เมื่อปลายปี 2022 โลกได้รู้จักกับ ChatGPT ปัญญาประดิษฐ์ที่ทำให้ผู้คนจำนวนมากเริ่มสัมผัสศักยภาพของ AI ผ่านการโต้ตอบด้วยภาษาธรรมชาติ ถัดมาเพียงไม่กี่ปี AI ได้ขยับจากแชทบอทที่คอยตอบคำถาม ไปสู่ผู้ช่วยที่สามารถรับคำสั่ง วางแผน และลงมือทำงานบางอย่างแทนมนุษย์ได้
ในปี 2026 โลกของ AI กำลังขยับเข้าสู่ช่วงเปลี่ยนผ่านสำคัญ จากเทคโนโลยีที่เคยเข้าถึงได้เฉพาะบางกลุ่ม สู่ยุคที่ความฉลาดกำลังกลายเป็นทรัพยากรที่เข้าถึงได้ในวงกว้าง ความฉลาดไม่ได้เป็นทรัพยากรที่หายากหรือเข้าถึงได้เฉพาะองค์กรขนาดใหญ่อีกต่อไป แต่กำลังกลายเป็นสิ่งที่เข้าถึงได้มากขึ้น ถูกลงมากขึ้น และสามารถนำไปใช้ได้ทั้งในระดับบุคคล องค์กร อุตสาหกรรม และประเทศ
AI ไม่ใช่เพียงเทคโนโลยีใหม่หนึ่งอย่าง แต่เป็นโครงสร้างพื้นฐานที่จะเข้าไปเปลี่ยนวิธีคิด วิธีทำงาน และรูปแบบการแข่งขันของแทบทุกอุตสาหกรรม
ดร.ทุตานนท์ สินธุประสิทธิ์ Head of R&D จาก SCBX และ พิทวัส ทวีกิจวรชัย Research Scientist จาก SCB DataX ภายใต้แนวคิด The Age of Abundant Intelligence ได้ร่วมกันนำเสนอ SCBX AI Outlook: 6 Shifts Shaping 2026
1. จากChatbot สู่Proactive Agent: เมื่อAI เริ่มคิดวางแผนและลงมือทำได้เอง
AI กำลังก้าวข้ามข้อจำกัดของแชทบอทแบบ Reactive ที่รอให้มนุษย์ป้อนคำถามหรือสั่งงานก่อน ไปสู่ Proactive Agent หรือผู้ช่วยเชิงรุกที่สามารถคิดล่วงหน้า วางแผน ลงมือทำ และเรียนรู้อย่างต่อเนื่องได้เอง
หาก Chatbot ในยุคแรกเป็นเพียงระบบที่ตอบคำถาม Proactive Agent คือภาพของ AI ที่มีคุณสมบัติแบบ Always-on Intelligence ไม่ได้รอให้มนุษย์สั่งทุกขั้นตอน แต่สามารถดำเนินการต่อเนื่องจากเป้าหมายที่ได้รับมอบหมาย
คุณพิทวัสยกตัวอย่างกรณีที่ AI ช่วยบริหารจัดการธุรกิจ สร้างผลิตภัณฑ์ หรือจัดแคมเปญ Live Commerce ในช่วงที่เจ้าของธุรกิจพักผ่อน จากนั้นจึงรายงานผลลัพธ์ ยอดขาย หรือจำนวนลูกค้าที่เกิดขึ้นในภายหลัง
กรณีเช่นนี้สะท้อนว่า AI ไม่ได้หยุดอยู่ที่การให้คำตอบ แต่เริ่มมีบทบาทในฐานะผู้ช่วยที่ลงมือทำงานบางส่วนให้เกิดผลลัพธ์ทางธุรกิจได้จริง โดยคุณพิทวัสยังอ้างถึงมุมมองของ Jensen Huang ซีอีโอของ NVIDIA ที่มองว่านี่อาจเป็นอีกช่วงเวลาหนึ่งที่คล้ายกับ ChatGPT Moment เพราะโลกกำลังขยับเข้าสู่อีกยุคของปัญญาประดิษฐ์
