26/06/2026
ห้องปฏิบัติการทดสอบซอฟต์แวร์ SQUAT ขอบข่ายการทดสอบ AI Testing ถือเป็นอีกหนึ่งฟันเฟืองสำคัญในการสร้างความเชื่อมั่นให้กับเทคโนโลยี AI ภายในประเทศ
เปิดบทเรียน 4 ปี AI แห่งชาติ
เมื่อไทยต้องเลิก 'นำเข้า' แล้วหันมา 'สร้าง' เพื่อลดช่องว่างความเหลื่อมล้ำ
🔑Key Message: สรุปหัวใจสำคัญของยุทธศาสตร์ AI ไทย
• เปลี่ยนผ่านจากผู้ใช้สู่ผู้สร้าง: แม้อันดับความพร้อมด้าน AI ของไทยจะพุ่งสูงขึ้น แต่บทเรียนราคาแพงคือการใช้งบประมาณมหาศาลไปกับโครงการเชิงกลยุทธ์ที่ต้อง 'นำเข้า' เทคโนโลยีจากต่างประเทศ ไทยจึงต้องเร่งสร้างโครงสร้างพื้นฐานของตนเอง ทั้งซูเปอร์คอมพิวเตอร์และโมเดลภาษาไทย เพื่อลดต้นทุนและพึ่งพาตัวเองให้ได้จริง
• อุดรอยรั่วด้วยคนและดาต้า: ความสำเร็จของ AI ไม่ได้วัดกันที่อัลกอริทึมเท่านั้น แต่คือการมี 'กำลังคน' ที่มีทักษะสูงกว่าหมื่นคน และการจัดการ 'โครงสร้างข้อมูล' ในอุตสาหกรรมหลักที่ยังเป็นปัญหาคอขวด โดยเฉพาะในภาคเกษตรและท่องเที่ยวที่ข้อมูลยังกระจัดกระจาย
• AI ที่สัมผัสได้จริง: การก้าวข้ามจากงานวิจัยสู่การใช้งาน (Implementation) คือหัวใจสำคัญ ผ่านการตั้งห้องปฏิบัติการทดสอบมาตรฐาน (AI Testing Lab) และการพัฒนา Agent AI ภาครัฐ เพื่อเชื่อมต่อบริการจากหน่วยงานต่างๆ ให้ประชาชนเข้าถึงได้ในจุดเดียว
ตลอด 4 ปีของการขับเคลื่อนแผน AI แห่งชาติ ประเทศไทยมีทั้งความสำเร็จและบทเรียนสำคัญที่ต้องนำมาทบทวน ประสบการณ์เหล่านี้ถูกนำมาถอดบทเรียน โดย ดร.ชัย วุฒิวิวัฒน์ชัย ผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (เนคเทค - สวทช.) บรรยายในหัวข้อ "From AI Impact to Roadmap: A Step-by-step Guide from Visioning to Implementation" ภายใต้การอบรมเชิงปฏิบัติการ "AI Visionaries Program - Strategy & Governance Master Class" เพื่อเป็นแนวทางให้บุคลากรระดับนโยบายจากกลุ่มประเทศกำลังพัฒนา นำไปปรับใช้กำหนดยุทธศาสตร์ AI ระดับชาติต่อไป จัดโดย สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ณ โรงแรมเดอะ
ควอเตอร์ เจ้าพระยา บาย ยูเอชจี กรุงเทพฯ เมื่อวันที่ 23 มิถุนายน ที่ผ่านมา
[เบื้องหลังอันดับโลก กับความท้าทายเรื่อง R&D]
