The Next AI Era ถอดรหัส Ecosystem เอ็นวิเดียในไทย พิมพ์เขียวสถาปัตยกรรม AI แห่งอนาคต สู่ยุค Agentic AI

September 4, 2026

The Success Story of The Month By ‘Business Plus’ ฉบับเดือนกันยายน 2569 จะพาผู้อ่านมาพบกับบทสัมภาษณ์สุดพิเศษจากคุณอธิชัย อุ่นโกมล ผู้จัดการประจำประเทศและหัวหน้าธุรกิจผู้บริโภค บริษัท เอ็นวิเดีย ประเทศไทย จำกัด ที่จะพาเรามาไขคำตอบของธุรกิจ ในโลกยุค AI ที่กำลังพลิกโฉมทุกอย่าง เพราะนี่ไม่ใช่เวลาของการตั้งคำถามว่า ‘เราควรเริ่มใช้ AI หรือไม่’ อีกต่อไป แต่คือช่วงเวลาสำคัญ เพื่อคว้าความได้เปรียบทางธุรกิจและยืนหยัดอย่างมั่นคง

 

โลกเทคโนโลยีไม่เคยหยุดนิ่ง แต่สิ่งที่เกิดขึ้นในเวลานี้ต่างออกไป เพราะเข็มนาฬิกาแห่งนวัตกรรมกำลังหมุนด้วยความเร่งแบบทวีคูณ (Exponential Acceleration) เร็วยิ่งกว่าการปฏิวัติอุตสาหกรรมครั้งใดที่มนุษยชาติเคยเผชิญ และศูนย์กลางของแรงสั่นสะเทือนนี้ มีชื่อว่า “ปัญญาประดิษฐ์” หรือ AI ที่กำลังพลิกโฉมทุกอย่าง ตั้งแต่วิธีใช้ชีวิตประจำวัน การวางกลยุทธ์องค์กร ไปจนถึงทิศทางเศรษฐกิจโลก

แต่สิ่งที่เราตื่นตาตื่นใจกันอยู่ทุกวันนี้ ทั้ง AI ที่เขียนข้อความได้ลื่นไหล สร้างภาพได้วิจิตร หรือรังสรรค์งานศิลป์ได้ราวมนุษย์ แท้จริงเป็นเพียง “ยอดของภูเขาน้ำแข็ง” เท่านั้น เพราะใต้ผิวน้ำยังมีคลื่นลูกใหญ่กว่ากำลังก่อตัว รอวันซัดเข้าเปลี่ยนภูมิทัศน์ของโลกธุรกิจอย่างสิ้นเชิง ในอีกไม่กี่ปีข้างหน้า

คำถามคือ คลื่นลูกนั้นหน้าตาเป็นอย่างไร และธุรกิจต้องเตรียมรับมืออย่างไร คุณอธิชัย อุ่นโกมล ผู้จัดการประจำประเทศและหัวหน้าธุรกิจผู้บริโภค บริษัท เอ็นวิเดีย ประเทศไทย จำกัด ในฐานะตัวแทนของผู้นำด้านสถาปัตยกรรมการประมวลผลระดับโลก จะมาร่วมไขคำตอบ พาเราเดินทางตั้งแต่รากฐานประวัติศาสตร์คอมพิวเตอร์ ไปจนถึงก้าวกระโดดครั้งใหญ่ที่อุตสาหกรรมเรียกว่า The Next AI Era ยุคที่ AI จะถอดร่างจากการเป็นเพียง “เครื่องมือ” (Tool) สู่การเป็น “เพื่อนร่วมทีม” (Teammate) ที่ชาญฉลาดจนธุรกิจยุคใหม่ขาดไม่ได้

 

ปฐมบทแห่งการคำนวณ สู่จุดเปลี่ยนแห่งปัญญาประดิษฐ์

หากจะทำความเข้าใจทิศทางของ AI ในอนาคต เราไม่อาจมองข้ามอดีตอันเป็นรากฐานสำคัญ คุณอธิชัย ชี้ให้เห็นว่า “รากฐานของ AI นั้น แทบจะแยกไม่ออกจากการพัฒนาเทคโนโลยีการประมวลผล (Computing Technology) ซึ่งมีจุดกำเนิดมาตั้งแต่ช่วงสงครามโลกครั้งที่ 2 โดยในยุคนั้น มนุษยชาติได้สร้างนวัตกรรมระดับพลิกโลกขึ้นมา นั่นคือ เครื่องถอดรหัสลับทางทหาร ซึ่งถือเป็นก้าวแรก ๆ ที่คอมพิวเตอร์ถูกนำมาใช้เพื่อแก้ปัญหาที่ซับซ้อนเกินกว่าสมองมนุษย์จะคิดคำนวณได้ทันเวลา

