AI+ ของจีนคืออะไร? เมื่อรัฐสั่งให้ AI ลงทุกอุตสาหกรรม ธุรกิจไทยอยู่ตรงไหน

AI+ คืออะไร และต่างจาก "ลงทุนใน AI" อย่างไร

คำว่า AI+ ถูกออกแบบให้เป็นสูตรทางไวยากรณ์ คือ AI บวกกับอะไรสักอย่าง ไม่ใช่ AI เป็นอุตสาหกรรมเดี่ยว ความต่างตรงนี้สำคัญ เพราะเมื่อรัฐเขียนว่า "AI + การผลิต" หมายความว่าโรงงานที่มีอยู่แล้วต้องเอา AI ไปใช้ ไม่ใช่การไปตั้งบริษัท AI ขึ้นมาใหม่แล้วหวังว่าจะขายให้โรงงาน

รายงานวิเคราะห์ของสถาบัน MERICS ระบุว่า "AI" เป็นคำที่ปรากฏถี่ที่สุดในเอกสารแผนทั้งฉบับ ซึ่งบอกน้ำหนักได้ชัดกว่าคำแถลงใดๆ

AI + อะไร	สิ่งที่แผนตั้งใจให้เกิด	ผลที่คู่ค้าไทยจะเห็น
นวัตกรรมวิทยาศาสตร์	ใช้ AI เร่งงานวิจัยและการทดลอง	รอบการออกสินค้าใหม่ของคู่แข่งสั้นลง
การพัฒนาอุตสาหกรรม	ฝัง AI ในสายการผลิตและห่วงโซ่อุปทาน	ต้นทุนต่อหน่วยของคู่แข่งลดลงอีกชั้น
วัฒนธรรม	ผลิตเนื้อหาและสื่อด้วย AI	ต้นทุนการตลาดของสินค้านำเข้าถูกลง
สวัสดิการประชาชน	การแพทย์ การศึกษา การดูแลผู้สูงอายุ	ตลาดบริการสุขภาพที่ใช้ AI โตเร็ว
การบริหารสังคม	งานบริการภาครัฐและการกำกับดูแล	มาตรฐานและกระบวนการอนุมัติเปลี่ยนเร็วขึ้น

Digital China — ภาคที่ 4 จากทั้งหมด 18 ภาค

แผนฉบับนี้ยกเรื่องดิจิทัลขึ้นเป็นภาคเต็มของตัวเอง ไม่ใช่หัวข้อย่อยใต้ภาคอุตสาหกรรมแบบเดิม สาระที่จับต้องได้มีสามเรื่อง

1) บัญชีทรัพยากรข้อมูลแห่งชาติ (数据资源一本账) — ทำบัญชีเดียวว่าประเทศมีข้อมูลอะไร อยู่ที่หน่วยงานไหน ใครใช้ได้ แนวคิดคือถือว่าข้อมูลเป็นทรัพยากรที่ต้องลงบัญชีเหมือนสินทรัพย์อื่น ไม่ใช่ของที่แต่ละหน่วยงานเก็บไว้เอง

2) ศูนย์นวัตกรรม AI แห่งชาติ และฐานทดลองการใช้งาน (应用中试基地) — จุดที่น่าสนใจคือคำว่า "ฐานทดลองการใช้งาน" ซึ่งเป็นสถานที่สำหรับพิสูจน์ว่า AI ใช้ได้จริงในงานจริงก่อนขยายผล ไม่ใช่ห้องแล็บวิจัย

3) การประสานอัลกอริทึม พลังประมวลผล และข้อมูล — แผนพูดถึงสามสิ่งนี้เป็นชุดเดียวกัน เพราะขาดอย่างใดอย่างหนึ่งแล้วอีกสองอย่างไม่มีประโยชน์

สามคำที่จีนใช้กำกับโรงงาน

ในภาคการผลิต แผนใช้คำสั้นสามคำเป็นตัวกำหนดทิศทาง คือ 智改 (ปรับให้ฉลาด) 数转 (แปลงเป็นดิจิทัล) และ 网联 (เชื่อมเป็นเครือข่าย) พร้อมโครงการ Smart Manufacturing และ Industrial Internet รองรับ

