ทำไมโครงสร้างพื้นฐานภาครัฐยังไม่พร้อมรับเวิร์กโหลด AI

โครงสร้างพื้นฐาน AI ภาครัฐคืออะไร และปัญหาจริงอยู่ตรงไหน

โครงสร้างพื้นฐาน AI ภาครัฐหมายถึงชุดระบบไอที แพลตฟอร์ม และสถาปัตยกรรมคลาวด์ที่รองรับการประมวลผลข้อมูล การฝึก และการให้บริการโมเดล AI เพื่อสนับสนุนภารกิจของหน่วยงานบริการสาธารณะ ตั้งแต่ระบบประกันสังคม ภาษี ไปจนถึงความปลอดภัยสาธารณะ โดยต้องตอบโจทย์ทั้งความปลอดภัย การกำกับดูแลข้อมูล กฎระเบียบ และการทำงานร่วมกันของหลายหน่วยงานในสเกลใหญ่

ข้อมูลจากรายงาน Public Sector Enterprise Cloud Index ที่จัดทำโดยบริษัทด้านคลาวด์ระบุชัดว่า 86% ของผู้นำไอทีภาครัฐเห็นว่า AI กำลังเร่งการใช้คอนเทนเนอร์ในองค์กร ขณะที่ 73% ยอมรับว่าระบบ On-Premises ของตนยังไม่พร้อมรองรับเวิร์กโหลด AI อย่างเต็มที่ ตัวเลขนี้ไม่ใช่เพียงสถิติ แต่สะท้อนช่องว่างเชิงโครงสร้างพื้นฐานที่อันตราย เมื่อภารกิจด้านบริการสาธารณะกำลังพึ่งพา AI มากขึ้น แต่ฐานระบบเดิมกลับยังติดอยู่กับสถาปัตยกรรมแบบแยกส่วนและฮาร์ดแวร์ที่ออกแบบมาเพื่อเวิร์กโหลดแบบดั้งเดิม ภาครัฐจึงกำลังเสี่ยงที่จะมี AI แค่ในระดับทดลอง แต่ไม่สามารถผลักดันสู่การใช้งานจริงในสเกลประเทศได้

On-Premises คือคอขวดใหญ่สุดของความพร้อม AI องค์กรภาครัฐ

เมื่อมองลึกเข้าไปในความพร้อม AI องค์กร ปัญหาหลักไม่ได้อยู่ที่โมเดลหรือซอฟต์แวร์ล้ำสมัย แต่อยู่ที่โครงสร้างพื้นฐาน On-Premises ที่ถูกออกแบบมาในยุคที่ยังไม่มีเวิร์กโหลด AI เข้ามาเป็นศูนย์กลาง ข้อมูลจากรายงาน ECI ระบุว่า 73% ของผู้นำไอทีภาครัฐชี้ว่าระบบภายในองค์กรยังไม่พร้อมรับเวิร์กโหลด AI แปลว่าพื้นที่ที่ควรเป็นฐานรองรับการประมวลผลและข้อมูลสำคัญ กลับกลายเป็นคอขวดที่บังคับให้โครงการ AI ติดอยู่แค่ในห้องทดลอง

สภาพแวดล้อมที่แยกส่วนเป็นหลายไซโล ทั้งเวอร์ชวลแมชชีน คอนเทนเนอร์ พับลิคคลาวด์ โคโลเคชัน และ edge ทำให้ต้องใช้ทีมเฉพาะทางแยกกันและไม่สามารถควบคุมแบบแพลตฟอร์มกลางได้ เมื่อ AI เข้ามา เวิร์กโหลดที่ใช้ GPU รุ่นใหม่ accelerators หน่วยความจำความเร็วสูง และโมเดลที่เปลี่ยนทุกไม่กี่เดือน ยิ่งทำให้สถาปัตยกรรมเดิมแสดงจุดอ่อนอย่างชัดเจน โครงสร้างพื้นฐาน AI ภาครัฐจึงต้องเปลี่ยนจากการวิ่งตามฮาร์ดแวร์เป็นรอบๆ ไปเป็นการสร้างแพลตฟอร์มที่ยืดหยุ่นต่อการเปลี่ยนแปลงฮาร์ดแวร์และซอฟต์แวร์โดยไม่ต้องรื้อสถาปัตยกรรมใหม่ทุกครั้ง

คอนเทนเนอร์เทคโนโลยีและแพลตฟอร์มแบบรวมศูนย์คือหัวใจการยกเครื่อง

หากภาครัฐยังยึดแนวทางเลือกแพลตฟอร์มแบบแยกส่วนตามเวิร์กโหลด AI แต่ละประเภท การขยายสู่การใช้งานจริงจะล้มเหลวตั้งแต่ต้น เหตุผลคือระบบนิเวศ AI เปลี่ยนเร็วมาก โมเดลภาษาขนาดใหญ่ใหม่ๆ ถูกเปิดตัวอย่างต่อเนื่อง และโมเดลที่ใช้อยู่วันนี้อาจไม่ใช่ตัวที่เหมาะในอีกหกเดือนข้างหน้า โมเดลเหล่านี้จำนวนมากทำงานบนคอนเทนเนอร์แม้สภาพแวดล้อมโดยรวมยังอยู่บนเวอร์ชวลแมชชีนก็ตาม การจัดการ dependencies ที่เปลี่ยนเร็วและความต้องการ GPU จึงต้องอาศัยคอนเทนเนอร์เทคโนโลยีเป็นแกนหลัก

