ผู้บริหารและผู้เชี่ยวชาญด้านธุรกิจชี้ ประเทศไทยกำลังเผชิญ “กับดักการใช้งาน AI” แม้สถิติระบุประชากรมีการรับรู้สูงถึงร้อยละ 90 แต่กลับมีสัดส่วนการประยุกต์ใช้เชิงลึกในระดับต่ำ เผยสาเหตุหลักมาจากกำแพง “วัฒนธรรมความเกรงใจ” แบบไทย ที่ทำให้ข้อมูลความต้องการคลาดเคลื่อน ผนวกกับวิกฤติความเชื่อมั่นด้านข้อมูลส่วนบุคคล ในเวทีเสวนา “From Knowing AI to Loving AI: What must organization redesign now” แนะภาคธุรกิจเร่งปรับกลยุทธ์จากการมุ่งเน้นความล้ำสมัยทางเทคโนโลยี มาสู่การสร้าง “ความไว้วางใจ” และออกแบบประสบการณ์ที่สอดคล้องกับระดับความเสี่ยง เพื่อเปลี่ยนผู้บริโภคจากสถานะเพียงผู้รับรู้สู่การเป็นผู้ใช้งานจริงอย่างยั่งยืน
กับดักวัฒนธรรมและการตีความที่ผิดพลาดขององค์กร
อุปสรรคสำคัญที่ทำให้การใช้งาน AI ในไทยยังไม่ก้าวหน้าเท่าที่ควร ไม่ใช่ข้อจำกัดทางเทคโนโลยี แต่เป็นรากฐานทางสังคม กีรติ เทพโสพรรณ Managing Director, Vitamins Consulting & Research และ ยุพิน มินซิ่ง Managing Director, Ipsos in Thailand ชี้ให้เห็นถึงลักษณะเฉพาะของสังคมไทยที่เป็นสังคมแห่งการประนีประนอม หรือ “Culture of Submission” ซึ่งแตกต่างจากชาติตะวันตก พฤติกรรมที่มักไม่แสดงความต้องการหรือความไม่พอใจอย่างตรงไปตรงมาของผู้บริโภค กลายเป็นจุดบอดที่ทำให้องค์กรธุรกิจตีความข้อมูลผิดพลาด
ความคลาดเคลื่อนนี้เห็นได้ชัดจากโมเดล “สามเหลี่ยมแห่งความต้องการ” (Triangle of Needs) ที่ผู้วิจัยค้นพบ โดยระบุว่า ในขณะที่ภาคธุรกิจพยายามแข่งขันกันพัฒนาฟีเจอร์ AI ที่ซับซ้อน เช่น ระบบแจ้งเตือนการทุจริตอัจฉริยะ (Fraud Detection) หรือการแสดงผลข้อมูลเชิงลึกที่สวยงามตระการตา (Visualization) เพื่อหวังสร้างความประทับใจ แต่ผลการวิจัยเชิงลึกกลับพบว่า สิ่งที่ผู้บริโภคไทยต้องการอย่างแท้จริงคือบริการพื้นฐานที่เรียบง่าย ตอบโจทย์เฉพาะหน้า และมีความจริงใจ ความพยายามที่มากเกินความจำเป็นขององค์กรจึงกลายเป็นการลงทุนที่สูญเปล่าเพราะไม่ตรงกับความต้องการพื้นฐานของผู้ใช้งาน นอกจากนี้ การวิจัยยังสามารถจำแนกกลุ่มผู้ใช้งานชาวไทยออกได้ถึง 9 กลุ่ม (9 Segments) ซึ่งตอกย้ำว่ากลยุทธ์แบบเหมารวมไม่สามารถใช้ได้ผล
