บันทึกการเปลี่ยนผ่านของคนทำงานVOL. 01 / 2026

เมื่อ AI ทำงานจนจบได้
คุณจะสร้างคุณค่าจากอะไร

สำรวจโลกการทำงานหลัง GPT-6 Astra
สิ่งที่เปลี่ยน สิ่งที่ต้องคิด และก้าวต่อไปของคุณ

สำรวจงานของคุณ
สำหรับคนทำงานไทยเริ่มจากภาพรวม
ประติมากรรมวงโค้งโลหะ แผ่นหิน และทรงกลมสีส้ม สื่อถึงคนกับระบบที่กำลังเปลี่ยน
FIG. 01
HUMAN × MACHINE
พื้นที่ใหม่ของความสามารถ01 — 06

THE SHIFT / จุดเปลี่ยน

จากช่วยตอบ
สู่ช่วยลงมือทำ

Astra รองรับงานหลายขั้นตอนผ่าน code, browser และเครื่องมือทำงาน ผลลัพธ์จึงขึ้นกับทั้งโมเดล ข้อมูล สิทธิ์เข้าถึง และการตรวจงาน ↗ ASTRA

1/4

งานทั่วโลกมี GenAI exposure

ILO ประเมินศักยภาพการเปลี่ยนแปลงของงาน ไม่ใช่จำนวนคนที่จะตกงาน ↗ ILO

22.9%

ของการจ้างงานใน ASEAN

อยู่ในอาชีพที่มี exposure เกินระดับต่ำสุด ตามประมาณการ ILO สำหรับปี 2025 ไม่ใช่สถิติเฉพาะไทยหรือ Astra ↗ ASEAN

ยังไม่มีหลักฐานว่า Astra ทำให้อาชีพใดหายไปทั้งอาชีพ ข้อเสนอในรายงานนี้แยกงานวิจัย การสาธิต และการวิเคราะห์ออกจากกัน

01 WORK IN TRANSITION

งานของคุณ
กำลังเปลี่ยนตรงไหน

เลือกสายงาน แล้วเปิดดูงานย่อยที่คุณทำอยู่ การประเมินนี้เป็น editorial analysis เพื่อใช้ทดลองกับงานจริง

ประเมินงานย่อย
ไม่ตัดสินอนาคตจากชื่อตำแหน่ง

เส้นทาง 01 / 06

จากจำนวนชิ้น สู่ผลลัพธ์

งานเขียนตาม template และสรุปข้อมูลเดิมถูกผลิตได้ง่ายขึ้น ลูกค้าจึงอาจจ่ายให้จำนวนชิ้นน้อยลง คำถามคือคุณช่วยให้เขาตัดสินใจหรือขายได้ดีขึ้นอย่างไร

เขียน caption / รายละเอียดสินค้าทำซ้ำได้ง่ายขึ้น

ข้อมูลสินค้าชัดและมี brand guide เอื้อต่อการสร้างร่างจำนวนมาก ต้องตรวจคำกล่าวอ้าง ราคา และน้ำเสียงไทย

สรุปรายงาน campaignworkflow เปลี่ยน

agents รวมตัวเลขและร่างคำอธิบายได้ แต่ attribution และข้อสรุปเรื่องเหตุและผลต้องตรวจ

สัมภาษณ์ลูกค้า / วาง positioningคนรับผิดชอบผล

เข้าถึงผู้ซื้อจริง เลือกหลักฐานที่มีน้ำหนัก และตัดสินใจว่าจะเดิมพันกับตลาดใด

งานที่อาจหายไปในรูปแบบเดิม

บริการเขียน SEO หรือ caption แบบ template ที่คิดราคาต่อชิ้น อาจสูญเสียตลาด หากลูกค้าทำเองได้และคุณภาพผ่านเกณฑ์

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

เส้นทาง 02 / 06

รสนิยมที่อธิบายและตรวจได้

ร่างแรกและงานจัดเตรียมอาจเร็วขึ้นมาก ความได้เปรียบอยู่ที่การกำกับงานให้ตรงบริบท การเลือกสิ่งที่ควรตัดทิ้ง และความสม่ำเสมอทั้งแบรนด์

ปรับขนาด / ทำ variantsทำซ้ำได้ง่ายขึ้น

เหมาะกับ batch workflow เมื่อมีต้นฉบับและข้อกำหนดชัด ต้องตรวจข้อความล้นและสัดส่วน

