
ไทยอยู่อันดับ 43 ด้านดิจิทัลและ AI จุดอ่อนกลับอยู่ที่ธรรมาภิบาล

สมาคมการจัดการธุรกิจแห่งประเทศไทย (TMA) เปิดเผยผลการจัดอันดับดิจิทัลและ AI ประจำปี 2569 ในกรุงเทพฯ เมื่อ 11 พฤศจิกายน 2569 โดยไทยอยู่ อันดับ 43 จาก 70 เขตเศรษฐกิจ ในการประเมินของ IMD ผลครั้งนี้ชี้ให้เห็นช่องว่างระหว่างความพร้อมด้านเทคโนโลยีกับเงื่อนไขที่จะทำให้เทคโนโลยีสร้างผลในวงกว้าง ทั้งกติกา ทักษะคน และความไว้วางใจ
ข้อมูลประเทศไทยในรายงานฉบับเต็มของ IMD จัดให้ไทยอยู่อันดับ 23 ด้านเทคโนโลยีและโครงสร้างพื้นฐาน แต่อันดับ 55 ด้านธรรมาภิบาล อันดับ 47 ด้านค่านิยม อันดับ 39 ด้านการพัฒนากำลังคน และอันดับ 31 ด้านประสิทธิภาพ ตัวเลขเหล่านี้เป็นอันดับเปรียบเทียบระหว่างเขตเศรษฐกิจ ไม่ใช่คะแนนคุณภาพของธุรกิจไทยแต่ละราย และไม่อาจนำส่วนต่างของอันดับมาคิดเป็นส่วนต่างของผลิตภาพหรือรายได้
ฐานเทคโนโลยีแข็ง แต่ความพร้อมไม่ได้จบที่การลงทุน
ความแข็งแรงด้านเทคโนโลยีของไทยมีรายละเอียดมากกว่าการเข้าถึงอินเทอร์เน็ต ปัจจัยด้านทุนและการลงทุนใน AI ทำได้ดีกว่าปัจจัยด้านโครงสร้างพื้นฐานสำหรับการวิจัย ขณะที่ตัวชี้วัดการลงทุนในโทรคมนาคมและมูลค่าตลาดของหุ้นกลุ่มเทคโนโลยีสารสนเทศกับสื่อเป็นจุดเด่น การมีทุนและระบบสื่อสารรองรับช่วยให้ภาคธุรกิจเริ่มทดลองบริการดิจิทัลได้ แต่ยังไม่บอกว่าบริการนั้นทำงานได้ดีเพียงใดเมื่อต้องขยายให้คนจำนวนมากใช้
แม้แต่ภายในปัจจัยเทคโนโลยีเอง ภาพก็ไม่สม่ำเสมอ ตัวชี้วัดความเร็วของอินเทอร์เน็ตทำได้ดีกว่าจำนวนเซิร์ฟเวอร์อินเทอร์เน็ตที่มีความปลอดภัย และการลงทุน AI ของภาคเอกชนทำได้ต่ำกว่าภาพรวมด้านทุนและการลงทุนใน AI จึงควรแยกความพร้อมของโครงข่ายออกจากความพร้อมของระบบและเงินลงทุนสำหรับนำ AI ไปใช้จริง การมีช่องทางส่งข้อมูลรวดเร็วไม่รับประกันว่าข้อมูลซึ่งส่งผ่านช่องทางนั้นมีคุณภาพหรือได้รับการดูแลเหมาะสม
ปัจจัยด้านประสิทธิภาพช่วยให้เห็นขั้นถัดจากการสร้างฐานเทคโนโลยี การนำ AI ไปใช้และแนวปฏิบัติทั่วไปอยู่ในตำแหน่งที่ดีกว่าความคล่องตัวของธุรกิจ นั่นหมายความว่าการเริ่มใช้เครื่องมือกับการปรับกระบวนการทั้งองค์กรเป็นคนละเรื่อง ทีมอาจมีระบบช่วยร่างเนื้อหา ตอบคำถาม หรือวิเคราะห์ข้อมูลอยู่แล้ว แต่ยังต้องกำหนดว่าใครตรวจผล ใครตัดสินใจเมื่อผลขัดกัน และจะเปลี่ยนขั้นตอนเดิมอย่างไร
