ໄດ້ໂດຍບໍ່ຈຳເປັນຕ້ອງມີຄຳສັ່ງລະອຽດຈາກມະນຸດ.

ດ້ວຍເຫດນີ້, ແຜນທີ່ຂອງ "ສິ່ງທີ່ AI ສາມາດເຮັດໄດ້" ຈຶ່ງຖືກປ່ຽນແປງຢ່າງວ່ອງໄວ, ສົ່ງຜົນໃຫ້ຄຳຖາມທີ່ວ່າ "ແລ້ວມະນຸດຄວນຮັບຜິດຊອບຫຍັງ?" ກາຍມາເປັນບັນຫາການບໍລິຫານຈັດການທີ່ຢູ່ຕໍ່ໜ້າ, ບໍ່ແມ່ນພຽງແຕ່ທິດສະດີໃນອະນາຄົດທີ່ເປັນນາມມະທຳອີກຕໍ່ໄປ. ຄຳຖາມທີ່ເຄີຍບໍ່ຈຳເປັນໃນຍຸກທີ່ຂອບເຂດການທົດແທນຍັງຄົງທີ່, ບັດນີ້ໄດ້ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ ແລະ ມີຄວາມສຳຄັນຫຼາຍຂຶ້ນກວ່າເກົ່າ.

ລະຫວ່າງສິ່ງທີ່ສາມາດທົດແທນໄດ້ທາງດ້ານເຕັກນິກ ກັບສິ່ງທີ່ສັງຄົມຍອມຮັບນັ້ນ ມັກຈະມີຊ່ອງວ່າງຂະໜາດໃຫຍ່ຢູ່ສະເໝີ.

ຕົວຢ່າງເຊັ່ນ: ເຖິງແມ່ນວ່າ AI ຈະສາມາດໃຫ້ຜົນການວິນິດໄສທາງການແພດທີ່ມີຄວາມແມ່ນຍຳສູງໄດ້ ແຕ່ຄວາມຮູ້ສຶກຂອງຄົນເຈັບທີ່ວ່າ "ຢາກໄດ້ຍິນຄຳອະທິບາຍສຸດທ້າຍຈາກປາກຂອງແພດ" ກໍຍັງບໍ່ຫາຍໄປ. ເຖິງແມ່ນວ່າ AI ຈະສາມາດສ້າງຄຳໄວ້ອາໄລໄດ້ຢ່າງສະຫຼະສະລວຍ ແຕ່ຄວາມປາດຖະໜາຂອງຍາດພີ່ນ້ອງທີ່ວ່າ "ຢາກສົ່ງຜູ້ລ່ວງລັບດ້ວຍຖ້ອຍຄຳຂອງຄົນທີ່ຮູ້ຈັກເຂົາດີ" ກໍຍັງຄົງຢູ່.

ຊ່ອງວ່າງນີ້ບໍ່ໄດ້ເກີດຈາກຄວາມບໍ່ພ້ອມຂອງເຕັກໂນໂລຊີ ແຕ່ມັນຝັງຮາກເລິກຢູ່ໃນຄ່ານິຍົມຂອງມະນຸດ. ດັ່ງນັ້ນ, ເຖິງແມ່ນວ່າປະສິດທິພາບຈະເພີ່ມຂຶ້ນ ແຕ່ຊ່ອງວ່າງດັ່ງກ່າວກໍຈະບໍ່ຖືກຕື່ມເຕັມໂດຍອັດຕະໂນມັດ. ກົງກັນຂ້າມ, ຍິ່ງ AI ມີປະສິດທິພາບສູງຂຶ້ນເທົ່າໃດ ຄຳຖາມທີ່ວ່າ "ເປັນຫຍັງຈຶ່ງຍັງຢາກເພິ່ງພາອາໄສມະນຸດຢູ່?" ກໍຍິ່ງຈະແຈ້ງຂຶ້ນ ແລະ ເຮັດໃຫ້ຮູບຮ່າງຂອງ Nostalgic Job (ວຽກງານທີ່ເນັ້ນຄວາມຊົງຈຳ) ມີຄວາມຊັດເຈນຂຶ້ນ. ຄວາມກ້າວໜ້າທາງເຕັກໂນໂລຊີ ບໍ່ພຽງແຕ່ເຮັດໃຫ້ຂອບເຂດຂອງມະນຸດແຄບລົງເທົ່ານັ້ນ ແຕ່ໃນຂະນະດຽວກັນ ມັນຍັງເຮັດໃຫ້ຮູບຮ່າງຂອງຂອບເຂດນັ້ນປາກົດເດັ່ນຊັດຂຶ້ນມາອີກດ້ວຍ.

ເມື່ອ AI ສາມາດຮັບຜິດຊອບວຽກງານຕ່າງໆໄດ້ຫຼາຍຂຶ້ນ, ຄວາມຈຳເປັນໃນການນິຍາມຄືນໃໝ່ກ່ຽວກັບ "ຄວາມໝາຍຂອງການທີ່ມະນຸດຕ້ອງເຮັດວຽກ" ຈຶ່ງເກີດຂຶ້ນ. ທີ່ຜ່ານມາ, ພວກເຮົາພຽງແຕ່ຍຶດຖືວ່າ "ມະນຸດຕ້ອງເຮັດ ເພາະມີແຕ່ມະນຸດເທົ່ານັ້ນທີ່ເຮັດໄດ້", ແຕ່ປະຈຸບັນສົມມຸດຕິຖານດັ່ງກ່າວໄດ້ພັງທະລາຍລົງແລ້ວ.

