TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
ในช่วงสี่ปีที่ผ่านมา แม้เราจะเห็นว่า AI นั้นกำลังชาญฉลาดขึ้นอย่างก้าวกระโดด แต่สิ่งที่น่าสนใจที่สุดสำหรับผม นั้นคือการที่ AI สามารถ “ลดต้นทุนของการลงมือทำ” ลงอย่างมหาศาล จนผมเริ่มเห็นภาพที่กำลังเกิดขึ้นจริงแล้วว่า การทำงานบางอย่างที่เคยต้องใช้เวลา ทีม และทรัพยากรจำนวนมาก ได้กลายเป็นสิ่งที่คนเพียงไม่กี่คนสามารถทำได้ในเวลาอันสั้น และนี่คือช่วงเวลาที่โครงสร้างของการทำงานกำลังจะเปลี่ยนไปอย่างตลอดกาล
วันนี้เราจะมาคุยกันถึงวิวัฒนาการของ AI ตั้งแต่อดีตจนถึงปัจจุบัน กับความสามารถของ AI ที่ตอบโจทย์การใช้งานได้จริงในธุรกิจแต่ละช่วงจังหวะ เพื่อให้ทุกท่านเห็นภาพของการทำงานที่กำลังเปลี่ยนไปอย่างสิ้นเชิงครับ
| เขียนโดย ณัฐนภัส รชตะวิวรรธน์ CEO & Co-Founder ของ Blendata บริษัทผู้พัฒนาแพลตฟอร์มด้านข้อมูล ซึ่งเป็นรากฐานสำคัญที่ระบบ AI ยุคใหม่ต้องใช้ในการทำงาน และได้รับความไว้วางใจจากองค์กรชั้นนำทั้งในประเทศไทยและเอเชียตะวันออกเฉียงใต้ |
ย้อนกลับไปในปี 2022 วันที่ AI เริ่มเข้าใจภาษาได้จริง แต่ยังไว้ใจไม่ได้
ผมยังจำครั้งแรกที่มีคนในทีมนำ LLM รุ่นแรก ๆ มาให้ลองใช้งานได้ดี ผมรู้สึกว่าโลกของ AI กำลังจะเปลี่ยนแปลงไปอย่างสิ้นเชิง เป็นครั้งแรกที่เราสามารถถามคำถามที่ซับซ้อนกับ AI แล้วได้คำตอบที่สรุปเนื้อหาและเข้าใจบริบทกลับมาในไม่กี่วินาที ไม่ได้ส่ง Link สีน้ำเงิน 10 Link เหมือนการค้นหาใน Google ที่เราคุ้นเคยกันอีกต่อไป เราไม่ต้องเสียเวลาอ่านเนื้อหาในแต่ละ Link แล้วทำความเข้าใจด้วยตนเองอีกแล้ว แต่ AI สามารถให้ “คำตอบ” ที่ดูเหมือนเข้าใจว่าเรากำลังถามอะไรได้จริง ๆ ตอนนั้นผมรู้สึกเหมือนมีเพื่อนร่วมงานที่อ่านหนังสือมาเยอะมากคอยช่วยอยู่ตลอดเวลา
จากนั้นเราก็เริ่มลองเอา AI มาใช้กับงานจริง ซึ่งเราก็ยังพบว่า Hallucination หรืออาการหลอนของ AI ที่ตอบผิดๆ ถูกๆ อย่างมั่นใจยังคงเป็นปัญหาใหญ่ในปี 2022
มีครั้งหนึ่ง AI ตอบผมอย่างมั่นใจว่าแม่ของผมเป็น CMO ของ Blendata ทั้งที่ความจริงแล้วท่านไม่ได้มีบทบาทใด ๆ ในบริษัทเลย เราแค่มีนามสกุลเดียวกันเท่านั้น แต่ดูเหมือนโมเดลจะพยายามเชื่อมโยงข้อมูลจากนามสกุลและสายอาชีพของผมมาตอบอย่างมั่นใจ ซึ่งก็เป็นเรื่องที่ตลกดี แต่เรื่องนี้ก็เป็นตัวอย่างที่ชัดเจนมากว่า AI ในตอนนั้นยังไม่พร้อมสำหรับงานที่ต้องการความแม่นยำในการตอบสนอง
