ส่องกลยุทธ์ KBTG 2026 เมื่อ AI ต้องสร้าง Value จริง พร้อมปักธงสู่ Regional AI-Infused Tech Powerhouse

หลังจากหลายปีที่องค์กรทั่วโลกพูดเรื่อง AI ในฐานะเทคโนโลยีเปลี่ยนโลก ปี 2026 กำลังกลายเป็นปีที่คำถามเปลี่ยนไปอย่างชัดเจน จากเดิมที่ถามว่า AI ทำอะไรได้บ้าง กลายเป็นว่า AI สร้างมูลค่าทางธุรกิจได้จริงแค่ไหน และองค์กรจะวัดผลลัพธ์นั้นอย่างไร

โจทย์นี้คือแกนหลักที่ KBTG อัปเดตทิศทางปี 2026 ให้ Techsauce ฟังผ่านผู้บริหารทั้ง 3 ท่าน ได้แก่ คุณวรนุช เดชะไกศยะ Executive Chairman, ดร.ทัดพงศ์ พงศ์ถาวรกมล Managing Director และคุณชัชวัฒน์ อัศวรักวงศ์ Vice Chairman และ Group CISO

สำหรับ KBTG การพูดเรื่อง AI ในวันนี้ ขยับจากภาพของเครื่องมือทดลอง ไปสู่การออกแบบทั้งองค์กรให้มี AI ฝังอยู่ในกระบวนการทำงานจริง ภายใต้เป้าหมายที่จะก้าวสู่การเป็น Regional AI-Infused Tech Powerhouse หรือองค์กรเทคโนโลยีระดับภูมิภาคที่ใช้ AI เป็นส่วนหนึ่งของระบบการทำงาน แทนการเป็นเพียงฟีเจอร์ที่ถูกนำมาเสริมทีละจุด

นี่คือโจทย์ที่ใหญ่กว่าเทคโนโลยี เพราะ KBTG เป็น Arm ด้านเทคโนโลยีของ KBank ที่ต้องดูแลระบบซึ่งเกี่ยวข้องกับลูกค้าจำนวนมาก เห็นได้จากบริการต่าง ๆ ที่ Go Live อยู่ตอนนี้ เช่น 

• K PLUS ที่มีผู้ใช้งานราว 24.5 ล้านราย
• MAKE by KBank ที่มียอดดาวน์โหลดมากกว่า 4 ล้านครั้ง
• เหมียวจด ที่มีผู้ใช้งานราว 600,000 ราย 
• AINU ที่มีลูกค้าราว 30 ล้านราย 

เมื่อแพลตฟอร์มเหล่านี้กลายเป็นโครงสร้างพื้นฐานในชีวิตประจำวันของผู้คน เทคโนโลยีที่อยู่เบื้องหลังต้องทั้งเร็ว เสถียร ปลอดภัย และสร้าง Value ให้ธุรกิจได้พร้อมกัน

จาก Tech Arm สู่ Regional AI-Infused Tech Powerhouse

ภาพใหญ่ของ KBTG ในปี 2026 คือ องค์กรกำลังขยับจากการเป็นหน่วยงานเทคโนโลยีที่สนับสนุนธนาคาร ไปสู่บทบาทของ Tech Company ที่ต้องสร้างทั้งความเสถียร ความเร็ว นวัตกรรม และผลตอบแทนจากการลงทุน

คุณวรนุชย้อนให้เห็นว่า KBTG ผ่านการเปลี่ยนผ่านหลายระลอก ตั้งแต่ปี 2016 ที่ธนาคารดึงเทคโนโลยีกลับมาทำเองมากขึ้น หลังจากเคยพึ่งพา Outsource จำนวนมาก ต่อด้วยช่วงปี 2019 ถึง 2023 ที่ต้องรับมือกับ COVID, ปริมาณธุรกรรมออนไลน์ที่เพิ่มขึ้น, โจทย์ระบบล่ม, การทำให้ระบบเสถียร และการรวมหลายบริษัทในเครือให้เดินไปในทิศทางเดียวกันภายใต้ OneKBTG

