แม้โลกจะพูดถึง AI มาหลายปี แต่คำถามสำคัญที่ผู้บริหารจำนวนมากยังตอบไม่ชัด คือสุดท้ายแล้ว AI จะเปลี่ยนองค์กรอย่างไร และเราต้องเตรียมอะไรบ้าง?

 

ในวันที่ 1-5 ธันวาคมบนเวที AWS re:Invent 2025 งานอีเวนต์ของ Amazon Web Services (AWS) บริษัทผู้ให้บริการคลาวด์ระดับโลก จัดขึ้นที่ Las Vegas สหรัฐอเมริกา Matt Garman CEO of AWS ระบุถึงเทรนด์ AI ในยุคต่อไป ไว้ว่า

 

“Agents are changing the way we play, learn, optimize, secure, and build.”

 

“I believe that in the future, there’s going to be billions of agents inside of
every company and across every imaginable field.”

 

โลกยุคต่อไป คือการเกิดขึ้นของ AI Agents นับพันล้านตัวที่จะเข้าไปอยู่ในการผลิต การเงิน การตลาด การวิเคราะห์ ไปจนถึงระบบความปลอดภัยและการป้องกันไซเบอร์ของประเทศ ขนาดของการเปลี่ยนผ่านครั้งนี้มากพอที่จะทำให้ Matt Garman ระบุว่า AI Agents จะกลายเป็น ‘รากฐานใหม่ของคอมพิวเตอร์’ ในยุคหลัง 2026

 

และเพื่อรองรับโลกที่จะมี Agent ทำงานแทนมนุษย์ในทุกมิติ AWS ได้ระบุถึงสถาปัตยกรรม 4 ชั้นที่กำลังกลายเป็น Reference Model ขององค์กรทั่วโลก ซึ่งจะกำหนดว่าบริษัทใดจะไปได้เร็ว และบริษัทใดจะถูกทิ้งไว้ข้างหลัง

 

• 4 สถาปัตยกรรมใหม่ในโลก Billion of Agents

 

 

(1) AI Infrastructure: สมการเสาเข็มโลกใหม่คือ Chip + Cloud

 

“The foundation of great AI starts with great infrastructure.”

 

ในโลกที่ทุกคนให้ความสนใจกับโมเดล AI, ผลลัพธ์ที่โมเดลสร้างได้, หรือฟีเจอร์ใหม่ๆ Matt ระบุว่า การจะสร้างมูลค่าจริงจาก AI ไม่ได้เริ่มที่ตัวโมเดล แต่เริ่มต้นที่โครงสร้างพื้นฐาน และการรันชิป AI คือจุดสำคัญ

 

Peter DeSantis, SVP, Utility Computing, AWS ระบุว่าในช่วง 3 ปีที่ผ่านมา AWS เห็นการเติบโตของความต้องการในการประมวลผลจากใช้ AI เพิ่มสูงขึ้นอย่างมีนัยสำคัญ
AWS จึงวางเดิมพันในโครงสร้างพื้นฐานของโลกใหม่ผ่านสองขาหลัก คือ NVIDIA GPU และ Custom AI Chip ที่ AWS พัฒนาขึ้นเอง โดย Matt ระบุว่า
“AWS is the best place to run NVIDIA GPUs.”

 

AWS มีการร่วมพัฒนากับ NVIDIA มานานกว่า 15 ปี ตั้งแต่การ Debug ปัญหาที่เกิดขึ้น ไปจนถึงการออกแบบ Data Center ให้รองรับ GPU Clusters ที่มีขนาดใหญ่ที่สุดในตลาดคลาวด์

 

แต่ในปีนี้การวางหมากของ AWS ไม่ได้อยู่ที่ GPU เพียงอย่างเดียว Matt ระบุว่า อนาคตของ AI ต้องพึ่งพาพลังสองขาอย่างสมดุล คือ GPU และ Custom AI Chip นั่นทำให้ AWS มองว่า Trainium หรือชิปของ AWS ที่พัฒนาขึ้นนั้นจะกลายเป็นเครื่องจักรหลักของ AWS ยุคใหม่

