ดร.ธนชาติ นุ่มนนท์ ผู้ก่อตั้งและผู้อำนวยการสถาบัน IMC ได้โพสต์ทรรศนะผ่าน Facebook ส่วนตัว ชี้ประเด็นสำคัญเกี่ยวกับกลยุทธ์ของประเทศไทยในยุค Generative AI ไว้ว่า แม้ขณะนี้รัฐบาลและกระทรวง อว. กำลังผลักดันนโยบาย UpSkill/ReSkill และการเรียนรู้ AI ภาคบังคับ ซึ่งนับเป็นทิศทางที่ถูกต้อง แต่หากมองให้ลึกลงไป อาจเป็นเพียงการสร้าง “ผู้ใช้งาน” ที่เชี่ยวชาญ ซึ่งไม่ใช่คำตอบสุดท้ายที่จะสร้างความได้เปรียบที่ยั่งยืนให้กับประเทศได้
ประเด็นที่ ดร.ธนชาติ ชี้ให้เห็นและอาจเป็น “กับดัก” ที่หลายคนมองข้าม คือ กลยุทธ์ที่เน้นพัฒนาคนให้เก่งกาจในการใช้แอปพลิเคชันหรือเครื่องมือ AI สำเร็จรูปจากต่างประเทศ เช่น ChatGPT หรือ Gemini กำลังสร้างความเสี่ยงมหาศาลในการพึ่งพิงเทคโนโลยีและโมเดลของต่างชาติอย่างสมบูรณ์ ซึ่งท้ายที่สุดแล้ว เราอาจไม่สามารถสร้างศักยภาพการแข่งขันที่แท้จริงของตนเองได้เลย
หัวใจของการแข่งขัน: จาก ‘ผู้ใช้’ สู่ ‘ผู้สร้าง’ แอปพลิเคชัน AI
ดร.ธนชาติ ย้ำว่า ศักยภาพที่แท้จริงขององค์กรและประเทศในยุค Generative AI ไม่ได้วัดกันที่ว่า “เราใช้ AI เก่งแค่ไหน” แต่วัดกันที่ว่า “เราสามารถสร้าง AI มาแก้ปัญหาของเราเองได้หรือไม่”
นี่คือประเด็นที่น่าจับตามอง คือ การแข่งขันจะเกิดขึ้นได้ก็ต่อเมื่อเรามีแอปพลิเคชัน (Apps) หรือผู้ช่วยอัจฉริยะ (AI Agent) เป็นของตัวเอง ซึ่งถูกพัฒนาขึ้นบนฐานความรู้เฉพาะทางของท้องถิ่น (Local Knowledge Management) หรือมีโมเดลภาษาที่เข้าใจบริบทของไทย (Local Model) อย่างลึกซึ้ง การสร้างเพียงบุคลากรที่ใช้เครื่องมือของต่างชาติได้คล่องแคล่ว ไม่ต่างอะไรกับการสร้างแรงงานในโรงงานของคนอื่น ที่ไม่มีวันเป็นเจ้าของเทคโนโลยีเอง
การจะก้าวไปสู่จุดนั้นได้ เราจำเป็นต้องมองภาพรวมของระบบนิเวศ Generative AI (Generative AI Ecosystem) ทั้งหมด ซึ่งแบ่งออกได้เป็น 5 ชั้น (Layer) เพื่อจะเลือกสนามรบที่เราจะสู้และสมรภูมิที่เราจำเป็นต้องยอมถอย
–อุตฯ ดิจิทัลไทย ปี 66 ขยายตัว 3.88% มูลค่ารวมกว่า 2 ล้านล้านบาท อุตฯ ซอฟต์แวร์โตสุด
เลือกสนามรบ: ยอมรับความจริงในสมรภูมิ ‘ฮาร์ดแวร์’ และ ‘คลาวด์’
เมื่อวิเคราะห์ตามโครงสร้างของ Ecosystem ดร.ธนชาติ ระบุว่าเราต้องยอมรับความจริงว่าใน 2 ชั้นล่างสุด ประเทศไทยไม่สามารถแข่งขันได้ และไม่ควรทุ่มทรัพยากรลงไปสู้
Layer 1 (AI Chip): การพัฒนาคนด้านเซมิคอนดักเตอร์เป็นสิ่งที่ดี แต่ความหวังที่จะสร้างโรงงานผลิต AI Chip เพื่อแข่งขันในระดับโลกนั้นแทบเป็นไปไม่ได้เลย
Layer 2 (Cloud/Data Center): ไทยจำเป็นต้องพึ่งพาเทคโนโลยีและการลงทุนจากบริษัท Big Tech ต่างชาติ ยุทธศาสตร์ที่ดีที่สุดคือการส่งเสริมและร่วมมือเพื่อดึงดูดให้ยักษ์ใหญ่เหล่านี้มาตั้ง Data Center ในประเทศไทย
