ยุคตื่นรู้เทคโนโลยี ไขความลับจาก Microsoft ว่า AI จะเข้ามาเปลี่ยนภาครัฐไทยอย่างไรบ้าง

ปัญญาประดิษฐ์ (AI) ได้กลายเป็นหัวใจสำคัญของการปฏิวัติทางเทคโนโลยีในยุคปัจจุบัน มันมีบทบาทสำคัญในการเปลี่ยนแปลงวิธีที่เราทำงาน สื่อสาร และดำเนินชีวิตประจำวัน

AI ไม่เพียงแค่ช่วยเพิ่มประสิทธิภาพในงานที่ซับซ้อน แต่ยังมีศักยภาพในการปรับปรุงกระบวนการต่างๆ ในอุตสาหกรรม ไม่ว่าจะเป็นการวิเคราะห์ข้อมูล การแพทย์ หรือแม้กระทั่งการพัฒนานวัตกรรมใหม่ๆ

อย่างไรก็ตาม การพัฒนา AI ก็ยังมาพร้อมกับความท้าทาย ทั้งในด้านจริยธรรมและความปลอดภัย ซึ่งเป็นสิ่งที่เราต้องคำนึงถึงอย่างรอบคอบในอนาคต

ไม่เชื่อก็ต้องเชื่อว่า 3 พารากราฟแรกถูกเขียนโดย ‘แชทจีพีที’ (ChatGPT) Genarative AI หรือระบบภาษาขนาดใหญ่ที่กำลังฮิตในปัจจุบัน AI ไม่เพียงแต่ช่วยเราเขียนบทความ (อย่างที่เห็นอยู่ตอนนี้)

แต่ยังช่วยเขียนโค้ด แต่งเพลง เขียนกลอน ทำอะไรที่เราไม่เคยคิดว่าเราจะสามารถทำได้ได้อีกด้วย ซึ่งนอกจากคนทั่วๆ ไป ภาคเอกชน บรรษัทต่างๆ แล้ว ภาครัฐของไทยก็ตื่นตัวกับ AI ไม่แพ้กัน

วันนี้ TODAY Bizview มีโอกาสพูดคุยกับ ‘ชนิกานต์ โปรณานันท์’ รองกรรมการผู้จัดการ สายงานกลุ่มธุรกิจภาครัฐ ภาคการศึกษา และสาธารณสุข ไมโครซอฟท์ ประเทศไทย ถึงเทรนด์การใช้ AI ในภาครัฐของไทย

[ AI 101 AI คืออะไร ทำงานอย่างไร สรุป ]

ปัญญาประดิษฐ์ (AI) คือ พลังของการคำนวน (Computing Power) ที่มีประสิทธิภาพอย่างมาก มีกำลังในการประมวลผลมหาศาล มีกำลังในการเข้าไปค้นหาข้อมูลแบบไม่จำกัด เพื่อให้เกิดการวิเคราะห์ การให้คำแนะนำ เหมือนกับสมองอัจฉริยะที่มีประสิทธิภาพมากๆ

ย้อนกลับไปเมื่อ 40-50 ปีที่แล้ว ‘เครื่องคิดเลข’ ก็คือ AI ในยุคตั้งต้น เพราะเป็นการประมวลผลเช่นกัน หรือถ้าพูดถึง AI ในการประมวลผลมหาศาล เราจะได้ยินเรื่องของการเอา AI มาแข่งหมากรุกให้ชนะคน ก็เป็นเรื่องของ Computing Power ข้างหลัง และอัลกอริทึม เป็นต้น

ถัดมาในยุค 1990 เราจะได้ยินคำว่า ‘การเรียนรู้ของเครื่อง’ (Machine Learning) ก็เป็นวิวัฒนาการของ AI แต่เป็นวิวัฒนาการที่เอามาทำให้เกิดการคาดการณ์ (Prediction) เช่น โมเดลตัวเลขต่างๆ

ซึ่งสามารถชี้ได้ว่า เครื่องจักรเครื่องนี้กำลังจะพังหรือไม่พัง จากพารามิเตอร์ หรือข้อมูลที่สร้างโมเดลเข้าไป เราสามารถคาดการณ์ได้ว่า เครื่องจักรเครื่องนี้จะพังแล้วในอีก 1 วันข้างหน้า เป็นต้น

