นายจ้างระบุว่าการเลิกจ้างในสหรัฐฯ ที่ประกาศจำนวน 101,743 ตำแหน่งในช่วงครึ่งแรกของปี 2026 เป็นผลจากปัญญาประดิษฐ์ ขณะที่เวทีเศรษฐกิจโลกคาดการณ์ว่าเทคโนโลยีที่เกี่ยวข้องกับ AI จะสร้างตำแหน่งงานใหม่ 170 ล้านตำแหน่งและแทนที่ตำแหน่งงาน 92 ล้านตำแหน่งทั่วโลกภายในปี 2030 ตัวเลขทั้งสองนี้ถูกนำมาเทียบกันอยู่ตลอดเวลาทั้งที่เปรียบเทียบกันไม่ได้ ตัวเลขหนึ่งนับการประกาศที่เกิดขึ้นในปีนี้ในประเทศเดียว ส่วนอีกตัวเลขจำลองสถานการณ์ทั่วโลกตลอดหนึ่งทศวรรษ การอ่านที่มีประโยชน์กว่าคือดูจุดที่ตัวเลขทั้งสองเห็นตรงกัน การแทนที่งานกระจุกตัวอยู่ในงานธุรการและงานสายบริหาร การสร้างงานเอนเอียงไปทางสายเทคนิค และไม่ว่าอย่างไรทักษะการทำงานหลัก 39% ก็มีแนวโน้มจะเปลี่ยนแปลง ตัวเลขด้านล่างนี้มาจากรายงาน Future of Jobs ของเวทีเศรษฐกิจโลก ข้อมูลการเลิกจ้างของ Challenger Gray, Gallup และ Stanford HAI
TL;DR
- เวทีเศรษฐกิจโลกคาดการณ์ว่าจะมีตำแหน่งงานราว 92 ล้านตำแหน่งถูกแทนที่ภายในปี 2030 (เวทีเศรษฐกิจโลก)
- คาดว่าจะมีการสร้างตำแหน่งงานใหม่ราว 170 ล้านตำแหน่ง (เวทีเศรษฐกิจโลก)
- คิดเป็นส่วนต่างสุทธิที่เพิ่มขึ้นราว 78 ล้านตำแหน่ง (เวทีเศรษฐกิจโลก)
- คาดว่าทักษะการทำงานหลักราว 39% จะเปลี่ยนแปลงภายในปี 2030 (เวทีเศรษฐกิจโลก)
- บริษัท 77% วางแผนจะลงทุนใน reskilling ภายใน 5 ปี (เวทีเศรษฐกิจโลก)
- นายจ้างระบุว่าการเลิกจ้าง 101,743 ตำแหน่งในสหรัฐฯ ช่วงครึ่งแรกของปี 2026 เป็นผลจาก AI (Challenger, Gray and Christmas)
- คิดเป็น 23% ของการเลิกจ้างที่ประกาศทั้งหมด (Challenger)
- AI เป็นสาเหตุอันดับหนึ่งที่ถูกระบุติดต่อกัน 4 เดือน (Challenger)
- เฉพาะเดือนมิถุนายนเดือนเดียว AI เป็นสาเหตุของการเลิกจ้าง 14,029 ตำแหน่ง หรือ 31% (Challenger)
- จำนวนการเลิกจ้างที่ประกาศทั้งหมดในสหรัฐฯ ลดลง 40% เทียบปีต่อปีในช่วงครึ่งแรกของปี 2026 (Challenger)
- การเลิกจ้างในภาคเทคโนโลยีเพิ่มขึ้น 83% ในช่วงเดียวกัน (Challenger)
- พนักงานในสหรัฐฯ 52% ใช้ AI ในการทำงาน แต่มีเพียง 15% ที่ใช้ทุกวัน (Gallup)
- อัตราการนำ AI มาใช้ในระดับองค์กรแตะ 88% (Stanford HAI, McKinsey)
1. การคาดการณ์
