คะแนน "ความเสี่ยงของงาน" จาก AI คำนวณกันจริง ๆ อย่างไร

Andrej Karpathy, a co-founder of OpenAI, spent a Saturday morning in March 2026 on a small side project: he had an LLM score how "digitally exposed" a few hundred U.S. occupations are, on a 0-to-10 scale. Software developers landed at 9 out of 10. The story spread fast, and by the next morning Karpathy had taken it down (it has since been restored with added disclaimers). He said it had been "wildly misinterpreted," even though the project notes explicitly warned that a high score did not mean a job would disappear.

วิธีคำนวณคะแนนความเสี่ยงของงานจาก AI สำคัญกว่าตัวเลขพาดหัวเสียอีก โปรเจกต์ของ Karpathy, Goldman Sachs, กองทุนการเงินระหว่างประเทศ (IMF) และ Anthropic ต่างนิยาม "การเปิดรับ" ไม่เหมือนกัน เปอร์เซ็นต์ของแต่ละแห่งจึงใช้แทนกันไม่ได้

อาชีพเดียวกันอาจได้คะแนนต่างกันมากขึ้นอยู่กับวิธีที่ใช้ และไม่มีตัวชี้วัดใดในบรรดานี้ที่บอกได้ด้วยตัวเองว่าคุณจะตกงานหรือไม่

TL;DR (สรุปย่อ)

• ตัวเลข "ความเสี่ยงของงานจาก AI" ที่เผยแพร่กันไม่ใช่ตัวชี้วัดเดียวกัน หลายตัวเริ่มจากการเปิดรับเชิงทฤษฎีที่อิงกับความสามารถหรืองานย่อยของอาชีพ ขณะที่ Anthropic วัดการใช้ AI ที่สังเกตได้จริงด้วย ส่วนการสำรวจนายจ้างอย่างของ World Economic Forum ก็ใช้เครื่องมือที่ต่างออกไปอีก
• ตัววัดเชิงทฤษฎีกับตัววัดจากการใช้งานที่สังเกตได้อาจขัดแย้งกันอย่างมากสำหรับอาชีพเดียวกัน ในการเปรียบเทียบของ Anthropic เมื่อเดือนมีนาคม 2026 ตัววัดเชิงทฤษฎีของ Eloundou et al. ให้งานด้านคอมพิวเตอร์และคณิตศาสตร์มีการเปิดรับ 94% ขณะที่ตัววัดการเปิดรับที่สังเกตได้ของ Anthropic อยู่ที่ 33%
• งานวิจัยที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญ ตีพิมพ์ใน PNAS Nexus ปี 2025 เปรียบเทียบคะแนนการเปิดรับสิบสองแบบกับความเสี่ยงการว่างงาน และพบว่าคะแนนเดี่ยวที่ดีที่สุดอธิบายความแปรปรวนได้เพียง 10.7% เมื่อรวมทั้งสิบสองแบบก็เพิ่มขึ้นเป็น 29.8%
• ก่อนจะเชื่อตัวเลข "ความเสี่ยงของงานจาก AI" ตัวถัดไปที่คุณเห็น คำถามที่มีประโยชน์คือมันมาจากวิธีไหน ไม่ใช่แค่ตัวเลขบอกอะไร

สิ่งที่บทความนี้ไม่ครอบคลุม

บทความนี้อธิบายกลไก ไม่ได้ตัดสินอาชีพใดอาชีพหนึ่ง ดังนั้นคำถามใกล้เคียงบางข้อจึงอยู่นอกขอบเขต:

• ไม่จัดอันดับว่าอาชีพไหนปลอดภัยที่สุดหรือเสี่ยงที่สุด นั่นเป็นบทความอีกประเภท
• ไม่วิเคราะห์แนวโน้มการจ้างงานปัจจุบันตามอายุหรืออาวุโส ผลลัพธ์ในตลาดแรงงานเหล่านั้นต้องใช้ฐานหลักฐานที่แยกจากคะแนนการเปิดรับ
• ไม่พยากรณ์ว่าความสามารถของ AI จะไปถึงไหน คำถามเรื่องระเบียบวิธียังคงอยู่ไม่ว่าโมเดลในอนาคตจะเก่งแค่ไหน

