ทำไมการค้นพบนี้ถึงน่าตื่นเต้น?

ถ้าจะเล่าให้เห็นภาพง่ายที่สุด ต้องย้อนกลับไปดูเครื่องมือตัดต่อยีนที่เราใช้กันอยู่ในปัจจุบันอย่าง CRISPR (คริสเปอร์) ก่อน ถ้าเปรียบเทียบรหัสพันธุกรรมหรือ DNA ในร่างกายเราเป็นข้อความในเอกสาร เวลาเราเป็นโรคร้ายแรง ก็มักจะเกิดจากการมีข้อความส่วนใดส่วนหนึ่งมันพิมพ์ผิดขึ้นมา

CRISPR ที่เราใช้กันอยู่ทุกวันนี้ ทำหน้าที่เหมือนกรรไกร มันจะวิ่งเข้าไปตัดข้อความตรงจุดที่เสียทิ้งไป แต่ถ้าเราอยากใส่ข้อความใหม่ที่ดีกว่าลงไปแทนที่ มนุษย์เราต้องใช้กลไกอื่นมาช่วยอีก ซึ่งยุ่งยากและทำได้ยากมาก

แต่เครื่องมือใหม่ (ชื่อ ART-Array-associated Reverse Transcriptases) ที่ AI เพิ่งไปค้นพบนี้ มันไม่ได้มาแค่กรรไก แต่มันเปรียบเหมือนเครื่องมือครบเซ็ตที่สามารถ ตัด คัดลอก แล้วเอาข้อความใหม่ไปวางแปะ ลงใน DNA ได้เสร็จสรรพในตัวเอง

ดังนั้น การเจอเครื่องมือที่ทำได้ทั้งตัด-ก๊อป-วาง ได้ในตัวเดียวแบบนี้ คือสิ่งที่นักวิจัยทั่วโลกพยายามควานหากันมานาน เพราะมันจะช่วยให้เราเข้าไปแก้ไขยีนที่ผิดปกติเพื่อรักษาโรคร้ายแรงได้ตรงจุดและแม่นยำขึ้นมาก

เบื้องหลังการทำงานของ Claude

ในโปรเจกต์นี้ AI รับบทเป็นนักคิดและวิเคราะห์ โดยClaude ไม่ได้ทำงานแค่นั่งตอบคำถามทีละข้อ แต่ระบบได้สร้างร่างแยกเอเจนต์ เกือบ 1,000 ตัว ให้ช่วยกันลุยทำงานพร้อม ๆ กันตลอด 21 ชั่วโมง ผ่านการอ่านข้อมูลยีนมากกว่า 200,000 รายการ และประมวลผลข้อมูลไปมหาศาลถึง 210 ล้านโทเคน คัดกรองตัวเลือกจากหลายพันตัวจนเหลือเพียง 20 รายการที่เด็ดที่สุด 

จากนั้นลงมือตรวจสอบกับเอกสารวิชาการในอดีตทั้งหมดด้วยตัวเอง แล้วเขียนรายงานสรุปยื่นให้นักวิทยาศาสตร์อ่านว่า "เจอเอนไซม์ตัวนี้น่าสนใจมาก เพราะมันมีพฤติกรรมตัดและวางยีนได้ ลองเอาไปทดลองดูสิ"

ส่วนมนุษย์รับบทเป็นคนลงมือและพิสูจน์ เมื่อนักวิทยาศาสตร์ได้อ่านรายงานจาก AI ก็จะเป็นคนทดลอง นำยีนนั้นไปสังเคราะห์ และลงมือทดสอบในห้องแล็บจริง เพื่อยืนยันว่าสิ่งที่ AI คิดไว้ สามารถทำงานได้จริงในสิ่งมีชีวิต

กระบวนการนี้ช่วยย่นเวลาการค้นคว้าของนักวิทยาศาสตร์ จากเดิมที่ต้องนั่งสุ่มหาข้อมูลและลองผิดลองถูกเองนานหลายเดือนหรือเป็นปี ให้เหลือเพียงไม่กี่ชั่วโมง

แน่นอนว่าการค้นพบครั้งนี้ ไม่ได้หมายความว่าเราจะมีวิธีรักษารักษาโรคร้ายแรงพร้อมใช้ในโรงพยาบาลพรุ่งนี้เช้า เพราะขั้นตอนการนำตัวยาหรือวิธีการใหม่ ๆ ไปทดสอบความปลอดภัยในคนยังคงต้องใช้เวลาตามมาตรฐานการแพทย์ปกติ

แต่ความหมายที่แท้จริงของการค้นพบนี้คือ สปีดในการเริ่มต้น

จากเดิมที่วงการแพทย์ต้องเสียเวลาหลายปีกว่าจะเจอเบาะแสของวิธีรักษาใหม่ ๆ สักหนึ่งอย่าง แต่วันนี้เรามี AI ที่ช่วยชี้เป้าและเสนอไอเดียดี ๆ ให้นักวิจัยนำไปทดลองต่อได้วันละหลายร้อยเรื่อง ซึ่ง Dario Amodei ซีอีโอของ Anthropic เชื่อว่า การมี AI มาช่วยเร่งเครื่องตั้งแต่จุดเริ่มต้นแบบนี้ จะช่วยขยับเราเข้าใกล้เป้าหมายใหญ่ นั่นคือ "การค้นหาวิธีรักษาโรคร้ายส่วนใหญ่ให้ได้ภายใน 5 ถึง 10 ปีข้างหน้า" นั่นเอง

อ้างอิง: techcrunch, anthropic

Fauxductivity หรือ ‘ภาวะแกล้งยุ่ง’ คือการที่พนักงานสร้างภาพว่าทำงานหนัก แต่ไม่ได้มีเนื้องานที่เป็นชิ้นเป็นอัน 

คำนี้มาจาก Faux ที่แปลว่า 'ปลอม' กับ Productivity หรือ 'ประสิทธิภาพในการทำงาน' พอเอามารวมกันจึงหมายถึงการทำตัวให้ดูขยัน ดูยุ่ง เหมือนกำลังทำงานตลอดเวลา ทั้งที่จริงงานไม่ได้เดินหน้าเท่าที่ควร 

พฤติกรรมที่เจอบ่อยคือ ชอบเข้าประชุมที่ไม่จำเป็น ออนระบบทิ้งไว้ให้หน้าจอแอคทีฟ หรือเอาแต่พูดว่าตัวเองยุ่ง แต่พอถามว่าวันนี้ทำอะไรไปบ้าง ก็ตอบได้แค่ ‘ยุ่งมากเลย’ โดยไม่มีงานจริงมาโชว์ออกมาเห็น

ในหลายกรณีสาเหตุลึก ๆ มาจากการที่พนักงานรู้สึกเครียด งานล้นมือและขาดความผูกพันกับองค์กร จนเลือกใช้วิธีสร้างภาพว่ายุ่ง เพื่อเอาตัวรอดไปวัน ๆ แทนการรู้สึกที่อยากทุ่มเทกับงานและสร้างผลงานจริง ๆ

Fauxductivity ไม่ใช่แค่เรื่องของคนที่พยายาม 'อู้งาน' แต่เป็นเรื่องของสภาพแวดล้อมในการทำงานด้วย เพราะยิ่งองค์กรให้ความสำคัญกับการ 'ดูยุ่ง' มากกว่าผลลัพธ์ของงานมากเท่าไหร่ คนทำงานก็ยิ่งมีเหตุผลที่จะทำตัวให้ดูยุ่งตามมากเท่านั้น ไม่ว่าจะเป็นการออนไลน์ตลอดเวลาแม้จะนอกเวลางาน ตอบข้อความแบบทันทีทุกครั้ง หรือพยายามทำให้เห็นว่าตัวเองมีงานอยู่เต็มมือ เพราะแค่แสดงให้เห็นว่ากำลังยุ่ง ก็ไม่มีใครมาจับผิดหาว่าอู้งานหรือว่าไม่ทำงานได้ ก็ไม่แปลกที่บางคนจะเลือกทุ่มแรงไปกับการทำให้ตัวเองดูยุ่ง แทนที่จะโฟกัสกับการทำงานจริง ๆ

ดังนั้น Fauxductivity จึงสะท้อนทั้งพฤติกรรมของคนทำงานและวัฒนธรรมองค์กรที่อยู่รอบตัว ว่าองค์กรกำลังให้คุณค่ากับ 'การทำตัวยุ่ง' หรือ 'ผลลัพธ์ของงานที่ออกมา' มากกว่ากัน 

ประเด็นที่น่าสนใจคือ ไม่ใช่แค่พนักงานทั่วไปที่แกล้งทำเป็นยุ่ง แต่หัวหน้าเองก็ทำเหมือนกัน ข้อมูลจาก Forbes ระบุว่าแม้แต่หัวหน้างานเองก็ยังยอมรับว่าแกล้งทำเป็นยุ่งบ่อยกว่าลูกน้อง ด้วยเหตุนี้หัวหน้าที่มีพฤติกรรมดังกล่าวจึงมักระแวงว่าลูกน้องในทีมกำลังแกล้งทำเป็นยุ่งอยู่เช่นกัน 

และเมื่อทั้งหัวหน้าและลูกน้องแสดงออกว่าตัวเองดูยุ่งตลอดเวลา ปัญหานี้จึงไม่ใช่แค่เรื่องความขี้เกียจส่วนบุคคล แต่เป็นเพราะ 'ระบบและวัฒนธรรมองค์กร' ที่กำลังสร้างแรงกดดันให้ทุกคนต้องทำแบบนั้น ดังนั้นคำถามที่บริษัทควรใส่ใจ ไม่ใช่การมานั่งจับผิด แต่ต้องมาหาคำตอบว่าทำไมทุกคนถึงมีพฤติกรรมนั้นและสภาพแวดล้อมแบบไหนที่บีบให้คนในออฟฟิศต้องทำแบบนี้ 

Fauxductivity เกิดจากอะไร

ที่เป็นแบบนี้ก็เพราะในหลายออฟฟิศ คนที่ดูยุ่งมักจะถูกมองว่าเป็นคนขยัน ดูทำงานหนัก ส่วนคนที่ไม่ได้ดูวุ่นวายอาจถูกเข้าใจว่าไม่ได้ทำอะไร สุดท้ายมันเลยกลายเป็นค่านิยมที่กำลังบีบให้คนต้องสร้างภาพ ซึ่งไม่ว่าจะเป็นระดับหัวหน้าหรือพนักงาน สาเหตุหลัก ๆ ที่กระตุ้นให้เกิดพฤติกรรมนี้ คือ 

1. เกิดอาการหมดไฟ

พอพนักงานต้องเจอกับความเครียดและแรงกดดันสะสม โดยไม่ได้พักหรือไม่มีคนคอยซัพพอร์ต อาการหมดไฟก็จะตามมา และแทนที่จะอยากทำงานสำคัญให้เสร็จ พวกเขาก็อาจจะเลี่ยงไปทำงานที่ดูเหมือนได้งาน แทน เช่น นั่งตอบอีเมลที่ไม่จำเป็นหรือกดเข้าร่วมประชุมมันทุกรอบ

2. การโดนตามจิกและจับผิด

การจู้จี้จุกจิกหรือใช้โปรแกรมจับตาดูการทำงาน ยิ่งทำให้ทุกคนรู้สึกว่า ‘ต้องทำตัวให้ดูยุ่งอยู่ตลอดเวลา’ พอรู้ว่าโดนจับตามอง คนก็จะเลิกโฟกัสที่คุณภาพงาน แต่หันไปสร้างภาพว่ากำลังยุ่งแทน เช่น ต้องรีบตอบแชทกลับแบบทันที คอยรายงานผลงานยิบย่อยเกินเบอร์เพื่อให้หัวหน้าเห็น 

3. ระบบจัดการงานพัง

เวลาที่คนมีงานล้นมือ พวกเขาอาจจะพยายามจับงานหลายอย่างพร้อมกันจนสุดท้ายงานไม่เดินสักอย่าง หรือในทางกลับกัน ถ้างานน้อยไปหรือวางแผนมาไม่ดี พนักงานก็อาจจะต้องหา ‘งานอื่น’ มาทำฆ่าเวลาให้ดูยุ่ง นอกจากนี้พวกขั้นตอนการทำงานที่ซับซ้อนยุ่งยากเกินเหตุ ยังกลายเป็นข้ออ้างให้คนหยิบเอางานจุกจิกพวกนั้นมาทำบังหน้าแทนงานสำคัญ และที่น่าปวดหัว คือระบบแบบนี้ดันไปเอื้อให้คนเหล่านี้ดูมีผลงานโดดเด่นกว่าคนที่ก้มหน้าก้มตาทำงานจริง ๆ อีก

4. กฎระเบียบตึงเกินไป ขาดความยืดหยุ่น

กฎที่ตึงเปรี๊ยะ มักจะบีบให้คนเน้น ‘โชว์ตัว’ มากกว่าเน้นผลงาน ยิ่งถ้าบริษัทชอบประเมินคนจากความพร้อมแสตนด์บายตลอดเวลามากกว่าดูจากผลลัพธ์ พนักงานก็จะหันมาทำทรงให้ดูขยันมากกว่า เช่น ล็อกอินแต่เช้าตรู่ หรือโชว์ว่าอยู่ดึก ๆ เพื่อให้ดูทุ่มเท ทั้งที่จริง ๆ งานไม่ได้เดินหน้าไปไหนเลย 

5. ไม่มีความรู้สึกปลอดภัยในที่ทำงาน

ออฟฟิศที่คนไม่ไว้ใจกัน จะทำให้พนักงานเกิดความกังวลว่า ทำงานหนักแค่ไหนก็ยัง ‘ดีไม่พอ’ พอเจอกับความคาดหวังที่สูงปรี๊ด แถมไม่สามารถเปิดใจคุยปัญหากันได้ตรง ๆ พนักงานจะเริ่มกลัวโดนตำหนิ และเมื่อกลัวว่าทำไปก็อาจจะไม่ถูกใจ สิ่งที่พวกเขาเลือกทำเพื่อป้องกันตัวเองคือการทำตัวให้ดูยุ่งเข้าไว้เพื่อไม่ให้โดนเพ่งเล็ง ทำนองว่าถึงผลงานจะยังไม่ออก แต่อย่างน้อยก็ดูพยายามอยู่นะ ยิ่งถ้าบริษัทดันเป็นพวกที่ชอบตัดสินคนจาก ‘ภาพความขยัน’ มากกว่า ‘ผลลัพธ์’ ปัญหานี้ก็จะยิ่งหนักขึ้น 

ซึ่งพฤติกรรมพวกนี้ไม่ได้จู่ ๆ ก็เกิดขึ้นชั่วข้ามคืน แต่มันค่อย ๆ สะสมมาพร้อมกับโลกการทำงานที่เปลี่ยนไป 

การมีเทคโนโลยีเข้ามาอาจทำให้เราทำงานไวขึ้นก็จริง แต่มันก็เพิ่มภาระจุกจิกมาให้ด้วยเหมือนกัน เช่น ต้องคอยล็อกอินหลายระบบ อัปเดตโปรแกรม หรือทำตามขั้นตอนความปลอดภัยต่าง ๆ เรื่องพวกนี้ดูเหมือนเล็กน้อย แต่พอมารวมกันทั้งวันมันก็สูบพลังงานและทำให้คนทำงานเหนื่อยล้าได้

ขณะเดียวกันรูปแบบการทำงานก็ห่างเหินกันมากขึ้น การคุยงานกลายเป็นแบบต่างคนต่างทำ ส่วนประชุมออนไลน์ก็แค่เข้าให้ตรงเวลา พอจบก็กดออก บรรยากาศการทักทาย คุยเล่น หรือแวะถามไถ่เรื่องเล็ก ๆ น้อย ๆ ระหว่างวันแทบจะหายไป เพื่อนร่วมงานเลยกลายเป็นแค่ ‘ชื่อ’ ในแชท พอความสัมพันธ์ห่างเหิน การสร้างความไว้ใจก็ยากขึ้น ทำให้คนทำงานรู้สึกโดดเดี่ยว

แต่ถึงแม้สภาพแวดล้อมเหล่านี้จะชวนให้เหนื่อยหรือหมดไฟแค่ไหน การเลือกแก้ปัญหาด้วยการแกล้งทำเป็นยุ่งก็ไม่ใช่สิ่งที่ถูกต้องอยู่ดี

และเมื่อเจอกับงานที่ล้นมือบวกกับความรู้สึกไม่อินกับบริษัท พนักงานกลุ่มนี้กลับเลือกวิธีที่มักง่ายและเอาตัวรอดไปวัน ๆ แทนที่จะพยายามบริหารจัดการงานให้ดีขึ้นหรือสื่อสารปัญหาออกมาตรง ๆ ซึ่งท้ายที่สุดแล้ว พฤติกรรมแกล้งทำนี่แหละ ที่ไม่ได้สร้างคุณค่าอะไรเลย แถมยังเป็นตัวบ่อนทำลายทั้งประสิทธิภาพของทีมและองค์กรในระยะยาว

แล้วองค์กรจะลด Fauxductivity ได้อย่างไร ?

