คำถามที่อยู่เคียงข้างชีวิตมนุษย์มาเกือบตลอดเวลาคือ: คุณอยากเป็นอะไรเมื่อโตขึ้น?

คำถามนี้เริ่มถูกถามตั้งแต่ตอนเป็นเด็ก จากนั้นวัยรุ่นก็เลือกสายการเรียน มหาวิทยาลัย และสาขาวิชา โดยมีความเชื่อว่ามีสถานที่ที่เหมาะสมกับเขาอยู่แล้วสักแห่ง: เพียงแค่ต้องทำความเข้าใจตัวเองให้ดีพอ ได้รับความรู้ที่จำเป็น ค้นหาสถานที่นั้น และเข้าไปแทนที่ตรงนั้น

ในโมเดลนี้ การเลือกอาชีพคือหนึ่งในการตัดสินใจครั้งสำคัญที่สุดในช่วงเริ่มต้นชีวิต ความผิดพลาดมีราคาแพง จึงมีคำแนะนำให้เข้าหาการเลือกนี้อย่างจริงจัง

แต่จะเกิดอะไรขึ้นหากตัวรูปแบบคำถามนี้กำลังล้าสมัยทีละน้อย?

ไม่ใช่เพราะอาชีพจะหายไป และไม่ใช่เพราะการศึกษาจะหมดความจำเป็น

แต่เป็นเพราะ อายุขัยของโอกาสทางเศรษฐกิจอาจสั้นกว่าอายุขัยของอาชีพมนุษย์มาก

อาชีพที่ดีในวันนี้ไม่ได้ให้สัญญาอะไรเกี่ยวกับวันพรุ่งนี้

ในแต่ละช่วงเวลา อาชีพที่ทำกำไรได้อย่างคาดไม่ถึงจะแตกต่างกันอย่างสิ้นเชิง

การเติบโตของอีคอมเมิร์ซสร้างความต้องการพนักงานส่งของจำนวนมหาศาล ค่าจ้างสูง ต้นทุนการเข้าสู่ตลาดแทบจะเป็นศูนย์ และคนที่ไม่มีการฝึกอบรมมาหลายปีก็สามารถมีรายได้เทียบเท่ากับคนที่เรียนมาหลายปีได้ในทันที

ต่อมา เมื่ออุปทานของแรงงานเพิ่มขึ้น เทคโนโลยีเปลี่ยนไป และตลาดอิ่มตัว งานเดิมก็เลิกดึงดูดใจเหมือนเดิม

การเข้ามาของภาคการผลิตต่างชาติสร้างโอกาสอีกรูปแบบหนึ่ง ในภูมิภาคอุตสาหกรรม เยาวชนสามารถสมัครเข้าทำงานในโรงงานสมัยใหม่หลังจบการศึกษา ฝึกอบรมภายในบริษัท และเริ่มมีรายได้เร็วกว่าเพื่อนที่ต้องใช้เวลาอีกห้าปีในมหาวิทยาลัย

ไม่กี่ปีต่อมา คลื่นลูกใหม่ก็ปรากฏขึ้น

ทุกวันนี้ เด็กนักเรียนมัธยมปลายสามารถค้นหาบริษัทในอินเทอร์เน็ตนับร้อยที่มีเว็บไซต์ล้าสมัย ใช้ AI สร้างเวอร์ชันที่ทันสมัยภายในเวลาไม่กี่ชั่วโมง และส่งข้อเสนอไปยังเจ้าของกิจการ บริษัทเก้าสิบเจ็ดแห่งเพิกเฉยต่ออีเมลนั้น สองหรือสามแห่งตกลง — และการทดลองนั้นก็ทำกำไรได้

แต่โอกาสนี้ก็ไม่ได้อยู่ค้ำฟ้า

เมื่อมีคนนับพันใช้วิธีเดียวกันนี้ ราคาจะลดลง เมื่อการสร้างเว็บไซต์ใหม่กลายเป็นเรื่องอัตโนมัติเกือบทั้งหมด ข้อได้เปรียบนั้นก็จะหายไปเช่นกัน