 

Matt เผยตัวเลขบนเวทีว่า วันนี้มี Trainium ถูกใช้งานจริงมากกว่า 1,000,000 ชิ้น และที่สำคัญกว่านั้นคือ งาน Inference ส่วนใหญ่บน Bedrock แพลตฟอร์ม AI ของ AWS ไม่ได้รันบน GPU แล้ว แต่รันบน Trainium

 

สะท้อนว่า AWS ไม่ได้ต้องการเป็นเพียงผู้ให้บริการคลาวด์เพียงอย่างเดียว แต่เป็นผู้ให้บริการโครงสร้างพื้นฐานของคอมพิวเตอร์ทั้งระบบที่สอดรับกับยุค AI ตั้งแต่ระดับศูนย์ข้อมูล (Data Center Layer) ไปจนถึงระดับชิป (Silicon Layer)

 

Matt อธิบายต่อว่า Trainium รุ่นใหม่ อย่าง Trn3 UltraServers ให้พลัง 4.4× Compute, 3.9× Memory Bandwidth และ 5× ประสิทธิภาพการใช้พลังงานต่อ Token ซึ่งเป็นตัวชี้วัดสำคัญที่สุดอย่างหนึ่งของ Inference และในขณะเดียวกัน AWS ก็กำลังพัฒนา Trainium 4 เพื่อรองรับ Frontier Models รุ่นถัดไปที่จะใหญ่เกินกว่าความสามารถของชิปในปัจจุบัน

 

นอกจากนี้ยัง มีการะบุถึง Project Rainier หรือการสร้าง Data Center ทั้งเมืองที่ทำงานเสมือนเครื่องคอมพิวเตอร์เครื่องเดียว เพื่อรองรับการเทรนโมเดล Claude รุ่นต่อไปของ Anthropic ที่ต้องใช้พลังการคำนวณมหาศาล

 

และนี่คือเหตุผลว่าทำไม Matt ถึงบอกว่า โลก AI ในอีกไม่กี่ปีข้างหน้าจะถูกกำหนดโดยโครงสร้างพื้นฐานมากกว่าตัวโมเดลเอง

 

(2) Inference Platform: การเดิมพันว่าโลกไม่มีผู้ชนะ AI Model เพียงหนึ่งเดียว

 

“Model choice is critical.”

 

ถ้ามือถือมีค่ายสัญญาณโทรศัพท์ เว็บไซต์มีหลายเว็บเบราว์เซอร์ Matt ก็เชื่อว่า AI ไม่จำเป็นต้องมี Model เดียว

 

Matt เชื่อว่าไม่มีโมเดลใดทำได้ทุกอย่างดีหมด โมเดลที่ Reasoning เก่ง อาจไม่เร็วพอ โมเดลที่เร็วอาจไม่แม่นยำพอ โมเดลบางตัวเหมาะกับงานภาษาหนึ่ง แต่ใช้กับอีกภาษาอาจไม่ดีนัก

 

โลกในอนาคต คือโลก Multi-Model ที่จะเป็นสภาพความจริงใหม่ขององค์กร

 

AWS เลือกพัฒนา AWS Bedrock แพลตฟอร์มที่ให้เลือกโมเดลหลากหลายค่าย ตั้งแต่ Claude จากค่ายฝั่งตะวันตก ไปจนถึง Deepseek โมเดลจากจีน รวมถึงโมเดลอื่นๆ อีกหลายโมเดลด้วยกัน

 

ในปีนี้ได้มีการเปิดตัวโมเดลใหม่ที่จะร่วมอยู่ใน AWS Bedrock ตั้งแต่ Google GEMMA, Kimi, MiniMax, NVIDIA NEMOTRON และ Mistral Large 3 ซึ่งปัจจุบันใน AWS Bedrock มีลูกค้าที่ใช้งานจริงในระดับ Production เช่น Starbucks, PwC, Ferrari และอีกกว่า 50 รายในหลากหลายอุตสาหกรรม

