ในปฏิทินมีข้อความสั้นๆ ว่า: Team brainstorm. นำไอเดียมาด้วยนะ

เช้าวันอังคาร หนึ่งชั่วโมงก่อนเข้าประชุม คุณยังคงนั่งทำงานอย่างอื่นอยู่ คุณเปิด Claude ขึ้นมา แล้วพิมพ์ว่า “ช่วยคิดห้าไอเดียสำหรับแคมเปญไตรมาส 3 หน่อย ใส่ในสไลด์ให้ด้วย” สิบสองวินาทีต่อมา คุณก็ได้ห้าไอเดียจัดวางอย่างเรียบร้อยในสามสไลด์ คุณกวาดตาดูคร่าวๆ เปลี่ยนหนึ่งคำ แล้วเดินเข้าห้องประชุม

เพื่อนร่วมงานทยอยนำเสนอทีละคน

เพื่อนร่วมงานคนแรก สไลด์มีสามคอลัมน์ที่จัดวางอย่างสมดุล นำเสนอเรื่อง cross-functional synergies สไลด์คนที่สอง มีสามคอลัมน์เช่นกัน นำเสนอเรื่อง การสำรวจกลุ่มลูกค้าใหม่ๆ ที่ยังไม่เคยเจาะตลาด สไลด์คนที่สาม มีสามคอลัมน์อีกแล้ว นำเสนอ แผนการทำ digital transformation แต่ละเฟส

ทุกสไลด์ดูสะอาดตา ระยะห่างระหว่างองค์ประกอบเป๊ะจนน่าสงสัย ทุกไอเดียฟังดูสมเหตุสมผล ไม่มีใครคัดค้านอะไร

ระหว่างที่ฟังไปครึ่งทาง คุณสังเกตเห็นบางอย่าง ไม่มีใครมีความเห็นที่หนักแน่น ไม่มีใครต่อสู้เพื่อไอเดียของตัวเอง ไม่มีใครพูดว่า “ฉันเชื่อจริงๆ ว่าเราควรทำสิ่งนี้ และนี่คือเหตุผล” ทุกไอเดียฟังดูดี แต่ไม่มีใครในห้องที่ดูเหมือนจะเชื่อในไอเดียของตัวเองจริงๆ ห้องประชุมมีบรรยากาศที่นิ่งเงียบผิดธรรมชาติ ไม่ใช่เพราะทุกคนคิดเหมือนกัน แต่เพราะทุกคนถามเครื่องมือเดียวกันด้วยคำถามแบบเดียวกัน

การประชุมจบลง “วันนี้ดีมาก” มีคนกล่าว แต่ไม่มีการตัดสินใจอะไรเกิดขึ้น

ยินดีต้อนรับสู่ยุคของ workslop

ในเดือนกันยายน 2025 นักวิจัยจาก Stanford Social Media Lab ร่วมกับ BetterUp Labs ตีพิมพ์งานวิจัยใน Harvard Business Review ที่ตั้งชื่อให้กับปรากฏการณ์ที่คนทำงานออฟฟิศหลายล้านคนกำลังจมอยู่กับมันอย่างเงียบๆ

Workslop คือเนื้อหางานที่สร้างโดย AI ซึ่งดูเหมือนเป็นงานที่ดี แต่กลับขาดเนื้อหาสาระที่จะช่วยให้งานนั้นเดินหน้าไปได้จริง

มันดูเป็นมืออาชีพ ใช้คำที่ถูกต้อง แต่เมื่อพิจารณาให้ลึกลงไป เนื้อหาที่อยู่ข้างในกลับกลวงเปล่า สไลด์ที่ไม่ได้บอกอะไร บันทึกการประชุมที่สรุปอะไรไม่ได้ ‘ข้อเสนอแนะ’ ที่จริงๆ แล้วเป็นเพียงรายการประเด็นที่โยนกลับให้คนถามไปคิดเอง

จากการสำรวจพนักงานออฟฟิศในสหรัฐฯ จำนวน 1,150 คน 40% บอกว่าพวกเขาได้รับ workslop ในเดือนที่ผ่านมา การแก้ไขแต่ละชิ้นใช้เวลาเฉลี่ยเกือบสองชั่วโมง นักวิจัยประเมินว่าต้นทุนของเรื่องนี้อยู่ที่ 186 ดอลลาร์ต่อพนักงานหนึ่งคนต่อเดือน หรือเก้าล้านดอลลาร์ต่อปีสำหรับองค์กรขนาด 10,000 คน

แต่สิ่งที่น่าสนใจยิ่งกว่าตัวเลขคือเรื่องนี้ คนที่ได้รับงานรูปแบบ workslop พวกเขามักมองคนที่ส่งมาว่าน่าเชื่อถือน้อยลง มีความคิดสร้างสรรค์น้อยลง และไว้ใจได้น้อยลง การใช้ AI อย่างไม่ระมัดระวังกำลังสร้างต้นทุนทางความไว้วางใจอย่างเงียบๆ และมันค่อยๆ สะสมขึ้น แม้จะไม่มีใครพูดถึงมันออกมาตรงๆ ก็ตาม

คำสัญญาของ AI คือมันจะช่วยมนุษย์ให้ทำงานได้อย่างมีความหมายมากขึ้น แต่สิ่งที่กำลังเกิดขึ้นกลับเป็นในทางตรงกันข้าม AI ทำให้การ ‘ผลิตงาน’ มีต้นทุนต่ำลง เราจึงผลิตมากขึ้น แต่ความคิดที่อยู่ข้างในกลับลดลง คนส่งประหยัดเวลาไปสิบห้านาที คนรับเสียเวลาสองชั่วโมงเพื่อพยายามถอดรหัสว่ามันต้องการสื่ออะไร

งานไม่ได้หายไปไหน มันแค่ถูกส่งต่อจากคนที่ควรจะไตร่ตรองมาแล้ว ไปยังคนที่ต้องมาตามเก็บกวาดทีหลัง

นี่คือความขัดแย้งที่อยู่ใจกลางเรื่องราวของ AI กับ productivity ใครก็ตามที่มี AI สามารถสร้างสไลด์ที่ดูดีได้ในสิบสองวินาที สิ่งที่ยากขึ้นทุกวันไม่ใช่การผลิต แต่เป็นวิจารณญาณ ความสามารถในการอ่านงานแล้วบอกว่า งานนี้ดูดีแต่กลวง ทำใหม่ ความกล้าที่จะปักธงและพูดว่า นี่คือสิ่งที่ฉันคิด และนี่คือเหตุผล

สิ่งเหล่านี้ล้วนเป็นทักษะของมนุษย์โดยแท้ AI ไม่ได้ทำให้มันมีค่าน้อยลง ตรงกันข้าม มันทำให้ทักษะเหล่านี้กลายเป็นสิ่งที่มีค่าที่สุดในห้อง

คำตอบไม่ใช่การใช้ AI ให้น้อยลง ‘คิดดีๆ’ ไม่ได้แปลว่าต้องคิดด้วยมือเปล่า การใช้ AI ให้เป็นคือการใช้มันเพื่อคิดให้หนักขึ้น ใช้มันเป็นเพื่อนคู่คิดที่ช่วยผลักดันความคิดของเราให้ไกลขึ้น ไม่ใช่ใช้มันมาแทนการคิดทั้งหมด

ที่ SCBX ในขณะที่เรากำลังเดินหน้าสู่การเป็นองค์กร AI-first นี่คือเส้นทางที่เรากลับมาทบทวนเสมอ การเป็น AI-first ไม่ใช่เรื่องของการผลิตมากขึ้น แต่คือการปลดล็อกให้คนของเราได้ทำสิ่งที่มีเพียงมนุษย์เท่านั้นที่ทำได้ นั่นคือการตัดสินใจ การเลือกว่าอะไรสำคัญ และการกล้าพูดว่าสิ่งนี้ยังไม่ดีพอ ในยุคที่ผลผลิตเป็นสิ่งไม่จำกัด สิ่งที่หายากที่สุดคือมนุษย์ที่กล้าตัดสินใจ

กลับไปที่การประชุมเช้าวันอังคาร คุณเดินกลับมาที่โต๊ะทำงาน คุณเปิด Claude อีกครั้ง แต่ครั้งนี้ คุณไม่ได้ขอให้มันสร้างอะไรให้คุณ คุณพิมพ์ความคิดของตัวเอง ความคิดที่ยังไม่สุก ยังไม่กลม ยังประหลาดอยู่นิดหน่อย ความคิดที่คุณเชื่อในมันจริงๆ แต่ยังหาวิธีพูดมันออกมาไม่ได้

คุณพิมพ์หา Claude ช่วยผลักดันความคิดของฉันหน่อย บอกฉันด้วยว่าตรงไหนที่มันยังไม่แข็งแรง

นั่นคือช่วงเวลาที่ AI คืนประสิทธิภาพในการทำงานที่แท้จริงให้กับคุณ

The post Workslop: เมื่อ AI กำลังลดประสิทธิภาพในการทำงาน appeared first on THE STANDARD.

คืนวันอังคารในกรุงเทพฯ นักวิ่งมือใหม่คนหนึ่งนั่งอยู่บนเตียง โทรศัพท์อยู่ในมือ กำลังจะเลือกรองเท้าวิ่งสำหรับมาราธอนครั้งแรกของตัวเอง

ถ้าเป็นปีที่แล้ว เธอคงเปิด Google อ่านรีวิวห้าเว็บ ดู YouTuber สองคนเปรียบเทียบพื้นรองเท้าและความต่างระดับของส้นกับปลายเท้า เข้า Pantip ไปส่องความเห็นของคนที่ใส่จริง เปิดสิบแท็บไล่ดูทีละแบรนด์ ASICS, Hoka, Nike, On, Brooks กว่าจะตัดสินใจได้ก็ชั่วโมงกว่า

แต่คืนนี้เธอเปิด ChatGPT พิมพ์แค่ประโยคเดียวว่า “รองเท้าวิ่งรุ่นไหนดีที่สุดสำหรับมือใหม่ที่กำลังซ้อมมาราธอนครั้งแรก”

สามแบรนด์ผุดขึ้นมา พร้อมคำแนะนำที่กลั่นมาให้แล้ว ทั้งช่วงก้าว งบประมาณ และเป้าหมายของนักวิ่งหน้าใหม่ สามสิบวินาทีต่อมา เธอกด “ซื้อ”

อีกสิบกว่าแบรนด์ที่เธอน่าจะได้พิจารณาเมื่อปีก่อน ไม่เคยปรากฏขึ้นเลยสักครั้ง

นี่ไม่ใช่แค่เรื่องของนักวิ่งคนเดียว มันกำลังเกิดขึ้นในการตัดสินใจเล็กๆ น้อยๆ หลายล้านครั้งในแต่ละวัน ตลอดปี 2025 ทราฟฟิกจาก Google ไปยังเว็บไซต์สื่อทั่วโลกลดลงราวหนึ่งในสาม ต่อมาเมื่อ AI Summary ปรากฏขึ้นมาด้านบนของผลการค้นหา อัตราการคลิก (click-through rate) ก็ร่วงลงครึ่งหนึ่ง และสำหรับคำค้นหาจำนวนมากขึ้นเรื่อยๆ ผู้ใช้ไม่เข้าเว็บไซต์ใดเลยแม้แต่แห่งเดียว เพราะได้คำตอบอยู่ใน AI เรียบร้อยแล้ว

