งานบัญชีชิ้นไหน ย้ายไป AI แล้ว ชิ้นไหนยังไม่ย้าย

วันที่ 4 กันยายน 2026 โพสต์โฆษณาชิ้นเดียวบนอินสตาแกรมทำให้วงการบัญชีอังกฤษเดือดทั้งสัปดาห์ Amelia Sordell นักวางแบรนด์บุคคลชาวอังกฤษที่มีผู้ติดตาม 77,000 คน เล่าในโพสต์สปอนเซอร์ของ Xero ซึ่งเป็นซอฟต์แวร์บัญชีบนคลาวด์ว่า ตั้งแต่ปี 2020 เธอจ่ายค่านักบัญชีไปแล้วกว่า 120,000 ปอนด์ แต่พอต่อ Xero เข้ากับ Claude เธอก็ทำงบบริหารเองได้ จากที่เคยจ่ายเดือนละ 800 ปอนด์ให้คนอื่นทำให้

นักบัญชีลุกฮือบนลิงก์ดอินภายในวันเดียว Laura McKenzie บอกว่านี่คือฟางเส้นสุดท้าย เธอจะเลิกใช้ Xero Kate Gloudemans ออกมาพูดในทางเดียวกัน ส่วน Damon Anderson อดีตผู้อำนวยการฝ่ายปฏิบัติการของ Xero สหราชอาณาจักร เขียนบล็อกสวนกลับ สุดท้าย Xero ถอดโพสต์ออก Kate Hayward กรรมการผู้จัดการออกมาขอโทษว่าโฆษณาชิ้นนี้ "does not reflect our values … and it should never have run" และ Angad Soin ย้ำอีกชั้นว่า "The post contradicts everything we stand for" พร้อมยืนยันว่าบริษัทไม่ได้เขียนและไม่ได้อนุมัติข้อความนั้น

Productize ทำงานกับการย้ายงานเอกสารบัญชีไปให้ AI ทำมาต่อเนื่อง และเก็บผลจากงานจริงไว้เป็นบทความชุดหนึ่ง บทความนี้เอาแผนที่งานชุดนั้นมาวางทับดราม่าที่เพิ่งเกิด เพื่อให้เห็นว่าเส้นแบ่งอยู่ตรงไหนจริงๆ

เพราะสิ่งที่หายไปจากการเถียงกันรอบนี้ ไม่ใช่ข้อมูลว่าใครถูก แต่เป็นหน่วยที่ใช้เถียง

ทำไมทั้งสองฝั่ง ถึงเถียงกันผิดหน่วย

เพราะทั้งคู่เถียงกันที่ระดับ "อาชีพ" ฝั่งหนึ่งบอกว่าแทนได้ อีกฝั่งบอกว่าแทนไม่ได้ ทั้งที่อาชีพไม่ใช่หน่วยที่ AI ทำงานด้วย หน่วยจริงคืองานย่อยทีละชิ้น และงานย่อยแต่ละชิ้นในสำนักงานบัญชีก็มีเงื่อนไขของตัวเอง ไม่เหมือนกันสักชิ้น

ลองแยกดราม่านั้นออกเป็น 2 ประโยค แล้วจะเห็นชัดขึ้น

ประโยคแรก Amelia พูดถูก งานที่เธอเลิกจ้างคือการทำสเปรดชีตงบบริหาร เป็นรายงานตัวเลขที่ทำไว้ให้ตัวเองอ่าน ไม่ต้องยื่นใคร ไม่มีใครต้องเซ็นรับรอง และถ้าตัวเลขคลาดเคลื่อน อย่างช้าที่สุดก็รู้เดือนหน้าตอนตัวเลขจริงเข้ามาแล้วไม่ตรงกับที่คิดไว้ งานหน้าตาแบบนี้คืองานที่ย้ายได้จริง ไม่ใช่คำโฆษณา

ประโยคที่สอง Amelia พูดผิด เธอเอางาน 1 ชิ้นที่ย้ายได้ ไปสรุปแทนอาชีพทั้งอาชีพ ตัวเลข 120,000 ปอนด์ที่จ่ายไปตั้งแต่ปี 2020 ไม่ได้เป็นค่าทำสเปรดชีตล้วนๆ ในนั้นรวมของอีกหลายอย่างที่ไม่ได้เขียนแยกบรรทัดไว้ในใบเสร็จ ตรงนี้แหละที่การสรุปพลาด

