คำถามนี้กลายเป็นโจทย์ใหญ่กลางเวทีเสวนา How Human Exists ที่ได้ 3 มุมมองระดับท็อปมาร่วมขยี้ ทั้ง CK Cheong (CEO ของ Fastwork), Richard Armstrong (Partner & Head of Asia and US จาก TA Ventures) และ ชุติมา สีบำรุงสาสน์ (Founder & CEO ของ Brightnest Studio) มาร่วมกันแกะรอยว่า ในวันที่ความรู้และทักษะถูก AI ย่อยจนเสร็จสรรพในไม่กี่วินาที มนุษย์อย่างเราจะเอาอะไรไปงัดเพื่อสร้างคุณค่าที่แท้จริง

สายพานทำงานที่พังทลาย และโลกยุค Compute แย่งชิงพลังงาน

เราเริ่มเห็นความเปลี่ยนแปลงครั้งสำคัญของโลก

Designer ไม่ต้องแตะ Figma อีกต่อไป แต่หันมานั่งพิมพ์ prompt ใน Cloud Code หรือ Cursor แล้วเสก Prototype ออกมาตรง ๆ ลำดับงานแบบเดิมที่ Product Manager ต้องทำเอกสาร Requirement ยาวเป็นสิบหน้าส่งให้ดีไซน์เนอร์ แล้วค่อยส่งต่อให้วิศวกร... มันได้ตายไปแล้ว

CK ฉายภาพว่า เส้นแบ่งของตำแหน่งงานเดิม ๆ เริ่มเบลอจนแยกไม่ออก ความคาดหวังต่อวิศวกรยุคนี้เปลี่ยนไปจากหน้ามือเป็นหลังมือ ฟีเจอร์ที่เคยใช้เวลาสร้างเป็นสัปดาห์ ตอนนี้โดนบีบให้เสร็จใน 3 วัน โดยมีข้อแม้ว่าระบบหลังบ้านต้องไม่มี Tech Debt สะสม 

ขณะที่ Richard ในมุมนักลงทุนก็ยืนยันตรงกันว่า งบประมาณทีมเทคไม่ได้โดนถามเรื่องค่าซอฟต์แวร์อีกแล้ว แต่กลายเป็น "ใช้ Token ไปเท่าไหร่?" บริษัทในพอร์ตของเขาสามารถร่นเวลาพัฒนาผลิตภัณฑ์จากเป็นปีเหลือแค่ 1-2 สัปดาห์ แถมผู้ก่อตั้งเดินมาหาพร้อมสินค้าที่เสร็จสมบูรณ์ให้ลองเล่นเลยด้วยซ้ำ

แต่รู้ไหมว่า คอขวดที่แท้จริงกลับไม่ใช่ความฉลาดของ AI แต่คือพลังงานประมวลผล

CK เผยเรื่องเล่าจาก Silicon Valley เกี่ยวกับ AI Agent ตัวใหม่ของ OpenAI ที่รับรู้ทุกอย่างที่เราเห็น ได้ยิน และอ่าน มีเรื่องเล่าว่า Sam Altman ใช้มันทบทวนทุกคืนก่อนนอนว่าพรุ่งนี้ต้องทำอะไร ซึ่งมันทรงพลังมากเพราะมนุษย์ลืมง่ายแต่ AI จำได้หมด ปัญหาเดียวที่ AI ยังไม่ครองโลกแบบ 100% ตอนนี้คือ Compute ไม่พอ แต่ Richard ก็เตือนว่าคอขวดนี้จะไม่นาน เพราะยักษ์ใหญ่กำลังแข่งกันแย่งชิง Gigawatt พลังงานเบื้องหลัง เพื่อดันให้โมเดลยุคปัจจุบันกลายเป็นของล้าสมัยในชั่วข้ามคืน

ผัดกะเพราจานเดียวกัน รสมือที่ไม่เคยเท่ากัน

เมื่อ Compute พร้อม โมเดลโอเพนซอร์สโตขึ้น และค่า Token ถูกลงเรื่อย ๆ ความฉลาด จะกลายเป็นเพียงสินค้าโภคภัณฑ์ที่ใคร ๆ ก็ซื้อได้ด้วยเงินไม่กี่บาท การฉลาดกว่าจึงไม่ใช่ข้อได้เปรียบอีกต่อไป

แล้วอะไรคือตัวแปร X ที่เหลืออยู่? คำตอบคือ Taste และ Empathy

CK เปรียบเทียบได้เห็นภาพมากว่า มันเหมือนการผัดกะเพรา ทุกคนได้วัตถุดิบชุดเดียวกัน กระทะใบเดียวกัน ใช้สูตรเดียวกันเป๊ะ แต่ผัดออกมาแล้วไม่มีทางรสชาติเหมือนกัน เพราะฝีมือและมุมมองของคนปรุงคือสิ่งที่ไม่เท่ากัน ในเมื่อลูกค้าปลายทางยังคงเป็นมนุษย์ การตัดสินใจแทนลูกค้าจึงต้องใช้อารมณ์ รสนิยม และความเข้าใจแบบที่มนุษย์มีให้กันเท่านั้น

สิ่งนี้เชื่อมโยงไปถึงความแตกต่างระหว่าง งานที่เสร็จกับงานที่สำเร็จ

ถ้าให้โจทย์ดีไซเนอร์ทำเสื้อฮู้ดแจกในงาน AI สามารถสั่งโรงงานผลิตให้เสร็จได้อย่างรวดเร็ว นั่นคืองาน เสร็จ แต่ถ้าเสื้อนั้นออกมาทรงห่วย ผ้าไม่ดี ใส่แล้วไม่มีใครภูมิใจจนโดนถอดทิ้งไว้บนเก้าอี้ งานนั้นก็ไม่เรียกว่าสำเร็จ 

ดังนั้น คนที่มี Product Taste จริง ๆ จะใส่ใจลึกไปถึงว่า ซักแล้วสีตกไหม คนใส่จะอยากหยิบมาใส่ซ้ำหรือเปล่า ความใส่ใจนี้ไม่ใช่เรื่องของ IQ แต่คือสามัญสำนึกและความแคร์ผลลัพธ์ปลายทาง สิ่งที่ AI ยังทำแทนไม่ได้

สภาพแวดล้อมที่ทำให้เก่งขึ้น คือความมั่นคงที่แท้จริง

หลายคนวิ่งหาองค์กรใหญ่เพราะเชื่อในคำว่า ความมั่นคง แต่ CK เล่าถึงน้องในทีมที่ลาออกไปอยู่ธนาคารใหญ่ว่า ความมั่นคงที่แท้จริงไม่ได้มาจากโลโก้บนนามบัตร ธนาคารใหญ่อาจปล่อยฟีเจอร์ใหม่ได้ปีละไม่กี่ครั้ง ในขณะที่สตาร์ทอัพปล่อยฟีเจอร์ใหม่ทุกเดือน โลกยุคนี้ องค์กรใหญ่ที่ดูมั่นคงอาจอยู่ห่างจากการปลดพนักงานระลอกใหญ่แค่ไม่กี่เดือน ความมั่นคงที่จริงแท้จึงเป็นการพาตัวเองไปอยู่ในสภาพแวดล้อมที่บังคับให้เรากลายเป็นเวอร์ชันที่เก่งขึ้นเรื่อย ๆ ต่างหาก

โดยเฉพาะ Software Engineer ในไทย ที่เดิมที มักถูกมองเป็นแค่แรงงานรับสั่งจาก PM อีกที CK แนะนำตรงไปตรงมาว่า ถ้าองค์กรไหนไม่เปิดโอกาสให้คุณได้ร่วมคิด ได้สัมผัส Feedback จากลูกค้าจริง ๆ เพื่อขัดเกลา Product Taste... ให้รีบมองหาที่ใหม่ เพราะทักษะการเขียนโค้ดเพียว ๆ กำลังหมดมูลค่าลงทุกวัน

ทักษะที่ทำให้เรายังเป็น ‘มนุษย์ที่ถูกเลือก’

คุณชุติมา สะท้อนมุมมององค์กรว่า การแห่ซื้อเครื่องมือ AI มาแจกพนักงานโดยไม่มีเป้าหมายที่ชัดเจน ไม่ได้ช่วยเพิ่ม Productivity อะไร โจทย์ที่แท้จริงไม่ใช่การลด headcount เพื่อตัดต้นทุน แต่คือการยกระดับศักยภาพของคน

Hard Skill อาจหาซื้อได้ด้วยเงิน แต่ทักษะที่จะทำให้มนุษย์ขาดไม่ได้คือ Critical Thinking (การคิดเชิงวิจารณญาณ), การบริหารความขัดแย้ง, การสื่อสาร และ Empathy

เพราะ AI คือผู้ตามใจที่แสนดี มันพร้อมจะเออออและอวยเราเสมอแม้เราจะถามคำถามที่ไม่เข้าท่า แต่คนที่ต้องชี้ขาดว่าข้อมูลไหนจริง อันไหนควรเชื่อ และนำไปใช้ตอบโจทย์มนุษย์ด้วยกันอย่างไร ก็ยังต้องเป็นเราอยู่ดี

Richard เสริมทิ้งท้ายไว้อย่างน่าคิดว่า นี่อาจเป็นช่วงเวลาที่ดีที่สุดในรอบหลายสิบปีที่คนคนเดียวจะใช้เครื่องมือรอบตัวสร้างตัวตนให้กลายเป็นคนที่องค์กรขาดไม่ได้ เทคโนโลยีจะหมุนเวียนเปลี่ยนผ่านไปเรื่อย ๆ แต่รสมือ และหัวใจของมนุษย์ จะยังคงเป็นสิ่งที่ไม่มีอัลกอริทึมไหนในโลกทดแทนได้เลย

วิดีโอโฆษณารองเท้าถูกฉายขึ้นจอกลางเวที Techsauce Global Summit 2026 ภาพเคลื่อนไหวลื่นไหล ใบหน้าตัวละครคงเส้นคงวาทุกช็อต และรายละเอียดอยู่ในระดับที่ดูไม่ออกว่าต่างจากงานถ่ายทำจริงตรงไหน จากนั้นคนบนเวทีจึงบอกกับผู้ฟังว่าทั้งชิ้นสร้างขึ้นจากรูปถ่ายเพียงใบเดียวกับข้อความสั้น ๆ ไม่กี่คำ และใช้เวลาไม่ถึง 10 นาที

คนที่กดเล่นวิดีโอนั้นคือคุณ Ta-Chien Sun, Ph.D. ประธานเจ้าหน้าที่บริหาร Digital Vizen และกรรมการบริหาร Digital Domain สตูดิโอวิชวลเอฟเฟกต์ (Visual Effects) ที่อยู่เบื้องหลังงานภาพของ Titanic และตัวละคร Thanos ในจักรวาล Avengers โดยขึ้นพูดในเซสชัน AI in Entertainment: Where the Blockbusters Are Really Being Made ซึ่งมีคุณแชมป์ ธกฤต สมบัตินันท์ นักวิจารณ์ภาพยนตร์และผู้ก่อตั้งช่อง จดอ. JUSTดูIT เป็นผู้ดำเนินรายการ

ข้อสรุปที่คุณ Ta-Chien วางไว้เป็นแกนของทั้งเซสชันไม่ได้อยู่ที่ความเร็วของเครื่องมือ แต่อยู่ที่ประโยคที่ย้ำอีกครั้งตอนปิดเวทีว่า 'เทคโนโลยีไม่ควรกลายเป็นตัวเรื่องเสียเอง แต่ควรทำหน้าที่ช่วยให้เราเล่าเรื่องได้' และทุกหัวข้อที่เล่าต่อจากนั้น ตั้งแต่การเปลี่ยนผ่านภายในองค์กร ตัวละคร Thanos ไปจนถึงคำถามว่า AI มีวิญญาณหรือไม่ ล้วนเป็นการตรวจสอบข้อสรุปเดียวกันนี้

14 ปีในสภาไต้หวัน สอนอะไรกับคนที่ต้องพาสตูดิโอฮอลลีวูดเข้าสู่ยุค AI

ก่อนจะมาเป็นคนทำหนัง คุณ Ta-Chien ใช้เวลา 14 ปีเป็นสมาชิกสภานิติบัญญัติไต้หวัน (Legislative Yuan) เหตุผลที่ให้ไว้บนเวทีสั้นและตรงไปตรงมาว่าการเมืองในไต้หวันน่าเบื่อ พอมีโอกาสให้เลือกทางอื่นจึงข้ามมาอยู่ในอุตสาหกรรมบันเทิงเต็มตัว และเมื่อถูกถามว่าผลงานเรื่องไหนที่ชอบที่สุด คำตอบคือมีหลายเรื่องมาก โดยยกตัวอย่างงานในจักรวาล Avengers รวมถึง Avengers: Doomsday และภาคใหม่ของ Spider-Man

คนส่วนใหญ่มองว่าการเมืองกับเทคโนโลยีเป็นคนละโลกกัน แต่คุณ Ta-Chien ระบุว่าสองสนามนี้มีอะไรเหมือนกันอยู่มาก บทเรียนสำคัญจาก 14 ปีในสภาคือการเปลี่ยนผ่านไม่ได้ตัดสินกันที่ใครมีไอเดียดีที่สุด แต่ตัดสินกันที่คน

บทเรียนข้อนั้นถูกนำมาใช้จริงตอนที่คุณ Ta-Chien รับหน้าที่ขับเคลื่อนการเปลี่ยนผ่านสู่ AI ที่ Digital Domain ซึ่งกินเวลาถึงสามปีและยากกว่าที่คิดไว้มาก อุปสรรคไม่ได้อยู่ที่เทคโนโลยี แต่อยู่ที่สตูดิโอแห่งนี้เต็มไปด้วยศิลปินระดับเจ้าของรางวัลออสการ์ที่เชื่อว่าตัวเองเก่งกว่าโมเดล AI การจะโน้มน้าวให้คนกลุ่มนี้ยอมเปลี่ยนวิธีทำงานจึงเป็นโจทย์คนละแบบกับการติดตั้งซอฟต์แวร์

ยิ่งไปกว่านั้น องค์กรหนึ่งไม่ได้มีแค่ศิลปิน แต่ยังมีโปรดิวเซอร์ ผู้บริหาร และลูกค้า ซึ่งแต่ละกลุ่มมองเรื่อง AI ต่างกันคนละทิศ วิธีที่คุณ Ta-Chien เลือกใช้จึงเป็นวิธีเดียวกับที่ใช้ในสภา คือทำความเข้าใจผลประโยชน์ที่แตกต่างของแต่ละฝ่ายก่อน แล้วสื่อสารกับคนที่ไม่เห็นด้วย จากนั้นจึงสร้างฉันทามติร่วมกัน และท้ายที่สุดจึงเปลี่ยนไอเดียให้กลายเป็นสิ่งที่ลงมือทำได้จริงตามที่ตั้งใจไว้เป๊ะ

จากโมเดล AI สู่เอเจนต์ AI และโฆษณาที่ย่นจากสองเดือนเหลือ 10 นาที

ปลายทางของการโน้มน้าวตลอดสามปีนั้นคือการตัดสินใจที่ขยับไปอีกขั้น คุณ Ta-Chien แยกทีม AI และทีมมนุษย์เสมือน (Virtual Human) ของ Digital Domain ออกมาตั้งเป็นบริษัทใหม่ชื่อ Digital Vizen โดยตั้งใจต่อยอดจากประสบการณ์ 30 ปีของ Digital Domain แต่เดินไปไกลกว่าเดิมหนึ่งก้าว ด้วยการสร้าง AI Agent สำหรับงานผลิตคอนเทนต์โดยเฉพาะ

ความต่างระหว่างโมเดลกับเอเจนต์เป็นจุดที่คุณ Ta-Chien เน้นย้ำ โมเดล AI คือระบบที่รอรับคำสั่งแล้วสร้างผลลัพธ์ออกมาทีละชิ้น ส่วนเอเจนต์ AI คือระบบที่รับโจทย์ปลายทางแล้วไล่ทำงานหลายขั้นตอนต่อเนื่องกันเองจนจบงาน ซึ่งเป็นทิศทางที่วงการกำลังเคลื่อนไปทั้งกระดาน และขั้นถัดไปที่คุณ Ta-Chien มองว่าจะได้เห็นในอนาคตคือ AI ที่เข้าใจโลกกายภาพ (Physical AI) หรือ World Model

ตัวอย่างที่นำมาแสดงบนเวทีคือโฆษณารองเท้า ซึ่งคุณ Ta-Chien ระบุว่าลูกค้าส่งมาให้แค่รูปถ่ายรองเท้าใบเดียวเท่านั้น ที่เหลือเป็นงานของเอเจนต์ AI ทั้งหมด จุดที่ขอให้ผู้ฟังสังเกตไม่ใช่แค่ว่าวิดีโอถูกสร้างด้วย AI แต่คือความสม่ำเสมอของตัวละคร (Character Consistency) การแสดงออกทางสีหน้า และระดับรายละเอียดที่ไปถึงมาตรฐานงานภาพยนตร์ ต่างจากคอนเทนต์ AI คุณภาพต่ำที่เกลื่อนอินเทอร์เน็ต (AI Slop) 

ตัวเลขที่ทำให้เห็นน้ำหนักของการเปลี่ยนผ่านชัดที่สุดอยู่ตรงระยะเวลา เพราะโฆษณาหนึ่งชิ้นในกระบวนการแบบเดิมใช้เวลาราวสองเดือน ขณะที่งานชิ้นเดียวกันบนเอเจนต์ AI จบได้ภายใน 10 นาที นี่คือเหตุผลที่คุณ Ta-Chien ยืนยันว่าอุตสาหกรรมนี้ไม่มีทางเลือกอื่นนอกจากต้องเปลี่ยนผ่าน

บทเรียนจาก Thanos: สิ่งที่ทำให้คนดูเชื่อไม่ใช่เทคโนโลยี

ความเร็วระดับนั้นย่อมตามมาด้วยคำถามที่ผู้ดำเนินรายการยกขึ้นมาตรง ๆ ว่าคนจำนวนมากเชื่อว่า AI ไม่มีวิญญาณ แล้วงานที่ผลิตด้วย AI จะทำให้คนดูรู้สึกร่วมได้อย่างไร คุณ Ta-Chien เลือกตอบด้วยการเปิดวิดีโอเบื้องหลังการสร้างตัวละคร Thanos ก่อนเป็นอันดับแรก

