โดย บุศรินทร์ ประดิษฐยนต์ 

Country Head, บริษัท เอสที เทเลมีเดีย โกลบอล ดาต้าเซ็นเตอร์ (ประเทศไทย) จำกัด

เป้าหมาย AI ไทยชัดเจนอยู่แล้ว ทว่าโจทย์สำคัญจากนี้ คือการลงมือทำเพื่อสร้างผลลัพธ์จริง 

หมดเวลาลองผิดลองถูก วันนี้ AI กลายเป็นกลยุทธ์ของผู้นำองค์กรเต็มตัว ทำให้องค์กรแต่ละแห่งเริ่มจัดสรรงบและวางแนวทางการใช้งานจริง เพื่อเพิ่มประสิทธิภาพการทำงาน เสริมประสบการณ์ลูกค้า และช่วยในการตัดสินใจเชิงธุรกิจให้มีความเหนือชั้นยิ่งกว่าเดิม 

อย่างไรก็ตาม หลายองค์กรเริ่มตระหนักแล้วว่า “การนำ AI มาปรับใช้งาน” กับ “การขยายผลการใช้งาน AI ไปในวงกว้าง” นั้นเป็นคนละเรื่องกัน และก้าวสำคัญของประเทศไทยไม่ได้วัดกันที่ว่าใครทดลองใช้ก่อน หากอยู่ที่ว่าใครสามารถนำ AI มาใช้งานจริงได้อย่างต่อเนื่อง ปลอดภัย และครอบคลุมทั่วทั้งองค์กร

ตลาดเติบโตรวดเร็ว แต่ยังติดหล่มอยู่ ทำให้หลายองค์กร ยังไปต่อไม่ได้

สิ่งที่น่าประหลาดใจไม่ใช่เรื่องที่ประเทศไทยตื่นตัวพร้อมเปิดรับ AI แต่องค์กรส่วนใหญ่ยังคงติดหล่มอยู่ตรงกลางระหว่างขั้นทดลองใช้กับการขยายผลจริง

ในภาพรวมเศรษฐกิจของประเทศไทยมีความแข็งแกร่งมาก ข้อมูลจากสำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa) ที่เปิดเผยในงาน Practical Insights Bangkok ซึ่งจัดขึ้นโดย ST Telemedia Global Data Centres (STT GDC) ระบุว่า อุตสาหกรรมดิจิทัลของไทยคาดว่าจะมีมูลค่าสูงถึง 2.9 ล้านล้านบาทภายในสิ้นปีนี้ (พ.ศ.2569) ซึ่งคิดเป็นสัดส่วนประมาณ 15% ของ GDP ประเทศ ส่งผลให้ศักยภาพของระบบคลาวด์และดาต้าเซ็นเตอร์ต้องเร่งขยายตัวอย่างรวดเร็วเพื่อรองรับความต้องการดังกล่าว 

ทว่าโครงสร้างพื้นฐานเหล่านี้จะมีประโยชน์ก็ต่อเมื่อองค์กรพร้อมดึงไปใช้งานได้จริง งานวิจัยของ STT GDC ในหัวข้อ Mind the Gap: Bridging the AI Infrastructure Readiness Divide ซึ่งสำรวจองค์กรชั้นนำและกลุ่ม Digital Native 60 แห่งในประเทศไทย สะท้อนผลลัพธ์ที่น่าสนใจว่า แม้ 78% ขององค์กรจะก้าวผ่านขั้นการทดลองและมาสู่การเป็น ‘ผู้สร้าง’ (Builder) แล้ว แต่กลับไม่มีองค์กรใดเลย (0%) ที่อยู่ในระดับ ‘ผู้นำ’ (Leader) และมีไม่ถึง 10% ที่มีความพร้อมรองรับเวิร์กโหลด AI ได้อย่างมีประสิทธิภาพ 

ช่องว่างระหว่างช่วงของการวางรากฐาน กับการนำ AI มาใช้ขับเคลื่อนเป็นส่วนหนึ่งในธุรกิจนั้นจึงยังคงเปิดกว้างกว่าแค่ในหัวข้อที่พวกเราทราบ

เปลี่ยนความมุ่งมั่นให้กลายเป็นพลังขับเคลื่อน AI ที่แท้จริง 

สิ่งที่ฉุดรั้งหลาย ๆ องค์กรไทยไว้ไม่ใช่เพราะไม่สนใจใน AI แต่เพราะยังขาดความเชื่อมั่นว่า AI จะสามารถสร้างมูลค่าทางธุรกิจที่วัดผลได้จริงอย่างไร 