จากนั้นเทคโนโลยีได้วิวัฒนาการอย่างไม่หยุดยั้ง ผ่านยุคของเมนเฟรมคอมพิวเตอร์ขนาดมหึมา ที่ใช้พลังงานมหาศาลและถูกจำกัดการใช้งานไว้เฉพาะในองค์กรระดับชาติ หรือบริษัทขนาดใหญ่ จนมาสู่ยุคของการย่อส่วนเทคโนโลยี ลงสู่คอมพิวเตอร์ส่วนบุคคลที่ทำให้การประมวลผลเข้าถึงทุกครัวเรือน

อย่างไรก็ตาม การรับรู้ถึงนิยามของ AI ในรูปแบบที่เราคุ้นเคย ในปัจจุบัน ไม่ใช่แค่เรื่องของฮาร์ดแวร์ แต่คือกระบวนทัศน์ทางซอฟต์แวร์ ที่เรียกว่า Machine Learning ซึ่งมีแนวคิดตั้งต้นมาจากการพยายามจำลอง โครงข่ายประสาท (Neural Networks) ของสมองมนุษย์ แทนที่จะเขียนโค้ดป้อนคำสั่งให้คอมพิวเตอร์ทำตามทีละขั้นตอน โดยนักวิทยาศาสตร์คอมพิวเตอร์ พยายามสร้างระบบที่สามารถ “เรียนรู้” และ “จดจำ” รูปแบบต่าง ๆ ได้ด้วยตัวเองจากชุดข้อมูล (Data) จำนวนมหาศาล

จากจุดเปลี่ยนผ่านนี้ ทำให้ Neural Networks เกิดขึ้นได้จริงในปี ค.ศ. 2012 จากการแข่งขัน ImageNet ซึ่งเป็นการทดสอบระดับนานาชาติ เพื่อให้คอมพิวเตอร์ระบุว่า ภาพที่เห็นคือภาพของอะไร (Object Identification) ซึ่งการประมวลผลนี้ มักเต็มไปด้วยความผิดพลาด จนกระทั่งการมาถึงของโมเดลที่ชื่อว่า AlexNet ซึ่งความลับเบื้องหลังความสำเร็จอันก้าวกระโดดของ AlexNet ไม่ใช่แค่คณิตศาสตร์ที่ซับซ้อนขึ้น แต่คือการเปลี่ยนกระบวนการคิดในการใช้ฮาร์ดแวร์ โดยหันมาใช้หน่วยประมวลผลกราฟิก หรือ GPU (Graphics Processing Unit) แทนการใช้ CPU (Central Processing Unit) ธรรมดา ในการฝึกฝนโมเดล (Train Model)

เนื่องจาก CPU ถูกออกแบบมาเพื่อประมวลผลคำสั่งแบบเรียงลำดับ ในขณะที่ GPU มีศักยภาพในการคำนวณทางคณิตศาสตร์แบบคู่ขนาน (Parallel Processing) ที่มหาศาล ซึ่งสอดคล้องกับธรรมชาติการทำงานของ Neural Networks อย่างสมบูรณ์แบบ ส่งผลให้อัตราความผิดพลาดของ AlexNet ลดลงกว่าครึ่ง และนั่นคือ วินาทีที่โลกได้ก้าวเข้าสู่ยุคสมัยแห่ง AI อย่างเป็นทางการ

 

วิวัฒนาการ 3 ยุคสมัยของ AI: จากผู้สังเกตการณ์ สู่ผู้ลงมือทำ

คุณอธิชัย ได้กรุยทางให้เราเห็นวิวัฒนาการของ AI อย่างเป็นระบบ โดยแบ่งออกเป็น 3 ยุคสมัยสำคัญ ซึ่งแต่ละยุคสะท้อนให้เห็นถึงการยกระดับมูลค่าทางธุรกิจ และผลกระทบต่อพฤติกรรมผู้บริโภคที่แตกต่างกันอย่างสิ้นเชิง

  1. ยุคแห่งการรับรู้ (Perceptive AI Era: 2012-2022)

นับตั้งแต่จุดเปลี่ยนในปี 2012 โลกได้เข้าสู่ยุค Perceptive AI ซึ่งเป็นยุคที่ AI ถูกพัฒนาให้มีความสามารถในการ “รับรู้” “ตีความ” และ “แยกแยะ” ข้อมูลต่าง ๆ จากโลกแห่งความเป็นจริง ตัวอย่างที่ชัดเจนที่สุด คือ เทคโนโลยีการแปลงเสียงพูดเป็นข้อความ (Speech-to-Text) ที่ผู้บริโภคเริ่มได้สัมผัสผ่านสมาร์ตโฟน หรือระบบสั่งการด้วยเสียง ตั้งแต่ช่วงปี 2015 นอกจากนี้ ยังรวมถึงการระบุใบหน้า (Facial Recognition) และการคัดแยกสิ่งของในภาพถ่าย

