ป้ายกำกับ: gartner

กรุงเทพฯ, ประเทศไทย, 24 มกราคม 2568 – การ์ทเนอร์เน้นย้ำถึงแนวโน้มสำคัญหลายประการที่จะเป็นตัวกำหนดทิศทางของภาคยานยนต์ในปี 2568 ด้วยเหตุที่อุตสาหกรรมนี้กำลังเผชิญกับแรงกดดันด้านกฎระเบียบการปล่อยมลพิษและการเติบโตที่แข็งแกร่งจากจีน 

เปโดร ปาเชโก รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ซอฟต์แวร์และการใช้พลังงานไฟฟ้าจะยังเป็นปัจจัยขับเคลื่อนหลักสองประการในการเปลี่ยนแปลงของภาคยานยนต์ อย่างไรก็ตามในปีนี้ผู้ผลิตรถยนต์จะต้องเผชิญกับความไม่แน่นอนในเรื่องกฎระเบียบการปล่อยมลพิษและความตึงเครียดทางการค้าที่เพิ่มขึ้นระหว่างจีนกับชาติตะวันตก โดยเฉพาะอย่างยิ่งในตลาดรถยนต์ไฟฟ้า“ 

ภูมิทัศน์ทางการเมืองที่กำลังเปลี่ยนไปทั้งในสหรัฐอเมริกาและสหภาพยุโรป (EU) ทำให้ประเด็นเรื่องกฎระเบียบการปล่อยมลพิษของยานยนต์กลับมาได้รับความสนใจอีกครั้ง ซึ่งสร้างความไม่แน่นอนให้กับอุตสาหกรรมยานยนต์ ส่งผลให้ผู้รับจ้างผลิตอุปกรณ์หรือชิ้นส่วนหรือ OEMs บางรายอาจลังเลที่วางกลยุทธ์หลักของธุรกิจไว้ที่รถยนต์ไฟฟ้า

การ์ทเนอร์ประเมินว่ายอดการจัดส่งรถยนต์ไฟฟ้า (ประเภทรถโดยสาร รถยนต์ รถตู้ และรถบรรทุกขนาดใหญ่) จะเติบโต 17% ในปี 2568 และคาดว่าในปี 2573 มากกว่าครึ่งของรถยนต์ทั้งหมดที่วางจำหน่ายและทำตลาดโดยผู้ผลิตนั้นจะเป็นรถยนต์ไฟฟ้า

ภูมิรัฐศาสตร์ทำให้การนำแนวคิด CASE มาปรับใช้ล่าช้า

อุปสรรคทางการค้าที่สหรัฐอเมริกาและสหภาพยุโรปกำหนดและบังคับใช้กับรถยนต์ไฟฟ้าของจีนจะทำให้การนำเทคโนโลยีการเชื่อมต่อ ความเป็นอิสระ ซอฟต์แวร์ และการใช้พลังงานไฟฟ้า หรือที่เรียกรวมกันว่า CASE มาใช้ในทั้งสองภูมิภาคนี้ล่าช้าลง เนื่องจากรถยนต์ไฟฟ้าจีนถือเป็นประเภทยานพาหนะที่มีความก้าวหน้าที่สุดในอุตสาหกรรม

บิล เรย์ รองประธานอาวุโสของการ์ทเนอร์ กล่าวว่า “ผู้ผลิตโดรนและบริษัทโทรคมนาคมจีนกำลังรับรู้ถึงผลกระทบจากมาตรการแทรกแซงทางการค้าระหว่างประเทศ และรายต่อไปก็คือผู้ผลิตหุ่นยนต์ การมีซอฟต์แวร์อัจฉริยะที่สามารถอัปเดตได้ กล้องที่เข้าถึงได้จากระยะไกล และการผสานการเก็บข้อมูลเข้ากับโมเดลธุรกิจยานยนต์ ทำให้หลีกเลี่ยงไม่ได้ที่จะต้องเผชิญกับความท้าทายด้านภูมิรัฐศาสตร์ที่จะเป็นตัวแบ่งแยกตลาดและชะลอการนำเทคโนโลยีเหล่านี้มาปรับใช้“

ผู้ผลิตรถยนต์จากจีนได้เปรียบการแข่งขันในด้านซอฟต์แวร์และระบบพลังงานไฟฟ้า เนื่องจากมีแนวทางการพัฒนาที่มีความเฉพาะและมีประสิทธิภาพ ช่วยให้สามารถนำเสนอรถยนต์ไฟฟ้าที่มีประสิทธิภาพสูง และราคาไม่แพง อย่างไรก็ตามอุปสรรคทางการค้าที่เพิ่มขึ้นอาจลดทอนข้อได้เปรียบดังกล่าวนี้ และทำให้รถยนต์ไฟฟ้าในตลาดสำหรับผู้บริโภคมีความหลากหลายลดลง

ผู้ผลิตชิ้นส่วน OEM ต่าง ๆ ขยายความร่วมมือด้านซอฟต์แวร์กับผู้ผลิต OEM จากจีน 

ผู้รับจ้างผลิตชิ้นส่วนและส่วนประกอบกำลังประสบปัญหาในการพัฒนาความสามารถด้านซอฟต์แวร์ภายในองค์กร ส่งผลให้หลายรายหันมาทำข้อตกลงกับผู้ผลิต OEM จากจีน เพื่อเข้าถึงสถาปัตยกรรมไฟฟ้า/อิเล็กทรอนิกส์ (E/E) ของยานพาหนะ ทำให้พึ่งพาความสามารถด้านซอฟต์แวร์และฮาร์ดแวร์ของผู้ผลิตรถยนต์ไฟฟ้าจากจีนมากยิ่งขึ้น

กำลังการผลิตส่วนเกินกระตุ้นให้โรงงาน OEM ปิดตัว

กำลังการผลิตส่วนเกินเป็นความท้าทายสำหรับโรงงานผลิตรถยนต์หลายแห่งในยุโรปและอเมริกาเหนือมานานหลายปี การเพิ่มอัตราภาษีนำเข้ารถยนต์ไฟฟ้าจากจีนที่สหรัฐฯ และ EU กำหนดเมื่อเร็ว ๆ นี้มีแนวโน้มที่จะทำให้ปัญหานี้รุนแรงมากขึ้น โดยผู้ผลิตรถยนต์จีนอาจตั้งโรงงานในยุโรปและสหรัฐฯ หรือในประเทศพันธมิตรการค้าเสรี อาทิ โมร็อกโกหรือตุรกี เพื่อรักษาความสามารถด้านราคาให้แข่งขันได้

การ์ทเนอร์คาดว่าสถานการณ์นี้มีแนวโน้มที่จะนำไปสู่การปิดตัวหรือขายโรงงานผลิตรถยนต์หลายแห่งที่มีอัตราการใช้งานต่ำให้กับผู้ผลิตรถยนต์รายอื่น ๆ และก่อให้เกิดผลกระทบต่อเนื่อง ที่นำไปสู่การปิดตัวโรงงานของซัพพลายเออร์ ประเด็นนี้จะเป็นการกำหนดทำเลการผลิตรถยนต์ของสหรัฐฯ และยุโรปขึ้นใหม่ และทำให้ประเทศที่มีต้นทุนต่ำกลายเป็นศูนย์กลางการผลิตและเป็นห่วงโซ่อุปทานหลักของอุตสาหกรรมยานยนต์

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ, ประเทศไทย, 10 มกราคม 2568 — การ์ทเนอร์เผยการคาดการณ์เชิงกลยุทธ์ที่สำคัญสำหรับปี 2568 และอนาคตข้างหน้า โดยการ์ทเนอร์ระบุว่า Generative AI (GenAI) กำลังส่งผลกระทบวงกว้างต่อพื้นที่ที่เคยมีแต่มนุษย์เท่านั้นที่สามารถทำได้

แดริล พลัมเมอร์ รองประธานอาวุโส หัวหน้าฝ่ายวิจัย และ Gartner Fellow กล่าวว่า “เป็นที่ชัดเจนว่าไม่ว่าเราจะไปไหนก็หลีกเลี่ยงผลกระทบของ AI ไม่ได้ และ AI ก็กำลังพัฒนาไปพร้อม ๆ กับการใช้งานของมนุษย์ ก่อนที่จะไปถึงจุดที่มนุษย์ไล่ตามไม่ทัน เราต้องยอมรับก่อนว่า AI ช่วยให้เราพัฒนาได้ขึ้นมากแค่ไหน“ 

ในปี 2569 องค์กร 20% จะใช้ AI ปรับโครงสร้างองค์กรให้แบนราบลง โดยลดตำแหน่งผู้บริหารระดับกลางที่มีอยู่ในปัจจุบันลงมากกว่าครึ่ง

องค์กรที่นำ AI มาใช้เพื่อลดจำนวนผู้บริหารระดับกลางจะสามารถลดต้นทุนค่าจ้างในระยะสั้นและทำให้องค์กรประหยัดขึ้นในระยะยาว ซึ่งการนำ AI มาใช้จะช่วยเพิ่มประสิทธิภาพการทำงานและขยายขอบเขตการควบคุม ด้วยการทำให้เป็นอัตโนมัติ ทั้งการจัดตารางงาน การรายงาน และการติดตามผลการปฏิบัติงานของพนักงาน ซึ่งช่วยให้ผู้จัดการมุ่งเน้นไปที่กิจกรรมเชิงกลยุทธ์ที่มีความยืดหยุ่นและมีมูลค่าเพิ่มมากขึ้น

การนำ AI มาใช้จะนำมาซึ่งความท้าทายให้กับองค์กร เช่น พนักงานส่วนใหญ่กังวลเกี่ยวกับความมั่นคงในงาน ขณะที่ผู้จัดการก็หนักใจกับจำนวนผู้ใต้บังคับบัญชาที่เพิ่มขึ้น และพนักงานที่เหลือไม่เต็มใจเปลี่ยนแปลงหรือยอมรับการใช้ AI มาเป็นตัวขับเคลื่อนการมีปฏิสัมพันธ์ร่วมกัน และอาจส่งผลต่อเส้นทางการเป็นพี่เลี้ยงสอนและการเรียนรู้ล่มสลาย จนทำให้พนักงานระดับล่างขาดโอกาสในการพัฒนา 

ในปี 2571 การจมดิ่งไปในเทคโนโลยีจะส่งผลกระทบต่อประชากรในด้านการเสพติดดิจิทัลและการแยกตัวจากสังคม ส่งผลให้ 70% ขององค์กรต้องนำนโยบายต่อต้านดิจิทัลมาใช้งาน

