ถ้าคุณกำลังเรียนสายคอมพิวเตอร์หรือเพิ่งเรียนจบ คงเคยสงสัยว่าบริษัทพัฒนา AI แถวหน้าอย่าง Anthropic ผู้สร้าง Claude เปิดรับคนเข้าทำงานแบบไหน ล่าสุดมีคำตอบชัดเจนจากรายงาน How employment is changing at Anthropic ที่ใช้ข้อมูลภายในองค์กรแทบครบทุกชุด พร้อมบทสัมภาษณ์พนักงานอีก 17 คน Anthropic จึงเป็นทั้งผู้เขียนรายงานและบริษัทที่รายงานศึกษาไปพร้อมกัน

รายงานชิ้นนี้เผยแพร่ในนาม The Anthropic Institute เมื่อวันที่ 16 ตุลาคม 2026 เขียนโดย Nathan Wilmers, Regina Catipon, Maxim Massenkoff และ Peter McCrory โดยรวบรวมข้อมูลอย่างละเอียด ตั้งแต่ตัวเลขการจ้างงานจริง สถิติการใช้งาน AI ผลงานที่วัดเป็นตัวเลขได้ ตารางนัดหมาย ไปจนถึงบันทึกการประเมินผลสัมภาษณ์งาน

แน่นอนว่าเมื่อ Anthropic เป็นบริษัทที่ขาย AI เอง เราก็ต้องอ่านข้อมูลเหล่านี้พร้อมเสียงค้าน แต่ปฏิเสธไม่ได้ว่านี่คือภาพที่ชัดเจนที่สุดว่า บริษัทที่ใช้ AI อย่างเข้มข้นเลือกคนทำงานด้วยเกณฑ์แบบไหนในปัจจุบัน

บริษัทโตขึ้น 3 เท่า แต่สัดส่วนการรับจูเนียร์สายเทคกลับลดลง

ข้อมูลสำคัญที่น่าจับตา คือสัดส่วนของพนักงานระดับเริ่มต้นหรือจูเนียร์ในสายเทคโนโลยี:

• สัดส่วนจูเนียร์ในฝ่ายเทคนิค ลดลงจาก 21% เหลือ 14% นับตั้งแต่ต้นปี 2025
• หากดูเฉพาะพนักงานใหม่ที่รับเข้ามาในสายเทคนิค สัดส่วนจูเนียร์ลดลงเร็วยิ่งกว่า คือลดจาก 27% เหลือเพียง 9% เท่านั้น
• การประกาศเปิดรับสมัครตำแหน่งจูเนียร์ลดลงอย่างเห็นได้ชัดตั้งแต่เดือนธันวาคม 2025
• ผลสำรวจในเดือนเมษายน 2026 พบว่า ผู้จัดการทีมพัฒนาโมเดล AI อย่าง Machine Learning ราว 1 ใน 3 และผู้จัดการทีมพัฒนาซอฟต์แวร์ ราว 1 ใน 5 ยอมรับว่ารับคนเข้าทีมลดลงเพราะ AI
• สัดส่วนของฝ่ายเทคนิคทั้งหมดในบริษัท ลดลงจาก 61% เหลือ 56% ในรอบปีที่ผ่านมา เนื่องจากบริษัทขยายฝ่ายขาย ฝ่ายการเงิน และทีมสรรหาบุคลากรเร็วกว่า
• รายได้ต่อพนักงานของ Anthropic ในช่วงที่บริษัทอายุครบ 5 ปี สูงกว่า Meta และ Google ถึง 2–4 เท่า เมื่อเทียบกับช่วงที่สองบริษัทนั้นเติบโตเร็วที่สุด

ตัวเลขชุดนี้อาจชวนให้เข้าใจผิดได้ง่าย เพราะคำว่าสัดส่วนจูเนียร์ลดลง ฟังดูเหมือนบริษัทกำลังเลิกจ้างคน ทั้งที่เป็นคนละเรื่องกัน

ความจริงคือ ในปีที่ผ่านมา Anthropic ขยายตัวใหญ่ขึ้นถึง 3 เท่า และยังรับพนักงานสายเทคนิคเพิ่มขึ้นเมื่อนับเป็นจำนวนคน สิ่งที่ลดลงมีเพียงสัดส่วนของจูเนียร์ในกลุ่มพนักงานใหม่เท่านั้น

เพื่อให้เห็นภาพง่ายขึ้น ทุก 100 คนที่รับเข้าทีมเทคนิค เดิมจะเป็นจูเนียร์ราว 27 คน แต่ตอนนี้เหลือเพียง 9 คน ส่วนอีก 91 คนไม่ใช่จูเนียร์

