AI Demand กระทบธุรกิจและอุตสาหกรรมไทยอย่างไร

ต้นปี 2569 มูลค่าคำขอรับการส่งเสริมการลงทุนในกิจการ Data Center และ Cloud Services เพิ่มขึ้นอย่างมีนัยสำคัญ ขณะที่ข้อมูลความพร้อมด้าน AI ขององค์กรไทยจากการสำรวจปี 2567 พบว่าสัดส่วนการนำ AI มาใช้งานจริงยังไม่สูง และองค์กรที่เริ่มใช้แล้วมีความพร้อมเฉลี่ยอยู่ในระดับตระหนักรู้ ข้อมูลสองชุดนี้มาจากคนละช่วงเวลาและไม่สามารถนำมาเปรียบเทียบอัตราการเติบโตโดยตรง แต่เมื่อนำมาอ่านร่วมกันกลับสะท้อนช่องว่างสำคัญข้อหนึ่ง นั่นคือแรงส่งด้านโครงสร้างพื้นฐานสำหรับ AI กับความสามารถขององค์กรไทยในการใช้ AI สร้างมูลค่า ดูเหมือนจะเคลื่อนที่ไปคนละจังหวะ

คำถามที่ตามมาคือ ช่องว่างนี้จะเป็นตัวกำหนดว่า AI Demand จะกลายเป็นโอกาสของธุรกิจไทยได้มากน้อยเพียงใด

สัญญาณการลงทุน AI Infrastructure กับความพร้อมขององค์กร

ในไตรมาสแรกของปี 2569 สำนักงานคณะกรรมการส่งเสริมการลงทุน (บีโอไอ) รับคำขอรับการส่งเสริมการลงทุนรวม 1,016,962 ล้านบาท จาก 624 โครงการ สูงกว่าช่วงเดียวกันของปีก่อนหน้าประมาณ 2.4 เท่า อุตสาหกรรมดิจิทัลเป็นกลุ่มที่มีมูลค่าคำขอสูงที่สุดที่ 873,741 ล้านบาท จาก 48 โครงการ ซึ่งส่วนใหญ่เป็นกิจการ Data Center และ Cloud Services นักลงทุนหลักมาจากสิงคโปร์ ญี่ปุ่น อังกฤษ และมาเลเซีย

ตัวเลขนี้ต้องอ่านด้วยความระมัดระวัง เพราะเป็นมูลค่าคำขอรับการส่งเสริมการลงทุน ไม่ใช่เงินลงทุนที่เกิดขึ้นจริงแล้ว การยื่นคำขอเป็นเพียงจุดเริ่มต้นของกระบวนการ กว่าจะกลายเป็นการก่อสร้างและดำเนินงานจริงยังต้องผ่านการอนุมัติและระยะเวลาพัฒนาโครงการอีกหลายขั้นตอน สิ่งที่ตัวเลขนี้ยืนยันได้คือทิศทางของคำขอและความสนใจจากนักลงทุนต่างชาติที่มีต่อไทยในฐานะฐานโครงสร้างพื้นฐานดิจิทัล ไม่ใช่หลักฐานว่าเม็ดเงินได้ไหลเข้าสู่ระบบเศรษฐกิจไทยแล้ว

ในอีกด้านหนึ่ง ผลการศึกษาความพร้อมในการประยุกต์ใช้ AI สำหรับบริการดิจิทัล ปี 2567 ของสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ร่วมกับสำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ซึ่งเก็บข้อมูลจากกลุ่มตัวอย่างประมาณ 580 หน่วยงานในช่วงกลางปี 2567 พบว่า สัดส่วนองค์กรที่นำ AI มาใช้งานแล้วอยู่ที่ 17.8% เพิ่มขึ้นจาก 15.2% ในปีก่อนหน้า ขณะที่อีก 73.3% มีแผนนำ AI มาใช้ในอนาคต อย่างไรก็ตาม กลุ่มองค์กรที่นำ AI มาใช้แล้วมีคะแนนความพร้อมเฉลี่ย 55.1% ซึ่งอยู่ในระดับ “ตระหนักรู้” สะท้อนว่าแม้องค์กรเริ่มเห็นความสำคัญและนำ AI มาประยุกต์ใช้มากขึ้น แต่ในภาพรวมยังไม่ถึงระดับที่มีความเข้มแข็งในการใช้งาน หรือสามารถผสาน AI เข้ากับกระบวนการทำงานหลักได้อย่างเต็มที่

