การเสวนา AI กับเศรษฐกิจไทย การเปลี่ยนผ่านองค์กร และโครงสร้างพื้นฐานดิจิทัล

จากงาน Microsoft AI Tour 

โดยมี 

• ดร. สันติธาร เสถียรไทย - Dr Santitarn Sathirathai (มุมเศรษฐกิจมหภาค / กระทรวงการคลัง)
• คุณปิติ ตัณฑเกษม (มุมองค์กรใหญ่ / ttb)
• คุณไมเคิล เชน (มุมสตาร์ตอัป / BUZZEBEES)

ดำเนินรายการโดย วิไลพร ทวีลาภพันทอง | Microsoft

การเสวนานี้เป็นการแลกเปลี่ยนมุมมองระหว่างผู้บริหารจากภาครัฐและภาคเอกชนเกี่ยวกับบทบาทของ AI ต่อเศรษฐกิจไทยและการปรับตัวขององค์กรในยุคเทคโนโลยีเปลี่ยนผ่าน โดยแกนกลางของการสนทนาอยู่ที่คำถามว่า AI จะช่วยตอบโจทย์เศรษฐกิจไทยได้อย่างไร ทั้งในระดับมหภาค ระดับองค์กร และระดับผู้ประกอบการรายย่อย

บทบาทของ AI ต่อโจทย์เศรษฐกิจมหภาคของไทย
 

ผู้ร่วมเสวนาเริ่มต้นจากการวางโจทย์เศรษฐกิจไทยก่อนจะพูดถึง AI โดยระบุว่าเศรษฐกิจไทยมีโจทย์ใหญ่ 3 คำสำคัญ ได้แก่ Growth, Productivity และ Inequality ซึ่งถูกมองว่าเป็นประเด็นสำคัญมากของประเทศ คำถามหลักจึงไม่ใช่เพียงว่า AI มีศักยภาพอะไร แต่คือ AI จะช่วยตอบโจทย์ทั้ง 3 ด้านนี้ได้มากน้อยเพียงใด และภายใต้เงื่อนไขใดจึงจะใช้ได้อย่างถูกต้อง

ในมิติแรกคือ Growth ประเทศไทยถูกมองว่าขาด New Engine of Growth หรือเครื่องยนต์เศรษฐกิจใหม่ โดยหลังสถานการณ์โควิด เศรษฐกิจไทยเติบโต ไม่ถึง 3% ผู้ร่วมเสวนาจึงเสนอว่า AI อาจเป็นหนึ่งในอุตสาหกรรมอนาคตที่ช่วยสร้างการเติบโตใหม่ได้ ร่วมกับเศรษฐกิจรูปแบบอื่น เช่น AI Economy, Green Economy และ Longevity Economy หากประเทศไทยสามารถเข้าไปเป็นหนึ่งในศูนย์กลางของห่วงโซ่การผลิตระดับโลก หรือสร้างบทบาทสำคัญในอุตสาหกรรม AI ได้ ก็อาจกลายเป็นเครื่องยนต์เศรษฐกิจใหม่ของประเทศ

มิติที่สองคือ Productivity หรือผลิตภาพ ซึ่งมีความสำคัญมากขึ้นเพราะประเทศไทยเผชิญปัญหาประชากรลดลง โดยมีการกล่าวถึงว่าประชากรลดลงประมาณ ปีละหนึ่งประสาท ตามถ้อยคำในต้นฉบับ ผู้ร่วมเสวนาชี้ว่าเมื่อแรงงานลดลง แต่ละคนจำเป็นต้องสร้างผลผลิตได้มากขึ้น เพื่อชดเชยแรงงานที่หายไป AI จึงถูกมองว่าเป็นเครื่องมือที่สามารถช่วยปลดล็อกผลิตภาพของบุคคลและองค์กรได้ หากนำไปใช้เป็นส่วนหนึ่งของการเพิ่มประสิทธิภาพอย่างเป็นระบบ

