SCBX เปิดตำรา 3-Layer AI Roadmap คีย์ลัดแก้ปัญหาการใช้ AI ซ้ำซ้อนที่องค์กรใหญ่เจอทุกที่

· 2 min read

ในยุคที่ทุกองค์กรต่างตื่นตัวกับ AI คำถามใหญ่ไม่ได้หยุดอยู่แค่ "เราจะเริ่มทดลองใช้ AI อย่างไร?" อีกต่อไป แต่ขยับไปสู่เราจะพาองค์กรก้าวข้ามโครงการทดลอง ไปสู่การใช้งานจริงในระดับองค์กร เพื่อสร้างผลกระทบทางธุรกิจอย่างแท้จริงได้อย่างไร?

ในเวทีสัมมนา Techsauce Global Summit หัวข้อ “AI-First in Action: Inside an Enterprise AI Transformation” คุณอรนุช เลิศสุวรรณกิจ (CEO of Techsauce) ได้ร่วมเจาะลึกบทเรียนจริงกับคุณต้อง กวีวุฒิ เต็มภูวภัทร (Chief Innovation Officer of SCBX & CEO of SCB 10X) ถึงเส้นทางของยานแม่ SCBX กลุ่มธุรกิจเทคโนโลยีทางการเงินมูลค่ากว่า 20,000 ล้านดอลลาร์สหรัฐ ที่มีทั้ง

  • ธนาคารดั้งเดิม (Gen 1)
  • ธุรกิจ Digital Lending (Gen 2)
  • Digital Assets และ SCB 10X ซึ่งบริหารกองทุน Venture Capital กว่า 600 ล้านดอลลาร์สหรัฐ (Gen 3) ในการผลักดันองค์กรสู่การเป็น AI-First Organization

นี่คือการสรุปและถอดบทเรียนเนื้อหาทั้งหมดจาก Session เพื่อสร้างกรอบความคิดความรู้เชิงลึกสำหรับผู้นำและองค์กรที่กำลัง Transform ตัวเอง

1. การนิยาม AI-First เริ่มต้นด้วยเป้าหมายที่ใหญ่และสื่อสารให้ตรงกัน

คำว่า AI-First หรือ AI-Native จะกลายเป็นเพียงคำการตลาดทันทีหากปราศจากทิศทางที่ชัดเจน SCBX เลือกที่จะไม่เสียเวลาถกเถียงเรื่องนิยามเชิงทฤษฎี แต่มุ่งเน้นการตั้งเป้าหมายเชิงกลยุทธ์ที่ท้าทายเพื่อสื่อสารให้คนทั้งองค์กรเข้าใจตรงกันตั้งแต่เมื่อ 2 ปีก่อน

  • 75% AI-Enabled Revenue: ตั้งเป้าให้ 75% ของรายได้ทั้งกลุ่มองค์กรขับเคลื่อนหรือได้รับการสนับสนุนจาก AI
  • 15% AI Talent: ผลักดันให้พนักงานในองค์กรมีทักษะระดับ AI Talent อยู่ที่ 15%
  • Speed of Adoption ตามธรรมชาติธุรกิจ: เข้าใจว่าความเร็วในการปรับตัวของแต่ละหน่วยธุรกิจไม่เท่ากัน ธนาคารดั้งเดิม (Gen 1) ต้องระมัดระวังไม่ให้ระบบชำรุด ขณะที่ธุรกิจยุคใหม่ (Gen 2 & Gen 3) สามารถขับเคลื่อนและทดลองเทคโนโลยีได้รวดเร็วกว่า

2. สถาปัตยกรรม 3 ชั้น คือ โครงสร้างพา AI ออกจาก Pilot Trap

ความท้าทายหลักขององค์กรใหญ่คือ การติดอยู่ใน Sandbox มีโครงการทดลองกระจัดกระจายแต่ไม่เคยสร้างผลกำไรจริง SCBX จึงจัดระเบียบโครงสร้างการทำงานด้าน AI ออกเป็น 3 ชั้น เพื่อให้ทุกคนมองเห็นภาพเดียวกัน ได้แก่

Layer 1: Use Cases (เน้น P&L Impact): โครงการในระดับบนสุดต้องสามารถวัดผลลัพธ์ทางบัญชี (Profit & Loss) ได้ชัดเจน ไม่ว่าจะเพิ่มรายได้หรือลดต้นทุน และต้องขับเคลื่อนโดยฝั่งธุรกิจ (Business-driven) ไม่ใช่โปรเจกต์ไอที

