ควอนตัม AI คืออะไร และข้อเท็จจริงที่องค์กรต้องกล้ายอมรับ
ควอนตัม AI คือเทคนิคปัญญาประดิษฐ์หรือแมชชีนเลิร์นนิงที่ออกแบบมาให้ทำงานบนฮาร์ดแวร์ควอนตัม โดยหวังให้ได้ประสิทธิภาพ ต้นทุน และศักยภาพการประมวลผลที่เหนือกว่าระบบคอมพิวเตอร์แบบดั้งเดิม ทั้งในแง่ความเร็ว การแก้โจทย์ซับซ้อน และการรองรับเวิร์กโหลด AI ระดับองค์กรที่มีขนาดใหญ่และหลากหลาย แต่ในทางปฏิบัติเทคโนโลยีนี้ยังอยู่ระหว่างการวิจัยและทดลอง และห่างไกลจากการใช้งานจริงในระบบธุรกิจเชิงพาณิชย์ที่ต้องการความเสถียรและผลตอบแทนที่วัดได้ชัดเจน ประเด็นสำคัญที่องค์กรต้องยอมรับอย่างตรงไปตรงมาคือ ต้องแยกให้ชัดระหว่างความตื่นเต้นทางวิทยาศาสตร์กับความพร้อมใช้จริงในระดับเวิร์กโหลด AI ขนาดใหญ่ การ์ทเนอร์คาดการณ์แบบตรงประเด็นว่า จนถึงปี 2571 จะยังไม่มีเวิร์กโหลด AI ระดับองค์กรขนาดใหญ่ที่รันบนฮาร์ดแวร์ควอนตัมเลย ขณะที่ Classical Accelerated AI บน CPU GPU หรือฮาร์ดแวร์เฉพาะทางจะยังครองเวทีด้านประสิทธิภาพการทำงาน ถ้าองค์กรเดินตามกระแสโดยไม่ดูไทม์ไลน์นี้ การลงทุนควอนตัม AI จะกลายเป็นภาระมากกว่าจะเป็นโอกาส
เลิกสับสน Quantum AI กับเทคโนโลยีใกล้ตัว และวางไทม์ไลน์ให้ถูก
หนึ่งในช่องว่างระหว่าง hype กับความจริงคือการใช้คำว่า Quantum AI ปะปนกับเทคโนโลยีหลายแบบจนแทบแยกไม่ออก การ์ทเนอร์แยกภาพให้ชัดว่ามีสามกลุ่มหลัก คือ Classical AI ที่เราใช้กันอยู่ทุกวัน เช่น Deep Learning Transformers และ Reinforcement Learning ที่ทำงานบน CPU GPU หรือ TPU และสร้าง ROI ได้แล้วในวันนี้ Quantum-inspired AI ที่นำแนวคิดควอนตัมมาเขียนเป็นโปรแกรมแต่ยังรันบนคอมพิวเตอร์แบบดั้งเดิม เหมาะกับโจทย์ Optimization การจัดสรรระบบขนส่ง และการจำลองสถานการณ์ทางธุรกิจ และ Hybrid Quantum-Classical ที่นำชิปควอนตัมขนาดเล็กมาร่วมงานกับซูเปอร์คอมพิวเตอร์หรือระบบ HPC ซึ่งยังจำกัดอยู่ในงานวิจัยและโครงการนำร่อง ข้อเท็จจริงที่หลายองค์กรไม่อยากได้ยินคือ โซลูชัน Quantum AI ที่ทำตลาดส่วนใหญ่ยังไม่ใช่ Quantum-native AI ที่รันบนฮาร์ดแวร์ควอนตัมพร้อมใช้จริง แต่เป็นไฮบริดหรืออัลกอริทึมแบบ Quantum-inspired มากกว่า นั่นหมายความว่า ต่อให้ใช้คำว่า Quantum หนักแค่ไหน เวิร์กโหลด AI จริงขององค์กรในทศวรรษนี้ก็ยังผูกกับโครงสร้างพื้นฐานดั้งเดิม ไม่ใช่ฮาร์ดแวร์ควอนตัมพร้อมใช้ หรือที่หลายคนชอบเรียกว่าฮาร์ดแวร์ควอนตัมพร้อมใช้โดยยังไม่มีวันเวลาที่ชัดเจน