มิติที่สามคือ Inequality หรือความเหลื่อมล้ำ โดยเฉพาะกลุ่มธุรกิจขนาดเล็กและผู้ประกอบการรายย่อยที่มักเผชิญข้อจำกัดมากกว่าธุรกิจขนาดใหญ่ ผู้ร่วมเสวนามองว่าโจทย์สำคัญคือจะทำอย่างไรให้ AI ช่วย Empowerกลุ่มเหล่านี้ ไม่ใช่ทำให้ช่องว่างยิ่งกว้างขึ้น AI มีความเป็นไปได้ทั้งสองด้าน กล่าวคือ หากเข้าถึงไม่เท่ากันอาจทำให้ความเหลื่อมล้ำรุนแรงขึ้น แต่หากใช้อย่างถูกต้อง AI อาจช่วยให้คนตัวเล็กทำงานด้านการตลาด การเงิน และการจัดการธุรกิจได้ดีขึ้นด้วยเครื่องมือที่อยู่ในมือของตนเอง

โดยสรุป ผู้ร่วมเสวนาเห็นว่า AI ไม่ใช่คำตอบทั้งหมดของเศรษฐกิจไทย แต่สามารถเป็น “ส่วนหนึ่งของคำตอบ” ต่อโจทย์ใหญ่ทั้ง Growth, Productivity และ Inequality ได้ หากประเทศและองค์กรสามารถกำหนดโจทย์ให้ชัดเจน ใช้เทคโนโลยีอย่างเหมาะสม และสร้างโอกาสให้ผู้คนจำนวนมากเข้าถึงประโยชน์จาก AI ได้จริง

แนวทางและอุปสรรคในการผลักดัน AI ในองค์กร

มุมมองจากภาคเอกชนเน้นว่า การผลักดัน AI ควรเริ่มจากการทำความเข้าใจว่า “อะไรไม่ควรทำ” ก่อน แล้วจึงค่อยกำหนดแนวทางว่า “ควรทำอะไร” สิ่งแรกที่ถูกเตือนอย่างชัดเจนคือ ไม่ควรเริ่มจากการซื้อ AI หรือซื้อไลเซนส์มาแจก ไม่ว่าจะในระดับองค์กรหรือระดับประเทศ เพราะการลงทุน AI มีต้นทุน และการมีเครื่องมือไม่ได้แปลว่าจะสร้างผลลัพธ์ทางธุรกิจได้โดยอัตโนมัติ

อีกประเด็นสำคัญคือ ไม่ควรโยน AI ให้เป็นเพียง IT Project ของ CIO หรือ CTO เท่านั้น ผู้ร่วมเสวนาเสนอให้มอง AI ในระดับเดียวกับการเปลี่ยนผ่านครั้งใหญ่คล้ายยุคปฏิวัติอุตสาหกรรม เพราะ AI จะสร้างผลกระทบต่อทุกอุตสาหกรรม โดยเฉพาะ Service Industry ซึ่งงานจำนวนมากไม่ใช่งาน Routine แบบเดิม AI สามารถทำสิ่งที่เดิมเคยเชื่อว่าเครื่องจักรทำไม่ได้ และอาจเปลี่ยนธรรมชาติของงานบริการอย่างมีนัยสำคัญ

แนวทางที่ถูกเน้นคือ องค์กรต้องเริ่มจาก โจทย์ทางธุรกิจ ไม่ใช่เริ่มจากเทคโนโลยี ความสำเร็จจะเกิดขึ้นได้เมื่อโจทย์ชัดเจน จากนั้นจึงพิจารณาว่าเทคโนโลยี AI ใดเหมาะสมต่อการตอบโจทย์นั้น ผู้ร่วมเสวนาเสนอกรอบคิดแบบ 2 x 2 โดยพิจารณา 2 แกน คือ Impact จากการใช้ AI และ Technology Readiness หรือความพร้อมของเทคโนโลยีและต้นทุน กรอบนี้ช่วยให้องค์กรเลือกโครงการที่ควรทำก่อน โดยเฉพาะโครงการที่อยู่ใน Quadrant ขวาบน คือมีผลกระทบสูงและเทคโนโลยีพร้อมพอ

