โดย Thank Thanedpol | เผยแพร่ 11 กรกฎาคม 2569 | อ้างอิง: The Story Thailand Forum 2026

สรุปสาระสำคัญ

• Anthropic ผู้สร้าง Claude ก่อตั้งมาเพียง 5 ปี แต่มีมูลค่ามากกว่า 9 แสนล้านดอลลาร์ มากกว่ากสิกรไทยราว 16 เท่า

• กสิกรไทยประหยัดอัตรากำลังคนได้เกือบ 200 FTE ในปี 2568 และตั้งเป้า 600-700 FTE ในปี 2569

• เคสจริงในธนาคาร เช่น ตรวจเอกสารคดีผู้บริโภคด้วยความแม่นยำ 90% ลดเวลาทำงาน 16.2 วันทำงานต่อคนต่อเดือน

• ดร.ธีรวัฒน์ใช้ Claude สร้าง Knowledge Graph จากเอกสาร Epstein Files 30,000 หน้า ภายในคืนเดียว

• ข้อสรุปสำคัญที่สุด คนที่รอดในยุคนี้ไม่ใช่คนเก่งกว่า AI แต่คือคนที่รู้จักกำกับ AI

สรุป Session: The Human Premium in the AI Economy จากงาน The Story Thailand Forum 2026 โดยดร.ธีรวัฒน์ อัศวโภคี, รองผู้จัดการใหญ่ ธนาคารกสิกรไทย (KBank)

21 ปีในอเมริกา 10 ปีในไทย กับวงการ Data & AI

ดร.ธีรวัฒน์อยู่เมืองไทยมา 10 ปี ดูแลด้าน Data และ AI ที่กสิกรไทยมา 5 ปี ก่อนหน้านั้นอยู่สหรัฐอเมริกา 21 ปี ทำงานด้าน Data และ AI มาโดยตลอด ตัวอย่างที่สะท้อนความเร็วของวงการนี้ได้ชัดที่สุดคือ Anthropic ผู้สร้าง Claude ซึ่งก่อตั้งโดยสองพี่น้อง Dario และ Daniela Amodei ที่ออกจาก OpenAI ในปี 2020 แล้วตั้งบริษัทของตัวเองในปี 2021

อายุบริษัท 5 ปี ก่อตั้งปี 2021 ปีนี้ (2026) มีอายุเพียง 5 ปี แต่แซงหน้า OpenAI ไปแล้ว

มูลค่าบริษัท มากกว่า 9 แสนล้าน USD มากกว่ามูลค่ากสิกรไทยประมาณ 16 เท่า

อายุแค่ 5 ปี สามารถมีมูลค่าเกินบริษัทที่อยู่มานานได้แล้ว จะเห็นว่าเดี๋ยวนี้ AI เติบโตเร็วมาก

วิวัฒนาการของ Generative AI ตั้งแต่ 2023 ถึงวันนี้

2023: Generalist AI

• Gen AI รุ่นแรกที่ออกมาใหม่ๆ เป็น AI ที่ พูดเก่งแต่รู้ไม่ลึก ค่อนข้างเป็น Generalist

2024: System Prompt + Knowledge

• เริ่มใส่ System Prompt และความรู้เฉพาะทางเข้าไปได้ AI จึง รู้ลึกขึ้น ตอบข้อมูลภายในองค์กรได้

2025: Agentic AI

• AI มี "แขนขา" มีเครื่องมือ สามารถ ตอบอีเมล สร้างการประชุม เข้าเว็บไซต์ ได้เอง

ไม่กี่เดือนที่ผ่านมามี Skill

• ผู้ใช้งานสร้าง Specific Skill ให้ AI เป็น Expert เฉพาะด้าน เช่น การเงิน กฎหมาย การตลาด — ไม่ใช่แค่คนฉลาดแบบ Generalist อีกต่อไป

