เจาะ 5 ยุทธศาสตร์ AI ทางรอดธุรกิจไทยในยุค Next Digital เมื่อเครื่องมือเท่ากัน รสนิยมและ Critical Thinking คือแต้มต่อสู่เวทีโลก
ท่ามกลางกระแสการเปลี่ยนผ่านทางเทคโนโลยีที่หมุนเร็วที่สุดในประวัติศาสตร์ ตัวเลขภาพรวมอุตสาหกรรมดิจิทัลไทยในปี 2568 กำลังส่งสัญญาณการเติบโตอย่างน่าจับตา
สำนักงานส่งเสริมเศรษฐกิจดิจิทัล หรือ ดีป้า เผยผลการสำรวจข้อมูลและประเมินสถานภาพอุตสาหกรรมดิจิทัลไทย ประจำปี 2568 ใน 5 กลุ่มอุตสาหกรรมหลัก ประกอบด้วย อุตสาหกรรมซอฟต์แวร์และบริการซอฟต์แวร์ (Software and Software Services) อุตสาหกรรมฮาร์ดแวร์และอุปกรณ์อัจฉริยะ (Hardware and Smart Devices) อุตสาหกรรมบริการดิจิทัล (Digital Services) อุตสาหกรรมดิจิทัลคอนเทนต์ (Digital Content) และอุตสาหกรรมโทรคมนาคม (Telecommunications)
จากข้อมูลผลสำรวจ ด้วยมูลค่าตลาดรวมที่พุ่งแตะ 3,873,338 ล้านบาท คิดเป็นสัดส่วนราว 5% ของ GDP ประเทศ และขยายตัวสูงถึง 22.66% ภายในปีเดียว การขยายตัวพร้อมกันเป็นตัวเลขสองหลักในเกือบทุกสาขา ไม่ว่าจะเป็นบริการดิจิทัล (+28.04%), ฮาร์ดแวร์และอุปกรณ์อัจฉริยะ (+24.04%) หรือซอฟต์แวร์ (+16.08%) ซึ่งดูเผิน ๆ อาจสะท้อนถึงยุคทองของเศรษฐกิจดิจิทัล
ดร.ศุภกร สิทธิไชย รักษาการแทนผู้อำนวยการใหญ่ สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa)
ทว่า ภายใต้ตัวเลขการเติบโตระดับล้านล้านบาท สิ่งที่ซ่อนอยู่คือภาวะ ตลาดสองความเร็ว และโครงสร้างเชิงเทคโนโลยีที่กำลังบีบให้ภาคธุรกิจต้องเลือกระหว่างการปรับตัวเชิงกลยุทธ์ หรือการตกเป็นเพียงผู้บริโภคเทคโนโลยีปลายน้ำอย่างถาวร
บทความนี้ Techhub ขอพาทุกคน ไปเจาะลึกข้อมูลสำคัญ กับ 5 ยุทธศาสตร์เชิงเทคโนโลยี ตั้งแต่คลื่นปัญญาประดิษฐ์ ห่วงโซ่อุปทานฮาร์ดแวร์ ไปจนถึงการปฏิวัติการค้าและทักษะมนุษย์ เพื่อชี้ให้เห็นว่าในวันที่เครื่องมือล้ำสมัยกระจายตัวสู่ทุกคนอย่างเท่าเทียม เราจะสร้าง แต้มต่อที่แท้จริของตัวเรา และธุรกิจของเราได้อย่างไร
1. เมื่อเทคโนโลยีเท่ากันทั่วโลก Taste และ Application Layer คือสมรภูมิตัดสิน
นี่คือหนึ่งในข้อมูลสำคัญ ที่ได้จากช่วงเสวนาครับ โดยในยุคเริ่มต้นของอุตสาหกรรมเทคโนโลยี แต้มต่อมักตกอยู่กับผู้ที่ถือครองโครงสร้างพื้นฐานระดับลึก แต่สมรภูมิปัญญาประดิษฐ์ในปัจจุบันได้เปลี่ยนแปลงกติกานี้ไปอย่างสิ้นเชิง