ปัญหาไม่ได้อยู่ที่ว่าคนๆ นั้นเลือกอาชีพผิด

โลกแค่เปลี่ยนไปเท่านั้น

ดังนั้น บางทีเราอาจคิดเรื่องการเลือกมากจนเกินไป

ลองจินตนาการถึงคนอายุสิบแปดปีสองคนและให้เวลาพวกเขาสคนละหกปี

คนแรกเลือกอาชีพ

เขาเข้าเรียนในมหาวิทยาลัย ผ่านหลักสูตรที่เป็นระบบ สอบผ่าน และเมื่ออายุยี่สิบสี่ปี เขาก็ได้รับความรู้เฉพาะทางจำนวนมากและใบปริญญาที่เป็นที่ยอมรับ

คนที่สองไม่ได้เลือกอะไรอย่างเด็ดขาด

เขาทำงานอย่างหนึ่ง ผ่านไปครึ่งปีเขาตระหนักว่ามันไม่เหมาะกับเขา ลองทำอย่างอื่น พยายามขายของบางอย่าง ล้มเหลว เรียนรู้เครื่องมือใหม่ ทำโปรเจกต์เล็กๆ หาMuรายแรก นิศ (Niche) หายไป ย้ายไปทำสาขาอื่น เรียนรู้อะไรใหม่อีกครั้ง

เมื่ออายุยี่สิบสี่ปี ประวัติชีวิตของคนแรกดูเข้าใจง่าย

ประวัติชีวิตของคนที่สองดูสับสนวุ่นวาย

เกี่ยวกับคนแรก พวกเขาบอกว่าเขาลงทุนในอนาคตของตัวเองมาหกปี

เกี่ยวกับคนที่สอง มันง่ายที่จะบอกว่าเขาตัดสินใจไม่ได้มาหกปี

แต่บางที พวกเขาแค่สะสมทุนคนละประเภทกัน

คนแรกเตรียมตัวพร้อมมากขึ้นเรื่อยๆ สำหรับกิจการใดกิจการหนึ่ง

คนที่สองเตรียมตัวพร้อมมากขึ้นเรื่อยๆ สำหรับความจำเป็นในการเปลี่ยนกิจการ

เราเก่งในการวัดแบบแรก สำหรับแบบหลัง เราไม่มีแม้แต่หน่วยวัดที่เป็นที่ยอมรับทั่วไป

ความผิดพลาดก็สร้างความรู้เช่นกัน

หากคนๆ หนึ่งเรียนมหาวิทยาลัยสองปีแล้วตระหนักว่าเขาต้องการทำอย่างอื่น สองปีมักจะถูกมองว่าเป็นความสูญเสีย

หากเขาเปลี่ยนงานห้าครั้ง มันอาจจะดูแย่ยิ่งกว่านั้น

แต่ไม่ใช่ทุกความพยายามที่ล้มเหลวจะเป็นเวลาที่สูญเปล่า

มนุษย์ไม่รู้จักตัวเองล่วงหน้า

เขาอาจคิดว่าเขาชอบการเขียนโปรแกรมจนกว่าจะได้ลองทำมันวันละแปดชั่วโมงทุกวัน เขาอาจคิดว่าตัวเองเป็นคนขายของไม่เก่งจนกระทั่งบังเอิญได้มาทำงานฝ่ายขาย เขาอาจฝันถึงบริษัทขนาดใหญ่แล้วตระหนักในอีกหนึ่งเดือนต่อมาว่าเขาทนสภาพแวดล้อมแบบนั้นไม่ได้

ความรู้บางอย่างไม่สามารถหาได้จากหนังสือ

คุณไม่สามารถอ่านคำอธิบายอาชีพที่มีรายละเอียดมากพอแล้วรู้ได้ว่า คุณ จะสนุกกับการทำมันไปอีกสิบปีข้างหน้าหรือไม่

