AI อาจเริ่มต้นจากการเป็นเครื่องมือช่วยทำงาน แต่สิ่งที่ AWS กำลังส่งสัญญาณในวันนี้คือ AI กำลังขยับจากผู้ช่วยเฉพาะกิจ ไปสู่โครงสร้างพื้นฐานสำคัญขององค์กร ตั้งแต่การพัฒนาซอฟต์แวร์ การดูแลระบบ การจัดการข้อมูล ไปจนถึงการตัดสินใจทางธุรกิจ คำถามสำคัญจึงไม่ใช่ว่าองค์กรจะใช้ AI หรือไม่ แต่คือองค์กรจะปรับตัวให้ทันกับรูปแบบการทำงานใหม่ที่ AI กำลังสร้างขึ้นอย่างไร
ACT: กรอบคิดการเปลี่ยนผ่านสู่ยุค AI
วัตสัน ถิรภัทรพงศ์ Country Manager ของ AWS ประเทศไทย เปิดภาพใหญ่ของงาน AWS Summit Bangkok ผ่านแนวคิด ACT ซึ่งประกอบด้วย Amplify, Commit และ Transform เพื่อสะท้อนทิศทางที่ AWS มองว่าองค์กรไทยต้องเดินหน้าในยุค AI
ในมิติ Amplify คุณวัตสันระบุว่า องค์กรไทยกว่า 51% มองว่าอุปสรรคหลักของการนำเทคโนโลยี โดยเฉพาะ AI มาใช้ คือการขาดบุคลากรที่มีทักษะเพียงพอ AWS จึงให้ความสำคัญกับการขยายการอบรมบุคลากรในประเทศ โดยตลอด 11 ปีที่ผ่านมา มีบุคลากรไทยกว่า 120,000 คนผ่านการอบรมจาก AWS และในปีที่ผ่านมา AWS ยังเพิ่มการอบรมด้าน AI Skills เพื่อให้ผู้เรียนได้ใช้งานแพลตฟอร์ม AI แบบลงมือทำจริง
ในมิติ Commit AWS เน้นการลงทุนในประเทศไทยอย่างต่อเนื่อง ตั้งแต่การเปิดให้บริการ Thailand Region การเปิดบริการ CloudFront เพิ่มเติม และการเปิดให้บริการ Amazon Bedrock ในประเทศไทย ซึ่งเป็นแพลตฟอร์มสำคัญสำหรับองค์กรที่ต้องการนำ AI ไปใช้งาน
ส่วนมิติ Transform คือการเปลี่ยนผ่านที่กำลังเกิดขึ้นในองค์กรไทย คุณวัตสันระบุว่า องค์กรไทยกว่า 70% เชื่อว่า Agentic AI จะส่งผลต่อองค์กรไม่ทางใดก็ทางหนึ่งภายใน 18 เดือนข้างหน้า ขณะที่ปัจจุบันประมาณ 10% ของ Cloud Workload เป็น Workload ด้าน AI และภายในอีก 3 ปีข้างหน้า สัดส่วนนี้อาจเพิ่มขึ้นเป็น 50%
ตัวเลขนี้สะท้อนว่า AI กำลังเปลี่ยนจาก Workload รูปแบบใหม่ ไปสู่ภาระงานหลักบนระบบคลาวด์ขององค์กร และทำให้องค์กรต้องจริงจังกับโครงสร้างพื้นฐาน ข้อมูล ความปลอดภัย และวิธีทำงานมากขึ้น
จาก AI Tool สู่ AI-Native Development Lifecycle
อีกแกนสำคัญของงานคือการเปลี่ยนจากการใช้ AI เป็นเครื่องมือเฉพาะจุด ไปสู่การออกแบบกระบวนการทำงานใหม่ทั้งระบบ
AWS ระบุว่า การใช้ AI Tools เพียงลำพังกับกระบวนการพัฒนาซอฟต์แวร์แบบเดิม อาจช่วยให้องค์กรดีขึ้นในระดับหนึ่ง แต่ยังไม่เพียงพอที่จะสร้างการเปลี่ยนแปลงแบบก้าวกระโดด สิ่งที่องค์กรต้องทำคือการคิดใหม่ทั้งระบบ ตั้งแต่ Business Intent ไปจนถึง Deployment และ Operations
