SAS และ IDC เผยรายงาน Data and AI Impact Report ชี้เอเชียตะวันออกเฉียงใต้ทำคะแนน Trustworthy AI เหนือเกณฑ์โลกครบ 5 มิติ แต่โครงสร้างพื้นฐาน Governance และ ROI ยังตามไม่ทัน
รายงานฉบับใหม่จาก SAS พร้อมด้วยผลวิจัยเชิงลึกจาก IDC เปิดเผยกลยุทธ์เบื้องหลังความสำเร็จขององค์กรที่กำลังก้าวขึ้นนำในศึกทำกำไรจากการลงทุนด้าน AI นั่นคือการนำมาตรการ AI ที่มีความน่าเชื่อถือมาประยุกต์ใช้ เอเชียตะวันออกเฉียงใต้ได้ก้าวขึ้นเป็นภูมิภาคที่โดดเด่นที่สุดในด้าน AI ที่มีความน่าเชื่อถือ โดยทำคะแนนเกินเกณฑ์มาตรฐานระดับโลกในทั้ง 5 มิติด้านความน่าเชื่อถือ พร้อมทั้งเร่งนำระบบ AI แบบอัตโนมัติมาปรับใช้เพิ่มขึ้นอย่างรวดเร็ว ความก้าวหน้าครั้งนี้มีความสำคัญยิ่ง เนื่องจากรายงานประจำปีของ Data and AI Impact Report: The New Economics of Trust ครั้งที่ 2 พบว่าองค์กรที่ลงทุนในมาตรการ AI ที่มีความน่าเชื่อถือมีแนวโน้มที่จะมีผลตอบแทนจากการลงทุน (ROI) ที่แข็งแกร่งหรืออยู่ในระดับสูงมากกว่าถึง 15 เท่า
ช่องว่างของความน่าเชื่อถือหรือ “Trust gap” หมายถึงความแตกต่างระหว่างสิ่งที่ผู้คนเชื่อว่า AI สามารถทำได้อย่างน่าเชื่อถือกับสิ่งที่ AI สามารถพิสูจน์ให้เห็นได้อย่างประจักษ์ว่าสามารถทำงานได้อย่างน่าเชื่อถือและปลอดภัยจริง ๆ ซึ่งสร้างทั้งความเสี่ยงและโอกาสให้กับองค์กรต่างๆ ดัชนีความน่าเชื่อถือ (Trustworthiness Index) ของเอเชียตะวันออกเฉียงใต้ปรับตัวสูงขึ้น 8.8 จุด สู่ระดับ 66.5 ในปี 2569 ในขณะที่ช่องว่างแห่งความไว้วางใจลดระดับลงจาก 14.6 จุด เหลือเพียง 6.6 จุด ภูมิภาคนี้จึงเป็นตลาดเดียวในงานวิจัยที่ทำผลงานได้เหนือกว่าเกณฑ์มาตรฐานระดับโลกในทุก ๆ มิติของ AI ด้านความน่าเชื่อถือ ส่งผลให้องค์กรในเอเชียตะวันออกเฉียงใต้มีความได้เปรียบอย่างมากในการสร้างผลประโยชน์ทางธุรกิจที่มาพร้อมกับ AI ที่มีความน่าเชื่อถือมากยิ่งขึ้น อย่างไรก็ตาม ผลการศึกษาได้เน้นย้ำถึงสิ่งสำคัญที่ต้องทำในขั้นถัดไป นั่นก็คือการสร้างความมั่นใจว่า โครงสร้างพื้นฐาน การกำกับดูแลอย่างต่อเนื่อง และผลลัพธ์ทางธุรกิจที่วัดผลได้นั้นจะสามารถเติบโตได้ทันกับความมุ่งมั่นด้าน AI ที่มีอยู่
