คุณอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด
การสำรวจของบริษัทที่ปรึกษากำลังชี้ว่า Gen AI กำลังถูกนำไปใช้ในองค์กรต่าง ๆ อย่างมากในช่วงเวลาที่ผ่านมา เช่น ผลการศึกษาของ McKinsey ที่คาดการณ์ว่า Gen AI อาจเพิ่มมูลค่าให้กับกำไรต่อปีของบริษัททั่วโลกได้ถึง 4.4 ล้านล้านเหรียญสหรัฐฯ และ 75% ขององค์กรกำลังทดลองใช้ Gen AI ใน 5 หรือมากกว่า 5 ฟังก์ชันอยู่
ขณะที่การ์ทเนอร์ระบุว่า เกือบครึ่งหนึ่งขององค์กรธุรกิจได้ขยับจากการสำรวจความเป็นไปได้ของการใช้ AI ไปสู่การทดลองนำร่อง โดยมี 10% ที่ก้าวสู่ขั้นตอนการเริ่มใช้งานจริงแล้ว
ผู้ใช้ Gen AI ที่ก้าวล้ำที่สุดจะได้เปรียบ
ในมุมของผู้บริหารเองก็พบว่า มากกว่า 3 ใน 4 ของผู้บริหารที่สำรวจมองว่าตนต้องเริ่มใช้ Gen AI อย่างรวดเร็วเพื่อให้ก้าวทันคู่แข่ง ขณะที่ 72% ของผู้บริหารระดับสูงมองว่า ผู้ที่มี Gen AI ที่ก้าวล้ำที่สุดจะมีความได้เปรียบในการแข่งขัน
ขณะที่ประเทศไทยเอง Statista คาดว่าในประเทศไทย ขนาดตลาด Gen AI จะเติบโตถึง 179.50 ล้านเหรียญสหรัฐฯ ในปี 2024 และจะเติบโตเฉลี่ย 46.48% ต่อปี จนมีขนาด 1,773 ล้านเหรียญสหรัฐฯ ภายในปี 2030
ตามรายงาน Thailand Digital Technology Foresight 2035 ของ DEPA คาดว่าการใช้งาน AI ในประเทศไทยจะเพิ่มขึ้นเกินกว่า 50% ภายในปี 2030 จาก 17% ในปี 2019 โดยตลาด AI ของไทยจะมีมูลค่าประมาณ 114 พันล้านบาทภายในปี 2030 และจะมีกว่า 300 ยูสเคสด้าน AI โดยเฉพาะในภาคการผลิต ประกันภัย ยานยนต์ และสาธารณสุข
โครงการด้าน Gen AI 30% จะถูกปล่อยทิ้ง
ในส่วนของ IBM มีข้อมูลจาก IBV หรือ IBM Institute for Business Value ประเมินว่า Gen AI ช่วยให้ ROI ของ AI เพิ่มขึ้นจาก 13% เป็น 31% นับตั้งแต่ปี 2022 โดยในปี 2022 ค่า ROI เฉลี่ยของ AI อยู่ที่ 13% แต่ผลของการนำ Gen AI มาใช้ในช่วงแรก (ที่นำโดยโครงการนำร่องที่ประสบความสำเร็จ) ทำให้ ROI เพิ่มขึ้นเป็น 31% ในปี 2023
อย่างไรก็ดี องค์กรจะเริ่มถอยห่างออกจาก AI เนื่องจากเผชิญความซับซ้อนในการนำ Gen AI มาใช้ในฟังก์ชันหลักต่าง ๆ ทางธุรกิจ และเป็นไปได้ว่า โครงการด้าน Gen AI 30% จะถูกปล่อยทิ้ง หลังจากได้เริ่มทำ proof of concept ไปแล้ว (อ้างอิงจากการ์ทเนอร์) เช่นเดียวกับรายงาน 2024 AI Governance Report ล่าสุดของไอบีเอ็ม ที่พบว่า เกือบครึ่งหนึ่งของซีอีโอที่สำรวจระบุว่ามีความกังวลเกี่ยวกับความถูกต้องและอคติของ Gen AI
นอกจากนั้น IBM ยังพบว่า 45% ขององค์กรในอาเซียนไม่มีโครงสร้างพื้นฐานด้านเทคโนโลยีที่พร้อมรองรับ AI และ 65% ของ CIO ไทยระบุว่าความเสี่ยงเชิงเทคนิคและสถาปัตยกรรมด้านไอทีของตน มีส่วนเกี่ยวข้องกับพันธมิตรด้านเทคโนโลยีที่ตนใช้บริการอยู่ (เช่น เรื่องเวนเดอร์ล็อคอินของผู้ให้บริการคลาวด์) เป็นต้น
ธุรกิจไทยเล็งใช้ AI ราคาประหยัด
คุณอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด
สำหรับการแข่งขันในปี 2025 คุณอโณทัย เวทยากร กรรมการผู้จัดการใหญ่ บริษัท ไอบีเอ็ม ประเทศไทย จำกัด ให้ทัศนะว่า “ธุรกิจเริ่มเปลี่ยนความคิด จากเดิมที่มองว่าโมเดล AI ขนาดใหญ่คือ AI ที่มีความสามารถมากกว่า แต่เทคโนโลยี LLM ที่มีขนาดใหญ่และมีความต้องการใช้พลังงานสูง กลายเป็นเรื่องที่จะเป็นภาระที่ไม่สมเหตุสมผลในระยะยาวขององค์กร”
“ยิ่งโมเดลมีขนาดใหญ่ ก็ยิ่งต้องการทรัพยากรในการประมวลผลมากขึ้น ส่งผลให้เกิดความล่าช้า ต้นทุนค่าใช้จ่าย การใช้พลังงาน และผลกระทบต่อสิ่งแวดล้อมที่เพิ่มขึ้น ด้วยเหตุนี้ หลายองค์กรจึงเริ่มมองถึงโมเดลที่เล็กลง ปรับจูนได้ เชื่อถือได้ และได้รับการเทรนด้วยข้อมูลเฉพาะที่เกี่ยวข้องกับธุรกิจขององค์กร ที่ตอบโจทย์การใช้งานและความต้องการที่เฉพาะเจาะจงของแต่ละองค์กรโดยไม่ก่อให้เกิดภาระค่าใช้จ่ายเพิ่มขึ้น”
ในจุดนี้คุณอโณทัยมองว่า ไอบีเอ็มมีโมเดล Granite 3.0 ซึ่งเป็นโมเดล AI ขนาดเล็กที่มีประสิทธิภาพสูง ซึ่งเมื่อรวมกับข้อมูลขององค์กร จะสามารถมอบประสิทธิผลสำหรับภาระงานที่เฉพาะเจาะจงกับแต่ละองค์กร ได้ เทียบเท่ากับแบบจำลองขนาดใหญ่ ในราคาที่ต่ำกว่า (พร้อมยกตัวอย่างราคาเริ่มต้นที่เคยมีการให้บริการ 60,000 เหรียญสหรัฐฯ หรือประมาณ 2 – 3 ล้านบาท) ออกมาให้บริการด้วย
การไฟฟ้าฯ ใช้ AI ลดเวลารอ “ชาร์จไฟ” 80%
ในส่วนของการใช้งาน Gen AI ของไอบีเอ็มในตลาดไทยพบว่ามีหลากหลาย โดยกรณีที่น่าสนใจเป็นการทำงานร่วมกันของไอบีเอ็มและคอมพิวเตอร์ยูเนี่ยน (ดิสทริบิวเตอร์ของไอบีเอ็ม) ใช้ watsonx Assistant ให้บริการแอปชาร์จแบตเตอรี่รถ EV อย่าง ‘PEA VOLTA’ โดยพบว่าสามารถลดเวลาการรอคอยของลูกค้าลงได้ถึง 80% (จาก 5 นาทีเหลือ 1 นาที) และลดเวลาที่ใช้ในการแก้ไขปัญหาแต่ละเคสลงถึง 50% (จาก 10 นาทีเหลือ 5 นาที) พร้อมทั้งลดจำนวนเคสที่เปิดลงถึง 90% ขณะเดียวกันก็เพิ่มความพึงพอใจของลูกค้าได้ด้วย
นอกจากนั้น ยังมีกรณีของ IRPC ยักษ์ใหญ่ในอุตสาหกรรมปิโตรเคมีนำ watsonx มาทดลองใช้กับงานวางแผนการบำรุงรักษา ผลการทดลองพบว่าสามารถลดเวลาที่ใช้ในการจัดการการบำรุงรักษาลงจาก 450,000 ชั่วโมงเหลือ 150,000 ชั่วโมงต่อปี หรือประมาณ 33% ของเวลาที่ใช้ในการจัดการการบำรุงรักษา
ตัวอย่างองค์กรไทยที่ใช้ Gen AI ของไอบีเอ็ม
เช่นเดียวกับ BLCP Power ได้นำ watsonx มาทดลองใช้กับกระบวนการการตรวจสอบงบประมาณการบำรุงรักษาในอดีตและข้อเสนอแนะ ผลการทดลองพบว่าสามารถประหยัดเวลาในการวิเคราะห์งบประมาณลงได้ 50% (จาก 60 นาทีต่อรายงานเหลือ 30 นาที) และลดเวลาที่ทีม IT ต้องใช้ในการสนับสนุนลงจาก 30 นาทีเหลือ 1 นาที
ทั้งนี้ คุณอโณทัยกล่าวด้วยว่า ในปี 2025 ไอบีเอ็มจะเดินหน้าให้ความรู้กับองค์กรต่าง ๆ รวมถึง SME ไทยเกี่ยวกับการใช้งาน Gen AI เพิ่มประสิทธิภาพให้กับธุรกิจ โดยมีกลุ่มเป้าหมายได้แก่ ภาคอุตสาหกรรม เฮลท์แคร์ และภาคการศึกษา