ลำดับของสามคำนี้ไม่ได้เรียงมาเล่นๆ การแปลงเป็นดิจิทัลต้องมาก่อนการเชื่อมเป็นเครือข่าย และการเชื่อมเป็นเครือข่ายต้องมาก่อนจึงจะปรับให้ฉลาดได้จริง โรงงานที่ข้ามขั้นไปซื้อระบบ AI ก่อนที่ข้อมูลการผลิตจะอยู่ในระบบเดียวกัน จะได้ผลลัพธ์ที่วัดไม่ได้

จุดยืนที่จีนเลือก — เล่นที่ชั้นการใช้งาน ไม่ใช่ชั้นโมเดล

สิ่งที่แผนเขียนไว้คือการยึดที่มั่นด้าน การประยุกต์ใช้ AI ในอุตสาหกรรม ไม่ใช่การเป็นเจ้าของโมเดลที่เก่งที่สุด นี่เป็นการเลือกสนามแข่งที่ต่างจากฝั่งสหรัฐฯ อย่างชัดเจน และเป็นเหตุผลว่าทำไมโมเดลจีนอย่าง DeepSeek ถึงเน้นเรื่องต้นทุนต่อการเรียกใช้งานมากกว่าคะแนนสอบวัดความสามารถ

สำหรับองค์กรไทย ข้อสรุปตรงนี้ปลดล็อกความกังวลข้อหนึ่งได้ คือ ไม่จำเป็นต้องสร้างโมเดลของตัวเองถึงจะได้ประโยชน์จาก AI ประเทศที่มีทรัพยากรมากกว่าไทยหลายเท่ายังเลือกเล่นที่ชั้นการใช้งาน

เทียบกับสิ่งที่ไทยกำลังทำ

ประเด็น	จีน	ไทย
ที่อยู่ของนโยบาย	อยู่ในแผนพัฒนาแห่งชาติ เป็นภาคที่ 4 จาก 18	แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติ (2565–2570) เป็นแผนแยก
จุดเน้น	ฝัง AI ในอุตสาหกรรมและกระบวนการรัฐ	เพิ่มผลิตภาพและทักษะกำลังคน
โครงการล่าสุด	ศูนย์นวัตกรรม AI แห่งชาติ + ฐานทดลองการใช้งาน	TH-AI Passport เปิดตัว 28 สิงหาคม 2569 โดยสำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ (สดช.) งบประมาณ 1,600 ล้านบาทจากกองทุนดีอี ตั้งเป้า 5 ล้านสิทธิ์ ลงทะเบียนแล้วกว่า 1.3 ล้านสิทธิ์ ณ วันเปิดตัว
การวัดผล	อยู่ในตัวชี้วัดหมวดนวัตกรรม R&D โต 7% ต่อปี	สัดส่วนคนวัยทำงานที่ใช้ Generative AI อยู่ที่ 12.4% ในไตรมาสแรกปี 2569 (รายงาน Global AI Diffusion ของ Microsoft)

ข้อสังเกตที่ยุติธรรมคือ สองประเทศเลือกจุดตั้งต้นคนละจุดตามขนาดของตัวเอง จีนมีฐานการผลิตใหญ่พอที่จะบังคับให้ AI ลงไปในสายการผลิตได้โดยตรง ส่วนไทยเลือกเริ่มที่คน ซึ่งเป็นทางที่ใช้งบน้อยกว่าและกระจายผลได้เร็วกว่า การให้ประชาชนเข้าถึงเครื่องมือที่ดีที่สุดในโลกโดยตรง แทนที่จะลงทุนสร้างเองทั้งหมด เป็นการตัดสินใจที่เหมาะกับขนาดเศรษฐกิจของไทย

แต่ข้อจำกัดของแนวทางนี้ก็ตรงไปตรงมาเช่นกัน คือทักษะของพนักงานจะแปลงเป็นผลิตภาพขององค์กรได้ต่อเมื่อองค์กรมีข้อมูลให้พนักงานเอา AI ไปทำงานด้วย

