หัวเว่ย (Huawei) เผยแนวคิดก้าวข้ามแค่การลงทุน AI ชี้แนวทางสร้างขีดความสามารถในการแข่งขันระยะยาวของประเทศไทย มุ่งเน้นการพัฒนาโครงสร้างพื้นฐานดิจิทัล บุคลากร และ Ecosystem ที่ยั่งยืนเพื่อเปลี่ยนผ่านจากผู้ใช้สู่ผู้สร้างนวัตกรรม AI…
highlight
- หัวเว่ย ประเทศไทย ชู 3 ปัจจัยสำคัญทั้งโครงสร้างพื้นฐาน AI ที่ยืดหยุ่น การบริหารจัดการข้อมูลอย่างมีประสิทธิภาพ และการพัฒนาบุคลากรไทย เพื่อเปลี่ยนเม็ดเงินลงทุนด้าน AI ให้เป็นมูลค่าทางเศรษฐกิจที่แท้จริง ชี้แนวทางก้าวข้ามไม่ใช่เพียงแค่การซื้อเทคโนโลยี หรือลงนามลงทุน แต่ต้องเร่งสร้างขีดความสามารถในการแข่งขันระยะยาวผ่านการพัฒนาทักษะคน และโครงสร้างพื้นฐานรองรับ AI ยุคใหม่
ก้าวข้ามแค่การลงทุน AI : Huawei เปิดแนวทางสร้างขีดแข่งขันระยะยาวให้ประเทศไทย
ประเทศไทยกำลังก้าวขึ้นเป็นหนึ่งในจุดหมายปลายทางสำคัญของการลงทุนด้าน AI และ ดาต้าเซนเตอร์ ในภูมิภาคเอเชียตะวันออกเฉียงใต้ 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 ปัจจัยสำคัญ ที่จะช่วยสร้างขีดความสามารถในการแข่งขันระยะยาว ได้แก่ การพัฒนาโครงสร้างพื้นฐาน AI ที่ยืดหยุ่น และสามารถควบคุมได้, การบริหารจัดการและสร้างมูลค่าจากข้อมูล และการพัฒนาบุคลากรด้าน AI ภายในประเทศ
การใช้ AI เติบโตอย่างรวดเร็ว แต่โอกาสที่แท้จริงยังรออยู่ข้างหน้า
เทคโนโลยี AI กำลังพัฒนาอย่างก้าวกระโดด ทั้งโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ที่มีความสามารถสูงขึ้น และ AI Agent ที่สามารถจัดการงานซับซ้อนได้มากขึ้น อย่างไรก็ตาม วันนี้ภาคธุรกิจจำนวนมากยังไม่สามารถเชื่อมโยงความก้าวหน้าทางเทคโนโลยีเหล่านี้เข้ากับการดำเนินงานในชีวิตประจำวันได้อย่างชัดเจน
โดยข้อมูลการใช้งาน AI ในประเทศไทยสะท้อนการเติบโตอย่างมีนัยสำคัญ และมีปริมาณการใช้ AI Token บน Huawei Cloud Thailand เพิ่มขึ้นถึง 185 เท่า ขณะที่ปริมาณการใช้งานในเดือนกันยายน 2569 เพิ่มขึ้นประมาณ 30 เท่า เมื่อเทียบกับเดือนมกราคมปีเดียวกัน อย่างไรก็ตาม เมื่อเปรียบเทียบกับประเทศอื่นในภูมิภาค ทั้งสิงคโปร์ มาเลเซีย และเวียดนาม ประเทศไทยยังมีระดับการนำ AI มาใช้งานโดยรวมต่ำกว่า
ช่องว่างดังกล่าวสะท้อนให้เห็นถึงโอกาสในการเติบโตของไทย โดยเฉพาะการขยายการใช้งาน AI จากเครื่องมือสำหรับบุคคล และการทดลองใช้ในงานเฉพาะด้าน ไปสู่การประยุกต์ใช้ในกระบวนการทำงานขององค์กรและภาคอุตสาหกรรมในวงกว้าง
ต่อยอดจุดแข็งที่ไทยมีอยู่ สู่การสร้างระบบนิเวศ AI ที่แข็งแกร่ง
