IBM ประกาศแผนธุรกิจ 4 ด้าน ชูก้าวใหม่ของการแข่งขันด้าน AI ในประเทศไทย

IBM ประเทศไทย ประกาศ 4 ปัจจัยสำคัญที่จะช่วยให้องค์กรก้าวนำในปฐมบทใหม่ของการแข่งขันด้าน AI ในประเทศไทย ในงานแถลงข่าว IBM Thailand’s Media Roundtable: The Next Frontier of AI Race in Thailand ที่ให้ข้อมูลเชิงลึกถึงสถานการณ์การใช้งาน AI ในภาคองค์กรเอกชนของไทยในปัจจุบัน เช่น ปัจจัยในการผนวก AI เข้ากับการดำเนินงานของธุรกิจ สาเหตุที่องค์กรลังเลที่จะใช้ AI ภายในองค์กร รวมถึงตัวอย่างองค์กรไทยที่ได้เริ่มนำ Generative AI เข้ามาใช้ในส่วนงานต่าง ๆ และทิศทางการดำเนินธุรกิจของ ไอบีเอ็ม ประเทศไทย ณ อินเตอร์คอนติเนนตัล กรุงเทพมหานคร

ข้อมูลเชิงลึกด้านการใช้งาน AI ในองค์กรธุรกิจไทย

ภายในงานแถลงข่าวได้มีการเปิดเผยรายงานของ IBM's Institute for Business Value องค์กรวิจัยด้านธุรกิจของ IBM ในเรื่องความคิดเห็นของผู้บริหารไทยและอาเซียน เกี่ยวกับการใช้งาน AI ระบุว่า ร้อยละ 45 ขององค์กรในอาเซียนยังไม่มีโครงสร้างพื้นฐานด้านเทคโนโลยีที่พร้อมรองรับ AI และเมื่อสำรวจความคิดเห็นของประธานเจ้าหน้าที่บริหาร หรือซีอีโอ (CEO) บริษัทในไทย กว่าร้อยละ 76 เห็นว่าความสำเร็จขององค์กรขึ้นอยู่กับคุณภาพของความร่วมมือระหว่างฝ่ายการเงินและฝ่ายเทคโนโลยี แต่มีเพียงร้อยละ 53 เท่านั้น ที่กำลังเดินหน้าทำงานร่วมกับฝ่ายการเงินเพื่อให้แน่ใจว่ากลยุทธ์มีความสอดคล้องกันและได้รับคุณค่าตามที่คาดหวัง แม้ว่าจะสูงกว่าค่าเฉลี่ยของอาเซียนที่ร้อยละ 44 ก็ตาม

นอกจากนี้ การสำรวจระบุว่า ร้อยละ 65 ของซีไอโอไทยมองว่า ความเสี่ยงเชิงเทคนิคและสถาปัตยกรรมด้านไอทีของตน มีส่วนเกี่ยวข้องกับพันธมิตรด้านเทคโนโลยีที่ตนใช้บริการอยู่ และร้อยละ 55 ของผู้บริหารด้านเทคโนโลยีในไทยกำลังชะลอการลงทุนด้านเทคโนโลยีอย่างน้อยหนึ่งโครงการ จนกว่าจะมีความชัดเจนมากขึ้นเกี่ยวกับมาตรฐานและกฎข้อบังคับต่าง ๆ  และร้อยละ 45 ของผู้บริหารด้านเทคโนโลยีไทยเปิดเผยว่า ความกังวลเกี่ยวกับกฎระเบียบและการปฏิบัติตามข้อบังคับที่มองว่าเป็นอุปสรรคต่อการนำ Gen AI มาใช้ในองค์กร ได้เพิ่มขึ้นภายในช่วง 6 เดือนที่ผ่านมา

ในขณะที่ สตาทิสตา (Statista) บริษัทด้านสถิติ คาดว่าในประเทศไทย มูลค่าตลาด Gen AI จะเติบโตถึง 179.5 ล้านดอลลาร์สหรัฐ หรือมากกว่า 6,200 ล้านบาท ในปี 2024 และจะเติบโตเฉลี่ยร้อยละ 46.48 ต่อปี จนมีขนาด 1,773 ล้านดอลลาร์สหรัฐ หรือกว่า 61,600 ล้านบาท ภายในปี 2030 และตามรายงาน Thailand Digital Technology Foresight 2035 ของ ดีป้า (DEPA) คาดว่าการใช้งาน AI ในประเทศไทยจะเพิ่มขึ้นเกินกว่าร้อยละ 50 ภายในปี 2030 จากเดิมร้อยละ 17 ในปี 2019 โดยตลาด AI ของไทยจะมีมูลค่าประมาณ 114,000 ล้านบาท ภายในปี 2030 และจะมีกว่า 300 การดำเนินการ หรือกรณีการใช้งาน (Use Case) ด้าน AI โดยเฉพาะในภาคการผลิต ประกันภัย ยานยนต์ และสาธารณสุข

