Upskilling และ Reskilling

Upskilling คือการฝึกทักษะเพิ่มให้พนักงานทำงาน "ตำแหน่งเดิม" ได้ดีขึ้น เช่น พนักงานบัญชีเรียนรู้ใช้ llm อย่าง microsoft-copilot ช่วยตรวจเอกสารให้เร็วขึ้น แต่หน้าที่หลักยังเป็นงานบัญชีเหมือนเดิม ส่วน Reskilling คือการฝึกทักษะชุดใหม่ทั้งชุดเพื่อย้ายไป "ตำแหน่งใหม่" หรือสายงานใหม่ไปเลย เช่น พนักงานที่งานเดิมถูก AI ทำแทนบางส่วน เปลี่ยนไปฝึกงานสาย data หรือ customer success แทน จุดต่างของสองคำนี้จึงอยู่ที่ทิศทาง: upskilling ต่อยอดในเส้นทางอาชีพเดิม ส่วน reskilling เปลี่ยนเส้นทางไปเลย

ตัวเลขที่ใช้อ้างอิงกันมากที่สุดตอนนี้มาจาก Future of Jobs Report 2025 ของ World Economic Forum ซึ่งเผยแพร่เมื่อมกราคม 2025 นายจ้างที่ตอบแบบสำรวจประเมินว่า ถ้าแรงงานโลกมี 100 คน จะมี 59 คนที่ต้องการการฝึกทักษะภายในปี 2030 ในจำนวนนี้ 29 คนจะได้เพิ่มทักษะอยู่ในตำแหน่งเดิม อีก 19 คนจะได้เพิ่มทักษะแล้วย้ายไปทำงานตำแหน่งอื่นภายในองค์กร ส่วนอีก 11 คนต้องการการฝึกแต่คาดว่าจะไม่ได้รับ ที่เหลือ 41 คนยังไม่ต้องฝึกอย่างมีนัยสำคัญ จุดที่มักอ่านพลาดคือ 59 คนนี้คือคนที่ต้องการการฝึก ไม่ใช่คนที่จะได้ฝึกจริง รายงานฉบับเดียวกันยังประเมินว่าทักษะหลัก (core skills) ของคนทำงานราว 39% จะเปลี่ยนไปภายในปี 2030 ซึ่งจริงๆ ลดลงจาก 44% ที่เคยประเมินไว้ในรายงานปี 2023 ขณะที่สัดส่วนแรงงานที่ผ่านการฝึกทักษะตามแผนระยะยาว (long-term learning strategy) ขององค์กรขยับขึ้นมาอยู่ที่ 50% จาก 41% ในรอบก่อน ด้านตลาดงานโดยรวม รายงานคาดว่าจะมีตำแหน่งใหม่เกิดขึ้น 170 ล้านตำแหน่งภายในปี 2030 ขณะที่ตำแหน่งเดิมจะหายไป 92 ล้านตำแหน่ง สุทธิแล้วเพิ่มขึ้น 78 ล้านตำแหน่งทั่วโลก