นอกจากนี้ ยังพบความย้อนแย้งในพฤติกรรมผู้บริโภค (Privacy Paradox) ที่ท้าทายนักการตลาด ในยุคที่ปัญหาภัยไซเบอร์และแก๊งคอลเซ็นเตอร์ระบาดหนัก คนไทยแสดงความกังวลเรื่องข้อมูลส่วนบุคคลในระดับสูง แต่พร้อมที่จะละทิ้งความกังวลนั้นทันทีหากพิจารณาแล้วว่าการแลกเปลี่ยนข้อมูลจะนำมาซึ่งความสะดวกสบายหรือสิทธิประโยชน์ที่จับต้องได้ สถานการณ์นี้ชี้ให้เห็นว่า “ความโปร่งใส” และการพิสูจน์ให้เห็นถึงระบบความปลอดภัยที่จับต้องได้ คือสกุลเงินใหม่ที่องค์กรต้องใช้ซื้อใจผู้บริโภค
ทฤษฎีความเสี่ยง: เส้นแบ่งระหว่างความบันเทิงและธุรกรรม
การจะนำ AI มาใช้อย่างไรให้ประสบความสำเร็จ จำเป็นต้องประเมินบริบทความเสี่ยงของกิจกรรมนั้น ๆ สุธีพันธุ์ สักรวัตร ประธานเจ้าหน้าที่บริหารด้านลูกค้า บริษัท เอสซีบี เอกซ์ จำกัด (มหาชน) วิเคราะห์ว่าพฤติกรรมการยอมรับ AI ของมนุษย์แบ่งแยกตามระดับการมีส่วนร่วม (Involvement) อย่างชัดเจน ในกิจกรรมที่มีความเสี่ยงต่ำและมีส่วนร่วมต่ำ (Low Involvement) เช่น การใช้งานโซเชียลมีเดีย แพลตฟอร์มวิดีโอสั้น หรือแอปพลิเคชันหาคู่ ผู้ใช้งานมีแนวโน้มเปิดรับคำแนะนำจาก AI ได้ง่าย เพราะเป็นกิจกรรมที่อนุญาตให้เกิดการลองผิดลองถูก หากระบบทำงานผิดพลาดหรือแนะนำเนื้อหาที่ไม่ถูกใจ ผลกระทบที่เกิดขึ้นเป็นเพียงความรำคาญใจเล็กน้อยที่ผู้ใช้งานยอมรับได้ หรือเรียกว่าภาวะ Low Regret
ในทางกลับกัน สำหรับธุรกรรมที่มีความเสี่ยงสูงและมีผลผูกพันระยะยาว (High Involvement) เช่น การขอสินเชื่อธุรกิจ หรือการซื้อที่อยู่อาศัยซึ่งเป็นหนี้ผูกพันยาวนาน 20 ถึง 30 ปี เป็นการตัดสินใจครั้งสำคัญของชีวิต ผู้บริโภคยังไม่พร้อมที่จะมอบอำนาจให้ระบบอัตโนมัติทำงานแทนทั้งหมด ความแม่นยำและความสามารถในการอธิบายที่มาของคำตอบเป็นสิ่งที่ยอมความไม่ได้ บทบาทของ AI ในภาคธุรกิจการเงินจึงต้องถูกวางตำแหน่งใหม่ จากผู้ทำหน้าที่แทน (Replacement) มาเป็นผู้ช่วยนักบิน (Co-pilot) ที่ทำหน้าที่ประมวลผลข้อมูลเพื่อเสนอทางเลือก โดยมีมนุษย์เป็นผู้ตัดสินใจขั้นตอนสุดท้ายเพื่อยืนยันความถูกต้องและรับผิดชอบต่อผลลัพธ์นั้น
ดาบสองคม: โอกาสลดความเหลื่อมล้ำกับความเสี่ยงทางกฎหมาย
