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

สรุปสาระสำคัญ

• ปี 2026 ทั่วโลกลงทุนด้าน AI ไปแล้ว 2.5 ล้านล้านดอลลาร์ แต่มีเพียง 1 ใน 4 ขององค์กรที่บอกว่าคุ้มค่า

• KBTG เสนอสูตร Value = (Process + People + Platform) ยกกำลัง Experimentation เพื่อวัดว่า AI สร้างคุณค่าจริงหรือไม่

• KBank ใช้ AI ลดภาระงานไปแล้ว 300,000 ชั่วโมงต่อปี ผ่านแชทบอท KBank Live

• ระบบยืนยันตัวตนด้วยใบหน้าที่ KBTG พัฒนาเอง ตอนนี้ให้บริการกว่า 30 บริษัท ผู้ใช้รวมกว่า 40 ล้านคน กลายเป็นธุรกิจใหม่ ไม่ใช่แค่ฟีเจอร์

• Gartner คาดว่าปี 2027 โปรเจกต์ AI 70% จะล้มเหลว ไม่ใช่เพราะเทคโนโลยีทำไม่ได้ แต่เพราะคนไม่เชื่อใจ

สรุป Session: Beyond Bigger Models: Thailand's Opportunity in the Next AI Era จากงาน The Story Thailand Forum 2026 ครั้งที่ 6 โดยดร.ทัดพงศ์ พงศ์ถาวรกมล, Managing Director, กสิกร บิซิเนส-เทคโนโลยี กรุ๊ป (KBTG)

เส้นทาง AI ที่ยาวนานของ KBTG

KBTG (กสิกร บิซิเนส-เทคโนโลยี กรุ๊ป) มีหน้าที่หลัก 2 เรื่อง คือ Run the Bank — ดูแลระบบ IT ซอฟต์แวร์สาขาและแอป Mobile Banking ของธนาคารกสิกรไทย และ Create the Future — มองหาเทคโนโลยีแห่งอนาคตเพื่อเตรียมความพร้อมให้องค์กร AI คือหนึ่งในเรื่องที่ KBTG บุกเบิกมาตั้งแต่ก่อนที่คนทั่วไปจะรู้จัก

1. 2017: การทดลองครั้งแรก (1st Experimentations)

   • กรณีการใช้งานแรกด้วย deep learning สำหรับ machine commerce และข้อเสนอสินเชื่อที่ใช้ AI

2. 2019: การเปลี่ยนแปลง M.A.D. / ผู้บุกเบิกอุตสาหกรรม (Industry Pioneer)

   • การเปิดตัวเทคโนโลยีการจดจำใบหน้าภายในองค์กร และการจัดตั้งการดำเนินงาน ML Engineering ภายในองค์กร

3. 2021/2022: การเปิดรับระดับโลก (Global Exposure)

   • การวิจัยและพัฒนา AI ภายในองค์กรพร้อมสิ่งตีพิมพ์การวิจัยระดับโลก และการเปิดตัวความร่วมมือกับ MIT Media Lab

4. 2024-2025: ยุคของ GenAI / Human-First x AI-First

   • THALLE LLM, กรณีการใช้งานทั่วทั้งองค์กร, การเปิดตัวความช่วยเหลือการเขียนโค้ด AI, iBeta Lv.2 สำหรับ AINU, Future You, และอื่น ๆ อีกมากมาย!

5. 2026 & Beyond: AI-Infused KBTG

   • การเปลี่ยนแปลงแบบ end-to-end ของวิธีที่ KBTG ส่งมอบเทคโนโลยีเพื่อพัฒนาธุรกิจธนาคาร

ดร.ทัดพงศ์บอกว่า Transform องค์กรให้ใช้ AI อย่างมีประสิทธิภาพสูงสุด แต่ คนต้องมาก่อนเสมอ

3 ปีหลัง ChatGPT Moment จาก คืออะไร สู่คุ้มค่าไหม

ปีที่ 1: GenAI เข้าสู่กระแสหลัก (~65% องค์กรใช้แล้ว)

• คำถามคือ Gen AI คืออะไร ทำอะไรได้บ้าง ทำงานอย่างไร

• 65% ขององค์กรได้ทดลองใช้ generative AI

• World Economic Forum: Daves, 2024

ปีที่ 2: 2025

• ทุกคนเข้าใจและเริ่มใช้แล้ว คำถามเปลี่ยนเป็น ต้องเปลี่ยนแปลงคน สกิล และกระบวนการอย่างไร — มนุษย์จะอยู่ร่วมกับ AI อย่างไร

• 83% ของผู้บริหารตอนนี้เรียก AI ว่าเป็นลำดับความสำคัญเชิงกลยุทธ์

• WEF: Future of Jobs, 2025

ปีที่ 3: 2026 (วันนี้)

• หลายองค์กรลงทุนมากมายและทดลองมาแล้ว คำถามคือปีของ AI ROI — 2 ปีที่ผ่านมาให้อะไรเราได้บ้าง ทั้งในระดับ Personal, Organization และ Society

• $2.5T การใช้จ่าย AI ทั่วโลกในปี 2026 (+44% YoY) — แต่มีเพียง ~1 ใน 4 ของโครงการที่บรรลุ ROI ที่คาดหวัง

• Gartner, 2026

3 วิธีการจับค่า (Value Capture)

- ค่า AI สามารถนิยามได้จากที่มันถูกจับ (captured)

Productivity (การดำเนินงานภายใน)