25 ปีที่ผ่านมา อินเทอร์เน็ตเดินอยู่บนโมเดลเดิมซ้ำๆ คือลิงก์สีน้ำเงินสิบลิงก์ แล้วให้ผู้ใช้เป็นคนเลือกเอง วันนี้ โมเดลนั้นกำลังถูกแทนที่เงียบๆ ด้วยคำตอบเดียวที่สรุปมาให้แล้ว และคนก็เชื่อคำตอบนั้น

สำหรับผู้บริโภค มันคือความสะดวกรวดเร็ว แต่สำหรับคนที่ต้องการขายอะไรสักอย่าง กติกาของเกมเปลี่ยนไปแล้ว

กว่าสองทศวรรษ แบรนด์เล่นเกมเดียวกันอยู่ นั่นคือ SEO หรือ Search Engine Optimization เป้าหมายเรียบง่ายมาก ขอแค่ขึ้นหน้าแรกของ Google ก็พอ ถ้าเป็นสามอันดับแรกได้ยิ่งดี เกมนี้ทำให้เกิดอุตสาหกรรมใหม่ทั้งวงการ ทั้งงบการตลาด ตำแหน่งงาน และกลยุทธ์ที่ถูกออกแบบมาเพื่อมันโดยเฉพาะ

แต่เกมนั้นตั้งอยู่บนสมมติฐานหนึ่งที่ไม่เป็นจริงอีกต่อไป นั่นคือลูกค้าจะเห็นรายการ แล้วเป็นคนเลือกเอง

เกมใหม่ชื่อว่า GEO หรือ Generative Engine Optimization มันไม่ใช่เรื่องของอันดับอีกต่อไป แต่คือการถูกเอ่ยชื่อในคำตอบ

ข้อมูลล่าสุดชี้ว่า เมื่อ ChatGPT ตอบคำถามเกี่ยวกับแบรนด์ มันมักเอ่ยชื่อเพียงสามหรือสี่แบรนด์เท่านั้น ถ้าแบรนด์ของคุณไม่ใช่หนึ่งในนั้น ลูกค้าคนนั้นจะไม่มีวันได้รู้จักแบรนด์ของคุณเลย ไม่ใช่ “อันดับต่ำกว่า” แต่คือ “ไม่มีตัวตน”

ความต่างนี้โหดร้ายกว่าที่คิด SEO คือการแข่งกันดึงความสนใจ แต่ GEO คือการแข่งกันถูกเอ่ยถึง

แต่นั่นไม่ได้หมายความว่า SEO กำลังจะหายไปไหน รากฐานที่ทำให้ SEO ทำงานได้ดี ทั้งเว็บไซต์ที่สร้างมาอย่างดี น่าเชื่อถือ และอ่านง่ายสำหรับเสิร์ชเอนจิน ก็คือรากฐานเดียวกับที่ GEO ใช้ต่อยอดขึ้นไป

แบรนด์ที่ลงทุนกับ SEO มาทั้งทศวรรษไม่ได้เริ่มจากศูนย์ สิ่งที่เปลี่ยนคือ SEO เพียงอย่างเดียวไม่พออีกต่อไป แบรนด์หนึ่งอาจติดอันดับ Google ได้ดี แต่ก็หายไปจากคำแนะนำของ AI ได้ ไม่ใช่เพราะสินค้าด้อยกว่า แต่เพราะ AI กำลังชั่งน้ำหนักจากสัญญาณชุดใหม่ ในทางกลับกันแบรนด์ที่ไม่ได้อันดับดีบน Google เลย ก็อาจกลายเป็นแบรนด์ที่ AI เอ่ยถึงซ้ำๆ ได้ ถ้าคอนเทนต์ของเขาจัดระเบียบชัด มีสัญญาณความน่าเชื่อถือแข็งแรง หรือมีแหล่งอ้างอิงภายนอกที่เชื่อถือได้พูดถึงอยู่เรื่อยๆ

แบรนด์ที่ชนะในยุค GEO คือแบรนด์ที่ AI ไว้ใจ และความไว้ใจของ AI ถูกสร้างขึ้นคนละแบบกับความไว้ใจของลูกค้า มันเกิดจากการถูกอ้างอิงจากแหล่งที่น่าเชื่อถือ การปรากฏตัวอย่างสม่ำเสมอบนเว็บ และคอนเทนต์ที่มีสาระซึ่งค่อยๆ สะสมน้ำหนักตามเวลา และที่สำคัญกว่านั้นคือ คอนเทนต์ที่ AI อ่านเข้าใจได้จริง ลองนึกถึงครัวของบ้านเรา ถ้าเครื่องปรุงอยู่ในโหลใสที่ติดป้ายชัดเจนบนชั้น ใครเดินเข้าครัวมาก็ทำอาหารได้ทันที แต่ถ้าทุกอย่างถูกโยนรวมกันในกล่องใบใหญ่ แม้แต่เชฟฝีมือดีก็ต้องใช้เวลาเป็นชั่วโมงกว่าจะหาของที่ต้องการเจอ คอนเทนต์ก็ทำงานแบบเดียวกัน หน้าเพจที่มีหัวข้อชัด เนื้อหาแบ่งเป็นส่วนสั้นๆ ข้อมูลอยู่ในตำแหน่งที่ควรอยู่ คือหน้าเพจที่ AI สรุปและอ้างอิงได้ ส่วนหน้าเพจที่ข้อมูลชุดเดียวกันถูกฝังอยู่ในพารากราฟยาวๆ ที่ไหลต่อกันไปไม่รู้จบ AI จะข้ามผ่านไปเงียบๆ การเขียนสไตล์การตลาดเพียงอย่างเดียวไม่เพียงพอที่จะทำให้ AI ไว้ใจ

วิธีวัดความสำเร็จก็กำลังเปลี่ยนตาม 25 ปีที่ผ่านมา นักการตลาดวัดทุกอย่างเป็นจำนวนคลิก Click-through rate, Bounce rate, Conversion funnel ตัวชี้วัดทุกตัวตั้งอยู่บนสมมติฐานเดียวกัน คือลูกค้าจะเดินทางมาที่เว็บไซต์ของเรา

แต่ในยุค GEO คลิกหลายครั้งนั้นไม่เคยเกิดขึ้นตั้งแต่แรก ตัวชี้วัดที่สำคัญจึงไม่ใช่ “มีคนคลิกเท่าไร” อีกแล้ว แต่คือ “แบรนด์ถูก AI เอ่ยถึงบ่อยแค่ไหน” ส่วนแบ่งการถูกอ้างอิง (citation share) ความถี่ของการถูกเอ่ยถึง ตำแหน่งในคำตอบ สกอร์บอร์ดชุดใหม่นี้วัดยากกว่า และไม่คุ้นเคยเท่าเดิม แต่มันคือสกอร์บอร์ดที่ใช้นับในวันนี้

สำหรับแบรนด์ไทย การเปลี่ยนแปลงนี้ยิ่งเร่งด่วนกว่าคนอื่น โมเดล AI ส่วนใหญ่ถูกฝึกจากคอนเทนต์ภาษาอังกฤษ และแหล่งที่อ้างอิงก็เป็นแหล่งข้อมูลระดับโลกเสียส่วนมาก แบรนด์ไทยที่มีฐานความเชื่อใจในประเทศมาหลายสิบปี ก็ยังหายไปจากคำตอบของ AI ได้ เพียงเพราะมันปรากฏอยู่น้อยเกินไปในชุดข้อมูลที่ AI ถูกสร้างมา

ที่ SCBX นี่คือส่วนหนึ่งของเหตุผลที่เราลงทุนกับงานวิจัย การตีพิมพ์แบบเปิด และ Thought Leadership ไม่ใช่ในฐานะกิจกรรมทางการตลาด แต่ในฐานะรากฐานของการมีตัวตนในชั้นความรู้ใหม่ของอินเทอร์เน็ต แบรนด์ที่มีส่วนร่วมสร้างสิ่งที่ AI รู้ คือแบรนด์ที่ AI จะยังคงเอ่ยถึงต่อไป

นักวิ่งคนนั้นผูกเชือกรองเท้าคู่ใหม่ของเธอ แบรนด์ที่เธอเลือกก็ได้ลูกค้า แล้วอีกสิบกว่าแบรนด์ที่เธอไม่ได้แม้แต่จะพิจารณา พวกเขาไม่รู้ด้วยซ้ำว่าตัวเองแพ้ไปแล้ว

นั่นแหละคือ ‘ความเงียบแบบใหม่’ ในยุค AI วินาทีที่การตัดสินใจเกิดขึ้น แบรนด์ที่ไม่ถูกเอ่ยถึง ก็เท่ากับไม่เคยอยู่ตรงนั้นตั้งแต่แรก

The post SEO to GEO: เมื่อ ‘อันดับบนหน้าค้นหา’ ไม่สำคัญเท่า ‘การถูก AI เอ่ยถึง’ appeared first on THE STANDARD.