รากฐานสำคัญของเศรษฐกิจที่ขับเคลื่อนด้วย AI ประกอบด้วย 5 ระดับ ได้แก่ พลังงาน, ดาต้าเซนเตอร์, โครงสร้างพื้นฐานด้านการเชื่อมต่อ, ชิป และโมเดล AI และการนำ AI ไปประยุกต์ใช้ในภาคอุตสาหกรรม
ซึ่งประเทศไทยมีความพร้อมในหลายด้าน ทั้งโครงสร้างพื้นฐานด้านพลังงาน การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และเครือข่ายโทรคมนาคมที่มีความก้าวหน้า โดยเฉพาะ 5G อย่างไรก็ตาม การกระจุกตัวของโครงการดาต้าเซนเตอร์ในบางพื้นที่อาจก่อให้เกิดข้อจำกัดด้านการจ่ายไฟฟ้า
ขณะที่ไทยยังมีข้อจำกัดด้านเทคโนโลยีเซมิคอนดักเตอร์ขั้นสูง และการพัฒนาโมเดล AI พื้นฐาน เมื่อเทียบกับประเทศผู้นำด้านเทคโนโลยี
ดังนั้นแทนที่จะพยายามแข่งขันในทุกส่วนของห่วงโซ่เทคโนโลยี AI ระดับโลก ประเทศไทยควรมุ่งเสริมสร้างจุดแข็งที่มีอยู่ และพัฒนาขีดความสามารถที่สามารถต่อยอดได้ในระยะยาว
โครงสร้างพื้นฐาน AI ที่ยืดหยุ่น ลดการผูกติดกับเทคโนโลยีรายใดรายหนึ่ง
หนึ่งในข้อเสนอสำคัญของนายเดวิด คือการพัฒนาโครงสร้างพื้นฐาน AI ที่เปิดโอกาสให้องค์กรสามารถปรับเปลี่ยนและเลือกใช้เทคโนโลยีได้อย่างยืดหยุ่น ปัจจุบันมีโมเดล AI ใหม่ ๆ ที่เข้ามาท้าทายผู้นำตลาดอย่างต่อเนื่อง การพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไปจึงอาจจำกัดความสามารถขององค์กร
ในการนำเทคโนโลยีที่มีประสิทธิภาพดีกว่ามาใช้ในอนาคต ภาคธุรกิจควรพิจารณาใช้โมเดล AI แบบโอเพนซอร์ส (Open-source Models) แพลตฟอร์มเทคโนโลยีที่ไม่ผูกติดกับผู้ให้บริการรายเดียว และเลือกแนวทางการติดตั้งระบบให้เหมาะสมกับความต้องการของธุรกิจ และระดับความอ่อนไหวของข้อมูล
องค์กรสามารถเลือกติดตั้งระบบ AI ภายในองค์กร (On-premise) ใช้บริการ Public Cloud ที่ตั้งอยู่ในประเทศไทย หรือใช้บริการคลาวด์ในต่างประเทศตามความเหมาะสม เพื่อสร้างสมดุลระหว่างประสิทธิภาพ ความปลอดภัย และการควบคุมระบบ และข้อมูลสำคัญ
ยกตัวอย่างเช่น ธนาคารขนาดใหญ่แห่งหนึ่งในประเทศจีน ซึ่งมีทีมวิจัย และพัฒนา AI ประมาณ 100 คน แต่ไม่ได้ใช้ขนาดหรือประสิทธิภาพของโมเดล AI เป็นตัวชี้วัดความสำเร็จหลัก หากแต่ให้ความสำคัญกับความรวดเร็วในการนำโมเดล AI รุ่นใหม่เข้ามาเชื่อมต่อ และใช้งานกับระบบเดิมของธนาคาร
ตัวอย่างนี้สะท้อนให้เห็นว่า การลงทุนด้าน AI ไม่จำเป็นต้องมุ่งใช้เทคโนโลยีที่มีประสิทธิภาพสูงสุดเสมอไป แต่ควรให้ความสำคัญกับการสร้างระบบที่รองรับเทคโนโลยีใหม่ได้อย่างรวดเร็ว ช่วยลดการพึ่งพาผู้ให้บริการรายเดียว และเพิ่มความยืดหยุ่นให้กับธุรกิจในระยะยาว
