อย่ารีบลด “พนักงานจูเนียร์” เพียงเพราะ AI ทำงานได้เร็วขึ้น เพราะสิ่งที่องค์กรอาจกำลังตัดออก ไม่ใช่แค่ต้นทุน แต่คือคนที่จะขึ้นมาเป็น Senior ในอนาคต

บทความนี้ต่อยอดจากมุมมองของ Olivier Klein, Chief Technologist, Asia Pacific & Japan, Amazon Web Services (AWS) ที่กล่าวในหัวข้อ The AI-First Enterprise: What’s Next in Technology, and How Organizations Must Change to Winภายในงาน CP Innovation Exposition 2026 เมื่อวันที่ 20 ตุลาคม 2026 โดย TNN รายงานว่าเขาเตือนถึงแนวโน้มที่องค์กรใช้ AI เพื่อเพิ่มประสิทธิภาพ แล้วลดพนักงานระดับเริ่มต้นลงจนโครงสร้างบุคลากรผิดสมดุล ซึ่งอาจส่งผลต่อความสามารถในการสร้างคนสำหรับอนาคตขององค์กรได้ TNN Thailand ตำแหน่ง Chief Technologist, APJ ของ Olivier Klein ยังสอดคล้องกับข้อมูลจาก AWS โดยตรงด้วย Amazon Web Services, Inc. ผมคิดว่าประเด็นนี้น่าสนใจมาก เพราะช่วงนี้เวลาพูดถึง AI กับ Workforce เรามักเริ่มจากคำถามว่า “AI ทำงานแทนคนได้กี่คน?” ถ้า AI เขียน Report ได้ ทำ Research ได้ สรุปข้อมูลได้ เขียน Code ได้ หรือทำงานระดับเริ่มต้นหลายอย่างได้เร็วขึ้น บริษัทก็ดูเหมือนจะมีเหตุผลทางเศรษฐศาสตร์ที่จะลดจำนวนตำแหน่ง Junior ลง แล้วใช้คนระดับ Senior ทำงานร่วมกับ AI แทน ใน Excel ภาพนี้ดูสวยมาก Headcount ลด Cost ลด Productivity ต่อคนเพิ่ม และงานจำนวนหนึ่งยังถูกส่งออกมาได้เร็วกว่าเดิมด้วยซ้ำ แต่ปัญหาคือ Organization ไม่ได้มีชีวิตอยู่แค่หนึ่งปี ถ้าเรามองเพียง Productivity ของวันนี้ เราอาจกำลังสร้าง Capability Gap ของอีกสามถึงห้าปีข้างหน้า โดยไม่รู้ตัว

บริษัทอาจลด Junior ได้วันนี้ แต่ Senior ของอีกห้าปีจะมาจากไหน?

ลองนึกถึงโครงสร้างคนแบบง่าย ๆ ในองค์กรหนึ่ง ปกติเราจะมีคนระดับเริ่มต้นค่อย ๆ เรียนรู้งาน จากนั้นบางส่วนพัฒนาเป็น Specialist หรือ Manager และบางส่วนเติบโตต่อขึ้นไปเป็นผู้นำระดับสูง กระบวนการนี้ใช้เวลา Senior ที่เราเห็นในวันนี้ไม่ได้เกิดขึ้นในวันที่ได้รับตำแหน่ง Senior แต่เกิดจากประสบการณ์หลายปีที่เคยทำงานเล็ก เคยผิด เคยถูกแก้ เคยรับ Feedback เคยเจอลูกค้า เคยตัดสินใจพลาด และค่อย ๆ สร้าง Judgment ขึ้นมา ถ้าวันนี้องค์กรตัดคนต้นทางของระบบออกจำนวนมาก เพียงเพราะ AI สามารถทำงาน Entry-Level ได้เร็วขึ้น สิ่งที่หายไปจึงไม่ใช่แค่ตำแหน่งระดับต้น แต่คือ Talent Pipeline ของอนาคต สมมติบริษัทเคยรับคนใหม่ปีละ 100 คน และจาก 100 คนนั้น อีกห้าปีมี 20 คนพัฒนาเป็น Specialist หรือ Manager ที่องค์กรต้องการ หากวันนี้ลดการรับเหลือ 20 คนเพราะ AI ช่วยทำงานได้มากขึ้น อีกห้าปีข้างหน้าคำถามอาจไม่ใช่ว่า “เราประหยัด Cost ไปเท่าไร” แต่กลายเป็น “ทำไมเราไม่มีคนพร้อมขึ้นมารับตำแหน่งสำคัญ?” นี่คือเหตุผลที่ Workforce Planning ในยุค AI ไม่ควรมองเพียง Headcount ของปีนี้ แต่ต้องมอง Workforce Flow ว่าคนเข้าสู่ระบบอย่างไร เรียนรู้ตรงไหน เติบโตอย่างไร และใครกำลังถูกเตรียมไว้สำหรับ Role ที่สำคัญในอนาคต

