เมื่อวันจันทร์ที่ผ่านมา ผมได้รับเชิญไปร่วมวงเสวนาที่รัฐสภา เพื่อเล่าผลการทดสอบใช้งานจริงของโปรแกรม AiPass ภายใต้โครงการ TH-AI Passport ที่รัฐตั้งเป้าให้คนไทย 5 ล้านคนได้ใช้ Generative AI ฟรีเป็นเวลา 1 ปี ผมต้องขอบคุณบริษัทผู้พัฒนาที่เปิดให้ผมเข้าไปทดสอบ พร้อมยกระดับบัญชีให้ได้เครดิต 10,000 เครดิต และต้องออกตัวก่อนว่าสิ่งที่ทดสอบอาจเป็นเวอร์ชันที่ยังพัฒนาไม่เสร็จ เมื่อเปิดใช้จริงอาจดีขึ้นก็ได้
ต้องยอมรับว่า AiPass มีจุดเด่นอยู่หลายเรื่อง UI ออกแบบมาใช้งานง่าย มีระบบ e-Learning ให้เข้าไปเรียนรู้ มีโมเดลให้เลือกหลากหลายทั้ง Frontier Models อย่าง Opus 4.8 โมเดลไทยอย่าง Pathumma และบางโมเดลจากจีน มีระบบเครดิตและการยกระดับผู้ใช้ที่จูงใจให้เข้าไปเรียน การสร้างภาพก็ทำได้ดี แต่เมื่อผมลองเอางานประจำที่ตัวเองทำอยู่ทุกวันไปทดสอบ ปัญหาก็เริ่มปรากฏ
ผมลองให้วางแผนเที่ยวโอซาก้าพร้อมหาตั๋วเครื่องบินราคาถูก คำตอบที่ได้ดูดีในระดับผิวเผิน แต่พอถามคำถามเดียวกันกับ Gemini เวอร์ชันฟรี ผมได้ทั้งเที่ยวบินให้เลือก โรงแรม แผนรายวัน แถมสั่งทำ Infographic สรุปต่อได้ในที่เดียว ส่วน Deep Research มีฟังก์ชันให้ใช้จริงแต่ไม่ได้โดดเด่นกว่าทางเลือกฟรี ที่หนักกว่านั้นคือเมื่อผมโยนไฟล์วิดีโอและไฟล์เสียงให้ช่วยถอดความและสรุป ระบบตอบขออภัยว่าทำไม่ได้ ขณะที่เวอร์ชันฟรีค่ายอื่นถอดให้เรียบร้อย
ผมลองอัปโหลดเอกสาร PDF ขนาด 18 MB พร้อมเลือกโมเดลระดับท็อปอย่าง Opus 4.8 ก็ยังได้คำขออภัยกลับมาอีก และเมื่อผมเอารายงานประจำปีของธนาคาร 16 แห่งไปให้วิเคราะห์ ระบบรับได้แค่ 3 ไฟล์ วิเคราะห์เสร็จแล้วก็ส่งออกได้เพียง PDF จะเอาไปทำสไลด์หรือไฟล์ Word ต่อไม่ได้เลย ทั้งที่งานลักษณะนี้ ChatGPT เวอร์ชันฟรียังทำให้ผมได้ครบ
ประเด็นที่ผมย้ำในวงเสวนา คือ วันนี้ AI ไม่ได้แข่งกันที่จำนวนโมเดลอีกแล้ว โมเดลเปรียบเสมือนสมอง ซึ่งปัจจุบันแต่ละค่ายเก่งสูสีกันไปหมด แต่คนจะทำงานได้ต้องมีแขนมีขา นั่นคือฟีเจอร์ของแอป ทั้ง Connectors ที่เชื่อมต่อเครื่องมือทำงานอย่าง Word, Spreadsheet และ Presentation ความสามารถ Multimodal ที่อ่านภาพ เสียง วิดีโอได้ และ Long Context มีความสามารถรับเอกสารขนาดใหญ่ไหว เมื่อมองย้อนกลับไป AI พัฒนาจาก Chatbot ซึ่งเป็นผู้ตอบคำถามกระทั่งมาเป็น Copilot เป็น AI ผู้ช่วยทำงาน และปัจจุบันกลายเป็น AI Agent ที่ทำงานแทนเราตั้งแต่ต้นจนจบ