ตัวเลขที่ถูกอ้างอิงมากที่สุดในสายงานนี้คือตัวเลขคาดการณ์ และควรระบุให้ชัดเจนว่าเป็นเช่นนั้นทุกครั้งที่ปรากฏ เวทีเศรษฐกิจโลกคาดการณ์ว่าจะมีการสร้างตำแหน่งงานใหม่ราว 170 ล้านตำแหน่งและแทนที่ตำแหน่งงาน 92 ล้านตำแหน่งภายในปี 2030 คิดเป็นส่วนต่างสุทธิที่เพิ่มขึ้นราว 78 ล้านตำแหน่ง ซึ่งได้มาจากการสำรวจนายจ้างเกี่ยวกับความเปลี่ยนแปลงของแรงงานที่คาดว่าจะเกิดขึ้นในช่วงเวลาจนถึงปี 2030
ตัวเลขสุทธินี้คือจุดที่สื่อส่วนใหญ่หยุดวิเคราะห์ ทั้งที่ควรเป็นจุดเริ่มต้นของการวิเคราะห์ ส่วนต่างสุทธิที่เพิ่มขึ้น 78 ล้านตำแหน่งจะเป็นข่าวดีก็ต่อเมื่อคนที่สูญเสียตำแหน่งงานสามารถเข้าไปทำงานในตำแหน่งที่ถูกสร้างขึ้นใหม่ได้ และองค์ประกอบของข้อมูลบ่งชี้ว่าส่วนใหญ่ทำไม่ได้ การแทนที่งานกระจุกตัวอยู่ในอาชีพธุรการและสายบริหารที่มีโอกาสเคลื่อนย้ายภายในองค์กรจำกัด การสร้างงานกระจุกตัวอยู่ในตำแหน่งสายเทคนิคที่ต้องใช้การฝึกอบรมนานเป็นปีไม่ใช่เป็นสัปดาห์ ดังนั้นการคาดการณ์ที่มีตัวเลขสุทธิเป็นบวกจึงสอดคล้องได้กับความเสียหายรุนแรงในระดับบุคคล และการมองตัวเลขรวมเป็นข่าวดีเพียงอย่างเดียวก็เท่ากับข้ามประเด็นเรื่องการกระจายผลกระทบทั้งหมด ซึ่งเป็นสิ่งที่ทำให้เรื่องนี้กลายเป็นปัญหาเชิงนโยบายตั้งแต่แรก
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ตำแหน่งงานที่คาดว่าจะถูกแทนที่ภายในปี 2030 | ราว 92 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| ตำแหน่งงานที่คาดว่าจะถูกสร้างขึ้นภายในปี 2030 | ราว 170 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| การเปลี่ยนแปลงสุทธิที่คาดการณ์ | ราว 78 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| อาชีพที่ครองสัดส่วนใหญ่ในการถูกแทนที่ | งานธุรการและงานสายบริหาร | เวทีเศรษฐกิจโลก |
| อาชีพที่ครองสัดส่วนใหญ่ในการถูกสร้างขึ้น | ตำแหน่งงานสายเทคนิค | เวทีเศรษฐกิจโลก |
| อัตราส่วนตำแหน่งที่สร้างขึ้นต่อที่ถูกแทนที่ | ราว 1.85 ต่อ 1 | คำนวณจากตัวเลขของเวทีเศรษฐกิจโลก |
| ลักษณะของตัวเลข | เป็นการคาดการณ์ ไม่ใช่การวัดผล | เวทีเศรษฐกิจโลก |
| กรอบเวลา | จนถึงปี 2030 | เวทีเศรษฐกิจโลก |
แหล่งข้อมูล: รายงานข่าวเกี่ยวกับรายงาน Future of Jobs ของเวทีเศรษฐกิจโลก
2. สิ่งที่นายจ้างประกาศจริง