ตัดต่อร่างแรก / สร้าง 3D draftworkflow เปลี่ยน

มี creator demos แต่ความต่อเนื่อง ความแม่นยำ และการแก้ไฟล์จริงยังต้องทดสอบกับโจทย์คุณ

Art direction / รับ feedback ลูกค้าคนรับผิดชอบผล

แปลงเป้าหมายธุรกิจเป็น visual system และอธิบายว่าทำไมจึงเลือกภาพหรือจังหวะนี้

งานที่อาจหายไปในรูปแบบเดิม

แพ็กเกจปรับขนาดและตัดต่อสำเร็จรูปที่ไม่มีการกำกับงาน อาจถูกดูดเข้าเป็นฟีเจอร์ของซอฟต์แวร์

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

เส้นทาง 03 / 06

จากเขียนโค้ด สู่ดูแลระบบ

ต้นทุนการสร้าง prototype อาจลดลง งานยังต้องเชื่อมระบบเดิม จัดการข้อมูลจริง และรับมือเหตุขัดข้อง คนที่ตรวจและรับผิดชอบระบบได้มีบทบาทชัด

หน้าเว็บ / CRUD ตาม specทำซ้ำได้ง่ายขึ้น

โจทย์ที่แคบและมี acceptance criteria ชัดเหมาะกับ agents ต้องตรวจพฤติกรรมจริง

เชื่อม API / refactor / testworkflow เปลี่ยน

ผลลัพธ์ขึ้นกับสิทธิ์เข้าถึง เอกสาร และ tests ที่วัดความต้องการจริง

Architecture / incident / securityคนรับผิดชอบผล

เลือก trade-off ตรวจผลกระทบ และรับผิดชอบการนำระบบขึ้นใช้จริง ไม่ใช่เพียงตรวจว่า build ผ่าน

งานที่อาจหายไปในรูปแบบเดิม

งานรับทำหน้าเว็บตาม template โดยไม่มี integration หรือบริการดูแล อาจแข่งขันด้วยราคาหนักขึ้น

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

เส้นทาง 04 / 06

ตั้งคำถามที่มีผลต่อการตัดสินใจ

การรวบรวมข้อมูลและร่าง deck เร็วขึ้นได้ แต่แหล่งข้อมูลที่อ่อนอาจให้ข้อสรุปที่ดูน่าเชื่อถือ งานวิเคราะห์ต้องทำให้ผู้อ่านเห็นว่ารู้อะไรและยังไม่รู้อะไร

รวบรวมข้อมูล / จัดรูปแบบ deckทำซ้ำได้ง่ายขึ้น

เหมาะกับข้อมูลสาธารณะที่ตรวจย้อนกลับได้ ต้องเปิดแหล่งต้นฉบับ

วิเคราะห์ spreadsheet / ร่าง forecastworkflow เปลี่ยน

ตรวจสมมติฐาน missing data และสูตร ก่อนตีความความสัมพันธ์

ออกแบบการทดลอง / แนะนำการตัดสินใจคนรับผิดชอบผล

กำหนดสิ่งที่จะเปลี่ยนการตัดสินใจ เลือกวิธีทดสอบ และอธิบาย uncertainty

งานที่อาจหายไปในรูปแบบเดิม

บริการรวบรวมข้อมูลสาธารณะแล้วจัดเป็นรายงานโดยไม่ตรวจหรือวิเคราะห์เพิ่ม อาจขายแยกได้ยากขึ้น

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

เส้นทาง 05 / 06

ดูแลข้อยกเว้นและความสัมพันธ์

การตอบคำถามซ้ำและย้ายข้อมูลระหว่างระบบเหมาะกับ automation เมื่อข้อมูลพร้อม กรณีผิดปกติและลูกค้าที่ต้องการความช่วยเหลือจริงยังต้องมีผู้รับผิดชอบ

คัดลอกข้อมูล / นัดหมาย / FAQทำซ้ำได้ง่ายขึ้น

ต้องมีกติกา สิทธิ์เข้าถึง และทางส่งต่อเมื่อข้อมูลไม่ครบ

จัดหมวด ticket / ติดตามงานworkflow เปลี่ยน

ให้ระบบช่วยจัดลำดับ แต่ตรวจเคสที่กระทบลูกค้าหรือมีค่าใช้จ่าย

แก้ข้อร้องเรียน / ออกแบบบริการคนรับผิดชอบผล

ฟังบริบท เจรจาทางออก และปรับกระบวนการเพื่อไม่ให้ปัญหาเกิดซ้ำ

งานที่อาจหายไปในรูปแบบเดิม

บทบาทที่มีเพียงคัดลอกข้อมูลหรืออ่านคำตอบตาม script อาจหดตัวเมื่อระบบเชื่อมกันและส่งต่อเคสได้ดี