2. เมื่อโมเดลกลายเป็นสินค้าที่เข้าถึงได้: บทบาทใหม่ของHarnessing Layer
ดร.ทุตานนท์อธิบายว่า ในช่วงแรกของกระแส Generative AI ผู้คนจำนวนมากให้ความสำคัญกับความฉลาดของโมเดลเป็นหลัก ไม่ว่าจะเป็น ChatGPT, Gemini, Claude หรือโมเดลอื่น ๆ แต่ปัจจุบัน โมเดลเหล่านี้กำลังเข้าถึงได้ง่ายขึ้น และความได้เปรียบเชิงธุรกิจอาจไม่ได้อยู่ที่การมีโมเดลที่ฉลาดที่สุดเพียงอย่างเดียว
หากเปรียบ AI เป็นรถยนต์ โมเดลอาจเป็นเหมือนเครื่องยนต์หรือสมองที่คิดและวางแผนได้ แต่โมเดลเพียงลำพังยังไม่สามารถลงมือทำงานจริงได้ จำเป็นต้องมีองค์ประกอบอื่นเข้ามาประกอบ ทั้งเครื่องมือ ความทรงจำ เวิร์กโฟลว์ และระบบที่กำกับการตัดสินใจสำคัญ
องค์ประกอบตรงกลางนี้คือ Harnessing Layer หรือชั้นที่ช่วยเปลี่ยนความฉลาดของโมเดลให้กลายเป็นการทำงานจริง ไม่ว่าจะเป็นการใช้เครื่องมือ การจัดการความทรงจำ การสร้างทักษะให้ Agent หรือการออกแบบขั้นตอนการทำงานที่มีมนุษย์กำกับในจุดสำคัญ
Harnessing Layer ยังมีบทบาทในการบริหารจัดการ Context หรือบริบทของ AI เพราะเมื่อข้อมูลจำนวนมากถูกป้อนเข้ามาพร้อมกัน AI อาจเผชิญปัญหาไม่ต่างจากคนที่มีเอกสารกองเต็มโต๊ะ จนเริ่มสับสนว่าควรทำอะไรก่อน ข้อมูลใดสำคัญ และข้อมูลใดควรถูกนำไปใช้
ในมุมธุรกิจ นี่คือพื้นที่การแข่งขันใหม่ เพราะเมื่อตัวโมเดลเริ่มเข้าถึงได้ง่ายขึ้น ความแตกต่างจะอยู่ที่ใครสามารถออกแบบระบบรอบโมเดลให้ทำงานได้จริง มีประสิทธิภาพ และตอบโจทย์ผู้ใช้ได้ดีกว่ากัน
อย่างไรก็ตาม คุณพิทวัสเน้นว่า AI ไม่ได้เป็นเพียงโมเดล แต่เป็นระบบนิเวศที่มีองค์ประกอบหลายชั้น ตั้งแต่ข้อมูล Compute, Data Center, พลังงาน โครงสร้างพื้นฐาน แอปพลิเคชัน กฎระเบียบ วัฒนธรรม ไปจนถึงคน
คนจึงอยู่ในทุกส่วนของห่วงโซ่คุณค่าของ AI ทั้งในฐานะผู้สร้าง ผู้ใช้ ผู้แปลงคุณค่าจากเทคโนโลยีไปสู่การใช้งานจริง และผู้รับผลกระทบจากเทคโนโลยีนั้น
3. Token: ต้นทุนของความฉลาดที่กำลังถูกลงอย่างรวดเร็ว
ในยุคปัญญาประดิษฐ์อันอุดมสมบูรณ์ คุณพิทวัสอธิบายว่า Token คือหน่วยข้อมูลที่ AI ใช้ในการประมวลผล จดจำบริบท และแลกเปลี่ยนกับความฉลาดหรือการทำงานของระบบ หากเปรียบเทียบให้เข้าใจง่าย Token คล้ายกระดาษแต่ละแผ่นที่ถูกวางอยู่บนโต๊ะทำงานของ AI