หรือเรื่องของการเพาะปลูก หากมีแบบจำลองทางคณิตศาสตร์ (Mathematical model) ร่วมกับพารามิเตอร์เรื่องของดิน ฟ้า อากาศ ความชื้นในดิน การเพาะปลูก ฯลฯ เราก็สามารถทำนายได้ว่า เราจะได้ผลผลิตกี่ตัน ในจำนวน 1 ไร่ เป็นต้น

ส่วนวิวัฒนาการถัดมาในปี 2000 หรืออีก 10 ปีถัดมา คือเรื่องของ ‘การเรียนรู้เชิงลึก’ (Deep Learning) เป็นการวิเคราะห์ซ้ำซ้อนที่ลึกเข้าไปอีก เลียนแบบระบบประสาท (Neural Network) ของสมองคน

ฉะนั้น การวิเคราะห์จะไม่ใช่แค่ Mathematic Model แล้ว จะมีเรื่องของเซนติเมนท์และการวิเคราะห์มิติอื่นๆ ประกอบกันเข้ามา

ซึ่ง Deep Learning ที่เราจะเจอ จะสามารถทำเรื่องของการแนะนำ (Recommendation) ได้ เช่น รถยนต์ขับเองได้ ระบบอัตโนมัติ (Autonomous System) ทั้งหลาย พวกนี้คือ Deep Learning เพราะนอกจากคาดการณ์แล้ว ยังสามารถกระทำการ (Take Action) และทำ Recommendation ได้เลย

[ Generative AI เทคโนโลยีเปลี่ยนโลก ]

ถัดมาเมื่อปีกว่าๆ ที่ผ่านมา ก็มาถึงยุคของ ‘ปัญญาประดิษฐ์เชิงสร้างสรรค์’ (Generative AI: Gen AI) ซึ่งมาบูมเมื่อเดือน พ.ย. 2565 ตอนนี้ก็อายุประมาณ 1 ขวบครึ่งแล้ว ถือเป็นกระแสนิยม (Hype) ของตลาด

สิ่งที่ทำให้โลกตื่นตัวและมหัศจรรย์ คือความสามารถในการสื่อสารของ Generative AI ซึ่งพัฒนามาจากแบบจำลองภาษาขนาดใหญ่ (Large Language Model) จากข้อมูลมหาศาลทั่วโลก ทุกมิติ

ดังนั้น ความสามารถในการสื่อสารและการวิเคราะห์ข้อมูลของ Generative AI จะไปอีกมิติหนึ่ง ไม่ใช่แค่คาดการณ์ (Predict) หรือแนะนำ (Recommend) แต่สามารถสร้าง (Generate) ได้ อย่างที่เราลองใช้กัน เช่น สามารถช่วยเราแต่งเพลง แต่งกลอน วาดรูป หรือเขียนโค้ด เป็นต้น

‘เราสามารถบอกมันได้เลยว่า เราต้องการให้มันเขียนเว็บเพจ สร้างเพจขึ้นมาเพื่อโปรโมทบริษัทเรา และเก็บคอมเมนต์ของคนดู เราสามารถพูดแบบนี้เป็นภาษาพูด และ Generative AI สามารถ Generate เป็นโค้ดสร้างเว็บเพจให้เราได้’

สิ่งที่มันน่าตื่นเต้นคือ Generative AI สามารถทำให้เราทำอะไรที่เราไม่เคยคิดว่าจะทำได้ นอกเหนือจากการเพิ่มประสิทธิภาพของสิ่งที่เราทำได้อยู่แล้ว และทำให้เราทำได้ดีขึ้น

แต่กลับข้ามไปสิ่งที่เราไม่คิดว่าเราจะทำได้ เช่น เราไม่คิดว่าเราจะแต่งเพลงได้ภายใน 5 นาที เป็นสิ่งที่เราไม่เคยคิดว่า มันเป็นศาสตร์ใกล้ตัวเรา นี่คือความมหัศจรรย์ของ Generative AI

แม้ว่าเราจะไม่ใช่คนเขียนโค้ดเป็น แต่เราก็สามารถใช้วิธีการพูดของเราให้ Generative AI สร้างเว็บเพจขึ้นมาได้ หรือแม้แต่การสร้างแอปพลิเคชันบนมือถือ Generative AI สามารถสร้างสิ่งที่เราไม่เคยคิดว่า เราจะสามารถสร้างมันขึ้นมาได้มาก่อน

