การเปลี่ยนแปลงทางเทคโนโลยีปัญญาประดิษฐ์ (AI) ส่งผลกระทบโดยตรงต่อโครงสร้างเศรษฐกิจโลก เวทีเสวนาในหัวข้อ “ทิศทางและโอกาสของอุตสาหกรรม Big Data และ AI ในประเทศไทย” ได้นำเสนอข้อมูลสถานการณ์จริงของอุตสาหกรรมไทยผ่านมุมมองของผู้กำหนดนโยบาย (Policy Maker) ผู้เชี่ยวชาญด้านเทคโนโลยี (Technology Expert) และตัวแทนภาคอุตสาหกรรม (Industry Representative)
สาระสำคัญจากการแลกเปลี่ยนความคิดเห็นชี้ให้เห็นถึงความท้าทายเชิงโครงสร้างที่ประเทศไทยกำลังเผชิญ เปรียบเสมือนสถานะ “ปลาเล็ก” ในบ่อ “ฉลาม” ท่ามกลางการแข่งขันระดับโลก ซึ่งจำเป็นต้องมีการกำหนดยุทธศาสตร์ที่ชัดเจนเพื่อหลีกเลี่ยงภาวะถดถอยและสร้างความอยู่รอดอย่างยั่งยืน
พลวัตตลาดโลกและสถานะ “เต็นท์ขายรถ” ของไทย
ดร.อธิป อัศวานันท์ ผู้อำนวยการสภาดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งประเทศไทย ได้วิเคราะห์บริบทของเศรษฐกิจดิจิทัลโลก โดยชี้ให้เห็นว่าโครงสร้างเศรษฐกิจของสหรัฐอเมริกาในปัจจุบันถูกขับเคลื่อนด้วยกลุ่มบริษัทเทคโนโลยีขนาดใหญ่ 7 แห่ง หรือ “The Magnificent Seven” ซึ่งครอบครองส่วนแบ่งตลาดและเป็นเจ้าของเทคโนโลยีต้นน้ำ (Upstream) อย่างเบ็ดเสร็จ ตั้งแต่สถาปัตยกรรมชิปประมวลผล (Chip Architecture) ไปจนถึงโมเดลปัญญาประดิษฐ์ขนาดใหญ่ (Foundation Model)
ในทางตรงกันข้าม สถานะของอุตสาหกรรม AI ในประเทศไทยถูกเปรียบเทียบเชิงโครงสร้างว่าเป็นเสมือน “เต็นท์ขายรถ”กล่าวคือ ประเทศไทยทำหน้าที่เป็นเพียงตัวกลางในการซื้อมาขายไป หรือเป็นเพียงผู้ใช้งาน (User/Distributor) โดยขาดขีดความสามารถในการผลิตเทคโนโลยีหลัก ซึ่งเป็นความแตกต่างอย่างมีนัยสำคัญเมื่อเทียบกับยุคอุตสาหกรรมยานยนต์ในอดีตที่ไทยเคยเป็นฐานการผลิตสำคัญของภูมิภาค
ความเสี่ยงของโครงสร้างเศรษฐกิจลักษณะนี้คือ หากประเทศไทยยังคงสถานะเพียงผู้ใช้งาน (End-user) จะส่งผลให้เกิดภาวะขาดดุลการค้าดิจิทัลในระยะยาว เนื่องจากมูลค่ากำไรที่แท้จริงและสัดส่วน GDP ของโลกกว่าครึ่งมาจากการเติบโตของเทคโนโลยีต้นน้ำ นอกจากนี้ ข้อมูลจากกลุ่มทุน Venture Capital (VC) ระดับโลกยังแสดงให้เห็นแนวโน้มการลงทุนที่มุ่งเน้นไปที่เทคโนโลยีหลัก (Core Technology) ในประเทศจีนและสหรัฐอเมริกา หรือลงทุนในประเทศที่อยู่ในห่วงโซ่อุปทานของบริษัทใหญ่ เช่น เวียดนามและมาเลเซีย ซึ่งทำให้ไทยมีความเสี่ยงที่จะหลุดออกจากวงโคจรของการลงทุนระดับโลก
ยุทธศาสตร์ทางเลือก: ถอดบทเรียน “โมเดลญี่ปุ่น”
ในประเด็นด้านกลยุทธ์การแข่งขัน ดร.สุพจน์ เธียรวุฒิ ผู้ทรงคุณวุฒิเฉพาะด้านเทคโนโลยีสารสนเทศและดิจิทัล มหาวิทยาลัยมหามกุฏราชวิทยาลัย ให้ความเห็นว่า การที่ประเทศไทยจะพยายามสร้าง Foundation Model เพื่อแข่งขันโดยตรงกับบริษัทระดับโลกอย่าง OpenAI หรือ Google นั้นเป็นเรื่องยาก เนื่องจากข้อจำกัดด้านต้นทุนและทรัพยากร แต่เสนอให้พิจารณา “โมเดลญี่ปุ่น” เป็นกรณีศึกษา
