Article by: Asst.Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor

เทคโนโลยีและความทันสมัยมักนำมาซึ่งความกังวลใจ และนอกจากสังคมจะไม่เข้าใจในผลกระทบที่เกิดขึ้นแล้วผู้คนยังไม่สามารถปรับอารมณ์เพื่อรับมือกับสถานการณ์ดังกล่าวได้อีกด้วย กว่าหลายทศวรรษที่หลายผลการศึกษาต่างสรุปว่าจำนวนตำแหน่งงานที่หายไปจากทั่วทุกอุตสาหกรรมเป็นผลมาจากแทนที่แรงงานมนุษย์ด้วยเครื่องที่มีความสามารถในการทำงานไม่ต่างไปจากมนุษย์ และยังมีคำเตือนออกมาว่าเทคโนโลยีดิจิทัลจะเปลี่ยนธรรมชาติของงานไปตลอดกาล

PwC นำเสนอผลการศึกษาเป็นตัวเลขประมาณการณ์ของงานที่มีความเสี่ยงสูงที่จะถูกแทนที่ด้วยระบบออโตเมชัน ภายในต้นทศวรรษ 2030s ทั้งนี้จะมากหรือน้อยนั้นขึ้นอยู่กับประเทศนั้น ตัวเลขประมาณการณ์นั้นแตกต่างกันไปนับตั้งแต่ 20-25% ในบางภูมิภาคเอเชียและแถบนอร์ดิกที่ประชากรมีการศึกษาระดับสูง ไปจนถึง 40% ในแถบยุโรปตะวันออก ซึ่งอุตสาหกรรมการผลิตมีความพร้อมที่ที่จะแทนที่ด้วยระบบออโตเมชัน ซึ่งยังนับว่าเป็นภูมิภาคที่มีอัตราการจ้างงานที่ยังสูงอยู่ ประเทศอย่างเช่นสหราชอาณาจักรและสหรัฐอเมริกาซึ่งมีภาคการบริการเป็นอุตสาหกรรมหลักของประเทศและยังอาศัยแรงงานฝีมือทักษะน้อยกำลังจะเปลี่ยนไปสู่ระบบออโตเมชันกว่าครึ่งในระยะยาว

PwC ได้ศึกษาวิเคราะห์ชุดข้อมูลทีได้รับการอนุเคราะห์จาก OECD โดยลงรายละเอียดในระดับของกระบวนการทำงานย่อยในแต่ละงานของแรงงานกว่า 200,000 รายใน 20 ประเทศ ผนวกกับผลการศึกษาของนักวิจัยอีกจำนวนหนึ่ง ได้มาเป็นประมาณการณ์ของสัดส่วนงานที่ยังเหลืออยู่ซึ่งตกอยู่ในภาวะเสี่ยงต่อการทดแทนด้วยระบบออโตเมชันภายในปี 2030s เป็นรายประเทศ ตามกลุ่มกิจกรรมทางเศรษฐกิจ ตามวิชาชีพ ในแต่ละอุตสาหกรรม และใช้ปัจจัยประชากรของแรงงานเช่น เพศ อายุ และระดับการศึกษา และ PwC ได้จำแนกพัฒนาการของกระบวนการออโตเมชันนี้ที่จะเกิดขึ้นไปจนถึงปี 2030s ออกเป็นคลื่น (waves) การเปลี่ยนแปลงจำนวน 3 คลื่นที่มีลักษณะทับซ้อนกัน

Algorithm waves เป็นคลื่นออโตเมชันมุ่งกระบวนงานที่มีลักษณะการคำนวณแบบไม่ซับซ้อนและการวิเคราะห์ข้อมูลที่โครงสร้าง เช่น ข้อมูลการเงิน ข้อมูลเชิงการประมวลผล และข้อมูลการสื่อสารสัญญาณ ทั้งหมดนี้ได้เกิดขึ้นและดำเดินการแล้ว augmentation waves คือคลื่นออโตเมชันที่มุ่งไปที่กระบวนการทำงานที่มีลักษณะงานที่เกิดขึ้นบ่อย เช่น การกรอกแบบฟอร์ม การสื่อสารแลกเปลี่ยนข้อมูลผ่าน และการวิเคราะห์เชิงสถิติของข้อมูลโครงสร้างไม่ชัดเจนที่ได้มาจากสถานการณ์กึ่งควบความ เช่น การใช้โดรนและหุ่นในงานคลังสินค้า คลื่นระลอกนี้เกิดขึ้นแล้วเช่นกันและคาดว่าจะอิ่มตัวในปลายปี 2020s. autonomy  waves เป็นคลื่นออโตเมชันที่มุ่งทั้งการทดแทนแรงงานของมนุษย์ในทุกสถานการณ์ทุกทักษะ และการแก้ปัญหาที่คาดเดาไม่ได้ในสถานการณ์จริงซึ่งจำเป็นต้องอาศัยการต่อสนองที่รวดเร็ว เช่น ปัญหาในกระบวนการผลิตและการขนส่ง (ยานพาหนะไร้คนขับ) เทคโนโลยีเหล่านี้อยู่ในระหว่างการพัฒนาและยังไม่สุกงอมพร้อมใช้ในระดับประเทศก่อนปี 2030s