การ์ทเนอร์คาดการณ์ว่าในปี 2571 จะมีประชากรประมาณหนึ่งพันล้านคนที่ได้รับผลกระทบจากการเสพติดดิจิทัล ซึ่งส่งผลทำให้ประสิทธิภาพการทำงานลดลง มีความเครียดเพิ่มขึ้น และเกิดปัญหาสุขภาพจิตเพิ่มขึ้นอย่างรวดเร็ว เช่น มีความวิตกกังวลและภาวะซึมเศร้า นอกจากนี้ การจมดิ่งในดิจิทัลจะส่งผลกระทบในแง่ลบต่อทักษะทางสังคม โดยเฉพาะกลุ่มคนรุ่นใหม่ที่มีแนวโน้มจะได้รับผลกระทบมากกว่า

พลัมเมอร์กล่าวว่า “ผลกระทบของการแยกตัวจากการจมดิ่งในดิจิทัลจะนำไปสู่แรงงานที่แตกแยก (Disjointed Workforce) ทำให้องค์กรพบว่าประสิทธิภาพการทำงานของพนักงานและผู้ร่วมงานลดลงอย่างมีนัยสำคัญ ดังนั้นองค์กรจำเป็นต้องกำหนดช่วงเวลาดีท็อกซ์ดิจิทัลให้เป็นข้อบังคับสำหรับพนักงาน สั่งห้ามการสื่อสารนอกเวลางาน และนำเครื่องมือและเทคนิคแบบแอนะล็อกกลับมาใช้เป็นข้อบังคับ อาทิ การประชุมที่ปลอดหน้าจอ การงดใช้อีเมลในวันศุกร์ หรือการพักรับประทานอาหารกลางวันนอกโต๊ะทำงาน“

ในปี 2572 คณะกรรมการบริษัท 10% ทั่วโลกจะใช้ AI guidance เพื่อท้าทายการตัดสินใจของผู้บริหารที่มีผลกระทบสำคัญต่อธุรกิจ

ข้อมูลเชิงลึกที่สร้างขึ้นจาก AI จะมีผลกระทบวงกว้างต่อการตัดสินใจของผู้บริหาร และทำให้กรรมการบริษัทนำมาใช้ท้าทายการตัดสินใจของผู้บริหาร นี่จะเป็นการหมดยุคของซีอีโอที่ชอบตัดสินใจตามอำเภอใจโดยไม่มีเหตุผลรองรับ

พลัมเมอร์กล่าวว่า “ในช่วงแรก ข้อมูลเชิงลึกจาก AI จะดูคล้ายกับรายงานแยกย่อย หรือ Minority Report ที่ไม่สะท้อนมุมมองของกรรมการส่วนใหญ่ อย่างไรก็ตาม เมื่อข้อมูลเชิงลึกที่ได้จาก AI นี้ พิสูจน์ให้เห็นถึงประสิทธิผล มันจะได้รับการยอมรับในหมู่ผู้บริหารที่แข่งกันหาข้อมูลสนับสนุนการตัดสินใจเพื่อปรับปรุงผลลัพธ์ทางธุรกิจ”

ในปี 2571 องค์กรขนาดใหญ่ 40% จะนำ AI มาใช้เพื่อจัดการและวัดอารมณ์รวมถึงพฤติกรรมของพนักงาน ทั้งหมดก็เพื่อผลกำไร

AI มีความสามารถวิเคราะห์ความรู้สึกจากการมีปฏิสัมพันธ์และการสื่อสารในที่ทำงาน สิ่งนี้ให้ข้อมูลย้อนกลับเพื่อให้เข้าใจถึงความรู้สึกโดยรวมที่สอดคล้องกับพฤติกรรมที่กำหนด ช่วยให้ทีมงานมีแรงจูงใจและมีส่วนร่วมในการทำงาน

“พนักงานอาจรู้สึกว่าความเป็นอิสระและความเป็นส่วนตัวของพวกเขาถูกละเมิด จนทำให้เกิดความไม่พอใจและความไว้วางใจลดลง” พลัมเมอร์กล่าว “แม้ประโยชน์ที่ได้รับจากเทคโนโลยีการวิเคราะห์พฤติกรรมที่ขับเคลื่อนด้วย AI นั้นจะมีมากมาย แต่บริษัทต้องรักษาสมดุลระหว่างการนำ AI มาใช้เพิ่มประสิทธิภาพร่วมกับการดูแลเอาใจใส่ความเป็นอยู่ที่ดีของพนักงานอย่างจริงใจ เพื่อเลี่ยงผลเสียด้านขวัญกำลังใจและความจงรักภักดีต่อองค์กรในระยะยาว“

ในปี 2570 สัญญาจ้างงานใหม่ 70% จะรวมข้อกำหนดเรื่องการอนุญาตสิทธิ์และการใช้งานที่เหมาะสมสำหรับการแสดงตัวตนในระบบ AI

โมเดลภาษาขนาดใหญ่ (LLMs) ที่เกิดขึ้นไม่มีกำหนดถึงวันสิ้นสุด นั่นหมายความว่าข้อมูลส่วนบุคคลของพนักงานที่ถูกจัดเก็บโดย LLMs ขององค์กรนั้นจะยังอยู่ใน LLM ทั้งช่วงระหว่างการจ้างงานและหลังจากสิ้นสุดการจ้างงาน 

นำไปสู่การถกเถียงในเชิงสาธารณะ ที่ตั้งคำถามกันว่าพนักงานหรือนายจ้างมีสิทธิ์ในการเป็นเจ้าของตัวตนดิจิทัลนี้หรือไม่ ซึ่งในท้ายที่สุดอาจนำไปสู่การฟ้องร้องทางกฎหมาย โดยข้อกำหนดการใช้งานอย่างเป็นธรรมจะถูกนำมาใช้เพื่อปกป้ององค์กรจากการฟ้องร้องในทันที แต่ก็ยังคงก่อให้เกิดข้อขัดแย้งตามมา 

ในปี 2570 ผู้ให้บริการด้านสุขภาพ 70% จะรวมข้อกำหนดและเงื่อนไขที่เกี่ยวข้องกับ AI ด้านอารมณ์ไว้ในสัญญาทางเทคโนโลยี มิฉะนั้นอาจเสี่ยงต่อความเสียหายทางการเงินหลายพันล้าน

ภาระงานของบุคลากรทางการแพทย์ที่เพิ่มขึ้นจนส่งผลให้มีผู้ลาออก อีกทั้งความต้องการของผู้ป่วยที่เพิ่มขึ้น และอัตราการหมดไฟ (Burnout) ของแพทย์ผู้เชี่ยวชาญกำลังก่อให้เกิดวิกฤตความเห็นอกเห็นใจ หรือ Empathy Crisis โดยการใช้ Emotional AI ในงานต่าง ๆ อาทิ การเก็บข้อมูลผู้ป่วย สามารถช่วยบุคลากรทางการแพทย์ให้มีเวลาว่างมากขึ้น ช่วยบรรเทาความเหนื่อยล้าและความคับข้องใจที่ประสบจากภาระงานที่เพิ่มขึ้น

ในปี 2571 บริษัทในดัชนี S&P 30% จะใช้การติดฉลาก GenAI เช่น “xxGPT” เพื่อปรับภาพแบรนด์และเพิ่มโอกาสในการสร้างรายได้ใหม่ ๆ 

ผู้บริหาร CMO ต่างมองว่า GenAI เป็นเครื่องมือที่สามารถใช้เปิดตัวร่วมกับทั้งผลิตภัณฑ์ใหม่และโมเดลธุรกิจใหม่ โดย GenAI ยังเปิดโอกาสให้เกิดช่องทางรายได้ใหม่ ๆ จากการนำผลิตภัณฑ์ออกสู่ตลาดได้รวดเร็วขึ้น พร้อมทั้งมอบประสบการณ์ลูกค้าที่ดีขึ้น รวมถึงทำให้กระบวนการต่าง ๆ เป็นอัตโนมัติ ขณะที่ภูมิทัศน์ของ GenAI มีการแข่งขันมากขึ้น หลายบริษัทกำลังสร้างความแตกต่างให้กับแบรนด์ด้วยการพัฒนาโมเดลเฉพาะทางที่ปรับให้เหมาะกับอุตสาหกรรมของตน

ในปี 2571 25% ของการละเมิดความปลอดภัยในองค์กร จะถูกสืบย้อนกลับไปที่การใช้ AI agent ในทางที่ผิด ทั้งจากผู้โจมตีภายนอกและภายในที่เป็นอันตราย

องค์กรจำเป็นต้องมีโซลูชันด้านความปลอดภัยและความเสี่ยงใหม่ ๆ เนื่องจาก AI agents เพิ่มพื้นที่การโจมตีที่มองไม่เห็นในองค์กรมากขึ้นอย่างมีนัยสำคัญ ซึ่งจะบังคับให้องค์กรต้องปกป้องธุรกิจของตนจากผู้โจมตีภายนอกที่ชาญฉลาดและจากพนักงานที่ไม่พอใจที่สร้าง AI agents เพื่อดำเนินกิจกรรมที่เป็นอันตราย 

“องค์กรไม่สามารถรอที่จะนำระบบการควบคุมต่าง ๆ เพื่อลดภัยคุกคามจาก AI agent มาใช้ได้ ดังนั้นแนวทางที่ง่ายกว่าคือการสร้างระบบการลดความเสี่ยงและความปลอดภัยเข้าไปไว้ในตัวผลิตภัณฑ์และซอฟต์แวร์ ซึ่งดีกว่าเพิ่มเข้าไปหลังจากเกิดเหตุการละเมิดความปลอดภัย” พลัมเมอร์กล่าวว่า

ในปี 2571 ผู้บริหาร CIOs 40% จะเรียกร้องให้มี “Guardian Agents” สำหรับเฝ้าติดตาม ดูแล หรือควบคุมผลลัพธ์ที่เกิดจากการกระทำของ AI agent โดยอัตโนมัติ

องค์กรกำลังให้ความสนใจ AI agents เพิ่มขึ้น แต่เมื่อมีการเพิ่มระดับความอัจฉริยะใน GenAI agent ใหม่ ๆ ก็มีแนวโน้มที่ผู้นำด้านผลิตภัณฑ์จะนำมาปรับใช้สำหรับวางแผนเชิงกลยุทธ์อย่างรวดเร็ว โดย “Guardian Agents” คือการพัฒนาต่อยอดจากแนวคิดการตรวจสอบความปลอดภัย การสังเกตการณ์ การรับรองการปฏิบัติตามกฎระเบียบ จริยธรรม การกรองข้อมูล การตรวจสอบบันทึก และกลไกอื่น ๆ อีกมากมายของ AI Agent ซึ่งตลอดปี 2568 ตัวเลขการเปิดตัวผลิตภัณฑ์ที่มี AI agent แบบมัลติเพิลจะเพิ่มขึ้นอย่างต่อเนื่อง พร้อมกับมียูสเคสการใช้งานที่ซับซ้อนยิ่งขึ้น