แม้เทคโนโลยีในยุคนี้จะดูน่าทึ่งในทางวิศวกรรม แต่ในแง่ของมูลค่าเชิงพาณิชย์ (Commercial Value) กลับยังถือว่าอยู่ในวงจำกัด เนื่องจาก AI ทำหน้าที่เป็นเพียง “ผู้สังเกตการณ์” ที่ช่วยลดทอนเวลาในการคีย์ข้อมูลหรือคัดแยกรูปภาพ แต่ยังไม่สามารถต่อยอดสร้างสรรค์สิ่งใหม่ หรือให้คำปรึกษาเชิงกลยุทธ์แก่ธุรกิจได้

  1. ยุคแห่งการสร้างสรรค์ (Generative AI Era: 2022-ปัจจุบัน)

นี่คือยุคปัจจุบันที่เทคโนโลยี AI กำลังดึงดูดเม็ดเงินลงทุนและสั่นสะเทือนวงการธุรกิจทั่วโลก โดยมีแอปพลิเคชันอย่าง ChatGPT เป็นตัวจุดประกายสำคัญ (Catalyst) Generative AI ได้สร้างปรากฏการณ์เปลี่ยนกระบวนทัศน์จากการแค่ “รับรู้” (เช่น ระบบสามารถบอกได้ว่านี่คือภาพขวดน้ำ) ไปสู่ศักยภาพในการ “สร้างสรรค์” (เช่น การสั่งให้ AI วาดภาพขวดน้ำในบรรยากาศอวกาศ หรือเขียนบทความโฆษณาขายขวดน้ำด้วยภาษาที่ดึงดูด)

การกระโดดข้ามขั้นในครั้งนี้ ได้สร้าง Impact และ Business Value อย่างมหาศาล เพราะ AI เริ่มสามารถทำงานที่ต้องใช้ทักษะทางปัญญา (Cognitive Tasks) แทนมนุษย์ได้จริง ในยุคนี้ AI มีสถานะเป็น “เครื่องมือ (Tool)” ชั้นยอดที่ช่วยลดระยะเวลาในการทำงาน (Productivity Tool) สรุปรายงานการประชุม ตรวจทานโค้ดโปรแกรม ไปจนถึงการร่างอีเมลธุรกิจ องค์กรที่นำ Generative AI มาประยุกต์ใช้ จึงสามารถลดต้นทุนเวลาและเพิ่มประสิทธิภาพพนักงานได้อย่างก้าวกระโดด

  1. ยุคอนาคตแห่งการขับเคลื่อนอิสระ (Agentic AI Era อนาคตอันใกล้)

วิสัยทัศน์ที่สำคัญที่สุดที่คุณอธิชัยเน้นย้ำ และถือเป็น The Next ของวงการปัญญาประดิษฐ์ คือ ยุคที่กำลังจะมาถึงอย่างรวดเร็ว (ภายใน 2-3 ปีนี้) นั่นคือยุคของ Agentic AI หรือปัญญาประดิษฐ์แบบตัวแทน โดยประสิทธิภาพการใช้งานในยุคนี้ AI จะก้าวข้ามขีดจำกัดของการเป็นเพียงแค่ Tool ที่รอรับคำสั่ง (Prompting) ไปทีละขั้นตอน สู่การเป็น “เพื่อนร่วมทีม (Teammate)” สามารถวิเคราะห์ ตัดสินใจ และดำเนินการแบบหลายขั้นตอนได้อย่างเป็นอิสระ ตามเป้าหมายหลักที่เรามอบหมายไว้ให้

เพื่อให้เห็นภาพการเปลี่ยนแปลงที่ทรงพลัง คุณอธิชัย ได้ยกตัวอย่างเปรียบเทียบว่า “สำหรับนักศึกษาและวงการวิชาการ เรามองว่า ในยุค Generative AI นักศึกษาอาจคัดลอกไฟล์เสียงบรรยายของอาจารย์เข้าไปในระบบแล้วสั่งให้ ‘สรุปเนื้อหา’ แต่ในยุค Agentic AI นักศึกษาสามารถป้อนโจทย์เพียงครั้งเดียวว่า ‘สัปดาห์หน้าฉันต้องพรีเซนต์งานหัวข้อนี้ นี่คือไฟล์บรรยายเบื้องต้น จงไปค้นคว้าข้อมูลที่อัปเดตที่สุดบนอินเทอร์เน็ตมาเสริม หรือทำโครงร่างการนำเสนอ (Outline) สร้างสไลด์ PowerPoint พร้อมรูปภาพประกอบ สรุปออกมาเป็นไฟล์ PDF แล้วส่งแจ้งเตือนเข้ามือถือให้ฉันภายในวันศุกร์”

