ช่วงนี้เริ่มเห็นคนพูดเรื่องนี้บ่อยมาก ว่าสาย Data AI ก็อาจจะลำบากในยุค AI

Data Analyst กับ Data Scientist เมื่อก่อนคือสายฮอตมาก ยิ่ง Data Scientist เคยได้ขึ้นชื่อว่าเป็นอาชีพที่ Sexy ที่สุดแห่งยุคศตวรรษที่ 21 บริษัทไหนก็อยากได้ แต่พอ AI เข้ามาแล้ว ตอนนี้มันเขียนโค้ดได้ เขียน SQL ได้ วิเคราะห์ข้อมูลได้ ทำ dashboard ได้ สรุป insight ได้

ส่วน Data Engineer ก็ยังดูเหมือนมีที่ยืนหน่อย เพราะยังต้องมีคนเตรียม data ที่มีคุณภาพให้ AI ใช้ และระบบจริงก็ยังต้องมีคนออกแบบและ ดู production มีคนแก้เวลามันพัง

…อ้าว งั้นคนสายนี้จะเหลืองานอะไรให้ทำอีก

ปัญหาไม่ใช่ว่า AI จะฆ่าสาย Data แต่มันจะฆ่างาน Data แบบ “ทำตามสั่ง” มากกว่า

ถ้า Data Analyst ทำแค่รอ business โยน request มาให้ แล้วก็เขียน SQL ดึงตัวเลข ทำ dashboard ส่งกลับไป อันนี้เสี่ยงจริง เพราะ AI ทำให้หลายอย่างเร็วขึ้นมาก และ ยุคหลัง ๆ business user บางคนก็เริ่มทำข้อมูลเองได้แล้วด้วย

ถ้า Data Scientist ทำแค่เปิด notebook, train model แล้วจบ อันนี้ก็เสี่ยงเหมือนกัน เพราะหลายอย่าง AI ช่วยทำได้เร็วขึ้นมาก

แต่ถามว่า DA/DS จะตายไหม

ฉันว่าไม่....

(As of now....)

คนที่จะหายไปคือคนที่ทำได้แค่ “ตอบคำถาม” แต่คนที่รู้ว่า “ควรถามอะไร” ยังมีค่ามากอยู่ดี

เพราะปัญหาจริงของ data ในองค์กร มันไม่ใช่แค่ไม่มีคนทำ Data ให้

มันคือ บางที business เองก็ยังไม่ชัดว่าอยากรู้ อยากได้อะไร dashboard มีสิบอัน แต่ก็ยังไม่โดนใจ ตัวเลขดูดี insight ฟังดูฉลาด แต่ไม่มีใครรู้ว่าจะเอาไปตัดสินใจอะไรต่อ

อันนี้แหละที่ AI ยังแทนไม่ได้ง่าย ๆ

AI เขียน SQL ได้ก็จริง แต่ AI อาจจะยังไม่ได้รู้เองว่า revenue จะขึ้นได้ยังไง

AI สรุป dashboard ได้ก็จริง แต่ AI ไม่ได้รู้เองว่า business logic เพิ่งเปลี่ยนไปเมื่อสองเดือนก่อน

AI บอก trend ได้ก็จริง แต่ AI อาจจะไม่ได้รู้เองว่า trend นี้เกิดจากอะไร หากไม่มีข้อมูลอัพเดท หรือ business knowledge เพียงพอ ก็จะตอบแบบ Generic หรือ แม้แต่ process หลังบ้านที่เพิ่งเปลี่ยน

เพราะงั้น DA/DS ที่ยังรอด ไม่ใช่คนที่ทำ chart สวยที่สุด หรือ train model เก่งที่สุดอย่างเดียว แต่คือคนที่เข้าใจ business context เข้าใจ data quality เข้าใจว่า insight นี้ใช้ตัดสินใจอะไร

ส่วน Data Engineer (As of now) DE น่าจะสำคัญขึ้นด้วยซ้ำ

เพราะพอทุกคนอยากเอา AI มาใช้ในองค์กร ก็จะเริ่มอยากทำ RAG อยากทำ agent อยากให้ AI ตอบจากข้อมูลภายในบริษัทแต่ของพวกนี้อย่างที่รู้อยู่แล้วคือ มันต้องการ data foundation ที่ดีด้วย

data quality ไม่ดี chunking พัง retrieval มั่ว AI ดึงเอกสารผิด user เห็นข้อมูลที่ไม่ควรเห็น

แล้วสุดท้าย AI ก็จะตอบผิด (แบบมั่นใจมาก) ซึ่งพอถึงจุดนั้น ต่อให้ model เทพแค่ไหนก็ช่วยไม่ได้

เพราะถ้าข้อมูลต้นทางมั่ว AI ก็แค่ช่วยสรุปความมั่วออกมาให้ดูน่าเชื่อขึ้น

อันนี้แหละที่ DE จะยังไม่ได้หายไปไหนเลย แต่ role มันเปลี่ยนจากแค่คนทำ pipeline เป็นคนสร้าง foundation ให้ AI ใช้งานได้จริงใน production

ดังนั้นเลยคิดว่า ภาพจริงน่าจะเป็นแบบนี้มากกว่า

คนที่ทำงานแบบ execution ล้วน ๆ จะโดน AI บีบก่อน ไม่ว่าจะอยู่สายไหนก็ตาม

DA ที่ทำแค่ dashboard ก็เสี่ยง DS ที่ทำแค่ model ก็เสี่ยง DE ที่ทำแค่ pipeline ซ้ำ ๆ ก็เสี่ยง SE ที่ทำแค่ code ตาม ticket ก็เสี่ยง

แต่คนที่เข้าใจโจทย์จริง เข้าใจข้อมูลจริง เข้าใจระบบจริง และเข้าใจผลกระทบจริง จะยิ่งมีค่าขึ้น

เพราะยุค AI ไม่ได้ต้องการแค่คนที่ “ทำงานได้เร็ว” แต่ต้องการคนที่รู้ว่า งานที่ทำเร็วขึ้นนั้น มันถูกทางไหม

ถ้าถามผิด AI ก็ตอบผิดเร็วขึ้น

ยุคนี้คนที่น่ากลัวไม่ใช่คนที่ใช้ AI เป็นอย่างเดียว แต่คือคนที่ใช้ AI เป็น เข้าใจ data จริง เข้าใจ business จริง และรู้ว่าระบบจริงมันพังตรงไหนได้บ้าง

ตรงนั้นแหละ ยังเป็นงานของคนอยู่ดี (As of now....)