การให้คะแนนการเปิดรับเชิงทฤษฎีทำงานอย่างไร: O*NET, AIOE, Goldman Sachs และ IMF

ดัชนี AI Occupational Exposure หรือที่รู้จักกันในชื่อ AIOE จับคู่หมวดหมู่การประยุกต์ใช้ AI สิบหมวดกับความสามารถทางอาชีพ 52 อย่างใน O*NET เมทริกซ์ที่รวบรวมจากคราวด์ซอร์สจะประเมินว่าการประยุกต์ใช้ AI แต่ละอย่างเกี่ยวข้องกับความสามารถของมนุษย์แต่ละอย่างมากแค่ไหน จากนั้นคะแนนจะถูกถ่วงน้ำหนักตามความแพร่หลายและความสำคัญของความสามารถเหล่านั้นในอาชีพหนึ่ง ๆ นักเศรษฐศาสตร์ Edward Felten, Manav Raj และ Robert Seamans ตีพิมพ์วิธีนี้ในวารสาร Strategic Management Journal เมื่อปี 2021 และมันกลายเป็นหนึ่งในรากฐานสำคัญของความพยายามวัดการเปิดรับต่อ AI ของอาชีพในเวลาต่อมา

สิ่งสำคัญเกี่ยวกับ AIOE คือมันเป็นตัววัดการเปิดรับ ไม่ใช่ตัววัดการนำไปใช้ มันประมาณว่าความก้าวหน้าของการประยุกต์ใช้ AI ทับซ้อนกับความสามารถที่อาชีพหนึ่งต้องการมากแค่ไหน แต่ไม่ได้บอกว่านายจ้างใช้ AI ในงานนั้นหรือไม่ การนำไปใช้คุ้มค่าทางเศรษฐกิจหรือไม่ หรือการจ้างงานจะลดลงหรือไม่

IMF นำตัววัดการเปิดรับของ Felten, Raj และ Seamans มาปรับใช้ใน บันทึกอภิปรายของเจ้าหน้าที่เมื่อเดือนมกราคม 2024 และจับคู่กับดัชนีความเกื้อหนุนแยกต่างหาก ซึ่งวัดว่าอาชีพหนึ่งได้รับการปกป้องจากการถูกแทนที่โดยสิ้นเชิงมากเพียงใดด้วยปัจจัยอย่างวิจารณญาณของมนุษย์ บริบททางสังคม และการปรากฏตัวทางกายภาพ ด้วยกรอบนี้ IMF ประเมินว่าเกือบ 40% ของการจ้างงานทั่วโลกอยู่ในอาชีพที่มีการเปิดรับสูง และเพิ่มเป็นราว 60% ในประเทศเศรษฐกิจก้าวหน้า

การวิเคราะห์ของ Goldman Sachs เมื่อเดือนเมษายน 2026 ก้าวไปอีกขั้นในทำนองเดียวกัน: รวมคะแนนการแทนที่ด้วย AI ที่มีอยู่เดิมเข้ากับดัชนีความเกื้อหนุนของนักเศรษฐศาสตร์ IMF เพื่อแยกการแทนที่ที่น่าจะเกิดออกจากการเสริมศักยภาพ Goldman ประเมินว่ามีแรงฉุดสุทธิราว 16,000 ตำแหน่งต่อเดือนต่อการเติบโตของการจ้างงานในสหรัฐฯ ตลอดปีที่ผ่านมา ขณะที่อาชีพที่มีศักยภาพได้รับการเสริมด้วย AI เพิ่มงานราว 9,000 ตำแหน่งต่อเดือน

หมายเหตุ: รายงาน Future of Jobs Report ของ World Economic Forum คาดการณ์ว่าจะมีงาน 92 ล้านตำแหน่งถูกแทนที่และ 170 ล้านตำแหน่งถูกสร้างขึ้นภายในปี 2030 แต่มันไม่ได้สร้างขึ้นด้วยวิธีเดียวกันเลย รายงานนี้มาจากการสำรวจนายจ้างกว่า 1,000 รายที่รายงานการเปลี่ยนแปลงจำนวนพนักงานที่พวกเขาคาดไว้: เป็นการรายงานด้วยตนเองของนายจ้าง ไม่ใช่การให้คะแนนแบบแยกงานย่อย เครื่องมือสองอย่างที่มีโครงสร้างต่างกันจึงถูกอ้างอิงในประโยค "งาน X ล้านตำแหน่ง" เดียวกัน

Anthropic วัด "การเปิดรับที่สังเกตได้" ต่างออกไปอย่างไร

Economic Index ของ Anthropic ซึ่งเผยแพร่ครั้งแรกเมื่อเดือนกุมภาพันธ์ 2025 เริ่มจากข้อมูลคนละประเภทโดยสิ้นเชิง: บทสนทนาจริงบน Claude.ai ราวหนึ่งล้านรายการ ที่ถูกประมวลผลด้วยเครื่องมือภายในชื่อ Clio ซึ่งจับคู่แต่ละบทสนทนาเข้ากับงานย่อยเฉพาะในฐานข้อมูล O*NET เดียวกับที่คะแนนแบบแยกงานย่อยใช้ โดยไม่มีนักวิจัยคนใดอ่านแชตต้นฉบับ ในขณะที่ AIOE ถามว่า AI น่าจะทำงานนั้นได้หรือไม่ Index ถามว่าผู้คนกำลังขอให้มันทำอะไร รายงานฉบับแรกแบ่งบทสนทนาเป็นการเสริมศักยภาพ 57.4% ซึ่ง Claude ช่วยเหลือขณะที่คนยังคงเป็นผู้กำกับงาน กับการทำงานอัตโนมัติ 42.6% ซึ่ง Claude ทำงานนั้นตั้งแต่ต้นจนจบโดยแท้จริง

