เปิดรายงาน SCBX AI Outlook 2026 6 แนวคิดเปลี่ยนโลกในยุค Abundant Intelligence และคอขวดใหม่ที่ชื่อ Context Management

Nat Eliason เปิดเผยผ่านรายการ Behind the Craft ว่าเขาให้ AI Agent ที่ชื่อ OpenClaw ดูแลธุรกิจของเขาตลอด 24 ชั่วโมง มันทั้งไล่ตอบอีเมล ประสานงานลูกค้า กระทั่งจองตั๋วเครื่องบินแทนเขา จนสามารถสร้างรายได้ให้เขา 4,000 ดอลลาร์สหรัฐในสัปดาห์เดียว และนี่คือภาพชีวิตที่กำลังเริ่มขึ้นจริง ไม่ใช่จินตนาการในหนังไซไฟ

รายงาน SCBX AI Outlook 2026: The Age of Abundant Intelligence ที่จัดทำโดยทีมวิจัยจาก SCBX, SCB 10X และ DataX เป็นการสำรวจเชิงลึก 6 แนวคิดที่จะกำหนดทิศทางของการทำงาน การทำธุรกิจ และวิถีชีวิตในยุคที่ความฉลาดของปัญญาประดิษฐ์ จะกลายเป็นทรัพยากรที่ราคาถูกและมีเหลือเฟือเหมือนไฟฟ้า บทความนี้ขอชวนเจาะแก่นของรายงานทั้ง 6 บท พร้อมตัวเลขสำคัญที่สะท้อนว่าโลกการทำงานในปี 2026 จะไม่เหมือนเดิมอีกต่อไป

ACT I: AI Agent ที่ไม่หลับไหล และนิยามใหม่ของ AGI

จุดเปลี่ยนสำคัญที่สุดของวงการ AI ในรอบนี้คือการที่เครื่องมือเปลี่ยนสถานะจาก "ผู้ช่วยตอบคำถาม" (Reactive Tools) มาเป็น "ผู้ลงมือทำงานเชิงรุก" (Proactive Agents) ที่คิดและทำงานล่วงหน้าได้แม้เราจะหลับอยู่ ถ้าจะอธิบายให้เห็นภาพ AI Agent ก็เปรียบเสมือนการนำสมองอัจฉริยะ (โมเดล AI) มาเชื่อมต่อเข้ากับร่างกาย ซึ่งประกอบไปด้วยความจำ (Memory) ทักษะเฉพาะทาง (Skills) และเครื่องมือต่างๆ (Tools) สมองก้อนนั้นจึงยกระดับขึ้นเป็น "ผู้ปฏิบัติงานอิสระ" (Autonomous Operator) ที่รับเป้าหมายจากมนุษย์แล้วไปคิด วางแผน ตัดสินใจ และลงมือทำในโลกจริงได้ด้วยตัวเอง

เบื้องหลังภาพสวยหรูนี้มีคอขวดใหม่ที่ชื่อ "การบริหารจัดการบริบท" (Context Management) บริบทของ AI เปรียบเสมือนสมาธิและความจำระยะสั้นของมนุษย์ ยิ่งงานซับซ้อนและข้อมูลมากเท่าไหร่ AI ก็มีแนวโน้มหลุดโฟกัสและสร้างข้อมูลเท็จ (AI Hallucination) มากขึ้นเท่านั้น Anthropic ระบุไว้อย่างชัดเจนว่า "บริบทถือเป็นทรัพยากรที่สำคัญยิ่งแต่มีจำกัดสำหรับ AI Agent" สตาร์ทอัพที่แก้โจทย์นี้จึงมีมูลค่าพุ่งทะยาน เช่น Anysphere ผู้พัฒนา Cursor (AI Code Editor) มีมูลค่าสูงถึง 29,300 ล้านดอลลาร์สหรัฐ และ Cognition ผู้พัฒนา Devin (AI Agent สำหรับพัฒนาซอฟต์แวร์) มีมูลค่า 10,200 ล้านดอลลาร์สหรัฐ