ข้อมูลทั้งสองชุดเก็บคนละช่วงเวลาและไม่ควรถูกนำมาคำนวณเป็นอัตราเปรียบเทียบกันโดยตรง แต่เมื่ออ่านร่วมกันในฐานะภาพรวมของทิศทาง จะเห็นสัญญาณเดียวกันจากสองมุม คือแรงส่งด้านการลงทุนโครงสร้างพื้นฐานกำลังขยายตัวชัดเจน ขณะที่ความสามารถในการใช้งาน AI เชิงลึกขององค์กรไทยยังอยู่ในช่วงเริ่มต้น คำถามที่ตามมาคือโครงสร้างพื้นฐานที่กำลังขยายตัวนี้จะแปลงเป็นมูลค่าทางเศรษฐกิจให้ธุรกิจไทยได้มากน้อยเพียงใด และธุรกิจใดจะเป็นผู้ได้รับผลกระทบก่อน คำตอบเริ่มต้นจากการเข้าใจว่า AI Demand ที่แท้จริงนั้นกว้างกว่าการนับจำนวนผู้ใช้งานซอฟต์แวร์ AI มาก

ความต้องการ AI ไม่ได้หยุดอยู่ที่ซอฟต์แวร์

เมื่อพูดถึง AI คนส่วนใหญ่มักนึกถึงโปรแกรมหรือแอปพลิเคชันที่ใช้งานโดยตรง แต่การที่องค์กรหนึ่งตัดสินใจใช้ AI สักหนึ่ง Use Case ไม่ได้จบอยู่แค่การซื้อซอฟต์แวร์ การฝึกโมเดลและการให้บริการ AI ในรูปแบบ Cloud ต้องอาศัยกำลังประมวลผลและการจัดเก็บข้อมูลจำนวนมากจาก Server ภายใน Data Center ซึ่งต้องใช้ไฟฟ้าปริมาณมากอย่างต่อเนื่อง ต้องมีระบบระบายความร้อนและน้ำหล่อเย็นเพื่อรักษาอุณหภูมิของอุปกรณ์ ต้องมีเครือข่ายที่เสถียรเพื่อส่งข้อมูล และต้องมีระบบรักษาความปลอดภัยไซเบอร์เพื่อปกป้องข้อมูลที่ไหลผ่านระบบ เมื่อการใช้งาน AI ในรูปแบบ Cloud ขยายตัว ความต้องการทรัพยากรเหล่านี้จึงขยายตามไปด้วย ทั้งหมดนี้ยังไม่นับรวมบุคลากรที่ต้องมีทักษะเพียงพอในการดูแลและใช้งานระบบให้เกิดประโยชน์จริง

ในบริบทของบทความนี้ AI Demand หมายถึงความต้องการทรัพยากรและความสามารถที่เกิดขึ้นเพื่อรองรับการพัฒนาและใช้งาน AI ขณะที่ AI Adoption สะท้อนระดับการนำ AI ไปใช้ในองค์กร สัญญาณของทั้งสองด้านอาจไม่ได้เคลื่อนไปพร้อมกัน เพราะโครงการโครงสร้างพื้นฐานสามารถเดินหน้าตามแผนการลงทุนได้ ขณะที่การใช้ AI เชิงลึกขององค์กรต้องอาศัยทั้งข้อมูล บุคลากร และการปรับกระบวนการทำงานเพื่อให้เห็นภาพว่า AI Demand ส่งผ่านไปสู่มูลค่าทางธุรกิจอย่างไร บทความนี้แบ่งเส้นทางออกเป็น 5 ขั้น ดังนี้