AI ในฐานะ Agent จะไปดำเนินการตามขั้นตอนที่ซับซ้อนเหล่านั้น สลับการใช้งานแอปพลิเคชันต่าง ๆ และจัดการงานทั้งหมดตั้งแต่ต้นจนจบ

แต่สำหรับธุรกิจ SME ในยุค Generative AI ผู้ประกอบการอาจอัปโหลดข้อมูลสินค้าแล้วใช้ AI เป็นแชตบอตเพื่อถามว่า “สัปดาห์นี้สต็อกสินค้าตัวไหนใกล้หมดบ้าง?” แต่ในยุค Agentic AI ธุรกิจสามารถฝัง AI ไว้ในระบบการทำงาน (Workflow) และกำหนดให้เป็นกิจวัตร (Task) อัตโนมัติว่า “ทุก ๆ เย็นวันศุกร์ ให้เข้าไปเช็กระบบสต็อกสินค้า (Inventory) ดึงข้อมูลยอดขายจากระบบการเงิน (Finance) ประเมินแนวโน้มความต้องการสินค้าในสัปดาห์หน้า แล้วร่างอีเมลใบสั่งซื้อวัตถุดิบ (Quotation) ส่งให้ซัปพลายเออร์ โดยพักไว้ในโฟลเดอร์แบบร่าง (Draft) เพื่อรอให้ฉันกดอนุมัติเพียงปุ่มเดียว”

จาก 2 กลุ่มตัวอย่างที่ผมชี้ให้เห็นถึงการเปลี่ยนผ่านจาก Tool สู่ Teammate นี้ ผมมองถึงการเปลี่ยนโฉมหน้าการจัดโครงสร้างองค์กร และวิถีการทำงานของมนุษย์ไปตลอดกาล

 

ทฤษฎีเค้ก 5 ชั้น (The 5-Layer AI Cake) เบื้องหลังระบบนิเวศปัญญาประดิษฐ์

ในมุมมองของผู้บริหารองค์กรหลายแห่ง เมื่อพูดถึงการนำ AI มาใช้ คำถามแรกที่มักโผล่ขึ้นมาคือ “เราควรซื้อซอฟต์แวร์ตัวไหน?” หรือ “ใช้ ChatGPT หรือ Gemini ดี?” ซึ่งการมอง AI เพียงแค่แอปพลิเคชันนั้น เป็นความเข้าใจที่ไม่ครบถ้วน

คุณอธิชัย ได้นำเสนอแนวคิดที่ เจนเซ่น หวง (Jensen Huang) ซีอีโอและผู้ก่อตั้ง NVIDIA มักใช้อธิบายเสมอ นั่นคือสถาปัตยกรรม ทฤษฎีเค้ก 5 ชั้น (The 5-Layer AI Cake) การจะสร้างปัญญาประดิษฐ์ที่ทรงประสิทธิภาพได้นั้น จำเป็นต้องอาศัยองค์ประกอบระดับโครงสร้างพื้นฐานที่สอดประสานกันอย่างซับซ้อนถึง 5 ระดับชั้น ประกอบด้วย

