การ์ทเนอร์เปิด 10 เทรนด์เทคโนโลยีเชิงกลยุทธ์ปี 2570 ชี้ทิศทางองค์กรยุค AI

เทคโนโลยีกำลังเปลี่ยนผ่านจากเครื่องมือสนับสนุนการทำงาน สู่กลไกที่มีบทบาทในการตัดสินใจและดำเนินธุรกิจโดยตรง ขณะที่องค์กรต้องปรับโครงสร้างเทคโนโลยีให้รองรับความเปลี่ยนแปลง ควบคู่กับการบริหารความเสี่ยงและการกำกับดูแลระบบอัตโนมัติ

การ์ทเนอร์ เปิด 10 แนวโน้มเทคโนโลยีเชิงกลยุทธ์ (Strategic Technology Trends) ที่องค์กรธุรกิจควรเร่งสำรวจและพิจารณาปรับใช้ในปี 2570 ท่ามกลางการขยายตัวของ AI ซึ่งกำลังเปลี่ยนรูปแบบการทำงาน การพัฒนาซอฟต์แวร์ และการบริหารจัดการโครงสร้างพื้นฐานดิจิทัล

ยีน อัลวาเรซ รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า ความท้าทายสำคัญในปัจจุบันคือระบบ AI ทำงานบนสถาปัตยกรรมที่ขาดกรอบกำกับดูแล สามารถสร้างซอฟต์แวร์ได้เร็วกว่าที่มนุษย์จะตรวจสอบได้ทัน ส่งผลให้เกิดช่องทางเข้าถึงระบบที่ขาดการควบคุม และทำให้องค์กรเสี่ยงพึ่งพาผู้ให้บริการรายเดียวมากเกินไป

องค์กรจำเป็นต้องเปลี่ยนบทบาทจากการเฝ้าติดตามขีดความสามารถของโมเดล AI มาเป็นผู้ออกแบบสถาปัตยกรรมเทคโนโลยี เพื่อกำหนดขอบเขตการทำงานระหว่างองค์กร มนุษย์ และเครื่องจักร รวมถึงป้องกันความเสี่ยงที่อาจกระทบต่อระบบโดยรวม

1. Large Quantitative Models (LQMs) โมเดลคำนวณข้อมูลเชิงปริมาณขนาดใหญ่

การใช้โมเดลภาษาขนาดใหญ่ทั่วไปประมวลผลตัวเลขมีความเสี่ยงต่อความผิดพลาดและการไม่เป็นไปตามข้อกำหนดทางกฎระเบียบ เนื่องจากโมเดลทำงานบนพื้นฐานการคาดการณ์ความน่าจะเป็น

Large Quantitative Models (LQMs) จึงเป็นสถาปัตยกรรมโครงข่ายประสาทเทียมแบบไฮบริดที่แยกการทำงานเป็นโมดูล ออกแบบมาเพื่อวิเคราะห์ข้อมูลเชิงปริมาณโดยเฉพาะ ช่วยให้องค์กรเปลี่ยนจากการแก้ไขปัญหาหลังเกิดเหตุมาเป็นการจำลองสถานการณ์ล่วงหน้า

อัลวาเรซกล่าวว่า แนวทางดังกล่าวช่วยเพิ่มความคล่องตัวให้ธุรกิจ และเปิดทางให้สามารถใช้ระบบพยากรณ์อัตโนมัติในอุตสาหกรรมที่มีข้อกำกับดูแลเข้มงวด เช่น การเงินและการดูแลสุขภาพ ได้อย่างปลอดภัยมากขึ้น

2. Speech Reasoning Models โมเดลคิดวิเคราะห์ด้วยเสียง

Speech Reasoning Models เป็นระบบ Voice AI ที่สามารถประมวลผลและใช้เหตุผลจากข้อมูลเสียงโดยตรง พร้อมติดตามบริบทและเจตนาของผู้ใช้ตลอดการสนทนา เพื่อประเมินและตัดสินใจเกี่ยวกับการดำเนินการในขั้นตอนถัดไป

อัลวาเรซระบุว่า เสียงยังเป็นช่องทางหลักที่องค์กรใช้ติดต่อกับลูกค้า แม้จะมีการนำระบบอัตโนมัติมาใช้ในงานบริการลูกค้ามานานกว่าทศวรรษ แต่ยังไม่สามารถตอบโจทย์ด้านความแม่นยำ ความเร็ว และอัตราการแก้ไขปัญหาได้ตามที่องค์กรต้องการ