AI ทำงาน Entry-Level ได้ ไม่ได้หมายความว่าเราควรลบ Entry-Level Role ออกจากองค์กรทั้งหมด

ตรงนี้ต้องแยกสองเรื่องออกจากกัน ถ้า AI สามารถทำ Task บางอย่างแทน Junior ได้ เราควรใช้ AI ทำงานเหล่านั้น นั่นสมเหตุสมผลมาก ไม่มีเหตุผลที่จะให้คนใช้เวลาหลายชั่วโมง Copy ข้อมูล ทำ Format หรือสรุปเอกสารแบบเดิม หาก Technology สามารถทำได้เร็วกว่า แต่คำถามที่ควรถามต่อคือ เมื่อ Task เดิมหายไป เราจะออกแบบงานของ Junior ใหม่อย่างไร นี่ต่างจากการถามว่า “ยังจำเป็นต้องมี Junior หรือไม่?” ตัวอย่างง่าย ๆ เมื่อก่อน Junior Analyst อาจใช้เวลา 60% ไปกับรวบรวมข้อมูล ทำ Excel และเตรียม Slide ส่วนเวลาที่เหลือถึงได้วิเคราะห์ วันนี้ AI สามารถลดงานส่วนแรกลงอย่างมาก สิ่งที่องค์กรควรทำอาจไม่ใช่ลด Junior ออกทั้งหมด แต่ทำให้ Junior ได้เข้าไปทำ Analysis, Customer Exposure, Problem Solving และ Decision Support เร็วขึ้นกว่า Generation ก่อน ถ้าทำแบบนี้ถูกต้อง AI ไม่ได้ทำลาย Entry-Level Development ตรงกันข้าม มันสามารถ เร่ง Learning Curve ของคนรุ่นใหม่ได้ด้วย ปัญหาจึงไม่ได้อยู่ที่ AI ทำงาน Junior ได้หรือไม่ แต่อยู่ที่องค์กรจะเอาเวลาที่ AI คืนมาให้พนักงานไปใช้พัฒนา Capability อะไรต่อ

งานระดับต้นจำนวนมากดูเหมือนไม่สร้าง Value แต่จริง ๆ แล้วมันเป็น “สนามฝึก Judgment”

นี่เป็นอีกเรื่องที่ผมคิดว่าเราต้องระวัง งานบางอย่างดู Routine มาก เช่นเตรียม Report ตรวจเอกสาร ฟัง Meeting แล้วสรุป หรือ Review ข้อมูลจำนวนมาก ผู้บริหารอาจมองว่า ถ้า AI ทำแทนได้ก็ควรตัดงานเหล่านี้ออกทั้งหมด แต่บางครั้ง Value ของงานเหล่านี้ไม่ได้อยู่ใน Output อย่างเดียว มันอยู่ในสิ่งที่คนเรียนรู้ระหว่างทำ Junior ที่ต้องอ่าน Customer Complaint 300 เคสอาจไม่ได้เพียงจัด Category แต่กำลังเรียนรู้ว่าลูกค้าคิดอย่างไร Junior Finance ที่ทำ Monthly Closing อาจไม่ได้แค่กรอกตัวเลข แต่กำลังเรียนรู้ว่าธุรกิจหารายได้และเสียเงินตรงไหน และ Developer ที่เริ่มจากแก้ Bug เล็ก ๆ ก็อาจกำลังสร้าง Mental Model ของระบบก่อนที่จะสามารถออกแบบ Architecture ที่ใหญ่ขึ้นได้ ถ้า AI ทำทั้งหมดแทน แล้วคนรุ่นใหม่ได้เห็นเพียง Summary สุดท้าย เราต้องถามว่าเขาจะสร้าง Tacit Knowledge และ Judgment จากตรงไหน นี่ไม่ได้หมายความว่าต้องรักษางาน Manual ไว้เพื่อให้คนลำบากเหมือนรุ่นก่อน แต่หมายความว่าเมื่อ AI เอางานฝึกแบบเดิมออกไป องค์กรต้องสร้าง Learning Mechanism ใหม่ ขึ้นมาทดแทน ไม่อย่างนั้นเราอาจประหยัดเวลาในการทำงาน แต่ทำให้การพัฒนาคนช้าลงโดยไม่รู้ตัว