Potential job automation rate by country across waves

Potential job at high risk of automation

Potential impacts by type of worker

Potential job at high risk of automation

ความแตกต่างของโครงสร้างตลาดแรงงาน, ระดับทักษะ, และการศึกษา, และนโยบายจากภาครัฐของแต่ละประเทศ องค์ประกอบที่มีความแตกต่างกันของแต่ละประเทศดังที่กล่าวมานี้ นำมาซึ่งความเหลื่อมล้ำของตัวเลขประมาณการณ์ของคลื่นออโตเมชันที่ต่างกัน จนสามารถแบ่งออกมาเป็น 4 กลุ่มดังต่อไปนี้

กลุ่มเศรษฐกิจอุตสาหกรรม ได้แก่ เยอรมนี สโลวาเกีย อิตาลี ซึ่งคาดว่าจะเห็นอัตราการทดแทนแรงงานด้วยระบบออโตเมชันอย่างสูงในระยะยาว ประเทศเหล่านี้มักถูกจัดอยู่ในกลุ่มเดียวกันเนื่องงานในตลาดมีลักษณะที่เหมาะต่อระบบออโตเมชัน และกลุ่มอุตสาหกรรมมีการกระจุกตัวอยู่สูงเหมาะจึงมีแนวโน้มที่จะมีอัตราการเปลี่ยนแปลงไปสู่ระบบออโตเมชันสูง

กลุ่มเศรษฐกิจบริการ ได้แก่ สหรัฐอเมริกา สหราชอาณาจักร ฝรั่งเศส และเนเธอร์แลนด์ มีตัวเลขจำนวนงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันในระดับปานกลาง และยังกระจุกตัวอยู่ในภาคการบริการซึ่งลักษณะงานยังไม่เข้าข่ายที่จะเปลี่ยนแปลงไปสู่ออโตเมชัน ดังนั้นอัตราการเปลี่ยนตรงนี้ยังน้อยกว่าค่าเฉลี่ยในภาคอุตสาหกรรมอื่น

กลุ่มเศษฐกิจเอเชีย ได้แก่ ญี่ปุ่น เกาหลีใต้ สิงคโปร์ และรัสเซีย มีงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันที่ยังน้อยอยู่ ทั้งที่มีการกระจุกตัวของการจ้างงานภาคอุตสาหกรรมต่างๆ อยู่สูง เช่นนี้แล้วจึงมีศักยภาพในการเปลี่ยนแปลงสู่ระบบออโตเมชันที่สูงมาก

กลุ่มเศรษฐกิจนอร์ดิก ได้แก่ ฟินแลนด์ สวีเดน และนอร์เวย์ มีงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันค่อนข้างต่ำในภาพรวม และมีศักยภาพในการเปลี่ยนแปลงสู่ระบบออโตเมชันค่อนข้างต่ำ

Potential impact across countries by employment shares and automatability of jobs

Relative impact from employment shares across industry e.g. manufacturing

Relative impact from the automatability of jobs e.g. educational job requirements

Potential impact of job automation over-time across the four country groups

Task automation across the three waves

The rank order of potential impact over-time across the four country groups

Task composition for manufacturing, financial and insurance, and education sectors

Potential impact of job automation over-time across workers by age group

Article by: Asst.Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor

Novelty and technology always spark public concerns within society in a great length. Often, the public are not only able to fully comprehend the consequences, but also failed to rationalize emotional response to such. For decades, countless studies have arrived at potential job losses across industries resulting from intelligence machines replacing human workforce. Moreover, such studies issue a warning that digitization will fundamentally transform the nature of work.

According to PwC, the estimated proportion of existing job at high risk of automaton by the early 2030s varies significantly by county. These estimates range from only around 20-25% in some East Asian and Nordic economies with relatively high average education levels, to over 40% in Eastern European economies where industrial production, which tends to be easier to automate, still accounts for a relatively high share of total employment. Countries like UK and the US, with services-dominated economies but also relatively long ‘tails” of lower skilled workers, could see intermediate levels of automation in the long run.