ถ้าเป้าหมายโครงการ คือ การ Upskill และ Reskill คนไทยให้ใช้ AI ทำงานเป็น แต่แพลตฟอร์มที่รัฐลงทุนยังทำงานจริงสู้เวอร์ชันฟรีที่เปิดใช้ได้ทันทีไม่ได้ คำถามเรื่องความคุ้มค่าของงบประมาณย่อมตามมาอย่างเลี่ยงไม่ได้
ในมุมนโยบาย ผมมองว่าถ้ารัฐจะลงทุน ไม่ควรวัดความสำเร็จแค่จำนวนโมเดลที่รวมมาได้ แต่ควรวัดว่าแพลตฟอร์มช่วยให้ประชาชนเรียนรู้และทำงานได้ดีกว่าของฟรีจริงหรือไม่ และอย่าลืมว่าโจทย์ของการลดความเหลื่อมล้ำไม่ใช่แค่แจกการเข้าถึง AI เพราะของฟรีมีอยู่ทั่วไปแล้ว แต่ควรคำนึงถึงเรื่องอุปกรณ์ อินเทอร์เน็ต และทักษะการใช้งานที่ต้องคิดควบคู่กันไป
สิ่งที่น่ากังวลกว่า คือ ความสอดคล้องกับ TOR ของโครงการ เพราะวัตถุประสงค์ข้อ 2.2 เขียนไว้ชัดว่า ต้องส่งเสริมให้ข้อมูลส่วนบุคคลและข้อมูลพฤติกรรมการใช้งานของผู้เข้าร่วมโครงการถูกจัดเก็บและประมวลผลภายในประเทศไทย พร้อมยกระดับการคุ้มครองข้อมูลส่วนบุคคลตามกฎหมายไทยอย่างสูงสุด แต่เมื่อแพลตฟอร์มเรียกใช้โมเดลต่างชาติผ่าน API ข้อมูลของผู้ใช้ก็ถูกส่งไปประมวลผลบนเซิร์ฟเวอร์ในต่างประเทศ ซึ่งดูจะขัดแย้งกับวัตถุประสงค์ของโครงการโดยตรง
หลายคนตั้งคำถามว่า ในเมื่อเรามีเวอร์ชันฟรีที่ดีกว่า ทำงานได้มากกว่า แล้วเราต้องจ่ายเงินจำนวนมหาศาลเพื่อซื้อของที่ยังสู้กับของฟรีไม่ได้ เราจะจ่ายเงินไปทำไม แม้จะมีความพยายามที่จะบอกว่า มีการเปลี่ยนแปลงการจ่ายเงินเป็นแบบตามจำนวนผู้ใช้งานจริง แต่สุดท้ายก็ต้องจ่ายเงินไปอยู่ดี และอาจมีมูลค่างบประมาณสูงนับพันล้านบาทก็เป็นไปได้ ทั้งๆ ที่เราสามารถใช้ของฟรีที่มีอยู่ทั่วไปได้ และพอหมดโครงการเราก็จะมีโครงสร้างพื้นฐานหรือมีนวัตกรรมอะไรของเราเหลืออยู่บ้าง
ผมพูดเสมอว่าการจะไปพัฒนาแอปแข่งกับบริษัทเทคโนโลยีขนาดใหญ่ต่างชาตินั้นยากมาก เพราะแอปเหล่านี้พัฒนาเร็วจนตามแทบไม่ทัน ตัวผมเองตามเรื่อง AI อยู่ทุกวัน ตื่นเช้ามาบางวันก็มีของใหม่ออกมาอีกแล้ว เราจึงต้องเล่นในจุดที่เราเล่นได้ เล่นเฉพาะทางในอุตสาหกรรมที่เราแข็งแรง
ข้อเสนอของผมจึงไม่ใช่การสร้างแอปใหม่ไปแข่งกับใคร แต่คือเอางบหลักหลายร้อยล้านบาทมาติดตั้ง GPU Server ในประเทศ แล้วใช้ Open-weight Models ชั้นนำอย่าง Kimi K3, GLM 5.2, Qwen 3.6, Mistral และ Gemma ซึ่งหลายตัวมีความสามารถสูสีกับ Frontier Models อย่าง Opus 4.8, GPT-5.5 และ Gemini 3.1 แล้วเปิดให้ประชาชนเรียกใช้ผ่าน UI ของ AiPass เหมือนเดิม