สิ่งนี้ต้องอาศัยการทดลอง

ในกรณีนี้ คนที่ลองทำห้าอย่างและปฏิเสธสี่อย่าง ไม่จำเป็นต้องล้มเหลวสี่ครั้งเสมอไป

เขา ตัดสมมติฐานสี่ข้อเกี่ยวกับชีวิตของตัวเองออกไป

และในขณะเดียวกันก็ได้เรียนรู้บางสิ่งเกี่ยวกับตลาด ผู้คน เงิน และความสามารถของตนเอง

ตลาดสามารถกลายเป็นหลักสูตรการศึกษาเสียเอง

คนที่พยายามหาเงินจากการสร้างเว็บไซต์ให้บริษัท ไม่มีหลักสูตร (curriculum) ที่จัดทำไว้ล่วงหน้า

แต่รูปแบบการทำงานที่เทียบเท่าจะเกิดขึ้นอย่างรวดเร็ว

หากเขาไม่รู้วิธีหาลูกค้าเป้าหมาย เขาก็ต้องเรียนรู้การค้นหา

หากไม่มีใครตอบอีเมล เขาก็ต้องเรียนรู้วิธีการเรียบเรียงข้อเสนอ

หากลูกค้าสนใจแต่ไม่ซื้อ เขาก็ต้องทำความเข้าใจเรื่องการขาย

หากเว็บไซต์ออกมาแย่ เขาก็ต้องเรียนรู้การออกแบบและเทคโนโลยี

หากงานใช้เวลาสามวัน แต่คู่แข่งทำเสร็จในสามชั่วโมง เขาก็ต้องเรียนรู้ AI

หากมีลูกค้ามากแต่ยังไม่มีเงิน เขาก็ต้องทำความเข้าใจเรื่องการกำหนดราคา

ไม่มีใครตัดสินใจล่วงหน้าว่าบุคคลจำเป็นต้องศึกษาหัวข้อเหล่านี้โดยเฉพาะ

ความจำเป็นเกิดขึ้นก่อนความรู้

นี่คือลำดับย้อนกลับเมื่อเทียบกับการศึกษาในระบบส่วนใหญ่

โมเดลแบบดั้งเดิมมักจะมีลักษณะเช่นนี้:

ความรู้มาก่อน → ค้นหาสถานที่ที่สามารถนำไปใช้ประโยชน์ในภายหลัง

โมเดลแบบทดลอง:

โจทย์มาก่อน → ค้นพบความรู้ที่ขาดหายไป → เรียนรู้ → ตรวจสอบทันที

โมเดลที่สองไม่ได้ยกเลิกการศึกษา แต่มันเปลี่ยนช่วงเวลาที่การศึกษานั้นปรากฏขึ้น

บางครั้งการเข้ามหาวิทยาลัยอาจจะดีกว่าหากทำทีหลังไม่ใช่ก่อน

ลองจินตนาการถึงคนๆ หนึ่งที่ลองทำอาชีพต่างๆ มาหลายปี และเมื่ออายุยี่สิบเอ็ดปีเขาตระหนักว่าเขาต้องการออกแบบสะพาน

ตอนนี้เขาต้องการคณิตศาสตร์ ฟิสิกส์ การเตรียมตัวด้านวิศวกรรม และคุณวุฒิอย่างเป็นทางการจริงๆ

เขาไปเรียนต่อ

แต่สถานการณ์ของเขาแตกต่างอย่างสิ้นเชิงกับวัยรุ่นอายุสิบเจ็ดปีที่เลือกสาขาวิชาเกือบจะโดยหลับตา

เขารู้แล้วว่า ทำไมเขาถึงต้องการความรู้เหล่านี้

การศึกษาไม่ได้เป็นการเดิมพันกับอนาคตที่ไม่รู้จักอีกต่อไป แต่กลายเป็นเครื่องมือในการบรรลุเป้าหมายที่ค้นพบแล้ว