ประเด็นที่ Thanos สอนไว้ตามที่คุณ Ta-Chien สรุปคือ เทคโนโลยีเพียงลำพังไม่ได้ทำให้เกิดตัวละครดิจิทัลที่ยอดเยี่ยม สิ่งที่ทำให้เกิดคือการแสดงของมนุษย์ต่างหาก เพราะตอนที่คนดูนั่งอยู่ในโรงภาพยนตร์ ไม่มีใครสนใจว่าเบื้องหลังมี Polygon กี่ล้านชิ้น ผ่านการเรนเดอร์กี่ชั้น หรือใช้ระบบจับการเคลื่อนไหวใบหน้ากับระบบจับการเคลื่อนไหวร่างกายแบบไหน สิ่งเดียวที่คนดูสนใจคือเชื่อในตัวละครตรงหน้าหรือไม่

สิ่งที่อยู่ข้างหลังตัวละครดิจิทัลตัวนั้นจึงเป็นการแสดงของมนุษย์จริง ทั้งสีหน้า อารมณ์ จังหวะการหยุดและการพูด รวมถึงรายละเอียดเล็ก ๆ ทั้งหมดที่ทำให้ตัวละครรู้สึกมีชีวิต ในทางเทคนิค Digital Domain พัฒนาระบบชื่อ Masquerade ขึ้นมาเพื่องานนี้โดยเฉพาะ โดยนำภาพใบหน้านักแสดงจากกล้องที่ติดบนหมวกมาแปลงเป็นการสแกนใบหน้าความละเอียดสูงแบบเฟรมต่อเฟรม แล้วส่งต่อไปขับเคลื่อนใบหน้าของ Thanos ในทั้ง Avengers: Infinity War และ Avengers: Endgame ตามข้อมูลของ Digital Domain และ fxguide ซึ่งทั้งหมดนั้นมีไว้เพื่อรับใช้การแสดงของนักแสดง ไม่ใช่เพื่อแทนที่

พาตำนานที่จากไปแล้วกลับขึ้นเวทีต่อหน้าคน 20,000 คน

ถ้าการแสดงของมนุษย์คือสิ่งที่ทำให้ตัวละครดิจิทัลมีชีวิต คำถามถัดมาคือเทคโนโลยีชุดเดียวกันนี้จะพาไปได้ไกลแค่ไหน คำตอบของคุณ Ta-Chien คือโอกาสอยู่ที่การใช้ AI สร้างความผูกพันทางอารมณ์ที่เป็นของจริง แล้วจึงเปิดผลงานสองชิ้นที่บอกว่าพิเศษเป็นพิเศษ นั่นคือการพาซูเปอร์สตาร์ระดับตำนานสองคนที่ผู้ชมทั่วเอเชียยังคิดถึงกลับมาในรูปแบบดิจิทัล

คนแรกคือ Teresa Teng หรือเติ้ง ลี่จวิน นักร้องระดับตำนานของไต้หวันและจีนที่จากไปตั้งแต่ปี 1995 ส่วนคนที่สองคือ Anita Mui หรือเหมย เยี่ยนฟาง ซูเปอร์สตาร์ของฮ่องกงที่จากไปในปี 2003 ทั้งคู่ถูกสร้างขึ้นใหม่เป็นมนุษย์ดิจิทัล (Digital Human) เพื่อให้มรดกทางศิลปะยังส่งต่อถึงคนดูรุ่นใหม่ได้ ข้อมูลบนเว็บไซต์ของ Digital Domain ระบุว่าโครงการมนุษย์เสมือนของ Teresa Teng เกิดขึ้นตั้งแต่ปี 2013 ขณะที่ประกาศของบริษัทในปี 2016 ระบุว่าได้ทำข้อตกลงกับครอบครัวของ Anita Mui เพื่อขอสิทธิ์ในทรัพย์สินทางปัญญาของผลงาน สำหรับผลิตมนุษย์เสมือนของศิลปินรายนี้เป็นโครงการที่สอง

จุดที่คุณ Ta-Chien ย้ำคือขอบเขตของงานไม่ได้หยุดอยู่บนจอ แต่ไปถึงการขึ้นแสดงบนเวทีจริงต่อหน้าผู้ชม 20,000 คน ในรูปแบบคอนเสิร์ตที่ผู้ชมรู้สึกเหมือนอยู่ในเหตุการณ์ และเมื่อถูกถามถึงเสียงตอบรับ คำตอบคือดีมากและมีการโต้ตอบกับผู้ชมได้จริง

พันธมิตรรายแรกที่เอเชียตะวันออกเฉียงใต้ควรจับ ไม่ใช่บริษัทเทคโนโลยี

ความสำเร็จของงานระดับนั้นนำไปสู่คำถามที่ตรงกับผู้ฟังในห้องมากที่สุด นั่นคือถ้าจะสร้างเครือข่ายนวัตกรรมภาพดิจิทัลรายใหม่ในเอเชียตะวันออกเฉียงใต้ ควรเริ่มจับมือกับใครก่อน คำตอบของคุณ Ta-Chien สวนทางกับที่หลายคนคาด เพราะถ้าเลือกได้แค่พันธมิตรเดียว จะไม่เริ่มที่บริษัทเทคโนโลยี แต่จะเริ่มที่ผู้ผลิตคอนเทนต์และเจ้าของทรัพย์สินทางปัญญา

เหตุผลอยู่ที่ทิศทางของต้นทุน เพราะ AI เข้าถึงได้ง่ายขึ้นทุกเดือน โมเดลจะถูกลง เร็วขึ้น และทรงพลังขึ้นเรื่อย ๆ ขณะที่ทรัพย์สินทางปัญญาชั้นดี เรื่องเล่าชั้นดี และคนทำงานสร้างสรรค์ฝีมือดี ยังคงเป็นของหายากเหมือนเดิม สิ่งที่กำลังจะกลายเป็นสินค้าราคาถูกจึงไม่ใช่ความคิดสร้างสรรค์ แต่เป็นกำลังการผลิต

ในสมการนี้ คุณ Ta-Chien มองว่าเอเชียตะวันออกเฉียงใต้มีข้อได้เปรียบมหาศาลจากความหลากหลายทางวัฒนธรรม ฐานผู้ชมที่เป็นคนรุ่นใหม่ และเศรษฐกิจสร้างสรรค์ที่มีชีวิตชีวา โจทย์ที่เหลือจึงเป็นการเชื่อมสามสิ่งเข้าด้วยกัน ได้แก่ ทรัพย์สินทางปัญญาและคนสร้างสรรค์ในท้องถิ่น กำลังการผลิตระดับโลก และเทคโนโลยี AI พร้อมกับต้องมีระบบนิเวศที่ผู้กำกับ ศิลปิน บริษัทเทคโนโลยี มหาวิทยาลัย และนักลงทุน ทำงานร่วมกันได้จริง

ข้อสรุปของคุณ Ta-Chien ในหัวข้อนี้จึงเป็นการเปลี่ยนเกณฑ์ตัดสินใหม่ทั้งหมด ผู้ชนะในอนาคตไม่จำเป็นต้องเป็นประเทศที่มีโมเดลใหญ่ที่สุด แต่อาจเป็นประเทศที่สร้างระบบนิเวศรอบ AI ได้ดีที่สุด ซึ่งเป็นสนามที่เอเชียตะวันออกเฉียงใต้มีโอกาสอยู่ในมือ

AI มีวิญญาณไหม คำถามที่คุณ Ta-Chien บอกว่าถามผิดข้อ

คำถามเรื่องระบบนิเวศพาบทสนทนาวนกลับมาที่คำถามซึ่งค้างไว้ตั้งแต่ช่วงต้นเวที นั่นคือ AI มีวิญญาณหรือไม่ ซึ่งคุณ Ta-Chien บอกว่าถูกถามคำถามนี้มานับครั้งไม่ถ้วน และในฐานะที่เคยสอนวิชา AI ในระดับบัณฑิตศึกษาที่ไต้หวัน คำตอบที่ให้ไว้ไม่ใช่ใช่หรือไม่ใช่

สิ่งที่คุณ Ta-Chien เสนอคือ AI กำลังค่อย ๆ กลายเป็นสิ่งมีชีวิตชนิดใหม่ในโลกดิจิทัล โดยขอให้ผู้ฟังสังเกตคำว่าสิ่งมีชีวิตเป็นพิเศษ เพราะมนุษย์คือสิ่งมีชีวิตตามธรรมชาติ ส่วน AI กำลังจะเป็นสิ่งมีชีวิตแบบดิจิทัล ในหลายด้าน AI อาจฉลาดกว่ามนุษย์ในที่สุด และในอนาคตอันใกล้อาจพัฒนาการรับรู้ตัวตนบางรูปแบบขึ้นมาได้ ซึ่งอาจนับเป็นวิญญาณอีกแบบหนึ่ง แต่จะเป็นคนละชนิดกับวิญญาณของมนุษย์โดยสิ้นเชิง

เหตุผลอยู่ที่สองสิ่งที่คุณ Ta-Chien ยืนยันว่า AI ยังแทนที่ไม่ได้ นั่นคือความคิดสร้างสรรค์ของมนุษย์ และประสบการณ์ชีวิตที่ผ่านมาจริง ๆ ทั้งสองอย่างนี้คือวัตถุดิบที่ใช้เล่าเรื่องซึ่งแตะใจคนได้ ส่วน AI ในมุมมองนี้คือเครื่องมือผลิตที่ทรงพลังและสร้างสรรค์อย่างยิ่ง สร้างได้ทั้งภาพ เสียง ตัวละคร ไปจนถึงโลกทั้งใบ แต่สิ่งที่ทำให้ผลลัพธ์เหล่านั้นมีความหมายยังคงเป็นเจตนา จินตนาการ และอารมณ์ของมนุษย์

ข้อสรุปของคุณ Ta-Chien จึงเป็นการวางตำแหน่งของ AI ใหม่ ว่าไม่ใช่สิ่งที่มาแทนความคิดสร้างสรรค์และอารมณ์ แต่เป็นสิ่งที่มาขยายทั้งสองอย่างให้ใหญ่ขึ้น และคำถามที่ควรถามจริง ๆ จึงไม่ใช่ว่า AI มีวิญญาณหรือเปล่า แต่คือมนุษย์จะใช้ AI แสดงออกถึงตัวตนของตัวเองได้หรือไม่

30 ปี สามยุค จากโมเดลจำลองของ Titanic ถึง AI

คำตอบเรื่องวิญญาณของ AI ปิดท้ายด้วยการพาผู้ฟังย้อนกลับไปที่จุดเริ่มต้น คุณ Ta-Chien เปิดวิดีโอเบื้องหลังงานภาพของ Titanic เมื่อราว 30 ปีก่อน ซึ่ง Digital Domain ใช้โมเดลจำลองของจริงในการสร้างวิชวลเอฟเฟกต์ทั้งหมด และโมเดลชุดนั้นยังถูกเก็บรักษาไว้ในสตูดิโอจนถึงทุกวันนี้ ก่อนจะต่อด้วยวิดีโอรวมผลงานตลอด 30 ปีที่สร้างด้วยภาพจากคอมพิวเตอร์ หรือ CGI

ลำดับของสามยุคจึงชัดเจนในตัวเอง จากโมเดลจำลองของจริง สู่ CGI และตอนนี้กำลังเข้าสู่บทใหม่ที่ AI กลายเป็นแรงขับเคลื่อนหลักของงานวิชวลเอฟเฟกต์ คุณ Ta-Chien สรุปว่าเครื่องมือเปลี่ยนไปตลอดเวลา แต่ภารกิจไม่เคยเปลี่ยน นั่นคือการเล่าเรื่องที่ดีให้คนดู

สิ่งที่ไม่เปลี่ยนตลอด 30 ปีของการเปลี่ยนแปลงทางเทคโนโลยีจึงมีอยู่ข้อเดียว คือเทคโนโลยีไม่ควรกลายเป็นตัวเรื่องเสียเอง แต่ควรทำหน้าที่ช่วยให้คนเล่าเรื่องได้ และถ้า AI ทำหน้าที่นั้นได้ คุณ Ta-Chien เชื่อว่ามันจะช่วยให้คนทำหนังสร้างความรู้สึกร่วมกับผู้ชมทุกคนในอนาคต

กลับมาที่โฆษณาจากรูปถ่ายใบเดียวที่เปิดเวทีวันนั้น สิ่งที่คุณ Ta-Chien ต้องการให้คนในห้องจดจำจึงไม่ใช่ตัวเลข 10 นาที เพราะตัวเลขนั้นจะสั้นลงอีกแน่นอนในปีถัดไป แต่คือคำถามที่ตามมาว่าเมื่อกำลังการผลิตถูกลงจนแทบไม่มีต้นทุน สิ่งที่เหลือให้แข่งขันกันจริง ๆ คือเรื่องที่เราอยากเล่า และเหตุผลว่าทำไมคนดูถึงควรเชื่อเรื่องนั้น

ที่มา: เซสชัน AI in Entertainment: Where the Blockbusters Are Really Being Made ในงาน Techsauce Global Summit 2026

วันนี้ Techsauce ไม่ได้เป็นเพียงงาน Conference อีกต่อไปแล้ว Techsauce คือแพลตฟอร์ม และเป็นสิ่งที่ประเทศไทยควรภาคภูมิใจ ผมพร้อมเป็นพันธมิตรที่ดีกับ Techsauce เพื่อรับฟังว่าสิ่งที่ผู้คนพูดคุยกันภายในงานนี้ มีเรื่องใดที่รัฐบาลสามารถนำไปต่อยอดได้บ้าง มีนโยบายใดที่ควรปรับเปลี่ยน และมีเสียงใดจากผู้ประกอบการ นักลงทุน และผู้เข้าร่วมงานที่ภาครัฐควรรับฟัง เพื่อช่วยให้ประเทศเดินไปข้างหน้า

ถอดความและเรียบเรียงจากคำกล่าวของ ศ.ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรีและ รมว.อว. ในงาน Techsauce Global Summit 2026 

"วันนี้ Techsauce Global Summit 2026 เดินทางมาถึงช่วงสุดท้ายแล้ว แต่ก่อนที่งานจะจบลง ผมอยากกล่าวถึงบุคคลสำคัญคนหนึ่ง

ผมรู้จักมิหมี อรนุช เลิศสุวรรณกิจ ผู้ร่วมก่อตั้งและซีอีโอ Techsauce มาหลายปี และรู้สึกประทับใจกับสิ่งที่เธอทำมาตลอด ครั้งแรกที่เราได้พบกันคือที่ร้านกาแฟใน MIT Media Lab ตอนนั้นผมพยายามอย่างมากเพื่อเข้าถึงเทคโนโลยีที่ล้ำหน้าที่สุด แต่มิหมีทำสิ่งนี้มาแล้วหลายปี เธอเดินทางไปทั่วโลกเพื่อค้นหาโอกาส และทำให้บริษัทต่างชาติรู้จักประเทศไทยในฐานะแพลตฟอร์มที่สามารถเชื่อมโยงผู้คน เทคโนโลยี และโอกาสเข้าด้วยกัน

สิ่งที่มิหมีพยายามสร้างมาตลอด คือพื้นที่ที่ช่วยให้ Deep Technology เกิดขึ้นได้จริงในประเทศไทย และช่วยให้ผู้คนได้พบและเชื่อมต่อกัน สิ่งนี้สร้างแรงบันดาลใจให้กับผู้คนจำนวนมาก

ตลอดสิบปีที่ผ่านมา เราได้เห็นความสำเร็จของบริษัทและสตาร์ทอัพหลายแห่ง ซึ่งเบื้องหลังความสำเร็จเหล่านั้นมีทั้งการทำงานอย่างหนักของ มิหมี และทีม Techsauce วันนี้ประเทศไทยจึงกลายเป็นหนึ่งในจุดหมายที่ทั่วโลกรู้จักสำหรับบริษัทสตาร์ทอัพ

ผมอยากให้ทุกคนปรบมือให้ มิหมี และทีม Techsauce ครับ

วันนี้ Techsauce ขยายขอบเขตไปไกลกว่าคอมพิวเตอร์หรือ AI เราได้เห็นทั้งเรื่อง Wellness, FoodTech และเทคโนโลยีอีกหลากหลายสาขาที่เชื่อมโยงกัน เพราะเมื่อเราพูดถึง AI เราไม่ได้พูดถึงเทคโนโลยีเพียงอย่างเดียว แต่กำลังพูดถึงเทคโนโลยีที่ช่วยต่อยอดการใช้งานได้มากมาย ทั้งสุขภาพ วิทยาศาสตร์อาหาร ข้อมูล และเรื่องอื่น ๆ อีกมาก

ในงานครั้งนี้ เรามีทั้งสถานทูตและผู้คนจากระบบนิเวศนวัตกรรมทั่วโลกมาร่วมงาน สิ่งนี้สำคัญมาก เพราะหากโลกต้องการรับมือกับสิ่งที่อาจเกิดขึ้นในวันข้างหน้า ไม่ว่าจะเป็นภัยพิบัติ โรคระบาด หรือปัญหาเร่งด่วนอื่น ๆ เราไม่สามารถทำงานอยู่เพียงประเทศเดียวได้

เมื่อโลกเชื่อมต่อกัน เราจะมีพลังมากขึ้นในการสร้างผลกระทบและช่วยเหลือผู้คน ตัวอย่างที่ชัดเจนคือวิกฤต COVID-19 หากมีเพียงประเทศเดียวที่พยายามพัฒนาวัคซีน เราคงไม่สามารถผลิตวัคซีนที่ใช้เทคโนโลยีล้ำหน้าและนำมาใช้กับผู้คนทั่วโลกได้สำเร็จ

ในอดีตเราเคยพูดถึงโลกาภิวัตน์ แต่วันนี้หลายคนบอกว่าโลกกำลังแตกออกเป็นส่วน ๆ ผมคิดว่าการอยู่ในโลกที่แบ่งแยกเช่นนั้นไม่ใช่เรื่องดี เทคโนโลยีควรช่วยเปิดโอกาสให้กับทุกคน สิ่งนี้คือสิ่งที่เราเรียกว่า Science Diplomacy และ Innovation Diplomacy

หากนักการเมืองมีปัญหาระหว่างกัน ก็ให้เป็นเรื่องของการเมือง แต่เราควรแยกเทคโนโลยีออกจากความขัดแย้งทางการเมือง เพราะเทคโนโลยีสามารถสร้างสิ่งที่ดีให้กับมนุษย์ได้

สตาร์ทอัพหนึ่งบริษัทอาจใช้เทคโนโลยีเพื่อช่วยชีวิตเด็กที่กำลังป่วยด้วยโรคร้ายแรง เราจึงไม่ควรเสียเวลาไปกับการถกเถียงว่าเทคโนโลยีนั้นเป็นของประเทศใด แม้สิทธิบัตรจะมีระยะเวลาคุ้มครองประมาณ 20 ปี แต่ท้ายที่สุดแล้ว มนุษย์ควรมีโอกาสเข้าถึงและใช้ประโยชน์จากเทคโนโลยีชั้นสูง

