ช่วงเดือน เมษายนที่ผ่านมา อุตสาหกรรม AI อยู่ในจุดเปลี่ยนผ่านที่ผิดปกติ บริษัทเทคโนโลยีขนาดใหญ่ต่างทยอยปล่อยโมเดลใหม่ชั้นนำออกมาใกล้ๆ กันถึง 4 ตัวภายในหนึ่งสัปดาห์ เริ่มจากวันที่ 16 เมษายน บริษัท Anthropic เปิดตัว Claude Opus 4.7 ต่อมาวันที่ 21 เมษายน บริษัท OpenAI ปล่อย GPT Image 2 ตามด้วย GPT-5.5 ในวันที่ 23 เมษายน ทั้งๆ ที่เพิ่งเปิดตัว GPT-5.4 ก่อนหน้านั้นเพียงหกสัปดาห์ และวันที่ 24 เมษายน บริษัท DeepSeek ก็เปิดตัว V4 Preview
หากเปรียบเทียบความโดดเด่นแต่ละตัวจะพบว่า Claude Opus 4.7 มีความสามารถเขียน และตรวจสอบโค้ดที่ซับซ้อนได้โดยแทบไม่ต้องมีคนควบคุม และกลายเป็นโมเดลอันดับหนึ่งในด้าน Agentic Coding ขณะที่ทาง OpenAI ก็อ้างว่า GPT-5.5 มีผลทดสอบหลายตัวสูงกว่าคู่แข่งในการใช้งานทั่วไป
ส่วน GPT Image 2 ก็ขึ้นเป็นผู้นำจากความสามารถแสดงข้อความในภาพได้แม่นยำเกือบสมบูรณ์ และรองรับหลายภาษา โดยเฉพาะภาษาไทย ซึ่งผมได้ทดสอบแล้ว พบว่า โดดเด่นกว่าโมเดล Gemini Nano Banana ผู้นำเดิมในด้านนี้
ส่วน DeepSeek V4 จากจีนสร้างแรงสั่นสะเทือนในวงการในแง่ที่ต่างออกไป ไม่ใช่เพราะผลทดสอบมีคะแนนสูงสุด แต่เพราะมีราคาที่ถูกกว่า Claude Opus 4.7 หรือ GPT-5.5 หลายเท่า และยังเป็นโมเดลเปิดโอเพนซอร์ส ที่ใครก็นำไปติดตั้งใช้งานเองได้ฟรี ทำให้แรงกดดันด้านราคาที่บริษัท AI ของสหรัฐฯ เผชิญอยู่รุนแรงขึ้นอีกระดับ
โดยรวมแล้ว ภาพที่เห็น คือ ตลาดกำลังแตกเป็นสองค่าย ค่ายหนึ่ง คือ โมเดลปิดที่แข่งด้วยความสามารถและระบบนิเวศที่ดีกว่า ส่วนอีกค่ายคือโมเดลเปิดที่แข่งด้วยราคาและความยืดหยุ่น ซึ่งแต่ก่อนความสามารถสองค่ายนี้ห่างกันมาก แต่ล่าสุดจะพบว่าช่องว่างระหว่างสองค่ายนี้กำลังแคบลงทุกเดือน
อุตสาหกรรม AI ขณะนี้เปลี่ยนจากปีก่อนอย่างมีนัยสำคัญ เมื่อก่อนยังพอมีผู้นำชัดเจนแต่ละช่วงเวลา เพราะกว่าแต่ละบริษัทจะปล่อยโมเดลชั้นนำที่เด่นกว่าเอาชนะคู่แข่งได้ มักใช้เวลาหลายเดือน ยิ่งสองปีก่อนหน้านั้นอาจใช้เวลาถึงครึ่งปี แต่ตอนนี้ช่องว่างระหว่างโมเดลชั้นนำแคบลงจนแทบไม่มีใครทิ้งห่างได้นานกว่าหกสัปดาห์
