เปิดมุมมอง ‘ดร.ชัย’ ผอ.เนคเทค ‘ไทย’ ได้อะไร จากเงินลงทุนดาต้าเซนเตอร์แสนล้าน ?

แม้ประเทศไทยจะกลายเป็นหนึ่งในหมุดหมายสำคัญของการลงทุน ดาต้าเซนเตอร์ และเทคโนโลยีปัญญาประดิษฐ์ หรือ AI ในภูมิภาค ด้วยเม็ดเงินนับแสนล้านบาทที่หลั่งไหลเข้ามา แต่คำถามสำคัญคือคนไทยและเศรษฐกิจไทยได้รับประโยชน์จากการลงทุนเหล่านี้มากน้อยเพียงใด

ผู้เชี่ยวชาญชี้ว่า หากไทยยังเป็นเพียงฐานก่อสร้างและผู้ให้บริการโครงสร้างพื้นฐาน ประเทศอาจได้รับผลตอบแทนจริงเพียง 5-10% เท่านั้น ขณะที่ความท้าทายใหญ่กว่าคือการสร้างคน พัฒนาเทคโนโลยี และยกระดับอุตสาหกรรมหลักของประเทศให้ใช้ AI สร้างมูลค่าเพิ่มได้อย่างแท้จริง

“กรุงเทพธุรกิจ” สัมภาษณ์พิเศษ ดร.ชัย วุฒิวิวัฒน์ชัย  ผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) ภายใต้สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ถึงมุมมองเรื่องนี้ 

ดร.ชัย กล่าวว่า แม้คนไทยใช้ AI ทะลุค่าเฉลี่ยอาเซียน แต่ภาคธุรกิจยังติดหล่ม “ขาดคนเก่ง” หากมองภาพรวมของประเทศไทยในระดับบุคคลต้องยอมรับว่าคนไทยมีการปรับตัวเข้าหา AI อย่างก้าวกระโดดแบบ Exponential โดยในช่วง 3 ปีที่ผ่านมา อัตราการใช้งาน AI ของคนไทยพุ่งแซงหน้าค่าเฉลี่ยของหลายประเทศในอาเซียนไปแล้ว

แต่เมื่อมองในมุมภาคธุรกิจ กลับพบว่า การเติบโตยังล่าช้า โดยจากการสำรวจองค์กรกว่า 600 แห่ง พบว่าสาเหตุหลักไม่ใช่แค่เรื่องต้นทุนที่สูง แต่คือปัญหา “การขาดแคลนบุคลากร”

องค์กรส่วนใหญ่ยังขาด “Strategic Technologist” หรือผู้เชี่ยวชาญที่มองภาพกลยุทธ์ทางเทคโนโลยีออก ทำให้การใช้งาน AI ในบริษัทยังหยุดอยู่แค่การทดลองใช้ระดับพนักงานทั่วไป ช่น การแจกบัญชี ChatGPT ให้ใช้ แต่ยังไม่สามารถนำไปบูรณาการเข้ากับระบบการทำงานขององค์กรได้อย่างแท้จริง

เม็ดเงินแสนล้านไทยได้ประโยชน์แค่ 5-10%

หลายคนตื่นเต้นกับตัวเลขเม็ดเงินมหาศาลที่หลั่งไหลเข้ามาลงทุนสร้างดาต้าเซนเตอร์ในไทย แต่ในมุมมองเชิงวิศวกรรม ความจริงอาจไม่ได้สวยหรูขนาดนั้น

ดร.ชัย เผยโครงสร้างการลงทุนว่า เม็ดเงินกว่า 30% ถูกใช้ไปกับการนำเข้าวิศวกรรมระบบและซอฟต์แวร์จากต่างชาติแบบยกชุด ขณะที่อีก 50% ใช้ไปกับการออกแบบอาคารและการวางระบบสาธารณูปโภคส่วนอีกราว 10-20% เป็นค่าอุปกรณ์อิเล็กทรอนิกส์นำเข้า

สรุปแล้ว ประเทศไทยได้ประโยชน์จริงๆ เพียงแค่ 5-10% จากงานก่อสร้าง โครงสร้างพื้นฐาน และการเก็บภาษีเท่านั้น เพราะบริษัทต่างชาติมักจะนำเข้าทั้งฮาร์ดแวร์ ซัพพลายเออร์ ไปจนถึงวิศวกรระดับสูงจากประเทศของตนเองทั้งหมด

ดังนั้น “ทางรอด” คือการแทรกตัวเข้าสู่ "ห่วงโซ่อุปทาน (Supply Chain)" และลุยระดับโครงสร้างลึก หากประเทศไทยต้องการเค้กก้อนที่ใหญ่กว่า 5-10% ธุรกิจไทยต้องไม่รอแค่การเป็น “ผู้รับจ้างสร้างอาคาร” หรือ “รอเก็บภาษี” แต่ต้องหาทางแทรกตัวเข้าไปเป็นส่วนหนึ่งของซัปพลายเชนในดาต้าเซนเตอร์ให้ได้

ยกตัวอย่างเช่น อุตสาหกรรมเก่าอย่างชิ้นส่วนยานยนต์ที่เคยปรับตัวเข้าสู่กระแส EV มาแล้ว ก็สามารถนำความเชี่ยวชาญมาต่อยอดเป็นซัพพลายเออร์ด้านชิ้นส่วนให้กับดาต้าเซนเตอร์ได้