ผู้ตอบแบบสำรวจ 86% ระบุว่า AI เร่งให้องค์กรนำคอนเทนเนอร์มาใช้ และ 83% ระบุว่าได้สร้างแอปพลิเคชันใหม่บนคอนเทนเนอร์แล้ว นี่คือสัญญาณชัดเจนว่าทิศทางที่ถูกต้องคือแพลตฟอร์มแบบรวมศูนย์ที่รองรับทั้งเวอร์ชวลแมชชีนและคอนเทนเนอร์ ครอบคลุมทั้ง On-Premises คลาวด์ และ edge ในระบบควบคุมเดียว หน่วยงานที่ยังเลือกโซลูชันเฉพาะทางมาปะติดปะต่อเพื่อรองรับเวิร์กโหลดแต่ละส่วน กำลังสร้างภาระการดูแลและความเสี่ยงระยะยาว เพราะเมื่อโมเดลใหม่เข้ามาแต่ละชุดต้องใช้ทีมต่างกัน ความซับซ้อนจะเพิ่มขึ้นจนกลายเป็นกำแพงขวางการนำ AI ไปใช้ในวงกว้าง

อธิปไตยทางข้อมูลและกรอบความปลอดภัยคือเงื่อนไขของ AI ที่ใช้งานได้จริง

โครงสร้างพื้นฐาน AI ภาครัฐที่ดีไม่ใช่แค่เร็วและรองรับโมเดลใหม่ แต่ต้องปกป้องข้อมูลที่เป็นหัวใจของภารกิจด้วย มิติด้านอธิปไตยทางข้อมูลจึงไม่ใช่เช็กลิสต์การปฏิบัติตามกฎระเบียบ แต่เป็นคำถามเชิงอำนาจว่าใครควบคุมข้อมูล ตั้งแต่การจัดเก็บ การเข้าถึง ไปจนถึงการเข้ารหัสและการไหลในเครือข่าย รายงานชี้ว่าอธิปไตยทางข้อมูลที่แท้จริงต้องควบคุมได้ทุกเลเยอร์ ตั้งแต่สถานที่จัดเก็บ การปกป้องคุ้มครอง การยืนยันตัวตนและสิทธิ์ การจัดการกุญแจเข้ารหัส การไหลเวียนในเครือข่าย การกำกับดูแลการปฏิบัติงาน ไปจนถึงการฟื้นฟูระบบและความต่อเนื่องในการทำงาน

เพื่อให้ AI ทำงานได้อย่างยั่งยืน หน่วยงานต้องมองโครงสร้างพื้นฐานเป็น distributed sovereign cloud ที่มีการบังคับใช้การกำกับดูแลข้อมูล การจัดการกุญแจเข้ารหัส และนโยบายเครือข่ายสอดคล้องกันทั้ง On-Premises คลาวด์ และ edge เวิร์กโหลด AI ต้องการมากกว่าฮาร์ดแวร์ใหม่ แต่ต้องการรูปแบบการให้บริการซอฟต์แวร์ที่ทันสมัย รองรับ multi-tenant และการให้บริการข้ามหน่วยงาน พร้อมกรอบความปลอดภัยที่ชัดเจน หากไม่มีระบบจัดการข้อมูลและกรอบความปลอดภัยแบบแพลตฟอร์ม การผลักดัน AI จากทดลองสู่การใช้งานจริงจะเปิดช่องให้ปัญหาความน่าเชื่อถือของข้อมูล ความเป็นส่วนตัว และการละเมิดอธิปไตยทางข้อมูลตามมา

จากโครงการทดลองสู่การใช้งานจริง ภาครัฐต้องเริ่มที่การเลือกแพลตฟอร์ม

สถานการณ์ตอนนี้ชัดเจนว่า ภาครัฐส่วนใหญ่ติดอยู่ในด่านทดลองใช้ AI เพราะโครงสร้างพื้นฐานไม่รองรับการขยายสเกล แม้แรงกดดันจากการเปลี่ยนแปลงในตลาดไอที เช่นการที่ผู้ให้บริการโครงสร้างพื้นฐานรายใหญ่ผลักดันให้ลูกค้าย้ายออกจากแพลตฟอร์มเสมือนเดิมไปสู่พอร์ตโฟลิโอใหม่ภายในปี 2027 และการที่ซอฟต์แวร์ ERP ย้ายสู่รูปแบบคอนเทนเนอร์มากขึ้น จะเร่งให้หน่วยงานต้องตัดสินใจ แต่การตอบสนองแบบรีบเปลี่ยนเฉพาะจุดจะไม่พออีกต่อไป

ข้อมูลจากรายงาน ECI ระบุว่าหน่วยงานภาครัฐที่มีศักยภาพสูงสุดในการนำ AI มาใช้ในวงกว้างอย่างปลอดภัยและเป็นไปตามกฎระเบียบ คือองค์กรที่เริ่มจากการวิเคราะห์และเลือกวางรากฐานโครงสร้างพื้นฐานอย่างรอบคอบ ใช้แพลตฟอร์มแบบรวมศูนย์ที่รองรับทั้งเวอร์ชวลแมชชีนและคอนเทนเนอร์ ครอบคลุม On-Premises และ edge รองรับทั้งเวิร์กโหลดปฏิบัติการปัจจุบันและบริการใหม่ที่ขับเคลื่อนด้วย AI ในอนาคต หากภาครัฐยังมอง AI เป็นเพียงโครงการนวัตกรรม ไม่ใช่เวิร์กโหลดที่จะทดสอบความแข็งแรงของแพลตฟอร์มทั้งหมด การลงทุน AI จะหยุดอยู่ที่เดโมและงานนำเสนอ แต่ไม่สามารถสร้างผลลัพธ์ที่ประชาชนสัมผัสได้จริง