Small AI คืออะไร และทำไมโมเดลดีแต่ธุรกิจยังไม่ดีขึ้น
Small AI คือแนวคิดการพัฒนาและใช้ปัญญาประดิษฐ์ขนาดเล็กลงที่มีต้นทุนต่ำ ใช้งานเฉพาะด้าน และเชื่อมกับข้อมูลท้องถิ่น เพื่อให้ธุรกิจและหน่วยงานขนาดเล็กในประเทศกำลังพัฒนาสามารถนำไปใช้แก้ปัญหาหน้างาน เพิ่มผลิตภาพ และลดความเหลื่อมล้ำด้านเทคโนโลยี โดยไม่ต้องพึ่งพาโมเดลขนาดใหญ่ที่ใช้ทรัพยากรสูงและออกแบบมาแบบหนึ่งเดียวสำหรับทุกบริบท
ประเด็นคือ วันนี้เราไม่ได้ขาดเทคโนโลยี AI แต่ขาดสะพานเชื่อมจากห้องแลบสู่ร้านค้าและโรงงานขนาดเล็ก Small AI โมเดลถูกพูดถึงอย่างสวยหรูว่าเป็นโอกาสใหม่ของ AI ประเทศกำลังพัฒนา ทว่าในโลกจริง ธุรกิจท้องถิ่น AI ยังแทบไม่เห็นเครื่องมือที่แก้ปัญหาเฉพาะของตนได้จริง นี่คือช่องว่างระหว่างทฤษฎีกับการใช้งาน ที่ทำให้ SME ผลิตภาพไม่ขยับ ทั้งที่โมเดลพื้นฐานพร้อมแล้ว
การเปลี่ยนผ่านสู่เศรษฐกิจยุค AI ถูกคาดหวังว่าจะเพิ่มโอกาสทางธุรกิจและแรงงาน แต่ก็สร้างโจทย์ใหญ่ให้ประเทศกำลังพัฒนาเรื่องทักษะและการเข้าถึงเทคโนโลยี การประชุมระดับนานาชาติอย่าง IMF–World Bank Annual Meetings 2026 ก็ย้ำบทบาทของ Small AI ต่อเศรษฐกิจและการจ้างงานในประเทศกำลังพัฒนาอย่างชัดเจน คำถามจึงไม่ใช่ว่า AI เก่งแค่ไหน แต่คือทำไมคนทำมาหากินรายเล็กยังจับต้องประโยชน์ไม่ค่อยได้
จากเวทีโลกสู่หน้าร้าน: ทำไม Small AI ติดค้างอยู่บนสไลด์
เวทีเสวนาระดับนานาชาติหลายแห่งเริ่มขยับจากการพูดถึงโมเดลยักษ์ ไปสู่การเน้นกรณีใช้งานที่จับต้องได้ เวที WBG–Thammasat Business School Youth Event: Jobs, AI, and the Next Generation ถูกจัดขึ้นเพื่อคุยเรื่องตลาดแรงงานยุค AI และโอกาสทางเศรษฐกิจใหม่ ขณะเดียวกัน การประชุม IMF–World Bank Annual Meetings 2026 ก็หยิบ Small AI ขึ้นมาเป็นเครื่องมือสำคัญของ AI ประเทศกำลังพัฒนา
ผู้บริหารด้าน Digital & AI ของธนาคารโลกชี้ชัดว่า ประเทศส่วนใหญ่ควรให้ความสำคัญกับการใช้ข้อมูลและภาษาท้องถิ่น ฝึกโมเดลให้เหมาะกับการใช้งานจริง แทนการไล่ตามโมเดลแนวหน้าที่ใช้ทรัพยากรมหาศาล นี่คือการย้ำว่า ปัญหาไม่ใช่ขนาดโมเดล แต่คือการปรับให้เข้ากับบริบท
