“ภาคธุรกิจไทย” กำลังเผชิญความท้าทายระลอกใหม่ จากปัจจัย “ภูมิรัฐศาสตร์สงครามในตะวันออกกลาง” ทวีความรุนแรงและยืดเยื้อ กระทบต่อ “ต้นทุนพลังงาน” ที่พุ่งสูง และ “ภาวะเงินเฟ้อ” มีโอกาสปรับสูงขึ้น กดดันการขยายตัวของเศรษฐกิจในระยะข้างหน้า
นายพิสิฐ ทางธนกุล ประธานกรรมการบริหาร บริษัท PwC ประเทศไทย เปิดเผยว่า ความเชื่อมั่น“ซีอีโอไทย” ต่อเศรษฐกิจเริ่มถูกทดสอบด้วยปัจจัยสงครามในตะวันออกกลางที่ส่งผลโดยตรงต่อราคาน้ำมันในตลาดโลกที่ปรับตัวสูงขึ้นจากระดับ 60 ดอลลาร์ต่อบาร์เรล มาแตะระดับ 100 ดอลลาร์ต่อบาร์เรล หรือเพิ่มขึ้นกว่า 40-50% กลายเป็นตัวเร่งปฏิกิริยาให้ “อัตราเงินเฟ้อ” ในประเทศมีแนวโน้มพุ่งสูงขึ้นอย่างหลีกเลี่ยงไม่ได้ ตามราคาพลังงานและสินค้าที่ปรับเพิ่มขึ้น ซึ่งดอกเบี้ยนโยบายมักขยับตามเงินเฟ้อ ดังนั้น ภาคธุรกิจไทยต้องรอข้อมูลที่ชัดเจนจากรัฐบาล และคณะกรรมการนโยบายการเงิน (กนง.) อีกครั้ง
“นโยบายการเงิน แม้ว่า กนง. จะปรับลดดอกเบี้ยไปก่อนหน้านี้ แต่ทิศทางอนาคตยังขึ้นกับปัจจัยเสี่ยงเรื่องเงินเฟ้อ โดยเฉพาะราคาพลังงานที่อาจพุ่งสูงขึ้นจากสงครามในตะวันออกกลาง หากอัตราเงินเฟ้อไม่ได้ปรับตัวสูงขึ้นจนเกินไป ก็ยังมีโอกาสเห็นการปรับลดดอกเบี้ย เพื่อประคองเศรษฐกิจต่อไปได้ แต่ทั้งนี้ต้องรอประกาศตัวเลขเศรษฐกิจที่ชัดเจนอีกครั้ง”
พบสัญญาณอันตราย“ค้างชำระหนี้”
ขณะเดียวกัน สถานการณ์ความขัดแย้งสงครามในตะวันออกกลางที่เกิดขึ้น รัฐคาดจะส่งผลกระทบต่อการเติบโตของ จีดีพีไทยราว 1% ในกรณีทั่วไป และอาจส่งผลรุนแรงกว่านั้นหากสงครามยืดเยื้อ อีกทั้งยังเริ่มเห็นสัญญาณ “การจ่ายหนี้ล่าช้า” ในภาคธุรกิจไทยช่วงต้นปี สะท้อนถึงปัญหาการจัดการสภาพคล่อง
ดังนั้น มีคำแนะนำว่า สิ่งสำคัญที่สุดสำหรับภาคธุรกิจไทยขณะนี้คือการ “รักษาเงินสด” เพื่อรับมือความเสี่ยงสงครามและหนี้เสีย โดยการปรับเปลี่ยนโมเดลการพยากรณ์กระแสเงินสดให้มีความถี่มากขึ้น จากเดิมดูรายเดือนปรับเป็นรายสัปดาห์หรือรายวัน เพื่อติดตามการเก็บหนี้อย่างใกล้ชิด และบริหารสมดุลระหว่าง “เงินไหลเข้าและเงินไหลออก” ให้เหมาะสม
“หากกระแสเงินสดติดขัดและไม่สามารถกู้ยืมเพิ่มเติมได้ ธุรกิจอาจต้องพิจารณาชะลอชำระหนี้ออกไป เพื่อรักษาความอยู่รอดองค์กรในภาวะวิกฤติ”
น่าห่วง 'ภาคผลิต-อสังหาฯ' ยังโคม่า
สำหรับภาคธุรกิจไทยยังคงอยู่ในภาวะลำบาก และยังไม่ฟื้นตัวในปีนี้ ท่ามกลางความเสี่ยงภูมิรัฐศาสตร์ คือ “ภาคอุตสาหกรรมการผลิต” ที่พึ่งพาส่งออกและนำเข้ามีความเสี่ยงสูง เนื่องจากได้รับผลกระทบทั้งด้านห่วงโซ่อุปทาน (Supply Chain) และความต้องการจากต่างประเทศที่ชะลอตัว