นอกจากนี้ บริษัทเทคโนโลยีและสตาร์ทอัพไทยจะต้องไม่หยุดตัวเองเป็นแค่ “ผู้ใช้งานแอปพลิเคชัน (Application Layer)” ที่ต้องจ่ายเงินซื้อบริการต่างชาติทุกเดือน แต่ต้องดำดิ่งลงไปสร้างนวัตกรรมในระดับ AI Layer, Data Layer และไปจนถึง IoT Layer เพื่อดึงมูลค่ากลับมาอยู่ในประเทศ

“มาตรฐานไทย" เครื่องมือคุมดาต้าเซนเตอร์ 

ดร.ชัย ทิ้งท้ายเรื่องการจัดการ ดาต้าเซนเตอร์ ที่หลั่งไหลเข้ามา ก่อนหน้านี้เนคเทค และดีจีเอ (DGA) เคยร่วมกันสร้าง “มาตรฐาน ดาต้าเซนเตอร์ของประเทศไทย” ขึ้นมาเพื่อใช้กำกับดูแลคุณภาพและความปลอดภัย แต่ปัจจุบันกลับมีผู้ใช้งานน้อยมาก เนื่องจากหน่วยงานส่วนใหญ่มักอนุญาตให้ใช้มาตรฐานสากลผ่านฉลุยได้เลย ซึ่งมาตรฐานสากลมีราคาแพงและควบคุมตรวจสอบได้ยากเมื่อเกิดปัญหา

ดังนั้น การหันมาผลักดันและบังคับใช้มาตรฐานที่พัฒนาขึ้นเองในประเทศ จะช่วยให้ไทยมีเครื่องมือในการต่อรอง ควบคุมต้นทุน และกำกับดูแล ดาต้าเซนเตอร์ ต่างชาติได้อย่างมีประสิทธิภาพและยั่งยืนมากขึ้นในระยะยาว

"เกษตร-ท่องเที่ยว" สอบตกเรื่อง AI 

ในด้านยุทธศาสตร์ชาติ หรือ แผนระยะที่ 2 มีการประเมินความพร้อมแต่ละอุตสาหกรรมไว้ชัดเจน กลุ่มที่ไปได้สวย คือ "การเงิน” ที่กินสัดส่วนการใช้ ดาตาเซนเตอร์ กว่า 70% รวมถึงกลุ่ม “โลจิสติกส์” ที่กำลังเติบโตได้ดี

ส่วนกลุ่มที่ภาครัฐต้องออกแรงผลักดันคือ “การศึกษา” และ “สาธารณสุข” แต่กลุ่มที่น่าเป็นห่วงที่สุดคืออุตสาหกรรมที่เป็นเส้นเลือดใหญ่ทำ จีดีพี สูงสุดให้ประเทศอย่าง “การเกษตร” “การท่องเที่ยว” รวมไปถึง “ซอฟต์ พาวเวอร์” กลับมีการประยุกต์ใช้ AI ในระดับที่ต่ำมาก ในช่วง 4 ปีที่ผ่านมายังไม่มีโปรเจกต์ขนาดใหญ่ที่นำ AI มาแก้ปัญหาในภาคส่วนเหล่านี้ได้อย่างเป็นรูปธรรม ซึ่งนี่คือโจทย์ใหญ่ที่ต้องเร่งแก้ไข

เมื่อ AI เติบโตเร็วเกินถึงจุดที่ต้อง "สั่งเบรก"

 ท่ามกลางกระแสความตื่นกลัวว่า AI จะเข้ามาแทนที่คน ดร.ชัย มองว่าในที่สุด AI จะเผชิญกับ “เบรกธรรมชาติ” ของมันเองใน 2 ประเด็นหลัก คือ 

1.ความคุ้มทุน (ROI) การรันโมเดล AI ขนาดใหญ่กินทรัพยากรไฟฟ้ามหาศาล เมื่อต้นทุนสูงแต่เก็บค่าบริการจากผู้ใช้ได้น้อย สุดท้ายธุรกิจจะไม่คุ้มทุนและชะลอตัวลงไปเอง

 2.วิกฤติข้อมูลขยะ ปัจจุบัน AI กวาดข้อมูลจริงบนอินเทอร์เน็ตไปเทรนจนเกือบหมดแล้ว ทำให้ต้องใช้ “ข้อมูลสังเคราะห์ (Synthesize Data)” หรือให้ AI สร้างข้อมูลหลอกขึ้นมาเทรนตัวเอง ซึ่งในระยะยาวจะทำให้ความฉลาดและคุณภาพของ AI ลดลง

อย่างไรก็ตาม ความเสี่ยงที่น่ากลัวของ AI ในยุคถัดไปคือความสามารถในการ “อ่านใจและวิเคราะห์อารมณ์” ผ่านภาพ วิดีโอ และการกระทำของมนุษย์ ซึ่งหากถูกนำไปใช้ในทางที่ผิดอาจกลายเป็นภัยคุกคามได้

ดังนั้น ดร.ชัย จึงเสนอว่า สภาวิชาชีพต่างๆ กว่า 20 สาขาในประเทศไทย เช่น สภาการศึกษา สภาวิชาชีพต่างๆ จะต้องเข้ามามีบทบาทในการตั้งกฎเกณฑ์และกำหนดว่า “งานส่วนไหนอนุญาตให้ AI ทำได้” และ “ส่วนไหนห้าม AI ทำเด็ดขาด” เพื่อป้องกันไม่ให้มนุษย์สูญเสียทักษะการทำงาน และป้องกันปัญหาสังคมจากการว่างงานที่จะตามมา