ปัญหานี้เองทำให้ Use Case ที่ปลอดภัยจริง ๆ สำหรับการใช้งาน AI ในภาคธุรกิจของปี 2022 มีเพียงแค่ Knowledge Management หรือ Customer Support เบื้องต้นเท่านั้น
ในเวลานั้น ผมได้ข้อสรุปว่า LLM เป็นเหมือนเด็กฝึกงานที่เก่งมาก แต่มั่นใจตัวเองสูง ให้ข้อมูลผิด ๆ แต่ฟังดูเหมือนถูก เลยยังปล่อยให้ทำงานตามลำพังไม่ได้ ทำให้ในปี 2022 นั้น Traditional AI ที่เราใช้งานกันอยู่แล้วอย่างเช่นเป็นโมเดลพยากรณ์ การจำแนก หรือการวิเคราะห์เชิงโครงสร้าง ก็ยังเป็น AI หลักที่เรายังคงใช้ทำงานจริงอยู่ดี
ปี 2023 เมื่อธุรกิจเริ่มมองเห็นว่า AI “อาจคุ้มค่า”
ปี 2023 คือปีที่องค์กรใหญ่เปลี่ยนจากการรอดู AI อยู่ห่าง ๆ มาสู่การเริ่มทดลองนำ AI มาใช้งานจริง ไม่ว่าจะเป็นอุตสาหกรรมธนาคาร โทรคมนาคม รวมถึงบริษัทค้าปลีกรายใหญ่ ต่างก็เริ่มนำ GenAI ไปใช้กับ Customer Support และระบบ Knowledge Base ภายในองค์กรอย่างจริงจัง เหตุผลหลักก็ตรงไปตรงมา เพื่อลดต้นทุน ลดงานซ้ำ ๆ และให้ทีมทำงานได้ไปโฟกัสกับเคสที่ซับซ้อนกว่า
ในประเทศที่ค่าแรงสูงอย่างสหรัฐฯ ยุโรปตะวันตก หรือออสเตรเลีย จะเห็นผลค่อนข้างชัดมาก ค่าใช้จ่ายของ LLM API ถูกกว่าการดูแลทีม Support ขนาดใหญ่ ทำให้ ROI เห็นผลลัพธ์เลยในช่วงแรกที่ใช้งาน แต่ในตลาดอย่างประเทศไทยหรือประเทศเพื่อนบ้าน สถานการณ์นั้นต่างออกไป ค่าแรงของคนยังค่อนข้างต่ำ ในบางกรณี ค่าใช้ LLM API กลับสูงกว่าเงินเดือนของคนที่มันถูกออกแบบมาเพื่อช่วยลดภาระเสียอีก
นี่เป็นสิ่งที่ Narrative เรื่อง AI ระดับโลกมักมองข้าม เศรษฐศาสตร์ของ AI ไม่ได้เหมือนกันทุกประเทศ Use Case ที่คุ้มค่าอย่างชัดเจนในประเทศหนึ่ง ไม่ได้แปลว่าจะคุ้มในอีกประเทศเสมอไป ทั้งเรื่องค่าแรง โครงสร้างพื้นฐาน และความพร้อมของตลาด ล้วนส่งผลต่อจังหวะที่ AI จะเริ่ม “คุ้มค่า” จริง แต่ถึงอย่างนั้น สิ่งสำคัญที่เกิดขึ้นในปีนี้คือ ธุรกิจเริ่มเห็นแล้วว่า AI ไม่ได้เป็นแค่เทคโนโลยีชั่วคราว แต่มันเริ่มมีผลต่อ Economics ของการทำงานจริง
อย่างไรก็ตาม ในปี 2023 การใช้งาน GenAI ก็ยังคงอยู่ในขอบเขตที่จำกัด เช่น Chatbots, KM และการถามตอบภายในองค์กร ยังไม่มีใครใช้ LLM สำหรับงานที่ต้องการความแม่นยำหรือการตัดสินใจที่มีผลกระทบสำคัญ
ปี 2024 AI เริ่มเข้าไปอยู่ใน Workflow การทำงานจริง ไม่ใช่อยู่แค่ในหน้า Chatbot อีกต่อไป