เมื่อ AI เก่งขึ้นทุกวัน คำถามสำคัญคือคนเราจะปรับตัวอย่างไร ดร.ธีรวัฒน์แบ่งคำตอบออกเป็น 3 แกนหลัก ถ้าขาดสิ่งใดสิ่งหนึ่งไป คนเราก็ยังไม่รู้จัก AI และยังใช้งาน AI ไม่ได้จริง

1. ต้องมีความรู้ (Knowledge): รู้ว่า AI ทำอะไรได้ ทำอะไรไม่ได้ และใช้งานให้เป็น

2. รู้อย่างเดียวไม่พอ ต้องมีความเชื่อ (Belief): ต้องเชื่อว่า AI เกี่ยวข้องและช่วยงานของตัวเองได้จริง

3. ท้ายที่สุด ลงมือทำ (Action): นำ AI ไปใช้งานจริง ต่อเนื่อง จนเกิดผลลัพธ์

5 ด้านความรู้ AI ที่ทุกคนควรมี ไม่ใช่แค่ Coding หรือทฤษฎี LLM แต่คือทักษะที่ใช้ได้จริงทุกวัน

1. ถามให้เป็น สั่งให้เป็น — รู้ว่า AI ทำอะไรได้ ทำอะไรไม่ได้ ใช้ Voice-to-Text สั่งงาน AI เหมือนสั่งลูกน้อง

2. จับผิด AI ให้เป็น — AI ผิดพลาดได้เสมอ แม้งานที่ส่งออกมาจะดูสวยหรู ต้องอ่านอย่างมีวิจารณญาณและสั่งให้แก้ไขให้ถูกต้อง

3. เป็น Master รู้ลึกในงานตัวเอง — ต้องมีความรู้พอจะตรวจ AI ได้ ใช้ AI สอนวิธีทำเพื่อให้เราเก่งขึ้น ไม่ใช่ใช้ลอกคำตอบไปส่ง

4. รู้ความเสี่ยงของ AI — ระวังไม่แชร์ข้อมูลที่อาจรั่วไหลออกไป

5. เป็น Owner รับผิดชอบผลงาน — AI คือเครื่องมือ คือลูกน้อง เราคือหัวหน้าที่ต้องรับผิดเมื่อเกิดความผิดพลาด ไม่เช่นนั้นจะจ้างหัวหน้าเข้ามาทำไม

กสิกรไทยสร้างความรู้ AI ให้พนักงานอย่างไร

• ตั้งแต่ปี 2024 จนถึงปัจจุบัน ครอบคลุมทุกสายงาน

1. AI Tools Training: อบรมเครื่องมือ AI ให้ทุกสายงาน

• Gemini Enterprise, Microsoft Copilot, และ Claude — สอนทุกคนในทุกๆ สายงาน

2. Role-based Training: แต่ละบทบาทใช้ AI ไม่เหมือนกัน

• MIS, Project Manager, Data Scientist ใช้ AI ต่างกัน จึงมี Specific Training พร้อมดึง Expert จากภายนอกมาสอน

3. AI Clinic: คลินิกและหมอ AI

• คนสามารถเข้ามาปรึกษา ขอความรู้ และแชร์ความรู้ซึ่งกันและกันได้

ความเชื่อเกิดจาก Awareness + Motivation

• มีความรู้อย่างเดียวไม่พอ ถ้าไม่เชื่อว่าเกี่ยวข้องกับตัวเอง คนจะไม่นำไปใช้

1. Awareness: สร้าง Use Case ที่เกี่ยวข้องกับงานจริง

• ให้เห็นว่า AI ใช้กับงานของเขาได้จริงหรือไม่ มี Use Case ที่เกี่ยวข้องกับเขาโดยตรง