โดยสรุปแล้ว ความสามารถของ AI มีตั้งแต่ Machine Learning และ Deep Learning ซึ่งเราเรียกว่าเป็น Narrow AI จนกระทั่งมาถึง Generative AI

ตอนนี้ศาสตร์ AI จะผสมรวมกันแล้วระหว่าง Narrow AI กับ Generative AI ซึ่งสามารถสร้างนวัตกรรม (Innovation) และการใช้งาน (Use Case) ใหม่ๆ ให้เราเห็นได้เยอะมาก

[ ภาครัฐใช้ AI ดีลกับข้อมูลมหาศาล ]

พอเราพูดถึงเรื่อง AI เท่าที่เจอผู้ใหญ่ภาครัฐ แทบจะทุกที่ไม่มีใครไม่สนใจ AI ทุกคนสนใจว่า จะเอา AI มาช่วยภาครัฐได้อย่างไรบ้าง ซึ่งมิติที่เราเห็นและมีการคุยกันแบ่งเป็น 3 เรื่องหลักๆ ได้แก่

1. ผลิตภาพ (Productivity) ทำอย่างไรให้เกิดประสิทธิภาพของบุคลากรที่ทำงานในภาครัฐ หรือไปสนับสนุนการทำงานของบุคลากรของภาครัฐให้ดีขึ้น

2. บริการประชาชน (Citizen Service) การนำ AI มาบริการประชาชน หรือทำอย่างไรเพื่อให้กระบวนการติดต่องานกับภาครัฐง่ายขึ้น

3. นวัตกรรมและข้อมูล (Data and Innovation) เพราะว่า ณ ตอนนี้ ภาครัฐเต็มไปด้วยข้อมูล แต่เป็นข้อมูลที่ยังไม่ได้นำมาเชื่อมโยงกันบนโลกดิจิทัลเพื่อให้เกิดเป็นอินไซต์ ซึ่งเป็นความต้องการของภาครัฐเพื่อนำมาต่อยอดเป็นนวัตกรรมให้บริการประชาชน หรือเกิดเป็นบริการใหม่ๆ

ส่วน Use Case ที่เห็นเยอะ คือเรื่องของการจัดการองค์ความรู้ (Knowledge Management: KM) เหมือนเราเข้าไปในห้องสมุดใหญ่ๆ และเรามีคนที่ไปค้นหาทุกอย่างในห้องสมุด แล้วมาตอบคำถามเราด้วย ว่าสิ่งที่เราต้องการค้นหา คืออะไร

ยกตัวอย่างเช่น สํานักกฤษฎีกา (OCS) ซึ่งเป็นสำนักกฎหมายของประเทศไทยเรา มีกฎหมายเยอะมาก Use Case ที่เคยตัดสินไปในอดีตมีเยอะมาก เพราะฉะนั้น หากต้องการองค์ความรู้ที่เคยตัดสินไปว่ามีอะไรบ้าง หรือประมวลกฎหมายที่มีอยู่คือมาตราไหน คือประมวลกฎหมายอะไร

OCS ก็ต้องทำเรื่องของ Knowledge Management โดยเอาสิ่งที่ไมโครซอฟท์เรียกว่า’โคไพลอต’ (Copilot) ซึ่งเป็น Generative AI ของไมโครซอฟท์ เอาไปใช้ในแง่ของการเป็นผู้ช่วย ให้กับคนทำงาน นักกฎหมายในสำนักกฤษฎีกา

‘เพราะว่าเขาต้องดีลกับจำนวนข้อมูลมหาศาล ความสามารถของ Genrative AI สามารถที่จะเอาหนังสือเล่มหนึ่งมาย่อยให้เราเหลือ 10 ข้อ สามารถสรุปข้อมูลตรงนั้นมาให้เรา จะสรุปเหลือ 10 ข้อ สรุปเหลือ 2 หน้า ก็สามารถทำออกมาได้เลย’

[ Gen AI ตอบทุกปัญหาของประชาชน ]

อีกหนึ่งตัวอย่างคือการทำแชทบอทตอบปัญหาสุขภาพ (Healthbot) ของสำนักงานหลักประกันสุขภาพแห่งชาติ (สปสช.) โดยทำด้วยกัน 2 เรื่อง ได้แก่