งานวิจัยของ STT GDC ยังพบว่า 57% ของผู้นำธุรกิจไทยยกให้ ข้อจำกัดด้านงบประมาณและความยากในการวัดผลตอบแทนจากการลงทุน (ROI) เป็นอุปสรรคสำคัญที่สุด โดยปัจจุบัน 76% ขององค์กรจัดสรรงบไอทีให้กับ AI ไม่ถึง 5% ด้วยซ้ำ นี่คือความย้อนแย้งที่พบได้บ่อยในโลกธุรกิจ นั่นคือ ผู้นำมักลังเลที่จะทุ่มงบให้กับเทคโนโลยีที่ยังมองไม่เห็นตัวเลขผลตอบแทนชัดเจนด้านการเงิน

แต่ความลังเลนี้กลายเป็นต้นทุนที่สูงขึ้นเรื่อย ๆ ในภาคธุรกิจที่มีการนำ AI มาประยุกต์ใช้อย่างเป็นระบบจะมองเห็นผลลัพธ์ได้ชัดเจน ตัวอย่างเช่น ในกลุ่มธุรกิจธนาคาร บริการทางการเงินและประกันภัย (BFSI) ที่มีการนำ AI มาบริหารสภาพคล่องเงินสดในตู้ ATM ลดระยะเวลาการประเมินราคาที่ดินจากหลายวันเหลือเพียงไม่กี่นาที ตลอดจนตรวจจับบัญชีม้าได้ทันท่วงทีก่อนจะเกิดความเสียหาย 

บทเรียนที่ชัดเจนคือ AI สร้างคุณค่าได้เต็มประสิทธิภาพ ก็ต่อเมื่อมันถูกผนวกเข้ากับทุกกระบวนการทำงานอย่างแท้จริง

มองมุมใหม่ “ธรรมาภิบาล” ไม่ใช่เบรก แต่คือ “ตัวเร่ง” 

องค์กรที่มีแนวโน้มจะประสบความสำเร็จจากการขยายการใช้งาน AI นั้นไม่ใช่องค์กรที่ไร้กรอบควบคุม แต่คือองค์กรที่มีกรอบการทำงานด้าน AI ชัดเจนที่สุด

ประเทศไทยกำลังก้าวเข้าสู่ช่วงเวลาสำคัญด้านการกำกับดูแล ร่างกฎหมาย AI ที่อยู่ระหว่างการร่างโดยสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) แทนที่จะมองว่ากฎระเบียบเป็นอุปสรรค องค์กรที่มีวิสัยทัศน์กลับมองว่ากรอบกฎหมายที่ชัดเจนคือกรอบหรือแนวทางความปลอดภัย (Guardrails) ที่ช่วยให้สามารถสร้างสรรค์นวัตกรรมได้อย่างมั่นใจและรวดเร็วยิ่งขึ้น 

ด้วยหลักการเดียวกันนี้ ยังสามารถนำมาปรับใช้ภายในองค์กรได้เช่นกัน และองค์กรที่ปรับตัวได้ดีจะเปลี่ยนการใช้ ‘ประตูกั้น’ (gates) ที่เข้มงวดและถ่วงการทำงานของทีมให้ช้าลง ไปสู่การสร้าง ‘กรอบหรือแนวทาง’ (Guardrails) ที่ยืดหยุ่น ซึ่งเปิดโอกาสให้ทีมได้ทดลองนวัตกรรมได้รวดเร็ว ภายใต้ขอบเขตที่ปลอดภัยควบคู่ไปกับการทลายกำแพงการทำงานแบบแยกส่วน (Silos) เพื่อรวมศูนย์ให้ AI นำไปประมวลผลและใช้งานได้จริง 

แต่เทคโนโลยีและกระบวนการเป็นเพียงคำตอบส่วนหนึ่งเท่านั้น เพราะหัวใจหลักที่แท้จริงของธรรมาภิบาล AI ยังคงเป็นการพิจารณาและตัดสินใจโดยวิจารณญาณของมนุษย์ 

