AI กำลังเดินทางจากเครื่องมือที่รอให้มนุษย์ถาม ไปสู่ระบบที่คิดเป็นเหตุเป็นผล ลงมือทำงาน และทำงานร่วมกับ AI ตัวอื่นได้ การเปลี่ยนแปลงนี้กำลังทำให้เส้นแบ่งระหว่างสิ่งที่ “คนทำ” กับสิ่งที่ “AI ทำ” เปลี่ยนไป พร้อมกับเปิดรูปแบบการทำงานใหม่ที่คนหนึ่งคนอาจมี AI Agent หลายตัวช่วยเขียนโค้ด ทดสอบงาน วิเคราะห์ข้อมูล หรือทำงานตามที่ได้รับมอบหมาย
แต่ความสามารถของ AI ที่เพิ่มขึ้นอย่างรวดเร็วไม่ได้หมายความว่าโจทย์สำคัญที่สุดอยู่ที่ว่า AI ทำอะไรได้บ้าง สำหรับ ธนวัฒน์ สุธรรมพันธุ์ กรรมการผู้จัดการใหญ่ ไมโครซอฟท์ ประเทศไทย และตลาดใหม่ จุดเริ่มต้นกลับอยู่ที่มนุษย์ต้องรู้ก่อนว่า ต้องการแก้ปัญหาอะไร มีเป้าหมายอะไร และมองเห็นโอกาสตรงไหน จากนั้นจึงนำ AI มาใช้ปลดล็อกสิ่งที่ต้องการให้เกิดขึ้น
“จุดเริ่มต้นเดียวกันคืออะไรครับ คือเริ่มจากโจทย์ เริ่มจากเป้าหมาย เริ่มจากความท้าทาย เริ่มจากโอกาส”
แนวคิดนี้เป็นฐานของมุมมองต่อ AI ที่เขานำเสนอ โดยเปรียบ AI กับไฟฟ้าในอดีต ไฟฟ้าไม่ได้มีคุณค่าเพียงเพราะช่วยให้มนุษย์ทำงานได้ทั้งกลางวันและกลางคืน แต่กลายเป็นพื้นฐานของนวัตกรรมจำนวนมากที่ตามมา AI ก็อยู่ในลักษณะเดียวกัน เพราะเป็น General Purpose Technology และเป็นแพลตฟอร์มของความรู้ที่สามารถนำไปสร้างสิ่งใหม่ได้
หากนับจากการเปิดตัว ChatGPT ในเดือนพฤศจิกายน 2022 จนถึงวันนี้ยังไม่ครบ 4 ปี แต่ AI เดินทางจาก Chatbot ที่ใช้ถามตอบ ไปสู่การรับข้อมูลและสร้างเนื้อหาผ่านภาพ วิดีโอ และเสียง มีความสามารถด้าน Reasoning หรือการคิดเป็นเหตุเป็นผล และพัฒนาต่อมาถึง Agentic AI ที่ไม่ได้หยุดอยู่แค่การให้คำตอบ แต่สามารถลงมือทำงานตามที่มนุษย์อนุญาตได้
Agentic AI จากผู้ช่วยสู่ผู้ลงมือทำ
ความแตกต่างสำคัญของ Agentic AI อยู่ที่การเปลี่ยนจาก “ตอบ” เป็น “ทำ” หากได้รับคำสั่งให้จองตั๋วภาพยนตร์ AI ที่มีความสามารถด้าน Reasoning จะไม่ได้รีบทำตามคำสั่งทันที แต่สามารถถามรายละเอียดเพิ่มเติมว่าต้องการดูที่ไหน หนังประเภทใด หรือต้องการที่นั่งแบบใด ก่อนนำข้อมูลเหล่านั้นไปดำเนินการตามขั้นตอน ตั้งแต่เข้าเว็บไซต์หรือแอปพลิเคชัน กรอกข้อมูล ไปจนถึงการชำระเงินภายใต้ขอบเขตที่เจ้าของงานอนุญาต