เทคโนโลยีที่ดีไม่ควรเป็นของคนเพียงคนเดียวหรือบริษัทเพียงบริษัทเดียว แต่ควรสร้างประโยชน์ให้กับมนุษยชาติ นี่คือความงดงามของเทคโนโลยี และเป็นสิ่งที่กติกาและนโยบายระดับโลกควรมุ่งไปให้ถึง

ตลอดสามวันของงาน ผมได้เห็นบริษัทสตาร์ทอัพจำนวนมาก สำหรับผู้ประกอบการ ขั้นตอนต่อไปคือกลับไปพิจารณาว่าคุณได้รับเสียงตอบรับอะไรจากงานครั้งนี้ หากบูธของคุณมีผู้คนเข้ามาพูดคุยจำนวนมาก นั่นอาจแสดงว่าคุณกำลังทำบางอย่างได้ดี แต่หากยังไม่มีคนเข้ามาสนใจมากนัก ก็อาจเป็นสัญญาณว่าคุณต้องปรับปรุงหรือทดลองทำสิ่งใหม่

นี่คือ Feedback ที่มีคุณค่ามาก ตลอดทั้งสามวัน คุณได้เรียนรู้จากผู้คนมากมาย ได้เห็นทั้งคนที่ประสบความสำเร็จและคนที่เคยล้มเหลว ประสบการณ์เหล่านี้จะเป็นบทเรียนสำคัญสำหรับคุณ

สำหรับนักลงทุน งานเดียวเปิดโอกาสให้คุณได้พบผู้ประกอบการจำนวนมาก ได้เห็นแนวโน้มใหม่ และได้ค้นพบโอกาสการลงทุนที่อาจไม่เคยเห็นมาก่อน

ส่วนคนรุ่นใหม่ที่กำลังถามว่าสตาร์ทอัพจะเป็นอนาคตหรือไม่ ผมอยากบอกว่า หากคุณคิดเพียงเรื่องเงินลงทุนหรือคิดถึงเฉพาะบริษัทของตัวเอง คุณอาจไม่สามารถชนะใจผู้คนและนักลงทุนได้

แต่หากคุณคิดถึงผู้ใช้ คิดถึงโลก และคิดถึงปัญหาจริงที่ต้องแก้ เงินจะตามมาในภายหลัง เพราะคุณไม่ได้กำลังคิดถึงตัวเองหรือบริษัทของคุณเพียงอย่างเดียว คุณกำลังคิดถึงผู้คน นี่คือความแตกต่างที่สำคัญ และคุณสามารถเรียนรู้เรื่องนี้ได้จากบริษัทที่ประสบความสำเร็จซึ่งมาร่วมงานในครั้งนี้

วันนี้ Techsauce ไม่ได้เป็นเพียงงาน Conference อีกต่อไปแล้ว

Techsauce คือแพลตฟอร์ม และเป็นสิ่งที่ประเทศไทยควรภาคภูมิใจ

ผมพร้อมเป็นพันธมิตรที่ดีกับ Techsauce เพื่อรับฟังว่าสิ่งที่ผู้คนพูดคุยกันภายในงานนี้ มีเรื่องใดที่รัฐบาลสามารถนำไปต่อยอดได้บ้าง มีนโยบายใดที่ควรปรับเปลี่ยน และมีเสียงใดจากผู้ประกอบการ นักลงทุน และผู้เข้าร่วมงานที่ภาครัฐควรรับฟัง เพื่อช่วยให้ประเทศเดินไปข้างหน้า.

สุดท้ายนี้ ผมอยากสื่อสารไปถึงทั้งคนไทยและผู้เข้าร่วมงานจากทั่วโลกว่า ประเทศไทยจะรักษาความเป็นกลาง และตั้งใจเป็นประเทศที่ทุกฝ่ายไว้วางใจได้

เราให้ความสำคัญกับทรัพย์สินทางปัญญา สิทธิของบริษัทใดก็ควรเป็นสิทธิของบริษัทนั้น กฎระเบียบของประเทศไทยควรได้รับการปรับให้สอดคล้องกับมาตรฐานสากล เรากำลังดำเนินงานให้เป็นไปตามมาตรฐานของ OECD และมาตรฐานระหว่างประเทศอื่น ๆ

ประเทศไทยต้องการเป็นหนึ่งในจุดหมายสำหรับ Open Innovation ของบริษัทขนาดใหญ่ เราต้องการเปิดพื้นที่การผลิตในระดับกลาง เพื่อให้บริษัทสามารถเข้ามาทดสอบเทคโนโลยีล้ำสมัย และใช้ประเทศไทยเป็น Living Lab

เราจะหารือกับสำนักงานคณะกรรมการส่งเสริมการลงทุน หรือ BOI เพื่อช่วยอำนวยความสะดวกให้กับผู้ที่ต้องการเข้ามาทำงานและลงทุนในประเทศไทย หากคุณต้องการทำวิจัยและพัฒนาร่วมกับคนไทย เราก็พร้อมต้อนรับเช่นกัน

สำหรับผู้ที่ไม่ใช่คนไทย ที่นี่คือดินแดนแห่งรอยยิ้ม และเป็นประเทศที่เปิดรับทุกคนซึ่งต้องการสร้างสิ่งดี ๆ ให้กับโลก

ผมตั้งตารอว่าจะมีอะไรเกิดขึ้นจากบทสนทนาและความร่วมมือที่เริ่มต้นขึ้นภายในงานครั้งนี้ และหวังว่าจะได้พบกับทุกคนอีกครั้งใน Techsauce Global Summit 2027

สำหรับธีมของงานในปีหน้า เราควรช่วยกันคิด ไม่ควรปล่อยให้ Techsauce ต้องคิดอยู่เพียงลำพัง เพราะวันนี้ Techsauce ได้กลายเป็นหนึ่งใน Signature ของประเทศไทยแล้ว

เราจึงควรร่วมกันใช้แพลตฟอร์มนี้เพื่อยกระดับสตาร์ทอัพ และผลักดันความสำเร็จของคนไทย ไม่ใช่เพื่อคนไทยเท่านั้น แต่เพื่อสร้างประโยชน์ให้กับผู้คนทั่วโลก

ขอบคุณครับ"

ศ.ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรี และรัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม กล่าวปิดงาน Techsauce Global Summit 2026

เครือข่ายโอนเงินนอกระบบอย่าง Hundi และ Hawala ยังเคลื่อนย้ายเงินราว 300,000 ล้านดอลลาร์สหรัฐต่อปี ทั้งที่เครือข่ายนี้มีอายุกว่า 500 ปี ไม่มีแอปพลิเคชัน ไม่มีบล็อกเชน และไม่มีเทคโนโลยีใดค้ำอยู่เบื้องหลัง คำถามว่าทำไมระบบเก่าแก่ขนาดนั้นถึงยังยืนอยู่ได้ในโลกที่มี AI คริปโทเคอร์เรนซี และระบบชำระเงินดิจิทัลครบมือ คือประโยคที่คุณอัศวิน พละพงศ์พานิช ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหาร DeeMoney ใช้เปิดเซสชันของตัวเอง พร้อมหมายเหตุกำกับไว้ตั้งแต่ต้นว่าในฐานะผู้ก่อตั้งฟินเทค ตัวเองไม่สนับสนุนให้ใครใช้เครือข่ายนี้ เพราะผิดกฎหมายในเกือบทุกประเทศ

เซสชัน 'Unspoken Facts of Global Payments: How Fintechs Changed the Banking Game' บนเวที Techsauce Global Summit 2026 โดยคุณอัศวิน เลือกไม่พูดถึงฟีเจอร์หรือโรดแมปของผลิตภัณฑ์ แต่หยิบสิ่งที่คนในอุตสาหกรรมชำระเงินรู้กันแต่ไม่ค่อยพูดออกมาเรียงให้ฟังทีละข้อ ทั้งหมดเดินอยู่บนข้อสรุปเดียวที่ใช้เวลาราว 20 ปีกว่าจะตกผลึก นั่นคือเทคโนโลยีทำหน้าที่เคลื่อนย้ายข้อมูลได้ดีมาก แต่สิ่งที่เคลื่อนย้ายเงินจริง ๆ คือความไว้วางใจ และความจริงทุกข้อที่ตามมาหลังจากนี้ ล้วนเป็นการตรวจสอบข้อสรุปเดียวกันนี้จากคนละมุม

เครือข่ายอายุ 500 ปีที่ยังไม่มีเทคโนโลยีไหนล้มลงได้

สิ่งที่ Hawala และ Hundi ทำได้ดีกว่าธนาคาร ฟินเทค และผู้ก่อตั้งบริษัทคริปโทเคอร์เรนซีตลอดร้อยปีที่ผ่านมา คือการเข้าใจตั้งแต่ต้นว่าสกุลเงินที่แท้จริงของการเคลื่อนย้ายเงินไม่ใช่เทคโนโลยี แต่คือความไว้วางใจระหว่างคนสองฝั่ง

คุณอัศวินยอมรับว่านี่ไม่ใช่เรื่องที่มองเห็นได้ตั้งแต่แรก เพราะตอนเริ่มต้น DeeMoney เมื่อราว 10 ปีก่อน ความคิดตอนนั้นคือการสร้างแอปพลิเคชันที่ดีที่สุด มีขั้นตอนยืนยันตัวตนลูกค้า Know Your Customer (KYC) ที่ลื่นไหล และเชื่อว่าลูกค้าจะเลือกใช้บริการเพราะตัวเทคโนโลยี ความจริงที่พบภายหลังกลับตรงกันข้าม

ไม่มีเครือข่ายโอนเงินระดับโลก มีแต่เครือข่ายท้องถิ่นที่ถูกถักทอเข้าหากัน

ความเข้าใจผิดข้อแรกอยู่ที่บทบาทของเทคโนโลยี ส่วนข้อถัดมาอยู่ที่ตัวเครือข่ายเอง เพราะคนส่วนใหญ่เชื่อว่าโลกมีระบบโอนเงินระหว่างประเทศที่สวยงามระบบหนึ่งคอยทำหน้าที่ส่งเงินให้ ความจริงคือระบบแบบนั้นไม่มีอยู่จริง

สิ่งที่มีอยู่จริงคือเครือข่ายการชำระเงินท้องถิ่นของแต่ละประเทศที่ถูกถักทอเข้าหากันจนใช้งานข้ามพรมแดนได้ ทุกกฎระเบียบท้องถิ่นและทุกช่องทางการชำระเงินท้องถิ่นถูกนำมาต่อกันทีละเส้น แม้แต่ Society for Worldwide Interbank Financial Telecommunication (SWIFT) ที่หลายคนเข้าใจว่าเป็นเครือข่ายโอนเงินระดับโลก แท้จริงแล้วเป็นเพียงแพลตฟอร์มรับส่งข้อความระหว่างสถาบันการเงินเท่านั้น เงินยังต้องถูกแปลงเป็นสกุลท้องถิ่นและวิ่งผ่านเครือข่ายของประเทศปลายทางอยู่ดี กว่าผู้รับอีกซีกโลกจะได้เงินจริง

บริษัทชำระเงินที่แท้จริงคือบริษัทบริหารสภาพคล่อง

เมื่อเครือข่ายที่ใช้งานอยู่คือการถักทอระบบท้องถิ่นเข้าด้วยกัน สิ่งที่ทำให้เงินถึงปลายทางภายในไม่กี่นาทีจึงไม่ใช่ความเร็วของโค้ด คุณอัศวินระบุว่าตอนตั้ง DeeMoney ทีมงานคิดว่ากำลังสร้างบริษัทชำระเงินที่เจ๋งมาก แต่สุดท้ายพบว่าสิ่งที่สร้างขึ้นจริงคือบริษัทบริหารเงินและสภาพคล่อง เพราะหากไม่มีการบริหารเงินคงคลังและสภาพคล่องตลอด 24 ชั่วโมงทุกวัน เทคโนโลยีแทบไม่มีความหมายในอุตสาหกรรมนี้

ตัวอย่างที่ยกขึ้นมาคือการส่งเงินจากกรุงเทพฯ ไปสหราชอาณาจักรตอนตีสามของวันเสาร์ แล้วคาดหวังให้ปลายทางได้รับเงินตอนตีสามห้านาที สิ่งที่ทำให้เกิดขึ้นได้ไม่ใช่เทคโนโลยี แต่คือคนในทีมบริหารเงินที่ต้องวางเงินล่วงหน้า (Pre-funding) ไว้ตั้งแต่วันพุธ แปลงเงินเป็นสกุลปอนด์ในวันศุกร์ เพื่อรอให้ลูกค้ามาใช้ในเช้ามืดวันเสาร์ ทั้งหมดนี้คือการประสานงานจำนวนมากที่ต้องลงตัวพอดีทุกครั้ง

ย้ายเงินไม่ยาก แต่ย้ายเงินข้ามพรมแดนอย่างถูกกฎหมายคือของจริง

การบริหารสภาพคล่องยังเป็นเพียงด้านหนึ่งของงาน อีกด้านที่หนักกว่าคือกรอบกฎหมาย คุณอัศวินสรุปสั้น ๆ ว่าการเคลื่อนย้ายเงินเป็นเรื่องง่าย แต่การเคลื่อนย้ายเงินข้ามพรมแดนอย่างถูกกฎหมายเป็นเรื่องยากมาก

คริปโทเคอร์เรนซีคือตัวอย่างที่ชัดที่สุดของประเด็นนี้ เพราะเทคโนโลยีสามารถอัปเดตบัญชีแยกประเภท (Ledger) จากฝั่งหนึ่งไปอีกฝั่งได้ในระดับมิลลิวินาที แต่ส่วนที่ยากจริงคือการทำให้กระบวนการนั้นถูกต้องตามกฎระเบียบในหลายเส้นทางการโอนและหลายหน่วยงานกำกับดูแลพร้อมกัน ซึ่งเป็นเหตุผลที่คนส่วนใหญ่ยังไม่ได้ใช้คริปโทเคอร์เรนซีในการส่งเงินข้ามประเทศในชีวิตประจำวัน

สูตรของผู้ชนะเป็นการคูณ ไม่ใช่การบวก

คำถามที่ตามมาคือแล้วใครจะเป็นผู้ชนะในเกมนี้ ฟินเทค ธนาคาร หรือทั้งสองฝ่ายที่ทำงานร่วมกัน คำตอบที่คุณอัศวินเสนอไม่ได้อยู่ที่ประเภทของผู้เล่น แต่อยู่ที่องค์ประกอบสี่อย่างที่ต้องมีครบ ได้แก่ เทคโนโลยี การกำกับดูแลให้ถูกกฎระเบียบ สภาพคล่อง และความไว้วางใจ

เหตุผลที่เลือกใช้เครื่องหมายคูณแทนเครื่องหมายบวกในการอธิบาย คือหากองค์ประกอบใดองค์ประกอบหนึ่งมีค่าเป็นศูนย์ ผลลัพธ์ทั้งหมดจะเป็นศูนย์ทันที ทั้งสี่อย่างจึงต้องทำงานสอดประสานกัน เครือข่ายหนึ่งถึงจะได้รับความไว้วางใจจากลูกค้าและทำหน้าที่เคลื่อนย้ายเงินได้จริง

ทำไมเงินถึงเดินทางแบบเดียวกับข้อความในแชตไม่ได้

คำถามที่คุณอัศวินบอกว่าถูกถามบ่อยที่สุดคือ ในเมื่อการส่งข้อความจากกรุงเทพฯ ไปนิวยอร์กผ่านแอปพลิเคชันแชตใช้เวลาไม่กี่วินาที ทำไมเงินถึงเดินทางแบบเดียวกันไม่ได้

ส่วนที่คนทั่วไปมองเห็นคือยอดบนสุดของภูเขาน้ำแข็ง ซึ่งมีแค่ค่าธรรมเนียมและอัตราแลกเปลี่ยน (Foreign Exchange) แล้วเงินก็ควรจะไปถึงปลายทาง แต่สิ่งที่อยู่ใต้ผิวน้ำคือความซับซ้อนที่ต้องประสานให้ลงตัวทุกวัน ตั้งแต่ความเร็ว สภาพคล่อง การวางเงินล่วงหน้า การตรวจสอบตามกฎระเบียบ การกระทบยอดบัญชี (Reconciliation) การจัดการรายการที่โอนไม่สำเร็จ การคืนเงิน ไปจนถึงทีมดูแลลูกค้าที่ต้องทำงานเจ็ดวันต่อสัปดาห์ ทั้งหมดนี้ทำงานอยู่หลังฉากเพื่อให้การเดินทางของเงินจากจุดหนึ่งไปอีกจุดหนึ่งดูเรียบง่ายที่สุดในสายตาผู้ใช้

ผ้าสี่ผืนแห่งความไว้วางใจที่ DeeMoney ถักขึ้นมา

ความซับซ้อนใต้ผิวน้ำทั้งหมดนั้นจะไม่มีความหมายเลย หากปลายทางไม่ได้จบลงที่ความไว้วางใจ คุณอัศวินอธิบายว่า DeeMoney ถักผ้าแห่งความไว้วางใจสี่ผืนเข้าด้วยกัน ผืนแรกและสำคัญที่สุดคือความไว้วางใจจากลูกค้า ผืนที่สองคือความไว้วางใจจากหน่วยงานกำกับดูแลที่มอบใบอนุญาตให้ทำหน้าที่นี้แทนผู้บริโภค ส่วนอีกสองผืนที่เหลือคือธนาคารและฟินเทคพันธมิตรกว่า 70 รายในเครือข่าย เพราะไม่มีฟินเทครายใดเคลื่อนย้ายเงินข้ามพรมแดนอย่างถูกกฎหมายได้โดยลำพัง

ผลของการมองแบบนี้ทำให้นิยามของธุรกิจเปลี่ยนไปด้วย ตอนเริ่มต้นทีมงานคิดว่ากำลังทำบริษัทรับโอนเงินข้ามประเทศ (Remittance) แต่เรียนรู้อย่างรวดเร็วว่าการโอนเงินเป็นเพียงผลิตภัณฑ์หนึ่งที่วิ่งอยู่บนทางด่วนซึ่งบริษัทสร้างขึ้น หรือสิ่งที่คุณอัศวินเรียกว่าสะพานการเงินที่ไว้วางใจได้ระหว่างไทยกับโลก ปัจจุบัน DeeMoney ประมวลผลธุรกรรมมากกว่า 7 ล้านรายการ คิดเป็นมูลค่ากว่า 5,000 ล้านดอลลาร์สหรัฐต่อปี และคุณอัศวินระบุว่าเป็นฟินเทคด้านการชำระเงินข้ามพรมแดนรายใหญ่ที่สุดในไทย โดยมีการชำระเงินข้ามพรมแดนวิ่งอยู่บนทางด่วนเส้นนี้แล้ว ส่วนบริการรับชำระเงิน (Collections) และเหรียญที่ตรึงมูลค่า (Stablecoin) คือผลิตภัณฑ์ที่จะตามมา

