ธุรกิจไทยกำลังขยับจากการทดลองใช้ AI ไปสู่การนำมาใช้กับงานจริงมากขึ้น พร้อมกับความคาดหวังว่าการลงทุนต้องสร้างผลตอบแทนที่วัดได้ แต่ยิ่งองค์กรต้องการขยาย AI จากเครื่องมือเฉพาะจุดไปสู่การใช้งานในระดับองค์กร โจทย์ก็ไม่ได้อยู่ที่ความสามารถของเทคโนโลยีเพียงอย่างเดียว หากอยู่ที่ข้อมูล กระบวนการ คน และการกำกับดูแลว่าจะพร้อมรองรับ AI ที่ทำงานได้มากขึ้นเพียงใด
ผลสำรวจ SAP Value of AI Report 2026 ซึ่ง SAP จัดทำร่วมกับ Oxford Economics จากผู้บริหารธุรกิจ 2,600 คนใน 13 ประเทศ รวมผู้บริหารไทย 200 คน พบว่า AI สนับสนุนงานเฉลี่ย 24% ของงานทั้งหมดในองค์กรไทย และคาดว่าจะเพิ่มเป็น 42% ภายใน 2 ปี ขณะที่องค์กรไทยมีการลงทุนด้าน AI เฉลี่ย 18.3 ล้านดอลลาร์สหรัฐ หรือประมาณ 602.9 ล้านบาทในปีนี้ และคาดว่างบลงทุนจะเพิ่มขึ้น 44% ภายในสองปี
ตัวเลขที่น่าสนใจไม่ได้มีเพียงเงินลงทุน แต่รวมถึงผลตอบแทนที่องค์กรเริ่มได้รับจาก AI ปัจจุบันองค์กรไทยคาดว่าจะสร้าง ROI เฉลี่ย 18% หรือ 3.5 ล้านดอลลาร์สหรัฐ และคาดว่าจะเพิ่มเป็น 35% หรือ 8.8 ล้านดอลลาร์สหรัฐภายในสองปี ขณะที่ 71% พอใจกับ ROI ที่ได้รับในปัจจุบัน แต่ 55% ยังมองว่าการใช้ AI ขององค์กรยังสร้างผลลัพธ์ได้ไม่เต็มศักยภาพ
กุลวิภา ปิยวัฒนเมธา กรรมการผู้จัดการ ประจำภูมิภาคอินโดจีนบริษัท SAP กล่าวว่า ธุรกิจไม่ได้ต้องการหยุดอยู่แค่การทดลอง AI แต่ต้องการนำมาใช้จริง และผลลัพธ์ในมุมธุรกิจต้องจับต้องได้ มี Return กลับมา ไม่ใช่เพียงช่วยให้ทำงานง่ายขึ้น การวัดผลจึงต้องย้อนกลับไปดูว่างานที่นำ AI เข้าไปใช้ช่วยลดต้นทุน เพิ่มยอดขายหรือกำไร รวมถึงเพิ่ม Productivity ได้อย่างไร
จากทดลอง AI สู่การสร้างผลตอบแทนจริง
ความท้าทายขององค์กรไทยเริ่มชัดขึ้นเมื่อมองลึกลงไปในวิธีนำ AI มาใช้ แม้เงินลงทุนและผลตอบแทนจะเพิ่มขึ้น แต่ 47% ขององค์กรไทยยังใช้ AI แบบกระจัดกระจายเป็นโครงการหรือเครื่องมือเฉพาะจุด ขณะที่มีเพียง 13% ที่จัดลำดับการลงทุน AI ด้วยแนวทางเชิงกลยุทธ์แบบองค์รวม และมีเพียง 8% ที่มีการใช้งาน AI แบบเชื่อมโยงข้ามสายงานตั้งแต่ต้นจนจบมากกว่าการใช้เพื่อวัตถุประสงค์เฉพาะด้าน
คุณกุลวิภา อธิบายว่า การนำ AI มาใช้ในธุรกิจให้ได้ผลไม่สามารถแยกออกจากข้อมูลและกระบวนการทำงานได้ เพราะ AI ต้องเข้าใจบริบทของธุรกิจด้วย หากองค์กรต้องการใช้ AI ในงานทรัพยากรบุคคล เช่น คัดเลือกผู้สมัคร AI อาจช่วยค้นหาหรือวิเคราะห์ข้อมูลผู้สมัครได้ แต่หากต้องประเมินว่าบุคคลนั้นเหมาะกับความต้องการทางธุรกิจหรือไม่ ก็ต้องเชื่อมข้อมูลและ Business Context ที่เกี่ยวข้องเข้ามาประกอบ