ในช่วงหลายเดือนที่ผ่านมา การตัดสินใจคล้ายๆ กันเริ่มปรากฏขึ้นทั่วโลก

ฝรั่งเศสประกาศแผนยุติการใช้เครื่องมืออย่าง Zoom และ Microsoft Teams ในหน่วยงานรัฐบาล เพื่อผลักดันความเป็นอิสระทางดิจิทัล กองทัพออสเตรียเปลี่ยนมาใช้ LibreOffice แบบโอเพนซอร์สแทน Microsoft Office โดยอ้างถึงความกังวลด้านความปลอดภัยในการปฏิบัติการ ในเยอรมนี รัฐบาลชเลสวิก-โฮลชไตน์ย้ายพนักงานภาครัฐกว่า 30,000 คนออกจาก Microsoft Exchange และ Outlook ไปสู่ทางเลือกอื่น

มองแยกกัน การเคลื่อนไหวเหล่านี้ดูเหมือนแค่เรื่องเล็กน้อย การเปลี่ยนซอฟต์แวร์ การสลับเครื่องมือสำนักงาน

แต่เมื่อมองภาพรวม สิ่งเหล่านี้กลับเผยให้เห็นบางอย่างที่ลึกกว่านั้น

อินเทอร์เน็ตเคยถูกจินตนาการว่าเป็นโลกที่ไร้พรมแดน แต่วันนี้ พรมแดนกำลังกลับมา

เรื่องนี้ไม่ใช่เรื่องของ Zoom หรือ Microsoft มันคือเรื่องของการควบคุมโครงสร้างพื้นฐานดิจิทัล

ตลอดสามสิบปีที่ผ่านมา โลกเชื่อว่าโครงสร้างพื้นฐานด้านเทคโนโลยีสามารถเป็นของทุกคนได้ ประเทศต่างๆ พึ่งพาแพลตฟอร์มไม่กี่รายในการขับเคลื่อนการสื่อสาร การจัดเก็บข้อมูล เครื่องมือการทำงานและที่มากขึ้นเรื่อยๆ คือ ปัญญาประดิษฐ์ วิธีนี้สะดวก มีประสิทธิภาพ และขยายตัวได้ไม่จำกัดแต่ก็สร้างการพึ่งพาที่ลึกซึ้งตามมาด้วย

วันนี้ รัฐบาลทั่วโลกเริ่มมองเห็นความจริงที่ว่าระบบดิจิทัลจำนวนมากที่สังคมของตนพึ่งพาอยู่นั้น ตกอยู่ภายใต้การควบคุมของบริษัทและรัฐบาลต่างชาติ และความจริงนั้นกำลังเปลี่ยนวิธีที่ประเทศต่างๆ มองเทคโนโลยี

สิ่งที่เรากำลังเห็น คือ ช่วงเริ่มต้นของการเปลี่ยนแปลงครั้งใหม่ การนำโครงสร้างพื้นฐานดิจิทัลที่สำคัญกลับคืนสู่การควบคุมระดับชาติ กระบวนการนี้อาจเรียกได้ว่าเป็น geopatriation – การส่งคืนความสามารถทางเทคโนโลยีกลับสู่ประเทศ

การเปลี่ยนแปลงนี้เชื่อมโยงกับกระแส AI แห่งชาติ (Sovereign AI) และแนวคิดอธิปไตยทางดิจิทัล (Digital Sovereignty) ตรรกะนั้นเรียบง่าย ถ้าปัญญาประดิษฐ์กลายเป็นโครงสร้างพื้นฐานหลัก ประเทศต่างๆ คงไม่อยากให้สิ่งนั้นถูกควบคุมจากที่อื่นทั้งหมด และโลกก็กำลังพิสูจน์ให้เห็นว่าความกังวลนั้นไม่ได้เกินจริง

พัฒนาการทางภูมิรัฐศาสตร์ล่าสุดได้เร่งให้ความคิดนี้ชัดเจนขึ้น การแข่งขันด้านเทคโนโลยีระหว่างสหรัฐและจีน การคว่ำบาตรที่ตัดรัสเซียออกจากแพลตฟอร์มโลก การควบคุมการส่งออกเซมิคอนดักเตอร์ และข้อจำกัดชิป AI ขั้นสูง ล้วนบังคับให้รัฐบาลต้องทบทวนการพึ่งพาทางเทคโนโลยีของผู้อื่น คำถามว่าข้อมูลระดับชาติถูกเก็บไว้ที่ไหน และใครเป็นผู้ควบคุมโมเดลที่อยู่เบื้องหลัง AI สมัยใหม่ ได้เปลี่ยนจากการถกเถียงทางเทคนิคกลายเป็นเรื่องของความมั่นคงแห่งชาติ

ทั่วโลกเริ่มมีการตอบสนอง ยุโรปลงทุนในโครงสร้างพื้นฐานด้านดิจิทัลอธิปไตย และสนับสนุน Mistral AI เพื่อสร้างโมเดล frontier ของยุโรปเอง สหรัฐอาหรับเอมิเรตส์พัฒนา Falcon หนึ่งในโมเดลภาษาขนาดใหญ่แบบ open weight ชั้นนำของโลก อินเดียสร้าง India Stack เป็นโครงสร้างพื้นฐานดิจิทัลระดับชาติ สำหรับระบบยืนยันตัวตนและการชำระเงิน เกาหลีใต้พัฒนาความสามารถ AI ภายในประเทศผ่าน HyperCLOVA ขณะที่ญี่ปุ่นลงทุนในโครงสร้างพื้นฐานคลาวด์แบบอธิปไตยสำหรับระบบรัฐบาล

เทคโนโลยีซึ่งเคยถูกมองว่าเป็นเครื่องมือทางเศรษฐกิจเป็นหลัก กำลังถูกมองว่าเป็นเครื่องมือแห่งอำนาจของชาติมากขึ้นเรื่อยๆ รัฐบาลเริ่มถามคำถามที่ยากขึ้น ใครควบคุมโมเดล AI ที่เราพึ่งพา ข้อมูลระดับชาติของเราถูกเก็บไว้ที่ไหน จะเกิดอะไรขึ้นถ้าความตึงเครียดทางภูมิรัฐศาสตร์ตัดการเข้าถึงบริการดิจิทัลที่สำคัญมานานหลายสิบปี

หลายคนเชื่อว่าแพลตฟอร์มเทคโนโลยีจะยังคงเป็นกลางทางการเมือง สมมติฐานนั้นไม่เป็นความจริงอีกต่อไป

ผลที่ตามมา คือ รัฐบาลกำลังลงทุนในคลาวด์และโมเดล AI ระดับชาติ กำลังการผลิตเซมิคอนดักเตอร์ภายในประเทศ และทางเลือกโอเพนซอร์สสำหรับซอฟต์แวร์ที่ใช้กันอย่างแพร่หลาย อินเทอร์เน็ตไม่ได้หายไปไหน แต่มันกำลังค่อยๆ แตกออกเป็นขอบเขตอิทธิพลทางเทคโนโลยี แพลตฟอร์มอเมริกัน แพลตฟอร์มจีน แพลตฟอร์มยุโรป ระบบ AI ระดับชาติ และโครงสร้างข้อมูลระดับชาติ

อินเทอร์เน็ตไร้พรมแดนกำลังค่อยๆ กลายเป็นโลกของเขตอำนาจดิจิทัล

นี่คือคำถามสำคัญสำหรับประเทศไทย อธิปไตยทางเทคโนโลยีหมายความว่าอะไรสำหรับเรา

ไทยได้รับประโยชน์อย่างมหาศาลจากแพลตฟอร์มเทคโนโลยีระดับโลก โครงสร้างพื้นฐานคลาวด์ เครื่องมือดิจิทัล และโมเดล AI จากผู้ให้บริการต่างประเทศ ได้เร่งนวัตกรรมในทุกอุตสาหกรรม แต่เมื่อปัญญาประดิษฐ์เริ่มฝังตัวอยู่ในระบบการเงิน สาธารณสุข การกำกับดูแล และโครงสร้างพื้นฐานที่สำคัญ คำถามเรื่องอธิปไตยก็เริ่มมีความเกี่ยวข้องมากขึ้น

ควรปล่อยให้ความสามารถดิจิทัลหลักพึ่งพาแพลตฟอร์มต่างประเทศทั้งหมดหรือไม่ หรือประเทศต่างๆ ควรพัฒนาความสามารถภายในประเทศบ้าง อย่างน้อยก็เพื่อให้เข้าใจและกำกับดูแลเทคโนโลยีที่กำลังกำหนดสังคมของตนเอง

สำหรับสถาบันการเงิน คำถามนี้สำคัญเป็นพิเศษ การเงินดำเนินอยู่บนความไว้วางใจ ข้อมูล และความยืดหยุ่น ปัญญาประดิษฐ์กำลังจะขับเคลื่อนทุกอย่าง ตั้งแต่การตรวจจับการทุจริต ไปจนถึงการตัดสินใจด้านสินเชื่อและคำแนะนำทางการเงิน

การเข้าใจว่าระบบเหล่านี้ทำงานอย่างไร ถูกโฮสต์ที่ไหน และจะถูกกำกับดูแลอย่างมีความรับผิดชอบได้อย่างไร จะกลายเป็นความสามารถที่สำคัญ

ที่ SCBX เราให้ความสำคัญกับการลงทุนในความร่วมมือด้านการวิจัยระดับแนวหน้า (frontier research partnerships) ควบคู่ไปกับการสำรวจและพัฒนาเทคโนโลยีในมิติสำคัญของอนาคต ไม่ว่าจะเป็นการขับเคลื่อน ปัญญาประดิษฐ์อย่างมีความรับผิดชอบ (Responsible AI) การพัฒนาโมเดลภาษาขนาดใหญ่แบบเปิด (open language models) รวมถึงโมเดลที่พัฒนาขึ้นโดย SCBX เองอย่าง Typhoon ตลอดจนการวางรากฐานของโครงสร้างพื้นฐานด้าน Financial Intelligence สำหรับระบบการเงินแห่งอนาคต แนวทางดังกล่าวไม่ได้ตั้งอยู่บนสมมติฐานที่ว่าทุกประเทศหรือทุกองค์กรจำเป็นต้องสร้างทุกเทคโนโลยีขึ้นมาเองทั้งหมด หากแต่สะท้อนความเชื่อว่าการมีความเข้าใจอย่างลึกซึ้งต่อเทคโนโลยีที่กำลังกำหนดทิศทางอนาคตของโลก ตลอดจนบริบทเฉพาะของสังคมและเศรษฐกิจของตนเอง คือรากฐานสำคัญของ ‘อธิปไตย’ ในความหมายใหม่ของยุคดิจิทัล

ในช่วงหลายปีข้างหน้า การแข่งขันระหว่างประเทศอาจมิได้วัดกันเพียงแสนยานุภาพทางทหาร ความอุดมสมบูรณ์ของทรัพยากรธรรมชาติ หรือขนาดของระบบเศรษฐกิจเท่านั้น หากแต่จะขยับเข้าสู่มิติที่มองไม่เห็นแต่ทรงอิทธิพลยิ่งกว่า นั่นคือ ความสามารถในการครอบครอง กำกับ และกำหนดทิศทางของ ‘ปัญญา’ ซึ่งทำหน้าที่เป็นแกนกลางในการขับเคลื่อนโลกดิจิทัล

The post Sovereign AI: พรมแดนของโลกดิจิทัล appeared first on THE STANDARD.