 

 

นี่คือสัญญาณว่า Bedrock กำลังกลายเป็น ‘แพลตฟอร์ม AI กลาง’ ที่องค์กรระดับโลกใช้จริงอย่างมีเสถียรภาพ

 

(3) Your Data: ข้อมูลส่วนตัวองค์กร คืออาวุธลับสู่ ‘Frontier Model’

 

หนึ่งในประโยคที่ผู้บริหารจำได้มากที่สุดบนเวทีปีนี้คือ

 

“Your data is unique. That is your competitive advantage.”

 

Matt ระบุว่า สิ่งที่หลายบริษัททำผิด ไม่ใช่การเลือกโมเดล แต่เป็นการละเลยที่จะทำให้โมเดล ‘เข้าใจข้อมูลขององค์กรจริงๆ’ ซึ่งเป็นรากฐานของความได้เปรียบที่คู่แข่งลอกไม่ได้ และนำไปสู่การสร้างสิ่งที่เรียกว่า ‘Frontier Model’

 

แต่การทำให้โมเดลเข้าใจความรู้ลึกเชิงโดเมนแบบ Pre-training เป็นสิ่งที่ในอดีตสามารถทำได้ยาก

 

AWS จึงมุ่งพัฒนา Nova Forge หรือ Open Training Model ที่ทำให้บริษัทสร้าง Frontier Model ของตนเองขึ้นมา

 

Nova Forge ทำงานโดยแบ่งลำดับขั้นตอนเป็น 2 สเต็ปด้วยกัน เริ่มจากการที่บริษัทเลือกเทรนโมเดลต่อจาก Checkpoint ของ Nova และสเต็ปถัดมาจึงนำมารวมกับ Curated Dataset ของตนเอง เพื่อให้ได้ ‘Frontier Mode’ ที่เข้าใจทั้งโลกและเข้าใจบริษัทของเราได้ลึกมากที่สุด

 

Booking.com, Nimbus, NRI, Reddit และ Sony คือ 5 บริษัทที่มีการนำ Nova Forge มาใช้งานจริง โดย Sony ได้ปฏิวัติโลกเกม สู่การสร้างเอ็นเตอร์เทนเมนต์ในทุกมิติ

 

Sony ใช้ Nova Forge ในการสร้างโมเดลที่เข้าใจเนื้อหาและ IP ของตนในระดับลึก ตั้งแต่ Demon Slayer แอนิเมชันดาบพิฆาตอสูร ไปจนถึงงานภาพยนตร์และเกม และนำ Agent หลายสิบตัวไปทำงานจริงในองค์กร ทั้งด้าน Compliance, Document Review และ Creative Workflow

 

 

แนวคิดหนึ่งที่ Matt Garman ระบุคือ
“The right model with all your data unlocks competitive advantage.”

 

และนี่คือแกนสำคัญของ Core 3 ที่จะกำหนดว่าผู้เล่นรายใดจะได้เปรียบเชิงโครงสร้างในยุค AI

 

(4) Tools to Build Agents: เครื่องมือที่ทำให้องค์กรมี ‘พนักงานดิจิทัล’ ในทุกแผนก

 

เมื่อโครงสร้างพื้นฐานพร้อม โมเดลพร้อม และข้อมูลพร้อม สิ่งสุดท้ายคือเครื่องมือสร้าง Agent ที่ทำงานแทนมนุษย์ได้จริงในองค์กร

 

Agent ไม่ได้เป็นเพียง Chatbot โดยอาจกล่าวได้ว่า Chatbot ตอบสนองผู้ใช้โดยการแนะนำให้ตรวจสอบสิ่งต่างๆ แต่ Agent จะลงมือปฏิบัติทันที รวมถึงเสนอแนวทางแก้ไขให้ทีมตรวจสอบก่อนตัดสินใจ