ปี 2024 คือช่วงที่หลายอย่างเริ่มเปลี่ยนแปลงเร็วขึ้น
โมเดลต่าง ๆ ดีขึ้นอย่างชัดเจน Hallucination ลดลง การใช้เหตุผลดีขึ้น และที่สำคัญคือ คนเริ่มกล้านำ AI เข้าไปอยู่ใน Workflow จริง ลูกค้าเริ่มทดลอง Use Case ที่ก่อนหน้านี้ยังไม่กล้าแตะต้องมาก่อน เช่น Fraud Detection Pipeline ที่ใช้ LLM อธิบายความผิดปกติที่ Traditional Model ตรวจพบ หรือการทำ Customer Segmentation ที่ไม่ได้มีความสามารถเพียงแค่แบ่งกลุ่มเท่านั้น แต่ยังสามารถเล่าเรื่องของลูกค้าแต่ละกลุ่มได้ รวมถึง Recommendation Engine ก็วิวัฒนาการไปถึงจุดที่อธิบายเหตุผลของสิ่งที่แนะนำได้จริง
คำว่า “AI Co-pilot” เริ่มตรงกับความเป็นจริงมากขึ้น แม้ว่ามนุษย์จะยังคงต้องอยู่ใน Loop ของเกือบทุกการทำงาน แต่ในเวลานั้นเราก็ได้เห็นว่า AI เริ่มทำงานจริงร่วมกับคนได้แล้ว ไม่ว่าจะเป็นงานด้านการเขียนโค้ดและ IT Operations ก็ตาม แต่ทั้งนี้ ก็ยังมีข้อจำกัดที่เห็นได้ชัด ส่งผลให้ AI อาจจะยังไม่พร้อมสำหรับการทำงานโดยไม่มีผู้ดูแลอย่างเต็มรูปแบบ เพราะยังมีโอกาสผิดพลาดที่เกิดขึ้นได้สูง ทำให้ต้องมีการควบคุมดูแล (Supervised) ตลอดเวลา
ตรงนี้เองที่ผมคิดว่าเป็นจุดเปลี่ยนสำคัญ เพราะเมื่อ AI เริ่มเข้าไปอยู่ใน Workflow การทำงานจริงได้แล้ว สิ่งที่เปลี่ยนไปจะไม่ได้มีแค่ประสิทธิภาพในการทำงานเท่านั้น แต่เริ่มเป็นเรื่องกระบวนการทำงานที่อาจจะเปลี่ยนไปสู่รูปแบบใหม่ และต้นทุนการดำเนินงานที่ลดลงอย่างชัดเจน หรือทำให้การขยายธุรกิจให้เติบโตนั้นกลายเป็นเรื่องที่ง่ายดายขึ้นได้
ปี 2025 จุดที่ AI ไม่ได้แค่ช่วยให้ทำงานเร็วขึ้น แต่เริ่มเปลี่ยนโครงสร้างของระบบการทำงาน
เมื่อผู้พัฒนา AI หลายรายเริ่มปล่อยโมเดลที่มีความชาญฉลาดที่แตกต่างจากปีก่อนหน้าอย่างก้าวกระโดด ไม่ว่าจะเป็นการเข้าใจความหมาย การวิเคราะห์เหตุผล การคิดที่ซับซ้อนขึ้น การตอบสนองที่ไวขึ้น และค่าใช้จ่ายที่ถูกลง การใช้งาน AI ที่แพร่หลายในช่วงเวลานั้นอย่างเช่นการทำ Coding Assistant จึงพัฒนาก้าวกระโดดขึ้นไปอีกขั้น จากเดิมที่ AI เคยเป็นแค่เครื่องมือช่วยเขียนโค้ดเร็วขึ้น กลายเป็นเราสามารถอธิบายสิ่งที่อยากสร้างเท่านั้น แล้ว AI ก็สามารถสร้าง Application ให้ได้ทั้งหมดด้วยตัวเอง (แต่ต้องอธิบายดี ๆ หน่อยนะ)