ถ้าทั้งองค์กรเหลือแต่ Senior จริง ๆ Senior จะทำงานของใคร?

ตรงนี้เชื่อมกับข้อสังเกตของ Olivier Klein ได้ดีมาก TNN รายงานว่าเขาเตือนถึงการปรับโครงสร้างแบบที่ลด Junior ลงแล้วเหลือคนระดับกลางหรือระดับสูงมากเกินไป และเสนอภาพองค์กรที่ยังคงมีพนักงานระดับเริ่มต้นที่มีทักษะ AI เป็นส่วนสำคัญของโครงสร้างในอนาคต https://news.trueid.net ลองคิดในเชิงเศรษฐศาสตร์ขององค์กร ถ้าเรามี Senior จำนวนมาก แต่ไม่มีคนระดับต้นเพียงพอ งานไม่ได้หายทั้งหมด Senior จะต้องกลับมาทำงาน Operational บางส่วนเอง แม้จะมี AI ช่วยก็ตาม นั่นทำให้เกิดสิ่งที่ค่อนข้างย้อนแย้ง บริษัทลด Junior เพื่อประหยัด Cost แต่กลับใช้เวลาของ Senior ที่มีต้นทุนสูงกว่าไปทำงานที่ควรถูกจัดการด้วย Workforce Mix ที่ดีกว่า ผู้บริหารระดับสูงควรใช้เวลาอยู่กับ Strategy, Complex Decision, Stakeholder และการแก้ปัญหาที่มีผลกระทบสูง หาก Senior ต้องกลับมาใช้เวลาจัดการรายละเอียด Operational จำนวนมาก เพราะไม่มีทีมรุ่นถัดไปช่วยรองรับ เราอาจลด Headcount ได้จริง แต่ Cost per Decision และ Opportunity Cost ของคนเก่งกลับสูงขึ้น ดังนั้นคำถามเรื่อง AI และคนไม่ควรเป็น “ลดได้กี่คน” แต่ควรเป็น “โครงสร้างคนแบบไหนทำให้แต่ละระดับใช้เวลาของตัวเองกับงานที่สร้าง Value สูงที่สุด”

สิ่งที่กำลังเปลี่ยนจึงไม่ใช่แค่ Headcount แต่คือ “Shape of Organization”

ตรงนี้ผมคิดว่าเป็นประเด็นสำคัญมากสำหรับ Organization Design ก่อน AI หลายองค์กรมีลักษณะเป็น Pyramid คือฐานมีพนักงานระดับต้นจำนวนมาก แล้วค่อย ๆ แคบขึ้นเมื่อขึ้นสู่ Management Level เมื่อ AI ทำงาน Routine และ Coordination บางส่วนได้ โครงสร้างแบบเดิมอาจไม่จำเป็นต้องเหมือนเดิมทั้งหมดจริง เราอาจต้องการทีมที่เล็กลง Manager Layer บางชั้นอาจลดลง และคนหนึ่งคนสามารถสร้าง Output ได้มากขึ้น แต่คำตอบไม่ได้หมายความว่าเราต้องกลับ Pyramid แล้วตัดฐานออก เพราะถ้าตัด Entry Level มากเกินไป Pipeline ขององค์กรก็จะมีปัญหาในระยะยาว สิ่งที่ควรเกิดมากกว่าคือการออกแบบ Workforce Architecture ใหม่ ให้เหมาะกับ Capability ของ AI ว่างานประเภทไหนควรเป็น Human งานประเภทไหนควรเป็น AI และงานประเภทไหนควรเป็น Human + AI นี่ทำให้ Manpower Planning ในยุคใหม่ต้องซับซ้อนกว่า “ปีหน้าเพิ่มคนกี่คน” ต้องถามว่า Role ไหนยังจำเป็น Task ไหนถูก AI ทำแทนแล้ว Capability ไหนกลับสำคัญขึ้น คนแต่ละ Career Stage ควรเรียนรู้อะไร และโครงสร้างวันนี้กำลังผลิต Leadership Pipeline สำหรับอนาคตอยู่หรือไม่