ธนาคารโลกตั้งเป้าว่าภายในปี 2573 จะทำให้ประชาชน 600 ล้านคนเข้าถึงบรอดแบนด์ และอีก 400 ล้านคนเข้าถึงบริการดิจิทัล เป้าหมายนี้สะท้อนว่าโครงสร้างพื้นฐานคือเงื่อนไขขั้นต่ำ แต่ไม่ใช่คำตอบสุดท้าย หากไม่มีแอปพลิเคชันที่แก้ปัญหาจริงในพื้นที่ เช่น การวินิจฉัยโรคในชนบท การตรวจโรคพืช หรือการลดต้นทุนการเข้าถึงบริการทางการเงิน Small AI ก็จะยังเป็นคำสวยหรูบนสไลด์ มากกว่าจะเป็นเครื่องมือในมือเกษตรกรหรือเจ้าของร้านโชห่วย
มีโมเดลแต่ไม่มีเครื่องมือ: ช่องว่าง SME ผลิตภาพที่กำลังขยายตัว
ในเชิงเทคโนโลยี เรามีพื้นฐานไม่น้อย Small AI โมเดล ภาษาไทยอย่าง ThaiLLM ขนาด 8 พันล้านพารามิเตอร์ในรูปแบบ open-weight ถูกพัฒนาขึ้นเพื่อให้ต่อยอดกับงานเฉพาะทางได้ โดยไม่ต้องสร้างโมเดลยักษ์ใหม่ แต่สิ่งที่หายไปคือชั้นกลางระหว่างโมเดลกับผู้ใช้ นั่นคือแอปพลิเคชันที่เชื่อมกับระบบที่ SME ใช้อยู่แล้ว เช่น POS บัญชี หรือแพลตฟอร์มอีคอมเมิร์ซ
นักวิชาการด้านนโยบายชี้ว่า ประเทศไม่ได้ขาดเทคโนโลยี AI แต่ขาดกลไกที่จะเปลี่ยนเทคโนโลยีเหล่านั้นให้กลายเป็นเครื่องมือเพิ่มผลิตภาพให้ SME ในวงกว้าง ข้อมูลธนาคารโลกปี 2026 ยืนยันภาพนี้อย่างชัดเจนว่า บริษัทไทยราว 80% ไม่เห็นผลิตภาพเพิ่มขึ้นจากการใช้ AI มีเพียงประมาณ 12% ที่นำ AI มาใช้ เทียบกับ 43% ในสหรัฐฯ และมีเพียง 4% ที่ยอมจ่ายเงินซื้อเครื่องมือ AI เทียบกับ 23% ในสหรัฐฯ
คำพูดที่ควรถูกหยิบไปอ้างซ้ำคือว่า “ประเทศไทยไม่ได้ขาดเทคโนโลยี AI แต่ยังขาดกลไกที่จะเปลี่ยนเทคโนโลยีเหล่านั้นให้กลายเป็นเครื่องมือที่ช่วยเพิ่มผลิตภาพให้กับ SME ในวงกว้าง” เมื่อ SME ผลิตภาพไม่เพิ่ม ขณะที่ต้องลงทุนเวลาและทรัพยากรไปกับการลองใช้เครื่องมือที่ไม่เข้ากับงานจริง ความไม่เชื่อมั่นต่อ AI ก็ยิ่งสูงขึ้น วงจรนี้ทำให้การยอมรับ Small AI ช้ากว่าที่ควรจะเป็น
เมื่อธุรกิจใหญ่เร่งใช้ AI แต่ SME ยังงงกับเครื่องมือ
งานวิจัยต่างประเทศแสดงให้เห็นว่า Generative AI สามารถเพิ่มประสิทธิภาพงานบางประเภทได้มาก เช่น บริการลูกค้าเพิ่มผลงานเฉลี่ย 15% นักพัฒนาซอฟต์แวร์เพิ่มผลงานประมาณ 26% และงานเขียนเชิงวิชาชีพลดเวลาได้ราว 40% ที่น่าสนใจคือแรงงานทักษะต่ำกลับได้ประโยชน์มากที่สุด โดยกลุ่มที่ทักษะต่ำสุดมีผลิตภาพเพิ่มขึ้นถึงประมาณ 36% ในงานบริการลูกค้า