 

โดยหัวใจสำคัญคือ

 

“Trust, but verify”

 

Matt เปรียบเทียบว่า Agent ก็เหมือนกับการที่ผู้นำต้องไว้วางใจให้ทีมมีโอกาสคิด และตัดสินใจลงมือทำได้ด้วยตนเอง แต่ผู้นำต้อง ‘มีสิทธิ’ ที่จะเข้าไปตรวจสอบได้ แต่ไม่ต้องตัดสินใจหรือลงมือทำในทุกกระบวนการ

 

AWS จึงเปิดตัว AgentCore ที่ขาย ‘ศักยภาพ’ ที่จะทำให้เราสามารถทำกับ Agent ได้ เช่น Memory, Gateway, Identity, Execution Sandbox ไปจนถึง Observability

 

องค์กรที่เริ่มใช้งานแล้ว เช่น Workday ระบุว่าสามารถลดงาน Routine Planning และ Analysis ลงกว่า 30%

 

Adobe และ Writer อีก 2 องค์กรตัวอย่างของการสร้าง Workflow ใหม่ทั้งองค์กร โดย Adobe ใช้ AgentCore ในทุกผลิตภัณฑ์ ตั้งแต่ PDF, Express ไปจนถึง Creative Cloud หรือ Writer เปิดให้ลูกค้าสร้าง Agent และเลือกโมเดลบน Bedrock ได้ทันที ช่วยให้ธุรกิจสร้างแรงงานดิจิทัลที่สเกลได้ไม่จำกัด

 

• ความท้าทายในโลกที่ AI เร็วกว่าองค์กรและบริษัทไทยจะปรับตัวอย่างไร

 

อย่างไรก็ตาม แม้ภาพรวมดูสดใส แต่ความจริงสำคัญว่าองค์กรจำนวนมากยังไม่พร้อมต่อโลกที่กำลังจะมาด้วยปัจจัยหลายประการ

• โครงสร้างพื้นฐานด้าน AI ต้องการทรัพยากรและการออกแบบที่ใหญ่กว่าที่คิด
• ข้อมูลขององค์กรส่วนใหญ่ยังไม่เป็นระเบียบและไม่พร้อมใช้งาน
• โมเดลเติบโตเร็วจนองค์กรปรับตัวตามไม่ทัน
• การบริหาร Agent ต้องใช้วิธีคิดใหม่ทั้งหมด ทั้งด้านกฎหมาย ความปลอดภัย และความรับผิดชอบ

 

กสิมะ ธารพิพิธชัย Head of AI Strategy จาก บริษัท SCB 10X ได้ให้สัมภาษณ์กับ THE STANDARD ระบุว่า แม้โลก AI จะเติบโตไปอย่างรวดเร็ว และเข้าสู่ยุคที่เราอาจได้เห็น Agent เป็นพันล้านตัว โจทย์สำคัญของไทยยังคงเป็นการที่เราต้อง ‘รู้จักตัวเอง’ ให้ดีที่สุด โดยเฉพาะการรู้ว่า ‘Domain Expertise’ ของเราคืออะไรในแต่ละอุตสาหกรรม ถึงจะสามารถปลดล็อกศักยภาพจาก Agent ได้

 

กสิมะระบุว่า

 

“บริษัทไทยต้องรู้ว่า Task ส่วนไหนขององค์กรที่มีความสำคัญ
และกำลังเกิดขึ้นในแต่ละกระบวนการ”

 

“การเข้าใจ Task งานขององค์กรตนเอง เป็นจุดเริ่มต้นในการนำ Agent เข้ามาปรับใช้ในองค์กร”

 

ซึ่งถือเป็นสิ่งแรกที่บริษัทไทยควรเริ่มทำ ท่ามกลางการเข้าสู่ The World with Billion Agent เพื่อคว้าโอกาสจาก AI ให้ได้อย่างมีประสิทธิภาพ