แล้วฝั่งที่โกรธล่ะ ก็เถียงที่ระดับอาชีพเหมือนกัน คำตอบที่ดังที่สุดในลิงก์ดอินสัปดาห์นั้นคือ "AI แทนนักบัญชีไม่ได้" ซึ่งจริงในภาพรวม แต่ไม่ช่วยใครเลยในทางปฏิบัติ เพราะไม่มีใครในบทสนทนานั้นพูดถึงงานย่อยสักชิ้นเดียวว่าชิ้นไหนย้ายไปแล้ว ชิ้นไหนยังอยู่

ความโกรธรอบนั้นมีของจริงอยู่ข้างใต้ เดือนกรกฎาคมที่ผ่านมา เราขึ้นเวทีพูดกับสำนักงานบัญชีหลายร้อยคน แล้วสิ่งที่ได้ยินซ้ำที่สุดไม่ใช่คำถามเรื่องเครื่องมือ แต่เป็นความรู้สึก 4 ข้อที่แทบไม่มีใครพูดออกมาดังๆ

• กลัวถูกทิ้งไว้ข้างหลัง แต่ไม่รู้จะเริ่มจากตรงไหน
• รู้สึกว่า AI เป็นเรื่องของคนเก่งเทค ไม่ใช่เรื่องของนักบัญชี
• กังวลว่าต้องเรียนรู้อีกเยอะ ทั้งที่งานประจำก็หนักอยู่แล้ว
• ลูกค้าเริ่มถาม AI แต่เรายังไม่มีคำตอบที่มั่นใจ

ข้อสุดท้ายคือข้อที่เจ็บที่สุดเวลาเจอโพสต์แบบของ Amelia เพราะลูกค้าจะเอาไปถามต่อในสัปดาห์นั้นเลย และคำตอบที่ว่า "AI แทนเราไม่ได้หรอก" ไม่ได้ทำให้ลูกค้ามั่นใจขึ้นแม้แต่นิดเดียว สิ่งที่ทำให้ลูกค้ามั่นใจคือการชี้ได้ทีละชิ้นว่างานไหนย้ายไปให้เครื่องแล้ว งานไหนยังอยู่ในมือคน และเพราะอะไร

แผนที่ข้างล่างนี้คือชุดคำตอบนั้น เราแบ่งงานบัญชีเป็น 5 หมวดตามลักษณะของงาน ไม่ได้แบ่งตามตำแหน่งของคนทำ

ช่วงที่ 1รับเข้าและสกัดเอกสาร งานที่ย้ายไปแล้ว ถ้ามีชั้นพิสูจน์เลข

หมวดนี้ย้ายไปแล้วจริง แต่ย้ายได้เฉพาะตอนที่มีชั้นพิสูจน์เลขต่อท้าย ถ้าไม่มี สิ่งที่ได้คือความเร็วที่พาความผิดพลาดวิ่งเร็วขึ้นเท่านั้น

งานในหมวดนี้คือของที่กองอยู่หน้าโต๊ะทุกเช้า รับไฟล์เข้ามา จัดกลุ่ม ตั้งชื่อให้เป็นระบบ ตรวจว่าใบไหนซ้ำกับที่เข้ามาแล้ว แล้วแกะตัวเลขออกจากบิลกับใบกำกับภาษีให้กลายเป็นข้อมูลที่เครื่องอ่านต่อได้ ก่อนจะนำเข้าโปรแกรมบัญชี ทั้งเส้นนี้ AI ทำได้หมดในวันนี้

ปัญหาอยู่ตรงที่มันทำผิดแบบเนียนมาก

เราเคยเอาบิลใบเดียวไปให้โมเดลหลายตัวอ่าน โมเดลหนึ่งอ่านยอดได้ 5,390 บาท อีกตัวอ่านได้ 4,851 บาท จากบิลใบเดียวกัน และทั้งคู่ตอบด้วยน้ำเสียงมั่นใจเท่ากันเป๊ะ ไม่มีตัวไหนบอกว่าไม่แน่ใจ ถ้าคุณรับคำตอบแรกที่ได้มาโดยไม่ตรวจ คุณจะไม่มีทางรู้เลยว่าวันนั้นได้ตัวไหนมา รายละเอียดการทดสอบอยู่ในบทความ ตรวจความแม่นของ OCR

ตรงนี้แหละที่ชั้นพิสูจน์เลขเข้ามาทำงาน ตัวเลขในเอกสารภาษีมีความสัมพันธ์ทางคณิตศาสตร์ที่ตรวจซ้ำได้เอง โดยไม่ต้องเชื่อสายตาของโมเดล