Layer 2: Capabilities (เน้น Reusability): การพัฒนา "ความสามารถกลาง" ที่ทุกบริษัทในเครือหยิบไปใช้ซ้ำได้ เช่น Conversational AI ภาษาไทย ซึ่งสร้างเพียงครั้งเดียวแต่นำไปประยุกต์ใช้ได้ทั้งงานเสนอขาย (Sales), การบริการลูกค้า (Servicing) หรือการติดตามหนี้ (Collection)

Layer 3: Infrastructure & People (เน้น Scalability & Governance): 

  • Agentic Platform: วางระบบโครงสร้างพื้นฐานให้ AI Agent ทำงานร่วมกันได้อย่างมีประสิทธิภาพ คุมทั้งความเร็ว (Latency) และต้นทุน
  • Enabling Process: ปรับกระบวนการฝั่ง Compliance และ Risk Management ให้รวดเร็ว เพื่อเป็นตัวช่วยขับเคลื่อน (Enabler) ไม่ใช่คอขวด
  • Single Backlog: รวมและจัดลำดับความสำคัญของโครงการ AI ทั้งกลุ่มองค์กรให้อยู่บน Backlog เดียวกัน เพื่อลดความซ้ำซ้อนของการลงทุน

3.กรณีศึกษา Typhoon และยุทธศาสตร์ Sovereign AI

ย้อนกลับไปเมื่อสองปีก่อน SCBX ได้เริ่มต้นพัฒนา Large Language Model ภาษาไทยในชื่อ Typhoon ซึ่งนับเป็นก้าวสำคัญที่ให้บทเรียนทรงคุณค่าต่อการบริหารจัดการนวัตกรรมภายในองค์กร โดยจุดเริ่มต้นในวันนั้นไม่ได้เป็นการนับหนึ่งจากศูนย์ แต่เป็นการต่อยอดจาก open-source model ระดับโลกอย่าง Llama และ Mistral นำมา fine-tune เพื่อทลายข้อจำกัดด้านภาษาไทยที่โมเดลต่างชาติต่างภาษาในยุคนั้นยังทำได้ไม่ดีพอ

อย่างไรก็ตาม เมื่อเวลาผ่านไปและโมเดลระดับโลกเริ่มมีความเชี่ยวชาญภาษาไทยเพิ่มมากขึ้น SCBX จึงปรับยุทธศาสตร์ด้วยการเปิดกว้างให้ใช้งาน open-source model ที่หลากหลายร่วมด้วย ทว่าสิ่งที่กลายมาเป็นสินทรัพย์ยั่งยืนที่สุดขององค์กรกลับไม่ใช่เพียงตัวโมเดล แต่คือ "Talent Pool" หรือกลุ่มบุคลากรภายในที่สะสมความเข้าใจเชิงลึกในกระบวนการ fine-tuning และเทคนิคการทำ token optimization อย่างเชี่ยวชาญ

ในมิติของธุรกิจ หัวใจสำคัญและเป้าหมายที่แท้จริงคือเรื่อง cost advantage เพราะผู้ที่จะคว้าชัยชนะในสมรภูมิเทคโนโลยีได้ คือผู้ที่สามารถควบคุมต้นทุนค่า token ให้ต่ำที่สุดในขณะที่ยังรักษาประสิทธิภาพไว้ได้เท่าเดิม ปัจจุบันทีมงาน Typhoon จึงไม่ได้เป็นเพียงผู้พัฒนาโมเดลเท่านั้น แต่ยังทำหน้าที่เป็นศูนย์กลางในการส่งต่อและกระจายความรู้ภายในองค์กร เพื่อช่วยให้ทุกหน่วยงานสามารถเลือกใช้เทคโนโลยีได้อย่างชาญฉลาดและคุ้มค่าที่สุด

4. การบริหารคนและการสร้าง AI Culture at Scale

หัวใจสำคัญของการพาองค์กรก้าวสู่ยุค AI-First ไม่ได้ขึ้นอยู่กับความล้ำสมัยของเทคโนโลยีเพียงอย่างเดียว แต่คือการขับเคลื่อน "คน" และการสร้าง "วัฒนธรรมองค์กร (AI Culture)" ในระดับ Enterprise Scale ซึ่งเป็นภารกิจที่ต้องพาพนักงานทุกระดับและทุกเจเนอเรชันเดินทางไปข้างหน้าพร้อมๆ กัน