ການຕັ້ງຄຳຖາມໃໝ່ນີ້ ບັງຄັບໃຫ້ບຸກຄົນທີ່ເຮັດວຽກຕ້ອງອອກແບບເສັ້ນທາງອາຊີບຂອງຕົນຄືນໃໝ່, ສ່ວນອົງກອນກໍຕ້ອງທົບທວນການຈັດວາງບຸກຄະລາກອນ ແລະ ເກນການປະເມີນຜົນ. ບໍ່ແມ່ນພຽງແຕ່ການ "ເພີ່ມປະສິດທິພາບດ້ວຍ AI" ເທົ່ານັ້ນ, ແຕ່ຄວາມສາມາດໃນການເບິ່ງໃຫ້ອອກວ່າ "ວຽກໃດທີ່ສ້າງມູນຄ່າໄດ້ເພາະເປັນວຽກທີ່ມະນຸດເປັນຜູ້ຮັບຜິດຊອບ" ໄດ້ກາຍເປັນປັດໄຈທີ່ສົ່ງຜົນໂດຍກົງຕໍ່ຄວາມສາມາດໃນການແຂ່ງຂັນຂອງອົງກອນ.

Nostalgic Job (ວຽກທີ່ຄົງຄຸນຄ່າຕາມການເວລາ) ສາມາດເວົ້າໄດ້ວ່າເປັນແນວຄິດທີ່ໃຫ້ມຸມມອງທີ່ເປັນຮູບປະທຳຕໍ່ການຕັ້ງຄຳຖາມນີ້. ແທນທີ່ຈະຄິດແບບກວ້າງໆວ່າ "ວຽກຂອງມະນຸດຈະຍັງຄົງຢູ່", ແນວຄິດນີ້ຈະຊ່ວຍໃຫ້ເຮົາສາມາດຈັດລະບຽບໂຄງສ້າງໄດ້ວ່າ ວຽກໃດທີ່ຈະຍັງຄົງຢູ່ ແລະ ຍ້ອນຫຍັງ.

Nostalgic Job ບໍ່ແມ່ນລາຍການທີ່ຕາຍຕົວເຊິ່ງລະບຸເຖິງຕຳແໜ່ງງານໃດໜຶ່ງໂດຍສະເພາະ, ແຕ່ຄວນເຂົ້າໃຈວ່າເປັນລະດັບຂອງ "ຄວາມຕ້ອງການໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບ" ຫຼາຍກວ່າ. ເຖິງແມ່ນວ່າຈະຢູ່ໃນຕຳແໜ່ງງານດຽວກັນ, ກໍຍັງມີສ່ວນທີ່ສາມາດມອບໝາຍໃຫ້ AI ເຮັດໄດ້ ແລະ ສ່ວນທີ່ຍັງຕ້ອງການໃຫ້ມະນຸດເຮັດຢູ່. ຕໍ່ໄປນີ້, ພວກເຮົາຈະມາເບິ່ງຕົວຢ່າງທີ່ຊັດເຈນຈາກ 3 ຂົງເຂດທີ່ເປັນຕົວແທນ.

ທີ່ເຫັນໄດ້ຊັດເຈນທີ່ສຸດຄື ຂົງເຂດການດູແລ, ການພະຍາບານ, ການລ້ຽງເດັກ ແລະ ການບໍລິການລູກຄ້າ ເຊິ່ງເປັນວຽກງານທີ່ຕ້ອງໃຊ້ການເບິ່ງແຍງ ແລະ ການບໍລິການລະຫວ່າງບຸກຄົນ.

ໃນວຽກງານເຫຼົ່ານີ້, ເຖິງແມ່ນວ່າວຽກງານຕົວຈິງຈະສາມາດທົດແທນດ້ວຍ AI ຫຼື ຫຸ່ນຍົນໄດ້ບາງສ່ວນ, ແຕ່ຄວາມຮູ້ສຶກເຖິງຄວາມສຳພັນທີ່ວ່າ "ໄດ້ຮັບການເອົາໃຈໃສ່ຈາກຄົນ" ນັ້ນຄື ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງຄຸນຄ່າ. ເຖິງແມ່ນວ່າຫຸ່ນຍົນເສີບອາຫານຈະສາມາດນຳອາຫານມາສົ່ງໄດ້, ແຕ່ກໍບໍ່ສາມາດທົດແທນການສົນທະນາສັ້ນໆທີ່ແລກປ່ຽນກັນຢູ່ໂຕະອາຫານໄດ້.

ໂດຍສະເພາະໃນສັງຄົມທີ່ກຳລັງກ້າວເຂົ້າສູ່ສັງຄົມຜູ້ສູງອາຍຸ, ສະຖານທີ່ດູແລຜູ້ສູງອາຍຸທີ່ມັກຈະຖືກເບິ່ງວ່າເປັນເປົ້າໝາຍຂອງການເພີ່ມປະສິດທິພາບນັ້ນ, ກົງກັນຂ້າມກັບມີຄວາມຕ້ອງການທີ່ຢາກ "ໄດ້ຮັບການດູແລຈາກມືຂອງຄົນ" ຢ່າງໜຽວແໜ້ນ. AI ຈະຮັບຜິດຊອບວຽກງານອ້ອມຂ້າງ ເຊັ່ນ: ການບັນທຶກ, ການເຝົ້າລະວັງ, ແລະ ການຈັດການການກິນຢາ, ສ່ວນມະນຸດຈະສຸມໃສ່ການສົນທະນາ ແລະ ການສະໜັບສະໜູນທາງດ້ານອາລົມ—ການແບ່ງໜ້າທີ່ແບບນີ້ມີແນວໂນ້ມທີ່ຈະເປັນ ການແລກປ່ຽນ ຫຼື Trade-off ທີ່ເປັນຈິງ. ສິ່ງທີ່ສຳຄັນບໍ່ແມ່ນການເອົາຄົນອອກຈາກການດູແລ, ແຕ່ແມ່ນການໃຫ້ຄົນໄປສຸມໃສ່ໃນສ່ວນທີ່ມະນຸດເທົ່ານັ້ນທີ່ສາມາດເຮັດໄດ້.