สำหรับคนทำงานไทย คำนี้มักโผล่มาตอนผู้บริหารสั่งวางแผนงบอบรม AI ประจำปี และจุดที่มักเข้าใจผิดคือคิดว่าทักษะ AI ที่องค์กรต้องการคือ "เขียน prompt เก่ง" อย่างเดียว บทความของ Bernard Marr ใน Forbes (20 มกราคม 2026) เสนอว่าทักษะ AI ที่มีค่าที่สุดตอนนี้ไม่ใช่ทักษะเชิงเทคนิคแต่เป็นทักษะเชิงบริหาร คือการสื่อสารกำหนดเป้าหมายและเกณฑ์ตัดสินใจให้ระบบ AI ทำงาน การใช้ดุลพินิจของคนเข้าไปกำกับ ณ จุดสำคัญที่ต้องมี human-review และความเชี่ยวชาญเชิงโดเมนที่ลึกพอจะประเมินผลลัพธ์ของ AI เทียบกับบริบทงานจริงได้ ฝั่งกฎหมายก็เริ่มผูกเรื่องนี้เป็นข้อบังคับแล้ว มาตรา 4 ของ eu-ai-act กำหนดให้ provider (ผู้พัฒนาหรือผู้ให้บริการระบบ AI) และ deployer (องค์กรที่นำระบบ AI ไปใช้ในเชิงวิชาชีพ ไม่รวมการใช้ส่วนตัว) ต้องดำเนินมาตรการสนับสนุนให้พนักงานและผู้ที่ใช้งานระบบแทนองค์กรพัฒนา ai-literacy ขึ้นมา มาตรานี้เริ่มมีผลตั้งแต่ 2 กุมภาพันธ์ 2025 และถูกแก้ถ้อยคำโดย Digital Omnibus on AI (Regulation (EU) 2026/1744) ซึ่งมีผลตั้งแต่ 27 กรกฎาคม 2026 จากเดิมที่เขียนว่าต้องดูแลให้มี AI literacy ในระดับที่เพียงพอ เปลี่ยนเป็นต้องดำเนินมาตรการเพื่อสนับสนุนการพัฒนา AI literacy คือเป็นหน้าที่เชิงความพยายาม ไม่ใช่หน้าที่ต้องการันตีระดับความสามารถรายบุคคล และตัวกฎหมายไม่ได้กำหนดค่าปรับเฉพาะสำหรับมาตรา 4 โดยตรง ปล่อยให้แต่ละประเทศสมาชิกกำหนดบทลงโทษเอง โดยการกำกับดูแลผ่านหน่วยงานระดับประเทศเริ่มช่วงสิงหาคม 2026 · ข้อควรระวังสำหรับผู้อ่านไทยคือกฎนี้ผูกกับองค์กรที่เข้าข่ายกฎหมาย EU ไม่ได้บังคับนายจ้างไทยทุกแห่งโดยอัตโนมัติ ข้อควรระวังอีกจุดคือ WEF เองก็ใช้คำว่า "แผนระยะยาว" ไม่ใช่การอบรมครั้งเดียวจบ สะท้อนว่าหลักสูตรอย่างเดียวไม่พอ ต้องมีเวทีให้พนักงานได้ใช้ทักษะใหม่จริงในงานด้วย ไม่งั้นตัวเลขที่ฝึกไปจะไม่กลายเป็นผลลัพธ์ และสำหรับองค์กรที่ต้องชั่งงบอบรมกับผลตอบแทนที่ได้กลับมา แนวคิด ai-roi คือกรอบที่ใช้ตอบคำถามนี้ต่อ

ตัวอย่างจากบทสนทนาจริง

ฝ่าย HR: "ปีนี้ผู้บริหารสั่งให้อบรม AI ทั้งบริษัทเลยค่ะ แต่งบมีก้อนเดียว จะเรียกว่า upskilling หรือ reskilling ดี"

ที่ปรึกษา L&D: "ต้องแยกก่อนครับ ถ้าทีมบัญชียังทำบัญชีเหมือนเดิม แค่ใช้ AI ช่วยตรวจเอกสารเร็วขึ้น นั่นคือ upskilling ต่อยอดงานเดิม แต่ถ้าจะย้ายพนักงานที่ตำแหน่งเดิมโดนงานอัตโนมัติทำแทนไปทำงานสายใหม่ทั้งหมด นั่นคือ reskilling ตามรายงานของ WEF แรงงานทั่วโลกเกือบ 6 ใน 10 คนต้องการการฝึกอย่างใดอย่างหนึ่งภายในปี 2030 ครับ และในกลุ่มนั้นราว 1 ใน 5 คาดว่าจะไม่ได้รับการฝึกที่ต้องการเลย เพราะฉะนั้นก่อนวางงบต้องรู้ก่อนว่าจะฝึกใครไปทางไหน"

ระวังสับสนกับ

• ai-literacy : เป็นความรู้พื้นฐานรู้เท่าทัน AI ที่พนักงานทุกคนควรมีอยู่แล้ว ส่วน upskilling/reskilling คือการฝึกทักษะเฉพาะทางต่อยอดจากฐานนั้น เพื่อทำงานเดิมให้ดีขึ้นหรือย้ายไปทำงานใหม่
• ai-roi : เป็นกรอบวัดว่าการลงทุนอบรม (upskilling/reskilling) คุ้มค่าตอบแทนหรือไม่ ไม่ใช่ตัวโปรแกรมฝึกทักษะเอง