การนำ AI มาใช้ในองค์กรไม่ได้วัดกันที่ว่าใครเริ่มใช้ก่อน หรือมีเครื่องมือมากเพียงใด โจทย์อยู่ที่องค์กรจะนำ AI เข้าไปใช้กับงานอะไร และทำอย่างไรให้เกิดผลลัพธ์ทางธุรกิจที่ชัดเจน เมื่อ AI ขยับจากเครื่องมือช่วยงานไปเป็นส่วนหนึ่งของกระบวนการทำงานจริง ความพร้อมของข้อมูล โครงสร้างพื้นฐาน ความปลอดภัย และความน่าเชื่อถือของระบบจึงต้องถูกจัดการไปพร้อมกัน
บนเวที งานการประชุมวิชาการและนิทรรศการเนคเทค ประจำปี 2569 (NECTEC-ACE 2026) ภายใต้แนวคิด “NECTEC 40 Years – Legacy & Beyond” นวชัย เกียรติก่อเกื้อ Head of Enterprise Marketing Management บริษัทแอดวานซ์อินโฟร์เซอร์วิสจำกัด (มหาชน) หรือ AIS กล่าวถึงผลสำรวจของ Deloitte ที่เขามีส่วนร่วมว่า 61% ขององค์กรไทยระบุว่าใช้ AI อยู่บางส่วน แต่ยังไม่ประสบความสำเร็จตามที่คาดหวัง ขณะที่องค์กรที่สามารถทำได้ตามแผนมีไม่ถึง 1 ใน 10
เหตุผลที่องค์กรยังไปไม่ถึงเป้าหมายมี 3 เรื่อง เรื่องแรกคือการขาดคนและทักษะในการใช้ AI ซึ่งมีสัดส่วน 71% เรื่องที่ 2 คือยังไม่รู้ว่าจะนำ AI ไปใช้กับ Use Case ใดในองค์กร และเรื่องที่ 3 คือ Data และ Infrastructure ยังไม่พร้อม รวมถึงความไม่แน่ใจเรื่องความปลอดภัย
“เราควรต้องใช้ AI ให้แตกต่าง แต่เป็นความแตกต่างที่ปลอดภัย มั่นคง ยั่งยืน และที่สำคัญคือได้ผลลัพธ์ในทางธุรกิจ ในทางเศรษฐกิจ” คุณนวชัย กล่าว
จาก Digital Transformation สู่ AI
Digital Transformation เริ่มตั้งแต่การเปลี่ยนข้อมูลบนกระดาษให้เป็น Data นำข้อมูลมาเชื่อมโยงกับ Process การทำงาน เปิดให้หน่วยงานต่าง ๆ ใช้ข้อมูลร่วมกัน และนำไปสู่การเปลี่ยน Business Model เมื่อเข้าสู่ยุค AI เส้นทางยังเดินต่อจากจุดนั้น องค์กรต้องเตรียม Data ให้พร้อม ก่อนนำ AI ไปใช้กับงาน Predictive, Adaptive และ Automation
การเลือกว่าจะนำ AI ไปใช้ตรงไหนจึงต้องตอบคำถามสี่เรื่องให้ได้ เริ่มจากการสร้าง Impact ทางธุรกิจ หากใช้แล้วไม่เกิด Impact ก็ยังไม่มี Use Case ที่ตอบโจทย์ ตามด้วย Trust เพราะ AI อาจเกิด Hallucination และสร้างความผิดพลาดในการทำงานได้ เรื่องต้นทุนต้องพิจารณาโดยไม่ลดทอน Trust ส่วนโจทย์สุดท้ายคือการ Scale ให้รองรับการใช้งานที่เพิ่มขึ้น ทั้งสี่เรื่องไม่มีคำตอบเดียวสำหรับทุกองค์กร เพราะแต่ละธุรกิจมีลักษณะการทำงานต่างกัน
จาก AI Tool สู่ Core Process