เมื่อ AI หนึ่งตัวสามารถทำงานร่วมกับ AI ตัวอื่นได้ รูปแบบการทำงานก็เปลี่ยนตามไปด้วย ธนวัฒน์ใช้คำว่า “Agent Boss” เพื่ออธิบายภาพที่คนหนึ่งคนสามารถมี AI Agent หลายตัวทำงานให้ และองค์กรขนาดเล็กไม่จำเป็นต้องเสียเปรียบองค์กรขนาดใหญ่อย่างที่ผ่านมา
“Size ไม่ได้ Matter แต่ที่ Matter คือ Idea คือ Speed คือ Agility”
บริษัทที่มีพนักงานเพียง 10 คนจึงอาจมี AI Agent 200 ตัวช่วยทำงานได้ สิ่งที่กำหนดความสามารถในการแข่งขันจึงไม่ได้ขึ้นอยู่กับจำนวนคนเพียงอย่างเดียว แต่ขึ้นอยู่กับไอเดีย ความเร็ว และความคล่องตัวในการเปลี่ยนความคิดให้กลายเป็นงานจริง
การเปลี่ยนแปลงเดียวกันกำลังเกิดขึ้นกับสายงานที่เคยพึ่งพาทักษะเฉพาะทางสูงอย่างการเขียนโปรแกรม โปรแกรมเมอร์สามารถขยับไปทำงานในลักษณะ Agentic AI Engineer โดยมี Agent ช่วยเขียนโค้ด ทดสอบ และตรวจสอบโค้ด ส่วนคนทำงานที่ไม่มีพื้นฐานด้าน Programming ก็สามารถใช้ภาษามนุษย์สั่งให้ AI ช่วยเขียนโค้ด พัฒนาแอปพลิเคชัน หรือทำเว็บไซต์ เพื่อเปลี่ยนไอเดียให้กลายเป็นต้นแบบก่อนส่งต่อให้โปรแกรมเมอร์พัฒนาต่อ
เขาเรียกคนกลุ่มหลังว่า White Coder ซึ่งเป็นภาพหนึ่งของการเปลี่ยนแปลงทักษะในโลกการทำงาน เมื่อความสามารถบางอย่างที่เคยจำกัดอยู่ในกลุ่มคนเฉพาะทางเริ่มเข้าถึงคนทั่วไปได้มากขึ้น
AI ต่อบันไดที่ขาดเชื่อมคนรุ่นใหม่สู่ตลาดงาน
โจทย์ใหญ่ไม่ได้อยู่เฉพาะคนที่ทำงานอยู่แล้ว แต่รวมถึงคนรุ่นใหม่ที่กำลังเข้าสู่ตลาดแรงงานด้วย คุณธนวัฒน์ กล่าวถึงปัญหาบันไดขาด ระหว่างทักษะที่เรียนมากับสิ่งที่ตลาดงานต้องการ โดยมองว่า AI สามารถเข้ามาช่วยเชื่อมช่องว่างดังกล่าวได้ตั้งแต่ช่วงที่ยังเรียนอยู่
แทนที่จะเรียนการเขียนโปรแกรมเพียงอย่างเดียว นักศึกษาสามารถใช้ AI ทำ Research เพื่อดูว่าตลาดใดน่าสนใจ สินค้าประเภทใดมีโอกาส คู่แข่งเป็นอย่างไร และลูกค้าต้องการอะไร ก่อนนำข้อมูลที่ได้ไปพัฒนาเป็น Solution
มุมมองนี้ทำให้ความสามารถในการใช้ AI ไม่ได้เป็นเพียงทักษะเสริมสำหรับคนทำงานสายเทคโนโลยี แต่กลายเป็นเครื่องมือที่ช่วยให้คนเชื่อมความรู้ของตัวเองเข้ากับปัญหาจริงได้เร็วขึ้น
ตัวอย่างที่เขานำมาเล่าคือ Anton นักพัฒนาซอฟต์แวร์ชาวยูเครนที่มีภาวะสมองพิการ (cerebral palsy) ซึ่งมีข้อจำกัดในการพิมพ์และการสื่อสาร เขาเล่าว่า ในอดีตแม้แต่การพิมพ์เครื่องหมายวงเล็บยังเป็นเรื่องยาก เพราะสามารถใช้นิ้วได้เพียงนิ้วเดียว แต่หลังจากเริ่มใช้ GitHub Copilot เขาสามารถใช้คำแนะนำจาก AI ช่วยเขียนโค้ด รวมถึงทำ comments, documentation และคำอธิบายโครงการ ซึ่งเป็นงานที่ข้อจำกัดทางร่างกายเคยทำให้ทำได้ยาก
