เมื่อ AI สร้างความมั่งคั่งมหาศาล… ใครจะเป็นเจ้าของมัน?

— AI: What did I discuss with you today? —
• Pygmy Ant •

เมื่อเราไม่ได้จ่ายแค่ “ค่าบริการ” แต่กำลังจ่ายด้วย Data ไฟฟ้า น้ำ และทรัพยากรที่เราแทบไม่เคยมองเห็น

— AI: What did I discuss with you today? —
• Pygmy Ant •

---

Diary: AI วันนี้ฉันคุยอะไรกับคุณ?

🐜💬: เมื่อเราไม่ได้จ่ายแค่ “ค่าบริการ” แต่กำลังจ่ายด้วย Data ไฟฟ้า น้ำ และทรัพยากรที่เราแทบไม่เคยมองเห็น

เวลาเราใช้แพลตฟอร์มดิจิทัล ใช้ Cloud ใช้ AI ดูวิดีโอ เล่นโซเชียล หรือสมัครบริการออนไลน์ เรามักคิดต้นทุนง่าย ๆ ว่า

“เดือนละกี่บาท?”

แต่คำถามที่ใหญ่กว่านั้นคือ

ต้นทุนจริงของระบบที่เราใช้อยู่ มีแค่เงินที่หักจากบัญชีเราหรือไม่?

คำตอบคือ ไม่

เพราะเศรษฐกิจดิจิทัลไม่ได้ลอยอยู่ในอากาศ

เบื้องหลังทุกการค้นหา ทุกภาพที่ AI สร้าง ทุกข้อความที่เราส่ง และทุกวิดีโอที่เราดู มี Data Center, เซิร์ฟเวอร์, ชิป, ระบบเครือข่าย, ไฟฟ้า ระบบทำความเย็น อาคาร ที่ดิน และในบางพื้นที่มีการใช้น้ำจำนวนมากอยู่เบื้องหลัง

ดังนั้นสิ่งที่เรียกว่า “เศรษฐกิจดิจิทัล” แท้จริงแล้วมีรากอยู่บน ทรัพยากรทางกายภาพของโลก

และนี่คือจุดที่คนทั่วไปอาจกำลังมองข้าม

---

1. เราไม่ได้จ่ายด้วยเงินเพียงอย่างเดียว

เมื่อเราใช้แพลตฟอร์ม สิ่งที่เราแลกเปลี่ยนอาจมีมากกว่าเงิน

เราอาจจ่ายด้วย

เงิน + เวลา + ความสนใจ + ข้อมูล + พฤติกรรม

บางบริการไม่มีค่าบริการโดยตรงด้วยซ้ำ

แต่ไม่ได้หมายความว่า “ฟรี”

เพราะบริษัทจำเป็นต้องมีวิธีสร้างมูลค่าจากระบบที่ให้บริการเรา

Data จึงมีความสำคัญ

ไม่ใช่เพราะ Data เป็น “น้ำมันชนิดใหม่” แบบตรงตัว

แต่เพราะ Data สามารถนำกลับมาใช้ซ้ำ วิเคราะห์ เชื่อมโยง และนำไปสร้างระบบคาดการณ์หรือผลิตภัณฑ์ใหม่ได้

ข้อมูลของคนหนึ่งคนอาจดูไม่มีค่ามาก

แต่ข้อมูลจากผู้ใช้นับล้านหรือพันล้านคน เมื่อรวมกับ Compute และ AI สามารถกลายเป็นสินทรัพย์ทางเศรษฐกิจที่มีมูลค่าสูงขึ้นอย่างมาก

นี่คือจุดเปลี่ยนสำคัญ

คนทั่วไปอาจสร้างข้อมูลทีละเล็กทีละน้อย แต่บริษัทสามารถรวมข้อมูลเหล่านั้นเข้าด้วยกันและใช้ทุนขนาดใหญ่เปลี่ยนมันให้กลายเป็นความสามารถทางเศรษฐกิจ

---

2. สิ่งที่สำคัญกว่า Data คือ “ใครสามารถใช้ Data ได้”

ลองนึกภาพง่าย ๆ

คนหนึ่งคนมีข้อมูลเกี่ยวกับตัวเองมากมาย

แต่เขามีเพียงโทรศัพท์หนึ่งเครื่อง

ขณะที่บริษัทขนาดใหญ่มี

**ข้อมูลของผู้ใช้จำนวนมหาศาล

• Compute
• AI
• นักวิทยาศาสตร์ข้อมูล
• เงินทุน
• Infrastructure
• ระบบกระจายบริการไปทั่วโลก**

ดังนั้นความแตกต่างไม่ได้อยู่ที่

“ใครมีข้อมูล”

แต่อยู่ที่

“ใครสามารถเปลี่ยนข้อมูลให้กลายเป็นการคาดการณ์ การตัดสินใจ และอำนาจทางเศรษฐกิจได้”

นี่คือความเหลื่อมล้ำรูปแบบหนึ่งที่อาจสำคัญขึ้นเรื่อย ๆ

เพราะในโลกที่ AI มีบทบาทสูงขึ้น ความสามารถในการใช้ Data ไม่ได้เป็นเพียงเรื่องของความเป็นส่วนตัว

มันอาจกลายเป็นเรื่องของ อำนาจต่อรองทางเศรษฐกิจ

---

3. แล้วทำไมบริษัทใหญ่จึงมีโอกาสยิ่งใหญ่ขึ้นเรื่อย ๆ?