การใช้ Generative AI ถามข้อมูล ช่วยวิเคราะห์ หรือค้นหาข้อมูล เป็นการใช้ AI ในระดับ Tool งานอาจเสร็จเร็วขึ้น แต่ Process การทำงานยังเหมือนเดิม AI ทำหน้าที่คล้าย Assistant เมื่อขยับไปอีกระดับ AI จะถูกนำเข้าไปอยู่ใน Application เพื่อเพิ่มประสิทธิภาพของงานหรือ Process ระหว่างทีม ไม่ได้ทำงานผ่านการ Prompt เพียงอย่างเดียว
ปลายทางที่คุณนวชัยพูดถึงคือ Core Process ซึ่ง AI เข้าไปอยู่ใน Workflow และ Operation ขององค์กร กลายเป็น Operation Capability ที่ใช้ในการทำงานจริง สำหรับ AIS พื้นที่หนึ่งที่ AI เข้าไปมีบทบาทในระดับนี้คือ Network ซึ่งเป็นงานที่บริษัทนำ AI มาใช้ผ่าน Autonomous Network
Autonomous Network ใช้ AI ดูแลโครงข่าย
AIS มีจุดให้บริการมากกว่า 40,000 เซลล์ไซต์ มีผู้ใช้บริการมือถือมากกว่า 40 ล้านราย และโครงข่าย 5G ครอบคลุม 95% ของประชากร การดูแล Network ในระดับนี้มีโอกาสเกิดปัญหาตามจุดต่าง ๆ AIS จึงให้ AI เรียนรู้ว่าเมื่อ Network มีปัญหา ลักษณะของปัญหาเป็นอย่างไร และจะนำ Network จากบริเวณใดมาช่วยครอบคลุมพื้นที่ที่ได้รับผลกระทบได้โดยไม่ต้องใช้คนเข้าไปดูแล
รูปแบบเดียวกันถูกนำมาใช้เมื่อเกิดอุทกภัย คุณนวชัยยกเหตุการณ์ที่หาดใหญ่และแม่สายเป็นตัวอย่าง ช่วงน้ำท่วมมีข้อจำกัดด้านไฟฟ้า แต่การติดต่อสื่อสารยังจำเป็นต่อการขอความช่วยเหลือและติดต่อญาติพี่น้อง Autonomous Network จึงถูกใช้เพื่อบริหารให้โครงข่ายใช้ไฟน้อยลง ขณะที่ยังรักษาระดับบริการที่จำเป็น ทำให้ Network สามารถให้บริการได้นานขึ้นภายใต้ข้อจำกัดด้านกำลังไฟ
AI Call Center ลดต้นทุนครึ่งหนึ่ง
จาก Network มาถึง Call Center ซึ่งเป็นอีกส่วนที่ AIS นำ AI เข้าไปอยู่ใน Core Process ระบบรองรับการติดต่อของลูกค้ามือถือและเน็ตบ้านรวม 52 ล้านราย และมีสายจากลูกค้าโทรเข้ามาประมาณ 7 ล้านสายต่อเดือน
Use Case คือการติดตามการชำระค่าบริการ AIS นำข้อมูลการสนทนาที่ได้รับอนุญาตจากลูกค้ามาใช้ โดยนำข้อมูลส่วนบุคคลออกก่อนให้ AI เรียนรู้รูปแบบการพูดคุยกับลูกค้า แล้วเชื่อม AI เข้ากับระบบ CRM เพื่อให้สามารถดำเนินการสนทนาตามกระบวนการที่กำหนด
ผลจากการใช้งานพบว่า AI สามารถติดตามการชำระได้ดีใกล้เคียงกับพนักงานและดีกว่าเล็กน้อย โทรได้มากกว่าคน และเมื่อ Scale การใช้งานเพิ่มขึ้นต้นทุนจะลดลง ส่วน Customer Satisfaction อยู่ในระดับใกล้เคียงกับการให้บริการโดยพนักงาน AIS สามารถลดต้นทุนจากการทำงานส่วนนี้ได้ประมาณครึ่งหนึ่ง เมื่อเห็นผลจากการใช้งาน บริษัทจึงนำระบบมาใช้จริงและขยายไปสู่บริการรูปแบบอื่น
