ไมโครซอฟท์ เผยเทรนด์ AI 2025 ขับเคลื่อน AI Transformation
ไมโครซอฟท์ เผยแนวโน้มเทคโนโลยี AI ปี 2025 รองรับการประมวลผลที่มีความซับซ้อนสูง สามารถตัดสินใจได้เอง พร้อมทำงานแบบ Mixed Model แนะองค์กรผสาน AI เข้าสู่กลยุทธ์ เร่งคว้าโอกาสธุรกิจ
เทคโนโลยี AI เข้ามามีบทบาทอย่างมากในโลกธุรกิจ เพราะไม่เพียงแค่ช่วยเพิ่มประสิทธิภาพ แต่ยังช่วยให้ธุรกิจสามารถปรับตัวได้ทันต่อเปลี่ยนแปลงในยุคดิจิทัล พร้อมตอบสนองความต้องการของผู้บริโภคได้ดีขึ้นอย่างมีนัยสำคัญ โดยหากเทียบธุรกิจที่ใช้ AI กับธุรกิจที่ไม่ใช้ AI จะเห็นความแตกต่างกันอย่างมหาศาล นั่นจึงทำให้ปี 2025 จะเป็นปีที่องค์กรธุรกิจในทุกอุตสาหกรรมต่างทำสิ่งที่เรียกว่า AI Transformation อย่างเร่งด่วน
การเงินธนาคาร ได้สัมภาษณ์พิเศษ นายธนวัฒน์ สุธรรมพันธุ์ กรรมการผู้จัดการใหญ่ บริษัท ไมโครซอฟท์ (ประเทศไทย) จำกัด ถึง 7 เทรนด์เทคโนโลยี AI ในปี 2025 และ 5 ความท้าทายของธุรกิจธนาคารในยุค AI Transformation
เปิด 7 เทรนด์โลก AI ผสมผสานแบบ Mixed Model
นายธนวัฒน์ กล่าวว่า ปี 2025 จะเป็นปีที่องค์กรธุรกิจทั่วโลก ทำสิ่งที่เรียกว่า AI Transformation เนื่องจากการปรับใช้ AI ในธุรกิจสามารถช่วยปลดล็อกและแก้โจทย์ของธุรกิจได้จริง ไม่ว่าจะเป็นการเพิ่ม Productivity, Creativity, Quality ตลอดจนการสร้างโมเดลธุรกิจใหม่ ประกอบกับช่วงเวลานี้ถือเป็นจุดเริ่มต้นที่ทุกองค์กรออกตัวพร้อมกัน หากสามารถเริ่มต้นได้เร็ว จะช่วยเพิ่มศักยภาพการแข่งขันได้มหาศาล
“หากธนาคารในประเทศไทยปรับใช้ AI โดยมีกลยุทธ์และ AI Roadmap ที่ชัดเจน มีการลงทุนเครื่องมือพร้อมกับการเพิ่มทักษะด้าน AI ให้กับพนักงาน ผมเชื่อว่าอุตสาหกรรมธนาคารไทยมีโอกาสเติบโตไปสู่ระดับภูมิภาคและระดับโลกได้เช่นกัน”
สำหรับเทรนด์ของเทคโนโลยี AI ในปี 2025 นั้น ซีอีโอไมโครซอฟท์ประเทศไทยมองว่า มีเทรนด์ที่น่าสนใจทั้งหมด 7 เรื่อง ดังนี้
1. Advance Model:
ตัวอย่างที่ชัดเจนคือ “GPT-4o” ที่เป็นโมเดล AI ล่าสุดจาก OpenAI มีจุดแข็งในเรื่องการประมวลผลที่ซับซ้อนสูง โดยเฉพาะการประมวลผลด้านคณิตศาสตร์และวิทยาศาสตร์ โดย โมเดล GPT-4o สามารถทำข้อสอบคณิตศาสตร์โอลิมปิกได้คะแนนสูงถึง 83% ขณะที่ในด้านฟิสิกส์ เคมี ชีวะ ก็มีองค์ความรู้ในการตอบคำถามเทียบเท่านักศึกษาปริญญาเอก
2. Multi Model:
ข้อมูลที่ถูกใส่เข้าไปให้ AI ประมวลผล ไม่ใช่แค่ตัวหนังสืออีกต่อไป แต่มีทั้งเสียง รูปภาพ และวิดีโอ ขณะเดียวกันผลลัพธ์ที่ออกมาก็จะสามารถอยู่ในรูปของ ตัวหนังสือ เสียง รูป และวิดีโอเช่นกัน ปัจจุบัน Multi Model มีการใช้งานจริงแล้ว และคาดว่าในปี 2025 จะเกิดการพัฒนา Use Case ที่ใช้ Multi Model อีกมาก
