สรุปปี 2025 ที่ผ่านมา หลายคนน่าจะรู้สึกใกล้เคียงกันว่า AI มันวิ่งเร็วเกินกว่าจะตามทัน แค่เผลอกะพริบตาไปแป๊บเดียว ก็มีโมเดลใหม่ โปรเจกต์ใหม่ กฎหมายใหม่ ผุดขึ้นมาเต็มไปหมด |
จากเดิมที่เราเคยมอง AI เป็นของเล่นทดลองหรือของใหม่ในหมู่คนสายเทค ปีนี้มันเริ่มกลายเป็น “โครงสร้างพื้นฐาน” ของงานและเศรษฐกิจจริง ๆ แล้ว ไม่ว่าจะในระดับประเทศ องค์กร หรือรายบุคคล |
ประเทศใหญ่พูดถึงซูเปอร์คอมพิวเตอร์ AI ระดับชาติ องค์กรทุกขนาดเริ่มมี AI roadmap ของตัวเอง และคนทํางานสายความรู้จํานวนมากเริ่มมี AI เป็นผู้ช่วยข้างตัวเป็นเรื่องปกติ |
เหมือนการมีคอมพิวเตอร์หรืออินเทอร์เน็ตประจําโต๊ะทํางาน |
บทความนี้ผมเลยอยากชวนมองปี 2025 ผ่านทั้งภาพเหตุการณ์สําคัญตลอดปี และเทรนด์ใหญ่ที่ส่งผลต่ออีก 2–3 ปีข้างหน้า โดยโฟกัสมุมคนทําธุรกิจและคนสร้างแพลตฟอร์ม/โซลูชัน AI เป็นหลัก |
|
เหตุการณ์สําคัญรายเดือนในปี 2025 |
| | | | มกราคม: DeepSeek‐R1 – หมัดแรกจากจีนที่ทั้งโลกต้องหันมามอง | ต้นปี 2025 ฝั่งจีนเปิดเกมแรงด้วย DeepSeek‐R1 โมเดลภาษาขนาดใหญ่ที่ออกแบบมาเพื่อการ reasoning โดยเฉพาะ และทําผลงานได้ใกล้เคียงโมเดลระดับบนของค่ายตะวันตกในโจทย์คณิตศาสตร์ โค้ด และงานให้เหตุผลในหลาย benchmark | ไฮไลต์สําคัญคือการปล่อยโมเดลให้ใช้ได้อย่างเปิดกว้างภายใต้เงื่อนไขแบบโอเพ่นซอร์ส ทําให้ใครก็สามารถเอาไปปรับ ใช้ หรือรันเองได้ ไม่ได้จํากัดอยู่ในมือบริษัทใหญ่ไม่กี่เจ้าอีกต่อไป | ข่าวนี้ไม่ได้สะเทือนแค่ฝั่งเทค แต่ยังสะเทือนถึงตลาดทุน เพราะนักลงทุนเริ่มตั้งคําถามว่า ถ้าโอเพ่นซอร์สโมเดลความสามารถสูงเกิดขึ้นเรื่อย ๆ โลกอาจไม่ได้ยึดติดกับโมเดลปิดขนาดยักษ์และฮาร์ดแวร์ราคาแพงเท่าเดิม | ส่งผลให้หุ้น NVIDIA ร่วงหนักมาก และมูลค่าตลาดหุ้นรวมทั้งสหรัฐ หายไปหลายล้านล้านบาท | เรียกว่าสะเทือนโลกพอสมควร | สําหรับคนทําธุรกิจและคนสร้างแพลตฟอร์ม นี่คือสัญญาณว่า “AI ระดับสูงแต่ราคาจับต้องได้” ไม่ใช่อนาคตไกลตัวอีกต่อไป แต่มันเริ่มอยู่ในมือเราแล้ว | ขึ้นอยู่กับว่าใครออกแบบ product หรือระบบหลังบ้านให้ใช้ประโยชน์จากสิ่งนี้ได้ก่อน |
| |
| | |
|