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

เส้นทาง 06 / 06

ตรวจความถูกต้อง รับผิดชอบผล

งานอ่านและเทียบเอกสารอาจเร็วขึ้น แต่คำตอบที่ผิดสร้างต้นทุนสูง ความเชี่ยวชาญด้านข้อเท็จจริง ข้อกำหนด และการตรวจสอบยังสำคัญ

แยกข้อมูลใบแจ้งหนี้ / จัดเอกสารทำซ้ำได้ง่ายขึ้น

เอกสารอ่านได้ชัดช่วยให้ทำซ้ำได้ ต้อง reconcile กับต้นฉบับและบัญชี

เทียบสัญญา / ร่างรายงานworkflow เปลี่ยน

ใช้เป็นร่างพร้อมลิงก์กลับข้อความต้นฉบับ ตรวจความครบและบริบททุกครั้ง

ตีความ / ลงนาม / ให้คำปรึกษาเฉพาะกรณีคนรับผิดชอบผล

ให้ผู้มีคุณสมบัติและอำนาจรับผิดชอบตรวจตามบริบทและข้อกำหนดที่ใช้จริง

งานที่อาจหายไปในรูปแบบเดิม

งานจัดแฟ้มและคัดข้อมูลเอกสารอย่างเดียวอาจลดลง การตรวจและรับรองไม่หายไปเพียงเพราะ AI ร่างได้

Scenario: หากต้นทุนรวมต่ำลง คุณภาพผ่านเกณฑ์ และองค์กรนำไปใช้ได้จริง ไม่มีกรอบเวลาที่พิสูจน์แล้ว
ดูแผน 90 วันสำหรับสายงานนี้ ↗

กรอบวิเคราะห์อ้างอิง exposure และบริบทแรงงาน ส่วนข้อเสนอรายงานย่อยเป็นการประเมินของเว็บไซต์ ↗ ILO ↗ BOT

02 MADE WITH ASTRA

ดูสิ่งที่คนเริ่มทำได้จริง

ผลงานจากผู้สร้างคนอื่น เปิดดูวิดีโอต้นฉบับและข้อจำกัดไปพร้อมกัน

ให้ Astra จัดการงานใน Final Cut — Ben DavisCREATIVE WORK
01 / CREATOR DEMOSEP 2026

ให้ Astra จัดการงานใน Final Cut

ผู้สร้างรายงานการนำเข้า footage ปรับสี และ sync เสียง เหมาะใช้สำรวจงานเตรียมและตัดต่อเบื้องต้น

คำรายงานของผู้สร้าง คุณภาพและเวลาที่ประหยัดต้องทดสอบกับไฟล์จริงของคุณ

จากภาพบ้าน สู่ 3D walkthrough — Yunfan Ye3D & PROPERTY
02 / CREATOR DEMOSEP 2026

จากภาพบ้าน สู่ 3D walkthrough

ใช้ภาพจาก listing สร้างโมเดลบ้านและวิดีโอ ชี้ให้เห็นโอกาสทำร่างภาพนำเสนออสังหาริมทรัพย์

ผู้สร้างระบุว่ายังมีรายละเอียดผิด ใช้แทนแบบหรือขนาดที่ผ่านการตรวจไม่ได้

โปรเจกต์เกมที่ทำร่วมกับ Astra — Riley BrownSOFTWARE & GAMES
03 / CREATOR DEMOSEP 2026

โปรเจกต์เกมที่ทำร่วมกับ Astra

screen recording ของโปรเจกต์เกม เป็นตัวอย่างการสร้างและปรับซอฟต์แวร์ใน workflow ของผู้พัฒนา

ตัวอย่างหนึ่งโปรเจกต์ ไม่ใช่ benchmark ความน่าเชื่อถือของระบบ production

ภาพ preview เป็นของผู้สร้าง · ตรวจข้อความและข้อมูลวิดีโอผ่าน public-post mirror · ไม่ได้ทำซ้ำโปรเจกต์ · การเปิด embed จะเชื่อมต่อกับ X ↗ DEMOS