Digital Core รากฐานของ AI
การพา AI เข้าไปอยู่ใน Network หรือ Call Center ต้องอาศัยระบบที่รองรับการทำงานตั้งแต่ต้นทางถึงปลายทาง Framework ของ AIS ประกอบด้วย Operational Data ที่ดี การเชื่อมต่อที่ปลอดภัย Data Platform หรือ Cloud ที่ไว้วางใจได้ การนำ AI ไปใช้ตรงตาม Use Case และการเชื่อม AI เข้ากับ Business Process
องค์ประกอบเหล่านี้เปรียบได้เป็นจิ๊กซอว์ 5 ชิ้น ได้แก่ Data, Network, Infrastructure สำหรับการประมวลผล, AI Model Platform และ Business Process หากต้องการนำ AI เข้าไปใช้กับงานจริง Data และ Infrastructure ต้องปลอดภัยและทำงานได้ เพราะการให้ AI ดูแล Network หรือทำงานกับ Call Center หมายถึงองค์กรต้องกล้าเชื่อและกล้าใช้ AI ในกระบวนการเหล่านั้น
Data Governance ก่อนใช้ AI
ความเชื่อมั่นเริ่มจาก Data หากข้อมูลในองค์กรไม่สมบูรณ์ ไม่มี Data Governance หรือไม่มีการกำหนดรูปแบบข้อมูลให้ถูกต้อง เมื่อนำข้อมูลเหล่านั้นไปให้ AI เรียนรู้ AI ก็อาจตอบผิดได้ ข้อมูลที่สม่ำเสมอ ครบถ้วน และถูกต้องจึงเป็นเงื่อนไขก่อนนำไปใช้กับ AI
ผลจากการใช้ข้อมูลที่ผิดไม่ได้จบอยู่ที่คำตอบของระบบ คุณนวชัยระบุว่า AI อาจคาดการณ์ผิด ตัดสินใจผิด สร้างความเสียหายและต้นทุนให้องค์กร รวมถึงทำให้ลูกค้าไม่พอใจ การบริหาร Data จึงครอบคลุมทั้ง Privacy, Security และ Data Governance เพื่อให้ข้อมูลสามารถถูกนำไปใช้กับ AI ได้จริง
Infrastructure ที่รองรับ AI ต้องเชื่อม Data ที่จำเป็นเข้ามาใช้งาน มี Computing สำหรับรองรับ Workload และมี Security ตั้งแต่ระดับ Data ไปจนถึงผู้ใช้งาน ระบบทั้งหมดต้องทำงานในลักษณะที่องค์กรสามารถใช้งานได้อย่างมั่นใจและวัด Business Impact ได้
Data Sovereignty กับการเลือก Infrastructure
เมื่อต้องนำข้อมูลเข้าไปประมวลผล ตำแหน่งที่จัดเก็บและกฎหมายที่เกี่ยวข้องกับข้อมูลก็เข้ามาเป็นส่วนหนึ่งของการตัดสินใจ โดยเฉพาะองค์กรที่ต้องปฏิบัติตามกฎหมายด้าน Data Privacy และ Cyber Security
คุณนวชัยยก US CLOUD Act ของสหรัฐอเมริกาเป็นตัวอย่าง โดยอธิบายว่า หากรัฐบาลสหรัฐฯ เรียกข้อมูลจากผู้ให้บริการ Cloud ข้อมูลดังกล่าวต้องถูกส่งให้รัฐบาลไม่ว่าจะถูกจัดเก็บอยู่ที่ใดในโลก องค์กรที่มีข้อกำหนดเรื่อง Data Sovereignty ต้องการให้ Data อยู่ในประเทศไทยและถูกจัดเก็บอย่างปลอดภัย จึงต้องคำนึงถึงเงื่อนไขนี้ในการเลือก Infrastructure