ในสองสมรภูมินี้ กลยุทธ์ของเราคือการ “ร่วมมือและใช้ประโยชน์” ไม่ใช่การ “แข่งขัน”
สร้างความต่างด้วย ‘โมเดลเฉพาะทาง’ ของเราเอง
เมื่อขึ้นมาถึง Layer 3 (Foundation Model) ไทยยังคงไม่สามารถท้าชนกับโมเดลภาษาขนาดใหญ่ (Large Language Model) อย่าง GPT, Claude หรือ Gemini ได้โดยตรง เนื่องจากการพัฒนาโมเดลเหล่านี้ต้องใช้เงินทุนและทรัพยากรมหาศาล
แต่ทางออกของเราไม่ได้มืดมนไปเสียทีเดียว ไพ่ตายของไทยคือการพัฒนา “Local Model” ซึ่งเป็นโมเดลขนาดเล็กที่ถูกสร้างขึ้นมาเพื่อเชี่ยวชาญในบริบทเฉพาะทางของไทย เช่น
- การแพทย์: โมเดลที่เข้าใจศัพท์แพทย์และโรคเฉพาะถิ่นของคนไทย
- อุตสาหกรรมการผลิต: โมเดลที่ช่วยเพิ่มประสิทธิภาพในโรงงานของไทย
- การเกษตร: โมเดลที่ให้คำแนะนำด้านการเพาะปลูกที่เหมาะสมกับสภาพอากาศและดินในประเทศ
การมีโมเดลขนาดเล็กเหล่านี้ไม่เพียงแต่ช่วยลดค่าใช้จ่ายในระยะยาวและลดความเสี่ยงจากการพึ่งพาผู้ให้บริการต่างชาติ แต่ยังเป็นอาวุธสำคัญที่สร้างความได้เปรียบในการแข่งขันที่คู่แข่งระดับโลกไม่มี ซึ่งการจะทำเช่นนี้ได้ รัฐต้องกล้าลงทุนหลายพันล้านบาทและต้องสร้าง AI Engineer ที่เก่งกาจขึ้นมาเพื่อภารกิจนี้โดยเฉพาะ
สมรภูมิที่แท้จริง: ปั้นคนไทย ‘หลายแสน’ ให้สร้าง AI App ได้เอง
และนี่คือชั้นที่ ดร.ธนชาติ เน้นว่ามีความสำคัญที่สุดต่อยุทธศาสตร์ของประเทศ Layer 4 (Development Tool)
–Revolution of Generative AI เมื่อ AI พลิกโฉมโลกการทำงาน
ทุกวันนี้ เราเน้นสอนคนให้ใช้แอปฯ (Layer 5) แต่กลับมองข้ามการสร้างคนให้ “สร้างแอปฯ” เองได้ (Layer 4) ซึ่งเป็นหัวใจของการทำ AI Transformation ให้เกิดขึ้นจริงในทุกองค์กร
เครื่องมือในการพัฒนาแอปพลิเคชันและ AI Agent ในปัจจุบันนั้นง่ายขึ้นมากจนแทบไม่จำเป็นต้องเขียนโค้ด (Low-code/No-code) ทำให้เราสามารถฝึกฝนคนในทุกสายอาชีพให้สร้างเครื่องมือ AI ของตนเองได้ ไม่ว่าจะเป็นนักการตลาด นักบัญชี หรือวิศวกรโรงงาน คนเหล่านี้คือผู้ที่เข้าใจปัญหาหน้างานดีที่สุด และจะสามารถสร้าง AI Agent ที่ใช้งานได้จริงและทรงประสิทธิภาพกว่าคนไอทีด้วยซ้ำ
ดังนั้น เป้าหมายเชิงยุทธศาสตร์ของประเทศควรเปลี่ยนจากการสร้าง “ผู้ใช้ AI” มาเป็นการเร่งพัฒนาคนในทุกภาคส่วน ทุกระดับ จำนวนหลายแสนคน ให้สามารถสร้าง AI Apps และ Agent ได้ด้วยตนเอง เพื่อขับเคลื่อนองค์กรให้เป็นอัตโนมัติและอัจฉริยะอย่างแท้จริง
ข่าวอื่น ๆ ที่น่าสนใจ
KTC หนุน SME ส่งแอปฯ ‘KTC Merchant App’ รับชำระเงินครบวงจรค่าธรรมเนียมเริ่มต้น 1%
กระทิง พูนผล ฟันธง 2026 ปีวัดใจ AI ไทย พิสูจน์ ROI ไม่ได้ อยู่ไม่รอด