สิ่งที่อยู่ตรงข้ามกับการคาดการณ์คือการวัดผลที่มีขอบเขตแคบกว่าแต่อ้างอิงจากสิ่งที่บริษัทต่าง ๆ พูดจริงในปีนี้ นายจ้างระบุว่าการเลิกจ้างที่ประกาศในสหรัฐฯ จำนวน 101,743 ตำแหน่งในช่วงครึ่งแรกของปี 2026 เป็นผลจากปัญญาประดิษฐ์ คิดเป็น 23% ของทั้งหมด และ AI เป็นสาเหตุอันดับหนึ่งที่ถูกระบุติดต่อกัน 4 เดือน เฉพาะเดือนมิถุนายนเดือนเดียว AI เป็นสาเหตุของการเลิกจ้าง 14,029 ตำแหน่ง หรือ 31% ของการประกาศในเดือนนั้น
บริบทรอบตัวเลขนี้ทำงานได้สองทาง จำนวนการเลิกจ้างที่ประกาศทั้งหมดในสหรัฐฯ ลดลง 40% เทียบปีต่อปีในช่วงเวลาเดียวกัน แสดงว่าการอ้างถึง AI เพิ่มขึ้นในปีที่การเลิกจ้างโดยรวมดีขึ้นอย่างชัดเจน ซึ่งเป็นข้อโต้แย้งที่คัดค้านการมองว่าการอ้างถึง AI เป็นเพียงข้ออ้างบังหน้าสำหรับภาวะเศรษฐกิจถดถอย ในทางกลับกัน การเลิกจ้างในภาคเทคโนโลยีเพิ่มขึ้น 83% ในขณะที่ภาคอื่นทั้งหมดลดลง และภาคเทคโนโลยีก็เป็นภาคที่มีแรงจูงใจมากที่สุดที่จะนำเสนอการลดพนักงานว่าเป็นการปรับปรุงที่ขับเคลื่อนด้วย AI มากกว่าจะเป็นการแก้ไขปัญหาการจ้างงานเกินความจำเป็น การตีความทั้งสองแบบล้วนสอดคล้องกับข้อมูล
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การเลิกจ้างที่เป็นผลจาก AI ครึ่งแรกของปี 2026 | 101,743 ตำแหน่ง | Challenger |
| สัดส่วนของ AI ในการเลิกจ้างที่ประกาศทั้งหมด | 23% | Challenger |
| การเลิกจ้างที่เป็นผลจาก AI เดือนมิถุนายน 2026 | 14,029 ตำแหน่ง | Challenger |
| สัดส่วนของ AI ในการเลิกจ้างเดือนมิถุนายน | 31% | Challenger |
| จำนวนเดือนติดต่อกันที่ AI เป็นสาเหตุอันดับหนึ่ง | 4 เดือน | Challenger |
| การเลิกจ้างที่ประกาศทั้งหมด ครึ่งแรกของปี 2026 | 443,604 ตำแหน่ง | Challenger |
| การเปลี่ยนแปลงของการเลิกจ้างทั้งหมดเทียบปีต่อปี | ลดลง 40% | Challenger |
| การเปลี่ยนแปลงของการเลิกจ้างในภาคเทคโนโลยี | เพิ่มขึ้น 83% | Challenger |
รายละเอียดรายภาคธุรกิจอยู่ในบทความ สถิติการเลิกจ้างในภาคเทคโนโลยี ของเรา แหล่งข้อมูล: รายงานการเลิกจ้างเดือนมิถุนายน 2026 ของ Challenger
3. ทักษะเปลี่ยนแปลงเร็วกว่าตำแหน่งงานจะหายไป
ผลลัพธ์เรื่องทักษะไม่ได้ดูน่าตื่นเต้นเท่าตัวเลขจำนวนพนักงาน แต่น่าจะมีนัยสำคัญมากกว่า เวทีเศรษฐกิจโลกคาดการณ์ว่าทักษะการทำงานหลักราว 39% จะเปลี่ยนแปลงไปภายในปี 2030 และบริษัท 77% ระบุว่าวางแผนจะลงทุนใน reskilling และ upskilling ในอีก 5 ปีข้างหน้า