อุตสาหกรรมเซมิคอนดักเตอร์ของญี่ปุ่น แม้จะสูญเสียส่วนแบ่งตลาดในกลุ่มชิปประมวลผลหลัก (CPU/GPU) ให้กับเกาหลีใต้และไต้หวัน แต่ญี่ปุ่นสามารถปรับตัวและกลับมาสร้างความได้เปรียบด้วยการยึดครอง ตลาดเฉพาะกลุ่ม (Niche Market)โดยเฉพาะในส่วนของสารเคมีและบรรจุภัณฑ์ (Packaging) สำหรับการผลิตชิป ซึ่งเป็นองค์ประกอบสำคัญในห่วงโซ่อุปทานที่โลกขาดไม่ได้
ดังนั้น แนวทางที่เหมาะสมสำหรับไทยคือการค้นหาตลาดเฉพาะกลุ่มของตนเอง เช่น การมุ่งเน้นการออกแบบชิปเฉพาะทาง (Power Chip) หรือการนำความเชี่ยวชาญในอุตสาหกรรมเคมีภัณฑ์ที่มีอยู่เดิมมาสนับสนุนอุตสาหกรรมต้นน้ำของเทคโนโลยี AI แทนการแข่งขันในตลาดหลักที่มีผู้เล่นรายใหญ่ครอบครองอยู่แล้ว
โอกาสของ SME: พลังของ “Application Level” และผู้ประกอบการยุคใหม่
สำหรับภาคปฏิบัติการ อมฤต ฟรานเซน ประธานกลุ่มอุตสาหกรรมดิจิทัลแห่งประเทศไทย สภาอุตสาหกรรมแห่งประเทศไทย ระบุว่าทางรอดของผู้ประกอบการไทยอยู่ที่ “Application Level” หรือการมุ่งเน้นพัฒนาซอฟต์แวร์ประยุกต์เพื่อแก้ปัญหาทางธุรกิจ โดยได้ยกกรณีศึกษาของผู้ประกอบการ SME ที่ตลาดกิมหยง อำเภอหาดใหญ่
กรณีศึกษาดังกล่าวแสดงให้เห็นถึงศักยภาพของ “New Gen Warrior” หรือทายาทธุรกิจรุ่นใหม่ ที่สามารถใช้เทคโนโลยี AI และการวิเคราะห์ข้อมูล (Data Analytics) สร้างยอดขาย 500 ล้านบาทได้ภายในระยะเวลาเพียง 5 ปี ด้วยทีมงานขนาดเล็ก ซึ่งแตกต่างจากรุ่นก่อนที่ใช้เวลาถึง 30 ปีในการสร้างยอดขายพันล้านบาท โดยกระบวนการทำงานอาศัยข้อมูลจากแพลตฟอร์มออนไลน์ (เช่น TikTok, Shopee) เพื่อวิเคราะห์สินค้าที่ได้รับความนิยม และใช้ AI ช่วยค้นหาแหล่งผลิตต้นทุนต่ำและได้มาตรฐานเพื่อสร้างแบรนด์ของตนเอง
นอกจากนี้ เทคโนโลยี AI ยุคใหม่ยังช่วยลดต้นทุนการลงทุน (Zero Capex) ตัวอย่างเช่น โรงงานอุตสาหกรรมสามารถใช้กล้องวงจรปิดที่มีอยู่เดิม ผสานกับระบบ Computer Vision AI เพื่อตรวจสอบคุณภาพสินค้าและตรวจจับของเสีย แทนการลงทุนติดตั้งเซนเซอร์ราคาแพง ทำให้ธุรกิจขนาดกลางและขนาดย่อมมีโอกาสเข้าถึงเทคโนโลยีขั้นสูงได้ง่ายขึ้น
การปฏิรูปข้อมูล: จากการจัดเก็บสู่การสร้างมูลค่าร่วม (Consortium)
ประเด็นสำคัญที่ถูกหยิบยกขึ้นมาอภิปรายคือปัญหาการบริหารจัดการข้อมูล ดร.สุพจน์ ตั้งข้อสังเกตว่า ภาครัฐไทยถือครองข้อมูลจำนวนมากแต่ขาดการนำมาใช้ประกอบการตัดสินใจ (Data-Driven Decision Making) โดยผู้บริหารระดับสูงยังคงตัดสินใจโดยอาศัยสัญชาตญาณ (Gut Feeling) และขาดนโยบายการเปิดเผยข้อมูล (Open Data) ที่มีประสิทธิภาพ