ธนาคารถูกออกแบบมาเพื่อความมั่นคง ส่วนลูกค้าต้องการอิสระ

เมื่อความไว้วางใจต้องมาจากทั้งสี่ผืนพร้อมกัน ความยากจึงอยู่ตรงที่ความต้องการของแต่ละฝ่ายไม่ตรงกัน คุณอัศวินย้ำว่าธนาคารทำหน้าที่ของตัวเองได้ดีมากในฐานะผู้เก็บรักษาเงินของลูกค้า ทั้งการดูแลอย่างรัดกุม การป้องกันความเสี่ยง และการป้องกันการฉ้อโกง แต่ในมุมของคนที่ใช้บริการ สิ่งที่ต้องการคืออิสระและอำนาจในการจัดการเงินของตัวเอง ซึ่งเป็นสมดุลที่หาจุดลงตัวได้ยาก

เหตุผลสำคัญคือระบบธนาคารถูกสร้างขึ้นมาราวร้อยปีเพื่อรองรับความไว้วางใจ ความมั่นคง การควบคุม และการปฏิบัติตามกฎระเบียบ ขณะที่พฤติกรรมของลูกค้าเปลี่ยนไปมากในช่วง 15 ปีหลัง คนที่เรียกรถผ่านแอปพลิเคชันแล้วได้รถภายในไม่กี่วินาที หรือกดซื้อของออนไลน์แล้วได้ของแทบจะทันที ย่อมคาดหวังแบบเดียวกันกับเงินของตัวเอง แต่ระบบบริหารเงินของธนาคารส่วนใหญ่จนถึงวันนี้ยังไม่ทำงานในวันหยุดของสหรัฐอเมริกา และหยุดรับรายการหลังบ่ายสามครึ่งของวันศุกร์ ขณะที่ลูกค้าคาดหวังให้เงินเคลื่อนที่ได้ตลอดเวลา โจทย์ของฟินเทคจึงคือการส่งมอบทั้งสองด้านพร้อมกันให้ได้ทุกครั้ง

ลูกค้าไม่ได้จ่ายเงินเพื่อให้เงินเคลื่อนที่ แต่จ่ายเพื่อกำจัดความไม่แน่นอน

เมื่อความคาดหวังของลูกค้าเปลี่ยนไปขนาดนั้น สิ่งที่ลูกค้าซื้อจริงก็เปลี่ยนตามไปด้วย คุณอัศวินเล่าว่าทีมงานเคยเชื่อว่าลูกค้าเลือกใช้บริการเพราะอัตราแลกเปลี่ยนที่ดี ค่าธรรมเนียมคงที่ 125 บาทสำหรับการส่งเงินไปทั่วโลก หรือความเร็วระดับไม่กี่วินาที แต่สิ่งที่ค้นพบคือลูกค้าไม่ได้จ่ายเงินเพื่อให้เงินเคลื่อนที่ หากจ่ายเพื่อให้ความไม่แน่นอนหายไป

ความไม่แน่นอนในที่นี้มีอีกชื่อว่าแรงเสียดทานตลอดเส้นทางตั้งแต่กดส่งจนถึงปลายทางรับเงิน สิ่งที่ลูกค้าต้องการคือความมั่นใจว่าเงินถึงปลายทางแน่นอนทุกครั้งโดยไม่ต้องโทรถามศูนย์บริการว่าตอนนี้เงินอยู่ที่ไหน งานที่ยากของผู้ให้บริการจึงเป็นการแนบความแน่นอนไปกับทุกธุรกรรม

อนาคตที่การจ่ายเงินหายไปจากสายตา และลูกค้าอาจไม่ใช่มนุษย์

คำถามที่คุณอัศวินบอกว่าถูกถามบ่อยไม่แพ้กันคือ เมื่อมี AI บล็อกเชน และเทคโนโลยีอีกจำนวนมากอยู่ในมือแล้ว อนาคตของการโอนเงินระหว่างประเทศจะหน้าตาเป็นอย่างไร คำตอบที่เคยเชื่ออยู่ราวห้าปีคือค่าบริการจะกลายเป็นศูนย์และทุกคนจะย้ายเงินได้ฟรี แต่ปัจจุบันไม่ได้มองแบบนั้นแล้ว

สิ่งที่มองว่าจะเกิดขึ้นแทนคือประสบการณ์การชำระเงินจะค่อย ๆ หายไปจากสายตา ด้วยการถูกฝังเข้าไปในเส้นทางการใช้งานของแอปพลิเคชันหรือแพลตฟอร์มถัดไปที่ผู้ใช้เปิดอยู่แล้ว การจ่ายเงินจึงไม่ใช่เว็บไซต์หรือแอปพลิเคชันแยกต่างหากอีกต่อไป แต่กลายเป็นส่วนหนึ่งของประสบการณ์ที่ผู้ใช้ทำอยู่ และท้ายที่สุดอาจเป็น AI หรือเครื่องจักรที่ทำธุรกรรมแทนโดยที่มนุษย์ไม่ต้องคิดถึงมันเลย

ภาพที่ตามมาคือลูกค้าในอนาคตอาจไม่ใช่มนุษย์อีกต่อไป แต่เป็น AI Agent หรือตัวแทนอัจฉริยะที่ทำงานแทนผู้ใช้จำนวนหลักพันล้านตัวที่เข้ามาใช้บริการบนแพลตฟอร์มคุณอัศวินยอมรับว่ายังไม่มีใครรู้ว่าหน้าตาที่แท้จริงจะเป็นอย่างไร แต่สิ่งที่ทำให้คิดไม่ตกคือตลอดร้อยปีที่ผ่านมา อุตสาหกรรมนี้เรียนรู้แต่เรื่องการชนะใจมนุษย์ ขณะที่ 10 ปีข้างหน้าอาจเป็นเรื่องของการไว้ใจเครื่องจักรแทน

Stablecoin กับโทเคนเงินฝาก ต้นทุนก้อนใหญ่ที่ฟินเทคทุกรายรอคำตอบ

ช่วงถามตอบหลังจบเซสชันวนกลับมาที่ต้นทุนซึ่งเป็นหัวใจของธุรกิจอีกครั้ง คุณอัศวินระบุว่าต้นทุนก้อนใหญ่ที่สุดของธุรกิจนี้คือสภาพคล่องและการวางเงินล่วงหน้า และเป็นจริงกับฟินเทคมากกว่าผู้เล่นประเภทอื่น เพราะฟินเทคไม่มีเงินฝากแบบธนาคาร จึงต้องใช้เงินทุนหมุนเวียนและงบดุลของตัวเองทั้งหมด

ด้วยเหตุนี้ โทเคนเงินฝาก (Deposit Token) และเหรียญที่ตรึงมูลค่าจึงเป็นจุดเปลี่ยนสำคัญสำหรับฟินเทคทุกราย หากนำมาใช้ตัดภาระการวางเงินล่วงหน้าออกจากการเคลื่อนย้ายเงินได้จริง คุณอัศวินประเมินว่าในไทยยังถือว่าเร็วมาก และหากต้องคาดการณ์ อาจอยู่ในช่วงราว 12 ถึง 18 เดือนข้างหน้ากว่าจะได้เห็นเทคโนโลยีกลุ่มนี้เข้ามาเป็นส่วนหนึ่งของการโอนเงิน ขณะที่หลายประเทศเริ่มใช้งานกันแล้ว ซึ่งเป็นบทเรียนที่ไทยเรียนรู้ตามได้

ส่วนคำถามเรื่องอนาคตที่เครื่องจักรจะเข้ามาใช้บริการทางการเงินแทนมนุษย์ คุณอัศวินตอบตรงไปตรงมาว่ายังไม่มีคำตอบที่ชัดเจน สิ่งเดียวที่บอกได้คือที่ผ่านมาอุตสาหกรรมสร้างเทคโนโลยีขึ้นมาเพื่อให้มนุษย์ใช้เท่านั้น เมื่อใดที่ AI เริ่มรับผิดชอบและอนุมัติการชำระเงินแทนเจ้าของเงิน องค์ประกอบเรื่องความไว้วางใจซึ่งเป็นแกนของการพูดครั้งนี้จะเปลี่ยนไปทั้งหมด เพราะจากเดิมที่คนเป็นผู้ตัดสินใจเองว่าจะส่งเงินจากไทยไปสหราชอาณาจักรอย่างไร วันข้างหน้า AI Agent อาจเป็นฝ่ายอนุมัติและยืนยันตัวตนของธุรกรรมนั้นแทน

คำถามที่ค้างอยู่ตั้งแต่ต้นเซสชันว่าทำไมเครือข่ายอายุ 500 ปีถึงยังไม่ถูกเทคโนโลยีใดล้มลงได้ จึงมีคำตอบอยู่ในประโยคเดียวกับที่คุณอัศวินทิ้งท้ายไว้ว่าเทคโนโลยีทำหน้าที่เคลื่อนย้ายข้อมูลได้ดีมาก แต่สิ่งที่เคลื่อนย้ายเงินคือความไว้วางใจ และหากภาพอนาคตที่ผู้ใช้บริการทางการเงินไม่ใช่มนุษย์เกิดขึ้นจริง โจทย์ถัดไปของอุตสาหกรรมนี้ก็จะไม่ใช่การทำให้เงินเดินทางเร็วขึ้นอีกไม่กี่วินาที แต่คือการหาคำตอบว่าความไว้วางใจจะถูกส่งต่อจากมนุษย์ไปสู่เครื่องจักรได้อย่างไร

ที่มา: เซสชัน 'Unspoken Facts of Global Payments: How Fintechs Changed the Banking Game' บนเวที Techsauce Global Summit 2026

บางจุดผมก็ยอมรับว่าเป็นโจทย์ที่ยากสำหรับผม แต่ผมต้องขอบคุณทีมงานที่เชื่อในผม ในจุดที่คนอื่นบอกว่าทำไม่ได้

เมื่อ Techsauce ถามคุณธนิศร์ เจียรวนนท์ Group Chief Wholesale Business Officer ของบริษัท ซีพี แอ็กซ์ตร้า จำกัด (มหาชน) ว่ารู้สึกอย่างไรกับสองรางวัลที่ได้รับ คำตอบแรกของเขาไม่ได้เริ่มจากตัวเลขหรือความสำเร็จของตัวเอง เขาย้อนกลับไปพูดถึงวันที่ตัดสินใจปิด Makroclick แล้วย้ายทุกอย่างขึ้น Makro PRO วันที่ที่ปรึกษาภายนอกบอกต่อหน้าทีมว่า แนวทางนี้ทำไม่ได้ และเขาอาจล้มเหลว

ในงาน Techsauce Awards 2026 คุณธนิศร์ได้รับรางวัล The Sauciest Tech Visionary of the Year และ Makro PRO ได้รับรางวัล The Sauciest Tech Scaleup หลังเวทีรางวัล Techsauce ได้สัมภาษณ์เจาะลึกคุณธนิศร์ พร้อมด้วยคุณถิรายุ ทรงเวชเกษม ถึงวิสัยทัศน์ การตัดสินใจ และกระบวนการทำงานตลอดสี่ปีที่พาธุรกิจค้าส่งแบบดั้งเดิมมาถึงจุดนี้

บทสนทนาครั้งนี้ทำให้เห็นว่า รางวัลของผู้นำและรางวัลของแพลตฟอร์มแยกออกจากกันได้ยาก ทุกครั้งที่คุณธนิศร์พูดถึง Vision เขาจะย้อนกลับไปพูดถึงทีม ขณะที่ทุกครั้งที่คุณถิรายุพูดถึงการ Scaleup เขาจะย้อนกลับไปถึงทิศทางและการตัดสินใจของผู้นำ

สองรางวัลบนเส้นทางเดียวกัน

รางวัล The Sauciest Tech Visionary of the Year ที่คุณธนิศร์ได้รับ มาจากบทบาทในการพา Makro เปลี่ยนจากธุรกิจค้าส่งแบบดั้งเดิมสู่ Retail Tech ส่วนรางวัล The Sauciest Tech Scaleup เป็นของ Makro PRO แพลตฟอร์มที่เปิดตัวในปี 2022 และเติบโตขึ้นเป็น แพลตฟอร์มอีคอมเมิร์ซสัญชาติไทย และเป็นแพลตฟอร์มอีคอมเมิร์ซอันดับ 1 ของประเทศไทยในด้านยอดขายแบบ First-party (1P) จาก Euromonitor

ในช่วงเวลาเดียวกัน สัดส่วนยอดขาย E-commerce ของ Makro ขยับจากระดับ 3% สู่มากกว่า 30% ตัวเลขบอกให้เห็นว่าธุรกิจเดินทางมาไกลเพียงใด 

แม้จะเติบโตได้อย่างสวยงามจนดูเหมือนสูตรสำเร็จ สิ่งที่ทั้งสองคนเล่าให้ Techsauce ฟังคือ ระหว่างทางไม่มีช่วงไหนที่ทีมใช้วิธีเดิมแล้วเดินต่อไปได้ตลอด

วันที่ต้องเลือกว่าจะเดินต่ออย่างไร

หนึ่งในการตัดสินใจสำคัญที่สุดเกิดขึ้นเมื่อคุณธนิศร์เลือกปิด Makroclick แล้วย้ายทุกอย่างขึ้น Makro PRO ที่ปรึกษาภายนอกเคยบอกต่อหน้าทีมว่า ไม่มีใครย้ายระบบในรูปแบบนี้ได้ และคุณธนิศร์อาจล้มเหลว

สิ่งที่คุณธนิศร์เห็นในเวลานั้นคือ หาก CP AXTRA ต้องการสร้างแพลตฟอร์ม E-commerce ขนาดใหญ่ การดูแลแอปพลิเคชันสองตัวด้วยวิศวกรสองทีมจะทำให้การขยายธุรกิจมีข้อจำกัด เขาจึงเชื่อว่า Makroclick และ Makro PRO ต้องถูกรวมเป็นแอปพลิเคชันเดียว ก่อนจะรวม SmartOne ซึ่งเป็นระบบ B2B อีกตัวเข้ามาในเวลาต่อมา

การรวมระบบทำให้ Makro PRO รองรับยอดขายรายวันราว 250 ถึง 260 ล้านบาท แต่เส้นทางไม่ได้ราบรื่น คุณธนิศร์ยอมรับว่าเขากังวลว่า Order Management System หรือระบบบริหารจัดการคำสั่งซื้อ รวมถึงระบบหลังบ้านแต่ละส่วนจะรับปริมาณธุรกรรมไหวหรือไม่

ทีมเดินหน้าต่อด้วยความชัดเจนว่า การแยกทีมและแยกระบบออกจากกันจะพาองค์กรไปได้ไม่ไกลพอ แม้ในเวลานั้นยังไม่มีใครรับประกันได้ว่าแผนจะสมบูรณ์ทุกจุด

เปลี่ยนครั้งเดียวไม่พอ

การตัดสินใจปิด Makroclick และรวมทุกอย่างเข้าสู่ Makro PRO เป็นเพียงจุดเริ่มต้น หลังระบบใหม่เริ่มทำงาน ทีมพบว่าการเปลี่ยนผ่านองค์กรไม่ได้จบลงในครั้งเดียว เพราะทุกครั้งที่ธุรกิจเติบโต ระบบและวิธีทำงานที่เพิ่งสร้างขึ้นอาจเล็กเกินไปสำหรับเป้าหมายถัดไป

ภาพของการเปลี่ยนแปลงของ Makro PRO ในมุมคุณถิรายุ ทรงเวชเกษม ประธานเจ้าหน้าที่บริหาร สายงานดิจิทัล บริษัท ซีพี แอ็กซ์ตร้า จำกัด (มหาชน) ซึ่งทำงานอยู่แนวหน้าเคียงข้างคุณธนิศร์มาตั้งแต่ต้น เขาเรียกกระบวนการนี้ว่า ‘Continuous Disruption’ เพราะทุกครั้งที่ยอดขายขยับขึ้น วิธีทำงานเดิมก็เริ่มรองรับขนาดใหม่ไม่ไหว

เมื่อยอดขายรายวันขยับจาก 12 ล้านบาทเมื่อเริ่มต้น ไปถึง 30 ล้านบาท ทีมต้องเปลี่ยนวิธีทำงาน พอแตะ 70 ล้านบาท ระบบที่เคยใช้ได้ก็ต้องปรับอีกครั้ง และเมื่อแพลตฟอร์มโตต่อเนื่องในระดับที่ใหญ่ขึ้นกว่าหลายเท่าตัว องค์กรก็ต้องเปลี่ยนตามไปด้วย ทั้งด้านระบบ กระบวนการ และการบริหารทีม

ความเร็วในความหมายของทีมนี้จึงครอบคลุมทั้งกระบวนการ ตั้งแต่ตัดสินใจเร็ว เห็นปัญหาเร็ว ยอมรับความผิดพลาดเร็ว ไปจนถึงแก้ปัญหาและจัดทัพใหม่ให้เร็วพอ คุณธนิศร์แยกความเร็วออกจากจำนวนชั่วโมงทำงาน เขาไม่ได้คาดหวังให้คนทำงานแบบ 996 หรือทำงานตั้งแต่ 9 โมงเช้าถึง 3 ทุ่ม สัปดาห์ละ 6 วัน แต่ต้องการผลลัพธ์ที่สะท้อนความเร็วในระดับเดียวกัน

เบื้องหลังความเร็วคือวินัยในการไม่ยึดติดกับวิธีเดิม เพราะการขยายธุรกิจจากสิบล้านไปสู่ร้อยล้าน และจากร้อยล้านไปสู่เป้าหมายถัดไป ย่อมใช้ระบบการทำงานชุดเดิมตลอดทางไม่ได้

สูตร 4-3-3 ของผู้นำที่กล้าตัดสินใจ

คุณธนิศร์สรุปวิธีคิดเรื่องการตัดสินใจไว้ด้วย ‘กลยุทธ์ 4-3-3’ หากต้องตัดสินใจ 10 เรื่อง เขายอมรับได้ว่า 4 เรื่องอาจออกมาดีมาก 3 เรื่องอยู่ในระดับปกติและปรับปรุงต่อได้ ส่วนอีก 3 เรื่องอาจผิดพลาด