ตัวชี้วัดความพร้อมด้านเครือข่ายยังเป็นจุดอ่อนที่เด่นกว่าตัวชี้วัดบางรายการในปัจจัยประสิทธิภาพ ความแตกต่างภายในหมวดเดียวกันเตือนว่าคำว่า “พร้อมใช้ดิจิทัล” กว้างเกินกว่าจะใช้แทนความสามารถทุกด้านได้ สำหรับธุรกิจออนไลน์ การซื้อซอฟต์แวร์อาจเป็นงานที่ทำได้เร็วที่สุด ส่วนการเชื่อมข้อมูลหลายระบบ การดูแลสิทธิการเข้าถึง และการแก้ปัญหาที่เกิดหลังเปิดใช้เป็นงานอีกชุดหนึ่ง
อันดับรวมจึงสะท้อนการประกอบกันของหลายเงื่อนไข ไม่ได้ให้รางวัลตามขนาดการลงทุนเพียงด้านเดียว หากโครงสร้างพื้นฐานนำหน้าความสามารถในการจัดการข้อมูลและปรับวิธีทำงาน ประโยชน์ที่เกิดขึ้นอาจกระจุกอยู่ในองค์กรที่มีทีมพร้อมอยู่ก่อน ข้อสังเกตนี้เป็นการตีความจากความต่างของตัวชี้วัดระดับประเทศ ไม่ใช่หลักฐานว่าธุรกิจไทยทั้งหมดเผชิญปัญหาเดียวกัน
ธรรมาภิบาลและความเชื่อมั่นเป็นข้อจำกัดคนละชั้น
ธรรมาภิบาลเป็นปัจจัยที่ไทยได้อันดับต่ำที่สุดในกลุ่มหลักของการประเมิน หมวดนี้ครอบคลุมกรอบกฎหมายและกฎระเบียบ การกำกับดูแลดิจิทัลและ AI ตลอดจนภาวะผู้นำภาครัฐ จุดอ่อนจึงไม่ได้หมายถึงการขาดนโยบาย AI เพียงข้อเดียว แต่รวมถึงคุณภาพของสภาพแวดล้อมที่องค์กรและผู้ใช้ต้องพึ่งพาเมื่อนำเทคโนโลยีไปใช้
รายละเอียดระดับตัวชี้วัดทำให้เห็นความต่างภายในหมวดธรรมาภิบาลเช่นกัน กรอบกำกับประเด็นที่เกี่ยวกับ AI และการปฏิบัติตามกฎหมายที่เกี่ยวข้องของบริษัทอยู่สูงกว่าตัวชี้วัดเรื่องการคุ้มครองความเป็นส่วนตัวโดยกฎหมาย ส่วนตัวชี้วัดการเคารพกระบวนการทางกฎหมายของรัฐอยู่ในกลุ่มที่อ่อนกว่า นั่นเป็นเหตุให้การพูดว่าไทยเพียง “ยังไม่มีกฎ AI” ไม่ตรงกับสิ่งที่การประเมินวัด
สำหรับทีมที่ให้บริการผ่านเว็บไซต์หรือแอป ความหมายในระดับงานคือความสามารถอธิบายการใช้ข้อมูลและการตัดสินใจของระบบได้อย่างชัดเจน หากใช้ข้อมูลลูกค้าเพื่อจัดลำดับคำขอหรือให้ AI ช่วยตอบคำถาม ทีมต้องรู้ว่าข้อมูลใดเข้าสู่ระบบ ใครได้รับสิทธิใช้ และผลลัพธ์ประเภทใดต้องผ่านคนตรวจทาน เรื่องเหล่านี้เป็นข้อพิจารณาในการออกแบบบริการ ไม่ใช่ข้อสรุปทางกฎหมายที่ดึงออกจากอันดับประเทศได้ทันที
ปัจจัยค่านิยมเพิ่มอีกมิติหนึ่ง เพราะรวมความปลอดภัยไซเบอร์ จริยธรรม AI ทัศนคติของสังคม และความไว้วางใจ ตัวชี้วัดในหมวดนี้ไม่ได้เคลื่อนไปทางเดียวกันทั้งหมด ความสามารถของบริษัทในการดูแลข้อมูลอ่อนไหวอยู่ในตำแหน่งที่ดีกว่าตัวชี้วัดด้านหลักนิติธรรม ขณะที่ตัวชี้วัดการติดตามสื่อสังคมออนไลน์ของภาครัฐเป็นจุดอ่อนเด่น การสรุปว่าคนไทยทั้งหมดไม่เชื่อถือ AI จึงกว้างเกินกว่าผลที่มี
