MIT/Autor เปิดงานวิจัยใหม่ — 'งานใหม่' จากเทคโนโลยีตกที่คนรุ่นใหม่ + จบมหา'ลัย + อยู่ในเมือง: แล้ว AI จะแตกต่างไหม?

วันที่ 21 พฤษภาคม 2026 — MIT News เผยแพร่บทสรุปงานวิจัยใหม่ของ David Autor นักเศรษฐศาสตร์แรงงานที่อ้างอิงมากที่สุดในยุคนี้ ร่วมกับ Caroline Chin (MIT), Anna M. Salomons (Tilburg & Utrecht), และ Bryan Seegmiller (Northwestern Kellogg) — paper ชื่อ “What Makes New Work Different from More Work?” กำลังจะตีพิมพ์ใน Annual Review of Economics

ทีมใช้ข้อมูล US Census Complete Count files ปี 1940 และ 1950 (เพิ่งเปิดให้นักวิจัยเข้าถึงได้หลังพ้น 70 ปี) ร่วมกับ American Community Survey (ACS) ปี 2011-2023 ที่เข้าถึงผ่านความร่วมมือพิเศษกับ U.S. Census Bureau เพื่อตอบคำถามที่นโยบายแรงงานในยุค AI ต้องการมากที่สุด: “เวลาเทคโนโลยีสร้างงานใหม่ ใครคือคนที่ได้งานเหล่านั้น?”

ผลที่ออกมามีความน่าสะดุดสำหรับคนที่กำลังกังวลเรื่อง AI

ผลลัพธ์หลัก — งานใหม่ตกที่คนรุ่นใหม่, มี degree, อยู่เมือง

Autor และทีมพบ pattern ที่ซ้ำกันในสองยุค:

• ปี 1950 — ประมาณ 7% ของแรงงานสหรัฐฯ ทำงานในประเภทที่เพิ่งเกิดหลังปี 1930
• ปี 2011-2023 — ประมาณ 18% ของแรงงานทำงานในประเภทที่เพิ่งเกิดหลังปี 1970

ทั้งสองช่วงเวลา งานใหม่กระจุกตัวในเมือง และ คนอายุต่ำกว่า 30 ได้ประโยชน์สูงสุด เมื่อเทียบกับช่วงอายุอื่น

ตัวเลขที่ Autor เน้น:

• คนที่ทำ “งานใหม่” ในปี 1940 มีโอกาส 2.5 เท่า ที่จะยังทำงานใหม่ในปี 1950 เมื่อเทียบกับประชากรทั่วไป
• ผู้จบ ปริญญาตรี มีโอกาสมากกว่าคนจบม.ปลายถึง 2.9 percentage point ที่จะได้ทำงานใหม่
• งานใหม่มี wage premium จริง — เงินเดือนเฉลี่ยสูงกว่างานเดิม
• แต่ wage premium นี้ ค่อย ๆ หายไปเมื่อ expertise แพร่หลาย — เหมือนการขับรถยนต์ในยุค 1920 หรือ Microsoft Word ในยุค 1990 ที่เคยเป็น “ทักษะ premium” แต่กลายเป็นทักษะพื้นฐาน

Autor สรุปด้วยประโยคที่ออกแบบมาให้คนจำ:

“What makes labor valuable is not simply the ability to do stuff, but specialized knowledge… It has to be scarce. If everyone is an expert, then no one is an expert.”

Demand-side: รัฐและสงครามคือผู้สร้างงานใหม่

ส่วนที่นโยบายควรอ่านอย่างละเอียดที่สุดคือ demand side

ทีมวิจัยตรวจสอบข้อมูลระดับ county ในช่วงสงครามโลกครั้งที่ 2 พบว่า — 85-90% ของงานใหม่ที่เกิดในช่วงปี 1940-1950 ถูกขับเคลื่อนโดยเทคโนโลยี และ county ที่มีโรงงานใหม่ที่รัฐบาลกลางลงทุนผ่าน public-private partnership มีอัตราการเกิดงานใหม่สูงกว่า

ข้อสรุปของ Autor:

“This says that wherever we make new investments, we end up getting new specializations. If you create a large-scale activity, there’s always going to be an opportunity for new specialized knowledge.”

นั่นคือเหตุผลที่ paper ออกมาในเดือนที่:

• OpenAI กำลังยื่น confidential S-1 ($852B-$1T valuation)
• Anthropic เตรียม listing ตุลาคม ($900B valuation)
• Google ประกาศ capex สูงสุด $190 พันล้านในปี 2026 สำหรับ AI infrastructure
• HSBC CEO ออกมาเตือนพนักงานว่า AI จะลดงานบางตำแหน่ง
• BLS รายงาน ว่างานใน 18 อาชีพที่ AI กระทบลดลง 0.2% ระหว่าง พ.ค. 2024 - พ.ค. 2025 (sales rep ลดลง 4.8%)

“Eroding tasks is not the same thing as eroding jobs”

Autor ระมัดระวังในการพูดเรื่อง AI โดยตรง เขาบอกว่า “ยังเร็วเกินไปที่จะบอกว่า AI จะกระทบงานอย่างไร” แต่ใส่กรอบสำคัญไว้:

“People are really worried that AI-based automation is going to erode specific tasks more rapidly. Eroding tasks is not the same thing as eroding jobs, since many jobs involve a lot of tasks. But we’re all saying: where is the new work going to come from? It’s so important, and we know little about it.”