แต่ตัวเลขสวยเหล่านี้ไม่ได้แปลว่า SME จะโตตามทันที การนำ AI มาใช้ในระดับองค์กรต้องลงทุนจัดระบบข้อมูล ปรับกระบวนการทำงาน และพัฒนาทักษะบุคลากร ทำให้เกิด Productivity J-Curve ที่ผลิตภาพอาจลดลงในช่วงแรกก่อนจะค่อยๆ ดีขึ้น การประเมินหนึ่งชี้ว่า AI อาจเพิ่มผลิตภาพรวมของเศรษฐกิจได้ไม่ถึง 0.7% ในช่วง 10 ปีแรก ซึ่งต่างจากตัวเลขประสิทธิภาพระดับงานอย่างมาก
ปัญหาคือธุรกิจขนาดใหญ่มีทุน ข้อมูล และคนพร้อมรับช่วง J-Curve นี้ได้ ขณะที่ SME ไม่มีกันชนมากพอ นักวิชาการเตือนว่า บริษัทใหญ่จึงมีโอกาสใช้ AI เพิ่มผลิตภาพและลดต้นทุนได้เร็วกว่ามาก ทำให้ช่องว่างการแข่งขันกับ SME กว้างขึ้น หาก SME ไทยไม่สามารถปรับตัวได้ทัน ก็เสี่ยงเสียความสามารถในการแข่งขัน ส่งผลต่อโอกาสการจ้างงานและรายได้แรงงานในระยะยาว โดยเฉพาะเมื่อ SME จ้างงานอยู่ราว 13.4 ล้านคน หรือเกือบ 70% ของการจ้างงานทั้งหมด
จาก All in AI สู่ AI in All: ทางออกคือการทำให้ AI เล็กลงและเฉพาะทางขึ้น
แนวคิดที่ควรถูกย้ำในห้องประชุมทุกแห่งคือการขยับจาก All in AI ไปสู่ AI in All คือเลิกหมกมุ่นกับการทุ่มทรัพยากรสร้างเทคโนโลยีล้ำหน้าเพียงอย่างเดียว แล้วหันมาใส่ AI เข้าไปในทุกระดับงานและทุกกระบวนการที่มีอยู่แทน นี่สอดคล้องกับมุมมองของธนาคารโลกที่มองว่า Small AI ควรเป็นโซลูชันเฉพาะด้าน ตั้งแต่เกษตร การแพทย์ ไปจนถึงการเงิน
สำหรับธุรกิจท้องถิ่น AI จะมีความหมายก็ต่อเมื่อมันถูกฝังอยู่ในระบบที่ใช้ทุกวัน เช่น ระบบขายหน้าร้านที่ช่วยแนะนำการจัดสต็อกอัตโนมัติ ซอฟต์แวร์บัญชีที่เตือนความเสี่ยงด้านกระแสเงินสด หรือแพลตฟอร์มอีคอมเมิร์ซที่ช่วยวิเคราะห์ลูกค้าและเสนอแคมเปญที่เหมาะสมโดยไม่ต้องมีทีมดาต้าไซเอนซ์เอง นั่นคือ Small AI โมเดล ต้องถูกห่อหุ้มเป็นเครื่องมือที่ใช้งานง่าย ไม่ใช่ให้ SME ไป fine-tune โมเดลเอง
ในอีก 5 ปีข้างหน้า ความสำเร็จของ AI ไม่ควรวัดจากจำนวนโมเดลใหม่ แต่จากการที่ตลาดเกิดใหม่สามารถใช้โซลูชัน Small AI ได้แพร่หลายครอบคลุมหลายภาคส่วน นโยบายสาธารณะจึงควรหันมาสนับสนุนสามเรื่องหลัก คือการพัฒนาแอปพลิเคชันที่ SME ใช้ได้จริง การลดต้นทุนการปรับตัว และการยกระดับทักษะแรงงานให้ใช้ AI เป็นผู้ช่วย ไม่ใช่คู่แข่ง หากทำได้ Small AI จะเลิกเป็นแค่คำโฆษณา และกลายเป็นเครื่องมือเพิ่มผลิตภาพที่อยู่ในมือคนทำธุรกิจตัวจริง