ช่วงนั้นเป็นยุคของการสร้างฐานใหม่ให้แข็งแรง เพราะเมื่อธุรกรรมออนไลน์เติบโตขึ้นอย่างรวดเร็ว ระบบดิจิทัลของธนาคารก็กลายเป็นช่องทางหลักของลูกค้า หากระบบล่มเพียงไม่กี่นาที ความเสียหายที่เกิดขึ้นจะขยายจากฝั่ง IT ไปสู่ประสบการณ์ลูกค้าและความเชื่อมั่นของธนาคารโดยตรง

มาถึงปี 2024 ถึง 2026 KBTG เข้าสู่บทใหม่ของการ Scale and Optimize โดยโฟกัสหลักถูกวางไว้ 4 เรื่อง คือ AI Strategy, การออกแบบ Enterprise Architecture และ Service Resiliency, Quantum and Security และ People

ภาพนี้เกิดขึ้นในช่วงที่โลกกำลังลงทุนกับเทคโนโลยีหนักขึ้นอย่างต่อเนื่อง ขณะเดียวกัน AI ถูกนำไปใช้เร็วขึ้นมากเมื่อเทียบกับหลายเทคโนโลยีในอดีต และประเทศไทยถูกพูดถึงในฐานะหนึ่งในประเทศที่มีการใช้งาน AI เติบโตเร็วเป็นอันดับต้น ๆ ของโลก

ด้วยภาพของเทรนด์โลกในตอนนี้ KBTG จึงต้องทำสองเรื่องพร้อมกัน ด้านหนึ่งต้องดูแลระบบหลักของธนาคารให้รองรับปริมาณธุรกรรมที่เพิ่มขึ้น อีกด้านต้องทำให้เทคโนโลยีใหม่อย่าง AI ช่วยสร้าง Value ให้ธุรกิจจริง

AI 5+P เมื่อ AI ต้องเป็นการลงทุนที่เห็นผล

แกนสำคัญที่คุณวรนุชย้ำคือ KBTG มอง AI เป็น Investment ที่ต้องสร้างผลลัพธ์ มากกว่า Expense ที่ซื้อมาแล้วจบ เพราะต้นทุนของ AI ครอบคลุมทั้งค่า License, เครื่องมือ, โครงสร้างพื้นฐาน, Security, Governance, Data Platform และการพัฒนาคน

KBank ลงทุนด้าน IT เฉลี่ยปีละไม่ต่ำกว่า 15,000 ล้านบาท ตัวเลขนี้สำคัญเพราะสะท้อนว่าโจทย์ของ KBTG คือการทำให้งบเทคโนโลยีที่เติบโตขึ้นถูกใช้กับพื้นที่ที่สร้างผลตอบแทนได้จริง ทั้งในรูปแบบการลดต้นทุน การเพิ่ม Productivity การเร่ง Time to Market และการสร้างรายได้ใหม่ 

และการที่จะใช้ AI ให้เกิดผลลัพธ์ได้ดีที่สุด ทาง KBTG วางกลยุทธ์ที่เรียกว่า 5+P AI Strategy แบ่งออกเป็น

1. AI for Banking Business ครอบคลุมการใช้ AI ในธุรกิจธนาคาร
2. AI For IT Delivery & Operation การใช้ AI ในฝั่งไอที และฝั่งปฏิบัติการ
3. การวาง Platformization and Governance
4. การทำงานกับ Ecosystem and Partnership 
5. การลงทุนใน AI และนวัตกรรมใหม่ ๆ

โดยโครงสร้างทั้งหมดนี้มี People เป็นหัวใจสำคัญของทั้งหมด

จุดที่ต่างจากการนำ AI มาใช้แบบกระจัดกระจายคือ KBTG เริ่มจาก Pain Point ของธุรกิจและกระบวนการทำงานก่อน แล้วจึงย้อนกลับไปดูว่า AI, Data, Platform, Governance และคนควรถูกจัดวางอย่างไร เพื่อให้การลงทุนไม่กลายเป็นแค่การซื้อเครื่องมือใหม่

AI SDLC กองทัพ Agent ที่เริ่มตั้งแต่ Requirement ถึง Test

หนึ่งในภาพที่สะท้อนกลยุทธ์ปี 2026 ได้ชัดที่สุดคือ AI SDLC หรือการนำ AI เข้าไปอยู่ในวงจรพัฒนาซอฟต์แวร์ ตั้งแต่ Requirement, Design, Development ไปจนถึง Test