ຂະແໜງການສຶກສາ, ວັດທະນະທຳ ແລະ ສິລະປະ ກໍເປັນອີກຂົງເຂດໜຶ່ງທີ່ Nostalgic Job ປາກົດໃຫ້ເຫັນຢ່າງເດັ່ນຊັດ.

Generative AI ສາມາດສ້າງສື່ການຮຽນການສອນທີ່ເໝາະສົມກັບບຸກຄົນ ແລະ ສາມາດອະທິບາຍຈຸດທີ່ບໍ່ເຂົ້າໃຈໄດ້ຊໍ້າໆ. ເຖິງຢ່າງນັ້ນ, ກໍຍັງເຊື່ອວ່າບົດບາດຂອງຄູອາຈານທີ່ຄອຍສັງເກດສີໜ້າຂອງນັກຮຽນ, ເລືອກໃຊ້ຄຳເວົ້າ ແລະ ເຂົ້າໃຈເຖິງບັນຫາທີ່ນັກຮຽນພົບພໍ້ຈະຍັງຄົງຢູ່. ເພາະການຮຽນຮູ້ນັ້ນ ບໍ່ໄດ້ມີພຽງແຕ່ການຖ່າຍທອດຄວາມຮູ້ເທົ່ານັ້ນ ແຕ່ຍັງມີດ້ານຂອງຄວາມສຳພັນລະຫວ່າງມະນຸດທີ່ວ່າ "ຮຽນມາຈາກໃຜ" ອີກດ້ວຍ.

ສຳລັບດ້ານສິລະປະນັ້ນຍິ່ງເຫັນໄດ້ຊັດເຈນກວ່າ. ເຖິງແມ່ນວ່າ AI ຈະສາມາດສ້າງຮູບແຕ້ມ ຫຼື ບົດເພງທີ່ປານີດໄດ້, ແຕ່ສຳລັບການສະແດງສົດ ຫຼື ງານຫັດຖະກຳທີ່ເຮັດດ້ວຍມືນັ້ນ, ຄວາມສຳຄັນຈະຖືກວາງໄວ້ທີ່ຄວາມຈິງທີ່ວ່າ "ມະນຸດເປັນຜູ້ສ້າງຂຶ້ນ". ຜູ້ຊົມບໍ່ໄດ້ຈ່າຍເງິນໃຫ້ກັບພຽງແຕ່ຄວາມສົມບູນແບບເທົ່ານັ້ນ, ແຕ່ຍັງຈ່າຍໃຫ້ກັບການມີຕົວຕົນຂອງຜູ້ສ້າງ ແລະ ເລື່ອງລາວທີ່ຢູ່ເບື້ອງຫຼັງອີກດ້ວຍ. ໃນກໍລະນີນີ້, ການປຽບທຽບປະສິດທິພາບກັບ AI ຈຶ່ງບໍ່ແມ່ນປະເດັນສຳຄັນແຕ່ຢ່າງໃດ.

ການຕັດສິນໃຈທີ່ມາພ້ອມກັບຄວາມຮັບຜິດຊອບອັນໜັກໜ່ວງ ແລະ ການຕັດສິນທາງດ້ານຈັນຍາບັນ ກໍມີແນວໂນ້ມທີ່ຈະກາຍເປັນ Nostalgic Job ໄດ້ງ່າຍ.

ການຕັດສິນຮັບ ຫຼື ປະຕິເສດຜູ້ສະໝັກງານ, ການປະເມີນຜົນງານພະນັກງານ, ການຕັດສິນໃຈດ້ານນະໂຍບາຍການແພດ, ຫຼື ການຕັດສິນທາງຕຸລາການ ເຖິງແມ່ນວ່າ AI ຈະສາມາດສະໜອງຂໍ້ມູນອ້າງອີງ ຫຼື ຮ່າງເອກະສານໃຫ້ໄດ້ ແຕ່ກໍມີບັນທັດຖານທີ່ວ່າ ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍຄວນເປັນໜ້າທີ່ຂອງມະນຸດ. ເຫດຜົນບໍ່ແມ່ນເລື່ອງຂອງຄວາມຖືກຕ້ອງແມ້ນຍຳ ແຕ່ແມ່ນເລື່ອງຂອງ "ໃຜຈະເປັນຜູ້ຮັບຜິດຊອບຕໍ່ຜົນທີ່ຕາມມາ" ເຊິ່ງເປັນທີ່ມາຂອງຄວາມຮັບຜິດຊອບ (Accountability).