ดร.ชัย เล่าว่า ประเทศไทยเริ่มยกร่างยุทธศาสตร์ AI มาตั้งแต่ 3 ปีก่อนการประกาศใช้อย่างเป็นทางการในปี พ.ศ. 2565 ซึ่งเป็นปีเดียวกับที่กระแส Generative AI เริ่มเติบโตทั่วโลก การมีวิสัยทัศน์ล่วงหน้าส่งผลให้อันดับความพร้อมด้าน AI ของรัฐบาลไทย (Government AI Readiness Ranking) โดย Oxford Insights ขยับจากอันดับ 60 ในปี พ.ศ. 2563 ขึ้นมาอยู่ที่อันดับ 31 ในปี พ.ศ. 2565
อย่างไรก็ตามคะแนนในหมวดเทคโนโลยี (Technology Sector) ยังคงเป็นจุดที่มีคะแนนต่ำที่สุด สะท้อนให้เห็นความท้าทายในการพัฒนาเทคโนโลยีภายในประเทศ อีกทั้งเมื่อกางข้อมูลงบประมาณช่วงปี พ.ศ. 2565-2567 พบว่า งบประมาณด้านวิจัยและพัฒนามีจำนวน 415 โครงการ ใช้งบรวม 2,086 ล้านบาท ขณะที่โครงการเชิงกลยุทธ์ (Strategic Projects) จำนวน 651 โครงการ มีงบประมาณรวม 41,301 ล้านบาท ดร.ชัย ตั้งข้อสังเกตว่า "เรามีเทคโนโลยีที่อยู่ระหว่างการพัฒนาอีกมาก แต่เราใช้งบประมาณจำนวนมากไปกับโครงการเชิงกลยุทธ์ ซึ่งหมายความว่าเรานำเข้าเทคโนโลยีจำนวนมากจากต่างประเทศ"
[อุดช่องโหว่กำลังคน ดึง AI พลิกโฉมการศึกษา]
ปัญหาเรื่อง 'กำลังคน' ยังคงเป็นความท้าทายสำคัญในการขับเคลื่อน AI ของไทย ท่ามกลางความต้องการของตลาดที่เติบโตอย่างรวดเร็ว เพื่อเร่งอุดช่องโหว่นี้ ภาครัฐและเครือข่ายพันธมิตร นำโดยสมาคมปัญญาประดิษฐ์ประเทศไทย (AIAT) จึงร่วมกันขับเคลื่อนค่ายพัฒนาทักษะ AI ขั้นสูง Super AI Engineer ซึ่งสามารถพัฒนากำลังคนเข้าสู่ระบบนิเวศ AI ของประเทศได้แล้วกว่า 10,000 คน ควบคู่ไปกับการวางรากฐานระยะยาวในระบบการศึกษา โดยกระทรวง อว. ได้ออกประกาศแนวนโยบายให้สถาบันอุดมศึกษาทั่วประเทศ บูรณาการเทคโนโลยี AI เข้าสู่หลักสูตรการเรียนการสอน เพื่อเร่งผลิตบัณฑิตให้พร้อมตอบสนองความต้องการของภาคอุตสาหกรรมอย่างยั่งยืน
ดร.ชัย ยังกล่าวถึงศักยภาพของ AI ในการพลิกโฉมกระบวนการเรียนการสอน โดยเฉพาะการปลดล็อกข้อจำกัดของการเรียนแบบ Active Learning ที่ในครูหนึ่งคนอาจไม่สามารถดูแลนักเรียนที่แบ่งกลุ่มย่อยได้อย่างทั่วถึง ปัจจุบัน AI สามารถทำหน้าที่เสมือน "ผู้ช่วยสอน" ที่สามารถตอบคำถามและเก็บข้อมูลประวัติการเรียนรู้ของนักเรียนแต่ละคนได้ ข้อมูลเหล่านี้จะช่วยให้ครูผู้สอนเข้าใจระดับพัฒนาการของเด็กเป็นรายบุคคลได้อย่างแม่นยำและมีประสิทธิภาพมากขึ้น (ข้อมูลเพิ่มเติม https://www.ai.in.th/aiforuni/)
[ท่องเที่ยว-เกษตรกรรม ปรับตัวช้า เหตุขาด Data Infrastructure]