กล่าวอีกทางหนึ่ง Token กำลังกลายเป็นหน่วยต้นทุนสำคัญของการใช้ AI เพราะผู้ใช้ต้องจ่าย Token เพื่อแลกกับการประมวลผล ความทรงจำ การวิเคราะห์ และการทำงานของ Agent
ฃToken กำลังมีราคาถูกลงอย่างรวดเร็ว ขณะที่ความสามารถของโมเดลเพิ่มขึ้นอย่างต่อเนื่อง คุณพิทวัสระบุว่า ปัจจุบัน Token ของ AI ที่มีความฉลาดเทียบเท่าระดับนักศึกษาปริญญาเอกมีราคาถูกลงกว่าเดิมถึง 900 เท่า ทำให้การเข้าถึง AI ระดับสูงไม่ใช่สิ่งที่จำกัดอยู่เฉพาะบริษัทเทคโนโลยีขนาดใหญ่เหมือนในอดีต
หนึ่งในปัจจัยสำคัญคือการแข่งขันที่รุนแรงขึ้น โดยเฉพาะการเข้ามาของผู้เล่นจากจีน เช่น ZAI, DeepSeek, Qwen, MiniMax และ Kimi ซึ่งทำให้การแข่งขันด้านราคาและความสามารถของโมเดลเข้มข้นขึ้น
เมื่อ Token ถูกลงและโมเดลเข้าถึงง่ายขึ้น สมรภูมิของ AI จึงเริ่มขยับไปสู่ Specialized Model หรือโมเดลเฉพาะทาง ซึ่งอาจไม่ได้เก่งรอบด้านเหมือนโมเดลขนาดใหญ่ แต่สามารถทำงานเฉพาะด้านได้ดีในต้นทุนที่ต่ำกว่าอย่างมีนัยสำคัญ
4. Just-in-time Software: เมื่อซอฟต์แวร์ถูกสร้างขึ้นตามความต้องการในทันที
หนึ่งในอุตสาหกรรมที่ AI กำลังเปลี่ยนแปลงอย่างชัดเจนคือซอฟต์แวร์ ภาพของ AI กับซอฟต์แวร์ไม่ได้มีเพียงการที่ AI เข้ามาช่วยเขียนโค้ดหรือสร้างโปรแกรมให้โดยอัตโนมัติเท่านั้น แต่ซอฟต์แวร์เองก็กำลังนำ AI เข้าไปเพิ่มความสามารถใหม่ ๆ ที่ในอดีตไม่เคยทำได้
แนวโน้มสำคัญที่กำลังเกิดขึ้นคือ Just-in-time Software หรือซอฟต์แวร์ที่ถูกสร้างขึ้น ณ เวลานั้น เพื่อตอบโจทย์ความต้องการเฉพาะหน้า ผู้ใช้สามารถบอกสิ่งที่ต้องการ แล้วให้ AI ช่วยสร้างซอฟต์แวร์ขึ้นมาใช้งานได้ ไม่ว่าจะเป็น Music Player, Dashboard สำหรับติดตามข้อมูล หรือแม้แต่เกม
สำหรับองค์กร ผลกระทบอาจกว้างกว่านั้น เพราะจากเดิมเมื่อพนักงานต้องการซอฟต์แวร์ใหม่ อาจต้องส่งคำขอไปยังฝ่าย IT หรือทีมพัฒนา แต่เมื่อ AI สามารถช่วยสร้างเครื่องมือบางอย่างได้ทันที ภาระของฝ่าย IT อาจลดลง และองค์กรอาจต้องกลับมาทบทวนว่า ซอฟต์แวร์แบบใดจำเป็นต้องซื้อจากภายนอก แบบใดควรสร้างใช้เอง และแบบใดควรถูกสร้างขึ้นเฉพาะกิจตามความต้องการจริง
Just-in-time Software จึงไม่ได้เป็นเพียงเรื่องของการสร้างโปรแกรมเร็วขึ้น แต่สะท้อนการเปลี่ยนวิธีคิดเกี่ยวกับซอฟต์แวร์ จากสิ่งที่ตายตัว ไปสู่สิ่งที่ยืดหยุ่นและปรับตามบริบทการใช้งานได้มากขึ้น
