ลองจินตนาการถึงนักศึกษาคนหนึ่งที่กำลังนั่งอยู่ในห้องสมุดมหาวิทยาลัย ท่ามกลางหนังสือหลายพันเล่มที่เรียงรายอยู่บนชั้น เขาใช้เวลาหลายชั่วโมงอ่านเอกสาร จดบันทึก และพยายามทำความเข้าใจแนวคิดซับซ้อนเพื่อเตรียมตัวสอบ

แต่บนหน้าจอแล็ปท็อปข้างตัวเขา มีเครื่องมือ AI ที่สามารถสรุปบทความหลายสิบฉบับในเวลาไม่กี่นาที เขียนร่างรายงาน วิเคราะห์ข้อมูล หรือแม้แต่ช่วยตอบคำถามที่ครั้งหนึ่งเคยเป็นโจทย์สำคัญของการศึกษาในมหาวิทยาลัย

คำถามจึงไม่ได้อยู่ที่ว่า AI จะช่วยนักศึกษาได้หรือไม่ แต่คือ ถ้า AI สามารถทำงานจำนวนมากที่มหาวิทยาลัยเคยใช้เป็นเครื่องมือวัดความรู้ได้ แล้วเรายังต้องเรียนมหาวิทยาลัยแบบเดิมหรือไม่?

นี่คือคำถามที่กำลังเกิดขึ้นจริงในหมู่นักศึกษาทั่วโลก และเป็นประเด็นสำคัญของรายการ What in the World ของ BBC ตอน “Will AI make your degree pointless?” ซึ่งเผยแพร่เมื่อวันที่ 18 สิงหาคม 2026

โดย BBC ระบุว่านักศึกษาจำนวนมากกำลังเริ่มคิดใหม่เกี่ยวกับอนาคตของตนเอง รวมถึงคำถามว่าปริญญาที่พวกเขากำลังลงทุนทั้งเวลาและเงินเพื่อให้ได้มานั้น จะยังมีคุณค่าเพียงใดในโลกที่ AI สามารถทำงานทางปัญญาได้มากขึ้นเรื่อย ๆ

ประเด็นนี้น่าสนใจเพราะมันไม่ได้เป็นเพียงเรื่องของ “AI จะมาแย่งงานหรือไม่” ลึกลงไปกว่านั้น มันกำลังบังคับให้สังคมย้อนกลับไปถามว่า แท้จริงแล้วมหาวิทยาลัยมีไว้เพื่ออะไร

เมื่อสิ่งที่เคยเป็น “ทักษะ” ของเรา กลายเป็นสิ่งที่ AI ทำได้ง่าย ๆ

ตลอดหลายทศวรรษที่ผ่านมา การศึกษาในมหาวิทยาลัยมีตรรกะที่ค่อนข้างชัดเจน

เราเรียนรู้เนื้อหา สะสมความรู้ ฝึกวิเคราะห์ข้อมูล ทำรายงาน เขียนเรียงความ สอบ และท้ายที่สุดได้รับปริญญาเพื่อเป็นหลักฐานว่าเราได้ผ่านกระบวนการดังกล่าว

ระบบนี้ตั้งอยู่บนสมมติฐานสำคัญข้อหนึ่ง นั่นคือ ความรู้เป็นสิ่งที่มีราคา เพราะการได้มาซึ่งความรู้ต้องใช้เวลา

แต่ AI กำลังทำให้สมการนี้เปลี่ยนไป

เครื่องมือ generative AI สามารถค้นหา สรุป เปรียบเทียบ และเรียบเรียงข้อมูลจำนวนมหาศาลได้ในเวลาอันสั้น สิ่งที่เคยต้องใช้เวลาหลายวันอาจเหลือเพียงไม่กี่นาที

เมื่อเทคโนโลยีทำให้ต้นทุนของ “การเข้าถึงความรู้” ลดลงอย่างมหาศาล คุณค่าของการศึกษาอาจต้องเปลี่ยนจากการ มีความรู้ ไปสู่การ รู้ว่าจะใช้ความรู้อย่างไร

นี่เป็นการเปลี่ยนแปลงที่สำคัญมาก เพราะในอดีต คนที่จำข้อมูลได้มากอาจมีข้อได้เปรียบ แต่ในโลกที่ AI สามารถเรียกคืนข้อมูลได้แทบจะทันที ความสามารถในการจำอาจไม่ใช่ข้อได้เปรียบที่สำคัญที่สุดอีกต่อไป

สิ่งที่มีค่ามากขึ้นอาจเป็นความสามารถในการตั้งคำถามที่ดี รู้ว่าควรเชื่ออะไร ตรวจสอบข้อผิดพลาดของ AI ได้ และตัดสินใจเมื่อข้อมูลหลายชุดขัดแย้งกัน