เมื่ออ่านตัวเลขทั้งสองนี้ร่วมกัน จะเห็นภาพของนายจ้างที่คาดว่าจะรักษาพนักงานของตนไว้และเปลี่ยนสิ่งที่พนักงานเหล่านั้นทำ มากกว่าจะแทนที่พวกเขา นี่คืออนาคตที่แตกต่างอย่างมีนัยสำคัญจากอนาคตที่พาดหัวข่าวเรื่องการแทนที่งานสื่อถึง และมันผลักภาระไปที่ระบบการฝึกอบรมมากกว่าตลาดแรงงาน นอกจากนี้ยังเป็นข้อกล่าวอ้างที่ทำได้ง่ายที่สุดและตรวจสอบได้ยากที่สุดด้วย เพราะการแสดงเจตนาว่าจะลงทุนใน reskilling ไม่ได้ทำให้บริษัทเสียค่าใช้จ่ายใด ๆ ในเวลาที่ทำแบบสำรวจ และไม่มีชุดข้อมูลใดที่เทียบเคียงได้ที่ติดตามว่าการลงทุนนั้นเกิดขึ้นจริงหรือไม่
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สัดส่วนทักษะการทำงานหลักที่คาดว่าจะเปลี่ยนแปลงภายในปี 2030 | ราว 39% | เวทีเศรษฐกิจโลก |
| บริษัทที่วางแผนลงทุนใน reskilling | 77% | เวทีเศรษฐกิจโลก |
| กรอบเวลาของการลงทุนนี้ | อีก 5 ปีข้างหน้า | เวทีเศรษฐกิจโลก |
| สิ่งที่การจับคู่นี้บ่งชี้ | การฝึกอบรมใหม่สำคัญกว่าการแทนที่ | คำนวณ |
| ความสามารถในการตรวจสอบข้อกล่าวอ้างเรื่องการลงทุน | ต่ำ | คำนวณ |
| ตำแหน่งงานที่คาดว่าจะถูกแทนที่ | ราว 92 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| ตำแหน่งงานที่คาดว่าจะถูกสร้างขึ้น | ราว 170 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| แรงงานที่ถูกแทนที่ได้เข้าไปทำงานในตำแหน่งที่ถูกสร้างขึ้นหรือไม่ | ส่วนใหญ่ไม่ได้ | เวทีเศรษฐกิจโลก |
บริบทฝั่งนักพัฒนาอยู่ในบทความ สถิติแบบสำรวจนักพัฒนา ของเรา แหล่งข้อมูล: รายงาน Future of Jobs ของเวทีเศรษฐกิจโลก
4. การนำมาใช้ยังไม่ถึงขั้นแทนที่
ข้อโต้แย้งเรื่องการแทนที่งานตั้งอยู่บนสมมติฐานเรื่องความเข้มข้นในการใช้งานที่ข้อมูลการนำมาใช้ยังไม่แสดงให้เห็น พนักงานในสหรัฐฯ 52% ระบุว่าใช้ AI ในการทำงาน แต่มีเพียง 15% เท่านั้นที่ใช้ทุกวัน เทียบกับอัตราการนำ AI มาใช้ในระดับองค์กรที่ 88% เครื่องมือที่ครึ่งหนึ่งของแรงงานใช้เป็นครั้งคราวยังไม่ได้ทำงานในระดับที่การแทนที่งานขนาดใหญ่ต้องการ