“Multi Model สามารถปรับใช้ได้กับหลากหลาย Use Case ตัวอย่างเช่น ธนาคารแห่งหนึ่งในประเทศไทย นำ Multi Model AI มาใช้กับกระบวนการจำนองรถ โดยใช้ AI ในการอ่านเอกสาร ประมวลผลรูปรถ เสียงเครื่องยนต์ พร้อมกับการหาข้อมูลเพิ่มในอินเทอร์เน็ต เพื่อหาว่ารถที่นำมาจำนองมีราคาในตลาดอยู่ที่เท่าไหร่ ก่อนจะนำข้อมูลจากทั้ง 3 ส่วนนี้มาทำเป็นรายงาน เพื่อส่งให้กับนักประเมินราคา”
3. Agentic AI:
เป็น AI ที่มีความสามารถตัดสินใจด้วยตัวเอง ช่วยเพิ่มศักยภาพให้กับองค์กรได้มหาศาล โดยจะเห็นอย่างชัดเจนในเรื่องของการทำ Process Transformation และ Process Innovation ตัวอย่างเช่น การวิเคราะห์ความเสี่ยงเครดิตในธนาคาร กระบวนการทำงานของ Agentic AI จะแบ่งงานหลักออกเป็นงานย่อย ๆ และให้ AI ไปทำหน้าที่ประจำและทำหน้าที่รวบรวมข้อมูลโดยเฉพาะ จากนั้นจึงให้คนเข้ามาทำหน้าที่ตรวจสอบความถูกต้องอีกชั้นหนึ่ง นี่คือคอนเซ็ปต์ของ Agentic AI
“Agentic AI จะทำให้ธนาคารสามารถขยายกระบวนการทำงาน เพิ่มความรวดเร็ว และแทนที่จะต้องใช้คนทำทุกอย่าง กลายเป็นให้คนทำบางอย่าง และใช้ศักยภาพที่เหลือในการทำงานอื่น ๆ ที่ให้ผลลัพธ์ที่เพิ่มขึ้นได้”
4. Data Security:
ระบบรักษาความปลอดภัยข้อมูลสำหรับแอปพลิเคชั่น AI (AI Guardrails) เป็น 1 ในเทรนด์สำคัญของปี 2025 เนื่องจากมีหลายองค์กรที่แชร์ข้อมูลจำนวนมากให้ AI ประมวลผลโดยไม่มีการป้องกัน ซึ่งอาจส่งผลให้เกิดการรั่วไหลของข้อมูลที่เป็นความลับได้
ดังนั้นเรื่อง Data Security จะเป็นสิ่งที่ทุกองค์กรจะต้องลงทุนคู่ขนานไปกับนวัตกรรม รวมถึงเรื่องการกำกับดูแลข้อมูล (Data Governance) ที่ต้องระบุให้ชัดเจนว่าใครสามารถเข้าถึงข้อมูลในระดับใดบ้าง จนถึงการกำหนดขอบเขตของการแชร์ข้อมูลทั้งภายในและภายนอกองค์กร
“ตัวอย่างเช่น บริการ Microsoft 365 จะมี Copilot ที่สามารถใช้ค้นหาข้อมูลทั้งภายในและภายนอกองค์กร หากไม่มีการปกป้องข้อมูล ผู้ใช้อาจเข้าถึงข้อมูลที่เป็นความลับขององค์กรได้ ทำให้ไมโครซอฟท์พัฒนาเครื่องมือที่ชื่อว่า Microsoft Purview และ Microsoft Active Directory ที่ช่วยปกป้องว่าใครสามารถเข้าถึงข้อมูลอะไรได้บ้าง สิ่งเหล่านี้จะเป็นต้องมีการลงทุนควบคู่ไปกับการสร้างนวัตกรรม เพื่อที่จะปกป้องไม่ให้ข้อมูลเกิดการ Over Sharing”
5. Responsible AI:
คือการนำ AI มาใช้อย่างถูกต้องและมีความรับผิดชอบ โดยเทรนด์นี้จะถูกให้ความสำคัญอย่างมากในปี 2025 เพื่อไม่ให้เกิดกรณีการนำ AI ไปใช้ทำงานที่ผิดจริยธรรม โดยไมโครซอฟท์มีเครื่องมือที่ทำหน้าที่ควบคุมการทำงานของบริการ Azure OpenAI เพื่อให้ผู้ที่เข้ามาใช้บริการจะสามารถนำ AI ไปใช้ได้เฉพาะเรื่องที่ไม่ผิดจริยธรรมเท่านั้น
