รายงานฉบับนี้นำเสนอ 4 ประเด็นหลักเกี่ยวกับการเปลี่ยนแปลงที่ AI จะสร้างให้กับโลกในปี 2025

ประเด็นที่ 1 การแข่งขันระหว่าง AI แบบ Open-Source และ Close-Source ที่ทวีความเข้มข้น

1. Open-Source หมายถึง ระบบเปิดที่ทุกคนสามารถเข้าถึง ตรวจสอบ และพัฒนาต่อยอดได้อย่างอิสระ เปรียบเสมือนบริษัทที่มีความโปร่งใสในทุกกระบวนการ

ส่วน Close-Source คือ ระบบปิดที่เปิดเผยเฉพาะผลลัพธ์หรือบางส่วนของข้อมูลเท่านั้น ไม่เปิดเผยกระบวนการพัฒนาหรือกลยุทธ์ภายใน

2.ปัจจุบัน โมเดล AI แบบปิด (Close-Source) เช่น ChatGPT และ Claude ยังคงมีประสิทธิภาพสูงกว่าโมเดลแบบเปิด (Open-Source) เช่น Deepseek เนื่องจากได้รับการสนับสนุนด้านเงินทุนที่มากกว่า

อย่างไรก็ตาม ช่องว่างด้านประสิทธิภาพนี้กำลังลดลงอย่างต่อเนื่อง ด้วยปัจจัยสำคัญสองประการ คือ Economies of Speed และ Economies of Scale กล่าวคือ เมื่อมีผู้ใช้จำนวนมากนำโมเดลแบบเปิดไปทดลองใช้ในหลากหลายสถานการณ์ จะเกิดการพัฒนาโมเดลแบบเปิดโดยไม่ต้องใช้เงินทุนเพิ่มเติม

3.ผลกระทบ เมื่อโมเดลแบบเปิดมีการพัฒนามากขึ้น จะส่งผลให้วงการ AI มีการเติบโตอย่างรวดเร็วเกินคาด ธุรกิจต่างๆ จะสามารถนำ AI คุณภาพสูงมาใช้ด้วยต้นทุนที่ต่ำลงหรือไม่มีค่าใช้จ่าย และสามารถพัฒนาต่อยอดได้โดยไม่ต้องเริ่มต้นจากศูนย์

ในอนาคตอันใกล้ เราอาจจะได้เห็นธุรกิจจำนวนมากฝึกฝน Chatbot เฉพาะทางสำหรับธุรกิจของตนเอง และมี AI Agent ที่สามารถตอบคำถามลูกค้าโดยอ้างอิงจากฐานข้อมูลได้โดยตรง

ประเด็นที่ 2 สามเทรนด์หลักของ AI ในยุคถัดไป

1. Multimodal LLMs เทคโนโลยี AI แบบหลากหลายรูปแบบกำลังเปลี่ยนแปลงโลกอย่างถาวร

หากย้อนกลับไปในปี 2021 AI เริ่มมีบทบาทในการแปลงข้อความเป็นภาพ ซึ่งถือว่าน่าประทับใจมากแล้วในเวลานั้น แต่เมื่อมาถึงปี 2025 Multimodal AI หรือ AI ที่มีความสามารถรอบด้าน (เช่น ChatGPT รุ่นล่าสุด) สามารถสร้างภาพจากคำสั่ง ทำการวิจัยเชิงลึก และวิเคราะห์ภาพที่ผู้ใช้ส่งไปได้ AI ประเภทนี้สร้างมูลค่าทางเศรษฐกิจอย่างมหาศาล

ปัจจุบัน SCBX ได้นำ AI แบบ Multimodal มาใช้ในการสร้างระบบครูอัจฉริยะสำหรับการอบรมพนักงาน รวมถึงการจำลองและวิเคราะห์การนำเสนอการขาย (Sales Pitch)

นอกจากนี้ยังมีการประยุกต์ใช้ในอุตสาหกรรมอื่นๆ เช่น ทางการแพทย์ในการวินิจฉัยโรคจากภาพและข้อมูล หรือในวงการศึกษาที่จะใช้ AI ช่วยอธิบายหัวข้อที่ซับซ้อนให้เข้าใจง่ายขึ้นโดยสามารถตอบโต้แบบทันทีได้