“อีกไม่นานการโจมตีด้านความปลอดภัยของ AI agent จะเป็นพื้นที่ภัยคุกคามใหม่ ซึ่งการนำมาตรการป้องกัน, ตัวกรองความปลอดภัย, การกำกับดูแลโดยมนุษย์ หรือแม้แต่การสังเกตการณ์ด้านความปลอดภัยมาใช้อาจยังไม่เพียงพอที่จะรับประกันว่าการใช้ AI agent นั้นมีความเหมาะสมและใช้งานได้อย่างสม่ำเสมอ” พลัมเมอร์ กล่าว

ปี 2570 บริษัทในกลุ่ม Fortune 500 จะเปลี่ยนงบประมาณ 5 แสนล้านดอลลาร์จากค่าใช้จ่ายในการดำเนินงานด้านพลังงานไปสู่ไมโครกริด เพื่อลดความเสี่ยงเรื้อรังด้านพลังงานและความต้องการด้าน AI

ไมโครกริดคือโครงข่ายพลังงานที่เชื่อมต่อกับการผลิต การกักเก็บรักษา และการจ่ายพลังงานในระบบที่แยกตัวเป็นอิสระ ซึ่งสามารถทำงานได้ด้วยตัวเองหรือทำงานร่วมกับระบบโครงข่ายพลังงานหลักเพื่อตอบสนองความต้องการใช้พลังงานในพื้นที่หรือสถานที่ที่มีความเฉพาะ

เทคโนโลยีนี้สร้างความได้เปรียบในการแข่งขันสำหรับการดำเนินงานต่าง ๆ ในประจำวันและช่วยลดความเสี่ยงด้านพลังงานในอนาคต โดยบริษัทในกลุ่ม Fortune 500 ที่ใช้จ่ายค่าดำเนินงานส่วนหนึ่งไปกับพลังงานควรพิจารณาลงทุนในไมโครกริด ซึ่งจะให้ผลตอบแทนที่ดีกว่าการจ่ายค่าสาธารณูปโภคที่มีแนวโน้มเพิ่มขึ้นต่อเนื่อง

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ, ประเทศไทย, 26 พฤศจิกายน 2567 — การ์ทเนอร์คาดการณ์รายได้ของอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลกจะเติบโตขึ้น 14% ในปี 2568 คิดเป็นมูลค่ารวมอยู่ที่ 717 พันล้านดอลลาร์สหรัฐฯ สำหรับปีนี้ คาดการณ์ตลาดจะเติบโตที่ 19% โดยจะมีมูลค่าแตะ 630 พันล้านดอลลาร์สหรัฐฯ 

หลังจากตลาดถดถอยในปี 2566 รายได้ของอุตสาหกรรมเซมิคอนดักเตอร์กำลังฟื้นตัวและคาดว่าจะกลับมาเติบโตระดับเลขสองหลักในปีนี้และปีหน้า (ดูตารางที่ 1) ราจีฟ ราชบุตร นักวิเคราะห์อาวุโสของการ์ทเนอร์ กล่าวว่า “การเติบโตนี้มาจากปัจจัยความต้องการที่เพิ่มขึ้นอย่างต่อเนื่องของเซมิคอนดักเตอร์ที่เกี่ยวข้องกับ AI และการฟื้นตัวในภาคการผลิตอุปกรณ์อิเล็กทรอนิกส์ ขณะที่ความต้องการภาคยานยนต์และภาคอุตสาหกรรมยังคงอ่อนแอ”  

ตารางที่ 1: คาดการณ์รายได้เซมิคอนดักเตอร์ทั่วโลกระหว่างปี 2566-2568 (หน่วย: พันล้านดอลลาร์สหรัฐ)

		2566		2567		2568
รายได้		530.0		629.8		716.7
การเติบโต (%)		-11.7		18.8		13.8

ที่มา: การ์ทเนอร์ (ตุลาคม 2567)

ในระยะสั้นตลาดหน่วยความจำ (Memory) และหน่วยประมวลผลกราฟิก (GPU) จะเป็นปัจจัยกระตุ้นรายได้ให้กับอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลก

คาดการณ์ว่าตลาด Memory ทั่วโลกจะมีรายได้เติบโต 20.5% ในปี 2568 คิดเป็นมูลค่ารวมทั้งสิ้น 196.3 พันล้านดอลลาร์สหรัฐฯ โดยปัญหาการขาดแคลนอุปทานอย่างต่อเนื่องในปีนี้ จะส่งผลให้ราคาหน่วยความจำประเภท NAND เพิ่มขึ้น 60% ในปีนี้ แต่คาดว่าราคาในปีหน้ามีแนวโน้มลดลง 3% เนื่องจากอุปทานและราคาที่ลดลงในปี 2568 คาดว่ารายได้หน่วยความจำแฟลช NAND จะมีมูลค่ารวมอยู่ที่ 75.5 พันล้านดอลลาร์สหรัฐฯ เพิ่มขึ้น 12% จากปี 2567 

ปัญหาการขาดแคลนอุปทานที่ปรับตัวดีขึ้นทำให้อุปสงค์และอุปทานของชิป DRAM กลับมาฟื้นตัวอีกครั้ง โดยการผลิตหน่วยความจำแบนด์วิดท์สูงหรือ High-Bandwidth Memory (HBM) ที่สูงเป็นประวัติการณ์ ผนวกกับความต้องการที่เพิ่มขึ้น และราคา Double Data Rate 5 หรือ DDR5 ที่สูงขึ้น คาดว่าภาพรวมรายได้ชิป DRAM ในปี 2568 จะมีมูลค่ารวมอยู่ที่ 115.6 พันล้านดอลลาร์สหรัฐฯ เพิ่มขึ้นจาก 90.1 พันล้านดอลลาร์สหรัฐฯ จากในปีนี้

ผลกระทบ AI กับตลาดเซมิคอนดักเตอร์

ตั้งแต่ปี 2566 ชิป GPU มีส่วนสำคัญต่อการใช้ฝึกฝนและพัฒนาโมเดล AI ต่าง ๆ โดยคาดว่าตลาดนี้จะมีรายได้รวมที่ 51 พันล้านดอลลาร์สหรัฐฯ และเพิ่มขึ้น 27% ในปี 2568 จอร์จ บร็อคเคิลเฮิร์สต์ รองประธานนักวิเคราะห์การ์ทเนอร์ เผยว่า “อย่างไรก็ตาม ตลาดนี้กำลังเปลี่ยนไปสู่ระยะที่มุ่งหวังผลตอบแทนจากการลงทุน (ROI) ซึ่งต้องการเห็นรายได้เติบโตเป็นหลายเท่าจากเม็ดเงินที่ลงทุนไปกับการฝึกฝนนั่นเอง“

หนึ่งในนั้นคือการเพิ่มขึ้นอย่างมากของความต้องการชิป HBM ซึ่งเป็นโซลูชันหน่วยความจำแบนด์วิดท์สูงของเซิร์ฟเวอร์ AI “ผู้ผลิตกำลังลงทุนกับการผลิตและบรรจุภัณฑ์ของชิป HBM อย่างมาก เพื่อให้สอดรับความต้องการของชิป GPU และชิป AI Accelerator รุ่นใหม่ ๆ” บร็อคเคิลเฮิร์สต์ กล่าวเพิ่มเติม

การ์ทเนอร์คาดว่ารายได้ชิป HBM ในปีนี้ จะเพิ่มขึ้นมากกว่า 284% และเพิ่ม 70% ในปี 2568 โดยคิดเป็นมูลค่า 12.3 พันล้านดอลลาร์สหรัฐฯ และ 21 พันล้านดอลลาร์สหรัฐฯ ตามลำดับ นักวิเคราะห์การ์ทเนอร์คาดว่าภายในปี 2569 ชิป HBM กว่า 40% จะรองรับการประมวลผล AI แบบอนุมาน เทียบกับในปัจจุบันที่มีน้อยกว่า 30% ส่วนใหญ่เป็นผลมาจากการใช้งานการอนุมานที่เพิ่มขึ้นและข้อจำกัดในการนำชิป GPU สำหรับการฝึกฝนมาใช้ใหม่

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ, ประเทศไทย, 8 พฤศจิกายน 2567 — การ์ทเนอร์ประกาศ 10 อันดับเทรนด์เทคโนโลยีเชิงกลยุทธ์ที่องค์กรต้องจับตาในปี 2568

ยีน อัลวาเรซ รองประธานอาวุโสการ์ทเนอร์ กล่าวว่า “ปีนี้แนวโน้มเทคโนโลยีเชิงกลยุทธ์ครอบคลุมความจำเป็นและความเสี่ยง AI, ขอบเขตใหม่ของการประมวลผล และการทำงานร่วมกันระหว่างมนุษย์และเครื่องจักร ซึ่งการติดตามแนวโน้มเหล่านี้ช่วยให้ผู้นำไอทีสามารถกำหนดอนาคตองค์กรด้วยการนำนวัตกรรมมาปรับใช้อย่างมีความรับผิดชอบและมีจริยธรรม“

เทรนด์เทคโนโลยีเชิงกลยุทธ์ที่สำคัญในปี 2568 ประกอบด้วย 

Agentic AI

ระบบตัวแทนเอไอหรือ Agentic AI สามารถใช้วางแผนและดำเนินการแบบอัตโนมัติเพื่อบรรลุเป้าหมายตามที่ผู้ใช้กำหนด โดย Agentic AI จะนำเสนอการทำงานเสมือนจริงของทีมงานเพื่อช่วยแบ่งเบาภาระและเพิ่มประสิทธิภาพงานของมนุษย์ การ์ทเนอร์คาดว่า ในปี 2571 การตัดสินใจเรื่องงานประจำวันจะเป็นอัตโนมัติโดยทำงานผ่าน Agentic AI จะมีอย่างน้อย 15% เพิ่มขึ้นจากเดิม 0% ในปี 2567 โดยความสามารถที่ขับเคลื่อนด้วยเป้าหมายของเทคโนโลยีนี้จะมอบระบบซอฟต์แวร์ที่ปรับเปลี่ยนได้มากขึ้น ช่วยให้ทำงานได้หลากหลายขึ้น

Agentic AI มีศักยภาพช่วยให้ผู้บริหาร CIO สามารถเพิ่มประสิทธิภาพการทำงานได้ทั่วทั้งองค์กร โดยแรงจูงใจนี้ยังผลักดันให้ทั้งองค์กรและผู้จำหน่ายร่วมกันสำรวจ สร้างสรรค์นวัตกรรมและพัฒนาเทคโนโลยีพร้อมแนวทางปฏิบัติที่จำเป็นเพื่อส่งมอบเทคโนโลยีนี้ในรูปแบบที่มั่นคง ปลอดภัย และเชื่อถือได้