03 YOUR NEXT MOVE

90 วัน
เริ่มจากงานชิ้นถัดไป

แผนทดลองที่ทำควบคู่กับงานได้ วัดสิ่งที่เกิดขึ้นจริง แล้วปรับตามผล

  1. 01—30วัน

    รู้จุดตั้งต้น

    เลือกงานซ้ำหนึ่งงาน เก็บเวลาและจำนวนรอบแก้จาก 5 ชิ้น ทดลอง AI กับ brief เดียวกัน

  2. 31—60วัน

    สร้าง workflow

    สัมภาษณ์ลูกค้า 3 คน แล้วทำ campaign เล็กหนึ่งชุดจาก insight ที่ได้ วัดผลตามเป้าหมายที่ตกลง

  3. 61—90วัน

    พิสูจน์คุณค่า

    ทำ case study ที่บอกต้นทุน ผลลัพธ์ และข้อผิดพลาด ทดลองเสนอราคาเป็นโปรเจกต์ที่มีขอบเขตชัด

Portfolio: brief → หลักฐานลูกค้า → การตัดสินใจ → ผล campaign

  1. 01—30วัน

    รู้จุดตั้งต้น

    จับเวลางานเตรียมไฟล์ ทดลองกับภาพที่มีสิทธิ์ใช้ แล้วตรวจความถูกต้องทุก output

  2. 31—60วัน

    สร้าง workflow

    สร้าง visual system หนึ่งชุด พร้อมเกณฑ์เลือกภาพ สี และจังหวะตัดต่อให้ผู้อื่นทำตามได้

  3. 61—90วัน

    พิสูจน์คุณค่า

    ทำงานจริงหนึ่งโปรเจกต์ เก็บ before/after และรอบแก้ แสดงการตัดสินใจที่ช่วยให้งานดีขึ้น

Portfolio: direction board + ไฟล์แก้ไขได้ + เหตุผลการเลือก

  1. 01—30วัน

    รู้จุดตั้งต้น

    ให้ agent ทำ feature เล็กในโปรเจกต์ทดสอบ เขียนเกณฑ์รับงานก่อนเริ่มและตรวจ diff เอง

  2. 31—60วัน

    สร้าง workflow

    ฝึกเชื่อมระบบพร้อม logging, rollback และการจัดการข้อมูลผิดรูปแบบ

  3. 61—90วัน

    พิสูจน์คุณค่า

    นำโปรเจกต์ขนาดเล็กให้ผู้ใช้จริงลอง เก็บข้อผิดพลาด ต้นทุน และเวลาบำรุงรักษา

Portfolio: ระบบใช้งานได้ + tests ที่มีเหตุผล + incident notes

  1. 01—30วัน

    รู้จุดตั้งต้น

    ทำ research log ระบุคำถาม แหล่งข้อมูล วันที่ และข้อจำกัดของทุก claim สำคัญ

  2. 31—60วัน

    สร้าง workflow

    ทำ analysis ที่มี sensitivity check หนึ่งชิ้น ให้เพื่อนลองหาจุดผิด

  3. 61—90วัน

    พิสูจน์คุณค่า

    ทำ decision memo ให้ผู้ใช้จริง ระบุสิ่งที่แนะนำ เหตุผล และเงื่อนไขที่จะเปลี่ยนใจ

Portfolio: decision memo + แหล่งข้อมูล + assumptions ที่ตรวจได้

  1. 01—30วัน

    รู้จุดตั้งต้น

    จด 20 เคสซ้ำ แยกเคสปกติกับข้อยกเว้น โดยใช้ข้อมูลที่ไม่ระบุตัวบุคคล

  2. 31—60วัน

    สร้าง workflow

    สร้าง knowledge base ขนาดเล็ก ทดลองคำถามยากและเส้นทางส่งต่อคน

  3. 61—90วัน

    พิสูจน์คุณค่า

    นำเสนอ process ใหม่ วัดเวลาปิดเคส อัตราเปิดซ้ำ และความพอใจของลูกค้า

Portfolio: process map + escalation rules + ผล pilot

  1. 01—30วัน

    รู้จุดตั้งต้น

    ใช้เอกสารจำลองทดลอง extraction ทำรายการข้อผิดพลาดและเกณฑ์ตรวจ

  2. 31—60วัน

    สร้าง workflow

    ทำ workflow ที่เชื่อมทุกข้อสรุปกลับเอกสารและมีจุดให้คนอนุมัติ

  3. 61—90วัน

    พิสูจน์คุณค่า

    ให้ผู้เชี่ยวชาญตรวจ pilot วัดเวลาที่ประหยัดหลังรวมเวลาตรวจและแก้แล้ว

Portfolio: audit trail + error log + review checklist

ความคืบหน้าเก็บใน browser นี้ ไม่มีการส่งข้อมูลการเลือกของคุณไป server

เป้าหมาย: นับเวลาตรวจและแก้งานด้วย
ผลผลิตที่เร็วขึ้นต้องยังใช้ได้จริง

04 THE BIGGER PICTURE

เมื่องานเปลี่ยน
เศรษฐกิจก็เปลี่ยนตาม

ผลผลิตที่เพิ่มขึ้นจะไปถึงใคร ขึ้นกับการแข่งขัน การเข้าถึงเครื่องมือ และนโยบายที่เลือก