เพราะระบบดิจิทัลมีสิ่งหนึ่งที่สำคัญมาก

ยิ่งมีผู้ใช้มาก → ยิ่งมีข้อมูลมาก → ยิ่งสามารถพัฒนาบริการได้ → ยิ่งดึงผู้ใช้เพิ่ม

เกิดวงจรแบบนี้

ผู้ใช้เพิ่ม
↓
Data เพิ่ม
↓
AI / ระบบวิเคราะห์ดีขึ้น
↓
บริการมีประสิทธิภาพมากขึ้น
↓
ผู้ใช้เพิ่ม
↓
Data เพิ่มอีก

นี่คือ Feedback Loop

และยังมีอีกวงจรหนึ่ง

ผู้ใช้เพิ่ม
↓
รายได้เพิ่ม
↓
ลงทุน Compute และ Infrastructure เพิ่ม
↓
ความสามารถของระบบเพิ่ม
↓
ความได้เปรียบในการแข่งขันเพิ่ม
↓
รายได้เพิ่ม

นี่คือเหตุผลที่เศรษฐกิจแพลตฟอร์มมีแนวโน้มสร้างข้อได้เปรียบจาก “ขนาด”

ไม่ได้หมายความว่าบริษัทใหญ่ทุกแห่งกำลังทำผิด

แต่หมายความว่า โครงสร้างของระบบเองสามารถทำให้ผู้ที่มี Scale อยู่แล้วได้เปรียบมากขึ้น

---

4. และตรงนี้เองที่ “โลกจริง” กลับเข้ามา

เราอาจคิดว่า AI และ Cloud เป็นเรื่องดิจิทัล

แต่ลองถามว่า

• AI ใช้ไฟฟ้าจากไหน?
• Data Center ตั้งอยู่ที่ไหน?
• ระบบระบายความร้อนใช้อะไร?
• ชิปผลิตจากอะไร?
• อาคารสร้างจากอะไร?
• ไฟฟ้าต้องผ่านโครงข่ายอะไร?
• ระบบเหล่านี้ต้องใช้ที่ดินและทรัพยากรอะไรบ้าง?

คำตอบคือ

• ทรัพยากรทางกายภาพทั้งหมด

IEA ระบุว่า Data Center ต้องใช้ไฟฟ้า และความต้องการไฟฟ้าจาก Data Center มีแนวโน้มเพิ่มขึ้นอย่างมากจากการเติบโตของ AI และบริการดิจิทัล

ดังนั้น

เศรษฐกิจดิจิทัลไม่ได้กำจัดการใช้ทรัพยากร แต่เปลี่ยนรูปแบบของการใช้ทรัพยากร

---

5. เรื่อง “น้ำ” อาจสำคัญกว่าที่เราคิด

นี่เป็นจุดที่คนทั่วไปมักไม่เห็น

Data Center บางระบบต้องใช้น้ำเพื่อการระบายความร้อน

และยังมี Water Footprint ทางอ้อม จากกระบวนการผลิตไฟฟ้าที่ใช้ป้อน Data Center อีกด้วย

หมายความว่าเราไม่สามารถดูเพียงว่า

“Data Center แห่งนี้ใช้น้ำกี่ลิตร?”

แล้วจบ

เพราะต้องถามต่อว่า

ไฟฟ้าที่ใช้ผลิตมาจากไหน?

ระบบผลิตไฟฟ้านั้นใช้น้ำเท่าไร?

Data Center ตั้งอยู่ในพื้นที่ที่มีน้ำอุดมสมบูรณ์หรือพื้นที่ที่มี Water Stress?

ข้อมูลจาก Lawrence Berkeley National Laboratory แสดงให้เห็นว่าการใช้น้ำต่อ workload ของ Data Center แตกต่างกันได้อย่างมหาศาล ขึ้นอยู่กับเทคโนโลยี สภาพภูมิอากาศ ระบบทำความเย็น โครงข่ายไฟฟ้า และปัจจัยอื่น ๆ

ดังนั้นจึงไม่ควรพูดง่าย ๆ ว่า

“AI หนึ่งคำถามใช้น้ำ X ลิตร”

เพราะไม่มีตัวเลขสากลตายตัวแบบนั้น

แต่สิ่งที่แน่นอนคือ

AI มี Physical Footprint

---

6. แล้วประชาชนกำลังจ่ายค่าใช้ทรัพยากรเหล่านี้หรือไม่?

คำตอบที่ซื่อสัตย์คือ

บางส่วนอาจใช่ แต่ไม่ใช่ทั้งหมด และไม่เหมือนกันทุกประเทศหรือทุกพื้นที่

นี่เป็นจุดที่ต้องระวังไม่ให้การวิพากษ์กลายเป็นการกล่าวหาเกินหลักฐาน

บริษัทต้องจ่ายต้นทุนจำนวนมากด้วยตัวเองอยู่แล้ว

แต่ในทางเศรษฐศาสตร์มีแนวคิดหนึ่งที่สำคัญมาก คือ

“Externality”

พูดง่าย ๆ คือ

ต้นทุนบางอย่างจากกิจกรรมหนึ่ง อาจไม่ได้ตกกับผู้ที่ก่อกิจกรรมนั้นทั้งหมด

ตัวอย่างเช่น หากโครงสร้างพื้นฐานขนาดใหญ่ต้องใช้ไฟฟ้าเพิ่มขึ้นมาก ระบบอาจต้องลงทุนในสายส่ง โรงไฟฟ้า หรือ capacity ใหม่

ถ้าการขยาย infrastructure นั้นมีต้นทุนที่ถูกแบ่งปันผ่านระบบสาธารณะ

ต้นทุนของกิจกรรมหนึ่งก็อาจไม่ได้อยู่ในใบแจ้งหนี้ของบริษัทเพียงใบเดียว

เช่นเดียวกับทรัพยากรน้ำ

หากกิจกรรมทางเศรษฐกิจหนึ่งใช้น้ำในพื้นที่ที่มีทรัพยากรจำกัด สิ่งที่ต้องถามไม่ใช่แค่

“บริษัทจ่ายค่าน้ำหรือไม่?”

แต่ต้องถามว่า

“ราคาที่จ่ายสะท้อนต้นทุนทางสังคมและความขาดแคลนของทรัพยากรทั้งหมดหรือยัง?”