AI Governance Platforms

แพลตฟอร์มการกำกับดูแล AI หรือ AI Governance Platform เป็นส่วนหนึ่งของแนวทางการจัดการความน่าเชื่อถือ ความเสี่ยง และความปลอดภัยของ AI (หรือที่เรียกว่า TRiSM) ที่การ์ทเนอร์กำลังพัฒนาอยู่ ช่วยให้องค์กรต่าง ๆ นั้นสามารถจัดการประสิทธิภาพทางกฎหมาย จริยธรรม และการดำเนินงานระบบ AI โดยโซลูชันเทคโนโลยีเหล่านี้มีความสามารถในการสร้างสรรค์ จัดการและบังคับใช้หลักเกณฑ์สำหรับการใช้งาน AI อย่างมีความรับผิดชอบ รวมถึงอธิบายวิธีการทำงานของระบบ AI และยังนำเสนอความโปร่งใสเพื่อสร้างความเชื่อมั่นและความรับผิดชอบ

การ์ทเนอร์คาดการณ์ว่า ในปี 2571 องค์กรที่ใช้ AI Governance Platform อย่างครอบคลุมจะเจอสถานการณ์ที่เกี่ยวข้องกับธรรมมาภิบาลด้าน AI น้อยลง 40% เทียบกับองค์กรที่ไม่มีระบบดังกล่าว

Disinformation Security

ความปลอดภัยข้อมูลเท็จ หรือ Disinformation Security เป็นเทคโนโลยีใหม่ที่กำลังเกิดขึ้น ซึ่งแยกแยะความน่าเชื่อถืออย่างเป็นระบบ และมุ่งหวังที่จะจัดทำระบบเชิงวิธีการเพื่อรับรองและประเมินความถูกต้อง รวมถึงป้องกันการแอบอ้างตัวตน และติดตามการแพร่กระจายข้อมูลที่เป็นอันตราย การ์ทเนอร์คาดว่า ในปี 2571 องค์กรธุรกิจถึง 50% จะเริ่มนำผลิตภัณฑ์ บริการ หรือฟีเจอร์ที่ออกแบบมาโดยเฉพาะเพื่อจัดการกับยูสเคสการใช้งานความปลอดภัยของข้อมูลเท็จมาใช้ เพิ่มขึ้นจากปัจจุบันที่มีไม่ถึง 5%

คาดว่าความพร้อมใช้งานวงกว้างและพัฒนาการของเครื่องมือ AI รวมถึง Machine Learning ที่ถูกนำไปใช้เพื่อจุดประสงค์ไม่หวังดี จะเพิ่มจำนวนเหตุการณ์การให้ข้อมูลเป็นเท็จ (Disinformation Incidents) ที่มุ่งเป้าไปที่องค์กรต่าง ๆ หากปล่อยทิ้งไว้โดยไม่ตรวจสอบข้อมูลเท็จเหล่านี้ อาจสร้างความเสียหายร้ายแรงสำคัญต่อองค์กรใดก็ได้

Postquantum Cryptography

การเข้ารหัสแบบ Postquantum Cryptography ให้การป้องกันข้อมูล ซึ่งต้านทานความเสี่ยงจากการถอดรหัสของคอมพิวเตอร์ควอนตัม เนื่องจากช่วงไม่กี่ปีที่ผ่านมาคอมพิวเตอร์ควอนตัมมีความก้าวหน้าอย่างต่อเนื่อง คาดว่าจะมีการยุติการเข้ารหัสแบบเดิมในหลายประเภทที่ใช้กันอย่างแพร่หลาย แต่การเปลี่ยนวิธีการเข้ารหัสนั้นไม่ใช่เรื่องง่าย ดังนั้นองค์กรจำเป็นต้องใช้เวลาเตรียมการล่วงหน้านานขึ้น เพื่อเตรียมพร้อมสร้างการป้องกันที่แข็งแกร่งสำหรับสิ่งที่ละเอียดอ่อนหรือเป็นความลับใด ๆ ก็ตาม

การ์ทเนอร์คาดการณ์ว่า ในปี 2572 ความก้าวหน้าคอมพิวเตอร์ควอนตัมจะทำให้การเข้ารหัสแบบอสมมาตร (Asymmetric Cryptography) แบบเดิมส่วนใหญ่ไม่ปลอดภัยต่อการใช้งาน

Ambient Invisible Intelligence

ปัญญาประดิษฐ์ที่แฝงตัวตามสภาพแวดล้อม หรือ Ambient Invisible Intelligence นั้นเกิดขึ้นจากการใช้อุปกรณ์ติดตามอัจฉริยะ หรือ Smart Tags และอุปกรณ์เซ็นเซอร์ขนาดเล็กที่มีต้นทุนต่ำเป็นพิเศษ ช่วยให้สามารถติดตามและตรวจจับได้ในวงกว้าง โดยในระยะยาว Ambient Invisible Intelligence จะช่วยให้สามารถผสานการตรวจจับและปัญญาประดิษฐ์เข้าไว้กับชีวิตประจำวันได้ลึกซึ้งยิ่งขึ้น

จนถึงปี 2570 ตัวอย่างแรก ๆ ของเทคโนโลยี Ambient Invisible Intelligence จะมุ่งเน้นไปที่การแก้ไขปัญหาเฉพาะหน้า เช่น การตรวจสอบสต๊อกสินค้าปลีกหรือการขนส่งสินค้าเน่าเสียง่าย โดยทำให้สามารถติดตามและตรวจจับสินค้าได้แบบเรียลไทม์ด้วยต้นทุนต่ำ เพื่อปรับปรุงการมองเห็นและประสิทธิภาพ

Energy-Efficient Computing

อุตสาหกรรมไอทีส่งผลกระทบต่อความยั่งยืนหลาย ๆ ด้าน แม้ในปีนี้องค์กรไอทีส่วนใหญ่ต่างคำนึงถึงการลดปริมาณการปล่อยคาร์บอนเป็นหลัก แต่แอปพลิเคชันที่ต้องใช้การประมวลผลสูง เช่น การฝึกอบรม AI การจำลอง การเพิ่มประสิทธิภาพ และการเรนเดอร์มีเดียต่าง ๆ กลับมีแนวโน้มเป็นปัจจัยสำคัญที่ส่งผลต่อการปล่อยคาร์บอนขององค์กรมากที่สุด เนื่องจากใช้พลังงานเยอะสุด

การ์ทเนอร์คาดว่าตั้งแต่ช่วงปลายทศวรรษ 2020 เป็นต้นมา เทคโนโลยีการประมวลผลใหม่ ๆ หลายตัว อาทิ เครื่องเร่งความเร็วแบบออปติคอล (Optical), นิวโรมอร์ฟิก (Neuromorphic) และตัวเร่งความเร็วแบบใหม่ (Novel Accelerators) จะเกิดขึ้นกับงานเฉพาะทาง เช่น AI และการเพิ่มประสิทธิภาพให้ระบบ หรือ Optimization ซึ่งจะใช้พลังงานน้อยลงอย่างมาก

Hybrid Computing

ระบบการประมวลผลใหม่เกิดขึ้นอยู่เรื่อย ๆ ประกอบด้วย การประมวลผลด้วยหน่วยประมวลผลกลาง (CPU), หน่วยประมวลผลกราฟิก (GPU), การประมวลผล Edge, วงจรรวมเฉพาะแอปพลิเคชัน (ASIC), นิวโรมอร์ฟิก (Neuromorphic) และควอนตัมคลาสสิก (Classical Quantum) รวมถึงระบบการคำนวณแบบออปติก (Optical Computing Paradigms) โดยการประมวลผลแบบไฮบริดที่รวมกลไกการคำนวณ การจัดเก็บและใช้เครือข่ายที่แตกต่างกันมีวัตถุประสงค์เพื่อใช้แก้ปัญหาด้านการคำนวณ โดยรูปแบบการคำนวณเหล่านี้ช่วยให้องค์กรสามารถสำรวจและแก้ปัญหาได้ ทำให้เทคโนโลยี อย่างเช่น AI ทำงานได้เกินขีดจำกัดในปัจจุบัน และการประมวลผลแบบไฮบริดยังถูกนำมาใช้สร้างสภาพแวดล้อมนวัตกรรมที่เปลี่ยนแปลงอย่างมีประสิทธิภาพสูง ซึ่งมีประสิทธิภาพมากกว่าสภาพแวดล้อมเดิม

Spatial Computing

การประมวลผลเชิงพื้นที่หรือ Spatial Computing ช่วยปรับปรุงโลกกายภาพด้วยเทคโนโลยีดิจิทัล เช่น AR และ VR ซึ่งเป็นการโต้ตอบอีกระดับระหว่างประสบการณ์ทางกายภาพและประสบการณ์เสมือนจริง ในอีก 5 ถึง 7 ปีข้างหน้า การใช้ Spatial Computing จะเพิ่มประสิทธิภาพการดำเนินงานให้กับองค์กรผ่านเวิร์กโฟลว์ที่ได้รับการปรับปรุงและเพิ่มประสิทธิภาพการทำงานร่วมกัน 

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2576 Spatial Computing จะมีมูลค่าเติบโตถึง 1.7 ล้านล้านดอลลาร์สหรัฐฯ เพิ่มขึ้นจาก 110 พันล้านดอลลาร์สหรัฐฯ ในปี 2566

Polyfunctional Robots

เครื่องจักรอเนกประสงค์ หรือ Polyfunctional Machines สามารถทำงานได้มากกว่าหนึ่งอย่าง และกำลังเข้ามาแทนที่หุ่นยนต์ที่ออกแบบมาให้ทำงานซ้ำ ๆ เฉพาะงาน โดยการทำงานของหุ่นยนต์รุ่นใหม่นี้จะช่วยเพิ่มประสิทธิภาพและให้ผลตอบแทนการลงทุนที่รวดเร็วขึ้น Polyfunctional Robots ยังได้รับการออกแบบมาให้ทำงานในโลกร่วมกับมนุษย์ ซึ่งจะทำให้ใช้งานได้รวดเร็วและปรับขนาดได้ง่าย

การ์ทเนอร์คาดการณ์ว่า ในปี 2573 จะมีมนุษย์ถึง 80% ทำงานร่วมกับหุ่นยนต์อัจฉริยะประจำวัน เพิ่มขึ้นจากปัจจุบันที่มีไม่ถึง 10% 

