OECD สำรวจนโยบาย AI ในตลาดแรงงาน 24 กรกฎาคม 2026: HR ต้องดู 6 เรื่อง ไม่ใช่แค่ AI Policy

OECD เผยแพร่อะไรเมื่อ 24 กรกฎาคม 2026?

วันที่ 24 กรกฎาคม 2026 OECD เผยแพร่ Recent policy developments on AI in the labour market ความยาว 64 หน้า เปรียบเทียบนโยบายในประเทศ G7 ระดับสหภาพยุโรป และชิลี โคลอมเบีย คอสตาริกา กับเม็กซิโก โดยใช้ desk research แบบสอบถามเฉพาะ และงานสำรวจเชิงทดลองที่ใช้ prompt engineering.

ข่าวสำคัญสำหรับ HR ไม่ใช่การมีกฎใหม่เพียงข้อเดียว แต่คือภาพรวมของเครื่องมือที่กระจายอยู่ตามนโยบายแรงงานและการคุ้มครองเดิม รายงานระบุว่ามาตรการที่เจาะ AI โดยตรงพัฒนาไปไกลสุดในเรื่องทักษะและการนำ AI ไปใช้ ขณะที่ privacy, transparency และ accountability ยังอยู่ระหว่างสร้างแนวทางที่ลงมือทำได้.

นี่ไม่ใช่สัญญาณให้รอข้อบังคับชัดทุกบรรทัด เพราะระบบ HR ตัดสินใจเรื่องคนอยู่แล้ว หากเครื่องมือใหม่เพิ่มความเร็วแต่ไม่มีช่องทางอธิบาย ทบทวน หรือหยุด การรอก็เพียงย้ายความเสี่ยงไปให้พนักงานและผู้สมัครรับก่อน.

กรอบนโยบาย AI ในงาน 6 ด้านมีอะไรบ้าง?

OECD จัดพื้นที่นโยบายเป็นหกด้านที่เชื่อมกัน องค์กรควรใช้เป็นเลนส์ตรวจ Workflow มากกว่าใช้เป็นหัวข้ออบรมหกวิชา เพราะเหตุการณ์หนึ่งอาจแตะหลายด้านพร้อมกัน เช่น AI จัดตารางกะอาจกระทบผลิตภาพ ข้อมูลส่วนบุคคล ความปลอดภัย และอำนาจต่อรองของคนทำงานในคราวเดียว.

• Automation, productivity, skills and opportunities: งานเปลี่ยนอย่างไร ใครได้โอกาส และใครต้องได้รับการช่วยเหลือก่อนเกิด displacement

• Privacy and data protection: ใช้ข้อมูลอะไร ด้วยฐานและวัตถุประสงค์ใด เก็บนานแค่ไหน และใครเข้าถึงได้

• Non-discrimination: ตัวแปรหรือ proxy ใดอาจทำให้บางกลุ่มเสียโอกาส และทดสอบผลต่างอย่างไร

• Occupational safety and health: ระบบทำให้ภาระ ความเร่ง ความเครียด หรือความเสี่ยงทางกายเปลี่ยนไปหรือไม่

• Transparency, explainability and accountability: ใครต้องได้รับแจ้ง ใครอธิบายผล และใครมีอำนาจแก้หรือยกเลิกคำตัดสิน

• Social dialogue: คนทำงาน ตัวแทน และ Process Owner เข้ามามีส่วนร่วมตั้งแต่การออกแบบ ไม่ใช่หลัง rollout แล้ว

ช่องว่างนโยบายที่ HR ควรเห็นอยู่ตรงไหน?

Executive Summary ระบุว่าทุกประเทศที่สำรวจมีโครงการ reskill/upskill แต่หลายโครงการเน้นทักษะเทคนิคมากกว่า AI literacy ทั่วไป อีกด้านหนึ่ง มาตรการช่วยคนที่ยังมีงานแต่เสี่ยงถูกรบกวนจาก AI ยังมีค่อนข้างน้อยเมื่อเทียบกับมาตรการช่วยคนที่ถูกแทนที่แล้ว.

ด้าน transparency หลายกรอบกำหนดหรือสนับสนุนให้นายจ้างบอกพนักงานว่ามีการใช้ AI และบางแห่งขยายถึงผู้สมัคร แต่แนวทางปฏิบัติยังไม่สม่ำเสมอ เรื่อง privacy และ accountability ก็ยังต้องการตัวอย่างรายอุตสาหกรรม self-assessment และวิธีตรวจว่าคำแนะนำถูกใช้จริงหรือไม่.

ดังนั้นช่องว่างขององค์กรอาจไม่ใช่ไม่มีหลักการ แต่เป็นหลักการไม่มีจุดเชื่อมกับงานจริง เช่นเขียนว่า human oversight โดยไม่ระบุคนตัดสินใจ เขียนว่า fairness โดยไม่มี test set หรือบอกว่าโปร่งใสโดยผู้ได้รับผลกระทบไม่รู้ว่าจะถามใคร.

ทำไมกฎหมายแรงงานและระบบเดิมยังมีบทบาท?