ซึ่งการแข่งขันด้าน AI แบ่งออกเป็น 3 ระดับสำคัญ ได้แก่
- Compute Layer ที่เป็นการประมวลผลและชิป ถูกครอบครองโดยยักษ์ใหญ่ระดับโลกอย่าง NVIDIA
- Foundation Model Layer หรือโมเดลพื้นฐาน สมรภูมิของมหาอำนาจที่มีทุนสำรองมหาศาล เช่น OpenAI, Anthropic หรือกลุ่มทุนในจีน ซึ่งการสร้างโมเดลขนาดใหญ่ ขึ้นมาหนึ่งโมเดลอาจต้องใช้เงินลงทุนขั้นต่ำไม่น้อยกว่า 600 ล้านบาทขึ้นไป
- Application Layer ชั้นการประยุกต์ใช้งาน ที่เป็นการนำโมเดลระดับโลกมาปรับใช้เพื่อตอบโจทย์ทางธุรกิจและบริบทเฉพาะด้าน
สำหรับประเทศไทย การทุ่มงบประมาณเพื่อสร้างชิปหรือสร้างโมเดลพื้นฐานไปแข่งกับยักษ์ใหญ่ของโลกไม่ใช่เรื่องที่อาจจะสมเหตุสมผล คุณค่าที่แท้จริงจึงย้ายมาอยู่ที่ Application Layer
ข้อได้เปรียบสำคัญของยุคนี้คือ ความเท่าเทียมในการเข้าถึง เมื่อ OpenAI หรือค่ายเทคโนโลยีใดเปิดตัวโมเดลใหม่อย่าง Sora หรือ GPT รุ่นล่าสุด นักพัฒนาและผู้ประกอบการในไทยสามารถเข้าถึงและนำมาใช้งานได้ในวินาทีเดียวกับผู้คนในซิลิคอนแวลลีย์ ซอฟต์แวร์สร้างสรรค์ที่เราเคยผูกขาดใช้งานมา 20-30 ปี กำลังถูกย่นระยะด้วย AI ที่พัฒนาเวอร์ชันใหม่ทุก 2 สัปดาห์
ความสามารถของ AI กำลังเปิดทางให้เกิดโมเดลธุรกิจรูปแบบใหม่ที่เรียกว่า Solopreneur หรือผู้ประกอบการเดี่ยวที่ขับเคลื่อนงานสเกลใหญ่ได้ด้วยตัวคนเดียว
ตัวอย่างที่เห็นได้ชัดในอุตสาหกรรมสร้างสรรค์คือ ศิลปินไทยสาย Concept Art ที่เคยทำงานเป็นฟันเฟืองเล็ก ๆ ในโปรดักชันใหญ่ระดับ Pixar สามารถใช้ Generative AI และเครื่องมือ 3D สรรค์สร้างผลงานแอนิเมชันระดับชนะรางวัลระดับโลกได้ด้วยตัวคนเดียว
เมื่อใคร ๆ ก็กดสั่งให้ระบบเรนเดอร์ภาพยนตร์ 4K หรือเขียนโปรแกรมได้เหมือนกัน ความเชี่ยวชาญเชิงเทคนิคแบบเดิมจึงไม่ใช่เส้นแบ่งชัยชนะอีกต่อไป หากแต่อยู่ที่ รสนิยม, วิสัยทัศน์ทางความคิดสร้างสรรค์ และความเข้าใจในมิติเชิงวัฒนธรรม ซึ่งถือเป็นแต้มต่อตามธรรมชาติของคนไทยในการนำไปต่อยอดบน Application Layer สู่เวทีระดับสากล
2. กับดัก สงครามฝิ่นทางเทคโนโลยี ที่ทำให้เสพติดจนขาดไม่ได้