Junior ยุค AI ไม่ควรมี Job Description แบบ Junior ยุคก่อน

ถ้าองค์กรยังจ้างเด็กจบใหม่มาทำงาน Copy-Paste แบบเดิม ทั้งที่ AI ทำแทนได้ แล้วบอกว่าต้องรักษา Junior ไว้เพื่อสร้าง Pipeline ผมคิดว่านั่นก็ยังไม่ใช่คำตอบที่ถูก สิ่งที่ควรเปลี่ยนคือการออกแบบ Entry-Level Role ใหม่ทั้งหมด Junior ยุค AI ควรถูกคาดหวังให้ใช้ AI เป็นตั้งแต่ต้น สามารถตรวจสอบ Output ของ AI ได้ รู้ว่าจะถามอย่างไร รู้ว่าข้อมูลไหนควรเชื่อและไม่ควรเชื่อ และมีเวลามากขึ้นในการเรียนรู้ Business Context แทนที่จะใช้เวลา 80% ผลิต Output แล้ว 20% เรียนรู้ เราอาจสามารถกลับสัดส่วน ให้ AI ช่วยผลิต Output พื้นฐาน ขณะที่คนใช้เวลามากขึ้นกับการคิด วิเคราะห์ และเรียนรู้จาก Senior ถ้าทำแบบนี้ได้ เราไม่ได้เพียงรักษา Junior แต่กำลังสร้าง AI-native Workforce Generation ขึ้นมา และเด็กกลุ่มนี้อาจพัฒนาเร็วกว่าคนรุ่นก่อนมาก เพราะมี AI เป็น Cognitive Tool ตั้งแต่วันแรกที่เริ่มทำงาน

แต่ถ้าไม่รับคนรุ่นใหม่เลย เราก็จะไม่มีทางรู้ว่า “Talent รุ่นใหม่” หน้าตาเป็นอย่างไร

อีกความเสี่ยงหนึ่งที่ผมคิดว่าสำคัญคือ เมื่อองค์กรหยุดรับ Entry-Level เป็นเวลาหลายปี องค์กรจะไม่ได้เพียงขาดคน แต่ขาดการเรียนรู้จาก Generation ใหม่ด้วย คนที่เพิ่งเข้าสู่ตลาดแรงงานในปี 2026 เติบโตมากับ AI แตกต่างจากคนที่เพิ่งเริ่มใช้ AI ตอนอายุ 35 หรือ 45 ปี พฤติกรรมในการค้นหา ทดลอง สร้าง Content หรือสร้าง Prototype อาจต่างกันอย่างมาก บริษัทที่ยังรับคนรุ่นใหม่เข้ามาจึงไม่ได้เพียงสร้าง Talent Pipeline แต่กำลังนำ New Working Behavior เข้ามาในองค์กร เรื่องนี้สำคัญเพราะ Transformation ไม่ได้เกิดจาก Senior Management อย่างเดียว หลายครั้งการเปลี่ยนแปลงเกิดเมื่อคนรุ่นใหม่ทำบางอย่างด้วยวิธีใหม่ แล้วคนในองค์กรเริ่มเห็นว่า “จริง ๆ งานนี้ไม่จำเป็นต้องทำแบบเดิมก็ได้” ถ้าองค์กรปิดประตูต่อคนรุ่นใหม่เร็วเกินไป อาจสูญเสียหนึ่งในแหล่ง Renewal ที่สำคัญของตัวเองไปด้วย