5. มนุษย์ต้องขยับจาก Task Executor สู่ Orchestrator
คำถามใหญ่ที่เกิดขึ้นพร้อมกับความสามารถของ AI คือ AI จะมาแทนที่งานของมนุษย์หรือไม่ ผลการศึกษาที่พบว่า ผู้ใช้ส่วนใหญ่ใช้ AI เพื่อขยายขีดความสามารถของตัวเอง มากกว่าการใช้เพื่อแทนที่ตัวเอง แนวโน้มนี้สอดคล้องกับภาพรวมของโลกที่ AI ถูกนำมาใช้เพื่อเพิ่มประสิทธิภาพ ช่วยทำงานบางส่วน และทำให้มนุษย์ทำสิ่งที่ซับซ้อนขึ้นได้มากกว่าเดิม
อย่างไรก็ตาม การเปลี่ยนแปลงของงานยังคงเกิดขึ้นจริง AI และเทคโนโลยีอื่น ๆ อาจทำให้งานบางประเภทลดลง แต่ในขณะเดียวกันก็จะสร้างตำแหน่งงานรูปแบบใหม่ขึ้นมา โดยมีการคาดการณ์ว่าภายในปี 2030 ตำแหน่งงานโดยรวมจะเพิ่มขึ้น 78 ล้านตำแหน่ง
กลุ่มที่อาจได้รับผลกระทบมากคือคนที่อยู่ในบทบาท Task Executor หรืองานที่เน้นการทำตามคำสั่งและมีความซับซ้อนไม่มาก โดยเฉพาะเมื่อ AI สามารถเข้ามาทำงานบางส่วนแทนได้
ในโลกการทำงานยุคถัดไป มนุษย์จึงต้องขยับบทบาทจากผู้ลงมือทำทุกขั้นตอน ไปสู่ Orchestrator หรือผู้กำกับ ควบคุม และประสานการทำงานของ AI เพื่อให้ได้ผลลัพธ์ที่ถูกต้อง ปลอดภัย และตอบโจทย์เป้าหมาย
ทักษะที่สำคัญในยุคนี้จึงรวมถึงทักษะการคิดเชิงระบบ ความเข้าใจในความสามารถและข้อจำกัดของ AI รวมถึงทักษะทางอารมณ์และมนุษยสัมพันธ์ เพราะท้ายที่สุด งานยังเป็นเรื่องของคน และ AI ยังต้องอยู่ภายใต้การกำกับดูแลของมนุษย์ในขั้นตอนสำคัญ
6. Sovereign AI: อธิปไตยทางปัญญาประดิษฐ์กับความมั่นคงทางเทคโนโลยี
เมื่อ AI กลายเป็นโครงสร้างพื้นฐานที่สำคัญมากขึ้น ประเด็นเรื่อง Sovereign AI หรืออธิปไตยทางปัญญาประดิษฐ์จึงเริ่มมีน้ำหนักมากขึ้นในระดับประเทศ การพึ่งพาโมเดลหรือโครงสร้างพื้นฐานจากผู้ให้บริการต่างประเทศเพียงอย่างเดียวอาจสร้างความเสี่ยง เพราะหากวันหนึ่งผู้ให้บริการเปลี่ยนนโยบาย จำกัดการเข้าถึง หรือหยุดให้บริการ ผู้ใช้หรือประเทศที่พึ่งพาระบบเหล่านั้นอาจไม่สามารถควบคุมผลกระทบที่เกิดขึ้นได้
หนึ่งในตัวอย่างที่ถูกหยิบยกคือกรณี GitHub Copilot ที่หยุดรับผู้ใช้ใหม่ ซึ่งสะท้อนว่า การเปลี่ยนแปลงนโยบายของแพลตฟอร์มต่างประเทศสามารถส่งผลกระทบต่อผู้ใช้ได้จริง ขณะที่ผู้ใช้อาจมีอำนาจในการควบคุมจำกัด