PwC has analyzed a dataset compiled by the OECD that looks in detail at tasks involved in the jobs of over 200,000 workers across 20 countries including a group of academic researchers.  Therefore, the estimation of the proportion of existing jobs that might be of high risk of automation by the 2030s for each of the countries studied, different industry sector, occupations within industries, and workers of different genders, ages, and education levels. Therefore, PwC has identified how this process might unfold over the period to the 2030s in three overlapping waves.

Algorithm waves focused on automation of simple computational tasks and analysis of structured data in areas like finance, information, and communication. This has already been underway. Augmentation wave focused on automation of repeatable tasks such as filling in forms, communicating, and exchanging information through dynamic technological support, and statistical analysis of unstructured data in semi-controlled environments such as aerial drones and robots in warehouses. This has also been underway and is likely to reach maturity in the late 2020s. Autonomy wave focused on automation of physical labor and manual dexterity, and problem solving in dynamic real-world situations that require responsive actions, such as in manufacturing and transport (e.g. driverless vehicles). These technologies are under development already, but may only come to full maturity on an economy-wide scale in the 2030s. 

Potential job automation rate by country across waves

Potential job at high risk of automation

Potential impacts by type of worker

Potential job at high risk of automation

As a result of differences in labor market structures, education and skill levels, and government polices across the counties, the relative impacts of these two components varies between countries, which gives rise to differences in estimated automation levels we it can be distinguished into four groups.

Industrial economies, for example, Germany, Slovakia, and Italy, could see relatively higher automation rates in the long run. These countries are typically characterized by jobs that are relatively automatable and (relatively to the OECD average) more concentrated in industry sectors with higher potential automation rate.

Service-dominated economies, for example, the US, UK, France, and the Netherlands, have jobs that are on average relatively more automat able based on their characteristics, but also a greater concentration on services sectors that tend to be less automatable on average than industrial sector.

Asian countries, for example, Japan, South Korean, Singapore, and Russia, have jobs that are relatively less automatable overall but with relatively high concentrations of employment in industrial sectors with relatively high potential automation rates.

Nordic countries, for example, Finland, Sweden, and Norway (in additional to New Zealand and Greece outside this region) have jobs that are on average relatively less automatable and in industry sectors with relatively lower potential automation rates.

Potential impact across countries by employment shares and automatability of jobs

Relative impact from employment shares across industry e.g. manufacturing

Relative impact from the automatability of jobs e.g. educational job requirements

Potential impact of job automation over-time across the four country groups

Task automation across the three waves

The rank order of potential impact over-time across the four country groups

Task composition for manufacturing, financial and insurance, and education sectors

Potential impact of job automation over-time across workers by age group

Article by: Asst.Prof. Suwan Juntiwasarakij, Ph.D., MEGA Tech Senior Editor

目新しさとテクノロジーは常に社会の中で大きな関心を呼び起こしています。多くの場合国民は結果を完全に理解できていないだけでは無くそのような感情的反応の合理性を見出す事もできませんでした。何十年もの間無数の研究により人間の労働力に取って代わるインテリジェンスマシンに起因する業界全体の潜在的な仕事の損失の可能性があると結論付けています。更にはそのような研究はデジタル化が仕事の性質を根本的に変えるという事を警告しています。

PwCによれば2030年代初頭までにオートマトンのリスクが高い既存の仕事の推定割合は郡によって大きく異なるとの事です。これらの推定値は平均的な教育レベルが比較的高い一部の東アジアおよび北欧経済では僅か20〜25％から自動化がより容易である傾向にある工業生産が依然として総雇用の比較的高いシェアを占めている東ヨーロッパ経済では40％以上になると考えられています。英国や米国のようなサービス主導の経済であるが比較的熟練度の低い労働者が「切るに切れない尻尾」に状態の国では長期的には中間的なレベルでの自動化が見られる可能性があります。

PwCは、OECDがまとめたデータのセットを分析しました。このデータセットは、学術研究者のグループを含む20か国の200,000人を超える労働者の仕事に関連する労働作業を詳しく調べています。  従って調査した国々、異なる産業部門、産業内の職業、労働者の性別、年齢、およびに教育レベルについて2030年代までに自動化のリスクが高い可能性がある既存の仕事の割合の推定をしました。それらを持ってPwCはこのプロセスが2030年代までの三つの重複する波でどのように展開するかを特定しました。

アルゴリズムウェーブは、金融、情報、通信などの分野における単純な計算タスクの自動化と構造化データの分析に焦点を当てました。これは既に現在進行中です。フォームへの入力、コミュニケーションなどの反復可能なタスクの自動化に焦点を当てた増強波であり動的な技術サポートおよびに空中ドローンや倉庫内のロボットなどの半制御環境における非構造化データの統計分析による情報交換が可能です。これも現在進行中で2020年代後半に成熟に達する可能性があります。自律波は肉体労働と手先の器用さが要求される作業の自動化とおよびに製造や輸送などの対応アクションが必要な動的な現実の状況での問題解決（例：無人車両）に焦点を当てています。これらの技術は既に開発中ですが、2030年代に経済全体のスケールで完全に成熟する可能性があります。 