“AI ไม่ใช่เทคโนโลยีแล้วกันถ้าจะใช้ AI ให้สำเร็จ และก็ไม่ใช่สิ่งที่เอามาเพื่อที่จะทดแทนคน” คุณกุลวิภา กล่าว พร้อมอธิบายว่า AI Transformation ต้องเป็นการเปลี่ยนทั้งคนและกระบวนการทำงานโดยนำเทคโนโลยีเข้ามาใช้ ไม่ใช่มองเฉพาะตัวเทคโนโลยี
Agentic AI มาแรงแต่พร้อมเต็มรูปแบบเพียง 2%
ทิศทางถัดไปกำลังเคลื่อนไปหา Agentic AI เทคโนโลยีที่สามารถรับงานและดำเนินกระบวนการบางส่วนได้มากกว่า AI ที่รอรับคำสั่งเป็นครั้ง ๆ
ผลสำรวจพบว่า 78% ขององค์กรไทยมองว่า Agentic AI มีศักยภาพระดับปานกลางถึงสูงมากในการเปลี่ยนองค์กร และ 58% เคยทดลองกรณีใช้งาน Agentic AI มาแล้ว แต่มีเพียง 44% ที่มีความเข้าใจร่วมกันอย่างชัดเจนว่า Agentic AI คืออะไรและทำอะไรได้
ช่องว่างที่ชัดที่สุดอยู่ที่ความพร้อม มีเพียง 2% ที่ระบุว่า พร้อมสำหรับ Agentic AI อย่างเต็มรูปแบบ 20% พร้อมแต่ยังมีช่องว่าง 55% พร้อมเพียงบางส่วน และ 24% ยังไม่พร้อม ทั้งที่องค์กรไทยคาดหวังผลตอบแทนจาก Agentic AI ในอีกสองปีไว้ที่ 13% หรือประมาณ 8.5 ล้านดอลลาร์สหรัฐ
สำหรับ SAP การมองว่า Agent ใดกำลังได้รับความนิยมอาจไม่ใช่คำถามหลักเท่ากับ Agent นั้นสร้างผลลัพธ์อะไรให้ธุรกิจ เพราะการใช้งานขึ้นอยู่กับแต่ละกระบวนการ เช่น การเงิน ทรัพยากรบุคคล การจัดซื้อ หรือการดูแลลูกค้า งานด้านการเงินอย่างการจัดสรรต้นทุน การปิดบัญชี หรือการจัดการลูกหนี้ เป็นตัวอย่างของงานที่ AI สามารถเข้ามาช่วยลดภาระงานที่ต้องทำด้วยมือ และลดความผิดพลาดที่อาจกระทบต่อการรับรู้รายได้หรือต้นทุน
Data–People–Governance ช่องว่างก่อน Scale AI
การจะขยับจาก AI ที่ทำงานเป็นจุด ๆ ไปสู่การใช้งานระดับองค์กรติดอยู่กับรากฐานหลายส่วนพร้อมกัน โดยเฉพาะข้อมูล คน และการกำกับดูแล
ข้อมูลเป็นโจทย์ที่เห็นชัด มีองค์กรไทย 57% ที่ระบุว่ามีความพร้อมด้านข้อมูลสำหรับ AI แต่ 70% ยังเผชิญปัญหาคุณภาพหรือความพร้อมใช้งานของข้อมูล และ 79% พบผลลัพธ์ AI คุณภาพต่ำอย่างน้อยเป็นบางครั้ง จนทำให้ต้องกลับมาแก้งาน เกิดความล่าช้าหรืองานค้าง
เรื่องคนก็ยังตามความเร็วของเทคโนโลยีไม่ทัน 76% ขององค์กรไทยยังไม่มั่นใจว่าการ Upskill ที่บริษัทดำเนินการอยู่จะตามวิวัฒนาการของเครื่องมือ AI ได้ทัน และ 81% ไม่มั่นใจว่าขอบเขตของตำแหน่งงานเดิมกำลังเปลี่ยนเร็วพอที่จะใช้ประโยชน์จากกระบวนการทำงานที่มี AI เข้ามาช่วย
คุณกุลวิภามองว่า ในบรรดารากฐานที่องค์กรต้องจัดการ ส่วนที่ยากที่สุดคือ “คน” เพราะการทำให้พนักงานมีทักษะและพร้อมรับการเปลี่ยนแปลงเป็นเรื่องของ Change Management มากกว่าเรื่องเทคโนโลยี ต่อให้มีเครื่องมือพร้อม หากคนยังไม่มีทักษะที่จะใช้ เครื่องมือก็ไม่สามารถช่วยให้องค์กรไปถึงเป้าหมายได้