| | | | กุมภาพันธ์: จากชื่อโมเดล ไปสู่ยุคที่ “ให้ AI ไปอ่านแทนเรา” | ในช่วงปลายไตรมาสแรกของปี 2025 โมเดลระดับบนจากหลายค่ายเริ่มขยับไปในทิศทางเดียวกัน คือเน้นความสามารถด้าน reasoning และรองรับหลายโหมด (ข้อความ ภาพ เสียง) ในตัวเดียว แม้ยังไม่มีการประกาศรุ่น GPT‐4.5 หรือ GPT‐5 อย่างเป็นทางการจากฝั่ง OpenAI | ทิศทางที่เห็นชัดกว่าคือการเกิดขึ้นของฟีเจอร์แนว “Deep Research” จากหลายแพลตฟอร์ม ที่ให้ AI ไปค้นคว้าจากหลายแหล่งข้อมูลเอง 10–30 นาที แล้วกลับมาสรุปเป็นรายงานให้เราแทนการไล่อ่านทุกแหล่งด้วยตัวเอง | สําหรับหลายคน นี่คือครั้งแรกที่รู้สึกว่า “งานรีเสิร์ช” ที่แต่ก่อนต้องใช้เวลาหลายชั่วโมงหรือหลายวัน เริ่มถูกย่อให้เหลือระดับนาที แม้จะยังต้องมีคนคอยตรวจทานและตีความ แต่ภาระหนักย้ายจาก “อ่านทุกอย่างเอง” ไปเป็น “คิดและตัดสินใจ” แทน | สําหรับคนทํางานคอนเทนต์ การตลาด รีเสิร์ช หรือคอนซัลต์ นี่คือจุดเริ่มต้นของการออกแบบ workflow ใหม่ ที่ให้ AI ช่วยเตรียมฉาก เตรียมข้อมูล แล้วคนไปโฟกัสงานคิด งานกลยุทธ์ และงานเล่าเรื่องที่ซับซ้อนกว่าเดิม | สะเทือนพวก Consulting firm ทั่วโลกไปอีก |
| |
| | |
|
| | | | มีนาคม–เมษายน: ตั้งคําถามกับสถาปัตยกรรมเดิม และการกลับมาของ “สมองกล” | ช่วงปลายมีนาคมมีข่าวงานวิจัยที่ใช้คําว่า Super‐Turing AI สําหรับสถาปัตยกรรมและชิปที่เลียนแบบการทํางานของสมองมนุษย์ ใช้ synapse‐like elements ในการเรียนรู้แบบใช้พลังงานระดับนาโนวัตต์ เพื่อลดพลังงานอย่างมหาศาลเมื่อเทียบกับ AI แบบเดิม | แม้จะยังอยู่ในระดับห้องทดลอง แต่มันสะท้อนทิศทางว่าการพัฒนา AI เริ่มมองไกลกว่า transformer แบบมาตรฐาน ไปสู่การผสานแนวคิดด้านสมองกลและฮาร์ดแวร์เฉพาะทางเข้าด้วยกัน | ในช่วงไล่เลี่ยกัน โมเดลเชิง reasoning รุ่นใหม่และตระกูลโมเดลฝั่ง OpenAI อย่างสาย o‐series ถูกนํามาใช้มากขึ้น โดยวางตัวเป็นตัวเลือกที่สมดุลระหว่างความเก่งกับต้นทุน สําหรับงานที่ไม่จําเป็นต้องใช้โมเดลใหญ่สุดเสมอไป | สําหรับคนที่ต้องคิดต้นทุนจริง การมีตัวเลือกโมเดลหลายระดับในระบบเดียวกําลังกลายเป็นมาตรฐาน ทั้งเพื่อควบคุมค่าใช้จ่าย และเพื่อปรับประสบการณ์ให้เหมาะกับแต่ละ use case แทนการเอาโมเดลตัวเดียวไปทําทุกอย่าง |
| |
| | |
|