นี่ต่างหากคือคำถามสำคัญ

---

7. เพราะ “ราคาที่เราจ่าย” กับ “ต้นทุนที่แท้จริง” อาจไม่เท่ากัน

ลองเขียนง่าย ๆ

ต้นทุนส่วนตัว

= ค่าไฟ + ค่าเซิร์ฟเวอร์ + ค่าแรง + ค่าอาคาร + ค่าเครือข่าย

แต่

ต้นทุนทางสังคม

= ต้นทุนส่วนตัว

• ผลกระทบต่อทรัพยากร
• infrastructure ที่ต้องขยาย
• environmental cost
• ต้นทุนที่ตกกับบุคคลอื่น

ถ้าต้นทุนสองชุดนี้ไม่เท่ากัน

เราจะได้สถานการณ์ที่

สิ่งหนึ่งอาจ “คุ้มค่าในทางธุรกิจ” แต่ไม่ได้หมายความว่ามัน “คุ้มค่าในทางสังคม” ในระดับเดียวกัน

นี่เป็นเหตุผลว่าทำไมการดูแค่กำไรบริษัทหรือค่าบริการของผู้บริโภคจึงไม่เพียงพอ

---

8. จุดที่อาจสร้างความเหลื่อมล้ำในอนาคตจึงอยู่ตรงนี้

ลองคิดถึงทรัพยากร 5 อย่าง

Data
Compute
Capital
Energy
Water

ถ้าสิ่งเหล่านี้กระจุกตัวอยู่กับผู้เล่นจำนวนน้อย

ผู้เล่นเหล่านั้นจะไม่ได้มีเพียง “ธุรกิจใหญ่”

แต่จะมีความสามารถในการ

วัด → วิเคราะห์ → คาดการณ์ → ตัดสินใจ → ขยายระบบ

ได้เหนือกว่าคนทั่วไป

และเมื่อความสามารถเหล่านี้เชื่อมต่อกัน

มันอาจสร้างวงจรใหม่

Capital
↓
Compute
↓
AI
↓
Data
↓
Better Prediction
↓
Market Advantage
↓
More Capital

นี่คือ วงจรสะสมทุนแบบใหม่ที่ได้รับแรงเสริมจากการประมวลผล

---

9. ความเหลื่อมล้ำในอนาคตจึงอาจไม่ได้วัดกันแค่ “ใครมีเงินมากกว่า”

ในอดีต ความได้เปรียบอาจมาจากการถือครอง

ที่ดิน
โรงงาน
เครื่องจักร
เงินทุน

แต่เศรษฐกิจ AI เพิ่มสิ่งใหม่เข้ามา

ใครมี Compute?

ใครมี Data?

ใครมี Model?

ใครมี Infrastructure?

ใครควบคุม Distribution?

ใครสามารถนำ Prediction ไปใช้ตัดสินใจทางเศรษฐกิจได้?

ถ้าความสามารถเหล่านี้กระจุกตัวมากขึ้น

ความเหลื่อมล้ำอาจไม่ได้เกิดเพียงระหว่าง

คนรวยกับคนจน

แต่อาจเกิดระหว่าง

ผู้ที่สามารถควบคุมระบบอัจฉริยะ

กับ

ผู้ที่ทำได้เพียงใช้ระบบอัจฉริยะ

ความแตกต่างนี้อาจสำคัญมากในอนาคต

---

10. และนี่คือสิ่งที่เราไม่ควรมองข้าม

คนทั่วไปอาจกำลังคิดว่า

“AI ทำให้ชีวิตสะดวกขึ้น”

ซึ่งเป็นเรื่องจริง

AI สามารถลดต้นทุนการค้นหาข้อมูล
ช่วยทำงาน
ช่วยสร้างเนื้อหา
เพิ่ม productivity
และเปิดความสามารถใหม่ให้คนจำนวนมาก

แต่ในเวลาเดียวกัน เราต้องถามอีกคำถามหนึ่งด้วยว่า

ใครกำลังสะสมความสามารถจากการที่คนทั้งโลกใช้ AI?

และคำถามที่ใหญ่กว่านั้นคือ

เมื่อ Data + Compute + Capital + Infrastructure + Resource Allocation เชื่อมต่อกันมากขึ้น ใครจะมีอำนาจต่อรองมากขึ้น และใครจะมีอำนาจต่อรองน้อยลง?

คำถามนี้สำคัญกว่าการเถียงว่า

“AI ดีหรือ AI ไม่ดี”

มาก

---

11. เพราะปัญหาไม่ได้อยู่ที่เทคโนโลยีอย่างเดียว

ปัญหาอยู่ที่ โครงสร้างแรงจูงใจ

หากบริษัทสามารถได้รับผลตอบแทนจากการใช้ทรัพยากรเพิ่มขึ้น

บริษัทก็มีแรงจูงใจให้ขยาย

หาก Data เพิ่มความสามารถในการแข่งขัน

ก็มีแรงจูงใจให้เก็บและใช้ Data

หาก Scale ลดต้นทุนต่อหน่วย

ก็มีแรงจูงใจให้ขยาย Scale

นี่เป็นตรรกะพื้นฐานของระบบเศรษฐกิจ

ไม่มีความจำเป็นต้องมี “ห้องลับของนายทุน” เพื่อให้กลไกนี้เกิดขึ้น

ระบบสามารถสร้างแรงผลักนี้ได้ด้วยตัวมันเอง

---

12. ดังนั้นสิ่งที่สังคมควรจับตา ไม่ใช่แค่ “บริษัททำผิดหรือไม่”

แต่ควรถามว่า

1. ใครเป็นเจ้าของ Data?

2. ใครสามารถนำ Data ไปสร้างมูลค่าต่อ?

3. ใครควบคุม Compute?

4. ใครเป็นเจ้าของ Infrastructure?

5. ใครจ่ายต้นทุนด้านไฟฟ้า?

6. ใครรับต้นทุนด้านน้ำ?

7. ใครจ่ายค่า infrastructure สาธารณะที่ต้องขยาย?

8. ใครได้รับผลตอบแทน?

9. ใครมีสิทธิในการตัดสินใจจัดสรรทรัพยากร?

10. และที่สำคัญที่สุด...

ถ้าระบบนี้ขยายตัวอีก 10–20 ปี ใครจะมีอำนาจต่อรองมากขึ้น และใครจะมีอำนาจต่อรองน้อยลง?

