Roongkiat Ratanabanchuen
Yesterday
·
ช่วงไม่กี่วันที่ผ่านมา มีข่าว 2 เรื่องที่ดูเหมือนไม่เกี่ยวกัน แต่ในฐานะอาจารย์การเงิน ผมกลับคิดว่ามันกำลังบอกเราเรื่องเดียวกัน
เรื่องแรกคือ Microsoft
บริษัทเพิ่งเปิด voluntary exit offer ให้พนักงานที่เข้าเกณฑ์ประมาณ 60,000 คน หรือราว 27% ของพนักงานทั่วโลก เลือกออกจากบริษัทได้ ขณะเดียวกันบริษัทกำลังลงทุนมหาศาลในโครงสร้างพื้นฐานด้าน AI
สิ่งที่น่าสนใจสำหรับผมคือ “ทิศทางของการจัดสรรทรัพยากรระหว่าง Human Capital กับ AI/Technology”
และมันทำให้ผมนึกถึงอีกข่าวหนึ่ง
Bill Ackman นักลงทุนและศิษย์เก่าของ Harvard University ตั้งคำถามถึง ROI ของการเรียนมหาวิทยาลัยในยุคที่ค่าเล่าเรียนและหนี้การศึกษาสูง ขณะที่ AI กำลังเปลี่ยนทั้งการศึกษาและตลาดแรงงานอย่างรวดเร็ว เขาถึงกับบอกว่า
“The old model of universities needs to be completely rethought.”
ผมไม่เชื่อว่า “AI ทำให้เราไม่ต้องไปมหาวิทยาลัยแล้ว”**
ตรงกันข้าม...
ผมคิดว่า AI อาจทำให้เราต้องกลับมาให้ความสำคัญกับการศึกษาพื้นฐานมากกว่าเดิมด้วยซ้ำ
แต่สิ่งที่ต้องเปลี่ยนคือ Social Contract ระหว่าง University, Employer และ Student
---
## มหาวิทยาลัยในอดีตไม่ได้ผลิต “คนทำงานเป็น”
ระบบเดิมจริง ๆ อยู่บนกลไกที่
University ผลิต “คนที่น่าจะเรียนรู้ได้” ไม่จำเป็นต้องทำงานเป็น
↓
Employer รับเข้ามาแล้วให้ Training + Junior Work + Mentoring
↓
Employee ผ่านไป 3-5 ปีกลายเป็น Experienced Professional
นี่คือระบบที่ทำงานมานานมาก
บริษัทไม่ได้คาดหวังให้เด็กจบใหม่ทำงานเป็นทุกอย่างตั้งแต่วันแรก
ชื่อมหาวิทยาลัย เกรด และ degree ทำหน้าที่เป็น **signal**
มันกำลังบอกนายจ้างว่า
> “เด็กคนนี้อาจยังทำงานไม่เป็น แต่ผ่านการคัดเลือก เรียนเรื่องยาก ๆ ได้ มีวินัย และน่าจะ train ได้”
บริษัทจึงกล้าลงทุนกับเขา
---
แต่ AI กำลังทำลาย social contract นี้ แบบเงียบ ๆ
ลองคิดถึงงานของเด็กจบใหม่
Junior analyst
Junior programmer
Junior consultant
Research assistant
Junior accountant
งานจำนวนมากที่เด็กเหล่านี้เคยทำ มีลักษณะสำคัญอย่างหนึ่ง
**เขาทำงานไปพร้อมกับการเรียนรู้**
การทำ Excel
เขียน first draft
หาข้อมูล
ทำ presentation
เขียน basic code
ทำ preliminary analysis
ทั้งหมดสร้าง productivity ให้บริษัท
แต่ในเวลาเดียวกันก็เป็น training ground ของคนรุ่นใหม่
แล้วจะเกิดอะไรขึ้น ถ้า AI เริ่มทำงานส่วนหนึ่งเหล่านี้ได้เร็วและถูกกว่ามนุษย์?