| | | | พฤษภาคม: เดือนที่รู้สึกว่า AI อยู่ในทุกหน้าจอจริง ๆ | เดือนพฤษภาคมฝั่ง Google และ Anthropic เดินเกมหนัก Google DeepMind ประกาศ AlphaEvolve ซึ่งถูกวางเป็นเอเจนต์ช่วยออกแบบและพัฒนาอัลกอริทึมขั้นสูง โดยใช้เทคนิค evolution‐based ร่วมกับโมเดลตระกูล Gemini เพื่อหาวิธีแก้ปัญหาด้านโค้ดและคณิตศาสตร์ที่มีประสิทธิภาพมากขึ้น | พร้อมกันนั้น Google ยังเร่งใส่โหมด AI ใน Search ให้ AI เข้ามาช่วยตอบและสรุปผลการค้นหาในหน้าจอเดียวกัน และต่อยอดโมเดลสร้างวิดีโออย่าง Veo ควบคู่กับการดัน Gemini รุ่นล่าสุดเป็นหัวใจของประสบการณ์ AI ทั่ว ecosystem ของตัวเอง | ไม่กี่วันถัดมา Anthropic ปล่อย Claude 4 ที่ถูกออกแบบมาให้ “ทํางานยาว ๆ” ได้ดีขึ้น เช่น การรันงานที่ต้องใช้เวลาเป็นชั่วโมงในการคิด วางแผน และเขียนผลลัพธ์ชุดใหญ่ โดยลดปัญหาหลุดโฟกัสหรือหลงประเด็นเมื่อบทสนทนายาว | โดยการมี context window ขนาดใหญ่ มี memory ที่เขียนเก็บเองได้ และมีโหมดคิดยาว (Extended Thinking) ทําให้มันไม่ลืมงานหรือคําสั่งต้นทางได้ง่ายๆ | ภาพรวมคือ AI เริ่มไม่ใช่แค่เว็บแชตอีกแท็บหนึ่ง แต่มันเข้าไปอยู่ใน Search ในเอกสาร ในอีเมล และในเครื่องมือทํางานที่เราใช้ทุกวัน | สําหรับคนทําธุรกิจ นี่คือจุดที่ต้องถามว่า เมื่อค่ายใหญ่มี AI ติดอยู่ทุก custom touch points แล้ว เราจะสร้างคุณค่าเพิ่มตรงไหนที่เขายังไม่แตะ หรือแตะได้ไม่ลึกเท่าที่เราเข้าใจตลาด ภาษา หรืออุตสาหกรรมของเรา |
| |
| | |
|
| | | | กลางปี: จากโมเดลเดี่ยว สู่โลกที่ “เอเจนต์ทํางานเป็นทีม” (Multi-agents Orchestration) | เมื่อเข้าไตรมาสสอง–สาม ของปี 2025 คําว่า AI agent เริ่มดังขึ้นเรื่อย ๆ ไม่ใช่แค่ในงานทดลอง แต่ในผลิตภัณฑ์จริงของหลายเจ้า | แนวคิดหลักคือ แทนที่จะมีโมเดลตัวเดียวที่ทําทุกอย่าง เราเริ่มมีเอเจนต์หลายตัวที่รับบทต่างกัน เช่น ตัวหนึ่งเก่งค้นข้อมูล ตัวหนึ่งเก่งวิเคราะห์ ตัวหนึ่งเก่งเขียน และอีกตัวทําหน้าที่เป็น “ผู้จัดการ” คุมจังหวะการทํางาน | มาตรฐานอย่าง Model Context Protocol (MCP) จาก Anthropic ถูกผลักดันเพื่อให้โมเดลเชื่อมต่อกับฐานข้อมูลและเครื่องมือได้ง่ายขึ้น | ขณะที่ฝั่งอื่น ๆ ก็ออกมาตรฐานและโปรโตคอลคล้ายกัน