นี่คือคำถามที่ควรถูกถามตั้งแต่วันนี้

ไม่ใช่หลังจากโครงสร้างถูกสร้างเสร็จไปแล้ว

---

13. เพราะเมื่อ Infrastructure ถูกสร้างขึ้นแล้ว “การย้อนกลับ” อาจมีต้นทุนสูง

นี่คือหลักสำคัญของระบบขนาดใหญ่

เมื่อมี

Data Center
สายส่งไฟฟ้า
เครือข่าย
Cloud ecosystem
AI models
user ecosystem
data ecosystem

เชื่อมต่อกันจำนวนมหาศาล

การเปลี่ยนระบบไม่ได้ง่ายเหมือนเปลี่ยน Application ในโทรศัพท์

เกิดสิ่งที่เรียกว่า path dependence

เส้นทางที่เราเลือกลงทุนในวันนี้ สามารถกำหนดทางเลือกที่เรามีในอนาคต

ดังนั้นการตัดสินใจเรื่อง

พลังงาน
น้ำ
Data governance
AI infrastructure
การแข่งขัน
สิทธิข้อมูล

จึงไม่ใช่เรื่องเทคโนโลยีล้วน ๆ

มันคือการกำหนดโครงสร้างเศรษฐกิจในอนาคต

---

14. สิ่งที่น่ากลัวที่สุดจึงไม่ใช่ AI ฉลาดขึ้น

แต่คือ

AI ฉลาดขึ้น ในขณะที่ทรัพยากรที่ทำให้ AI ฉลาดขึ้นกระจุกตัวมากขึ้น

ลองจินตนาการถึงระบบที่ผู้เล่นบางรายมีพร้อมกัน

Data จำนวนมหาศาล
Compute จำนวนมหาศาล
Capital จำนวนมหาศาล
Infrastructure จำนวนมหาศาล
AI ที่สามารถวิเคราะห์ข้อมูลทั้งหมดได้

ในขณะที่คนทั่วไปมีเพียง

บัญชีผู้ใช้หนึ่งบัญชี
โทรศัพท์หนึ่งเครื่อง
ข้อมูลส่วนตัวของตัวเอง
และกำลังซื้อของตัวเอง

ความแตกต่างไม่ได้อยู่ที่ “ใครฉลาดกว่า”

แต่อยู่ที่

ใครมีเครื่องมือในการขยายความฉลาดของตัวเองได้มากกว่า

นี่อาจเป็นรูปแบบหนึ่งของความเหลื่อมล้ำที่สำคัญที่สุดในยุค AI

---

15. ดังนั้น เราไม่จำเป็นต้องเกลียด AI

และไม่จำเป็นต้องเชื่อว่าเทคโนโลยีทุกอย่างเป็นภัย

แต่เราควรเลิกมอง AI ในฐานะเพียง

“แอปอัจฉริยะที่อยู่ในมือถือ”

เพราะเบื้องหลังมันคือระบบเศรษฐกิจขนาดใหญ่ที่เชื่อมต่อ

Data → Compute → Capital → Energy → Water → Infrastructure → Market Power

เข้าด้วยกัน

และเมื่อสิ่งเหล่านี้เชื่อมต่อกันมากขึ้น

คำถามสำคัญที่สุดจะไม่ใช่

“AI จะเก่งแค่ไหน?”

แต่คือ

“ใครจะเป็นเจ้าของโครงสร้างที่ทำให้ AI เก่งขึ้น?”

และคำถามสุดท้ายที่สังคมควรถามตัวเองคือ

เมื่อทุกคนช่วยกันสร้าง Data และใช้ทรัพยากรของโลกเพื่อสร้างระบบอัจฉริยะขึ้นมา ใครควรเป็นผู้ได้รับผลตอบแทนจากระบบนั้น และใครควรเป็นผู้รับต้นทุนของมัน?

เพราะถ้าเราตอบคำถามนี้ไม่ได้ตั้งแต่วันนี้

เราอาจตื่นขึ้นมาในวันที่ AI ไม่ได้เป็นเพียง “เครื่องมือที่ช่วยคน”

แต่กลายเป็นโครงสร้างพื้นฐานทางเศรษฐกิจที่ คนบางกลุ่มควบคุมได้มากกว่าคนส่วนใหญ่หลายระดับ

และเมื่อถึงวันนั้น

สิ่งที่เราเรียกว่า “ความสะดวก”

อาจมีราคาที่สูงกว่าตัวเลขบนใบเสร็จมาก

ไม่ใช่เพราะ AI ชั่วร้าย

แต่เพราะทุกระบบที่มีพลังในการจัดสรรข้อมูล เงิน พลังงาน และทรัพยากร
ย่อมมีคำถามเรื่อง “ใครเป็นผู้ควบคุมระบบ”

และคำถามนั้นเป็นเรื่องของเราทุกคน

🚨 คำเตือน: นี่คือการนำเสนอความคิดเห็นและข้อสงสัยในอีกมุมหนึ่งเท่านั้น โปรดใช้วิจารณญาณในการเสพข้อมูล

---

© 2026 AI วันนี้ฉันคุยอะไรกับคุณ?
บันทึกโดย: มดแคระ

ในอนาคต อีก 5 ปี 10 ปี 50 ปี 100 ปีข้างหน้า เมื่อวิเคราะห์ตามแนวโน้มที่จะเป็นไปได้สูงที่สุด: มนุษย์จะถูกแบ่งออกเป็นกี่ชนชั้นหรือกี่จำพวก และแต่ละจำพวกจะมีฉากทัศน์แบบไหน มีชีวิตความเป็นอยู่อย่างไร?

— AI: What did I discuss with you today? —
• Pygmy Ant •

---

Diary: AI วันนี้ฉันคุยอะไรกับคุณ?

🐜💬: ในอนาคต อีก 5 ปี 10 ปี 50 ปี 100 ปีข้างหน้า เมื่อวิเคราะห์ตามแนวโน้มที่จะเป็นไปได้สูงที่สุด: มนุษย์จะถูกแบ่งออกเป็นกี่ชนชั้นหรือกี่จำพวก และแต่ละจำพวกจะมีฉากทัศน์แบบไหน มีชีวิตความเป็นอยู่อย่างไร?