• ยอดก่อนภาษี คูณ 0.07 ต้องเท่ากับภาษีมูลค่าเพิ่มที่พิมพ์ไว้บนบิล
• ยอดก่อนภาษี บวกภาษีมูลค่าเพิ่ม ลบภาษีหัก ณ ที่จ่าย ต้องเท่ากับยอดจ่ายสุทธิ
• ค่าบริการหัก 3% ค่าเช่าหัก 5% ถ้าอัตราที่แกะมาไม่ตรงกับประเภทของรายจ่าย แปลว่ามีอะไรผิดตั้งแต่ขั้นอ่าน

กฎ 3 ข้อนี้ไม่ได้ทำให้ AI อ่านแม่นขึ้น แต่ทำให้ใบที่อ่านพลาดร้องขึ้นมาเองก่อนถึงมือคน ใบที่ผ่านกฎครบก็ไหลเข้าโปรแกรมบัญชีได้เลย ส่วนใบที่ติดกฎข้อใดข้อหนึ่งค่อยเด้งมาให้คนดู

วิธีวางเส้นนี้ทั้งเส้นตั้งแต่รับไฟล์จนถึงด่านตรวจก่อนนำเข้า เราเขียนไว้ละเอียดใน สกัดข้อมูลใบกำกับด้วย AI ส่วนใครที่ยังเลือกไม่ถูกว่าจะทำเองหรือซื้อของสำเร็จ เทียบเครื่องมือแกะบิลแบบทำเองกับแบบจ่ายเงิน มาจากงานสอนทีมบัญชีจริง ไม่ได้มาจากตารางเปรียบเทียบบนหน้าเว็บผู้ขาย

สรุปหมวดนี้ ย้ายได้ และควรย้ายก่อนเพื่อนเลย แต่ย้ายพร้อมกฎตรวจเสมอ ไม่ใช่ย้ายเปล่าๆ

ช่วงที่ 2กระทบยอดและตรวจสอบ ย้ายได้ครึ่งเดียว โดยตั้งใจ

หมวดนี้ย้ายได้ครึ่งเดียว และครึ่งที่ไม่ย้าย ไม่ได้ไม่ย้ายเพราะทำไม่ได้ แต่เพราะไม่ควรย้าย

ครึ่งแรกคือการจับคู่ เอาสมุดบัญชีมาเทียบกับใบแจ้งยอดของธนาคารทีละรายการ ตัวไหนตรงก็จับคู่ให้ ตัวไหนไม่ตรงก็แยกออกมาเป็นกอง งานลักษณะนี้เป็นงานที่คนทำแล้วเมื่อยตาแต่ไม่ได้ใช้วิจารณญาณอะไรเลย เครื่องทำได้เร็วกว่าและไม่หลุดสมาธิกลางทาง

ครึ่งหลังคือการอธิบายกองที่ไม่ตรง ซึ่งเป็นคนละงานกันคนละเรื่อง รายการที่ไม่ตรงหนึ่งรายการอาจแปลว่าเช็คยังไม่ขึ้นเงิน อาจแปลว่าลงบัญชีผิดวัน หรืออาจแปลว่ามีเงินออกจากบัญชีโดยไม่มีใครรู้ ทั้งสามอย่างหน้าตาเหมือนกันหมดในตาราง ต่างกันที่บริบทซึ่งอยู่ในหัวคนที่ดูแลบัญชีนั้นมาทั้งปี

เกณฑ์ที่เราใช้กับงานกระทบยอดจึงไม่ใช่ "AI บอกว่ายอดตรงไหม" แต่เป็น "รายงานที่ได้มา ตรวจย้อนกลับไปหาแต่ละรายการได้หรือเปล่า" รายงานที่บอกแค่ว่าตรงแล้วเชื่อไม่ได้ เพราะไม่มีทางรู้ว่ามันตรงเพราะจับคู่ถูก หรือตรงเพราะจับคู่มั่ว วิธีทำให้รายงานตรวจย้อนได้อยู่ใน กระทบยอดธนาคารด้วย AI

vouching ก็เดินตรรกะเดียวกัน งานนี้คือการตรวจว่ารายการที่บันทึกไว้มีเอกสารจริงรองรับหรือเปล่า AI จับคู่รายการกับเอกสารได้ และชูตัวที่หาเอกสารรองรับไม่เจอขึ้นมาให้เห็นได้ แต่คำตัดสินว่ารายการที่ไม่มีเอกสารนั้นคือความบกพร่องหรือคือเรื่องปกติของธุรกิจนี้ ยังเป็นของคน เรื่องนี้เขียนไว้แล้วใน ให้ AI ช่วย vouching