Neurological Enhancement

การเพิ่มประสิทธิภาพระบบประสาทหรือ Neurological Enhancement จะช่วยเพิ่มความสามารถทางปัญญาของมนุษย์โดยใช้เทคโนโลยีที่อ่านและถอดรหัสกิจกรรมของสมอง เทคโนโลยีนี้จะอ่านสมองของบุคคลโดยใช้อินเทอร์เฟซสมอง-เครื่องจักรแบบทั้งทิศทางเดียวหรืออินเทอร์เฟซสมอง-เครื่องจักรแบบสองทิศทาง (BBMI) ซึ่งมีศักยภาพมหาศาลในสามด้านหลัก ได้แก่ ด้านการพัฒนาทักษะของมนุษย์ ด้านการตลาดในยุคถัดไป และด้านประสิทธิภาพ โดย Neurological Enhancement จะช่วยเพิ่มขีดความสามารถทางปัญญา ช่วยให้แบรนด์ต่าง ๆ ทราบว่าผู้บริโภคกำลังคิดและรู้สึกอย่างไร และเพิ่มความสามารถของระบบประสาทมนุษย์เพื่อเพิ่มประสิทธิภาพให้แก่ผลลัพธ์

ในปี 2573 การ์ทเนอร์คาดการณ์ว่าพนักงานที่มีทักษะความรู้ (Knowledge Workers) 30% จะได้รับการพัฒนา และพึ่งพาเทคโนโลยี เช่น BBMIs (ทั้งแบบนายจ้างออกทุนให้และแบบออกทุนเอง) เพื่อให้สามารถทำงานสอดรับกับการเพิ่มขึ้นของการใช้ AI ในสถานที่ทำงาน จากเดิมในปี 2567 ที่มีอยู่ไม่ถึง 1%

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ ประเทศไทย, 28 ตุลาคม 2567 — การ์ทเนอร์คาดการณ์ว่าสิ้นปีหน้า (2568) จะมีปริมาณรถยนต์ไฟฟ้า (EVs) จำนวน 85 ล้านคัน วิ่งบนท้องถนน ครอบคลุมประเภทต่าง ๆ อาทิ รถยนต์, รถบัส, รถตู้ และรถบรรทุกขนาดใหญ่

โจนาธาน ดาเวนพอร์ท ผู้อำนวยการอาวุโสฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “แม้จะมีอุปสรรคหลายอย่างส่งผลกระทบต่อตลาดรถยนต์ไฟฟ้าในช่วงไม่กี่เดือนที่ผ่านมา แต่เรายังคาดการณ์ว่าในปีนี้ยอดรวมของรถยนต์ไฟฟ้าทั่วโลกจะอยู่ที่ 64 ล้านคัน และจะเพิ่มขึ้น 33% ในปี 2568 ซึ่งผลจากการที่บริษัทหลายแห่งต่างประเมินสูงเกินจริงไปว่าการเปลี่ยนไปใช้รถยนต์ไฟฟ้าจะเกิดขึ้นรวดเร็ว นั่นส่งผลให้ต้องเลื่อนการเปิดตัวรถยนต์ไฟฟ้ารุ่นใหม่ ๆ ออกไป โดยปัจจัยขับเคลื่อนการเติบโตของตลาดรถยนต์ไฟฟ้าในปีหน้านั้น หลัก ๆ มาจากยอดขายที่เพิ่มสูงขึ้นในจีน (58%) และยุโรป (24%) ซึ่งเมื่อนับรวมกันแล้วคิดเป็น 82% ของจำนวนรถยนต์ไฟฟ้าทั้งหมดทั่วโลก“

การ์ทเนอร์คาดว่า สิ้นปี 2568 ปริมาณรถยนต์ไฟฟ้าแบตเตอรี่ (BEVs) จะมีจำนวนเกือบ 62 ล้านคัน เพิ่มขึ้น 35% จากปี 2567 ส่วนรถยนต์ไฟฟ้าปลั๊กอินไฮบริด (PHEVs) คาดว่าจะเติบโตในอัตราที่ช้ากว่าเล็กน้อยและปีหน้าจะมีปริมาณอยู่ที่ 23 ล้านคัน เพิ่มขึ้น 28% จากปี 2567 (ดูตารางที่ 1)

ตารางที่ 1 ปริมาณรถยนต์ไฟฟ้าทั่วโลกจำแนกตามประเภทรถ ระหว่างปี 2566-2568 (หน่วย: ตามจริง)

		2023 Installed Base		2024 Installed Base		2025 Installed Base
BEV		32,628,884		45,872,824		61,860,183
PHEV		13,402,907		18,159,560		23,283,006
Total		46,031,791		64,032,383		85,143,189

ที่มา: การ์ทเนอร์ (ตุลาคม 2567)

สำหรับประเทศไทย การ์ทเนอร์คาดว่าในปี 2568 จะมีรถยนต์ไฟฟ้า (EVs) มากกว่า 77,800 คัน เพิ่มขึ้น 49% จากปี 2567 โดยรถยนต์ไฟฟ้าแบตเตอรี่จะมีสัดส่วน 74% และมียอดรวมทั้งหมดกว่า 57,900 คัน (ดูตารางที่ 2) 

ตารางที่ 2 ปริมาณรถยนต์ไฟฟ้าในประเทศไทยจำแนกตามประเภทรถ ระหว่างปี 2566-2568 (หน่วย: ตามจริง)

		2023 Installed Base		2024 Installed Base		2025 Installed Base
BEV		24,720		38,135		57,926
PHEV		9,392		13,943		19,880
Total		34,112		52,078		77,805

ที่มา: การ์ทเนอร์ (ตุลาคม 2567)

สำหรับในระดับภูมิภาค การ์ทเนอร์คาดว่าความต้องการเป็นเจ้าของรถยนต์ไฟฟ้าในจีนจะยังคงมีปริมาณมากกว่าจำนวนรถยนต์ไฟฟ้าส่วนที่เหลือของโลกรวมกันยาวไปจนถึงปีหน้า และอาจเป็นเช่นนี้ต่อไปอีกทศวรรษ โดยความต้องการรถยนต์ไฟฟ้าจะเติบโตอย่างต่อเนื่องในยุโรปและอเมริกาเหนือ คาดว่าจะคิดเป็น 36% ของยอดรวมรถยนต์ไฟฟ้าทั่วโลกในปีนี้ (2567) การ์ทเนอร์ประมาณการว่าในปีหน้า (2568) จะมีรถยนต์ไฟฟ้า 49 ล้านคัน วิ่งอยู่ตามท้องถนนในจีน 20.6 ล้านคันในยุโรป และ 10.4 ล้านคันในอเมริกาเหนือ

ภายในอีกหกปี (2573) ผู้ผลิตรถยนต์จะสามารถรีไซเคิลแบตเตอรี่รถ EVs ได้สูง 95% ช่วยลดปัญหาขาดแคลนวัตถุดิบ 

ตามที่คาดการณ์ว่ายอดจำหน่ายรถยนต์ไฟฟ้าจะเพิ่มสูงขึ้นทุกปี และการแก้ไขปัญหาขาดแคลนวัตถุดิบถือเป็นเรื่องท้าทาย ดังนั้น “ความพยายามในการรีไซเคิลอย่างจริงจังเพื่อใช้ประโยชน์จากแบตเตอรี่ที่ผ่านการใช้งานรวมถึงเศษวัสดุจากกระบวนการผลิต ผนวกเข้ากับความพยายามของสหภาพยุโรปเพื่อบังคับให้มีการรีไซเคิลแบตเตอรี่ ก็อาจช่วยลดความจำเป็นในการขุดแร่เพิ่มเติมได้” ดาเวนพอร์ตกล่าวเพิ่มเติม 

“เนื่องจากความเข้มข้นของโลหะหายากในแบตเตอรี่มีสูงกว่าแร่ธรรมชาติ ดังนั้นแบตเตอรี่ที่ใช้งานแล้วจึงอาจถือเป็นแร่ที่มีความเข้มข้นสูง หากสามารถนำกลับมาใช้ใหม่ได้ในปริมาณมาก ๆ อาจช่วยเพิ่มโอกาสทางการค้าในภาพรวมของตลาดรถยนต์ไฟฟ้า ด้วยการลดราคาแบตเตอรี่ลง นอกจากนี้ยังมีประโยชน์เพิ่มเติมคือ แบตเตอรี่จะไม่ถูกกำจัดด้วยวิธีที่ผิดจริยธรรมหรือถูกนำไปทิ้งในหลุมฝังกลบ” ดาเวนพอร์ตกล่าวสรุป

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

การนำ Generative AI มาใช้อย่างรวดเร็วก่อให้เกิดข้อถกเถียงอย่างมากถึงผลกระทบของ AI ที่มีต่อสังคม ซึ่งองค์กรจะต้องสร้างสมดุลระหว่างศักยภาพเทคโนโลยีที่มีความสำคัญนี้กับความเสี่ยงใหม่ ๆ ที่อาจเกิดขึ้น โดยเฉพาะการใช้ AI ไปในทางที่ผิด

องค์กรควรมีแนวทางป้องกันอย่างเหมาะสมเพื่อยกระดับศักยภาพเทคโนโลยี พร้อมรับมือความท้าทายที่เกิดขึ้น ซึ่งสามารถทำได้โดยการวางกรอบการกำกับดูแลหรือ Governance Framework ที่มีความยืดหยุ่นและสามารถปรับให้เหมาะกับคุณสมบัติเฉพาะของ AI พร้อมมั่นใจว่าเทคโนโลยีนี้จะได้รับการนำไปใช้อย่างปลอดภัยและมีความรับผิดชอบแต่แท้จริง AI Governance คืออะไร และเหตุใดองค์กรควรให้ความสำคัญอย่างจริงจัง?