นี่ไม่ใช่ข้อโต้แย้งต่อต้านมหาวิทยาลัย

แพทย์ วิศวกร นักวิจัย และผู้เชี่ยวชาญอื่นๆ อีกมากมายไม่สามารถเตรียมความพร้อมได้ด้วยการพูดคุยกับ AI ไม่กี่ครั้งและทำโปรเจกต์เล็กๆ ซีรีส์หนึ่ง

แต่นั่นไม่ได้หมายความว่าลำดับแบบเดียวกันนี้จะเหมาะกับทุกคน:

เลือกอาชีพก่อน → เตรียมตัวหลายปี → ค่อยตรวจสอบทางเลือกของคุณด้วยความเป็นจริงในภายหลัง

บางครั้งทางตรงข้ามอาจมีเหตุผลมากกว่า:

ลองทำดู → ค้นหาทิศทาง → เข้าใจข้อจำกัด → เรียนรู้สิ่งที่จะก้าวต่อไปไม่ได้อย่างแท้จริงหากไม่มีมัน

AI ช่วยลดต้นทุนของการทดลองลงอย่างมาก

ในอดีต การทดลองมีราคาแพงกว่านี้มาก

หากมีคนต้องการลองสร้างผลิตภัณฑ์ซอฟต์แวร์ พวกเขาจำเป็นต้องเรียนรู้การเขียนโปรแกรมหรือหาโปรแกรมเมอร์

ต้องการออกแบบ — ต้องมีดีไซเนอร์

ต้องการวิจัยตลาด — ต้องใช้เวลาและความเชี่ยวชาญ

ต้องการเขียนข้อเสนอทางธุรกิจ — ต้องมีทักษะเพิ่มอีกหนึ่งอย่าง

ดังนั้น ระหว่างความคิด "น่าสนใจ ลองดูดีไหมนะ?" กับการตรวจสอบจริง อาจต้องใช้เวลาทำงานเป็นเดือนและเงินจำนวนมาก

AI เริ่มย่นระยะทางนี้ให้สั้นลง

คนๆ หนึ่งสามารถใช้เครื่องจักรเป็นโปรแกรมเมอร์ นักวิจัย นักแปล ดีไซเนอร์ นักวิเคราะห์ และผู้ช่วยฝ่ายขายได้แล้ว แม้ว่าในตอนนี้จะยังไม่สมบูรณ์แบบก็ตาม

และสิ่งนี้เริ่มสะท้อนให้เห็นในเศรษฐกิจจริง

ในปี 2026 Stripe รายงานว่าสัดส่วนของ solo founders (ผู้ก่อตั้งคนเดียว) ในบรรดาบริษัทที่สร้างผ่าน Stripe Atlas ได้พุ่งถึงจุดสูงสุดเป็นประวัติการณ์ ในขณะเดียวกัน จำนวนของผู้ประกอบการรายเดียวที่มีรายได้สูงผิดปกติก็เพิ่มขึ้น AI ไม่ได้พิสูจน์ว่าทุกคนสามารถสร้างธุรกิจที่ประสบความสำเร็จได้ด้วยตัวคนเดียว แต่มันลดจำนวนผู้เชี่ยวชาญประเภทต่างๆ ที่จำเป็นสำหรับบุคคลในการ ทดสอบไอเดีย ของตน

นี่คือการเปลี่ยนแปลงขั้นพื้นฐาน

หากในอดีตการทดลองที่ล้มเหลวอาจต้องแลกมาด้วยเวลาหนึ่งปีและเงินจำนวนมาก ในวันพรุ่งนี้การทดลองบางอย่างอาจใช้เวลาเพียงหนึ่งสัปดาห์

นั่นหมายความว่า บุคคลสามารถอนุญาตให้ตัวเองทำผิดพลาดได้มากขึ้น

แต่โอกาสอาจสับสนกับอาชีพได้ง่าย

จุดนี้เองที่หลุมพรางอีกแบบหนึ่งเกิดขึ้น

สมมติว่าวันนี้การสร้างเว็บไซต์ด้วยความช่วยเหลือของ AI ทำเงินให้คนๆ หนึ่งได้หลายพันดอลลาร์ต่อเดือน