ในทางกลับกัน มีการเตือนถึง Quadrant ที่น่ากังวล คือกรณีที่เทคโนโลยีดูน่าสนใจมาก แต่ยังต้องพยายาม “หายูสเคสยัดใส่” ซึ่งผู้ร่วมเสวนาเรียกว่า Hype Quadrant ความเสี่ยงคือองค์กรอาจถูกดึงดูดด้วยกระแสของเทคโนโลยีโดยไม่มีผลลัพธ์ทางธุรกิจรองรับ ส่วนอีก Quadrant ที่ควรเฝ้าดูคือเทคโนโลยีที่ยังไม่พร้อมในวันนี้ แต่หากพร้อมเมื่อใดอาจเปลี่ยนธุรกิจได้อย่างมาก องค์กรจึงควรสังเกตและติดตามอย่างใกล้ชิด

ผู้ร่วมเสวนายังเน้นว่า AI Project ต้องการ Vision และควรถูกขับเคลื่อนแบบ Top Down โดยทีมผู้บริหารระดับสูงควรเป็นเจ้าของเรื่องนี้ ไม่ใช่ปล่อยให้เป็นความรับผิดชอบของฝ่ายเทคโนโลยีเพียงลำพัง เพราะผลกระทบของ AI กระทบต่อทั้งองค์กร ตั้งแต่โมเดลธุรกิจ กระบวนการทำงาน ไปจนถึงทักษะและความคิดของพนักงาน

อุปสรรคที่ถูกกล่าวถึงอย่างเข้มข้นคือ Mindset ของพนักงาน และความกลัวต่อการเปลี่ยนแปลง ผู้บริหารรายหนึ่งเล่าว่าองค์กรมีพนักงาน 600 คน และเมื่อสอบถามเรื่องการใช้ AI พบว่า 90%ไม่รู้ว่าจะใช้อย่างไร หลายคนอาจอยากใช้แต่ไม่รู้วิธี หรือเข้าใจว่าการใช้ AI คือการเปิดแชตแล้วคุยเท่านั้น ทั้งที่การใช้งาน AI ในองค์กรต้องลึกกว่านั้นและต้องเชื่อมโยงกับงานจริง

ความท้าทายด้าน Mindset ไม่ได้จำกัดเฉพาะพนักงานทั่วไป แต่รวมถึงทีมเทคโนโลยีด้วย มีการกล่าวว่าทีมเทคอาจคิดว่าแค่สั่ง AI ให้เขียนงานก็เพียงพอ แต่หากทีม IT ไม่เข้าใจธุรกิจ ผลลัพธ์ที่ได้อาจช่วยให้ทีมเทคทำงานง่ายขึ้นเท่านั้น โดยไม่สร้างประโยชน์ต่อธุรกิจหลัก ผู้ร่วมเสวนาระบุว่า 90% ของสิ่งที่ทีม IT สร้างออกมาอาจไม่มีประโยชน์ต่อ Business หากไม่เข้าใจโจทย์ทางธุรกิจอย่างแท้จริง

ผู้บริหารรายหนึ่งยังกล่าวกับพนักงานว่าไม่ต้องกลัว AI ในวันนี้ แม้บางคนจะตื่นตกใจ โดยระบุว่าภายใน 3-6 เดือน หลายคนก็จะคุ้นเคยกับการใช้งานมากขึ้น อย่างไรก็ตาม มีการเล่าว่าบางคนถึงขั้นลาออกเพราะรู้สึกว่างานกำลังถูกคุกคาม ประเด็นนี้สะท้อนว่าการนำ AI เข้ามาในองค์กรไม่ใช่เพียงการเปลี่ยนเครื่องมือ แต่เป็นการเปลี่ยนความมั่นคงทางจิตใจ ความเชื่อ และวิธีคิดของคนทั้งองค์กร

