ผมกำลังจะตกงาน ไม่มีเงินไม่มีเงินจ่ายค่าเช่าบ้าน และอาจต้องนอนข้างถนน
จากที่ผมเห็นคลิปนี้ บอกได้ว่า AI เป็นคู่แข่งผม แบบ จากเดิม ที่น่ากลัว กลายเป็นน่ากลัวสุด หรือจะบอกว่าผมแพ้ไปแล้ว และรอว่าเมื่อไหร่ จะโดนบีบให้ออก คอมที่มีก็ต้องขายใช้หนี้ ค่าอินเตอร์เน็ตก็ไม่มีจ่ายโทรศัพท์ก็อาจจะไม่มี ดังนั้น อย่างว่าแต่เรื่องเอาเวลามาเขียนบล็อกนี้เลยครับ
https://www.youtube.com/watch?v=h5zkzon0gM4
*อธิบายวิดีโอ ท้ายคลิปโดย AI
แม้ว่าวันนี้ (2026-10-07 02:02) มันจะไม่เก่งเท่ามนุษย์ แต่นายจ้างจะใช้ AI และปลดคนอย่างผมออกกว่า 50% นี่ถือว่าเป็นการเดาอนาคตของผม
แล้วก็เตือนเด็กๆ ที่จบ ม.ปลาย ว่า อย่าไปเรียนสาขาที่เหมือนปลิง ดูดเงินนักศึกษา หรือดูดเงินภาษี แล้วสร้างคนที่จบมาไม่มีงานทำ เสียเงินก็แย่แล้ว ยังเสียเวลา 4 ปี ซึ่งสาขาที่เหมือนปลิง มันก็แล้วแต่สายตาใครสายตามัน สายตาผมก็คือ จบมามีงานรองรับต่ำกว่า 25% และดันเสือกมีอีโก้สูงกว่าสาขาอื่นๆ อีก ขนาดที่ว่าทำงานระดับล่างไม่ได้ แล้วก็เรื่องงาน ต้องเป็นงานตามสาย ไม่ต้องตรงสายก็ได้ แต่ถ้ามากไป เช่น จบรัฐศาสตร์ แต่ขับแกร็บฟู้ด นี่ไม่นับ แต่ถ้าจบโภชนาการ ขับแกร็บฟู้ด นับให้ครับ
****
อธิบายวิดีโอ
ใช่ — คลิปนี้ทำให้คำว่า “AI จะกระทบงานเมื่อไร” เปลี่ยนไปพอสมควร เพราะมันไม่ใช่แค่ AI ช่วยเขียนโค้ดทีละฟังก์ชันแล้ว
สิ่งที่น่ากลัวจริงคือ AI เริ่มขยับจาก Copilot → Agent ที่ทำ workflow ทั้งก้อน แล้ว
ตัวอย่าง Universal Modder ที่เกี่ยวข้องกับสิ่งในคลิป ตอนนี้ประกาศ workflow ตั้งแต่ตรวจว่าเกมใช้ engine อะไร → เลือกเส้นทาง mod → reverse engineer ด้วย ILSpy/Cpp2IL/Ghidra/IDA → เขียนโค้ด → สร้าง asset/3D/audio → เปิดเกมทดสอบจริง → แก้ปัญหา → package → ทำวิดีโอ showcase ให้ได้ด้วย agent ตัวเดียว GitHub และมีตัวอย่างที่ทำจริงแล้ว เช่น Minecraft ทำงานอยู่ภายใน GTA V, สร้าง civilization ใหม่ใน AoE2 และ mod Terraria พร้อมอาวุธ/ศัตรูใหม่ GitHub
นี่ต่างจาก AI coding เมื่อ 1–2 ปีก่อนมาก เพราะคอขวดเดิมไม่ใช่แค่
“AI เขียน C++ ได้หรือเปล่า”
แต่เป็น
“มันรู้หรือเปล่าว่าต้องเปิดไฟล์ไหน ใช้เครื่องมืออะไร debug ยังไง แล้วรู้ได้อย่างไรว่าของที่ทำใช้ได้จริง”
ตอนนี้สิ่งเหล่านี้กำลังถูกเอามาต่อกันเป็น loop อัตโนมัติแล้ว เช่นตัว project มีขั้นตอน search knowledge → recon → setup → read code → build → generate assets → verify ในเกมจริง → package และบันทึกความรู้กลับเข้า knowledge base ให้ agent รอบต่อไปใช้ต่อ GitHub
ตรง knowledge base ที่ AI เขียนให้ AI ตัวต่อไป นี่แหละที่ผมมองว่าน่ากลัวกว่าตัว demo เสียอีก เพราะความรู้ประเภท “ปัญหานี้เจออาการแบบนี้ สาเหตุคืออะไร แก้อย่างไร” ซึ่งเดิมเป็นประสบการณ์ของ programmer/modder กำลังกลายเป็นทุนสะสมของ agent GitHub