เส้นทางนี้เป็นกรอบที่บทความสร้างขึ้นเพื่ออธิบายทิศทางความต้องการ ไม่ใช่การจัดประเภทมาตรฐานที่มีแหล่งอ้างอิงรองรับโดยตรง แต่ช่วยให้เห็นว่าเวลาสื่อรายงานตัวเลขเกี่ยวกับ AI มักพูดถึงเพียงปลายทางสองด้าน คือจำนวนผู้ใช้งานที่ต้นทาง กับมูลค่าการลงทุนในโครงสร้างพื้นฐานตรงกลาง ขณะที่ Organizational Capability ซึ่งอยู่ก่อนถึง Business Outcome กลับเป็นขั้นที่ตัดสินจริงว่า Demand จากการใช้งานจะแปลงเป็นผลลัพธ์ทางธุรกิจได้หรือไม่ นี่คือเหตุผลที่มูลค่าคำขอลงทุน Data Center ที่เพิ่มขึ้นในไทยไม่ได้แปลว่าธุรกิจไทยจะได้รับมูลค่าจาก AI มากขึ้นโดยอัตโนมัติ ต้องดูว่าขั้น Organizational Capability ถูกเติมเต็มอย่างไรด้วย

Data Center กำลังส่ง Demand ไปสู่อุตสาหกรรมใด

การเพิ่มขึ้นของกำลังประมวลผลไม่ได้เกิดขึ้นโดยลำพัง เพราะ Data Center ไม่สามารถตั้งขึ้นได้เพียงอาศัยอาคารและเซิร์ฟเวอร์เท่านั้น โครงการเหล่านี้ยังดึงความต้องการด้านไฟฟ้า น้ำ ระบบระบายความร้อน เครือข่าย และบริการรักษาความปลอดภัยตามมาเป็นทอด ๆ ข้อมูลจากบีโอไอสะท้อนภาพนี้ชัดเจน นอกจากอุตสาหกรรมดิจิทัลที่ครองมูลค่าคำขอสูงสุดแล้ว อุตสาหกรรมอิเล็กทรอนิกส์และเครื่องใช้ไฟฟ้าก็มีมูลค่าคำขอถึง 40,456 ล้านบาทจาก 80 โครงการ โดยเน้นชิ้นส่วนอิเล็กทรอนิกส์ขั้นสูง แผงวงจรพิมพ์ และอุปกรณ์สำคัญของ Data Center อย่าง HDD, Optical Transceiver และ AI Data Center Server ซึ่งเป็นสัญญาณว่าบริษัทที่ดำเนินธุรกิจในไทยอยู่แล้วกำลังขยายกำลังผลิตไปสู่ผลิตภัณฑ์เทคโนโลยีขั้นสูงมากขึ้นเพื่อรองรับความต้องการนี้โดยเฉพาะ

ด้านพลังงาน การไฟฟ้าฝ่ายผลิตแห่งประเทศไทย (กฟผ.) ระบุว่าปัจจัยสำคัญที่ Data Center ต้องการคือไฟฟ้าที่มีคุณภาพและเสถียร มีปริมาณเพียงพอรองรับการเติบโตระยะยาว และมาจากแหล่งพลังงานสะอาด กฟผ. ได้ปรับปรุงประสิทธิภาพระบบส่งไฟฟ้าในพื้นที่นำร่อง 3 แห่งในภาคตะวันออก ทำให้รองรับไฟฟ้าเพิ่มได้อีก 550 เมกะวัตต์ เพื่อเตรียมรองรับการเติบโตของ Data Center ในพื้นที่ดังกล่าว ควบคู่กับแผนขยายระบบส่งไฟฟ้าเพิ่มเติมในอนาคต สะท้อนให้เห็นว่าหน่วยงานด้านพลังงานเริ่มปรับโครงสร้างพื้นฐานเพื่อรองรับ Demand กลุ่มนี้อย่างจริงจัง แม้จะยังเป็นเพียงส่วนหนึ่งของแผนทั้งหมด ไม่ใช่การอัปเกรดที่ทำเพื่อ Data Center โดยเฉพาะทั้งระบบ

