บทความฉบับนี้เป็นภาคต่อจากบทความ “ทีดีอาร์ไอ สำรวจตลาดงานด้าน AI พบธุรกิจปรับตัวมาใช้ปัญญาประดิษฐ์มากขึ้น” ที่เผยแพร่ไปเมื่อเดือนมิถุนายน  โดยนำเสนอการเปลี่ยนแปลงในตลาดงานออนไลน์ด้าน AI ของประเทศไทยในรอบปีที่ผ่านมาจากการเปรียบเทียบข้อมูลการประกาศรับสมัครงานออนไลน์ระหว่างไตรมาส 2 ปี 2567 และไตรมาส 2 ปี 2568

งาน AI ยังร้อนแรง 1 ปีเปิดรับเพิ่ม 31 %

ตลาดงานด้าน AI ของไทยเติบโตอย่างรวดเร็ว จาก 7,220 ตำแหน่งในไตรมาส 2/2567 เป็น 9,470 ตำแหน่งในไตรมาส 2/2568 หรือเพิ่มขึ้น 31% ภายในปีเดียว (ดูตารางประกอบ) ในขณะที่งานด้าน Robotic Process Automation (RPA) ลดลงเกือบ 40% การเปลี่ยนแปลงดังกล่าวแสดงให้เห็นถึงการปฏิวัติของ Generative AI โดยเฉพาะโมเดลภาษาขนาดใหญ่ (Large Language Model: LLM) ต่อประเภทงาน AI ที่เป็นที่ต้องการของตลาด ส่งผลให้เกิด “การเติบโตสองเลน” (two-tracked growth) กล่าวคือ มีความต้องการแรงงานด้าน AI 2 กลุ่มที่เติบโตอย่างรวดเร็วอย่างก้าวกระโดดคือ กลุ่มทักษะสูงที่มุ่งเน้นงานเชี่ยวชาญระดับสูงที่ยังมีฐานขนาดเล็ก และกลุ่มงานทักษะไม่สูง เช่น งานจัดเตรียมข้อมูล (data annotation) ซึ่งแม้จำเป็นต่อห่วงโซ่มูลค่าของ AI แต่ให้ค่าตอบแทนต่ำและมีโอกาสก้าวหน้าจำกัด

ตาราง: อัตราการเติบโตของงาน AI ประเภทต่างๆ ในประเทศไทย

ประเภทตำแหน่งงาน AI	2/2567	2/2568	อัตราการเติบโต ปีต่อปี (%)
วิศวกร AI/ML (AI/ML Engineer)	85	321	277.6
นักวิทยาศาสตร์ข้อมูล/นักวิเคราะห์ข้อมูล (Data Scientist/Data Analyst)	2,129	2,618	23
ผู้ใช้ AI ทางเทคนิค (AI Technical User)	1,706	1,900	11.4
วิศวกรข้อมูล/วิศวกรระบบ (Data Engineer/System Engineer)	1,622	2,037	25.6
นักพัฒนาหุ่นยนต์และระบบอัตโนมัติ (Robotics and Automation)	310	447	44.2
นักออกแบบระบบอัตโนมัติทางธุรกิจ (Robotic Process Automation)	211	128	-39.3
ผู้จัดเตรียมข้อมูลเพื่อการพัฒนาระบบปัญญาประดิษฐ์ (Data Annotator)	115	789	586.1
ผู้ใช้ AI ทั่วไป (AI General User)	1,042	1,230	18
ทั้งหมด	7,220	9,470	31.2

วิศวกร AI ความต้องการพุ่ง เปิดรับเพิ่ม 3 เท่าตัว

ตำแหน่งวิศวกร AI/ML มีอัตราการเติบโตสูงถึง 278% ต่อปี ขณะที่จำนวนบริษัทที่เปิดรับบุคลากรสายนี้ก็เพิ่มขึ้นมากกว่า 3 เท่า จาก 54 เป็น 180 บริษัท อย่างไรก็ตาม หากคิดเป็นสัดส่วนต่อภาพรวมทั้งไตรมาส ตำแหน่งนี้ยังคงมีเพียง 3% ของงาน AI ทั้งหมด สะท้อนให้เห็นว่างานด้านการประยุกต์ใช้ AI เช่น นักวิทยาศาสตร์ข้อมูลหรือนักวิเคราะห์ข้อมูล ยังคงเป็นกลุ่มหลักในตลาด แต่ในขณะเดียวกัน ก็เริ่มเห็นสัญญาณชัดเจนว่าบริษัทไทยหันมาพัฒนา และปรับแต่งโมเดล AI ด้วยตนเองมากขึ้น แทนที่จะพึ่งพาบริการสำเร็จรูปจากต่างประเทศ จึงต้องการว่าจ้างวิศวกร AI/ML