ການປ່ອຍໃຫ້ AI ຕັດສິນໃຈທັງໝົດ ແລ້ວສົ່ງຜົນໃຫ້ເກີດສະພາວະທີ່ບໍ່ມີໃຜສາມາດຮັບຜິດຊອບໄດ້ນັ້ນ ເປັນສິ່ງທີ່ສັງຄົມຍາກຈະຍອມຮັບ. ດັ່ງນັ້ນ, ເຖິງແມ່ນວ່າຈະປະຕິບັດຕາມຄຳແນະນຳຂອງ AI ກໍຕາມ, ຮູບແບບຂອງ "ການທີ່ມະນຸດເປັນຜູ້ຍອມຮັບ ແລະ ຕັດສິນໃຈ" ກໍຍັງຖືກໃຫ້ຄວາມສຳຄັນ. ໃນຈຸດນີ້, ມະນຸດບໍ່ໄດ້ຖືກຕ້ອງການໃນຖານະຂອງຜູ້ເພີ່ມປະສິດທິພາບ ແຕ່ໃນຖານະຂອງຜູ້ຮັບຜິດຊອບຕໍ່ຄວາມຖືກຕ້ອງຕາມກົດໝາຍ ແລະ ຫຼັກການ. ການທີ່ "ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍໂດຍມະນຸດ" ຖືກເນັ້ນຢ້ຳຊ້ຳໆໃນການສົນທະນາເລື່ອງ AI Governance ກໍສາມາດເວົ້າໄດ້ວ່າ ເປັນການສະໜັບສະໜູນຄວາມຕ້ອງການນີ້ຈາກທາງດ້ານລະບົບນັ້ນເອງ.

ວຽກງານທີ່ຊວນໃຫ້ຄິດຮອດ (Nostalgic Job) ມັກຈະຖືກເຂົ້າໃຈຜິດວ່າເປັນ "ວຽກທີ່ AI ບໍ່ສາມາດຍາດຊິງໄປໄດ້", ແຕ່ທັງສອງຢ່າງນີ້ມີມາດຕະຖານທີ່ແຕກຕ່າງກັນໂດຍພື້ນຖານ. ການເຂົ້າໃຈເຖິງຄວາມແຕກຕ່າງນີ້ ຈະຊ່ວຍໃຫ້ການກວດສອບວຽກງານພາຍໃນບໍລິສັດຂອງທ່ານງ່າຍຂຶ້ນ.

ການສົນທະນາແບບດັ້ງເດີມທີ່ວ່າ "ວຽກທີ່ AI ຈະບໍ່ຍາດໄປ" ແມ່ນເນັ້ນໃສ່ຂໍ້ຈຳກັດທາງດ້ານການສະໜອງເປັນຫຼັກ ເຊິ່ງໝາຍເຖິງ "ວຽກທີ່ຈະຍັງຄົງຢູ່ເພາະບໍ່ສາມາດທົດແທນໄດ້ດ້ວຍເຕັກໂນໂລຊີ". ຕົວຢ່າງເຊັ່ນ: ວຽກທີ່ໃຊ້ຝີມືອັນຊັບຊ້ອນ, ການຮັບມືກັບສະຖານະການທີ່ບໍ່ຄາດຄິດ, ແລະ ວຽກທີ່ບໍ່ມີຮູບແບບຕາຍຕົວເຊິ່ງຕ້ອງໃຊ້ຮ່າງກາຍ.

ພາຍໃຕ້ຂອບແນວຄິດນີ້, ຖ້າເຕັກໂນໂລຊີມີຄວາມກ້າວໜ້າຈົນສາມາດທົດແທນໄດ້, ວຽກນັ້ນກໍຈະຍ້າຍໄປຢູ່ໃນກຸ່ມ "ວຽກທີ່ຈະຖືກຍາດໄປ". ເນື່ອງຈາກພື້ນຖານຂອງການປ້ອງກັນຕົວເອງແມ່ນຂຶ້ນກັບຂໍ້ຈຳກັດຂອງເຕັກໂນໂລຊີ, ດັ່ງນັ້ນເມື່ອຂໍ້ຈຳກັດດັ່ງກ່າວປ່ຽນແປງໄປ, ບົດສະຫຼຸບກໍຈະປ່ຽນແປງຕາມ. ໃນຄວາມເປັນຈິງ, ວຽກງານການແປພາສາ ແລະ ການຂຽນບົດຄວາມທີ່ເຄີຍຖືກກ່າວວ່າ "AI ເຮັດບໍ່ໄດ້" ໃນເມື່ອກ່ອນ, ປັດຈຸບັນໄດ້ກາຍເປັນວຽກທີ່ສາມາດເຮັດໃຫ້ເປັນອັດຕະໂນມັດໄດ້ແລ້ວ.

Nostalgic Job (ວຽກທີ່ຊວນໃຫ້ຄິດຮອດ) ແມ່ນຢູ່ໃນລະດັບທີ່ແຕກຕ່າງຈາກ "ວຽກທີ່ຈະຍັງຄົງຢູ່ເພາະບໍ່ສາມາດທົດແທນໄດ້ດ້ວຍເຕັກໂນໂລຊີ". ຈຸດທີ່ແຕກຕ່າງຢ່າງເດັ່ນຊັດຄື ການເນັ້ນໃສ່ວຽກທີ່ມະນຸດຈະຍັງຄົງຖືກເລືອກໃຫ້ເຮັດຢູ່ ເຖິງແມ່ນວ່າຈະສາມາດທົດແທນໄດ້ແລ້ວກໍຕາມ. ເນື່ອງຈາກວຽກເຫຼົ່ານີ້ບໍ່ຄ່ອຍໄດ້ຮັບຜົນກະທົບຈາກຄວາມກ້າວໜ້າທາງເຕັກໂນໂລຊີ, ຈຶ່ງສາມາດເວົ້າໄດ້ວ່າເປັນມຸມມອງທີ່ມີຄວາມຍືນຍົງກວ່າ.