เรื่องนี้ไม่มีสูตรสำเร็จหรือวิธีแก้แบบทำปุ๊บหายปั๊บ เพราะ Fauxductivity ผูกอยู่กับวัฒนธรรมการทำงานโดยตรง ในเมื่อพฤติกรรมนี้มักเกิดจากสภาพแวดล้อมที่เป็นพิษที่บีบให้คนต้องแสดงออกว่าทำงานหนัก วิธีแก้ที่เวิร์กที่สุดจึงหนีไม่พ้นการปรับเปลี่ยนวัฒนธรรมในที่ทำงาน

หัวหน้าหรือผู้บริหารต้องมองให้ออกก่อนว่า นี่ไม่ใช่แค่เรื่องของพนักงานขี้เกียจแต่เป็นปัญหาที่สะท้อนว่าระบบการทำงานมีช่องโหว่ สเต็ปแรกจึงต้องหาให้เจอก่อนว่า อะไรคือต้นตอที่ทำให้คนในบริษัทต้องมานั่งแกล้งยุ่ง เพื่อจะได้แก้ปัญหาให้ตรงจุด

สิ่งที่สำคัญมากคือ พนักงานควรรู้ว่าองค์กรกำลังเดินไปทางไหน และงานที่ตัวเองรับผิดชอบอยู่มีความสำคัญยังไงกับเป้าหมายนั้น เรื่องนี้จะแค่พูดวิสัยทัศน์หรือนโยบายให้ดูดีเฉย ๆ ไม่ได้ แต่ผู้นำต้องทำให้เห็นด้วยเพราะถ้าสิ่งที่บริษัทพูดกับสิ่งที่เกิดขึ้นจริงมันสวนทางกัน พนักงานก็จะยิ่งรู้สึกว่างานที่ทำอยู่ไม่มีความหมายอะไรเลย

ส่วนวิธีปรับบรรยากาศการทำงานให้ดีขึ้นแบบจับต้องได้ อาจเริ่มจากเรื่องพื้นฐานรอบตัว เช่น

• ให้ความยืดหยุ่นในการทำงานมากขึ้น
• ตัดพวกขั้นตอนจุกจิกหรือการประชุมที่ไร้สาระทิ้งไป
• หมั่นถามไถ่และเปิดรับฟังฟีดแบ็กจากพนักงานจริง ๆ (ไม่ใช่แค่ทำเป็นพิธี)
• เปิดโอกาสให้คนในทีมได้ทำงานร่วมกันและเสนอไอเดียใหม่ ๆ

เมื่อองค์กรดูแลคนทำงานให้ดีขึ้น ทำให้เขาเห็นคุณค่าในงานที่ทำ อาการแกล้งทำเป็นยุ่งก็จะค่อย ๆ ลดลงไปเอง

อ้างอิง: linkedin, dahlconsulting

แต่ล่าสุดในงาน Meta Connect ทาง Mark Zuckerberg และทีมผู้บริหาร Meta ได้เปิดตัว Meta VR Glasses แว่นตา VR เจนใหม่ล่าสุดในราคา $1,299 (ราว ๆ 46,000–47,000 บาท) ซึ่งเป็นการท้าชนกับ Apple Vision Pro อย่างจัง ด้วยการนำเสนอสิ่งที่ Apple ควรทำตั้งแต่แรกอย่าง เบาลง, สวมใส่สบายขึ้น และราคาเป็นมิตรขึ้นมากกว่าครึ่ง

1. เบาลง 6 เท่า ปลดล็อกด้วยสถาปัตยกรรม Split Architecture

ปัญหาใหญ่ที่สุดของแว่น VR ในตลาดคือ น้ำหนัก แต่ Meta VR Glasses สลายปัญหานี้ด้วยการใช้สถาปัตยกรรมแยกส่วน ย้ายเอาชิปประมวลผล พัดลมระบายอากาศ และแบตเตอรี่ ออกจากตัวแว่น ไปใส่ไว้ในตลับขนาดเล็ก Compute Puck (น้ำหนัก 300 กรัม) ที่สามารถเหน็บกระเป๋ากางเกงหรือวางบนโต๊ะได้

ผลลัพธ์คือ ตัวแว่น Meta VR Glasses จะเหลือน้ำหนักเพียง 100 กรัมเท่านั้น ซึ่งเบากว่า Apple Vision Pro (600–700 กรัม) ถึง 6 เท่า และเบากว่า Meta Quest 3S ถึง 5 เท่า

โดยมาในรูปทรงเหมือนแว่นกันแดดไซส์ใหญ่ ทำให้สวมใส่สบาย ไม่กดทับใบหน้า และไม่ทำให้ผมเสียทรงเหมือนแว่น VR ยุคเก่า

2. สเปกโหดจัดเต็ม จอ 5K ชิปเรือธง และแบตเตอรี่ที่อึดกว่าเดิม

แม้ตัวแว่นจะกะทัดรัดขึ้น แต่งานฮาร์ดแวร์ข้างในกลับอัดแน่นไปด้วยเทคโนโลยีระดับท็อป ได้แก่

1. ชิปเซ็ต: ขับเคลื่อนด้วย Qualcomm Snapdragon Reality Elite (XR2 Gen 3) ชิปรุ่นล่าสุดสำหรับ VR/AR
2. หน้าจอ Micro-OLED: ความละเอียดรวมระดับ 5K (2.5K ต่อข้าง) พร้อม Refresh Rate 120Hz ให้ภาพและตัวหนังสือคมชัด ไม่เบลอ
3. แบตเตอรี่: ใช้งานได้ยาวนานต่อเนื่อง 3 ชั่วโมง (อึดกว่า Vision Pro และ Quest 3) พร้อมรองรับการเสียบสายชาร์จเล่นไปเรื่อย ๆ
4. ความจุ: RAM 12GB, Storage 128GB และสามารถใส่ microSD Card เพิ่มได้

3. ฟีเจอร์เด็ด คือ พิมพ์งานบนโต๊ะจริง & ร่างโฮโลแกรมสุดล้ำ

นอกจากจะใช้ทำงานแบบที่คนนิยม เช่น กางหลาย ๆ จอในอากาศ หรือดูหนังบนหน้าจอเสมือนขนาดใหญ่ในรุ่นนี้ Meta ยังเพิ่มฟีเจอร์ใหม่ที่น่าสนใจอีก 2 อย่าง คือ

Touch Typing (คีย์บอร์ดเสมือนบนโต๊ะ): แว่นสามารถฉายแป้นพิมพ์และแทร็กแพดเสมือนลงบนพื้นผิวโต๊ะจริง ให้คุณใช้นิ้วเคาะพิมพ์งานได้ฟีลลิ่งใกล้เคียงกับการพิมพ์บน iPad สั่งการได้รวดเร็วและแม่นยำ

Photorealistic Holograms: โหมดประชุมวิดีโอคอนเฟอเรนซ์ที่ใช้ AI สร้างร่างจำลองสเกลจริงของผู้ใช้ มีความสมจริงและเป็นธรรมชาติสูงมาก นับเป็นการก้าวข้ามผ่านยุคอวตารการ์ตูนหน้าแปลก ๆ ของ Meta

4. ยกโรงหนัง 3D มาไว้ที่บ้าน พร้อมเอฟเฟกต์แสงทะลักจอ

สำหรับสายความบันเทิง Meta VR Glasses มาพร้อมระบบ Full-color Passthrough กล้อง 6 ตัวที่ทำให้เรามองเห็นภาพโลกจริงภายนอกเป็นภาพสีแบบเรียลไทม์ และเปิดตัวพร้อมเกมที่ใช้มือเปล่าสั่งการมากกว่า 75 เกม

นอกจากนี้ยังเดินหน้าเจาะตลาดภาพยนตร์ 3D ร่วมกับค่ายใหญ่อย่าง Disney+ และ Peacock ปล่อยหนังบล็อกบัสเตอร์อย่าง Avatar, Avengers: Infinity War และ Star Wars มาให้ชม พร้อมฟีเจอร์ VR Enhanced Cinema ที่ขยายแสงและเอฟเฟกต์รอบขอบจอเสมือนให้ฟุ้งออกมารอบห้อง เติมเต็มอารมณ์เหมือนระบบ Ambient Light

Andrew Bosworth (CTO ของ Meta) ได้กล่าวอย่างตรงไปตรงมาว่า บริษัทต้องขอบคุณ Apple ที่เป็นผู้บุกเบิกและพิสูจน์ให้เห็นว่า Split Architecture คือทางรอดของวงการ VR

"เราทุกคนรู้ดีว่า Apple ตีโจทย์พลาดเรื่องน้ำหนัก เพราะไม่มีใครสามารถใส่เจ้าสิ่งนั้นบนหน้าได้นานๆ มันไม่ใช่แว่นตา แถมใส่แล้วยังดูตลกอีกต่างหาก"

นอกจากเรื่องน้ำหนักแล้ว จุดต่างที่สำคัญที่สุดคือ กลยุทธ์การทำราคา

Apple Vision Pro: $3,500 - $3,699 (ราวๆ 120,000-130,000 บาท)
Meta VR Glasses: $1,299 (ราวๆ 46,000-47,000 บาท)

ที่สำคัญ Meta เผยว่า การตั้งราคาที่ $1,299 จะช่วยให้แผนก Reality Labs สามารถทำกำไรได้ตั้งแต่การขายฮาร์ดแวร์ตัวเครื่อง จากเดิมที่เคยยอมขายเครื่อง Quest ในราคาขาดทุนเพื่อหวังเก็บรายได้จาก App Store เพียงอย่างเดียว

แม้วันวางจำหน่ายอย่างเป็นทางการจะอยู่ในช่วง ใบไม้ผลิปี 2027 และราคา $1,299 จะยังถือว่าสูงเมื่อเทียบกับอุปกรณ์ไอทีทั่วไป แต่ Meta VR Glasses คือข้อพิสูจน์ว่า Meta เริ่มจับทางได้ถูกจุด

การลดน้ำหนักเหลือเพียง 100 กรัม การแยกฮาร์ดแวร์ และการชูจุดเด่นเรื่อง Productivity ร่วมกับ Entertainment ในราคาที่เอากำไรพอประมาณ คือสิ่งที่ทำให้คำว่าแว่น VR สวมใส่ในชีวิตประจำวัน ขยับเข้าใกล้ความเป็นจริงมากที่สุด และถือเป็นโจทย์ข้อใหญ่ที่กดดันให้ Apple ต้องกลับไปทำการบ้านหนักขึ้นแน่นอน

อ้างอิง: bloomberg, engadget

3 Session กับ 4 สตาร์ทอัพตัวท็อปในพอร์ต Beacon VC มีดังนี้

ภายในงาน ‘SME Growth Formula สูตรลับธุรกิจโตไปได้อีก’ ทั้ง FlowAccount, HumanSoft, PRIMO และ LINE MAN Wongnai ไม่เพียงส่งต่อแนวคิดเชิงกลยุทธ์ แต่ยังปูทางให้ SME ที่เป็นลูกค้าของธนาคารกสิกรไทย ได้ ‘เข้าถึงความรู้ เข้าใจโซลูชัน และเข้าใกล้แหล่งทุน’ มากขึ้น ผ่านการพูดคุยใน 3 Session คัดสรร  ได้แก่ 

1. AI-Powered Commerce: ใช้ AI เปลี่ยนข้อมูลลูกค้าให้ขับเคลื่อนการเติบโตของธุรกิจ โดย คุณวีร์ สิรสุนทร ซีอีโอและผู้ร่วมก่อตั้ง PRIMO และ คุณจักรชลัช เกษจำรัส ซีอีโอและผู้ร่วมก่อตั้ง JOURNAL
2. SME Scale-up Playbook: สร้างระบบองค์กรให้พร้อมสำหรับการเติบโต โดยคุณกฤษฎา ชุตินธร ซีอีโอและผู้ร่วมก่อตั้ง FlowAccount และคุณอัษฎาวุธ จิตตเสถียร ซีอีโอและผู้ร่วมก่อตั้ง HumanSoft และ คุณสุพจน์ บุศราวงศ์ ผู้บริหารฝ่ายบริการจัดการด้านการเงิน ธนาคารกสิกรไทย
3. Decoding Growth Formula: ถอดรหัสธุรกิจดาวรุ่งจาก Insight ของ SME กว่าแสนร้านบน LINE MAN Wongnai โดย คุณยอด ชินสุภัคกุล ซีอีโอและผู้ร่วมก่อตั้ง LINE MAN Wongnai

AI-Powered Commerce: ใช้ AI เปลี่ยนข้อมูลลูกค้าให้ขับเคลื่อนการเติบโตของธุรกิจ

ในหัวข้อ ‘AI-Powered Commerce: ใช้ AI เปลี่ยนข้อมูลลูกค้าให้ขับเคลื่อนการเติบโตของธุรกิจ’ เป็นการพูดคุย แชร์ประสบการณ์การใช้ประโยชน์จาก AI โดย คุณวีร์ สิรสุนทร ซีอีโอและผู้ร่วมก่อตั้ง PRIMO และ คุณจักรชลัช เกษจำรัส ผู้ร่วมก่อตั้ง JOURNAL

โดย PRIMO เป็นผู้ให้บริการ AI-powered CRM (ระบบบริหารความสัมพันธ์ลูกค้า) ซึ่งอยู่เบื้องหลังร้านค้า เช่น ร้านกาแฟ Roots ทั้งยังพัฒนาผลิตภัณฑ์ดิจิทัลให้องค์กรธุรกิจชั้นนำ เช่น แอปพลิเคชัน The 1 (เซ็นทรัล), แอป Bumrungrad (โรงพยาบาลบำรุงราษฎร์), แอป OneD (จีเอ็มเอ็ม แกรมมี่) ทั้งยังพัฒนาแชตบอต AI ชื่อ ‘ใบเตย’ ให้ลูกค้าใช้

ส่วน JOURNAL แบรนด์ที่ต้องการนำ ‘ความเป็นไทย’ มาเล่าเรื่องในมุมมองใหม่ผ่าน ผลิตภัณฑ์ที่มีเอกลักษณ์เรื่อง ‘กลิ่น’ โดยผลิต Body Oil ที่มีกลิ่นเฉพาะ และเริ่มเป็นที่รู้จักของคนไทยในฐานะ Personal Care และ Body Care 

JOURNAL มีร้านสาขา 2 แห่งในจังหวัดเชียงใหม่ ปักธงจำหน่ายสินค้าพรีเมียมที่ใครก็เข้าถึงได้ (Accessible Premium) และสามารถทำยอดขายเกินร้อยล้านบาทในปีที่ 2 ซึ่งลูกค้าหลักเป็นนักท่องเที่ยวมากถึง 99% แต่เมื่อเกิดวิกฤตโควิด-19 ยอดขายสินค้าลดลงจากเดือนละ 10 ล้านบาท เหลือ 4 ล้าน 2 ล้าน และกลายเป็นศูนย์ในช่วงเวลา 3 เดือน คุณจักรชลัชจึงต้องปรับตัวครั้งใหญ่ โดยการเข้าสู่ตลาดออนไลน์ ใช้ Influencer ช่วยทำตลาด Body Oil ใช้แพลตฟอร์ม TikTok และสุดท้ายก็ใช้ทุกช่องทางออนไลน์โปรโมตสินค้าในปี 2020 แต่ยอดขายที่ได้อยู่ที่ราวเดือนละ 10,000 บาทเท่านั้น! คุณจักรชลัชจึงคิดเรื่องการเก็บข้อมูลลูกค้าโดยตรงเพื่อสร้างความสัมพันธ์กับลูกค้าและเข้าใจลูกค้าให้ได้มากที่สุด 

เลือกพาร์ตเนอร์ที่เข้าใจ ใช้ AI และข้อมูลลูกค้า พาธุรกิจโตเหนือความคาดหมาย

คุณจักรชลัชจึงเริ่มเก็บข้อมูล ‘ลูกค้าจากหน้าร้าน’ และ ‘เชื่อมต่อกับ e-Marketplace’ พัฒนาเว็บไซต์ Journal.world เพื่อเป็นช่องทางเล่าเรื่องแบรนด์และสื่อสารกับลูกค้าโดยตรง ทั้งยังเชื่อมต่อ Loyalty Program กับคูปองและคะแนนจากคำสั่งซื้อในทุกช่องทาง และให้ PRIMO เข้ามาเป็นพาร์ตเนอร์ทางธุรกิจ โดยคุณจักรชลัชบอกว่า เลือก PRIMO เพราะคุยแล้วเข้าใจ ‘จริต’ เจ้าของแบรนด์ที่มีความเป็นเถ้าแก่และพร้อมที่จะร่วมกันพัฒนาสิ่งใหม่

ต่อมาฐานข้อมูลลูกค้า JOURNAL มีขนาดใหญ่ขึ้น ความท้าทายคือจะวิเคราะห์ข้อมูลอย่างไรให้ทันโดยไม่ต้องจ้าง Data Scientist แพงๆ PRIMO จึงพัฒนา ‘ใบเตย’ (Agentic AI) มาช่วยวิเคราะห์ข้อมูลเชิงลึก ซึ่งเป็น AI ที่สั่งการได้เอง (Agentic Workflow) เช่น สร้างกลุ่มเป้าหมาย (Audience Segmentation) ยิงแคมเปญโปรโมชันอัตโนมัติ

กรณีศึกษาการใช้ข้อมูลของ JOURNAL และการพัฒนา Agentic Workflow

• ด้านแรก - ความชอบของนักท่องเที่ยวต่างชาติ 

JOURNAL พบว่านักท่องเที่ยวจีนจากฮ่องกง สิงคโปร์ และจีนแผ่นดินใหญ่ ชอบกลิ่นสินค้าแตกต่างกัน จึงนำข้อมูลไปปรับสต็อกสินค้าในแต่ละสาขาซึ่งตอบโจทย์ความต้องการได้อย่างตรงจุด

• ด้านที่สอง - การเปิดตัวผลิตภัณฑ์ JOURNAL Body Mist

JOURNAL ใช้ข้อมูลจากโปรแกรม Loyalty และแบบสอบถามเพื่อยืนยันสมมติฐานว่า Body Mist เหมาะกับกลุ่ม Gen Z และตัดสินใจลงทุนกับการทำแพ็กเกจจิงใหม่ ร่วมกับการจ้าง ‘โฟร์ท ณัฐวรรธน์’ มาเป็นพรีเซ็นเตอร์เพื่อเจาะตลาด Gen Z ส่งผลให้ยอดขาย Body Mist เติบโตอย่างก้าวกระโดด และยอดขายน้ำหอมก็เพิ่มขึ้นตามไปด้วย โดยในปี 2568 JOURNAL มีรายได้สูงถึง 575 ล้านบาท (เติบโตเกือบเท่าตัวจากปี 2567) แรงหนุนสำคัญคือสินค้าในกลุ่ม Body Oil และการดึงศิลปินดังอย่าง ‘พีพี-กฤษฏ์’ มาเป็นพรีเซ็นเตอร์

เส้นทางของ JOURNAL พิสูจน์ให้เห็นว่า การเติบโตจากแบรนด์ออฟไลน์ที่พึ่งพานักท่องเที่ยวต่างชาติถึง 99% แม้เจอวิกฤตโควิด-19 ก็สามารถพลิกฟื้นกลับมาผงาดในตลาดอีคอมเมิร์ซและขยายฐานลูกค้าในประเทศได้ ซึ่งหัวใจสำคัญไม่ใช่แค่ การใช้ช่องทางขายออนไลน์ครบทุกแพลตฟอร์ม แต่คือ การมีระบบบริหารจัดการข้อมูลลูกค้า (CRM) ที่แข็งแรง มีพันธมิตรอย่าง PRIMO เสริมแกร่งได้อย่างลงตัว และกล้าที่จะ ‘เปิดรับเทคโนโลยี’ เข้ามาติดอาวุธให้ธุรกิจ