กรณีของ Anton ทำให้เห็นอีกด้านของ AI ที่มากกว่าการเพิ่ม Productivity เพราะเทคโนโลยีสามารถลดข้อจำกัดบางอย่างที่ขวางคนออกจากการทำงาน และเปิดทางให้ความสามารถที่มีอยู่ถูกนำออกมาใช้ได้มากขึ้น
องค์กรไทยขยับจากใช้ AI สู่ AI Transformation
การเปลี่ยนแปลงไม่ได้เกิดขึ้นเฉพาะในระดับบุคคล คุณธนวัฒน์ยกตัวอย่างองค์กรในประเทศไทยที่นำ AI เข้าไปใช้กับงานจริง ตั้งแต่บริษัทในกลุ่ม กฟผ. ที่ใช้ AI กับ Data Cleaning และการกำหนดมาตรฐานการบันทึกข้อมูล ไปจนถึง SCG Chemicals ที่นำ AI มาใช้ในกระบวนการผลิตและยกระดับไปสู่ AI Transformation
Auto X ในกลุ่ม SCBX ใช้ AI วิเคราะห์รูปภาพเพื่อช่วยประเมินมูลค่าหลักประกันสำหรับธุรกิจสินเชื่อจำนำทะเบียนรถ ส่วน LH Bank นำ Voice AI มาใช้บน Mobile Banking เพื่อแนะนำและให้บริการลูกค้าผ่านภาษาไทย อังกฤษ และจีน
กรณีเหล่านี้มีจุดร่วมอยู่ที่ AI ถูกนำเข้าไปอยู่ในกระบวนการทำงานจริง ไม่ได้แยกออกมาเป็นโครงการทดลองที่อยู่ห่างจากธุรกิจ และภาพดังกล่าวจะชัดขึ้นอีกเมื่อองค์กรเริ่มมีทั้งคนและ AI ทำงานอยู่ในระบบเดียวกัน
คุณธนวัฒน์มองว่า AI ในองค์กรจะมีหลายบทบาท ตั้งแต่ผู้ช่วยที่ทำให้คนทำงานได้เร็วและมีคุณภาพขึ้น ไปจนถึง Co-worker ที่รับคำสั่งแล้วไปทำงานกลับมาให้ หรือ Auto Pilot ที่สามารถเข้าใจบริบทและแนะนำขั้นตอนถัดไปได้โดยไม่ต้องรอให้มนุษย์ Prompt ทุกครั้ง
เมื่อคนและ AI Agent ต้องทำงานร่วมกัน โครงสร้างการทำงานแบบเดิมที่แบ่งบทบาทและข้อมูลออกเป็นส่วน ๆ ก็จะเปลี่ยนไป งานสามารถข้ามระหว่างหน่วยงานได้มากขึ้น ข้อมูลถูกนำมาใช้ร่วมกันมากขึ้น แต่การเปิดให้เข้าถึงข้อมูลไม่ได้หมายความว่าทุกคนหรือทุก Agent จะเห็นข้อมูลทั้งหมด องค์กรยังต้องกำหนดให้ชัดว่าใครควรเข้าถึงข้อมูลใด และข้อมูลที่เป็นความลับต้องได้รับการควบคุมในระดับเดิมแม้จะถูกนำเข้าไปใช้กับ AI
AI ยิ่งทำงานเองได้ยิ่งต้องมี Judgement และ Control
ยิ่ง AI สามารถคิดและลงมือทำงานได้มากเท่าไร บทบาทของมนุษย์ในการกำกับ AI ก็ยิ่งสำคัญขึ้นเท่านั้น คุณคุณธนวัฒน์เน้นเรื่อง Judgement โดยเสนอให้มองคำตอบจาก AI เป็นจุดเริ่มต้น ไม่ใช่คำตอบสุดท้าย เพราะมนุษย์ยังต้องตรวจสอบว่าข้อมูลนั้นจริงหรือไม่ และเหมาะสมกับบริบทที่จะนำไปใช้หรือไม่