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງ Nostalgic Job ແມ່ນຄວາມມັກແບບຕັ້ງໜ້າຂອງຝ່າຍຄວາມຕ້ອງການທີ່ "ເລືອກທີ່ຈະມອບໝາຍໃຫ້ມະນຸດ".

ຕົວຢ່າງເຊັ່ນ: ມີຜູ້ບໍລິໂພກທີ່ເລືອກສິນຄ້າເຮັດມື (Handmade) ທັງທີ່ການຜະລິດດ້ວຍເຄື່ອງຈັກມີລາຄາຖືກກວ່າ ແລະ ມີຄຸນນະພາບສະໝ່ຳສະເໝີກວ່າ. ມີລູກຄ້າທີ່ຕ້ອງການພະນັກງານທີ່ເປັນມະນຸດ ທັງທີ່ Chatbot ສາມາດຕອບຄຳຖາມໄດ້ໄວກວ່າ. ການທີ່ມະນຸດຖືກເລືອກໃນທີ່ນີ້ ບໍ່ແມ່ນຍ້ອນປະສິດທິພາບທີ່ດ້ອຍກວ່າ ແຕ່ຍ້ອນວ່າການເປັນມະນຸດນັ້ນເອງທີ່ມີຄຸນຄ່າໃນຕົວມັນເອງ.

ການທີ່ "ເລືອກ" ແບບນີ້ຈະເກີດຂຶ້ນໄດ້ຫຼືບໍ່ ແມ່ນມາດຕະຖານໃນການຕັດສິນ Nostalgic Job. ຖ້າຫາກເປັນຄວາມມັກທີ່ບໍ່ຫາຍໄປເຖິງວ່າເຕັກໂນໂລຊີຈະກ້າວໜ້າຂຶ້ນ ກໍຖືວ່າມີຄຸນຄ່າພໍທີ່ຈະນຳໄປລວມເຂົ້າໃນຍຸດທະສາດຂອງບໍລິສັດໃນຖານະຄວາມຕ້ອງການທີ່ຍືນຍົງ. ໃນທາງກົງກັນຂ້າມ, ຂົງເຂດທີ່ຜູ້ຄົນພ້ອມຈະປ່ຽນໄປໃຊ້ AI ຢ່າງງ່າຍດາຍຫາກຄວາມສະດວກສະບາຍເພີ່ມຂຶ້ນນັ້ນ ບໍ່ສາມາດເອີ້ນວ່າ Nostalgic Job ໄດ້. ການແຍກແຍະສອງສິ່ງນີ້ອອກຈາກກັນ ຄືບາດກ້າວທຳອິດໃນການຈັດແບ່ງວຽກງານ.

Nostalgic Job ເປັນແນວຄິດໃໝ່ ຈຶ່ງເຮັດໃຫ້ເຂົ້າໃຈຜິດໄດ້ງ່າຍ. ຂໍອະທິບາຍເພື່ອແກ້ໄຂຄວາມເຂົ້າໃຈຜິດທີ່ພົບເລື້ອຍ 2 ປະການ.

ຄວາມເຂົ້າໃຈຜິດປະການທຳອິດແມ່ນ "Nostalgic Job ຄືການຕໍ່ອາຍຸວຽກງານທີ່ບໍ່ມີປະສິດທິພາບດ້ວຍຄວາມໂຫຍຫາອະດີດ".

ຢ່າງໃດກໍຕາມ, ນີ້ບໍ່ແມ່ນຄວາມຈິງ. ສິ່ງທີ່ Nostalgic Job ພະຍາຍາມປົກປ້ອງບໍ່ແມ່ນ "ຄວາມບໍ່ມີປະສິດທິພາບ" ແຕ່ແມ່ນຄຸນຄ່າທີ່ເປັນເອກະລັກຂອງມະນຸດ ເຊິ່ງຈະບໍ່ສູນຫາຍໄປເຖິງວ່າຈະມີການເພີ່ມປະສິດທິພາບແລ້ວກໍຕາມ. ໃນໜ້າວຽກການດູແລຜູ້ປ່ວຍ, ການມອບໝາຍໃຫ້ AI ເຮັດໜ້າທີ່ບັນທຶກຂໍ້ມູນ ແລະ ເຝົ້າລະວັງ ເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ການສົນທະນາໄດ້ນັ້ນ ບໍ່ແມ່ນການຮັກສາຄວາມບໍ່ມີປະສິດທິພາບໄວ້ ແຕ່ເປັນການຈັດວາງບຸກຄະລາກອນຄືນໃໝ່ໃນສ່ວນທີ່ມີຄຸນຄ່າສູງກວ່າ.

ໃນທາງກົງກັນຂ້າມ, ການປ່ອຍໃຫ້ມະນຸດເຮັດທຸກຢ່າງຕໍ່ໄປນັ້ນ ຈະເປັນການເຮັດໃຫ້ຄຸນຄ່າທີ່ມະນຸດເທົ່ານັ້ນສາມາດສ້າງໄດ້ນັ້ນໝົດໄປ. ການເພີ່ມປະສິດທິພາບ ແລະ Nostalgic Job ບໍ່ໄດ້ຂັດແຍ່ງກັນ ແຕ່ເປັນຄວາມສຳພັນທີ່ສົ່ງເສີມເຊິ່ງກັນແລະກັນ. ການເພີ່ມປະສິດທິພາບດ້ວຍ AI ແລະ ການຮັກສາວຽກງານທີ່ມີຄຸນຄ່າໄວ້ໃຫ້ມະນຸດ ສາມາດດຳເນີນໄປພ້ອມໆກັນໄດ້.