AI อาจทำให้ความสามารถในการคิดมีค่ามากกว่าความสามารถในการจำ

ความกลัวของคนรุ่นใหม่ไม่ได้เกิดขึ้นโดยไม่มีเหตุผล

ข้อมูลที่ BBC นำเสนอสะท้อนความกังวลที่น่าสนใจ ในการสำรวจนักศึกษามหาวิทยาลัยในสหรัฐฯ เกือบ 70% ระบุว่าพวกเขาคิดว่า AI จะทำให้การหางานยากขึ้น และประมาณ 22% บอกว่าความก้าวหน้าของ AI ทำให้พวกเขาเปลี่ยนสิ่งที่กำลังตัดสินใจเลือกคณะเรียนในมหาวิทยาลัย

ตัวเลขเหล่านี้สะท้อนการเปลี่ยนแปลงทางจิตวิทยาที่สำคัญ

คนรุ่นใหม่ไม่ได้ถามเพียงว่า “ฉันอยากเรียนอะไร?” แต่กำลังเพิ่มคำถามใหม่ว่า “สิ่งที่ฉันกำลังเรียน จะยังมีคุณค่าเมื่อฉันเรียนจบหรือไม่?”

นี่เป็นคำถามที่แตกต่างกันอย่างสิ้นเชิง เพราะการเลือกสาขาวิชาเคยเป็นการตัดสินใจเกี่ยวกับ “ความสนใจ” หรือ “อาชีพ” เป็นหลัก แต่ในยุค AI มันเริ่มกลายเป็นการตัดสินใจเกี่ยวกับความสามารถในการปรับตัวในระยะยาว

นักศึกษาบางคนจึงหันไปหาสาขาที่ดูเหมือนจะได้รับผลกระทบจาก AI น้อยกว่า ขณะที่บางคนกลับเลือกเรียนเกี่ยวกับ AI โดยตรง แต่ทั้งสองกลุ่มกำลังตอบสนองต่อความกลัวเดียวกัน นั่นคือ ความไม่แน่นอนของอนาคต

แล้วปริญญาจะกลายเป็นสิ่งไร้ความหมายจริงหรือ?

คำตอบอาจไม่ใช่ “ใช่” หรือ “ไม่ใช่” เพราะเราต้องแยกคำว่า ปริญญา ออกจากคำว่า การศึกษา

ปริญญาเป็นใบรับรอง ส่วนการศึกษาเป็นกระบวนการ

ถ้ามองปริญญาเพียงในฐานะใบกระดาษที่บอกว่าเจ้าของผ่านหลักสูตรบางอย่างแล้ว คุณค่าของมันอาจถูกตั้งคำถามมากขึ้น โดยเฉพาะเมื่อ AI ทำให้ผู้คนสามารถเรียนรู้ทักษะบางประเภทได้ด้วยตัวเองจากเครื่องมือออนไลน์จำนวนมหาศาล

แต่ถ้ามองมหาวิทยาลัยเป็นสถานที่ที่มนุษย์ได้ฝึกคิด ฝึกตั้งคำถาม ทำงานร่วมกับผู้อื่น ทดลองผิดพลาด และเผชิญหน้ากับแนวคิดที่แตกต่าง การมีอยู่ของ AI อาจไม่ได้ทำให้มหาวิทยาลัยหมดความจำเป็น

ตรงกันข้าม มันอาจทำให้ภารกิจเหล่านี้สำคัญกว่าเดิม

ลองคิดถึงการเรียนวิทยาศาสตร์ AI อาจสามารถอธิบายทฤษฎีทางฟิสิกส์ให้เราได้อย่างละเอียด แต่การเข้าใจวิทยาศาสตร์อย่างแท้จริงไม่ได้หมายถึงการอ่านคำอธิบายที่ดีเท่านั้น

นักวิทยาศาสตร์ต้องรู้ว่าจะตั้งสมมติฐานอย่างไร จะออกแบบการทดลองอย่างไร จะรู้ได้อย่างไรว่าผลลัพธ์ผิดพลาด และจะรับมืออย่างไรเมื่อธรรมชาติไม่เป็นไปตามสิ่งที่ตนเองคาดไว้

สิ่งเหล่านี้เกี่ยวข้องกับ วิจารณญาณ มากกว่าการเข้าถึงข้อมูล และนี่อาจเป็นพื้นที่ที่มนุษย์ยังมีบทบาทสำคัญอย่างมาก

จุดเปลี่ยน

จาก “เรียนให้รู้” สู่ “เรียนให้คิด”

หาก AI สามารถช่วยเขียนเรียงความได้ การให้นักศึกษาทำรายงานแบบเดิมอาจไม่เพียงพออีกต่อไป

หาก AI สามารถตอบข้อสอบได้ การสอบที่วัดเพียงความสามารถในการจำอาจสูญเสียความหมาย

และหาก AI สามารถสร้างโค้ดได้ การเรียนเขียนโปรแกรมอาจต้องเปลี่ยนจากการจำ syntax ไปสู่การเข้าใจระบบ การออกแบบ และการตรวจสอบผลลัพธ์