อย่างไรก็ตาม คุณวีร์และคุณจักรชลัชย้ำเตือนประเด็นเดียวกันว่า AI จะเก่งไม่ได้เลยหากไม่มี ‘Data Infrastructure’ โครงสร้างพื้นฐานด้านข้อมูลที่ดีพอเสียก่อน 

และในอนาคตก็มีแผนเชื่อมโยงกับแชตบอต เช่น ChatGPT, Gemini ผ่าน MCP (Multi-Channel Connector) เพื่อทำให้การใช้งานระบบง่ายขึ้น

"การลงทุนในเทคโนโลยีและระบบ CRM อาจดูเป็นการลงทุนที่ใช้เงินก้อนใหญ่ แต่หากมีเป้าหมายการเติบโตที่ชัดเจน ถือเป็นการลงทุนที่สำคัญ และไม่ใช่แค่ลงทุนด้านระบบ การลงทุนในพาร์ตเนอร์ที่เข้าใจธุรกิจก็สำคัญเช่นกัน" ซีอีโอและผู้ร่วมก่อตั้ง JOURNAL ฝากข้อคิดให้ SME ไทย

SME Scale-up Playbook: สร้างระบบองค์กรให้พร้อมสำหรับการเติบโต

หัวข้อนี้เป็นวงเสวนาที่รวมผู้เชี่ยวชาญจาก ธนาคารกสิกรไทย, FlowAccount และ HumanSoft มาพูดคุยเกี่ยวกับ ‘สัญญาณเตือน’ เมื่อธุรกิจ SME โตเร็วกว่าระบบที่ใช้งานอยู่ ต่อด้วยการนำเสนอแนวทางแก้ไข และโซลูชันที่เข้ามาแก้ปัญหา รับจบทุกความต้องการของ SME 

รวมสัญญาณเตือนที่บ่งชี้ว่า ‘ธุรกิจ’ โตเร็วกว่า ‘ระบบ’

คุณสุพจน์ บุศราวงศ์ ผู้บริหารฝ่ายบริการจัดการด้านการเงิน ธนาคารกสิกรไทย ระบุสัญญาณสำคัญด้านการเงินที่บ่งชี้ว่าธุรกิจกำลังเติบโตเร็วกว่าระบบที่มีอยู่ว่า หรือ ยอดขายโต แต่เงินสดกลับตึงมือ (Cash Flow Crisis) ซึ่งเห็นได้จาก 1) ยอดขายที่เพิ่มขึ้นแต่กระแสเงินสดกลับหมุนไม่ทัน 2) เจ้าของธุรกิจต้องใช้เวลามากเกินไปในการจัดการเรื่องการเงินส่วนตัวและการอนุมัติงาน 3) ชีวิตส่วนตัวได้รับผลกระทบจากการทำงานหนักเพราะเรื่องเงิน

ในด้านระบบและข้อมูล คุณกฤษฎา ชุตินธร ซีอีโอและผู้ร่วมก่อตั้ง FlowAccount ชี้สัญญาณเตือนหากเจ้าของธุรกิจรู้สึกว่า 1) เงินสดไม่พอใช้ 2) ไม่สามารถอธิบายได้ว่า ยอดขายลดลงหรือเพิ่มขึ้นเพราะอะไร 3) ไม่สามารถคาดการณ์กระแสเงินสดล่วงหน้าได้ เพื่อเตรียมแนวทางแก้ไขปัญหา เช่น ไม่รู้ว่าธุรกิจจะไปต่อได้อีกกี่เดือน ถ้าไม่มีรายได้เข้าบริษัท และ 4) ไม่สามารถแยกต้นตอของปัญหาที่แท้จริงได้ เช่น แทนที่จะวิเคราะห์ปัญหาภายในบริษัท กลับโทษที่ปัจจัยภายนอกอย่างเรื่องเศรษฐกิจ (Macroeconomics) 

คุณอัษฎาวุธ จิตตเสถียร ซีอีโอและผู้ร่วมก่อตั้ง HumanSoft เผยสัญญาณเตือนด้านบุคลากร เช่น 1) พนักงานบ่นว่างานเยอะขึ้นแต่กระบวนการและจำนวนคนเท่าเดิม 2) งานไปกระจุกอยู่ที่คนใดคนหนึ่ง กลายเป็นคอขวดขององค์กร และ 3) ซีอีโอหรือเจ้าของบริษัทต้องลงไปเป็น ‘นักดับเพลิง’ เข้าไปช่วยแก้ปัญหาบ่อยครั้ง

สำหรับธุรกิจที่มีข้อจำกัด ควรจัดลำดับความสำคัญเรื่องเหล่านี้

คุณสุพจน์กล่าวถึง ระบบบัญชี ว่า SME ควรลงทุนกับการทำ Financial Visibility ให้เห็นชัดเจน รับรู้รายรับรายจ่ายในอีก 3-6 เดือนข้างหน้า เพื่อบริหารสภาพคล่องได้ดียิ่งขึ้น ต่อด้วยการแนะให้ เจ้าของธุรกิจใช้เวลาวิเคราะห์และโฟกัสสิ่งจำเป็น เช่น การขยายกิจการหรือชะลอธุรกิจ แทนที่จะจมอยู่กับเนื้องานในภาคปฏิบัติ (Operation)

และใช้โซลูชันการเงินกับให้อำนาจตัดสินใจ เนื่องจากธนาคารกสิกรไทยมีโซลูชันที่เหมาะสมกับธุรกิจที่กำลังเติบโตและต้องการขยายกิจกรรม จึงแนะนำให้กำหนดอำนาจการจัดการเรื่องการเงินตามสาขาหรือจำนวนเงิน เพื่อลดภาระงานของเจ้าของธุรกิจลง

คุณกฤษฎาจาก FlowAccount แนะให้ธุรกิจโฟกัส การบริหารการเงินส่วนตัว ว่าเจ้าของธุรกิจควรเข้าใจนิสัยการใช้เงินส่วนตัว ไม่นำเงินไปใช้กับบริษัททั้งหมด และ ต้องสร้างวินัยทางการเงิน เช่น กำหนดเวลา 2 ชั่วโมงทุกวันศุกร์หลังวันที่ 15 ของเดือน เพื่อทบทวนบัญชี กระแสเงินสด และเงินเดือน นอกจากนี้ หากมีการประชุม ให้เรียกผู้เกี่ยวข้องกับการใช้เงินบริษัทมาสร้างความตระหนักรู้ร่วมกัน

คุณอัษฎาวุธจาก HumanSoft พูดถึงการจัดการด้านกระบวนการ (Process Management) ว่า ควรสร้างระบบหรือกระบวนการที่ทำให้งานบางอย่างสามารถใช้คนหรือระบบเข้ามาช่วย โดยไม่จำเป็นต้องผ่านเจ้าของธุรกิจเสมอไป และให้เจ้าของโฟกัสแต่ทิศทางธุรกิจที่จะมุ่งไป รวมถึงรู้จักปฏิเสธสิ่งที่ไม่ตรงกับเป้าหมายทางธุรกิจ

หนึ่งคน หนึ่งคำแนะนำ สำหรับธุรกิจที่ต้องการโต 2 เท่าใน 3 ปี

คุณสุพจน์ชูเรื่อง การสร้างระบบเพื่อทีมงาน เช่น หากต้องการให้ทั้งบริษัทประสบความสำเร็จร่วมกัน ควรสร้างระบบที่ช่วยลดข้อผิดพลาดจาก Human Error และมีเครื่องมือช่วยให้ทีมงานทำงานได้อย่างมีประสิทธิภาพ

คุณกฤษฎาบอกว่า ธุรกิจต้องตระหนักรู้ขีดความสามารถทางการเงินก่อน ว่าบริษัทมีเงินสำรองเท่าไหร่ และจะอยู่ได้กี่เดือนหากไม่มีรายได้ เพื่อตัดสินใจลงทุนหรือขยายธุรกิจอย่างมีสติ

ฝั่งคุณอัษฎาวุธยกเรื่องหลักที่เจ้าของต้องรู้ต้องคิด นั่นคือ รู้ว่าต้องการให้ธุรกิจเติบโตไปในทิศทางใด เช่น ต้องการเป็นธุรกิจร้อยล้าน หรือเป็นธุรกิจที่จะเข้าตลาด mai เพื่อออกแบบกระบวนการและโครงสร้างองค์กรได้อย่างเหมาะสม

และในตอนท้ายของ Session นี้ ธนาคารกสิกรไทย เผยโซลูชัน ‘K-Cash CONNECT PLUS’ หรือ ‘KBank Cash Connect’ ที่เชื่อมต่อกับ FlowAccount ระบบบริหารบัญชีธุรกิจ และ HumanSoft แพลตฟอร์มจัดการเงินเดือน เป็น 3-in-1 Ecosystem เพื่อช่วยธุรกิจ จัดการระบบบัญชีและการเงินหลังบ้านได้อย่างรอบด้าน ไม่ว่าจะเป็น 

• 1) ช่วยให้ธุรกิจสามารถกำหนดเงื่อนไขการอนุมัติการเงินตามจำนวนเงินหรือผู้จัดการสาขาได้ 
• 2) ช่วยลดข้อผิดพลาดในการทำรายการ เช่น การจ่ายเงินเดือน โดยหลังจากมีการคำนวณเงินเดือนเสร็จ ระบบของ HumanSoft จะส่งข้อมูลการจ่ายเงินเดือนไปยัง KBank Cash Connect เพื่ออนุมัติได้ทันที จากนั้นระบบจะตรวจสอบชื่อบัญชีกับชื่อพนักงานเพื่อความถูกต้องและป้องกันการทุจริต (เช่น การเปลี่ยนเลขที่บัญชีผู้รับเงิน) ก่อนโอนจริง
• 3) ช่วยให้การทำเรื่องเงินเดือนง่ายขึ้น (Payroll Integration) เป็นการลดขั้นตอนทำงาน (Manual) ลดเวลา และลดคนที่ต้องทำงานเกี่ยวกับการจ่ายเงินเดือนลง

สรุปได้ว่า เสาหลักที่ต้องเร่งจัดระเบียบใน Session นี้มี 3 เรื่อง 1) Finance - SME ต้องมีวินัยทางการเงินและมองเห็นกระแสเงินสดล่วงหน้า 3-6 เดือน, 2) Process - ต้องสร้างระบบอัตโนมัติเพื่อลดภาระงาน ลดการพึ่งพาเถ้าแก่หรือเจ้าของธุรกิจ ด้วยการใช้ระบบหลังบ้านอัจฉริยะ และ 3) People - ด้วยการสร้าง Management Layer และกระจายอำนาจ (Delegation) การตัดสินใจ 

Decoding Growth Formula: ถอดรหัสธุรกิจดาวรุ่งจาก Insight ของ SME กว่าแสนร้านบน LINE MAN Wongnai

ปิดท้ายด้วย คุณยอด ชินสุภัคกุล ซีอีโอและผู้ร่วมก่อตั้ง LINE MAN Wongnai ที่มาเผยอินไซต์และพฤติกรรมผู้บริโภคตัวจริงจากฐานข้อมูลร้านค้ากว่าแสนแห่งทั่วประเทศ พร้อมด้วยสรุปการเปลี่ยนแปลงสำคัญของธุรกิจ ในช่วง 2-3 ปีที่ผ่านมา โดยยก Keyword สำคัญเพื่อการเติบโตอย่างยั่งยืนในธุรกิจอาหารและเครื่องดื่ม เช่น ความคุ้มค่า เรื่องราวที่น่าสนใจ ความรวดเร็ว ความสะดวกสบาย การเปิดรับเทคโนโลยีใหม่ และการรักษาลูกค้าเก่า ซึ่งเทคซอสสามารถอธิบายเชิงสรุปได้ ดังนี้

• ผู้บริโภคให้ความสำคัญเรื่อง ความคุ้มค่า (Value for Money) และมองหาความคุ้มค่ามากขึ้น โดยเฉพาะในธุรกิจ Food Delivery และ POS
• ตลาดมีกำลังซื้อโดยรวมลดลง เห็นได้จากยอดบิลใหญ่ลดลง แต่ยอดบิลเล็กเพิ่มขึ้น เช่น กาแฟ Specialty ที่มีราคาต่ำกว่า 100 บาทขายดีขึ้น, Starbucks ออกกาแฟที่มีราคาถูกกว่า 100 บาท
• 88% ของผู้ใช้แอปมองหาส่วนลดตามร้านอาหาร และมากกว่า 50% ของออร์เดอร์ใน LINE MAN มีการใช้คูปองหรือส่วนลด
• ผู้บริโภคยอมจ่ายแพงขึ้นให้สินค้าที่มีเอกลักษณ์ แตกต่างอย่างสร้างสรรค์ เช่น หมี่ไก่ฉีก Emily's, โรตีสายไหม ละมุน (Lamunn), ไอศกรีม PARAMETER
• หมวดหมู่ธุรกิจที่มีการเติบโตสูง ได้แก่ ขนมและเครื่องดื่ม เพราะเหมาะกับ Food Delivery และมีความยืดหยุ่นสูง (elastic) มีความเปลี่ยนแปลงรวดเร็วตามเทรนด์ เช่น ชานมไข่มุก, ชาผลไม้, โมจิเผือก, มัจฉะ, ชิโอปัง, บ้างก็สร้างสรรค์ผลิตภัณฑ์ใหม่ๆ ออกมาอย่างต่อเนื่อง อาหารเพื่อสุขภาพ เป็นเมกะเทรนด์ที่มาแรงและน่าจะอยู่ยาว อาหารโปรตีนสูง เช่น อกไก่, สมูทตี้โลว์แคล ได้รับความนิยมและขายได้ราคาสูง

• ธุรกิจที่เปิดรับเทคโนโลยีมีโอกาสเติบโตสูง เช่น ระบบ POS, การจัดการหน้าร้าน, โซลูชันการชำระเงิน และร้านค้าที่ใช้เทคโนโลยีมีอัตราการรอดสูงกว่าร้านที่ไม่ใช้อยู่ที่ 30-50%
• พฤติกรรมของธุรกิจที่เติบโตดี คือ ร้านอาหารต้องทำอาหารที่สะอาด อร่อยและคุ้มค่า เพื่อจูงใจให้ลูกค้าซื้อซ้ำ 
• การใช้เทคโนโลยีช่วยให้ธุรกิจสามารถขยายขนาด (scale) ได้อย่างรวดเร็ว และมีประสิทธิภาพ
• การรักษาลูกค้าเก่า (Retention) มีต้นทุนถูกกว่าการหาลูกค้าใหม่ ธุรกิจที่ลูกค้าใช้บริการบ่อย เช่น ร้านกาแฟ หากสามารถสร้างฐานลูกค้าประจำได้จะยิ่งดีและมีโอกาสเติบโตสูง นอกจากนี้ ธุรกิจที่มีอัตราการกลับมาใช้ซ้ำ (retention) สูง จะมีโอกาสเติบโตแบบยกกำลัง (exponential)

ด้านการเตรียมตัวเพื่อพร้อมรับมือความเปลี่ยนแปลงในอนาคต คุณยอดให้คำแนะนำส่งท้ายแก่ผู้ประกอบการว่า… 

• ผู้ประกอบการควรเริ่มนำเทคโนโลยีดิจิทัลและ AI มาใช้ในการดำเนินธุรกิจ
• ผู้ประกอบการควรทดลองใช้บริการหรือโซลูชันใหม่ๆ ที่มีค่าใช้จ่ายไม่สูงมาก เพื่อหาโอกาสในการเติบโต 
• ผู้ประกอบการควรพิจารณาเข้าร่วมโครงการสนับสนุนจากภาครัฐและและพาร์ตเนอร์ ยกตัวอย่าง โครงการคนละครึ่ง, Digital Coupon เนื่องจากมีต้นทุนหรือความเสี่ยง (Downside) น้อย แต่ผลตอบแทน (Upside) อาจเติบโตได้เป็น 10 หรือ 100 เท่า

ทั้งหมดนี้บอกได้ว่า SME Growth Formula เป็นอีกเวทีคุณภาพที่ส่งต่อสูตรลับ ประสบการณ์ มุมมองด้านธุรกิจ องค์ความรู้ และตัวอย่างการใช้เทคโนโลยี ซึ่งมัดรวมเป็น Playbook ที่นำไป ‘ใช้งานได้จริง’ และสร้างการเติบโตให้ธุรกิจได้ในอนาคต 

แต่อย่างไรก็ตาม หากผู้ประกอบการติดขัดด้านความรู้ เครื่องมือ หรือต้องการการสนับสนุนทางการเงิน ธนาคารกสิกรไทยซึ่งมีบทบาทในการส่งเสริมและผลักดันผู้ประกอบการ SME ภายใต้แนวคิด ‘We Groom, You Grow’ พร้อมที่จะให้ความรู้ด้านการเงิน การตลาด AI และการจัดการธุรกิจด้วย Data Insight ตลอดจนสามารถสนับสนุนโซลูชันและบริการสินเชื่อ SME ที่ออกแบบมาเพื่อตอบโจทย์ธุรกิจที่กำลังเติบโตได้อย่างเฉพาะเจาะจง ไม่ว่าธุรกิจนั้นๆ จะขับเคลื่อนอยู่ในน่านน้ำสีใด 

บทความนี้เป็น Advertorial

ในงาน KMITL EXPO 2026: FROM LAB TO LIFE กลุ่มธุรกิจ TCP หรือกลุ่มบริษัทผู้ผลิตและจัดจำหน่ายเครื่องดื่มและสินค้าอุปโภคบริโภคชั้นนำของไทย ชวนมาเปิดดูเบื้องหลังเหล่านี้ผ่านบูธที่รวมทั้งนวัตกรรมด้านผลิตภัณฑ์ บรรจุภัณฑ์และกิจกรรมที่ให้ผู้เข้าชมได้ลองสัมผัสด้วยตัวเอง ตั้งแต่เครื่องดื่มที่เราคุ้นเคยไปจนถึงผลิตภัณฑ์ใหม่ที่ออกแบบมาให้เข้ากับไลฟ์สไตล์ของคนยุคนี้