กลยุทธ์งบประมาณยุคควอนตัมเรดี้เนส: แยกงบ แยก KPI แล้วใช้ Quantum-inspired แทน
ถ้าเทคโนโลยียังไม่พร้อม แต่บอร์ดบริหารเริ่มถามหาการลงทุนควอนตัม AI ทางออกที่รับผิดชอบคือการเข้าสู่ภาวะควอนตัมเรดี้เนสอย่างมีสติ ไม่ใช่รีบซื้อฮาร์ดแวร์ควอนตัมมาใช้ก่อนเวลา การ์ทเนอร์แนะนำอย่างชัดว่า ซีไอโอควรจัดสรรงบลงทุนด้านควอนตัมในสัดส่วนที่น้อยกว่า GenAI อย่างเห็นได้ชัด และมองว่าเป็นการลงทุนระยะยาวที่ไม่คาดหวัง ROI ระยะสั้น "งบวิจัยควอนตัมและงบโครงสร้างพื้นฐาน AI มีกรอบเวลา ผลตอบแทนต่อหน่วย และข้อกำกับดูแลต่างกัน" การคาดหวังว่า Quantum AI จะคืนทุนเทียบเท่า GenAI ภายใน 12–18 เดือนจึงเป็นความหวังที่ผิดจากการประเมินของผู้เชี่ยวชาญ ยุทธศาสตร์ที่มีเหตุผลกว่าคือ เริ่มจากการใช้ Quantum-inspired AI บนโครงสร้างพื้นฐาน GPU เดิมสำหรับงาน Optimization GenAI พีชคณิตเชิงเส้น และ Reinforcement Learning แทนการรีบลงทุนฮาร์ดแวร์ควอนตัม พร้อมกันนั้นต้องแยกงบ GenAI Agentic AI ความปลอดภัยไซเบอร์ และคลาวด์ ออกจากงบลงทุนควอนตัมระยะยาว เพื่อไม่ให้ตัวชี้วัดความรับผิดชอบของแต่ละโครงการปะปนกัน และรักษาโฟกัสกับเทคโนโลยีที่สร้างมูลค่าจริงแล้ววันนี้
ตั้ง KPI โครงการควอนตัมให้ต่างจาก AI เดิม ไม่เช่นนั้นงบจะถูกเผาไปเฉยๆ
อีกหลุมพรางสำคัญคือการใช้ KPI ชุดเดียวกันวัดทั้งโครงการ GenAI ที่ทำเงินแล้ว กับโครงการนำร่องด้านควอนตัมที่ยังอยู่ชั้นทดลอง ถ้าวัดทุกอย่างด้วย ROI ระยะสั้น โครงการควอนตัมจะดูแย่เสมอ แต่ถ้าไม่วัดเลย ก็เสี่ยงทำให้โครงการวิจัยกินงบปีต่อปีโดยไม่มีหลักฐานว่าคุ้มค่า การ์ทเนอร์เสนออย่างตรงไปตรงมาว่า ทุก Pilot Project ด้านควอนตัมต้องมี KPI ที่วัดได้ ใช้ระบบ AI แบบดั้งเดิมเป็น Benchmark และกำหนดเงื่อนไขยุติโครงการตั้งแต่ต้น เพื่อควบคุมการใช้งบประมาณ ที่สำคัญ ตัวชี้วัดความก้าวหน้าในโลกควอนตัมไม่ควรถูกสรุปง่ายๆ แค่จำนวน Physical Qubit แต่ต้องดูความพร้อมของ Logical Qubit ที่มีอัตราความผิดพลาดต่ำ รวมทั้งความก้าวหน้าของระบบแก้ไขข้อผิดพลาด มิดเดิลแวร์ และระบบควบคุม ถ้าองค์กรยังวัดควอนตัมคอมพิวเตอร์ระดับองค์กรด้วยตัวเลขคิวบิตแบบหยาบๆ ก็เท่ากับปล่อยให้การตลาดกำหนดอนาคตเทคโนโลยีมากกว่าวิทยาศาสตร์