กลยุทธ์ IBM ประเทศไทย สู่การผลักดันการใช้งาน AI ในองค์กรธุรกิจไทย

จากข้อมูลทั้งหมดที่ IBM ประเทศไทยรวบรวมและนำเสนอต่อสื่อมวลชน เป็นเหตุผลให้ภายในงานแถลงข่าวได้มีการเปิดเผยแผนกลยุทธ์บริษัทในปี 2025 ภายใต้แนวคิดปฐมบทใหม่ของการแข่งขันด้าน AI ในประเทศไทย หรือ The Next Frontier of AI Race in Thailand ซึ่ง IBM ประเทศไทย เชื่อว่าจะทำให้การแข่งขันด้านการนำ AI มาใช้ภายในองค์กรเพิ่มขึ้น โดยมี 4 ปัจจัยสนับสนุน ได้แก่

1) โมเดล AI แบบโอเพนซอร์ส (Open-source AI models)

โมเดล AI แบบโอเพนซอร์ส หรือรูปแบบโครงสร้าง AI ที่เปิดให้ใช้งาน พัฒนา และต่อยอดได้โดยไม่มีค่าใช้จ่ายที่ IBM พัฒนาขึ้นเอง จะทำให้องค์กรสามารถปรับแต่งให้ตรงกับความต้องการของธุรกิจตน โดยจะช่วยให้องค์กรลดความเสี่ยงจากปัญหาการไม่สามารถขยับหรือปรับเปลี่ยนผู้ให้บริการด้าน AI เนื่องจากปัญหาเรื่องโครงสร้างด้านไอที หรือที่เรียกว่าเวนเดอร์ล็อกอิน (Vendor Lock-in) และส่งเสริมให้เกิดนวัตกรรมที่ร่วมขับเคลื่อนต่อยอดโดยคอมมิวนิตีของนักพัฒนา (Developer Community) อย่างต่อเนื่อง ช่วยสนับสนุนกลยุทธ์ด้าน AI ที่เชื่อถือได้สำหรับทุกองค์กร 

2) รากฐานของข้อมูลที่เชื่อถือได้ (Trusted data foundation)

ก่อนจะสร้าง Gen AI ที่เชื่อถือได้สำหรับธุรกิจ องค์กรต้องมุ่งเน้นการสร้างรากฐานข้อมูลที่เปิดกว้างและเชื่อถือได้ รากฐานของข้อมูลแบบเปิดจะก่อให้เกิดความสามารถในการบูรณาการและจัดการข้อมูลได้อย่างไม่มีสะดุดในสภาพแวดล้อมแบบไฮบริดคลาวด์ (Hybrid-cloud) ช่วยให้เทคโนโลยีที่มีอยู่ทำงานร่วมกันได้ ลดปัญหาระบบแบบไซโล (Silo system) และเร่งการขับเคลื่อนการเปลี่ยนผ่านบนพื้นฐานของข้อมูล รากฐานด้านข้อมูลที่เชื่อถือได้จะทำให้องค์กรมั่นใจได้ว่าการจัดการข้อมูลและเมทาดาตาต่าง ๆ เพื่อทำอนาไลติกส์ (Analytics) หรือใช้กับ AI มีคุณภาพสูง มีความปลอดภัย และมีการกำกับดูแล ตอบโจทย์ด้านความเป็นส่วนตัวของข้อมูลและการปฏิบัติตามกฎข้อบังคับต่าง ๆ ได้

3) การยกระดับด้วยพื้นฐานธรรมาภิบาล (Scaling with governance)