AI ช่วยเร่งสปีดการตัดสินใจ แต่ความรับผิดชอบยังคงเป็นเรื่องของ “คน” เสมอ องค์กรที่ขยายสเกล AI ได้สำเร็จ ไม่ใช่เพราะลดบทบาทมนุษย์ แต่เพราะสร้างกรอบการกำกับดูแลที่ลงตัว ใช้ AI เป็นตัวเร่งพลัง และใช้ความเชี่ยวชาญของคนเป็นศูนย์กลางในการตัดสินใจขั้นสูงสุด วินัยนี้เองที่จะกลายเป็นเกราะป้องกันความเสี่ยง ‘Shadow AI’ ที่ก่อให้เกิดการละเมิดข้อบังคับ และความเสี่ยงต่อชื่อเสียงองค์กรเมื่อมีการขยายการใช้งาน AI ไปทั่วทั้งองค์กร

ก้าวสำคัญของการใช้งานจริง ไม่ใช่เพียงการปรับตัวในองค์กร แต่คือการยกระดับโครงสร้างพื้นฐานทางกายภาพให้พร้อมรองรับอนาคต 

อีกหนึ่งหัวใจสำคัญที่จะช่วยขับเคลื่อนและเตรียมความพร้อม AI ให้กับประเทศไทยอย่างแท้จริง ก็คือการวางรากฐาน “โครงสร้างพื้นฐาน” ให้แข็งแกร่งและพร้อมรับกับอนาคต 

เพื่อร่วมแก้ปัญหาการขาดแคลนบุคลากร depa ได้เปิดตัวโครงการระดับชาติชื่อว่า Coding Thailand 2026: AI Inspires the Future เพื่อสร้างบุคลากรรุ่นใหม่ด้านวิศวกรรมและ AI อย่างยั่งยืน ความพยายามดังกล่าวนั้นมีความสำคัญอย่างยิ่ง แต่ถึงแม้จะมีบุคลากรที่พร้อม หลายองค์กรก็จะยังคงต้องเผชิญกับข้อจำกัดที่คาดไม่ถึงอยู่ดี 

 ข้อมูลของเราสะท้อนถึงโอกาสสำคัญในการเติมเต็มศักยภาพ แม้ว่า 50% ขององค์กรไทยจะลงทุนในฮาร์ดแวร์ AI ประสิทธิภาพสูงอย่าง GPU ไปแล้ว แต่มีเพียง 15% เท่านั้นที่เริ่มนำระบบระบายความร้อนด้วยของเหลว (Liquid Cooling) เข้ามาเสริม เนื่องจากการประมวลผล AI ยุคใหม่ต้องการพลังงานและการจัดการความร้อนสูงเกินกว่าระบบเดิม การปูรากฐานระบบทำความเย็นและพลังงานอย่างถูกต้อง จึงเป็นกุญแจดอกสำคัญที่จะปลดล็อกให้ฮาร์ดแวร์ราคาสูงสามารถแสดงประสิทธิภาพได้เต็มร้อยอย่างคุ้มค่า 

และนี่คือจุดเปลี่ยนสำคัญที่จะช่วยยกระดับวงการ AI ไทยให้ก้าวหน้าไปอีกขั้น! เพราะการวางกลยุทธ์ซอฟต์แวร์และการเลือกรูปแบบการใช้งานเป็นสิ่งสำคัญ แต่ทั้งหมดนั้นเป็นเพียงเรื่องปลายน้ำของคำถามพื้นฐานที่สำคัญกว่า นั่นคือ โครงสร้างพื้นฐานที่มีอยู่พร้อมรองรับการรัน AI ในระดับ Production Scale แล้วหรือยัง?

นิยามใหม่ของ “ความเป็นผู้นำ” ต่อจากนี้ 

การจะก้าวข้ามจากสถานะ ‘ผู้สร้าง’ ไปสู่ ‘ผู้นำ’ AI จะไม่เกิดขึ้นจากการทำ Proof-of-Concept ซ้ำแล้วซ้ำเล่า แต่ต้องเกิดจากการปรับเปลี่ยนวิธีคิด ทั้งในการวางแผน การจัดสรรเงินทุน และการลงมือปฏิบัติจริง โดยมี 3 ปัจจัยสำคัญที่ต้องมุ่งเน้น: 

