หัวเว่ย ประเทศไทย ชู 3 ปัจจัยสำคัญทั้งโครงสร้างพื้นฐาน AI ที่ยืดหยุ่น การบริหารจัดการข้อมูลอย่างมีประสิทธิภาพ และการพัฒนาบุคลากรไทย เพื่อเปลี่ยนเม็ดเงินลงทุนด้าน AI ให้เป็นมูลค่าทางเศรษฐกิจที่แท้จริง
ประเทศไทยกำลังก้าวขึ้นเป็นหนึ่งในจุดหมายปลายทางสำคัญของการลงทุนด้าน AI และดาต้าเซนเตอร์ในภูมิภาคเอเชียตะวันออกเฉียงใต้ อย่างไรก็ตาม การดึงดูดเม็ดเงินลงทุนเพียงอย่างเดียวอาจไม่เพียงพอต่อการสร้างขีดความสามารถในการแข่งขันในระยะยาว โจทย์สำคัญจึงอยู่ที่ประเทศไทยจะสามารถต่อยอดการลงทุนในโครงสร้างพื้นฐานดิจิทัลให้กลายเป็นความสามารถในการใช้ AI ที่สร้างประโยชน์ได้จริงต่อภาคธุรกิจ อุตสาหกรรม และเศรษฐกิจโดยรวมได้อย่างไร
เดวิด หลี่ ประธานกรรมการบริหาร บริษัท หัวเว่ย เทคโนโลยี่ (ประเทศไทย) จำกัด กล่าวบนเวที Thailand Economic Outlook 2027: New Horizon Beyond the Trap ถึงแนวทางการยกระดับประเทศไทยสู่การเป็นศูนย์กลาง AI ของภูมิภาค (Regional AI Hub) โดยเน้นย้ำถึง 3 ปัจจัยสำคัญที่จะช่วยสร้างขีดความสามารถในการแข่งขันระยะยาว ได้แก่ การพัฒนาโครงสร้างพื้นฐาน AI ที่ยืดหยุ่นและสามารถควบคุมได้ การบริหารจัดการและสร้างมูลค่าจากข้อมูล และการพัฒนาบุคลากรด้าน AI ภายในประเทศ
การใช้ AI เติบโตอย่างรวดเร็ว แต่โอกาสที่แท้จริงยังรออยู่ข้างหน้า
เทคโนโลยี AI กำลังพัฒนาอย่างก้าวกระโดด ทั้งโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ที่มีความสามารถสูงขึ้น และ AI Agent ที่สามารถจัดการงานซับซ้อนได้มากขึ้น อย่างไรก็ตาม นายเดวิดมองว่า ภาคธุรกิจจำนวนมากยังไม่สามารถเชื่อมโยงความก้าวหน้าทางเทคโนโลยีเหล่านี้เข้ากับการดำเนินงานในชีวิตประจำวันได้อย่างชัดเจน
ข้อมูลการใช้งาน AI ในประเทศไทยสะท้อนการเติบโตอย่างมีนัยสำคัญ โดยนายเดวิดเปิดเผยว่า ปริมาณการใช้ AI Token บน Huawei Cloud Thailand เพิ่มขึ้นถึง 185 เท่า ขณะที่ปริมาณการใช้งานในเดือนกันยายน 2569 เพิ่มขึ้นประมาณ 30 เท่าเมื่อเทียบกับเดือนมกราคมปีเดียวกัน อย่างไรก็ตาม เมื่อเปรียบเทียบกับประเทศอื่นในภูมิภาค ทั้งสิงคโปร์ มาเลเซีย และเวียดนาม ประเทศไทยยังมีระดับการนำ AI มาใช้งานโดยรวมต่ำกว่า ช่องว่างดังกล่าวสะท้อนให้เห็นถึงโอกาสในการเติบโตของไทย โดยเฉพาะการขยายการใช้งาน AI จากเครื่องมือสำหรับบุคคลและการทดลองใช้ในงานเฉพาะด้าน ไปสู่การประยุกต์ใช้ในกระบวนการทำงานขององค์กรและภาคอุตสาหกรรมในวงกว้าง
ต่อยอดจุดแข็งที่ไทยมีอยู่ สู่การสร้างระบบนิเวศ AI ที่แข็งแกร่ง