แม้การใช้งานเทคโนโลยีระดับโลกจะดูสะดวกสบาย แต่สิ่งที่แฝงอยู่เบื้องหลังคือความเสี่ยงที่เราจำเป็นต้องใช้ต่อไปเรื่อย ๆ จนเสพติดและไม่สามารถเปลี่ยนไปใช้งานแบบอื่นได้ยาก
การดำเนินธุรกิจที่พึ่งพา API, บริการคลาวด์ หรือแพลตฟอร์มต่างชาติเพียงอย่างเดียว เปรียบเสมือนการนำพาองค์กรไปผูกไว้กับสายออกซิเจนของผู้อื่น หากวันหนึ่งผู้ให้บริการตัดสินใจปิดระบบ ปรับเปลี่ยนนโยบาย หรือบล็อกการเข้าถึง โครงสร้างธุรกิจทั้งหมดอาจพังทลายลงในชั่วข้ามคืน
สะท้อนจากสถิติดิจิทัลไทยปี 2568 ที่พบว่า มูลค่าการนำเข้าซอฟต์แวร์เติบโตสูงถึง 21.86% คิดเป็นเม็ดเงินไหลออกกว่า 70,601 ล้านบาท สวนทางกับการส่งออกซอฟต์แวร์ของไทยที่มีมูลค่าเพียง 2,769 ล้านบาทเท่านั้น ยิ่งไปกว่านั้น ค่าใช้จ่ายด้านสื่อและแพลตฟอร์มต่างชาติ ทั้ง Facebook, TikTok และ Google มีมูลค่ามหาศาล ซึ่งเป็นเม็ดเงินที่คนไทยจ่ายให้ระบบนิเวศต่างชาติเพียงเพื่อทำการค้าขายกันเองภายในประเทศ
ทางรอดเชิงเทคโนโลยีไม่ได้หมายถึงการปิดกั้นตัวเอง แต่เป็นการสร้างสมดุลผ่านการพัฒนา Local Ecosystem ที่พึ่งพาตนเองได้ ไม่ว่าจะเป็น
- การลดต้นทุนด้วย Local & Open Source Models โดยในอดีตการสร้างวิดีโอคุณภาพสูงด้วยโมเดลเชิงพาณิชย์อาจมีต้นทุน Token ถึง 300 บาทต่อครั้ง หากทดสอบ 20 ครั้งจะต้องเสียเงินถึง 6,000 บาท ทว่า ปัจจุบันโมเดล Open Source ที่รันบนเครื่องคอมพิวเตอร์เฉพาะทาง มีประสิทธิภาพสูงขึ้นจนสามารถลดต้นทุนลงเหลือเพียงไม่กี่บาทต่อครั้ง
- สร้างคลังข้อมูลท้องถิ่น โมเดล AI จากชาติตะวันตกมักขาดความเข้าใจในบริบท วัฒนธรรม และภาษาไทย การรวมกลุ่มสร้างเครือข่ายความร่วมมือเพื่อรวบรวม Dataset อัตลักษณ์ไทย และนำมา Fine-tune โมเดล Open Source จะช่วยให้ภาคธุรกิจได้เครื่องมือที่มีความแม่นยำสูงในราคาที่เข้าถึงได้
- Shared Sandbox และเครือข่ายแบ่งปัน Know-how โดยการที่ต่างคนต่างทดลองใช้งานทำให้เกิดต้นทุนซ้ำซ้อน การรวมกลุ่มเพื่อแลกเปลี่ยนกรณีศึกษาและผสานความร่วมมือระหว่างภาครัฐ เอกชน และสมาคมวิชาชีพ จะช่วยปลดล็อกคอขวดทางองค์ความรู้และลดการไหลออกของเม็ดเงินข้ามชาติได้อย่างยั่งยืน
3.Prompt Engineering ถูกลดบทบาท ถึงยุคที่ Process งาน และ Critical Thinking คือทักษะสำคัญของมนุษย์
