កាលពី 60 ឆ្នាំមុន សេដ្ឋវិទូម្នាក់ឈ្មោះ Kenneth Arrow បានអង្គុយចុះ ហើយបានរកឃើញអ្វីមួយដែលហាក់ដូចជាច្បាស់ពេកក្នុងការនិយាយថា៖ កម្មករទទួលបានការងារកាន់តែប្រសើរឡើងនៅពេលពួកគេធ្វើ។ ការយល់ដឹងគឺសាមញ្ញ ប៉ុន្តែ Arrow ដែលក្រោយមកបានឈ្នះរង្វាន់ណូបែល បានបង្កើតវាជាផ្លូវការទៅជាទ្រឹស្តីមួយដែលមានអត្ថន័យទូលំទូលាយ។ ការរៀន គាត់បានសរសេរថា “អាចកើតឡើងបានតែតាមរយៈការព្យាយាមដោះស្រាយបញ្ហា ហើយដូច្នេះកើតឡើងតែក្នុងអំឡុងពេលសកម្មភាពប៉ុណ្ណោះ”។ លោកបានអះអាងថា បទពិសោធន៍មិនមែនគ្រាន់តែល្អសម្រាប់កម្មករប៉ុណ្ណោះទេ វាគឺជាក្បាលម៉ាស៊ីននៃកំណើនផលិតភាពសម្រាប់ក្រុមហ៊ុន និងចុងក្រោយគឺសេដ្ឋកិច្ចទាំងមូល។
ឥឡូវនេះ ដោយសារបញ្ញាសិប្បនិមិត្តបំផ្លាញការងារកម្រិតចូល ដែលធ្លាប់ជាច្រកផ្លូវទៅរកអាជីពអាវស អ្នកស្រាវជ្រាវនៅធនាគារកណ្តាលអាត្លង់តាកំពុងបោសសម្អាតក្រដាស Arrow’s 1962 ហើយព្រមានថាក្រុមហ៊ុនដែលកំពុងព្យាយាមធ្វើស្វ័យប្រវត្តិកម្មវិធីកាត់បន្ថយថ្លៃពលកម្មអាចនឹងបាត់បង់សាខាដែលពួកគេកំពុងអង្គុយ។
អត្រាគ្មានការងារធ្វើសម្រាប់និស្សិតបញ្ចប់ការសិក្សានៅមហាវិទ្យាល័យវ័យក្មេងឥឡូវនេះគឺខ្ពស់ជាងភាពអត់ការងារធ្វើជាទូទៅ ដែលជាការបញ្ច្រាសនៃនិន្នាការទីផ្សារការងារថ្មីៗ ដែលមនុស្សជាច្រើនចាត់ទុកថា AI ផ្លាស់ប្តូរការងារចំណេះដឹងកម្រិតចូល។ ផ្នែកខ្លះនៃនិស្សិតបញ្ចប់ការសិក្សានៅមហាវិទ្យាល័យឥឡូវនេះកំពុងជួបបញ្ហាជាមួយភាពអត់ការងារធ្វើក្នុងអត្រាស្រដៀងគ្នាទៅនឹងមិត្តភក្ដិរបស់ពួកគេដែលគ្មានសញ្ញាបត្រ ដែលបង្ហាញថាការអប់រំនៅមហាវិទ្យាល័យអាចពិបាកជាងក្នុងការបង្ហាញអំពីភាពត្រឹមត្រូវ ហើយការអំពាវនាវនៃការងារដែលមានសុវត្ថិភាពនៅក្នុងការងារការិយាល័យអាចនឹងបាត់បង់ភាពភ្លឺស្វាងរបស់វា។
ប៉ុន្តែប្រសិនបើអ្នកដកយកការងារកម្រិតចូលគ្រប់គ្រាន់ វានឹងប៉ះពាល់ដល់បុគ្គលិកទាំងនោះផងដែរ។ នោះគឺជាការសន្និដ្ឋាននៃក្រដាសដែលបានបោះពុម្ពកាលពីសប្តាហ៍មុនដោយអ្នកស្រាវជ្រាវនៅ Federal Reserve Bank of Atlanta ដែលវិភាគលើការដោះដូរទាំងសងខាងនៃក្រុមប្រឹក្សាភិបាល នៅពេលនិយាយអំពីការធ្វើស្វ័យប្រវត្តិកម្មការងារពាក់អាវស។