ความพร้อมในการประยุกต์ใช้ AI ในแต่ละอุตสาหกรรมเป้าหมายของไทยยังมีความเหลื่อมล้ำ โดยอุตสาหกรรมที่อยู่ในกลุ่มที่ประยุกต์ใช้จริงแล้ว คือ การเงิน โลจิสติกส์ และการแพทย์ ซึ่งในภาคการแพทย์มีการจัดตั้งเครือข่ายความร่วมมือด้านปัญญาประดิษฐ์ทางการแพทย์ (Medical AI Consortium) ที่ประสบความสำเร็จในการรวบรวมข้อมูลภาพทางการแพทย์กว่า 3 ล้านรายการ และนำไปสู่การพัฒนาโมเดล AI ที่ผ่านการรับรองมาตรฐานเพื่อใช้งานจริง
ในทางกลับกันภาคการท่องเที่ยวและเกษตรกรรม ซึ่งถือเป็นอุตสาหกรรมหลักที่มีสัดส่วน GDP สูง แต่กลับเป็นกลุ่มที่ปรับใช้ AI ได้ช้า ดร.ชัย อธิบายถึงอุปสรรคในภาคการท่องเที่ยวว่าเกิดจากการขาดโครงสร้างข้อมูลที่เชื่อมโยงกัน ทำให้ต้องพึ่งพาเทคโนโลยีและแพลตฟอร์มจากต่างประเทศเป็นหลัก ส่งผลให้ข้อมูลสำคัญกระจัดกระจายอยู่ในหน่วยงานต่าง ๆ และมีปริมาณไม่เพียงพอต่อการนำไปวิเคราะห์ สำหรับภาคเกษตรกรรมนั้น ถือเป็นความท้าทายในเชิงโครงสร้างที่ต้องอาศัยการเปลี่ยนผ่านสู่เกษตรกรรุ่นใหม่ ซึ่งมีความคุ้นเคยกับเครื่องมือดิจิทัลและเป็นหัวใจสำคัญในการนำเทคโนโลยีไปประยุกต์ใช้เพื่อยกระดับผลผลิตในระยะยาว
[เร่งเครื่อง Infrastructure ปั้น AI สัญชาติไทย ลดพึ่งพาต่างชาติ]
ยุทธศาสตร์ระยะยาวในการลดพึ่งพาเทคโนโลยีต่างประเทศ คือ การสร้างโครงสร้างพื้นฐาน (Infrastructure) ของประเทศให้เข้มแข็ง หัวใจสำคัญ คือ ระบบซูเปอร์คอมพิวเตอร์ "LANTA" ภายใต้การดำเนินงานของ ThaiSC สวทช. ซึ่งเป็นขุมพลังสำคัญในการพัฒนาโมเดลภาษาขนาดใหญ่ระดับประเทศ หรือ "Thai LLM" เปิดให้ใช้งานแบบ Open-source โดยความร่วมมือระหว่างพันธมิตรรัฐและเอกชน ภายใต้การสนับสนุนจากกองทุนพัฒนาดิจิทัลเพื่อเศรษฐกิจและสังคม กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม
“การมีระบบประมวลผลภายในประเทศไม่เพียงแต่ช่วยประหยัดงบประมาณในการเทรนโมเดลภาษาไทยและโมเดล AI ทางการแพทย์ แต่ยังสามารถต่อยอดไปสู่การเป็นโครงสร้างพื้นฐานที่ช่วยลดต้นทุนให้แก่กลุ่มสตาร์ตอัปไทยได้อย่างมหาศาล” ดร.ชัย กล่าว นอกจากนี้การมี Foundation Model ที่แข็งแกร่ง เปิดทางให้ภาคธุรกิจและหน่วยงานต่าง ๆ สามารถนำไปต่อยอดเป็นโมเดลเฉพาะทาง (Fine-tuned Specific Models) ได้ทันที เช่น OpenThaiGPT โดย AIEAT, Pathumma (ปทุมมา) สำหรับให้บริการภาครัฐ โดย เนคเทค สวทช., Typhoon สำหรับภาคการเงิน โดย SCB 10X และ THaLLE โดย KBTG