โมเดลเมืองที่ได้แรงบันดาลใจจากกรุงเทพฯ ทำจากกระดาษและหินสีอ่อน ภาพประกอบเชิงแนวคิด
FIG. 02 / A SHARED FUTUREภาพประกอบสร้างด้วย AI

ผลิตได้มากขึ้น
รายได้กระจายอย่างไร

ต้นทุนบริการดิจิทัลที่ลดลงอาจเปิดโอกาสให้ทีมไทยขายงานข้ามประเทศ ขณะเดียวกัน งานมาตรฐานก็เผชิญการแข่งขันด้านราคา รายได้อาจไหลไปยังเจ้าของแพลตฟอร์ม ข้อมูล และช่องทางเข้าถึงลูกค้า

นี่คือกลไกที่ควรติดตาม ไม่ใช่ forecast GDP จาก Astra ผลจริงยังขึ้นกับอุปสงค์ ต้นทุนพลังงาน การลงทุน และความพร้อมของแต่ละประเทศ ↗ IMF

SCENARIO / เพื่อเตรียมตัว

ความต่างระหว่างบริษัทอาจเพิ่มขึ้น

สมมติฐาน: บริษัทใหญ่มีข้อมูลและงบพร้อมกว่า SMEs ผลิตงานได้เร็วขึ้น แต่การเปลี่ยนระบบติดที่ข้อมูลและคน รายได้จาก AI จึงกระจุกในบางบริษัท

สิ่งที่คุณทดลองได้

สร้างความชำนาญในอุตสาหกรรมหนึ่ง และแสดงผลจาก workflow เล็กที่ใช้งานได้จริง

ติดตาม: การใช้ AI ของ SMEs / ค่าใช้จ่ายเครื่องมือ / ผลผลิตต่อชั่วโมง

SCENARIO / เพื่อเตรียมตัว

ทางเข้าสู่อาชีพแคบลงได้

สมมติฐาน: บริษัทให้ agents ทำงานร่างและลดการรับ junior แม้ยอดขายไม่ลด คนรุ่นใหม่จึงมีโอกาสสะสมประสบการณ์น้อยลง ไม่ใช่ข้อสรุปว่ากำลังเกิดกับทุกอาชีพในไทย

สิ่งที่คุณทดลองได้

ทำโปรเจกต์กับผู้ใช้จริง เก็บหลักฐานการตรวจงาน และหาผู้เชี่ยวชาญให้ feedback

ติดตาม: ตำแหน่ง junior / paid internships / เวลาหางานแรก

SCENARIO / เพื่อเตรียมตัว

ต้นทุนเริ่มธุรกิจอาจต่ำลง

สมมติฐาน: เครื่องมือเข้าถึงได้และตลาดแข่งขัน ทีมไทยขนาดเล็กขายบริการเฉพาะทางข้ามประเทศได้ง่ายขึ้น แต่คู่แข่งก็ใช้เครื่องมือเดียวกัน รายได้ขึ้นกับลูกค้าและการกระจายงาน

สิ่งที่คุณทดลองได้

ทดลองข้อเสนอแคบสำหรับลูกค้ากลุ่มหนึ่ง วัดกำไรหลังหักค่าเครื่องมือและเวลาตรวจ

ติดตาม: ธุรกิจใหม่ / รายได้บริการส่งออก / ราคางาน freelance

หลักฐานจากสหรัฐฯ ชี้ให้ติดตามการจ้าง junior แต่ยังใช้ยืนยันผลในไทยไม่ได้ รายงาน ASEAN ยังไม่พบ disruption วงกว้าง ↗ STANFORD ↗ ASEAN

PUBLIC CHOICES

สิ่งที่องค์กรและรัฐ
ควรเริ่มทำ

ข้อเสนอของเว็บไซต์สำหรับบริบทไทย ควรทดลองและเปิดเผยผลก่อนขยาย

↗ IMF ↗ BOT
01

สร้างทางเข้าสู่อาชีพ

+

นายจ้างเปิด paid apprenticeship ที่ให้ junior ได้แก้โจทย์จริง พร้อมผู้ตรวจงาน วัดการเติบโตของทักษะควบคู่กับ output