บริษัทอาจไม่ได้ถามว่า
“AI จะแทนพนักงานทั้งหมดได้ไหม?” แต่ถามว่า
“ทำไมผมต้องจ้างคนที่ยังทำงานไม่เป็น แล้วใช้เวลาอีก 2-3 ปี train เขา ถ้า AI ทำงาน junior จำนวนมากได้แล้ว?”
ตรงนี้ต่างหากที่ผมกังวล
---
ผมเรียกปัญหานี้ว่า “The Experience Paradox”
ตลาดแรงงานในอนาคตอาจบอกเด็กว่า เราต้องการคนมีประสบการณ์
แต่บริษัทเองกลับพูดว่า เราไม่ต้องการเสียเวลาและต้นทุนสร้างประสบการณ์ให้คุณ
ดังนั้น ไม่มีประสบการณ์ → ไม่มีใครจ้าง**
แต่
ไม่มีใครจ้าง → ไม่มีทางสร้างประสบการณ์**
แล้ว “คนมีประสบการณ์รุ่นต่อไป” จะมาจากไหน?
---
# เพราะฉะนั้น ผมไม่เห็นด้วยกับคำตอบง่าย ๆ ที่ว่า “ลดเวลาเรียนมหาวิทยาลัยเสีย”
ตรงกันข้าม
ผมคิดว่า 3 ปีแรกของมหาวิทยาลัยอาจยิ่งสำคัญขึ้น
เพราะการใช้ AI เก่ง ไม่ได้แปลว่า prompt เก่ง
คุณจะถามคำถามที่ดีได้อย่างไร ถ้าไม่เข้าใจเรื่องนั้น?
คุณจะรู้ได้อย่างไรว่า AI ตอบผิด ถ้าคุณไม่มี foundation?
คุณจะ challenge assumption อย่างไร ถ้าไม่มี conceptual framework?
คุณจะตัดสินใจอย่างไร ถ้าไม่เข้าใจ economics, statistics, history, psychology หรือปรัชญาที่อยู่ข้างหลัง?
มีงานวิชาการที่กำลังเตือนถึงความเสี่ยงเช่นนี้ โดยเสนอว่า AI อาจเป็น cognitive extension ที่ทรงพลัง แต่การพึ่งคำตอบของ AI โดยไม่มี foundational knowledge ภายในที่แข็งแรง อาจบั่นทอน intellectual judgement ของผู้เรียนได้
ดังนั้น
**AI ไม่ได้ทำให้ Foundational Knowledge สำคัญน้อยลง แต่อาจทำให้ Foundational Knowledge สำคัญมากขึ้น**
เพราะมนุษย์ไม่จำเป็นต้องรู้เพื่อแข่งขัน “ตอบคำถาม” กับ AI
แต่ต้องรู้มากพอที่จะ ตั้งคำถาม ตรวจสอบ วิจารณ์ และรับผิดชอบต่อคำตอบของ AI
---
# ดังนั้น ถ้าให้ผมออกแบบมหาวิทยาลัยใหม่ ผมจะเสนอโมเดล “3+2”
## 3 ปีแรก: Build the Mind
เรียน Foundation ให้ลึกจริง ๆ
ไม่ใช่รีบสอนเครื่องมือที่กำลัง popular วันนี้
แต่สร้าง
- Disciplinary Knowledge
- Quantitative Reasoning
- Critical Thinking
- Economics & Institutions
- History & Human Behaviour
- Ethics
- Communication
- Research
- Epistemic Thinking
- AI Literacy
เป้าหมายของ 3 ปีนี้คือ
“I know. I understand. I can think.”