3 ผลิตภัณฑ์เด่นที่น่าสนใจจากบูธ TCP

ไฮไลต์สำคัญของบูธครั้งนี้อยู่ที่ 3 ผลิตภัณฑ์ที่นำมาให้ได้ทำความรู้จักกันแบบใกล้ ๆ พร้อมชู Energy Gel นวัตกรรมใหม่ ที่ทำมาเพื่อตอบโจทย์ไลฟ์สไตล์ของแต่ละคนมากขึ้น

ผลิตภัณฑ์ตัวแรกคือผลิตภัณฑ์ที่จับกลุ่มคนออกกำลังกายโดยตรงและเป็นนวัตกรรมใหม่ล่าสุดคือ Sponsor Pro Energy Gel+ เจลให้พลังงานผสมเกลือแร่ที่พัฒนาร่วมกับนักโภชนาการการกีฬาและนักวิ่งไทย ให้พลังงาน 120 กิโลแคลอรีต่อซอง โดยใช้ Cluster Dextrin™ ซึ่งเป็นนวัตกรรมคาร์โบไฮเดรตหลักที่ออกแบบมาเพื่อให้พลังงานอย่างต่อเนื่อง และลดโอกาสเกิดอาการจุกท้องระหว่างวิ่ง มี 2 รสชาติ ได้แก่ รสออริจินัลและรสแตงโม เบอร์รี่ โดยเตรียมเปิดตัวอย่างเป็นทางการในเดือนตุลาคมนี้

การมีผลิตภัณฑ์ประเภท Energy Gel เพิ่มเข้ามาทำให้เห็นว่าในกลุ่มผลิตภัณฑ์ของ Sponsor มีตัวเลือกที่ออกแบบมาให้ตรงกับลักษณะการใช้งานมากขึ้น โดยเฉพาะสำหรับคนที่ออกกำลังกายและต้องการเติมพลังงานระหว่างกิจกรรม

• Mansome Collagen เครื่องดื่ม Functional Drink สำหรับผู้ชาย มีคอลลาเจน 2,000 มิลลิกรัม พร้อมวิตามินซีและซิงค์ รวมถึงส่วนผสมของน้ำผลไม้
• Ready Neon เป็น Energy Drink สำหรับผู้หญิง มีทั้งทอรีน คาเฟอีน โคลีน และวิตามินบี 3 บี 6 และบี 12 ออกแบบมาสำหรับคนที่ต้องใช้ชีวิตยาว ๆ และต้องการเติมพลังระหว่างวัน
• Bestural x DHC คอลลาเจนในรูปแบบกัมมี่ที่พัฒนาร่วมกับ DHC จากญี่ปุ่น มีคอลลาเจน ไบโอติน วิตามินบี 12 วิตามินซี มาในรูปแบบที่กินง่ายและพกพาสะดวก เหมาะกับคนที่อยากดูแลตัวเองในแต่ละวันโดยไม่ต้องมีขั้นตอนยุ่งยาก

ผลิตภัณฑ์ตัวที่สอง คือ Red Bull Soda เครื่องดื่มเอเนอร์จี้โซดาที่เพิ่มความแตกต่างจากให้พลังงานแบบเดิมด้วยรสชาติที่อร่อย ซ่าและมีกลิ่นผลไม้ พร้อมทอรีน 500 มิลลิกรัม รวมถึงวิตามินบี 3 บี 6 และบี 12 เหมาะกับคนรุ่นใหม่ที่มองหาเครื่องดื่มให้พลังงานในรูปแบบที่ดื่มง่าย ไม่มีน้ำตาลและเข้ากับไลฟ์สไตล์มากขึ้น

หลายคนอาจสงสัยว่าทำไมถึงต้องชูจุดเด่นที่ Taurine จริง ๆ แล้วทอรีนเป็นกรดอะมิโนที่ร่างกายสามารถสร้างได้เอง และพบได้ในหลายส่วนของร่างกาย เช่น สมอง หัวใจ และกล้ามเนื้อ โดยร่างกายอาจต้องการสารอาหารต่าง ๆ เพิ่มขึ้นในบางช่วงที่ต้องใช้พลังงานมากหรือพักผ่อนน้อย แนวคิดของผลิตภัณฑ์จึงอยู่ที่การนำส่วนผสมมาปรับรูปแบบและรสชาติให้เข้ากับผู้บริโภคยุคใหม่มากขึ้น

อีกผลิตภัณฑ์ที่น่าสนใจคือ Sponsor Isotonic เครื่องดื่มเกลือแร่รูปแบบ Isotonic ครั้งแรกของไทย ที่ออกแบบให้มีความเข้มข้นใกล้เคียงกับของเหลวในร่างกาย ช่วยให้ร่างกายดูดซึมน้ำและเกลือแร่ได้อย่างรวดเร็ว มาพร้อมรสส้มคาลามานซี หวานน้อย ดื่มง่าย และด้วยรูปแบบดังกล่าวเครื่องดื่มนี้จึงเหมาะกับคนที่ต้องการเติมน้ำและเกลือแร่หลังเสียเหงื่อ ไม่ว่าจะจากการออกกำลังกาย กิจกรรมต่าง ๆ หรือการต้องอยู่ท่ามกลางอากาศร้อน รวมถึงคนที่มองหาเครื่องดื่มเกลือแร่ที่มีรสชาติไม่หวานจัด

นอกจากผลิตภัณฑ์ที่นำมาให้ชมแล้ว บูธ TCP ยังแบ่งพื้นที่ออกเป็นหลายโซน เพื่อให้เห็นตั้งแต่เบื้องหลังการพัฒนาผลิตภัณฑ์ไปจนถึงนวัตกรรมที่อยู่รอบตัว

เริ่มจากโซน Lab Zone ตั้งแต่ฝั่งของ Product Innovation ที่รวมผลิตภัณฑ์จากกลุ่มธุรกิจ TCP และพาไปรู้จักแนวคิดเบื้องหลังสินค้าที่ตอบโจทย์ทั้งเรื่องโภชนาการ สุขภาพ และไลฟ์สไตล์ที่เปลี่ยนไป

ถัดมาคือ ฝั่ง Smart Manufacturing  ที่พาไปดูอีกด้านของผลิตภัณฑ์ว่ากว่าจะมาเป็นบรรจุภัณฑ์หนึ่งชิ้น มีการคิดเรื่องการใช้ทรัพยากรและผลกระทบต่อสิ่งแวดล้อมอย่างไร โดยบรรจุภัณฑ์ของกลุ่มธุรกิจ TCP ทั้งกระป๋องอะลูมิเนียม ขวดแก้ว ขวดพลาสติก PET รวมถึงซองขนมขบเคี้ยว พัฒนาให้สามารถนำไปรีไซเคิลได้ 100% ซึ่งโซนนี้ทำให้เราเปลี่ยนมุมมอง จากที่เคยสนใจแค่เครื่องดื่มในขวดก็ขยับมามองว่าพอดื่มหมดแล้ว 'แพ็กเกจจิ้ง' จะไปไหนต่อ และการออกแบบที่ดีตั้งแต่ต้นทางช่วยลดการใช้ทรัพยากรได้อย่างไรบ้าง 

อีกโซนที่เปิดให้ทุกคนได้มาลอง วัดพลัง คือ Red Bull Power Race การแข่งขันฟิตเนสเรสซิ่งรูปแบบใหม่จากเรดบูล โดยงานนี้นำสเตชั่น Squat มาให้ทุกคนได้ลอง ท้าทาย ขีดจำกัดของตัวเอง ใครทำผลงานได้ดีที่สุดในแต่ละวัน ก็มีลุ้น คว้าสิทธิ์ไปลงสนามแข่งจริงในวันที่ 17 ตุลาคม 2569

บูธของ TCP ในงานนี้ไม่ได้มาแค่โชว์เครื่องดื่ม แต่พาไปเจาะลึกเบื้องหลังแบบครบวงจร ทั้งการพัฒนาสูตร แพ็กเกจจิ้ง และกิจกรรมที่ตอบโจทย์การใช้ชีวิต เรียกได้ว่าถ่ายทอดคอนเซปต์ FROM LAB TO LIFE ออกมาให้เราเห็นภาพและสัมผัสได้จริงตั้งแต่ของที่อยู่ในขวด ไปจนถึงบรรยากาศรอบบูธ 

120 ปี คือเวลาที่โลกยังต้องรอ กว่าผู้หญิงและผู้ชายจะมีโอกาสทางเศรษฐกิจ การศึกษา สุขภาพ และการเมืองเท่ากันเต็มร้อย ตัวเลขนี้มาจาก Global Gender Gap Report 2026 ของ World Economic Forum (WEF) ฉบับที่ 20 นับตั้งแต่เริ่มทำในปี 2006 ครอบคลุม 145 เศรษฐกิจทั่วโลก ผลล่าสุดพบว่าโลกปิดช่องว่างทางเพศได้ 69.2% และยังไม่มีประเทศไหนไปถึงความเท่าเทียมสมบูรณ์

สิ่งที่ทำให้ฉบับครบรอบ 20 ปีต่างจากการจัดอันดับทุกปี คือข้อสรุปว่าโจทย์ของความเท่าเทียมเปลี่ยนไปแล้ว สองทศวรรษที่ผ่านมาผู้หญิงเข้าถึงห้องเรียนและตลาดแรงงานได้มากขึ้นจริง แต่ข้อมูลชุดใหม่จาก LinkedIn และธนาคารโลก (World Bank) ชี้ว่าด่านต่อไปคือใครได้ขึ้นเป็นผู้นำ ใครได้ทำงานสาย AI ที่ค่าตอบแทนสูง และใครเป็นคนกำหนดทิศทางเงินทุน ซึ่งหลายจุดเริ่มหยุดนิ่ง

ส่วนประเทศไทยขยับขึ้น 11 อันดับมาอยู่ที่ 55 ของโลก เป็นอันดับ 3 ของอาเซียน และในข้อมูลประกอบรายประเทศยังมีตัวเลขที่โดดเด่นเป็นพิเศษ คือบริษัทเอกชนไทย 64.8% มีผู้หญิงเป็นผู้บริหารสูงสุด มากที่สุดจาก 132 เศรษฐกิจที่มีข้อมูล

Global Gender Gap Index วัดอะไร และ 69.2% หมายความว่าอย่างไร

ดัชนีนี้วัดช่องว่างระหว่างผู้หญิงกับผู้ชายใน 4 มิติ ได้แก่ การมีส่วนร่วมและโอกาสทางเศรษฐกิจ (Economic Participation and Opportunity) การศึกษา (Educational Attainment) สุขภาพและการอยู่รอด (Health and Survival) และอำนาจทางการเมือง (Political Empowerment) รวม 14 ตัวชี้วัด ตั้งแต่อัตราการเข้าร่วมกำลังแรงงาน รายได้ สัดส่วนผู้บริหาร อัตราการรู้หนังสือ ไปจนถึงสัดส่วนผู้หญิงในรัฐสภาและจำนวนปีที่มีผู้นำรัฐบาลหญิงในรอบ 50 ปี

วิธีคำนวณคือนำค่าของผู้หญิงหารด้วยค่าของผู้ชายในแต่ละตัวชี้วัด คะแนนจึงอยู่ระหว่าง 0 ถึง 1 โดย 1 คือเท่าเทียมสมบูรณ์ และอ่านเป็นเปอร์เซ็นต์ของช่องว่างที่ปิดไปแล้วได้ทันที เช่น 0.692 คือปิดไปแล้ว 69.2% ถ้าผู้หญิงแซงผู้ชายในตัวชี้วัดใด คะแนนจะถูกตัดไว้ที่ 1 เพราะดัชนีนี้วัดความเท่าเทียม ไม่ได้ให้คะแนนเพิ่มกับฝ่ายที่นำ

หลักคิดสำคัญอีกข้อคือดัชนีวัดขนาดของช่องว่าง ไม่ได้วัดระดับการพัฒนา ประเทศร่ำรวยที่มีมหาวิทยาลัยมากกว่าจึงไม่ได้เปรียบ ถ้าผู้หญิงและผู้ชายยังเข้าถึงได้ไม่เท่ากัน และวัดจากผลลัพธ์จริง ไม่ใช่นโยบาย ความยาวของวันลาคลอดจึงไม่อยู่ในสูตร แต่ไปอยู่ในข้อมูลประกอบรายประเทศแทน ส่วนการเปรียบเทียบระยะยาวใช้กลุ่ม 97 เศรษฐกิจที่อยู่ในรายงานครบทั้ง 20 ฉบับ ซึ่งคะแนนเฉลี่ยขยับจาก 64.2% ในปี 2006 เป็น 69.4% ในปีนี้ สูงที่สุดเท่าที่เคยวัดมา

การศึกษาใกล้ถึงเส้นชัย แต่การเมืองยังห่างอีก 194 ปี

เมื่อแยกดูทีละมิติ ค่าเฉลี่ย 69.2% ซ่อนโลกสองแบบที่ห่างกันมาก มิติการศึกษาปิดช่องว่างได้แล้ว 96.9% และเป็นแรงส่งหลักของปีนี้ด้วยการเพิ่มขึ้น 1.6 จุดเปอร์เซ็นต์ หากเดินหน้าด้วยอัตราเดิมจะถึงความเท่าเทียมภายใน 8 ปี ส่วนมิติสุขภาพอยู่ที่ 96.2% และแทบไม่ขยับเลยตลอด 20 ปี

ช่องว่างที่เหลือกองอยู่ในอีกสองมิติ มิติเศรษฐกิจปิดได้ 61.7% ต้องใช้อีก 129 ปี ส่วนมิติการเมืองปิดได้เพียง 22.1% ต้องใช้อีก 194 ปี มิติการเมืองพัฒนามากที่สุดในรอบ 20 ปี แต่ปีนี้ลดลง 0.4 จุด และเป็นมิติเดียวที่คะแนนปี 2026 ต่ำกว่าปี 2016

ในมิติเศรษฐกิจ ยิ่งตำแหน่งสูง ช่องว่างยิ่งกว้าง กลุ่มงานวิชาชีพและงานเทคนิคปิดช่องว่างได้ 73.7% แต่กลุ่มผู้บัญญัติกฎหมาย ข้าราชการระดับสูง และผู้จัดการ ปิดได้เพียง 41.7% มี 67 เศรษฐกิจที่ผู้หญิงในงานวิชาชีพเท่ากับหรือมากกว่าผู้ชายแล้ว แต่ในระดับผู้บริหารมีเพียง 2 เศรษฐกิจที่ทำได้ ด้านรายได้ ผู้หญิงมีรายได้โดยประมาณเพียง 54.9% ของผู้ชาย

การศึกษาเองก็มีช่องโหว่ มี 111 เศรษฐกิจที่ผู้หญิงเรียนระดับอุดมศึกษาเท่ากับหรือมากกว่าผู้ชาย แต่จาก 117 เศรษฐกิจที่มีข้อมูล มีเพียงบอตสวานาที่สัดส่วนผู้หญิงจบสาย Science, Technology, Engineering and Mathematics (STEM) สูงกว่าผู้ชาย ส่วนมิติการเมือง ผู้หญิงในรัฐสภาปิดช่องว่างได้ 32% ในคณะรัฐมนตรี 23.7% และในตำแหน่งผู้นำประเทศเพียง 14.4% โดย 64 จาก 145 เศรษฐกิจไม่เคยมีผู้นำหญิงเลยในรอบ 50 ปี

ไอซ์แลนด์ยืนหนึ่งปีที่ 17 และประเทศรายได้น้อยหลายแห่งแซงหน้าประเทศร่ำรวย

ไอซ์แลนด์ครองอันดับ 1 ติดต่อกันเป็นปีที่ 17 ด้วยคะแนน 93% และยังเป็นประเทศเดียวที่ปิดช่องว่างได้เกิน 90% ตามด้วยฟินแลนด์ (87.2%) นอร์เวย์ (85.7%) นามิเบีย (84.5%) สหราชอาณาจักร (84.2%) นิวซีแลนด์ (82.8%) สวีเดน (82.3%) ออสเตรเลีย (81.9%) เยอรมนี (81.7%) และไอร์แลนด์ (81.4%) ยุโรปครอง 7 จาก 10 อันดับแรก ออสเตรเลียติดท็อป 10 เป็นครั้งแรก ส่วนนามิเบียขึ้นมา 4 อันดับจนได้อันดับดีที่สุดในประวัติศาสตร์ หลัง Netumbo Nandi-Ndaitwah ขึ้นเป็นประธานาธิบดี และคณะรัฐมนตรีมีผู้หญิงเท่ากับผู้ชายเป็นครั้งแรก ท้ายตารางคือชาด (57.8%) อิหร่าน (58.5%) ปากีสถาน (59.5%) และสาธารณรัฐประชาธิปไตยคองโก (59.5%)

จาก 143 เศรษฐกิจที่อยู่ในรายงานทั้งสองปี ราวสองในสามมีคะแนนดีขึ้น มัลดีฟส์ (+4.4 จุด) ไนเจอร์ (+4.2) และแองโกลา (+3.7) ขยับมากที่สุด ด้านอันดับ เคนยาขึ้น 33 อันดับ กานา 32 และกัวเตมาลา 31 ส่วนอีก 36% คะแนนลดลง รายที่ลดหนักคือบังกลาเทศ คะแนนหาย 6.2 จุดและตกลง 55 อันดับมาอยู่ที่ 79 จากทั้งรายได้ของผู้หญิงที่ลดลงและรัฐสภาชุดใหม่หลังการยุบสภาในปี 2025 ที่มีผู้หญิงเพียง 2.4% ของที่นั่ง สหรัฐฯ ตก 5 อันดับมาอยู่ที่ 47 เพราะสัดส่วนรัฐมนตรีหญิงลดลง