  1. พลังงาน (Energy) หมายถึง รากฐานที่ลึกที่สุดและท้าทายที่สุด การทำให้ AI ฉลาดและรวดเร็วนั้น ต้องแลกมาด้วยการประมวลผลที่มหาศาล (Massive Computation) ซึ่งต้องอาศัยพลังงานไฟฟ้าจำนวนมหาศาลเช่นกัน การจะเดินเครื่อง AI ยุคใหม่ ธุรกิจและอุตสาหกรรมต้องตอบคำถามเรื่องความมั่นคงทางพลังงาน และต้นทุนค่าไฟให้ได้ก่อนเป็นอันดับแรก
  2. ฮาร์ดแวร์และชิป (Hardware & Chips) หรือชั้นของการแปรรูปพลังงานไฟฟ้าให้กลายเป็น “พลังงานประมวลผล (Computing Power)” นวัตกรรมชิปขั้นสูง เช่น GPU ของ NVIDIA คือหัวใจสำคัญของการแปลงกระแสไฟฟ้าให้กลายเป็นการคำนวณที่รองรับ Neural Networks ได้อย่างมีประสิทธิภาพ
  3. โครงสร้างพื้นฐาน (Infrastructure) คือ การมีชิปที่ทรงพลังเพียงตัวเดียวยังไม่พอ ชั้นนี้คือการนำชิปประมวลผลจำนวนนับพันนับหมื่นตัวมาเชื่อมต่อกันผ่านระบบเครือข่าย (Networking) ที่เร็วระดับแสง จัดเก็บในศูนย์ข้อมูล (Data Center) ที่มีระบบทำความเย็น มาตรฐานสูง และบริหารจัดการด้วยสถาปัตยกรรมซอฟต์แวร์ขั้นเทพ NVIDIA เรียกการรวมตัวของชั้นที่ 1 ถึง 3 นี้ว่า “AI Factory (โรงงานผลิตปัญญาประดิษฐ์)” ซึ่งมีหน้าที่รับวัตถุดิบ คือ ข้อมูลและพลังงาน เข้ามาผลิตเป็น “ความฉลาด (Intelligence)”
  4. โมเดล (Models) โดยชั้นนี้ เปรียบเสมือนสมอง หรืออัลกอริทึมที่เป็นชุดความรู้ของ AI โมเดลภาษาขนาดใหญ่ (Large Language Models – LLM) หรือโมเดลสร้างภาพต่าง ๆ จะถูกนำมาป้อนข้อมูลและฝึกฝน (Training) อย่างหนักบน Infrastructure ที่ทรงพลัง ในช่วง 2-3 ปีที่ผ่านมา เป็นยุคทองของบริษัทผู้พัฒนาชั้นโมเดล (Model Layer) ที่แข่งขันกันเปิดตัวทั้งแบบ Open-Source (เปิดให้คนทั่วไปนำไปพัฒนาต่อ) และ Closed-Source (ระบบปิดสำหรับองค์กร) รวมถึงโมเดลที่มีความเฉพาะเจาะจงระดับภูมิภาค เช่น โมเดลที่เข้าใจภาษาและบริบทกฎหมายไทย
  5. แอปพลิเคชัน (Applications) หรือยอดบนสุดของเค้ก ซึ่งก็คือหน้าต่างเชื่อมต่อ (User Interface) ที่ผู้บริโภคหรือองค์กรธุรกิจโต้ตอบด้วย แอปพลิเคชันเหล่านี้จะดึงศักยภาพจากชั้น “โมเดล” มาประมวลผล (Inference) เพื่อตอบโจทย์การใช้งานจริงในชีวิตประจำวัน

นัยสำคัญของทฤษฎีเค้ก 5 ชั้น สำหรับผู้บริหารองค์กร คือ “ไม่มีสูตรสำเร็จตายตัวสำหรับการทำ Digital Transformation ด้าน AI” ธุรกิจไม่สามารถตัดสินใจแค่การเลือกแอปพลิเคชันในชั้นที่ 5 ได้ แต่ผู้บริหารระดับ C-Level ต้องพิจารณากลยุทธ์ตลอดทั้งห่วงโซ่คุณค่า เช่น เราจะพึ่งพิงพลังงานจาก Data Center ภายนอก หรือตั้ง Server เอง หรือเราจะลงทุนฮาร์ดแวร์แบบใด เราจะเช่าใช้คลาวด์ Infrastructure จากแบรนด์ใด และโมเดลที่เราเลือกใช้นั้นตอบโจทย์เรื่องความปลอดภัยของข้อมูลบริษัท (Data Privacy) ได้หรือไม่ อย่างไร?

 

เปลี่ยนวิธีคิด: มองที่ “Task” ไม่ใช่ “Job”

ทุกครั้งที่คลื่นเทคโนโลยีลูกใหม่ซัดเข้าหาองค์กร คำถามหนึ่งมักผุดขึ้นในใจพนักงานเสมอ ว่า “AI จะมาแย่งงานเราไหม?”

คุณอธิชัย เลือกที่จะไม่ตอบคำถามนี้ตรง ๆ แต่ชวนให้ถอยออกมามองใหม่ ด้วยการแยกคำ 2 คำที่คนมักใช้ปนกันจนเข้าใจผิด นั่นคือ Job (อาชีพ) กับ Task (เนื้องาน) ผ่านตัวอย่างที่เห็นภาพชัดที่สุดก็คือ อาชีพที่เราทุกคนไว้วางใจฝากชีวิตไว้ในมือ นั่นคือ แพทย์ โดย Job ของแพทย์ คือ การปกป้องชีวิต การวินิจฉัยโรคแบบองค์รวม การชั่งน้ำหนักเลือกแนวทางรักษาที่เหมาะที่สุด และการมอบความเห็นอกเห็นใจให้ผู้ป่วยในวันที่เขาเปราะบางที่สุด ซึ่งสิ่งเหล่านี้ คือ แก่นของวิชาชีพที่ AI ไม่มีทางเข้ามาแทนที่ได้