Data Sovereignty : ปกป้องข้อมูล และองค์ความรู้ที่สร้างความแตกต่างให้ธุรกิจ
นอกเหนือจากโครงสร้างพื้นฐาน ข้อมูล และองค์ความรู้เฉพาะขององค์กรจะเป็นปัจจัยสำคัญที่สร้างความได้เปรียบในการแข่งขันในยุค AI โดยเฉพาะเมื่อภาคธุรกิจนำ AI มาใช้ประมวลผลข้อมูลและทำงานอัตโนมัติมากขึ้น การบริหารจัดการ และปกป้องข้อมูลสำคัญจึงเป็นเรื่องที่ต้องให้ความสำคัญควบคู่กันไป
มื่อองค์กรนำข้อมูล และองค์ความรู้ของตนเองไปใช้กับระบบ AI จะมั่นใจได้อย่างไรว่า ข้อมูลที่สร้างความได้เปรียบทางธุรกิจเหล่านั้นยังคงได้รับการปกป้อง และไม่กลายเป็นข้อมูลที่ผู้อื่นสามารถเข้าถึงได้ หากไม่มีมาตรการที่เหมาะสม องค์กรอาจเสี่ยงต่อการสูญเสียการควบคุมข้อมูลที่เป็นจุดแข็งสำคัญของธุรกิจ
โดยใช้ 3 แนวทาง ได้แก่ อธิปไตยทางข้อมูล (Data Sovereignty) การกำกับดูแลข้อมูล (Data Governance) และการสร้างมูลค่าจากข้อมูล (Data Monetization) ซึ่งครอบคลุมตั้งแต่การรักษาอำนาจในการควบคุมข้อมูลสำคัญ การจัดการข้อมูลให้มีคุณภาพ และน่าเชื่อถือ ไปจนถึงการนำข้อมูลมาต่อยอดสร้างมูลค่าทางธุรกิจ
แม้บริษัทต่าง ๆ จะสามารถเข้าถึงโมเดล AI ที่มีความสามารถใกล้เคียงกัน แต่ข้อมูลเฉพาะขององค์กร และความเชี่ยวชาญในอุตสาหกรรมจะเป็นสิ่งที่สร้างความแตกต่าง ภาคธุรกิจควรลงทุนในแพลตฟอร์มข้อมูล และระบบกำกับดูแลข้อมูล ควบคู่ไปกับการลงทุนในซอฟต์แวร์ AI และโครงสร้างพื้นฐานด้านการประมวลผล
DIMAK : เปลี่ยนเทคโนโลยี AI ให้เป็นมูลค่าทางธุรกิจ
เดวิด ยังกล่าวถึง DIMAK หรือ กรอบการพัฒนาระบบ AI Engineering ของหัวเว่ย ซึ่งนำเสนอภายในงาน HUAWEI CONNECT 2026 ณ นครเซี่ยงไฮ้ ประเทศจีน ที่ผ่านมา ไว้อย่างน่าสนใจว่า DIMAK ประกอบด้วยความสามารถด้านวิศวกรรม 5 ด้าน ได้แก่ Data Engineering, Infrastructure Engineering, Model Engineering, Agent Engineering และ Knowledge Engineering
องค์ประกอบทั้ง 5 นี้ ช่วยให้องค์กรสามารถนำ 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 ผ่านการเรียนรู้ และลงมือทำจริง
อีกหนึ่งปัจจัยสำคัญที่ควรให้ความสำคัญ คือ การพัฒนาบุคลากรด้าน AI ภายในประเทศ แม้หลายองค์กรจะเผชิญความท้าทายจากการขาดแคลนผู้เชี่ยวชาญด้าน AI แต่การเปลี่ยนผ่านทางเทคโนโลยีไม่จำเป็นต้องพึ่งพาเฉพาะบุคลากรที่มีประสบการณ์สูง หรือผู้สำเร็จการศึกษาจากมหาวิทยาลัยชั้นนำเท่านั้น