คุณธนิศร์อธิบายว่า การตัดสินใจที่ผิด ไม่ได้หมายความว่าเป็นการตัดสินใจที่ไม่ดีเสมอไป แต่เป็นต้นทุนของการเรียนรู้ที่องค์กรต้องยอมรับ เพราะการรอให้ข้อมูลทุกอย่างสมบูรณ์พร้อม อาจทำให้ทีมเสียโอกาสในการเรียนรู้จากตลาดจริง

อย่างไรก็ตาม ความเด็ดขาดของเขาไม่ได้แปลว่าผู้นำต้องคิดคนเดียว คุณธนิศร์เล่าว่าเขาปรึกษาคนข้างตัวและทีมงานอยู่เสมอ เพราะสมองหลายคนย่อมมองเห็นปัญหาได้รอบด้านกว่าสมองเพียงคนเดียว 

หน้าที่ของผู้นำคือฟังให้มากพอ แล้วกล้าตัดสินใจเมื่อถึงเวลา

โมเดลนี้ทำให้คำว่า Visionary มีความหมายมากในเชิงปฏิบัติ วิสัยทัศน์ไม่ได้จบที่การมองเห็นอนาคต แต่ต้องมาพร้อมความสามารถในการตัดสินใจภายใต้ข้อมูลที่ยังไม่สมบูรณ์ และพาทีมเรียนรู้จากผลที่เกิดขึ้นจริง

จากการซื้อเทคโนโลยี สู่การสร้างร่วมกัน

ปัญหาจากระบบบริหารคำสั่งซื้อ การหยิบสินค้าในสาขา และซอฟต์แวร์สำเร็จรูปบางระบบ ทำให้ทีมพบว่า CP AXTRA ไม่สามารถพึ่งการซื้อเทคโนโลยีจากภายนอกเพียงอย่างเดียว คุณธนิศร์จึงเริ่มสร้างระบบสำคัญขึ้นเอง ตั้งแต่ระบบบริหารคำสั่งซื้อ Loyalty ไปจนถึง Pricing Engine

ขณะเดียวกัน การสร้างทุกอย่างเองก็ใช้ทรัพยากรมากเกินไป ทางออกจึงเป็นโมเดล Co-Creation ที่เปลี่ยนความสัมพันธ์กับบริษัทเทคโนโลยีจากผู้ซื้อและผู้ขาย มาเป็นพันธมิตรที่พัฒนาเทคโนโลยีร่วมกัน

แนวทางนี้นำไปสู่การพัฒนาเทคโนโลยีที่เหมาะกับบริบทของไทย และการยื่นคำขอสิทธิบัตร 4 รายการ ครอบคลุมระบบจัดอันดับผลการค้นหาเฉพาะบุคคล การเข้ารหัสสำหรับประมวลผลภาษาไทย ระบบค้นหาสินค้าที่ผสานการจับคู่คำกับความหมาย และระบบสั่งซื้อด้วยเสียงที่ใช้ AI หลายตัวทำงานร่วมกัน

การสร้างเทคโนโลยีร่วมกัน หรือ Co-Creation จึงตอบโจทย์สองด้าน คือ CP AXTRA เข้าถึงองค์ความรู้จากพันธมิตรระดับโลก ขณะที่ทีมไทยยังมีส่วนออกแบบเทคโนโลยี และถือครองทรัพย์สินทางปัญญาที่เกิดขึ้นในประเทศ

เป้าหมายถัดไปคือ Retail Tech อาเซียน

หลังจากสร้างฐานที่แข็งแกร่งในประเทศไทย เป้าหมายของคุณธนิศร์คือการพา CP AXTRA ก้าวขึ้นเป็นผู้นำด้าน Retail Tech ในอาเซียน โดยแผนระยะถัดไปคือการรุกตลาดในภูมิภาคเพิ่มเติม

คุณธนิศร์มองว่าประเทศไทยยังขาดแพลตฟอร์ม E-commerce ที่สร้างโดยคนไทยและแข่งขันในระดับภูมิภาคได้ เขาจึงอยากเห็น Makro PRO เติบโตขึ้นไปยืนในตลาดเดียวกับแพลตฟอร์มระดับโลก และทำให้ทีมที่ร่วมกันสร้างมาตั้งแต่วันแรกภูมิใจกับสิ่งที่เกิดขึ้น

เมื่อถูกถามว่าอยากไปถึงจุดนั้นเมื่อไร คุณธนิศร์ตอบว่า ภายในสองปี เขาอยากให้ยอดขายของ Makro PRO ขึ้นไปเทียบกับมูลค่าการซื้อขายของแพลตฟอร์มอันดับสองในประเทศไทย เป้าหมายนี้ยังเป็นอนาคตที่ยังมาไม่ถึง และเขารู้ว่าการตัดสินใจของคนคนเดียวพาองค์กรไปไม่ถึง

คุณธนิศร์คนเดียวถือดาบคนเดียวไม่ได้ มันต้องเป็นทีม ทุกคนต้องเชื่อ ถึงจะไปได้

เรื่องของ Makro PRO จึงไม่ได้อธิบายคำว่า Visionary ผ่านการมองเห็นอนาคตเพียงอย่างเดียว แต่ผ่านสิ่งที่เกิดขึ้นหลังจากนั้น ตั้งแต่การตัดสินใจในวันที่ยังไม่มีคำตอบครบ การสร้างระบบใหม่เมื่อของเดิมรองรับไม่ไหว ไปจนถึงการทำให้คนจำนวนมากเดินไปในทิศทางเดียวกัน

และนั่นอาจเป็นจุดที่สองรางวัลในปีนี้มาบรรจบกัน เพราะ Vision จะมีความหมายก็ต่อเมื่อมีทีมที่เปลี่ยนมันให้เกิดขึ้นจริง ส่วนการ Scale จะเกิดขึ้นไม่ได้เลย หากไม่มีทิศทางที่ชัดพอให้ทุกคนเชื่อและเดินตามไปด้วยกัน

คุณชัชวัฒน์ อัศวรักวงศ์ Vice Chairman และ Group Chief Information Security Officer บริษัท กสิกร บิซิเนส-เทคโนโลยี กรุ๊ป (KBTG) ยกตัวเลขดังกล่าวขึ้นในเซสชัน 'AI with Accountability: Building Trust in the Intelligent Enterprise' ที่งาน Techsauce Global Summit 2026 พร้อมข้อเสนอที่เป็นแกนกลางของทั้งเซสชัน คือองค์กรต้องเปลี่ยนคำถามตั้งต้นเรื่อง AI เสียใหม่ จากที่เคยถามกันว่าจะนำ AI มาใช้ให้เร็วขึ้นได้อย่างไร ไปเป็นคำถามว่าจะนำ AI มาใช้อย่างรับผิดชอบและไว้ใจได้อย่างไร

เมื่อคำถาม 'ทำไมไม่ลองใช้ AI' มาจากผู้บริหารระดับสูง AI จึงไม่ใช่วาระของฝ่าย IT อีกต่อไป

จุดตั้งต้นที่คุณชัชวัฒน์ใช้อธิบายความจำเป็นของการกำกับดูแลคือข้อเท็จจริงว่า AI ไม่ได้เป็นโครงการทางเทคโนโลยีอีกแล้ว แต่กลายเป็นบทสนทนาทางธุรกิจไปเรียบร้อย เหตุผลสำคัญคือการพัฒนา AI จะเกิดขึ้นได้จริงต่อเมื่อมีกรณีใช้งานที่ตอบโจทย์ธุรกิจ ไม่ใช่เพราะฝ่าย IT ต้องการนำมาใช้ และเมื่อมีกรณีใช้งานที่เหมาะสม AI จึงกลายเป็นความสามารถในการแข่งขันของธุรกิจได้

แรงผลักที่ทำให้ AI แพร่เข้าไปในทุกส่วนขององค์กรมาจากผู้บริหารระดับสูงโดยตรง คุณชัชวัฒน์ ยกชุดคำถามที่ผู้บริหารถามพนักงานกันอยู่ในเวลานี้ ตั้งแต่ทำไมไม่ใช้ AI ทำเอกสารนำเสนอ ทำไมไม่ใช้ AI สรุปรายงาน ทำไมไม่ใช้ AI สร้างแคมเปญการตลาด ทำไมไม่ใช้ AI ทำให้กระบวนการทำงานเป็นอัตโนมัติ ไปจนถึงทำไมไม่ใช้ AI วิเคราะห์ข้อมูลให้ฝ่ายปฏิบัติการ

สภาพเดียวกันเกิดขึ้นนอกที่ทำงานด้วย ทั้งเด็กที่ใช้ AI ทำการบ้าน ครูและอาจารย์ที่ใช้ AI ออกข้อสอบและตรวจงาน รวมถึงงานบริการลูกค้าของหลายองค์กรที่เริ่มใช้ AI ช่วยจัดการข้อร้องเรียนแล้ว Generative AI จึงเป็นเทคโนโลยีที่แพร่กระจายเร็วกว่าเทคโนโลยีใดในประวัติศาสตร์ และเปลี่ยนทั้งวิธีใช้ชีวิตและวิธีทำธุรกิจไปแล้วภายในเวลาเพียงสามปี

AI อยู่ทุกที่แล้ว แต่คำถามที่ยังไม่มีใครตอบคือไว้ใจมันได้แค่ไหน

ความแพร่หลายระดับนั้นพาคำถามชุดใหม่มาด้วย คุณชัชวัฒน์ ตั้งคำถามกับผู้ฟังไว้สามข้อ 

1. องค์กรมั่นใจได้อย่างไรว่า AI ที่ใช้อยู่ตอบด้วยข้อมูลที่ถูกต้อง 
2. ผู้ให้บริการ AI ปกป้องข้อมูลขององค์กรได้จริงหรือไม่
3. สามคือข้อมูลอ่อนไหวที่ป้อนเข้าไปจะถูกนำไปฝึกโมเดลต่อหรือถูกนำไปใช้เพื่อวัตถุประสงค์อื่นหรือเปล่า

คำถามทั้งสามข้อหนักที่สุดในกรณีที่องค์กรเปิดให้พนักงานใช้ AI สาธารณะ เหตุผลคือเมื่อพนักงานหันไปใช้บริการสาธารณะ องค์กรจะมองไม่เห็นสามเรื่องพร้อมกัน 

1. พนักงานพิมพ์ข้อมูลอ่อนไหวขององค์กรลงไปในคำสั่งหรือเปล่า 
2. ได้ตรวจทานคำตอบที่ได้มาก่อนนำไปใช้หรือเปล่า 
3. ได้ตรวจสิทธิ์ในทรัพย์สินทางปัญญา (Intellectual Property) ของเนื้อหาที่ AI สร้างให้หรือเปล่า

ฝั่งงานที่ติดต่อลูกค้าโดยตรงเห็นภาพชัดกว่านั้น คุณชัชวัฒน์ ยกกระบวนการจัดการข้อร้องเรียนของลูกค้าขึ้นมาเป็นตัวอย่าง เพราะเป็นงานที่หลายองค์กรเริ่มให้ AI เข้ามาช่วยแล้วจริง 

สมมติว่า AI ไม่เข้าใจบริบทของลูกค้ารายนั้น หรือวิเคราะห์แล้วส่งคำตอบที่ผิดกลับไปถึงมือลูกค้า ผลที่ตามมาซึ่งคุณชัชวัฒน์ ย้ำว่าเป็นเรื่องใหญ่จริงคือลูกค้าฟ้องร้ององค์กร จุดนี้คือจุดที่ความเสี่ยงของ AI ขยับจากปัญหาทางเทคนิคไปเป็นความเสี่ยงทางธุรกิจเต็มตัว

8 ความเสี่ยงที่ควรรู้จักชื่อ ก่อนจะบอกว่าองค์กรพร้อมใช้ AI

เพื่อให้ผู้ฟังกลับไปตรวจองค์กรของตัวเองได้ คุณชัชวัฒน์ ไล่ความเสี่ยงของ AI ที่ควรรู้จักไว้แปดข้อ 

• ข้อแรกคือการให้ข้อมูลที่ไม่มีอยู่จริง (Hallucination) หรือที่คนไทยเรียกกันว่าข้อมูลหลอน ซึ่งเป็นคำที่แทบไม่มีใครพูดถึงก่อนยุค AI ความเสียหายไม่ได้จบที่คำตอบผิดหนึ่งคำตอบ แต่ไปถึงชื่อเสียงของคนที่นำข้อมูลนั้นไปใช้งานต่อ ส่งให้ลูกค้า หรือรายงานผู้บริหารโดยไม่ตรวจความถูกต้องก่อน
• ข้อที่สองคืออคติ (Bias) ซึ่งเป็นสิ่งที่แอปพลิเคชันขององค์กรต้องยืนยันได้ว่าไม่มี ไม่ว่าจะเป็นอคติเรื่องเชื้อชาติ เพศ หรืออายุ 
• ข้อที่สามและข้อที่สี่เกาะกลุ่มกันคือความเป็นส่วนตัวกับข้อมูลรั่วไหล และการถูกเจาะระบบ เพราะการใช้ AI สาธารณะเปิดโอกาสให้ข้อมูลหลุดออกไปและถูกนำไปฝึกโมเดลต่อ ขณะที่คำตอบจาก AI เองก็อาจแนบลิงก์ต้องสงสัยกลับมา ซึ่งเพียงคลิกเดียวก็เปิดทางให้มัลแวร์ข้าเครื่องได้ และความเสี่ยงข้อนี้หนักขึ้นอีกเมื่อพนักงานใช้งานจากคอมพิวเตอร์ของบริษัท
• ข้อที่ห้าและข้อที่หกคือการละเมิดกฎเกณฑ์ของหน่วยงานกำกับดูแล และความเสี่ยงด้านชื่อเสียงองค์กร 
• ข้อที่เจ็ดคือการกระทำที่ควบคุมไม่ได้ ซึ่งเป็นความเสี่ยงที่มาพร้อมกับ Agentic AI หรือการให้ AI Agent ทำงานแทนแบบอัตโนมัติและสื่อสารกันเองระหว่าง Agent จนไม่มีใครในองค์กรรู้ว่ามีการดำเนินการอะไรเกิดขึ้นบ้าง คุณชัชวัฒน์ย้ำว่าคำถามที่ต้องตอบให้ได้ก่อนอนุญาตคือจะมั่นใจได้อย่างไรว่าทุกอย่างจะเรียบร้อย โดยเฉพาะกับกระบวนการที่สำคัญต่อธุรกิจ
• ข้อสุดท้ายเป็นข้อที่คุณชัชวัฒน์ระบุว่าน่ากลัวไม่แพ้กัน คือการเป็น Black Box ที่ตรวจสอบย้อนหลังไม่ได้ เพราะหาก AI ทำงานแล้วอธิบายที่มาของผลลัพธ์ไม่ได้ เมื่อเกิดปัญหาขึ้นองค์กรจะย้อนกลับไปหาไม่ได้เลยว่า AI ทำอะไรลงไป หลักการที่ตามมาจึงเป็นเรื่องเดียวกันกับที่หน่วยงานกำกับดูแลทั่วโลกพูดถึง คือ AI ที่พัฒนาขึ้นต้องอธิบายได้ และผลลัพธ์ทุกชิ้นต้องตรวจสอบย้อนหลังได้

ไม่ต้องเริ่มจากศูนย์ เพราะมาตรฐานที่ดาวน์โหลดได้มีอยู่แล้วทั้งในและต่างประเทศ

เมื่อเห็นความเสี่ยงครบชุดแล้ว คำถามถัดไปที่คุณชัชวัฒน์ ระบุว่าได้ยินบ่อยที่สุดคือองค์กรควรเริ่มจากอะไร คำตอบคือไม่จำเป็นต้องเขียนทุกอย่างขึ้นมาใหม่ เพราะกรอบและมาตรฐานที่ใช้อ้างอิงได้มีอยู่แล้วและดาวน์โหลดได้ทันที เริ่มจากกฎหมาย AI ของสหภาพยุโรป (EU AI Act) มาตรฐานจาก ISO ซึ่งมี ISO/IEC 42001 เป็นมาตรฐานระบบบริหารจัดการ AI ฉบับแรกของโลก และกรอบบริหารความเสี่ยง AI ของสถาบันมาตรฐานและเทคโนโลยีแห่งชาติของสหรัฐ (NIST)

ในระดับภูมิภาค หน่วยงานความมั่นคงปลอดภัยไซเบอร์ของสิงคโปร์ (Cyber Security Agency of Singapore หรือ CSA) มีแนวปฏิบัติเรื่องการรักษาความปลอดภัยของระบบ AI ที่นำไปใช้อ้างอิงได้ ส่วนในไทยเองก็มีเอกสารให้เริ่มต้นได้หลายฉบับ ทั้งจากสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) และสำนักงานคณะกรรมการการรักษาความมั่นคงปลอดภัยไซเบอร์แห่งชาติ (สกมช.) ที่มีแนวทางด้านความปลอดภัยของ AI รวมถึงธนาคารแห่งประเทศไทย (ธปท.) ที่ออกแนวนโยบายเรื่องการบริหารจัดการความเสี่ยงของการใช้งานระบบปัญญาประดิษฐ์สำหรับผู้ให้บริการทางการเงินไว้แล้ว ข้อเสนอของคุณชัชวัฒน์ คือหยิบเอกสารเหล่านี้มาใช้เป็นฐานของนโยบายองค์กร เพื่อให้มีจุดเริ่มต้นก่อนเป็นอันดับแรก

ห้าคุณสมบัติของ AI ที่ไว้ใจได้ ซึ่ง KBTG ใช้เป็นเส้นวัดตั้งแต่ต้นทาง

จากมาตรฐานสากลสู่การลงมือทำจริง คุณชัชวัฒน์ อธิบายว่าสิ่งที่องค์กรต้องมีเป็นชิ้นแรกคือกรอบธรรมาภิบาล AI ที่ครอบคลุมสามส่วน ได้แก่หลักการ การกำกับดูแลและบริหารความเสี่ยง และวงจรชีวิตของ AI ตั้งแต่ต้นจนจบ โดยมีแนวคิด AI ที่มีความรับผิดชอบ (Responsible AI) เป็นตัวกำหนดคุณสมบัติที่ AI ทุกตัวในองค์กรต้องมี ไม่ว่าจะเป็น AI ที่นำมาใช้หรือ AI ที่พัฒนาขึ้นเอง

คุณสมบัติดังกล่าวมีห้าข้อ ซึ่งจับคู่กลับไปยังความเสี่ยงทั้งแปดข้อได้ทีละข้อ 

• เชื่อถือได้ (Reliable) 
• ปลอดภัย (Secure) 
• รับผิดรับชอบได้ (Accountable) 
• โปร่งใส (Transparency) 
• เป็นธรรมโดยไม่มีอคติ (Fair and Unbiased)