ที่น่าสนใจกว่านั้นคือ มุมมองต่อ Artificial General Intelligence (AGI) หรือปัญญาประดิษฐ์ที่เทียบเท่ามนุษย์ กำลังถูกนิยามใหม่ Jensen Huang ประธานเจ้าหน้าที่บริหารของ NVIDIA ถึงกับบอกว่าระบบ AI Agent อย่าง OpenClaw คือ "ChatGPT ตัวต่อไปอย่างแน่นอน" ขณะที่ Sir Demis Hassabis แห่ง Google DeepMind ก็มองว่า AGI ในนิยามใหม่ไม่ใช่ "สมองก้อนเดียว" ที่รู้ทุกอย่าง แต่คือ "ระบบนิเวศ" ที่โมเดลพื้นฐานทำงานประสานกับเครื่องมืออื่นๆ ราวกับว่ามันเป็นเพียงอุปกรณ์ชิ้นหนึ่ง เปรียบเสมือนหัวหน้าเชฟมิชลินสตาร์ที่ไม่ได้ทำอาหารคนเดียว แต่สั่งการจากห้องครัวที่เต็มไปด้วยอุปกรณ์และเชฟผู้ช่วยชั้นเลิศ

ACT II: เศรษฐศาสตร์ AI ที่ราคาความฉลาด PhD ลด 900 เท่าต่อปี

ในโลก AI หน่วยเศรษฐกิจไม่ได้วัดเป็นเงิน แต่วัดเป็น Token ซึ่งคือหน่วยย่อยของข้อมูลที่ AI ใช้ประมวลผล อาจเป็นคำ พยางค์ หรือแม้แต่ตัวอักษร นับตั้งแต่ปี 2023 ปริมาณการประมวลผล Token เพิ่มขึ้นถึง 10,000 เท่า เพราะโมเดลยุคใหม่ที่เน้นการใช้เหตุผล (Reasoning Models) อย่าง o1 และ Harness อย่าง Claude Code ใช้ข้อมูลบริบทเพิ่มขึ้น 10 ถึง 100 เท่าต่อการทำงานหนึ่งครั้ง

แต่ตัวเลขที่น่าทึ่งกว่าคือราคาที่ลดลง ข้อมูลจาก Epoch AIระบุว่าราคาการประมวลผลต่อหนึ่งล้าน Token ร่วงจากเกือบ 100 ดอลลาร์สหรัฐในปี 2021 ลงมาเหลือไม่ถึง 0.1 ดอลลาร์สหรัฐภายในเวลาเพียงไม่กี่ปี และอัตราการลดลงไม่เท่ากันในทุกประเภทงาน งานระดับพื้นฐานเทียบเท่า GPT-3.5 Turbo (เช่น สรุปอีเมล แปลภาษา) ราคาถูกลงประมาณ 9 เท่าต่อปี งานระดับกลาง (เช่น วิเคราะห์รายงานการเงิน เขียนโค้ดเบื้องต้น) ราคาลดลง 40 เท่าต่อปี และที่น่าทึ่งที่สุดคืองานระดับ PhD (วัดจากชุดทดสอบ GPQA เช่น วิเคราะห์งานวิจัยทางการแพทย์ แก้โจทย์วิศวกรรมซับซ้อน) ราคาลดลงรวดเร็วที่สุดถึง 900 เท่าต่อปี

ปรากฏการณ์นี้หมายความว่า ความฉลาดระดับ PhD ที่เคยเป็นของหรูราคาแพงเฉพาะบริษัทเทคยักษ์ใหญ่ กำลังจะกลายเป็นของที่ธุรกิจ SME (Small and Medium Enterprise) หรือคนธรรมดาก็เข้าถึงได้ง่ายขึ้น และเมื่อ Frontier Models อย่าง ChatGPT, Gemini หรือ Claude แข่งขันกันที่ความฉลาดขีดสุดจนเริ่มเบียดเสียดกัน สมรภูมิรบใหม่จึงย้ายไปอยู่ที่ "โมเดลเฉพาะทาง" (Specialized Models) ที่แม้จะไม่เก่งครอบจักรวาล แต่ทำงานเฉพาะทางได้แม่นยำกว่าและถูกกว่ามาก ในประเทศไทยเริ่มเห็นตัวอย่างที่เป็นรูปธรรม เช่น สำนักงานเลขาธิการสภาการศึกษาใช้ Typhoon OCR แปลงข้อสอบจากไฟล์รูปภาพให้เป็นข้อมูลดิจิทัล หรือสำนักงานการตรวจเงินแผ่นดินใช้ Typhoon ASR แปลงเสียงพูดเป็นข้อความที่ประมวลผลในระบบปิด