ในช่วงที่ Generative AI บูมขึ้นมาใหม่ ๆ หลายคนมองว่า Prompt Engineer จะเป็นอาชีพแห่งอนาคต แต่ในความเป็นจริง เทคโนโลยีกำลังก้าวผ่านจุดนั้นไปอย่างรวดเร็ว
ปัจจุบัน AI กำลังเปลี่ยนผ่านเข้าสู่ยุค Agentic AI ซึ่งมีความสามารถในการคิด วางแผน และโต้ตอบด้วยภาษาธรรมชาติอย่างเป็นระบบ ทักษะการเขียน Prompt เพื่อสั่งงานจึงกลายเป็นเพียงทักษะพื้นฐานที่ไม่ต่างอะไรจากการพิมพ์ดีดสัมผัสหรือการใช้โปรแกรมต่างๆ ในอดีต
แต่สิ่งที่สร้างความแตกต่างระหว่าง ผู้ใช้ทั่วไปกับผู้สร้างมูลค่า”ในยุคนี้ ประกอบด้วย 2 ปัจจัยหลักครับ
1. ความเข้าใจในกระบวนการทำงาน
ในตลาดแรงงานปัจจุบัน เกิดช่องว่างระหว่างคนสองรุ่นอย่างเห็นได้ชัด เด็กจบใหม่หรือกลุ่ม Junior อาจมีความคุ้นเคยกับเครื่องมือ AI แต่ขาดความเข้าใจในกระบวนการทางธุรกิจ แต่ในทางกลับกัน คนทำงานที่มีประสบการณ์สูงซึ่งเข้าใจข้อต่อทางธุรกิจ ระบบงาน และสถาปัตยกรรมระบบอย่างลึกซึ้ง กลับสามารถนำ AI มาปลดล็อกและทวีคุณค่าของงานได้อย่างมีประสิทธิภาพกว่ามาก
ความจริงนี้สะท้อนชัดเจนในตลาดซอฟต์แวร์ไทยปี 2568 ซึ่งพบปรากฏการณ์สำคัญ รายได้จากบริการดูแลรักษาระบบ เติบโตแตะ 47,846 ล้านบาท (+19.66%) แซงหน้ามูลค่าการพัฒนาโปรแกรมตามสั่ง (Customization – 46,776 ล้านบาท) เป็นครั้งแรก เหตุผลเพราะเครื่องมือ AI Coding ช่วยให้การเขียนโค้ดทำได้รวดเร็วขึ้น แต่คุณค่าที่แท้จริงได้ย้ายไปอยู่ที่ การออกแบบสถาปัตยกรรมระบบ, การเชื่อมต่อระบบ และความเข้าใจโจทย์ทางธุรกิจมากกว่า
2. การคิดเชิงวิพากษ์ หรือ Critical Thinking และ Human-in-the-Loop
ความท้าทายเชิงเทคนิคที่สำคัญที่สุดของ Generative AI คืออาการ “หลอน” (Hallucination) เราเริ่มเห็นกรณีศึกษาในระดับโลกที่ AI ให้ข้อมูลบิดเบือนจนทำให้สายการบินถูกฟ้องร้อง หรือการที่ทนายความนำข้อมูลที่ AI แต่งขึ้นไปใช้ว่าความจนถูกลงโทษ
ในทางกฎหมายและความรับผิดชอบทางธุรกิจ AI ไม่ใช่นิติบุคคล ความรับผิดชอบทั้งหมดยังคงผูกติดอยู่กับมนุษย์ผู้เป็นผู้ตัดสินใจ การวางระบบการทำงานในองค์กรจึงต้องมี “Human-in-the-Loop” เข้ามาเป็นด่านตรวจทานคุณภาพ (Quality Control) ทักษะการคิดเชิงวิพากษ์ (Critical Thinking) จึงกลายเป็นภูมิคุ้มกันทางเทคโนโลยีที่สำคัญที่สุด เพื่อตรวจสอบความถูกต้อง แยกแยะความเสี่ยง และกำกับดูแลจริยธรรมข้อมูล (AI Governance)