ชั่วโมงการทำงานของ AI Agent แซงหน้ามนุษย์ไปแล้ว

แล้วสัดส่วนจูเนียร์ที่ลดลงนี้เกี่ยวข้องกับ AI มากแค่ไหน? คำตอบอยู่ในข้อมูลการทำงานของ AI Agent หรือระบบ AI ที่รับโจทย์ไปทำงานต่อเนื่องหลายขั้นตอนได้เอง โดยไม่ต้องรอให้คนคอยสั่งทีละขั้นตอน

ในเดือนมีนาคม 2026 ชั่วโมงการทำงานรวมของ Agent แซงหน้าชั่วโมงการทำงานของมนุษย์เป็นครั้งแรก โดยตัวเลขนี้รวม Agent อัตโนมัติที่บริษัทปล่อยให้รันงานวิศวกรรมระบบขนาดใหญ่ด้วย

แต่ถ้านับเฉพาะ Agent ที่พนักงานแต่ละคนสั่งงานเอง พอถึงเดือนสิงหาคม ชั่วโมงทำงานรวมของ Agent กลุ่มนี้คิดเป็น 6 เท่าของชั่วโมงทำงานของพนักงาน แปลว่าทุก 1 ชั่วโมงที่คุณนั่งทำงาน Agent ที่คุณสั่งไว้ก็ทำงานไปพร้อมกันรวมแล้วถึง 6 ชั่วโมง

ปริมาณผลงานก็เพิ่มขึ้นตามอย่างเห็นได้ชัด จำนวน Commit หรือการบันทึกการแก้โค้ดต่อวิศวกร 1 คน พุ่งขึ้นเป็น 5 เท่าเมื่อเทียบกับช่วง 6 เดือนก่อนหน้า และเป็นตัวเลขที่โตเร็วที่สุดในบรรดาผลงานที่รายงานวัดไว้ ส่วนสายงานอื่นก็ขยับขึ้นเช่นกัน เช่น ทีมกฎหมายจัดการสัญญาได้มากขึ้น และฝ่ายขายก็ปิดดีลได้มากขึ้น

รายงานยังพบอีกว่า การจ้างจูเนียร์ชะลอตัวลงในกลุ่มงานที่ใช้ Claude จัดการเรื่องที่ซับซ้อนที่สุด แต่นี่เป็นเพียงข้อสังเกตจากข้อมูลเชิงสถิติ ยังสรุปไม่ได้ว่า AI เป็นต้นเหตุโดยตรง

คำถามที่ตามมาทันทีคือ โค้ดที่เพิ่มขึ้นมหาศาลนั้นมีคุณภาพจริงหรือไม่? รายงานจึงเปรียบเทียบโค้ดของวิศวกรคนเดียวกัน ในเดือนเดียวกัน และในโฟลเดอร์เดียวกัน ระหว่างส่วนที่ Agent เขียน กับส่วนที่วิศวกรเขียนเอง ผลปรากฏว่า อัตราการลบทิ้งหรือ revert โค้ดในภายหลัง ไม่ได้แตกต่างกันเลย

ถึงอย่างนั้น Anthropic ก็ระบุข้อควรระวังในการตีความตัวเลขเหล่านี้ไว้เองหลายข้อ เช่น

• คนที่เลือกใช้ Agent ไม่ได้มาจากการสุ่ม พนักงานที่กำลังจะเริ่มโปรเจกต์ใหญ่อาจเป็นคนที่มองหาเครื่องมือมาช่วยก่อน ตัวเลขจึงอาจเอนเอียง
• วิศวกรที่เริ่มปล่อยให้ Agent ทำงานอัตโนมัติเต็มรูปแบบ มีผลงานพุ่งขึ้นมาตั้งแต่ก่อนเริ่มใช้อยู่แล้ว เมื่อเทียบกับคนที่ไม่ใช้
• คุณภาพโค้ดมีหลายมิติ ข้อผิดพลาดจาก AI อาจตรวจจับได้ยากกว่าข้อผิดพลาดของมนุษย์ และโค้ดที่มากขึ้นไม่ได้แปลว่าระบบจะดีขึ้นหรือตอบโจทย์ธุรกิจเสมอไป

คอขวดใหม่คือเวลาและสมาธิของมนุษย์

เมื่อ Agent ผลิตงานได้เร็วขนาดนี้ คอขวดกลับกลายเป็นเวลาของมนุษย์ที่ต้องคอยอ่านและตรวจสอบผลลัพธ์