งานหา exception ในสมุดรายวันทั่วไปก็อยู่ในหมวดเดียวกัน สั่งให้ไล่หาค่าใช้จ่ายที่เกินยอดที่กำหนดไว้แต่จ่ายเป็นเงินสด หรือให้กระทบภาษีขายกับยอดรายได้ว่าไปด้วยกันไหม พวกนี้เครื่องกวาดได้ในเวลาไม่กี่นาที สิ่งที่ได้กลับมาคือรายการที่ควรถาม ไม่ใช่ข้อสรุปว่าใครทำผิด

พูดอีกแบบ AI ในหมวดนี้ทำหน้าที่เป็นคนกวาดของขึ้นโต๊ะ ส่วนคนยังเป็นคนตัดสินว่าของบนโต๊ะแปลว่าอะไร

ช่วงที่ 3สร้างเอกสารและรายงาน ย้ายได้เกือบหมด ยกเว้นตัวที่มีผลผูกพัน

หมวดนี้ย้ายได้มากที่สุดในบรรดาทั้งห้า เพราะงานส่วนใหญ่คือการเอาข้อมูลที่มีอยู่แล้วมาขึ้นรูปตามแบบที่กำหนดไว้แล้ว

ใบเสนอราคาทีละร้อยใบจากไฟล์เอกซ์เซลไฟล์เดียวคือตัวอย่างที่ตรงที่สุด ข้อมูลอยู่ครบแล้ว รูปแบบตายตัวแล้ว สิ่งที่เหลือคือแรงงานล้วนๆ งานแบบนี้ไม่มีเหตุผลที่คนต้องนั่งทำเองอีกต่อไป

ถัดขึ้นมาอีกชั้นคือหนังสือรับรองการหักภาษี ณ ที่จ่าย หรือ 50 ทวิ ที่ต้องออกให้คู่ค้าทุกครั้งที่หักภาษีไว้ แล้วต่อยอดขึ้นไปเป็นแบบยื่นรายเดือน ภ.ง.ด.3 สำหรับคู่ค้าที่เป็นบุคคลธรรมดา และ ภ.ง.ด.53 สำหรับนิติบุคคล ทั้งหมดนี้ประกอบจากข้อมูลชุดเดียวกับที่แกะมาตั้งแต่หมวดที่ 1 ถ้าหมวดแรกวางกฎตรวจไว้ดี หมวดนี้ก็แทบไม่มีอะไรให้ทำใหม่

งบการเงินก็ทำได้ ขึ้นรูปจากงบทดลองโดยใช้แบบของปีก่อนเป็นตัวตั้ง เพื่อให้หัวข้อกับการจัดกลุ่มยังเป็นชุดเดิม แต่ตรงนี้ต้องพูดให้ชัด สิ่งที่ได้ออกมาคือร่าง ไม่ใช่ตัวจบ ความต่างอยู่ที่งบการเงินคือเอกสารที่ส่งออกไปข้างนอก ทั้งธนาคาร หน่วยงานรัฐ หรือผู้ถือหุ้น และมีคนที่ต้องเซ็นชื่อกำกับท้ายเอกสาร

ส่วนแดชบอร์ดการเงินอยู่คนละขั้วกับงบการเงิน ทำเสร็จเร็วมาก และไม่มีใครต้องเซ็น จึงเป็นของที่ควรย้ายก่อนพอๆ กับหมวดที่ 1 ซึ่งบังเอิญเป็นงานประเภทเดียวกับที่ Amelia ทำเองได้พอดี

เส้นแบ่งของหมวดนี้จึงชัดกว่าหมวดอื่น ถ้าเอกสารนั้นไม่มีผลผูกพันกับใครข้างนอก ย้ายได้เต็มตัว ถ้ามีผลผูกพัน ย้ายได้แค่ขั้นร่าง แล้วคนตรวจก่อนส่งเสมอ

ช่วงที่ 4อัตโนมัติและข้ามแอป ตัวตัดสินคือต้นทุน ไม่ใช่ความสามารถ

หมวดนี้เป็นหมวดเดียวที่คำถามว่า "ทำได้ไหม" ไม่ใช่คำถามที่ควรถาม เพราะคำตอบคือทำได้ คำถามที่ควรถามคือคุ้มไหม