อีกความเสี่ยงที่ถูกยกขึ้นมาคือ คู่แข่งที่น่ากลัวที่สุดอาจไม่ใช่คู่แข่งเดิมที่เห็นอยู่ในตลาด เพราะคู่แข่งเดิมยังมีทีม มีพนักงาน และมี Legacy มากมาย แต่เป็นผู้เล่นใหม่ที่ “ไม่มีอะไรเลย” สามารถเริ่มจากศูนย์และใช้ AI สร้างธุรกิจหรือทีมใหม่ได้อย่างรวดเร็ว หากองค์กรเดิมปรับตัวไม่ทันก็อาจถูก disrupt ได้จริง

ผู้ร่วมเสวนาสรุปความท้าทายหลักของการปรับตัวสู่ยุค AI ไว้เป็น 3 เรื่อง ได้แก่ Re-Skill, Re-Design และ Re-Imagine ทั้งสามเรื่องเชื่อมโยงกันตั้งแต่ระดับบุคคล ระดับกระบวนการทำงาน ไปจนถึงระดับโมเดลธุรกิจและพฤติกรรมผู้บริโภค

ประเด็นแรกคือ Re-Skill ซึ่งไม่ได้หมายถึงการฝึกให้คนใช้ AI เป็นเท่านั้น แต่รวมถึงการยกระดับทักษะมนุษย์ที่ AI ทดแทนได้ยาก เช่น People Thinking, Creativity และ Communication ผู้ร่วมเสวนาเห็นว่าทักษะที่มีมนุษย์เป็นศูนย์กลางจะยิ่งสำคัญขึ้นในยุคที่ AI ถูกใช้มากขึ้น เพราะคนยังต้องเป็นผู้ตั้งโจทย์ ตั้งคำถาม สื่อสาร ตัดสินใจ และตรวจสอบคุณภาพของคำตอบที่ AI สร้างขึ้น

ประเด็นที่สองคือ Re-Design หรือการออกแบบงานและกระบวนการใหม่ทั้งหมด ผู้ร่วมเสวนาเตือนว่า แม้คนจะใช้ AI ได้เก่งขึ้น แต่หากไม่เปลี่ยนโครงสร้างงานหรือกระบวนการทำงาน ผลิตภาพก็อาจไม่เพิ่มขึ้นจริง มนุษย์ในอนาคตอาจไม่ได้ทำงานทุกขั้นตอนเหมือนเดิม แต่จะต้องเก่งขึ้นในการตั้งโจทย์ให้ AI หรือ Agent ทำงาน และสุดท้ายต้องกลับมาตรวจสอบคำตอบว่าเหมาะสม มีคุณภาพ และถูกต้องหรือไม่ ความเชี่ยวชาญในสาขานั้นจึงยังจำเป็น เพราะหากไม่เชี่ยวชาญก็ไม่สามารถประเมินคำตอบของ AI ได้อย่างมีคุณภาพ

ประเด็นที่สามคือ Re-Imagine ซึ่งถูกมองว่าเป็นเรื่องยากที่สุด เพราะไม่ได้เป็นเพียงการปรับปรุงหลังบ้านหรือทำงานเดิมให้เร็วขึ้น แต่เป็นการจินตนาการใหม่ว่าเมื่อพฤติกรรมผู้บริโภคเปลี่ยน ตลาดจะเปลี่ยนอย่างไร ผู้ร่วมเสวนายกตัวอย่างการเปลี่ยนผ่านในอดีต เช่น จาก PC ไปสู่ Mobile และจาก Mobile ไปสู่ Internet ซึ่งทำให้ทุกอย่างเปลี่ยนไป เมื่อผู้บริโภคเปลี่ยนพฤติกรรม ธุรกิจต้องปรับตาม ไม่เช่นนั้นอาจพลาดจุดเปลี่ยนสำคัญของตลาด