Arrow បានអះអាងថា ការបង្កើតថ្មី និងកំណើនផលិតភាព គឺជាអនុផលនៃបទពិសោធន៍ និងការអនុវត្ត។ អ្នកស្រាវជ្រាវរបស់ Fed បានអនុវត្តក្របខ័ណ្ឌនេះទៅនឹងភាពតឹងរ៉ឹងនៃការងារកម្រិតបឋម ដោយលើកហេតុផលថាបទពិសោធន៍គឺជាមូលដ្ឋានគ្រឹះក្នុងការកសាងជំនាញដែលត្រូវការសម្រាប់មុខតំណែងជាអ្នកដឹកនាំ។ សំខាន់ ប្រភេទនៃសកម្មភាពដដែលៗ និងការកសាងជំនាញដែលកើតឡើងដំបូងក្នុងអាជីពរបស់យុវជន មិនអាចធ្វើម្តងទៀតនៅក្នុងមហាវិទ្យាល័យ ឬបញ្ចប់ការសិក្សាទេ ព្រោះមុខតំណែងកម្រិតចូលមានប្រសិទ្ធភាពក្លាយជាវគ្គបណ្តុះបណ្តាលឯកទេស ដើម្បីរៀបចំកម្មករ និងធានាថាចំណេះដឹងស្ថាប័នរបស់ក្រុមហ៊ុននៅតែរក្សាដដែល។
អ្នកស្រាវជ្រាវបានសរសេរថា “ការងារដែលបំពេញមុខតំណែងកម្រិតចូលមិនមែនគ្រាន់តែជាការងារដែលមានតម្លៃទាបនោះទេ – ពួកគេគឺជាកម្មវិធីសិក្សាដែលកម្មករបង្កើតធនធានមនុស្សដែលនឹងធ្វើឱ្យពួកគេមានផលិតភាពនៅពេលក្រោយក្នុងអាជីពរបស់ពួកគេ”។
តាមរយៈការធ្វើឱ្យតួនាទីការងារទាំងនេះកាន់តែច្រើនដោយស្វ័យប្រវត្តិ ក្រុមហ៊ុននានាប្រថុយនឹងបំផ្លាញបំពង់បង្ហូរប្រេងរបស់កម្មករវ័យចំណាស់ដែលមានជំនាញដែលពួកគេអាចត្រូវការនាពេលអនាគត ហើយការជួញដូរការសន្សំការចំណាយរយៈពេលខ្លីក្នុងពេលបច្ចុប្បន្នសម្រាប់ស្ថិរភាពរយៈពេលវែង។ ហើយដោយសារតែទ្រឹស្តីរបស់ Arrow ណែនាំថា ការរៀនសូត្របទពិសោធន៍ និងកំណើនផលិតភាពបានរីករាលដាលពាសពេញសេដ្ឋកិច្ចជាជាងត្រូវបានកំណត់ចំពោះក្រុមហ៊ុនតែមួយ ការសម្រេចចិត្តរបស់ក្រុមហ៊ុនតែមួយដើម្បីធ្វើស្វ័យប្រវត្តិកម្មនូវភារកិច្ច ឬតួនាទីកម្រិតបឋមនឹងប៉ះពាល់ដល់ផ្នែកផ្សេងទៀតនៃឧស្សាហកម្មនេះ។