Governance ต้องโตให้ทัน AI
เมื่อ AI เริ่มเข้าไปทำงานจริง ความเสี่ยงก็ขยายตามการใช้งาน ผลสำรวจพบว่า 74% ขององค์กรไทยมีพนักงานใช้เครื่องมือ AI ของบุคคลที่สามโดยไม่ได้รับการอนุมัติหรืออยู่ภายใต้การกำกับดูแลอย่างเป็นทางการอย่างน้อยเป็นบางครั้ง ผลกระทบที่พบคือผลลัพธ์ไม่สม่ำเสมอหรือไม่แม่นยำ 63% และข้อมูลรั่วไหลหรือทรัพย์สินทางปัญญาถูกเปิดเผย 62%
ความพร้อมด้าน Governance ยังอยู่ในระดับต่ำ มีเพียง 14% ที่ระบุว่ากระบวนการและกรอบการกำกับดูแลของตนพร้อมเต็มที่สำหรับ AI
โจทย์นี้ยิ่งชัดเมื่อเข้าสู่ Agentic AI เพราะ AI Agent ไม่ได้มีหน้าที่เพียงสร้างข้อความหรือวิเคราะห์ข้อมูล แต่สามารถเข้าไปดำเนินงานตามกระบวนการที่กำหนดได้ ปัจจุบันองค์กรไทย 40% ยังไม่มี Human-in-the-Loop สำหรับ Agent, 40% ยังไม่มีกระบวนการอนุมัติก่อนนำ Agent ไปใช้งาน และมีเพียง 39% ที่มีทะเบียน AI Agent ในองค์กร
Autonomous Enterprise ให้คนกำหนดทิศทาง AI ลงมือทำ
แนวคิด Autonomous Enterprise ของ SAP จึงไม่ได้หมายถึงองค์กรที่ปล่อยให้ AI ตัดสินใจและทำงานแทนมนุษย์ทั้งหมด แต่ตั้งอยู่บนหลัก “Human Set Direction, AI Execute” มนุษย์กำหนดทิศทาง ส่วน AI เข้ามาจัดการกระบวนการและดำเนินงานเพื่อให้ได้ผลลัพธ์ตามที่กำหนด
การกำหนดว่าเรื่องใด AI ตัดสินใจได้และเรื่องใดต้องส่งกลับมาให้คนอนุมัติจึงไม่มีเส้นแบ่งเดียวสำหรับทุกองค์กร แต่ขึ้นอยู่กับ Business Process, Governance และบริบทของแต่ละบริษัท
คุณกุลวิภายกตัวอย่างระบบบริหารค่าใช้จ่าย Concur ซึ่ง AI สามารถสแกนใบเสร็จและอนุมัติรายการมูลค่าต่ำโดยอัตโนมัติตามเงื่อนไขที่กำหนด หากยอดเงินสูงเกินเกณฑ์ ระบบจะส่งต่อให้ผู้จัดการอนุมัติ หรือหาก AI ตรวจพบข้อมูลที่ไม่สอดคล้องกับกฎ ก็ต้องส่งกลับเข้าสู่กระบวนการที่มีคนพิจารณา
หลักคิดจึงไม่ใช่ปล่อยให้ AI มีอำนาจตัดสินใจเอง แต่เป็นมนุษย์ที่กำหนดตั้งแต่ต้นว่า AI มีอำนาจทำอะไร ภายใต้เงื่อนไขใด และเมื่อใดต้องส่งการตัดสินใจกลับมาให้คน
AI เปลี่ยนทักษะพื้นฐานของคนทำงาน
ผลของ AI ไม่ได้หยุดอยู่ที่ระบบขององค์กร แต่กำลังเปลี่ยนความต้องการของตลาดแรงงาน กุลวิภามองว่าทักษะที่เคยเป็นคุณสมบัติพื้นฐานของคนทำงานกำลังเปลี่ยนไป จากเดิมที่องค์กรอาจถามว่าผู้สมัครใช้โปรแกรมสำนักงานได้หรือไม่ วันนี้ความสามารถในการใช้ AI Agent, Chatbot, การค้นคว้าข้อมูล และการวิเคราะห์ข้อมูล กำลังกลายเป็นทักษะพื้นฐานที่ธุรกิจคาดหวังมากขึ้น