เพื่อให้เอเจนต์คุยกันเองหรือเชื่อมต่อกันข้ามแพลตฟอร์ม | ในเชิงธุรกิจ นี่คือการเปลี่ยนกรอบคิดจาก “เราจะใช้ AI ตัวไหนดี” ไปสู่ “เราจะออกแบบทีมเอเจนต์ยังไงให้เข้ากับงานและคนของเรา” | ถ้าออกแบบดี มันจะไม่ใช่แค่ช่วยตอบแชต แต่ช่วยยกงานทั้งก้อนออกจากโต๊ะมนุษย์ ให้คนไปอยู่บนงานคิด ตัดสินใจ และสร้างความสัมพันธ์แทน | เดือน มิถุนายนมีข่าวใหญ่คือ Meta ทุ่ม 14 พันล้านดอลลาร์ซื้อหุ้น 49% ใน Scale AI เพื่อเสริม data‐labeling และ infra สําหรับโมเดลขนาดใหญ่ของตัวเอง |
| |
| | |
|
| | | | ช่วงกลาง–ปลายปี: AI เริ่มช่วยค้นหาวิธีรักษาโรคแบบจริงจัง | ในช่วงกลาง–ปลายปี 2025 ภาพของ “AI ในห้องแล็บ” ชัดขึ้นมาก จากรายงานและงานวิจัยหลายชุด | ระบบห้องแล็บอัตโนมัติและเอเจนต์หลายตัวถูกนํามาใช้ช่วยกันออกแบบ ทดลอง และวิเคราะห์โมเลกุลเพื่อหาวิธีรักษาโรคใหม่ ๆ ตั้งแต่การออกแบบโปรตีน ไปจนถึงการคัดกรองโมเลกุลยาจํานวนมหาศาล | ตัวอย่างเช่น งานวิจัยที่ใช้ generative AI ออกแบบเอนไซม์หรือโปรตีนใหม่สําหรับงานตระกูล CRISPR และการใช้เอเจนต์ช่วยควบคุมห้องแล็บอัตโนมัติ | แสดงให้เห็นว่า AI ไม่ได้แค่ช่วยนักวิทยาศาสตร์อ่านงานวิจัย แต่เริ่มมีบทบาทในการคิดค้นเครื่องมือและโมเลกุลใหม่โดยตรง | ถ้ามองยาว ๆ นี่ส่งผลต่อห่วงโซ่ใหญ่ ๆ ทั้งการแพทย์ สุขภาพ ประกัน และภาครัฐ เพราะถ้าโลกมีวิธีรักษาโรคแบบใหม่ ๆ ที่ออกแบบด้วย AI ได้เร็วขึ้น เราก็ต้องคิดใหม่ถึงรูปแบบความเสี่ยง สุขภาพประชากร และโมเดลธุรกิจรอบ ๆ สิ่งเหล่านี้ | ช่วงเดือนสิงหาคม Google เปิดตัว Nano Banana โมเดลแก้ไขภาพที่กลายเป็นไวรัล และออกไลน์ Pixel ใหม่ที่ฝัง Gemini/agent ฟีเจอร์ลึกขึ้นในฮาร์ดแวร์ สร้างความฮือฮาได้พอสมควร |
| |
| | |
|
| | | | กันยายน: AI กลายเป็นเรื่องของไฟฟ้า ดาต้าเซ็นเตอร์ และภูมิรัฐศาสตร์ | ช่วงปลายปี ประเด็นเรื่องฮาร์ดแวร์และพลังงานของ AI โผล่ขึ้นมาเด่นชัดขึ้น มีการสาธิตชิปและสถาปัตยกรรมแบบใหม่ที่เลียนแบบสมองมนุษย์ เพื่อให้การประมวลผล AI ใช้พลังงานลดลงหลายระดับ | ในขณะเดียวกัน หลายประเทศเดินหน้าสร้างซูเปอร์คอมพิวเตอร์ AI และดาต้าเซ็นเตอร์ของตัวเอง เพื่อไม่ต้องพึ่งโครงสร้างพื้นฐานจากประเทศอื่นเพียงไม่กี่ราย