ประเด็นนี้เชื่อมตรงกับ Succession Planning มากกว่าที่คิด

Succession Planning มักถูกพูดถึงเมื่อองค์กรถามว่า ถ้า Director หรือ VP ลาออก ใครพร้อมขึ้นแทน แต่คนที่พร้อมขึ้นแทนไม่ได้เกิดในปีที่ตำแหน่งว่าง เขาเริ่มถูกสร้างขึ้นเมื่อห้าหรือสิบปีก่อน ดังนั้นการตัด Junior วันนี้คือการตัด Candidate Pool ของ Succession ในอนาคต ถ้าบริษัทลด Entry-Level Hiring ติดต่อกันหลายปี อีกไม่กี่ปีอาจเริ่มเห็น Middle Management บางช่วงอายุหายไป และหลังจากนั้นจึงค่อยเห็นปัญหาที่ Senior Leadership Pipeline ถึงเวลานั้นจะแก้ด้วยการ Recruit จากตลาดอย่างเดียวก็ไม่ง่าย เพราะทุกบริษัทที่คิดเหมือนกันจะกำลังแย่ง Senior Talent กลุ่มเดียวกัน องค์กรจึงต้องมอง AI Workforce Strategy พร้อมกับ Succession Strategy ตั้งแต่ต้น ไม่ใช่ลดคนวันนี้แล้วค่อยถามอีกห้าปีว่า “ทำไมไม่มีคนขึ้น?”

Productivity ที่เพิ่มขึ้นไม่ควรถูกแปลงเป็น Headcount Reduction โดยอัตโนมัติ

นี่อาจเป็นบทเรียนสำคัญที่สุด ถ้า AI ทำให้ทีมหนึ่งสร้าง Output เพิ่มขึ้น 30% ไม่ได้หมายความว่า Solution ที่ถูกต้องคือการลดคนลง 30% เสมอไป องค์กรอาจเลือกใช้ Productivity นั้นได้หลายทาง เช่นรองรับลูกค้าเพิ่ม สร้าง Product ใหม่ ทำ Experiment มากขึ้น ลด Overtime เพิ่มเวลาพัฒนาคน หรือย้าย Capacity ไปทำงานที่มี Value สูงกว่า Headcount Reduction เป็นเพียงทางเลือกหนึ่ง ไม่ใช่ผลลัพธ์ที่ Technology บังคับให้ต้องเกิด และถ้าองค์กรเลือก Reduction ต้องมอง Total System ด้วยว่า Role ที่ตัดออกวันนี้มีหน้าที่อะไรใน Talent Pipeline, Learning System และ Succession Pipeline ของวันข้างหน้า นี่คือจุดที่ Finance, Organization Design และ Workforce Planning ต้องคุยกัน ไม่ควรมีฝ่ายใดมองตัวเลขคนแยกจากผลกระทบระยะยาวขององค์กร

ในมุม ExeRoot เรื่องนี้คือโจทย์ “Workforce Shape” ไม่ใช่แค่ Headcount

ผมคิดว่าในยุค AI ผู้บริหารควรเริ่มมอง Workforce มากกว่าจำนวนคนทั้งหมด เพราะบริษัทที่มี 1,000 คนเหมือนกันสามารถมี Capability ต่างกันอย่างสิ้นเชิง หากโครงสร้าง Grade, Skill, Critical Role และ Career Stage แตกต่างกัน สิ่งที่ควรมองจึงเชื่อมกันตั้งแต่ Strategy → Work → Role → Grade → Capability → Workforce Mix → Succession → Future Leadership ถ้า Strategy เปลี่ยนเพราะ AI งานบางส่วนก็ต้องถูก Redesign เมื่อ Work เปลี่ยน Role ก็ต้องเปลี่ยน เมื่อ Role เปลี่ยน Workforce Mix ก็ต้องเปลี่ยนตาม แต่ในเวลาเดียวกันเราต้องเห็นด้วยว่า Structure ใหม่ยังสามารถสร้าง Capability และ Leadership Pipeline สำหรับอนาคตได้หรือไม่ นี่คือเหตุผลว่าทำไมคำถาม “AI จะลด Headcount ได้กี่เปอร์เซ็นต์?” อาจเป็นคำถามที่แคบเกินไป คำถามที่มีประโยชน์กว่าคือ “เมื่อ AI เข้ามาแล้ว Workforce ของเราควรมีรูปร่างแบบไหน เพื่อให้วันนี้มี Productivity และอีกห้าปียังมีคนที่พร้อมนำองค์กรต่อ?” สองเป้าหมายนี้ต้องเกิดพร้อมกัน ถ้าเราทำอย่างแรกสำเร็จแต่ทำอย่างหลังพัง เราอาจกำลังสร้างบริษัทที่มีประสิทธิภาพสูงมากในวันนี้ แต่เปราะบางมากในอนาคต อย่าตัด “บันไดขั้นแรก” แล้วหวังว่าจะยังมีคนขึ้นไปถึงชั้นบน