ในขณะที่องค์กรหลายแห่งกำลังประสบความสำเร็จในการสเกลการใช้งาน AI จะมีธุรกิจมากขึ้นที่ตระหนักถึงความจำเป็นในการใช้โซลูชันและกรอบการกำกับดูแล AI governance เพื่อลดความเสี่ยง ลดอคติ และปฏิบัติตามกฎระเบียบที่กำลังเปลี่ยนแปลง หากไม่มี AI ที่รับผิดชอบและการกำกับดูแล AI องค์กรย่อมไม่สามารถขยายขอบเขตและยกระดับการใช้งาน AI โดยความไว้วางใจ เปรียบเสมือนใบอนุญาตในการดำเนินธุรกิจขององค์กร และองค์กรจะไม่สามารถปล่อยให้ความไว้วางใจถูกทำลายลงโดย AI

4) การผนวกรวมทั่วทั้งระบบนิเวศน์ (Ecosystem integrations)

IBM ประเทศไทย เชื่อว่าความสามารถในการผนวกรวมการใช้งาน AI ทั่วทั้งระบบขององค์กรจะสำคัญมากขึ้นในปี 2025 โดยการใช้งานโมเดล AI โอเพนซอร์สที่เพิ่มขึ้น จะนำสู่ความจำเป็นที่แพลตฟอร์มแอปพลิเคชันต่าง ๆ ต้องสามารถเชื่อมโยงกันได้อย่างง่ายดายกับโมเดลอื่น ๆ ในระบบนิเวศน์ด้านเทคโนโลยีขององค์กร สู่ความสามารถในการทำงานร่วมกันที่มากขึ้นของระบบต่าง ๆ ในองค์กร และการปรับตัวรับพัฒนาการใหม่ ๆ ด้าน AI ได้อย่างรวดเร็ว

กลยุทธ์ภายใต้โมเดล AI ใหม่ของ IBM

การประกาศกลยุทธ์ใหม่ของ IBM ประเทศไทยเกิดขึ้นต่อเนื่องจากการเปิดตัวโมเดล AI แกรนิต 3.0 (GRANITE 3.0) ของ IBM ซึ่งชูจุดเด่นว่าเป็นโมเดล AI ขนาดเล็กที่มีประสิทธิภาพสูง จากเดิมที่องค์กรมองว่าโมเดล AI ขนาดใหญ่ คือ AI ที่มีความสามารถมากกว่า แต่เทคโนโลยี LLM ที่มีขนาดใหญ่และมีความต้องการใช้พลังงานสูง อาจกลายเป็นภาระในระยะยาวขององค์กร ที่ต้องการทรัพยากรในการประมวลผลมากขึ้น ส่งผลให้เกิดความล่าช้า ต้นทุนค่าใช้จ่าย การใช้พลังงาน และผลกระทบต่อสิ่งแวดล้อมที่เพิ่มขึ้น แต่ GRANITE 3.0 ได้รับการออกแบบให้เทรนด้วยข้อมูลเฉพาะที่เกี่ยวข้องกับธุรกิจขององค์กร ซึ่ง IBM มองว่าจะตอบโจทย์การใช้งานและความต้องการที่เฉพาะเจาะจงของแต่ละองค์กร โดยเคลมว่าสามารถลดต้นทุนได้กว่าร้อยละ 97 เมื่อเทียบกับโมเดล LLM อื่น ๆ โดยมีตัวเลือกที่หลากหลายตามรูปแบบการใช้งาน เช่น การสรุปข้อมูล การวิเคราะห์แนวโน้มข้อมูล การผนวกรวมกับระบบอัตโนมัติ (Automation) 

IBM เปิดตัวโมเดล Granite 3.0 ภายใต้โมเดลสองขนาด คือ โมเดลแบบ 8B และ 2B โดย Granite 3.0 รุ่น 8B Instruct มีประสิทธิภาพเทียบเคียงได้กับโมเดลขนาดใกล้เคียงกันของ Meta และ Mistral ในการใช้กับภาระงานหลัก ๆ ขององค์กรเช่น Retrieval Augmented Generation และยังขึ้นนำในทุกมิติด้านความปลอดภัยเมื่อเทียบกับโมเดลของ Meta และ Mistral ตามเกณฑ์การเปรียบเทียบสมรรถนะของ AttaQ ในขณะเดียวกัน Granite 3.0 มีประสิทธิภาพสำหรับการใช้กับภาระงานที่เจาะจง (task-specific performance) เท่ากับโมเดลขนาดใหญ่ ในราคาที่ต่ำกว่า 3-23 เท่า ให้การรับประกันทางทรัพย์สินทางปัญญา (IP indemnity) บนแพลตฟอร์มวัตสันเอกซ์ (Watsonx.ai) เพื่อให้ลูกค้าองค์กรผนวกรวมข้อมูลของตนเข้ากับโมเดล Granite ได้โดยได้รับการคุ้มครองตามกฎหมาย