ຄວາມເຂົ້າໃຈຜິດຢ່າງທີສອງແມ່ນ "Nostalgic Job ເປັນການຄັດຄ້ານຕໍ່ການສົ່ງເສີມ AI".

ໃນຄວາມເປັນຈິງແມ່ນກົງກັນຂ້າມ, ແນວຄິດນີ້ຕັ້ງຢູ່ບົນພື້ນຖານຂອງການນຳໃຊ້ AI. ເນື່ອງຈາກ AI ເຂົ້າມາຮັບຜິດຊອບວຽກງານປະຈຳ ແລະ ການປະມວນຜົນຂໍ້ມູນ, ມະນຸດຈຶ່ງສາມາດສຸມໃສ່ຂົງເຂດທີ່ມີມູນຄ່າເພີ່ມສູງໄດ້. Nostalgic Job ບໍ່ແມ່ນຂໍ້ໂຕ້ແຍ້ງເພື່ອຢຸດການນຳໃຊ້ AI, ແຕ່ເປັນຄຳຖາມທີ່ສ້າງສັນວ່າຈະກຳນົດບົດບາດຂອງມະນຸດຄືນໃໝ່ໃນຍຸກ AI ໄດ້ແນວໃດ.

ເຊັ່ນດຽວກັບ AI Hybrid BPO, ຮູບແບບທີ່ຄົນ ແລະ AI ແບ່ງປັນບົດບາດເພື່ອເຮັດວຽກຮ່ວມກັນກຳລັງແຜ່ຂະຫຍາຍອອກໄປ ເຊິ່ງສາມາດເວົ້າໄດ້ວ່າເປັນສິ່ງທີ່ຕໍ່ເນື່ອງມາຈາກແນວຄິດນີ້. AI ແລະ ມະນຸດສາມາດອອກແບບໃຫ້ເປັນຄວາມສຳພັນທີ່ຊ່ວຍເສີມເຊິ່ງກັນ ແລະ ກັນ ບໍ່ແມ່ນຄວາມສຳພັນທີ່ແຍ່ງຊິງກັນ. ໃນທາງກົງກັນຂ້າມ, ບໍລິສັດທີ່ນຳໃຊ້ AI ຢ່າງຕັ້ງໜ້າ ແມ່ນບໍລິສັດທີ່ເພີ່ມມູນຄ່າຂອງວຽກທີ່ເຫຼືອໄວ້ໃຫ້ມະນຸດຢ່າງມີສະຕິ.

Nostalgic Job ບໍ່ຄວນຈົບລົງພຽງແຕ່ທິດສະດີທີ່ເປັນນາມມະທຳ, ແຕ່ຈະມີຄວາມໝາຍກໍຕໍ່ເມື່ອສາມາດນຳໄປປັບໃຊ້ເຂົ້າກັບການອອກແບບວຽກງານຂອງບໍລິສັດຕົນເອງໄດ້. ໃນທີ່ນີ້, ຈະຂໍສະເໜີ 2 ມຸມມອງ ຄື: ການກຳນົດຂອບເຂດ ແລະ ການສ້າງອົງກອນ.

ສິ່ງທີ່ຄວນເລີ່ມຕົ້ນເຮັດກ່ອນແມ່ນ ການແບ່ງວຽກງານພາຍໃນບໍລິສັດອອກເປັນ "ວຽກທີ່ມອບໃຫ້ AI ເຮັດ" ແລະ "ວຽກທີ່ໃຫ້ມະນຸດເຮັດ". ເກນໃນການຕັດສິນໃຈທີ່ນຳໃຊ້ໄດ້ງ່າຍມີ 3 ຢ່າງດັ່ງນີ້:

1. ຄວາມສາມາດໃນການທົດແທນ (Replaceability): ວຽກນັ້ນສາມາດໃຊ້ AI ທົດແທນທາງດ້ານເຕັກນິກໄດ້ຫຼືບໍ່.
2. ຄວາມຕ້ອງການຂອງລູກຄ້າ (Customer Preference): ລູກຄ້າຮູ້ສຶກເຖິງຄຸນຄ່າໃນການໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບວຽກນັ້ນຫຼືບໍ່.
3. ຄວາມຮັບຜິດຊອບ (Accountability): ເປັນວຽກທີ່ມີລັກສະນະທີ່ມະນຸດຄວນຮັບຜິດຊອບຕໍ່ຜົນລັດທີ່ເກີດຂຶ້ນຫຼືບໍ່.

ວຽກທີ່ສາມາດທົດແທນໄດ້, ລູກຄ້າບໍ່ໄດ້ຢຶດຕິດວ່າຕ້ອງເປັນມະນຸດເຮັດ ແລະ ບໍ່ມີຄວາມຮັບຜິດຊອບທີ່ໜັກໜ່ວງ ສາມາດໂອນໃຫ້ AI ເຮັດໄດ້ຢ່າງເຕັມທີ່. ໃນທາງກົງກັນຂ້າມ, ວຽກທີ່ລູກຄ້າຕ້ອງການໃຫ້ມະນຸດເຮັດ ແລະ ເປັນວຽກທີ່ມີຄວາມຮັບຜິດຊອບສູງ ຖືເປັນວຽກທີ່ມີຄຸນຄ່າສູງໃນການຮັກສາໄວ້ໃຫ້ມະນຸດເຮັດໃນຖານະ Nostalgic Job.

