การนำ AI มาใช้ในไทยเติบโตเร็วแต่ตื้นเขิน

การนำ AI มาใช้ในไทยเติบโตเร็วแต่ตื้นเขิน ผลสำรวจ AWS เผยขาดผู้เชี่ยวชาญ 8 หมื่นคน AI
AI
AWS

ในเดือนตุลาคม 2025 Amazon Web Services (AWS) เปิดเผยรายงานการสำรวจ “Unlocking Thailand’s AI Potential” รายงานนี้เปิดเผยข้อเท็จจริงสำคัญเกี่ยวกับการนำ AI มาใช้ในไทย บริษัทไทย 32% ได้นำเครื่องมือ AI มาใช้แล้ว ตัวเลขนี้เพิ่มขึ้นจากปีก่อนหน้าที่อยู่ที่ 24% ความเร็วในการนำมาใช้ถือว่าสูง อย่างไรก็ตาม บริษัทที่นำ AI มาใช้ 72% ยังคงอยู่ในระดับ “การสำรวจ” ซึ่งเป็นการใช้งานพื้นฐาน บริษัทเหล่านี้ใช้ AI เพียงแค่ในงานง่ายๆ เช่น การทำรายงานหรือการสรุปข้อมูลเท่านั้น

กลยุทธ์ AI ระดับชาติและการพัฒนาโครงสร้างพื้นฐาน

รัฐบาลไทยประกาศ Thailand 4.0 ในปี 2016 กลยุทธ์ระดับชาตินี้มีเป้าหมายเพื่อเปลี่ยนเศรษฐกิจไทย รัฐบาลต้องการเปลี่ยนจากแบบใช้แรงงานเข้มข้นไปสู่แบบขับเคลื่อนด้วยนวัตกรรม AI ถูกกำหนดให้เป็นแกนหลักของกลยุทธ์นี้

ในเดือนกรกฎาคม 2022 กลยุทธ์และแผนปฏิบัติการ AI ระดับชาติ (2022-2027) ได้รับการอนุมัติจากคณะรัฐมนตรี กลยุทธ์นี้ประกอบด้วย 5 เสาหลัก ได้แก่ การกำกับดูแล AI, โครงสร้างพื้นฐาน AI, การพัฒนาบุคลากร AI, การวิจัยและพัฒนา AI, และการส่งเสริมการนำ AI มาใช้ รัฐบาลตั้งเป้าหมายสร้างระบบนิเวศ AI ที่แข็งแกร่งภายในปี 2027

ระหว่างปี 2024 ถึง 2025 เกิดการลงทุนโครงสร้างพื้นฐานขนาดใหญ่จากภาคเอกชน Amazon Web Services (AWS) ลงทุน 50 พันล้านดอลลาร์ (ประมาณ 1.9 ล้านล้านบาท) ในไทยเป็นระยะเวลา 15 ปี AWS จะเปิด Bangkok Region ภายในต้นปี 2025 Google ลงทุน 1 พันล้านดอลลาร์สร้าง Data Center และ Cloud Region ในกรุงเทพฯ และชลบุรี Microsoft เปิด Regional Data Center แห่งแรกในไทย Microsoft วางแผนฝึกอบรมทักษะ AI ให้กับคนไทยมากกว่า 100,000 คน

จากการลงทุนเหล่านี้ ทุกบริษัทในไทยสามารถเข้าถึงเครื่องมือ AI ที่ทันสมัยที่สุดในโลกด้วย Latency ต่ำ ปัญหาคอขวดด้านโครงสร้างพื้นฐานได้รับการแก้ไขแล้ว

ความเป็นจริงของ “การนำมาใช้แบบตื้นเขิน” ที่รายงาน AWS เปิดเผย

รายงานของ AWS จำแนกระดับความเป็นผู้ใหญ่ของการใช้ AI ออกเป็น 3 ระดับ

ระดับที่ 1 คือ “การสำรวจ” เป็นระดับการใช้ AI แบบทดลอง จำกัดอยู่แค่งานง่ายๆ เช่น การทำรายงานหรือการสรุปข้อมูล บริษัทไทย 72% อยู่ในระดับนี้ บริษัทเหล่านี้ใช้ AI เพื่อเพิ่มประสิทธิภาพงานที่มีอยู่เดิมเท่านั้น