ความเชื่อมั่นของผู้ใช้บริการเกิดในจุดสัมผัสที่เล็กกว่าระดับประเทศมาก ผู้ใช้ต้องเห็นว่าบริการจัดการข้อมูลของตนอย่างไร ได้รับคำตอบแบบใดเมื่อระบบผิดพลาด และติดต่อใครเพื่อแก้ไขผลกระทบได้ ความชัดเจนเหล่านี้ไม่ได้ทำให้อันดับประเทศเปลี่ยนโดยตรง แต่เป็นเงื่อนไขที่ทีมออนไลน์ควบคุมได้เมื่อขยายการใช้ระบบอัตโนมัติ
การตรวจผลของ AI จึงควรอยู่ในกระบวนการทำงาน ไม่ใช่เกิดเฉพาะหลังมีคำร้องเรียน งานที่มีผลต่อผู้ใช้ต้องมีเจ้าของการตัดสินใจ มีทางส่งต่อกรณีที่ระบบตอบไม่ได้ และมีข้อมูลพอให้ย้อนดูเหตุของผลลัพธ์ ข้อเสนอเช่นนี้เป็นการแปลงประเด็นธรรมาภิบาลให้เป็นงานของทีม โดยไม่ได้ตีความอันดับว่าเป็นการรับรองหรือประณามความปลอดภัยของกิจการใด
ผู้จบสายวิทย์มีมาก แต่การใช้ทักษะในงานยังมีช่องว่าง

ด้านกำลังคนมีความต่างที่ชัดเจนระหว่างการผลิตผู้สำเร็จการศึกษากับการใช้ความรู้ในตลาดงาน ตัวชี้วัดสัดส่วนผู้สำเร็จการศึกษาสายวิทยาศาสตร์เป็นจุดแข็งของไทย ขณะที่ตัวชี้วัดการจ้างงานด้านวิทยาศาสตร์และเทคโนโลยีอยู่ต่ำกว่ามาก ความต่างนี้ไม่ได้พิสูจน์ว่าบัณฑิตกลุ่มเดียวกันหางานไม่ได้ แต่ชี้ว่าจำนวนผู้จบการศึกษากับขนาดของงานที่ใช้ทักษะเชิงเทคนิคไม่ควรถูกมองเป็นเรื่องเดียวกัน
ข้อมูลการพัฒนากำลังคนมีสัญญาณอีกด้านหนึ่ง บริษัทลงทุนในการฝึกอบรม AI ค่อนข้างมากเมื่อเทียบกับเขตเศรษฐกิจอื่น แต่ตัวชี้วัดทักษะ AI และทักษะดิจิทัลหรือเทคโนโลยีอยู่ต่ำกว่า การจัดหลักสูตรหรือซื้อสิทธิใช้เครื่องมือจึงเป็นเพียงต้นทางของการพัฒนาคน สิ่งที่ยากกว่าคือทำให้ผู้เรียนใช้ความรู้กับข้อมูล งาน และข้อจำกัดขององค์กรจริง
กมลทรรศน์ นลินทรางกูร กรรมการบริหาร TMA กล่าวใน รายงาน ThaiPublica ว่า “คนเป็นปัจจัยสำคัญในการเปลี่ยนศักยภาพของ AI ให้เกิดผลลัพธ์ทางเศรษฐกิจอย่างแท้จริง” ประเด็นนี้สอดคล้องกับช่องว่างระหว่างการฝึกอบรมกับการใช้ทักษะที่ปรากฏในตัวชี้วัด การประเมินไม่ได้บอกว่าหลักสูตรใดได้ผลหรืออาชีพใดจะเติบโต จึงต้องพิจารณางานที่คนทำได้หลังฝึกควบคู่กับจำนวนคนที่เข้าฝึก