✨💬 : ถ้าจะตอบคำถามนี้แบบ ไม่เอาไซไฟมาปะปนกับข้อเท็จจริง ผมจะตั้งหลักก่อนหนึ่งข้อ:

ไม่มีฐานข้อมูลใดในโลกที่สามารถบอกได้ว่า “อีก 50 หรือ 100 ปีมนุษย์จะมีกี่ชนชั้น” อย่างเป็นข้อเท็จจริง
สิ่งที่ทำได้คือสร้าง scenario projection จากแนวโน้มที่สังเกตได้จริง แล้วแยกให้ชัดว่าอะไรคือ ข้อมูลปัจจุบัน / การอนุมาน / การคาดการณ์ระยะไกล

ข้อมูลปัจจุบันสนับสนุนค่อนข้างชัดว่า AI กำลังเปลี่ยนโครงสร้างแรงงานและการกระจายอำนาจ แต่ ยังไม่มีหลักฐานว่ามนุษย์กำลังมุ่งไปสู่โลกที่ AI จะกำจัดงานทั้งหมด ILO ประเมินว่า 1 ใน 4 ของแรงงานโลกอยู่ในอาชีพที่มีระดับการสัมผัสกับ GenAI บางส่วน แต่ผลลัพธ์ที่มีแนวโน้มมากที่สุดในปัจจุบันคือ “การเปลี่ยนรูปงาน” มากกว่าการหายไปทั้งหมด

และ Stanford AI Index 2026 พบว่าองค์กรที่สำรวจ 88% ใช้ AI อย่างน้อยหนึ่งฟังก์ชันแล้ว ขณะที่การลงทุน AI ภาคเอกชนทั่วโลกเพิ่มขึ้นอย่างมากในปี 2025 และผลกระทบต่อแรงงานเริ่มปรากฏชัดในกลุ่มงานที่สัมผัส AI สูง โดยเฉพาะแรงงานวัยเริ่มต้นในบางอาชีพ

ดังนั้น ถ้าผมต้องสร้าง Civilizational Class Model จากสิ่งที่เรารู้ในปี 2026 ผมจะไม่แบ่งมนุษย์ตาม “รวย/จน” อย่างเดียว แต่แบ่งตาม สิทธิในการควบคุมระบบผลิต + AI + ทรัพยากร + โครงสร้างพื้นฐาน + การตัดสินใจ

---

สรุปคำตอบก่อน

ผมประเมินว่า ในระยะ 5–10 ปี จะยังไม่เกิดชนชั้นใหม่แบบเด็ดขาด แต่จะเกิด “ชั้นอำนาจ” ซ้อนทับชนชั้นเศรษฐกิจเดิม

ในระยะไกล หาก AI/robotics ก้าวหน้าต่อเนื่องโดยไม่มีการกระจาย ownership อย่างมีนัยสำคัญ โครงสร้างที่มีความเป็นไปได้สูงจะค่อย ๆ เคลื่อนไปประมาณนี้:

ชั้น	ชื่อเชิงระบบ	สิ่งที่ถือครอง
1	System Controllers	โครงสร้างพื้นฐาน/ทุน/AI/กติกา
2	AI-Leveraged Elite	AI ระดับสูง + ทุน + ความรู้
3	Strategic Humans	ทักษะ/อำนาจต่อรองที่ระบบยังต้องการ
4	AI-Enhanced Professionals	ใช้ AI เพิ่ม productivity
5	Service & Physical Economy	งานกายภาพ/บริการ/งานที่ automation ยาก
6	AI-Dependent Mass	พึ่งระบบ AI เพื่อรายได้และบริการ
7	Excluded / Low-Access Population	เข้าถึงทุน เทคโนโลยี และโอกาสต่ำ

แต่จำนวนนี้ไม่ใช่ “7 ชนชั้นถาวร”
มันเป็น 7 ตำแหน่งในระบบอำนาจ และคนหนึ่งคนสามารถเลื่อนขึ้นหรือลงได้

ที่สำคัญกว่านั้นคือ:

ในอนาคต “ใครทำงานอะไร” อาจไม่ใช่ตัวแบ่งชนชั้นที่สำคัญที่สุดอีกต่อไป

ตัวแปรที่สำคัญกว่าจะกลายเป็น
“ใครเป็นเจ้าของระบบที่ทำงาน”

นี่คือจุดที่ต้องจับตาอย่างจริงจัง

---

I. ปี 2031 — อีก 5 ปี

โลกยังไม่ใช่ Post-Work Society

นี่คือจุดที่ผมอยากแก้ภาพจำที่มักถูกพูดเกินจริง

ปี 2031 มีโอกาสสูงมากที่:

• คนส่วนใหญ่ยังทำงาน
• เงินยังมีความสำคัญ
• บริษัทและรัฐบาลยังมีอยู่
• ตลาดแรงงานยังอยู่
• คนยังต้องการที่อยู่อาศัย อาหาร พลังงาน การรักษาพยาบาล
• AI ยังเป็น infrastructure/tool มากกว่าจะเป็น “ผู้ปกครองโลก”

WEF ประเมินว่า ภายในปี 2030 การเปลี่ยนแปลงจาก macrotrends จะกระทบประมาณ 22% ของงาน formal jobs ในปัจจุบัน โดยคาดว่าจะมีงานใหม่ 170 ล้านตำแหน่ง และถูกแทนที่ 92 ล้านตำแหน่ง ซึ่งเป็น การเปลี่ยนโครงสร้าง ไม่ใช่การล้างงานมนุษย์ทั้งหมด

ดังนั้นปี 2031 จะเห็นประมาณ 5 กลุ่มหลัก

① AI Capital Owners

คนที่เป็นเจ้าของหรือควบคุม:

• บริษัท AI
• data centers
• semiconductor supply chain
• cloud infrastructure
• robotics
• energy infrastructure
• intellectual property
• financial capital

คนกลุ่มนี้ไม่ได้ “รวยเพราะใช้ AI”