ระดับที่ 2 คือ “การบูรณาการ” เป็นระดับที่นำ AI มาผสานเข้ากับกระบวนการทำงานหลัก เช่น ด้านการเงินหรือการขาย บริษัท 18% อยู่ในระดับนี้

ระดับที่ 3 คือ “การเปลี่ยนแปลง” เป็นระดับที่ใช้ AI ในการสร้างโมเดลธุรกิจใหม่หรือผลิตภัณฑ์และบริการใหม่ บริษัทเพียง 10% เท่านั้นที่อยู่ในระดับนี้

การสำรวจนี้ยังเปิดเผยช่องว่างอย่างร้ายแรงในประเทศไทย Startup 40% พัฒนาผลิตภัณฑ์ใหม่ที่มี AI เป็นแกนหลัก ในขณะที่บริษัทขนาดใหญ่มีเพียง 16% และบริษัท SME มีเพียง 9% ที่สามารถทำได้ Startup ไม่มี “ภาระ” ของระบบเดิมหรือโครงสร้างองค์กรเก่าแก่ Startup จึงสามารถสร้างโมเดลธุรกิจด้วยความคิด AI Native ได้

บริษัทขนาดใหญ่แม้จะมีเงินทุนมากมาย แต่ระบบเดิม (Legacy System) และความเฉื่อยขององค์กรกลายเป็นอุปสรรค ผลลัพธ์คือ บริษัทเหล่านี้ใช้ AI เพื่อเพิ่มประสิทธิภาพงานเดิมเท่านั้น ในบรรดาบริษัทขนาดใหญ่ที่นำ AI มาใช้ มีเพียง 18% เท่านั้นที่จัดทำกลยุทธ์ AI ที่ครอบคลุม

หาก “เศรษฐกิจ AI สองชั้น” นี้ตายตัว จะส่งผลกระทบร้ายแรงต่อความสามารถในการสร้างนวัตกรรมของเศรษฐกิจไทยโดยรวม

อุปสรรค 3 ประการที่ขัดขวางการใช้ AI อย่างลึกซึ้ง

รายงานของ AWS ชี้ให้เห็นอุปสรรคที่ขัดขวางการใช้ AI อย่างลึกซึ้ง ได้แก่ ช่องว่างทักษะ, ต้นทุน, และความไม่แน่นอนด้านกฎระเบียบ

อุปสรรคที่ใหญ่ที่สุดคือการขาดแคลนบุคลากร บริษัทไทย 47% ระบุว่า “การขาดแคลนทักษะดิจิทัล” เป็นอุปสรรคที่ใหญ่ที่สุด Thailand Development Research Institute (TDRI) ระบุในรายงานเดือนมิถุนายน 2025 ว่าไทยขาดแคลนผู้เชี่ยวชาญ AI ถึง 80,000 คน บริษัทพร้อมจ่ายเงินเดือนเพิ่มขึ้นเฉลี่ย 36% เพื่อหาบุคลากรที่มีทักษะ AI

ปัญหาที่ร้ายแรงยิ่งกว่าอยู่ที่ผู้บริหาร การสำรวจของ Deloitte ในปี 2025 พบข้อมูลที่น่าตกใจ ผู้บริหารและผู้นำของไทย 95% รับรู้ว่าความเชี่ยวชาญของตนเองเกี่ยวกับ Generative AI ยังไม่เพียงพอ ผู้บริหารไม่เข้าใจศักยภาพของ AI กลยุทธ์ AI ที่ครอบคลุมจึงไม่ถูกจัดทำขึ้น ผลลัพธ์คือ พนักงานไม่ได้รับคำสั่งที่ชัดเจน พนักงานจึงใช้ AI แบบ “สำรวจ” ที่มีความเสี่ยงต่ำเท่านั้น