แม้เป็นคำที่ดูสวนทางกัน แต่การกำกับดูแลที่ดีนั้นทำให้เกิดนวัตกรรมที่ดียิ่งกว่า เนื่องจากนำเสนอข้อจำกัดและแนวทางป้องกันที่ทำให้องค์กรสามารถทำความเข้าใจกับคำถามทั้งในด้านคุณค่าและความเสี่ยงของ AI รวมถึงมีพื้นที่สร้างสรรค์นวัตกรรมและผลลัพธ์

การขยายขอบเขตการใช้งาน AI โดยปราศจากการควบคุมดูแลนั้นทำให้ไม่เกิดประสิทธิภาพและเป็นอันตราย สังคมต่างคาดหวังให้องค์กรดำเนินงานด้วยความโปร่งใส รับผิดชอบและมีจริยธรรม ดังนั้นการควบคุมดูแล AI จึงมีความจำเป็นเพื่อตอบสนองต่อความต้องการทางสังคมเหล่านี้ พร้อมยังคงให้ความสำคัญกับความก้าวหน้าในการจัดการกับความซับซ้อน ความคลุมเครือ และวิวัฒนาการทางเทคโนโลยีที่เปลี่ยนรวดเร็ว

นอกจากการพิจารณาผลกระทบต่อสังคมวงกว้างและการปฏิบัติตามกฎระเบียบ องค์กรจำเป็นต้องสร้างสมดุลระหว่างข้อกำหนดเพื่อสร้างความไว้วางใจในการแข่งขันและควบคุมการใช้งานในที่ทำงานร่วมกับคุณค่าทางธุรกิจ ความเสี่ยงต่อองค์กร รวมถึงความเป็นส่วนตัวของพนักงาน ลูกค้าและพลเมืองตามปัจเจกบุคคล

ตัวอย่างเช่น การกำกับดูแล AI จะต้องกำหนดแนวทางการลดอคติและมีข้อกำหนดเพื่อตรวจสอบ โดยคำนึงถึงความแตกต่างทางวัฒนธรรมและระเบียบข้อบังคับที่คุ้มครองสิทธิส่วนบุคคลและกลุ่มบุคคล อคติสามารถส่งผลลบต่อระดับการยอมรับ AI ในองค์กรและในสังคมภาพรวมได้ ซึ่งอคติถือเป็นปัญหาร้ายแรงขององค์กรข้ามชาติ เนื่องจากในแต่ละประเทศมีบรรทัดฐานทางวัฒนธรรมและระเบียบข้อบังคับที่เกี่ยวข้องแตกต่างกัน อาทิ กฎหมายคุ้มครองผู้บริโภค เป็นต้น

สิ่งสำคัญสำหรับองค์กรคือการชี้ชัดบุคลากรที่จะมาจัดการกับปัญหาต่าง ๆ ที่เกี่ยวกับองค์กร สังคม ลูกค้า และพนักงาน ซึ่งควรเป็นผู้ที่มีแนวคิด มีพื้นฐานความรู้และมีบทบาทหลากหลาย จากนั้นแยกแยะการตัดสินใจในการกำกับดูแลและสิทธิการตัดสินใจ โดยใช้ความเชี่ยวชาญและมุมมองที่พวกเขามีสิทธิการตัดสินใจสำหรับกำหนดอำนาจและความรับผิดชอบสำหรับธุรกิจ เทคโนโลยี รวมถึงการตัดสินใจทางจริยธรรม ซึ่งควรมุ่งความสนใจไปที่ AI Content เป็นสิ่งสำคัญที่สุด โดยต้องได้รับการควบคุมดูแลอย่างเข้มงวด แต่ในทางกลับกัน องค์กรสามารถให้มีอิสระในการตัดสินใจด้าน AI Content ที่ไม่สำคัญได้ ขณะที่พนักงานที่ใช้ AI ช่วยทำงานจะต้องตระหนักว่าพวกเขาต้องรับผิดชอบต่อผลลัพธ์ที่เกิดขึ้น

ขจัดความซับซ้อนของ AI ด้วยการกำกับดูแล

AI พัฒนาอยู่ท่ามกลางภูมิทัศน์ทางเทคโนโลยีที่เปลี่ยนแปลงและมีความซับซ้อนอยู่ตลอด รวมถึงมีความคลุมเครือตามธรรมชาติของเทคโนโลยีนี้ ที่สามารถนำไปสู่การขาดความเข้าใจถึงผลกระทบต่อชื่อเสียง ธุรกิจ และสังคม

การกำกับดูแลควรสะท้อนถึงคุณลักษณะการทำงานข้ามฟังก์ชันและคาดการณ์การทำงานของ AI โดยสิ่งที่องค์กรหลายแห่งมักก่อข้อผิดพลาด คือ การกำหนดให้ AI Governance เป็นโครงการแบบ Standalone ซึ่งแท้ที่จริงควรเป็นการขยายขอบเขตของมาตรการที่มีอยู่เดิมในองค์กรต่างหาก

การดึงประสิทธิภาพจากแนวทางการกำกับดูแลที่มีอยู่เดิมและการนำแนวทางที่เคยประสบความสำเร็จแล้วกลับมาใช้ซ้ำจะทำให้การจัดการผลกระทบของ AI เป็นเรื่องที่เข้าใจง่ายขึ้นและลดความท้าทายน้อยลง แม้จะมีแนวทางมากมายนำไปใช้กับ AI ได้ เช่น การจำแนกข้อมูล การกำหนดมาตรฐาน และการกำหนดแนวทางการสื่อสาร แต่ก็มีแนวทางที่เป็นลักษณะเฉพาะเช่นกัน ได้แก่ การสร้างความน่าเชื่อถือ ความโปร่งใส และความหลากหลาย รวมถึงวิธีการที่จะนำไปใช้ร่วมกับผู้คน ข้อมูล และเทคนิคต่าง ๆ ก็ถือเป็นสิ่งสำคัญ

การตัดสินใจสำคัญเกี่ยวกับ AI ในองค์กรหลายแห่ง กระทำผ่านคณะกรรมการด้าน AI หรือ AI Council โดยทั่วไปผู้ที่นั่งเป็นประธานจะเป็น ผู้บริหาร CIO หรือ CDAO และมีกลุ่มคณะทำงานที่เป็นตัวแทนจากหน่วยธุรกิจอื่น ๆ ทั่วทั้งองค์กรมาร่วมด้วย โดยกลุ่มคณะกรรมการที่มีความหลากหลายนี้จำเป็นต้องทำงานสัมพันธ์โดยตรงร่วมกับกลุ่มผู้มีหน้าที่กำกับดูแลอื่น ๆ เพื่อเป็นแกนนำในความพยายามผลักดัน AI Governance 

ภารกิจแรกของคณะกรรมการ คือ การรับรองการปฏิบัติตามกฎระเบียบที่เกี่ยวข้อง แม้ว่าความเป็นส่วนตัวจะเป็นข้อกังวลสูงสุดและเห็นชัดเจนสุด แต่ก็ยังมีข้อกำหนดทางกฎหมายและข้อกำหนดเฉพาะของแต่ละอุตสาหกรรมทุกประเภทที่ต้องปฏิบัติตาม

การกำกับดูแล AI เริ่มจากความต้องการสนับสนุนเป้าหมายทางธุรกิจ โดยเป้าหมายของ AI ในโครงการนำร่องหรือในกระบวนการพิสูจน์เชิงแนวคิด หรือ Proof Of Concept (POC) นั้นควรเป็นการพิสูจน์คุณค่าตามที่คณะกรรมการกำหนดและอนุมัติร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจอื่น ๆ ไม่ใช่การวัดผล เช่น ความแม่นยำ หรือเปรียบเทียบกับเครื่องมือเทคนิคอื่น ๆ 

สำหรับองค์กรที่ใช้ AI ขั้นสูง หรือ AI-Advanced Organisations ยังรวมถึงการกำกับดูแลวงจรชีวิต AI ทั้งหมด ตามเป้าหมายเพื่อให้สามารถนำส่วนประกอบ AI กลับมาใช้ใหม่ได้ พร้อมเร่งการส่งมอบ รวมถึงการปรับขนาดการใช้ AI ให้ครอบคลุมทั่วทั้งองค์กร 

เกี่ยวกับผู้เขียน

สเวตลานา ซิคูลาร์ เป็นรองประธานนักวิเคราะห์การ์ทเนอร์ ที่มีความเชี่ยวชาญด้าน Generative AI พร้อมเป็นผู้บุกเบิกการวิจัยตั้งแต่ยุคแรกเริ่ม อันนำไปสู่การใช้ AI อย่างมีความรับผิดชอบ ได้แก่ AI Governance, Augmented Intelligence และ Big Data

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

กรุงเทพฯ ประเทศไทย 25 กันยายน 2567 การ์ทเนอร์คาดการณ์ว่าในอีกสามปี (พ.ศ. 2570) 40% ของโซลูชัน generative AI จะทำงานในแบบมัลติโหมดที่จะสามารถประมวลผล ทำความเข้าใจและทำงานร่วมกับข้อมูลได้มากกว่าหนึ่งประเภท (อาทิ ข้อความ, รูปภาพ, เสียง และวิดีโอ) ซึ่งเพิ่มขึ้นจาก 1% ในปี 2566 โดยการเปลี่ยนแปลงนี้ทำให้ Human-AI มีปฏิสัมพันธ์ที่พัฒนายิ่งขึ้น และยังมอบโอกาสที่จะสร้างความต่างให้กับสิ่งที่ GenAI มีให้

เอริค เบรทเดอนิวซ์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “เนื่องจากตลาด GenAI วิวัฒน์ไปสู่โมเดลที่เกิดและพัฒนาด้วยโหมดต่าง ๆ มากกว่าหนึ่งโหมด สิ่งนี้ช่วยสะท้อนภาพความสัมพันธ์ระหว่างข้อมูลที่ส่งออกมาในปริมาณมากและเพิ่มขึ้นต่อเนื่องที่แตกต่างกัน และมีศักยภาพในการปรับขนาดการใช้และเพิ่มประโยชน์ของ GenAI ให้ครอบคลุมประเภทข้อมูลและแอปพลิเคชันทั้งหมด นอกจากนี้ยังช่วยให้ AI สนับสนุนการทำงานของมนุษย์ได้มากขึ้นโดยไม่คำนึงถึงสภาพแวดล้อม”

Multimodal GenAI เป็นหนึ่งในสองเทคโนโลยีที่ได้รับการระบุไว้ในรายงาน Gartner Hype Cycle for Generative AI ปีนี้ โดยการนำมาใช้ช่วงแรกอาจสร้างความได้เปรียบในการแข่งขันที่สำคัญและเพิ่มประสิทธิภาพในด้านระยะเวลาในการนำออกสู่ตลาด ควบคู่ไปกับโมเดลภาษาโอเพนซอร์สขนาดใหญ่ (LLM) ทำให้เทคโนโลยีทั้งสองมีศักยภาพที่จะสร้างผลกระทบสูงต่อองค์กรอย่างสูงภายในห้าปีข้างหน้านี้ 

บรรดานวัตกรรม GenAI ที่การ์ทเนอร์คาดว่าจะได้รับการยอมรับแพร่หลายภายใน 10 ปีนั้น มีเทคโนโลยี 2 ประเภทที่ได้รับการระบุว่ามีศักยภาพสูงสุด ได้แก่ Domain-Specific GenAI Models และ Autonomous Agents (ดูรูปที่ 1) 

รูปที่ 1: วงจรเทคโนโลยีสำหรับ Generative AI ปี 2567 

ที่มา:การ์ทเนอร์ (กันยายน 2567) 