รากฐานสำคัญของเศรษฐกิจที่ขับเคลื่อนด้วย AI ประกอบด้วย 5 ระดับ ได้แก่ พลังงาน ดาต้าเซนเตอร์ โครงสร้างพื้นฐานด้านการเชื่อมต่อ ชิปและโมเดล AI และการนำ AI ไปประยุกต์ใช้ในภาคอุตสาหกรรม
ประเทศไทย มีความพร้อมในหลายด้าน ทั้งโครงสร้างพื้นฐานด้านพลังงาน การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และเครือข่ายโทรคมนาคมที่มีความก้าวหน้า โดยเฉพาะ 5G อย่างไรก็ตาม การกระจุกตัวของโครงการดาต้าเซนเตอร์ในบางพื้นที่อาจก่อให้เกิดข้อจำกัดด้านการจ่ายไฟฟ้า ขณะที่ไทยยังมีข้อจำกัดด้านเทคโนโลยีเซมิคอนดักเตอร์ขั้นสูงและการพัฒนาโมเดล AI พื้นฐาน เมื่อเทียบกับประเทศผู้นำด้านเทคโนโลยี
แทนที่จะพยายามแข่งขันในทุกส่วนของห่วงโซ่เทคโนโลยี AI ระดับโลก ประเทศไทยควรมุ่งเสริมสร้างจุดแข็งที่มีอยู่ และพัฒนาขีดความสามารถที่สามารถต่อยอดได้ในระยะยาว
โครงสร้างพื้นฐาน AI ที่ยืดหยุ่น ลดการผูกติดกับเทคโนโลยีรายใดรายหนึ่ง
หนึ่งในข้อเสนอสำคัญของนายเดวิด คือการพัฒนาโครงสร้างพื้นฐาน AI ที่เปิดโอกาสให้องค์กรสามารถปรับเปลี่ยนและเลือกใช้เทคโนโลยีได้อย่างยืดหยุ่น
ปัจจุบันมีโมเดล AI ใหม่ ๆ ที่เข้ามาท้าทายผู้นำตลาดอย่างต่อเนื่อง การพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไปจึงอาจจำกัดความสามารถขององค์กรในการนำเทคโนโลยีที่มีประสิทธิภาพดีกว่ามาใช้ในอนาคต นายเดวิดเสนอให้ภาคธุรกิจพิจารณาใช้โมเดล AI แบบโอเพนซอร์ส (Open-source Models) แพลตฟอร์มเทคโนโลยีที่ไม่ผูกติดกับผู้ให้บริการรายเดียว และเลือกแนวทางการติดตั้งระบบให้เหมาะสมกับความต้องการของธุรกิจและระดับความอ่อนไหวของข้อมูล
องค์กรสามารถเลือกติดตั้งระบบ AI ภายในองค์กร (On-premise) ใช้บริการ Public Cloud ที่ตั้งอยู่ในประเทศไทย หรือใช้บริการคลาวด์ในต่างประเทศตามความเหมาะสม เพื่อสร้างสมดุลระหว่างประสิทธิภาพ ความปลอดภัย และการควบคุมระบบและข้อมูลสำคัญ
เพื่ออธิบายแนวคิดดังกล่าว ตัวอย่างธนาคารขนาดใหญ่แห่งหนึ่งในประเทศจีน ซึ่งมีทีมวิจัยและพัฒนา AI ประมาณ 100 คน แต่ไม่ได้ใช้ขนาดหรือประสิทธิภาพของโมเดล AI เป็นตัวชี้วัดความสำเร็จหลัก หากแต่ให้ความสำคัญกับความรวดเร็วในการนำโมเดล AI รุ่นใหม่เข้ามาเชื่อมต่อและใช้งานกับระบบเดิมของธนาคาร
ตัวอย่างนี้สะท้อนให้เห็นว่า การลงทุนด้าน AI ไม่จำเป็นต้องมุ่งใช้เทคโนโลยีที่มีประสิทธิภาพสูงสุดเสมอไป แต่ควรให้ความสำคัญกับการสร้างระบบที่รองรับเทคโนโลยีใหม่ได้อย่างรวดเร็ว ช่วยลดการพึ่งพาผู้ให้บริการรายเดียว และเพิ่มความยืดหยุ่นให้กับธุรกิจในระยะยาว
Data Sovereignty: ปกป้องข้อมูลและองค์ความรู้ที่สร้างความแตกต่างให้ธุรกิจ