และ “ภาคอสังหาริมทรัพย์” ที่ยังมีสินค้าคงคลัง (Backlog) สะสมเป็นจำนวนมาก ยังคงอยู่ในสภาวะที่น่าเป็นห่วงและอาจต้องใช้เวลาอีกอย่างน้อย 3 ปีในการฟื้นตัวเต็มที่
ทั้งนี้ ตรงกันข้ามกับ “ภาคธนาคารไทย” มองเป็นกลุ่มที่แข็งแกร่งที่สุด เพราะเป็นกลุ่มที่มีความพร้อมสูง มีบทเรียนจากวิกฤติต้มยำกุ้งปี 2540 ทำให้บริหารจัดการความเสี่ยงและ NPL ได้ดี อีกทั้งปัจจุบันยังมีส่วนต่างอัตราดอกเบี้ย (NIM) ที่สูงพอรับมือกับวิกฤติได้ จึงไม่น่าได้รับผลกระทบอย่างมีนัยสำคัญ
เทรนด์“ควบรวม”เพิ่มขึ้น-หุ้นกู้ยังเสี่ยง
นายพิสิฐ กล่าวต่อว่า สำหรับทิศทางลงทุนในอนาคตของภาคธุรกิจไทย เมื่ออัตราดอกเบี้ยเริ่มเข้าสู่ช่วงขาลง จะเป็นปัจจัยหนุนสำคัญให้เกิดการควบรวมกิจการ (M&A) มากขึ้น นอกจากนี้ ธุรกิจที่ขาดสภาพคล่องช่วงวิกฤติ อาจตัดสินใจควบรวมกิจการเพื่อความอยู่รอดมากขึ้นเช่นกันในภาวะที่การออกหุ้นกู้ทำได้ยาก เนื่องจากปัญหาสภาพคล่องและความกังวลนักลงทุน
ดังนั้น เราพบว่า ซีอีโอไทย มีแผนเข้าซื้อกิจการครั้งใหญ่ช่วง 3 ปีข้างหน้า เพื่อขยายไปสู่ภาคส่วนใหม่ในสัดส่วนที่เหมาะสม เพิ่มขีดความสามารถที่องค์กรยังขาด อีกทั้งทดลองและต่อยอดตลาดใหม่ กระจายความเสี่ยงจากธุรกิจหลัก และยกระดับความสามารถแข่งขันในสภาพแวดล้อมที่เศรษฐกิจโลกผันผวนและเชื่อมโยงกันมากขึ้น
ยกระดับ AI จากกระแส สู่วัดผลได้จริง
ด้านนวัตกรรม ซีอีโอไทยส่วนใหญ่มองว่า AI เป็นเทคโนโลยีที่ต้องลงทุนเพื่อรักษาขีดความสามารถแข่งขัน โดย PwC Global ทุ่มงบประมาณหลักพันล้านดอลลาร์พัฒนาเครื่องมือ เช่น “Next Generation Audit” เปลี่ยนโลกการตรวจสอบบัญชีจากการสุ่มตรวจเป็นการตรวจสอบข้อมูล 100% เพื่อความแม่นยำสูงสุด
แม้กระแส AI จะมาแรง แต่ผลสำรวจซีอีโอไทย พบมีเพียงส่วนน้อย 18% เท่านั้นที่เห็นผลตอบแทนจากการลงทุน (ROI) ที่เป็นรูปธรรม ทั้งแง่การเพิ่มรายได้หรือลดต้นทุน ขณะที่ส่วนใหญ่มากกว่าครึ่ง ยังไม่สามารถลดต้นทุนหรือเพิ่มรายได้
แต่ถึงกระนั้น ภาคธุรกิจไทยส่วนใหญ่ยังยืนยันลงทุน AI โดยมองไปที่ประสิทธิภาพระยะยาว ไม่อยากตกกระแส ดังนั้น มีคำแนะนำการลงทุนใช้ AI สำหรับภาคธุรกิจไทย องค์กรควรสร้าง Use Case ที่มีประสิทธิภาพก่อนเริ่มทำจริง ต้องกำหนด KPI ที่ชัดเจน พัฒนาบุคลากร และให้ความสำคัญกับเรื่องธรรมาภิบาล
อย่างไรก็ตาม ธุรกิจที่เหมาะสมกลุ่มที่มีขั้นตอนทำงานซ้ำๆ เช่น คอลเซ็นเตอร์ หรือระบบงานบัญชี การผลิต เช่นอุตสาหกรรมอิเล็กทรอนิกส์ และรถยนต์ รวมถึงในต่างประเทศมีตัวอย่างการใช้ AI ที่ประสบความสำเร็จแล้ว เช่น การใช้โดรนในอุตสาหกรรมเกษตรและการจัดการคลังสินค้าในต่างประเทศ ที่พิสูจน์แล้วว่าช่วยเพิ่มความแม่นยำได้เต็มประสิทธิภาพ