เมื่อมองภาพรวมของธุรกิจที่เกี่ยวข้องกับ AI Demand จะแบ่งได้เป็นสี่กลุ่มตามลักษณะของแรงหนุนหรือแรงกดดันที่แต่ละกลุ่มเผชิญ

กลุ่มที่สี่เป็นกลุ่มที่มักถูกมองข้าม เพราะไม่ได้อยู่ในสายเทคโนโลยีโดยตรง แต่มีแนวโน้มได้รับผลกระทบผ่านกลไกทางอ้อม เมื่อธุรกิจจำนวนหนึ่งเริ่มใช้ AI เพื่อวิเคราะห์และตอบสนองลูกค้าได้เร็วขึ้น ความคาดหวังของตลาดโดยรวมก็อาจขยับตามไปด้วย ลูกค้าบางกลุ่มอาจเริ่มคุ้นเคยกับบริการที่ตอบสนองเร็วและเฉพาะบุคคลมากขึ้น ธุรกิจที่ยังไม่ปรับตัวจึงมีแนวโน้มเผชิญแรงกดดันด้านความเร็วในการให้บริการเพิ่มขึ้น แม้ตัวเองจะยังไม่ได้ลงทุนใน AI โดยตรงก็ตาม ในทำนองเดียวกัน ซัพพลายเออร์บางกลุ่มอาจเผชิญความคาดหวังด้านคุณภาพข้อมูล การเชื่อมต่อระบบ และการตรวจสอบย้อนกลับเพิ่มขึ้น หากผู้ซื้อรายใหญ่ในห่วงโซ่อุปทานเริ่มใช้ระบบดิจิทัลและ AI ในการบริหารห่วงโซ่อุปทานมากขึ้น

มูลค่าคำขอลงทุนที่สูง ไม่ได้แปลว่าทุกธุรกิจจะได้รับประโยชน์

ภาพที่ผ่านมาแสดงให้เห็นว่ามูลค่าคำขอลงทุนสะท้อนความสนใจที่เพิ่มขึ้นต่อโครงสร้างพื้นฐาน AI ของไทย แต่คำถามที่สำคัญกว่าคือ มูลค่าที่เกิดขึ้นจากโครงสร้างพื้นฐานเหล่านี้จะกระจายไปถึงธุรกิจไทยได้มากน้อยเพียงใด

เมื่อนำข้อมูลสามชุดมาอ่านร่วมกัน แม้จะเก็บข้อมูลคนละช่วงเวลาและไม่สามารถนำมาเทียบอัตราการเติบโตกันโดยตรง แต่ก็ช่วยให้เห็นภาพที่ชัดเจนขึ้น มูลค่าคำขอลงทุนในกิจการ Data Center และ Cloud เพิ่มขึ้นอย่างมีนัยสำคัญในไตรมาสแรกของปี 2569 ขณะที่ผลสำรวจของ ETDA และสวทช. ในปีก่อนหน้าพบว่าองค์กรไทยที่ใช้ AI แล้วมีเพียง 17.8% และกลุ่มที่ใช้แล้วส่วนใหญ่ยังอยู่ในระดับตระหนักรู้ ไม่ใช่ระดับใช้งานเชิงลึก ในอีกด้านหนึ่ง รายงาน Thailand Digital Data Infrastructure Roadmap ของธนาคารโลกระบุว่าโครงสร้างพื้นฐานด้าน Cloud และ AI ของไทยพัฒนาไปได้ดี แต่ความลึกของการใช้งานยังจำกัด โดยเฉพาะในกลุ่มผู้ประกอบการขนาดกลางและเล็กที่ยังเผชิญข้อจำกัดด้านทักษะ ธรรมาภิบาลข้อมูล และความสามารถในการใช้ Analytics ขั้นสูง