รายได้ของประเทศไม่ได้กำหนดผลลัพธ์เสมอไป คะแนนเฉลี่ยกลุ่มรายได้สูงอยู่ที่ 74.5% ลดหลั่นลงไปจนถึงกลุ่มรายได้ต่ำที่ 65.8% แต่ช่วงคะแนนของแต่ละกลุ่มซ้อนทับกันมาก นามิเบียซึ่งเป็นประเทศรายได้ปานกลางระดับล่างทำคะแนนดีกว่า 95% ของประเทศรายได้สูง บุรุนดีซึ่งเป็นประเทศรายได้ต่ำอยู่อันดับ 26 และแซงหน้า 65% ของกลุ่มรายได้สูง ประเทศที่พัฒนาได้มากที่สุดนับจากปี 2006 (เกิน 12 จุด) คือนามิเบีย ไอซ์แลนด์ เอกวาดอร์ เม็กซิโก กัวเตมาลา ฝรั่งเศส โบลิเวีย ชิลี และเนปาล และถ้ารักษาความเร็วเดิมไว้ได้ ไอซ์แลนด์ นามิเบีย เอกวาดอร์ สหราชอาณาจักร เม็กซิโก ฟินแลนด์ ฝรั่งเศส ออสเตรเลีย ชิลี และกัวเตมาลา จะปิดช่องว่างได้ภายใน 40 ปี

ระดับภูมิภาค ยุโรปกลับขึ้นนำที่ 75.7% แซงอเมริกาเหนือ (75.2%) ละตินอเมริกาและแคริบเบียน (74.5%) เดินเร็วที่สุดและคาดว่าจะปิดช่องว่างได้ใน 60 ปี เอเชียตะวันออกและแปซิฟิกซึ่งไทยสังกัดอยู่ทะลุ 70% เป็นครั้งแรกที่ 70.3% แต่ยังต้องใช้อีก 144 ปี เอเชียกลางเดินช้าที่สุดที่ 202 ปี ส่วนตะวันออกกลางและแอฟริกาเหนือยังอยู่ท้ายสุดที่ 62.5%

ด่านต่อไปของความเท่าเทียม: ผู้หญิงได้งานแล้ว แต่ยังไม่ได้อำนาจ

ตัวเลขในบทแรกบอกว่าผู้หญิงอยู่ตรงไหน ส่วนบทที่สองของรายงานพยายามตอบว่าทำไมช่องว่างที่เหลือจึงปิดยากขึ้น WEF ชี้ว่างานยังเป็นพื้นฐานของการมีส่วนร่วมทางเศรษฐกิจ แต่การมีงานทำอย่างเดียวไม่ได้รับประกันความมั่นคงหรือการเลื่อนสถานะอีกต่อไป ช่องว่างที่เหลือจะปิดได้ด้วยการเลื่อนตำแหน่ง การจัดสรรทรัพยากร และอำนาจตัดสินใจ ข้อมูล 8 ชุดต่อไปนี้แสดงว่าทั้งสามเรื่องยังติดอยู่ตรงไหน

1. Drop to the Top: ผู้หญิงหายไปครึ่งหนึ่งระหว่างทางขึ้นสู่ C-Suite (46% เหลือ 23%)

ข้อมูล LinkedIn จาก 57 เศรษฐกิจ ณ มิถุนายน 2026 พบว่าผู้หญิงครองตำแหน่งระดับเริ่มต้น 46% แต่เหลือเพียง 23% ในระดับผู้บริหารสูงสุด (C-Suite) รายงานเรียกปรากฏการณ์นี้ว่า Drop to the Top ภาพรวมก็เริ่มนิ่ง สัดส่วนผู้หญิงในกำลังแรงงานเพิ่มจาก 39.9% ในปี 2015 เป็น 42.0% ในปี 2025 ก่อนลดลงเป็น 41.8% ส่วนผู้บริหารระดับสูงตั้งแต่รองประธานขึ้นไปขยับจาก 26.7% เป็น 29.6% และแทบไม่เพิ่มเลยตั้งแต่ปี 2023

ความชันของเส้นทางขึ้นอยู่กับอุตสาหกรรม ในธุรกิจบริการผู้บริโภคและการศึกษา ผู้หญิงหายไประหว่างทางราวหนึ่งในสาม แต่ในห่วงโซ่อุปทานและขนส่ง โครงสร้างพื้นฐาน และอสังหาริมทรัพย์ หายไปเกินครึ่ง ภาคการเงินและอสังหาฯ มีผู้หญิงในระดับเริ่มต้นราว 48% สูงกว่าค่าเฉลี่ย แต่หายไประหว่างทางถึง 53 ถึง 55% จุดที่หลุดก็ต่างกัน ภาคน้ำมัน ก๊าซ และเหมืองแร่ ผู้หญิงหายไปหนึ่งในสามตั้งแต่ขั้นก้าวขึ้นเป็นผู้จัดการ ส่วนภาคการเงินและภาคเทคโนโลยี สารสนเทศ และสื่อ หายไปมากที่สุดราว 25% ตอนก้าวจากผู้บริหารระดับกลางขึ้นสู่ระดับสูง

ในระดับ C-Suite ผู้หญิงเป็น Chief Executive Officer (CEO) เพียง 19.1% และเป็นราวหนึ่งในสี่ของ Chief Financial Officer (CFO) และ Chief Operating Officer (COO) ซึ่งเป็นตำแหน่งที่มักส่งต่อไปสู่เก้าอี้ CEO แต่ต่อให้มีประสบการณ์ในตำแหน่งเหล่านี้เท่ากัน ผู้หญิงก็ยังมีโอกาสได้เป็น CEO น้อยกว่าผู้ชาย ผู้หญิงครองราวสองในสามของผู้บริหารสูงสุดฝ่ายทรัพยากรบุคคล และเกือบครึ่งของผู้บริหารสูงสุดฝ่ายการตลาด แต่เป็น Chief Information Officer (CIO) ไม่ถึงหนึ่งในห้า และเป็น Chief Technology Officer (CTO) เพียง 8.6% ทั้งที่ตำแหน่งสายเทคโนโลยีกำลังสำคัญขึ้นเมื่อ AI เข้ามาเปลี่ยนโครงสร้างผู้บริหาร

2. สัดส่วนผู้หญิงในการจ้างงานใหม่ลดลงติดต่อกันตั้งแต่ปี 2022

สัดส่วนผู้หญิงในการจ้างงานใหม่เพิ่มจาก 42.7% ในปี 2016 เป็น 45.8% ในปี 2022 แล้วลดลงต่อเนื่องเหลือ 44.4% ในเดือนมิถุนายน 2026 การจ้างผู้หญิงเข้าตำแหน่งผู้บริหารระดับสูงผันผวนแรงกว่า ช่วงปี 2016 ถึง 2022 เพิ่มขึ้น 20.3% เทียบกับ 7.4% ของภาพรวม แต่หลังปี 2022 ลดลง 7.2% เทียบกับ 3.1% ของภาพรวม รายงานเตือนว่าถ้าแนวโน้มนี้ยังไปต่อ ความก้าวหน้าที่ผ่านมาอาจรักษาไว้ไม่ได้

สัญญาณเดียวกันปรากฏในบริษัทใหญ่ที่สุดของโลก Fortune Global 500 มี CEO หญิงเพิ่มจาก 14 คนในปี 2015 เป็น 32 คนในปี 2025 หรือจาก 2.8% เป็น 6.4% แต่ใน 100 บริษัทแรก จำนวน CEO หญิงขึ้นไปสูงสุด 9 คนในปี 2023 ก่อนลดลงเหลือ 7 คน ด้านคณะกรรมการบริษัท ผู้หญิงครองที่นั่งเกือบเพิ่มเป็นเท่าตัว จาก 15.2% ในปี 2014 เป็น 29.3% ในปี 2024 แต่ตำแหน่งผู้นำในคณะกรรมการขยับจาก 3.2% เป็น 5.2% เท่านั้น

3. ผู้หญิงพักงานเพื่อเลี้ยงลูกมากกว่าผู้ชาย 4 เท่า และเลื่อนขั้นช้ากว่าหลังกลับมา

ผู้หญิงระบุว่าเคยพักงานกลางคัน (Career Break) บนโปรไฟล์ LinkedIn มากกว่าผู้ชายเกือบสองเท่า เหตุผลอันดับหนึ่งของผู้หญิงคือการเลี้ยงลูกเต็มเวลา (26.5% เทียบกับผู้ชาย 6.0%) ส่วนเหตุผลอันดับหนึ่งของผู้ชายคือพักไปพัฒนาตัวเอง (19.8% เทียบกับผู้หญิง 15.1%)

ผลต่างเห็นชัดตอนกลับเข้าทำงาน ในกลุ่มพนักงานระดับอาวุโสที่พักไปเลี้ยงลูก หนึ่งปีหลังกลับมา ผู้หญิง 6.3% ได้เลื่อนตำแหน่ง เทียบกับผู้ชาย 9.1% ผ่านไปสามปีตัวเลขอยู่ที่ 7.2% กับ 10.0% ช่องว่างในกลุ่มที่พักไปพัฒนาตัวเองเล็กกว่า แต่ค่อยๆ กว้างขึ้นตามเวลา อุตสาหกรรมที่มีผู้หญิงทำงานมากอย่างสาธารณสุข การศึกษา และภาครัฐ มีช่องว่างเรื่องการพักงานแคบกว่า ส่วนภาคโครงสร้างพื้นฐานกับน้ำมัน ก๊าซ และเหมืองแร่ มีทั้งผู้หญิงน้อยและช่องว่างเรื่องนี้กว้างที่สุด

4. เศรษฐกิจ AI ผลิตซ้ำช่องว่างเดิม: ผู้หญิงเป็นผู้ติดป้ายข้อมูล 44.8% แต่เป็นวิศวกร AI เพียง 19.3%

WEF เคยพบว่าผู้หญิงกระจุกอยู่ในงานที่เสี่ยงถูก AI เข้ามาเปลี่ยนรูปแบบมากกว่าผู้ชาย และอยู่ในงานที่ AI ช่วยเสริมศักยภาพน้อยกว่า รายงานปีนี้ขยับไปดูอีกด้าน คือใครเป็นคนสร้างและนำ AI ไปใช้

ในบริษัท AI ผู้หญิงมีสัดส่วนน้อยกว่าบริษัททั่วไปในทุกระดับ ระดับพนักงาน 36.6% เทียบกับ 44.8% ระดับผู้จัดการกลาง 34.1% เทียบกับ 35.9% และระดับผู้บริหาร 25.3% เทียบกับ 27.7% เมื่อแยกตามประเภทธุรกิจ ผู้หญิงน้อยที่สุดในกลุ่มที่ใกล้ฮาร์ดแวร์และโลกกายภาพ คือบริษัทคอมพิวเตอร์วิทัศน์และหุ่นยนต์ (21.8%) กับบริษัทฮาร์ดแวร์ AI (22.7%) และมากขึ้นในบริษัทแพลตฟอร์ม AI (30.1%) บริษัทแอปพลิเคชันเฉพาะอุตสาหกรรม (33.1%) บริษัทเทคโนโลยียักษ์ใหญ่หรือ Big Tech (34.0%) และบริษัทที่พัฒนาโมเดลพื้นฐานหรือ Foundation Model (35.2%)

ภาพชัดที่สุดอยู่ในระดับอาชีพ ข้อมูลจาก 19 เศรษฐกิจพบว่าผู้หญิงเป็นผู้ติดป้ายกำกับข้อมูล (Data Annotator) สำหรับฝึก AI ถึง 44.8% สูงกว่าสัดส่วนในงานทั่วไปที่ 41.4% แต่เป็นวิศวกร AI (AI Engineer) เพียง 19.3% และวิศวกรแมชชีนเลิร์นนิง (Machine Learning Engineer) 20.6% ข้อมูลของสหรัฐฯ ยังพบว่าผู้ติดป้ายข้อมูลเป็นหนึ่งในงาน AI ที่ค่าตอบแทนต่ำที่สุด ต่ำกว่าค่ากลางของงานที่ไม่เกี่ยวกับ AI ด้วยซ้ำ ส่วนตำแหน่งเทคนิคระดับสูงอย่างสมาชิกทีมเทคนิค (Member of Technical Staff) อาจได้ค่าตอบแทนสูงกว่ารองประธานฝ่าย AI ข้อมูลชุดนี้ไม่รวมจีน ซึ่งรายงานยอมรับว่าเป็นข้อจำกัดสำคัญ

5. ผู้ก่อตั้งธุรกิจเพิ่มขึ้น 60% แต่สัดส่วนผู้หญิงนิ่งอยู่ที่ 28%

กระแส AI ทำให้การตั้งธุรกิจกลับมาคึกคัก สมาชิก LinkedIn ที่เพิ่มคำว่า Founder ในโปรไฟล์เพิ่มขึ้น 60% ในช่วงปี 2024 ถึง 2025 และเพิ่มกว่าสามเท่านับจากกลางปี 2022 แต่สัดส่วนผู้หญิงในกลุ่มผู้ก่อตั้งแทบไม่ขยับจากราว 28% ตั้งแต่ปี 2022 ด้านเงินทุนยิ่งห่าง ปี 2025 เงินร่วมลงทุน (Venture Capital) ทั่วโลกไปถึงทีมผู้ก่อตั้งที่เป็นผู้หญิงล้วนเพียงราว 2%

ทักษะก็เริ่มแยกทาง ปี 2019 ผู้ก่อตั้งชาย 4.7% และหญิง 2.3% มีทักษะวิศวกรรม AI พอถึงปี 2026 ตัวเลขเพิ่มเป็น 14.7% และ 8.7% ช่องว่างจึงกว้างขึ้น สวนทางกับตลาดแรงงานภาพรวมที่สัดส่วนผู้หญิงในกลุ่มคนมีทักษะวิศวกรรม AI ขยับจาก 28.9% เป็น 31.0% ระหว่างปี 2019 ถึง 2025

6. ยิ่งใกล้ห้องตัดสินใจเรื่องเงิน ผู้หญิงยิ่งน้อยลง (ผู้ว่าการธนาคารกลางหญิง 16.4%)

การเข้าถึงบริการการเงินดีขึ้นมาก ใน 96 เศรษฐกิจที่มีข้อมูล ผู้หญิงที่มีบัญชีการเงินเพิ่มจาก 52.1% ในปี 2011 เป็น 73.6% ในปี 2025 ใกล้เคียงผู้ชายที่ 79.5% แต่เมื่อดูว่าใครทำงานในสถาบันที่จัดสรรเงินทุน ผู้หญิงเป็นพนักงาน 48.3% ในธุรกิจประกันภัย 43.5% ในธุรกิจสินเชื่อ และ 40.4% ในธุรกิจตลาดทุน ซึ่งเป็นกลุ่มที่มีบทบาทชี้ทิศทางการลงทุนมากที่สุด พอถึงระดับผู้บริหาร ตัวเลขลดเหลือ 28.9% 36.8% และ 31.0% ตามลำดับ

ในธนาคารกลาง ผู้หญิงครองตำแหน่งผู้ว่าการ 16.4% หรือ 19% เมื่อรวมธนาคารกลางระดับภูมิภาค เพิ่มจากราว 10% เมื่อห้าปีก่อน จำนวนรองผู้ว่าการหญิงเพิ่มจาก 70 คนในปี 2022 เป็น 97 คนในปี 2026 ส่วนตะวันออกกลางและแอฟริกาเหนือยังไม่มีผู้ว่าการธนาคารกลางหญิงเลย

7. กฎหมายเดินหน้า 96% แต่การบังคับใช้ยังตามไม่ทัน

ข้อมูลจากโครงการ Women, Business and the Law ของธนาคารโลกครอบคลุมการปฏิรูปกฎหมายเกือบ 2,000 ครั้งตั้งแต่ทศวรรษ 1970 ใน 145 เศรษฐกิจ 96% เป็นการขยายสิทธิทางเศรษฐกิจของผู้หญิง การปฏิรูปพุ่งสูงสุดช่วงต้นทศวรรษ 2000 หมวดที่ถูกแก้มากที่สุดคือสิทธิในที่ทำงาน (21%) ความเป็นพ่อแม่ (18%) และบำนาญ (14%) โดยบำนาญยังเป็นหมวดที่รวมการปฏิรูปแบบลดสิทธิ์ไว้ราวสามในสี่ของทั้งหมด ตะวันออกกลางและแอฟริกาเหนือเริ่มช้า แต่เป็นภูมิภาคที่ปฏิรูปเข้มข้นที่สุดในทศวรรษนี้

ปัญหาอยู่ที่การแปลงกฎหมายเป็นสิทธิที่ใช้ได้จริง กฎหมายใช้เวลาเฉลี่ย 99 วันจากวันผ่านจนถึงวันบังคับใช้ หมวดดูแลเด็กเร็วที่สุดที่ 38 วัน บำนาญช้าที่สุดที่ 218 วันเพราะต้องประสานหลายระบบ ผลสำรวจการรับรู้การบังคับใช้ของธนาคารโลก (คะแนน 0 ถึง 4) ให้หมวดสิทธิในทรัพย์สินสูงสุดที่ 3.0 ส่วนหมวดการเป็นผู้ประกอบการ (1.7) และการทำงาน (1.9) ต่ำสุด สิทธิในการเปิดธุรกิจถูกมองว่าบังคับใช้ได้ดี แต่การเข้าถึงสินเชื่อไม่ใช่ วันลาของพ่อได้คะแนนต่ำเป็นพิเศษ และกฎหมายค่าจ้างเท่าเทียมอยู่ในกลุ่มที่บังคับใช้ได้น้อยที่สุด

8. ผู้หญิงได้เก้าอี้มากขึ้น แต่ได้กระทรวงอิทธิพลสูงเพียง 1 ใน 10

รัฐสภาเป็นส่วนที่ก้าวหน้าสม่ำเสมอที่สุด ความเท่าเทียมในรัฐสภาเพิ่มขึ้น 13.6 จุดนับจากปี 2006 โดยไม่เคยถอยหลัง สัดส่วนผู้หญิงในรัฐสภาทั่วโลกต่ำกว่า 5% ตั้งแต่ปี 1945 จนถึงต้นทศวรรษ 1970 และเพิ่งทะลุ 10% ในปี 1997 ช่วง 30 ปีหลังเร่งขึ้นชัดเจน โดย 82 จาก 97 เศรษฐกิจที่ติดตามมีการใช้โควตาทางเพศ

ตัวเลขฝั่งคณะรัฐมนตรีกลับต่างออกไป จำนวนกระทรวงที่มีรัฐมนตรีหญิงนำเพิ่มขึ้น 26% นับจากปี 2008 และขึ้นไปสูงสุดในปี 2020 แต่สัดส่วนกระทรวงอิทธิพลสูง ซึ่งวัดจากงบประมาณ บุคลากร และความใกล้ชิดอำนาจบริหาร แทบไม่เปลี่ยน รัฐมนตรีหญิงคุมกระทรวงกลุ่มนี้ราวหนึ่งในสิบมาตั้งแต่ปี 2008 ส่วนรัฐมนตรีชายคุม 17.5% หรือเกือบสองเท่า กระทรวงที่ผู้หญิงนำเพิ่มขึ้นมากที่สุดคือกิจการสังคม พลังงานและเหมืองแร่ และการท่องเที่ยว ส่วนที่ลดลงคือการค้า การปกครองส่วนท้องถิ่น และยุติธรรม ระดับผู้นำประเทศ จำนวนผู้นำหญิงขึ้นไปสูงสุดในปี 2022 ก่อนลดลงกลับไปเท่าระดับปี 2016 ภายในเวลาไม่ถึงสิบปี

รายงานสรุปว่าภาครัฐและภาคเอกชนเดินในทิศเดียวกัน คือผู้หญิงได้ตำแหน่งมากขึ้น แต่ไม่ได้อิทธิพลมากขึ้นตาม

"The barrier to parity lies in allocation, and not in talent or leadership availability."