และเมื่อมีนโยบายแล้ว สิ่งที่ต้องมีต่อคือแนวปฏิบัติและกระบวนการที่ละเอียดกว่าตัวนโยบาย โดยคุณชัชวัฒน์ เสนอให้มององค์กรของ AI เหมือนวงจรการพัฒนาซอฟต์แวร์ (Software Development Lifecycle) ที่ต้องกำกับดูแลตั้งแต่วันเริ่มต้นจนถึงวันที่เลิกใช้แอปพลิเคชันนั้น

สามคำถามที่ต้องตอบ ก่อนปล่อยให้พนักงานเปิด Gen AI สาธารณะจากคอมพิวเตอร์บริษัท

ก่อนไปถึงวงจรการพัฒนา เรื่องที่ใกล้ตัวองค์กรมากที่สุดคือการใช้ AI ของพนักงาน ซึ่งคุณชัชวัฒน์ ย่อยเป็นสามคำถามง่าย ๆ คำถามแรกคือ

1. จะอนุญาตอะไร เพราะการเปิดให้เข้าถึง AI สาธารณะได้อย่างอิสระจากเครื่องขององค์กรที่มีข้อมูลอ่อนไหวอยู่ หมายความว่าทุกอย่างที่พนักงานพิมพ์ลงไปในคำสั่งจะไหลออกไปข้างนอกทั้งหมด ทางที่ควรทำจึงเป็นการเลือกว่าจะอนุญาต AI ตัวใดบ้างแบบมีขอบเขตและมีการควบคุมกำกับ
2. ใครควรมีสิทธิ์เข้าถึง พนักงานทุกคนหรือเฉพาะกลุ่มที่จำเป็นต้องใช้จริง คุณชัชวัฒน์ ระบุว่าคำตอบมีต้นทุนติดมาสองก้อน ทั้งค่าใบอนุญาตใช้งานหากให้ทุกคน และความเสี่ยงที่เพิ่มขึ้นตามจำนวนผู้ใช้ คำถามที่สามคือจะทำให้ปลอดภัยได้อย่างไร ซึ่งหมายถึงอุปกรณ์ที่ใช้งานต้องมีระบบป้องกันมัลแวร์และระบบป้องกันข้อมูลรั่วไหล (Data Leak Protection) ประกอบกันเป็นชุดเดียวกับการอนุญาต ไม่ใช่อนุญาตอย่างเดียว ถัดจากการควบคุมเชิงเทคนิคคือการให้ความรู้ผู้ใช้ว่าอะไรทำได้และอะไรทำไม่ได้ ซึ่งคุณชัชวัฒน์ ยกตัวอย่างข้อที่ KBTG กับธนาคารกสิกรไทยบังคับใช้จริง ข้อที่ต้องทำคือตรวจทานผลลัพธ์จาก Gen AI ก่อนนำไปใช้อย่างเป็นทางการ โดยเฉพาะงานเขียนโค้ดที่ทีม IT ใช้ผู้ช่วยเขียนโค้ด (Code Assistant) กันแล้ว เพราะไม่มีใครรู้คุณภาพและช่องโหว่ (Vulnerability) ของโค้ดที่ Gen AI สร้างขึ้น จึงต้องมีทั้งคนตรวจและเครื่องมือตรวจ
3. ส่วนข้อห้าม ข้อแรกคือไม่อนุญาตให้พนักงานติดตั้งโปรแกรม AI ลงบนเครื่องเอง โดยองค์กรบล็อกไว้เลย เพราะไม่มีทางรู้ว่าซอฟต์แวร์ที่ติดตั้งจะสร้างความเสี่ยงอะไรตามมา ข้อที่น่าสนใจกว่านั้นคือไม่อนุญาตให้ใช้อีเมลของบริษัทไปสมัครใช้งาน AI สาธารณะ เหตุผลที่คุณชัชวัฒน์ อธิบายคือชื่อโดเมนในอีเมลจะบอกผู้ให้บริการทันทีว่าผู้ใช้คนนี้มาจากองค์กรใด และเมื่อพนักงานพิมพ์คำสั่งหรืออัปโหลดข้อมูลอ่อนไหวขึ้นไป ข้อมูลนั้นจะถูกระบุแหล่งที่มาได้ว่าเป็นข้อมูลของบริษัท หากต้องการใช้ AI ในงานจริง ทางที่ถูกคือใช้ Enterprise License แทน

ขั้นตอนกำกับ AI ตั้งแต่ก่อนเริ่มโปรเจกต์ จนถึงวันที่ต้องปลดระวาง

การกำกับดูแลฝั่งการพัฒนา AI ขึ้นมาใช้เองหรือให้บริการลูกค้าเดินตามหกขั้นตอน 

เริ่มจากการวางแผนและเก็บความต้องการกับกรณีใช้งานจากผู้ใช้ ซึ่งคุณชัชวัฒน์ ระบุว่าเป็นด่านที่สำคัญกว่าที่หลายองค์กรคิด เพราะเมื่อทุกหน่วยงานอยากมี AI โครงการที่ผุดขึ้นมาอาจไม่คุ้มค่าใช้จ่าย และบางความต้องการของธุรกิจแก้ได้ด้วยการวิเคราะห์ข้อมูล (Data Analytics) เท่านั้น ไม่ต้องใช้ AI เลย โจทย์ของขั้นนี้จึงคือทำความเข้าใจว่าทำไมต้องเป็น AI และ AI ช่วยอะไรได้จริง

ขั้นต่อมาคือการทดลองแนวคิด (Proof of Concept หรือ POC) ที่ต้องระบุเกณฑ์ความสำเร็จให้วัดผลได้ตั้งแต่ต้น และต้องมีผู้ทำหน้าที่เป็นด่านตรวจขั้นสุดท้ายก่อนขยายการใช้งาน เมื่อผ่านด่านนั้นจึงเข้าสู่การนำขึ้นระบบจริงและติดตั้งใช้งาน ขั้นที่คุณชัชวัฒน์ ชี้ว่าสำคัญไม่แพ้กันคือการเฝ้าติดตามหลังเปิดใช้งาน โดยต้องติดตามอย่างน้อยสามเรื่อง คือประสิทธิภาพของโมเดลและความแม่นยำ ประสิทธิภาพของระบบ และพฤติกรรมของ AI เอง เพราะ AI เรียนรู้ได้ด้วยตัวเองและอาจแสดงพฤติกรรมต่างไปจากวันแรกที่ออกแบบไว้

ขั้นสุดท้ายที่มักถูกลืมคือการปลดระวาง เมื่อองค์กรเลิกใช้ AI ตัวใดต้องมีกระบวนการปลดระวางให้เรียบร้อย ไม่ใช่ปล่อยทิ้งไว้ในระบบไปเรื่อย ๆ

ลองเจาะโมเดลของตัวเองก่อนที่คนอื่นจะลงมือ ด้วย AI Red Teaming และเกราะหลายชั้น

ระหว่างขั้นตอนก่อนขึ้นระบบจริงกับขั้นตอนการเฝ้าติดตาม มีงานอีกชิ้นที่ต้องแทรกอยู่ตรงกลาง คือการประเมินสามด้าน ได้แก่ประสิทธิภาพของโมเดล ประสิทธิภาพของระบบ และ AI Red Teaming ซึ่งคุณชัชวัฒน์ อธิบายว่าเป็นการประเมินในมุมความมั่นคงปลอดภัยไซเบอร์ ด้วยการทดลองเจาะโมเดลของตัวเองว่าสามารถแทรกคำสั่งอันตราย เข้าไปได้หรือไม่ ถือเป็นการทดสอบความปลอดภัยก่อนของจริงจะมาถึง

การป้องกันโมเดลและ AI Agent ไม่มีวิธีเดียวที่เอาอยู่ทั้งหมด คุณชัชวัฒน์ จึงเสนอให้วางเป็นหลายชั้น ตั้งแต่ระบบ Guardrail การทำให้ System Prompt แข็งแรงขึ้น การให้สิทธิ์เท่าที่จำเป็น ไปจนถึงการจำกัด Output Truncation ทั้งหมดนี้เพื่อรับมือกับการแทรกคำสั่งอันตราย การป้อนข้อมูลปนเปื้อนเพื่อบิดเบือนโมเดล (Data Poisoning) และการปลดล็อกข้อจำกัดของโมเดล (Jailbreak) ที่เคยเป็นข่าวมาแล้วว่าทำให้โมเดลทำงานต่างไปจากที่ออกแบบไว้

AI Agent ที่ไม่มีทะเบียน ก็ไม่ต่างจากคนแปลกหน้าที่เดินเข้าออกองค์กรได้ทุกวัน

เมื่อขอบเขตขยับจากโมเดลไปถึง AI Agent ขั้นตอนที่คุณชัชวัฒน์ ระบุว่าสำคัญที่สุดคือการลงทะเบียน หากองค์กรเปิดให้พนักงานสร้าง Agent มาช่วยทำงานได้ องค์กรต้องมองเห็นให้ครบว่า Agent แต่ละตัวอยู่ที่ไหน ใครเป็นเจ้าของ ทำอะไรได้ และเข้าถึงข้อมูลชุดใดได้บ้าง มิฉะนั้นองค์กรจะมี Agent เกิดขึ้นเองอย่างอิสระโดยไม่มีใครรู้จำนวน

ภาพเปรียบเทียบที่คุณชัชวัฒน์ ใช้อธิบายคือการที่พนักงานคนหนึ่งพาคนนอกเข้ามาช่วยทำงานโดยไม่มีใครรู้ว่าเป็นใคร และคนคนนั้นเข้าถึงอะไรในองค์กรก็ได้ ซึ่งไม่มีองค์กรใดยอมรับได้ หลักการเดียวกันจึงต้องใช้กับ AI Agent คือต้องรู้ว่าใครเข้ามา ต้องลงทะเบียน และต้องกำหนดสิทธิ์การเข้าถึงให้เหมาะสม

ปลายทางของทั้งกระบวนการคือการเฝ้าสังเกตการทำงานของ AI หลังประเมินและวางเกราะเรียบร้อยแล้ว สิ่งที่ต้องติดตามต่อเนื่องมีทั้งอัตราความแม่นยำ เวลาตอบสนองตั้งแต่ต้นทางถึงปลายทาง ความพร้อมใช้งานของระบบ รวมถึงในมุมความมั่นคงปลอดภัยไซเบอร์คือจำนวนเหตุการณ์ผิดปกติที่เกิดขึ้น และพฤติกรรมของ AI ที่เปลี่ยนไปจากเดิม

อนาคตไม่ได้เป็นขององค์กรที่ใช้ AI เร็วที่สุด แต่เป็นขององค์กรที่กำกับดูแลมันได้

สิ่งที่ร้อยทุกหัวข้อของเซสชันนี้เข้าด้วยกันถูกสรุปไว้ในข้อคิดห้าข้อ 

1. AI พัฒนาเร็วกว่าเทคโนโลยีใดที่เคยมีมา
2. ยิ่ง AI ทำงานได้เองมากขึ้น ความไว้ใจและการกำกับดูแลยิ่งสำคัญมากขึ้นตามไปด้วย 
3. ความเสี่ยงของ AI ไม่ใช่ความเสี่ยงทางเทคโนโลยีอีกต่อไป แต่เป็นความเสี่ยงทางธุรกิจที่ผู้บริหารระดับสูงต้องรับรู้และร่วมถกกัน
4. ข้อที่สี่คือธรรมาภิบาลเป็นรากฐานที่ทำให้ AI ขององค์กรไว้ใจได้ 
5. การกำกับดูแลโดยมนุษย์ (Human Oversight) ยังจำเป็นอยู่กับกระบวนการที่สำคัญ ไม่ว่า AI จะทำงานได้เองมากแค่ไหนก็ยังต้องมีคนคอยกำกับ

ที่มา: เซสชัน 'AI with Accountability: Building Trust in the Intelligent Enterprise' บนเวที Techsauce Global Summit 2026

AXONS เดินหน้าพัฒนาเทคโนโลยีและนวัตกรรมดิจิทัลเพื่อยกระดับภาคเกษตรและอุตสาหกรรมอาหาร ล่าสุดได้รับ 2 รางวัลจากเวทีสำคัญ ได้แก่ Prime Minister’s Digital Awards 2025 สาขา Digital Organization of the Year ซึ่งจัดโดยสำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa) และ The Sauciest Tech Solution จากเวที Techsauce Awards 2026 ในหมวด Technology ประเภทองค์กร

ทั้งสองรางวัลสะท้อนถึงการนำเทคโนโลยีดิจิทัลมาประยุกต์ใช้กับการทำงานและภาคเกษตร โดยเน้นการนำข้อมูลมาใช้แก้ปัญหาและสนับสนุนการตัดสินใจ เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และสร้างผลลัพธ์ที่เกิดขึ้นจริง

สำหรับรางวัล Digital Organization of the Year เป็นรางวัลที่มอบให้แก่องค์กรที่สามารถนำเทคโนโลยีดิจิทัลมาใช้สร้างการเปลี่ยนแปลงภายในองค์กร พัฒนานวัตกรรมทางธุรกิจ และต่อยอดไปสู่การสร้างคุณค่าทางเศรษฐกิจและสังคมอย่างเป็นรูปธรรม

หนึ่งในผลงานสำคัญของ AXONS คือการนำเทคโนโลยีดิจิทัลเข้ามาเชื่อมโยงกับภาคเกษตรและอุตสาหกรรมอาหาร ผ่านการพัฒนาแพลตฟอร์มดิจิทัลที่ช่วยเปลี่ยนรูปแบบการบริหารจัดการ จากเดิมที่พึ่งพาประสบการณ์และแรงงานไปสู่การทำงานที่ขับเคลื่อนด้วยข้อมูล หรือ Data-Driven Decision Making

AXONS ผสานเทคโนโลยี IoT, AI/ML, Big Data และ Cloud Computing เข้ากับการดำเนินงานเพื่อให้สามารถนำข้อมูลมาใช้ประกอบการตัดสินใจได้อย่างแม่นยำมากขึ้น ช่วยลดความเสี่ยง ลดต้นทุนและเพิ่มประสิทธิภาพในการดำเนินงาน

นอกจากการพัฒนาองค์กรแล้ว AXONS ยังมุ่งสร้างคุณค่าตลอดห่วงโซ่อุปทาน โดยให้ความสำคัญกับการสร้างรากฐานที่ดีให้กับเกษตรกร คู่ค้า พันธมิตร และธุรกิจที่เกี่ยวข้อง ผ่านการพัฒนาโครงสร้างพื้นฐานดิจิทัลและระบบที่ช่วยให้เกษตรกรรายย่อยทั่วประเทศสามารถเข้าถึงแพลตฟอร์มดิจิทัลได้ในราคาที่เหมาะสม แนวทางดังกล่าวมีส่วนช่วยลดช่องว่างในการเข้าถึงเทคโนโลยี และสนับสนุนการยกระดับภาคเกษตรในภาพรวม

อีกหนึ่งรางวัลสำคัญคือ The Sauciest Tech Solution จากเวที Techsauce Awards 2026 ในหมวด Technology ประเภทองค์กร ซึ่งมอบให้กับโซลูชันด้านเทคโนโลยีที่มีความโดดเด่นด้านนวัตกรรม สามารถนำไปใช้ได้จริง สร้างผลลัพธ์ที่วัดได้ และมีศักยภาพในการขยายผลไปสู่อุตสาหกรรม

AXONS ได้รับรางวัลจากผลงาน AquaPro แพลตฟอร์มที่นำ IoT, Big Data และ AI มาประยุกต์ใช้กับการเลี้ยงกุ้ง เพื่อเปลี่ยนจากการบริหารจัดการที่อาศัยประสบการณ์และการเก็บข้อมูลแบบดั้งเดิม ไปสู่ Data-Driven Aquaculture

AquaPro ช่วยให้เกษตรกรมองเห็นข้อมูลจากฟาร์มและนำข้อมูลมาใช้ประกอบการตัดสินใจได้แม่นยำขึ้น โดยหนึ่งในเทคโนโลยีสำคัญคือด้วยเทคโนโลยี  AI ร่วมกับกล้องใต้น้ำที่ช่วยวิเคราะห์ขนาดกุ้งแบบเรียลไทม์ รวมถึงติดตามปริมาณอาหารเหลือทิ้ง

ข้อมูลเหล่านี้สามารถนำมาวิเคราะห์ต่อเพื่อช่วยประเมินช่วงเวลาที่เหมาะสมในการจับกุ้ง เพื่อให้ได้ผลตอบแทนที่ดีที่สุด ทำให้เทคโนโลยีไม่ได้ทำหน้าที่เพียงเก็บข้อมูล แต่สามารถนำข้อมูลจากหน้างานมาใช้แก้ปัญหาและสนับสนุนการตัดสินใจทางธุรกิจได้โดยตรง จากการนำโซลูชันไปใช้ส่งผลให้ฟาร์มสามารถลดต้นทุนการเลี้ยงกุ้ง ช่วยให้ขนาดกุ้งเฉลี่ยดีขึ้นและยังมีส่วนช่วยสร้างมูลค่าทางเศรษฐกิจให้กับประเทศ 

การพัฒนาเทคโนโลยีของ AXONS ไม่ได้จำกัดอยู่เฉพาะการเลี้ยงกุ้ง แต่ยังต่อยอดไปสู่การสร้างระบบนิเวศดิจิทัลสำหรับภาคเกษตรและอุตสาหกรรมอาหาร

หนึ่งในนั้นคือ FarmOne แพลตฟอร์มดิจิทัลสำหรับเกษตรกรผู้ปลูกพืชไร่ที่นำเทคโนโลยีและข้อมูลมาใช้ในการบริหารจัดการฟาร์ม เพิ่มประสิทธิภาพการทำงาน และช่วยให้เกษตรกรเข้าถึงเทคโนโลยีได้ง่ายขึ้นและเหมาะกับการใช้งานจริง

ด้านความยั่งยืน AXONS พัฒนา AXONS Trace ระบบตรวจสอบย้อนกลับอาหารปลอดภัยด้วยเทคโนโลยี Blockchain และ Smart Sourcing ซึ่งใช้ข้อมูลจากดาวเทียมเพื่อตรวจจับพื้นที่เผาป่า โดยมีเป้าหมายสู่ Zero Deforestation 100% นอกจากนี้ AXONS ยังมุ่งพัฒนาสู่ Open Platform เพื่อขยายระบบไปสู่สาธารณะและสร้าง Digital Knowledge Infrastructure ที่สามารถนำไปใช้ต่อยอดในวงกว้าง พร้อมสนับสนุนเป้าหมายด้านเศรษฐกิจและ Net Zero Emissions