---
# แล้วเพิ่มอีก 2 ปี: Build the Professional
ตรงนี้ผมคิดว่ามหาวิทยาลัยต้องเปลี่ยนอย่าง radical
เราไม่ควรส่งเด็กให้บริษัทตอนอายุ 22 ปี แล้วบอกว่า
“เด็กคนนี้เรียนเก่ง ฝากบริษัทช่วย train ต่อด้วย”
มหาวิทยาลัยควรรับผิดชอบมากกว่านั้น
สองปีหลังควรกลายเป็น
Capability + Experience Credential
บริษัทนำ **ปัญหาจริง** เข้ามา
ไม่ใช่ case ที่มี answer key อยู่ท้ายหนังสือ
เช่น
> บริษัทควรซื้อกิจการนี้ไหม?
> ธนาคารควรให้สินเชื่อบริษัทนี้หรือไม่?
> กองทุนควรลงทุนในหุ้นตัวนี้หรือเปล่า?
> บริษัทควรเข้าสู่ตลาดใหม่อย่างไร?
> จะออกแบบ AI workflow เพื่อลดต้นทุนกระบวนการนี้อย่างไร?
แล้วสร้างทีม
### Student + Professor + Industry Expert + AI
ให้แก้ปัญหาร่วมกัน
แนวคิด Work-Integrated Learning ในปัจจุบันก็ให้ความสำคัญกับ authentic work-focused experience ที่มีสถาบันการศึกษา นักศึกษา และ external stakeholder ร่วมกันอยู่แล้ว
แต่ผมอยากไปไกลกว่านั้น
อย่าให้ internship เป็นเพียงส่วนประกอบของ Degree
ให้ Experience กลายเป็นอีกครึ่งหนึ่งของการสร้าง Professional
---
# เมื่อเรียนจบ เด็กไม่ควรถือแค่ Transcript
ดังนั้นนักศึกษาควรเรียนจบพร้อม
Verified Capability Portfolio
ไม่ใช่เพียงบอกว่าเรียนอะไรมา
แต่แสดงว่า
เคยแก้ปัญหาจริงอะไร
ทำ Industry Projects อะไร
ใช้ AI ทำงานอย่างไร
ตัดสินใจภายใต้ uncertainty อย่างไร
ทำงานร่วมกับคนอื่นอย่างไร
และผู้เชี่ยวชาญภายนอกประเมินผลงานว่าอย่างไร
Degree จึงควรเปลี่ยนจาก
**Evidence of Education**
ไปเป็น
**Evidence of Knowledge + Evidence of Capability + Evidence of Experience**
---
# และตรงนี้ทำให้ผมเห็นอนาคตของมหาวิทยาลัยต่างจากตอนแรก
ผมไม่คิดว่ามหาวิทยาลัยชั้นนำจะรอดเพียงเพราะมี Brand
ผมไม่คิดว่า Network อย่างเดียวเพียงพอ เพราะ network สามารถสร้างผ่าน professional communities, executive programmes หรือ private platforms ได้
และผมไม่คิดว่า Knowledge เป็น moat อีกแล้ว เพราะ AI ทำให้การเข้าถึง information มีต้นทุนต่ำลงมหาศาล
**Moat ใหม่ของมหาวิทยาลัยต้องเป็นความสามารถในการเปลี่ยนเด็กอายุ 18 ปี ให้กลายเป็นคนอายุ 23 ปีที่ทั้ง “คิดเป็น” และ “สร้าง Value ได้”**
https://www.facebook.com/roongkiat/posts/10168409409099447
.....