OECD พบว่าหลายประเทศเริ่มจากกรอบเดิมในเรื่อง data protection, non-discrimination และ occupational safety and health แล้วออกคู่มือ workshop หรือ self-check เพิ่มเพื่ออธิบายว่าใช้กับ AI อย่างไร ทุกเขตอำนาจที่ศึกษาล้วนแนะนำหรือกำหนดให้มี risk assessment ในบางรูปแบบ และหลายแห่งพูดถึง audit, certification หรือ security measures.

สำหรับ HR นี่หมายถึงอย่าสร้าง AI Governance เป็นเกาะใหม่ ลากเส้นจาก Use Case ไปยังเจ้าของกระบวนการเดิม เช่น Privacy, ER, DEI, Safety, Internal Audit และ IT Security แล้วถามว่าวิธีเดิมรับความเร็ว ความไม่แน่นอน และการใช้ข้อมูลของระบบใหม่ไหวหรือไม่.

บทความนี้ไม่ใช่คำแนะนำทางกฎหมาย และรายงาน OECD ไม่ได้ประเมินประเทศไทย องค์กรไทยต้องเทียบกับ PDPA กฎหมายแรงงาน ข้อตกลงการจ้าง และบริบทแรงงานสัมพันธ์ของตนกับที่ปรึกษาที่เกี่ยวข้อง.

แปลงรายงานเป็น Policy Coverage Map อย่างไร?

เลือก AI Use Case หนึ่งรายการ ไม่เริ่มจาก policy ทั้งบริษัท แล้วทำตารางหกแถวตามกรอบ OECD แต่ละแถวมีห้าคอลัมน์: ผลกระทบที่คาด, เจ้าของ, หลักฐานก่อนเปิดใช้, monitoring หลังเปิดใช้ และเส้นทางให้คนร้องเรียนหรือหยุดระบบ ถ้าช่องใดว่าง ให้ถือว่าเป็นงานออกแบบ ไม่ใช่ข้อยกเว้น.

ตัวอย่าง AI ช่วยคัด CV: Productivity อาจวัดเวลาคัดและคุณภาพ shortlist; Privacy ระบุข้อมูลที่ใช้และ retention; Non-discrimination มี subgroup test; Safety ดู workload ของ recruiter; Transparency มี candidate notice; Social dialogue รับ feedback จาก recruiter และผู้สมัคร ตัวอย่างนี้ทำให้คำว่า responsible AI ลงมาถึง decision log ได้.

กำหนด RACI เพียงหนึ่งหน้าต่อ Use Case แยกผู้อนุมัติธุรกิจออกจากผู้ตรวจความเสี่ยง และอย่าให้ vendor เป็นคนรับรองคุณภาพเพียงฝ่ายเดียว หากต้องการโครง Governance ตั้งต้น อ่าน ‘ก่อนใช้ AI Agent ในงาน HR’ และบทความ Human-in-the-loop เพื่อเลือกจุดตรวจตามระดับผลกระทบ.

HR ควรเก็บหลักฐานอะไรใน 30 วัน?

สัปดาห์แรกทำ inventory ของระบบที่แนะนำ จัดอันดับ คาดการณ์ เฝ้าติดตาม หรือสร้างข้อความเกี่ยวกับคน สัปดาห์ที่สองเลือก Use Case เสี่ยงสูงหนึ่งรายการและสัมภาษณ์ผู้ใช้กับผู้ได้รับผลกระทบ สัปดาห์ที่สามเติม Policy Coverage Map และทดลอง incident tabletop สัปดาห์ที่สี่เสนอ gap สามข้อพร้อมเจ้าของและเส้นตาย.

• System card หรือเอกสารวัตถุประสงค์ ขอบเขต ผู้ขาย รุ่น และข้อมูลที่ระบบแตะ

• Baseline ก่อนใช้ AI และผลทดสอบคุณภาพ แยกความเร็ว ความผิดพลาด และผลต่างระหว่างกลุ่มเมื่อทำได้อย่างชอบธรรม

• Notice, consent หรือ lawful-basis record ตามคำแนะนำของฝ่ายกฎหมายและ Privacy

• ชื่อผู้มีอำนาจ override วิธีบันทึกเหตุผล และ SLA สำหรับคำร้องหรือการแก้ไข

• ผลกระทบต่อ workload ความเครียด ความปลอดภัย และ feedback ของคนทำงานหลังเริ่มใช้

ข้อจำกัดและบริบทที่ Admin ต้องตรวจคืออะไร?

รายงานเป็น comparative policy review ไม่ใช่การจัดอันดับประเทศหรือหลักฐานเชิงเหตุและผล Figure และ Table บอกว่ามาตรการใดมีอยู่หรือถูกแนะนำ แต่ไม่ได้พิสูจน์ว่ามาตรการนั้นลดอันตรายได้มากเท่าใด Admin ควรตรวจข้อความต้นทาง โดยเฉพาะหากจะนำตัวอย่างประเทศไปใช้ในข้อเสนอเชิงกฎหมาย.

Source highlights ด้านล่างบันทึกกราฟและตารางที่น่าใช้เป็นต้นแบบคิด แต่ภาพบทความเป็นภาพสร้างใหม่ ไม่ได้คัดลอก cover, figure หรือโลโก้ OECD หากจะทำ infographic ภายหลัง ควรอ้างต้นฉบับ ระบุว่าเป็น adaptation และตรวจเงื่อนไข CC BY 4.0 รวมทั้งวัสดุของบุคคลที่สามแยกต่างหาก.