02

ช่วยให้เปลี่ยนงานได้จริง

+

รัฐและนายจ้างร่วมสนับสนุนเวลาเรียน รายได้ระหว่างเปลี่ยนผ่าน และการจับคู่กับตำแหน่งที่มีความต้องการ วัดผลจากการมีงานและรายได้หลังเรียน

03

ให้ SMEs เข้าถึงเครื่องมือและตลาด

+

ทดลองโครงการร่วมใช้เครื่องมือและคำปรึกษา วัดต้นทุนรวม ลดการผูกกับ vendor เดียว และช่วยธุรกิจเข้าถึงลูกค้าต่างประเทศ

04

ใช้ AI ภาครัฐแบบตรวจสอบได้

+

เริ่มจากงานภายในที่ตรวจผลได้ เก็บ audit trail มีผู้รับผิดชอบ และมีช่องทางให้ประชาชนขอทบทวนการตัดสินใจ

05 NOTES & SOURCES

อ่านต่อ ตรวจสอบต่อ

ข้อมูลตรวจเมื่อ 6 กันยายน 2026 · งานวิจัยส่วนใหญ่เกิดก่อน Astra จึงใช้เป็นบริบท ไม่ใช่หลักฐานผลของโมเดลนี้โดยตรง

RESEARCH

ผลการศึกษา มีขอบเขต ประชากร และวันที่กำกับ

DEMONSTRATION

สิ่งที่ผู้สร้างนำเสนอ ยังไม่บอกอัตราความสำเร็จทั่วไป

ANALYSIS

การตีความและ scenario ของเว็บไซต์ เปิดให้ทดสอบกับงานจริง

  1. [01]
    OpenAI · GPT-6 Astra ↗

    เอกสารผู้พัฒนา: ความสามารถและเครื่องมือที่รองรับ เป็นข้อมูลจากผู้ผลิต ไม่ใช่ผลวัดการจ้างงาน

  2. [02]
    ILO · GenAI and jobs ↗

    ดัชนี exposure ระดับงานทั่วโลก ไม่ใช่โอกาสตกงานของบุคคล และจัดทำก่อน Astra

  3. [03]
    ILO · ASEAN labour markets ↗

    บริบท ASEAN: การเข้าถึง AI และความพร้อมต่างกัน ยังไม่พบการเปลี่ยนแปลงการจ้างงานวงกว้างจาก GenAI

  4. [04]
    Stanford · Canaries in the Coal Mine? ↗

    ข้อมูลสหรัฐฯ เป็นความสัมพันธ์เชิงสังเกต ไม่ยืนยันเหตุและผล และใช้แทนอัตราการจ้างงานไทยไม่ได้

  5. [05]
    Bank of Thailand · AI & labour ↗

    บริบทแรงงานไทย ทักษะ และโจทย์เชิงโครงสร้าง ใช้ประกอบการวิเคราะห์ ไม่ใช่ข้อมูลผลกระทบจาก Astra

  6. [06]
    IMF · Sharing the gains of AI ↗

    ข้อเสนอด้าน social protection การศึกษา และภาษี เพื่อกระจายผลประโยชน์จาก AI

  7. [07]
    explainx · Astra demo source index ↗

    ใช้ค้นหาผลงานและลิงก์ต้นฉบับ ตรวจข้อความและข้อมูลวิดีโอผ่านสำเนา public post; ไม่ได้ทำซ้ำโปรเจกต์

เกี่ยวกับรายงานและภาพประกอบ +

Astra Impact เป็นรายงานอิสระสำหรับคนทำงานไทย ไม่ได้เป็นเว็บไซต์ของ OpenAI เนื้อหาเป็น research synthesis และ editorial analysis ที่จัดทำโดยใช้ AI ช่วย ภาพประติมากรรมและเมืองสร้างด้วย AI เพื่อประกอบเรื่อง ไม่ใช่หลักฐานหรือภาพสถานการณ์จริง ภาพ preview ของวิดีโอเป็นของผู้สร้างที่ระบุชื่อ ไม่มีการรับประกันผลด้านอาชีพหรือรายได้

THE NEXT CHAPTER IS YOURS TO WORK ON.

เริ่มจากงานหนึ่งชิ้น
แล้วดูว่าคุณทำได้ดีขึ้นแค่ไหน

กลับไปวางแผนของคุณ ↗