ธุรกิจไทยควรทำอะไรก่อน

ลำดับ	สิ่งที่ต้องทำ	คำถามที่ตอบได้เมื่อทำเสร็จ
1	ทำบัญชีข้อมูลขององค์กร — มีข้อมูลอะไร อยู่ที่ไหน ใครเป็นเจ้าของ	องค์กรเรามีข้อมูลอะไรที่ใช้ได้จริงบ้าง
2	รวมข้อมูลต้นทุน พัสดุ บัญชี ให้อยู่ระบบเดียว	ต้นทุนต่อหน่วยจริงของสินค้าแต่ละตัวเท่าไร
3	เลือกงานที่ซ้ำและวัดผลได้มาทดลองใช้ AI ก่อน	งานนี้ประหยัดเวลาไปกี่ชั่วโมงต่อเดือน
4	อบรมคนที่ทำงานนั้นจริง ไม่ใช่อบรมทั้งบริษัทพร้อมกัน	ใครใช้แล้วได้ผล และเพราะอะไร

สังเกตว่าลำดับนี้เป็นลำดับเดียวกับ 数转 → 网联 → 智改 ของจีน เพียงแต่ย่อส่วนลงมาที่ระดับองค์กร

งานไหนเหมาะ งานไหนยังไม่เหมาะ

เมื่อลงมาถึงระดับปฏิบัติ คำถามที่ตอบยากที่สุดไม่ใช่ "AI ทำได้ไหม" แต่คือ "งานไหนควรทำก่อน" ตารางนี้สรุปจากลักษณะงานที่พบในองค์กรไทยทั่วไป

ลักษณะงาน	เหมาะเริ่มก่อน	เหตุผล
สรุปเอกสาร ร่างจดหมาย แปลภาษา	เหมาะมาก	ผิดแล้วเห็นทันที คนตรวจได้เอง ความเสียหายจำกัด
ค้นหาข้อมูลในเอกสารภายในจำนวนมาก	เหมาะ	ประหยัดเวลาชัดเจน วัดผลได้ด้วยเวลาที่ใช้ค้นต่อครั้ง
กระทบยอดเอกสารที่มีรูปแบบซ้ำ	เหมาะ ถ้าข้อมูลอยู่ระบบเดียว	ต้องมีตัวเลขอ้างอิงที่ถูกต้องให้เทียบ ไม่งั้นได้คำตอบที่ดูดีแต่ผิด
คำนวณต้นทุนหรือปิดงบ	ยังไม่เหมาะให้ตัดสินใจแทน	ต้องตรวจสอบย้อนกลับได้ทุกบรรทัดตามหลักบัญชีและการตรวจสอบ
อนุมัติรายการที่มีผลผูกพัน	ไม่เหมาะ	ต้องมีผู้รับผิดชอบที่เป็นบุคคล และมีร่องรอยการอนุมัติที่ตรวจสอบได้

เส้นแบ่งที่ใช้ได้จริงคือ งานที่ AI ช่วย "ร่าง" และคนเป็นผู้ตัดสินใจ เริ่มได้เลย ส่วนงานที่ต้องมีร่องรอยตรวจสอบและมีผู้รับผิดชอบตามกฎหมาย ให้ระบบหลักเป็นคนทำ และใช้ AI ช่วยเฉพาะขั้นเตรียมข้อมูลเท่านั้น

สิ่งที่ต้องระวังเมื่อเอา AI มาใช้กับข้อมูลองค์กร

ประเด็นนี้ไม่ใช่เรื่องเฉพาะของไทย แผนของจีนเองก็เขียนเรื่องการกำกับดูแลข้อมูลควบคู่ไปกับการส่งเสริมการใช้งาน เพราะการเปิดให้ข้อมูลไหลได้อิสระโดยไม่มีบัญชีกำกับ ทำให้ไม่มีใครรู้ว่าข้อมูลชิ้นไหนอยู่ที่ใครและใช้ทำอะไรไปแล้วบ้าง

บทเรียนจาก "ฐานทดลองการใช้งาน"