ການແບ່ງວຽກນີ້ບໍ່ແມ່ນເຮັດພຽງຄັ້ງດຽວແລ້ວຈົບ, ແຕ່ຄວນມີການທົບທວນຄືນຢ່າງສະໝໍ່າສະເໝີຕາມຄວາມກ້າວໜ້າຂອງເຕັກໂນໂລຊີ ແລະ ການປ່ຽນແປງທາງດ້ານຄວາມຄິດຂອງລູກຄ້າ. ເມື່ອວັດແທກ ROI ຂອງການນຳໃຊ້ AI, ຖ້າຫາກຕັ້ງຢູ່ບົນພື້ນຖານຂອງການແບ່ງຂອບເຂດນີ້ ກໍຈະສາມາດປະເມີນຜົນໄດ້ໂດຍບໍ່ໄດ້ເນັ້ນໜັກພຽງແຕ່ການຫຼຸດຜ່ອນຕົ້ນທຶນເທົ່ານັ້ນ.

ເມື່ອແບ່ງຂອບເຂດວຽກງານໄດ້ແລ້ວ, ໃຫ້ຈັດວາງບຸກຄະລາກອນຄືນໃໝ່ໃນວຽກງານທີ່ຍັງເຫຼືອໃຫ້ມະນຸດເຮັດ ແລະ ສ້າງອົງກອນທີ່ສາມາດສະແດງຄຸນຄ່າຂອງວຽກງານນັ້ນອອກມາໄດ້.

ຈຸດສຳຄັນແມ່ນ ຢ່າປ່ອຍໃຫ້ເວລາທີ່ຫວ່າງຈາກການມອບໝາຍວຽກໃຫ້ AI ກາຍເປັນພຽງການຫຼຸດຜ່ອນຕົ້ນທຶນເທົ່ານັ້ນ. ການນຳ AI ມາໃຊ້ຈະສ້າງຄວາມສາມາດໃນການແຂ່ງຂັນໄດ້ ກໍຕໍ່ເມື່ອນຳເວລາທີ່ເຫຼືອນັ້ນໄປໃຊ້ໃນວຽກງານທີ່ຕ້ອງອາໄສຄວາມຮູ້ສຶກ ຫຼື "Nostalgic Job" ເຊັ່ນ: ການສົນທະນາກັບລູກຄ້າ ຫຼື ວຽກງານທີ່ຕ້ອງໃຊ້ຄວາມຄິດສ້າງສັນ.

ເພື່ອໃຫ້ບັນລຸເປົ້າໝາຍດັ່ງກ່າວ, ການຍົກລະດັບ AI Literacy ແລະ ການກະກຽມຄວາມພ້ອມໃຫ້ພະນັກງານສາມາດນຳໃຊ້ AI ເປັນເຄື່ອງມືໄດ້ນັ້ນ ແມ່ນເງື່ອນໄຂເບື້ອງຕົ້ນ. ບໍ່ແມ່ນການຕົກເປັນເຄື່ອງມືຂອງ AI, ແຕ່ແມ່ນການມອບໝາຍວຽກໃຫ້ AI ແລ້ວມະນຸດຫັນມາສຸມໃສ່ວຽກງານທີ່ເປັນເອກະລັກຂອງມະນຸດເທົ່ານັ້ນ — ການອອກແບບລະບົບການສຶກສາ ແລະ ການປະເມີນຜົນທີ່ຮອງຮັບການແບ່ງໜ້າທີ່ນີ້ ຈະກາຍເປັນກຸນແຈສຳຄັນໃນການບໍລິຫານອົງກອນຕໍ່ໄປ. ບໍລິສັດຂອງພວກເຮົາກໍກຳລັງດຳເນີນການສະໜັບສະໜູນການອອກແບບວຽກງານ ໂດຍມີພື້ນຖານມາຈາກການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດ.

Q. ວຽກງານແບບ Nostalgic Job ແລະ "ວຽກທີ່ AI ບໍ່ສາມາດຍາດໄປໄດ້" ມີຄວາມແຕກຕ່າງກັນແນວໃດ? "ວຽກທີ່ AI ບໍ່ສາມາດຍາດໄປໄດ້" ໝາຍເຖິງວຽກທີ່ຈະຍັງຄົງຢູ່ເພາະບໍ່ສາມາດທົດແທນດ້ວຍເທັກໂນໂລຢີໄດ້. ໃນທາງກົງກັນຂ້າມ, Nostalgic Job ແມ່ນວຽກທີ່ສາມາດທົດແທນດ້ວຍເທັກໂນໂລຢີໄດ້ ແຕ່ຍັງຄົງຢູ່ເພາະຜູ້ຄົນຍັງຕ້ອງການໃຫ້ມະນຸດເປັນຜູ້ເຮັດວຽກນັ້ນ. ເຫດຜົນທີ່ວຽກເຫຼົ່ານັ້ນຍັງຄົງຢູ່ ຄືຄວາມແຕກຕ່າງທີ່ຕັດສິນກັນລະຫວ່າງ "ຂີດຈຳກັດຂອງເຄື່ອງຈັກ" ຫຼື "ຄວາມມັກຂອງມະນຸດ".

Q. ກ່ຽວຂ້ອງກັບຂະແໜງການໃດແດ່? ຂະແໜງການທີ່ກ່ຽວຂ້ອງກັບຄວາມສຳພັນກັບຜູ້ຄົນ, ຄວາມຮັບຜິດຊອບ ແລະ ຄຸນຄ່າທາງວັດທະນະທຳ ເຊັ່ນ: ການດູແລຜູ້ສູງອາຍຸ, ການແພດ, ການສຶກສາ, ການບໍລິການ, ວິຊາຊີບສະເພາະ ແລະ ວຽກງານສ້າງສັນ ຈະມີຄວາມກ່ຽວຂ້ອງຫຼາຍຂຶ້ນ. ຢ່າງໃດກໍຕາມ, ເຖິງແມ່ນວ່າໃນອຸດສາຫະກຳການຜະລິດ ຫຼື ການຂົນສົ່ງ, Nostalgic Job ກໍຍັງແຝງຢູ່ໃນດ້ານການບໍລິການລູກຄ້າ ແລະ ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍ.