แต่ Task ของแพทย์ คือ เนื้องานย่อยนับไม่ถ้วนที่ซ่อนอยู่ในแต่ละวัน ทั้งการจดบันทึกประวัติการรักษา การอ่านคัดกรองความผิดปกติเบื้องต้นจากฟิล์มเอกซเรย์ หรือการไล่ค้นประวัติการแพ้ยา และนี่ต่างหาก คือพื้นที่ของ AI ความแตกต่างเล็ก ๆ ระหว่าง 2 คำนี้ กลับเป็นกุญแจที่เปลี่ยนทั้งมุมมองและกลยุทธ์ขององค์กรไปอย่างสิ้นเชิง เพราะนำไปสู่กฎข้อแรกของการปรับตัวสู่ยุค AI ที่คุณอธิชัยย้ำว่า องค์กรต้องเลิกเริ่มต้นด้วยคำถามที่ว่า “เราควรซื้อซอฟต์แวร์ตัวไหน?” แล้วหันมาเริ่มจากการค้นหา “Pain Point” และชำแหละ “Task” ในกระบวนการทำงานของตัวเองเสียก่อน

ผู้บริหารต้องตั้งคำถามให้ถูกจุดว่า ในสายพานการทำงานของบริษัท มี Task ใดบ้างที่เป็นงานซ้ำซากจำเจ งานที่ต้องจมอยู่กับการประมวลผลข้อมูลมหาศาล หรืองานที่ AI จะเข้ามายกระดับประสิทธิภาพได้ เพราะเมื่อตั้งโจทย์ถูก และเจอ “งานที่ AI ทำได้ดีกว่ามนุษย์” แล้ว การเลือกโมเดลหรือแอปพลิเคชันที่เหมาะสมจะกลายเป็นเรื่องที่ตอบวิสัยทัศน์องค์กรได้อย่างแม่นยำ ไม่ใช่การไล่ซื้อเทคโนโลยีตามกระแส และนี่คือหัวใจที่พลิกความกลัวให้กลายเป็นโอกาส เพราะเมื่อ AI เข้ามารับ Task ที่ซ้ำซากไป พนักงานจะไม่ได้ “ตกงาน” แต่จะถูกยกระดับ (Upskill) ให้ก้าวขึ้นไปเป็น “ผู้ควบคุมและสั่งการ” AI ที่เปรียบเสมือนเพื่อนร่วมทีมคนใหม่ พูดให้ถูกที่สุดคือ มนุษย์จะไม่ได้แข่งกับ AI แต่จะได้เลื่อนตำแหน่งขึ้นไปเป็น “หัวหน้าทีม” ที่มี AI เป็นลูกทีมที่ทรงพลังที่สุดเท่าที่เคยมีมา

 

อนาคตของการประมวลผล: เมื่อพลังของ Data Center และ Edge ต้องหลอมรวมเป็นหนึ่ง

ทุกท่านที่อ่านเนื้อหามาถึงตรงนี้ จะมีคำถามว่า แล้วโลกของ AI กำลังเคลื่อนไปทางไหน สำหรับคนทั่วไปและคนทำงานต้องปรับตัวอย่างไร?

“ผมชวนคิดต่อว่า ทุกคนต้องเริ่มจากการมองทะลุเข้าไปในสถาปัตยกรรมเบื้องหลัง ซึ่งแบ่งการทำงานของ AI ออกเป็น 2 กระบวนการหลักที่ทำงานคนละบทบาทกัน ได้แก่ 1. การฝึกฝนโมเดล (Training) การป้อนข้อมูลนับล้านชุดเพื่อให้ AI ‘ฉลาดขึ้น’ เปรียบได้กับนักเรียนที่กำลังนั่งเรียนหนังสือ กระบวนการนี้กินทรัพยากรมหาศาลและต้องพึ่งพา Data Center ขนาดใหญ่ และ 2. การใช้งานโมเดล (Inference) เพราะเมื่อ AI ฉลาดพอแล้ว ก็นำมาใช้งานจริง เพื่อตอบคำถามหรือวิเคราะห์ข้อมูล เปรียบเหมือนนักเรียนที่กำลังทำข้อสอบ”

ในยุคแรกของ Generative AI งาน Inference ส่วนใหญ่ยังถูกส่งกลับไปประมวลผลบนคลาวด์ และทุกครั้งที่เราพิมพ์ถาม ChatGPT ข้อมูลจะวิ่งผ่านอินเทอร์เน็ตไปคำนวณที่เซิร์ฟเวอร์อีกซีกโลก แล้วส่งคำตอบกลับมา แต่เมื่อโลกกำลังก้าวเข้าสู่ยุค Agentic AI รูปแบบการประมวลผลแบบเดิม กำลังจะไม่เพียงพออีกต่อไป และนี่คือจุดที่เทรนด์ชื่อ Edge Computing ซึ่งจะเข้ามาเปลี่ยนเกม