ผมคิดว่านี่เป็นภาพที่อธิบายเรื่องนี้ได้ง่ายที่สุด

องค์กรต้องการ Senior ที่ดี ต้องการ Manager ที่ดี ต้องการผู้บริหารที่เข้าใจธุรกิจและเข้าใจ AI แต่คนเหล่านั้นต้องเริ่มจากที่ไหนสักแห่ง ถ้าเราตัด Entry-Level Role ออกเกือบหมด เพราะมองว่างานระดับต้นถูก AI ทำแทนได้ เรากำลังตัดบันไดขั้นแรกออก แล้วอีกไม่กี่ปีค่อยสงสัยว่าทำไมไม่มีคนขึ้นมาถึงชั้นบน AI ควรทำให้งานของ Junior ดีขึ้น ไม่ใช่ทำให้ Junior หายไปทั้งหมด AI ควรช่วยให้คนรุ่นใหม่เรียนรู้เร็วขึ้น ได้สัมผัสงานที่มี Value เร็วขึ้น และสร้าง Capability ได้เร็วขึ้น ขณะที่องค์กรก็ได้ Productivity ที่สูงขึ้นไปพร้อมกัน นี่คือความแตกต่างระหว่างการใช้ AI เพื่อ ลดจำนวนคน กับการใช้ AI เพื่อ ออกแบบ Talent System ใหม่ และผมคิดว่านี่คือใจความสำคัญจากประเด็นที่ Olivier Klein เตือนเอาไว้ในงาน CP Innovation Exposition 2026 ว่า การใช้ AI ไม่ควรทำให้องค์กรมองข้ามคนรุ่นใหม่ เพราะคนกลุ่มนี้ยังเป็นฐานของ Workforce ในอนาคต ขณะที่การใช้ AI ที่ดีควรพาองค์กรไปไกลกว่าแค่ Efficiency และ Cost Reduction ไปสู่การสร้าง Capability ใหม่จริง ๆ TNN Thailand สุดท้าย ผู้บริหารอาจไม่ควรถามเพียงว่า “AI ทำให้เราใช้คนน้อยลงได้เท่าไร?” แต่ควรถามต่อว่า “คนที่เราเลือกไม่จ้างในวันนี้ คือกลุ่มคนที่เราจะต้องการให้เป็น Manager, Specialist และผู้นำขององค์กรในอีกห้าหรือสิบปีข้างหน้าหรือไม่?” เพราะต้นทุนของการจ้าง Junior มองเห็นได้ใน P&L วันนี้ แต่ต้นทุนของการไม่มี Senior ให้ใช้ในอนาคต อาจต้องใช้เวลาหลายปีกว่าจะปรากฏ และเมื่อเห็นชัดแล้ว อาจสายเกินกว่าจะสร้างคนรุ่นนั้นกลับขึ้นมาได้ทัน

Tags: AIWorkforce, JuniorTalent, EntryLevelHiring, TalentPipeline, WorkforcePlanning, WorkforceShape, OrganizationDesign, WorkRedesign, LearningAndDevelopment, HumanJudgment, AINativeWorkforce, SuccessionPlanning, LeadershipPipeline, ExeRoot, SpaceRoot