ผมเคยเขียนในคอลัมน์นี้เมื่อปลายเดือนมิถุนายนว่า GLM-5.2 ทำคะแนน Benchmark หลายด้านชนะ GPT-5.5 มาแล้ว และเราก็เพิ่งได้บทเรียนจากกรณีที่รัฐบาลสหรัฐฯ สั่งให้ Anthropic ระงับการเข้าถึงโมเดลชั้นนำสำหรับชาวต่างชาติ โมเดลปิดที่เก่งที่สุดอาจถูกสั่งปิดได้ในชั่วข้ามคืน แต่โมเดลเปิดที่เราดาวน์โหลดมารันเองไม่มีใครมาสั่งปิดได้
แนวทางนี้ไม่ได้ขัดกับ TOR ด้วย เพราะ TOR ต้องการโมเดลอย่างน้อย 8 ผลิตภัณฑ์ โดยอย่างน้อย 2 ผลิตภัณฑ์ต้องติดกลุ่มคะแนนสูงสุด 5 อันดับแรกของ MMLU, GPQA, HumanEval และ MMMU ซึ่ง Open-weight Models หลายตัวก็ติดอันดับเหล่านี้อยู่แล้ว โดยเฉพาะโมเดลล่าสุดอย่าง Kimi K3 ที่ระบุว่าบางด้านเก่งกว่า Top Frontier Models ด้วย
ลองนึกถึงสิ่งที่ประเทศจะได้กลับมา อย่างแรกคือเรายังมี AiPass ที่เป็น UI ของเราเอง ซึ่งจะกลายเป็นจุดแข็งทันทีเมื่อโมเดลข้างหลังเป็นของที่เราประมวลผลเองในประเทศ เพราะคนไทยจะได้ใช้ Token อย่างเต็มที่โดยไม่ต้องเสียค่า API ให้ต่างชาติ ข้อจำกัดที่ผมเจอในการทดสอบจะหายไปเกือบทั้งหมด จะอัปโหลดไฟล์ขนาดใหญ่ วิเคราะห์เอกสารทีละหลายสิบไฟล์ ผู้พัฒนาก็ไม่ต้องกังวลเรื่องค่าประมวลผลจนต้องตั้งลิมิตแบบวันนี้ ทั้งยังเปิดลูกเล่นจากโมเดลเหล่านี้ได้อีกมากมายไม่ว่าจะเป็นภาพ เสียง และวิดีโอ ใส่ Features ให้คนไทยเล่นได้มากขึ้นเรื่อยๆ ข้อมูลคนไทยถูกประมวลผลในประเทศซึ่งตอบวัตถุประสงค์ข้อ 2.2 ได้ตรงๆ
และเมื่อไม่มีภาระค่าใช้จ่ายรายเดือนที่ไหลออกนอกประเทศ เรายังแบ่ง Token ให้ Startup ไทยนำไปต่อยอดพัฒนา AI Apps และ AI Agents เฉพาะทางในอุตสาหกรรมที่เราแข็งแรงได้อีกมาก เกิดระบบนิเวศที่นักพัฒนาไทยช่วยกันสร้างฟีเจอร์ใหม่ๆ ให้ AiPass อย่างต่อเนื่อง และที่สำคัญที่สุด เมื่อโครงการครบหนึ่งปี สัญญาเช่าใช้จบลง แต่โครงสร้างพื้นฐาน AI ของประเทศยังอยู่ให้ใช้ต่อไปอีกนาน นี่คือความต่างระหว่างการเช่ากับการลงทุน
การทำแบบนี้จะช่วยประหยัดงบประมาณเหลือเป็นหลักหลายร้อยล้านบาท จะได้คุณค่าในการยกระดับจากการเป็นที่รวมโมเดล ไปสู่แพลตฟอร์มที่ช่วยให้คนไทยทำงานได้จริง และได้อธิปไตย AI เป็นของแถมที่มีมูลค่ามหาศาล งบประมาณก้อนเดียวกันนี้ซื้ออนาคตที่ยาวกว่าหนึ่งปีได้ ถ้าเรากล้าคิดให้ไกลกว่าการเช่าใช้ ผมเชื่อว่ายังปรับทิศได้ทัน แต่เวลานั้นน้อยกว่าที่หลายคนคิด