ทําให้เรื่อง AI ไปผูกโยงกับไฟฟ้า ความเย็น เน็ตเวิร์ก ชิป และห่วงโซ่การผลิตระดับโลก | สําหรับคนทําแพลตฟอร์มและ SaaS แม้จะไม่ได้ไปยุ่งกับชิปเอง แต่ต้องเข้าใจว่าคอขวดเหล่านี้จะกําหนดทั้งราคา ความเร็ว และความเสถียรที่เราส่งมอบให้ลูกค้าได้จริง และมีผลต่อ margin ระยะยาวของธุรกิจ |
| |
| | |
|
| | | | ปลายปี: Copilot กลายเป็นของธรรมดาในงานความรู้ | ช่วงท้ายปี 2025 จากรายงาน/สํารวจหลายชุด เริ่มใช้โทนเดียวกันว่า “ตอนนี้ AI กลายเป็นส่วนหนึ่งของงานประจําวันไปแล้ว” โดยเฉพาะในสายงานความรู้และสายเทค | การสํารวจหลายชุดสะท้อนว่าคนทํางานจํานวนมากใช้ generative AI ทั้งในงานและชีวิตส่วนตัว ตั้งแต่ช่วยเขียนอีเมล ทําสรุปประชุม วิเคราะห์ข้อมูล ไปจนถึงช่วยคิดแผนการตลาดและโค้ด | Frontier model รุ่นใหม่ ๆ จากแต่ละค่าย ไม่ว่าจะเป็นสาย GPT‐5 และตระกูล o‐series ของ OpenAI, Claude 3/4 ของ Anthropic, Gemini รุ่นล่าสุดของ Google หรือ Grok รุ่นอัปเดตจากฝั่ง X ล้วนถูกวางตําแหน่งเป็นผู้ช่วยทํางานเต็มรูปแบบ เช่น Coding copilot, Research copilot หรือ Strategy copilot | เมื่อมองจากมุมองค์กร นี่คือจุดที่ AI เลิกเป็นโปรเจกต์ทดลองในมุมห้อง แล้วกลายเป็นสิ่งที่ต้องเอาเข้าไปอยู่ใน core process ของธุรกิจ เช่น ฝ่ายลูกค้าสัมพันธ์ การเงิน การวิเคราะห์ข้อมูล และการตัดสินใจเชิงกลยุทธ์ | ข่าวใหญ่ส่งท้ายปี Meta ประกาศซื้อ Manus AI สตาร์ทอัป “general‐purpose agents” ที่โฟกัส AI ทํางานแทนคน (ไม่ใช่แค่แชตบอต) ดีลมูลค่าโดยประเมินราว 2–3 พันล้านดอลลาร์ เป็นสัญญาณชัดเจนว่า Meta จะเล่นเกม “AI agents ที่ใช้งานจริงใน consumer + business products” |
| |
| | |
|
| | | | 5 เทรนด์ใหญ่ด้าน AI ของปี 2025 | จากโมเดลเดี่ยว สู่ Multi‐LLM และ Agent Orchestration
| ก่อนหน้านี้เรามักถามกันว่า “ใช้โมเดลไหนดีที่สุด” แต่ในโลกจริงปี 2025 องค์กรจํานวนมากเริ่มใช้หลายโมเดลในระบบเดียว แยกกันทํางานตามความถนัด แล้วมีเลเยอร์กลางคอย orchestration | สําหรับคนสร้างแพลตฟอร์ม นี่คือโอกาสในการออกแบบ “AI Gateway” หรือ “Agent Layer” ที่คุมว่าจะใช้โมเดลไหนกับงานไหน วัดผลอย่างไร คุมต้นทุนยังไง และเชื่อมกับระบบเดิมขององค์กรยังไง ซึ่งถ้าวางดี ๆ จะกลายเป็นจุดยึดที่ลูกค้าย้ายออกยากในระยะยาว | จาก hype สู่คําถามเรื่องผลลัพธ์จริงและ ROI