คุณ Bryan Harris ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ SAS กล่าวว่า “เมื่อ AI ทำงานได้เต็มประสิทธิภาพ มันจะสร้างผลลัพธ์อันทรงพลัง อย่างไรก็ตาม เป็นที่ประจักษ์ชัดว่าเอเจนต์ล้ำสมัยอาจมีอัตราความผิดพลาดสูงในงานที่มีความซับซ้อนถึงกว่า 25% ซึ่งถือเป็นระดับที่ไม่สามารถยอมรับได้หากเป็นการตัดสินใจที่มีเดิมพันสูง เพื่อให้เกิดความแม่นยำและความสามารถในการทำซ้ำ (Repeatability) องค์กรควรต้องผสานรวมความเชี่ยวชาญเฉพาะทางเข้ากับเวิร์กโฟลว์ของเอเจนต์ พร้อมทั้งให้มนุษย์เป็นศูนย์กลางของการกำกับดูแลและการตรวจสอบทั้งหมด หากองค์กรใดสามารถทำได้ทั้งหมดทุกอย่างที่กล่าวมา ก็จะสามารถปิดช่องว่างแห่งความน่าเชื่อถือและได้เปรียบสนามแข่งด้วยการใช้เทคโนโลยี AI ได้”
คุณ Deepak Ramanathan รองประธานฝ่าย Customer Advisory ของ SAS กล่าวว่า “องค์กรในเอเชียตะวันออกเฉียงใต้ที่มุ่งลงทุนในการสร้างขีดความสามารถให้ AI จะอยู่ในจุดที่ได้เปรียบกว่าในการสร้างความไว้วางใจและขึ้นเป็นผู้นำในตลาดที่ขับเคลื่อนด้วย AI ความท้าทายขั้นต่อไปของภูมิภาคนี้จึงเป็นการเปลี่ยนประเด็นด้านความน่าเชื่อถือให้กลายเป็นผลลัพธ์ที่วัดผลได้จริง ความสามารถในการอธิบายความโปร่งใสของระบบหรือคุณสมบัติ Explainability จะยิ่งทวีความสำคัญมากขึ้นเมื่อ AI แบบอัตโนมัติขยายตัวในกว้างขึ้น และด้วยระบบวิเคราะห์ขั้นสูง เราจะสามารถเข้าใจถึงวิธีการใช้งาน AI ทั่วทั้งองค์กร ทราบถึงจุดที่อาจมีความเสี่ยง และเข้าใจข้อกำหนดนโยบายเกี่ยวกับการนำไปใช้งาน ช่วยให้ผู้นำสามารถขับเคลื่อนงานได้รวดเร็วยิ่งขึ้นพร้อมทั้งยังคงควบคุมสิ่งที่ถูกนำไปปรับใช้ได้อยู่”
คุณ Chris Marshall รองประธานจาก IDC กล่าวว่า “ในขณะที่ AI ทำงานได้แบบอัตโนมัติมากขึ้น องค์กรต่างกำลังเผชิญกับความท้าทายครั้งใหม่ นั่นคือการรักษาความเชื่อถือในระบบที่ผู้คนยังไม่เข้าใจอย่างถ่องแท้ ผลการศึกษาของเรายังแสดงให้เห็นว่า การกำกับดูแลที่เข้มข้นขึ้น ความสามารถในการอธิบายระบบ ความรับผิดชอบ และรากฐานข้อมูลที่แข็งแกร่งกำลังกลายเป็นคุณสมบัติเบื้องต้นในการยกระดับการใช้งาน AI ให้ประสบความสำเร็จ”
ช่องว่างด้านบริบทและความเข้าใจส่งผลให้มนุษย์ต้องเข้าแทรกแซง
นักวิจัยพบว่า ในหลายองค์กร พนักงานมีความลังเลที่จะพึ่งพาระบบที่อาจจะหรือไม่สามารถให้ผลลัพธ์ที่ถูกต้องหรือไม่สามารถอธิบายวิธีที่ AI ใช้ในตัดสินใจขั้นสุดท้ายได้เพิ่มมากขึ้น ในขณะที่ AI มีความเป็นอิสระมากขึ้น ความรับผิดชอบและความเสี่ยงนี้ก็เพิ่มสูงขึ้นเช่นกัน ทำให้ความสามารถในการอธิบายระบบกลายเป็นสิ่งสำคัญยิ่งต่อความสำเร็จ