ประเทศไทยมีเครื่องมือสำหรับทำ Private AI ที่เปิดให้องค์กรนำ Data ภายในมาใช้กับ AI โดยยังดูแลความปลอดภัยของข้อมูลได้ ส่วนการเลือกโมเดล ปัจจุบันมี LLM หลายรูปแบบให้ใช้งาน โดยคุณนวชัยยก Pathumma ของ NECTEC เป็นหนึ่งในตัวอย่าง
Guardrails คุมขอบเขต AI
เมื่อซอฟต์แวร์แบบเดิมประมวลผล หนึ่งบวกหนึ่งต้องได้สอง แต่คำตอบของ AI ทำงานบน Probability คำถามเดิมจึงอาจไม่ได้คำตอบเหมือนกันทุกครั้ง ผลลัพธ์ยังเปลี่ยนไปตามข้อมูลและคำถามที่ป้อนเข้าสู่ระบบ ลักษณะการทำงานเช่นนี้ทำให้องค์กรต้องมีเครื่องมือและ Platform สำหรับบริหารทั้งคำตอบและ Action ของ AI
Guardrails เป็นกลไกที่กำหนดว่า AI สามารถดูข้อมูลใดได้หรือไม่ได้ และสามารถนำคำตอบใดไปตอบผู้ใช้ได้หรือไม่ได้ ใน AI Call Center ของ AIS มีการกำหนดชัดเจนว่าข้อมูล Privacy บางประเภท AI ไม่สามารถอ่านได้ รวมถึงห้ามตอบข้อมูลส่วนบุคคลหรือเรื่องที่มีความสุ่มเสี่ยง แม้ผู้ใช้จะเป็นฝ่ายถาม
การควบคุมจึงเกิดขึ้นทั้งข้อมูลขาเข้าที่ AI ใช้เรียนรู้และคำตอบขาออกก่อน Respond กับลูกค้า ส่วน AI Platform ทำหน้าที่เชื่อมโยง Data, Model, Cloud Infrastructure และระบบต่าง ๆ ที่เกี่ยวข้อง เพื่อให้ AI ทำงานอยู่ภายใต้ขอบเขตที่กำหนด
พา AI สู่ Business Process
เมื่อย้อนกลับไปยังจุดเริ่มต้น การนำ AI มาใช้จึงต้องตอบให้ได้ว่าจะสร้าง Impact ต่อธุรกิจอย่างไร ทำให้ระบบมี Trust ได้อย่างไร บริหารต้นทุนให้คุ้มค่าอย่างไร และจะ Scale การใช้งานได้มากเพียงใด คำถามเหล่านี้เชื่อมกลับมายัง Digital Core ตั้งแต่ Data การเชื่อมต่อ Infrastructure และ AI Platform จนถึงการนำ AI เข้าไปอยู่ใน Business Process
“สิ่งที่เราอยากเห็นจริง ๆ คือ คนไทยเราเอา AI ไปใช้ใน Business Process และทำให้เกิดมูลค่าให้กับธุรกิจ ให้กับเศรษฐกิจของประเทศไทยได้” คุณนวชัย กล่าว
AIS ระบุว่า AI เป็นหนึ่งใน Digital Capability ที่บริษัทจะพัฒนาต่อ พร้อมทำงานร่วมกับ NECTEC อย่างต่อเนื่อง เพื่อให้เกิดผลต่อวงการดิจิทัล อิเล็กทรอนิกส์ และคอมพิวเตอร์ของไทยในอนาคต
ข่าวอื่น ๆ ที่น่าสนใจ
Photonics เทคโนโลยีแสงรับยุค AI โอกาสไทยจาก Data Center สู่เจ้าของ IP
TEGH พลิกธุรกิจเกษตร สู่ Circularity Hub ด้วยเศรษฐกิจหมุนเวียน