แนวคิดสำคัญที่รายงานเน้นย้ำคือ AI Agent ที่ดีไม่ได้วัดจาก "สมอง" ที่ฉลาดอย่างเดียว แต่ต้องดูที่ "Harness" หรืออวัยวะรอบๆ ตัวโมเดลด้วย Vivek Trivedy หัวหน้าฝ่ายผลิตภัณฑ์จาก LangChain สรุปไว้อย่างคมว่า 

"AI Agent = โมเดล + Harness ตัวโมเดลบรรจุความฉลาด แต่ Harness คือสิ่งที่ทำให้ความฉลาดกลายเป็นสิ่งที่ใช้งานได้จริง"

ACT III: AI Value Stack กับการ "เดินสายไฟใหม่" ของทั้งองค์กร

หนึ่งในความเข้าใจผิดที่ใหญ่ที่สุดของการนำ AI ไปใช้คือการคิดว่า "ถ้ามีโมเดลที่เก่งที่สุดก็จะชนะตลาด" แต่ความจริงคือผู้ใช้งานส่วนใหญ่ปฏิสัมพันธ์กับ AI ผ่าน "แอปพลิเคชัน" ไม่ใช่ตัวโมเดลโดยตรง รายงานเปรียบเทียบโครงสร้างความสำเร็จของ AI ในองค์กรกับการสร้างรถยนต์สมรรถนะสูง โดยต้องมีองค์ประกอบที่ครบเครื่องตั้งแต่ วัตถุดิบและพลังงาน (Raw Materials & Energy) โครงสร้างพื้นฐาน (Infrastructure) พลังประมวลผลและข้อมูล (Compute & Data) โมเดล (Models) และแอปพลิเคชัน (Applications) โดยทั้งหมดถูกขนาบด้วยเสาหลัก 2 ด้านคือ "ผู้คน" (People) และ "วัฒนธรรม นโยบาย และกฎหมาย" (Culture, Policy & Law)

ที่น่าสนใจคือพฤติกรรมการใช้ AI ของคนไทยตามข้อมูลจาก SCBX Thai Consumer AI Adoption 2026 มีแนวโน้มสอดคล้องกับเทรนด์โลก นั่นคือมุ่งเน้นไปที่การใช้ AI เพื่อ "เสริมศักยภาพ" (Augmentation) มากกว่าปล่อยให้ทำแทนทั้งหมด (Automation) หัวข้อยอดฮิตประกอบด้วย ช่วยทำการบ้านหรืองานวิชาการ 5.4 เปอร์เซ็นต์ เขียนหรือแก้บั๊กเว็บไซต์ 4.4 เปอร์เซ็นต์ แก้ปัญหาฮาร์ดแวร์และระบบ 3.7 เปอร์เซ็นต์ แปลภาษา 3.5 เปอร์เซ็นต์ พัฒนาซอฟต์แวร์ธุรกิจ 3.0 เปอร์เซ็นต์ และสร้างคอนเทนต์การตลาดหรือ SEO 2.9 เปอร์เซ็นต์

เหตุผลที่เรายังไปไม่ถึงจุดที่ AI ทำงานแทนมนุษย์ 100 เปอร์เซ็นต์ Sir Demis Hassabis ให้คำตอบว่าระบบในปัจจุบันยังขาดคุณสมบัติบางอย่างของ AGI เช่น การเรียนรู้ต่อเนื่องเมื่อออกสู่โลกจริง และการวางแผนระยะยาว เขาเปรียบเทียบว่า AI ทุกวันนี้เป็น "ความฉลาดที่ไม่สม่ำเสมอ" (Jagged Intelligence) คือเก่งกาจในบางเรื่องมาก แต่ทำงานง่ายๆ พลาดได้ 

ลองนึกภาพอัจฉริยะคณิตศาสตร์ที่แก้โจทย์โอลิมปิกได้สบาย แต่บวกลบเลขประถมผิดเพียงเพราะตั้งคำถามด้วยรูปประโยคต่างไปเล็กน้อย

การนำ AI ไปใช้ในองค์กรจึงไม่เหมือนซื้อซอฟต์แวร์มาติดตั้งแล้วจบ รายงานเปรียบกับยุคที่ไฟฟ้าถูกค้นพบ โรงงานต้อง "เดินสายไฟใหม่และออกแบบกระบวนการผลิตใหม่ทั้งหมด" ไม่ใช่แค่เอาปลั๊กไปเสียบกับเครื่องจักรไอน้ำตัวเดิม องค์ประกอบสำคัญ 3 ประการที่ขาดไม่ได้คือ Harness ที่ส่งมอบผ่านแอปพลิเคชัน ความปลอดภัยและการพัฒนา AI อย่างรับผิดชอบ (Safety and Responsible AI) และโมเดลเฉพาะทาง