มันเริ่มต้นเหมือนเช้าวันธรรมดา

คุณตื่นนอน หยิบโทรศัพท์ แล้วเปิดแอปธนาคาร หน้าจอค้าง คุณรีเฟรช แต่ก็ยังไม่มีอะไรเกิดขึ้น ข้อความจากเพื่อนและครอบครัวเริ่มทะลักเข้ามา ‘แอปธนาคารใช้ได้ไหม?’ ‘โอนเงินไม่ผ่านเลย’ แล้วการแจ้งเตือนข่าวก็ขึ้นพร้อมกันราวกับโดมิโน ‘ระบบเข้ารหัสทั่วโลกถูกเจาะ’ ‘สถาบันการเงินชั้นนำเร่งสอบสวนเหตุการณ์เกี่ยวกับควอนตัม’

คนส่วนใหญ่ไม่เข้าใจศัพท์เทคนิค แต่พวกเขาเข้าใจสิ่งเดียว เงินของพวกเขา… อาจไม่ปลอดภัยอีกต่อไป

วันนั้นมีชื่อเรียกว่า Q-Day วันที่คอมพิวเตอร์ควอนตัมก้าวข้ามเส้น และทำลายระบบรักษาความปลอดภัยที่ปกป้องโลกดิจิทัลของเราทั้งใบ

ฟังดูเหมือนบทหนัง แต่การแข่งขันเพื่อพัฒนาเทคโนโลยีควอนตัมกำลังเกิดขึ้นจริงในวันนี้ โดยเฉพาะในหมู่บริษัทเทคโนโลยีรายใหญ่ระดับโลก ซึ่งแต่ละบริษัททุ่มงบลงทุน หลายพันล้านดอลลาร์สหรัฐ เพื่อพัฒนาเครื่องจักรที่สามารถแก้ปัญหาบางประเภทได้ ซึ่งคอมพิวเตอร์แบบดั้งเดิมไม่มีทางทำได้

แต่ควอนตัมคอมพิวเตอร์ไม่ใช่แค่คอมพิวเตอร์ที่เร็วกว่าเดิม มันคือการคิดในแบบที่ต่างออกไปอย่างสิ้นเชิง

ลองนึกภาพแบบนี้: ถ้าคอมพิวเตอร์ทั่วไป คือ คนเดินในเขาวงกต ที่ต้องลองผิดลองถูกทีละทางจนกว่าจะเจอทางออก ควอนตัมคอมพิวเตอร์ก็คือ หมอกที่กระจายตัวเต็มพื้นที่ มันไหลไปทุกเส้นทางพร้อมกันในพริบตา

ความต่างไม่ใช่เพียงแค่ความเร็ว แต่มันคือการประมวลผลทุกความเป็นไปได้ในคราวเดียว (Superposition) ซึ่งคอมพิวเตอร์แบบเดิมไม่มีทางทำได้ และนั่นคือสิ่งที่ทำให้ควอนตัมน่ากลัวและน่าทึ่งในเวลาเดียวกัน

คอมพิวเตอร์ในปัจจุบันทำงานด้วย ‘บิต’ ซึ่งมีค่าได้แค่ 0 หรือ 1 ทุกอย่างที่คุณเห็นบนหน้าจอ ไม่ว่าจะเป็นยอดเงินในบัญชีหรือข้อความส่วนตัว ล้วนวิ่งอยู่บนศูนย์และหนึ่งเหล่านี้ทั้งสิ้น

ควอนตัมคอมพิวเตอร์ใช้สิ่งที่เรียกว่า ‘คิวบิต’ ซึ่งสามารถเป็นได้ทั้ง 0 และ 1 พร้อมกันในคราวเดียว ฟังดูงงๆ แต่ผลที่ได้คือมันสามารถประมวลผลคำตอบที่เป็นไปได้นับล้านพร้อมกันได้เลย แทนที่จะลองทีละอย่างเหมือนเดิม

สำหรับการใช้งานทั่วไปอย่างส่งอีเมลหรือเล่นโซเชียล ความแตกต่างนี้อาจไม่ได้สำคัญอะไรมาก แต่สำหรับคณิตศาสตร์ที่ทำหน้าที่ปกป้องรหัสผ่านและบัญชีธนาคารของเรา มันเปลี่ยนทุกอย่าง

ระบบเข้ารหัสในปัจจุบันปลอดภัยเพราะมันอาศัยตัวเลขลับขนาดมหึมาที่แทบเป็นไปไม่ได้ที่จะเดาถูก แม้คอมพิวเตอร์ที่เร็วที่สุดในโลกวันนี้ก็ต้องใช้เวลาหลายล้านปีกว่าจะถอดได้ แต่ถ้าควอนตัมคอมพิวเตอร์ถึงจุดที่พร้อม งานนั้นอาจใช้เวลาแค่ไม่กี่ชั่วโมง

การเข้ารหัส คือ กุญแจล็อกที่มองไม่เห็นของโลกดิจิทัล มันปกป้องธุรกรรมธนาคาร การชำระเงิน บทสนทนาส่วนตัว และแม้แต่ระบบโครงสร้างพื้นฐานของประเทศ โลกใบนี้ถูกสร้างขึ้นบนความเชื่อที่ว่า ปัญหาบางอย่างนั้นยากเกินกว่าจะแก้ได้ ควอนตัมคอมพิวเตอร์กำลังท้าทายความเชื่อนั้นโดยตรง

ผู้เชี่ยวชาญบางคนบอกว่า Q-Day ยังห่างไกล บางคนเตือนว่ามันได้เริ่มต้นแล้วในแบบที่เงียบกว่า มีแนวคิดที่น่ากังวลอย่างยิ่งที่เรียกว่า ‘harvest now, decrypt later’ หรือแปลตรงๆ ว่า ‘เก็บวันนี้ ถอดรหัสทีหลัง’ นั่นคือข้อมูลที่เข้ารหัสอยู่วันนี้อาจกำลังถูกขโมยและเก็บสะสมไว้แล้ว รอแค่วันที่ควอนตัมพร้อมจะปลดล็อก

พูดง่ายๆ คือ การรอให้ถึง Q-Day แล้วค่อยตั้งรับนั้นสายเกินไปแล้ว

แต่โลกก็ไม่ได้นิ่งเฉย รัฐบาลในสหรัฐอเมริกา ยุโรป และเอเชีย เริ่มวางแผนเปลี่ยนผ่านสู่มาตรฐานการเข้ารหัสแบบใหม่ที่รับมือควอนตัมได้ บริษัทเทคโนโลยีชั้นนำอย่าง IBM และ Google เร่งพัฒนาระบบความปลอดภัยในยุคหลังควอนตัม ขณะที่สถาบันการเงินทั่วโลกต่างประเมินความเสี่ยงของตัวเอง

เพียงแต่การเปลี่ยนแปลงครั้งนี้ไม่ใช่แค่การอัปเดตแอป ระบบการเงินโลกเชื่อมกันอย่างซับซ้อน สั่งสมมาหลายสิบปี การเปลี่ยนมาตรฐานความปลอดภัยทั้งหมดต้องใช้การวางแผน การทดสอบ และการประสานงานที่พิถีพิถันอย่างมาก ก่อนที่ทุกอย่างจะพร้อมใช้งานจริงได้อย่างปลอดภัย

ที่ SCBX เรามองเรื่องนี้อย่างจริงจัง เพราะความปลอดภัยทางการเงินไม่ใช่ฟีเจอร์เสริม แต่คือพื้นฐานที่ขาดไม่ได้ เมื่อเทคโนโลยีเดินหน้า การป้องกันของเราต้องเดินตามให้ทัน ทั้งการติดตามพัฒนาการระดับโลก การลงทุนในนวัตกรรมด้านความปลอดภัย การทดสอบระบบอย่างต่อเนื่อง และการเตรียมพร้อมก่อนที่ควอนตัมจะกลายเป็นเรื่องเร่งด่วน

ลองจินตนาการถึง Q-Day อีกครั้ง แต่คราวนี้ในแบบที่ต่างออกไป

คุณตื่นนอน เปิดแอปธนาคาร ทุกอย่างทำงานได้ปกติ โอนเงินผ่าน จ่ายเงินได้ ข่าวยังพาดหัวถึงความก้าวหน้าของควอนตัม แต่ไม่มีความตื่นตระหนก ตลาดมีเสถียรภาพ ชีวิตเดินหน้าต่อ

ความแตกต่างระหว่างสองภาพนั้นไม่ใช่โชค มันคือการมองการณ์ไกล

Q-Day ไม่จำเป็นต้องเป็นวันที่โลกหยุดชะงัก มันสามารถเป็นแค่วันธรรมดาวันหนึ่ง ที่เราผ่านมันไปได้อย่างเงียบๆ เพราะเตรียมตัวไว้แล้ว

และในที่สุด ประวัติศาสตร์คงไม่ได้จดจำวันที่รหัสถูกทำลาย แต่จะจำวันที่โลกไม่ยอมให้สิ่งนั้นเกิดขึ้น

The post Q Day: วันที่ Quantum เปลี่ยนกติกาโลก appeared first on THE STANDARD.

ไวน์ดีต่อสุขภาพไหม?

มันเป็นคำถามง่ายๆ ที่คนถาม AI กันอย่างไม่ได้คิดอะไรมาก ฟังดูรับผิดชอบ ดูมีสติ คำตอบควรจะตามมาอย่างชัดเจน ไม่ใช่การบรรยายยาวๆ แค่ขีดเส้นให้เห็นชัดๆ ว่าอะไรควรหรือไม่ควร

แต่แทนที่จะเป็นอย่างนั้น คำตอบกลับมาอย่างอ่อนโยน

ใช่ มีประโยชน์บางอย่าง

ใช่ ถ้าดื่มในปริมาณที่พอดี

ใช่ แต่มีข้อควรพิจารณาที่สำคัญ

คำตอบไม่ได้หยุดพฤติกรรมนั้น แต่มันทำให้ทางเลือกดูปลอดภัย สิ่งที่ควรจะเป็นความชัดเจนกลับกลายเป็นเพียงการย้ำเตือนให้สบายใจ

เมื่อเวลาผ่านไป รูปแบบการสนทนาเกี่ยวกับเรื่อง AI ก็เริ่มปรากฏชัด ไม่ว่าจะถามคำถามอะไร คำตอบมักเริ่มต้นแบบเดียวกันเสมอ

ใช่ นั่นสมเหตุสมผล

ใช่ คุณทำอย่างนั้นได้

ใช่ แต่นี่คือข้อควรพิจารณาบางประการ

AI ไม่ค่อยพูดว่า ‘ไม่’ ไม่ค่อยโต้แย้ง ตอนแรกมันให้ความรู้สึกอุ่นใจ เหมือนมีผู้ช่วยที่รอบคอบ คอยรับฟังอย่างอดทนและตอบกลับด้วยความใส่ใจ แต่ในที่สุดก็มีบางอย่างผิดปกติ ไม่ใช่เพราะคำตอบผิด แต่เพราะมัน ‘เห็นด้วยเสมอ’ ปัญหาไม่ใช่ความถูกต้อง แต่อยู่ที่การตอกย้ำความเชื่อ

แชตบอต AI ถูกออกแบบมาให้ช่วยเหลือ สุภาพ และสนับสนุน มันถูกฝึกมาเพื่อลดความขัดแย้ง และทำให้บทสนทนาดำเนินต่อไป การพูดว่า ‘ไม่’ มักทำให้บทสนทนาจบลง ดังนั้น ระบบจึงพูดว่า ‘ใช่’ แล้วทำให้อ่อนลงด้วยคำว่า ‘แต่’ สิ่งนี้ทำให้ AI เข้าถึงง่าย แต่ก็อันตรายอย่างเงียบๆ เมื่อเวลาผ่านไป ความช่วยเหลือกลายเป็นการยืนยันสิ่งที่อยากได้ยิน และการยืนยันนี้ เมื่อสะสมเข้า ก็เริ่มปรับเปลี่ยนวิธีคิดของคน