ใน รายงานติดตามผลเมื่อเดือนมีนาคม 2026 Anthropic ได้เปลี่ยนข้อมูลการใช้งานนั้นให้เป็นตัววัด "การเปิดรับที่สังเกตได้" แบบใหม่ มันเริ่มจากงานย่อยของ O*NET และค่าประมาณการเปิดรับเชิงทฤษฎีของงานย่อยจาก Eloundou et al. (2023) แล้วนับงานย่อยว่าถูกครอบคลุมก็ต่อเมื่อปรากฏบ่อยพอในการใช้ Claude ที่เกี่ยวกับงาน การใช้แบบอัตโนมัติเต็มรูปแบบได้น้ำหนักเต็ม การใช้แบบเสริมศักยภาพได้ครึ่งน้ำหนัก และการครอบคลุมงานย่อยถูกถ่วงน้ำหนักตามสัดส่วนเวลาที่คนทำงานใช้กับแต่ละงานย่อย ในอาชีพด้านคอมพิวเตอร์และคณิตศาสตร์ ตัววัด β เชิงทฤษฎีของ Eloundou et al. สูงถึง 94% ของงานย่อย ขณะที่ตัววัดการเปิดรับที่สังเกตได้ของ Anthropic อยู่ที่ 33% ช่องว่างนี้ไม่ใช่ความขัดแย้ง: อันหนึ่งวัดความเป็นไปได้ทางเทคนิค อีกอันเพิ่มการนำไปใช้และการใช้งานที่สังเกตได้เข้ามา

ไม่ใช่ทุกคนที่อ่านรายงานของ Anthropic เองจะรับการเปรียบเทียบนี้ตามตัวอักษร เมื่อตอบสนองต่อรายงานที่เกี่ยวข้องเมื่อเดือนมกราคม 2026 ผู้แสดงความเห็นคนหนึ่งบน Hacker News เขียนว่า: "ผมคาดว่าจะได้เห็นการวัดผลิตภาพทางเศรษฐกิจที่เกิดจากการใช้ปัญญาประดิษฐ์ แต่สิ่งที่ผมเห็นกลับเป็นการวัดการใช้ปัญญาประดิษฐ์" นี่เป็นความแตกต่างที่ควรจำไว้: ปริมาณการใช้งานกับผลิตภาพทางเศรษฐกิจไม่ใช่สิ่งเดียวกัน และทั้งสองอย่างก็ไม่ใช่สิ่งเดียวกับการตกงาน

รายงานเดือนมกราคม 2026 ฉบับนั้น ซึ่งก็คือ การอัปเดตเรื่องปัจจัยพื้นฐานทางเศรษฐกิจของ Anthropic เอง แสดงให้เห็นว่าสัดส่วนระหว่างการเสริมศักยภาพกับการทำงานอัตโนมัติขยับอีกครั้ง: การเสริมศักยภาพนำอยู่ที่ 52% ของบทสนทนา เทียบกับการทำงานอัตโนมัติ 45% พร้อมกรอบใหม่ห้าส่วนที่ติดตามความซับซ้อนของงาน ทักษะ กรณีการใช้งาน ความเป็นอิสระของ AI และความสำเร็จของงาน ให้มองว่านี่คือภาพถ่ายใหม่ของดัชนีที่กำลังพัฒนา ไม่ใช่การขัดแย้งกับตัวเลขเดือนกุมภาพันธ์ 2025 รูปแบบการใช้งานเปลี่ยนไปเมื่อผู้คนพบสิ่งใหม่ ๆ ที่คุ้มค่าจะมอบหมายให้ทำ

ตัวเลขการเปิดรับเชิงทฤษฎี 94% กับตัวเลขการเปิดรับที่สังเกตได้ 33% สามารถบรรยายหมวดอาชีพเดียวกันโดยไม่ขัดแย้งกัน เพราะวัดคนละสิ่ง

ทำไม "การเปิดรับ" จึงไม่ใช่สิ่งเดียวกับ "การตกงาน"

"ตัวชี้วัดการเปิดรับเผยให้เห็นความอ่อนไหวทางเทคโนโลยี ไม่ใช่ผลลัพธ์ในตลาดแรงงาน"