อรุณ จันทรเศกการัน รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “การวิเคราะห์แนวโน้มระบบนิเวศของ GenAI ยังคงเป็นเรื่องยากสำหรับองค์กร เนื่องจากระบบนิเวศของเทคโนโลยีนี้และผู้ผลิตหรือผู้ให้บริการเทคโนโลยีนั้นมีการเปลี่ยนแปลงอย่างรวดเร็ว โดย GenAI กำลังอยู่ในช่วงขาลงเมื่ออุตสาหกรรมเริ่มรวมตัวเข้าด้วยกัน ทว่าประโยชน์ที่แท้จริงจะเกิดขึ้นเมื่อกระแสนี้ลดลง และตามมาด้วยขีดความสามารถที่ก้าวหน้าขึ้นจะเกิดขึ้นรวดเร็วไปอีกมากในอีกไม่กี่ปีข้างหน้านี้”

Multimodal GenAI

Multimodal GenAI จะมีผลกระทบต่อแอปพลิเคชันองค์กรอย่างมาก จากการเพิ่มคุณสมบัติและฟังก์ชันใหม่ ๆ ที่วิธีอื่น ๆ ทำไม่ได้ และผลกระทบนั้นไม่ได้จำกัดอยู่แค่เฉพาะอุตสาหกรรมหรือยูสเคสการใช้งานเฉพาะเท่านั้น แต่ยังสามารถนำไปประยุกต์ใช้ในทุก Touchpoint ระหว่าง AI กับมนุษย์ ปัจจุบัน Multimodal Model หลาย ๆ ตัวยังมีข้อจำกัดอยู่เพียงสองหรือสามโหมดเท่านั้น แต่อีกไม่กี่ปีข้างหน้าจะเพิ่มขึ้นเพื่อให้ครอบคลุมมากขึ้น 

“ในโลกความเป็นจริง ผู้คนจะพบเจอและเข้าใจข้อมูลผ่านการประมวลผลที่เป็นการผสมผสานของข้อมูลหลากหลายประเภท อาทิ เสียง ภาพและการสัมผัส โดย Multimodal GenAI นั้นมีความสำคัญอย่างยิ่ง เนื่องจากข้อมูลโดยทั่วไปนั้นจะประกอบด้วยประเภทต่าง ๆ อยู่แล้ว เมื่อนำ Single Modality Models มาประกอบเข้าด้วยกันเพื่อรองรับแอปพลิเคชัน Multimodal GenAI มักส่งผลให้เกิดความล่าช้าและลดความแม่นยำของผลลัพธ์ ส่งผลให้ได้รับประสบการณ์ที่มีคุณภาพต่ำ” เบรทเดอนิวซ์ กล่าวเพิ่ม 

Open-Source LLMs

LLM แบบโอเพ่นซอร์สเป็นโมเดลพื้นฐานการเรียนรู้เชิงลึกที่เร่งมูลค่าองค์กรจากการนำ GenAI ไปปรับใช้งาน โดยทำให้การเข้าถึงเชิงพาณิชย์ได้อย่างเสรีและอนุญาตให้ผู้พัฒนาปรับแต่งโมเดลให้เหมาะกับงานและยูสเคสการใช้งานเฉพาะ นอกจากนี้ ยังสามารถเข้าถึงชุมชนนักพัฒนาในองค์กร สถาบันการศึกษา และบทบาทการวิจัยอื่น ๆ ที่กำลังทำงานเพื่อเป้าหมายร่วมกันปรับปรุงและทำให้โมเดลนี้มีคุณค่ามากขึ้น

“LLM แบบโอเพ่นซอร์สเพิ่มศักยภาพด้านนวัตกรรมผ่านการปรับแต่งอย่างเหมาะสม ทำให้การควบคุมความเป็นส่วนตัวและความปลอดภัยดีขึ้น โมเดลมีความโปร่งใส มีความสามารถเพิ่มจากการพัฒนาร่วมกัน และมีศักยภาพในการลดการผูกขาดของผู้ขาย ท้ายที่สุดแล้ว LLM นำเสนอโมเดลขนาดเล็กกว่าให้กับองค์กร ซึ่งฝึกฝนได้ง่ายและมีค่าใช้จ่ายน้อยกว่า และเปิดใช้งานแอปพลิเคชันทางธุรกิจและกระบวนการทางธุรกิจหลัก” จันทราเสการัน กล่าวเพิ่ม 

Domain-Specific GenAI Models

Domain-Specific GenAI Models ได้รับการพัฒนาเพื่อตอบสนองต่อความต้องการของอุตสาหกรรม ฟังก์ชันทางธุรกิจ หรือภารกิจที่มีความเฉพาะ โดยโมเดลเหล่านี้สามารถเพิ่มประสิทธิภาพของการจัดวางยูสเคสการใช้งานภายในองค์กรได้ พร้อมมอบความแม่นยำ ความปลอดภัย และความเป็นส่วนตัวที่ดีกว่า รวมถึงคำตอบที่เข้าใจบริบท ซึ่งช่วยลดความจำเป็นในการออกแบบข้อความที่ใช้สื่อสารกับโมเดล AI เทียบกับโมเดล AI ที่พัฒนามาเพื่อวัตถุประสงค์ทั่วไป และยังสามารถลดความเสี่ยงจากกรณีที่ AI อาจสร้างภาพหลอนขึ้นมาเอง (Hallucination Risks) จากการฝึกฝนที่เน้นการกำหนดเป้าหมาย

“Domain-specific models สามารถร่นระยะเวลาส่งมอบบริการตามความต้องการ (Time to Value) ประสิทธิภาพเพิ่มขึ้นและมีความปลอดภัยสูงขึ้นสำหรับโครงการ AI ต่าง ๆ โดยการนำเสนอจุด Start ที่ก้าวล้ำกว่าสำหรับงานอุตสาหกรรมเฉพาะ สิ่งนี้จะส่งเสริมการนำ GenAI มาใช้อย่างแพร่หลายมากขึ้น เนื่องจากองค์กรต่าง ๆ จะสามารถนำไปประยุกต์ใช้ในยูสเคสที่ General-Purpose Models ไม่มีประสิทธิภาพเพียงพอ” จันทราเสการัน กล่าวเพิ่ม

Autonomous Agents

Autonomous Agents คือ ระบบรวม (Combined Systems) ที่สามารถบรรลุเป้าหมายที่กำหนดไว้ได้โดยปราศจากมนุษย์ โดยใช้เทคนิค AI ที่หลากหลายในการระบุรูปแบบของสภาพแวดล้อม การตัดสินใจ การจัดลำดับการดำเนินการและสร้างผลลัพธ์ โดยตัวแทนเหล่านี้มีศักยภาพเรียนรู้จากสภาพแวดล้อมและปรับปรุงตลอดเวลา ทำให้สามารถจัดการงานที่ซับซ้อนได้

“Autonomous Agents เป็นการเปลี่ยนแปลงครั้งสำคัญของความสามารถ AI โดยความสามารถดำเนินการและตัดสินใจได้อย่างอิสระช่วยปรับปรุงการดำเนินธุรกิจ สร้างประสบการณ์ที่ดีให้กับลูกค้า และใช้ในการเปิดตัวผลิตภัณฑ์และบริการใหม่ ๆ ส่งผลให้ประหยัดต้นทุนและมีความได้เปรียบทางการแข่งขัน นอกจากนี้ยังเปลี่ยนบทบาทของทีมงานในองค์กรจากการส่งมอบ (Delivery) เป็นการควบคุมดูแล (Supervision) แทน”

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ, 12 กันยายน 2567 – การ์ทเนอร์คาดการณ์ว่ามูลค่าการใช้จ่ายด้านความปลอดภัยข้อมูล (Information Security) ของผู้ใช้ปลายทางทั่วโลกในปี 2568 จะเพิ่มขึ้น 15.1% หรือประมาณ 212 พันล้านดอลลาร์สหรัฐฯ จากเดิมที่คาดการณ์ไว้ในปี 2567 ที่ 183.9 พันล้านดอลลาร์สหรัฐฯ 

สำหรับประเทศไทย การ์ทเนอร์คาดว่าในปี 2568 ยอดใช้จ่ายด้านความปลอดภัยข้อมูลของผู้ใช้ปลายทางจะมีมูลค่ารวมอยู่ที่ 18,400 ล้านบาท เพิ่มขึ้น 12.3% จากปี 2567 ที่คาดว่าจะมีมูลค่าการใช้จ่ายรวมที่ 16,400 ล้านบาท 

ชัยเลนดรา อูปัดห์เญ หัวหน้าฝ่ายวิจัยอาวุโสการ์ทเนอร์กล่าวว่า “จากสภาพแวดล้อมที่ก่อให้เกิดภัยคุกคามเพิ่มขึ้นอย่างต่อเนื่อง ไม่ว่าจะเป็นการย้ายไปใช้ระบบคลาวด์และปัญหาการขาดแคลนบุคลากรในด้านนี้ ทำให้ความปลอดภัยกลายเป็นสิ่งสำคัญอันดับต้น ๆ ขององค์กร และกดดันให้ผู้บริหารด้านความปลอดภัยข้อมูลหรือ CISO ต้องเพิ่มงบประมาณการใช้จ่ายด้านความปลอดภัยให้กับองค์กร”

“นอกจากนั้น เวลานี้องค์กรต่าง ๆ อยู่ในขั้นของการประเมินประสิทธิภาพแพลตฟอร์มการป้องกันที่ปลายทางหรือ Endpoint Protection Platform (EPP) และ Endpoint Detection and Response หรือ EDR ซึ่งเป็นเทคโนโลยีความปลอดภัยที่ช่วยตรวจสอบภัยคุกคามในตำแหน่งข้อมูลและลดภัยคุกคามได้โดยอัตโนมัติ เพื่อปรับเปลี่ยนและเพิ่มความยืดหยุ่นในการปฏิบัติงาน รวมถึงตอบสนองต่อเหตุการณ์หลังการหยุดให้บริการของ CrowdStrike

การนำ AI และ GenAI มาใช้อย่างต่อเนื่อง ช่วยเพิ่มการลงทุนในตลาดซอฟต์แวร์ความปลอดภัย (Security Software) มากขึ้น อาทิ ในด้านแอปพลิเคชันความปลอดภัย (Application Security), ความปลอดภัยของข้อมูลและความเป็นส่วนตัว (Data Security and Privacy) และการปกป้องโครงสร้างพื้นฐาน (Infrastructure Protection) ในปี 2568 GenAI จะเป็นปัจจัยกระตุ้นให้แหล่งทรัพยากรความปลอดภัยทางไซเบอร์จำเป็นต้องเพิ่มการรักษาความปลอดภัยมากขึ้น และคาดว่าจะทำให้การใช้จ่ายด้านซอฟต์แวร์ความปลอดภัยเพิ่มขึ้น 15% (ดูตารางที่ 1)