ปรับมุมมองใหม่: AI คือ Default Skill ของคนทำงานยุคนี้

SCBX เปรียบเทียบทักษะ AI ไว้อย่างน่าสนใจว่า ต่อไป AI จะไม่ใช่ทักษะทางเลือก (Optional) สำหรับสายเทคอีกต่อไป แต่จะกลายเป็นทักษะพื้นฐาน ที่ทุกคนต้องมี เหมือนกับการพิมพ์งาน ส่งอีเมล หรือการใช้ Microsoft Office (Excel, PowerPoint) ในอดีต ลองจินตนาการว่าหากในปัจจุบันมีผู้สมัครงานเดินเข้ามาบอกว่า "ใช้อีเมลไม่เป็น" หรือ "ใช้คอมพิวเตอร์ไม่ได้" การสัมภาษณ์คงไม่สามารถดำเนินต่อได้ ทักษะ AI ก็กำลังก้าวไปสู่จุดนั้น พนักงานจึงต้องปรับตัวเพื่อเพิ่มคุณค่าให้กับตัวเองและพร้อมทำงานร่วมกับเครื่องมือยุคใหม่

Attitude > Skill: ทัศนคติสำคัญกว่าทักษะทางเทคนิค

ในมุมมองของผู้นำ การฝึกฝนทักษะการใช้งาน AI ไม่ใช่เรื่องยากเพราะมีคอร์สเรียนมากมาย แต่สิ่งที่น่ากังวลและจัดการได้ยากที่สุดคือ "ทัศนคติ (Attitude)" ของพนักงาน สัญญาณเตือนอันตรายที่มักพบเจอบ่อ ยๆ คือการที่พนักงานทดลองใช้ AI เพียงครั้งเดียวแล้วรีบสรุปว่า "ทำได้ไม่เห็นเก่งเท่าคนทำเลย" แล้วปฏิเสธที่จะใช้ต่อ ซึ่งแท้จริงแล้วอาจเป็นเพราะผู้ใช้ยังไม่ได้พยายามปรับวิธีสั่งงาน (Prompting) หรือทดลองมุมมองใหม่ ๆ การสร้าง AI Culture ที่ถูกต้อง คือการปลูกฝังความเปิดใจ การทดลอง และการไม่ยอมแพ้ตั้งแต่ครั้งแรกที่ผลลัพธ์ยังไม่สมบูรณ์แบบ

จากการอบรม 100% สู่การสร้าง Community ที่ยั่งยืน

เพื่อรองรับการเปลี่ยนผ่านนี้ SCBX ได้เริ่มต้นจากการวางฐานรากด้วยการฝึกอบรมการใช้งาน Copilot ให้กับพนักงานครบ 100% ตั้งแต่ปีที่ผ่านมา อย่างไรก็ตาม การจัดอบรมในห้องเรียนเพียงอย่างเดียวไม่เพียงพอต่อการสร้างวัฒนธรรมองค์กรในระยะยาว สิ่งที่ SCBX ทำควบคู่กันไปคือการ สร้าง Community ภายในองค์กร โดยมุ่งเน้นไปที่

  1. การคัดสรร Best Practice: เฟ้นหาตัวอย่างพนักงานที่นำ AI ไปใช้แก้ Pain Point ในงานจริงจนเกิดผลลัพธ์ที่ดี
  2. เปิดพื้นที่แชร์ความรู้ (Democratize Knowledge): ให้พนักงานเหล่านั้นมาถ่ายทอดเทคนิคและประสบการณ์ตรงให้เพื่อนร่วมงานฟัง
  3. สร้างแรงกระตุ้นจากภายใน: การเห็นเพื่อนร่วมงานในสายงานเดียวกันใช้ AI แล้วทำงานได้เร็วขึ้นหรือดีขึ้น จะสร้างแรงบันดาลใจและกระตุ้นให้เกิดการเรียนรู้ตามกันได้อย่างเป็นธรรมชาติ ซึ่งเป็นหน้าที่รูปแบบใหม่ของฝ่ายบริหารและ HR ในการรวบรวมและกระจายความรู้นี้ให้ครอบคลุมทั้งองค์กร

การทรานส์ฟอร์มองค์กรไปสู่การเป็น AI-First ของ SCBX สะท้อนให้เห็นอย่างชัดเจนว่า ความสำเร็จไม่ได้เกิดขึ้นจากการสะสมเทคโนโลยีที่ล้ำสมัยที่สุด หรือการทำโครงการทดลองนับร้อยในห้องแล็บ หากแต่เกิดจากการมี วิสัยทัศน์ที่ชัดเจน การวางโครงสร้างที่จับต้องได้ และการพา "คน" ในองค์กรก้าวไปข้างหน้าพร้อมกัน

ข้อมูลจาก Session: AI-First in Action: Inside an Enterprise AI Transformation ในงาน Techsauce Global Summit 2026