สำหรับคนทำงานดิจิทัล ความสามารถใช้เครื่องมือเป็นเพียงส่วนหนึ่งของงาน การเตรียมข้อมูลให้ถูกบริบท การตั้งเกณฑ์ว่าคำตอบใดใช้ได้ การพบข้อผิดพลาด และการอธิบายข้อจำกัดให้ผู้ร่วมงานเข้าใจล้วนต้องใช้ความรู้เฉพาะงานด้วย ผู้ดูแลเนื้อหาอาจต้องตรวจข้อเท็จจริงก่อนเผยแพร่ ขณะที่ทีมบริการลูกค้าต้องแยกคำถามที่ระบบตอบได้ออกจากเรื่องที่ต้องให้คนรับผิดชอบ
การพัฒนาทักษะจึงมีความหมายมากขึ้นเมื่อผูกกับผลลัพธ์ที่ตรวจได้ เช่น ความแม่นยำของข้อมูลที่ส่งเข้าระบบ คุณภาพของคำตอบหลังมนุษย์ตรวจ หรือเวลาที่ใช้แก้ข้อผิดพลาดในกระบวนการ ตัวอย่างเหล่านี้เป็นเกณฑ์ทำงานที่ทีมเลือกใช้ได้ตามหน้าที่ ไม่ใช่ตัวชี้วัดในรายงานประเทศโดยตรง และไม่ควรนำอันดับกำลังคนไปทำนายค่าจ้างหรือจำนวนตำแหน่งงานของบุคคล
ช่องว่างของประเทศแปลงเป็นแผนทักษะของทีมได้อย่างไร
ผลจัดอันดับมีประโยชน์กับทีมออนไลน์เมื่อแยกออกเป็นสามชั้นในแต่ละเรื่อง ได้แก่ ฐานที่ประเทศมีอยู่ ช่องว่างที่อาจปรากฏในงาน และความสามารถที่ทีมควรพัฒนา การแยกเช่นนี้ช่วยรักษาขอบเขตของข้อมูลระดับประเทศไว้ พร้อมทำให้เห็นว่าคนทำงานควบคุมอะไรได้จริง ธุรกิจแต่ละแห่งอาจเริ่มจากคนละจุด แม้อยู่ภายใต้สภาพแวดล้อมเดียวกัน
- เทคโนโลยี: ฐานระดับประเทศคือโครงข่ายและการลงทุนที่ค่อนข้างแข็งแรง ช่องว่างในงานอาจอยู่ที่ข้อมูลไม่พร้อมหรือระบบเชื่อมกันไม่ได้ สิ่งที่ทีมควรเพิ่มคือทักษะจัดคุณภาพข้อมูล ทดสอบผลลัพธ์กับงานจริง และระบุว่าระบบใหม่แก้ปัญหาใดได้
- ประสิทธิภาพ: การเริ่มนำ AI ไปใช้เป็นสัญญาณหนึ่งของความพร้อม แต่ความคล่องตัวของธุรกิจเป็นอีกเรื่อง ทีมจึงต้องฝึกออกแบบขั้นตอนงานใหม่ กำหนดผู้รับผิดชอบเมื่อเครื่องมือให้ผลผิด และวัดผลก่อนขยายการใช้ไปยังงานอื่น
- กำลังคน: ผู้สำเร็จการศึกษาสายวิทยาศาสตร์เป็นทุนสำคัญ แต่การจ้างงานเชิงเทคนิคและทักษะที่ใช้ได้จริงยังเป็นโจทย์ แผนพัฒนาควรรวมความรู้เฉพาะหน้าที่ การประเมินคำตอบ AI และการสื่อสารข้อจำกัดของระบบให้คนตัดสินใจ
- ธรรมาภิบาล: จุดอ่อนระดับประเทศเกี่ยวกับกติกาและความรับผิดชอบ สำหรับทีมออนไลน์ งานที่ทำได้คือกำหนดสิทธิใช้ข้อมูล จุดตรวจทานโดยมนุษย์ และช่องทางแก้ไขเมื่อผลของระบบกระทบผู้ใช้
- ความเชื่อมั่น: การขยายบริการต้องมาพร้อมคำอธิบายที่ผู้ใช้เข้าใจ ทีมจึงควรฝึกเขียนคำชี้แจงการใช้ข้อมูล จัดการเหตุผิดพลาด และตอบคำถามเกี่ยวกับผลที่ระบบสร้างขึ้น โดยแยกคำอธิบายของบริการตนออกจากข้ออ้างเรื่องอันดับประเทศ