หนึ่ง สิทธิประโยชน์ของประชาชน เราเกิดมาเป็นประชาชนคนไทย ปกติเรามีสิทธิในแง่ของการรักษาพยาบาลอยู่แล้ว แต่เชื่อว่าหากไปถาม หลายคนอาจจะไม่รู้ว่าตัวเองมีสิทธิในฐานะประชาชนคนไทย เช่น สามารถตรวจโรคอะไรได้บ้างในแต่ละปี ในฐานะที่เป็นผู้หญิงสามารถตรวจมะเร็งเต้านมได้ เป็นต้น

ทุกคนเปรียบเสมือนเกิดมามีกรมธรรม์ส่วนตัวอยู่แล้วที่ภาครัฐให้ การที่เราจะรู้ว่าในกรมธรรม์นั้น เรามีสิทธิอะไรบ้างก็เป็นบริการประชาชน (Citizen Service) ที่ สปสช.ตั้งใจทำออกมาให้ประชาชนไปตรวจสอบสิทธิตัวเอง และบอกได้ด้วยว่า เราสามารถไปใช้สิทธิไหนที่ตรงไหนได้บ้าง

ในอนาคต หลังจากที่เรารู้แล้วว่า เราสามารถไปตรวจตรงไหนได้บ้าง เราสามารถระบุ (Identify) ตัวตน เช่น ชื่ออะไร อายุเท่าไหร่ เพศอะไร โปรไฟล์เราเป็นแบบนี้แชทบอทสามารถทำการแนะนำให้เราได้ด้วยว่า ถ้าเราเป็นแบบนี้ เรามีความเสี่ยงอะไร นี่คือการป้องกัน ในฐานะประชาชนเราควรทำ และสิทธิที่เราจะไปทำ เราจะไปตรวจที่ไหนได้บ้าง

ถัดไปที่เป็นเป้าหมายของ สปสช. คือ อยากให้เราทำการรักษาได้ด้วยตัวเอง (Self-care) จากปกติเป็นโรงพยาบาลส่งเสริมสุขภาพตําบล (รพ.สต.) ที่ต้องออกไปให้บริการชนบทไกลๆ ในที่ๆ ขาดแคลนคุณหมอ หรือบางครั้งประชาชนที่อยู่ไกลๆ อาจจะไม่ได้เข้าถึงโรงพยาบาลได้สะดวก

อันนี้เป็นสิ่งที่ สปสช.อยากทำหลักประกันสุขภาพถ้วนหน้า (Universal Health Coverage) เช่น ประชาชนที่มีโทรศัพท์มือถือ สมมติ ไอ เจ็บคอ ปวดท้อง ก็สามารถคีย์เป็นคำพูดถามเข้าไปได้เลยว่า ตอนนี้เราปวดท้อง

Healthbot ก็จะถามอาการเพิ่มเติม เช่น ปวดท้องแล้วมีอาเจียนร่วมด้วยหรือไม่ หรือมีอาการหนึ่ง สอง สาม สี่ ก็จะเป็นการคุยโต้ตอบกับ Healthbot ซึ่งสามารถวินิจฉัยให้เราเบื้องต้นได้ว่าเราเป็นอะไร สามารถดูแลเบื้องต้นได้ หรือต้องรีบไปพบแพทย์

อย่างที่บอกไปว่า Generative AI มีความสามารถทางด้านภาษามาก มันจะไม่ใช่การกดหนึ่ง กดสอง กดสาม แต่เราสามารถบรรยายอาการไปได้เลยว่า เราเป็นแบบนี้ ตัวบอทจะมีความสามารถเข้าใจการสื่อสารของเรา และนำไปประมวลผลกับสิ่งที่ สปสช.ให้ความรู้เอาไว้หลังบ้าน

[ บทบาทของภาครัฐ ‘ผู้ใช้-ผู้สร้าง-ผู้ส่งเสริม’ ]

บทบาทของภาครัฐในการใช้ AI หรือเทคโนโลยี ได้แก่

1. ผู้ใช้ (Driver) เอาเทคโนโลยีมาใช้ให้เกิดประโยชน์กับประชาชนและประเทศ ทุกๆ หน่วยงานเข้ามาดูบทบาทของเทคโนโลยี วิทยาการ (Science) และ Innovation ว่าสามารถนำอะไรเข้ามาเพื่อเพิ่ม Productivity ของประเทศ เพื่อทำให้เศรษฐกิจของประเทศไทยดีขึ้น

ยกตัวอย่างเช่น ภาคอุตสาหกรรมการเกษตรและภาคการท่องเที่ยว ซึ่งเป็นภาคการผลิตจริง (Real Sector) ที่สร้างผลผลิตให้กับจีดีพีประเทศไทย