Arin Krachaiwong
อ่านจนจบนะครับ
อ่านแล้วรุ้สึกหดหู่มาก ทึ่เทคโนโลยี + ทุนนิยม ไม่ได้ทำให้มนุษย์มีความสุขมากขึ้น หรือมีเวลามากขึ้น กลับต้องดิ้นรนเอาตัวรอดยิ่งกว่าเดิม
ใน gen ที่กำลังทำงานอยู่แล้ว เมื่อมี Ai ทำให้งานเร็วขึ้น บริษัทจะ expect ทันทีว่าคุณจะทำงานได้มากขึ้ยเป็นสามเท่า สั่งวันนี้จะเอาพรุ่งนี้ สั่งเช้านี้จะเอาตอนบ่ายก็น่าจะไหว และเห็นความเป็นมนุษย์น้อยลง งานเสร็จเร็วขึ้นจะทำคนมีเวลามากชึ้นเหมือนเป็นคำหลอกหลวง > เวลาที่มากขึ้นคงจะหมายถึง บริษัทให้ออกมาเลย เพราะไม่ต้องการคนทำงานเยอะขนาดนั้นแล้วมากกว่า สิ่งเหล่านี่เกิดขึ้นเร็ว และรุนแรงยิ่งกว่ายุคไหนๆ ในประวัติศาสตร์มนุษย์
โลกอนุญาตให้คนไร้เดียงสา ได้ใช้ชีวิตปกติน้อยลงทุกวัน นอกจากกับ gen ที่ทำงานเเล้ว สิ่งที่เกิดขึ้นยังกำลังพรากชีวิตวัยรุ่นไปจากทุกคน รวมถึง ความกดดันที่จะถาโถมเข้าใส่เด็กรุ่นใหม่ๆ ที่ไม่มีพื้นที่ว่างให้กับคนกลางๆ อีกต่อไป ทุกคนต้องเก่งเท่านั้น อย่างน้อยต้องเก่งในระดับที่เท่าทัน Ai ได้ ซึ่งย่อมหมายถึง การเริ่มต้นสร้าง awareness ตั้งแต่อายุน้อยลงไปเรื่อยๆ ซึ่งก็มากกว่าสิ่งที่สังคมโลกในอดีตที่๋ผ่านมาทุกยุคร้องขอจากคนคนนึงแล้ว
คนเราไม่สามารถใช้ชีวิตใน pace ธรรมดาเเล้วจะรอดอีกต่อไป สภาพเป็นหนูปั่นจักรที่ต้อง productive ตลอดชีวิต
·
ช่วงไม่กี่วันที่ผ่านมา มีข่าว 2 เรื่องที่ดูเหมือนไม่เกี่ยวกัน แต่ในฐานะอาจารย์การเงิน ผมกลับคิดว่ามันกำลังบอกเราเรื่องเดียวกัน
เรื่องแรกคือ Microsoft
บริษัทเพิ่งเปิด voluntary exit offer ให้พนักงานที่เข้าเกณฑ์ประมาณ 60,000 คน หรือราว 27% ของพนักงานทั่วโลก เลือกออกจากบริษัทได้ ขณะเดียวกันบริษัทกำลังลงทุนมหาศาลในโครงสร้างพื้นฐานด้าน AI
สิ่งที่น่าสนใจสำหรับผมคือ “ทิศทางของการจัดสรรทรัพยากรระหว่าง Human Capital กับ AI/Technology”
และมันทำให้ผมนึกถึงอีกข่าวหนึ่ง
Bill Ackman นักลงทุนและศิษย์เก่าของ Harvard University ตั้งคำถามถึง ROI ของการเรียนมหาวิทยาลัยในยุคที่ค่าเล่าเรียนและหนี้การศึกษาสูง ขณะที่ AI กำลังเปลี่ยนทั้งการศึกษาและตลาดแรงงานอย่างรวดเร็ว เขาถึงกับบอกว่า
“The old model of universities needs to be completely rethought.”
ผมไม่เชื่อว่า “AI ทำให้เราไม่ต้องไปมหาวิทยาลัยแล้ว”**
ตรงกันข้าม...