ตำแหน่งระดับเริ่มต้นในบางวิชาชีพมีความท้าทายมากขึ้น เพราะงานบางส่วนสามารถใช้ AI ทดแทนได้ แต่คุณกุลวิภามองว่า คนทำงานต้องหาวิธีใช้เครื่องมือเหล่านี้สร้างคุณค่าให้ตัวเอง โดยสิ่งที่ AI ยังทดแทนไม่ได้ทั้งหมดคือ Human Judgement รวมถึงความสามารถในการสื่อสารและเชื่อมโยงกับคน
ทักษะที่เธอให้น้ำหนักจึงเริ่มจาก Curiosity หรือความอยากรู้อยากเห็นและการตั้งคำถาม ตามด้วย Critical Thinking เพื่อวิเคราะห์ว่าสิ่งที่ได้รับมานั้นถูกต้องหรือไม่ และ Discipline หรือวินัยที่จะอยู่กับสิ่งที่ทำจนไปถึงเป้าหมาย โดยเฉพาะในวันที่คนรับข้อมูลจำนวนมากและมีเครื่องมือช่วยหาคำตอบได้อย่างรวดเร็ว
มูลค่าจาก AI เกิดเมื่อเชื่อมกับธุรกิจจริง
ตัวเลขการลงทุน 18.3 ล้านดอลลาร์สหรัฐ หรือ ROI 18% จึงบอกได้เพียงส่วนหนึ่งของการเปลี่ยนผ่าน AI ในประเทศไทย สิ่งที่รายงานและบทสัมภาษณ์ชี้ตรงกันคือ องค์กรไทยเริ่มนำ AI มาใช้จริงมากขึ้น แต่การขยายผลให้เกิดมูลค่าในระดับองค์กรยังขึ้นอยู่กับความสามารถในการเชื่อม AI เข้ากับข้อมูล กระบวนการทางธุรกิจ คน และ Governance
เมื่อถูกถามว่า หากต้องเลือกเพียงเรื่องเดียวสำหรับการ Scale AI ในองค์กรไทย คุณกุลวิภาเลือก “ความเข้าใจในการใช้งานที่ถูกต้อง” เพราะ AI ไม่ใช่เทคโนโลยีที่นำเข้ามาแล้วใช้งานได้ทันที องค์กรต้องเข้าใจว่าจะเชื่อม AI เข้ากับภาพรวมของธุรกิจอย่างไร จึงจะวางแผนการใช้งานได้ถูกต้อง
ความแตกต่างระหว่างองค์กรจึงอาจไม่ได้อยู่ที่ใครมี AI ก่อน แต่อยู่ที่ใครสามารถนำ AI ไปเชื่อมกับงานจริงและพัฒนาคนให้ใช้มันสร้างมูลค่าได้ เมื่อองค์กรหนึ่งทำได้ต่อเนื่อง ผลลัพธ์จะสะสมทั้งด้านยอดขาย กำไร ต้นทุน ประสิทธิภาพ และศักยภาพของพนักงาน ขณะที่องค์กรที่ยังอยู่ที่เดิมจะเห็นระยะห่างเพิ่มขึ้นตามเวลา
คุณกุลวิภา อธิบายภาพนี้ว่า “การที่ไม่ทำไม่ได้แปลว่าคุณ Gap คุณอยู่ห่างเท่าเดิม” เพราะองค์กรที่ใช้ AI ได้ดีจะพัฒนาต่อไปเรื่อย ๆ ทำให้ช่องว่างระหว่างองค์กรไม่ได้คงที่ แต่มีโอกาสขยายตัวมากขึ้น
สำหรับธุรกิจไทย การเดินทางจากการทดลอง AI ไปสู่ Autonomous Enterprise จึงไม่ได้วัดจากจำนวน AI Agent ที่มี หรือจำนวนเงินที่ลงทุนเพียงอย่างเดียว แต่ต้องกลับมาที่คำถามพื้นฐานว่า AI เชื่อมอยู่กับข้อมูลและกระบวนการทางธุรกิจจริงหรือไม่ คนพร้อมทำงานร่วมกับมันแค่ไหน และองค์กรมี Governance ที่ควบคุมการทำงานของ AI ได้ทันกับความเร็วที่กำลังขยายตัวหรือยัง
ข่าวอื่น ๆ ที่น่าสนใจ
Data Center ไทย โตแค่ลงทุนไม่พอ ต้องเร่ง Sovereign AI–สร้างคนรับยุค AI
ยุทธศาสตร์ Shopee AI: พลิกโฉมอีคอมเมิร์ซด้วยระบบอัจฉริยะ เคียงข้างผู้ซื้อดันศักยภาพผู้ขาย