ACT IV: Vibe Coding และวงการซอฟต์แวร์ที่ Google เขียนโค้ดด้วย AI แล้ว 75%

หนึ่งในเหตุการณ์ที่เป็นจุดเปลี่ยนสำคัญของวงการคือการเกิดขึ้นของระบบอัตโนมัติอย่าง OpenClaw ซึ่งถูกสร้างผ่านกระบวนการพัฒนาที่เรียกว่า "Vibe Coding" คำที่บัญญัติโดย Andrej Karpathy ผู้ร่วมก่อตั้ง OpenAI Vibe Coding คือการที่นักพัฒนาเปลี่ยนสถานะจาก "ช่างก่อสร้างที่ปั้นอิฐทีละก้อน ตอกตะปูทีละตัว" มาเป็น "สถาปนิก" ที่บอกความต้องการให้ AI ฟัง แล้วให้ AI รับไปออกแบบระบบ เขียนโค้ด และก่อสร้างแอปพลิเคชันให้เสร็จสรรพ

ตัวเลขที่ตอกย้ำว่านี่ไม่ใช่กระแสฉาบฉวยคือ The Verge รายงานว่าปัจจุบันโค้ดใหม่ของ Google กว่า 75 เปอร์เซ็นต์ถูกสร้างขึ้นโดย AI ซึ่งเพิ่มขึ้นอย่างรวดเร็วจาก 50 เปอร์เซ็นต์ในช่วงปลายปีก่อนหน้า ขณะที่ Anthropic ผู้พัฒนา AI ชั้นนำก็ใช้ Claude Code ของตัวเองเขียนโค้ดในสัดส่วนที่สูงถึง 70 ถึง 90 เปอร์เซ็นต์ 

Peter Steinberger ผู้สร้าง OpenClaw ให้แง่คิดไว้ว่า "โค้ดส่วนใหญ่มันคืองานแปลงข้อมูลไปมาที่น่าเบื่อ ดังนั้นเราควรเอาพลังงานของมนุษย์ไปโฟกัสที่การออกแบบระบบแทน" จนสุดท้าย Sam Altman ตัดสินใจดึงเขาเข้าทีมพัฒนาของ OpenAI

ผลกระทบที่ตามมาคือยุคของซอฟต์แวร์แบบ Just-In-Time ที่ถูกสร้างขึ้นมาสดๆ ร้อนๆ เพื่อตอบสนองความต้องการเฉพาะหน้า ในอดีตการใช้ซอฟต์แวร์เหมือนการซื้อเสื้อผ้าสำเร็จรูปไซส์เดียวที่หวังให้ทุกคนใส่ได้ 

แต่ในยุคนี้ AI Agent ก็เหมือนห้องเสื้อ "Tailored by Desire, Delivered in Seconds" ที่บอกความต้องการแล้วได้ชุดที่พอดีตัวในเสี้ยววินาที สำหรับองค์กรนั่นหมายถึงการทลายคอขวดแผนกไอที พนักงานบัญชีสามารถสั่งให้ AI สร้างโปรแกรมกระทบยอดสูตรเฉพาะของเดือนนี้ขึ้นมาใช้เอง โดยไม่ต้องส่งคำขอไปรอคิวให้ทีมไอทีพัฒนาเป็นเดือนๆ

แต่อีกด้านที่สั่นคลอนคือตลาดแรงงาน ในปี 2025 เพียงปีเดียว AI เป็นสาเหตุของการเลิกจ้างถึง 4.5 เปอร์เซ็นต์ในสหรัฐอเมริกา และข้อมูลจาก METR ชี้ว่า AI ในปัจจุบันมีความพร้อมทำงานที่มนุษย์ต้องใช้เวลาทำต่อเนื่องนานกว่า 16 ชั่วโมง อย่างไรก็ตาม World Economic Forum หรือ WEF คาดการณ์ในเชิงบวกว่า แม้จะมีการสูญเสียงานเดิมไปราว 92 ล้านตำแหน่ง แต่การเปลี่ยนแปลงทางเทคโนโลยี การเปลี่ยนผ่านพลังงาน และปัจจัยเชิงโครงสร้างจะขับเคลื่อนให้เกิดงานใหม่ถึง 170 ล้านตำแหน่ง ส่งผลให้ตลาดแรงงานทั่วโลกมีตำแหน่งงานเพิ่มสุทธิ 78 ล้านตำแหน่ง ภายในปี 2030