ในการพูดคุยสั่งงาน Claude แต่ละรอบ เวลาประมาณ 80% คือช่วงที่ Agent ต้องหยุดรอให้มนุษย์พิมพ์ตอบ

ถ้าพนักงานต้องอ่านทุกอย่างที่ Claude เขียนออกมาให้ครบทุกรอบ จะต้องใช้เวลาเกินครึ่งสัปดาห์การทำงาน และปัญหานี้เกิดขึ้นแม้แต่กับพนักงานที่ไม่ใช่สายเทคนิค

วิศวกรคนหนึ่งเปรียบความรู้สึกนี้กับการดูแลเด็ก เหมือนมีเด็กคนหนึ่งวิ่งมาร้องให้ช่วยเปิดกล่องน้ำผลไม้อย่างตื่นตระหนก ราวกับเป็นเรื่องคอขาดบาดตายไม่ต่างจากเด็กอีกคนที่มีแผลเลือดไหล ซึ่ง Claude แต่ละตัวก็เรียกร้องความสนใจจากเราแบบเดียวกัน คือทำเหมือนทุกเรื่องด่วนเท่ากันหมด

ทางออกที่พนักงานใช้คือวางระบบให้ Agent ประสานงานกันเองได้มากขึ้น แต่การวางระบบแบบนี้ก็กลายเป็นงานอีกแบบที่เพิ่มเข้ามา:

• คำสั่งประจำที่เขียนเก็บไว้ให้ Agent ทำตาม เพิ่มขึ้นจากหลักร้อยข้อในเดือนกรกฎาคม 2025 เป็น 8,500 ข้อในอีกหนึ่งปีต่อมา
• Meta-work หรืองานดูแลจัดการตัว Agent เอง มีสัดส่วนเพิ่มจาก 10% เป็น 22% ของรอบการสั่งงานทั้งหมดภายในราวครึ่งปี งานกลุ่มนี้ได้แก่ การเขียนข้อกำหนดให้ Agent หลายตัวทำงานพร้อมกัน การตั้งค่าให้ Agent ตัวหนึ่งคอยตรวจงานของอีกตัว และการเฝ้าดูระบบอัตโนมัติที่ Agent ส่งต่องานกันเป็นทอด ๆ
• เมื่อดูค่ามัธยฐาน พนักงานใช้เวลาประชุมเพิ่มขึ้น 20% จากปีก่อนหน้า ส่วนหนึ่งมาจากบริษัทที่ใหญ่ขึ้น และตำแหน่งสายธุรกิจที่ไม่ใช่งานเทคนิคซึ่งต้องประชุมประสานงานกันมากขึ้น

พนักงานสายธุรกิจคนหนึ่งสรุปภาพการทำงานที่เปลี่ยนไปว่า "that 20% that was strategic becomes 90% of the job" หรือแปลว่างานที่ต้องคิดเชิงกลยุทธ์ ซึ่งเดิมกินเวลาแค่ 20% ตอนนี้กลายเป็น 90% ของงานทั้งหมด

ถ้าอยากเห็นภาพนี้ชัดขึ้นจากมุมของนักพัฒนาซอฟต์แวร์ที่ต้องคุม Agent หลายตัวพร้อมกัน อ่านต่อได้ที่ เมื่อความสนใจของ dev กลายเป็นคอขวด

ผู้จัดการ Anthropic ให้น้ำหนักอะไรมากกว่าความเชี่ยวชาญเฉพาะด้าน

เมื่อเนื้องานเปลี่ยนไป เกณฑ์ในการคัดเลือกคนก็เปลี่ยนตาม ผลสำรวจในเดือนเมษายน 2026 พบว่า ผู้จัดการส่วนใหญ่กำลังมองหาทักษะที่ต่างไปจากเดิมเพราะ AI

เพื่อดูว่าเกณฑ์เปลี่ยนไปอย่างไร ผู้เขียนรายงานใช้ระบบอัตโนมัติอ่านใบบันทึกคะแนนสัมภาษณ์งานของผู้สมัครหลายพันคนที่บริษัทจ้างเข้ามาตั้งแต่ปี 2024

จุดที่เปลี่ยนไปชัดเจนที่สุด คือเรื่องผลงานการนำเครื่องมือ AI มาประยุกต์ใช้อย่างสร้างสรรค์ ในปี 2024 ผู้จัดการแทบไม่แตะเรื่องนี้ โดยพูดถึงเพียง 5% ในใบประเมินสายเทคนิค และ 7% ในสายงานอื่น พอถึงปี 2026 ตัวเลขนี้เพิ่มขึ้นเป็น 3 เท่าในสายเทคนิค และเพิ่มขึ้นถึง 4 เท่าในสายงานอื่น