ต้องบอกว่าประชากรประมาณ 50% ของคนไทยอยู่ในภาคการเกษตร แต่ generate 10% ของจีดีพีประเทศเท่านัน้น แต่ภาคการท่องเที่ยว (ก่อนโควิด-19) ที่มีประชากรเพียง 10% แต่ generate จีดีพีประมาณ 16.5%

ถ้าเราเทียบแค่ 2 เซ็กเมนต์ จะให้เลยว่า Productivity ของประเทศในฝั่งภาคการเกษตรต่ำกว่าของภาคการท่องเที่ยวมาก ทั้งที่เป็น Real Sector ของประเทศเหมือนกัน

มันก็เป็นโจทย์แล้วว่า ในแง่ของการเป็นผู้ใช้ของภาครัฐ จะทำอย่างไรที่จะเอาเทคโนโลยี เอา AI มาเพิ่ม Productivity ให้กับภาคการเกษตรให้สามารถเพิ่มผลผลิต ให้แต่ละคนสามารถ generate ออกมาเป็นรายได้ต่อหัว (Revenue Per Head) และสุดท้ายออกมาเป็นจีดีพีได้มากกว่านี้

2. ผู้สร้าง (Enabler) ต้องสร้างคนดิจิทัล ถ้าเราบอกว่า เราอยากเป็นนศูนย์กลางด้านปัญญาประดิษฐ์ (AI Hub) ของภูมิภาคนี้ ถามว่าภาครัฐต้องทำอะไร ภาครัฐต้องสร้างคน คนดิจิทัล

ต้องบอกว่า คนไทยเก่งในเรื่องของการเป็นผู้ใช้ ถ้าเราบอกเรื่องการใช้เทคโนโลยี และข้อมูลจากสถาบันการจัดการนานาชาติ (International Institute for Management Development :IMD) ไม่ว่าจากอดีตมาจนถึงปัจจุบัน ล่าสุดก็ยังเป็น คือ เรื่องของการเป็นผู้ใช้ ประเทศไทยเก่งไม่แพ้ใคร

แต่เมื่อไหร่กลับมาที่เรื่องของการสร้าง Innovation เราจะไม่ได้อยู่บนท็อปแรงค์แล้ว ของการเป็นผู้สร้าง เพราะฉะนั้น ทำอย่างไรที่ภาครัฐจะผลิตและสร้างคน ทำอย่างไรที่ภาครัฐจะผลิตและสร้างคน ทำอย่างไรที่ภาครัฐจะผลิตและสร้างโครงสร้างพื้นฐาน (Infrastructure) ซึ่งดีอยู่แล้ว

ทำอย่างไรที่จะรักษา (Maintain) แล้วทำให้มันดียิ่งขึ้น ทำอย่างไรที่ภาครัฐจะสร้างระบบนิเวศ (Ecosystem) สร้างกฎระเบียบและไกด์ไลน์ในแง่ของการใช้ AI รวมถึงการสร้างจริยธรรม การตระหนักรู้ในมุมของการใช้ AI ให้ถูกต้อง อันนี้ก็เป็นบทบาทผู้สร้างของภาครัฐที่จะพัฒนาให้เกิดศักยภาพของเรื่อง AI

3. ผู้ส่งเสริม พอเราใช้ เราสร้าง อันนี้ก็เป็นเรื่องของการส่งเสริมแล้ว ทำอย่างไรที่จะส่งเสริมเรื่องของการลงทุน ให้เกิดอุตสาหกรรมดิจิทัลในประเทศไทยให้มากขึ้น ทำอย่างไรที่เราจะส่งเสริมสตาร์ทอัพในประเทศไทย

ไม่ว่าจะผ่านทางด้านของเงินทุน ผ่านการให้ผลประโยชน์ทางภาษี (Tax Benefit) ทำอย่างไรให้ผู้ประกอบการขนาดกลางและขนาดย่อม (SMEs) เอาดิจิทัลไปใช้เพื่อเพิ่ม Productivity เพิ่มประสิทธิภาพ