การสังเกต Weak Signal หรือสัญญาณอ่อนจากหน้างานจึงมีความสำคัญ องค์กรต้องมีคนที่อยู่ใกล้ลูกค้า คอยจับสัญญาณว่าผู้บริโภคเริ่มเปลี่ยนความต้องการหรือพฤติกรรมหรือไม่ จากนั้นจึงนำข้อมูลเหล่านี้กลับมาปรับผลิตภัณฑ์ บริการ ประสิทธิภาพ และการสื่อสารให้เหมาะสมกับความเปลี่ยนแปลงที่กำลังเกิดขึ้น

ผู้ร่วมเสวนาเปรียบเปรยว่ายุคนี้เหมือนไฟฟ้ามาแล้ว แต่การปฏิวัติอุตสาหกรรมเต็มรูปแบบยังไม่เกิดขึ้น ยังไม่มี “เครื่องซักผ้า” หรือเครื่องมือจำนวนมากที่จะเปลี่ยนชีวิตคนจริง ๆ องค์กรจำนวนมากจึงยังอยู่ในช่วงคาดเดาว่า AI จะไปสร้างคุณค่าเชิงรูปธรรมตรงไหนและอย่างไร

ในเชิงการขับเคลื่อนภายในองค์กร มีการเสนอโมเดล Top Down, Bottom Up และ In The Middle โดยทีม In The Middle มีบทบาทสำคัญในการกรองโครงการ ช่วยเร่งโครงการที่ควรทำ ตัดสิ่งที่ไม่ควรทำออก และเติมความรู้ให้ทีมหน้างาน ทีมหน้างานอาจไม่ใช่ IT หรือ Tech และอาจเขียนโค้ดไม่เป็น ทีมกลางจึงทำหน้าที่ช่วยให้โครงการดี ๆ เกิดขึ้นได้เร็วขึ้น

สิ่งที่ต้องชัดเจนคือ Measurement หรือการวัดผล โครงการใดควรได้ไปต่อหรือไม่ควรได้ไปต่อ ต้องพิจารณาจากตัวชี้วัดที่ชัดเจน ผู้ร่วมเสวนาเสนอให้จัดกลุ่มการใช้ AI เป็นเรื่อง ๆ เพื่อให้เห็นว่าการใช้ AI แต่ละแบบนำไปสู่ผลลัพธ์ใด โดยตัวอย่างการจัดกลุ่มมี 6 อย่าง ได้แก่

1. Accelerate Workflow
2. เพิ่มความเก่งด้วย  AI
3. Streamline Best Practice
4. Re-imagine Experience
5. Personalize Engagement
6. Segment of One

ในกลุ่ม Accelerate Workflow AI สามารถช่วยให้งานบางอย่างง่ายขึ้นผ่าน Robotic, Agent หรือเครื่องมืออัตโนมัติรูปแบบต่าง ๆ ส่วน Streamline Best Practice คือการนำความรู้และแนวปฏิบัติที่ดีจากหลายคนมาช่วยให้คนหน้างานทำงานได้ดีขึ้น เช่น การดึง Knowledge มาใช้เมื่อต้องเผชิญหน้ากับลูกค้า ผู้ร่วมเสวนาเปรียบเทียบลักษณะนี้กับการ Improvise ของวง Jazz ซึ่งต้องผสานความรู้หลายส่วนเข้าด้วยกันอย่างยืดหยุ่น

สำหรับ Re-imagine Experience มีการกล่าวว่า AI สามารถเปลี่ยน Interface และทำให้ Customer Experience หรือประสบการณ์การทำงานเปลี่ยนไปอย่างมาก ส่วน Personalize Engagement และ Segment of One เป็นเรื่องที่หากไม่มี AI จะทำได้ยากมาก เพราะต้องอาศัยความสามารถในการวิเคราะห์และตอบสนองต่อบุคคลแบบเฉพาะเจาะจง