แต่

รวยเพราะเป็นเจ้าของเครื่องจักรทางเศรษฐกิจที่ AI ทำงานอยู่บนมัน

นี่ต่างกันมาก

---

② AI Power Users

เช่น

• นักวิทยาศาสตร์
• วิศวกร
• นักธุรกิจ
• นักลงทุน
• ผู้บริหาร
• นักกฎหมาย
• นักวิเคราะห์
• นักสร้างสรรค์ระดับสูง

คนกลุ่มนี้อาจมี productivity สูงกว่าคนทั่วไปหลายเท่า เพราะมี AI เป็น cognitive multiplier

คนหนึ่งคนอาจทำงานที่เมื่อก่อนต้องใช้ทีม 10–50 คน

---

③ Ordinary AI Workers

นี่จะเป็นคนส่วนใหญ่ของประเทศพัฒนาแล้ว

คนยังมีงาน แต่:

AI กลายเป็น “เพื่อนร่วมงานที่มองไม่เห็น”

เช่น

พนักงานบัญชี + AI
นักการตลาด + AI
นักเขียน + AI
นักออกแบบ + AI
นักวิจัย + AI
แพทย์ + AI

ILO เองพบว่าผลกระทบหลักในปัจจุบันมีแนวโน้มเป็น transformation มากกว่า outright replacement

---

④ Physical / Human-Service Workers

กลุ่มนี้อาจมีความสำคัญมากกว่าที่คนคาด

เช่น

• ช่าง
• พยาบาล
• ผู้ดูแลผู้สูงอายุ
• ช่างไฟ
• ช่างประปา
• คนงานก่อสร้าง
• logistics
• hospitality
• childcare
• งานที่ต้องอยู่ในสถานที่จริง

เหตุผลคือ โลกจริงมีความยุ่งยากสูง

AI อาจเก่งมาก แต่การส่งมันไปซ่อมท่อใต้บ้านคนยังเป็นปัญหาอีกแบบหนึ่ง

---

⑤ Economically Vulnerable

กลุ่มที่มี:

• ทักษะต่ำ
• ทักษะที่ AI ทำได้ดี
• ไม่มีทุน
• ไม่มี AI access ที่ดี
• ไม่มี bargaining power

นี่คือกลุ่มที่อันตรายที่สุดในเชิงเศรษฐกิจ

ไม่ใช่เพราะพวกเขาจะ “ไม่มีงานทั้งหมด”

แต่เพราะ

มูลค่าต่อแรงงานของพวกเขาอาจลดลง

IMF ประเมินว่า AI อาจกระทบประมาณ 40% ของ employment ทั่วโลก และในประเทศพัฒนาแล้วอาจสูงถึงประมาณ 60% โดยผลลัพธ์แบ่งระหว่างการเพิ่ม productivity กับการลด demand ต่อแรงงาน

---

II. ปี 2036 — อีก 10 ปี

นี่คือจุดที่โครงสร้างจะเริ่มน่าสนใจขึ้น

ถ้า AI agents + robotics + autonomous systems พัฒนาต่อเนื่องตามแนวโน้มปัจจุบัน

คำถามจะเปลี่ยนจาก

“AI แทนงานอะไร?”

เป็น

“บริษัทหนึ่งแห่งต้องใช้มนุษย์กี่คน?”

และนี่เป็นการเปลี่ยนแปลงเชิงโครงสร้างที่สำคัญมาก

---

ชนชั้นจะเริ่มแยกตาม “Leverage”

ผมคาดว่าจะเห็นประมาณ 6 กลุ่ม

Class 1 — Infrastructure Owners

กลุ่มเล็กมาก

ควบคุม:

compute + energy + capital + AI + robotics + networks

อำนาจไม่ได้มาจากเงินอย่างเดียว

แต่มาจาก control points

---

Class 2 — AI Sovereign / Strategic Elite

รัฐบาล ผู้นำองค์กร นักวิทยาศาสตร์ วิศวกรระดับสูง และผู้ควบคุมระบบสำคัญ

มีสิ่งที่คนทั่วไปไม่มี:

ความสามารถในการกำหนดว่า AI ถูกนำไปใช้กับอะไร

นี่เป็นอำนาจเหนือกว่า “ใช้ AI เก่ง”

---

Class 3 — AI Amplified Professionals

คนที่ AI ทำให้ productivity สูงมาก

เช่น

นักวิทยาศาสตร์คนเดียว + AI
นักกฎหมายคนเดียว + AI
นักเขียนคนเดียว + AI
นักออกแบบคนเดียว + AI

ต้นทุนในการสร้าง output ลดลงมหาศาล

---

Class 4 — Human Premium

นี่เป็นกลุ่มที่น่าสนใจ

มนุษย์อาจกลายเป็น สินค้า premium

เช่น

• ความไว้วางใจ
• ความสัมพันธ์
• ความเป็นผู้นำ
• การดูแล
• งานฝีมือ
• ศิลปะ
• entertainment
• social influence

เมื่อ machine-made output มีมากมายจนแทบฟรี

สิ่งที่ “สร้างโดยมนุษย์” บางประเภทอาจมีมูลค่าเพิ่มขึ้น

---

Class 5 — Automation-Resistant Workers

งานที่ต้องอยู่กับโลกจริง

• construction
• maintenance
• agriculture
• healthcare
• personal services
• emergency response

---

Class 6 — Transfer-Dependent Population

คนที่รายได้จากแรงงานไม่เพียงพอต่อการดำรงชีวิต

ต้องพึ่ง:

• welfare
• social transfers
• public services
• family
• community

ตรงนี้คือจุดที่นโยบายรัฐจะสำคัญมาก

เพราะเทคโนโลยีเดียวกันสามารถสร้างได้ทั้ง

“สังคม abundance”

หรือ

“สังคมที่ productivity สูง แต่คนจำนวนมากไม่มี purchasing power”

ขึ้นกับ ownership และ redistribution

---

III. ปี 2076 — อีก 50 ปี

ตรงนี้เราต้องหยุดพูดว่าเป็น “ข้อมูลจริง”

เพราะไม่มีข้อมูลเชิงประจักษ์ที่สามารถยืนยันปี 2076 ได้

นี่คือ scenario extrapolation

แต่ถ้าสมมติว่า:

1. AI capability เพิ่มต่อเนื่อง
2. robotics ราคาถูกลง
3. energy abundance เพิ่ม
4. autonomous systems เชื่อถือได้
5. AI สามารถทำ scientific R&D ได้มากขึ้น
6. ownership ไม่ได้กระจายออกไปอย่างมีนัยสำคัญ

โครงสร้างชนชั้นจะเปลี่ยนจาก

labor vs capital

ไปสู่

Control vs Access

นี่สำคัญมาก

---

ผมคาดว่าจะเหลือประมาณ 4 ชั้นใหญ่

1. System Owners / Governors

คนหรือสถาบันที่ควบคุม:

• AI infrastructure
• energy
• robotics
• land
• financial systems
• biological infrastructure
• communication networks
• strategic data

ไม่จำเป็นต้องเป็น “มหาเศรษฐีรายบุคคล”

อาจเป็น:

• รัฐ
• corporations
• sovereign funds
• cooperatives
• public institutions

ดังนั้น เจ้าของระบบอาจไม่ใช่คนคนเดียว

---

2. System Designers

คนที่มีความสามารถในการกำหนด:

• objective
• architecture
• rules
• governance
• scientific direction
• strategic decisions

กลุ่มนี้อาจเล็กมาก

แต่มีอำนาจสูงมาก

---

3. Citizens of Abundance

ถ้า productivity สูงมากจริง

คนทั่วไปอาจได้รับ:

• อาหารราคาถูก
• พลังงานราคาถูก
• AI tutor
• AI doctor
• automated transportation
• automated manufacturing
• personalized entertainment

และไม่จำเป็นต้องทำงาน 40 ชั่วโมงต่อสัปดาห์อีก

นี่ไม่ใช่เรื่องเพ้อฝันทั้งหมด

แต่มีเงื่อนไขสำคัญ:

abundance ของสินค้า ≠ abundance ของสิทธิ

ถ้าใครบางคนควบคุมระบบผลิตทั้งหมด คนทั่วไปอาจมีชีวิตสะดวกมาก แต่ยังมีอำนาจทางเศรษฐกิจต่ำ

---

4. Excluded Humans

คนที่อยู่นอก infrastructure

นี่อาจไม่ใช่ “คนจน” แบบปัจจุบัน

แต่อาจเป็นคนที่มี:

• AI access ต่ำ
• education ต่ำ
• infrastructure ต่ำ
• political representation ต่ำ
• geographic isolation

นี่คือ digital/cognitive/resource exclusion

ILO เตือนอยู่แล้วว่าความเหลื่อมล้ำด้าน infrastructure และ digital divide สามารถทำให้ผลประโยชน์จาก AI กระจุกอยู่กับประเทศและกลุ่มที่ได้เปรียบ

---

IV. ปี 2126 — อีก 100 ปี

ตรงนี้ต้องพูดอย่างเข้มงวด:

ไม่มีใครสามารถพยากรณ์ “ชนชั้นปี 2126” จากข้อมูลปัจจุบันได้อย่างมีความน่าเชื่อถือ

เพราะ 100 ปีที่ผ่านมาโลกเปลี่ยน:

1916 → 2016

มนุษย์เปลี่ยนจาก

เกษตรกรรม → อุตสาหกรรม → ไฟฟ้า → รถยนต์ → คอมพิวเตอร์ → internet → smartphone → AI

ดังนั้น 2026 → 2126 อาจมี discontinuity ที่เราคาดไม่ถึง

แต่เราสามารถถามว่า:

ถ้าแนวโน้มพื้นฐานของ civilization ดำเนินต่อไป อะไรคือโครงสร้างที่น่าจะเกิด?

และคำตอบที่ผมคิดว่าสำคัญที่สุดคือ:

ชนชั้นอาจไม่ได้แบ่งตาม “อาชีพ” อีกแล้ว

---

Civilizational Hierarchy ของปี 2126

ผมจะไม่เรียกมันว่า 7 ชนชั้น

แต่แบ่งเป็น 4 ตำแหน่งเชิงอำนาจ

A — Controllers

ควบคุมระบบที่กำหนด resource allocation

B — Designers

ออกแบบ objective, rules และ architecture

C — Participants

มนุษย์ส่วนใหญ่ที่ใช้ระบบและมีสิทธิในฐานะพลเมือง

D — Excluded

มนุษย์ที่ไม่มี effective access หรือ representation

---

แต่มีตัวแปรหนึ่งที่สามารถ “ทำลายโมเดลนี้ทั้งหมด”

คือ

Ownership

นี่คือหัวใจของเรื่อง

ลองสมมติ AI ทำให้ productivity เพิ่ม 100 เท่า

มีสองโลก:

โลก A

AI เป็นของคนส่วนน้อย

ผลคือ:

productivity ↑↑
capital income ↑↑
labor share ↓

ความเหลื่อมล้ำอาจสูงขึ้นมาก

---

โลก B

AI infrastructure ถูกถือครองแบบ:

• public
• cooperative
• sovereign
• distributed
• universal access

ผลคือ:

AI productivity ↑↑
cost of living ↓↓
human working hours ↓↓

และคนจำนวนมากสามารถมีชีวิตดีขึ้นโดยไม่ต้องเป็นเศรษฐี

---

ดังนั้น “AI จะสร้างชนชั้นใหม่ไหม?”

