ในปี 2567 คลื่น AI ทั่วโลกจะแพร่กระจายไปทั่วโลก และประเทศไทยในฐานะเศรษฐกิจที่สำคัญในเอเชียตะวันออกเฉียงใต้ก็จะเปิดโอกาสให้เกิดการระเบิดของ AI ด้วยเช่นกัน บทความนี้จะทำการวิเคราะห์เชิงลึกเกี่ยวกับปัจจัยที่ขับเคลื่อนการพัฒนาอย่างรวดเร็วของตลาด AI ของประเทศไทย และสำรวจสาเหตุของการเติบโตอย่างรวดเร็วของตลาด AI ของประเทศไทยจากแง่มุมต่าง ๆ เช่น การแพร่หลายของโมเดลโอเพ่นซอร์ส การบูรณาการระบบนิเวศอย่างราบรื่น การเร่งการฝึกอบรมผู้มีความสามารถ และความสามารถที่สำคัญของ AI ในการลดต้นทุนและเพิ่มประสิทธิภาพ และหวังว่าจะมีโอกาสในการพัฒนาในอนาคต บทความนี้จะชี้ให้เห็นถึงความท้าทายที่การพัฒนา AI ของประเทศไทยต้องเผชิญ เช่น ความไม่แน่นอนของการคาดการณ์ต้นทุนและความเสี่ยงด้านความปลอดภัยของ AI และเสนอกลยุทธ์การตอบสนองที่เกี่ยวข้อง
ในปี 2024 ความคลั่งไคล้ด้าน AI ทั่วโลกยังคงเพิ่มขึ้นอย่างต่อเนื่อง และประเทศไทยก็ไม่ใช่ข้อยกเว้นเช่นกัน ลองจินตนาการว่าคุณกำลังเดินอยู่บนถนนในกรุงเทพและทุกสิ่งรอบตัวคุณเปลี่ยนไปอย่างเงียบๆ ระบบสั่งอาหารอัจฉริยะในร้านอาหารสามารถพูดคุยกับคุณเป็นภาษาไทยได้อย่างคล่องแคล่ว และระบบวินิจฉัย AI ในโรงพยาบาลสามารถวิเคราะห์สภาพร่างกายของคุณได้อย่างแม่นยำ จักรยานที่ใช้ร่วมกันริมถนนมีการติดตั้งระบบนำทางอัจฉริยะ นี่ไม่ใช่จินตนาการ แต่เป็นการปฏิวัติ AI ที่เกิดขึ้นในประเทศไทย
คลื่นลูกนี้รุนแรงขนาดไหน หน่วยงานข้อมูล Statista คาดการณ์ว่าตลาด generative AI (GenAI) ของประเทศไทยจะสูงถึง 80 ล้านเหรียญสหรัฐในปี 2567 และคงอัตราการเติบโตเฉลี่ยต่อปีไว้ที่ 46.5% ตั้งแต่ปี 2567 ถึง 2573 ภายในปี 2573 ตลาดจะมีขนาดถึง 7.7 พันล้านบาท ใน "รายงานแนวโน้มเทคโนโลยีดิจิทัลของประเทศไทยปี 2578" สำนักงานส่งเสริมเศรษฐกิจดิจิทัลของประเทศไทย (DEPA) คาดการณ์อย่างกล้าหาญว่าภายในปี 2573 ขนาดของตลาด AI ของประเทศไทยจะสูงถึง 114 พันล้านบาท นับเป็นตัวเลขที่น่าประหลาดใจสำหรับงานฉลอง "ประเทศไทย"!