2.โมเดลขนาดเล็ก (SLMs) สำหรับงานเฉพาะทาง ผู้ที่เคยทดลองใช้ AI ในเครื่องคอมพิวเตอร์ส่วนตัว (เช่น Ollama หรือ Deepseek) จะพบว่ายิ่งเลือกโมเดลที่มีความสามารถสูง ขนาดของข้อมูลก็จะใหญ่ขึ้นตามไปด้วย

นี่เป็นสาเหตุที่ทำให้บุคคลทั่วไปหรือบริษัทขนาดเล็กยังไม่สามารถเข้าถึง AI ได้โดยไม่มีค่าใช้จ่าย เนื่องจากการประมวลผลโมเดลขนาดใหญ่จะมีค่าใช้จ่ายสูง โมเดลเฉพาะทางเหล่านี้มีขนาดเล็กมากเนื่องจากได้รับการฝึกฝนเฉพาะในขอบเขตงานที่กำหนดเท่านั้น

ข้อดีคือสามารถทำงานได้โดยใช้ทรัพยากรน้อย ไม่จำเป็นต้องใช้คอมพิวเตอร์ประสิทธิภาพสูง และมีความเร็วในการประมวลผลที่มากกว่าโมเดลขนาดใหญ่ แม้ว่าประสิทธิภาพอาจจะด้อยกว่าเล็กน้อย แต่ถือว่าคุ้มค่า เพราะทำให้บริษัทขนาดเล็กหรือบุคคลทั่วไปสามารถเข้าถึงได้

3.การเพิ่มประสิทธิภาพของ AI ด้วยเวลาในการคิด ปัจจุบันมีการเปิดตัว AI รุ่นใหม่อย่างต่อเนื่อง แต่กำลังเผชิญกับกฎแห่งผลตอบแทนที่ลดลง (Law of diminishing return)

กล่าวคือ แม้จะมีการลงทุนจำนวนมาก แต่ผลลัพธ์ที่ได้จากการพัฒนาอาจไม่คุ้มค่าเท่าที่ควร เปรียบเสมือนการวิ่ง 1 กิโลเมตรภายใน 3 นาที แต่หากต้องการลดเวลาลงเหลือ 2.5 นาที จำเป็นต้องฝึกซ้อมหนักขึ้นหลายเท่า

วิธีแก้ปัญหาปัจจุบันคือการให้เวลา AI ในการคิดวิเคราะห์ เมื่อ AI ได้มีโอกาสทบทวนและคิดวิเคราะห์ จะสามารถสร้างผลลัพธ์ที่ดีขึ้นได้จากความสามารถเดิมที่มีอยู่ วิธีการนี้ช่วยลดต้นทุนและการใช้ทรัพยากร โดยยังคงสามารถใช้ประโยชน์จากความสามารถของ AI ได้มากขึ้น

ทั้งสามเทรนด์นี้ชี้ไปในทิศทางเดียวกัน คือ ในอนาคต AI จะมีต้นทุนที่ต่ำลง มีประสิทธิภาพสูงขึ้น และทุกคนสามารถเข้าถึงได้ง่ายขึ้น

ประเด็นที่ 3 การมาถึงของ AI Agent

1.ความสำคัญของ AI Agent AI Agent

เป็นสิ่งที่ผู้นำองค์กรหรือผู้บริหารควรให้ความสนใจอย่างยิ่ง เมื่อเทียบกับประสบการณ์การใช้งาน ChatGPT ครั้งแรกเมื่อ 2 ปีที่ผ่านมา ซึ่ง AI ประเภทนี้ (ChatGPT หรือ Claude) ถูกเรียกว่า Generative AI (Gen AI)

2.ความแตกต่างระหว่าง Gen AI และ AI Agent

Gen AI เป็น AI ที่ต้องพึ่งพามนุษย์ในการตัดสินใจและรอคำสั่งจากผู้ใช้งานเพื่อสร้างคำตอบ ในขณะที่ AI Agent สามารถคิดและประมวลผลได้ด้วยตนเองในระดับหนึ่ง ทำงานได้โดยไม่จำเป็นต้องรอคำสั่งในทุกขั้นตอน