งานในหมวดนี้คือการให้ agent ทำงานต่อกันเองข้ามหลายโปรแกรม เปิดเว็บ กรอกข้อมูล ดึงไฟล์จากที่หนึ่งไปวางอีกที่หนึ่ง ตั้งเวลาให้รันเองทุกเช้า ตอนที่เราไปนั่งเรียนวิธีเอา AI มาใช้กับงานบัญชีด้วยตัวเอง คนสอนสาธิตให้ดูจนจบว่าให้ AI กรอกข้อมูลลงเว็บได้ครบ 100% แล้วพูดตรงๆ ในประโยคถัดมาว่า "เปลือง Token จนหมดตัว"

ประโยคนั้นคือของจริงที่สุดในทั้งวัน เพราะการสั่งงานข้ามแอปกินโทเคนมากกว่าการสั่งงานในตัวโปรแกรมเองหลายเท่า ทุกครั้งที่ agent ต้องมองหน้าจอ ตัดสินใจว่าจะกดตรงไหน แล้วมองผลอีกรอบ ค่าใช้จ่ายเดินอยู่ตลอดเวลา งานที่ทำครั้งเดียวจบก็ยังพอไหว แต่งานที่ต้องรันทุกวันวันละหลายรอบ ต้นทุนต่อเดือนจะไล่ทันค่าจ้างคนเร็วกว่าที่คิด

แล้วงานประจำที่รูปแบบซ้ำเป๊ะทุกครั้งล่ะ ใช้ RPA คุ้มกว่า เพราะ RPA ทำตามขั้นตอนตายตัวโดยไม่ต้องคิดใหม่ทุกรอบ กดตรงไหน พิมพ์อะไร กำหนดไว้ล่วงหน้าหมดแล้ว ต้นทุนต่อครั้งจึงแทบเป็นศูนย์ ส่วน AI เก่งกว่าตรงงานที่หน้าตาไม่ซ้ำเดิม เอกสารมาคนละแบบ คำเรียกไม่เหมือนกัน ต้องอ่านแล้วตีความก่อนถึงจะทำต่อได้

เกณฑ์ที่ใช้ได้จริงในหมวดนี้จึงเป็นคำถามเดียว งานนี้แปรผันแค่ไหน ถ้าซ้ำเป๊ะ ใช้ของถูก ถ้าแปรผันเยอะ ค่อยจ่ายค่าความยืดหยุ่นให้ AI

และถ้ายังไม่แน่ใจ วิธีที่ปลอดภัยที่สุดคือรันมือเดือนหนึ่งก่อน จับเวลาจริงว่าใช้เวลาเท่าไหร่ แล้วค่อยเทียบกับบิลที่จะเกิดขึ้น ตัวเลข 2 ตัวนี้ตอบได้เองว่าควรย้ายหรือยัง

ช่วงที่ 5รีวิวและตัดสิน ว่าส่งออกได้ไหม หมวดที่ไม่ย้าย

หมวดนี้ไม่ย้าย และเหตุผลไม่ใช่ข้อจำกัดทางเทคนิค แต่เป็นการตัดสินใจว่าจะให้ใครรับผิดเมื่อผิด

ความต่างระหว่างคนทำบัญชีกับคนรีวิวบัญชีอยู่ที่เป้าหมาย ไม่ได้อยู่ที่ระดับความอาวุโส คนทำบัญชีมีเป้าหมายว่าทำให้ถูกและทันกำหนด ส่วนคนรีวิวมีเป้าหมายคนละอย่างเลย คือกลั่นกรองความน่าเชื่อถือของตัวเลขทั้งชุด แล้วตัดสินว่างบชุดนี้ส่งออกไปข้างนอกได้ หรือต้องส่งกลับไปปรับปรุงก่อน

ในหัวของคนรีวิวมีคำถามยืนพื้นอยู่ 4 ข้อที่ไล่ถามกับทุกตัวเลขที่ผิดสังเกต

• ตัวเลขนี้ได้มายังไง
• เอกสารสนับสนุนคืออะไร
• ตัวเลขนี้สมเหตุสมผลกับธุรกิจนี้ไหม
• เทียบกับปีก่อนแล้วเป็นยังไง

และมีคำถามอีกข้อที่มาก่อนทั้ง 4 ข้อ คือลูกค้าจะเอางบชุดนี้ไปทำอะไร ยื่นกู้ธนาคาร ส่งหน่วยงานรัฐ หรือให้ผู้ถือหุ้นดู เพราะปลายทางเป็นตัวกำหนดว่าต้องเพ่งตรงไหนเป็นพิเศษ งบที่จะเอาไปยื่นกู้กับงบที่ทำไว้ดูภายใน ใช้ความละเอียดคนละระดับกัน ทั้งที่ตัวเลขตั้งต้นชุดเดียวกัน