4. ยุคปฏิวัติ AI Commerce สิ้นสุด Me-Too สู่การสร้างแบรนด์บนสมรภูมิไร้พรมแดน
ในฝั่งบริการดิจิทัล ที่มีมูลค่ารวม 470,851 ล้านบาท นั้น อุตสาหกรรมย่อยที่ทำหน้าที่เป็นหัวจักรขับเคลื่อนหลักคือ e-Retail ซึ่งมีมูลค่าสูงถึง 190,799 ล้านบาท เติบโตอย่างก้าวกระโดดถึง 62.93% และคิดเป็นสัดส่วนกว่า 71% ของมูลค่าที่เพิ่มขึ้นในอุตสาหกรรมบริการดิจิทัลทั้งหมด
แรงหนุนดังกล่าวเกิดจากการเติบโตของ Content & Video Commerce ที่ผสานความบันเทิงเข้ากับการค้าขาย แต่การเปลี่ยนแปลงระลอกถัดไปที่กำลังเกิดขึ้นคือการเปลี่ยนผ่านสู่ AI Commerce
ซึ่งการมาถึงของ AI Agent ที่ทำหน้าที่เป็นผู้ช่วยช้อปปิ้งส่วนตัว จะเข้ามาปฏิวัติพฤติกรรมผู้บริโภค ในอดีต ธุรกิจมักลงทุนมหาศาลกับ SEO แต่นับจากนี้ โลกกำลังก้าวเข้าสู่ยุค AIO ซึ่งธุรกิจต้องปรับระบบโครงสร้างข้อมูลหลังบ้านให้อยู่ในรูปแบบที่ AI Agent สามารถเข้ามาอ่าน วิเคราะห์ และเลือกไปแนะนำแก่ผู้บริโภคได้อย่างแม่นยำและปลอดภัย
ซึ่งการเปลี่ยนแปลงนี้ยังนำมาซึ่งผลกระทบสำคัญ 2 ด้านครับ
- อวสานของธุรกิจแบบ Me-Too หรือการลอกเลียนแบบ เช่น เห็นเขาขายได้ เราก็ขายมั่ง โดยปัญหาใหญ่ของตลาดไทยคือ เมื่อสินค้าใดขายดี ผู้ค้าส่วนใหญ่จะแห่ไปทำตาม แต่ในยุคที่ AI สามารถเปรียบเทียบข้อมูล คุณสมบัติ และความคุ้มค่าได้แบบเรียลไทม์ สินค้าลอกเลียนแบบที่ไม่มีอัตลักษณ์จะถูกคัดออกจากระบบทันที คุณค่าทางธุรกิจจึงย้อนกลับมาที่เรื่องพื้นฐานที่สุด นั่นคือ Branding และการสร้างความแตกต่าง
- การทะลวงกำแพงภาษาเพื่อขยายตลาด ข้อจำกัดดั้งเดิมของอีคอมเมิร์ซไทยคือการติดหล่มอยู่กับตลาดภายในประเทศที่มีประชากรราว 60 กว่าล้านคน ทว่า AI Translation และระบบสร้างสื่อมัลติมีเดียอัตโนมัติในปัจจุบัน ช่วยให้ผู้ประกอบการสามารถผลิตคอนเทนต์ วิดีโอ หรือไลฟ์สดข้ามไปยังภาษาอังกฤษ จีน หรือภาษาอื่น ๆ ได้โดยไม่ต้องแบกรับต้นทุนฝ่ายภาษาขนาดใหญ่ เป็นการปลดล็อกให้ธุรกิจไทยสามารถนำสินค้าที่มีเอกลักษณ์ไปดึงดูดเม็ดเงินใหม่จากตลาดโลกได้ง่ายขึ้น
5. ถอดรหัสห่วงโซ่อุปทาน ไม่ต้องสร้างทั้งระบบ แค่อยู่ในจุดสำคัญของ Supply Chain