  • ออกแบบเพื่อรองรับการขยายการใช้งานตั้งแต่เริ่มต้น (Design for scale from the start): วางระบบโครงสร้างพื้นฐานที่ยืดหยุ่น เพื่อรองรับความหนาแน่นของการประมวลผลและเวิร์กโหลด AI ที่จะเติบโตขึ้นในอนาคต ดีกว่ามาตามแก้หรือปรับปรุงระบบในภายหลัง
  • ดังที่คุณวิทยา ธรรมรัตนากร, Data and AI Lead ประจำประเทศไทย, จาก Amazon Web Services ได้เน้นย้ำถึงความสำคัญของการใช้สถาปัตยกรรมแบบผสมผสาน โดยนำสถาปัตยกรรมแบบกระจายศูนย์และแบบไฮบริดมาใช้ โดยผสมผสานสภาพแวดล้อมการทำงานแบบ On-premise, Colocation และระบบคลาวด์ รวมถึงการปรับใช้แบบไฮบริดร่วมกับ AWS เพื่อเพิ่มความยืดหยุ่น ยึดหลักอธิปไตยของข้อมูล (Data Sovereignty) และเพิ่มประสิทธิภาพการทำงานของ AI
  • เลือกพันธมิตรในจุดสำคัญ ยอมรับข้อจำกัดด้านขีดความสามารถภายในองค์กรอย่างตรงไปตรงมา และจับมือกับพันธมิตรผู้เชี่ยวชาญด้านโครงสร้างพื้นฐานเฉพาะทาง ที่มีความพร้อมทั้งเทคโนโลยี Liquid Cooling การออกแบบระบบความหนาแน่นสูง (High-Density) และประสบการณ์เชิงลึก เพื่อมาช่วยเสริมเติมเต็มศักยภาพองค์กร ให้พร้อมขยายสเกล AI เดินหน้าได้อย่างก้าวกระโดด

บททดสอบของจริงที่รออยู่ 

ประเทศไทยได้แสดงให้เห็นถึงวิสัยทัศน์และความมุ่งมั่นในการร่วมเป็นส่วนหนึ่งของ AI economy แล้ว แต่ความท้าทายหลังจากนี้คือโจทย์ที่ยากกว่า นั่นคือการเปลี่ยนความมุ่งมั่นนี้ให้กลายเป็นการลงมือทำอย่างเห็นผลลัพธ์เป็นรูปธรรม

องค์กรที่จะประสบความสำเร็จ ไม่ใช่องค์กรที่มองแค่โปรเจกต์ AI แยกย่อย แต่คือองค์กรที่มุ่งสร้างสภาพแวดล้อมที่เอื้อให้เกิดการขยายผลได้จริง ทั้งในด้านธรรมาภิบาลที่เชื่อถือได้ บุคลากรที่มีทักษะ โครงสร้างพื้นฐานที่ยืดหยุ่นแข็งแกร่ง และมีแนวทางในการสนับสนุนชัดเจนในการเปลี่ยนจากงานทดลองให้กลายเป็นการใช้งานจริงในเชิงธุรกิจ 

ความเป็นผู้นำด้าน AI ของประเทศไทย ไม่ได้วัดกันที่ “จำนวนโครงการนำร่อง” ที่องค์กรเปิดตัว แต่วัดกันที่ความเชี่ยวชาญในการเปลี่ยนเทคโนโลยี AI ให้กลายเป็น “ผลลัพธ์ทางธุรกิจ” ที่วัดผลได้ และสร้างความสำเร็จได้อย่างยั่งยืน 

ทั้งหมดคือจุดเปลี่ยนทางยุทธศาสตร์ที่องค์กรไทยกำลังเผชิญอยู่ และทุกการตัดสินใจวันนี้จะเป็นตัวกำหนดว่าใครคือผู้ที่จะก้าวขึ้นเป็น “ผู้นำ” ขับเคลื่อนเศรษฐกิจดิจิทัลของประเทศในทศวรรษหน้า 

สามารถคลิกดาวน์โหลดรายงานการประเมินความพร้อมโครงสร้างพื้นฐาน AI ในภูมิภาคเอเชียฉบับเต็มได้ที่: Read the report

ประเมินความพร้อมโครงสร้างพื้นฐาน AI ขององค์กรคุณ และค้นหาว่าคุณอยู่จุดไหนบนเส้นทางการเติบโตด้าน AI คลิก Take the AI Infrastructure Readiness Assessment

Footnote:

เกี่ยวกับผู้เขียน

คุณบุศรินทร์ ประดิษฐยนต์ ดำรงตำแหน่งเป็น Country Head ของบริษัท เอสที เทเลมีเดีย โกลบอล ดาต้าเซ็นเตอร์ (ประเทศไทย) จำกัด หรือ STT GDC Thailand มีหน้าที่รับผิดชอบภาพรวมธุรกิจ เสริมสร้างความแข็งแกร่งของแบรนด์ STT GDC ในตลาด ร่วมมือกับลูกค้ารายสำคัญ พร้อมส่งมอบคุณค่าและการเติบโตให้กับธุรกิจดาต้าเซ็นเตอร์ของบริษัทฯ ในประเทศไทย คุณบุศรินทร์มีประสบการณ์การทำงานที่ประสบความสำเร็จเป็นที่ประจักษ์มานานกว่า 20 ปี พร้อมมีความเชี่ยวชาญในด้านการบริหารธุรกิจเชิงพาณิชย์ การลงทุน การดำเนินงาน และการวางแผนเชิงยุทธ์ศาสตร์ในธุรกิจดาต้าเซ็นเตอร์