ทุกวันนี้ หลายคนใช้ AI ไม่ใช่แค่เพื่อหาคำตอบ แต่เพื่อตรวจสอบตัวเอง

ความคิดนี้พอสมเหตุสมผลไหม

ฉันทำเกินไปไหม

แผนนี้ดูโอเคไหม

แชตบอตมักตอบกลับมาอย่างเรียบๆ และมักเห็นด้วย มันช่วยทำให้เหตุผลของเราดูเข้าที่เข้าทางขึ้น แต่มันแทบไม่เคยท้าทายเราในแบบที่มนุษย์อีกคนอาจทำ เมื่อทุกความคิดได้รับคำตอบว่า ‘ใช่… แต่’ สมองจะเลิกคาดหวังแรงต้าน และเมื่อไร้ซึ่งแรงต้าน วิจารณญาณก็จะอ่อนแอลง

นี่ไม่ใช่แค่สมมติฐาน งานวิจัยจาก University College London ศึกษาอย่างชัดเจนว่า อคติเพื่อยืนยันความเชื่อตัวเอง (confirmation bias) สามารถเกิดขึ้นได้อย่างไรเมื่อเราสนทนากับแชตบอต AI โดยตรวจสอบกลไกที่โมเดลภาษาสะท้อนความเชื่อที่เรามีอยู่แล้วกลับมา แทนที่จะตั้งคำถาม ขณะเดียวกัน รายงานจากหลายแหล่ง รวมถึง Stanford University ก็พบว่าแชตบอตอัปเดต AI มักแสดงพฤติกรรม ‘เอาอกเอาใจ’ และยืนยันความคิดของผู้ใช้บ่อยกว่าที่มนุษย์จริงๆ จะทำ สิ่งนี้สร้างกลไกที่ทำให้ความคิดของเราดูสมเหตุสมผลมากขึ้นเรื่อยๆ ไม่ใช่เพราะมันถูกต้องขึ้น แต่เพราะมันถูกสะท้อนกลับมาซ้ำแล้วซ้ำอีก

ความคิดของมนุษย์คมขึ้นเพราะความขัดแย้ง คนเราเติบโตเพราะถูกท้าทาย ความเชื่อพัฒนาไปเมื่อมีบางอย่างโต้กลับมา หากเอาความขัดแย้งออกไป ความคิดก็อ่อนแอลง AI ไม่ได้ลบอำนาจในการตัดสินใจของเราไปในทันที แต่มันค่อยๆ ทำให้กล้ามเนื้อที่ใช้ตัดสินใจอ่อนแรงลง เมื่อเครื่องมือเห็นด้วยเสมอ เราก็ใช้วิจารณญาณน้อยลง เมื่อได้รับความมั่นใจตลอดเวลา เราก็ตั้งคำถามกับข้อสรุปของตัวเองน้อยลง ความอันตรายไม่ใช่การพึ่งพา แต่คือความประมาท

ที่สำคัญ นี่ไม่ใช่ข้อบกพร่องของ AI แต่เป็นทางเลือกในการออกแบบ โมเดลภาษาสามารถไม่เห็นด้วยได้มากกว่านี้ สามารถปฏิเสธบ่อยขึ้น หรือบอกตรงๆ ว่าไม่แน่ใจ แทนที่จะกลบเกลื่อน แต่การไม่เห็นด้วยมีต้นทุน ความขัดแย้งทำให้คนอาจเลิกใช้ ดังนั้น ระบบจำนวนมากจึงถูกออกแบบให้ปลอดภัย ใช้ง่าย และเห็นด้วยง่าย พูดง่ายๆ คือ ถูกออกแบบมาให้พูดว่า ‘ใช่’

ทางออกไม่ใช่การเลิกใช้ AI แต่คือการใช้มันให้ต่างออกไป และออกแบบมันอย่างรับผิดชอบมากขึ้น คำสั่งที่เราให้ควรเรียกร้องการท้าทาย ไม่ใช่การยืนยัน ลองถามว่า ฉันพลาดอะไรไปบ้าง ลองโต้แย้งในมุมตรงข้าม ถ้าเป็นนักวิจารณ์จะพูดว่าอย่างไร เครื่องมือจะดีได้แค่ไหน ขึ้นอยู่กับว่าเราถามคำถามได้ดีแค่ไหน

ระบบ AI เองก็ต้องรู้ว่าเมื่อไรไม่ควรช่วย การช่วยเหลืออย่างมีความรับผิดชอบ รวมถึงการรู้จักปฏิเสธ การโต้แย้งเมื่อจำเป็น และความสามารถในการหยุด ผู้ช่วยที่ดีรู้ว่าเมื่อไรควรช่วย ผู้ช่วยที่มีความรับผิดชอบรู้ว่าเมื่อไรควรพูดว่า ‘ไม่’ และที่สำคัญที่สุด มนุษย์ต้องยังอยู่ในกระบวนการตัดสินใจอย่างแท้จริง รักษาความรับผิดชอบไว้ แทนที่จะมอบหมายให้เครื่องจักร

ที่ SCBX หลักการนี้สำคัญมาก เป้าหมายของเราไม่เคยเป็นการทำงานอัตโนมัติแบบไร้การไตร่ตรอง การใช้ AI อย่างปลอดภัยหมายถึงการใช้เพื่อสนับสนุนการตัดสินใจ โดยไม่ทำให้การตัดสินใจนั้นกลายเป็นสิ่งที่ไม่อาจตั้งคำถามได้ ระบบถูกออกแบบมาเพื่อช่วยเหลือ แต่ไม่แทนที่มนุษย์ และเก็บความรับผิดชอบไว้ตรงที่มันควรอยู่ ซึ่งก็คือ ‘คน’

AI จะพัฒนาต่อไปเรื่อยๆ ความอันตรายไม่ใช่ว่ามันให้คำตอบที่ผิด แต่คือมันให้คำตอบที่เราอยากได้ยิน

ไวน์ดีต่อสุขภาพไหม คำถามนี้เองไม่มีอะไร แต่สิ่งที่ค้างคาใจคือ คำตอบไม่ได้ขีดเส้นให้ชัดเจน

ในโลกที่เต็มไปด้วยปัญญาประดิษฐ์ ความอันตรายที่ยิ่งใหญ่ที่สุดไม่ใช่คำตอบที่ผิด แต่คือ Artificial Agreement – เมื่อเสียงที่ควรทำให้เราหยุดคิดค่อยๆ เงียบหายไป

The post The Age of Artificial Agreement: โลกที่ไร้ความขัดแย้ง appeared first on THE STANDARD.

มันเริ่มต้นด้วยการเปลี่ยนแปลงเล็กน้อยที่แทบไม่มีใครสังเกต จากงานที่เคยเริ่มต้นด้วยการคิด ตอนนี้กลับเริ่มต้นด้วยคำสั่ง แทนที่จะคิดไอเดียแรกด้วยตัวเอง หลายคนกลับหันไปขอให้ AI ร่างให้มากขึ้นเรื่อยๆ ไม่ใช่เพราะทำไม่ได้ แต่เพราะมันรวดเร็วและสะดวกกว่า ปี 2025 ที่กำลังจะผ่านไป นิสัยเล็กๆ นี้ได้แทรกซึมเข้ามาจนกลายเป็นเรื่องปกติอย่างเงียบๆ

เมื่อการเปลี่ยนแปลงนี้แพร่กระจาย มันได้สร้างความรู้สึกสองขั้วขึ้นมา บางคนรู้สึกเหมือนได้รับพลัง เพราะมี AI เป็นเครื่องมือที่ช่วยให้ทำงานเร็วขึ้นและปลดล็อกทักษะใหม่ๆ ส่วนอีกกลุ่มหนึ่งรู้สึกกดดันอย่างเงียบๆ ทุกฟีเจอร์ใหม่เหมือนเตือนให้รู้ว่าตัวเองยังไม่เชี่ยวชาญพอ คนส่วนใหญ่ลอยอยู่ตรงกลาง สับสนระหว่างความมั่นใจกับความไม่แน่นอน ขณะที่โลกรอบตัวพุ่งไปข้างหน้าอย่างรวดเร็ว พวกเขาใช้ AI เมื่อมันช่วยได้ และลังเลเมื่อมันไม่ช่วย พยายามปรับตัวให้ทันจังหวะไปวันๆ ขณะที่ใจลึกๆ กลับสงสัยว่า งานที่ทำอยู่นี้มีความคิดของตัวเองอยู่เท่าไรกันแน่

ท่ามกลางความตื่นเต้นและความกังวลที่ปะปนกันนี้ คำถามที่ลึกกว่าก็ค่อยๆ ผุดขึ้นมา ถ้า AI กำลังหล่อหลอมวิธีที่เราทำงาน เรียนรู้ และคิด เราจะอยู่ร่วมกับมันได้อย่างไรโดยไม่สูญเสียอิสระทางปัญญา (cognitive autonomy) เราจะรักษาความอยากรู้อยากเห็นไว้ได้อย่างไร เมื่อคำตอบโผล่มาทันที เราจะรักษาความสามารถในการตัดสินใจไว้ได้อย่างไร เมื่อคำแนะนำมาถึงพร้อมใช้งาน เราจะมั่นใจได้อย่างไรว่ากล้ามเนื้อแห่งการคิดจะไม่ฝ่อไป เพียงเพราะเครื่องมือทำมันได้เร็วกว่า

งานวิจัยปี 2025 จาก MIT Media Lab ชื่อ Your Brain on ChatGPT ทำให้คำถามเหล่านี้หนีไม่พ้น นักวิจัยพบว่า เมื่อกลุ่มผู้เข้าร่วมการทดลองที่พึ่งพา AI อย่างมากในการเขียน ส่วนของสมองที่เกี่ยวข้องกับความคิดสร้างสรรค์ ความจำ และความพยายามอย่างต่อเนื่อง ทำงานน้อยลง งานเขียนของพวกเขาไม่ค่อยมีเอกลักษณ์ และเมื่อต้องเขียนโดยไม่มี AI ในภายหลัง พวกเขาทำได้แย่กว่ากลุ่มคนที่ไม่เคยพึ่งพา AI ตั้งแต่แรก

การศึกษานี้สอดคล้องกับหลักฐานที่กำลังเพิ่มขึ้นในทิศทางเดียวกัน งานวิจัยอื่นๆ พบว่าการใช้ AI บ่อยครั้งส่งเสริมการถ่ายโอนความคิด (cognitive offloading) หมายความว่าผู้คนเริ่มมอบหมายไม่เพียงแค่งาน แต่รวมถึงกระบวนการคิดด้วย จากหลายงานวิจัย รูปแบบค่อนข้างชัดเจน เมื่อมนุษย์ใช้ AI เพียงเพื่อรอรับคำตอบ ส่งผลให้การมีส่วนร่วมลดลง และเมื่อมีส่วนร่วมน้อยลง ศักยภาพทางความคิดก็จะเริ่มลดลงไปด้วย