แนวคิดนี้ถูกอธิบายผ่าน AI-Native Development Lifecycle หรือ AI/DLC ซึ่งเป็นแนวทางการพัฒนาซอฟต์แวร์ที่ใช้ AI-Powered Execution ควบคู่กับ Human Oversight and Judgment และเปิดให้ทุกฝ่ายที่เกี่ยวข้องเข้ามาทำงานร่วมกัน ไม่ใช่เฉพาะเดเวโลเปอร์ แต่รวมถึงเจ้าของธุรกิจ ผู้จัดการผลิตภัณฑ์ และทีมปฏิบัติการ
ในมุมนี้ AI จึงไม่ได้เป็นเพียงผู้ช่วยเขียนโค้ด แต่เริ่มเข้าไปอยู่ในวงจรของการสร้างซอฟต์แวร์ ตั้งแต่การแปลงความต้องการทางธุรกิจเป็นงานพัฒนา การสร้างโค้ด การตรวจสอบความปลอดภัย การ Deploy และการดูแลระบบหลังบ้าน
Frontier Agents และยุคใหม่ของการพัฒนาซอฟต์แวร์
AWS ยังพูดถึง Frontier Agents ซึ่งเป็น AI Agent รุ่นใหม่ที่มีความสามารถสูงขึ้น โดยมีคุณสมบัติสำคัญ 3 ด้าน
ด้านแรกคือ Autonomous หรือความสามารถในการทำงานไปสู่เป้าหมายที่กำหนดได้ ด้านที่สองคือ Massively Scalable หรือความสามารถในการทำงานหลายอย่างพร้อมกันและกระจายงานข้ามหลาย Agent และด้านที่สามคือ Long-running หรือความสามารถในการทำงานต่อเนื่องหลายชั่วโมงหรือหลายวัน เพื่อรับมือกับโจทย์ที่ซับซ้อนและมีเป้าหมายขนาดใหญ่
ในกลุ่มเครื่องมือเหล่านี้ AWS นำเสนอ Kiro ซึ่งเป็น AI Assistant สำหรับเดเวโลเปอร์ ที่ช่วยเปลี่ยน Prompt ให้เป็น Specification และเปลี่ยน Specification ให้เป็นโค้ดที่ใช้งานได้
AWS ยังนำเสนอ AWS Security Agent ที่ช่วยตรวจสอบ Design Document และสแกนโค้ดเพื่อหาช่องโหว่ตั้งแต่ต้นทาง รวมถึง AWS DevOps Agent ที่ช่วยสืบสวน Incident วิเคราะห์สาเหตุของปัญหา และเสนอแนวทางแก้ไขให้ทีมปฏิบัติการตรวจสอบ
ภาพนี้สะท้อนว่า AI กำลังขยับจากบทบาทผู้ช่วยเฉพาะงาน ไปสู่การเป็นส่วนหนึ่งของวงจรพัฒนาซอฟต์แวร์และการปฏิบัติการขององค์กรอย่างเต็มรูปแบบ
Legacy System: ภาระเดิมที่องค์กรต้องเร่งจัดการ
อีกโจทย์ใหญ่ที่ AWS เน้นย้ำคือ Legacy System ซึ่งยังเป็นภาระสำคัญขององค์กรจำนวนมาก โดย AWS ระบุว่า งบประมาณ IT ประมาณ 70% ถูกใช้ไปกับการดูแลระบบเดิม ขณะที่การ Modernize ระบบเหล่านี้มักเป็นงานที่ยาก ใช้เวลานาน และต้องใช้ทรัพยากรจำนวนมาก
AWS จึงนำเสนอ AWS Transform เพื่อช่วยเร่งการย้ายระบบและปรับปรุงโครงสร้างเทคโนโลยีเดิม ครอบคลุมทั้ง VMware Migration, Mainframe Modernization และ Full Stack Windows Modernization รวมถึง AWS Transform Custom ที่เปิดให้องค์กรสร้าง Custom Transformation Agents เพื่อปรับปรุงโค้ด API Runtime Environment ภาษาโปรแกรม และ Framework ที่เฉพาะเจาะจงกับองค์กรของตนเอง
กรณีที่ AWS ยกตัวอย่างคือ Air Canada ซึ่งมี Lambda Functions จำนวนมากที่รันอยู่บน Node.js 16 และต้องการย้ายไปสู่ Node.js 20 โดยสามารถใช้ AWS Transform ช่วยประสานและดำเนินการ Modernization ได้ภายในไม่กี่วัน พร้อมลดเวลาและต้นทุนลง 80% เมื่อเทียบกับที่คาดการณ์ไว้เดิม