อย่างไรก็ตาม เงื่อนไขพื้นฐานของทั้งหมดคือ ข้อมูลต้องพร้อม หากองค์กรเริ่มจาก “เปลือกข้างนอก” โดยไม่ใส่ใจข้อมูลและ Algorithm เมื่อทำไปสักพักอาจเกิดความผิดพลาดจำนวนมากจนทำให้เสียความมั่นใจ ผู้ร่วมเสวนาเตือนว่า Digital Adoption ของคนไทยอาจนำไปสู่การลงทุนที่ไม่ได้ผลลัพธ์ หากเริ่มจากเทคโนโลยีโดยไม่เริ่มจากผลลัพธ์ที่ต้องการ

ผู้ร่วมเสวนาจึงย้ำแนวคิด Begin With The End หรือเริ่มจากปลายทางว่าอยากได้ผลลัพธ์อะไร แล้วค่อยย้อนกลับไปหาเทคโนโลยีที่เหมาะสม ไม่ควรเริ่มจากกระแสเทคโนโลยีเพียงอย่างเดียว เพราะไม่เช่นนั้นอาจได้ผลลัพธ์ที่ไม่ตอบโจทย์จริง เช่น Use Case ที่ไม่สร้างคุณค่าทางธุรกิจอย่างแท้จริง

ความร่วมมือระหว่างภาครัฐและเอกชนเพื่อสร้างระบบนิเวศ AI

บทบาทของภาครัฐและเอกชนถูกวางไว้อย่างชัดเจนว่า เอกชนควรเป็นผู้ขับเคลื่อนนวัตกรรม เพราะอยู่ใกล้ภาคส่วนต่าง ๆ และเข้าใจโจทย์ของตลาดมากกว่า ขณะที่ภาครัฐไม่ควรเข้าไปแย่งทำ แต่ควรทำหน้าที่เป็น Enabler หรือผู้สนับสนุนที่ช่วยอยู่เบื้องหลัง

ภาครัฐควรเน้นการสร้าง Trusted Infrastructure หรือโครงสร้างพื้นฐานที่น่าเชื่อถือ เพื่อให้ภาคเอกชนและประชาชนสามารถนำไปต่อยอดได้ ธนาคารกลางมีบทบาทในการผลักดันแนวคิดว่า Infrastructure ไม่ได้หมายถึงแค่ Data Center หรือ Internet เท่านั้น แต่ต้องรวมถึงการทำให้คนเข้าถึงเศรษฐกิจดิจิทัลได้จริง

แนวคิดสำคัญที่ถูกกล่าวถึงคือ Digital Public Infrastructure ซึ่งสามารถเชื่อมโยงผู้คนเข้าสู่ Digital Economy โดยเฉพาะคนไทยจำนวนมากที่อยู่ใน Informal Sector หากคนกลุ่มนี้ยังเชื่อมต่อเข้าสู่ระบบดิจิทัลไม่ได้ ก้าวต่อไปสู่ AI ก็จะเกิดขึ้นได้ยาก เพราะการเข้าถึงดิจิทัลเป็นขั้นแรกของการมีส่วนร่วมในเศรษฐกิจสมัยใหม่

ประเทศไทยถูกมองว่ามีจุดแข็งด้านระบบ Payment โดยเฉพาะ พร้อมเพย์ ซึ่งเป็นตัวอย่างของ Digital Public Infrastructure ที่ทำให้ทุกคนเข้าถึงการชำระเงินดิจิทัลได้ในวงกว้าง บทบาทของภาครัฐจึงควรเป็นการสนับสนุนให้เกิดการขยายผล ทั้งฝั่งผู้ใช้และฝั่งร้านค้า เมื่อเกิด Connectivity จำนวนมาก ก็จะเกิดข้อมูลและ Data ที่สามารถนำไปใช้ต่อได้