ผมคิดว่า AI อาจทำให้เราต้องกลับมาให้ความสำคัญกับการศึกษาพื้นฐานมากกว่าเดิมด้วยซ้ำ
แต่สิ่งที่ต้องเปลี่ยนคือ Social Contract ระหว่าง University, Employer และ Student
---
## มหาวิทยาลัยในอดีตไม่ได้ผลิต “คนทำงานเป็น”
ระบบเดิมจริง ๆ อยู่บนกลไกที่
University ผลิต “คนที่น่าจะเรียนรู้ได้” ไม่จำเป็นต้องทำงานเป็น
↓
Employer รับเข้ามาแล้วให้ Training + Junior Work + Mentoring
↓
Employee ผ่านไป 3-5 ปีกลายเป็น Experienced Professional
นี่คือระบบที่ทำงานมานานมาก
บริษัทไม่ได้คาดหวังให้เด็กจบใหม่ทำงานเป็นทุกอย่างตั้งแต่วันแรก
ชื่อมหาวิทยาลัย เกรด และ degree ทำหน้าที่เป็น **signal**
มันกำลังบอกนายจ้างว่า
> “เด็กคนนี้อาจยังทำงานไม่เป็น แต่ผ่านการคัดเลือก เรียนเรื่องยาก ๆ ได้ มีวินัย และน่าจะ train ได้”
บริษัทจึงกล้าลงทุนกับเขา
---
แต่ AI กำลังทำลาย social contract นี้ แบบเงียบ ๆ
ลองคิดถึงงานของเด็กจบใหม่
Junior analyst
Junior programmer
Junior consultant
Research assistant
Junior accountant
งานจำนวนมากที่เด็กเหล่านี้เคยทำ มีลักษณะสำคัญอย่างหนึ่ง
**เขาทำงานไปพร้อมกับการเรียนรู้**
การทำ Excel
เขียน first draft
หาข้อมูล
ทำ presentation
เขียน basic code
ทำ preliminary analysis
ทั้งหมดสร้าง productivity ให้บริษัท
แต่ในเวลาเดียวกันก็เป็น training ground ของคนรุ่นใหม่
แล้วจะเกิดอะไรขึ้น ถ้า AI เริ่มทำงานส่วนหนึ่งเหล่านี้ได้เร็วและถูกกว่ามนุษย์?
บริษัทอาจไม่ได้ถามว่า
“AI จะแทนพนักงานทั้งหมดได้ไหม?” แต่ถามว่า
“ทำไมผมต้องจ้างคนที่ยังทำงานไม่เป็น แล้วใช้เวลาอีก 2-3 ปี train เขา ถ้า AI ทำงาน junior จำนวนมากได้แล้ว?”
ตรงนี้ต่างหากที่ผมกังวล
---
ผมเรียกปัญหานี้ว่า “The Experience Paradox”
ตลาดแรงงานในอนาคตอาจบอกเด็กว่า เราต้องการคนมีประสบการณ์
แต่บริษัทเองกลับพูดว่า เราไม่ต้องการเสียเวลาและต้นทุนสร้างประสบการณ์ให้คุณ
ดังนั้น ไม่มีประสบการณ์ → ไม่มีใครจ้าง**
แต่
ไม่มีใครจ้าง → ไม่มีทางสร้างประสบการณ์**
แล้ว “คนมีประสบการณ์รุ่นต่อไป” จะมาจากไหน?
---
# เพราะฉะนั้น ผมไม่เห็นด้วยกับคำตอบง่าย ๆ ที่ว่า “ลดเวลาเรียนมหาวิทยาลัยเสีย”
ตรงกันข้าม
ผมคิดว่า 3 ปีแรกของมหาวิทยาลัยอาจยิ่งสำคัญขึ้น
เพราะการใช้ AI เก่ง ไม่ได้แปลว่า prompt เก่ง
คุณจะถามคำถามที่ดีได้อย่างไร ถ้าไม่เข้าใจเรื่องนั้น?
คุณจะรู้ได้อย่างไรว่า AI ตอบผิด ถ้าคุณไม่มี foundation?
คุณจะ challenge assumption อย่างไร ถ้าไม่มี conceptual framework?