ยกตัวอย่างการก่อตั้ง Alibaba ในปี 2542 โดย แจ็ค หม่า และผู้ร่วมก่อตั้งอีก 17 คน ซึ่งต่อมาได้พัฒนาบริษัทจนกลายเป็นหนึ่งในธุรกิจเทคโนโลยีชั้นนำของประเทศจีน นอกจากนี้ ยังกล่าวถึงแนวคิดของ เหลียง เหวินเฟิง ผู้ก่อตั้ง DeepSeek ที่ให้ความสำคัญกับทักษะพื้นฐาน ความคิดสร้างสรรค์ และความมุ่งมั่น มากกว่าประสบการณ์เพียงอย่างเดียว
ตัวอย่างเหล่านี้สะท้อนให้เห็นว่า การพัฒนาบุคลากรด้าน AI ไม่ควรจำกัดอยู่เพียงการเรียนรู้ในห้องเรียน หรือการได้รับใบรับรองด้านเทคนิค แต่ต้องเปิดโอกาสให้คนรุ่นใหม่ได้ทดลอง แก้ไขปัญหา และมีส่วนร่วมในโครงการ AI ที่สามารถนำไปใช้งานได้จริง
นอกจากนี้ บทบาทของผู้นำองค์กรในการสร้างสภาพแวดล้อมควรเอื้อต่อการเติบโตของบุคลากร แทนที่จะรอให้มีผู้เชี่ยวชาญด้าน AI ที่มีคุณสมบัติครบถ้วน องค์กรควรกล้าลงทุนในบุคลากร เปิดโอกาสให้ทดลองสิ่งใหม่ และมอบหมายงานที่ท้าทายให้คนรุ่นใหม่ได้พัฒนาศักยภาพ
ผู้สร้างนวัตกรรม AI รุ่นใหม่ของไทยในอนาคต อาจเป็นคนที่กำลังทำงานอยู่ในองค์กรต่าง ๆ วันนี้ เพียงแต่ยังขาดโอกาสในการแสดงศักยภาพ
จาก Digital Hub สู่ Regional AI Hub
ประเทศไทย มีโอกาสสำคัญในการก้าวขึ้นเป็นศูนย์กลาง AI ของภูมิภาค จากความพร้อมด้านโครงสร้างพื้นฐานดิจิทัล การขยายตัวของการลงทุนในดาต้าเซนเตอร์ และการนำ AI มาใช้ในภาคอุตสาหกรรมที่เพิ่มขึ้น อย่างไรก็ตาม การบรรลุเป้าหมายดังกล่าวจำเป็นต้องอาศัยมากกว่าการดึงดูดบริษัทเทคโนโลยีระดับโลก หรือการเพิ่มขีดความสามารถด้านการประมวลผล
“การสร้างความสามารถที่ประเทศไทยสามารถพัฒนา และต่อยอดได้ในระยะยาว ทั้ง โครงสร้างพื้นฐาน AI ที่ยืดหยุ่น ระบบบริหารจัดการข้อมูลที่มีประสิทธิภาพ และบุคลากรที่สามารถนำเทคโนโลยีไปพัฒนาเป็นโซลูชันที่ตอบโจทย์การใช้งานจริง”
เมื่อประเทศไทยกำลังก้าวเข้าสู่ปี 2570 ความก้าวหน้าด้าน AI จะไม่ได้วัดจากมูลค่าการลงทุนด้านเทคโนโลยีเพียงอย่างเดียว แต่จะขึ้นอยู่กับความสามารถของภาคธุรกิจในการนำ AI มาเพิ่มผลิตภาพ สร้างนวัตกรรม และต่อยอดเป็นมูลค่าทางเศรษฐกิจอย่างยั่งยืน
ส่วนขยาย * บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ ** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) *** ขอขอบคุณภาพประกอบบางส่วนจาก N/A
สามารถกดติดตามข่าวสาร และบทความทางด้านเทคโนโลยีของเราได้ที่ www.facebook.com/itday.in.th
 เผยแนวคิดก้าวข้ามแค่การลงทุน AI ชี้แนวทางสร้างขีดความสามารถในการแข่งขันระยะยาวของประเทศไทย){kind=link}