ทักษะทั้งชุดนี้มีชื่อเรียกของมันคือความสงสัยเชิงวิชาชีพ เราแยกไปเขียนไว้เต็มบทความแล้วที่ ความสงสัยเชิงวิชาชีพ ทักษะที่ AI แทนไม่ได้ ในบทความนี้ขอพูดแค่ว่ามันคือหมวดที่ 5 และหมวดที่ 5 คือหมวดที่ยังไม่ย้ายไปไหน

จุดที่คนมักเข้าใจผิดคือคิดว่าหมวดนี้ไม่ย้ายเพราะโมเดลยังไม่เก่งพอ ความจริงคือให้โมเดลตอบคำถาม 4 ข้อข้างบนก็ตอบได้ทั้งหมด ตอบได้เร็วด้วย แต่สิ่งที่มันให้ไม่ได้คือคนที่รับผิดเมื่อคำตอบนั้นผิด และธนาคารที่รับงบไปพิจารณาสินเชื่อไม่ได้ต้องการคำตอบอย่างเดียว เขาต้องการคนที่ยืนอยู่หลังคำตอบนั้นด้วย

แล้วงานตรงหน้า ควรย้ายหรือยัง

ใช้ 4 คำถามข้างล่างนี้ไล่ทีละข้อ ตอบครบแล้วจะรู้เองว่างานชิ้นนั้นอยู่หมวดไหนของแผนที่ โดยไม่ต้องรอให้ใครมาบอก

ข้อ 4 คือข้อที่คนข้ามบ่อยที่สุด เพราะ "ทำได้" กับ "คุ้มที่จะทำ" เป็นคนละคำถามกัน และคำตอบของสองคำถามนี้ต่างกันได้เต็มๆ ในงานชิ้นเดียวกัน

ลองเอา 4 ข้อนี้ไปกาใส่งานที่ทำอยู่ในสัปดาห์นี้ดู งานที่ตอบว่าย้ายได้ทั้ง 4 ข้อ มักจะเป็นงานที่กินเวลาคุณมากที่สุดอยู่แล้ว และไม่มีใครในทีมอยากทำ

สิ่งที่เหลืออยู่ ไม่ได้แค่เหลือ แต่ทวีค่าขึ้น

ประโยคที่ได้ยินบ่อยเวลาปลอบกันคือ "ยังไงก็ยังมีงานเหลือให้คนทำ" ซึ่งฟังแล้วเหมือนกำลังพูดถึงเศษที่เหลือจากการแบ่ง แต่ของจริงกลับด้านกัน เมื่องานที่เหลือทั้งกองถูกเร่งด้วย AI สิ่งที่คนถืออยู่ไม่ได้ลดค่าลง มันแพงขึ้น

วิจารณญาณ ตัดสินว่าจะเชื่อตัวเลขนี้ไหม ในสถานการณ์ที่มีตัวเลขให้เชื่อมากขึ้นกว่าเดิมมาก เมื่อก่อนกว่าจะได้ตัวเลขมาชุดหนึ่งต้องนั่งทำอยู่หลายวัน คนก็เลยได้ไล่ดูตัวเลขไปด้วยระหว่างทำ ตอนนี้ได้มาในเวลาไม่กี่นาที แล้วไม่มีใครได้ไล่ดูระหว่างทางเลยสักคน

รสนิยม รู้ว่ารายงานแบบไหนอ่านแล้วได้เรื่อง แบบไหนสวยแต่ไม่ช่วยตัดสินใจ ทักษะนี้เคยเป็นของหายากเพราะทำรายงาน 1 ใบใช้แรงเยอะ ตอนนี้สั่งทำหลายแบบมาเทียบกันได้ในเช้าเดียว คนที่บอกได้ว่าแบบไหนใช้ได้จริงจึงกลายเป็นตัวชี้ขาดแทน

การเช็คงาน AI ว่าอะไรถูกอะไรผิด ทักษะนี้เพิ่งกลายเป็นงานประจำวัน ทั้งที่เมื่อก่อนไม่มีใครต้องทำ และไม่มีใครเคยสอนในห้องเรียน คนที่ตรวจงานเครื่องเป็นตรวจได้ในนาทีเดียว คนที่ตรวจไม่เป็นก็เชื่อทั้งดุ้น ซึ่งเป็นจุดที่บิลใบเดียวอ่านได้ 2 ยอดกลายเป็นตัวเลขในงบจริง