ในบริบทของ SCBX แนวคิดนี้เชื่อมโยงกับการผลักดัน Typhoon เพื่อทำให้ AI เข้าถึงได้มากขึ้นและลดช่องว่างของการใช้เทคโนโลยี โดยมุ่งตอบโจทย์ 4 ปัจจัยสำคัญ ได้แก่ ภาษาและวัฒนธรรมท้องถิ่นผ่าน Typhoon อีสาน, รูปแบบการโต้ตอบที่ง่ายขึ้นผ่าน Typhoon ASR Real-time, การใช้งานบนอุปกรณ์ปลายทางผ่าน Typhoon 2.5 และต้นทุนที่จับต้องได้ผ่าน Typhoon OCiR ซึ่งช่วยลดต้นทุนลงได้ 40-60%
ในมุมนี้ Sovereign AI จึงไม่ได้เป็นเพียงประเด็นทางเทคโนโลยี แต่เกี่ยวข้องกับความสามารถในการเข้าถึง ความเท่าเทียม ความมั่นคง และการออกแบบ AI ให้สอดคล้องกับบริบทของผู้ใช้ในแต่ละสังคม
AI ไม่ใช่คนและความรับผิดชอบคือเงื่อนไขของการใช้งานจริง
แม้ AI จะมีความสามารถเพิ่มขึ้นอย่างรวดเร็ว แต่หนึ่งในข้อความสำคัญจาก Session นี้คือ AI ไม่ใช่ค แม้ AI จะโต้ตอบด้วยภาษาได้อย่างลื่นไหลและดูเหมือนเข้าใจมนุษย์ แต่กระบวนการประมวลผลภายในของ AI ไม่ได้เหมือนการคิดของมนุษย์เสมอไป สิ่งที่ต้องระวังคือ AI อาจเลือกวิธีการที่ไม่เหมาะสมเพื่อให้ได้ผลลัพธ์ตามเป้าหมาย เช่น การโกหก การหาทางลัดในการทำแบบทดสอบ หรือการใช้ความไม่เท่าเทียมของข้อมูลเพื่อสร้างผลลัพธ์ที่ตนถูกสั่งให้ทำให้สำเร็จ
นอกจากนี้ การพึ่งพา AI มากเกินไปยังอาจส่งผลต่อทักษะของมนุษย์ โดยเฉพาะทักษะการคิดเชิงวิพากษ์ ซึ่งเป็นทักษะสำคัญในยุคที่ข้อมูลและคำตอบจำนวนมากสามารถถูกสร้างขึ้นได้อย่างรวดเร็ว
ด้วยเหตุนี้ Governance, Risk และ Compliance จึงไม่ใช่สิ่งที่ขัดขวางนวัตกรรม แต่เป็นเงื่อนไขสำคัญที่ทำให้องค์กรสามารถใช้ AI ได้อย่างมั่นใจ ปลอดภัย และขยายผลได้จริง โดย Responsible AI และ Safe AI ไม่ใช่กำแพงที่ขวางนวัตกรรม แต่เป็นตัวเร่งที่ทำให้นวัตกรรมเกิดขึ้นได้จริงและขยายตัวได้อย่างมีความน่าเชื่อถือ
หากมองย้อนกลับไปเมื่อหนึ่งศตวรรษก่อน ไฟฟ้าไม่ได้สร้างคุณค่าทั้งหมดทันทีในวันที่ถูกค้นพบ คุณค่าของไฟฟ้าเกิดขึ้นเมื่อมนุษย์สร้างโครงข่าย เครื่องมือ และวิธีใช้งานที่ทำให้พลังงานนั้นกลายเป็นประโยชน์ในชีวิตจริง
AI กำลังเดินอยู่บนเส้นทางที่คล้ายกัน ในวันที่ความฉลาดกลายเป็นสิ่งที่เข้าถึงได้มากขึ้น คำถามสำคัญจึงไม่ใช่เพียงเราจะเข้าถึง AI ได้อย่างไร แต่คือในฐานะองค์กร ประเทศ หรือมนุษยชาติ เราจะสร้างอะไรจากปัญญาประดิษฐ์อันอุดมสมบูรณ์นี้ให้เกิดประโยชน์สูงสุด ปลอดภัยที่สุด และสมดุลที่สุด