อุปสรรคที่ 2 คือต้นทุน ปัญหานี้ร้ายแรงสำหรับ SME โดยเฉพาะ ไทยปรับขึ้นค่าจ้างขั้นต่ำในปี 2025 SME จำนวนมากเผชิญกับค่าแรงที่เพิ่มขึ้น SME ต้องการระบบอัตโนมัติด้วย AI อย่างไรก็ตาม การนำระบบ AI ที่สามารถทำกระบวนการทำงานให้เป็นอัตโนมัติอย่างเต็มรูปแบบมาใช้ต้องใช้ต้นทุนเริ่มต้นสูง SME ต้องการ AI เพื่อลดต้นทุน แต่ไม่มีเงินทุนที่จะนำ AI มาใช้ ผลลัพธ์ของภาวะที่กลืนไม่เข้าคายไม่ออกนี้คือ SME จำนวนมากสามารถทำได้แค่ใช้เครื่องมือ Generative AI ฟรีหรือราคาถูกเพื่อทำรายงานเท่านั้น

อุปสรรคที่ 3 คือความไม่แน่นอนด้านกฎระเบียบ แม้ไทยจะมีกลยุทธ์ AI ระดับชาติ แต่ยังขาดกฎหมายเฉพาะสำหรับ AI และกลไกการกำกับดูแลแบบตามความเสี่ยง การวิเคราะห์ของ UNESCO ที่เผยแพร่ในปี 2025 ชี้ให้เห็น “เขตสีเทาทางกฎหมาย” 2 ประการที่สำคัญ

ประการแรกคือความคลุมเครือของกฎหมายลิขสิทธิ์ ยังไม่มีการกำหนดว่าการใช้ชุดข้อมูลที่มีอยู่เพื่อฝึกอบรมโมเดล AI จะได้รับการยอมรับเป็นข้อยกเว้นของลิขสิทธิ์หรือไม่ ประการที่สองคือการขาด Framework การแบ่งปันข้อมูล ไทยขาด Framework ทางกฎหมายที่เป็นหนึ่งเดียวสำหรับการแบ่งปันข้อมูลระหว่างภาครัฐและเอกชน

ความไม่แน่นอนทางกฎหมายนี้ทำให้บริษัทเสียแรงจูงใจในการพัฒนา AI แบบ Custom ที่มีต้นทุนสูง บริษัทไม่ต้องการเสี่ยงกับความเสี่ยงทางกฎหมาย ผลลัพธ์คือ บริษัทใช้ AI แบบทั่วไปที่ไม่มีความเสี่ยงทางกฎหมายในการใช้งาน “แบบตื้นเขิน” เท่านั้น

ผลกระทบต่อเศรษฐกิจไทย

หากการใช้งาน “แบบตื้นเขิน” นี้ยังคงดำเนินต่อไป เศรษฐกิจไทยจะเผชิญกับความเสี่ยงร้ายแรงหลายประการ

ในตลาดแรงงาน ผลกระทบของ AI ต่อการจ้างงานกลายเป็นความจริงแล้ว ในปี 2025 ธนาคารกสิกรไทย (Kasikornbank) นำโปรแกรมเกษียณอายุก่อนกำหนดพิเศษสำหรับพนักงานอายุ 45 ปีขึ้นไป ธนาคารอ้างเหตุผลหนึ่งว่า “การหยุดชะงักจาก AI” AI ไม่ได้แทนที่เฉพาะงานง่ายๆ เท่านั้น AI เริ่มแทนที่งานของ White Collar ระดับกลางและระดับจัดการที่มีประสบการณ์โดยตรงแล้ว Line Man Wongnai นำ AI มาใช้ในงาน Call Center บริษัททำให้เกิดระบบอัตโนมัติประมาณ 25% ส่งผลให้ความจำเป็นในการจ้างงานใหม่ลดลง