นอกเหนือจากโครงสร้างพื้นฐาน “ข้อมูลและองค์ความรู้เฉพาะขององค์กรจะเป็นปัจจัยสำคัญที่สร้างความได้เปรียบในการแข่งขันในยุค AI โดยเฉพาะเมื่อภาคธุรกิจนำ AI มาใช้ประมวลผลข้อมูลและทำงานอัตโนมัติมากขึ้น การบริหารจัดการและปกป้องข้อมูลสำคัญจึงเป็นเรื่องที่ต้องให้ความสำคัญควบคู่กันไป”
เมื่อองค์กรนำข้อมูลและองค์ความรู้ของตนเองไปใช้กับระบบ AI จะมั่นใจได้อย่างไรว่า ข้อมูลที่สร้างความได้เปรียบทางธุรกิจเหล่านั้นยังคงได้รับการปกป้อง และไม่กลายเป็นข้อมูลที่ผู้อื่นสามารถเข้าถึงได้ หากไม่มีมาตรการที่เหมาะสม องค์กรอาจเสี่ยงต่อการสูญเสียการควบคุมข้อมูลที่เป็นจุดแข็งสำคัญของธุรกิจ
3 แนวทาง ได้แก่ อธิปไตยทางข้อมูล (Data Sovereignty) การกำกับดูแลข้อมูล (Data Governance) และการสร้างมูลค่าจากข้อมูล (Data Monetization) ซึ่งครอบคลุมตั้งแต่การรักษาอำนาจในการควบคุมข้อมูลสำคัญ การจัดการข้อมูลให้มีคุณภาพและน่าเชื่อถือ ไปจนถึงการนำข้อมูลมาต่อยอดสร้างมูลค่าทางธุรกิจ
แม้บริษัทต่าง ๆ จะสามารถเข้าถึงโมเดล AI ที่มีความสามารถใกล้เคียงกัน แต่ข้อมูลเฉพาะขององค์กรและความเชี่ยวชาญในอุตสาหกรรมจะเป็นสิ่งที่สร้างความแตกต่าง นายเดวิดจึงเสนอให้ภาคธุรกิจลงทุนในแพลตฟอร์มข้อมูลและระบบกำกับดูแลข้อมูล ควบคู่ไปกับการลงทุนในซอฟต์แวร์ AI และโครงสร้างพื้นฐานด้านการประมวลผล
DIMAK: เปลี่ยนเทคโนโลยี AI ให้เป็นมูลค่าทางธุรกิจ
DIMAK กรอบการพัฒนาระบบ AI Engineering ของหัวเว่ย ซึ่งนำเสนอภายในงาน HUAWEI CONNECT 2026 ณ นครเซี่ยงไฮ้ ประเทศจีน โดย DIMAK ประกอบด้วยความสามารถด้านวิศวกรรม 5 ด้าน ได้แก่ Data Engineering, Infrastructure Engineering, Model Engineering, Agent Engineering และ Knowledge Engineering
องค์ประกอบทั้งห้านี้ช่วยให้องค์กรสามารถนำ AI ไปเชื่อมต่อกับกระบวนการดำเนินธุรกิจจริง แทนที่จะใช้งานโมเดล AI เป็นเพียงเครื่องมือแยกส่วน โดยครอบคลุมตั้งแต่การเตรียมและบริหารจัดการข้อมูล โครงสร้างพื้นฐานด้านการประมวลผล การเชื่อมต่อโมเดล AI การออกแบบกระบวนการทำงาน ไปจนถึงการนำองค์ความรู้เฉพาะขององค์กรมาใช้ให้เกิดประโยชน์
ตัวอย่างเช่น องค์กรที่ต้องการนำ AI มาใช้ในภาคการผลิตหรืองานบริการลูกค้า ไม่ได้ต้องการเพียงโมเดล AI ที่มีประสิทธิภาพสูงเท่านั้น แต่ยังจำเป็นต้องมีข้อมูลที่เชื่อถือได้ ระบบที่สามารถเชื่อมต่อกับโครงสร้างพื้นฐานเดิม และกระบวนการทำงานที่ช่วยให้พนักงานสามารถใช้ AI ได้อย่างมีประสิทธิภาพ
แนวคิด DIMAK จึงสะท้อนถึงการเปลี่ยนผ่านจากการให้ความสำคัญกับตัวเทคโนโลยี AI เพียงอย่างเดียว ไปสู่การสร้างความสามารถด้านวิศวกรรมที่ช่วยเปลี่ยนเทคโนโลยีให้กลายเป็นมูลค่าทางธุรกิจที่วัดผลได้