3.กรณีศึกษาจาก SCBX SCBX ได้ทดลองสั่งให้ Gen AI และ AI Agent วิเคราะห์หุ้น

พบว่า Gen AI ที่คนทั่วไปใช้งานสามารถวิเคราะห์ได้เพียงผิวเผินและข้อมูลไม่ครบถ้วน ในขณะที่ AI Agent สามารถวิเคราะห์ได้อย่างละเอียด เรียกใช้เครื่องมือทางการเงิน และสร้างรายงาน ตารางสถิติ อัตราผลตอบแทนได้อย่างครบถ้วน

4.การประยุกต์ใช้งาน AI Agent สามารถเปลี่ยนแปลงวิธีการทำงานได้อย่างมาก โดยสามารถทำงานหลายอย่างแทนมนุษย์ได้โดยที่ไม่ต้องควบคุมดูแลอย่างใกล้ชิด

ประเด็นที่ 4 AGI – ความก้าวหน้าสู่ความเป็นมนุษย์

1.AGI คืออะไร

AGI (Artificial General Intelligence) หมายถึง AI ที่สามารถคิด วิเคราะห์ และทำงานต่างๆ ได้เสมือนมนุษย์ ซึ่งเป็นเป้าหมายสูงสุดของการพัฒนา AI

อย่างไรก็ตาม แนวคิดนี้ยังเป็นที่ถกเถียงกัน เนื่องจากสมองมนุษย์ทำงานแตกต่างจากคอมพิวเตอร์อย่างมาก มนุษย์เข้าใจบริบท มีความคิดสร้างสรรค์ และตัดสินใจบนพื้นฐานของค่านิยมและอารมณ์ความรู้สึก ซึ่งการจำลองสิ่งเหล่านี้ยังเป็นความท้าทายอย่างมากในปัจจุบัน

2.มุมมองผู้เชี่ยวชาญ

ผู้เชี่ยวชาญด้าน AI มีความเห็นที่แตกต่างกัน เช่น
👉 Sam Altman (ผู้ก่อตั้ง OpenAI – บริษัทเจ้าของ ChatGPT) เชื่อว่า AGI อาจจะเกิดขึ้นเร็วกว่าที่คนส่วนใหญ่คาดการณ์
👉 ในขณะที่ Mustafa Suleyman (CEO ของ Microsoft AI) เชื่อว่าจะใช้เวลามากกว่า 10 ปีกว่าที่เราจะได้เห็น AGI ที่แท้จริง

3.กรณีศึกษาของ SCBX

SCBX ได้นำเสนอกรณีศึกษาเกี่ยวกับการนำโมเดล Typhoon (LLM ภาษาไทย) ที่พัฒนาขึ้นเองมาใช้ในหลายภาคส่วนธุรกิจ เช่น โรงพยาบาลศิริราช, VISAI และสถาบันวิจัยเพื่อการพัฒนาประเทศไทย (TDRI)

บทสรุป

เรากำลังอยู่ในยุคแห่งการเปลี่ยนผ่าน ซึ่งเปรียบเสมือนยุคเริ่มต้นของเว็บไซต์ ที่หลายบริษัทคิดว่าไม่จำเป็นและปฏิเสธการใช้งาน แต่ในปัจจุบัน เว็บไซต์และอินเทอร์เน็ตได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันที่เราใช้โดยไม่รู้สึกว่าเป็นเรื่องพิเศษ เช่นเดียวกัน AI จะเปลี่ยนแปลงวิธีการทำงานของเราอย่างสิ้นเชิง จึงเป็นเรื่องสำคัญที่ควรศึกษาและเริ่มทดลองใช้งานตั้งแต่ตอนนี้

สำหรับผู้ที่สนใจเรื่องนี้ แนะนำหนังสือ “The Coming Wave” ซึ่งอธิบายถึงการเปลี่ยนผ่านของแต่ละยุคและผลกระทบที่ AI กำลังสร้างให้กับโลกของเรา