งานจัดเตรียมข้อมูล โตก้าวกระโดด 586% แต่ค่าจ้างต่ำ-ไม่มั่นคง

ตำแหน่งงาน Data Annotation มีอัตราการเติบโตสูงถึง 586% ภายใน 1 ปี โดยเนื้องานครอบคลุมตั้งแต่การจัดหมวดหมู่ภาพ การถอดเสียง ไปจนถึงการติดธงเนื้อหาที่อาจไม่เหมาะสม อย่างไรก็ตาม 76% ของประกาศรับสมัครมาจากบริษัทต่างประเทศ เช่น Outlier (สหรัฐฯ), TELUS Digital (แคนาดา), DataAnnotation (สหรัฐฯ), micro1 (สหรัฐฯ) และ Mindrift (ออสเตรีย) โดยส่วนใหญ่เป็นงานทางไกล (77%) งานแบบ gig หรือสัญญาระยะสั้น (70%) และมีการจ่ายค่าตอบแทนตามชั่วโมง (53%) ข้อสังเกตคือ 71% ของประกาศหางานในส่วนนี้ไม่กำหนดประสบการณ์การทำงาน รวมถึงไม่ได้เน้นทักษะเทคนิคมากเท่ากับการมีความละเอียดรอบคอบในการทำงาน และความสามารถด้านภาษาไทย-อังกฤษ

ใครอยากทำงาน AI ยกมือขึ้น: สำรวจทักษะที่ต้องมี

ทักษะจำเป็นพื้นฐานในปัจจุบัน

แม้ดูเหมือนว่างาน AI จะต้องทำงานกับระบบคอมพิวเตอร์เป็นหลัก แต่ทักษะสำคัญที่นายจ้างต้องการจากคนทำงานคือ “ทักษะการสื่อสาร” และ “ภาษาอังกฤษ” โดยระบุไว้เกิน 3 ใน 4 ของตำแหน่งงานทั้งหมด เมื่อรวมกับอีก 3 ทักษะที่ติดอันดับความต้องการสูง ได้แก่ การแก้ปัญหา (problem solving) การคิดเชิงวิพากษ์ (critical thinking) และ การบริหารเวลา (time management) เราจะเห็นภาพคนทำงานที่เป็นที่ต้องการคือ “นักพัฒนาโมเดล/นักวิเคราะห์ข้อมูล ที่มีความสามารถสื่อสารดี ตั้งโจทย์ได้อย่างเหมาะสม แปลงข้อมูลเป็นข้อสรุปที่ตัดสินใจได้ และสามารถส่งมอบงานได้ตามกำหนด” ที่สำคัญ ภาษาอังกฤษไม่ใช่เป็นเพียง “ทักษะเสริม” แต่เป็น “เงื่อนไขจำเป็น” ของงานด้าน AI เพราะเปิดทางสู่ความรู้ล่าสุด ตั้งแต่การเข้าใจงานวิจัย การสามารถอ่านคู่มือ API/SDK คู่มือการใช้คลาวด์ ไปจนถึงเอกสารกำกับไลบรารี (เช่น PyTorch, TensorFlow, LangChain) ซึ่งเกือบทั้งหมดเป็นภาษาอังกฤษ

เมื่อพิจารณาทักษะทางเทคนิค จะพบว่ามี “ทักษะหลัก” 3 ทักษะที่กลายเป็นมาตรฐานขั้นต่ำ (minimum viable stack) สำหรับเกือบทุกบทบาทในสายงาน AI ไม่ว่าจะเป็นวิศวกร AI/ML นักวิเคราะห์ข้อมูล หรือผู้เชี่ยวชาญด้านเทคนิค ได้แก่ การใช้ SQL เพื่อเข้าถึงและจัดการข้อมูล การใช้ Python สำหรับการวิเคราะห์และพัฒนาโมเดล และประสบการณ์การใช้ cloud platform ชั้นนำอย่าง AWS, Azure หรือ Google Cloud ซึ่งครอบคลุมขั้นตอนตั้งแต่การดึงข้อมูล การวิเคราะห์ สร้างโมเดล ไปจนถึงนำโมเดลขึ้นใช้งานจริงบนคลาวด์อย่างครบถ้วน