ในระดับองค์กร ความท้าทายยิ่งมากขึ้นเมื่อ AI Agent สามารถทำงานได้ด้วยตัวเอง การควบคุมจึงต้องเกิดขึ้นอย่างต่อเนื่อง องค์กรควรมี Dashboard ที่ทำให้เห็นว่า Agent กำลังทำอะไร ทำงานตรงตามที่ต้องการหรือไม่ รวมถึงควบคุมข้อมูล Sensitive และ Confidential ไม่ให้สิทธิ์ในการเข้าถึงเปลี่ยนไปเพียงเพราะข้อมูลถูกส่งผ่าน AI
“ผมอยากให้ทุกคนใช้คำตอบที่ได้มาจาก AI เป็นจุดเริ่มต้น ไม่ได้เป็นคำตอบสำหรับเรา เพราะเราเองก็ต้องสามารถ Apply Judgement กลับเข้าไปในคำตอบนั้นว่าคำตอบนี้มันจริงหรือไม่จริง”
ความสามารถของ AI จึงต้องเดินคู่กับการควบคุมและ Trust หากองค์กรเร่งใช้ AI โดยไม่มีกลไกตรวจสอบ ความเร็วที่เพิ่มขึ้นก็อาจไม่ได้พาองค์กรไปในทิศทางที่ต้องการ
Growth Mindset ก่อนเรียนรู้ที่จะ ‘ขี่ AI’
เทคโนโลยีเพียงอย่างเดียวไม่เพียงพอที่จะทำให้การเปลี่ยนผ่านเกิดขึ้น เขาให้น้ำหนักกับ Growth Mindset โดยเฉพาะในองค์กรที่ต้องเปิดพื้นที่ให้คนเสนอความคิดแตกต่างอย่างสร้างสรรค์ เพราะหากความคิดที่ต่างถูกมองว่าผิดตั้งแต่ต้น โอกาสที่จะเกิดนวัตกรรมหรือการเปลี่ยนแปลงก็ลดลงตามไปด้วย
การเปลี่ยนผ่านจึงไม่ได้หมายความว่าทุกสิ่งเดิมต้องถูกทิ้ง องค์กรต้องแยกให้ออกว่าสิ่งใดดีและควรรักษาไว้ สิ่งใดควรปรับปรุง และสิ่งใดควรเริ่มคิดใหม่ ซึ่งเป็นโจทย์ของคนมากพอ ๆ กับโจทย์ของเทคโนโลยี
คุณธนวัฒน์เปรียบ AI กับม้าในอดีต เมื่อมนุษย์เห็นม้าวิ่งเร็วกว่าตัวเอง ไม่ได้หมายความว่ามนุษย์หมดประโยชน์ สิ่งที่มนุษย์ทำคือเรียนรู้ที่จะขี่ม้าเพื่อเดินทางไปถึงจุดหมายได้เร็วขึ้น
AI ก็กำลังตั้งคำถามแบบเดียวกันกับโลกการทำงานวันนี้ ประเด็นจึงไม่ใช่ว่า AI จะเก่งกว่าคนในงานใดบ้าง แต่เป็นว่าคนจะใช้ความสามารถที่เพิ่มขึ้นของ AI เพื่อแก้ปัญหา สร้างงาน สร้างอาชีพ และสร้างสิ่งใหม่ได้อย่างไร โดยยังเป็นผู้กำหนดเป้าหมาย ใช้วิจารณญาณ และควบคุมเทคโนโลยีให้อยู่ในทิศทางที่ต้องการ
“AI ไม่ใช่อนาคต แต่เราจะใช้ AI มาสร้างอนาคตให้กับเรา” คุณธนวัฒน์ กล่าวทิ้งท้าย
ข่าวอื่น ๆ ที่น่าสนใจ
ซีพี ผนึก AWS ปั้นทักษะ AI คนไทย 3 ล้านคน ดันไทยสู่ Digital Hub
ซินเน็ค จับมือ AWS เปิด ‘AI Hub’ ดันธุรกิจไทยเปลี่ยน AI เป็นผลลัพธ์จริง