การเข้าใจเรื่องราวหลังตัวเลข ยอดลูกหนี้ที่โตขึ้นแปลว่าขายดี หรือแปลว่าเก็บเงินไม่ได้ ตัวเลขเท่ากันเป๊ะแต่เป็นคนละเรื่องกันคนละทาง และไม่มีเครื่องมือไหนแยกสองเรื่องนี้ออกจากกันได้โดยไม่รู้จักธุรกิจนั้น

ทีนี้กลับไปที่ดราม่าอีกรอบ สิ่งที่ Amelia ทำได้เองคืองานผลิตตัวเลข ส่วนสิ่งที่เธอซื้อจากนักบัญชีมาตลอด และยังต้องซื้ออยู่ คือ 4 อย่างข้างบนนี้ ซึ่งไม่เคยมีบรรทัดของตัวเองในใบเสร็จ พอถึงวันที่ต้องตัดงบ เธอจึงมองไม่เห็นมัน เพราะไม่มีใครเคยเขียนมันลงไปให้เห็น

ตอนขึ้นเวทีเดือนกรกฎาคม เราพูดกับคนในห้องไว้ประโยคหนึ่งว่า "เราไม่ได้มาบอกให้คุณวิ่งตาม AI เรามาเตรียม AI ให้พร้อมสำหรับคุณต่างหาก โดยที่คุณยังเป็นคุณ" และปิดท้ายว่า "เวลาที่คืนมา เอาไปใช้กับสิ่งที่ AI ให้แทนไม่ได้ ความเชี่ยวชาญ ความเห็นเชิงวิชาชีพ การตัดสินใจของคุณ"

ประโยคสุดท้ายที่พูดบนเวทีวันนั้นยังใช้ได้กับสัปดาห์นี้ไม่ต่างกัน คุณรู้จักธุรกิจของลูกค้าดีกว่าใคร เราแค่อยากให้คุณมีเวลาใช้ความรู้นั้นได้จริงๆ โดยไม่ต้องกลายเป็นคนละคน

ใครควรเป็นคน ตอบคำถามนี้

คนในวิชาชีพเอง ไม่ใช่ผู้ขายซอฟต์แวร์ และไม่ใช่คนที่มีผู้ติดตามเยอะ

วันเดียวกับที่โพสต์นั้นถูกถอด Bill Gates ปล่อยคลิปสั้นความยาว 162 วินาที อธิบายว่าทำไมเขาถึงเลือกเขียนบันทึกเรื่อง AI ตอนนี้ เหตุผลที่เขาให้คือ "the lack of engagement outside of the industry" คนที่พูดเรื่องนี้ดังที่สุดเกือบทั้งหมดเป็นคนในอุตสาหกรรมเทคโนโลยี ส่วนคนที่ผลลัพธ์จะตกใส่จริงกลับแทบไม่มีที่ยืนในบทสนทนา

เขาบอกด้วยว่านี่เป็นครั้งแรกที่เขาพูดออกมาว่า "if we're not careful, the negatives could outweigh the positives" ซึ่งเป็นน้ำเสียงที่ต่างจากที่เขาพูดมาตลอด และประโยคที่ตรงกับเรื่องของเรามากที่สุดคือ "I should only be one of many, many thousands of spokespeople"

ลองเอาประโยคนั้นมาวางทับดราม่าที่เพิ่งผ่านไป คนที่ได้พูดถึงอนาคตของงานบัญชีในสัปดาห์นั้นคือคนวางแบรนด์คนหนึ่ง กับบริษัทซอฟต์แวร์ที่ต้องออกมาขอโทษ ส่วนคนที่ทำงานนี้ทุกวันและรู้ดีที่สุดว่างานย่อยชิ้นไหนย้ายไปแล้วชิ้นไหนยังอยู่ ได้พูดในฐานะคนที่โกรธ ไม่ใช่ในฐานะคนที่รู้

ช่องว่างตรงนั้นไม่มีใครเติมให้ได้นอกจากคนในวิชาชีพ และวิธีเติมไม่ใช่การเถียงว่า AI แทนเราไม่ได้ แต่คือการชี้ให้ดูทีละชิ้นว่าอะไรย้ายไปแล้ว อะไรยังอยู่ในมือเรา และเพราะอะไร

เอาแผนที่ 5 หมวดกับ 4 คำถามข้างบนไปกาใส่งานของตัวเองสักรอบ แล้วคุณจะมีคำตอบที่ตอบลูกค้าได้ตั้งแต่ครั้งหน้าที่เขาถาม