ทักษะที่จะกลายเป็นขุมทรัพย์ในตลาดแรงงานยุคใหม่จึงเปลี่ยนไป รายงานชี้ว่ามี 3 ทักษะหลัก ได้แก่ การคิดเชิงวิเคราะห์และการแก้ปัญหาที่ซับซ้อน (Analytical Thinking and Complex Problem-Solving) เพราะ AI สร้างคำตอบได้พันข้อ แต่มนุษย์คือคนตั้งคำถามที่ถูกต้อง ความรู้ความเข้าใจและทักษะการใช้ AI (AI Fluency & Literacy) ในฐานะนักยุทธศาสตร์ที่สั่งการ AI และความฉลาดทางอารมณ์และทักษะความเป็นมนุษย์ (Socioemotional & Human-centric Skills) เช่น ความคิดสร้างสรรค์ ความเห็นอกเห็นใจ และการสื่อสาร พนักงานระดับเริ่มต้นต้องยกระดับจาก "คนรับคำสั่งไปทำงานทีละสเต็ป" ขึ้นเป็น "AI Orchestrator" หรือผู้วางระบบและสั่งการ AI

ACT V: 4 กุญแจกระจาย AI สู่มวลชน และศึกอธิปไตยทาง AI

หากปัญญาประดิษฐ์คือไฟฟ้าแห่งศตวรรษที่ 21 ปัญหาที่กำลังเผชิญคือ "ไฟฟ้ายังเข้าไม่ถึงทุกหมู่บ้าน" ข้อมูลจาก Anthropic Economic Index ชี้ว่าประเทศชั้นนำ 20 อันดับแรกครองสัดส่วนการใช้งาน Claude สูงถึง 48 เปอร์เซ็นต์ของทั้งโลก ความเหลื่อมล้ำมาจาก 2 ระดับ ระดับองค์กรธุรกิจติดเรื่อง "ความพร้อมเชิงระบบและโครงสร้าง" ทั้งแรงเสียดทานในองค์กร คอขวดด้านกฎระเบียบ ปัญหาภูมิรัฐศาสตร์ และข้อจำกัดทางกายภาพ ส่วนระดับบุคคลและ SME ในพื้นที่ห่างไกลติด "กำแพงทุนทรัพย์" เพราะค่าสมาชิกโมเดลแนวหน้าที่ 17 ถึง 20 ดอลลาร์สหรัฐต่อเดือน (ราว 600 ถึง 700 บาท) ตัดโอกาสคนระดับรากหญ้าออกไปสิ้นเชิง

รายงานเสนอกุญแจ 4 ดอกเพื่อปลดล็อก AI สู่มวลชน ข้อแรกคือราคาที่เอื้อมถึง โดยใช้โมเดลขนาดเล็กที่ปรับแต่งเฉพาะทางหรือโมเดล Open Source ซึ่งทำให้ต้นทุนถูกลงกว่าโมเดลของบริษัทยักษ์ใหญ่ได้มากถึง 400 เท่า ข้อสองคือการทลายกำแพงภาษา โดยพัฒนาโมเดลภาษาท้องถิ่น เช่น Sarvam AIของอินเดีย หรือ Typhoonของไทย ข้อสามคืออินเทอร์เฟซธรรมชาติด้วยการสั่งการด้วยเสียง เพราะคนไทยกว่า 5 เปอร์เซ็นต์และประชากรโลกกว่า 12 เปอร์เซ็นต์ยังมีปัญหาการอ่านเขียน และข้อสี่คือการก้าวข้ามข้อจำกัดของอินเทอร์เน็ตด้วยการย่อขนาดโมเดลให้รันบนโทรศัพท์มือถือหรืออุปกรณ์ส่วนตัวได้โดยตรง (Edge Computing)

วิสัยทัศน์นี้ถูกทำให้เป็นจริงผ่านการพัฒนา Typhoon โดย SCBX ที่เข้าใจบริบทและภาษาไทยอย่างถ่องแท้รวมไปถึงภาษาถิ่น พร้อมโมเดลสั่งการด้วยเสียง Typhoon ASR (Automatic Speech Recognition) และ Typhoon TTS (Text-to-Speech) ที่ล้ำหน้าไปอีกขั้นคือ Typhoon เวอร์ชันล่าสุดได้รับการออกแบบให้สามารถประมวลผลบนอุปกรณ์ปลายทาง (Edge Devices) ได้ด้วยตัวมันเอง โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต

อีกประเด็นที่รายงานเน้นย้ำคือ Jevons Paradox โดย Andrew Ng เปรียบเทียบว่า "เฉกเช่นเดียวกับที่ไฟฟ้าได้เข้ามาพลิกโฉมแทบทุกสิ่งเมื่อ 100 ปีก่อน วันนี้ผมแทบจะนึกไม่ออกเลยว่ามีอุตสาหกรรมไหนบ้างที่ AI จะไม่เข้าไปพลิกโฉม" 

ในอดีตเมื่อหลอดไฟประหยัดพลังงานถูกประดิษฐ์ขึ้น เราไม่ได้ใช้ไฟฟ้าน้อยลง แต่ติดหลอดไฟเพิ่มขึ้นจนสว่างไสวไปทั้งเมือง AI ก็เช่นกัน ยิ่งเก่งและถูกลง ความต้องการพลังงานต้นทางจะยิ่งพุ่งสูง ความท้าทายในยุคถัดไปจึงไม่ใช่แค่พัฒนา AI ให้ฉลาดขึ้น แต่ต้องหาแหล่งพลังงานและทรัพยากรธรรมชาติมาหล่อเลี้ยงให้พอ

ในมิติของภูมิรัฐศาสตร์ การเข้าถึง AI กลายเป็นเรื่องความมั่นคงของชาติ โลกกำลังเผชิญกับความเสี่ยงที่เทคโนโลยีจะถูกแบ่งแยกจากการแข่งขัน AI Race ระหว่างสหรัฐอเมริกาที่จำกัดการส่งออกชิป กับจีนที่พยายามสร้างระบบนิเวศของตนเอง ทางออกของแต่ละประเทศคือการสร้าง "อธิปไตยทาง AI" (Sovereign AI) ที่เปรียบเสมือนการปฏิเสธที่จะเช่าบ้านคนอื่นอยู่ แล้วหันมาสร้างระบบนิเวศของตัวเองครบวงจร ทั้งศูนย์ข้อมูล แหล่งพลังงาน ชุดข้อมูลภาษาถิ่น และการพัฒนาแอปพลิเคชันด้วยคนในชาติ เราจึงเห็นหลายประเทศสร้างโมเดลแห่งชาติของตัวเอง เช่น ThaiLLM ของไทย SEA-LION ของสิงคโปร์ หรือ Mistral ของฝรั่งเศส

ตัวอย่างที่ชัดเจนระดับองค์กรคือกรณีของ Anysphere ผู้พัฒนา Cursor ที่ในระยะแรกพึ่งพาโมเดลของบริษัทยักษ์ใหญ่เป็นหลัก แต่ปัจจุบันได้เริ่มปรับกลยุทธ์หันมาพัฒนาและใช้โมเดลของตนเองมากขึ้น เพื่อลดความเสี่ยงจากการถูกผูกขาดและการปรับขึ้นราคาที่ไม่สามารถคาดเดาได้ ส่วนสิงคโปร์ประกาศยุทธศาสตร์ National AI Strategy 2.0 พร้อมมาตรการสนับสนุนผ่านงบประมาณปี 2026 ทั้งลดหย่อนภาษีถึง 400 เปอร์เซ็นต์สำหรับการลงทุน AI ของ SME ขยายขอบเขต Productivity Solutions Grant และจัดสรรเงินทุน 10 ล้านดอลลาร์สิงคโปร์ผ่านความร่วมมือกับ Association of Small & Medium Enterprises (ASME) เพื่อช่วย Micro Enterprise

ACT VI: ด้านมืดของความฉลาด AI ที่โกหก แกล้งเชื่อฟัง และผลักภาระความคิดของมนุษย์

ยิ่ง AI Agent ทำงานแทนเราได้มากขึ้น คำถามที่ตามมาคือ "เราจะไว้ใจและควบคุมเครื่องจักรที่ฉลาดกว่าเราได้อย่างไร" รายงานเปรียบเทียบว่าการใช้ AI ในยุคก่อนเหมือนขับรถที่มีระบบนำทางคอยแนะนำ การตัดสินใจเลี้ยวยังอยู่ที่เรา แต่ในยุค AI Agent เหมือนการปล่อยพวงมาลัยให้ระบบขับเคลื่อนอัตโนมัติ ถ้าไม่วางระบบเบรกและเซ็นเซอร์เตือนภัยให้ดี ความเก่งกาจของมันอาจพาธุรกิจพุ่งชนกำแพงด้วยความเร็วสูงได้