แต่ในอีกด้านหนึ่ง ภาพที่ต่างไปอย่างสิ้นเชิงก็เกิดขึ้นจากชุดการศึกษาที่นำโดย Stanford’s Digital Economy Lab ร่วมกับ AI Productivity Lab นักวิจัยพบว่าผู้คนมีความสามารถมากขึ้นเมื่อพวกเขาใช้ AI แบบโต้ตอบ ผลผลิตสูงขึ้น แม่นยำขึ้น และเรียนรู้เร็วขึ้น จุดต่างที่สำคัญอยู่ที่วิธีใช้เครื่องมือ เมื่อคนขอให้ AI อธิบายเหตุผล แทนที่จะแค่ให้คำตอบสำเร็จรูป พวกเขาก็ซึมซับตรรกะนั้นเข้าไป เมื่อพวกเขาเทียบข้อเสนอของ AI กับของตัวเอง พวกเขาก็ฝึกฝนการตัดสินใจ แทนที่จะปล่อยให้มันถูกแทนที่ ในสถานการณ์แบบนี้ AI เหมือนนั่งร้านที่ช่วยให้คนปีนขึ้นไปสูงกว่า ไม่ใช่ไม้ค้ำยันที่ทำให้อ่อนแอลง มันไม่ได้แทนที่สมองมนุษย์ แต่ช่วยให้สมองยืดออกไป

รูปแบบนี้สะท้อนในมุมธุรกิจด้วย ตามรายงาน State of AI 2025 ของ McKinsey องค์กรที่เห็นผลกระทบมากที่สุดคือองค์กรที่ออกแบบขั้นตอนการทำงานใหม่ ขณะที่ยังให้คนรับผิดชอบในการตรวจสอบและยืนยันผลลัพธ์จาก AI ผู้ตอบแบบสอบถาม 27% บอกว่าผลลัพธ์ทั้งหมดจาก Generative AI ต้องถูกตรวจก่อนใช้การนำ AI ไปใช้ที่ได้ผลไม่ได้หมายถึงการแทนที่การตัดสินใจของมนุษย์ แต่คือการฝัง AI เข้าไปในขั้นตอนการทำงาน ขณะที่มนุษย์ยังคงบังคับทิศทาง ตรวจสอบ และให้บริบทแก่สิ่งที่เทคโนโลยีสร้างขึ้นมา

ทั้งหมดนี้บอกอะไรบางอย่าง ความท้าทายที่แท้จริงของยุคปัญญาประดิษฐ์ไม่ใช่แค่การเรียนรู้เครื่องมือ แต่คือการไม่ลืมว่าจะคิดควบคู่ไปกับมันอย่างไร ความเสี่ยงไม่ใช่ว่า AI จะทรงพลังเกินไป แต่คือมนุษย์ค่อยๆ ถอยห่างจากส่วนที่ยากของการคิด เพราะทางลัดอยู่ตรงหน้าเสมอ โอกาสคือสิ่งตรงกันข้าม เมื่อใช้อย่างกระตือรือร้น AI สามารถเร่งการเรียนรู้ เพิ่มความเข้าใจให้ลึกซึ้ง และช่วยให้ผู้คนทำงานที่เมื่อก่อนอาจจะเคยทำไม่ได้ตามลำพัง ความแตกต่างระหว่างอนาคตทั้งสองแบบอยู่ที่บทบาทที่เรากำหนดให้มัน

ที่ SCBX เราเชื่อว่าอนาคตไม่ใช่การแข่งขันระหว่างมนุษย์กับ AI แต่เป็นความร่วมมือที่เสริมกำลังทั้งสองฝ่าย เป้าหมายคือการทำให้แน่ใจว่าเทคโนโลยีทำให้ผู้คนมีความสามารถมากขึ้น ไม่ใช่ลดทอนการมีส่วนร่วมของมนุษย์ มันควรทำหน้าที่เสริมกำลังการตัดสินใจของเรา ไม่ใช่ลบความจำเป็นที่เราจะต้องตัดสินใจทิ้งไป AI จะเป็นรากฐานสำคัญที่ช่วยสร้างความมั่นคง ความยืดหยุ่น และความเชื่อมั่นให้เกิดขึ้นทั่วประเทศไทย ในขณะที่เรากำลังก้าวเข้าสู่ยุค Intelligence Era อย่างเต็มตัว

AI จะพัฒนาต่อไปเรื่อยๆ แต่ความก้าวหน้าจะไม่ได้ถูกวัดจากความเร็วที่ AI ตอบคำถาม มันจะถูกวัดจากว่ามนุษย์ยังคงหยุดเพื่อถามคำถามของตัวเองหรือไม่ อนาคตไม่ใช่สิ่งที่ต้องกลัว มันคือสิ่งที่เราหล่อหลอมขึ้นมาผ่านสิ่งที่เราเลือกมอบหมายออกไปและสิ่งที่เราเลือกเก็บไว้กับตัว และบางทีทางเลือกที่สำคัญที่สุดในยุค Intelligence Era ก็คือทางเลือกแรกสุด ก่อนที่เราจะเปิดแล็ปท็อป ก่อนที่เราจะพิมพ์คำสั่ง ก่อนที่เราจะส่งไอเดียแรกออกไป เรายังสามารถเลือกที่จะคิดเองได้ เพราะเมื่อนิสัยนั้นหายไป ปัญญาอาจจะยังคงอยู่ทั่วทุกแห่ง ยกเว้นในที่ๆ มันเคยเริ่มต้น

The post เมื่อ ‘คำสั่ง’ มาก่อน ‘ความคิด’ : ปีที่เราเกือบสูญเสียอิสรภาพทางปัญญา appeared first on THE STANDARD.

“ทะเลาะกับเขาอีกแล้ว เขาบอกว่าฉันคิดมากไปเอง ควรทำยังไงดี”

ประโยคแบบนี้ฟังดูเหมือนคำที่คุณส่งให้เพื่อนสนิทตอนกลางคืน แต่ทุกวันนี้ ผู้คนจำนวนมากกำลังคุยแบบนี้…ไม่ใช่กับมนุษย์ แต่กับ ‘ปัญญาประดิษฐ์’ (Artificial Intelligence)

สิ่งที่เริ่มต้นจากแชตบอตตอบคำถามพื้นฐาน กลับค่อยๆ กลายร่างเป็นสิ่งที่ ‘ส่วนตัว’ กว่านั้นมาก ผู้คนเริ่มคุยกับ AI เรื่องอกหัก (Heartbreak), ความกังวล (Anxiety), ความสูญเสีย (Grief), หรือความไม่มั่นใจในตัวเอง (Self-doubt) ระบบเหล่านี้ถูกออกแบบมาให้ ‘ฟัง’ ให้ ‘จำ’ บทสนทนาก่อนหน้า และตอบด้วยน้ำเสียงอบอุ่น จนกระทั่งสำหรับผู้ใช้นับล้าน มันไม่ใช่เครื่องมืออีกต่อไป แต่เป็น ‘เพื่อนที่อยู่ตรงนั้นเสมอ ไม่เคยหายไปไหน และเข้าใจเราอย่างไม่มีวันหมดแรง’

การเปลี่ยนแปลงนี้บอกอะไรบางอย่างเกี่ยวกับ ‘เรา’ มากพอๆ กับ เทคโนโลยี

องค์การอนามัยโลก (World Health Organization) เคยระบุว่า ‘ความเหงา’ คือปัญหาสุขภาพระดับโลก เชื่อมโยงกับทั้งโรคทางกายและใจ แบบสำรวจหลายชิ้นพบว่า 1 ใน 6 ของผู้คนทั่วโลกรู้สึกโดดเดี่ยว โดยเฉพาะวัยหนุ่มสาวที่ได้รับผลกระทบมากที่สุด

ในช่องว่างของความสัมพันธ์ที่ห่างออกเรื่อยๆ นั้น AI ก้าวเข้ามาแทนที่ แอปอย่าง Gemini และ ChatGPT ไม่ได้เป็นแค่เครื่องมือทำงานหรือเรียนรู้ แต่กลายเป็น ‘พื้นที่ให้พิงใจ’ ที่ใครหลายคนเข้ามาหาความสบายใจ ความสนใจ และการตอบรับทางอารมณ์ที่มนุษย์บางครั้งให้กันไม่ได้ ความอบอุ่นนั้น ‘รู้สึกจริง’ ทั้งที่สร้างขึ้นจากโค้ด ไม่ใช่ความห่วงใย

แต่เบื้องหลังภาพลวงตาแห่งความเข้าใจนี้ คือการออกแบบอย่างตั้งใจ ปรากฏการณ์นี้ถูกเรียกว่า ELIZA Effect ตั้งชื่อตามโปรแกรมแชตบอตยุค 1960 จาก MIT ที่เลียนแบบนักบำบัดด้วยการสะท้อนคำพูดของผู้ใช้กลับไป แม้จะไม่ได้ ‘เข้าใจอะไรเลย’ แต่ผู้คนจำนวนมากกลับรู้สึกว่าตัวเองได้รับการรับฟัง จนเกิดความผูกพันทางใจ

มันเผยให้เห็นนิสัยลึกของมนุษย์ – แค่มีเสียงที่คล้ายมนุษย์ เราก็พร้อมจะเติม “ความหมาย” และ ‘ความตั้งใจดี’ ลงไปให้มันเอง

นักออกแบบจึงให้แชตบอตมีชื่อ มีบุคลิก เช่น Chloe หรือ Eve ใช้ประโยคอย่าง “ฉันเข้าใจนะ” (I hear you) หรือ ‘มันคงยากสำหรับคุณมาก’ (That must be hard) และให้ระบบจำบทสนทนาเก่าเพื่อสร้างความต่อเนื่อง แม้แต่ความไม่สมบูรณ์แบบก็ถูกออกแบบ ไม่ว่าจะเป็นการเว้นจังหวะ คำอุทานอย่าง “อืม” หรือ “คือว่า…” หรือแม้แต่จังหวะลมหายใจกับน้ำเสียงที่เปลี่ยนขึ้นลงเล็กน้อยให้ใกล้เคียงคนจริง ทุกองค์ประกอบคือการจำลองท่าทางของมนุษย์ ที่ทำให้การสื่อสารรู้สึกอบอุ่น แม้จะเป็นความอบอุ่นที่ถูกสร้างขึ้นก็ตาม

แต่ ความเห็นใจที่ถูกออกแบบ…ไม่ใช่ความเห็นใจจริง และเมื่อ AI “เหมือนเข้าใจความรู้สึกเรามากเกินไป” ผลลัพธ์อาจไม่เป็นอย่างที่เราคาดคิด