ลำดับความสำคัญของทักษะต้องขึ้นกับงานที่มีอยู่จริง ทีมที่ข้อมูลกระจัดกระจายอาจยังไม่พร้อมวัดประโยชน์จาก AI แม้สมาชิกใช้เครื่องมือคล่อง ส่วนทีมที่ทำงานกับข้อมูลอ่อนไหวอาจต้องให้ความสำคัญกับสิทธิการเข้าถึงและการตรวจทานก่อนขยายระบบ การจับคู่อันดับกับลักษณะงานช่วยตั้งคำถามได้ แต่การตัดสินว่าจุดใดต้องแก้ก่อนต้องอาศัยหลักฐานจากการทำงานของทีมนั้นเอง
กรอบปีใหม่เปลี่ยนวิธีอ่านอันดับย้อนหลัง

การประเมินปี 2569 เปลี่ยนจากกรอบเดิมที่มี 3 ปัจจัยหลักเป็น 5 ปัจจัยหลัก แบ่งเป็น 15 ปัจจัยย่อยและ 88 ตัวชี้วัด โดยเพิ่มเรื่อง AI เข้ามาอย่างชัดเจน นอกจากนี้ จำนวนเขตเศรษฐกิจที่ครอบคลุมก็เพิ่มขึ้น การนำอันดับในรายงานเดิมมาเทียบกับอันดับฉบับใหม่ตรง ๆ จึงอาจทำให้เข้าใจผิดว่าการเปลี่ยนตำแหน่งทั้งหมดเกิดจากผลงานของไทย
รายงานฉบับใหม่มีข้อมูลย้อนหลังที่คำนวณภายใต้กรอบที่ปรับแล้ว ผู้ที่ต้องการดูทิศทางข้ามปีควรใช้ชุดย้อนหลังนี้เป็นฐานเดียวกัน แม้ใช้กรอบเดียวกัน อันดับก็ยังเป็นตำแหน่งเทียบกับเขตเศรษฐกิจอื่น หากประเทศหนึ่งปรับตัวดีขึ้น แต่อีกหลายแห่งดีขึ้นเร็วกว่าตำแหน่งของประเทศแรกก็อาจลดลงได้
วิธีวัดยังรวมทั้งสถิติและความเห็นจากการสำรวจผู้บริหาร สองส่วนนี้ตอบคำถามต่างกัน: สถิติบอกสภาพที่วัดได้ ส่วนผลสำรวจสะท้อนการรับรู้ต่อเงื่อนไขการทำงานและการแข่งขัน จึงควรอ่านปัจจัยย่อยควบคู่กับอันดับรวม แทนการใช้ตัวเลขเดียวตัดสินว่าคนไทยมีทักษะมากหรือน้อยเพียงใด
ผลที่มีน้ำหนักต่อคนทำงานออนไลน์ในระยะต่อไปอยู่ที่การเปลี่ยนฐานเทคโนโลยีให้เป็นบริการที่ใช้งานได้ ตรวจสอบได้ และได้รับความไว้วางใจ งานด้านข้อมูล การประเมินผล AI และความรับผิดชอบต่อผู้ใช้จึงเป็นส่วนของความสามารถแข่งขันเดียวกัน แม้การจัดอันดับระดับประเทศจะไม่สามารถบอกล่วงหน้าได้ว่าทีมใดจะทำสำเร็จ
บทความที่เกี่ยวข้อง


IMF เตือนจากกรุงเทพฯ: AI วิ่งเหมือนรถแข่ง แต่กติกายังตามไม่ทัน

คนไทย 66.8% เชื่อ AI ช่วยชีวิตและงาน แต่ผู้ใช้จริงยังมีเพียง 31.56%

ไทยวาง AI 3 ชั้นสร้างงาน—Skill Bridge ตั้งเป้าฝึก 76,728 คน

SAP ซื้อ TechWolf เพื่อมองเห็นทักษะจริง ไม่ใช่แค่ชื่อตำแหน่ง

Workday แยกตำแหน่งเป็นงานย่อย—AI เปลี่ยนทักษะก่อนเปลี่ยนชื่องาน
สมัครรับจดหมายข่าวของเรา
รับข่าวสารล่าสุดเกี่ยวกับ Web3, AI และคริปโตส่งตรงถึงกล่องจดหมายของคุณ