มีการกล่าวถึงความร่วมมือล่าสุดกับ TTB ที่เกี่ยวข้องกับการช่วยร้านค้าขนาดเล็ก เช่น การทำให้ร้านเล็ก ๆ ไม่จำเป็นต้องเริ่มจาก Use Case AI ที่ยากมาก แต่เริ่มจากกรณีพื้นฐานที่เป็นประโยชน์จริง เช่น AI ช่วยตรวจสอบต้นทุน ช่วยทำ Statement และช่วยดูยอดขายของธุรกิจ SME หากผู้ประกอบการรายย่อยเริ่มใช้แล้วเห็นประโยชน์ที่จับต้องได้ ก็อาจเป็นจุดเริ่มต้นให้พวกเขาใช้ AI ในระดับต่อไปได้

โดยภาพรวม ผู้ร่วมเสวนาเห็นว่าการให้รัฐเข้าไปทำเองมักไม่ค่อยได้ผล ควรให้เอกชนนำในการสร้างนวัตกรรม แต่ภาครัฐต้องสร้างสภาพแวดล้อมที่น่าเชื่อถือและจัดหา Infrastructure พื้นฐานให้พร้อม ความร่วมมือรูปแบบนี้ควรเกิดมากขึ้น เพื่อให้ AI ไม่เป็นเทคโนโลยีขององค์กรขนาดใหญ่เท่านั้น แต่เป็นเครื่องมือที่ธุรกิจขนาดเล็กและประชาชนทั่วไปเข้าถึงได้

ข้อคิดสรุปและวิสัยทัศน์สำหรับอนาคต AI ของไทย

ช่วงท้ายของการเสวนามีการสรุปข้อคิดต่อทิศทาง AI โดยผู้ร่วมเสวนาคนหนึ่งฝากแนวคิดสำคัญไว้เป็นตัวอักษร V 3 ตัว ได้แก่ Vision, Velocity และ Value ทั้งสามสิ่งต้องสมดุลกัน หากมี Vision ที่ผิด แต่เดินเร็วด้วย Velocity สูง ก็อาจนำไปสู่ความสูญเสีย แต่หาก Vision ดีแต่เคลื่อนช้าเกินไป ก็อาจไม่ทันต่อการเปลี่ยนแปลงของเทคโนโลยีและตลาด ดังนั้นการขับเคลื่อน AI ต้องคำนึงทั้งทิศทาง ความเร็ว และคุณค่าที่สร้างได้จริง

อีกวิสัยทัศน์สำคัญคือการสร้าง Intelligence Economy โดยภาครัฐควรมีบทบาทสนับสนุนให้เศรษฐกิจลักษณะนี้เกิดขึ้นในประเทศไทย Intelligence Economy ที่ถูกกล่าวถึงมีองค์ประกอบสำคัญ 3 ด้าน คือ

• Inclusive: ทุกคนต้องเข้าถึงได้ ไม่ใช่เฉพาะองค์กรใหญ่หรือคนที่มีทรัพยากรมาก
• Intelligence: ไม่ได้หมายถึงเพียง Artificial Intelligence แต่หมายถึงการสร้าง  Collective Intelligence หรือปัญญาร่วมของผู้คน
• Economy: ต้องนำไปสู่การสร้างโอกาสและเศรษฐกิจใหม่อย่างแท้จริง

สาระสำคัญของวิสัยทัศน์นี้คือ AI ไม่ควรถูกมองเป็นเพียงเทคโนโลยีอัจฉริยะที่องค์กรนำมาใช้เพื่อลดต้นทุนหรือเพิ่มประสิทธิภาพเท่านั้น แต่ควรถูกใช้เพื่อยกระดับความสามารถของคนจำนวนมาก สร้างโอกาสใหม่ให้ธุรกิจขนาดเล็ก ลดข้อจำกัดในการเข้าถึงเครื่องมือ และขับเคลื่อนเศรษฐกิจใหม่ที่มีความทั่วถึงมากขึ้น