คุณจะตัดสินใจอย่างไร ถ้าไม่เข้าใจ economics, statistics, history, psychology หรือปรัชญาที่อยู่ข้างหลัง?
มีงานวิชาการที่กำลังเตือนถึงความเสี่ยงเช่นนี้ โดยเสนอว่า AI อาจเป็น cognitive extension ที่ทรงพลัง แต่การพึ่งคำตอบของ AI โดยไม่มี foundational knowledge ภายในที่แข็งแรง อาจบั่นทอน intellectual judgement ของผู้เรียนได้
ดังนั้น
**AI ไม่ได้ทำให้ Foundational Knowledge สำคัญน้อยลง แต่อาจทำให้ Foundational Knowledge สำคัญมากขึ้น**
เพราะมนุษย์ไม่จำเป็นต้องรู้เพื่อแข่งขัน “ตอบคำถาม” กับ AI
แต่ต้องรู้มากพอที่จะ ตั้งคำถาม ตรวจสอบ วิจารณ์ และรับผิดชอบต่อคำตอบของ AI
---
# ดังนั้น ถ้าให้ผมออกแบบมหาวิทยาลัยใหม่ ผมจะเสนอโมเดล “3+2”
## 3 ปีแรก: Build the Mind
เรียน Foundation ให้ลึกจริง ๆ
ไม่ใช่รีบสอนเครื่องมือที่กำลัง popular วันนี้
แต่สร้าง
- Disciplinary Knowledge
- Quantitative Reasoning
- Critical Thinking
- Economics & Institutions
- History & Human Behaviour
- Ethics
- Communication
- Research
- Epistemic Thinking
- AI Literacy
เป้าหมายของ 3 ปีนี้คือ
“I know. I understand. I can think.”
---
# แล้วเพิ่มอีก 2 ปี: Build the Professional
ตรงนี้ผมคิดว่ามหาวิทยาลัยต้องเปลี่ยนอย่าง radical
เราไม่ควรส่งเด็กให้บริษัทตอนอายุ 22 ปี แล้วบอกว่า
“เด็กคนนี้เรียนเก่ง ฝากบริษัทช่วย train ต่อด้วย”
มหาวิทยาลัยควรรับผิดชอบมากกว่านั้น
สองปีหลังควรกลายเป็น
Capability + Experience Credential
บริษัทนำ **ปัญหาจริง** เข้ามา
ไม่ใช่ case ที่มี answer key อยู่ท้ายหนังสือ
เช่น
> บริษัทควรซื้อกิจการนี้ไหม?
> ธนาคารควรให้สินเชื่อบริษัทนี้หรือไม่?
> กองทุนควรลงทุนในหุ้นตัวนี้หรือเปล่า?
> บริษัทควรเข้าสู่ตลาดใหม่อย่างไร?
> จะออกแบบ AI workflow เพื่อลดต้นทุนกระบวนการนี้อย่างไร?