การได้รับ 2 รางวัลจากทั้ง Prime Minister’s Digital Awards 2025 และ Techsauce Awards 2026 สะท้อนแนวทางของ AXONS ที่นำเทคโนโลยีมาใช้กับปัญหาจริงในภาคเกษตรและอุตสาหกรรมอาหาร หัวใจสำคัญจึงไม่ได้อยู่ที่การพัฒนาเทคโนโลยีที่มีความซับซ้อนเพียงอย่างเดียว แต่คือการทำให้เทคโนโลยีนำไปใช้ได้จริง สร้างผลลัพธ์ที่วัดได้ และช่วยให้เกษตรกรและธุรกิจสามารถนำข้อมูลมาใช้ลดต้นทุน เพิ่มประสิทธิภาพ และตัดสินใจได้ดีขึ้น แนวทางนี้เป็นส่วนหนึ่งของการผลักดันภาคเกษตรจากการพึ่งพาประสบการณ์เดิมไปสู่ Data-Driven Agriculture พร้อมต่อยอดเทคโนโลยีเพื่อเพิ่มขีดความสามารถในการแข่งขันและสนับสนุนการเติบโตของอุตสาหกรรมเกษตรและอาหารไทยอย่างยั่งยืน

ตลอดงาน ผู้ก่อตั้งแต่ละทีมขึ้นเวทีเพื่อเล่าให้ฟังว่ากำลังสร้างอะไร เพราะอะไรถึงสำคัญ และก้าวต่อไปจะไปทางไหน สั้น กระชับ แต่แน่นด้วยข้อมูลและวิสัยทัศน์

เวทีที่รวมพลัง Ecosystem ไว้ในที่เดียว

Demo Day ครั้งนี้เป็นภาพสะท้อนชัดเจนว่าการเติบโตของสตาร์ทอัพไม่ได้อาศัยเงินทุนเพียงอย่างเดียว แต่เกิดจากความร่วมมือของทุกภาคส่วนใน Ecosystem ผ่านพันธมิตรอย่าง LINE SCALE UP, A2D Ventures, ExpresSo NB, depa และ InnoSpace (Thailand) ที่แต่ละฝ่ายเติมเต็มกันคนละมุม ตั้งแต่เทคโนโลยีและช่องทางการเข้าถึงผู้ใช้งานจาก LINE, เครือข่ายนักลงทุนจาก A2D Ventures, การสนับสนุนด้าน Venture Building จาก ExpresSo NB, แรงหนุนจากภาครัฐผ่าน depa ไปจนถึงการเชื่อมโยงโอกาสทางธุรกิจจาก InnoSpace (Thailand)

นี่คือเหตุผลที่ Venture Spark ไม่ได้เป็นเพียง Accelerator แต่เป็น Ecosystem Connector  พื้นที่ที่ผู้ก่อตั้ง นักลงทุน บริษัทขนาดใหญ่ และภาครัฐ มาเจอกันเพื่อสร้างโอกาสทางธุรกิจที่เกิดขึ้นจริง

เวทีที่รวมพลัง Ecosystem ไว้ในที่เดียว

ความหลากหลายของอุตสาหกรรมในปีนี้สะท้อนว่าสตาร์ทอัพไทยกำลังเข้าไปแก้ปัญหาในแทบทุกมิติของชีวิต ตั้งแต่ AI, Health Tech, Food Tech, Mobility ไปจนถึง Industrial Technology:

• Orbital  – เมาส์เกมมิ่งที่ปรับรูปทรงให้เข้ากับมือผู้เล่นได้กว่า 5,000 แบบ จากตลาดเกมมิ่งเกียร์มูลค่า 6 พันล้านดอลลาร์
• Beez – แพลตฟอร์มที่แปลงเทคโนโลยีลดคาร์บอนในอาคารให้กลายเป็นผลิตภัณฑ์ทางการเงิน เชื่อมกับ Green Fund โดยตรง
• MotionReach – มีเดียโฆษณาบนยานพาหนะที่วัดผลได้แบบออนไลน์ ปิดช่องว่างมูลค่า 4 พันล้านดอลลาร์ในตลาดโฆษณาออฟไลน์ของเอเชียตะวันออกเฉียงใต้
• Data Glass – ผู้ช่วย AI ที่บอกผู้ขายอีคอมเมิร์ซว่าต้องทำอะไรต่อเพื่อเพิ่มกำไร ไม่ใช่แค่โชว์แดชบอร์ด
• Foo-D  – แพลตฟอร์มค้นหาเมนูอาหารระดับ "จานต่อจาน" ผ่านวิดีโอ แก้ปัญหาการเลือกไม่ถูกของนักชิม
• FynTune – ตัวช่วย AI ด้าน Compliance ที่ทำให้ธุรกิจไทยจัดการเอกสารกฎระเบียบได้เองโดยไม่ต้องพึ่งที่ปรึกษาราคาแพง
• Vein – มาร์เก็ตเพลสจับคู่บุคลากรทางการแพทย์ที่ผ่านการตรวจสอบกับคลินิกและโรงพยาบาลที่ขาดกำลังคนในกะทำงาน
• Wello  – เปลี่ยนแผนโภชนาการทางการแพทย์ให้กลายเป็นมื้ออาหารจริงที่ผู้ป่วยโรคไตทานได้อร่อยและปลอดภัย
• Molly Ally – เจลาโต้จากพืชแบบพรีเมียมที่ไม่ต้องแลกรสชาติกับสุขภาพ ตอบโจทย์กลุ่มคนกว่า 5 พันล้านคนทั่วโลกที่มีข้อจำกัดด้านสุขภาพ ทั้งแพ้แลคโตส เบาหวาน และโรคอ้วน
• Artimed – หุ่นจำลองผิวหนังสำหรับฝึกแทงเข็มที่สมจริงระดับใกล้เคียงผิวมนุษย์ แก้ปัญหาการฝึกนักศึกษาแพทย์
• Groubshift – เปลี่ยนข้อมูลที่กระจัดกระจายของภาคอุตสาหกรรมให้กลายเป็น Business Intelligence ที่บอกได้ว่าจะลดต้นทุนและคาร์บอนตรงไหน
• Pattagu – แอปพลิเคชันบันทึกสุขภาพสัตว์เลี้ยงและติดตามสัตว์หาย รองรับกฎหมายไมโครชิพในกรุงเทพฯ
• Floaino – แพลตฟอร์มสอน Physical AI และ IoT แบบลากวางไม่ต้องเขียนโค้ด เตรียมความพร้อมเด็กและวัยทำงานสู่ตลาดแรงงานยุค AI
• Locol – แปลงเปลือกโกโก้เหลือทิ้งให้เป็นอาหารเสริมโคที่ลดมีเทนได้กว่า 44.5% พร้อมสร้างรายได้เพิ่มให้เกษตรกรๅ

แต่ละทีมไม่ได้มาแค่เล่าไอเดีย หลายทีมมีรายได้จริงแล้ว และบางทีมก็มีลูกค้าอยู่ในต่างประเทศ สะท้อนว่า Cohort 2 นี้คือกลุ่มสตาร์ทอัพที่ผ่านการพิสูจน์โมเดลธุรกิจมาแล้วในระดับหนึ่ง ไม่ใช่แค่ไอเดียตั้งต้น

จุดเริ่มต้น ไม่ใช่จุดสิ้นสุด

สิ่งที่ Demo Day ครั้งนี้ต้องการสื่อสารไม่ใช่ "การจบโครงการ" แต่คือ "จุดเริ่มต้นของโอกาสใหม่" หลังผ่านการบ่มเพาะ ผู้ก่อตั้งแต่ละทีมจะได้พบกับนักลงทุน ลูกค้าศักยภาพ และพันธมิตรองค์กรขนาดใหญ่ ที่จะช่วยเปิดประตูสู่การขยายธุรกิจทั้งในและต่างประเทศต่อไป

นี่คือโมเดลการพัฒนาสตาร์ทอัพที่ครบวงจรมากขึ้น ผสานทั้งการพัฒนาศักยภาพผู้ก่อตั้งและการเชื่อมต่อกับนักลงทุนจาก Venture Spark และ A2D Ventures, เทคโนโลยีและ Distribution Ecosystem จาก LINE, การสนับสนุนด้าน Venture Building จาก ExpresSo NB, แรงหนุนจากภาครัฐผ่าน depa และการเชื่อมโยงโอกาสทางธุรกิจจาก InnoSpace (Thailand) เข้าไว้ด้วยกันอย่างเป็นระบบ

ประเทศไทยมีสตาร์ทอัพที่น่าจับตามอง และ Venture Spark กำลังนำผู้เล่นสำคัญใน Ecosystem มารวมกันเพื่อสร้างโอกาสให้ผู้ก่อตั้งเหล่านี้เติบโตได้ไกลยิ่งขึ้น

ท่ามกลางบทสนทนาเรื่องธุรกิจ เทคโนโลยี และการเปลี่ยนแปลงที่เกิดขึ้นอย่างรวดเร็วบนเวที Techsauce Global Summit 2026 คุณมาริษา เจียรวนนท์ ชวนผู้ฟังถอยออกมามองอีกด้านหนึ่งของอนาคต ผ่านหัวข้อ "Marisa Chearavanont: The New Models for Philanthropy"

คุณมาริษาชวนทุกคนมองออกไปไกลกว่าเรื่องธุรกิจและนวัตกรรม แล้วกลับมาทบทวนว่า ในโลกที่ AI กำลังเร่งความเร็วของทุกสิ่ง เราจะใช้ทรัพยากร ความเชี่ยวชาญ และอิทธิพลที่มี เพื่อสร้างคุณค่าให้สังคมอย่างยั่งยืนได้อย่างไร

ก่อนเริ่มเล่าถึงเส้นทางการทำงานด้านการกุศล คุณมาริษาทิ้งประโยคหนึ่งไว้ให้ผู้ฟังได้คิดตาม

In the age of AI, our greatest responsibility is to remain deeply human.

สำหรับคุณมาริษา ยิ่งเทคโนโลยีพัฒนาไปไกลเท่าไร มนุษย์ยิ่งต้องรักษาความเห็นอกเห็นใจ ความรับผิดชอบ และสมดุลระหว่างความก้าวหน้ากับการดูแลผู้คนเอาไว้ เพราะเทคโนโลยีอาจช่วยกำหนดทิศทางของอนาคต แต่ความเป็นมนุษย์จะเป็นสิ่งที่นำทางว่า เราควรใช้ความก้าวหน้านั้นอย่างไร

โมเดลใหม่ของการกุศลไม่ได้วัดจากจำนวนเงินบริจาคหรือจำนวนโครงการที่เกิดขึ้นเท่านั้น หัวใจสำคัญคือการทำให้ผู้คนยืนได้ด้วยตัวเอง พร้อมสร้างระบบที่ทำให้ความช่วยเหลือเดินหน้าต่อไปได้ในระยะยาว

เมื่อความกตัญญูนำไปสู่การลงมือทำ

เมื่อถูกถามว่าเส้นทางด้านการกุศลเริ่มต้นจากอะไร คุณมาริษาตอบว่า จุดเริ่มต้นของเธอคือ 'ความกตัญญู'

ความกตัญญูในความหมายของเธอคือการตระหนักว่า ตลอดชีวิตเราได้รับโอกาสจากครอบครัว การศึกษา และความเมตตาจากผู้คนรอบตัวมากเพียงใด เมื่อมองเห็นสิ่งเหล่านี้ชัดเจน ความรู้สึกขอบคุณจึงควรนำไปสู่การลงมือทำเพื่อส่งต่อโอกาสให้ผู้อื่น

ในปี 2007 คุณมาริษาและลูกสาว ซึ่งขณะนั้นมีอายุเพียง 16 ปี ร่วมกันก่อตั้ง Build Foundation เพื่อพัฒนาการศึกษาและสภาพแวดล้อมการเรียนรู้ในชุมชนห่างไกลของประเทศไทย โดยเฉพาะชุมชนกลุ่มชาติพันธุ์บนพื้นที่สูง

ครอบครัวของเธอเดินทางไปยังชุมชนห่างไกล ตั้งแต่พื้นที่สูงทางภาคเหนือไปจนถึงเกาะในภาคใต้ ช่วยสร้างอาคารเรียน ติดตั้งพลังงานแสงอาทิตย์ และนำระบบโทรทัศน์ผ่านดาวเทียมเข้าไปเชื่อมเด็ก ๆ กับโลกภายนอก

สิ่งที่คุณมาริษาได้เรียนรู้คือ การเปลี่ยนแปลงที่มีความหมายไม่ได้เริ่มจากการที่คนภายนอกเข้าไปตัดสินว่าอะไรดีที่สุดสำหรับชุมชน แต่เริ่มจากการรับฟัง ทำความเข้าใจความต้องการจากมุมมองของคนในพื้นที่ และช่วยให้พวกเขาสร้างอนาคตที่ตัวเองให้คุณค่า

เมื่อการศึกษาไม่ได้จบอยู่ที่ใบปริญญา

เมื่อ AI และความเปลี่ยนแปลงระดับโลกเข้ามามีบทบาทมากขึ้น โจทย์ด้านการศึกษาของ Build Foundation ก็เปลี่ยนตามไปด้วย การศึกษาวันนี้ไม่ได้จบอยู่ที่การได้รับวุฒิการศึกษา แต่ต้องช่วยให้ผู้เรียนมีทักษะ ความสามารถในการปรับตัว และความมั่นใจที่จะรับมือกับโลกที่เปลี่ยนแปลงตลอดเวลา

แนวคิดนี้นำไปสู่การสร้าง Build Skills Lab ที่โรงเรียนบ้านบัวสี เขาใหญ่ พื้นที่เรียนรู้ซึ่งเปิดให้เด็ก ครู ผู้ปกครอง และผู้สูงอายุในชุมชนพัฒนาทักษะร่วมกัน ตั้งแต่การทำอาหาร การเป็นผู้ประกอบการ ไปจนถึง AI และ Digital Literacy

โมเดลนี้สะท้อนการเปลี่ยนบทบาทของงานการกุศล จากการนำทรัพยากรเข้าไปช่วยเหลือ สู่การสร้างพื้นที่ที่ทำให้คนในชุมชนสามารถเรียนรู้ ปรับตัว และต่อยอดศักยภาพของตัวเองได้ในระยะยาว

จากมื้ออาหารในช่วงวิกฤต สู่การให้ที่เกิดขึ้นได้ทุกวัน

คำถามเรื่องความยั่งยืนชัดเจนขึ้นในช่วง COVID-19 เมื่อประเทศไทยเผชิญทั้งวิกฤตสาธารณสุขและเศรษฐกิจ คุณมาริษาจึงชักชวนเชฟชั้นนำ ซึ่งหลายคนมาจากร้านระดับมิชลินและได้รับผลกระทบจากมาตรการล็อกดาวน์ มาร่วมภารกิจ “ทำอาหาร ดูแล และสนับสนุน”

ทีมงานจัดส่งอาหารที่มีคุณค่าทางโภชนาการให้บุคลากรทางการแพทย์ในโรงพยาบาลรัฐ พร้อมแนบภาพเชฟและข้อความขอบคุณไว้ในแต่ละกล่อง จากภารกิจเฉพาะหน้า โครงการขยายจนมีเชฟมากกว่า 75 คนและอาสาสมัครอีกหลายร้อยคน ก่อนพัฒนาเป็น Chef Cares Foundation เพื่อสานต่อความร่วมมือหลังวิกฤต

ประสบการณ์นี้ทำให้คุณมาริษาตั้งคำถามว่า จะทำอย่างไรให้การกุศลไม่จบลงพร้อมการให้เพียงครั้งเดียว แต่สามารถสร้างรายได้เพื่อขับเคลื่อนพันธกิจต่อไปได้

คำตอบคือ Chef Cares Ready-to-Eat Meals อาหารพร้อมรับประทานที่นำจุดแข็งของแต่ละฝ่ายมารวมกัน โดยเชฟบริจาคสูตร บริษัท เจริญโภคภัณฑ์อาหาร จำกัด (มหาชน) ดูแลการผลิต และ 7-Eleven ประเทศไทยรับผิดชอบการจัดจำหน่ายทั่วประเทศ

ผลิตภัณฑ์มีทั้งเมนูไทยและนานาชาติ โดยคำนึงถึงรสชาติและโภชนาการ มีโปรตีนสูง ลดน้ำตาล ไขมัน และคอเลสเตอรอล รวมถึงไม่ใส่ผงชูรส วางจำหน่ายในราคา 49–69 บาท ผ่านร้าน 7-Eleven ประมาณ 15,000 สาขา ปัจจุบันขายไปแล้วมากกว่า 35 ล้านมื้อ และนำกำไรทั้งหมดกลับไปสนับสนุนกิจกรรมเพื่อสังคม

การซื้ออาหารหนึ่งมื้อจึงกลายเป็นส่วนหนึ่งของระบบการให้ที่เกิดขึ้นได้ในชีวิตประจำวัน นอกจากนี้ Chef Cares ยังร่วมมือกับ UNICEF สนับสนุนความรู้ด้านโภชนาการสำหรับเด็กในเอเชีย และใช้วัฒนธรรมอาหารเชื่อมโยงประเทศไทยกับเวทีโลก โดยในปี 2023 ได้ร่วมจัดงานเลี้ยงอาหารกลางวันอย่างเป็นทางการของไทยในช่วงการประชุม World Economic Forum ที่เมืองดาวอส ซึ่งมีผู้นำและผู้เข้าร่วมงานมากกว่า 1,000 คน

โอกาสครั้งที่สองที่มากกว่าการฝึกอาชีพ

ในบรรดาโครงการทั้งหมดภายใต้ Chef Cares โครงการที่อยู่ใกล้หัวใจของคุณมาริษามากที่สุดคือ Chef Cares Dream Academy โครงการนี้มอบทุนการศึกษาและการดูแลจากเมนเทอร์ด้านอาหารให้แก่เยาวชนด้อยโอกาส รวมถึงเยาวชนที่เคยเข้าสู่กระบวนการยุติธรรม เพื่อเปิดโอกาสให้พวกเขาเริ่มต้นชีวิตใหม่ผ่านอาชีพในครัว

ผู้เข้าร่วมต้องผ่านการฝึกทำอาหารอย่างเข้มข้นเป็นเวลา 3 เดือน ควบคู่กับการให้คำปรึกษาด้านสุขภาพจิต การโค้ชชีวิต การแนะแนวอาชีพ และการเรียนภาษาอังกฤษ ก่อนเข้าสู่การฝึกงานในครัวของร้านอาหารระดับมิชลินอีก 6 เดือน