รายงานดังกล่าวยังครอบคลุมถึงประเด็นอุปสรรคที่ฉุดรั้งความสำเร็จในการนำ AI มาใช้งาน นั่นก็คือพนักงานไม่ไว้ใจเรื่องการตัดสินใจของ AI ส่งผลให้พวกเขาต้องเข้าแทรกแซง ลบล้าง และเข้าไปแก้ไขด้วยตนเอง ในเอเชียตะวันออกเฉียงใต้ สาเหตุหลัก ๆ ที่ทำให้พนักงานไม่เชื่อคำแนะนำของ AI ได้แก่ คำอธิบายที่ไม่เพียงพอ (37.8%) และการขาดความเข้าใจบริบทตามสถานการณ์ (37%) สิ่งนี้จะคอยซ้ำเติมปัญหาการขาดความน่าเชื่อถือของ AI และอาจทำให้องค์กรต้องสูญเสียเวลา ประสิทธิภาพการทำงาน และความสามารถในการทำกำไร ในเมื่อการตัดสินใจของ AI จะดีได้นั้นต้องใช้ข้อมูลพื้นฐานที่มีคุณภาพสูง การสร้างรากฐานข้อมูลที่แข็งแกร่งจึงกลายเป็นสิ่งสำคัญยิ่งสำหรับองค์กรที่ต้องการลดอัตราการที่มนุษย์ต้องเข้าไปแทรกแซงแก้ไขงานของ AI
ความก้าวหน้าที่เกิดขึ้นในทุกมิติแห่งความน่าเชื่อถือ
ดัชนีความน่าเชื่อถือของภูมิภาคปรับตัวเพิ่มขึ้นจาก 57.7 ในปี 2568 สู่ระดับ 66.5 ในปี 2569 ในขณะที่ความเชื่อถือเชิงประจักษ์ยังคงทรงตัวอยู่ในระดับกว้างที่ 73.1 หมายความว่าช่องว่างแห่งความไว้วางใจที่ลดลงนั้นมาจากขีดความสามารถที่แข็งแกร่งขึ้น ไม่ใช่เป็นการลดความคาดหวังลง
โดยมิติทั้ง 5 ด้านได้ปรับตัวดีขึ้นทั้งหมด ไม่ว่าจะเป็น
- คุณภาพและการกำกับดูแลข้อมูล : 66.7 เพิ่มขึ้น 10.7 จุด
- การกำกับดูแลและการตรวจสอบโมเดล : 64.2 เพิ่มขึ้น 14 จุด
- ความสามารถในการอธิบายและความยุติธรรม : 63.7 เพิ่มขึ้น 6.5 จุด
- นโยบาย AI ที่มีความรับผิดชอบ : 71.2 เพิ่มขึ้น 9.8 จุด
- การตรวจสอบบัญชีและความรับผิดชอบ : 70.5 เพิ่มขึ้น 11.3 จุด
ความมุ่งมั่นในการใช้งาน AI กำลังเติบโตแซงหน้าโครงสร้างพื้นฐาน
แม้จะความน่าเชื่อถือและความพร้อมของ AI จะพุ่งตัวสูงขึ้น แต่โครงสร้างพื้นฐานของภูมิภาคกลับพัฒนาไปในอัตราที่ช้ากว่า
ความมุ่งมั่นด้าน AI กำลังเติบโตแซงหน้าความพร้อมของโครงสร้างพื้นฐาน โดยความพร้อมของ AI ขั้นสูงเพิ่มขึ้นถึง 20.5 จุด ในขณะที่ความพร้อมของโครงสร้างพื้นฐานเพิ่มขึ้นเพียง 4.1 จุดเท่านั้น ช่องว่างด้านโครงสร้างพื้นฐานที่มีศักยภาพนี้เป็นสิ่งที่ต้องจับตามองเป็นพิเศษ ในขณะที่องค์กรต่างกำลังก้าวไปสู่การใช้งาน Agentic AI ความมุ่งมั่นในการลงทุนก็กำลังเพิ่มสูงขึ้น โดย 65.6% มีแผนที่จะเพิ่มงบประมาณด้าน AI เล็กน้อยในช่วง 12 เดือนข้างหน้า และ 14.8% วางแผนที่จะเพิ่มขึ้นอย่างมาก
ความน่าเชื่อถือที่เพิ่มสูงขึ้นยังไม่ส่งผลให้เกิดผลตอบแทนจากการลงทุน (ROI) ที่สูงขึ้น
ดัชนีความน่าเชื่อถือของเอเชียตะวันออกเฉียงใต้ปรับตัวดีขึ้นอย่างมีนัยสำคัญ แต่ดัชนีผลลัพธ์กลับแทบไม่เปลี่ยนแปลง โดยลดลงเล็กน้อยจาก 58.3 สู่ระดับ 58.0