ดังนั้นประโยคของคุณว่า “ฉันเริ่มเสี่ยงเสียงานแล้ว” ผมไม่คิดว่าเป็นการตกใจเกินเหตุ แต่ต้องแยกให้ถูกว่าอะไรเสี่ยงก่อน
| ลักษณะงาน | ความเสี่ยงที่ผมมองตอนนี้ |
|---|---|
| เขียนโค้ดตาม requirement ชัด ๆ | 🔴 สูง |
| ทำ script/tool เล็ก ๆ | 🔴 สูง |
| Mod / port / integration | 🔴 สูงขึ้นเร็วมาก |
| แกะระบบเก่า / reverse engineering ทั่วไป | 🟠→🔴 กำลังสูงขึ้น |
| ทำ asset production ซ้ำ ๆ | 🔴 สูง |
| Junior programmer ที่ขาย “จำนวนโค้ด” | 🔴 สูงมาก |
| Debug ระบบซับซ้อน / architecture | 🟡 ยังต้องคน แต่ AI กำลังไล่ขึ้นมา |
| Game/system design | 🟡 |
| ตัดสินใจว่า ควรสร้างอะไร และมันสนุกหรือไม่ | 🟢 กว่า |
| รับผิดชอบ production จริง ลูกค้า เงิน deadline legal/IP | 🟢 กว่า แต่จำนวนคนอาจลด |
และมีจุดหนึ่งที่คนมักเข้าใจผิด:
AI ไม่ต้องเก่งเท่าคุณเพื่อทำให้คุณตกงาน
สมมติบริษัทเดิมต้องใช้ programmer 5 คน แต่ต่อไป programmer เก่งหนึ่งหรือสองคนคุม agents ทำงานได้เท่าเดิม บริษัทก็ไม่ต้องรอวันที่ AI “แทน programmer ได้ 100%” ก่อนลดคน
นี่เป็น threat model ที่สมจริงกว่าคำถามว่า
“AI จะเขียนเกมทั้งเกมเองได้ไหม?”
ไม่จำเป็นเลย
แค่
หนึ่งคน + AI ทำงานที่เมื่อก่อนต้องใช้หลายคน
ตลาดแรงงานก็เปลี่ยนแล้ว
แต่ผมยังไม่คิดว่าคุณอยู่ในจุดเลวร้ายที่สุด เพราะจากสิ่งที่คุณทำช่วงนี้—ตั้งแต่ ComfyUI, LoRA/Anima, แก้ trainer และไล่ปัญหา environment เอง—คุณกำลังเดินไปทาง คนที่ควบคุมเครื่องมือ AI มากกว่าคนที่พยายามแข่งกับมันโดยไม่ใช้มันอยู่แล้ว
สิ่งที่ผมจะทำถ้าอยู่ในตำแหน่งคุณคือ เลิกวางตัวเองเป็น “คนผลิตชิ้นงาน” แล้วขยับเป็น “คนที่ทำให้ทั้งระบบส่งมอบผลงานได้” เช่น
- ใช้ agent เก่งที่สุดที่เข้าถึงได้กับงานจริงของตัวเองทันที
- เรียนรู้ orchestration / agent workflow มากกว่าการจำ syntax เพิ่ม
- เก็บ expertise ว่า AI พังตรงไหน เพราะความรู้เรื่อง failure mode จะมีราคามาก
- ฝึกตรวจ output, benchmark, debugging และ verification
- ให้ตัวเองสามารถพูดได้ว่า
“งานที่เมื่อก่อนทีมหนึ่งทำ ผมสามารถคุม AI ให้ทำและตรวจคุณภาพเองได้”
ถ้าทำอย่างนั้น AI จะเปลี่ยนจากสิ่งที่มาแย่งงานคุณเป็นสิ่งที่ทำให้ คุณกลายเป็นคนที่นายจ้างต้องเก็บไว้ตอนลดจำนวนคน
แต่ผมเห็นด้วยกับความรู้สึกหลักของคุณอย่างหนึ่ง: คลิปชุดนี้เป็น milestone ที่ควรจริงจังกว่า AI demo ประเภทสร้างรูปหรือ vibe coding ทั่วไป เพราะตอนนี้มันเริ่มแตะงานที่เคยต้องอาศัย tooling + reverse engineering + domain knowledge + trial-and-error พร้อมกันแล้ว ไม่ใช่แค่ generate output สวย ๆ อีกต่อไป.