ทักษะที่ต้องการมากขึ้นในอนาคต

อย่างไรก็ตาม เทคโนโลยี AI โดยเฉพาะส่วนที่เกี่ยวข้องกับ LLM มีการเปลี่ยนแปลงอย่างรวดเร็ว ทักษะที่เป็นที่ต้องการในปัจจุบันอาจไม่เพียงพอสำหรับความท้าทายในอนาคต ทั้งผู้สมัครงานและสถาบันการศึกษาจึงควรวางแผนพัฒนา “ทักษะใหม่” ที่กำลังเป็นที่ต้องการและมีแนวโน้มจะกลายเป็นมาตรฐาน ตัวอย่างเช่น วิศวกร AI/ML ที่เน้นพัฒนา LLM ในองค์กร นอกจากจะต้องใช้ TensorFlow หรือ PyTorch เพื่อฝึกโมเดลแล้ว ยังต้องมีความเชี่ยวชาญอื่นๆ เพิ่มเติมอีกด้วย เช่น

• Prompt engineering โดยต้องออกแบบคำสั่ง หรือบริบทให้โมเดลเข้าใจความต้องการได้ตรงจุด
• Retrieval-Augmented Generation (RAG) โดยสามารถเชื่อมต่อ LLM กับข้อมูลภายในองค์กร
• LangChain โดยสามารถใช้ไลบรารีที่ช่วยบริหารจัดการ workflow ของ LLM อย่างมีประสิทธิภาพ

แม้ทักษะเหล่านี้จะยังไม่ถูกระบุอย่างแพร่หลายในประกาศรับสมัครงาน เช่น ทักษะ RAG ที่พบเพียง 39 จาก 321 อัตราวิศวกร AI/ML (ประมาณ 12%) ในไตรมาส 2/2568 แต่เมื่อเทียบกับช่วงเดียวกันปีก่อน (ประมาณ 4%) ก็เพิ่มขึ้นถึง 8 จุดเปอร์เซ็นต์ (percentage point) ซึ่งเป็นการเติบโตที่รวดเร็ว เมื่อเทียบกับทักษะพื้นฐานที่เปลี่ยนแปลงเพียง ±2 จุดเปอร์เซ็นต์ ซึ่งสะท้อนว่าทักษะเหล่านี้อาจจะกลายเป็น “ทักษะที่ขาดไม่ได้” ในเวลาอันใกล้

นอกจากทักษะด้านการพัฒนาและประยุกต์ใช้โมเดลแล้ว ความต้องการในด้าน “การประยุกต์ใช้ AI อย่างมีความรับผิดชอบ” (Responsible AI) ก็เพิ่มขึ้นอย่างชัดเจน โดยพบว่ามีสัดส่วนประกาศงานที่ระบุทักษะนี้เพิ่มขึ้นจาก 9% เป็น 15% หรือเพิ่มประมาณ 6 จุดเปอร์เซ็นต์ ทั้งนี้ความต้องการที่เพิ่มขึ้นคือ การปฏิบัติตามกฎระเบียบ การประเมินความเสี่ยง การตรวจสอบและติดตามผลการทำงานของโมเดล

รวมถึงการจัดทำเอกสารตามมาตรฐานสากล เช่น ISO 42001, 27001, 27701 และ NIST AI RMF แม้ตำแหน่งงาน Responsible AI จะยังเติบโตช้ากว่าสายพัฒนา และประยุกต์ใช้ LLM แต่ทักษะในด้านนี้ก็น่าจะมีความต้องการเพิ่มขึ้นในระยะยาว เพราะเมื่อ AI กลายเป็นหัวใจสำคัญของระบบงาน องค์กรทั้งหลายจะต้องการความมั่นใจว่าโมเดลของตนจะไม่ก่อให้เกิดความเสี่ยงทั้งทางกฎหมาย จริยธรรม และมีความน่าเชื่อถือ

เปิด 3 ข้อเสนอเชิงนโยบายพัฒนาทักษะ AI

สำหรับข้อสังเกตและข้อเสนอเชิงนโยบายต่อการพัฒนาทักษะด้าน AI ของประเทศ มีดังนี้

ประการแรก แม้จำนวนตำแหน่งวิศวกร AI/ML ที่ประกาศรับสมัครออนไลน์จะเพิ่มขึ้นอย่างรวดเร็ว แต่จำนวนการจ้างงานจริงยังอยู่เพียงระดับหลายร้อยคนต่อไตรมาส ซึ่งห่างไกลจากเป้าหมายที่บอร์ด AI แห่งชาติกำหนดไว้ที่ 50,000 คนภายในปี 2570 ¹

นั่นหมายความว่า หากสามารถผลิตบุคลากรได้ตามเป้าหมาย ก็จะเกิดความเสี่ยงที่แรงงานจะล้นตลาด ดังนั้นเป้าหมายเดิมที่ระดับ 1,000 คนต่อปี น่าจะสอดคล้องกับอุปสงค์ในปัจจุบันมากกว่า