ก่อนเข้าร่วมงานกับ STT GDC Thailand เคยทำงานให้กับ TCC Technology เป็นเวลาถึง 20 ปี โดยเป็นผู้ร่วมก่อตั้งธุรกิจดาต้าเซ็นเตอร์, ธุรกิจ SAP Managed Hosting สำหรับ TCC Group, ธุรกิจเครือข่ายการเชื่อมต่อ (จัดตั้งอินเทอร์เน็ตเกตเวย์และเครือข่ายระดับเมืองเชื่อมต่อโครงการด้านอสังหาริมทรัพย์ของ TCC Group) และยังเป็นคณะกรรมการที่จัดตั้งระบบจัดซื้อจัดจ้างสำหรับ TCC Group และมีตำแหน่งสุดท้ายเป็นผู้อำนวยการทั่วไปของ TCC Technology 

คุณบุศรินทร์สำเร็จการศึกษาระดับปริญญาโทด้านวิทยาศาสตร์ สาขาการจัดการระบบสารสนเทศ จากมหาวิทยาลัยบัลติมอร์ ประเทศสหรัฐอเมริกา และระดับปริญญาตรีบริหารธุรกิจ เอกการเงิน จากมหาวิทยาลัยธรรมศาสตร์

STT GDC Finds 78% of Thai Organisations Are AI Builders, but None Have Reached Leader Status

Thai organisations are moving beyond AI experimentation, but most have yet to scale the technology across their operations. Research from ST Telemedia Global Data Centres, or STT GDC, found that 78% of surveyed organisations have reached the “Builder” stage, while none qualified as a “Leader.” Fewer than 10% were considered ready to support AI workloads efficiently.

The findings come from the Mind the Gap: Bridging the AI Infrastructure Readiness Divide report, which surveyed 60 leading organisations and digital-native companies in Thailand. The results highlight a gap between growing AI adoption and the ability to turn pilot projects into production-scale business operations.

Busarin Pradityanon, Country Head of STT GDC Thailand, said Thailand’s AI ambitions are already clear. The next challenge is turning that commitment into systems that can operate continuously, securely and across entire organisations.

Data from depa, presented at STT GDC’s Practical Insights Bangkok event, estimates that Thailand’s digital industry will reach THB 2.9 trillion by the end of 2026, equivalent to around 15% of the country’s GDP. This growth is expected to accelerate demand for cloud and data centre capacity.

Budget constraints and uncertainty over measurable returns remain major obstacles. The study found that 57% of Thai business leaders identified limited budgets and difficulties measuring return on investment as their biggest challenges. At the same time, 76% of organisations allocate less than 5% of their IT budgets to AI.

STT GDC argues that AI creates meaningful value when it is integrated into core business processes. Examples from banking, financial services and insurance include managing cash availability in ATMs, reducing land valuation times from several days to minutes and detecting mule accounts before losses occur.

AI governance is another critical factor. Organisations with clearly defined governance frameworks can allow teams to innovate within safe boundaries while reducing the risks associated with Shadow AI, regulatory breaches and reputational damage.

Infrastructure readiness remains a significant gap. Although 50% of Thai organisations have invested in high-performance AI hardware such as GPUs, only 15% have begun adopting liquid cooling, despite modern AI workloads requiring significantly higher power density and heat management capabilities.

Production-scale AI therefore requires infrastructure designed for expansion from the beginning. This includes sufficient power and cooling capacity, high-density architecture and hybrid environments that connect on-premise systems, colocation facilities and cloud platforms to improve flexibility, support data sovereignty and optimise AI performance.

“Thailand’s AI leadership will not be measured by the number of pilot projects launched, but by the ability to turn AI technology into measurable and sustainable business outcomes,” Busarin said.

Organisations can access the full AI Infrastructure Readiness report and complete the assessment to identify the infrastructure, governance and investment gaps that must be addressed before moving from experimentation to enterprise-scale deployment.

อ่าน: 225

Comments

comments