ข้อมูลทั้งสามชุดสะท้อนแรงส่งด้านโครงสร้างพื้นฐานที่เด่นชัดขึ้น ขณะที่ความสามารถในการใช้ AI เชิงลึกขององค์กรยังมีข้อจำกัด ความต่างของจังหวะนี้ไม่ใช่เรื่องผิดปกติในช่วงเริ่มต้นของเทคโนโลยีใหม่ แต่มีแนวโน้มเป็นตัวกำหนดว่าใครจะเป็นผู้ได้รับมูลค่าก่อน โดยทั่วไปแล้ว ในเชิงโครงสร้าง ผู้พัฒนา ผู้ให้บริการ และธุรกิจที่เกี่ยวข้องกับการก่อสร้างหรือดำเนินงานโครงสร้างพื้นฐานมีโอกาสรับ Demand โดยตรงก่อน ส่วนมูลค่าที่จะส่งต่อไปยังธุรกิจผู้ใช้งานในประเทศยังขึ้นอยู่กับความพร้อมในการนำ AI ไปสร้างผลลัพธ์ทางธุรกิจ แม้ในกรณีของไทยยังไม่มีข้อมูลเฉพาะที่ยืนยันสัดส่วนมูลค่าที่ตกถึงแต่ละฝ่าย ส่วนมูลค่าที่จะกระจายไปถึงธุรกิจในประเทศที่นำ AI ไปใช้งานต่อยอด ต้องอาศัยเงื่อนไขเพิ่มเติมหลายข้อ

เงื่อนไขแรกคือความพร้อมของซัพพลายเออร์ในประเทศ โดยซัพพลายเออร์บางกลุ่มอาจต้องยกระดับมาตรฐานการดำเนินงาน คุณภาพข้อมูล การเชื่อมต่อระบบ หรือการตรวจสอบย้อนกลับให้สอดคล้องกับข้อกำหนดของผู้ซื้อและลักษณะงานที่รับผิดชอบ อย่างไรก็ตาม มาตรฐานที่ต้องใช้จะแตกต่างกันตามประเภทสินค้า บริการ และตำแหน่งในห่วงโซ่อุปทาน เงื่อนไขที่สองคือบุคลากรและทักษะ ซึ่งรายงานของธนาคารโลกชี้ว่ายังเป็นข้อจำกัดสำคัญโดยเฉพาะในกลุ่มผู้ประกอบการขนาดกลางและเล็ก เงื่อนไขที่สามคือความพร้อมของข้อมูลภายในองค์กรเองที่จะนำไปใช้ฝึกหรือประกอบการตัดสินใจร่วมกับ AI และเงื่อนไขสุดท้ายคือความสามารถในการหา Use Case ที่ตอบโจทย์ธุรกิจจริงและวัดผลตอบแทนได้ ไม่ใช่การนำ AI มาใช้เพียงเพราะเป็นกระแส

ยังไม่มีข้อมูลผลประกอบการหรือสัดส่วนมูลค่าที่ธุรกิจไทยได้รับจริงจากคลื่นการลงทุนนี้ในขณะนี้ สิ่งที่ยืนยันได้คือทิศทางของคำขอลงทุนและช่องว่างด้านความพร้อม ส่วนคำตอบว่าช่องว่างนี้จะถูกปิดได้เร็วแค่ไหน ขึ้นอยู่กับว่าธุรกิจแต่ละรายจะเตรียมความพร้อมของตัวเองอย่างไรในช่วงเวลานี้

ธุรกิจไทยควรอ่านสัญญาณ AI Demand จากจุดใด

ธุรกิจไม่จำเป็นต้องลงทุนใน AI ทุกด้านเพื่อรับมือกับการเปลี่ยนแปลงนี้ แต่จำเป็นต้องรู้ว่า Demand กำลังเกิดขึ้นตรงจุดใดในธุรกิจของตัวเอง คำถามที่ควรใช้ประเมินมีสี่ข้อ