โมเดล Speech Reasoning จะช่วยเติมเต็มข้อจำกัดดังกล่าว และทำให้การสนทนาที่มีความซับซ้อนหรือต้องอาศัยวิจารณญาณสามารถดำเนินการผ่านระบบอัตโนมัติได้มากขึ้น

3. World Models โมเดลจำลองโลก

World Models เป็นโมเดล AI ที่ให้ความสำคัญกับกฎทางฟิสิกส์ ช่วยให้เครื่องจักรเข้าใจมิติด้านพื้นที่ เวลา และความสัมพันธ์เชิงเหตุและผล

เทคโนโลยีนี้ช่วยให้ AI Agent จำลองสถานการณ์ คาดการณ์ผลลัพธ์ และประเมินผลกระทบจากการกระทำก่อนลงมือปฏิบัติจริง โดยมีแรงสนับสนุนจากการลงทุนที่เพิ่มขึ้นในเทคโนโลยีหุ่นยนต์ (Robotics) ยานยนต์ไร้คนขับ (Autonomous Vehicles) และการประมวลผลเชิงพื้นที่ (Spatial Computing)

4. AI Context Platforms แพลตฟอร์มบริบท AI

AI Context Platforms ทำหน้าที่จัดเตรียมข้อมูลและความรู้เชิงบริบทให้ AI Agent ใช้ตีความข้อมูลขาเข้า ประกอบการตัดสินใจ และดำเนินงานให้สอดคล้องกับวัตถุประสงค์ทางธุรกิจ

หากองค์กรไม่มีชั้นบริบทเฉพาะ (Dedicated Context Layer) อาจเผชิญความเสี่ยงด้านปฏิบัติการ เช่น AI Agent ได้รับสิทธิ์เข้าถึงระบบเกินความจำเป็น การปฏิบัติตามกฎระเบียบที่ล้มเหลว ความเชื่อมั่นที่ลดลง และการใช้ Token โดยไม่จำเป็น

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2570 องค์กรที่ให้ความสำคัญกับการกำหนดความหมายของข้อมูลที่พร้อมใช้งานกับ AI จะสามารถเพิ่มความแม่นยำของ Agentic AI ได้สูงสุด 80% และลดต้นทุนได้สูงสุด 60%

5. Agent Coding Harness ระบบควบคุมการเขียนโค้ดของ AI Agent

Agent Coding Harness เป็นระบบควบคุมแบบวงจรปิด (Closed-loop Control System) สำหรับกำกับดูแลการทำงานของ AI ที่ทำหน้าที่พัฒนาซอฟต์แวร์โดยอัตโนมัติ ครอบคลุมวงจรการพัฒนาซอฟต์แวร์

หากไม่มีระบบควบคุมดังกล่าว นักพัฒนาจะต้องใช้เวลาตรวจสอบผลงานที่ AI สร้างขึ้นด้วยตนเอง จนอาจเกิดภาวะ Governance Inversion หรือการที่ภาระด้านการกำกับดูแลย้อนกลับมาเป็นงานหนักของมนุษย์ และลดประโยชน์ด้านผลิตภาพ (Productivity) ที่ควรได้รับจากระบบอัตโนมัติ

6. AI Agent Identity อัตลักษณ์และการจัดการตัวตนของ AI Agent

เมื่อ AI Agent สามารถทำงานได้อย่างอิสระและดำเนินการแทนมนุษย์หลายคน ระบบจัดการตัวตนและสิทธิ์เข้าถึงแบบเดิมจึงมีข้อจำกัด โดยเฉพาะการกำหนดสิทธิ์เข้าถึงตามความจำเป็นเฉพาะช่วงเวลา (Just-in-Time Access)

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2571 เหตุการณ์ละเมิดความปลอดภัยขององค์กร 25% จะมีสาเหตุจากการใช้ AI ในทางที่ผิด อันเนื่องมาจากสิทธิ์การใช้งานในเครื่องที่ไม่ได้รับการจัดการ และการใช้แนวทางบริหารข้อมูลประจำตัวแบบเดิม

อัลวาเรซกล่าวว่า การใช้ระบบควบคุมอัตลักษณ์แบบไดนามิกจะช่วยให้องค์กรเปลี่ยนจากการใช้ข้อมูลรับรองตัวตน (Credential) แบบคงที่ซึ่งมีความเสี่ยงสูง ไปสู่การกำหนดสิทธิ์เข้าถึงตามนโยบายและปรับเปลี่ยนตามสถานการณ์