ตารางที่ 1 มูลค่าการใช้จ่ายของผู้ใช้ปลายทางด้านความปลอดภัยของข้อมูลทั่วโลกโดยจำแนกตามหน้าที่การทำงาน ช่วงปี 2566 – 2568 (หน่วย: ล้านดอลลาร์สหรัฐฯ)

Segment		2023 Spending		2023 Growth (%)		2024 Spending		2024 Growth (%)		2025 Spending		2025 Growth (%)
Security Software		76,574		13.6		87,481		14.2		100,692		15.1
Security Services		65,556		13.6		74,478		13.6		86,073		15.6
Network Security		19,985		6.2		21,912		9.6		24,787		13.1
Total		162,115		12.7		183,872		13.4		211,552		15.1

ที่มา: การ์ทเนอร์ (สิงหาคม 2567)

 

นับตั้งแต่ GenAI เปิดตัว แฮกเกอร์ใช้เครื่องมือต่าง ๆ ร่วมกับโมเดลภาษาขนาดใหญ่ (LLM) เพื่อสร้างการโจมตีแบบ Social Engineering โดยมุ่งเป้าขนาดใหญ่มากขึ้นเรื่อย ๆ การ์ทเนอร์คาดว่าภายในปี 2570 การโจมตีทางไซเบอร์/การรั่วไหลของข้อมูล 17% จะเกี่ยวข้องกับ Generative AI ทั้งสิ้น

เมื่อองค์กรยังคงย้ายไปใช้ระบบคลาวด์ นักวิเคราะห์การ์ทเนอร์คาดว่าการลงทุนในโซลูชันความปลอดภัยบนคลาวด์จะเพิ่มขึ้น รวมถึงสัดส่วนการลงทุนในโซลูชันคลาวด์เนทีฟก็จะเพิ่มขึ้นเช่นกัน สำหรับตลาดตัวกลางรักษาความปลอดภัยของการเข้าถึงระบบคลาวด์หรือ Cloud Access Security Brokers (CASB) และแพลตฟอร์มการปกป้องภาระงานในคลาวด์หรือ Cloud Workload Protection Platforms (CWPP) คาดว่าในปี 2568 จะมีมูลค่ารวมกันถึง 8.7 พันล้านดอลลาร์สหรัฐฯ โดยเพิ่มขึ้นจากที่คาดการณ์ไว้ในปีนี้ ที่ 6.7 พันล้านดอลลาร์สหรัฐฯ

การขาดแคลนทักษะในอุตสาหกรรมความปลอดภัยทางไซเบอร์ทั่วโลก เป็นปัจจัยเร่งสำคัญที่ผลักดันให้เกิดการลงทุนในตลาดบริการด้านความปลอดภัย (ซึ่งประกอบด้วย บริการที่ปรึกษาด้านความปลอดภัย, บริการด้านความปลอดภัยระดับมืออาชีพ และบริการการจัดการด้านความปลอดภัย) และคาดว่าการลงทุนในด้านนี้จะเติบโตรวดเร็วกว่ากลุ่มการลงทุนด้านความปลอดภัยด้านอื่น ๆ

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---

 

กรุงเทพฯ ประเทศไทย 31 กรกฎาคม 2567 – การ์ทเนอร์คาดการณ์ ภายในสิ้นปี 2568 โปรเจกต์ต่าง ๆ จาก Generative AI (GenAI) อย่างน้อย 30% จะยกเลิกหลังการพิสูจน์เชิงแนวคิด หรือ Proof of Concept (PoC) อันเนื่องมาจากข้อมูลคุณภาพต่ำ มีการควบคุมความเสี่ยงไม่เพียงพอ ค่าใช้จ่ายที่เพิ่มสูงขึ้น หรือมูลค่าทางธุรกิจไม่ชัดเจน

ริต้า ซาลลัม รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “หลังจาก GenAI เป็นกระแสฮือฮาเมื่อปีก่อน ผู้บริหารต่างจดจ้องที่จะได้เห็นผลตอบแทนจากการลงทุนใน GenAI แต่ว่าองค์กรต่าง ๆ กลับต้องฝ่าฟันเพื่อพิสูจน์และรับรู้ถึงคุณค่าของมัน ตามที่ขอบเขตของแผนงานด้าน GenAI ขยายออกไป ประกอบกับภาระทางการเงินในการพัฒนาและการนำโมเดล GenAI ไปใช้งานก็เพิ่มมากขึ้นเรื่อย ๆ

โดยการ์ทเนอร์ยังระบุว่าความท้าทายสำคัญที่องค์กรเผชิญนั้น คือ การพิสูจน์ให้เห็นถึงความคุ้มค่าของการลงทุนเป็นจำนวนมหาศาลกับ GenAI ในการเพิ่มประสิทธิภาพการทำงาน ซึ่งจะแปลงเป็นผลประโยชน์ทางการเงินโดยตรงได้ยาก ทั้งนี้องค์กรมากมายกำลังใช้ประโยชน์จาก GenAI เพื่อเปลี่ยนแปลงโมเดลธุรกิจและสร้างโอกาสทางธุรกิจใหม่ ๆ แต่อย่างไรก็ตาม แนวทางนี้มาพร้อมกับต้นทุนมหาศาลตั้งแต่ 5 ล้านดอลลาร์สหรัฐฯ ไปจนถึง 20 ล้านดอลลาร์สหรัฐฯ (ดูรูปที่ 1)

 

รูปที่ 1 ต้นทุนที่เกิดขึ้นจากการนำ GenAI ไปใช้ในแนวทางต่าง ๆ 

ที่มา: การ์ทเนอร์ (กรกฎาคม 2567)

“น่าเสียดายที่ GenAI ไม่มีสูตรสำเร็จที่ใช้ได้กับทุกสถานการณ์ และต้นทุนก็ไม่สามารถคาดเดาได้เหมือนกับเทคโนโลยีอื่น ๆ ดังนั้นสิ่งที่องค์กรจ่าย อาทิ ยูสเคสที่ลงทุนและวิธีการนำไปใช้ที่เลือก ล้วนเป็นตัวกำหนดต้นทุนทั้งนั้น ไม่ว่าคุณจะเป็นผู้เข้ามาดิสรัปตลาดและต้องการฝัง AI เข้าไปในทุกที่ หรือต้องการมุ่งเน้นที่การเพิ่มผลผลิตหรือการขยายกระบวนการเดิมที่มีอยู่ สิ่งเหล่านี้ล้วนมีต้นทุน ความเสี่ยง ความผันแปร และส่งผลกระทบเชิงกลยุทธ์ในระดับที่ต่างกัน” ซาลลัม กล่าว

ผลการวิจัยการ์ทเนอร์ยังชี้ว่าการพัฒนา GenAI ไม่ว่าเพื่อเป้าหมายใด ต้องอาศัยความอดทนที่สูงกว่ากับผลลัพธ์ทางอ้อม สำหรับวางหลักเกณฑ์การลงทุนด้านการเงินในอนาคตเทียบกับผลตอบแทนการลงทุนทันที (ROI) ในอดีตผู้บริหารระดับสูงด้านการเงิน หรือ CFO หลายรายไม่สะดวกใจลงทุนวันนี้เพื่อมูลค่าทางอ้อมในอนาคต ซึ่งความลังเลใจนี้อาจทำให้การจัดสรรเม็ดเงินลงทุนถูกเบี่ยงเบนไปในทางยุทธวิธีมากกว่าผลลัพธ์เชิงกลยุทธ์

การตระหนักถึงมูลค่าทางธุรกิจ

ผู้ที่นำ AI มาใช้ก่อนใคร หรือที่เรียกว่า Earlier Adopter ทั้งในอุตสาหกรรมและกระบวนการทางธุรกิจต่างรายงานถึงพัฒนาการและการปรับปรุงด้านธุรกิจที่หลากหลาย แตกต่างกันไปตามยูสเคสใช้งาน ประเภทงาน และระดับทักษะของคนทำงาน ผลการสำรวจผู้นำทางธุรกิจของการ์ทเนอร์ล่าสุด จากจำนวนผู้ตอบแบบสอบถาม 822 ราย ที่จัดทำช่วงเดือนกันยายนถึงพฤศจิกายนปี 2566 พบว่าองค์กรที่นำ AI มาใช้มีรายได้เพิ่มขึ้น 15.8% ประหยัดต้นทุนขึ้น 15.2% และช่วยปรับปรุงประสิทธิผลการผลิตโดยเฉลี่ย 22.6%

“ดาต้านี้เป็นข้อมูลอ้างอิงสำคัญสำหรับการประเมินมูลค่าทางธุรกิจที่ได้มาจากนวัตกรรมโมเดลธุรกิจ GenAI แต่สิ่งสำคัญคือเราต้องยอมรับความท้าทายในการประเมินมูลค่าดังกล่าว เนื่องจากผลประโยชน์ต่าง ๆ นั้นจะขึ้นกับบริษัทเป็นหลัก รวมถึง ยูสเคส บทบาท และแรงงานอย่างเฉพาะ บ่อยครั้งที่ผลกระทบอาจไม่เผยชัดเจนในทันทีและอาจเกิดขึ้นภายหลัง อย่างไรก็ตาม ความล่าช้านี้ไม่ได้ลดผลประโยชน์ที่อาจได้รับลงแต่อย่างใด” ซาลลัม กล่าวเสริม

การคำนวณผลกระทบต่อธุรกิจ

จากการวิเคราะห์มูลค่าทางธุรกิจและต้นทุนรวมของนวัตกรรมโมเดลธุรกิจ GenAI องค์กรต่าง ๆ สามารถกำหนดผลตอบแทนจากการลงทุนโดยตรง (ROI) และผลกระทบต่อมูลค่าธุรกิจในอนาคตได้ ซึ่งถือเป็นเครื่องมือสำคัญในการตัดสินใจลงทุนอย่างรอบคอบเกี่ยวกับนวัตกรรมโมเดลธุรกิจ GenAI

“หากผลลัพธ์ทางธุรกิจเป็นไปตามเป้าหรือเกินความคาดหวัง ถือเป็นโอกาสการขยายการลงทุน โดยเพิ่มขอบเขตนวัตกรรมและการใช้งาน GenAI ให้ครอบคลุมฐานผู้ใช้ที่กว้างขึ้น หรือนำไปใช้ในแผนกธุรกิจอื่น ๆ เพิ่มเติม อย่างไรก็ตาม หากผลลัพธ์ไม่เป็นไปตามที่คาด อาจจำเป็นต้องพิจารณานวัตกรรมทางเลือก โดยอาศัยข้อมูลเชิงลึกเหล่านี้ช่วยให้องค์กรจัดสรรทรัพยากรได้อย่างมีกลยุทธ์พร้อมกำหนดแผนดำเนินงานที่มีประสิทธิภาพสูงสุดในอนาคต” ซาลลัม กล่าวสรุป

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

---