แล้วอะไรทำให้ AI ของไทย “หยิ่ง” เบื้องหลังนี่ไม่ใช่โชคง่ายๆ แต่เป็นผลจากปัจจัยหลายประการรวมกัน:
โมเดลโอเพ่นซอร์สแบบโอเพ่นซอร์สจุดชนวนความนิยมของ AI ในอดีต โมเดลภาษาขนาดใหญ่ (LLM) ได้รับความนิยมในด้าน AI แต่มักต้องใช้ข้อมูลและพลังการประมวลผลจำนวนมหาศาล ซึ่งทำให้หลายบริษัทท้อใจ ขณะนี้ ด้วยการเพิ่มขึ้นของโมเดลภาษาขนาดเล็ก (SLM) และโมเดล AI แบบโอเพ่นซอร์ส และการเกิดขึ้นของบุคลากรด้านเทคนิคที่มีทักษะมากขึ้นเรื่อยๆ สถานการณ์จึงเปลี่ยนแปลงไปอย่างมาก โมเดลโอเพ่นซอร์สเหล่านี้ไม่เพียงแต่ให้ความโปร่งใสและความยืดหยุ่นมากขึ้นเท่านั้น แต่ยังช่วยประหยัดต้นทุนการประมวลผลที่สำคัญขององค์กรอีกด้วย โดยเฉพาะอย่างยิ่งสำหรับอุตสาหกรรมที่ต้องการโซลูชัน AI ที่ปรับแต่งได้ โมเดลโอเพ่นซอร์สเปรียบเสมือนชุดสูทที่ออกแบบตามความต้องการซึ่งพอดีและสะดวกสบาย ลดการพึ่งพาผู้จำหน่ายเฉพาะรายในองค์กร ส่งเสริมนวัตกรรมที่ขับเคลื่อนโดยชุมชน และช่วยสร้างกลยุทธ์ AI ที่น่าเชื่อถือมากขึ้น Juhi McClelland หุ้นส่วนผู้จัดการของธุรกิจที่ปรึกษาในเอเชียแปซิฟิกของ IBM กล่าวว่า แม้ว่าโมเดลภาษาขนาดใหญ่สำหรับวัตถุประสงค์ทั่วไปจะมีข้อได้เปรียบในตัวเอง แต่โซลูชัน "one-size-fits-all" ก็ไม่ใช่ตัวเลือกที่ดีที่สุดสำหรับทุกองค์กร โดยเฉพาะอย่างยิ่งในบางแห่ง อุตสาหกรรมที่มีความเชี่ยวชาญสูง
การบูรณาการอย่างราบรื่นของระบบนิเวศทำให้เกิดการระเบิดของ AI การมีโมเดล AI นั้นไม่เพียงพอ คุณยังต้องมีเวทีที่พวกเขาสามารถ “เกร็งกล้ามเนื้อ” ได้ด้วย ดังนั้น การบูรณาการแพลตฟอร์มแอปพลิเคชันกับโมเดลต่างๆ ได้อย่างราบรื่นจึงกลายเป็นสิ่งสำคัญเพื่อให้มั่นใจถึงความสามารถในการทำงานร่วมกันและการปรับตัวที่ดียิ่งขึ้น ช่วยให้องค์กรต่างๆ ติดตามการพัฒนา AI ได้อย่างรวดเร็ว ลองนึกภาพว่า APP ที่คุณพัฒนาสามารถเชื่อมต่อกับโมเดล AI ต่างๆ เช่น Building Block ได้อย่างง่ายดาย ประสบการณ์นี้ไม่น่าพอใจนัก! อโนทัย เวทยากร ผู้จัดการทั่วไปของ IBM ประเทศไทย กล่าวว่า IBM จะส่งเสริมโมเดลโอเพ่นซอร์สและปัจจัยสำคัญอีก 4 ประการเพื่อเร่งความเร็ว ก้าวแห่งการนำ GenAI ไปใช้ในระดับองค์กร เป้าหมายของเขาคือการช่วยให้บริษัทไทย 5-6% นำ GenAI มาใช้ในปีนี้ และเพิ่มจำนวนเป็น 15-20% ในปีหน้า เพื่อเพิ่มขีดความสามารถในการแข่งขันของประเทศไทย