ទំនងជាមានហេតុផលជាច្រើនសម្រាប់ទីផ្សារការងារដ៏លំបាកសម្រាប់អ្នកជំនាញកម្រិតចូលនៅឆ្នាំ 2026 ហើយមិនមែនពួកគេទាំងអស់សុទ្ធតែពាក់ព័ន្ធនឹង AI នោះទេ។ ជាការឆ្លើយតបទៅនឹងភាពមិនប្រាកដប្រជាជាសកល សង្រ្គាមនៅអ៊ីរ៉ង់ ពន្ធគយ និងក្នុងករណីខ្លះដើម្បីពិសោធន៍ជាមួយ AI ក្រុមហ៊ុនជាទូទៅបានបន្ថយការជួល។ បន្ទាប់ពីជំងឺរាតត្បាត បុគ្គលិកជាច្រើនបានជួលបុគ្គលិកច្រើនពេក ហើយឥឡូវនេះកំពុងកាត់បន្ថយកម្លាំងការងាររបស់ពួកគេ។ ការពិតដែលថាមានការងារការិយាល័យតិចតួចពេក ហើយនិស្សិតបញ្ចប់ការសិក្សាជាច្រើនកំពុងប្រកួតប្រជែងគ្នាសម្រាប់ការងារមានន័យថាទីផ្សារមានភាពឆ្អែតឆ្អន់ ដែលជាហេតុផលមួយដែលប្រជាជនអាមេរិកជំនាន់ Z កាន់តែច្រើនកំពុងពិចារណាលើអាជីពក្នុងការជួញដូរជំនាញជំនួសវិញ។
ប៉ុន្តែខណៈពេលដែលបញ្ហារបស់យុវជនអាមេរិកមិនមែនដោយសារតែ AI ទាំងស្រុងនោះទេ ការពិតនៅតែមានថានិស្សិតបញ្ចប់ការសិក្សានៅមហាវិទ្យាល័យវ័យក្មេងជាច្រើននៅឆ្នាំ 2026 នឹងគ្មានការងារធ្វើ ឬគ្មានការងារធ្វើ ដោយខកខាននូវបទពិសោធន៍សិក្សាដ៏សំខាន់ដែល Arrow និយាយថាជាចំណុចសំខាន់នៃការអភិវឌ្ឍន៍វិជ្ជាជីវៈរបស់ពួកគេ និងផលិតភាពនៃសេដ្ឋកិច្ច។
អ្នកស្រាវជ្រាវរបស់ Fed បានស្នើវិធានការពីរដើម្បីលើកទឹកចិត្តក្រុមហ៊ុនឱ្យបន្តផ្តល់ការងារដល់កម្មករវ័យក្មេងខណៈពេលដែលទទួលបានអត្ថប្រយោជន៍ច្រើនបំផុតពី AI: ពន្ធលើប្រាក់ចំណេញដែលបង្កើតដោយស្វ័យប្រវត្តិកម្ម អមដោយការឧបត្ថម្ភធនដល់ក្រុមហ៊ុនដែលបង្កើនចំនួនការងារដែលកម្មករកម្រិតត្រូវតែបំពេញ។ ល្បាយនេះនឹងរារាំងស្វ័យប្រវត្តិកម្មសរុប និងលើកទឹកចិត្តដល់ការបង្កើតការងារថ្មី ដែលអនុញ្ញាតឱ្យកម្មករវ័យក្មេងរៀនសិប្បកម្មរបស់ពួកគេ។
ជម្រើសរយៈពេលវែងអាចជាក្រុមតូចជាងនៃ “អ្នកគ្រប់គ្រងដែលមានគុណភាពទាប” ដែលនឹងមិនសូវមានលទ្ធភាពជំរុញការច្នៃប្រឌិត។ ទោះជាយ៉ាងណាក៏ដោយ ក្នុងរយៈពេលខ្លី ប្រាក់ចំណេញរបស់ក្រុមហ៊ុនទំនងជាមិនរងផលប៉ះពាល់ដោយសារតែការសន្សំការចំណាយពីការប្រើប្រាស់ AI ។ ប្រសិនបើនិយោជកជ្រើសរើសធ្វើស្វ័យប្រវត្តិកម្មការងារកម្រិតចូលបន្ថែមទៀត អ្នកនិពន្ធសរសេរថា “តម្លៃសុខុមាលភាពនៃការសម្របសម្រួលនៅកម្រិតទាបនៃការរៀនសូត្របានធ្លាក់ចុះស្ទើរតែទាំងស្រុងលើកម្មករ”។