| ปีนี้หลายองค์กรไม่ได้ถามแค่ว่า “AI ทําอะไรได้บ้าง” แต่เริ่มถามว่า “แล้วในบริษัทฉันมันคืนทุนจริงมั้ย” รายงานจากหลายสํานักสะท้อนภาพเดียวกันว่า การนํา AI เข้าสู่ production เพิ่มขึ้น แต่ผลลัพธ์ต่างกันมากระหว่างองค์กรที่เตรียมพร้อมกับที่ยังไม่พร้อม | สิ่งที่แบ่งคนที่ทําสําเร็จกับคนที่ไม่รอด คือคุณภาพข้อมูล การจัดการการเปลี่ยนแปลง และการวัดผลที่ชัดเจน ไม่ใช่แค่การมีโมเดลที่เก่งที่สุดเพียงอย่างเดียว | สําหรับ startup และผู้ประกอบการ นี่คือสัญญาณว่า “ขายภาพฝัน AI” อย่างเดียวไม่พออีกต่อไป ลูกค้าเริ่มมองหาเคสใช้งานจริง ตัวเลขจริง และความเข้าใจ domain ที่ลึกพอจะช่วยเขาออกแบบกระบวนการใหม่ ไม่ใช่แค่โยน chatbot ไปตัวหนึ่งแล้วจบ | Open‐source และ Sovereign AI: โลกจะแตกเป็นหลาย ecosystem มากขึ้น
| ปี 2025 ทําให้ภาพของ open‐source และ sovereign AI ชัดขึ้นกว่าเดิม โมเดลอย่าง DeepSeek‐R1, Qwen, Llama และตระกูล open‐source อื่น ๆ ช่วยให้ประเทศ องค์กร และผู้เล่นใหม่มีทางเลือกในการสร้าง “AI Stack ของตัวเอง” มากขึ้น สําหรับภูมิภาคอย่างเอเชียตะวันออกเฉียงใต้หรือประเทศกําลังพัฒนา นี่คือจังหวะทองในการเลือกว่าจะ “อยู่ ecosystem ไหน” หรือจะทําตัวเป็นตัวกลางเชื่อมหลาย ecosystem เข้าด้วยกัน | กฎระเบียบและ Governance กลายเป็นฟีเจอร์หลักของ AI
| ปีนี้กรอบกฎหมายอย่าง EU AI Act เริ่มเดินหน้าจริงจัง ทั้งการเตรียมบังคับใช้ข้อกําหนดสําหรับระบบ AI ความเสี่ยงสูงในช่วง 2025–2027 | ขณะที่จีน สหรัฐ และอังกฤษก็พัฒนากรอบกํากับดูแลในแบบของตัวเอง ทําให้ระบบ AI ที่จะขายองค์กรใหญ่ต้องตอบได้ว่า ใช้ข้อมูลอะไร อยู่ตรงไหน ใครรับผิดชอบ ตรวจสอบอย่างไร และมีมนุษย์อยู่ตรงไหนในวงจรการตัดสินใจ | พูดสั้น ๆ คือ governance ไม่ใช่ add‐on ที่มาเติมทีหลัง แต่ต้องถูกออกแบบตั้งแต่วันแรก ทั้งในระดับเทคโนโลยี และระดับองค์กร บริษัทที่ช่วยทําหน้าที่เป็น “เลเยอร์กํากับดูแล” หรือ “ศูนย์ควบคุมคุณภาพของ AI” จะมีบทบาทมากขึ้นเรื่อย ๆ | AI กลายเป็น Copilot มาตรฐานของงานความรู้