เมื่อมองไปยังอุตสาหกรรมที่มีขนาดใหญ่ที่สุดในเศรษฐกิจดิจิทัลไทย นั่นคือ ฮาร์ดแวร์และอุปกรณ์อัจฉริยะ (มูลค่า 2.28 ล้านล้านบาท เติบโต 24.04%) เราจะเห็นสถิติการส่งออกที่พุ่งทะยานถึง 38.79% คิดเป็นมูลค่ากว่า 1.69 ล้านล้านบาท โดยเฉพาะการส่งออกคอมพิวเตอร์ (+119.36%) และอุปกรณ์ต่อพ่วง (+92.24%)
การเติบโตอย่างมหาศาลนี้เป็นผลจากวัฏจักรขาขึ้นของความต้องการอุปกรณ์จัดเก็บข้อมูลและโครงสร้างพื้นฐาน AI โลก ประกอบกับการเร่งส่งมอบสินค้าล่วงหน้า ก่อนที่มาตรการทางภาษีของสหรัฐฯ จะมีผลบังคับใช้
อย่างไรก็ดี หากพิจารณาโครงสร้างเชิงลึก เราจะพบความท้าทายเชิงโครงสร้างที่เด่นชัด เช่นใน อุตสาหกรรมเซมิคอนดักเตอร์ ของไทย ซึ่งมีรายได้รวมทั้งระบบ 547,584 ล้านบาท
- กิจกรรมกลางน้ำและปลายน้ำ ที่คิดเป็นสัดส่วนสูงถึง 99.40% ของรายได้รวม โดยส่วนใหญ่เป็นการรับจ้างประกอบ ทดสอบ และบรรจุภัณฑ์ชิป
- กิจกรรมต้นน้ำมีสัดส่วนเพียง 0.61% เท่านั้น
- โครงสร้างดังกล่าวทำให้ไทยต้องนำเข้าส่วนประกอบหลักจนเผชิญภาวะ ขาดดุลการค้าในกลุ่มเซมิคอนดักเตอร์สูงถึง 687,084 ล้านบาทในปี 2568 และมีส่วนแบ่งการส่งออกในตลาดโลกลดลงจาก 2.93% ในปี 2566 เหลือเพียง 1.73%
บทเรียนจากกรณีนี้คือ เราไม่จำเป็นต้องสร้างชิปทั้งตัว หรือเป็นเจ้าของแบรนด์สมาร์ตโฟนอย่าง Apple หรือแบรนด์รถยนต์ทั้งคัน หากเทียบกับโทรศัพท์ iPhone หนึ่งเครื่อง ประกอบด้วยชิ้นส่วนนับพันรายการจากซัพพลายเออร์ที่เชี่ยวชาญเฉพาะด้าน ไม่ว่าจะเป็นกระจกหน้าจอ เลนส์กล้อง หรือชิปประมวลผล
ยุทธศาสตร์ที่เหมาะสมสำหรับผู้ประกอบการไทยคือ การปักหมุดอยู่ในตำแหน่งที่สร้างมูลค่าสูงของห่วงโซ่อุปทาน ไม่ว่าจะเป็น
- ยกระดับสายการผลิตด้วย IoT และระบบอัตโนมัติ ซึ่งแทนที่จะพึ่งพาแรงงานราคาถูกอย่างเดียว ผู้ประกอบการต้องนำเทคโนโลยี IoT มาตรวจจับข้อมูลหน้างานเพื่อมอนิเตอร์การใช้พลังงาน และลดของเสียในกระบวนการผลิต ซึ่งจะช่วยยกระดับความสามารถในการแข่งขันกับสินค้าราคาถูกจากต่างประเทศได้