ถ้าสังเกตดูจะเห็นว่าปฏิกิริยาของตลาดต่อ DeepSeek V4 รอบนี้เงียบกว่าตอนที่ DeepSeek เปิดตัวครั้งแรกเมื่อมกราคมปีที่แล้วมาก เพราะตอนนั้นเป็นปรากฏการณ์ที่ช็อกคนทั้งโลก แต่ครั้งนี้นักลงทุนและองค์กรต่างๆ เริ่มคาดหวังอยู่แล้วว่าจะมีผู้เล่นใหม่โผล่ขึ้นมาทุกไม่กี่สัปดาห์ ทำให้ปรากฏการณ์ “ผู้นำ AI รายสัปดาห์” ไม่ใช่ข่าวใหญ่อีกต่อไป มันกลายเป็นเรื่องปกติ
การที่บริษัทเหล่านี้พัฒนาโมเดล AI ได้เร็วขึ้นเป็นเพราะมีข้อได้เปรียบสะสมอยู่หลายด้านพร้อมกัน ทั้งมีดาต้าเซ็นเตอร์และโครงสร้างพื้นฐานที่ลงทุนไปแล้ว มีข้อมูลจากผู้ใช้หลายร้อยล้านคนที่ช่วยปรับปรุงโมเดลอย่างต่อเนื่อง และมีทีมวิจัยขนาดใหญ่ที่ทดลองหลายสิบแนวทางพร้อมกัน ยิ่งโมเดลดีขึ้น ยิ่งมีคนใช้มากขึ้น ยิ่งได้ข้อมูลกลับมาปรับปรุงมากขึ้น วนซ้ำเป็นวงจรที่เร่งตัวเองอยู่ตลอดเวลา
อีกปัจจัยสำคัญ คือ บริษัทเหล่านี้เรียนรู้จากกันได้เร็วมากขึ้น เมื่อห้องปฏิบัติการใดตีพิมพ์งานวิจัยหรือเปิดโมเดลโอเพนซอร์ส คู่แข่งทุกรายสามารถนำไปต่อยอดได้ภายในไม่กี่สัปดาห์ บวกกับที่ปัจจุบันมีเครื่องมือช่วยพัฒนาที่ดีขึ้นมาก รวมถึงการใช้ AI ช่วยเขียนโค้ดสำหรับสร้าง AI ด้วยกันเอง ทำให้สิ่งที่เคยใช้เวลาเป็นปี ทำได้ในไม่กี่สัปดาห์
ดังนั้น ช่องว่างการพัฒนาเทคโนโลยีในด้านนี้ระหว่างบริษัทเล็กกับบริษัทเทคโนโลยีขนาดใหญ่จะห่างขึ้นเรื่อยๆ จนสุดท้ายก็คงจะเหลือเฉพาะรายใหญ่ไม่กี่รายที่มีความพร้อมมากกว่า นอกจากโมเดล AI แข่งกันด้านความสามารถ การแข่งขันด้านราคาก็รุนแรงขึ้นพร้อมกัน บริษัทที่ขายการใช้โมเดล AI ผ่าน “ท่อ” หรือ API ให้คนอื่นใช้โดยตรงกำลังเผชิญกับกำไรที่บางลงทุกวัน ทำให้ทุกบริษัทพยายามขยับขึ้นไปสร้างผลิตภัณฑ์และบริการของตัวเองแทนที่จะขายแค่ API ซึ่งผู้ที่ได้ประโยชน์ชัดเจนที่สุดในตอนนี้คือผู้ใช้ทั่วไปและองค์กร เพราะราคา AI ถูกลงและมีตัวเลือกมากขึ้น
หากมองไปข้างหน้าในอีก 6-12 เดือน สิ่งที่น่าจับตาไม่ใช่แค่โมเดลใหม่ที่จะตามมา ไม่ว่าจะเป็น Mythos ของ Anthropic หรือ GPT-6 ของ OpenAI แต่คือทิศทางแข่งขันกำลังเคลื่อนไปสู่งานเฉพาะทาง เช่น การเงิน การแพทย์ และกฎหมาย นอกจากนี้สหภาพยุโรปได้ออกกฎหมาย AI ที่จะมีผลบังคับใช้เต็มรูปแบบในเดือนสิงหาคม 2569 ซึ่งจะเพิ่มภาระด้านการปฏิบัติตามกฎระเบียบให้กับองค์กรที่ทำธุรกิจกับยุโรป เป็นสัญญาณว่าการกำกับดูแล AI กำลังเปลี่ยนจากเรื่องนโยบายไปสู่เรื่องต้นทุนและความเสี่ยงทางธุรกิจที่จับต้องได้จริง