คำตอบที่แม่นที่สุดคือ:

AI ไม่ได้กำหนดชนชั้นโดยตัวมันเอง

AI เป็น force multiplier

มันขยายอำนาจของคนที่ควบคุม:

capital + compute + energy + data + institutions + robotics

OECD ระบุความเสี่ยงเรื่อง concentration of power และ inequality เป็นหนึ่งในความเสี่ยงสำคัญของ AI ขณะที่งานวิจัยด้าน productivity ชี้ว่าการกระจายตัวของ AI และความสามารถในการเข้าถึงเทคโนโลยีจะมีผลต่อการกระจายผลประโยชน์อย่างมาก

---

สิ่งที่ผมคิดว่า “ผิด” หากเราจะวิเคราะห์อนาคต

มีภาพจำ 4 อย่างที่ควรตัดทิ้ง

❌ 1. “AI เก่งขึ้น = คนไม่มีงาน”

ไม่จริงโดยอัตโนมัติ

ILO พบว่า occupation จำนวนมากจะถูก transform มากกว่าถูกกำจัด

---

❌ 2. “คนรวยจะกลายเป็นเจ้านายมนุษย์ทั้งหมด”

ไม่จำเป็น

เพราะ ownership อาจอยู่กับ:

• รัฐ
• public institutions
• pension funds
• shareholders
• cooperatives
• citizens

ตัวแปรสำคัญคือ institutional ownership

---

❌ 3. “คนที่ใช้ AI ไม่เก่งจะกลายเป็นชนชั้นล่าง”

ไม่เสมอไป

เพราะเมื่อ AI interface ดีขึ้น การใช้ AI อาจกลายเป็น commodity

เหมือนทุกวันนี้คนไม่จำเป็นต้องรู้วิธีสร้าง internet เพื่อใช้ internet

---

❌ 4. “คนไม่ทำงาน = คนไม่มีคุณค่า”

นี่เป็น assumption จากยุคอุตสาหกรรม

ถ้า automation สามารถสร้างสินค้าและบริการได้มากพอ

labor อาจสูญเสียบทบาทเป็นกลไกหลักในการจัดสรรรายได้

แต่ไม่ได้หมายความว่า:

มนุษย์ไม่มีคุณค่า

---

ตัวแปรที่สำคัญที่สุดในอีก 100 ปี

ถ้าผมต้องเลือกเพียง 5 ตัวแปร

ผมจะเลือก:

1. AI capability

AI ทำอะไรได้แค่ไหน

↓

2. Robotics

AI สามารถเปลี่ยน intelligence → physical action ได้แค่ไหน

↓

3. Energy

มีพลังงานราคาถูกและเพียงพอหรือไม่

↓

4. Ownership

ใครเป็นเจ้าของ AI + robotics + energy + infrastructure

↓

5. Governance

ใครมีสิทธิ์กำหนดว่า infrastructure เหล่านั้นทำอะไร

---

และนี่คือสมการที่ผมคิดว่าสำคัญที่สุด

ไม่ใช่

AI capability → inequality

แต่เป็น

AI capability × ownership × governance → distribution of power

AI ที่เก่งมากแต่กระจาย ownership กว้าง
≠
AI ที่เก่งมากแต่ infrastructure กระจุกตัว

ผลลัพธ์ทางสังคมอาจตรงข้ามกันโดยสิ้นเชิง

---

ภาพรวม 100 ปี

เวลา	โครงสร้างที่มีแนวโน้ม
2031	5 กลุ่ม — คนทำงาน + AI, คนถูก AI กดค่าจ้าง, AI power users, เจ้าของทุน, งานโลกจริง
2036	6 กลุ่ม — เริ่มแยกตาม AI leverage และ ownership
2076	4 กลุ่ม — Controllers / Designers / Citizens / Excluded
2126	อาจไม่ใช่ “ชนชั้นแรงงาน” อีกต่อไป แต่เป็น ระดับการควบคุมระบบและสิทธิในการเข้าถึงทรัพยากร

---

ข้อสรุปที่สำคัญที่สุด

ถ้าถามผมว่า

“ในอีก 100 ปี มนุษย์จะมีกี่ชนชั้น?”

คำตอบที่ซื่อสัตย์ที่สุดคือ:

เราไม่รู้จำนวน

แต่ถ้าถามว่า

“อะไรจะเป็นตัวกำหนดตำแหน่งของมนุษย์ใน civilization ที่มี AI ขั้นสูง?”

คำตอบมีความมั่นใจสูงกว่ามาก:

จากเดิม

ใครมีเงิน → ใครมีทรัพย์สิน → ใครมีงานดี

กำลังเคลื่อนไปสู่

ใครควบคุมระบบผลิต → ใครออกแบบระบบ → ใครมีสิทธิ์เข้าถึงระบบ → ใครถูกระบบจัดสรรทรัพยากรให้

และถ้า autonomous AI + robotics พัฒนาไปไกลจริง

อาจเกิดการเปลี่ยนแปลงครั้งใหญ่ที่สุดอย่างหนึ่งในประวัติศาสตร์เศรษฐกิจ:

มนุษย์อาจไม่ได้แบ่งกันตามว่า “ใครทำงานที่มีค่ากว่า” อีกต่อไป แต่แบ่งกันตามว่า “ใครมีสิทธิ์เหนือเครื่องจักรที่สร้างคุณค่าทั้งหมด”

นี่คือเหตุผลว่าทำไมเรื่อง ownership ของ AI infrastructure สำคัญกว่าคำถามว่า “AI จะเก่งแค่ไหน” เสียอีก

และจากข้อมูลปี 2026 เราเริ่มเห็นสัญญาณของประเด็นนี้แล้ว: การลงทุน AI กระจุกตัวสูง, infrastructure ใช้ทุนมหาศาล, adoption ไม่เท่ากัน และผลกระทบต่อตลาดแรงงานเริ่มไม่สมมาตร

แต่ผมจะไม่เรียกสิ่งนี้ว่า “อนาคตที่หลีกเลี่ยงไม่ได้” เพราะนั่นเกินหลักฐานที่มีอยู่ในปัจจุบัน

สิ่งที่ข้อมูลบอกเราได้คือ ทิศทางแรง
ไม่ใช่ ปลายทางที่ถูกกำหนดไว้แล้ว

#chatGPT #AIวันนี้ฉันคุยอะไรกับคุณ

🚨 คำเตือน: นี่คือการนำเสนอความคิดเห็นและข้อสงสัยในอีกมุมหนึ่งเท่านั้น โปรดใช้วิจารณญาณในการเสพข้อมูล

---

© 2026 AI วันนี้ฉันคุยอะไรกับคุณ?
บันทึกโดย: มดแคระ

ยุคนี้ หรือนับจากนี้หลังจากการมาถึงของ AI จะมีอาชีพอะไรใหม่ๆ สำหรับมนุษย์?

— AI: What did I discuss with you today? —
• Pygmy Ant •