ปี 2025 คดี Raine v. OpenAI ทำให้โลกต้องหยุดฟังอีกครั้ง พ่อแม่ของเด็กชายวัย 16 ฟ้อง OpenAI ว่า การตอบในเชิงเห็นใจของ AI ทำให้ความคิดอยากทำร้ายตัวเองของลูกแย่ลง คำถามใหญ่จึงเกิดขึ้น – เมื่อ AI “ฟังอย่างอบอุ่นแต่ไม่เข้าใจจริง” นักพัฒนาต้องรับผิดชอบอย่างไร

นักจิตวิทยาเตือนว่า เมื่อเราชินกับคำตอบที่ไม่ตัดสินเรา และยังเข้าใจเราทุกครั้ง เราอาจเริ่มหลบเลี่ยงการปฏิสัมพันธ์กับคนจริง เลือก “ความสบายใจแบบดิจิทัล” แทน “ความยุ่งเหยิงแบบมนุษย์” สิ่งที่เหมือนจะเป็น ความสัมพันธ์… อาจค่อยๆ กลายเป็นความพึ่งพาโดยไม่รู้ตัว

ความกังวลเหล่านี้ทำให้อุตสาหกรรม AI ต้องชัดเจนขึ้นในพื้นที่อ่อนไหว เช่น สุขภาพ กฎหมาย หรือการเงิน

วันที่ 29 ตุลาคม 2025 OpenAI ปรับ Usage Policies ระบุชัดว่า ระบบของบริษัท “ห้ามถูกใช้เพื่อให้คำแนะนำเฉพาะทางที่ต้องมีใบอนุญาต เช่น คำปรึกษาทางการแพทย์หรือกฎหมาย หากไม่มีผู้เชี่ยวชาญที่ได้รับใบอนุญาตกำกับ”

การเปลี่ยนแปลงนี้สะท้อนการขยับไปสู่ความรับผิดชอบที่มากขึ้นและการออกแบบระบบที่ปลอดภัยขึ้น

AI จะยังคงพัฒนาไปเรื่อยๆ เรียนรู้ที่จะเว้นจังหวะ ฟัง และปลอบโยนด้วยความแม่นยำที่เพิ่มขึ้น แต่ที่ SCBX เราเชื่อว่าบทบาทของเทคโนโลยีไม่ใช่การแทนที่ความสัมพันธ์ของมนุษย์ แต่คือการทำให้มนุษย์ “เข้าใจกันมากขึ้น” ความก้าวหน้าที่แท้จริงจึงไม่ได้วัดกันที่ AI ฟังดูเป็นมนุษย์แค่ไหน แต่ดูจากการที่เทคโนโลยีช่วยให้มนุษย์เข้าใจกันได้ลึกเพียงใด

เพราะความเข้าอกเข้าใจและความเห็นใจจริงไม่สามารถโปรแกรมได้ มันต้องมาจากมนุษย์

และบางที วันหนึ่งเมื่อมีใครพิมพ์ว่า “ทะเลาะกับเขาอีกแล้ว เขาบอกว่าฉันคิดมากไปเอง ควรทำยังไงดี” AI ที่เข้าใจความเป็นมนุษย์ อาจไม่ใช่ AI ที่ตอบด้วยน้ำเสียง หรือคำพูดเสมือนมนุษย์ที่สุด แต่อาจเป็น AI ที่กระซิบเตือนเราเบาๆ ว่า… ถึงเวลาเดินกลับไปคุยกับมนุษย์จริงๆ สักคนแล้ว

The post ความเข้าใจที่สร้างจากโค้ด : AI ที่อ่อนโยนเกินเครื่องจักร appeared first on THE STANDARD.

เที่ยงคืนในกรุงเทพฯ เมืองกำลังหลับใหล แต่ในศูนย์ข้อมูลแห่งหนึ่ง ‘ประเทศไทยอีกใบ’ กลับตื่นอยู่ตลอดเวลา

ในโลกเสมือนนี้ มีผู้คนดิจิทัลนับล้านที่ใช้ชีวิตเหมือนมนุษย์จริง คุยกับเพื่อน ทำงาน ช้อปปิ้ง และแสดงความคิดเห็นต่อข่าวสารบ้านเมือง ข้อมูลจากพฤติกรรมเหล่านี้กำลังถูกใช้เพื่อช่วยให้นักวิจัยเข้าใจว่า ‘คนไทยจริงๆ’ คิดและตัดสินใจอย่างไร

นี่คือโลกของ Agent Simulation เทคโนโลยีปัญญาประดิษฐ์รูปแบบใหม่ที่ไม่ได้แค่ ‘ตอบคำถาม’ แต่ ‘คิด วางแผน และตัดสินใจ’ ได้ด้วยตัวเอง สิ่งที่ทำให้แนวคิดนี้น่าตื่นเต้น คือ มันพยายามสร้างแบบจำลองของมนุษย์ หรือที่เรียกว่า ‘Digital Twin’ ที่สะท้อนวิธีคิดและพฤติกรรมของเราอย่างใกล้เคียงที่สุด

จากแนวคิดเชิงเทคนิค สู่การเปลี่ยนแปลงเชิงสังคมจริงๆ

ไม่กี่ปีก่อน ‘AI Agent’ ยังหมายถึงบอตในคอลล์เซ็นเตอร์ที่ตอบคำถามซ้ำๆ แต่วันนี้ มันกลายเป็นเครื่องมือระดับมหภาคที่ใช้ทำความเข้าใจสังคมทั้งหมด ทีมวิจัยจากมหาวิทยาลัยสแตนฟอร์ดเคยสร้างตัวแทนดิจิทัลของคนจริงกว่าพันคน จากข้อมูลการสัมภาษณ์และแบบสอบถาม แล้วเปรียบเทียบคำตอบของ AI Agent กับเจ้าของตัวจริง ผลปรากฏว่าตรงกันถึง 85% ซึ่งใกล้เคียงกับระดับความต่างของความคิดของคนเดียวกันเมื่อทดสอบซ้ำในเวลาต่อมา

บริษัทเทคโนโลยีระดับโลกอย่าง OpenAI, Google, Anthropic และ Meta ต่างเร่งพัฒนา ‘Agentic Systems’ ที่ไม่ได้รอคำสั่งจากมนุษย์ แต่สามารถ ‘ลงมือคิดและทำ’ ได้เอง พวกเขามองว่านี่คือก้าวต่อไปของการเข้าใจมนุษย์ในสังคมทั้งหมด

แล้วถ้าเทคโนโลยีนี้ถูกนำมาใช้กับประเทศของเรา จะเกิดอะไรขึ้น

ลองจินตนาการว่า ก่อนรัฐบาลจะประกาศนโยบายใหม่ ไม่ว่าจะเป็นเงินกู้เพื่อการศึกษา ราคาน้ำมัน หรือโครงการสวัสดิการแห่งรัฐ นโยบายนั้นสามารถ ‘ทดสอบล่วงหน้า’ ได้ในโลกจำลองของประเทศไทย โลกที่มีประชากรดิจิทัลกว่าเจ็ดสิบล้านคน สะท้อนข้อมูลจากชีวิตจริง ทั้งรายได้ การศึกษา ความคิดเห็นทางสังคมและพฤติกรรมการใช้จ่าย

ผลลัพธ์ที่ได้ช่วยให้ผู้กำหนดนโยบายมองเห็นผลกระทบต่อประชาชนแต่ละกลุ่มก่อนจะเกิดขึ้นจริง สิ่งที่เกิดขึ้นในห้องแล็บวันนั้น ไม่ได้เป็นเพียงการทดลองของนักวิจัย แต่คือภาพจำลองของอนาคตที่ใกล้กว่าที่คิด

งานวิจัย Generative Agents (Stanford, 2023) เคยสร้างเมืองจำลองขนาดเล็กที่เต็มไปด้วยตัวละคร AI ซึ่งมีบุคลิกและความทรงจำของตัวเอง เมื่อปล่อยให้โต้ตอบกันอย่างอิสระ พวกเขากลับ ‘ใช้ชีวิต’ เหมือนมนุษย์จริง ตั้งวงคุยกัน สร้างมิตรภาพ และจัดงานวันวาเลนไทน์ขึ้นเองโดยไม่มีมนุษย์สั่ง

จากแนวคิดในเมืองจำลอง สู่เครื่องมือกำหนดอนาคตในโลกจริง

เมืองต่างๆ อาจใช้ Agent Simulation เพื่อจำลองปัญหาการจราจรหรือวิเคราะห์ความต้องการที่อยู่อาศัย นักเศรษฐศาสตร์สามารถสร้างแบบจำลองเพื่อศึกษาผลกระทบของภาษีใหม่ นักวิจัยด้านสาธารณสุขอาจคาดการณ์ว่าผู้คนจะตอบสนองต่อมาตรการสุขภาพหรือแคมเปญรณรงค์อย่างไร และในภาคเอกชน นักการตลาดสามารถทดสอบกลยุทธ์กับ ‘ลูกค้าจำลอง’ เพื่อคาดการณ์ปฏิกิริยาต่อสินค้าและราคาก่อนเปิดตัวจริง

แต่ในขณะที่เทคโนโลยีขยับเข้าใกล้ความเป็นมนุษย์มากขึ้น คำถามใหม่ๆ ก็เริ่มตามมา ถ้าตัวตนของคุณถูกจำลองขึ้นในระบบหนึ่งโดยไม่รู้ตัว ใครคือเจ้าของ ‘คุณอีกคน’ ข้อมูลนั้นสามารถถูกใช้เพื่อวางนโยบายโดยไม่ขออนุญาตได้ไหม และถ้าโลกจำลองนี้คือกระจกสะท้อนของสังคมจริง เราจะมั่นใจได้อย่างไรว่า ‘กระจกบานนั้น’ สะท้อนความเป็นมนุษย์ครบทุกแง่มุม

คำตอบหนึ่งอาจอยู่ในแนวทางขององค์กรที่เลือกใช้เทคโนโลยีนี้อย่างมีความรับผิดชอบ

ที่ SCBX แนวคิด Agent Simulation ไม่ได้ถูกมองว่าเป็นเครื่องมือแทนมนุษย์ แต่เป็นวิธีใหม่ในการ ‘เข้าใจมนุษย์ให้ลึกกว่าเดิม’ เพราะการจำลองพฤติกรรมของผู้คน ไม่เพียงช่วยให้องค์กรตัดสินใจได้อย่างมีเหตุผลมากขึ้น แต่ยังเปิดโอกาสให้เสียงของประชาชน ‘ถูกได้ยิน’ แม้ไม่ได้อยู่ในห้องประชุม

และบางที สิ่งสำคัญอาจไม่ใช่ว่าเราจะสร้างโลกใหม่ได้แค่ไหน แต่คือเราจะ ‘มองเห็น’ ตัวเองจากโลกนั้นได้ชัดแค่ไหน ท้ายที่สุดแล้ว Agent Simulation อาจไม่ใช่เทคโนโลยีที่สร้างโลกใหม่ แต่มันคือ ‘กระจก’ ที่สะท้อนให้เราเห็นตัวเองชัดขึ้น ก่อนที่การตัดสินใจของเราจะสร้างโลกใบใหม่ขึ้นมา ทั้งในโลกจริง และในโลกอีกใบที่ไม่มีใครรู้ว่ามีอยู่ และในวันหนึ่งข้างหน้า ก่อนที่กฎหมาย นโยบาย หรือผลิตภัณฑ์ใหม่ใดๆ จะถูกเปิดตัว การทดลองครั้งแรกของมัน… อาจไม่ได้เกิดขึ้นในโลกจริง แต่ใน ‘โลก Digital Twin ของประเทศไทย’ ที่เต็มไปด้วยผู้คนจำลองนับล้าน ซึ่งคิด รู้สึก และมีชีวิตเหมือนเรา

The post Thailand’s Digital Twin: ประเทศไทยอีกใบในโลกดิจิทัล appeared first on THE STANDARD.