สร้างบุคลากร AI รุ่นใหม่ของไทย ผ่านการเรียนรู้และลงมือทำจริง
อีกหนึ่งปัจจัยสำคัญที่นายเดวิดให้ความสำคัญ คือการพัฒนาบุคลากรด้าน AI ภายในประเทศ แม้หลายองค์กรจะเผชิญความท้าทายจากการขาดแคลนผู้เชี่ยวชาญด้าน AI แต่นายเดวิดมองว่า การเปลี่ยนผ่านทางเทคโนโลยีไม่จำเป็นต้องพึ่งพาเฉพาะบุคลากรที่มีประสบการณ์สูง หรือผู้สำเร็จการศึกษาจากมหาวิทยาลัยชั้นนำเท่านั้น
ยกตัวอย่างการก่อตั้ง Alibaba ในปี 2542 โดยแจ็ค หม่า และผู้ร่วมก่อตั้งอีก 17 คน ซึ่งต่อมาได้พัฒนาบริษัทจนกลายเป็นหนึ่งในธุรกิจเทคโนโลยีชั้นนำของประเทศจีน นอกจากนี้ ยังกล่าวถึงแนวคิดของเหลียง เหวินเฟิง ผู้ก่อตั้ง DeepSeek ที่ให้ความสำคัญกับทักษะพื้นฐาน ความคิดสร้างสรรค์ และความมุ่งมั่น มากกว่าประสบการณ์เพียงอย่างเดียว
ตัวอย่างเหล่านี้สะท้อนให้เห็นว่า การพัฒนาบุคลากรด้าน AI ไม่ควรจำกัดอยู่เพียงการเรียนรู้ในห้องเรียนหรือการได้รับใบรับรองด้านเทคนิค แต่ต้องเปิดโอกาสให้คนรุ่นใหม่ได้ทดลอง แก้ไขปัญหา และมีส่วนร่วมในโครงการ AI ที่สามารถนำไปใช้งานได้จริง
นอกจากนี้ นายเดวิดยังเน้นย้ำถึงบทบาทของผู้นำองค์กรในการสร้างสภาพแวดล้อมที่เอื้อต่อการเติบโตของบุคลากร แทนที่จะรอให้มีผู้เชี่ยวชาญด้าน AI ที่มีคุณสมบัติครบถ้วน องค์กรควรกล้าลงทุนในบุคลากร เปิดโอกาสให้ทดลองสิ่งใหม่ และมอบหมายงานที่ท้าทายให้คนรุ่นใหม่ได้พัฒนาศักยภาพ
ผู้สร้างนวัตกรรม AI รุ่นใหม่ของไทยในอนาคต อาจเป็นคนที่กำลังทำงานอยู่ในองค์กรต่าง ๆ วันนี้ เพียงแต่ยังขาดโอกาสในการแสดงศักยภาพ
จาก Digital Hub สู่ Regional AI Hub
ประเทศไทยมีโอกาสสำคัญในการก้าวขึ้นเป็นศูนย์กลาง AI ของภูมิภาค จากความพร้อมด้านโครงสร้างพื้นฐานดิจิทัล การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และการนำ AI มาใช้ในภาคอุตสาหกรรมที่เพิ่มขึ้น
อย่างไรก็ตาม การบรรลุเป้าหมายดังกล่าวจำเป็นต้องอาศัยมากกว่าการดึงดูดบริษัทเทคโนโลยีระดับโลก หรือการเพิ่มขีดความสามารถด้านการประมวลผล
การสร้างความสามารถที่ประเทศไทยสามารถพัฒนาและต่อยอดได้ในระยะยาว ทั้ง โครงสร้างพื้นฐานAI ที่ยืดหยุ่น ระบบบริหารจัดการข้อมูลที่มีประสิทธิภาพ และบุคลากรที่สามารถนำเทคโนโลยีไปพัฒนาเป็นโซลูชันที่ตอบโจทย์การใช้งานจริง เมื่อประเทศไทยกำลังก้าวเข้าสู่ปี 2570 ความก้าวหน้าด้าน AI จะไม่ได้วัดจากมูลค่าการลงทุนด้านเทคโนโลยีเพียงอย่างเดียว แต่จะขึ้นอยู่กับความสามารถของภาคธุรกิจในการนำ AI มาเพิ่มผลิตภาพ สร้างนวัตกรรม และต่อยอดเป็นมูลค่าทางเศรษฐกิจ