เราอาจสรุปได้ว่า:

"ฉันพบอาชีพแล้ว"

แต่นี่แหละคือสิ่งที่อาจกลายเป็นความผิดพลาด

หากการเข้าสู่ตลาด (niche) กลายเป็นเรื่องง่ายและราคาถูกสำหรับคนหนึ่งคน มันก็กลายเป็นเรื่องง่ายและราคาถูกสำหรับคู่แข่งนับพันคนเช่นกัน

รายได้สูงในวันนี้ไม่ได้1รับประกันอะไรเลย

ดังนั้น คุณค่าของโอกาสเฉพาะเจาะจงจึงไม่ได้อยู่ที่จำนวนเงินที่ทำได้เท่านั้น

แต่มันอาจทิ้งสิ่งอื่นไว้เบื้องหลัง:

บุคคลนั้นเรียนรู้วิธีหาลูกค้า

เข้าใจวิธีตรวจสอบความต้องการของตลาด

เรียนรู้วิธีการขาย

เชี่ยวชาญเครื่องมือหลายอย่าง

เห็นว่าข้อได้เปรียบถูกคัดลอกรวดเร็วแค่ไหน

เรียนรู้วิธีปิดโปรเจกต์ที่ไปต่อไม่ได้

และที่สำคัญที่สุด — ได้รับประสบการณ์ในการค้นหาโอกาสถัดไป

เมื่อนั้น การหายไปของตลาดเฉพาะ (niche) จึงไม่ใช่หายนะอีกต่อไป

มันไม่ได้ถูกกำหนดให้อยู่ไปตลอดชีวิตอยู่แล้ว

บางทีความสามารถในการปรับโครงสร้างตัวเองอาจกลายเป็นทรัพย์สินที่สำคัญที่สุด

เราคุ้นเคยกับการอธิบายทุนมนุษย์ผ่านการสะสม

บุคคลรู้คณิตศาสตร์

รู้วิธีเขียนโปรแกรม

มีประสบการณ์สิบปีในด้านโลจิสติกส์

จบการศึกษาด้านการแพทย์

แต่ในสภาพแวดล้อมที่เปลี่ยนแปลงอย่างรวดเร็ว ความสามารถอีกประเภทหนึ่งกำลังปรากฏขึ้น:

มองเห็น → ทำเข้าใจ → เรียนรู้ → ลองทำ → รับคำติชม → ปรับตัว

คุณอาจรู้มากแต่ผ่านวงจรนี้ได้ไม่ดีนัก

หรือคุณอาจมีการศึกษานظامในระดับที่ค่อนข้างน้อย แต่มีความสามารถในการเจาะลึกเข้าไปในสาขาใหม่ภายในเวลาไม่กี่เดือนให้ลึกพอที่จะเริ่มสร้างคุณค่าในสาขานั้นได้

เราเรียกความสามารถนี้ว่า ทุนแห่งการปรับตัว (adaptation capital)

นี่ไม่ใช่คลังความรู้เฉพาะเจาะจง

แต่มันคือความสามารถในการสร้างคลังความรู้ที่จำเป็นขึ้นมาใหม่หลังจากการเปลี่ยนแปลงของสภาพแวดล้อม

และจุดนี้เองที่เกิดคำถามชวนอึดอัดต่อการศึกษา

การวิจัยตลาดแรงงานแสดงให้เห็นแล้วว่าใบปริญญาและความสามารถในการทำงานนั้นไม่ใช่สิ่งเดียวกัน

นายจ้างเพิ่มข้อกำหนดระดับปริญญาตรี (bachelor's degree) แม้แต่ในตำแหน่งงานที่เนื้อหาไม่ได้เปลี่ยนแปลงอย่างมีนัยสำคัญมาเป็นเวลาหลายทศวรรษ ต่อมาเกิดกระแสย้ายกลับขั้ว — การจ้างงานที่เน้นทักษะ (skills-based hiring) ซึ่งบริษัทบางแห่งเริ่มยกเลิกข้อกำหนดด้านใบปริญญาที่เป็นทางการและอธิบายความสามารถที่จำเป็นให้เฉพาะเจาะจงมากขึ้น