แม้อุปสรรคเรื่องความไว้ใจจะยังคงอยู่ แต่ศักยภาพของ AI ในการลดความเหลื่อมล้ำทางเศรษฐกิจเป็นสิ่งที่ปฏิเสธไม่ได้ โดยเฉพาะการใช้ข้อมูลทางเลือก (Alternative Data) มาวิเคราะห์เครดิต ซึ่งเปิดโอกาสให้ประชาชนในต่างจังหวัดหรือผู้ที่ไม่มีประวัติทางการเงินในระบบธนาคารดั้งเดิม สามารถเข้าถึงแหล่งเงินทุนได้เท่าเทียมกับคนเมืองและลดอคติจากการใช้ดุลยพินิจของมนุษย์ อย่างไรก็ตาม องค์กรต้องเตรียมพร้อมรับมือกับความเสี่ยงทางกฎหมายที่ซับซ้อนขึ้น โดยเฉพาะประเด็นความรับผิดทางละเมิด (Tort Liability) และการพิสูจน์ข้อเท็จจริง
วิทยากรได้เปรียบเทียบกรณีความรับผิดทั่วไป เช่น การลื่นล้มในห้างสรรพสินค้า ซึ่งกฎหมายมีข้อสันนิษฐานความรับผิดที่ชัดเจน แต่สำหรับความเสียหายที่เกิดจาก “ภาพหลอนของ AI” (AI Hallucination) หรือการที่ AI สร้างข้อมูลเท็จที่ดูน่าเชื่อถือจนนำไปสู่การตัดสินใจผิดพลาด การพิสูจน์ความรับผิดยังเป็นเรื่องละเอียดอ่อน รวมถึงปัญหาลิขสิทธิ์ของผลงานที่สร้างโดย AI ซึ่งยังเป็นพื้นที่สีเทา องค์กรจึงจำเป็นต้องพัฒนาระบบ AI ที่มีความเข้าใจบริบทท้องถิ่น (Localization) เพื่อลดความผิดพลาดในการสื่อสารและข้อกฎหมาย
ทางออกสู่ความยั่งยืน: เปลี่ยนมนุษย์จาก “ผู้ใช้” เป็น “ผู้สอน”
บทสรุปจากเวทีเสวนา เสนอแนะโรดแมปการปรับตัวขององค์กรธุรกิจเพื่อก้าวข้ามกับดักดังกล่าว โดยแบ่งเป็น 3 ระยะ เริ่มต้นจากระยะการสำรวจเรียนรู้ (Exploration) เพื่อทำความเข้าใจขอบเขตของเทคโนโลยี เข้าสู่ ระยะการใช้งานจริง (Production) เพื่อเพิ่มประสิทธิภาพการทำงาน และก้าวไปสู่ขั้นสูงสุดคือ “ระยะแห่งปัญญาและสัญชาตญาณ” (Teaching & Intuition)
ในระยะสุดท้ายนี้ มนุษย์ต้องยกระดับบทบาทจากการเป็นเพียงผู้ใช้งาน ขึ้นมาเป็น “ผู้สอน” และ “ผู้กำกับดูแล” โดยอาศัยสัญชาตญาณและวิจารณญาณที่ AI ไม่สามารถเลียนแบบได้ในการตรวจสอบผลลัพธ์ เนื่องจาก AI เป็นเพียงระบบประมวลผลที่ไม่มีจิตสำนึกรับผิดชอบ การออกแบบกระบวนการทำงานใหม่ (Redesign) จึงไม่ใช่แค่เรื่องของเทคโนโลยี แต่เป็นการออกแบบประสบการณ์และวัฒนธรรมองค์กรที่สร้างความมั่นใจว่า AI คือพันธมิตรที่ปลอดภัย เพื่อเปลี่ยนสถานะจากเทคโนโลยีที่แค่ “รู้จัก” ให้กลายเป็นเครื่องมือที่ทุกคน “รัก” และไว้วางใจในการใช้งานจริงอย่างยั่งยืน
ข่าวอื่น ๆ ที่น่าสนใจ
SCBX เปิดรายงาน ‘thAI Consumer AI Adoption 2026’ ชี้คนไทย 90% เข้าถึง AI แต่ ‘ขาดความเชื่อใจ’
Block Mountain CNX 2026 ชูยุทธศาสตร์ดันเอเชียฮับ Web3-สินทรัพย์ดิจิทัลโลก
ทรูบิสิเนสชู Telco Data รุก Health Tech ปั้นระบบนิเวศสุขภาพปี 2569