ความท้าทายราคาและคน กับกลยุทธ์ของ IBM

ทั้งนี้ ในช่วงการนำเสนอรายละเอียดโมเดล Granite 3.0 สื่อมวลชนที่ร่วมงานแถลงข่าวได้ซักถามเกี่ยวกับประเด็นเรื่องของการทำราคา โดยอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ ไอบีเอ็ม ประเทศไทย ให้ข้อมูลเพื่อความชัดเจนว่า แม้ว่าการให้ผู้พัฒนาจากเอกชนเข้ามาใช้ Granite 3.0 ได้ฟรี แต่การนำไปใช้งาน (Deploy) กับแพลตฟอร์มหรือระบบไอทีภายในบริษัทบนคลาวด์ทั้งผ่านแพลตฟอร์มของ IBM อย่าง Watsonx.ai หรือผู้ให้บริการอื่น ๆ ก็ยังคงมีค่าใช้จ่าย แต่จะสามารถทำราคาได้ดีขึ้น เนื่องจากต้นทุนการพัฒนาอย่างตัวโมเดล รวมถึงต้นทุนทางพลังงานในการใช้งานระบบ AI น้อยลง เพราะโมเดล Granite 3.0 ใช้ไฟฟ้าในการประมวลผลน้อยลง

ในขณะที่ TNN Tech ได้สอบถามว่า แผนกลยุทธ์ของ IBM ประเทศไทย จะสามารถทำลายกำแพงความพร้อมในด้านงบประมาณสำหรับลงทุนเปลี่ยนแปลงระบบ และทรัพยากรมนุษย์ที่มีทักษะในการใช้งาน ที่เป็นส่วนหนึ่งของสาเหตุหลักที่ทำให้บริษัทยังไม่เปลี่ยนผ่านระบบภายในองค์กรไปสู่การขับเคลื่อนด้วย AI ในปัจจุบัน ได้หรือไม่ ซึ่งได้คำตอบว่า "ผมว่ามันเป็นไปได้ด้วยการลดกำแพงลงเพราะทำให้ง่ายขึ้น ง่ายที่ว่านี้คือการทำให้ระบบทำงานบนโอเพนซอร์ส แล้วก็ Deploy บนระบบที่เชื่อถือได้ อย่างที่สองคือเรื่องของทรัพยากรบุคคลนั้นอยู่ที่ลูกค้าด้วย แต่เราก็มีที่ปรึกษา (Mentor) และทีมคอยช่วยพัฒนาตั้งแต่เริ่มต้น"

ลูกค้าด้าน AI ของ IBM

ทั้งนี้ IBM ได้เปิดเผยลูกค้าที่เป็นองค์กรชั้นนำในไทย เช่น The Mall Group นำร่องใช้ Gen AI เพื่อให้เข้าถึงข้อมูลได้ง่ายขึ้นและสนับสนุนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล (data-driven decision-making) ในหน่วยงานต่าง ๆ ธนาคารกรุงศรีอยุธยา (Krungsri) และธนาคารทหารไทยธนชาต (ttb) กำลังมองถึงการนำเครื่องมือ AI ที่ช่วยพัฒนาโค้ดและโมเดิร์นไนซ์แอปพลิเคชัน เช่น watsonx Code Assistant 

หรือรวมไปถึง การไฟฟ้าส่วนภูมิภาค (กฟภ.), IRPC ได้นำ watsonx Assistant มาทดลองใช้เพื่อสนับสนุนศูนย์บริการลูกค้าของแอพชาร์จพลังงานรถ EV ‘PEA VOLTA’ ซึ่งสามารถลดเวลาการรอคอยของลูกค้าลงได้ถึงร้อยละ 80 (จาก 5 นาทีเหลือ 1 นาที) ลดเวลาที่ใช้ในการแก้ไขปัญหาแต่ละกรณีลงถึงร้อยละ 50 (จาก 10 นาทีเหลือ 5 นาที) พร้อมทั้งลดจำนวนกรณีต่าง ๆ ที่เกิดขึ้นลงถึงร้อยละ 90 ด้วย

ข้อมูลและภาพ IBM (ประเทศไทย)