- เกาะกระแสโครงสร้างพื้นฐาน Data Center ที่ปัจจุบันตลาดศูนย์ข้อมูล ในไทยมีมูลค่าประเมินทางตรงอยู่ที่ราว 20,000 ล้านบาท และอยู่ในช่วงขยายกำลังการผลิตเพื่อรองรับคลาวด์ระดับโลก สิ่งที่ระบบนิเวศไทยสามารถเข้าไปจับต้องได้ไม่ใช่เพียงแค่การสร้างอาคาร แต่เป็นระบบโครงสร้างพื้นฐานไฟฟ้า, อุปกรณ์เครือข่าย, ชิปบริหารจัดการพลังงาน ตลอดจนงานด้านวิศวกรรมความปลอดภัยไซเบอร์
ภาพรวม วิกฤตคอขวดกำลังคน และการตั้งรับสู่อนาคต
ในช่วงท้าย ๆ ของการแถลงข่าว รศ.ดร.ธนชาติ นุ่มนนท์ ผู้อำนวยการสถาบันไอเอ็มซี และผู้จัดการโครงการฯ ได้ชี้ถึงความท้าทายที่แท้จริงของการขับเคลื่อนทั้ง 5 ยุทธศาสตร์นี้ ไม่ได้อยู่ที่ตัวเทคโนโลยี แต่อยู่ที่กำลังคนครับ
โดยข้อมูลการผลิตบัณฑิตจากกระทรวงการอุดมศึกษาฯ (อว.) สะท้อนให้เห็นปัญหาเชิงโครงสร้าง 2 ประการอย่างชัดเจน ไม่ว่าจะเป็น
- การขาดแคลนเชิงปริมาณในสายเทคนิค อุตสาหกรรมซอฟต์แวร์ต้องการบุคลากรเพิ่มเฉลี่ย 21,450 คนต่อปี แต่มีบัณฑิตจบตรงเพียง 7,247 คน (ผลิตได้ราว 1 ใน 3) ขณะที่สายฮาร์ดแวร์ต้องการบุคลากรเพิ่มถึง 72,700 คนต่อปี แต่มีผู้สำเร็จการศึกษาเพียง 7,335 คน (ผลิตได้เพียง 10%)
- ปัญหาทักษะไม่ตรงกับความต้องการ ในทางกลับกัน สายบริการดิจิทัลมีบัณฑิตจบออกมากว่า 25,784 คนต่อปี แต่ตลาดต้องการเพิ่มสุทธิเพียง 5,960 คนต่อปี ชี้ให้เห็นว่าปัญหาไม่ได้อยู่ที่ปริมาณคน แต่อยู่ที่บัณฑิตส่วนใหญ่ยังขาดทักษะเชิงลึกด้าน AI, การวิเคราะห์ข้อมูลขั้นสูง และความเข้าใจในโจทย์ธุรกิจจริง
ประวัติศาสตร์ทางเทคโนโลยีได้พิสูจน์ซ้ำแล้วซ้ำเล่า ตั้งแต่การมาถึงของเครื่องจักรไอน้ำ ตู้ ATM ไปจนถึงอินเทอร์เน็ตและ Mobile Banking ว่า เทคโนโลยีใหม่ไม่ได้ทำให้มนุษย์ตกงานอย่างสิ้นเชิงเสมอไป แต่มันจะเข้ามาทดแทนงานประจำที่มีมูลค่างานต่ำ และบีบให้มนุษย์ต้องยกระดับทักษะไปสู่บทบาทใหม่ที่เครื่องจักรทำแทนไม่ได้
และในยุคที่เทคโนโลยี AI พัฒนาจนสามารถเขียนโค้ด วาดภาพ หรือวิเคราะห์ข้อมูลได้ดีเทียบเท่ามนุษย์ สิ่งที่จะเป็นเกราะป้องกันและแต้มต่อของพวกเราไม่ใช่ความเร็วในการพิมพ์คำสั่ง แต่คือ ความเข้าใจในกระบวนการทำงาน การคิดเชิงวิพากษ์ , รสนิยมในการสร้างสรรค์ และการเลือกวางตำแหน่งของตนเองให้อยู่ในจุดที่มีมูลค่าสูงของห่วงโซ่ เพื่อเปลี่ยนผ่านจาก ผู้ตามเทคโนโลยี สู่ผู้กำหนดทิศทางครับ
ที่มา : งานแถลงผลสำรวจ Digital Industry ที่ Depa ทำร่วมกับสถาบัน IMC