************
สรุปโดยผม (Poipoi) จุดจบของบล็อกข้าวเกรียบและผองเพื่อน และตัวผม อาจจะมาเร็วกว่าที่คิด แล้วเรื่องนี้ไม่ได้เกิดแต่กับผมคนเดียว
สรุปบทความโดย AI ChartGPT Luna 5.6 High
บทความนี้สรุปได้ว่าเป็น บทความเตือนภัยจากมุมคนทำงานที่รู้สึกว่า AI เริ่มเข้ามาแทนงานของตัวเองจริง ๆ ไม่ใช่การพูดเรื่อง AI แบบไกลตัวหรือเชิงทฤษฎี
แกนหลักของบทความมี 3 เรื่อง
ความกลัวเรื่องตกงาน
ผู้เขียนมองว่า AI จากเดิมที่เป็นเพียงเครื่องมือช่วยงาน กำลังพัฒนาไปสู่ระดับที่สามารถทำ workflow ซับซ้อนแทนคนได้มากขึ้น จึงเกิดความกลัวว่า นายจ้างอาจใช้ AI เพื่อลดจำนวนคน แม้ AI จะยังไม่เก่งกว่ามนุษย์ทุกด้านก็ตามผลกระทบไม่ได้จบแค่เสียงาน
ถ้าตกงาน ผลกระทบจะลามไปถึงค่าเช่าบ้าน หนี้ ค่าอินเทอร์เน็ต โทรศัพท์ และแม้แต่คอมพิวเตอร์ที่เป็นเครื่องมือทำมาหากิน สุดท้ายอาจไม่มีแม้กระทั่งทรัพยากรที่จะปรับตัวหรือเขียนบล็อกต่อคำเตือนถึงเด็ก ม.ปลาย
ผู้เขียนเตือนว่าอย่าเลือกเรียนมหาวิทยาลัยเพียงเพราะชื่อสาขาดูดีหรือมีสถานะทางสังคม แต่ควรถามว่า
“จบแล้วมีงานที่ใช้ความรู้จากสาขานี้จริงกี่คน?”
สำหรับผู้เขียน ถ้าสาขาหนึ่งมีงานที่เกี่ยวข้องรองรับต่ำมาก แต่ยังรับนักศึกษาและผลิตบัณฑิตจำนวนมากต่อเนื่อง ก็สมควรถูกตั้งคำถาม
บทความยังโจมตีแนวคิดที่ว่า
“มีงานทำ = สาขานั้นประสบความสำเร็จ”
เพราะถ้าจบรัฐศาสตร์แล้วไปทำงานที่ไม่เกี่ยวข้องกับรัฐศาสตร์เลย การนับว่า “บัณฑิตมีงานทำ” อาจถูกต้องในเชิงสถิติ แต่ไม่ได้พิสูจน์ว่า ตลาดต้องการบัณฑิตรัฐศาสตร์
ดังนั้นคำว่า “มีงานรองรับ” ในบทความหมายถึงงานที่อย่างน้อยยังต้องใช้ ความรู้ ทักษะ หรือวุฒิจากสาขาที่เรียนมา ไม่จำเป็นต้องตรงสาย 100%
ในส่วน AI บทความชี้ว่าความเสี่ยงที่แท้จริงไม่ใช่วันที่ AI แทนคนได้สมบูรณ์ แต่คือวันที่
คนหนึ่ง + AI สามารถทำงานที่เมื่อก่อนต้องใช้หลายคน
ถ้าเดิมบริษัทต้องใช้ 5 คน แล้ว AI ทำให้เหลือ 2 คน คนทำงานอีก 3 คนก็เสียงานได้ แม้ AI จะยังมีข้อผิดพลาดอยู่มาก
ดังนั้นสารรวมของบทความคือ:
ทั้งคนทำงานและเด็กที่กำลังเลือกเรียนต้องเลิกคิดว่าอาชีพหรือปริญญาจะปลอดภัยเหมือนเดิม เพราะ AI กำลังเปลี่ยนจำนวนคนที่ตลาดต้องการ และมหาวิทยาลัยไม่ได้รับประกันว่าการเรียน 4 ปีจะนำไปสู่งานที่เกี่ยวข้องกับสิ่งที่เรียน
ส่วนตอนจบ
“จุดจบของบล็อกข้าวเกรียบและผองเพื่อน และตัวผม อาจจะมาเร็วกว่าที่คิด แล้วเรื่องนี้ไม่ได้เกิดแต่กับผมคนเดียว”