ภายในช่วงปลายปี 2025 เราสามารถเริ่มปล่อยให้ AI ตัดสินใจเองในบาง Workflow โดยไม่ต้องมีคนตรวจทุกขั้นตอนได้แล้วหากเรามีการกำหนดขอบเขตอย่างชัดเจน ไม่ว่าจะเป็นงานเขียนโค้ด, การ Design Review, งานด้าน IT Operations หรือการจัดการ Support Escalation แต่ก็ยังไม่ใช่ทุกงานที่เราจะปล่อยให้ AI ช่วยตัดสินใจได้เสมอไป
และอีกสิ่งสำคัญคือต้นทุนของ AI ที่ลดลงอย่างมากแต่กลับชาญฉลาดขึ้นอย่างมหาศาล ส่งผลให้การใช้งานในวงกว้างจึงเริ่มเกิดขึ้นจริง แนวคิด Multi-agent Systems เริ่มกลายเป็นสิ่งที่ทั้งใช้งานได้จริงและคุ้มค่าสำหรับแทบทุกธุรกิจ สิ่งที่เคยเป็นเพียงการทดลองทางเทคโนโลยี เริ่มกลายเป็นโครงสร้างพื้นฐานในการดำเนินงานขององค์กรได้จริง ๆ
ปี 2026 เมื่อ Multi-agent system/Agentic AI ใช้ได้จริง สิ่งที่กำลังเปลี่ยน คือโครงสร้างของการทำงาน แล้วจะเกิดอะไรขึ้นต่อไป?
แน่นอนว่าเทรนด์ใหญ่ในปี 2026 นี้ก็คงหนีไม่พ้นเรื่องของ Agentic AI ที่เก่งกาจทั้งในแง่ของการเข้าใจคำสั่ง, วิเคราะห์เหตุผล, วางแผนการทำงาน และดำเนินงานด้วยตนเองได้อย่างเบ็ดเสร็จ พร้อมการมาของ Context Engineering ที่ช่วยกำหนดกรอบการทำงานของ AI ได้อย่างแม่นยำยิ่งขึ้น ทำให้การทำงานง่ายๆ ด้วย AI Agent เดียวนั้นก็มีประสิทธิภาพและแม่นยำมากอย่างที่ไม่เคยเป็นมาก่อน ในขณะที่การใช้ Multi-Agent System นั้นก็สามารถทำงานได้หลากหลายและคุ้มค่ายิ่งกว่าที่เคย
ความเก่งกาจของ AI ในระดับนี้ ทำให้การทำงานหลายส่วนนั้นต้องปรับตัว แต่รอบนี้ไม่ใช่การปรับตัวเพียงแค่ใช้เทคโนโลยีให้เป็นเหมือนรอบก่อนๆ แต่พนักงานในหลายตำแหน่ง หรือธุรกิจหลายๆ แห่งนั้นต้องเปลี่ยนวิธีการทำงานไปอย่างสิ้นเชิง ตัวอย่างเช่น
Software Engineers
ความต้องการบางตำแหน่งจะลดลงอย่างมีนัยสำคัญ โดยเฉพาะ Junior Engineer ที่มีหน้าที่หลักคือแปลง Technical Requirement ให้กลายเป็นโค้ด เพราะวันนี้ AI เริ่มทำส่วนนั้นได้แล้ว ซึ่งคนที่จะอยู่รอดได้นั้น คือคนที่คิดเชิง Architecture เป็น รู้วิธีใช้ AI อย่างมีเป้าหมาย และสามารถตัดสินใจในจุดที่ AI ยังพลาดได้
SaaS และ Software Companies
ถ้าหากมูลค่าของผลิตภัณฑ์ที่คุณมีอยู่นั้น คือการที่ซอฟต์แวร์ของคุณสามารถตอบโจทย์สำหรับงานบางอย่างได้โดยเฉพาะ และความได้เปรียบหลักคือคนอื่นสร้างตามได้ยาก วันนี้ AI อาจกำลังทำให้ข้อได้เปรียบนั้นลดลง Moat ของคุณอาจไม่ได้แข็งแรงเหมือนเดิมอีกต่อไป บริษัทที่จะยังไปต่อได้ดี คือบริษัทที่ AI “จำเป็นต้องพึ่งพา” หรือบริษัทที่ทำงานเสริมกับ AI ได้อย่างลงตัว เช่น Data Infrastructure, Security หรือระบบที่ความน่าเชื่อถือและการเชื่อมต่อเชิงลึกมีความสำคัญ บริษัทเหล่านี้คือกลุ่มที่ได้ประโยชน์จาก AI ไม่ใช่กลุ่มที่ต้องแข่งขันกับมัน