ช่องว่างนี้คือข้อโต้แย้งที่หนักแน่นที่สุดว่าข้อกล่าวอ้างเรื่องการแทนที่งานในระยะใกล้กำลังวิ่งนำหน้าความเป็นจริงของการนำไปใช้งาน ขณะเดียวกันก็เป็นเป้าหมายที่เคลื่อนที่อยู่ตลอด อัตราการใช้ทุกวันเพิ่มขึ้นจาก 13% เป็น 15% ภายในปี 2026 และอัตราการใช้งานโดยรวมเพิ่มขึ้นมากกว่าสองเท่าในสามปี คำถามคือการใช้งานทุกวันจะทรงตัวอยู่ที่ระดับปัจจุบันหรือไม่ ซึ่งในกรณีนั้น AI จะทำหน้าที่เป็นเพียงชั้นเสริม หรือจะเพิ่มขึ้นต่อเนื่องจนถึงระดับความเข้มข้นที่ตำแหน่งงานจะรวมตัวกันจริง ๆ ไม่มีข้อมูลใดในปัจจุบันที่ชี้ชัดในเรื่องนี้ และใครก็ตามที่อ้างว่าชี้ชัดได้ก็เพียงแค่กำลังคาดคะเนไปเอง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| พนักงานสหรัฐฯ ที่ใช้ AI ในการทำงาน | 52% | Gallup |
| ผู้ที่ใช้ทุกวัน | 15% | Gallup |
| อัตราการใช้ทุกวันในช่วงต้นปี 2026 | 13% | Gallup |
| พนักงานสหรัฐฯ ที่ใช้ AI ในไตรมาสที่ 2 ของปี 2023 | 21% | Gallup |
| อัตราการนำ AI มาใช้ในระดับองค์กร | 88% | Stanford HAI, McKinsey |
| การใช้ generative AI ในอย่างน้อยหนึ่งฟังก์ชัน | 79% | McKinsey |
| องค์กรที่ระบุว่า AI ส่งผลต่อ EBIT ไม่ว่าจะทางใด | 39% | McKinsey |
| สัดส่วนผู้ใช้ AI ที่ใช้ทุกวัน | ราว 29% | คำนวณจากตัวเลขของ Gallup |
รายละเอียดระดับพนักงานอยู่ในบทความ สถิติ AI ในที่ทำงาน ของเรา และรายละเอียดด้านการใช้จ่ายอยู่ในบทความ สถิติการนำ AI มาใช้ในองค์กร แหล่งข้อมูล: ข้อมูลของ Gallup เกี่ยวกับการใช้ AI บ่อยครั้งในที่ทำงาน
5. ทำไมข้อมูลสองชุดนี้จึงขัดแย้งกัน
การคาดการณ์และข้อมูลการประกาศชี้ไปคนละทิศทางด้วยเหตุผลเชิงโครงสร้าง ไม่ใช่เพราะชุดใดชุดหนึ่งผิด การทำลายตำแหน่งงานมีความกระจุกตัว ระบุวันที่ชัดเจน และมีการประกาศ ส่วนการสร้างตำแหน่งงานกระจายตัว ค่อยเป็นค่อยไป และแทบไม่เคยมีการประกาศ บริษัทที่ลดพนักงาน 500 ตำแหน่งจะออกแถลงการณ์ ส่วนบริษัทที่เพิ่มพนักงานทีมละสองคนใน 40 ทีมตลอด 18 เดือนจะไม่ออกแถลงการณ์ใด ๆ เลย
ความไม่สมมาตรนี้รับประกันได้ว่าชุดข้อมูลใด ๆ ที่สร้างจากการประกาศจะดูเป็นลบมากกว่าความเป็นจริง และชุดข้อมูลใด ๆ ที่สร้างจากการคาดการณ์ของนายจ้างจะดูเป็นบวกมากกว่าความเป็นจริง เพราะผู้ตอบแบบสำรวจที่คาดการณ์การจ้างงานของตัวเองมีแรงจูงใจที่จะให้ดูมองโลกในแง่ดี จุดยืนที่ซื่อตรงคือข้อมูลที่สังเกตได้สามารถบอกได้ว่าตอนนี้อะไรถูกโยงเข้ากับ AI แต่บอกผลกระทบสุทธิไม่ได้ ในขณะที่การคาดการณ์สามารถจำลองผลกระทบสุทธิได้ แต่บอกไม่ได้ว่าจะเกิดขึ้นจริงหรือไม่