2. Motivation: ผู้บริหารระดับสูงให้รางวัลและความสำคัญ

• ประธานเจ้าหน้าที่บริหารลงมามอบรางวัลกับงานที่สำเร็จด้วยตัวเอง

1. AI Community ไอเดียจาก Capital One — ถามคำถาม แชร์ประสบการณ์ แชร์ Use Case

2. Prompt Hub เว็บไซต์ดูโปรเจกต์ของทีมต่างๆ คัดลอกโค้ดไปใช้ต่อได้

3. Events กิจกรรมต่อเนื่องตั้งแต่ปี 2024

5 ตัวอย่างจริงที่กสิกรไทยใช้ AI ลดเวลาทำงาน

1. Tax & Transfer Pricing · ลดเวลา 18 Man-days: จัดทำรายงานภาษี BEPS และ Transfer Pricing

กระบวนการซับซ้อน ต้องการความแม่นยำสูง AI ช่วยลดเวลาทำงานลงได้มาก

2. Financial Consolidation · ลดเวลา 3 Man-days: รวมไฟล์งบการเงินบริษัทในเครือ + สร้าง Dashboard

AI รวมไฟล์ของทุกบริษัทเป็นไฟล์เดียว จัดทำ Dashboard วิเคราะห์และเปรียบเทียบผลการดำเนินงาน

3. Legal Case Review · แม่นยำ 90% · ลดเวลา 16.2 Man-days/คน/เดือน: ตรวจสอบเอกสารคดีผู้บริโภคและอ่านคำสั่งศาล

AI ช่วยตรวจสอบเอกสาร สรุปคำสั่งศาล และแนะนำประเด็นที่ต้องระวัง คนทำงานเปลี่ยนบทบาทเป็น Checker

4. SharePoint AI Agent · ลดเวลา 2.3 Man-days/คน/เดือน: AI Agent ค้นหาและสรุปเนื้อหาไฟล์บน SharePoint

แก้ปัญหาไฟล์กระจัดกระจายในหลายโฟลเดอร์ ถามเนื้อหาไฟล์ได้ทันทีโดยไม่ต้องคลิกเข้าไปดู

5. Qlik Sense → Databricks · ลดเวลา 6.8 Man-days/คน/เดือน: แปลง Qlik Sense Script เป็น SQL Databricks อัตโนมัติ

ลดความเสี่ยงจากการเขียนโค้ดผิดพลาดที่กระทบ Performance Server ของธนาคาร ทีมมีเวลาไปทำงานสร้างมูลค่าอื่น

Claude และ Copilot Coworker: สั่งครั้งเดียว ทำครบทุกขั้นตอนปี 2025 เข้ามาเปลี่ยนวิธีทำงาน จากค่อยๆ สั่ง สู่สั่งครั้งเดียวจบ

1. Research → Report → PowerPoint: สั่งคำสั่งเดียว หาข้อมูล วิเคราะห์ สร้างสไลด์ให้ครบ เช่น สั่งให้หาข้อมูลบริษัทพลังงาน เปรียบเทียบคู่แข่ง ดึงข้อมูลมาทำรายงาน วิเคราะห์ และสร้าง PowerPoint ให้เสร็จในคำสั่งเดียว

2. Excel → Dashboard → Insight → Presentation: ใส่ไฟล์ Excel หลายไฟล์ ให้ AI ทำครบทั้งกระบวนการ AI วางแผน อ่านข้อมูล Analyze/Aggregate สร้าง Interactive Dashboard หา Insight แล้วสร้างเป็น PowerPoint ให้เอง แก้ไขต่อได้ทันที

ทางเลือกของมนุษย์ในยุค AI

สุดท้ายแล้วเราจะถูกแย่งงาน ถ้าเราใช้ AI ไม่เป็น — คนที่ใช้งาน AI เป็น จะสามารถไปแย่งงานคนที่ใช้ AI ไม่เป็น

ข้อสรุป:

เราโชคดีขนาดไหนแล้วที่เกิดมาในยุคที่เราอยากรู้อะไรก็รู้ได้ อยากทำอะไรก็ทำได้ ทำไมเราไม่เอาความได้เปรียบตรงนี้มาเรียนรู้ แล้วทำให้เราเป็นมนุษย์ หรือเป็นคนที่ทุกคนต้องการ