ธุรกิจและ Service Firms รุ่นใหม่
ไม่เคยมีช่วงเวลาไหนที่ต้นทุนในการเริ่มต้นธุรกิจต่ำเท่านี้มาก่อน ทีมเล็ก ๆ จะสามารถสร้างสิ่งที่เมื่อก่อนต้องใช้คนจำนวนมากได้เร็วขึ้นมหาศาล แต่ในอีกด้าน การแข่งขันก็จะรุนแรงขึ้นเช่นกัน เพราะ Barrier to Entry ก็ลดลงตามไปด้วย อย่างไรก็ตามแม้ AI จะสามารถลดต้นทุนในการสร้างธุรกิจขึ้นมาได้ แต่ AI ก็ไม่ได้ช่วยลดความยากในการสร้างธุรกิจให้เติบโตได้จริงอยู่ดี
การศึกษา
สิ่งที่น่ากังวลที่สุดอย่างหนึ่ง คือเครื่องมือกำลังเปลี่ยนเร็วกว่าที่ระบบการศึกษาจะตามทัน แต่สิ่งที่ยังมั่นคงอยู่คือพื้นฐาน ความเข้าใจระบบ วิธีคิดวิเคราะห์ปัญหา และความสามารถในการประเมินผลลัพธ์จาก AI อย่างมีวิจารณญาณ เพราะสุดท้าย คนที่ได้เปรียบที่สุด จะไม่ใช่คนที่ใช้ Tool ล่าสุดเป็น แต่คือคนที่มี Foundation แข็งพอจะเรียนรู้ Tool ใหม่ได้ตลอดเวลา
แล้วเราควรทำอย่างไรกับทั้งหมดนี้?
ตลอดสี่ปีที่ได้เห็นการเปลี่ยนแปลงนี้ใกล้ ๆ คนที่ปรับตัวได้ดีที่สุด ไม่ใช่คนที่รีบใช้ทุกอย่างก่อนใคร และไม่ใช่คนที่ต่อต้าน AI ที่สุด แต่คือคนที่ยังมั่นคงกับสิ่งที่ตัวเองเก่งจริง ๆ เรียนรู้ต่อเนื่อง และหาวิธีทำงานร่วมกับ AI แทนที่จะปล่อยให้ตัวเองถูกมันกลืนไป
จงหา “รากฐาน” ของตัวเองให้เจอ
ส่วนที่เป็นคุณจริง ๆ ไม่ว่าจะเป็นการตัดสินใจ ความเข้าใจใน Domain หรือวิธีมองปัญหาในแบบของคุณ เพราะสิ่งนั้นยังไม่หายไปไหน แต่ทุกอย่างที่อยู่บนรากฐานนั้น กำลังถูกขยายด้วย AI เร็วกว่าที่หลายคนคิด
สำหรับ Blendata เราได้เริ่มไปแล้ว เราใช้ AI กับ Customer Support, HR และ Financial Operations ภายในองค์กร ทีมพัฒนาของเราก็กำลังเปลี่ยนวิธีทำงานอย่างจริงจัง และความเร็วในการส่งมอบโปรดักต์ก็เปลี่ยนไปอย่างเห็นได้ชัด เรายังใช้ AI เป็น Co-pilot กับงานที่เป็น Burden Work เช่น Documentation, Project Management และการพัฒนา Data Pipeline รวมถึงงานที่เคยกินเวลา แต่ไม่ได้ต้องใช้ความคิดสร้างสรรค์มากนัก
และนี่อาจเป็นคำถามสำคัญที่สุดของยุคนี้ คุณกำลังสร้าง “รากฐาน” ที่จะทำให้คุณอยู่ในโลกที่ AI เป็นส่วนหนึ่งของการทำงานได้แล้วหรือยัง?