ซึ่งเรา (ไมโครซอฟท์) ก็มีการส่งเสียง (voice) ไปหลายๆ ที่ สมาคมทั้งหลายก็ voice กลับไปที่ภาครัฐ ว่าถ้าเราเหมือนสิงคโปร์ เหมือนหลายๆ ประเทศ เขาก็จะกระตุ้น (Incent) ในมุมของภาคเอกชน ให้เอาเทคโนโลยีเข้าไปใช้ ด้วยการให้ Tax Benefit ให้แรงจูงใจ (Incentive) ให้การสนับสนุน การส่งเสริมตรงนี้

[ ข้อมูลจาก AI เชื่อถือได้มากน้อยแค่ไหน ]

เมื่อสอบถามเรื่องความน่าเชื่อถือ ไมโครซอฟท์ยกตัวอย่าง Copilot ซึ่งเหมือนกับ ChatGPT กลไกข้างหลังเป็น GPT (Generative Pre-trained Transformer) เหมือนกัน หน้าตาคล้ายๆ กัน สิ่งที่เราคุยกับ Copilot คือข้อมูลสาธารณะ (Public Data) ซึ่ง Copilot สามารถเข้าถึงองค์ความรู้ทุกอย่างบนโลกใบนี้ได้

แต่กรณีของกฤษฎีกาฯ และ สปสช. เราจะไม่ได้ใช้ข้อมูลที่เป็น Public Data แต่เป็นข้อมูลที่เราฝึก และเราจำกัดข้อมูลให้อยู่ในขอบเขตของการตอบ อยู่ในรั้วบ้านของการตอบ เพราะฉะนั้น จะไม่มีอาการหลอนของ AI (AI Hallucination) ไม่มีการออกไปเอาข้อมูลจากข้างนอก

ส่วนในเคสอื่นๆ ข้อมูลบางอย่างที่น่าเชื่อถือก็อาจจะมีใส่เข้ามา แต่เคสของกฤษฎีกาฯ และ สปสช. จะเป็นข้อมูลของทั้ง 2 องค์กรที่ได้รับการยืนยันแล้วว่าเป็นข้อมูลที่ถูกต้อง ไม่ใช่ข้อมูลที่ผิด

เวลาที่เราเข้าถึง เข้าไป เราก็จะเข้าไปสู่ข้อมูลที่ถูกต้อง เพียงแต่จะใช้ Interface หรือรูปลักษณ์และความรู้สึก (Look and Feel) วิธีการถามการตอบ เป็นคอนเซ็ปต์ของการเป็นแชทบอทแบบพูดคุย (Conversational Chatbot) แบบ ChatGPT

[ 70% ของผู้บริหาร ต้องการคนใช้ AI เป็น ]

ต้องบอกว่ามันเป็นการต่อยอด มันอาจจะไม่ได้ไปแทนเทคโนโลยีเดิม อย่าง Generative AI ที่มีการนำไปใช้กับในภาครัฐและภาคเอกชน เราอาจจะไม่ได้พูดถึงเม็ดเงินการลงทุน เพราะต่างไซส์ ต่างขนาดของธุรกิจ เม็ดเงินจะไม่เหมือนกัน

แต่สิ่งหนึ่งที่พิสูจน์ (proof) ได้ และเราก็พูดย้ำหลายที ซึ่งมันเป็นจุดเริ่มต้น คือ สิ่งที่เอาไปใช้มันไม่ใช่เรื่องของ Innovation แต่เป็นเรื่องของการเพิ่มผลิตภาพ (Productivity Gain) ยกตัวอย่างเช่น คอลเซ็นเตอร์ที่ให้บริการลูกค้า ผลสำรวจชี้ว่า 13% ทำงานได้เร็วขึ้น

หรือคนในสายเทคโนโลยี คนเขียนโค้ด (Coding) หรือผู้พัฒนา (Developer) เขาบอกเลยว่า การนำ AI เข้ามาช่วย ทำให้เขาทำงานได้เร็วขึ้น 55% และหากเราจะพูดถึงพนักงานทั่วไปอย่างเรา เราเอา Generative AI มาใช้ หรือเอา AI มาช่วยใช้งาน เราทำงานเสร็จเร็วขึ้น 30%

อีกอันหนึ่งหากเอาตัวเลขมาประกอบ ซึ่งไมโครซอฟท์เองเพิ่งสำรวจ เป็นดัชนีเทรนด์คนทำงาน (Work Trend Index) ถ้าจำตัวเลขไม่ผิด 92% ของคนทำงาน (คนไทย) ตอนนี้เอา AI มาเป็นผู้ช่วย สูงกว่าค่าเฉลี่ยโลกที่ประมาณ 70%