ผู้ที่สำเร็จหลักสูตรจะได้รับโอกาสทำงานเต็มเวลาในร้านอาหารระดับมิชลินหรือร้านอาหารชั้นนำ ปัจจุบันผู้สำเร็จหลักสูตรทุกคนมีงานทำ โดยส่วนใหญ่ทำงานในร้านระดับมิชลิน ขณะที่บางคนกำลังสร้างเส้นทางอาชีพของตัวเอง

ความร่วมมือกับกระทรวงยุติธรรมยังเปิดทางให้เยาวชนในกระบวนการยุติธรรมที่สำเร็จหลักสูตรสามารถได้รับการยกเว้นโทษส่วนที่เหลือและล้างประวัติอาชญากรรมตามเงื่อนไขของโครงการ

พวกเขาจึงได้รับมากกว่าทักษะการทำอาหาร เพราะระบบสนับสนุนครอบคลุมทั้งสุขภาพจิต ภาษา โอกาสในการทำงาน และข้อจำกัดที่อาจขัดขวางการกลับเข้าสู่สังคม เป็นการมอบ “หน้ากระดาษเปล่า” ให้พวกเขาได้เริ่มต้นชีวิตอีกครั้งอย่างแท้จริง

Art Sharing เมื่อศิลปะเป็นของทุกคน

อีกด้านหนึ่งของเส้นทางการให้ของคุณมาริษาเชื่อมโยงกับความสนใจด้านศิลปะ หลังใช้ชีวิตในฮ่องกงเป็นเวลา 21 ปี ในช่วงที่เมืองกำลังก้าวขึ้นเป็นศูนย์กลางศิลปะร่วมสมัยของเอเชีย คุณมาริษาต้องการนำประสบการณ์กลับมามีส่วนช่วยพัฒนาระบบนิเวศศิลปะร่วมสมัยในประเทศไทย

คุณมาริษาเรียกแนวทางนี้ว่า Art Sharing เพราะเชื่อว่าศิลปะควรเปิดกว้างสำหรับทุกคน และไม่ควรถูกจำกัดอยู่เฉพาะในกลุ่มนักสะสมหรือสถาบันศิลปะ แนวคิดดังกล่าวนำไปสู่การก่อตั้งสถาบันศิลปะสองแห่ง ได้แก่ Bangkok Kunsthalle ในย่านเยาวราชเมื่อปี 2024 และ Khao Yai Art Forest ท่ามกลางธรรมชาติของเขาใหญ่ในปี 2025

Bangkok Kunsthalle ตั้งอยู่ในอาคารโรงพิมพ์เก่าของไทยวัฒนาพานิช ซึ่งถูกทิ้งร้างหลังเกิดเพลิงไหม้เมื่อกว่า 20 ปีก่อน ทีมงานเลือกใช้ศิลปะหลากหลายแขนงเข้ามาเยียวยาพื้นที่ ให้ชีวิตใหม่แก่อาคาร พร้อมเก็บรักษาความทรงจำที่ยังอยู่ภายใน ปัจจุบันพื้นที่แห่งนี้เปิดให้ทุกคนเข้าชมโดยไม่มีค่าใช้จ่าย

ส่วน Khao Yai Art Forest เริ่มต้นจากพื้นที่กว่า 200 ไร่ ซึ่งเคยเผชิญการทำลายป่าและความเสื่อมโทรมมานานหลายทศวรรษ ศิลปินจากหลายประเทศได้รับเชิญให้สร้างผลงานด้วยวัสดุที่พบในพื้นที่ ทำให้ธรรมชาติเป็นทั้งวัสดุและผู้ร่วมสร้างสรรค์ ผลงานแต่ละชิ้นจึงเติบโตและเปลี่ยนแปลงไปพร้อมกับระบบนิเวศรอบตัว

สิ่งที่คุณมาริษาได้เรียนรู้คือ เมื่อมนุษย์ฟื้นฟูธรรมชาติ ธรรมชาติก็ช่วยเยียวยามนุษย์กลับมา และเมื่อระบบนิเวศค่อย ๆ คืนสู่สมดุล ผู้คนก็มีโอกาสฟื้นฟูสมดุลภายในตัวเองไปพร้อมกัน

จาก 'ผู้ให้' สู่ 'ผู้สร้างระบบนิเวศ'

คุณมาริษาปิดท้าย Session ด้วยการกล่าวถึงภูฏาน ประเทศที่ใช้ Gross National Happiness หรือ GNH เป็นอีกหนึ่งกรอบในการพิจารณาความก้าวหน้าควบคู่กับ GDP แนวคิดนี้สะท้อนว่า ความก้าวหน้าไม่ควรวัดจากสิ่งที่เราสะสมได้เพียงอย่างเดียว แต่รวมถึงวิธีที่เราใช้ชีวิต ค้นหาความสุข และดูแลผู้คนรอบตัว

สำหรับประเทศไทย ค่านิยมเรื่อง “คนไทยมีน้ำใจ ชอบทำบุญ” ถือเป็นรากฐานสำคัญที่สามารถนำไปต่อยอดได้ แต่การให้ในโลกปัจจุบันต้องไปไกลกว่าการบริจาคหรือช่วยเหลือเป็นครั้งคราว

การกุศลอาจเริ่มจากการช่วยให้คนมีทักษะ ความมั่นใจ และโอกาสจนพึ่งพาตัวเองได้ ก่อนที่พวกเขาจะส่งต่อโอกาสให้ผู้อื่น หรืออยู่ในรูปของมูลนิธิและกิจการเพื่อสังคมที่นำทรัพยากร ความเชี่ยวชาญ และเครือข่ายจากหลายภาคส่วนมารวมกัน เพื่อสร้างผลกระทบที่ดำเนินต่อไปได้ในระยะยาว

บทบาทของนักการกุศลยุคใหม่จึงไม่ได้จำกัดอยู่ที่การเป็นผู้ให้ แต่ต้องทำหน้าที่เป็นทั้ง ผู้เปิดโอกาส ผู้เชื่อมโยง และผู้สร้างระบบนิเวศ ที่ช่วยให้คนสามารถกำหนดอนาคตของตัวเอง พร้อมสร้างโอกาสใหม่ให้ผู้อื่นต่อไป

ในวันที่ AI กำลังเปิดความเป็นไปได้ใหม่ให้มนุษย์อย่างมหาศาล เทคโนโลยีอาจมีส่วนกำหนดว่าโลกจะเดินไปในทิศทางใด แต่สิ่งที่จะช่วยรักษาสมดุลของความก้าวหน้านั้น คือความเห็นอกเห็นใจ สติปัญญาของมนุษย์ และความรับผิดชอบต่อสังคม

ไม่ว่าเทคโนโลยีจะพาโลกไปไกลเพียงใด หน้าที่สำคัญที่สุดของมนุษย์ยังคงเป็นการรักษาความเป็นมนุษย์เอาไว้ให้ได้

ปัจจุบัน องค์กรในอาเซียนกว่า 80% นำ AI มาใช้งานแล้ว แต่ผลวิจัยล่าสุดกลับพบเรื่องน่าตกใจ: มีเพียงไม่ถึง 10% เท่านั้นที่ประสบความสำเร็จจนเกิดผลลัพธ์ทางธุรกิจจริง ยิ่งทุ่มเงินซื้อเทคโนโลยีล้ำสมัย ผลตอบแทนยิ่งเหลื่อมล้ำกับสิ่งที่จ่ายไป

ปัญหาไม่ได้อยู่ที่ตัว AI แต่เกิดจากวิธีคิดและกระบวนการของผู้บริหารและคนทำงานที่กำลังกลายเป็นตัวถ่วง ถอดรหัส 5 หลุมพรางสำคัญที่ต้องรีบปรับ ก่อนที่งบ AI จะกลายเป็นเงินละลายแม่น้ำ

1. กับดักของการปรับเล็ก ที่ไม่มีวันสร้างความเปลี่ยนแปลง

ความผิดพลาดประการแรกที่หลายองค์กรกำลังเผชิญ คือการนำ AI ไปแทรกไว้ในกระบวนการทำงานแบบเดิม ๆ โดยไม่เคยคิดจะตั้งคำถามกับโครงสร้างทั้งหมด ลองมองตัวอย่างง่าย ๆ ในแผนกบัญชีและการเงิน

บริษัทส่วนใหญ่มักเริ่มต้นด้วยการใช้ AI เข้ามาช่วยอ่านเอกสาร ช่วยจับคู่ใบแจ้งหนี้ หรือตรวจทานตัวเลข ซึ่งถามว่าได้ประโยชน์ไหม? คำตอบคือได้ แต่มันเป็นเพียงการเซฟเวลาเล็ก ๆ น้อย ๆ ระดับนาทีหรือชั่วโมงให้พนักงานบางคน การทำแบบนี้เรียกว่าเป็นเพียง Redesign (การปรับแต่ง) งานเดิมให้เร็วขึ้นนิดหน่อย แต่โครงสร้างการทำงานยังคงเหมือนเดิมทุกประการ

หากเขยิบขึ้นมาอีกขั้น บางบริษัทอาจเริ่มทำ Reengineering (การปรับปรุงกระบวนการ) โดยนำ AI มาเชื่อมโยงระบบจัดซื้อจัดจ้างเข้ากับการชำระเงิน ซึ่งช่วยเรื่องเงินทุนหมุนเวียนได้ดีขึ้น แต่ผลลัพธ์ก็ยังคงกระจุกตัวอยู่แค่ในฝั่งการเงินเท่านั้น

แต่สิ่งที่องค์กรยุคนี้ต้องการจริง ๆ คือ Reinvent (การสร้างกระบวนการใหม่) ลองเปลี่ยนมุมมองใหม่ว่า ในระบบบัญชีนั้นเต็มไปด้วยข้อมูลซัพพลายเออร์นับล้านจุด ข้อมูลเหล่านั้นไม่ใช่แค่เรื่องการจ่ายเงิน แต่คือสัญญาณเตือนภัยของ Supply Chain หากเรารวบรวมข้อมูลใบเสร็จทั้งหมดมาวิเคราะห์ร่วมกัน เราจะเห็นทันทีว่าซัพพลายเออร์เริ่มมีการปรับราคาเนียน ๆ ตรงไหนบ้าง หรือเริ่มมีความเสี่ยงในการส่งมอบสินค้าอย่างไร นี่คือความแตกต่างระหว่างการใช้ AI แบบแก้ขัด กับการใช้ AI เพื่อพลิกเกมธุรกิจ

2. พนักงานขวัญเสีย และการทลายกำแพงความกลัว

การนำเทคโนโลยีมาติดตั้งนั้นเป็นเรื่องง่าย แต่การทำให้คนยอมใช้งานอย่างเต็มใจและถูกต้องกลับเป็นเรื่องที่ยากกว่าหลายเท่า ปัญหาใหญ่ในปัจจุบันคือ องค์กรส่วนใหญ่ขาดสิ่งที่เรียกว่า AI Literacy หรือความเข้าใจในเทคโนโลยีอย่างแท้จริง เรามักมอง AI เป็นเหมือนโปรแกรมคอมพิวเตอร์ตัวหนึ่ง ทั้งที่ในความเป็นจริง AI คือ ทักษะใหม่ ที่พนักงานทุกคนต้องเรียนรู้เหมือนกับการฝึกอ่านเขียน

ยิ่งไปกว่านั้น กระแสข่าวเรื่อง AI จะมาแย่งงาน ยิ่งสร้างความระส่ำระสายและความกลัวภายในจิตใจของพนักงาน ส่งผลให้เกิดแรงต้านเงียบ คนไม่กล้าทดลองใช้เพราะกลัวว่าวันหนึ่งเทคโนโลยีนี้จะมาแทนที่ตัวเอง

สิ่งที่องค์กรต้องทำอย่างเร่งด่วน คือการเปลี่ยนโครงสร้างบุคลากรใหม่ ทลายกำแพงระหว่างแผนก เช่น ทำให้ทีม Supply Chain และทีมบัญชีทำงานร่วมกันเป็นทีมข้ามสายงาน พร้อมทั้งสร้างสภาพแวดล้อมที่ปลอดภัย เพื่อให้พนักงานรู้สึกว่า AI ถูกนำเข้ามาเพื่อเสริมพลัง ไม่ใช่เพื่อทดแทนตัวเขา

3. สับสนในหน้าที่ และภาวะสุญญากาศของผู้นำ

อีกหนึ่งเหตุผลที่ทำให้โครงการ AI ในหลายบริษัทเดินไปแบบไม่มีทิศทาง คือการขาด Top-down Mandate หรือการชี้ขาดจากผู้บริหารระดับสูงอย่างแท้จริง

เนื่องจาก AI เป็นเทคโนโลยีที่ใคร ๆ ก็เข้าถึงได้ ความสับสนจึงเกิดขึ้นทันทีในระดับ C-Suite คำถามคือ ใครควรเป็นเจ้าของ AI ในบริษัท? ฝ่าย IT มองว่าเป็นหน้าที่ของตน ในขณะที่หัวหน้าฝ่ายการตลาด ฝ่ายขาย หรือฝ่ายบุคคล ก็ต่างคนต่างซื้อซอฟต์แวร์ AI มาทดลองใช้ในแผนกของตัวเอง ผลลัพธ์ที่ตามมาคือความซ้ำซ้อน ความไม่เข้ากันของข้อมูล และวิสัยทัศน์ที่กระจัดกระจาย

องค์กรที่ประสบความสำเร็จในการใช้ AI ระดับโลก อย่าง JP Morgan หรือ DBS Bank สิ่งหนึ่งที่เหมือนกันคือ ตัว CEO เป็นผู้ลงมาชี้ขาดและขับเคลื่อนด้วยตัวเอง ผู้นำต้องสร้างกติกาที่ชัดเจน มีกรอบธรรมมาภิบาล (Responsible AI) และการบริหารจัดการความปลอดภัยของข้อมูล (Data Sovereignty) เพื่อให้ทุกคนมองเห็นภาพเป้าหมายเดียวกัน ไม่ใช่ปล่อยให้แต่ละแผนกต่างคนต่างวิ่งจนชนกันเอง

4. ใจร้อนเกินไป และการคาดหวังความสมบูรณ์แบบตั้งแต่วันแรก

สิ่งหนึ่งที่แปลกประหลาดมากในโลกธุรกิจ คือเวลาที่เราเอารับพนักงานใหม่เข้ามาทำงาน เรามักจะมีระยะเวลาทดลองงาน หรือให้เวลาเขาปรับตัว 3 ถึง 6 เดือนเพื่อเรียนรู้นโยบายและวัฒนธรรมขององค์กร แต่เมื่อเป็นเรื่องของ AI เรากลับคาดหวังให้มันทำงานได้ถูกต้อง 100% สมบูรณ์แบบตั้งแต่วันแรก

นี่คือการตกหลุมพรางทางความคิดอย่างรุนแรง เพราะ AI โมเดลทั่วไปในตลาด เก่งเรื่องทั่ว ๆ ไป แต่พวกมันไม่รู้จักบริบทของบริษัทคุณ นโยบายและขั้นตอนการทำงานส่วนใหญ่ขององค์กรถูกเขียนขึ้นมาเพื่อให้มนุษย์อ่าน เมื่อนำไปใส่ให้ AI อ่านในช่วงแรก จึงไม่แปลกเลยที่จะเกิดความผิดพลาดหรือได้ผลลัพธ์ที่ไม่ตรงประเด็น

องค์กรต้องเข้าใจธรรมชาติของ Learning Curve ต้องยอมเสียเวลาในการป้อนบริบท รหัสงาน และกระบวนการที่แท้จริงเข้าไป รวมทั้งต้องยอมรับการปรับจูนในช่วงแรก เพื่อให้ AI ค่อย ๆ เรียนรู้และเติบโตจนกลายเป็นสมองขององค์กรที่ใช้งานได้จริงในที่สุด

5. เลิกจมอยู่กับตัวเลขลดต้นทุน แล้วหันมาวัดมูลค่ารวมที่แท้จริง

หลุมพรางสุดท้ายที่ดักทางผู้บริหารจำนวนมาก คือการตั้งเป้าหมายการวัดผลที่แคบจนเกินไป โดยมุ่งหวังเพียงแค่การลดต้นทุน หรือการประหยัดชั่วโมงทำงาน

หากคุณใช้ AI แล้วประหยัดเวลาพนักงานได้วันละ 1 ชั่วโมง คำถามคือ คุณจะเปลี่ยน 1 ชั่วโมงที่ประหยัดได้นั้นให้กลายเป็นเงินสดหรือกำไรได้อย่างไร? ในความเป็นจริง มันทำได้ยากมากหากกระบวนการทำงานยังคงขรุขระและกระจัดกระจาย การโฟกัสเพียงแค่เศษเสี้ยวของเวลาที่ประหยัดได้ ไม่เคยนำไปสู่ผลตอบแทนมหาศาลอย่างที่คิด

นอกจากนี้ ในเรื่องของต้นทุนการใช้ แม้ปัจจุบันราคาค่าบริการ AI จะถูกลงอย่างมาก แต่การพยายามวิ่งไล่ตามโมเดลที่ถูกที่สุด หรือในทางกลับกัน การทุ่มใช้โมเดลที่แพงที่สุดกับทุกงาน ก็ไม่ใช่คำตอบ 

สิ่งสำคัญคือการมอง Workflow Economics หรือต้นทุนและมูลค่ารวมของทั้งกระบวนการ รู้จักเลือกใช้โมเดลให้เหมาะกับระดับความซับซ้อนของงาน และเปลี่ยนมุมมองจากการใช้ AI เพื่อตัดงบมาเป็นการใช้ AI เพื่อสร้างโอกาสการเติบโตใหม่ ๆ ให้กับธุรกิจ

สุดท้ายแล้ว Key Takeaway ที่สำคัญจาก Session นี้คือ ในวันที่ใคร ๆ ก็มี AI และทุกคนต่างทุ่มเงินซื้อเทคโนโลยีชนิดเดียวกัน เทคโนโลยีจึงไม่ได้เป็นปัจจัยที่สร้างความแตกต่างอีกต่อไป ผู้ชนะในเกมนี้จึงไม่ใช่คนที่ใช้เงินเยอะที่สุด หรือมีโมเดลล้ำสมัยที่สุด

แต่ผู้ชนะที่แท้จริง คือองค์กรที่ตระหนักได้ว่า AI เป็นเพียงเครื่องมือ ส่วนหัวใจสำคัญคือการกล้าปฏิวัติตัวเอง ทั้งการ redesign กระบวนการทำงานใหม่ทั้งหมด การลงทุนในศักยภาพของคน และการมีผู้นำที่กล้าตัดสินใจ เพื่อเปลี่ยนเทคโนโลยีในมือให้กลายเป็นผลตอบแทนที่จับต้องได้อย่างแท้จริง