1. Demand กำลังเกิดตรงไหนใน Value Chain ของอุตสาหกรรมที่ธุรกิจดำเนินอยู่ เพราะจากภาพรวมที่ผ่านมา Demand ไม่ได้กระจายเท่ากันทุกจุด บางอุตสาหกรรมได้รับแรงหนุนโดยตรง บางอุตสาหกรรมได้รับผลกระทบทางอ้อมผ่านความคาดหวังของตลาด

2. ธุรกิจอยู่ในฐานะผู้ใช้ ผู้ส่งมอบ หรือผู้ได้รับแรงกดดัน เป็นผู้ใช้งาน AI เพื่อเพิ่มประสิทธิภาพของตัวเอง เป็นผู้ส่งมอบสินค้าหรือบริการให้กับอุตสาหกรรมที่กำลังขยายตัว หรือเป็นฝ่ายที่ถูกคาดหวังให้ปรับมาตรฐานตามคู่ค้าที่เปลี่ยนไปก่อน แต่ละฐานะนำไปสู่การตัดสินใจที่ต่างกัน

3. ข้อมูล บุคลากร และ Workflow พร้อมเพียงใด เพราะดังที่ข้อมูลจากธนาคารโลกและ ETDA ชี้ให้เห็น การมีโครงสร้างพื้นฐานที่ดีไม่ได้แปลว่าองค์กรพร้อมใช้งานทันที

4. การลงทุนมุ่งสร้างมูลค่าใหม่หรือลดความเสี่ยงจากการตกขบวน เพราะทั้งสองเป้าหมายนำไปสู่งบประมาณและการวัดผลที่ต่างกัน เป้าหมายที่วางไว้ควรถูกแปลงเป็นตัวชี้วัดที่ตรวจสอบได้ เช่น เวลาทำงานที่ลดลง ต้นทุนต่อกระบวนการ อัตราความผิดพลาด รายได้ใหม่ หรือความเสี่ยงที่ลดลง

เมื่อมองภาพรวมของ AI Demand ในประเทศไทยขณะนี้ สิ่งที่กำลังเปลี่ยนแปลงเกิดขึ้นพร้อมกัน 3 ด้าน คือ ด้านแรกคือทิศทางคำขอลงทุนสะท้อนความสนใจต่อโครงสร้างพื้นฐานดิจิทัลอย่างชัดเจน ด้านที่สองคือความต้องการระหว่างอุตสาหกรรมที่ไม่ได้จำกัดอยู่ในสายเทคโนโลยี แต่ส่งผ่านไปถึงพลังงาน ก่อสร้าง และบริการวิชาชีพ และด้านที่สามคือมาตรฐานการแข่งขันของธุรกิจทั่วไปที่มีแนวโน้มขยับตามความคาดหวังของตลาดที่เปลี่ยนไป สัญญาณการลงทุนที่เกิดขึ้นเป็นเพียงจุดเริ่มต้นของภาพทั้งหมดนี้ ส่วนคำตอบว่าไทยจะได้รับมูลค่าจาก AI มากน้อยเพียงใด ขึ้นอยู่กับว่าธุรกิจในประเทศจะปิดช่องว่างด้านความพร้อมได้เร็วเพียงใดในช่วงเวลาที่โครงสร้างพื้นฐานกำลังขยายตัวอยู่นี้

อ้างอิง:

• Thailand Board of Investment, "Thailand Draws Over 1 Trillion Baht in Q1 Investment, Led by Digital and AI" (PR No. 62/2569, 29 April 2026)

• ETDA ร่วมกับ สวทช., "ผลการศึกษาความพร้อมในการประยุกต์ใช้ AI สำหรับบริการดิจิทัล ปี 2567 (AI Readiness Measurement 2024)"

• EGAT, "EGAT highlights clean, stable, and sufficient power..." (16 June 2026)

• World Bank, "Thailand Digital Data Infrastructure Roadmap" (December 2025)