สำหรับสายเทคนิค เรื่องที่ผู้จัดการพูดถึงเพิ่มขึ้นมากที่สุดมี 2 เรื่อง เรื่องแรกคือการทำงานได้ด้วยตัวเองโดยไม่ต้องมีคนคอยประกบอย่าง Autonomy เรื่องที่สองคือ Judgment หรือวิจารณญาณในการตัดสินใจว่างานไหนควรทำ และควรทำด้วยวิธีใด

ในทางกลับกัน ความเชี่ยวชาญเฉพาะด้านแคบ ๆ มีน้ำหนักลดลง แต่ไม่ได้แปลว่าไม่สำคัญ เพียงแต่มีสัดส่วนลดลงเมื่อเทียบกับทักษะด้านอื่น

ผู้จัดการคนหนึ่งอธิบายเหตุผลว่า เขาคาดว่าโมเดล AI จะยังเก่งไม่สม่ำเสมอในแต่ละด้านต่อไป ทีมจึงต้องการคนที่สลับไปทำงานได้หลากหลาย ด้านไหนที่โมเดลยังทำได้ไม่ดี ทีมก็ต้องมีคนที่พร้อมเข้าไปรับช่วงต่อและจัดการงานตรงนั้นได้

ฝั่งสายงานที่ไม่ใช่เทคนิคก็ขยับไปในทิศทางเดียวกัน สรุปเปรียบเทียบได้ดังนี้:

เสียงค้านต่อตัวเลขจากบริษัทที่ขาย AI เอง

เมื่อรายงานเผยแพร่ออกมา ก็มีคนนำไปเปิดประเด็นพูดคุยกันต่อใน กระทู้ Hacker News เว็บบอร์ดที่นักพัฒนาทั่วโลกใช้แลกเปลี่ยนความคิดเห็น

มีคนในกระทู้ตั้งข้อสังเกตว่า ถ้าไม่มีจูเนียร์ใหม่ ในอนาคตจะเอาซีเนียร์หน้าใหม่มาจากไหน ขณะที่อีกคนมองว่า รายงานจากบริษัทที่ขาย AI เองนั้น แยกยากว่าตรงไหนคืองานวิจัยจริง และตรงไหนคือการโฆษณา

แต่ก็มีผู้ใช้อีกฝั่งตอบกลับว่า อย่างน้อยตัวเลขนี้ก็ใช้เป็นเพดานได้ ถ้าขนาด Anthropic เองยังเห็นรายได้เพิ่มขึ้นจากการใช้ AI แค่ 2–4 เท่า ใครที่อ้างว่าใช้ AI แล้วสร้างผลงานได้มากขึ้น 10 เท่าหรือ 100 เท่า ก็ชวนให้สงสัย

มีคนอีกกลุ่มมองว่า การวัดผลงานด้วยจำนวน Commit หรือปริมาณโค้ดเป็นวิธีที่ผิด เพราะโค้ดทุกบรรทัดคือภาระที่ต้องดูแลรักษาในระยะยาว ไม่ใช่สิ่งที่ควรนำมาอวด ข้อนี้ตรงกับข้อควรระวังที่ Anthropic ระบุไว้เอง

นอกจากนี้ ยังมีความเห็นที่ชี้ว่า ขนาดและความเร็วในการเติบโตของ Anthropic แตกต่างจากบริษัททั่วไปมาก สถิติของที่นี่จึงอาจนำไปเปรียบเทียบกับองค์กรอื่นตรง ๆ ไม่ได้

ขณะเดียวกัน บางคนมองว่าการแบ่งคนด้วยคำว่าจูเนียร์หรือซีเนียร์อาจใช้ไม่ได้ผลอีกต่อไป ผู้รับสมัครนักพัฒนาคนหนึ่งเล่าว่า เขาเคยเจอทั้งซีเนียร์ที่ใช้ Agent ได้แย่มาก และเด็กจบใหม่ที่สั่งการ Agent จนทำงานได้เทียบเท่าคนนับร้อย สิ่งที่เขามองหาในตอนนี้จึงมี 3 ข้อ คือ ความใฝ่รู้และเรียนรู้เรื่องใหม่ได้เร็ว ความสามารถในการคุมและประสานงาน Agent และการสื่อสารความคิดให้ชัดเจน ถึงอย่างนั้น ก็มีคนเข้ามาแย้งว่า ช่องว่างทางประสบการณ์ระหว่างจูเนียร์กับซีเนียร์ตัวจริงยังคงมีอยู่