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สิ่งที่ Challenger วัด | การเลิกจ้างที่ประกาศและเหตุผลที่ระบุ | Challenger |
| สิ่งที่เวทีเศรษฐกิจโลกวัด | การคาดการณ์ของนายจ้างจนถึงปี 2030 | เวทีเศรษฐกิจโลก |
| ขอบเขตทางภูมิศาสตร์ของข้อมูล Challenger | สหรัฐอเมริกา | Challenger |
| ขอบเขตทางภูมิศาสตร์ของการคาดการณ์เวทีเศรษฐกิจโลก | ทั่วโลก | เวทีเศรษฐกิจโลก |
| การมองเห็นได้ของการทำลายตำแหน่งงาน | สูง มีการประกาศ | คำนวณ |
| การมองเห็นได้ของการสร้างตำแหน่งงาน | ต่ำ ไม่มีการประกาศ | คำนวณ |
| ทิศทางความเอนเอียงในข้อมูลการประกาศ | เชิงลบ | คำนวณ |
| ทิศทางความเอนเอียงในการคาดการณ์ของนายจ้าง | เชิงบวก | คำนวณ |
แหล่งข้อมูล: บทความของ CFO Dive เกี่ยวกับการเลิกจ้างในภาคเทคโนโลยีและการโยงสาเหตุไปที่ AI ในครึ่งแรกของปี 2026
สรุป: ผลกระทบของ AI ต่อการจ้างงานในรูปตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ตำแหน่งงานที่คาดว่าจะถูกแทนที่ภายในปี 2030 | ราว 92 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| ตำแหน่งงานที่คาดว่าจะถูกสร้างขึ้นภายในปี 2030 | ราว 170 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| การเปลี่ยนแปลงสุทธิที่คาดการณ์ | ราว 78 ล้านตำแหน่ง | เวทีเศรษฐกิจโลก |
| อัตราส่วนตำแหน่งที่สร้างขึ้นต่อที่ถูกแทนที่ | ราว 1.85 ต่อ 1 | คำนวณ |
| ทักษะการทำงานหลักที่คาดว่าจะเปลี่ยนแปลง | ราว 39% | เวทีเศรษฐกิจโลก |
| บริษัทที่วางแผนลงทุนใน reskilling | 77% | เวทีเศรษฐกิจโลก |
| การเลิกจ้างที่เป็นผลจาก AI ครึ่งแรกของปี 2026 | 101,743 ตำแหน่ง | Challenger |
| สัดส่วนของ AI ในการเลิกจ้างที่ประกาศ | 23% | Challenger |
| การเลิกจ้างที่เป็นผลจาก AI ในเดือนมิถุนายน | 14,029 ตำแหน่ง | Challenger |
| สัดส่วนของ AI ในการเลิกจ้างเดือนมิถุนายน | 31% | Challenger |
| จำนวนเดือนติดต่อกันที่ AI เป็นสาเหตุอันดับหนึ่ง | 4 เดือน | Challenger |
| การเลิกจ้างที่ประกาศทั้งหมด ครึ่งแรกของปี 2026 | 443,604 ตำแหน่ง | Challenger |
| การเปลี่ยนแปลงของการเลิกจ้างทั้งหมด | ลดลง 40% | Challenger |
| การเปลี่ยนแปลงของการเลิกจ้างในภาคเทคโนโลยี | เพิ่มขึ้น 83% | Challenger |
| พนักงานสหรัฐฯ ที่ใช้ AI ในการทำงาน | 52% | Gallup |
| ผู้ที่ใช้ทุกวัน | 15% | Gallup |