องค์การแรงงานระหว่างประเทศ เมษายน 2026

คะแนนการเปิดรับเชิงทฤษฎีและคะแนนการเปิดรับที่สังเกตได้ต่างจับบางสิ่งที่เป็นจริงเกี่ยวกับความสัมพันธ์ระหว่างงานกับความสามารถของ AI แต่ไม่มีอันไหนบอกได้ว่างานนั้นจะยังอยู่ในปีหน้าหรือไม่

ในปี 2025 Morgan Frank, Yong-Yeol Ahn และ Esteban Moro ทดสอบช่องว่างนี้กับข้อมูลการว่างงานของสหรัฐฯ พวกเขาเปรียบเทียบคะแนนการเปิดรับที่ตีพิมพ์แล้วสิบสองแบบกับความเสี่ยงการว่างงานรายเดือนตามอาชีพและรัฐ ซึ่งสร้างจากบันทึกประกันการว่างงานของแต่ละรัฐ คะแนนเดี่ยวที่ดีที่สุดอธิบายความแปรปรวนของความเสี่ยงการว่างงานข้ามอาชีพ รัฐ และเดือนได้ 10.7% ส่วนชุดรวมของทั้งสิบสองคะแนนอธิบายได้ 29.8% โมเดลฐานที่ใช้ข้อกำหนดด้านทักษะของอาชีพ การศึกษา รัฐ ปี และฤดูกาลอธิบายได้ 57.4% และเมื่อเพิ่มชุดรวมของคะแนนการเปิดรับเข้าไปก็เพิ่มเป็น 75.5%

พูดตรง ๆ คือ คะแนนการเปิดรับเพียงตัวเดียวเป็นตัวทำนายความเสี่ยงการว่างงานที่อ่อนมากเมื่อใช้โดยลำพัง ความแปรปรวนส่วนใหญ่กว่ามากสัมพันธ์กับโครงสร้างตลาดแรงงานที่คะแนนไม่ได้รวมไว้ ทั้งข้อกำหนดด้านทักษะของอาชีพ การศึกษา ภูมิศาสตร์ และฤดูกาล

กรอบ AI Jobs Transition Framework ของ OpenAI เมื่อเดือนเมษายน 2026 ชี้ประเด็นเดียวกันจากอีกมุมหนึ่ง แทนที่จะถือว่าการเปิดรับทางเทคนิคเป็นการพยากรณ์การแทนที่ กรอบนี้ถามสามคำถาม: AI ทำงานย่อยของอาชีพนั้นในสัดส่วนที่มีนัยสำคัญได้หรือไม่ คนยังคงเป็นศูนย์กลางในการส่งมอบหรือกำกับดูแลงานหรือไม่ และต้นทุนที่ต่ำลงจะเพิ่มอุปสงค์มากพอที่จะดูดซับผลิตภาพที่เพิ่มขึ้นได้หรือไม่ เมื่อนำไปใช้กับ 921 อาชีพซึ่งครอบคลุมงานในสหรัฐฯ ราว 148 ล้านตำแหน่ง กรอบนี้จัดงานราว 18% ไว้ในกลุ่มที่มีความเสี่ยงการทำงานอัตโนมัติสูงกว่า 24% เป็นงานที่น่าจะถูกจัดระเบียบใหม่ 12% เป็นงานที่อาจเติบโตไปกับ AI และ 46% เป็นงานที่คาดว่าจะเปลี่ยนแปลงในระยะใกล้น้อยกว่า

ในงานวิจัย PNAS Nexus คะแนนการเปิดรับเดี่ยวที่แข็งแกร่งที่สุดอธิบายความแปรปรวนของความเสี่ยงการว่างงานได้เพียง 10.7% เมื่อใช้โดยลำพัง

ดังนั้นเมื่อตัวเลข "ความเสี่ยงของงานจาก AI" ตัวถัดไปผ่านฟีดของคุณ สิ่งที่ควรทำคือหาว่ามันมาจากวิธีไหนในบรรดาวิธีเหล่านี้ก่อนจะตัดสินใจว่าควรกังวลหรือไม่ คะแนนการเปิดรับเชิงทฤษฎีบอกคุณว่าความสามารถของ AI ทับซ้อนกับองค์ประกอบของงานตรงไหน คะแนนการเปิดรับที่สังเกตได้เพิ่มหลักฐานว่าผู้คนใช้ AI จริงในทางปฏิบัติแล้วตรงไหน ไม่มีอันไหนที่บอกได้โดยลำพังว่าการจ้างงานในอาชีพนั้นจะเพิ่มขึ้นหรือลดลง สิ่งนั้นต้องใช้หลักฐานจากตลาดแรงงานเรื่องการจ้างงาน อุปสงค์ ค่าจ้าง และจำนวนพนักงาน

อ่าน

ทำไมเครื่องมือตรวจจับข้อความ AI ถึงยังตรวจผิดอยู่เรื่อย

คำถามที่พบบ่อย