6. AI Quantum:
เป็นเทรนด์ที่เริ่มเกิดขึ้นในฝั่งวิชาการและวิทยาศาสตร์ แต่ยังไม่ได้ถูกนำมาประยุกต์ใช้กับธุรกิจ โดยเป็นการนำคอมพิวเตอร์ควอนตัม มาทำหน้าที่ประมวลผลให้กับ AI ส่งผลให้ AI สามารถประมวลผลข้อมูลได้ซับซ้อนมากขึ้น รวมถึงรองรับการประมวลผลข้อมูลขนาดใหญ่ได้ ซึ่งในอนาคตธุรกิจธนาคารสามารถนำมาเพิ่มประสิทธิภาพในส่วนงานสำคัญได้ เช่น การจัดการความเสี่ยง หรือการป้องกันการทุจริต
7. Small Language Model (SLM):
ปัจจุบันองค์กรธุรกิจเริ่มมีการพัฒนาโมเดล AI เป็นของตัวเอง โดยใช้คอนเซ็ปต์ที่เรียกว่า Small Language Model (SLM) ทำงานควบคู่กับ Large Language Model (LLM)
โดยโมเดลแบบ SLM นั้นใช้กำลังการประมวลผลน้อยมาก เพราะถูกพัฒนาให้มีขนาดเล็ก เพื่อใช้ในงานที่มีความเฉพาะเจาะจงเท่านั้น ไม่ได้ทำขึ้นมาเพื่องานทุกประเภท การใช้งานรูปแบบนี้ทำให้เกิดภาพการทำงานแบบผสมผสานของโมเดล AI ที่เรียกว่า Mixed Model ซึ่งเป็นเทรนด์ด้านเทคโนโลยีที่นำมาตอบโจทย์ได้หลายอย่าง ทั้งต้นทุนที่ลดลง ได้ผลลัพธ์ตรงความต้องการ และยังทำงานได้อย่างรวดเร็ว
5 ชาเลนจ์ยุค AI Transformation AI ต้องเป็นส่วนหนึ่งของกลยุทธ์
นายธนวัฒน์ กล่าวว่า ในยุค AI Transformation สำหรับองค์กรธุรกิจนั้นเป็นทั้งโอกาสและความท้าทาย สิ่งสำคัญคือองค์กรธุรกิจต้องมีการปรับตัวให้พร้อมรับมือกับความเปลี่ยนแปลง โดยการจะพิชิตเป้าหมายนี้ มองว่ามี 5 เรื่องที่องค์กรควรต้องตระหนัก ดังนี้
1. การผสาน AI เข้าเป็นส่วนหนึ่งของกลยุทธ์องค์กร และใช้ AI เพื่อสนับสนุนธุรกิจ:
หากมองย้อนกลับไปในอดีต แล้วเปรียบเทียบระหว่างองค์กรที่มีไฟฟ้าใช้ กับองค์กรที่ไม่มีไฟฟ้าใช้ องค์กรที่มีไฟฟ้าใช้จะมีความสามารถและโอกาสที่สูงมาก เช่นเดียวกับองค์กรที่ใช้ AI กับองค์กรที่ไม่ใช้ AI ที่จะเห็นความแตกต่างได้อย่างชัดเจน
ดังนั้นจึงควรตระหนักว่า AI ไม่ได้เป็นแค่เรื่องเทคโนโลยี หรือเครื่องมือ แต่ AI ต้องเป็นส่วนหนึ่งของกลยุทธ์องค์กร จากนั้นจึงเริ่มต้นกำหนดความต้องการของธุรกิจ แล้วนำ AI เข้าไปปรับใช้เพื่อตอบโจทย์นั้นด้วยหลากหลายวิธี ตัวอย่างเช่น องค์กร A ตั้งโจทย์ว่าต้องการเพิ่ม Productivity ของบริษัท 20% จากนั้นต้องคิดต่อว่าจะใช้ AI มาเพิ่ม Productivity 20% นั้นได้อย่างไร
2. ผู้นำองค์กรต้องเห็นโอกาสจากการใช้ AI:
ผู้นำคือผู้ที่ขับเคลื่อนองค์กรและเป็นฟันเฟืองสำคัญให้เกิด AI Transformation ดังนั้นผู้นำจะต้องมองเห็นโอกาสจากการปรับใช้ AI มีการวางกลยุทธ์และกำหนดเป้าหมายที่ชัดเจน พร้อมสนับสนุนให้พนักงานมีการพัฒนาตัวเองด้วยการเพิ่มทักษะด้าน AI เมื่อบุคลากรได้เพิ่มทักษะด้าน AI อย่างเต็มที่ จะทำให้ทราบว่า AI สามารถเพิ่มประสิทธิภาพการทำงานได้อย่างไร
สิ่งสำคัญคือต้องมีงบประมาณและเครื่องมือให้บุคลากรได้ใช้เพิ่มทักษะ การปล่อยให้เรียนรู้เองโดยไม่มีการลงทุนที่ชัดเจน อาจนำมาซึ่งความเสี่ยงที่เพิ่มขึ้น เพราะบุคลากรมักจะเริ่มต้นจากการใช้เครื่องมือฟรี และนำข้อมูลภายในองค์กรไปใช้ ส่งผลให้เกิดการรั่วไหลของข้อมูล
3. บุคลากรในองค์กรต้องเปิดรับ AI:
การขับเคลื่อน AI Transformation ไม่ใช่เรื่องแค่ในวงประชุมของผู้บริหาร แต่เป็นเรื่องตั้งแต่บอร์ดบริหาร ไปจนถึงทุกช่องทางของธุรกิจ ความท้าทายคือจะทำอย่างไรให้คนทั้งองค์กรเปิดรับ AI อย่างเต็มที่
ตัวอย่างเช่น ในปี 2024 SCBX ประกาศตั้งเป้าหมายมีรายได้ที่ขับเคลื่อนด้วย AI ในสัดส่วน 75% ภายในปี 2027 เมื่อมีการวางยุทธศาสตร์ที่ชัดเจนแล้ว ทุกบริษัทในเครือก็ต้องมีการวางแผนทำให้ผลิตภัณฑ์และบริการที่จะส่งมอบไปยังลูกค้า มี AI เป็นตัวขับเคลื่อน
โดยมีการตั้งโปรแกรม SCBX AI Battle 2024 Al Revolution in Financial Services ที่เปิดให้พนักงานจากหลายหน่วยงานภายใต้กลุ่ม SCBX นำเสนอโครงการที่ใช้ AI มาประยุกต์ในการทำงานและพัฒนา เพื่อให้สอดรับกับวิสัยทัศน์ที่ต้องการเป็น AI-first Organization
4. การมีข้อมูลที่พร้อมสำหรับ AI:
การที่ AI จะทำงานได้อย่างมีประสิทธิภาพ ต้องเริ่มต้นจากการมีข้อมูลที่ดี ดังนั้นความท้าทายคือการที่องค์กรต้องมีข้อมูลที่ครบถ้วน ถูกต้อง เหมาะสม เพื่อให้ได้ผลลัพธ์ที่ดี แต่ไม่จำเป็นที่จะต้องรอให้ทุกอย่างสมบูรณ์แบบแล้วค่อยดำเนินการ เพราะสามารถเริ่มต้นสร้างได้ทันที สิ่งสำคัญคือการเก็บข้อมูลที่ดี และปลอดภัย ดำเนินการควบคู่กันไปทั้ง Data Quality และ Data Security
5. การวัดผลและผลตอบแทนจากการลงทุน (ROI):
องค์กรธุรกิจต่างทราบถึงความสามารถของ AI แต่ยังคงกังวลว่า หากลงทุนไปแล้วจะได้ผลลัพธ์ตามที่ต้องการ หรือได้ผลตอบแทนที่คุ้มค่ากับเงินที่ลงทุนไปหรือไม่ ดังนั้นองค์กรธุรกิจควรมีการแบ่งงบประมาณสำหรับการลงทุนด้าน AI และมีการกำหนดกรอบความเสี่ยงที่สามารถยอมรับได้ เพื่อเริ่มต้นปรับใช้ AI สิ่งสำคัญคือองค์กรธุรกิจควรจะมี Growth Mindset เพื่อเปิดรับในนวัตกรรม
“การมีกลยุทธ์ด้าน AI ที่ชัดเจน การผสาน AI เข้ากับยุทธศาสตร์และแผนงาน จากนั้นจึงเริ่มใช้ AI แก้โจทย์ธุรกิจ มีการลงทุนในเครื่องมือควบคู่ไปกับการเพิ่มทักษะให้คนในองค์กร กระบวนการเหล่านี้จะเริ่มทำให้องค์กรธุรกิจก้าวไปสู่ AI Transformation อย่างแท้จริงได้”