ประเด็นที่น่าคิดที่สุดกลับมาจากตัวรายงานเอง โดย Anthropic ระบุว่าบริษัทมีมาตรการรองรับ 3 ด้าน คือ การจัดสรรหุ้นให้พนักงานอย่างทั่วถึง ระบบเตือนล่วงหน้าหากตำแหน่งใดกำลังจะเปลี่ยนไปเพราะ AI และการให้ความสำคัญกับการย้ายพนักงานภายในองค์กรก่อน

แต่รายงานก็ยอมรับตามตรงว่า ไม่มีมาตรการข้อไหนแก้ปัญหาการรับจูเนียร์ลดลงได้โดยตรง เพราะการปกป้องคนที่อยู่ในบริษัท ไม่ได้ช่วยคนที่ยังไม่เคยได้โอกาสเข้ามาตั้งแต่แรก ยิ่งไปกว่านั้น การสัญญาว่าจะดูแลย้ายสายงานให้พนักงานเดิม อาจยิ่งทำให้นายจ้างลังเลที่จะเสี่ยงเปิดรับคนใหม่เข้ามาเพิ่ม

ถ้าคุณเป็นจูเนียร์ เริ่มจาก 4 เรื่องนี้

เมื่อนำรายงานวิจัยและความเห็นจากชุมชนนักพัฒนามาประมวลรวมกัน จะได้แนวทาง 4 ข้อที่นักศึกษาและจูเนียร์ควรนำไปปรับใช้:

1. สร้างผลงานที่แสดงว่าคุณใช้ AI ได้อย่างมีชั้นเชิง: เพราะผู้จัดการที่ Anthropic พูดถึงเรื่องนี้เพิ่มขึ้นถึง 3–4 เท่า เวลาใส่ลงในพอร์ตโฟลิโอ ไม่ใช่แค่บอกว่าใช้ AI ช่วยเขียนโค้ด แต่ต้องอธิบายได้ว่าคุณแบ่งงานให้ Agent อย่างไร และตรวจสอบผลลัพธ์ที่ได้กลับมาด้วยวิธีไหน
2. อธิบายเหตุผลเบื้องหลังการตัดสินใจในทุกโปรเจกต์: ต้องบอกให้ชัดว่าคุณเลือกวิธีไหนและเลือกด้วยเหตุผลอะไร เพราะวิจารณญาณในการตัดสินใจคือหนึ่งในทักษะที่ผู้จัดการสายเทคนิคให้ความสำคัญเพิ่มขึ้นมากที่สุด ตัวอย่างง่าย ๆ อาจเป็นการเขียนสั้น ๆ ไว้ในไฟล์ README ที่ใช้อธิบายโปรเจกต์ ว่าทำไมคุณถึงเลือกวิธีนี้แทนอีกวิธี
3. ฝึกอ่านและตรวจสอบผลงานของ Agent ให้เร็ว: เพราะคอขวดที่แท้จริงคือเวลาของมนุษย์ ข้อมูลระบุว่า 80% ของเวลาในแต่ละรอบคือช่วงที่ Agent นั่งรอให้คนตอบ ถ้าคุณอ่านแล้วตัดสินใจได้เร็วว่างานไหนผ่าน งานไหนต้องแก้ ก็ไม่ต้องปล่อยให้ Agent เสียเวลารอนาน
4. อย่าจำกัดตัวเองอยู่กับทักษะแคบ ๆ เพียงด้านเดียว: ผู้จัดการต้องการคนที่พร้อมสลับไปทำงานได้หลากหลาย ส่วนผู้รับสมัครงานก็ให้ความสำคัญกับความใฝ่รู้เป็นอันดับแรก ทั้งสองมุมต่างชี้ไปในทางเดียวกัน

สำหรับคนที่สงสัยว่าจะใช้ AI อย่างไรเพื่อไม่ให้มันมาคิดแทนเรา อ่านเพิ่มเติมได้ที่ คำเตือนถึง dev มือใหม่เรื่อง AI และถ้าคุณเป็นหัวหน้าทีมที่กำลังคิดจะหยุดรับจูเนียร์เข้าทีม แนะนำให้อ่าน ต้นทุนของการหยุดจ้าง junior engineer ก่อนตัดสินใจ

คำถามที่ว่า AI จะแย่งงานจูเนียร์ไหม อาจเป็นการถามผิดจุด ในวันที่ Agent เขียนงานออกมาได้เร็วจนคนอ่านไม่ทัน งานของจูเนียร์ยุคนี้ไม่ใช่แค่การเขียนโค้ดอีกต่อไป แต่คือการตัดสินใจ

---

ที่มา:

• เอกสารทางการของ Anthropic
• กระทู้ How employment is changing at Anthropic บน Hacker News