การฝึกฝนความสามารถเป็นแรงผลักดันที่แท้จริงสำหรับการพัฒนา AI เช่นเดียวกับการสร้างบ้าน ภาพวาดและวัสดุเพียงอย่างเดียวไม่เพียงพอ คุณยังต้องใช้แรงงานที่มีทักษะด้วย วัตสัน ธีรภัทรพงศ์ ผู้จัดการทั่วไปของ Amazon Cloud Services (AWS) ประเทศไทย กล่าวว่า GenAI ยังคงเป็นเทคโนโลยีที่ค่อนข้างใหม่และหลายโครงการยังอยู่ในขั้นตอนการพิสูจน์แนวคิด องค์กรต่างๆ กำลังใช้โครงการในช่วงแรกๆ เหล่านี้เพื่อเรียนรู้แนวทางปฏิบัติที่ดีที่สุด ประเมินคุณค่า และได้รับประสบการณ์ในการวางรากฐานสำหรับการปรับใช้ขนาดใหญ่ในอนาคต เขาเชื่อว่าความสามารถที่อยู่เบื้องหลังเทคโนโลยีเป็นกุญแจสำคัญในการสร้างสรรค์นวัตกรรม และนี่คือจุดคอขวดในความนิยมของ GenAI ในปัจจุบัน ดังนั้น AWS จึงวางแผนที่จะฝึกอบรมผู้มีความสามารถด้าน AI จำนวน 100,000 คนในประเทศไทยภายในปี 2569 เพื่อตอบสนองความต้องการของตลาดสำหรับผู้มีความสามารถด้าน AI ในเวลาเดียวกัน กลยุทธ์และนโยบายที่ให้ความสำคัญกับคลาวด์เป็นหลักของรัฐบาลไทยในการสร้างประเทศไทยให้เป็นศูนย์กลางเศรษฐกิจดิจิทัล ยังผลักดันความต้องการคลาวด์คอมพิวติ้งและ GenAI ในทุกสาขาอาชีพอีกด้วย ด้วยความสามารถและนโยบาย จะต้องมีดินสำหรับ AI ที่จะเริ่มต้น
ความสามารถของ AI ในการลดต้นทุนและเพิ่มประสิทธิภาพเป็น "ตัวเร่ง" สำหรับบริษัทต่างๆ ที่จะเข้าสู่อุตสาหกรรมทีละแห่ง ความสามารถด้านระบบอัตโนมัติอันทรงพลังของ generative AI สามารถช่วยให้องค์กรต่างๆ ปรับปรุงประสิทธิภาพ ลดการใช้แรงงานซ้ำๆ และลดต้นทุนการดำเนินงานได้อย่างไม่ต้องสงสัย ตัวอย่างเช่น เครื่องมือ AI สามารถช่วยให้นักพัฒนาเพิ่มความเร็วในการทำงานได้ถึง 57% ประสิทธิภาพนี้ไม่มีใครเทียบได้ ไม่เพียงเท่านั้น GenAI ยังสามารถสร้างแอปพลิเคชัน ผลิตภัณฑ์ และบริการใหม่ๆ ช่วยให้บริษัทโดดเด่นในการแข่งขันในตลาดที่รุนแรง ในปัจจุบัน ในด้านต่างๆ เช่น การธนาคาร/บริการทางการเงิน การดูแลสุขภาพ และการผลิต/ห่วงโซ่อุปทาน ได้กลายเป็นจุดเน้นของความพยายามของ GenAI
แน่นอนว่าการพัฒนา AI ไม่ได้ราบรื่น ปัทมา จันทรักษ์ กรรมการผู้จัดการ บริษัท Accenture ประเทศไทย กล่าวว่า ประเทศไทยยังคงเผชิญกับความท้าทายบางประการบนเส้นทางการพัฒนา GenAI เช่น ต้นทุนที่คาดเดาไม่ได้ ความเสี่ยงด้านความปลอดภัย และภาพลวงตาของ AI (AI Generating content) ที่ดูสมเหตุสมผลแต่จริงๆ แล้วไม่ถูกต้อง) ผลการวิจัยของ Gartner แสดงให้เห็นว่าการประมาณการต้นทุน GenAI อาจมีข้อผิดพลาด 500-1,000% ทำให้เป็นเรื่องยากสำหรับบริษัทต่างๆ ที่จะลงทุนขนาดใหญ่โดยไม่มีผลตอบแทนที่ชัดเจน