แต่แม้แต่การเปลี่ยนแปลงนี้ก็ยังดำเนินไปอย่างช้าๆ: การประกาศยกเลิกข้อกำหนดด้านปริญญานั้นง่ายกว่าการปรับเปลี่ยนกระบวนการสรรหาบุคลากรจริงๆ มาก

ในขณะเดียวกัน ในปี 2026 OECD ได้ให้ความสนใจเป็นพิเศษกับการเรียนู้นอกระบบ (informal learning) — ความรู้และทักษะที่บุคคลได้รับผ่านการทำงาน กิจวัตรประจำวัน และการเรียนรู้ด้วยตนเอง รูปแบบการเรียนรู้ดังกล่าวเหมาะอย่างยิ่งกับสภาพแวดล้อมที่ข้อกำหนดด้านทักษะเปลี่ยนแปลงอย่างรวดเร็วภายใต้อิทธิพลของดิจิทัลและ AI

สถานการณ์จึงกลายเป็นเรื่องประหลาด

เศรษฐกิจเรียกร้องความสามารถในการเรียนรู้อย่างต่อเนื่องมากขึ้นเรื่อยๆ

เทคโนโลยีช่วยให้เรียนรู้ได้โดยตรงในขณะที่เกิดความจำเป็นมากขึ้นเรื่อยๆ

แต่ระบบสังคมยังคงเก่งกาจมากในการจดจำเฉพาะเส้นทางการศึกษาที่มาตรฐานถูกกำหนดไว้ล่วงหน้าเท่านั้น

บางทีปัญหาอาจไม่ใช่ว่าการศึกษาในระบบนั้นไร้ประโยชน์

ปัญหาคือ เราเก่งในการวัดการศึกษาที่สะสมมา มากกว่าความสามารถของบุคคลในการศึกษาตัวเองต่อไป

เส้นทางที่เตรียมไว้ให้พร้อมทั้งช่วยและพรากการฝึกฝนไปในเวลาเดียวกัน

การศึกษาในระบบมีข้อดีอย่างมหาศาล

มันช่วยปลดเปลื้องภาระของมนุษย์จากการต้องตัดสินใจตลอดเวลาว่าจะทำอะไรต่อไป

นี่คือวิชา

นี่คือผู้สอน

นี่คือเนื้อหา

นี่ือกำหนดส่ง

นี่คือเกณฑ์ความสำเร็จ

นี่คือการสอบ

นี่คือหลักสูตรถัดไป

สำหรับบุคคลที่ยังไม่สามารถสร้างเส้นทางของตนเองได้ ระบบนี้เป็นระบบที่มีคุณค่าอย่างยิ่ง

แต่อกด้านหนึ่งของข้อดีนี้ก็อาจจะมีอยู่

ในขณะที่คนอื่นกำลังตอบคำถาม "คุณควรทำอะไรต่อไป?" แทนมาหลายปี บุคคลนั้นก็ไม่ต้องเรียนรู้ที่จะตอบคำถามนั้นด้วยตัวเอง

ชีวิตแบบทดลองบังคับให้ต้องทำสิ่งนี้ตลอดเวลา:

ตอนนี้เกิดอะไรขึ้น?

โอกาสปรากฏขึ้นที่ไหน?

ทำไมความพยายามครั้งก่อนถึงไม่ได้ผล?

ฉันทำอะไรไม่เป็น?

ฉันควรเรียนรู้สิ่งนี้ไหม?

AI สามารถปิดช่องว่างนี้ได้ไหม?

ควรไปต่อหรือพอแค่นี้?

ควรลองอะไรต่อไป?