ตลาดแรงงานไทยกำลังแบ่งเป็นสองชั้น บุคลากรที่มีทักษะ AI ได้รับเงินเดือนเพิ่ม 36% ในขณะที่พนักงานระดับกลางและระดับอาวุโสที่ไม่สามารถปรับตัวกับทักษะ AI ถูกบังคับให้เกษียณก่อนกำหนด

ในระดับเศรษฐกิจมหภาค มีความเสี่ยงของ “Productivity Paradox” ปัจจุบัน การลงทุนโครงสร้างพื้นฐาน AI หลายพันล้านดอลลาร์ไหลเข้ามาในไทย อย่างไรก็ตาม บริษัทในประเทศ 72% ยังคงใช้โครงสร้างพื้นฐานนั้นแบบ “ตื้นเขิน”

การวิเคราะห์เดือนตุลาคม 2025 ที่ตีพิมพ์ใน East Asia Forum แสดงให้เห็นช่องว่างระหว่างการลงทุนและผลลัพธ์ โมเดลเศรษฐกิจหนึ่งคำนวณไว้ว่า เพื่อให้การลงทุน AI ระดับปัจจุบันของไทยมีเหตุผลทางเศรษฐศาสตร์ AI ต้องผลักดันอัตราการเติบโตของผลิตภาพแรงงานของไทยเพิ่มขึ้น 6.52% ต่อปี อย่างไรก็ตาม อัตราการเติบโตของผลิตภาพแรงงานเฉลี่ยในช่วง 10 ปีที่ผ่านมาของไทยอยู่ที่ประมาณ 2% ต่อปีเท่านั้น ช่องว่างระหว่างผลลัพธ์ที่จำเป็นกับผลงานในอดีตมีขนาดมหาศาล ช่องว่างนี้ไม่สามารถเติมเต็มได้ด้วยระดับการใช้ AI ในปัจจุบัน

การลงทุนใน Hardware นำหน้าไปเพียงอย่างเดียว ในขณะที่ทุนมนุษย์และวิสัยทัศน์เชิงกลยุทธ์ที่จะใช้มันขาดแคลนอย่างเด็ดขาด หากไทยไม่แก้ไขคอขวดนี้ การลงทุนโครงสร้างพื้นฐานจำนวนมหาศาลอาจไม่นำไปสู่การเพิ่มผลิตภาพ

ตำแหน่งในการแข่งขันระดับภูมิภาค

รัฐบาลไทยตั้งเป้าหมายให้ไทยเป็น “AI Hub ของอาเซียน” ภายใต้กลยุทธ์ AI ระดับชาติ อย่างไรก็ตาม เมื่อดูความเป็นจริงของการนำ AI มาใช้ในอาเซียนในปี 2025 การบรรลุเป้าหมายนี้ยังคงยาก

การนำ AI มาใช้และระดับความเป็นผู้ใหญ่ในอาเซียนไม่เท่ากัน สิงคโปร์เหนือกว่าประเทศอื่นอย่างท่วมท้น รายงานของ Boston Consulting Group (BCG) ปี 2024 คำนวณ “ความหนาแน่นของบุคลากร AI (ต่อแรงงาน 1,000 คน)” รายงานพบว่า สิงคโปร์มีประมาณ 3.5 คน มาเลเซียมีประมาณ 0.5 คน ไทยมีประมาณ 0.2 คน ความหนาแน่นของบุคลากร AI ของไทยเป็นเพียง 1 ใน 17.5 ของสิงคโปร์เท่านั้น

การลงทุน AI Venture Capital ในอาเซียนประมาณ 75% มุ่งไปที่สิงคโปร์ ในขณะที่สิงคโปร์ครองตำแหน่งเป็น “Hub” ของบุคลากรและเงินทุน AI ไทยอยู่ในตำแหน่งที่แข่งขันกับเวียดนามและมาเลเซียเพื่อดึงดูดการลงทุนโครงสร้างพื้นฐาน