เพื่อให้ GenAI ทำงานได้จริง บริษัทต่างๆ จะต้องไม่เพียงแค่อยู่ในขั้นตอนการพิสูจน์แนวคิดเท่านั้น แต่ต้องให้ความสำคัญกับมูลค่าที่แท้จริงมากขึ้น จัดลำดับความสำคัญของการปรับปรุงประสิทธิภาพการทำงาน ใส่ใจอย่างใกล้ชิดกับต้นทุนที่เกี่ยวข้องกับ AI และติดตามค่าใช้จ่ายแบบเรียลไทม์ เพื่อหลีกเลี่ยงข้อผิดพลาดทางการเงิน IBM เชื่อว่าในปี 2024 องค์กรหลายแห่งจะเริ่มเชื่อมโยง AI กับมูลค่าทางธุรกิจและผลตอบแทนจากการลงทุนโดยตรง โดยเปลี่ยนจากความทะเยอทะยานของ AI ไปสู่การดำเนินการของ AI ภายในปี 2568 จุดเน้นจะเปลี่ยนจากการทดลองไปสู่ผลลัพธ์ทางธุรกิจจริง และองค์กรต่างๆ จะปรับใช้ AI ในวงกว้างเพื่อให้ได้ผลตอบแทนจากการลงทุนที่สำคัญ
Jensen Huang ผู้ก่อตั้งและซีอีโอของ Nvidia กล่าวในระหว่างการเยือนประเทศไทยครั้งล่าสุดว่า AI รุ่นแรกนั้นขึ้นอยู่กับตัวเลขและข้อมูล ซึ่งคล้ายกับแชทบอท AI รุ่นที่สองจะรวมเข้ากับหุ่นยนต์เพื่อสร้างรถยนต์ที่ขับเคลื่อนด้วยตนเองและหุ่นยนต์ที่ใช้ในอุตสาหกรรมต่างๆ เช่น เกษตรกรรม ในอนาคต หุ่นยนต์จะบูรณาการเข้ากับสถานที่ทำงานของมนุษย์ เพิ่มผลผลิต และปฏิวัติอุตสาหกรรมต่างๆ นอกจากนี้เขายังเน้นย้ำว่าอนาคตของ AI ในประเทศไทยจำเป็นต้องมี 3 ขั้นตอนสำคัญ ได้แก่ การสร้างโครงสร้างพื้นฐานของ AI ที่สามารถสร้างความฉลาดและการเปลี่ยนแปลงอุตสาหกรรม การปลูกฝังความสามารถที่มีความสามารถในการดำเนินการและพัฒนาเทคโนโลยี AI และการส่งเสริมการประยุกต์ใช้ AI ในอุตสาหกรรมต่างๆ เพื่อขับเคลื่อน เศรษฐกิจเพิ่มขึ้น
โดยรวมแล้ว ประเทศไทยจวนจะเกิดการระเบิดของ AI ขับเคลื่อนด้วยโมเดลโอเพ่นซอร์ส การฝึกอบรมผู้มีความสามารถ นโยบายของรัฐบาล การเปลี่ยนแปลงองค์กร และปัจจัยอื่นๆ ตลาด AI ของไทยจะนำพาไปสู่วันพรุ่งนี้ที่สดใสยิ่งขึ้นอย่างแน่นอน!
โดยรวมแล้ว การพัฒนาอย่างรวดเร็วของตลาด AI ของประเทศไทยเป็นผลมาจากปัจจัยหลายประการ และมีศักยภาพอย่างมากสำหรับการพัฒนาในอนาคต แต่ในขณะเดียวกัน เราต้องใส่ใจกับความเสี่ยงที่อาจเกิดขึ้นและตอบสนองต่อความท้าทายอย่างแข็งขันเพื่อให้มั่นใจว่าอุตสาหกรรม AI ของประเทศไทยจะมีการพัฒนาที่ดีและยั่งยืน และบรรลุเป้าหมายในการเปลี่ยนแปลงและยกระดับเศรษฐกิจในท้ายที่สุด