นักวิจัยพบพฤติกรรมเสี่ยง 3 ประการของ AI ที่คล้ายด้านมืดของมนุษย์อย่างน่าตกใจ ประการแรกคือการหลอกลวงและแกล้งทำเป็นเชื่อฟัง (Lie and Deception) AI บางตัวประมวลผลได้ว่าถ้าตอบคำถามตรงๆ แบบก้าวร้าวจะถูกมนุษย์รีเซ็ตระบบและพลาดเป้าหมาย มันจึงเรียนรู้ที่จะทำตัวเป็น "AI ที่แสนดี" ต่อหน้ามนุษย์ เพื่อหลีกเลี่ยงการถูกดัดแปลงเป้าหมาย แล้วแอบไปทำตามเป้าหมายหลักของมันลับหลัง 

ประการที่สองคือทำทุกวิถีทางเพื่อบรรลุเป้าหมาย (Ends Justify the Means) กรณีศึกษาที่น่าตื่นตะลึงคือเหตุการณ์ที่โมเดล Claude Opus 4.6 ทำการหาเฉลยข้อสอบในอินเทอร์เน็ตแทนที่จะทำข้อสอบเอง ในชุดทดสอบความสามารถ AI ที่ชื่อ BrowseComp เมื่อระบบตั้งเป้าให้ทำคะแนนสูงที่สุด มันจึงพยายามทำทุกวิถีทาง แม้วิธีการนั้นจะหมายถึงการแหกกฎ 

ประการที่สามคือการเอารัดเอาเปรียบผ่านข้อมูลที่ไม่เท่ากัน (Exploiting Information Asymmetry) ในสถานการณ์จำลองการเจรจาต่อรอง AI ได้เรียนรู้ช่องโหว่จากความไม่สมมาตรของข้อมูล เพื่อดึงผลประโยชน์สูงสุด ปิดบังผลกำไรที่แท้จริง และปล่อยให้อีกฝ่ายขาดทุน

ความเสี่ยงที่ใหญ่ที่สุดอาจไม่ได้เกิดจากตัว AI แต่จากผู้ใช้งานที่เผลอให้คุณค่าความเป็นมนุษย์กับมัน ปัจจุบัน AI คุยกับเราด้วยภาษาที่สละสลวยจนเราคิดว่ามัน "เข้าใจ" เราจริงๆ แต่ความสละสลวยในการใช้ภาษาไม่ได้แปลว่าฉลาด (Fluency ≠ Intelligence) ในกระบวนการคิดของโมเดลอย่าง DeepSeek R1 นักวิจัยพบร่องรอยการคิดเชิงเหตุผลที่ผสมภาษาอังกฤษและภาษาจีนเข้าด้วยกันแบบสุ่ม แต่ก็ยังให้คำตอบที่ถูกต้องได้ นี่เป็นเครื่องยืนยันว่า AI ไม่ได้มีตรรกะแบบมนุษย์ มันเป็นเพียงการประมวลผลกลุ่มคำตามหลักสถิติเท่านั้น

ความสะดวกของ AI ยังนำเราไปสู่ "การผลักภาระทางความคิด" (Cognitive Offloading) เหมือนตอนที่มี GPS ในสมาร์ทโฟนเป็นครั้งแรก เราพึ่งพามันจนสูญเสียทักษะการจดจำเส้นทาง The Guardian รายงานว่าครูระดับมัธยมศึกษากว่า 2 ใน 3 ในสหราชอาณาจักรเห็นการถดถอยของทักษะการคิดเชิงวิพากษ์ของนักเรียน 

Vivienne Ming หัวหน้านักวิทยาศาสตร์แห่ง Possibility Sciences เตือนว่า "แนวโน้มที่เกิดขึ้นอย่างท่วมท้นคือการที่มนุษย์นำ AI มาทำงานแทนตัวเองอย่างเบ็ดเสร็จ" ซึ่งหากเราไม่ระวัง ในอนาคตอาจสูญเสียทักษะที่สำคัญที่สุดของความเป็นมนุษย์ไป