สัดส่วนองค์กรที่ระบุว่าได้รับผลตอบแทนจากการลงทุน (ROI) ที่คุ้มค่าและอยู่ในระดับสูง ก็ปรับตัวลดลงจาก 36.7% เหลือ 28.7% เช่นกัน บ่งชี้ว่าเม็ดเงินที่ทุ่มลงไปกับ AI ที่น่าเชื่อถือยังไม่สามารถตีเป็นกำไรทางธุรกิจที่จับต้องและวัดผลได้อย่างสม่ำเสมอ นอกจากนี้ งานวิจัยชิ้นนี้ตอกย้ำภาพที่ชัดเจนขึ้นเรื่อย ๆ ในระดับโลกว่า ความน่าเชื่อถือไม่ใช่แค่เรื่องของระเบียบข้อบังคับหรือธรรมาภิบาลทั่วไปอีกต่อไป แต่เป็นหัวใจสำคัญที่จะช่วยปลดล็อกให้องค์กรสามารถนำ AI ไปใช้จริง ยกระดับการทำงาน และสร้างมูลค่าทางธุรกิจได้อย่างเต็มเม็ดเต็มหน่วย
การกำกับดูแลต้องตามให้ทันกับการปรับใช้ AI
ความก้าวหน้าด้านการกำกับดูแลของภูมิภาคนี้ก็มาพร้อมกับข้อพึงระวังเช่นกัน
ในขณะที่คะแนนด้านการตรวจสอบและความรับผิดชอบเพิ่มขึ้น 11.3 จุด สู่ระดับ 70.5 สัดส่วนขององค์กรที่ทำการตรวจสอบ AI หรือประเมินผลกระทบเป็นประจำกลับลดลงจาก 47.3% เหลือ 21.3% เมื่อ AI ทำงานได้อัตโนมัติมากขึ้น องค์กรจำเป็นต้องมีกรอบการกำกับดูแลควบคู่กับการตรวจสอบอย่างสม่ำเสมอ เพื่อให้มั่นใจว่าระบบ AI จะยังคงทำงานได้ตามวัตถุประสงค์ที่ตั้งไว้
เจาะลึกข้อมูลเพิ่มเติม
ผลการศึกษาดังกล่าวอ้างอิงจากการสำรวจระดับโลกจากผู้มีอำนาจตัดสินใจจำนวน 2,699 รายที่มีความรู้หรือมีอิทธิพลต่อโครงการด้านข้อมูลและ AI ของบริษัท
การสำรวจนี้จัดทำขึ้นใน 28 ประเทศ และครอบคลุม 4 อุตสาหกรรมหลัก ได้แก่ การธนาคาร ประกันภัย วิทยาศาสตร์ชีวภาพ และภาครัฐ รายงานได้เน้นย้ำถึงกรณีการใช้งานในอุตสาหกรรมและยังพบว่าผู้นำในแต่ละอุตสาหกรรมดังกล่าวทั่วโลกมีแนวทางในการจัดการกับ AI อย่างไร เอเชียตะวันออกเฉียงใต้ได้รับการรายงานในรูปแบบของการรวมคะแนนแบบถ่วงน้ำหนักซึ่งประกอบด้วย สิงคโปร์ มาเลเซีย และไทย โดยอ้างอิงจากผู้ตอบแบบสอบถามจำนวน 120 รายในปี 2568 และ 122 รายในปี 2569
โดยงานวิจัยได้พบสิ่งที่สำคัญดังต่อไปนี้
- ผู้นำในภาคธนาคารกำลังก้าวไปไกลมากกว่าแค่การปฏิบัติตามกฎระเบียบ โดยมองว่าการกำกับดูแล AI ที่รัดกุมคือความได้เปรียบทางการแข่งขันและความจำเป็นในการดำเนินงาน โดย 85% ของธนาคารที่เป็นผู้นำด้าน AI ได้จัดตั้งกรอบการกำกับดูแลแล้ว เทียบกับกลุ่มที่ล้าหลังซึ่งมีเพียง 29% เท่านั้น
- ร้อยละ 41 ของผู้นำในภาคภาครัฐกำลังเพิ่มการลงทุนใน AI ที่มีความน่าเชื่อถือมากกว่า 20% ในปีหน้า ซึ่งถือเป็นอัตราที่รวดเร็วเทียบเท่ากับองค์กรที่มีความมุ่งมั่นสูงสุดในทุก ๆ อุตสาหกรรม
- ร้อยละ 23 ขององค์กรด้านวิทยาศาสตร์ชีวภาพได้ประยุกต์ใช้งาน AI ไปทั่วทั้งบริษัทแล้ว ซึ่งถือเป็นสัดส่วนที่สูงที่สุดในบรรดาทุกอุตสาหกรรม
อ่านผลการศึกษาและดูรายงานฉบับเต็มได้ที่ sas.com/ai-impact
อะไรคือสิ่งที่ทำให้ AI มีความน่าเชื่อถือ?