คำที่ควรค่าแก่การหยิบมาใช้มากที่สุดจากแผนฉบับนี้คือ 应用中试基地 หรือฐานทดลองการใช้งาน ซึ่งเป็นแนวคิดที่อยู่กึ่งกลางระหว่างห้องแล็บกับการใช้งานเต็มรูปแบบ หน้าที่ของมันคือพิสูจน์ว่าเทคโนโลยีที่ทำงานได้ในสภาพทดลอง จะยังทำงานได้เมื่อเจอข้อมูลจริงที่สกปรก เจอผู้ใช้จริงที่ไม่ทำตามคู่มือ และเจอข้อจำกัดจริงเรื่องเวลาและงบประมาณ

องค์กรไทยจำนวนมากข้ามขั้นนี้ คือเห็นการสาธิตแล้วซื้อ แล้วนำไปใช้ทั้งองค์กรพร้อมกัน ผลคือเมื่อเจอปัญหาที่การสาธิตไม่ได้แสดง ทั้งโครงการก็หยุดพร้อมกันทั้งหมด

วิธีที่ปลอดภัยกว่าคือเลือกงานเดียวที่วัดผลได้ชัด เช่น การกระทบยอดใบแจ้งหนี้ หรือการสรุปรายงานประจำเดือน แล้ววัดสองตัวเลขคือเวลาที่ใช้ต่อรอบ และอัตราความผิดพลาดที่ต้องแก้ย้อนหลัง ถ้าตัวเลขทั้งสองดีขึ้นจริงในสามเดือน จึงค่อยขยาย ถ้าไม่ดีขึ้น การหยุดที่งานเดียวมีต้นทุนต่ำกว่าการหยุดทั้งองค์กรมาก

ข้อดีอีกอย่างของวิธีนี้คือได้ตัวเลขจริงไว้ใช้ตัดสินใจรอบถัดไป แทนที่จะเถียงกันด้วยความรู้สึกว่า AI ช่วยได้หรือไม่ ซึ่งเป็นบทเรียนเดียวกับที่เราจะพูดถึงเรื่องการออกแบบตัวชี้วัดใน ตอนที่ 6

ข้อมูลต้องพร้อมก่อน ไม่ใช่เครื่องมือ

รูปแบบที่พบซ้ำในองค์กรที่เริ่มลงทุนกับ AI คือเลือกเครื่องมือเสร็จก่อนที่จะตอบได้ว่าข้อมูลของตัวเองอยู่ที่ไหน คำถามอย่าง "จะเอา AI มาช่วยงานบัญชีอย่างไร" มักตามมาด้วยความจริงว่ายังตอบไม่ได้ว่าต้นทุนต่อหน่วยของสินค้าตัวไหนเป็นเท่าไร เพราะข้อมูลการผลิต การซื้อ และการจ่าย อยู่คนละไฟล์คนละแผนก เมื่อตัวเลขต้นทางไม่ตรงกัน คำตอบที่ได้จาก AI ก็รับความไม่ตรงนั้นต่อมาทั้งหมด และอ่านดูน่าเชื่อถือกว่าตัวเลขดิบเสียด้วย ซึ่งเป็นส่วนที่อันตราย

สังเกตว่านี่เป็นลำดับเดียวกับที่แผนของจีนวางไว้ คือพูดถึงบัญชีทรัพยากรข้อมูลก่อนพูดถึงการประยุกต์ใช้ AI ต้องรู้ก่อนว่าข้อมูลอะไรมีอยู่ อยู่ที่ใคร และเชื่อถือได้แค่ไหน แล้วจึงวางเครื่องมือทับลงไป ในระดับองค์กร หลักการเดียวกันย่อลงมาเป็นคำถามสี่ข้อที่ใช้ทดสอบงานทีละงานได้เลย

หนึ่ง ตัวเลขนี้มีเจ้าของหรือยัง ใครเป็นคนยืนยันว่าถูก ถ้าไม่มีชื่อคน แปลว่าไม่มีใครรับผิดชอบเมื่อมันผิด