| ข้อมูลจากการสํารวจแรงงานสะท้อนตรงกันว่า การใช้ generative AI ทั้งในงานและชีวิตส่วนตัวเพิ่มขึ้นอย่างต่อเนื่อง จนระดับการใช้งานเข้าใกล้หรือแซงหน้าการยอมรับคอมพิวเตอร์ในยุคแรก ๆ | ภาพง่าย ๆ คือ คนทํางานจํานวนมากมี AI อย่างน้อยหนึ่งตัวเป็นผู้ช่วยประจํา ทั้งเรื่องเขียนโค้ด ตรวจโค้ด สรุปงาน ตอบแชตลูกค้า ทําสไลด์ และคิดไอเดียการตลาด | สิ่งที่เปลี่ยนไม่ใช่แค่เครื่องมือ แต่คือ “มาตรฐานใหม่ของ productivity” ใครใช้เป็นและออกแบบ workflow ให้เข้ากับตัวเองได้ดี จะทํางานได้เร็วและลึกกว่าคนที่ยังทําทุกอย่างด้วยมือเหมือนเดิม ...... |
| |
| | |
|
| | | | อะไรสําคัญที่สุดสําหรับบริบทไทยและธุรกิจแบบเรา | ถ้ามองย้อนทั้งปี 2025 จะเห็นทั้งข่าวใหญ่ โมเดลใหม่ และโปรเจกต์ระดับโลกเต็มไปหมด แต่สําหรับบริบทไทยและคนที่กําลังสร้างแพลตฟอร์ม/โซลูชัน AI สิ่งที่น่าจะมีผลที่สุดมีอย่างน้อยสองเรื่อง | หนึ่ง การเปลี่ยนจาก “โมเดลตัวเดียว” ไปสู่ Multi‐LLM และ agent ที่ทํางานเป็นทีม เพราะในโลกจริงขององค์กรไทยเราต้องบาลานซ์ทั้งภาษา ทุนทรัพย์ ข้อกํากับดูแล และ legacy system ที่มีอยู่ การมีเลเยอร์กลางที่เลือกใช้โมเดลให้เหมาะกับงาน เหมาะกับข้อมูล และเหมาะกับข้อจํากัดของลูกค้าแต่ละราย จะเป็นหัวใจสําคัญของแพลตฟอร์มที่อยากโตแบบยั่งยืน สอง การที่ AI กลายเป็น copilot ของงานความรู้ในชีวิตจริง ตั้งแต่คนขาย ฝ่ายบัญชี ฝ่ายการตลาด ไปจนถึงผู้บริหาร ถ้าองค์กรไทยยังมอง AI เป็นแค่ของเล่นทดลอง หรือทํากันแค่เป็นโปรเจกต์เล็ก ๆ ข้าง ๆ จะเสียเปรียบคู่แข่งที่เอา AI ไปอยู่ใน “ระบบปกติ” ของการทํางานแบบเต็มตัว นี่คือจังหวะที่ต้องเลิกคิดว่า AI เป็นของฝ่าย IT แล้วเริ่มคิดว่า AI เป็นส่วนหนึ่งของโครงสร้างธุรกิจ
|
| |
| | |
|
สําหรับตัวเอง ปี 2025 เลยไม่ใช่ปีที่ถามว่า “จะใช้ AI ดีไหม” แต่เป็นปีที่ต้องถามว่า “เราจะออกแบบธุรกิจและระบบการทํางานใหม่ยังไง เมื่อทุกคนมี AI อยู่ในมือแล้ว” |
ใครเริ่มตอบคําถามนี้ตั้งแต่ตอนนี้ น่าจะยืนอยู่ในตําแหน่งที่ดีมากในอีก 2–3 ปีข้างหน้า ที่คลื่น agentic AI และโลก Multi‐LLM จะยิ่งแรงและลึกเข้าไปในโครงสร้างเศรษฐกิจมากกว่าเดิม |