労働市場の構造、教育とスキルのレベル、そして郡全体での政府の政策の違いの結果として、これら二つのコンポーネントの相対的な影響は国によって異なるため推定される自動化レベルに違いが生じ、四つのグループに分類できます。

産業型経済、例えば、ドイツ、スロバキア、イタリアでは、長期的には比較的高い自動化率が見られるでしょう。これらの国は通常比較的自動化可能なジョブによって特徴付けられ（OECD平均に対して）ており潜在的な自動化率の高い産業セクターに集中しています。

サービス支配型経済、例えば米国、英国、フランス、オランダでは平均して比較的自動化が可能な仕事が特徴ですが平均して産業部門よりも自動化が難しい傾向にあるサービス部門も集中しています。

アジア諸国、例えば日本、韓国、シンガポール、ロシア等は全体的に比較的自動化が難しい仕事をしていますが比較的高い潜在的自動化率の産業部門での雇用の集中度も比較的高いです。

北欧諸国、例えばフィンランド、スウェーデン、およびノルウェー（この地域外のニュージーランドとギリシャに加えて）には平均して比較的自動化が困難で潜在的な自動化率が比較的低い産業セクターの仕事があります。

Potential job automation rate by country across waves

Potential job at high risk of automation

Potential impacts by type of worker

Potential job at high risk of automation

ความแตกต่างของโครงสร้างตลาดแรงงาน, ระดับทักษะ, และการศึกษา, และนโยบายจากภาครัฐของแต่ละประเทศ องค์ประกอบที่มีความแตกต่างกันของแต่ละประเทศดังที่กล่าวมานี้ นำมาซึ่งความเหลื่อมล้ำของตัวเลขประมาณการณ์ของคลื่นออโตเมชันที่ต่างกัน จนสามารถแบ่งออกมาเป็น 4 กลุ่มดังต่อไปนี้

กลุ่มเศรษฐกิจอุตสาหกรรม ได้แก่ เยอรมนี สโลวาเกีย อิตาลี ซึ่งคาดว่าจะเห็นอัตราการทดแทนแรงงานด้วยระบบออโตเมชันอย่างสูงในระยะยาว ประเทศเหล่านี้มักถูกจัดอยู่ในกลุ่มเดียวกันเนื่องงานในตลาดมีลักษณะที่เหมาะต่อระบบออโตเมชัน และกลุ่มอุตสาหกรรมมีการกระจุกตัวอยู่สูงเหมาะจึงมีแนวโน้มที่จะมีอัตราการเปลี่ยนแปลงไปสู่ระบบออโตเมชันสูง

กลุ่มเศรษฐกิจบริการ ได้แก่ สหรัฐอเมริกา สหราชอาณาจักร ฝรั่งเศส และเนเธอร์แลนด์ มีตัวเลขจำนวนงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันในระดับปานกลาง และยังกระจุกตัวอยู่ในภาคการบริการซึ่งลักษณะงานยังไม่เข้าข่ายที่จะเปลี่ยนแปลงไปสู่ออโตเมชัน ดังนั้นอัตราการเปลี่ยนตรงนี้ยังน้อยกว่าค่าเฉลี่ยในภาคอุตสาหกรรมอื่น

กลุ่มเศษฐกิจเอเชีย ได้แก่ ญี่ปุ่น เกาหลีใต้ สิงคโปร์ และรัสเซีย มีงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันที่ยังน้อยอยู่ ทั้งที่มีการกระจุกตัวของการจ้างงานภาคอุตสาหกรรมต่างๆ อยู่สูง เช่นนี้แล้วจึงมีศักยภาพในการเปลี่ยนแปลงสู่ระบบออโตเมชันที่สูงมาก

กลุ่มเศรษฐกิจนอร์ดิก ได้แก่ ฟินแลนด์ สวีเดน และนอร์เวย์ มีงานที่เข้าข่ายการแทนที่ด้วยระบบออโตเมชันค่อนข้างต่ำในภาพรวม และมีศักยภาพในการเปลี่ยนแปลงสู่ระบบออโตเมชันค่อนข้างต่ำ

Potential impact across countries by employment shares and automatability of jobs

Relative impact from employment shares across industry e.g. manufacturing

Relative impact from the automatability of jobs e.g. educational job requirements

Potential impact of job automation over-time across the four country groups

Task automation across the three waves

The rank order of potential impact over-time across the four country groups

Task composition for manufacturing, financial and insurance, and education sectors

Potential impact of job automation over-time across workers by age group