เพื่อแก้ไขปัญหาดังกล่าว ดร.เทพชัย ทรัพย์นิธิ นายกสมาคมสมาคมปัญญาประดิษฐ์ประเทศไทย ได้เสนอโครงสร้างการจัดการข้อมูลเพื่อลดข้อจำกัดด้านกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) โดยจำแนกข้อมูลออกเป็น 3 ประเภท คือ
- Open Data: ข้อมูลสาธารณะที่เปิดกว้างระดับโลก
- Closed Data: ข้อมูลความลับหรือข้อมูลส่วนบุคคลที่ต้องได้รับการปกป้อง
- Shareable Data: ข้อมูลที่สามารถแบ่งปันได้เฉพาะภายในกลุ่มเครือข่าย (Consortium)
ประเภทที่สำคัญที่สุดคือ Shareable Data เช่น การรวมกลุ่มข้อมูลพฤติกรรมการเงิน หรือข้อมูลสุขภาพเฉพาะถิ่น หากมีการบริหารจัดการส่วนนี้อย่างเป็นระบบ จะกลายเป็นข้อได้เปรียบ (Privilege) สำคัญที่ช่วยให้ AI สัญชาติไทยมีชุดข้อมูลสำหรับการเรียนรู้ที่แตกต่างและจำเพาะเจาะจง ซึ่งบริษัทต่างชาติไม่สามารถเข้าถึงได้
ข้อเสนอแนะเชิงนโยบาย
จากการระดมความคิดเห็น วิทยากรได้สรุปข้อเสนอแนะเชิงนโยบาย 4 ประการ เพื่อยกระดับอุตสาหกรรมไทยจากผู้บริโภคสู่ผู้สร้างมูลค่า (Value Creator) ได้แก่
- ความชัดเจนทางยุทธศาสตร์ (Strategic Clarity): ภาครัฐจำเป็นต้องกำหนดทิศทางให้ชัดเจน (Decisive) ว่าจะสนับสนุนอุตสาหกรรมในรูปแบบใด ระหว่างการทำ Full Stack หรือการมุ่งเน้น Niche Market เพื่อส่งสัญญาณ (Signal) ให้ภาคเอกชนวางแผนการลงทุนได้อย่างถูกต้อง ดังเช่นความสำเร็จของการสร้างอุตสาหกรรมยานยนต์ในอดีต
- การปฏิรูปกำลังคน (Manpower Revolution): เปลี่ยนรูปแบบการพัฒนาบุคลากรจากการใช้งบประมาณเพื่อแลกกับจำนวนผู้ผ่านการอบรม (Headcount KPI) มาเป็นการสร้างมาตรฐานสมรรถนะ (Competency Framework) และระบบการสร้างวิทยากรตัวคูณ (Train the Trainer) เพื่อให้เกิดการถ่ายทอดองค์ความรู้อย่างยั่งยืน
- กฎหมายและโครงสร้างพื้นฐาน: ปรับปรุงกฎหมายให้ทันต่อเทคโนโลยี โดยเฉพาะเรื่องความรับผิดชอบของอัลกอริทึม (Algorithmic Accountability) และการจัดลำดับชั้นข้อมูลเพื่อส่งเสริมการใช้งานจริง
- การสร้างต้นแบบความสำเร็จ (Success Cases): แทนการกระจายงบประมาณอย่างไร้ทิศทาง รัฐควรสนับสนุนให้เกิด SME ต้นแบบที่ประสบความสำเร็จจากการใช้ AI จำนวน 100 ราย เพื่อใช้เป็นคู่มือปฏิบัติ (Playbook) สำหรับผู้ประกอบการรายอื่นในการปรับตัวตาม
การเสวนาครั้งนี้สะท้อนให้เห็นว่า อนาคตของอุตสาหกรรมไทยไม่ได้ขึ้นอยู่กับการครอบครองเทคโนโลยีที่ล้ำสมัยที่สุดเพียงอย่างเดียว แต่อยู่ที่ความสามารถในการบูรณาการความร่วมมือระหว่างรัฐและเอกชน เพื่อเปลี่ยนผ่านจาก “ผู้ซื้อเทคโนโลยี” มาเป็น “ผู้สร้างมูลค่า” ในจุดยุทธศาสตร์ที่ประเทศไทยมีความเข้มแข็งอย่างแท้จริง
ข่าวอื่น ๆ ที่น่าสนใจ
Reinvent Thailand: ผ่าทางตันเศรษฐกิจไทยฝ่าวิกฤติ Perfect Storm
จุดหักเหอุตสาหกรรมไทย: ยกเครื่องสู่ Smart Nation ด้วยยุทธศาสตร์ 3 ทุน