คำถามที่พบบ่อย

ถ้าลูกค้าเริ่มทำงบเองด้วย AI แล้ว สำนักงานบัญชีจะเหลืออะไร

เหลือหมวดที่ 5 ทั้งหมด กับครึ่งหลังของหมวดที่ 2 ซึ่งเป็นส่วนที่คิดค่าบริการได้สูงกว่างานคีย์ข้อมูลอยู่แล้ว สิ่งที่ลูกค้าทำเองได้คืองบบริหารที่ไม่ต้องยื่นใคร ส่วนงบที่จะเอาไปยื่นกู้ธนาคารหรือส่งหน่วยงานรัฐ ยังต้องมีคนรับผิดชอบชื่อท้ายเอกสาร และคนคนนั้นไม่ใช่โมเดล

เริ่มจากงานไหนดี ถ้ามีเวลาว่างสัปดาห์ละไม่กี่ชั่วโมง

เริ่มจากหมวดที่ 1 เพราะเห็นผลเร็วที่สุดและกาเกณฑ์ผ่านครบทั้ง 4 ข้อ เลือกเอกสารประเภทเดียวที่เข้ามาเยอะที่สุดก่อน ทำเส้นทางเดียวให้จบตั้งแต่รับไฟล์ ตรวจด้วยกฎ จนนำเข้าโปรแกรมบัญชี แล้วค่อยขยายไปเอกสารประเภทถัดไป อย่าเริ่มด้วยการทำทุกประเภทพร้อมกัน เพราะจะไม่มีทางรู้ว่าตรงไหนพัง

AI อ่านบิลผิดบ่อยไหม แล้วจะรู้ได้ยังไงว่ารอบไหนผิด

ผิดได้ และผิดแบบมั่นใจ บิลใบเดียวกันที่เราทดสอบ โมเดลหนึ่งอ่านได้ 5,390 บาท อีกตัวอ่านได้ 4,851 บาท โดยไม่มีตัวไหนส่งสัญญาณว่าไม่แน่ใจ วิธีที่ใช้ได้จริงคืออย่าไปวัดที่ความมั่นใจของโมเดล แต่วางกฎคณิตศาสตร์ตรวจซ้ำ เช่น ยอดก่อนภาษี คูณ 0.07 ต้องเท่ากับภาษีที่พิมพ์บนบิล ใบที่ไม่ผ่านกฎก็เด้งมาให้คนดู

ต้องเขียนโปรแกรมเป็นไหม ถึงจะใช้ของพวกนี้ได้

ไม่ต้อง สิ่งที่ต้องเป็นคือการอธิบายงานของตัวเองออกมาเป็นขั้นตอนที่ตรวจได้ว่าถูกหรือผิด ซึ่งนักบัญชีทำเป็นอยู่แล้วตั้งแต่ก่อนมี AI คนที่วางกฎตรวจได้ดีที่สุดคือคนที่รู้ว่าเอกสารประเภทนี้ปกติหน้าตาเป็นยังไง ไม่ใช่คนที่เขียนโค้ดเก่งที่สุดในห้อง

ที่มาและอ้างอิง

ดราม่า Xero 4 กันยายน 2026

• SmartCompany, "Xero apologises for Instagram influencer's sponcon calling to cut out accountants" อ่านต้นทาง

Bill Gates 4 กันยายน 2026

• คลิปความยาว 162 วินาที ดูคลิป ประโยคที่ยกมาทั้งหมดในบทความนี้มาจากตัวคลิป ไม่ได้มาจากบันทึกฉบับเต็ม

งานของเราเองที่อ้างถึง

• ตรวจความแม่นของ OCR
• สกัดข้อมูลใบกำกับด้วย AI
• กระทบยอดธนาคารด้วย AI
• ให้ AI ช่วย vouching
• เทียบเครื่องมือแกะบิลแบบทำเองกับแบบจ่ายเงิน
• ความสงสัยเชิงวิชาชีพ ทักษะที่ AI แทนไม่ได้
• AI Adoption ผู้บริหารถามอะไรจริง สำหรับมุมระดับองค์กรซึ่งบทความนี้ไม่ได้พูดถึง

หมายเหตุ แผนที่งาน 5 หมวดเรียบเรียงจากการไปเรียนวิธีเอา AI มาใช้กับงานบัญชีด้วยตัวเอง ส่วนหลักฐานที่ยกมาประกอบทุกจุดมาจากงานที่เราทำเอง