ดร.ชัย ขยายความต่อไปว่า หัวใจสำคัญไม่ได้มีเพียงแค่การพัฒนา Foundation Model เท่านั้น แต่เป้าหมายสำคัญที่ต้องทำควบคู่กันไป คือ การนำเทคโนโลยีเหล่านี้มาบูรณาการเพื่อยกระดับบริการภาครัฐให้ประชาชนใช้งานได้จริง ปัจจุบัน เนคเทค สวทช. ร่วมมือกับสำนักงานคณะกรรมการพัฒนาระบบราชการ (ก.พ.ร.) และ สำนักงานพัฒนารัฐบาลดิจิทัล (องค์การมหาชน) (สพร.) พัฒนาระบบ Agent AI ภาครัฐ เพื่อเป็นศูนย์กลางเชื่อมโยงฐานข้อมูลความรู้จากหน่วยงานรัฐเข้าด้วยกัน โดยปัจจุบันสามารถเชื่อมต่อบริการจาก 5 หน่วยงานหลัก ได้แก่ กรมสรรพากร กรมคุ้มครองสิทธิ์ กรมการปกครอง กรมที่ดิน และสำนักงานคณะกรรมการอาหารและยา (อย.) เพื่ออำนวยความสะดวกให้ประชาชนสามารถเข้าถึงบริการของรัฐผ่านจุดเดียวได้อย่างรวดเร็ว
[กางมาตรวัด AI สร้าง Benchmark การันตีนวัตกรรมไทย]
การจัดตั้งห้องปฏิบัติการทดสอบมาตรฐาน AI (AI Testing Laboratory) ตามมาตรฐานสากล ISO/IEC 17025 ถือเป็นอีกหนึ่งฟันเฟืองสำคัญในการสร้างความเชื่อมั่นให้กับเทคโนโลยี AI ภายในประเทศ “การมีโครงสร้างพื้นฐานด้านการตรวจสอบมาตรฐาน ไม่เพียงแต่ช่วยลดการพึ่งพาการส่งโมเดล AI ไปทดสอบในต่างประเทศ แต่ยังเป็นการรับรองความปลอดภัยและคุณภาพของนวัตกรรมไทย เพื่อให้พร้อมต่อการนำไปใช้งานจริงและสร้างความเชื่อมั่นให้กับผู้บริโภคในระดับสากล” ดร.ชัย กล่าวเสริม นอกจากนี้ เนคเทค สวทช.ยังได้ริเริ่มโครงการทดสอบประเมินสมรรถนะ AI Benchmark เพื่อเร่งให้เกิดการพัฒนาโมเดล AI ใหม่ที่มีคุณภาพและได้มาตรฐานในระบบนิเวศของไทย
[ถอดบทเรียน สู่ก้าวต่อไปของแผน AI แห่งชาติ]
จากการขับเคลื่อนแผน AI แห่งชาติที่ผ่านมา ดร.ชัย ได้สรุป 3 บทเรียนสำคัญเพื่อส่งต่อองค์ความรู้และแนวทางปฏิบัติให้บุคลากรระดับนโยบายจากกลุ่มประเทศกำลังพัฒนาสามารถนำไปประยุกต์ใช้ในการกำหนดยุทธศาสตร์ AI ของตนเองดังนี้ (1) การพัฒนากำลังคน (Workforce Development) สร้างบุคลากรให้มีความพร้อมเป็นรากฐานที่ต้องดำเนินไปอย่างต่อเนื่องและยั่งยืน (2) การผลักดันโครงการสำคัญระดับประเทศ (National Significance) สร้างโครงการที่มีผลกระทบสูงและวางกระบวนการที่ยั่งยืน เพื่อให้การขับเคลื่อนนโยบายเกิดผลลัพธ์ที่เป็นรูปธรรม (3) การลงทุนโครงสร้างพื้นฐาน (Infrastructure Investment) ลงทุนทั้งในส่วนของฮาร์ดแวร์และซอฟต์แวร์ ซึ่งเป็นหัวใจสำคัญในการปลดล็อกขีดจำกัดทางเทคโนโลยีของประเทศ