นี่ไม่ได้หมายความว่าทักษะพื้นฐานจะไม่มีความสำคัญ ในทางตรงกันข้าม คนที่ใช้ AI ได้ดีอาจจำเป็นต้องมีความรู้พื้นฐานมากกว่าเดิมด้วยซ้ำ เพราะการตรวจสอบว่า AI ให้คำตอบผิดหรือถูกนั้น จำเป็นต้องมีความเข้าใจในเรื่องนั้นอยู่บ้าง

ลองนึกภาพคนสองคนใช้ AI เพื่อวิเคราะห์รายงานทางการเงิน

  • คนแรกไม่เข้าใจบัญชีเลย เขาอาจเชื่อคำตอบของ AI ทันที
  • อีกคนเข้าใจหลักการทางการเงิน เขาสามารถมองเห็นได้ว่า AI กำลังใช้สมมติฐานผิด หรือกำลังตีความตัวเลขผิด

ทั้งสองคนมี AI เครื่องเดียวกัน แต่ผลลัพธ์แตกต่างกันอย่างสิ้นเชิง

นี่คือเหตุผลที่แนวคิดอย่าง AI literacy หรือความสามารถในการเข้าใจและใช้งาน AI อย่างมีวิจารณญาณ กำลังกลายเป็นทักษะสำคัญ

มหาวิทยาลัยในอนาคตอาจไม่ได้สอน “คำตอบ”

บางทีการเปลี่ยนแปลงครั้งใหญ่ที่สุดของมหาวิทยาลัยอาจไม่ได้อยู่ที่หลักสูตร แต่คือการเปลี่ยนคำถามที่อาจารย์ใช้กับนักศึกษา

ในอดีตอาจถามว่า

  • “คำตอบคืออะไร?”

ในอนาคตอาจถามว่า

  • “คุณรู้ได้อย่างไรว่าคำตอบนี้ถูก?”
  • “ถ้า AI ให้คำตอบตรงกันข้าม คุณจะตรวจสอบอย่างไร?”

คำถามลักษณะนี้บังคับให้นักศึกษาเดินทางจากการรับข้อมูลไปสู่การประเมินข้อมูล และนั่นคือทักษะที่สำคัญในโลกซึ่งข้อมูลไม่ได้ขาดแคลนอีกต่อไป

สิ่งที่ขาดแคลนอาจเป็น ความสามารถในการแยกแยะว่าอะไรควรเชื่อ

AI สามารถสร้างคำตอบที่ฟังดูน่าเชื่อถือได้ แม้คำตอบนั้นจะผิด การมีความรู้พื้นฐาน ความสามารถในการคิดเชิงวิพากษ์ และความเข้าใจบริบทจึงกลายเป็นแนวป้องกันสำคัญ

AI อาจไม่ได้ทำให้การศึกษาไร้ความหมาย มันกำลังบังคับให้การศึกษากลับไปหาคำถามพื้นฐานที่สุดว่า เราต้องการสร้างคนที่ “รู้” หรือคนที่ “คิดเป็น”?

สิ่งที่กำลังเปลี่ยนจริง ๆ อาจไม่ใช่ปริญญา แต่คือความหมายของ “ความสามารถ”

โลกการทำงานในอนาคตอาจไม่ได้ถามเพียงว่า “คุณเรียนจบอะไรมา?”

นายจ้างอาจสนใจมากขึ้นว่า

  • คุณแก้ปัญหาได้หรือไม่
  • คุณทำงานร่วมกับ AI ได้ดีแค่ไหน
  • คุณสามารถตรวจสอบผลลัพธ์ของมันได้หรือไม่
  • คุณเรียนรู้สิ่งใหม่ได้เร็วเพียงใด
  • และเมื่อสถานการณ์เปลี่ยน คุณสามารถปรับตัวได้หรือไม่

ดังนั้น “future-proof” อาจไม่ได้หมายถึงการเลือกอาชีพที่ AI ไม่มีวันแทนที่ เพราะไม่มีใครสามารถรับประกันได้ว่าอาชีพใดจะปลอดภัยตลอดไป

สิ่งที่สมเหตุสมผลกว่าคือการสร้างมนุษย์ที่ ปรับตัวได้แม้โลกจะเปลี่ยน

แนวคิดนี้ทำให้ทักษะอย่าง critical thinking, creativity, adaptability และการเรียนรู้ตลอดชีวิตมีความสำคัญมากขึ้น และนั่นอาจเป็นเหตุผลที่การศึกษาในยุค AI ไม่ควรพยายามแข่งขันกับ AI ในสิ่งที่ AI ทำได้ดีที่สุด

มหาวิทยาลัยไม่จำเป็นต้องพยายามเป็นเครื่องจักรที่เก็บข้อมูลได้มากที่สุด มันควรเป็นสถานที่ที่ช่วยให้มนุษย์รู้ว่าจะทำอย่างไรกับข้อมูลเหล่านั้น