คุณวรนุชอธิบายว่า หากต้องการให้ AI สร้าง Productivity จริง ต้องมองทั้งกระบวนการ ตั้งแต่การรับ Requirement, การสรุปออกมาเป็น Functional Spec, การวิเคราะห์ผลกระทบกับระบบเดิม, การออกแบบ, การเขียนโปรแกรม, การทดสอบ, DevSecOps และ Deployment

จากมุมนี้ AI เริ่มขยับจากผู้ช่วยเขียนโค้ด ไปสู่ Agent หลายตัวที่ช่วยคนทำงานในแต่ละช่วงของกระบวนการ ตั้งแต่การเก็บ Requirement, การออกแบบ, การพัฒนา ไปจนถึงการทดสอบ

ในภาพของ KBTG คนยังอยู่ในกระบวนการ แต่บทบาทขยับจากคนที่ลงมือทำทุกขั้น มาเป็นคนที่ออกแบบ ตัดสินใจ ตรวจสอบ และควบคุมการทำงานของ Multi-Agent ให้ทำงานอย่างมีคุณภาพและปลอดภัย

โจทย์ AI ROI เมื่อ Value ต้องมีมากกว่าตัวเลขประหยัดต้นทุน

หลังจากคุณวรนุชวางภาพใหญ่ของการ Scale and Optimize ดร.ทัดพงศ์เข้ามาขยายว่า AI จะกลายเป็น Business Impact ได้อย่างไร โดยตั้งต้นจากโจทย์ที่หลายองค์กรกำลังเจอเหมือนกัน คือโลกผ่านช่วงทดลองใช้ Generative AI มามากแล้ว แต่การพิสูจน์ผลลัพธ์เชิงธุรกิจยังทำได้ไม่ง่าย

อีกจุดที่ ดร.ทัดพงศ์ขยายจากพาร์ท AI SDLC คือการเปลี่ยนวิธีคิดจาก Task ไปสู่ Process, จาก Copilot ไปสู่ Cowork และจาก Automation ไปสู่ Orchestration เพราะ AI จะสร้าง Productivity ระดับทีมได้จริงเมื่อกระบวนการมี Input, Output และ Pipeline ที่วัดผลได้ชัดเจน

ผลลัพธ์เริ่มเห็นเป็นตัวเลข ในปี 2025 KBTG ระบุว่าสามารถเพิ่ม Productivity ของกลุ่ม IT ได้ราว 8% คิดเป็น Cost Avoidance ประมาณ 300 ล้านบาท ส่วนเป้าหมายปี 2026 ถูกวางไว้ที่ราว 15% และในช่วง Q&A มีการพูดถึงโอกาสขยับเป้าหมายได้สูงขึ้นเมื่อระบบถูกใช้งานเต็มที่ในปี 2028

KBTG เล่าให้เราฟังว่า ปีที่แล้ว AI ช่วยสร้างโค้ดได้ราว 21 ล้านบรรทัด หรือประมาณ 10% ของโค้ดทั้งหมด แต่ผ่านไปเพียง 5 เดือนของปีนี้ ตัวเลขเพิ่มเป็นราว 41 ล้านบรรทัด หรือประมาณ 15% ของโค้ดทั้งหมด 

ตัวเลขนี้ทำให้เห็นว่า KBTG กำลังขยับการใช้ AI จาก Coding Assistant ไปสู่ AI Agent ที่ทำงานร่วมกับทีมที่เป็นมนุษย์

มีตัวเลขหนึ่งที่ ดร.ทัดพงศ์ ชวนให้เห็นความยากของโจทย์นี้ 95% ของ GenAI ยังไม่สามารถสร้าง Impact ได้จริง ขณะที่มีเพียงราว 30% ขององค์กรที่สามารถสเกลการใช้ AI ไปสู่ระดับองค์กรได้สำเร็จ

KBTG จึงใช้แนวคิด AI Value Matrix เพื่อมอง Value ออกเป็น 9 รูปแบบ โดยแบ่งตาม 2 แกน 