ทำให้บทความจบจากเรื่องส่วนตัวไปเป็นประเด็นใหญ่กว่าเดิม คือ ผู้เขียนไม่ได้คิดว่าตัวเองเป็นกรณีพิเศษ แต่เป็นหนึ่งในคนจำนวนมากที่อาจถูกแรงกระแทกจาก AI และการเปลี่ยนแปลงของตลาดแรงงาน
ถ้าสรุปทั้งบทความเหลือประโยคเดียว:
“AI ไม่จำเป็นต้องเก่งกว่ามนุษย์ทั้งหมดเพื่อทำให้คนตกงาน และในโลกแบบนี้ การเสียเวลา 4 ปีไปกับสาขาที่ตลาดไม่ต้องการอาจอันตรายยิ่งกว่าเดิม”
สรุปบทความโดย Gemini 3.1 Pro Extended
สรุปสาระสำคัญ 4 ประเด็นหลัก
- 1. วิกฤตการแทนที่ของ AI Agent (Threat Model ยุคใหม่)AI ไม่ได้เป็นเพียงแค่ผู้ช่วยพิมพ์โค้ด (Copilot) อีกต่อไป แต่กลายเป็น "Agent อัตโนมัติ" ที่ทำงานได้ครบวงจร ตั้งแต่การทำ Reverse Engineering, เขียนโค้ด, สร้าง Asset, ทดสอบ และแก้ไข Bug ด้วยตัวเอง การเปลี่ยนแปลงนี้ทำให้นายจ้างใช้คนเพียง 1 คนในการคุม AI เพื่อทำงานเท่ากับทีม 5 คนเดิม ส่งผลให้สายงานระดับเริ่มต้น (Junior/Executioner) เสี่ยงโดนปลดทันทีมากกว่า 50%
- 2. คำเตือนถึง "สาขาปลิง" ในระบบการศึกษาชี้ให้เห็นถึงหลักสูตรในมหาวิทยาลัยที่ทำตัวเหมือนปลิง สูบเงินค่าเทอมและภาษี แต่ผลิตคนที่จบออกมาแล้วมีอัตราการได้งานทำตรงสายต่ำกว่า 25% ซ้ำร้ายยังหล่อหลอม "อีโก้" ให้บัณฑิตยึดติดกับวุฒิปริญญา จนไม่ยินยอมลดตัวลงมาทำอาชีพระดับปฏิบัติการหรือใช้แรงงานในวันที่ตลาดเปลี่ยนไป
- 3. การตลกร้ายเสียดสีค่านิยม "ทำงานตรงสาย"มุกประชดประชันเรื่อง "จบรัฐศาสตร์ ขับ GrabFood ไม่นับ แต่จบโภชนาการ ขับ GrabFood นับให้" เป็นการกระชากหน้ากากสถิติการได้งานทำอันจอมปลอมของมหาวิทยาลัย และสะท้อนความเจ็บปวดที่มูลค่าของปริญญากลายเป็นศูนย์ เมื่อสุดท้ายทุกคนต้องทิ้งอีโก้ลงมาทำอาชีพใน Gig Economy เพื่อเอาชีวิตรอด
- 4. สถานการณ์วิกฤตส่วนบุคคลและจุดเปลี่ยนสายอาชีพสะท้อนชะตากรรมของคนทำงานสายเทคนิค/ผู้สร้างม็อด (เจ้าของบล็อกข้าวเกรียบฯ) ที่ต้องสูญเสียเครื่องมือทำกิน (คอมพิวเตอร์/อินเทอร์เน็ต) เพื่อชดใช้หนี้สิน และเน้นย้ำสัจธรรมว่า ยุคสมัยของการขายแรงงานเป็น "ผู้ผลิตชิ้นงาน" (Creator) ได้จบลงแล้ว เหลือเพียงทางรอดเดียวคือการขยับไปเป็น "ผู้ควบคุมระบบ" (Orchestrator) หรือการถอยไปทำอาชีพที่เน้นการปฏิบัติการทางกายภาพเพื่อหาเงินสดฉุกเฉิน
ลิงก์ถาวร
https://poipoi-test.blogspot.com/2026/10/ai.html