ระบบจัดการอัตลักษณ์ของ AI Agent จะเชื่อมโยงโมเดล คำสั่ง (Prompts) และข้อมูลรับรองตัวตน (Credentials) เข้ากับการดำเนินการของ Agent เพื่อสร้างความน่าเชื่อถือและความรับผิดชอบในการทำงาน

7. Autonomous Exposure Remediation (AER) ระบบแก้ไขช่องโหว่อัตโนมัติ

Autonomous Exposure Remediation (AER) เป็นชุดความสามารถที่ผสาน AI และระบบอัตโนมัติ เพื่อค้นหา จัดลำดับความสำคัญ และแก้ไขช่องโหว่ด้านความปลอดภัยทั่วทั้งสินทรัพย์ดิจิทัลขององค์กร

ระบบสามารถทดสอบและติดตั้งการอัปเดตแพตช์ (Patch) หรือแพตช์เสมือน (Virtual Patch) ในสภาพแวดล้อมการผลิตได้โดยอัตโนมัติ ช่วยลดขั้นตอนการจัดการช่องโหว่ที่ต้องอาศัยการดำเนินการด้วยตนเอง

8. Sovereign Tech อธิปไตยเทคโนโลยี

Sovereign Tech (SovTech) หมายถึงฮาร์ดแวร์ ซอฟต์แวร์ ฐานข้อมูล และโมเดล AI ที่ได้รับการออกแบบทั้งด้านเทคนิคและกฎหมาย เพื่อให้องค์กรมีทางเลือกในการลดการพึ่งพาผู้ให้บริการเทคโนโลยีรายหลัก

เทคโนโลยีกลุ่มนี้มุ่งรองรับการใช้งานอย่างต่อเนื่อง ลดความเสี่ยงจากการผูกติดกับผู้ให้บริการรายเดียว (Vendor Lock-in) และรักษาความต่อเนื่องในการดำเนินงานขององค์กร

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2573 องค์กรมากกว่า 75% ที่อยู่นอกสหรัฐอเมริกาจะนำยุทธศาสตร์อธิปไตยดิจิทัล (Digital Sovereignty) มาใช้ โดยย้ายการประมวลผลภารกิจสำคัญ เพื่อลดความเสี่ยงจากปัจจัยภูมิรัฐศาสตร์และการพึ่งพาผู้ให้บริการเทคโนโลยี

9. Disposable Applications แอปพลิเคชันแบบใช้แล้วทิ้ง

Disposable Applications เป็นซอฟต์แวร์ที่พัฒนาขึ้นเพื่อรองรับวัตถุประสงค์ทางธุรกิจเฉพาะ และออกแบบให้สามารถยกเลิกหรือเลิกใช้งานได้เมื่อบรรลุเป้าหมาย หรือเมื่อไม่มีความจำเป็นต้องใช้อีกต่อไป

แนวทางนี้จะเปลี่ยนวิธีการจัดซื้อ การออกแบบ และการจัดสรรงบประมาณด้านซอฟต์แวร์ โดยทำให้พอร์ตโฟลิโอแอปพลิเคชันขององค์กรมีความยืดหยุ่นและปรับเปลี่ยนได้ต่อเนื่อง แทนการลงทุนระยะยาวในระบบเดิมที่สะสมมา

10. Wetware as a Service บริการประมวลผลด้วยชีวภาพ

Wetware as a Service เป็นรูปแบบการประมวลผลที่เชื่อมต่อระบบชีวภาพทั้งที่มีชีวิตและระบบชีวภาพสังเคราะห์ผ่านคลาวด์ เพื่อนำมาใช้ประมวลผลข้อมูลและรันอัลกอริทึมที่มีความซับซ้อน

แนวคิดดังกล่าวเกิดขึ้นท่ามกลางข้อจำกัดของฮาร์ดแวร์คอมพิวเตอร์ที่ใช้ซิลิคอนแบบดั้งเดิม ซึ่งต้องรองรับความต้องการประมวลผล AI ในระดับองค์กรที่เพิ่มขึ้น ขณะที่มีข้อจำกัดด้านสิ่งแวดล้อมและการใช้พลังงาน

ตัวประมวลผลชีวภาพใช้ความสามารถในการปรับตัวตามธรรมชาติของเครือข่ายชีวเคมีเพื่อประมวลผลอัลกอริทึมที่ซับซ้อน โดยมีจุดเด่นด้านการใช้พลังงานในระดับต่ำ