ญี่ปุ่นกำลัง “ทุ่มสุดตัว” กับ AI เพื่อรับมือปัญหาแรงงานขาดแคลนและดัน productivity ของประเทศ แต่เมื่อมองไปที่การใช้งานจริงในที่ทำงาน กลับยังอยู่ในระดับต่ำกว่าที่หลายคนคาดไว้ — ช่องว่างระหว่าง “นโยบายระดับชาติ” กับ “การใช้งานระดับคนทำงาน” ยังห่างกันพอสมควร
-
ญี่ปุ่นทุ่มนโยบาย/งบ AI ระดับชาติ เพื่อแก้ปัญหาแรงงานขาดแคลนและดัน productivity
-
แต่ OECD ชี้ว่า พนักงานญี่ปุ่นใช้ AI ในที่ทำงานยังราว 8.4% และใช้ Generative AI 6.4%
-
คอขวดคือ ทักษะ+การฝึกอบรม, ความกังวลด้านข้อมูล, วัฒนธรรมองค์กรเปลี่ยนช้า, และ ROI ยังไม่ชัด
1) รัฐบาลทุ่มงบแค่ไหน?
ภาพใหญ่ของญี่ปุ่นชัดมาก: ใช้ AI เป็นเครื่องมือชดเชยแรงงานที่ลดลง และเพิ่มประสิทธิภาพเชิงระบบ โดยมีหมุดหมายสำคัญ 3 จุด
-
งบอุดหนุนด้าน Digital Transformation/AI: รัฐบาลกันงบ ¥340 พันล้าน เพื่อช่วยหนุนการทำ DX และการนำ AI ไปใช้ โดยเน้นช่วยภาคธุรกิจ/SMEs ให้ “เริ่มใช้ได้จริง” มากขึ้น
-
ภาครัฐจับมือ OpenAI พัฒนา “Gennai (源内)”: Digital Agency ร่วมกับ OpenAI สร้างเครื่องมือ generative AI สำหรับ “พนักงานรัฐ” โดยออกแบบให้ใช้งานแบบปลอดภัยและควบคุมการเข้าถึงข้อมูลได้
-
แผนสนับสนุน AI ภายในประเทศระดับใหญ่ (ถึง ~¥1 ล้านล้าน): ญี่ปุ่นมีแนวทางผลักดันการพัฒนา AI ในประเทศ/โครงสร้างพื้นฐานและระบบนิเวศ โดยมีข่าวเรื่องการสนับสนุนวงเงินระดับ ประมาณ 1 ล้านล้านเยนในหลายปี เพื่อขับเคลื่อนโปรเจกต์ AI ภายในประเทศด้วย
พูดง่าย ๆ คือ “ตั้งใจจริงระดับชาติ” และเดินหมากทั้งฝั่งรัฐ-เอกชนพร้อมกัน
2) แต่ทำไมการใช้ AI ในที่ทำงานยังต่ำ?
OECD ชี้ว่าเมื่อดู “การใช้งานจริงของพนักงาน” ตัวเลขยังค่อนข้างน้อย:
-
พนักงานญี่ปุ่นที่ใช้ AI ในที่ทำงาน (รวม AI ทั่วไป+GenAI): 8.4%
-
ใช้ Generative AI โดยเฉพาะ: 6.4%
ภาพ “ต่างอุตสาหกรรม” ก็ชัด: ภาค ICT สูงกว่ากลุ่มอื่นมาก ขณะที่งานบริการบางส่วนต่ำกว่า (เช่น โรงแรม/ร้านอาหาร)
เหตุผลหลักที่ทำให้ adoption ช้า (สรุปเป็นภาษาคนทำงาน):
-
ทักษะ/การฝึกอบรมยังไม่พอ → รู้จักแต่ “ใช้ไม่คล่อง”
-
กังวลข้อมูลรั่ว/ความเสี่ยง → โดยเฉพาะองค์กรที่มีข้อมูลอ่อนไหว
-
วัฒนธรรมองค์กรเปลี่ยนช้า → ระบบอนุมัติหลายชั้น, ทำตามคู่มือเดิม
-
ROI ไม่ชัด + ต้นทุนแฝง → เครื่องมือมี แต่ “ใครรับผิดชอบผลลัพธ์” ยังไม่ชัด
แม้รัฐจะมีตัวอย่างอย่าง Gennai ที่ผลักดันในภาครัฐ แต่การขยายผลไปทั้งระบบเศรษฐกิจยังต้องใช้เวลา (และต้องมี “คนกลาง” ช่วยแปลง AI ให้เป็นงานจริงของแต่ละอาชีพ) จ๊ะ
3) ทำไมญี่ปุ่นดู “รู้ตัวช้า” ทั้งที่เก่งหุ่นยนต์มาก?
จุดนี้น่าสนใจสุด ๆ: ญี่ปุ่นแข็งแรงเรื่อง robotics/automation มานาน แต่ Generative AI เป็นเกมคนละแบบ เพราะ “ไม่ได้ติดตั้งแล้วจบ” — แต่ต้องอาศัยพฤติกรรมใหม่ของคนทำงาน
-
โครงสร้างประชากรในองค์กรมีผู้สูงอายุเยอะ → ความกลัวการเปลี่ยนแปลง + ไม่คุ้น workflow ใหม่
-
SMEs คือกระดูกสันหลังเศรษฐกิจ แต่ขาดทั้งคนไอที เวลา และงบสำหรับลองผิดลองถูก
-
Awareness สูง แต่ practical use ต่ำ → หลายคนรู้จัก ChatGPT/GenAI แต่ยังไม่กล้าเอาไปใช้กับงานจริง เพราะไม่มีกรอบ/มาตรฐาน/คนรับรองผล
สรุปแบบสั้น: ญี่ปุ่นมีนโยบายและงบระดับชาติที่ชัดมาก (เรียกได้ว่า AI-friendly สุด ๆ) แต่คอขวดอยู่ที่ การทำให้คนใช้เป็นในชีวิตการทำงานจริง — โดยเฉพาะในองค์กรดั้งเดิมและ SMEs
ถ้าญี่ปุ่นเร่ง 3 เรื่องนี้ได้พร้อมกัน
(1) training ที่จับงานจริง, (2) ความมั่นใจเรื่องความปลอดภัย, (3) เครื่องมือที่ใช้ง่าย+วัดผลได้
โอกาสที่ AI จะช่วย “พลิก productivity” ในอีก 5–10 ปีข้างหน้าก็มีลุ้นมากขึ้นจริง