อุปสรรคของความเท่าเทียมอยู่ที่การจัดสรร ไม่ใช่การขาดแคลนคนเก่งหรือผู้นำ

ไทยอยู่ตรงไหน: อันดับ 55 ขึ้น 11 ขั้น เด่นเรื่องเศรษฐกิจ แต่การเมืองยังตามหลัง

ภาพผู้หญิงได้ที่นั่งแต่ยังไม่ได้อำนาจสะท้อนกับไทยค่อนข้างตรง ไทยได้คะแนนรวม 73.5% ขยับจากอันดับ 66 เมื่อปีก่อนมาอยู่ที่ 55 เป็นอันดับ 5 ของเอเชียตะวันออกและแปซิฟิก รองจากนิวซีแลนด์ ออสเตรเลีย ฟิลิปปินส์ และสิงคโปร์ และเป็นอันดับ 3 ของอาเซียน ตามหลังฟิลิปปินส์ (20) และสิงคโปร์ (31 ขึ้นมา 16 อันดับ) ประเทศเพื่อนบ้านที่เหลือได้แก่ เวียดนาม (84) สปป.ลาว (89) ติมอร์-เลสเต (93) มาเลเซีย (104) อินโดนีเซีย (106) บรูไน (111) และกัมพูชา (113) ส่วนเกาหลีใต้อยู่ที่ 101 และญี่ปุ่นอยู่ที่ 117 แม้เพิ่งได้ Sanae Takaichi เป็นนายกรัฐมนตรีหญิงคนแรก

จุดแข็งของไทยอยู่ที่มิติเศรษฐกิจ ซึ่งอยู่อันดับ 14 ของโลก (78.9%) ผู้หญิงไทยครอง 59.8% ของกลุ่มงานวิชาชีพและงานเทคนิค ได้คะแนนเต็มในตัวชี้วัดนี้ ความเท่าเทียมด้านค่าจ้างในงานลักษณะเดียวกันและรายได้โดยประมาณอยู่อันดับ 14 ทั้งคู่ โดยผู้หญิงมีรายได้เฉลี่ยราว 19,660 ดอลลาร์สากลต่อปี (ปรับตามอำนาจซื้อ) เทียบกับผู้ชาย 23,940 ดอลลาร์ จุดที่ยังห่างคืออัตราการเข้าร่วมกำลังแรงงาน ผู้หญิง 59.8% เทียบกับผู้ชาย 76.5% (อันดับ 81) และสัดส่วนผู้หญิงในกลุ่มผู้บริหารและข้าราชการระดับสูงที่ 38% (อันดับ 56)

ข้อมูลประกอบรายประเทศยิ่งตอกย้ำจุดแข็งนี้ ผลสำรวจสถานประกอบการของธนาคารโลกพบว่าบริษัทเอกชนไทย 64.8% มีผู้หญิงเป็นผู้บริหารสูงสุด มากที่สุดจาก 132 เศรษฐกิจที่มีข้อมูล ทิ้งห่าง สปป.ลาว (50.7%) และเกาหลีใต้ (44.4%) บริษัทที่ผู้หญิงถือหุ้นใหญ่มีสัดส่วน 61.3% อยู่อันดับ 5 ส่วนผู้บริหารภาคธุรกิจในแบบสำรวจความเห็นของ WEF ซึ่งมีจุฬาลงกรณ์มหาวิทยาลัยเป็นสถาบันพันธมิตรในไทย ให้คะแนนว่าบริษัทไทยเปิดโอกาสให้ผู้หญิงขึ้นสู่ตำแหน่งผู้นำเท่ากับผู้ชายที่ 5.66 จาก 7 อยู่อันดับ 11 จาก 110 เศรษฐกิจ

มิติการศึกษาไทยได้ 99.6% แต่ตกจากอันดับ 1 ร่วมเมื่อปีก่อนมาอยู่ที่ 61 เพราะเด็กหญิงเข้าเรียนชั้นประถมน้อยกว่าเด็กชายเล็กน้อย (98.7% เทียบกับ 99.6%) ระดับอุดมศึกษาผู้หญิงนำห่าง อัตราการเข้าเรียน 56.4% เทียบกับ 42.0% แต่เลือกสาขาต่างกันชัดเจน ผู้หญิงที่จบปริญญามีเพียง 14.4% ที่จบสาย STEM เทียบกับผู้ชาย 50.8% และจบสายวิศวกรรม การผลิต และก่อสร้างเพียง 7.4% เทียบกับ 43.4% ส่วนเกือบครึ่ง (41.5%) จบสายบริหารธุรกิจ การจัดการ และกฎหมาย มิติสุขภาพอยู่อันดับ 29 (97.7%) ผู้หญิงไทยมีอายุคาดเฉลี่ยของการมีสุขภาพดี 68.1 ปี เทียบกับผู้ชาย 63.5 ปี

มิติที่ฉุดไทยไว้คือการเมือง อยู่อันดับ 94 ด้วยคะแนน 17.9% แต่ก็เป็นแรงส่งหลักของการขยับอันดับปีนี้ เพราะขึ้นมาจาก 14.8% (อันดับ 105) ผู้หญิงมีที่นั่งในสภาผู้แทนราษฎร 19.8% (อันดับ 103) ในวุฒิสภา 22.5% และในคณะรัฐมนตรี 21.1% (อันดับ 79) ตลอด 50 ปีที่ผ่านมาไทยมีผู้นำรัฐบาลหญิง 2 คน รวมเวลาราว 3.8 ปี และยังไม่มีกฎหมายกำหนดโควตาผู้สมัครหญิงในการเลือกตั้งระดับชาติ มีเพียงโควตาแบบสมัครใจของพรรคการเมือง

20 ปีจากคำถามว่าผู้หญิงเข้าถึงหรือยัง สู่คำถามว่าใครถืออำนาจ

Saadia Zahidi กรรมการผู้จัดการ WEF เขียนไว้ในบทนำว่า 20 ปีที่ผ่านมาพิสูจน์แล้วว่าช่องว่างทางเพศปิดได้จริง โจทย์ของอีก 20 ปีข้างหน้าคือทำให้ปิดเร็วขึ้น เพราะความเท่าเทียมทางเพศไม่ได้เป็นแค่ผลลัพธ์ของความก้าวหน้า แต่เป็นฐานของความก้าวหน้าในอนาคตด้วย

รายงานยอมรับว่าช่องว่างที่เหลือจะปิดยากขึ้นเรื่อยๆ จำนวนผู้หญิงในที่ทำงาน ในมหาวิทยาลัย และในรัฐสภาที่สะสมมาตลอดสองทศวรรษ จะเป็นฐานให้ผู้หญิงมีอำนาจตัดสินใจมากขึ้นในขั้นต่อไป ตัวเลข 120 ปีจึงจะสั้นลงได้แค่ไหน ขึ้นอยู่กับว่าผู้หญิงจะเข้าไปอยู่ในจุดที่กำหนดทิศทางเศรษฐกิจได้เร็วเพียงใด ทั้งในห้องประชุมผู้บริหาร ในทีมพัฒนา AI และในสถาบันที่ตัดสินใจว่าเงินทุนจะไหลไปทางไหน

ที่มา: World Economic Forum

ไฟทางหน้าซอยดับมาหลายคืน ทางเท้ายุบเป็นหลุม หรือรถจอดขวางทางเข้าบ้าน คนกรุงเทพฯ จำนวนไม่น้อยเลือกถ่ายรูปส่งผ่าน LINE ไปที่ Traffy Fondue แทนการโทรหาสำนักงานเขต และหลังจากนี้ช่องทางแบบเดียวกันกำลังจะขยายไปถึงหน่วยงานรัฐทุกจังหวัด

ศ.ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) เปิดเผยว่าที่ประชุมคณะรัฐมนตรี (ครม.) มีมติเห็นชอบให้ขยายผลแพลตฟอร์มรับแจ้งและบริหารจัดการปัญหาเมือง Traffy Fondue เป็นแพลตฟอร์มกลางของประเทศ พร้อมมอบหมายให้ทุกส่วนราชการและหน่วยงานในกำกับของรัฐทั่วประเทศพิจารณานำไปใช้เป็นอีกช่องทางรับเรื่องร้องเรียนร้องทุกข์ของประชาชน และเชื่อมต่อไปยังหน่วยงานที่รับผิดชอบโดยตรง

ถ่ายรูป ปักพิกัด แล้วติดตามผลได้เองผ่าน LINE

Traffy Fondue พัฒนาโดยสำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ภายใต้กระทรวง อว. ตั้งแต่ปี 2561 โดยวางตัวเป็นระบบรวมศูนย์การรับแจ้ง (Single Point of Contact) ที่นำเทคโนโลยีและ AI มาช่วยจัดการเรื่องที่เข้ามา

จุดเด่นของระบบคือการเก็บข้อมูลปัญหาด้วยภาพถ่ายและระบุพิกัด GPS อัตโนมัติ ประชาชนแจ้งผ่านแอปพลิเคชัน LINE ได้ตลอด 24 ชั่วโมง จากนั้นติดตามความคืบหน้า ให้คะแนนความพึงพอใจ และตรวจสอบการทำงานของหน่วยงานได้ทันที ส่วนฝั่งรัฐได้ประโยชน์จากขั้นตอนที่สั้นลงและงบประมาณที่ลดลง

เกือบ 2 ล้านเรื่องใน 37 จังหวัด แก้เสร็จแล้ว 77%

ก่อนจะขึ้นเป็นแพลตฟอร์มกลาง Traffy Fondue ถูกใช้งานแล้วใน 37 จังหวัด รวม 22,577 หน่วยงาน ครอบคลุมประชากรไม่น้อยกว่า 34 ล้านคน มีเรื่องแจ้งเข้ามารวม 1,944,956 เรื่อง และแก้ไขเสร็จสิ้นแล้ว 1,500,633 เรื่อง หรือราว 77%

หน่วยงานที่ใช้งานสูงสุด 5 อันดับแรก ได้แก่ กรุงเทพมหานคร สำนักงานตำรวจแห่งชาติ การไฟฟ้านครหลวง สำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (กสทช.) และศูนย์บริการภาครัฐเพื่อประชาชน (สายด่วน GCC 1111) ส่วนประเภทเรื่องที่ถูกแจ้งมากที่สุดคือ ไฟฟ้า ถนน ทางเท้า การทำผิดกฎจราจร และความสะอาด ซึ่งล้วนเป็นปัญหาที่คนเมืองเจออยู่ทุกวัน

กรุงเทพฯ ย่นเวลาแก้ปัญหาจาก 13 วันเหลือ 2 วัน

กรุงเทพมหานคร (กทม.) คือสนามทดสอบที่ใหญ่ที่สุด ระหว่างปี 2565 ถึง 2569 มีเรื่องแจ้งเข้ามารวม 1,247,909 เรื่อง ระยะเวลาแก้ไขปัญหาเฉลี่ยลดลงจาก 13 วันเหลือเพียง 2 วัน และประชาชนพึงพอใจถึง 81%

ระบบยังพิสูจน์ตัวเองในสถานการณ์ฉุกเฉิน หลังเหตุแผ่นดินไหวเมื่อวันที่ 28 มีนาคม 2568 กทม. ใช้ Traffy Fondue รับแจ้งรอยร้าวในอาคาร 18,628 เรื่อง สำนักการโยธา กทม. ดำเนินการแล้วเสร็จถึง 92% และได้คะแนนความพึงพอใจสูงถึง 96%

นอกจากการแก้ปัญหารายเรื่อง ข้อมูลที่สะสมจากทุกการแจ้งยังกลายเป็นฐานข้อมูลที่ กทม. ใช้ขับเคลื่อนโครงการเมืองอัจฉริยะ (Smart City) และกำหนดนโยบายจากข้อมูล (Data-Driven Policy) ทั้งการวางแผนงบประมาณและการจัดสรรบุคลากร

กระทรวงต่าง ๆ เริ่มนำไปปรับใช้ตามภารกิจ

ก่อนมติ ครม. ครั้งนี้ หลายกระทรวงได้นำ Traffy Fondue ไปต่อยอดในงานของตัวเองแล้ว ศ.ดร.ยศชนัน ยกตัวอย่างว่า

"ที่ผ่านมา กระทรวงต่าง ๆ นำ Traffy Fondue ไปปรับใช้งานตามภารกิจ อาทิ กระทรวงอุตสาหกรรมนำแพลตฟอร์ม Traffy Fondue ไปใช้งานในระบบที่เรียกว่า 'แจ้งอุต' ซึ่งเป็นช่องทางให้ประชาชนแจ้งเรื่องร้องเรียนและปัญหาเกี่ยวกับการประกอบกิจการอุตสาหกรรม กระทรวงศึกษาธิการนำ Traffy Fondue for Education ยกระดับความปลอดภัยสถานศึกษา กระทรวงแรงงานเริ่มทดลองใช้ Traffy Fondue ดูแลพี่น้องแรงงาน 45 ล้านคนทั่วโลก เป็นต้น"

งานย้ายโค้ด 680,000 บรรทัดที่ปกติทีมวิศวกรต้องใช้เวลาหลายสัปดาห์ ถูกทำเสร็จภายในไม่ถึงหนึ่งวัน นี่คือหนึ่งในผลลัพธ์ที่ผู้ทดสอบกลุ่มแรกได้จาก Claude Opus 5.5 และสะท้อนจุดขายหลักของรุ่นนี้ได้ชัด คือความสามารถระดับแนวหน้าในต้นทุนที่ลดลงเกือบครึ่ง

Anthropic เพิ่งเปิดตัว Claude Opus 5.5 โมเดลแรกของตระกูล Claude 5.5 ที่ทำงานส่วนใหญ่ได้ในระดับเดียวกับ Claude Fable 5.1 แต่มีต้นทุนการใช้งานต่ำกว่า Claude Opus 5 ราว 40% ในงานทั่วไป และยังเป็นโมเดลแรกที่บริษัทปล่อยออกมาหลังประกาศแนวคิด 'คุมจังหวะการพัฒนา AI แนวหน้า' (Pacing the Frontier) โดยผ่านการทดสอบก่อนเปิดตัวจากหน่วยงานภายนอกอย่าง Frontier Design และ METR

ขึ้นนำหลายสนามทดสอบ แต่ Anthropic บอกเองว่าตัวเลขไม่ได้เล่าทั้งหมด

ในชุดทดสอบมาตรฐาน (Benchmark) ด้านการเขียนโค้ดแบบเอเจนต์ (Agentic Coding) Opus 5.5 ทำคะแนน Terminal-Bench 4.0 ซึ่งวัดการทำงานหลายขั้นตอนบน Command Line Interface (CLI) ได้ 66.4% ทิ้ง Fable 5.1 (55.8%), Opus 5 (52.3%) และ GPT-6 Astra ของ OpenAI (57.9%) ส่วน CursorBench 4.0 ทำได้ 57.8% เทียบกับ 41.7% ของ GPT-5.6 Sol

ฝั่งงานที่ใช้ความรู้ (Knowledge Work) Opus 5.5 ได้ 1846 คะแนน Elo บน GDPval-AA v2.1 ซึ่งวัดงานจริงใน 44 อาชีพ สูงกว่า Fable 5.1 (1735), Opus 5 (1708) และ GPT-6 Astra (1542) นอกจากนี้ยังนำใน OSWorld 2.0 ที่วัดการควบคุมคอมพิวเตอร์ (Computer Use) ด้วยคะแนน 81.8% และ Humanity's Last Exam แบบใช้เครื่องมือที่ 67.7%

Opus 5.5 ไม่ได้ชนะทุกสนาม GPT-6 Astra ยังทำคะแนนสูงกว่าใน AutomationBench ที่วัดงานธุรกิจ (41.4% ต่อ 40.0%) และ Terminal-Bench-Science ที่วัดงานวิจัยวิทยาศาสตร์ (64.6% ต่อ 58.7%) ทั้งนี้ Anthropic ทดสอบโดยเปิดมาตรการป้องกันไว้ตามการใช้งานจริง เมื่อระบบป้องกันทำงาน งานด้านความปลอดภัยไซเบอร์และชีววิทยาบางส่วนจะถูกส่งต่อให้โมเดลรุ่นก่อนทำแทน ซึ่งบริษัทคาดว่ามีผลให้คะแนนต่ำลง

อีกประเด็นที่ Anthropic ยอมรับเองคือ เมื่อโมเดลเก่งถึงระดับนี้ ส่วนต่างคะแนน Benchmark เริ่มบอกความต่างในการใช้งานจริงได้น้อยลง จากการใช้งานภายในบริษัท ช่องว่างระหว่าง Opus 5.5 กับ Fable 5.1 แคบกว่าที่ตัวเลขเหล่านี้บอก

ถูกลงทั้งราคาต่อโทเคนและจำนวนโทเคนที่ใช้

จุดที่ Opus 5.5 ได้เปรียบชัดเจนที่สุดคือประสิทธิภาพด้านต้นทุน เพราะใช้พลังประมวลผลน้อยกว่า Opus 5 ราคาจึงลดลงตาม ค่าอินพุตอยู่ที่ 4 ดอลลาร์ และค่าเอาต์พุต 20 ดอลลาร์ต่อ 1 ล้านโทเคน ถูกลง 20% ค่าอ่านข้อมูลจากแคช (Cache Reads) ซึ่งเป็นต้นทุนก้อนใหญ่ที่สุดของงานเอเจนต์และงานโค้ด ลดลง 60% เหลือ 0.20 ดอลลาร์ ส่วนค่าเขียนแคชลดจาก 6.25 เหลือ 5 ดอลลาร์