สอง ดึงออกมาเองได้ไหม หรือต้องรอให้ใครทำรายงานให้ทุกครั้ง ข้อนี้เป็นตัวชี้ว่าจะทำงานอัตโนมัติได้จริงหรือไม่

สาม สาวย้อนถึงเอกสารต้นทางได้ไหม ตัวเลขที่อธิบายที่มาไม่ได้ ใช้ตัดสินใจเรื่องเงินไม่ได้ ไม่ว่าจะมาจากคนหรือจาก AI

สี่ ถ้าสองระบบให้เลขไม่เท่ากัน ยึดของระบบไหน องค์กรที่ตอบข้อนี้ไม่ได้มักเสียเวลาประชุมกระทบยอดมากกว่าเวลาที่ใช้ตัดสินใจ

ข้อไหนตอบไม่ได้ แปลว่างานนั้นยังไม่พร้อมให้ AI แตะ และทางแก้คือไปแก้ที่ข้อมูล ไม่ใช่หาเครื่องมือที่เก่งกว่า ซึ่งมักเป็นงานที่ไม่หวือหวา ทั้งการรวมข้อมูลที่กระจายอยู่หลายระบบให้คุยกันได้ (เราเขียนแยกไว้ใน บทความเรื่องการทำให้ระบบต่างค่ายคุยกันรู้เรื่อง) และการตกลงว่าใครเป็นเจ้าของตัวเลขไหน

แต่เป็นงานที่ให้ผลตอบแทนยาวกว่า เพราะข้อมูลที่สะอาดใช้ได้กับทุกเครื่องมือที่จะมาในอนาคต ขณะที่เครื่องมือซึ่งถูกวางทับข้อมูลที่ยังไม่นิ่ง ต้องรื้อใหม่ทุกครั้งที่เปลี่ยนเครื่องมือ

สรุป

AI+ ของจีนไม่ใช่นโยบายเรื่องเทคโนโลยี แต่เป็นนโยบายเรื่องการผลิตที่ใช้เทคโนโลยีเป็นเครื่องมือ จุดที่ธุรกิจไทยเอาไปใช้ได้ทันทีคือลำดับการทำงาน ทำข้อมูลให้อยู่ระบบเดียว เชื่อมให้ครบสาย แล้วค่อยใส่ AI ลงไปในจุดที่วัดผลได้

ตอนต่อไปของซีรีส์จะเจาะยุทธศาสตร์พึ่งพาตัวเองด้านเทคโนโลยีของจีน และผลที่ไทยจะได้รับเรื่องการถ่ายทอดเทคโนโลยี อ่านต่อได้ที่ ตอนที่ 3 หรือย้อนไปดูภาพรวมทั้งแผนที่ ตอนที่ 1

จีนไม่ได้แข่งว่าใครมีโมเดล AI เก่งที่สุด แต่แข่งว่าใครเอา AI ไปใช้ในงานจริงได้กว้างที่สุด — เป็นสนามที่องค์กรขนาดไหนก็ลงแข่งได้ ถ้าข้อมูลพร้อม

- ไพฑูรย์ บุตรี · ผู้เชี่ยวชาญระบบเน็ตเวิร์คและความปลอดภัยเซิร์ฟเวอร์ บริษัท แกรนด์ลีนุกซ์ โซลูชั่น จำกัด

แหล่งอ้างอิง

• 中央网信办 (CAC) — 为数字中国建设划定清晰路线 (17 มี.ค. 2569)
• 中国人大网 — 《第十五个五年规划纲要（草案）》摘要
• 新华社 — 从产业到民生 “十五五”规划勾勒中国发展新图景
• MERICS — Deciphering the 15th Five-Year Plan
• NSTDA — แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565–2570)
• The Bangkok Insight — เปิดตัว TH-AI Passport (28 ส.ค. 2569)
• THE STANDARD — TH-AI Passport เปิดตัว ยอดลงทะเบียนเกิน 1.3 ล้านสิทธิ์ (28 ส.ค. 2569)
• ฐานเศรษฐกิจ — รายงาน Global AI Diffusion ของ Microsoft: คนไทยใช้ AI 12.4% (15 ก.ค. 2569)