แล้วสร้างทีม
### Student + Professor + Industry Expert + AI
ให้แก้ปัญหาร่วมกัน
แนวคิด Work-Integrated Learning ในปัจจุบันก็ให้ความสำคัญกับ authentic work-focused experience ที่มีสถาบันการศึกษา นักศึกษา และ external stakeholder ร่วมกันอยู่แล้ว
แต่ผมอยากไปไกลกว่านั้น
อย่าให้ internship เป็นเพียงส่วนประกอบของ Degree
ให้ Experience กลายเป็นอีกครึ่งหนึ่งของการสร้าง Professional
---
# เมื่อเรียนจบ เด็กไม่ควรถือแค่ Transcript
ดังนั้นนักศึกษาควรเรียนจบพร้อม
Verified Capability Portfolio
ไม่ใช่เพียงบอกว่าเรียนอะไรมา
แต่แสดงว่า
เคยแก้ปัญหาจริงอะไร
ทำ Industry Projects อะไร
ใช้ AI ทำงานอย่างไร
ตัดสินใจภายใต้ uncertainty อย่างไร
ทำงานร่วมกับคนอื่นอย่างไร
และผู้เชี่ยวชาญภายนอกประเมินผลงานว่าอย่างไร
Degree จึงควรเปลี่ยนจาก
**Evidence of Education**
ไปเป็น
**Evidence of Knowledge + Evidence of Capability + Evidence of Experience**
---
# และตรงนี้ทำให้ผมเห็นอนาคตของมหาวิทยาลัยต่างจากตอนแรก
ผมไม่คิดว่ามหาวิทยาลัยชั้นนำจะรอดเพียงเพราะมี Brand
ผมไม่คิดว่า Network อย่างเดียวเพียงพอ เพราะ network สามารถสร้างผ่าน professional communities, executive programmes หรือ private platforms ได้
และผมไม่คิดว่า Knowledge เป็น moat อีกแล้ว เพราะ AI ทำให้การเข้าถึง information มีต้นทุนต่ำลงมหาศาล
**Moat ใหม่ของมหาวิทยาลัยต้องเป็นความสามารถในการเปลี่ยนเด็กอายุ 18 ปี ให้กลายเป็นคนอายุ 23 ปีที่ทั้ง “คิดเป็น” และ “สร้าง Value ได้”**
https://www.facebook.com/roongkiat/posts/10168409409099447
.....
Arin Krachaiwong
อ่านจนจบนะครับ
อ่านแล้วรุ้สึกหดหู่มาก ทึ่เทคโนโลยี + ทุนนิยม ไม่ได้ทำให้มนุษย์มีความสุขมากขึ้น หรือมีเวลามากขึ้น กลับต้องดิ้นรนเอาตัวรอดยิ่งกว่าเดิม
ใน gen ที่กำลังทำงานอยู่แล้ว เมื่อมี Ai ทำให้งานเร็วขึ้น บริษัทจะ expect ทันทีว่าคุณจะทำงานได้มากขึ้ยเป็นสามเท่า สั่งวันนี้จะเอาพรุ่งนี้ สั่งเช้านี้จะเอาตอนบ่ายก็น่าจะไหว และเห็นความเป็นมนุษย์น้อยลง งานเสร็จเร็วขึ้นจะทำคนมีเวลามากชึ้นเหมือนเป็นคำหลอกหลวง > เวลาที่มากขึ้นคงจะหมายถึง บริษัทให้ออกมาเลย เพราะไม่ต้องการคนทำงานเยอะขนาดนั้นแล้วมากกว่า สิ่งเหล่านี่เกิดขึ้นเร็ว และรุนแรงยิ่งกว่ายุคไหนๆ ในประวัติศาสตร์มนุษย์
โลกอนุญาตให้คนไร้เดียงสา ได้ใช้ชีวิตปกติน้อยลงทุกวัน นอกจากกับ gen ที่ทำงานเเล้ว สิ่งที่เกิดขึ้นยังกำลังพรากชีวิตวัยรุ่นไปจากทุกคน รวมถึง ความกดดันที่จะถาโถมเข้าใส่เด็กรุ่นใหม่ๆ ที่ไม่มีพื้นที่ว่างให้กับคนกลางๆ อีกต่อไป ทุกคนต้องเก่งเท่านั้น อย่างน้อยต้องเก่งในระดับที่เท่าทัน Ai ได้ ซึ่งย่อมหมายถึง การเริ่มต้นสร้าง awareness ตั้งแต่อายุน้อยลงไปเรื่อยๆ ซึ่งก็มากกว่าสิ่งที่สังคมโลกในอดีตที่๋ผ่านมาทุกยุคร้องขอจากคนคนนึงแล้ว
คนเราไม่สามารถใช้ชีวิตใน pace ธรรมดาเเล้วจะรอดอีกต่อไป สภาพเป็นหนูปั่นจักรที่ต้อง productive ตลอดชีวิต