Edge Computing คือ การนำขุมพลังการประมวลผลมาไว้ที่ “ขอบ” ของเครือข่าย หรือพูดง่าย ๆ คือมาไว้ “บนอุปกรณ์ของผู้ใช้โดยตรง” ไม่ว่าจะเป็นสมาร์ตโฟน แล็ปท็อป เครื่องจักรในโรงงาน หรือเซิร์ฟเวอร์ขนาดเล็กในองค์กร

แล้วทำไม Edge Computing ถึงจะทวีความสำคัญขึ้นอย่างมหาศาลในยุค Agentic AI ? ซึ่งคำตอบอยู่ที่ Keyword 2 คำ ได้แก่ ความเป็นส่วนตัวและความเร็ว

“ลองจินตนาการว่า เราอยากให้ Agentic AI ทำหน้าที่เป็นเลขาส่วนตัว คอยเข้าไปจัดการแอปแชตอย่าง LINE เพื่อตอบข้อความลูกค้าแทนเรา หรืออ่านอีเมลส่วนตัวเพื่อสรุปนัดหมายให้ ข้อมูลเหล่านี้คือความลับส่วนบุคคลที่ละเอียดอ่อนที่สุด เราคงไม่มีวันยอมให้ระบบ ‘โคลน’ ข้อมูลทั้งเครื่องของเราส่งกลับไปประมวลผลบน Data Center สาธารณะได้ การประมวลผลบนเครื่องของเราเองจึงเป็นทางออกเดียวที่ทั้งฉลาดและปลอดภัยไปพร้อมกัน

ยิ่งไปกว่านั้น ในกรณีที่ ‘เสี้ยววินาที’ คือเส้นแบ่งระหว่างความปลอดภัยกับหายนะ อย่างรถยนต์ไร้คนขับหรือหุ่นยนต์อัจฉริยะ การตัดสินใจเบรกหรือหักพวงมาลัยต้องเกิดขึ้นทันที การมัวรอสัญญาณอินเทอร์เน็ตวิ่งไปกลับ Data Center ย่อมหมายถึงความเสี่ยงที่ยอมรับไม่ได้

ดังนั้น โลกแห่งการคำนวณในอนาคตอันใกล้ จึงไม่ใช่การเลือกระหว่าง Data Center หรือ Edge อย่างใดอย่างหนึ่ง แต่คือ ‘การผสานทั้งสองเข้าด้วยกันอย่างสมบูรณ์แบบ’ แอปพลิเคชันยุคหน้าจะฉลาดพอที่จะเลือกเองว่า งานที่ต้องใช้พลังคำนวณสูงและใช้ข้อมูลสาธารณะ จะถูกส่งไปที่ Data Center ส่วนงานที่ต้องการความเร็วและใช้ข้อมูลส่วนตัว จะถูกประมวลผลจบในเครื่องของผู้ใช้ทันที” คุณอธิชัย อธิบายเพิ่มเติม

 

บทบาทของ NVIDIA และโอกาสของประเทศไทย

มาถึงช่วงท้าย ๆ ของการพูดคุยกับคุณอธิชัย พร้อมกับคำถามที่ Business+ อยากรู้ว่า ท่ามกลางการเปลี่ยนแปลงครั้งใหญ่นี้ NVIDIA ในฐานะผู้นำด้านสถาปัตยกรรม AI ระดับโลก ได้วางจุดยืนของตัวเองอย่างไร

“เราเป็นผู้สร้างระบบนิเวศ มากกว่าการเป็นผู้เล่นที่ลงไปแข่งเอง ซึ่งเป็นปรัชญาของเจนเซ่น หวง ที่กล่าวไว้อย่างคมคายว่า NVIDIA เป็นคนรัก ไม่ใช่นักสู้ (Lover, not a Fighter)”

ความหมายเบื้องหลังประโยคนี้ คือ NVIDIA พร้อมเปิดรับและทำงานร่วมกับพันธมิตรทุกภาคส่วน ตั้งแต่ผู้ให้บริการคลาวด์ยักษ์ใหญ่ แบรนด์ผู้ผลิตคอมพิวเตอร์ ตัวแทนจำหน่าย สตาร์ตอัปท้องถิ่น นักพัฒนาซอฟต์แวร์อิสระ ไปจนถึง System Integrators เพื่อนำเทคโนโลยีระดับโลกมาขับเคลื่อนการเติบโตของแต่ละประเทศ แทนที่จะผูกขาดไว้คนเดียว

สำหรับประเทศไทย คุณอธิชัยประเมินว่า มี 3 กลุ่มที่จะได้รับประโยชน์และเห็นการเปลี่ยนแปลงอย่างเป็นรูปธรรมที่สุดจากการมาถึงของ Agentic AI