Q. ຖ້ານຳ AI ມາໃຊ້ ວຽກງານຂອງມະນຸດຈະໝົດໄປບໍ? ບໍ່ໄດ້ໝາຍຄວາມວ່າຈະໝົດໄປທັງໝົດ. ໃນຂະນະທີ່ວຽກງານປະຈຳ ແລະ ການປະມວນຜົນຂໍ້ມູນຈະຖືກໂອນໄປໃຫ້ AI, ວຽກງານທີ່ຜູ້ຄົນຍັງຕ້ອງການໃຫ້ມະນຸດເຮັດກໍຈະຍັງຄົງຢູ່. ສິ່ງທີ່ສຳຄັນຄືການຈຳແນກໃຫ້ອອກລະຫວ່າງວຽກທີ່ຈະໝົດໄປກັບວຽກທີ່ຈະຍັງຄົງຢູ່ ແລະ ການຈັດສັນບຸກຄະລາກອນໄປສູ່ກຸ່ມຫຼັງ.

Q. ວິສາຫະກິດຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍ (SME) ສາມາດນຳໄປປະຕິບັດໄດ້ບໍ? ສາມາດປະຕິບັດໄດ້. ໃນທາງກົງກັນຂ້າມ, ຍິ່ງເປັນວິສາຫະກິດທີ່ມີກຳລັງຄົນຈຳກັດ, ການແບ່ງຂອບເຂດລະຫວ່າງວຽກທີ່ມອບໃຫ້ AI ແລະ ວຽກທີ່ໃຫ້ມະນຸດເຮັດ ແມ່ນມີຜົນໂດຍກົງຕໍ່ການບໍລິຫານຈັດການ. ການເລີ່ມຕົ້ນຈາກ PoC ຂະໜາດນ້ອຍ ແລະ ຂະຫຍາຍຂອບເຂດອອກໄປຫຼັງຈາກໄດ້ກວດສອບປະສິດທິຜົນແລ້ວ ແມ່ນວິທີທີ່ເປັນໄປໄດ້ໃນຄວາມເປັນຈິງ.

Nostalgic Job (ວຽກງານແຫ່ງຄວາມໂຫຍຫາ) ແມ່ນວຽກທີ່ສັງຄົມຍັງຕ້ອງການໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບ ເຖິງແມ່ນວ່າຈະຢູ່ໃນຍຸກທີ່ AI ສາມາດທົດແທນທາງດ້ານເຕັກນິກໄດ້ແລ້ວ ກໍຕາມ. ເຫດຜົນທີ່ຍັງຄົງເຫຼືອຢູ່ນີ້ບໍ່ໄດ້ມາຈາກຂໍ້ຈຳກັດຂອງເຄື່ອງຈັກ ແຕ່ມາຈາກຄວາມມັກຂອງມະນຸດ ເຊິ່ງເປັນຈຸດແຕກຕ່າງທີ່ສຳຄັນຈາກທິດສະດີ "ວຽກທີ່ AI ບໍ່ສາມາດຍາດໄປໄດ້" ແບບດັ້ງເດີມ.

ໃນປັດຈຸບັນທີ່ Generative AI ແລະ AI Agent ເລີ່ມເຂົ້າມາຮັບຜິດຊອບວຽກງານດ້ານຄວາມຮູ້ແລ້ວ ສິ່ງທີ່ບໍລິສັດຕ່າງໆກຳລັງຖືກຕັ້ງຄຳຖາມບໍ່ແມ່ນພຽງແຕ່ "ຈະໃຊ້ AI ເພື່ອເພີ່ມປະສິດທິພາບໃນດ້ານໃດ" ເທົ່ານັ້ນ. ແຕ່ການສາມາດກຳນົດຢ່າງຕັ້ງໜ້າວ່າ "ຈະເຫຼືອວຽກໃດໄວ້ໃຫ້ມະນຸດ" ແລະ ການຈັດວາງບຸກຄະລາກອນຄືນໃໝ່ໃນວຽກງານເຫຼົ່ານັ້ນ ຈະເປັນຕົວຕັດສິນຄວາມສາມາດໃນການແຂ່ງຂັນຕໍ່ຈາກນີ້ໄປ.

ຂັ້ນຕອນທຳອິດ ຄວນເລີ່ມຈາກການກວດສອບວຽກງານພາຍໃນບໍລິສັດຂອງທ່ານ ໂດຍອີງໃສ່ 3 ແກນຫຼັກ ຄື: ຄວາມສາມາດໃນການທົດແທນໄດ້, ຄວາມມັກຂອງລູກຄ້າ ແລະ ຄວາມຮັບຜິດຊອບ. ຈາກນັ້ນຈຶ່ງແຍກວຽກທີ່ຄວນມອບໝາຍໃຫ້ AI ແລະ ວຽກທີ່ຄວນເຫຼືອໄວ້ໃຫ້ມະນຸດ. ຫາກທ່ານຮູ້ສຶກວ່າມີບັນຫາກ່ຽວກັບການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ແລະ ມະນຸດ, ກະລຸນາປຶກສາຫາລືກັບພວກເຮົາ.