AI ที่มีความน่าเชื่อถือ หรือ Trustworthy AI คือปัญญาประดิษฐ์ที่ได้รับการออกแบบให้มีความน่าเชื่อถือ มีความยุติธรรม ปลอดภัย เป็นไปตามมาตรฐานกฎระเบียบ และสามารถแสดงให้เห็นได้อย่างชัดเจนถึงวิธีการที่ใช้ในการตัดสินใจ ผู้ใช้งานและผู้มีอำนาจตัดสินใจในทุกระดับภายในองค์กรจะต้องสามารถตรวจสอบระบบ AI ภายในกรอบความรับผิดชอบที่ได้กำหนดไว้ หากผลลัพธ์ของ AI ที่ไม่ถูกต้องหรือไม่ครบถ้วน AI ทุกระบบจะต้องได้รับการกำกับดูแลและได้รับการพิสูจน์ว่าปฏิบัติตามกฎเกณฑ์ที่ชัดเจน
อะไรคือสิ่งที่ทำให้องค์กรกลายเป็นผู้นำด้าน AI ที่มีความน่าเชื่อถือ?
ในงานวิจัยนี้ จะมีการให้คะแนนองค์กรต่าง ๆ 100 คะแนนเต็มตามมิติทั้ง 5 ด้านของ AI ที่มีความน่าเชื่อถือ องค์กรที่เป็นผู้นำด้าน AI ที่มีความน่าเชื่อถือในรายงานฉบับนี้ คือองค์กรที่มีคะแนนรวมเฉลี่ยตั้งแต่ 80 คะแนนขึ้นไป
องค์กรแต่ละแห่งได้รับการประเมินคะแนนตามเกณฑ์ AI ที่มีความน่าเชื่อถือ 5 ประการดังต่อไปนี้
- คุณภาพและการกำกับดูแลข้อมูล
- การกำกับดูแลและการตรวจสอบโมเดล
- ความสามารถในการอธิบายและความยุติธรรม
- นโยบาย AI ที่มีความรับผิดชอบ
- การตรวจสอบบัญชีและความรับผิดชอบ
SAS and IDC Report Finds Southeast Asia Surpassing Global Benchmarks Across All Five Trustworthy AI Dimensions
The second edition of the Data and AI Impact Report: The New Economics of Trust, conducted by SAS with research from IDC, reveals that Southeast Asia has outperformed global benchmarks across all five dimensions of trustworthy artificial intelligence while accelerating the deployment of automated systems and Agentic AI. The study indicates that organizations investing in trustworthy AI measures are up to 15 times more likely to realize high returns on investment (ROI).
The Trustworthiness Index for Southeast Asia, calculated from weighted data across Singapore, Malaysia, and Thailand, increased by 8.8 points from 57.7 in 2025 to 66.5 in 2026, while the regional trust gap narrowed from 14.6 points to 6.6 points. All five evaluation dimensions showed progress: data quality and governance scored 66.7, model governance and monitoring reached 64.2, explainability and fairness stood at 63.7, responsible AI policies rose to 71.2, and auditability and accountability increased to 70.5.
However, the report highlights that underlying infrastructure and continuous governance are trailing AI ambitions. Advanced AI readiness advanced by 20.5 points, whereas infrastructure readiness gained only 4.1 points, even as 65.6% of organizations plan modest AI budget expansions and 14.8% plan significant budget increases over the next 12 months. Concurrently, the proportion of organizations regularly conducting AI audits or impact assessments dropped from 47.3% to 21.3%.
On business performance metrics, Southeast Asia’s outcome index dipped slightly from 58.3 to 58.0, and the share of organizations reporting high ROI fell from 36.7% to 28.7%. The findings also indicate that human intervention remains common due to system distrust, primarily caused by insufficient explanations at 37.8% and a lack of situational contextual understanding at 37%.
The global survey gathered responses from 2,699 decision-makers across 28 countries spanning banking, insurance, life sciences, and the public sector. Findings show that 85% of leading AI banks have implemented formal governance frameworks, 41% of public sector leaders plan to expand trustworthy AI investments by more than 20% next year, and 23% of life sciences enterprises have scaled AI deployments across their entire organizations.