นี่ก็คือการเรียนรู้เช่นกัน

เพียงแค่มันไม่มีใบปริญญา

AI สามารถทำให้ความเป็นอิสระไม่ใช่เรื่องของอภิสิทธิ์ชนอีกต่อไป

เส้นทางแบบทดลองมักจะมีปัญหาใหญ่เสมอมา

มันต้องอาศัยความความเป็นอิสระ (independence)

ไม่ใช่เด็กอายุสิบแปดทุกคนที่จะสามารถสำรวจตลาด เลือกทิศทาง จัดทำโปรแกรมการเรียนรู้ หาลูกค้า ประเมินผลลัพธ์ และเข้าใจว่าจะทำอย่างไรต่อหลังจากความล้มเหลวด้วยตัวเองได้

ดังนั้น เส้นทางที่เตรียมไว้ล่วงหน้าจึงไม่ใช่แค่ข้อจำกัด แต่มันแก้ปัญหาจริงได้

แต่ AI สามารถเปลี่ยนแปลงสิ่งนี้ได้เช่นกัน

บุคคลไม่จำเป็นต้องรู้วิธีสร้างแต่ละก้าวถัดไปด้วยตัวเองอีกต่อไป เขาสามารถปรึกษากับเครื่องจักรเกี่ยวกับทิศทางที่เป็นไปได้ สำรวจดินแดนที่ไม่รู้จัก จัดทำต้นทุนการทดลองที่ต่ำ วิเคราะห์ข้อผิดพลาด และรับคำอธิบายส่วนที่ขาดหายไปได้อย่างรวดเร็ว

AI ไม่ได้สร้างความอยากรู้อยากเห็นและไม่ได้บังคับให้มนุษย์ลงมือทำ

แต่มันสามารถลดต้นทุนทางปัญญาของความเป็นอิสระลงได้

เมื่อนั้น ความสามารถในการสร้างเส้นทางของตนเองจะไม่ใช่สิทธิพิเศษของคนจำนวนน้อยที่บังคับเรียนรู้วิธีนี้ด้วยตัวเองอีกต่อไป

และมันก็สามารถพัฒนาขึ้นได้เช่นกัน

บางทีเราอาจกำลังถามคำถามผิดๆ กับเด็กๆ

"โตขึ้นอยากเป็นอะไร?" เป็นคำถามที่ดีสำหรับโลกที่คำตอบยังคงมีประโยชน์นานพอ

แต่หากมนุษย์มีชีวิตอยู่ถึงแปด0ปี และเทคโนโลยี ตลาด และวิธีสร้างคุณค่าเปลี่ยนแปลงไปอย่างรวดเร็วหลายครั้งตลอดอาชีพของเขา คำตอบเดียวอาจไม่เพียงพอ

ดังนั้น คำถามควรจะเป็นแบบนี้แทน:

คุณจะสามารถเข้าใจได้ไหมว่าควรจะกลายเป็นอะไรต่อไป?

ไม่จำเป็นต้องเป็นผู้ประกอบการ

ไม่จำเป็นต้องเป็นโปรแกรมเมอร์

ไม่จำเป็นต้องเปลี่ยนอาชีพทุกปี

ความหมายไม่ได้อยู่การเคลื่อนไหวไปเรื่อยๆ เพื่อความเคลื่อนไหว

ความหมายคือการไม่มีข้อสันนิษฐานว่าสถานที่ที่พบเจอครั้งหนึ่งจะต้องเป็นของคุณตลอดไป

บางทีมนุษย์แห่งอนาคตอาจจะต้องค้นหาหลายครั้งว่าความสามารถของตนจำเป็นต่อโลกในจุดไหน สร้างส่วนที่ขาดหายไปขึ้นมาใหม่ และกลายเป็นผู้เชี่ยวชาญอีกครั้ง

เมื่อนั้น ผลลัพธ์สุดท้ายของการศึกษาจึงไม่ใช่บุคคลที่เตรียมพร้อมสำหรับอาชีพเดียว

ผลลัพธ์สุดท้ายคือบุคคลที่มีความสามารถในการสร้างตัวเองให้เป็นผู้เชี่ยวชาญอีกครั้ง — กี่ครั้งก็ได้ตามที่จำเป็น