อีกอันที่เป็นข้อมูลที่น่าสนใจและน่าตกใจ คือ ในมุมของการจ้างงาน ซึ่งเป็นผลสำรวจสัมภาษณ์ผู้บริหารและคนทำงาน ณ ตอนนี้ ผู้บริหาร 71% อยากรับคนที่มีสกิลเรื่อง AI ในแง่ของการรับคน (Recruitment) 71% บอกเลยว่า ต้องมีสกิล AI ไม่ต้องเป็น Developer ด้วย เป็นคนทำงานนี่แหละ แต่คุณต้องใช้ AI เป็น

อีกอันที่ต้องเอาไปสอนลูกเลยคือ เขาให้เลือกระหว่างคนมีประสบการณ์การทำงานกับการใช้ AI เป็น เขาเลือกคนที่ใช้ AI เป็น ผู้บริหารกว่า 90% เลือกคนที่ใช้ AI เป็น มากกว่าคนที่มีประสบการณ์ อันนี้คือข้อมูลไทย

‘เราถึงได้บอกว่า มันมีการตื่นตัวขนาดนั้น เชื่อว่าภาครัฐเองก็ตื่นตัวไม่แพ้กัน เพียงแต่ภาครัฐอาจจะมีกฎระเบียบข้อบังคับ เช่น การใช้คลาวด์ ได้บ้าง ไม่ได้บ้าง เรื่องของ Data Residency หรือข้อมูลต้องอยู่ในประเทศ มันมีหลายๆ แฟคเตอร์ แต่ ณ ตอนนี้ภาครัฐก็ตื่นตัวมากกับการใช้ AI’

[ Made in Thailand สู่ Born in Thailand ]

บทบาทของไมโครซอฟท์ที่ร่วมกับภาครัฐไทยในการมุมของการทำเรื่อง AI มีอยู่ 2 ประเด็น คือ

1. เราอยากจะเปลี่ยนประเทศไทย เราอยากร่วมกับภาครัฐในการเปลี่ยนประเทศไทย จาก Made in Thailand มาเป็น Born in Thailand เพราะ Made in Thailand คือ เราทำตาม เราเป็นประเทศที่ทำการผลิต (Manufacturing) แต่เราไม่ได้สร้าง เราผลิต แต่เราไม่ได้สร้าง

ถ้าเรามองในมุมอุตสาหกรรมมันเป็นแบบนั้น เราเป็นผู้ผลิต แต่เราไม่ได้เป็นผู้สร้าง ทำอย่างไรเราจะเปลี่ยนจากการที่เป็นผู้ผลิตมาเป็นผู้สร้าง ให้มันเกิด concept ของการที่ Born in Thailand

เรามองว่า เทคโนโลยีจะเข้ามามีส่วน ไม่ว่าจะเป็นเซกเตอร์ของเทคโนโลยีเอง หรือเป็นภาค Real Sector ที่เทคโนโลยีจะเข้าไปช่วยเราให้เกิดภาพตรงนั้นขึ้นมาได้จริงๆ

2. เราอยากจะจากเรื่องที่เราทำปัญญาประดิษฐ์ เป็นเรื่องของการ ‘ประดิษฐ์ปัญญา’ ก็คือการที่เราสร้างสกิล เราต้องการที่จะร่วมกับภาครัฐ ในการที่จะสร้างทักษะดิจิทัลให้กับคนไทย

อย่างที่บอก เป้าหมายเราสูง เราต้องการสร้างทักษะให้ได้ 10 ล้านคน เพราะเราเชื่อว่าอันนี้จะเป็นการสร้างพื้นฐาน (Foundation Build) ที่จะทำให้ประเทศไทยก้าวไปข้างหน้า และมีข้อได้เปรียบในการแข่งขัน (Competitive Advantage) จริงๆ

เรามีความเชื่อว่า AI ทั้งโลกเริ่มพร้อมกัน ประเทศไทยอาจจะตามหลายๆ อย่างไม่ทัน แต่เรามาจับเวฟตรงนี้ให้ทัน ซึ่งเอา AI ไปฝัง (Embed) ในอุตสาหกรรมต่างๆ เอา AI ไปสร้างสตาร์ทอัพสร้างเซอร์วิสใหม่ๆ และก็ในอุตสาหกรรมที่จะขับเคลื่อนประเทศไทยไปด้วยกัน