สำหรับองค์กรที่กำลังเลือกว่าจะใช้ AI ระบบไหน คำถามที่สำคัญกว่า “โมเดลตัวไหนเก่งสุด” ได้กลายเป็นโมเดลนั้นปลอดภัยพอไหม ดูแลจัดการได้ไหม เชื่อมต่อระบบที่มีอยู่ได้ไหม ที่สำคัญคือค่าใช้จ่ายจะควบคุมได้หรือไม่ หากองค์กรคุมเข้มเกินไปจะได้ AI ที่ทำได้แค่งานไม่สำคัญ แต่ถ้าปล่อยหลวมเกินไปก็เสี่ยงกับผลลัพธ์ที่ควบคุมไม่ได้ ความท้าทายที่แท้จริงจึงไม่ใช่การเลือกโมเดล แต่คือการหาจุดสมดุลที่ให้ AI ทำงานที่มีคุณค่าได้จริงโดยไม่สร้างความเสี่ยงที่รับไม่ได้
นอกจากนี้ อย่ายึดติดกับโมเดลใดโมเดลหนึ่งนานเกินไป เพราะตลาดเปลี่ยนเร็วมากจนโมเดลที่เก่งที่สุดวันนี้อาจถูกแซงอีกไม่กี่สัปดาห์ ภูมิทัศน์ตอนนี้เปลี่ยนเร็วเกินกว่าจะผูกองค์กรกับโมเดลเดียวเป็นปีๆ สิ่งที่ควรลงทุนมากกว่า คือ การออกแบบระบบที่สลับเปลี่ยนโมเดลได้ โดยไม่ต้องสร้างใหม่ทั้งหมด องค์กรควรให้ความสำคัญกับความสามารถในการบริหารจัดการและกำกับดูแล AI มากกว่าการไล่ตามใช้โมเดลอันดับหนึ่งที่คงครองอันดับไว้เพียงชั่วคราว
ประเด็นสำคัญอีกประการ คือ ควรทดสอบด้วยงานจริงตัวเอง ไม่ใช่เชื่อคะแนนตัวชี้วัดสากลอย่างเดียว สำหรับองค์กรไทย งานที่ควรนำมาทดสอบก่อนตัดสินใจซื้อ ได้แก่ เอกสารสองภาษาไทย-อังกฤษ ไฟล์ PDF ตาราง สไลด์ งานออกแบบที่มีตัวอักษรไทย และกระบวนการทำงานที่ต้องเชื่อมกับระบบภายในองค์กร เพราะความแตกต่างโมเดลรุ่นใหม่อยู่ที่การรองรับหลายภาษา การอ่านเอกสาร และการทำงานร่วมกับเครื่องมืออื่น มากกว่าแค่การตอบคำถามทั่วไปที่คะแนนตัวชี้วัด
ผมเชื่อว่าท่ามกลางการแข่งขันของอุตสาหกรรม AI แบบนี้ สิ่งที่องค์กรต้องการ ไม่ใช่การเลือกข้าง แต่คือความสามารถปรับตัวให้ทันการเปลี่ยนแปลง ทุกสัปดาห์มีโมเดลใหม่ออกมา ทุกโมเดลใหม่เปลี่ยนสมมติฐานเดิมไปอีกนิด และทุกการเปลี่ยนแปลง ไม่ได้รอให้ใครพร้อมก่อน องค์กรที่จะได้เปรียบในโลกแบบนี้ ไม่ใช่องค์กรที่เลือกโมเดลถูกหรือดีที่สุด แต่คือองค์กรที่สร้างความสามารถในการเรียนรู้ ทดสอบ และปรับตัวได้เร็วกว่าคนอื่น นั่นต่างหาก คือ ความได้เปรียบการแข่งขัน ที่ไม่มีวันถูกโมเดลตัวใหม่มาแย่งไปได้