  1. ธุรกิจ SMEs ที่เคยเสียเปรียบเพราะข้อจำกัดเรื่องเงินทุนและการจ้างบุคลากรสาย IT จากนี้ไปพวกเขาจะแข่งขันในระดับที่สูงขึ้นได้ เพราะการมี “เพื่อนร่วมทีม” ที่เป็น AI จะช่วยยกระดับงานหลังบ้าน ทั้งการจัดการสต็อก การบริหาร และการตลาด โดยไม่ต้องจ้างทีมงานชุดใหญ่ นี่คือการติดปีกให้ผู้ประกอบการรายเล็กได้อย่างแท้จริง
  2. เศรษฐกิจสร้างสรรค์ (Creator Economy) ซึ่งเป็นสนามที่ประเทศไทยแข็งแกร่งอยู่แล้ว ทั้ง Content Creator สตูดิโอภาพยนตร์ และวงการโฆษณา Agentic AI จะเข้ามาเป็นผู้ช่วยที่จัดเตรียมตัวเลือกเบื้องต้นให้ ตั้งแต่ดราฟต์สตอรีบอร์ด เกรดสี ไปจนถึงตัดต่อฉาก ปลดปล่อยให้ครีเอเตอร์ลดเวลางานที่ซ้ำซาก แล้วทุ่มเทเวลาไปกับการสร้างสรรค์ความงามทางศิลปะได้เต็มที่
  3. ภาคการศึกษา ที่มหาวิทยาลัยจะมีบทบาทสำคัญในการเป็นแกนนำด้านการวิจัยและการปรับจูนโมเดลภาษา (Fine-tuning) ให้เข้ากับบริบทภาษาและวัฒนธรรมไทย แต่ความท้าทายที่แท้จริงอยู่ที่การปรับ “หลักสูตร” ให้ทันโลก เพราะการศึกษายุคถัดไป ไม่ใช่แค่การสอนให้ใช้ซอฟต์แวร์เป็น แต่ต้องปลูกฝังกระบวนทัศน์ใหม่ว่า “ความสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ได้เปลี่ยนไปแล้ว” คอมพิวเตอร์ไม่ใช่เครื่องคิดเลขอีกต่อไป แต่กำลังจะกลายเป็นเพื่อนร่วมทีม ที่คนรุ่นใหม่ต้องเรียนรู้วิธีทำงานร่วมกันให้เกิดประสิทธิภาพสูงสุด

 

สัญญาณที่บอกว่า อนาคตมาถึงเร็วกว่าที่คิด

ทั้งนี้ คุณอธิชัย สรุปเนื้อหากับ Business+ ตลอดหนึ่งชั่วโมงของการสัมภาษณ์พิเศษนี้ว่า “The Next AI Era ไม่ใช่ทฤษฎีแห่งอนาคตอันไกล แต่ได้ก่อตัวและเตรียมปะทะเข้ากับโครงสร้างการทำงานของเราในอีกไม่ช้า สำหรับผู้บริโภคและองค์กรธุรกิจไทย นี่ไม่ใช่เวลาของการตั้งคำถามว่า ‘เราควรเริ่มใช้ AI หรือไม่’ อีกต่อไป แต่คือช่วงเวลาสำคัญ ที่ต้องหันกลับมาทบทวนกระบวนการทำงาน แยกแยะปัญหา ค้นหา ‘Task’ ที่ซ่อนอยู่ และเตรียมมอบหมายงานเหล่านั้นให้กับเพื่อนร่วมทีมอัจฉริยะคนใหม่

เพราะในโลกยุค Agentic AI โปรแกรมจะไม่หยุดนิ่งรอให้เราพิมพ์คำสั่งอีกต่อไป แต่ทุกอย่างจะวิ่งไปข้างหน้า เพื่อค้นหาคำตอบที่ดีที่สุดมาเสิร์ฟให้เราถึงที่ และองค์กรใดที่มีวิสัยทัศน์แม่นยำพอจะเลือกใช้ ‘เค้ก 5 ชั้น’ ได้อย่างกลมกล่อม ย่อมเป็นผู้คว้าความได้เปรียบทางธุรกิจ และยืนหยัดอย่างมั่นคงในสมรภูมิโลกอนาคตที่ขับเคลื่อนด้วยปัญญาประดิษฐ์อย่างแน่นอน”

 

เขียนและเรียบเรียง : สุรชัย บ่อจันทึก

ติดตาม Business+ : https://www.thebusinessplus.com/

Line Business+  : https://lin.ee/pbIHCuS

IG  : https://instagram.com/businessplus.th

Youtube : https://www.youtube.com/@thebusinessplus7829

#TheBusinessPlus #Businessplus #BusinessPlus #นิตยสารBusinessplus #Business