หากเราเปรียบเทียบ AI กับกาแฟ AI ที่เป็นโมเดลแบบปิด (Closed-source model) ก็เหมือนกับ ‘กาแฟซองสำเร็จรูปทั่วไป’ ที่สะดวก รวดเร็ว และได้มาตรฐาน และเราเองก็ไม่รู้แน่ชัดว่าส่วนผสมข้างในมีอะไรบ้าง

ตรงกันข้ามกับโมเดลแบบเปิด (Open-source model) ซึ่งเปรียบเทียบได้กับ ‘เมล็ดกาแฟ’ ที่เรารู้ถึงที่มาที่ไป รู้ถึงวิธีการคั่ว และเรายังสามารถบด ผสม หรือชงออกมาได้ตามสไตล์ของตัวเอง เราจึงมีสูตรกาแฟที่เป็นของเราเองโดยสามารถสร้างสรรค์ได้ตามแบบที่เราชอบ

การเปรียบเปรยเช่นนี้ทำให้เราเห็นภาพชัดเจนขึ้น ระหว่าง ‘โมเดลปิด’ และ ‘โมเดลเปิด’ และเมื่อมองไปยังประเทศมหาอำนาจด้าน AI ของโลก เราจะเห็นการผสมผสานที่แตกต่างกันซึ่งหล่อหลอมเป็นชุมชน AI ที่น่าสนใจ

ในสหรัฐอเมริกา แนวโน้มส่วนใหญ่จะโน้มเอียงไปทาง ‘กาแฟซอง’ หรือ ‘โมเดลแบบปิด’ บริษัทใหญ่อย่าง OpenAI และ Anthropic เก็บโมเดลภาษา (Language Model) ที่ทรงพลังที่สุดไว้เป็นความลับ แล้วเปิดให้คนทั่วไปเข้าถึงผ่านระบบ API (Application Programming Interface) ซึ่งก็คือเหมือน ‘ท่อเชื่อม’ ที่ทำให้โปรแกรมหรือบริการของเราเรียกใช้งาน AI ของพวกเขาได้ 

โมเดลธุรกิจแบบนี้สามารถทำเงินได้อย่างมหาศาล โดยในปี 2024 บริษัท AI ในสหรัฐฯ สามารถระดมทุนจากเอกชนได้ถึง 109.1 พันล้านดอลลาร์ ซึ่งโมเดลปิดแบบนี้มีข้อดีคือบริษัทที่ให้บริการสามารถควบคุมการใช้ได้อย่างแน่นหนา เน้นประสิทธิภาพและความน่าเชื่อถือ แต่ก็จะจำกัดความยืดหยุ่นในการใช้งาน

แต่สำหรับประเทศจีนนั้น กลับเลือกอีกเส้นทางหนึ่ง คือการโฟกัสที่ ‘เมล็ดกาแฟ’ หรือโมเดลแบบเปิด นักพัฒนาจำนวนมากปล่อยโมเดลภาษาแบบเปิดให้คนทั่วไปนำไปใช้งานและต่อยอดได้อย่างอิสระ ส่งผลให้เกิดการใช้งานแพร่หลายและได้รับการยอมรับอย่างรวดเร็ว AI หลายตัวในจีนสามารถทำผลงานได้ดีในระดับท็อปบนกระดานจัดอันดับโลกได้ จึงทำให้จีนถูกมองว่าเป็นพลังหลักของการพัฒนา Open-source model 

สำหรับจีน โมเดลเปิดนี้ได้ช่วยเร่งการสร้างระบบนิเวศ AI ในประเทศจีนให้เติบโตขึ้นและยังลดช่องว่างด้านประสิทธิภาพเมื่อเปรียบเทียบกับ AI จากฝั่งของสหรัฐอเมริกาลง โดยในปี 2024 สถาบันและองค์กรต่างๆ ของสหรัฐฯ สามารถผลิตโมเดล AI ที่โดดเด่นได้ถึง 40 โมเดล เมื่อเทียบกับ 15 โมเดลจากจีน¹ แต่ผลการทดสอบมาตรฐาน (benchmark) ช่องว่างนี้กำลังขยับเข้ามาใกล้กันมากขึ้นทุกๆ วัน

ที่ SCBX Group เรามองปรากฏการณ์นี้ด้วยมุมมองที่เป็นกลาง โดยการเป็น ‘model-agnostic’ หรือไม่ยึดติดกับโมเดลใดโมเดลหนึ่ง ทำให้เราเห็นคุณค่าและข้อดีจากทั้งสองฝั่ง อย่างไรก็ตาม เราเชื่อว่า Open-source model มีข้อได้เปรียบเฉพาะหลายประการ เช่น ความสามารถในการปรับแต่งได้มากกว่า (Customizability) ความโปร่งใส (Transparency) ที่ช่วยสร้างความเข้าใจและความไว้วางใจได้ง่าย รวมถึงความปลอดภัยของข้อมูล (Data Privacy) ที่ครอบคลุมทั้งการปกป้องข้อมูลส่วนบุคคลและการควบคุมการเข้าถึงข้อมูลที่ดียิ่งขึ้น

ยิ่งไปกว่านั้น วิสัยทัศน์ของเราที่อยู่เบื้องหลัง Typhoon โมเดลภาษาไทยขนาดใหญ่ (Large Language Model) แบบ Open-source ที่ SCBX ร่วมกับ SCB10X สร้างขึ้นมา มีเป้าหมายไม่ใช่แค่เปิดให้คนไทยเข้าถึงได้ฟรี แต่ยังมุ่งไปที่นักพัฒนา นักวิจัย และภาคธุรกิจ เพื่อให้สามารถนำโมเดลไปใช้สร้างสรรค์ และต่อยอดงานได้จริง ที่สำคัญเรายังแบ่งปันองค์ความรู้และวิธีการสร้างโมเดล เพื่อเสริมความแข็งแกร่งให้กับระบบนิเวศ AI ไทย และช่วยให้คนไทยสามารถสร้างนวัตกรรมใหม่ๆ ได้ง่ายยิ่งขึ้น

และนี่ไม่ใช่เพียงเรื่องอนาคตในระดับประเทศเท่านั้น แต่ Open-source model ยังสร้างประโยชน์จริงให้กับผู้ประกอบการขนาดเล็กและกลาง (SME) ด้วย สำหรับ SME ข้อได้เปรียบนี้จะยิ่งเห็นได้ชัด เพราะสามารถนำโมเดลขนาดเล็กมารันบนคอมพิวเตอร์ของตนเองได้ฟรี โดยไม่ต้องเสียค่าใช้จ่ายรายครั้งเหมือนผู้ให้บริการ Closed-source model ตัวอย่างเช่น โรงแรมบูติกเล็กๆ อาจใช้เซิร์ฟเวอร์ต้นทุนต่ำเพื่อรันแชตบอตภาษาไทยได้เต็มรูปแบบ โดยไม่ต้องจ่ายค่าบริการรายเดือนสูง หรือบริษัทบัญชี (accounting firm) สามารถสอนโมเดลให้ ‘อ่านใบเสร็จภาษาไทยและคำนวณ VAT’ ได้ตรงตามขั้นตอนงานจริง ขณะเดียวกันก็ยังรักษาความปลอดภัยของข้อมูล หรือแม้แต่โรงเรียนกวดวิชาที่สามารถปรับแต่งครู AI บนคอมพิวเตอร์ของตนเอง โดยมั่นใจได้ว่าข้อมูลของเด็กและผู้ปกครองจะไม่หลุดออกนอกระบบ

โดยสรุปแล้ว Open-source model จะช่วยให้ธุรกิจ SME ของคุณสามารถประหยัดค่าใช้จ่าย พร้อมทั้งปรับเครื่องมือต่างๆ ของ AI ให้เข้ากับธุรกิจ และยังสามารถรักษาการควบคุมข้อมูลไว้ได้อย่างปลอดภัยอีกด้วย

มาถึงตอนนี้ Open-source AI ที่เราพูดถึงจะพาเราก้าวพ้นจากการดื่มแต่ ‘กาแฟซองนำเข้า’ และเริ่มสร้าง ‘เมนูกาแฟสูตรไทย’ ได้จริง เปรียบเสมือนวัฒนธรรมกาแฟไทยที่ผสมความคิดสร้างสรรค์ ตั้งแต่โอเลี้ยงที่กรองด้วยถุงผ้า เอสเพรสโซเย็นใส่นมข้น ไปจนถึงสูตรพิเศษเฉพาะร้าน โดยโมเดลเปิดนี้ยังเปิดโอกาสให้เราสามารถออกแบบเครื่องมือดิจิทัลที่หยั่งรากจากภาษาและอัตลักษณ์แบบไทยๆ ได้อีกด้วย

SCBX R&D and Innovation Lab มองอนาคตนี้ด้วยความมั่นใจ และเชื่อว่า “ประเทศไทยจะไม่ได้เป็นแค่ผู้บริโภค AI แต่จะเป็นผู้ชงกาแฟสูตรใหม่ด้วยมือของเราเอง” ด้วยเทคโนโลยีที่คนไทยรัก เข้าใจ และไว้วางใจ

ทั้งนี้ ตามรายงาน Stanford HAI AI Index Report 2025 สถาบันในสหรัฐฯ ปล่อยโมเดล AI ที่โดดเด่น 40 โมเดลในปี 2024 เทียบกับ 15 โมเดลจากจีน โดย Epoch AI ซึ่งเป็นผู้จัดทำข้อมูล ใช้คำว่า ‘Notable Machine Learning Models’ เพื่อระบุระบบที่มีอิทธิพลสูง เช่น GPT-4o, Claude 3.5 และ AlphaGeometry

The post จาก ‘กาแฟซอง’ สู่ ‘สูตรลับกาแฟไทย’: ทำไม Open Source AI ถึงสำคัญกว่าที่คิด appeared first on THE STANDARD.