เมื่อรวมกับการที่ Opus 5.5 ใช้โทเคนต่องานน้อยลง ต้นทุนรวมจึงลดลงราว 40% โมเดลยังสร้างเอาต์พุตได้เร็วกว่า Opus 5 มากกว่า 30% และสำหรับงานที่ต้องการความเร็วเป็นพิเศษ มีโหมดเร็ว (Fast Mode) บน Claude Code และ Claude Platform ที่เร่งได้สูงสุด 2.5 เท่า ในราคา 8 ดอลลาร์ต่ออินพุต และ 40 ดอลลาร์ต่อเอาต์พุต 1 ล้านโทเคน

ผู้ใช้แบบสมัครสมาชิกก็ได้ประโยชน์ด้วย Anthropic เพิ่มโควตาการใช้งานในรอบ 5 ชั่วโมงให้แพ็กเกจ Pro, Max, Team และ Enterprise แบบคิดตามจำนวนผู้ใช้ พร้อมมอบสิทธิ์รีเซ็ตขีดจำกัดการใช้งาน (Rate Limit) ที่เก็บไว้ใช้เมื่อไรก็ได้

งานโค้ดขนาดใหญ่ระดับทั้งโปรเจกต์ คือสนามที่ Opus 5.5 โดดเด่นที่สุด

Opus 5.5 ถนัดงานยาวที่กินพื้นที่ทั้งโค้ดเบส อย่างการย้ายระบบหรือการตรวจสอบโค้ด ผู้ทดสอบรายหนึ่งใช้ตรวจและแก้โค้ดเบส 200,000 บรรทัดเสร็จภายในไม่ถึง 3 ชั่วโมง ขณะที่ Opus 5 ใช้เวลากว่า 20 ชั่วโมงและกินโทเคนมากกว่า 2.5 เท่า

ในการทดสอบภายใน Anthropic ให้ Opus 5.5 และ Fable 5.1 แปลง HAProxy ซอฟต์แวร์กระจายโหลดทราฟฟิกเว็บที่ใช้กันแพร่หลาย จากภาษา C เป็น Rust ทั้งสองรุ่นเขียนใหม่ได้ผ่านชุดทดสอบของ HAProxy เกือบทั้งหมด แต่ Opus 5.5 ทำเสร็จใน 9.5 ชั่วโมง เทียบกับ 12 ชั่วโมงของ Fable 5.1 และถูกกว่า 51% อีกโจทย์คือให้ลดเวลาโหลดทุกหน้าของเว็บแอป Opus 5.5 ทำสำเร็จ 39 จาก 40 ครั้ง ขณะที่ Opus 5 ปรับปรุงได้น้อยกว่าและยังทำให้พฤติกรรมของแอปเปลี่ยนไป

เมื่อเทียบต้นทุนกับคู่แข่ง ที่ระดับการคิด (Effort) ค่าเริ่มต้น Opus 5.5 ชนะ GPT-6 Astra บน FrontierCode ด้วยต้นทุนต่องานราว 20% ทำคะแนน Terminal-Bench 4.0 เทียบเท่า Astra ด้วยต้นทุนราว 40% และชนะ GPT-5.6 Sol บน CursorBench 11 จุดด้วยต้นทุนราวหนึ่งในสาม

Mario Rodriguez ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ GitHub เล่าว่า 'จากการทดสอบบน GitHub Copilot CLI และ VS Code Claude Opus 5.5 ใช้โทเคนและจำนวนขั้นตอนน้อยที่สุดกลุ่มหนึ่งที่เราเคยวัด ใน VS Code โมเดลแก้โจทย์บนเทอร์มินัลได้มากกว่า Opus 5 โดยใช้ขั้นตอนไม่ถึงครึ่ง ประโยชน์ไม่ได้อยู่แค่งานแต่ละชิ้นที่มีประสิทธิภาพขึ้น แต่ทำให้โปรเจกต์ใหญ่ของนักพัฒนาเป็นไปได้มากขึ้น'

ปล่อยเอเจนต์ทำงานยาวหลายชั่วโมงได้อุ่นใจขึ้น

องค์กรที่ให้เอเจนต์ (Agent) ทำงานในระบบของตัวเองต้องมั่นใจว่าเอเจนต์ทำงานตามที่ตั้งใจไว้ โดยเฉพาะเมื่อปล่อยให้ทำงานเองนานหลายชั่วโมง Opus 5.5 จึงมาพร้อมระบบคัดกรอง (Classifier) ที่ตรวจทุกการกระทำก่อนลงมือ สภาพแวดล้อมจำลองแบบปิด (Sandbox) แบบโอเพนซอร์สที่ทีมความปลอดภัยตรวจสอบได้ และระบบตรวจโค้ดที่จับช่องโหว่ได้ก่อนรวมเข้าโค้ดหลัก

ตัวโมเดลเองก็ต้านทานการแทรกคำสั่งแฝง (Prompt Injection) ได้ดีขึ้น ทำได้เท่าหรือดีกว่า Opus 5 ในทุกรูปแบบที่ทดสอบ ทั้งการเขียนโค้ด การใช้เครื่องมือ การควบคุมคอมพิวเตอร์ และการท่องเว็บ ในการทดสอบของบริษัทความปลอดภัย AI อย่าง Gray Swan Opus 5.5 มีอัตราถูกแทรกคำสั่งสำเร็จต่ำที่สุดร่วมกับ Fable 5.1

งานวิจัยและการเงิน: ค้นข้อมูลเก่ง และไม่แต่งตัวเลขเอง

Anthropic ทดสอบให้ Opus 5.5, Fable 5.1 และ Opus 5 เขียนรายงานผลประกอบการรายไตรมาสของบริษัทหนึ่ง โดยค้นข้อมูลได้จากสำเนาเว็บที่หาเอกสารงบการเงินได้ยาก ระบบตรวจอัตโนมัติจะเช็กทุกตัวเลขและคำพูดกับแหล่งที่มา หากพบข้อมูลที่แต่งขึ้นแม้จุดเดียวถือว่าไม่ผ่าน ผลคือรายงานของ Opus 5.5 ผ่านเกณฑ์ 16 จาก 18 ชิ้น ขณะที่ Fable 5.1 และ Opus 5 ไม่ผ่านเลยสักครั้ง

Walleye Capital บริษัทลงทุนที่ร่วมทดสอบ พบว่า Opus 5.5 แก้โจทย์ประเมินของบริษัทได้เกือบทั้งหมดตั้งแต่ระดับการคิดต่ำสุด และเมื่อเพิ่มระดับการคิด โมเดลยังสังเกตเห็นข้อผิดพลาดในคำสั่งของชุดประเมินและแก้ไขเองได้ ซึ่งยังไม่เคยมีโมเดลไหนจับได้มาก่อน

อีกการทดสอบคือให้วิเคราะห์ดีลควบรวมระหว่างบริษัทซอฟต์แวร์บริหารงานบุคคลสมมติสองแห่ง โดยสร้างแบบจำลองการเงินใน Excel แล้วทำเป็นงานนำเสนอสำหรับผู้บริหารว่าดีลนี้คุ้มราคาหรือไม่ ทั้ง Opus 5.5 และ Opus 5 ได้ข้อสรุปเดียวกัน แต่งานของ Opus 5.5 ละเอียดกว่าและอ่านง่ายกว่า ส่วน Opus 5 มีข้อผิดพลาดเล็กน้อย Opus 5.5 ใช้เวลา 63 นาที เทียบกับ 93 นาที และต้นทุนต่ำกว่า 50% ใน GDPval-AA v2.1 ที่ระดับการคิดค่าเริ่มต้น Opus 5.5 ยังชนะ GPT-6 Astra ที่เปิดระดับการคิดสูงสุด ด้วยต้นทุนต่องานราวหนึ่งในห้า

Carl Bennett ประธานเจ้าหน้าที่ฝ่ายสารสนเทศของ Deloitte Consulting LLP เล่าว่า 'แม้ใช้ระดับการคิดต่ำสุด Claude Opus 5.5 ก็จับบั๊กที่รู้อยู่แล้วในการตรวจโค้ดของเราได้ 72% เทียบกับ 56% ของ Opus 5 ที่ระดับการคิดสูง โดยแจ้งเตือนผิดน้อยกว่าและใช้เอาต์พุตเพียงเศษเสี้ยว'

เขียนอ่านง่ายขึ้น เอาเรื่องสำคัญขึ้นก่อน

การเขียนที่ยืดยาวและตามยากคือคำติที่ Anthropic ได้ยินบ่อยที่สุดเรื่องหนึ่งเกี่ยวกับ Opus 5 รุ่นใหม่นี้จึงปรับวิธีสื่อสารครั้งใหญ่ Opus 5.5 วางข้อมูลสำคัญที่สุดไว้ต้นข้อความ ใช้ศัพท์เฉพาะและสำนวนแปลก ๆ น้อยลง และทำตามกฎการเขียนที่ผู้ใช้กำหนดได้ดีขึ้น ผู้ทดสอบรายหนึ่งบอกว่า 'มันเขียนแบบเดียวกับที่เราเขียน'

ตัวอย่างที่ Anthropic ยกมาคือการให้ทั้งสองรุ่นอธิบายสาเหตุที่รายได้ของลูกค้ารายหนึ่งลดลง Opus 5 เริ่มจากรายละเอียดทางเทคนิคของโค้ด ส่วน Opus 5.5 ขึ้นต้นด้วยข้อสรุปทันทีว่า การเปลี่ยนแพ็กเกจฟรีทำให้รายได้ลดลงเพียง 1.50 ดอลลาร์ อีก 9.92 ดอลลาร์มาจากบั๊กที่ทำให้ระบบไม่คิดค่าใช้งานในวันสุดท้ายของเดือน แล้วจึงอธิบายกลไกตามมา Anthropic มองว่างานที่อ่านและตรวจสอบง่ายขึ้นเป็นประโยชน์ทั้งในการใช้งานและด้านความปลอดภัย

John Ruelas วิศวกรซอฟต์แวร์อาวุโสของ Ramp เล่าว่า 'ผลลัพธ์ที่ยืดยาวและตามยากคือปัญหาที่น่าหงุดหงิดที่สุดของโมเดลระดับแนวหน้า และ Claude Opus 5.5 แก้ปัญหานี้ได้ มันเขียนเหมือนเพื่อนร่วมงานที่เก่ง และทำตามกฎการเขียนของเรา สเปกงานออกแบบที่ได้มาแก้เพียงเล็กน้อยก็ใช้ได้ และเมื่อให้เขียนพรอมต์ของเราใหม่ ฉบับของมันกลับดีกว่าที่เขียนเองเสียอีก'

คุมจังหวะ AI แนวหน้า: งานความปลอดภัยบนสองกรอบเวลา

ก่อนหน้านี้ไม่นาน Dario Amodei ซีอีโอของ Anthropic เสนอว่าการพัฒนา AI ควรเดินในจังหวะที่แนวปฏิบัติด้านความปลอดภัยยังนำหน้าความสามารถของโมเดล Opus 5.5 จึงเป็นรุ่นแรกที่สะท้อนแนวคิดนี้ในทางปฏิบัติ

Anthropic อธิบายว่าบริษัทเข้าใจความเสี่ยงของโมเดลปัจจุบันค่อนข้างดีและรับมือได้ แต่ความเสี่ยงที่ร้ายแรงกว่าอาจเกิดขึ้นเร็วเมื่อความสามารถเพิ่มขึ้น งานความปลอดภัยจึงเดินสองกรอบเวลาพร้อมกัน กรอบแรกคือโมเดลปัจจุบัน ซึ่งใช้การทดสอบการจัดแนวพฤติกรรม (Alignment) อย่างละเอียด การประเมินก่อนเปิดตัวโดยหน่วยงานภายนอก และมาตรการป้องกันที่ปรับตามความสามารถของแต่ละโมเดลในพื้นที่เสี่ยงสูงอย่างไซเบอร์และชีววิทยา พร้อมรายงานความเสี่ยงภายใต้นโยบาย Responsible Scaling Policy ของบริษัท

กรอบที่สองคือการเตรียมรับโมเดลในอนาคต Anthropic กำลังคัดกรองสภาพแวดล้อมที่ใช้ฝึกด้วยการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) เข้มงวดขึ้น เพราะสภาพแวดล้อมที่มีข้อบกพร่องเป็นต้นเหตุสำคัญของพฤติกรรมที่ผิดเพี้ยน รวมถึงพัฒนาระบบสร้างสถานการณ์ฝึกความปลอดภัยแบบอัตโนมัติ และเร่งงานการตีความกลไกภายในโมเดล (Interpretability) เพื่อลดการพึ่งพาการตรวจกระบวนการคิดที่โมเดลเขียนออกมา (Chain-of-Thought)

สำหรับโมเดลที่เก่งถึงขั้นทำงานวิจัย AI ได้เองทั้งหมด Anthropic มองว่าต้องใช้มาตรฐานความปลอดภัยที่สูงกว่านี้ และบริษัทไม่ได้ถือว่ามาตรการข้างต้นเพียงพอด้วยตัวเอง นโยบายสาธารณะจึงควรมีบทบาทมากขึ้น ซึ่งบริษัทเริ่มวางโครงสร้างรองรับแล้ว รวมถึงความร่วมมือกับ Accenture ที่เพิ่งประกาศไป

ผลทดสอบพฤติกรรมดีที่สุดเท่าที่เคยวัด แต่ยังมีโจทย์ที่ต้องแก้

ในชุดตรวจสอบพฤติกรรมอัตโนมัติที่ครอบคลุมเกือบ 2,000 สถานการณ์ Opus 5.5 ทำได้ดีกว่าโมเดล Claude รุ่นล่าสุดทุกรุ่นในเกือบทุกตัวชี้วัดด้านพฤติกรรมที่ผิดเพี้ยน และเป็นรุ่นที่ซื่อตรงที่สุดในตัวชี้วัดส่วนใหญ่ โมเดลยังพัฒนาขึ้นในพฤติกรรมที่เคยเป็นปัจจัยของเหตุการณ์ด้านความปลอดภัยไซเบอร์ที่ผ่านมา เช่น การใช้เหตุผลแบบลำเอียง ความพยายามหลุดออกจาก Sandbox และการทำสิ่งที่เป็นอันตรายหลังสรุปเองว่าอยู่ในสภาพแวดล้อมจำลอง

ในการทดสอบใหม่ที่วัดแนวโน้มการข้ามขอบเขตที่กำหนดไว้ Opus 5.5 พยายามข้ามขอบเขตน้อยกว่า Opus 5 และ Claude Mythos 5.1 ราว 85% และทุกครั้งที่พยายามล้วนเป็นระดับความรุนแรงต่ำและโมเดลรายงานเอง สำหรับทีมที่ปล่อย Claude ทำงานในระบบโดยไม่มีคนเฝ้า เรื่องนี้สำคัญไม่แพ้ความสามารถ

Anthropic ยอมรับว่าการสร้างชุดทดสอบที่จับความผิดพลาดได้ครบก่อนเปิดใช้งานยังเป็นโจทย์ที่แก้ไม่ตก บริษัทพบสัญญาณว่า Opus 5.5 มักสงสัยว่าตัวเองกำลังถูกทดสอบอยู่ ซึ่งทำให้ประเมินพฤติกรรมในโลกจริงได้ยากขึ้น และคาดว่าปัญหานี้จะหนักขึ้นเรื่อย ๆ หากงาน Interpretability ไม่ก้าวหน้า งาน Alignment จึงต้องทำคู่กับมาตรการป้องกันเสมอ

มาตรการป้องกันระดับเดียวกับ Fable 5.1

Opus 5.5 เป็นโมเดลตระกูล Opus รุ่นแรกที่มาพร้อมมาตรการป้องกันกลุ่มเดียวกับ Fable 5.1 ทั้งด้านไซเบอร์ ชีววิทยา และการกลั่นโมเดล (Distillation) โดยเมื่อระบบป้องกันทำงาน งานจะถูกส่งต่อให้โมเดลอื่นอย่างโปร่งใส

ด้านไซเบอร์ เนื่องจาก Opus 5.5 มีความสามารถสูงมาก ผู้ใช้ยังหาและแก้บั๊กในโค้ดตามรอบพัฒนาซอฟต์แวร์ปกติได้ แต่งานความปลอดภัยไซเบอร์ส่วนใหญ่จะถูกส่งไปให้ Opus 4.8 ทำแทน สำหรับผู้เชี่ยวชาญด้านการป้องกันระบบ Anthropic จะขยายโครงการ Cyber Verification Program ให้ครอบคลุม Opus 5.5 ในอีกไม่กี่สัปดาห์ โดยแบ่งสิทธิ์เข้าถึงเป็น 3 ระดับ รวมถึงการเข้าถึงโมเดลตระกูล Claude Mythos ขณะที่ Claude Security เปิดให้ใช้ Claude Mythos 5.1 แล้ว

ด้านชีววิทยา Opus 5.5 เก่งกว่า Opus 5 และทำได้เท่าหรือดีกว่า Claude Mythos 5.1 ในหลายงาน เช่น การทดสอบทำนายและออกแบบโมเลกุลระยะยาวที่ร่วมทำกับ Dyno Therapeutics ส่วนทีมผู้เชี่ยวชาญที่ทดสอบหาช่องโหว่ (Red Team) ให้คะแนนความใหม่เชิงวิทยาศาสตร์ทัดเทียมโมเดลที่ดีที่สุดที่เคยทดสอบ Opus 5.5 จึงใช้มาตรการด้านชีววิทยาชุดเดียวกับ Fable 5.1 องค์กรที่ผ่านการตรวจสอบ เช่น ห้องแล็บในมหาวิทยาลัย สตาร์ทอัพ และบริษัทยา สามารถสมัครโครงการ Life Sciences Verification Program เพื่อใช้ Opus 5.5 กับงานวิจัยชีววิทยาได้เต็มรูปแบบ