อย่างไรก็ตาม เนื่องจาก AI จะส่งผลกระทบต่อแทบทุกอุตสาหกรรม และมีแนวโน้มเติบโตแบบก้าวกระโดด การตั้งเป้า “อุปทานนำ” จึงไม่ใช่เรื่องผิด ตราบใดที่ภาครัฐสามารถกระตุ้นให้เกิด “อุปสงค์จริง” ควบคู่ไปด้วย โดยเฉพาะการยกระดับผลิตภาพของเศรษฐกิจไทย โดยการใช้ AI ในวงกว้าง ทั้งในภาคเกษตรกรรม อุตสาหกรรมและบริการต่างๆ

ประการที่สอง การประเมินตัวเลขการจ้างงานในสายงาน AI ควรพิจารณาทั้งเชิงปริมาณและคุณภาพควบคู่กัน ตัวอย่างเช่น แม้จำนวนตำแหน่งงานด้านการจัดเตรียมข้อมูลยังคงอยู่ในหลักร้อยในไตรมาส 2/2568 แต่หากอัตราการเติบโตดำเนินต่อเนื่องตลอดปี 2568 ก็เป็นสัญญาณเตือนว่าไทยอาจเผชิญความเสี่ยงที่จะกลายเป็น “โรงงานข้อมูลต้นทุนต่ำ” ในห่วงโซ่มูลค่า AI ระดับโลก

โดยเฉพาะเมื่อราวร้อยละ 70–80 ของการจ้างงานลักษณะนี้มาจากบริษัทต่างชาติที่อาศัยแรงงานราคาถูก แลกเปลี่ยนกับความรู้ และบริบทเฉพาะของไทยเพื่อนำไปพัฒนาและฝึกฝนโมเดล รัฐบาลจึงควรกำหนดยุทธศาสตร์การพัฒนาทุนมนุษย์ด้าน AI พร้อมกำหนดตัวชี้วัดคุณภาพของงาน AI ที่ชัดเจน เพื่อแปรการเติบโตเชิงปริมาณให้เป็นการเติบโตในมูลค่าเพิ่มด้วย และช่วยยกระดับอุตสาหกรรมเทคโนโลยีไทยในระยะยาว

ประการที่สาม รัฐบาล มหาวิทยาลัย และสถาบันฝึกอบรมทักษะแรงงานควรใช้ข้อมูลการประกาศหางานออนไลน์ เป็นเครื่องมือในการกำหนดนโยบาย และทิศทางการพัฒนาทักษะกำลังคนด้าน AI ของประเทศ ให้สามารถตอบสนองความต้องการของตลาดในอนาคตได้

ทั้งนี้ ทีดีอาร์ไอและบพค.จะเปิดเว็บไซต์ฐานข้อมูลการจ้างงานออนไลน์ต่อสาธารณะ เพื่อให้หน่วยงานภาครัฐ มหาวิทยาลัยและสถาบันฝึกอบรมทักษะแรงงาน และธุรกิจเอกชนใช้อ้างอิงเพื่อช่วยลดช่องว่างระหว่างทักษะที่เปิดสอนกับทักษะที่ตลาดต้องการ และช่วยให้มหาวิทยาลัย สถาบันอาชีวศึกษา และสถาบันฝึกอบรมทักษะแรงงาน ทราบถึงความต้องการทักษะแรงงานที่เปลี่ยนแปลงไปทั้งในภาพรวมและในอุตสาหกรรมเป้าหมายเช่น BCG, S-curve และ AI เป็นรายไตรมาสและรายปี  

บทความโดย ดร. พุทธิพันธุ์ หิรัณยตระกูล นักวิชาการ ทีมBig Data สถาบันวิจัยเพื่อการพัฒนาประเทศไทย

หมายเหตุ บทความนี้เป็นเนื้อหาส่วนหนึ่ง จากโครงการพัฒนาระบบวิเคราะห์ข้อมูลด้วย Large Language Models (LLMs) เพื่อการใช้ประโยชน์ในการพัฒนากำลังคนสมรรถนะสูงฯ ที่ได้รับการสนับสนุนจากหน่วยบริหารและจัดการทุนด้านการพัฒนากำลังคน และทุนด้านการพัฒนาสถาบันอุดมศึกษา การวิจัยและการสร้างนวัตกรรม (บพค.)

---

เอกสารอ้างอิง

1. ↩︎

Royal Thai Government. “บอร์ด AI แห่งชาติ” ประชุมนัดแรก เคาะแนวทางการขับเคลื่อน AI สร้างความพร้อมประเทศไทย ขับเคลื่อนไปสู่การพัฒนาระดับสูง. 2025; Available from: https://www.thaigov.go.th/news/contents/details/95985.