เส้นทางปัจจุบันของไทยแสดงให้เห็นว่า ไทยกำลังมุ่งสู่การเป็นประเทศ “ผู้บริโภค” AI ที่ใช้บริการ AI ที่พัฒนาในต่างประเทศผ่าน Data Center ของสหรัฐฯ ที่ตั้งใหม่ในประเทศ มากกว่าจะเป็นประเทศ “ผู้ผลิต” AI

แนวโน้มในอนาคต

เพื่อให้ไทยหลุดพ้นจากการใช้งาน “แบบตื้นเขิน” นี้ จำเป็นต้องเปลี่ยนลำดับความสำคัญระดับชาติจาก “โครงสร้างพื้นฐาน” ไปสู่การแก้ปัญหา “คน” และ “ระบบ”

การเสริมสร้าง AI Literacy ของผู้บริหารเป็นงานสำคัญอันดับแรก การแก้ปัญหาการขาดแคลนนักเทคนิค 80,000 คนเป็นเรื่องสำคัญ แต่สิ่งที่เร่งด่วนยิ่งกว่าคือผู้นำ 95% ที่ไม่เข้าใจ AI ผู้นำต้องเข้าใจคุณค่าเชิงกลยุทธ์ของ AI หากไม่เข้าใจ บริษัท 72% จะไม่สามารถหลุดพ้นจาก “ระดับการสำรวจ” ได้ การศึกษากลยุทธ์ AI ในระดับชาติสำหรับผู้บริหารและผู้กำหนดนโยบายเป็นทางเลือกหนึ่ง

การแก้ไขเขตสีเทาทางกฎหมายก็สำคัญเช่นกัน นักพัฒนาต้องสามารถสร้าง AI แบบ Custom โดยไม่กลัวความเสี่ยง การจัดทำแนวทางที่ชัดเจนของกฎหมายลิขสิทธิ์เกี่ยวกับการฝึกอบรม AI เป็นทางเลือกหนึ่ง การตราเป็นกฎหมายของ Framework การแบ่งปันข้อมูลระหว่างภาครัฐและเอกชนก็เป็นทางเลือก

การสนับสนุนการนำ AI มาใช้ของ SME ก็จำเป็น รัฐบาลต้องป้องกันไม่ให้ SME ซึ่งเป็นฐานของเศรษฐกิจไทยตกอยู่ในภาวะที่กลืนไม่เข้าคายไม่ออก SME ต้องเผชิญกับการปรับขึ้นค่าจ้างขั้นต่ำและต้นทุนการนำ AI มาใช้ SME ต้องหลุดพ้นจาก “ระดับการสำรวจ” และก้าวไปสู่การใช้ AI ใน “ระดับการบูรณาการ” ที่เชื่อมโยงโดยตรงกับการลดต้นทุนแรงงาน โปรแกรมที่สนับสนุนต้นทุนเริ่มต้นการนำ AI มาใช้โดยตรงเป็นทางเลือกหนึ่ง นอกจากนี้ การใช้ประโยชน์จากโครงสร้างพื้นฐาน Cloud ที่ตั้งใหม่ก็เป็นทางเลือก การจัดตั้งแพลตฟอร์ม AI ระดับชาติที่ SME สามารถใช้ได้ในราคาถูกก็เป็นทางเลือก

ไทยได้รับ “เครื่องมือ” ที่ทันสมัยที่สุดแล้ว อย่างไรก็ตาม ยังขาด “บุคลากร” “กฎเกณฑ์” และ “วิสัยทัศน์” ที่จะใช้เครื่องมือนั้น ความเห็นของ BKK IT News คือ การลงทุนในทุนมนุษย์และระบบนี้จะเป็นตัวกำหนดว่าไทยจะสามารถเปลี่ยนจาก “ประเทศผู้บริโภค AI” ไปเป็น “ประเทศผู้สร้าง AI” ได้หรือไม่

ลิงก์บทความอ้างอิง