ยกตัวอย่าง — ในภาคสุขภาพที่ใช้งบประมาณรัฐมากกว่าครึ่ง:

• ทางเลือกที่ 1: ใช้ AI เพื่อ automate jobs ทิ้ง — pure substitution
• ทางเลือกที่ 2: ใช้ AI เพื่อ ให้คนที่มี expertise ต่างกัน ทำ task ที่แตกต่างได้ — เช่น nurse ทำสิ่งที่ก่อนต้องการแพทย์

Autor ฟันธงว่าทางเลือกที่ 2 socially beneficial กว่า — แต่ “ไม่มีอะไรการันตีว่าตลาดจะเลือกทางนี้” ต้องอาศัยนโยบาย

มุมมอง AI Curator

อ่าน paper นี้คู่กับข่าวเศรษฐกิจ AI ในสัปดาห์นี้ — Anthropic คาดทำกำไรไตรมาสแรก, OpenAI ยื่น S-1, Google capex $190B — แล้วจะเห็นว่ามันคือ timing ที่ Autor ตั้งใจให้เป็น “เสียงนกหวีดของกรรมการ” ในการถกเถียง AI กับแรงงาน

จุดสำคัญสำหรับ ผู้อ่านไทย มีหลายชั้น:

1. ประเทศไทยจะเข้าใจ pattern นี้แบบกลับด้าน — ในสหรัฐฯ งานใหม่กระจุกในเมืองและตกที่คนจบมหา’ลัย ในไทย ความเหลื่อมล้ำระหว่าง กทม. กับต่างจังหวัด, ระหว่างคนจบมหา’ลัยกับไม่จบ น่าจะรุนแรงกว่า ถ้าไม่มีนโยบายตั้งใจ AI จะ ขยาย gap นี้ให้กว้างขึ้น ไม่ใช่แคบลง — เพราะ infrastructure (data center, broadband, AI literacy) ก็กระจุกในเมืองอยู่แล้ว

2. Autor ให้กรอบที่นโยบายไทยขาด — เวลาพูดเรื่อง “AI กระทบงาน” ในไทยเรามักดู supply side อย่างเดียว (มีบริษัท AI ไหม, มี startup ไหม, เด็กไทยเรียนเขียน prompt ไหม) Autor เสนอว่า demand side สำคัญพอ ๆ กัน — รัฐสร้าง demand แบบไหน งานใหม่จะตามไปอย่างนั้น ตัวอย่างที่ใกล้ตัว: ถ้ารัฐบาลไทยลงทุนใน AI for healthcare (สาธารณสุข), AI for agriculture (เกษตร), หรือ AI for SME (วิสาหกิจขนาดเล็ก) — งานใหม่จะกระจายกว่าการปล่อยให้ตลาดไปทาง enterprise software อย่างเดียว

3. “Wage premium” ที่หายไป — เป็น insight ที่ developer และ data engineer ในไทยต้องคิด ทักษะ “prompt engineering” หรือ “ใช้ Cursor ได้คล่อง” วันนี้คือ scarce expertise แต่ในอีก 3-5 ปีจะเป็นทักษะพื้นฐาน เหมือนการใช้ Excel ใน 2010 ถ้าจะอยู่ในกลุ่ม คนที่ได้งานใหม่ตลอด ต้อง keep moving — เรียนสิ่งที่ scarcer เสมอ ไม่ใช่หยุดที่ทักษะเดียว

4. คนอายุ <30 ได้เปรียบ — แต่นั่นเป็น pattern อดีต ไม่ใช่ destiny — ใน Thailand ที่ workforce กำลัง age (population ageing ที่เร็วที่สุดในอาเซียน) — ถ้า “งานใหม่ตกที่คนรุ่นใหม่” จริง เราจะเจอ demographic squeeze ซ้อนกับ AI displacement สำหรับ workforce วัย 40-55 ที่ยังต้องทำงานอีก 15-25 ปี การลงทุนใน mid-career reskilling ไม่ใช่ option แต่เป็น necessity ระดับชาติ

5. “If everyone is an expert, then no one is an expert” — เป็นประโยคที่ทุก HR head ของบริษัทไทยควรอ่าน ทันทีที่ “ทุกคนใน team ใช้ Claude/ChatGPT ได้” — ตัวมัน stop เป็น differentiator ในการ hire สิ่งที่จะเหลือเป็น competitive advantage คือ judgment, domain knowledge, และทักษะที่ AI ไม่ได้ encode เช่น การคุยลูกค้า, การ design ระบบที่ระบบเก่าจะ migration ไม่ผ่าน, การตัดสินใจในสถานการณ์ที่ข้อมูลไม่ครบ

paper นี้ไม่ใช่ “AI จะดี” หรือ “AI จะทำลายงาน” — มันคือ playbook ทางประวัติศาสตร์ ที่บอกว่าใครจะได้ใครจะเสีย และนโยบายแบบไหนทำให้ผลลัพธ์เปลี่ยน ทุกคนที่อยู่ใน workforce planning, การศึกษา, หรือ public policy ของไทยควรอ่าน

แหล่งข่าว

• Technology usually creates jobs for young, skilled workers. Will AI do the same? — MIT News (21 May 2026)
• What Makes New Work Different from More Work? — Autor, Chin, Salomons, Seegmiller (forthcoming Annual Review of Economics)
• Does technology help or hurt employment? — MIT News (2024)
• Most work is new work, long-term study of U.S. census data shows — MIT News (2024)