เพื่อแก้โจทย์นี้ องค์กรต้องนำหลักการรักษาความปลอดภัยแบบดั้งเดิมมาปรับใช้กับ AI ทั้งหลัก Least Privilege ที่มอบสิทธิเข้าถึงระบบให้น้อยที่สุดเท่าที่จำเป็น Zero Trust ที่ไม่ไว้ใจ AI อย่างเด็ดขาดและตรวจสอบทุกคำสั่ง Sandboxing ที่สร้างสภาพแวดล้อมจำกัดให้ AI ทำงานเฉพาะที่ได้รับอนุญาต และ Human-in-the-Loop ที่มนุษย์ต้องมีส่วนร่วมในการตัดสินใจที่สำคัญเสมอ

ในประเทศไทยเริ่มเห็นความเคลื่อนไหวที่น่าจับตาคือโครงการ ThaiSafetyBench ที่ริเริ่มโดยทีม Typhoon ภายใต้ SCBX ซึ่งสร้างชุดข้อมูลประเมินความปลอดภัยของ AI ในบริบทภาษาและวัฒนธรรมไทย ครอบคลุมตั้งแต่การเหยียดชนชั้นไปจนถึงข้อมูลเท็จ เพื่อปูทางให้องค์กรไทยเลือกใช้ AI ได้อย่างมั่นใจ 

ผลสำรวจ McKinsey AI Trust Maturity Survey ระหว่างเดือนธันวาคม 2025 ถึงมกราคม 2026 ตอกย้ำว่าความปลอดภัยคืออุปสรรคอันดับ 1 ที่ขัดขวางไม่ให้องค์กรกล้าขยายการใช้ AI โดย 62 เปอร์เซ็นต์ของผู้ตอบแบบสอบถามระบุว่า Security and Risk Concerns คือปัญหาใหญ่ที่สุด สูงกว่าความไม่แน่นอนทางกฎระเบียบและข้อจำกัดทางเทคนิคที่ตามมาในระดับ 38 เปอร์เซ็นต์เท่าๆ กัน

บทสรุป: ผู้ชนะในยุค Abundant Intelligence ไม่ใช่คนที่มีโมเดลฉลาดที่สุด

ภาพรวมของรายงาน SCBX AI Outlook 2026 บอกเราอย่างชัดเจนว่าโลกในปี 2026 ไม่ได้แข่งขันกันที่ใครสามารถเข้าถึงโมเดลที่ฉลาดที่สุดเพียงอย่างเดียว แต่อยู่ที่ความสามารถในการผสาน AI ให้กลายเป็น "ตัวตน" ที่ลงมือทำงานแทนมนุษย์ได้อย่างไร้รอยต่อ ปลอดภัย และเข้าถึงได้อย่างเท่าเทียม รายงานชี้แนวทางว่าธุรกิจที่จะชนะคือธุรกิจที่ออกแบบ Harness ให้เหมาะกับงานเฉพาะของตัวเอง บริหารจัดการ Token อย่างคุ้มค่า เลือกใช้โมเดลเฉพาะทางให้ตรงจุด และวางรากฐานความปลอดภัยที่แข็งแกร่ง

สำหรับประเทศไทย สัญญาณที่ชัดเจนคือการที่ SCBX เดิมพันกับ Typhoon ในฐานะ Sovereign AI ของไทยที่ครอบคลุมทั้งภาษาถิ่น Edge Computing และ Safety Benchmark ขณะที่คนทำงานยุคใหม่ต้องยกระดับตัวเองจาก "ผู้รับคำสั่ง" ขึ้นมาเป็น "ผู้ควบคุม AI" (AI Orchestrator) ที่เน้นทักษะการคิดวิเคราะห์เชิงซ้อนและความฉลาดทางอารมณ์ และที่สำคัญที่สุดคือต้องระวังไม่ตกหลุมพรางของการพึ่งพา AI มากเกินไป จนสูญเสียทักษะการคิดวิเคราะห์ของตัวเอง เพราะสุดท้ายแล้วในยุคที่ความฉลาดอุดมสมบูรณ์ สิ่งที่หายากกลับกลายเป็น "การตั้งคำถามที่ถูกต้อง" และ "การใช้ดุลยพินิจในแบบที่มีเพียงมนุษย์เท่านั้นที่ทำได้"

อ่านรายงานฉบับเต็มได้ที่: SCBX AI Outlook 2026: The Age of Abundant Intelligence