ประเด็นนี้ทำให้เห็นว่า การใช้ AI ในองค์กรไม่ได้จำกัดอยู่แค่การสร้างแอปใหม่ แต่ยังรวมถึงการจัดการกับระบบเก่าที่เป็นฐานสำคัญของธุรกิจ และอาจกลายเป็นข้อจำกัดต่อความเร็วในการแข่งขัน หากไม่ถูกปรับให้ทันกับบริบทใหม่
Data Foundation: รากฐานที่AI ขาดไม่ได้
แม้ AI Agent และเครื่องมืออัตโนมัติจะเป็นภาพที่โดดเด่นของงาน แต่ AWS ยังเน้นว่า สิ่งที่จะทำให้ AI สร้างคุณค่าได้จริงคือ Data Foundation
AWS ชี้ว่า ข้อมูลขององค์กรจำนวนมากยังคงกระจัดกระจายอยู่ในหลายระบบ ทั้ง Database, Data Warehouse, Data Lake และ Application ที่แยกขาดจากกัน หากต้องการให้ AI เข้าใจข้อมูลเฉพาะขององค์กรและสร้างผลลัพธ์ที่มีคุณค่า ความกระจัดกระจายของข้อมูลเหล่านี้ต้องถูกแก้ไขก่อน
AWS จึงพูดถึงบทบาทของ S3 ในฐานะรากฐานของการจัดเก็บข้อมูล รวมถึง Open Data Architecture, Apache Iceberg, Catalog Capabilities และ Amazon SageMaker Unified Studio ที่ช่วยให้ทีมสามารถค้นหา เข้าถึง และใช้ข้อมูลเพื่อ Analytics, Machine Learning และ Generative AI ได้ในที่เดียว
กล่าวอีกนัยหนึ่ง AI จะไม่สามารถสร้างความเปลี่ยนแปลงได้เต็มศักยภาพ หากข้อมูลขององค์กรยังถูกแยกเป็นไซโล และไม่สามารถนำมาใช้ร่วมกันได้อย่างปลอดภัยและมีประสิทธิภาพ
เมื่อ AI กำลังกลายเป็นภาระงานหลักบนคลาวด์
สิ่งที่ AWS Summit Bangkok ครั้งนี้พยายามชี้ให้เห็น ไม่ใช่เพียงการเปิดตัวเครื่องมือ AI ใหม่ แต่คือการตั้งคำถามว่า องค์กรจะออกแบบวิธีทำงานใหม่อย่างไร เมื่อ AI เริ่มเข้าไปอยู่ในทุกชั้นของซอฟต์แวร์ ข้อมูล โครงสร้างพื้นฐาน และการปฏิบัติการ
กรอบ ACT ที่คุณวัตสันใช้เปิดงาน ช่วยวางภาพการเปลี่ยนผ่านนี้ให้ชัดขึ้น ตั้งแต่การ Amplify หรือขยายทักษะและขีดความสามารถด้าน AI การ Commit ผ่านการลงทุนและการเปิดบริการสำคัญในประเทศไทย ไปจนถึงการ Transform ผ่าน Agentic AI, AI/DLC และการนำ AI ไปใช้จริงในองค์กรไทย
ในวันที่ AI กำลังขยับจาก Workload ส่วนน้อยไปสู่ภาระงานหลักบนระบบคลาวด์ ความได้เปรียบขององค์กรอาจไม่ได้อยู่ที่ใครมีเทคโนโลยีมากกว่า แต่อยู่ที่ใครสามารถออกแบบองค์กรให้ทำงานร่วมกับ AI ได้ลึกกว่า เร็วกว่า และเชื่อมโยงกว่า
บทเรียนสำคัญจากงานนี้จึงไม่ใช่เพียงว่าองค์กรไทยควรใช้ AI หรือไม่ แต่คือองค์กรไทยจะใช้ AI เพื่อเปลี่ยนวิธีคิด วิธีสร้างระบบ และวิธีแข่งขันของตัวเองได้เร็วเพียงใด
ข่าวอื่น ๆ ที่น่าสนใจ
BEYOND EXPO 2026 ดันเอเชียนำเทรนด์ Physical AI สู่โลกจริง
SCBX AI Outlook 2026: 6 แนวโน้มสำคัญของ AI ในยุคใหม่