| ตัวชี้วัดเดียวกันในไตรมาสที่ 2 ของปี 2023 | 21% ใช้ AI ในรูปแบบใดรูปแบบหนึ่ง | Gallup |
| อัตราการนำ AI มาใช้ในระดับองค์กร | 88% | Stanford HAI, McKinsey |
| องค์กรที่ระบุว่า AI ส่งผลต่อ EBIT ไม่ว่าจะทางใด | 39% | McKinsey |
ระเบียบวิธีและแหล่งข้อมูล
- ข้อมูลเรื่องการแทนที่ การสร้างงาน การเปลี่ยนแปลงทักษะ และความตั้งใจด้าน reskilling มาจากรายงาน Future of Jobs ของเวทีเศรษฐกิจโลก ซึ่งสำรวจนายจ้างเกี่ยวกับความเปลี่ยนแปลงของแรงงานที่คาดว่าจะเกิดขึ้นจนถึงปี 2030 (เวทีเศรษฐกิจโลก)
- ข้อมูลการเลิกจ้างที่ประกาศและเหตุผลที่ระบุมาจากรายงานการเลิกจ้างรายเดือนของ Challenger, Gray and Christmas (รายงานเดือนมิถุนายน 2026, ไฟล์ PDF เดือนมิถุนายน 2026) โดยมีการตรวจสอบไขว้กับการวิเคราะห์รายภาคธุรกิจ (CFO Dive)
- ข้อมูลการนำมาใช้ในระดับพนักงานมาจากการติดตามการใช้ AI ในที่ทำงานของ Gallup (Gallup) และข้อมูลการนำมาใช้ในระดับองค์กรมาจากดัชนี AI ปี 2026 ของ Stanford HAI และแบบสำรวจ State of AI ของ McKinsey (Stanford HAI, McKinsey)
- ข้อสังเกตเกี่ยวกับข้อมูล: ตัวเลขของเวทีเศรษฐกิจโลกเป็นการคาดการณ์ที่มาจากการสำรวจนายจ้าง ไม่ใช่การวัดผล และรายงานที่เป็นที่มาของตัวเลขครอบคลุมกรอบเวลาจนถึงปี 2030 ไม่ได้บรรยายสถานการณ์ของปี 2026 ตัวเลขเหล่านี้เป็นข้อมูลระดับโลก ในขณะที่ข้อมูลของ Challenger จำกัดเฉพาะสหรัฐอเมริกาและนับจากการประกาศ ไม่ใช่การพ้นสภาพการจ้างงานจริง ห้ามนำข้อมูลสองชุดนี้มารวมกันเป็นเรื่องเล่าเดียวเกี่ยวกับการเปลี่ยนแปลงสุทธิของตำแหน่งงาน Challenger บันทึกเหตุผลที่นายจ้างให้มาโดยไม่ตรวจสอบ ดังนั้นการเพิ่มขึ้นของการอ้างถึง AI จึงเป็นแนวโน้มด้านการเปิดเผยข้อมูลที่อาจสะท้อนหรือไม่สะท้อนความสัมพันธ์เชิงสาเหตุก็ได้ และนายจ้างก็มีแรงจูงใจด้านภาพลักษณ์ที่จะเลือกอธิบายด้วย AI มากกว่าด้วยความต้องการที่อ่อนแอ ตัวเลขการนำมาใช้ของ Gallup มาจากการรายงานด้วยตนเองและจำกัดเฉพาะสหรัฐฯ แถวที่ระบุว่า “คำนวณ” ได้มาจากการคำนวณทางคณิตศาสตร์หรือการอนุมานโดยตรงจากตัวเลขที่เผยแพร่แล้ว
- อัปเดตล่าสุด: 2 สิงหาคม 2026 เราจะอัปเดตบทความสรุปนี้ทุกไตรมาส ตามการเผยแพร่ข้อมูลรายเดือนของ Challenger และการออกฉบับใหม่ของเวทีเศรษฐกิจโลก, Gallup และ Stanford HAI