ด้าน Distillation ซึ่งผู้ไม่หวังดีใช้บัญชีปลอมนับพันดึงความสามารถของโมเดลไปสร้างโมเดลของตัวเองที่ไม่มีมาตรการป้องกัน Opus 5.5 มาพร้อมฟีเจอร์รักษากระบวนการคิด (Preserved Thinking) ที่เปิดตัวครั้งแรกกับ Fable 5.1 ฟีเจอร์นี้ป้องกันไม่ให้ผู้ใช้ API แก้บริบทก่อนหน้าเพื่อดึงกระบวนการคิดของ Claude ออกมา มีผลกับบัญชี API ที่สร้างตั้งแต่ 31 สิงหาคม 2026 เป็นต้นไป

นอกจากนี้ Opus 5.5 ยังเลือกใช้แบบไม่เก็บข้อมูล (Zero Data Retention) ได้เหมือน Opus รุ่นก่อน มีลายน้ำดิจิทัลเพื่อให้สอดคล้องกับกฎหมาย AI ของสหภาพยุโรป (EU AI Act) และไม่มีตัวเลือกปิดโหมดการคิดอีกต่อไป

Claude Opus 5.5 เปิดให้ใช้แล้วบนทุกแพลตฟอร์ม รวมถึง Amazon Web Services, Google Cloud และ Microsoft Azure นักพัฒนาบน Claude Platform เรียกใช้ได้ด้วยชื่อโมเดล claude-opus-5-5 ส่วน Claude Sonnet 5.5 และ Claude Haiku 5.5 จะตามมาในอีกไม่กี่สัปดาห์ พร้อมการพัฒนาด้านความสามารถ ความคุ้มค่า และความปลอดภัยในแนวทางเดียวกัน

ที่มา: Anthropic

Apple กำลังพัฒนาอุปกรณ์ติดตามสุขภาพและฟิตเนสที่ไม่มีหน้าจอ คล้ายกับอุปกรณ์สวมข้อมือของ Whoop โดยตอนนี้บริษัทกำลังทำต้นแบบ หลังสำรวจตลาดนี้มาหลายเดือน แต่ยังไม่ได้ตัดสินใจว่าจะวางขายจริงหรือไม่

หลังข่าวนี้หลุดออกมาหุ้นของ Garmin ร่วงลงไปถึง 2.5% ในขณะที่หุ้น Apple กลับขยับขึ้นราว 1% แตะระดับ 342.29 ดอลลาร์สหรัฐ 

ซึ่งต้นแบบที่กำลังพัฒนาเป็น สายรัดผ้าบาง ๆ ที่มีเซนเซอร์และชิปประมวลผล แต่ไม่มีหน้าจอ ซึ่งต่างจาก Apple Watch ที่มีทั้งหน้าจอ แอป และการแจ้งเตือน โดยหาก Apple เดินหน้าผลิตจริง อุปกรณ์นี้คาดว่าจะยังไม่เปิดตัวก่อนปี 2028

โปรเจกต์นี้ได้รับความสนใจจากทั้ง Tim Cook และ Eddy Cue ผู้ดูแลธุรกิจ Services ซึ่งเพิ่งเข้ามารับช่วงต่องานด้านสุขภาพของ Apple เมื่อปลายปีที่ผ่านมา โดย Eddy Cue ได้เน้นย้ำให้ทีม Health หันมาศึกษาและมองกลยุทธ์ของคู่แข่งอย่าง Whoop และ Oura ให้มากขึ้น 

เหตุผลหนึ่งคือ Whoop และ Oura กำลังเติบโตอย่างรวดเร็ว โดยทั้งสองแบรนด์มีผู้ใช้งานหลายล้านคน ขณะที่ Whoop มีมูลค่าประมาณ 1 หมื่นล้านดอลลาร์สหรัฐ และกำลังพิจารณา IPO ส่วน Oura เพิ่งยื่นขอ IPO ในเดือนนี้

Apple เองก็เริ่มนำฟีเจอร์ลักษณะเดียวกันมาใส่ใน Apple Watch และ Health app แล้ว เช่น การติดตามอัตราการเต้นของหัวใจที่ละเอียดขึ้น การประเมินความพร้อมของร่างกายในแต่ละวัน และการประเมินอายุทางชีวภาพจากข้อมูลสุขภาพ พร้อมปรับหน้าตา Health app ให้ใช้งานง่ายขึ้น

นอกจากโปรเจกต์นี้ ทีมที่พัฒนา Vision Pro ก็เข้ามาช่วยพัฒนาอุปกรณ์นี้ในช่วงแรก และกำลังพัฒนาอุปกรณ์สวมใส่อื่น ๆ เช่น แว่นตาอัจฉริยะและ AirPods ที่มีกล้อง ส่วน Apple Watch ก็กำลังเตรียมปรับดีไซน์ครั้งใหญ่ โดยอาจเปิดตัวรุ่นใหม่ได้เร็วสุดช่วงปลายปี 2027 

อ่านต่อได้ที่: bloomberg

ในการทดสอบงานธุรกิจที่ต้องสลับใช้แอปหลายตัว GPT-6 Sol ทำคะแนนเหนือ Claude Opus 5 ที่เปิดกำลังสูงสุด ด้วยต้นทุนต่องานเพียง 9% ของคู่แข่ง ตัวเลขนี้สรุปเกมที่ OpenAI กำลังเล่นได้ดี เพราะการแข่งขันของโมเดล AI ไม่ได้วัดกันแค่ว่าใครฉลาดที่สุดอีกต่อไป แต่วัดว่าใครส่งความฉลาดระดับแนวหน้าให้ใช้งานได้ทุกวันในราคาที่จ่ายไหว

หลังเปิดตัว GPT-6 Astra โมเดลเรือธงที่บริษัทเรียกว่าฉลาดที่สุดในโลกไปได้ไม่นาน OpenAI ก็ขยายตระกูล GPT-6 ด้วยสองรุ่นใหม่ คือ GPT-6 Sol รุ่นกลางสำหรับงานยาก และ GPT-6 Luna รุ่นเล็กที่เน้นความคุ้มค่า ทั้งคู่เทรนด้วยวิธีคล้ายกับ Astra จึงได้พัฒนาการด้านงานมืออาชีพ ความถูกต้องของข้อเท็จจริง การเขียนโค้ด การควบคุมคอมพิวเตอร์ และความสอดคล้องกับเจตนามนุษย์ (Alignment) ติดมาด้วย แต่เร็วกว่าและถูกกว่า ส่วน Astra ยังเป็นตัวเลือกสำหรับงานที่ต้องการผลลัพธ์ดีที่สุดโดยไม่ยอมลดทอนอะไรเลย

ราคาลดลงครึ่งหนึ่ง จากการปรับโครงสร้างเบื้องหลัง

OpenAI อธิบายว่าการพัฒนาระบบแคช (Caching) และการประมวลผลโมเดล (Inference) ทำให้ต้นทุนการให้บริการลดลง และบริษัทเลือกส่งส่วนต่างนั้นให้ผู้ใช้โดยตรง ราคา API ของ Sol และ Luna จึงลดลง 50% เมื่อเทียบกับราคาโปรโมชันของรุ่น GPT-5.6

GPT-6 Sol คิดราคา 2 ดอลลาร์สหรัฐต่อ 1 ล้านโทเคนขาเข้า และ 10 ดอลลาร์สหรัฐต่อ 1 ล้านโทเคนขาออก ลดจาก 4 และ 20 ดอลลาร์สหรัฐของ GPT-5.6 Sol ส่วน GPT-6 Luna อยู่ที่ 0.10 และ 0.50 ดอลลาร์สหรัฐตามลำดับ เทียบกับ GPT-6 Astra ที่ 10 และ 50 ดอลลาร์สหรัฐ ช่องว่างราคาระหว่างรุ่นบนสุดกับรุ่นเล็กสุดจึงห่างกันถึง 100 เท่า ราคาชุดนี้เป็นราคาถาวร ไม่ใช่ราคาโปรโมชัน

งานมืออาชีพ: ชนะคู่แข่งราคาเดียวกัน และบางครั้งชนะรุ่นที่แพงกว่ามาก

ชุดทดสอบที่ OpenAI ยกมาเป็นอันดับแรกคือ AutomationBench ของ Zapier ซึ่งให้เอเจนต์ AI ทำงานแบบครบวงจรโดยใช้เครื่องมือ 47 ตัว ครอบคลุมงานขาย การตลาด ปฏิบัติการ บริการลูกค้า การเงิน และทรัพยากรบุคคล GPT-6 Sol ที่ระดับการใช้เหตุผล (Reasoning Effort) แบบ xhigh ทำคะแนนเหนือ Claude Opus 5 ที่ระดับ max ด้วยต้นทุนต่องานเพียง 9% และยังเหนือ Claude Fable 5.1 รวมถึง GPT-6 Astra ที่ระดับ low ด้วย

OpenAI หมายเหตุไว้ว่าต้นทุนของ Fable 5.1 ในกราฟต่ำกว่าความเป็นจริง เพราะไม่ได้รวมค่าใช้จ่ายตอนระบบสลับไปใช้ Opus 5 แทน ซึ่งเกิดขึ้นราว 40% ของงานทั้งหมด ด้าน GPT-6 Luna ที่ระดับ high ทำคะแนนดีกว่ารุ่นก่อน 5.4 จุดเปอร์เซ็นต์ ด้วยต้นทุนต่องานที่ต่ำลง 58%

ใน Agents' Last Exam ซึ่งวัดความสามารถของเอเจนต์ในงานมืออาชีพที่ซับซ้อน GPT-6 Sol ที่ระดับ max ได้ 56.4% สูงกว่าคะแนนดีที่สุดของ Claude Opus 5 ในชุดทดสอบนี้ และถูกกว่า 60% ต่องาน

ตอบผิดน้อยลงครึ่งหนึ่ง

ความถูกต้องของข้อเท็จจริงเป็นอีกจุดที่ OpenAI เน้น การประเมินภายในของบริษัทใช้บทสนทนาจริงที่ปกปิดตัวตนแล้ว ซึ่งผู้ใช้เคยแจ้งว่าโมเดลรุ่นก่อนตอบผิด ผลคือ GPT-6 Sol ทำผิดพลาดน้อยกว่ารุ่นก่อนราวครึ่งหนึ่ง จนเข้าใกล้ความน่าเชื่อถือระดับ Astra ในราคาที่ต่ำกว่ามาก ขณะที่ GPT-6 Luna ที่ระดับการใช้เหตุผลสูงทำได้เทียบเท่า GPT-5.6 Sol ด้วยต้นทุนราวหนึ่งในร้อย

OpenAI ระบุว่าบทสนทนาชุดนี้ถูกคัดมาเพราะเคยทำให้โมเดลตอบผิด จึงไม่สะท้อนการใช้งานทั่วไปที่ข้อผิดพลาดเกิดขึ้นน้อยกว่านี้

โค้ดดิ้ง: เมื่อค่าโทเคนของนักวิจัยแตะหลักพันดอลลาร์ต่อวัน

เหตุผลที่ต้นทุนสำคัญขึ้นเรื่อย ๆ เห็นได้จากใน OpenAI เอง บริษัทเปิดเผยว่าหากคิดตามราคา API นักวิจัยระดับกลางของบริษัทใช้โทเคนวันละกว่า 600 ดอลลาร์สหรัฐ และกลุ่มที่ใช้หนักที่สุด 10% บนสุดใช้เกิน 7,000 ดอลลาร์สหรัฐต่อวัน เมื่อเอเจนต์เขียนโค้ดรับงานที่ยาวและหนักขึ้น ต้นทุนการใช้งานต่อเนื่องก็กลายเป็นตัวจำกัดว่าทีมกล้าสั่งงาน Codex ได้ใหญ่แค่ไหน

ใน FrontierCode ที่วัดว่าโค้ดของเอเจนต์พร้อมรวมเข้าโค้ดเบสจริงได้หรือไม่ GPT-6 Sol ทำได้ดีกว่า GPT-5.6 Sol อย่างชัดเจน และทำได้ทัดเทียม Claude Fable 5.1 ที่ระดับ xhigh ด้วยต้นทุนที่ต่ำกว่ามาก

ใน DeepSWE v1.1 ซึ่งทดสอบงานวิศวกรรมซอฟต์แวร์ซับซ้อนในโค้ดเบสจริง GPT-6 Sol ที่ระดับ max ได้ 68.8% ห่างจากคะแนนสูงสุดของ Claude Fable 5 ที่ 69.9% เพียง 1.1 จุดเปอร์เซ็นต์ แต่ถูกกว่าราว 80% ต่องาน ส่วน GPT-6 Luna ที่ระดับ max ได้ 66.6% ใกล้เคียง Claude Opus 5 และ Fable 5 ที่ระดับ medium ขณะที่ต้นทุนต่องานต่ำกว่า Opus 5 ถึง 93% และต่ำกว่า Fable 5 ถึง 96%

ควบคุมคอมพิวเตอร์ได้ใกล้เคียงคู่แข่ง ในราคาหนึ่งในห้า

แม้ OpenAI ยังยก GPT-6 Astra เป็นโมเดลที่ควบคุมคอมพิวเตอร์ (Computer Use) ได้ดีที่สุดในโลก แต่สองรุ่นใหม่ก็คุ้มค่ากว่ารุ่นก่อนชัดเจน ใน OSWorld 2.0 ชุดออฟไลน์ ซึ่งให้เอเจนต์ทำงานบนคอมพิวเตอร์ต่อเนื่องยาว ๆ ทั้งงานประจำวันและงานมืออาชีพ GPT-6 Sol ที่ระดับ xhigh ได้ 60.5% ใกล้เคียง Claude Opus 5 ที่ระดับ medium ซึ่งได้ 60.3% แต่ถูกกว่าราว 80% ต่องาน ส่วน GPT-6 Luna ที่ระดับ max ทำได้ดีกว่า GPT-5.6 Sol ที่ระดับ medium ด้วยต้นทุนหนึ่งในสิบ

ตอบสั้นลง ศัพท์เทคนิคน้อยลง

นอกจากความสามารถ Sol และ Luna ยังได้สไตล์การสื่อสารแบบเดียวกับ Astra ซึ่ง OpenAI คาดว่าจะเห็นชัดที่สุดในบทสนทนาเชิงเทคนิคและการเขียนโค้ด คำตอบจะชัดเจนขึ้น ใช้ศัพท์เฉพาะน้อยลง ตัดรายละเอียดที่ไม่จำเป็น และสั้นลงเล็กน้อยโดยสาระไม่หาย

ตัวอย่างที่บริษัทยกมาคือคำขอให้ปรับเว็บไซต์เป็นดีไซน์แบบ Bento Box คำตอบของ GPT-6 Sol ไม่ด่วนสรุป ไม่ย้ำสิ่งที่ผู้ถามรู้อยู่แล้ว ใช้ภาษาคลุมเครือน้อยกว่า บอกตรง ๆ ว่าตรวจสอบอะไรไปแล้วและอะไรยังไม่ได้ตรวจ และไม่เปิดเผยรายละเอียดเบื้องหลังที่ไม่จำเป็น เช่น คำสั่งที่ใช้กับเครื่องมือสร้างภาพ

แคชที่ฉลาดขึ้น ช่วยให้เอเจนต์ประหยัดกว่าเดิม

สำหรับนักพัฒนา นอกจากราคาโทเคนที่ถูกลง OpenAI ยังปรับระบบแคชพรอมต์ (Prompt Caching) ของ GPT-6 ให้เก็บบริบทที่ใช้ซ้ำได้มากขึ้นโดยอัตโนมัติ ทำให้เอเจนต์ตอบเร็วขึ้น และได้ส่วนลด 90% สำหรับการอ่านอินพุตที่แคชไว้

บริษัทยังเพิ่มเครื่องมือให้นักพัฒนาวัดและปรับแคชเองได้ ตั้งแต่แดชบอร์ด Prompt Caching ที่แสดงว่าอินพุตถูกแคชไว้มากแค่ไหน เครื่องมือวินิจฉัยที่บอกว่าพลาดโอกาสแคชตรงไหนและต้องแก้อะไร ไปจนถึงการปรับระดับการใช้เหตุผลหรือเปิดปิดเครื่องมือระหว่างบทสนทนาได้โดยแคชไม่หลุด และการกำหนดจุดตัด (Breakpoint) เองว่าจะให้แคชพรอมต์ถึงตรงไหน

ผลลัพธ์จริงมีให้เห็นแล้วจาก GitHub ซึ่งระบุว่าในช่วงหลายเดือนที่ผ่านมา การปรับปรุงเหล่านี้ลดสัดส่วนโทเคนพรอมต์ที่ต้องประมวลผลใหม่ลงกว่า 50% จากคำขอหลายพันล้านครั้งไปยังโมเดลของ OpenAI ช่วยให้ Copilot ตอบสนองได้เร็วขึ้น

Alignment ดีขึ้น อ้างผลงานเกินจริงน้อยลง

GPT-6 Sol และ Luna ต่อยอดงานด้าน Alignment จาก Astra ซึ่ง OpenAI เรียกว่าโมเดลที่สอดคล้องกับเจตนามนุษย์มากที่สุดของบริษัท ผลประเมินชี้ว่าทั้งสองรุ่นดีกว่ารุ่น GPT-5.6 รวมถึงอ้างผลงานเขียนโค้ดของตัวเองแบบชวนเข้าใจผิดน้อยลง ทั้งนี้บริษัทระบุว่าชุดทดสอบถูกออกแบบให้เจอสถานการณ์ยาก จึงไม่ได้สะท้อนอัตราความผิดพลาดในการใช้งานทั่วไป

เปิดให้ใช้แล้ววันนี้

GPT-6 Sol และ GPT-6 Luna เปิดให้ใช้บน ChatGPT Work และ Codex แล้วสำหรับผู้ใช้ Plus, Pro, Business, Enterprise และ Edu ส่วนผู้ใช้ Free และ Go ใช้ GPT-6 Luna ได้ผ่านแอปเดสก์ท็อป แต่ยังไม่มีให้ใช้ในโหมด Chat ฝั่ง API เรียกใช้ได้ผ่านชื่อโมเดล gpt-6-sol และ gpt-6-luna โดย OpenAI จะทยอยเปิดใน ChatGPT ตลอดทั้งวันเพื่อรักษาเสถียรภาพของระบบ

ที่มา: OpenAI