• แกนแรกคือจุดที่ Value ถูกสร้างขึ้น ได้แก่ Productivity ในงานภายใน, Engagement กับลูกค้า และ Strategy ในโมเดลธุรกิจระยะยาว 
• อีกแกนคือวิธีจับ Value ได้แก่ Top Line หรือรายได้, Bottom Line หรือต้นทุนและประสิทธิภาพ และ Risk Management หรือการลดความสูญเสีย

กรอบนี้ทำให้ AI ไม่ถูกตีค่าเฉพาะเรื่องประหยัดต้นทุน เพราะ AI บางตัวช่วยสร้างรายได้ใหม่ บางตัวลดความเสี่ยง บางตัวเพิ่มความเร็วในการให้บริการ และบางตัวทำให้ธุรกิจตัดสินใจได้แม่นขึ้น

ตัวอย่างเช่น AINU ที่ถูกต่อยอดจากเทคโนโลยี Face Recognition ไปสู่การให้บริการลูกค้าองค์กรกว่า 30 ราย, การใช้ OCR และ AI เพื่อตรวจสอบเอกสาร, Use Case ด้าน Fraud, Wealth, SME, Enterprise Productivity และ AI SDLC ที่ถูกมองเป็นพื้นที่สำคัญของการสร้าง Value

ในฝั่งของคน KBTG ก็เริ่มดำเนินการ Upskill/Reskill อย่างจริงจัง แบ่งการพัฒนาเป็น 3 ระยะ ได้แก่ AI Literacy, AI Mastery และ AI Excellence โดยระบุว่า พนักงานต้องผ่าน AI Literacy ครบ 100% ก่อนจะต่อยอดไปสู่การสร้างคนที่ใช้ AI เป็น, สร้าง AI ได้ และออกแบบระบบ AI ได้

ส่วนฝั่งการทดลองและขยายผล KBTG ใช้ Proof of Concept เพื่อทำความเข้าใจเทคโนโลยีและพิสูจน์ว่าใช้งานได้จริง ก่อนจะเข้าสู่การ Scale Up โดยต้องประเมิน Business Case ให้ชัดว่าใครเป็นผู้ใช้, ได้ Return เท่าไร, ลด Cost ได้จริงหรือไม่ และสร้าง Impact ในจุดไหน

ดร.ทัดพงศ์สรุปวิธีคิดไว้ในคำถามเดียวว่า "ก่อนจะทำ Initiative ใด KBTG ต้องรู้ว่า ความสำเร็จหน้าตาเป็นอย่างไร และจะวัดอย่างไร" ถ้าตอบสองข้อนี้ไม่ได้ Initiative นั้นยังไม่ควรถูกผลักไปสู่การลงทุนจริง

Trust และ Cyber Resilience เงื่อนไขที่ทำให้ AI ในธนาคารสเกลได้

หาก AI คือเครื่องยนต์การเติบโตของ KBTG ในปี 2026 Trust คือระบบที่ทำให้เครื่องยนต์นั้นเดินหน้าได้อย่างมั่นคง

คุณชัชวัฒน์วางภาพอีกด้านของการใช้ AI ว่า ในวันที่ธนาคารใช้ AI เพื่อเพิ่ม Productivity และ Value ฝั่งคนร้ายก็ใช้ AI เพื่อเพิ่ม Productivity ของการโจมตีเช่นกัน ตั้งแต่ Phishing Email ที่แนบเนียนขึ้น, Deepfake สำหรับปลอมตัว, การค้นหาช่องโหว่ของระบบ ไปจนถึงภัย Quantum Computing ที่อาจกระทบการเข้ารหัสในอนาคต

KBTG จึงวางโฟกัส Cybersecurity ปี 2026 ไว้ 3 เรื่อง ได้แก่ 

• การเสริม Cybersecurity Capability พื้นฐาน
• การเตรียมพร้อมเชิงรุกต่อ Emerging Threats 
• การยกระดับความปลอดภัยของ Subsidiaries กับ Third Party

ในมุม AI Governance, KBTG แยกนโยบายและ Risk Management Framework สำหรับ AI ออกมาอย่างชัดเจน ครอบคลุมตั้งแต่ Responsible AI, การวาง Foundation, การจัดการเครื่องมือและ Agent ตั้งแต่นำมาใช้จนถึงยกเลิก ไปจนถึงโครงสร้างการประเมินความเสี่ยงและการตรวจสอบ

หลักการ Responsible AI ที่ KBTG ใช้ครอบคลุมตั้งแต่ Reliable, จริยธรรม, Secure, Transparent, Privacy ไปจนถึง Fair and Unbiased โดยมีแนวปฏิบัติระดับพนักงานที่เน้นย้ำชัดเจน เช่น การห้ามใส่ข้อมูลอ่อนไหวหรือข้อมูลลูกค้าลงใน Public GenAI

คุณชัชวัฒน์แบ่ง AI Security ออกเป็น 2 มุม มุมแรกคือ Cybersecurity for AI หรือการปกป้อง AI และการใช้งานให้ปลอดภัยจากความเสี่ยง เช่น การป้องกันข้อมูลรั่วไหล, Data Poisoning และ Prompt Injection 

อีกมุมคือ AI for Cybersecurity หรือการใช้ AI เข้าไปช่วยงาน Security Operations เช่น การประเมินความเสี่ยง, การตรวจจับภัยคุกคามไซเบอร์ และการจัดการช่องโหว่

อีกประเด็นที่ KBTG ให้ความสำคัญคือ Post-Quantum Cryptography หรือ PQC เพราะ Quantum Computer อาจทำให้มาตรฐานการเข้ารหัสปัจจุบันถูกท้าทายในอนาคต 

แม้เทคโนโลยีนี้ยังอยู่ระหว่างการพัฒนาเพื่อการใช้งานวงกว้าง แต่ความเสี่ยงที่คนร้ายอาจดักเก็บข้อมูลที่เข้ารหัสไว้ก่อน เพื่อนำไปถอดรหัสในอนาคต ทำให้องค์กรต้องเริ่มเตรียมตัวล่วงหน้า

KBTG ระบุว่าสถาบันระดับโลกหลายแห่งมีมุมมองใกล้เคียงกันว่า Quantum Technology อาจเริ่มมีผลกระทบต่อมาตรฐานการเข้ารหัสปัจจุบันราวปี 2030 ดังนั้น KBTG จึงเริ่มเตรียมความพร้อมมาตั้งแต่ปี 2024 และตั้งเป้าเปลี่ยนผ่านระบบสำคัญให้ทันภายในปี 2029 เผื่อเวลาหนึ่งปีก่อนจุดเสี่ยงสำคัญ

ในเชิงปฏิบัติ Crypto Agility หรือความคล่องตัวด้านการเข้ารหัสจึงเป็นโจทย์สำคัญ องค์กรต้องรู้ว่าระบบไหนใช้อัลกอริทึมอะไร, จัดลำดับความเสี่ยงได้ และเปลี่ยนวิธีเข้ารหัสได้เร็วเมื่อมาตรฐานใหม่เกิดขึ้น เพราะหาก Quantum พัฒนาเร็วกว่าคาด การแก้ระบบทีละจุดอาจไม่ทันต่อความเสี่ยง

บทต่อไปของ KBTG คือ AI ที่สร้าง Value ได้จริง

ภาพรวมจากการพูดคุยกับผู้บริหาร KBTG ในช่วงครึ่งปี 2026 จะเห็นว่า KBTG พูดถึง AI ในฐานะระบบปฏิบัติการขององค์กรที่ต้องวัดผลได้ กำกับดูแลได้ และเชื่อมกับคนได้จริง

เป้าหมายของ KBTG จึงอยู่ที่การทำให้ AI กลายเป็นความสามารถหลักขององค์กร มากกว่าการนับจำนวน AI Use Case ให้มากที่สุด เพื่อช่วยให้ธนาคารเติบโตเร็วขึ้น ทำงานคุ้มค่าขึ้น และยังรักษาความเชื่อมั่นของลูกค้าไว้ได้

สำหรับ KBTG นี่คือบทต่อไปของการเป็น Tech Company ที่ต้องทำงานทั้งในโลกของธนาคาร โลกของ AI และโลกของความเสี่ยงที่เปลี่ยนเร็วขึ้นทุกปี

บทความนี้เป็น Advertorial