• AI ปรับปรุงวิธีที่บุคคลและทีมทำงาน — คนกลุ่มเดิมทำงานได้สำเร็จมากขึ้น

  • ร่าง สรุป และทำให้งานประจำเป็นอัตโนมัติ

  • เร่งปริมาณงานและเวลาในวงจร

  • ขั้นตอนด้วยตนเองและการทำซ้ำที่น้อยลง

• ระยะสั้น วัดผลง่ายที่สุด

Engagement (การเผชิญหน้ากับลูกค้า)

• AI ยกระดับช่วงเวลาที่พบกับลูกค้า — เกี่ยวข้องมากกว่า เป็นส่วนตัวมากกว่า และตอบสนองมากกว่า

  • การปรับแต่งส่วนบุคคลและคำแนะนำ

  • บริการที่ฉลาดกว่าและเปิดให้บริการตลอดเวลา

  • อัตราการแปลง ความภักดี และ NPS ที่สูงขึ้น

• ระยะกลาง ซับซ้อนมากขึ้น

Strategy (โมเดลระยะยาว)

• AI เสริมสร้างโมเดลธุรกิจเอง — ข้อเสนอใหม่และข้อได้เปรียบที่ยั่งยืน

  • ผลิตภัณฑ์ ตลาด และโมเดลใหม่

  • เวลาเข้าสู่ตลาดที่เร็วขึ้นและการเปลี่ยนทิศทาง (pivots)

  • ข้อได้เปรียบที่ทวีคูณตามเวลา

• ระยะยาว วัดผลยากที่สุด

AI Value วัดผลอย่างไร

Value Capture — เพิ่มรายได้ ลดรายจ่าย ลดความเสี่ยง

Top Line: เพิ่มรายได้ - Revenue Growth ที่ชัดเจนที่สุด

Bottom Line: ลดรายจ่าย - Improve Bottom Line ให้ดีขึ้น

แต่ Value ที่สูงที่สุด โดยเฉพาะใน Regulated Industry อย่างธนาคาร อาจเป็นแค่ "Nothing bad happens" — ไม่มีอะไรไม่ดีเกิดขึ้น ซึ่งด้วยตัวมันเองคือ Value ที่สูงมาก เพราะถ้าไม่ Address ความเสี่ยงทันท่วงที Business อาจต้องหยุด Operate ไปเลย ทั้ง 3 แกนนี้จึงสำคัญเท่าเทียมกัน ไม่มีใครเหนือใคร

3 ตัวอย่างจาก KBank/KBTG ที่ Proven Value แล้ว

• หลังบ้าน หน้าบ้าน และกลยุทธ์ ครบทั้ง 3 มิติ

Document Check: Automate Oversight ด้วย AI OCR ตรวจแบงก์สเตทเมนต์ในการขอสินเชื่อ

Make sure ว่าเอกสารถูกต้อง ปลอดภัย ตัวเลขตรงไปตรงมา และสร้าง Credit Model ที่น่าเชื่อถือ — จากที่เคยใช้คนตรวจ

Chatbot Engagement: Service Scalability ด้วย KBank Live บน LINE (Deep Learning ตั้งแต่ก่อนโควิด)

ช่วยลดภาระงานได้ 300,000 ชั่วโมงต่อปี — เรียกว่า "Man-day Avoidance" กำลังต่อยอดด้วย Gen AI

Identity Verification: New Business Model ด้วยระบบรู้จำใบหน้า In-house ขยายผลนอกองค์กร

ใช้ยืนยันตัวตนใน K PLUS และให้บริการกว่า 30 บริษัท ผู้ใช้รวมกว่า 40 ล้านคน — สร้างรายได้เป็น Business Model ใหม่ ผ่านการรับรองมาตรฐานระดับโลก

AI Value Equationอะไรทำให้ Value ของ AI เกิดขึ้นได้จริง

หลังจากรู้ว่า Value เกิดที่ไหนและวัดอย่างไรแล้ว คำถามต่อไปคือ อะไรคือปัจจัยที่ทำให้ Value เกิดขึ้นจริง ดร.ทัดพงศ์กลั่นออกมาเป็นสมการเดียว:

V = ( Process + People + Platform ) ^ Experimentation

Value = (P + P + P) raised to the power of Experimentation Culture

หมายเหตุ: 3P เป็นเบสที่ต้องมี แต่สิ่งที่ทำให้ Value ทวีคูณขึ้นจริงคือ Experimentation — วัฒนธรรมการทดลองสิ่งใหม่ๆ ขององค์กร ถ้าไม่มีตัวนี้ Value จะไม่มีทาง Unlock ได้เต็มศักยภาพ

P ตัวที่ 1-2: Process & People

• เอา AI มาใช้แต่ไม่เปลี่ยน Process คือ Recipe ของความผิดพลาด

1. Process: Task ต้องถูกมองใหม่เป็น Process ไม่ใช่แค่ถาม-ตอบ

40% ของ Enterprise App เริ่ม Embed AI เข้ากับ Process แล้ว นี่ไม่ใช่แค่ Automate แต่คือ Orchestrate AI ร่วมกับคนและระบบ — ตัวอย่าง KBTG Reprocess SDLC ใหม่โดยเอา AI Agent ช่วยตั้งแต่รับ Requirement, Design, Develop จนถึง Test ทำให้ Software Delivery Productivity เพิ่มขึ้น 8% ตั้งเป้า 15% ในอีก 2-3 ปี

2. People (Reskill): Digital Workforce + Digitized Human Workforce

ต่อไปบริษัทมีคน 2 ประเภท: AI ที่คุยกับคนได้ (Humanized Digital Workforce) และคนที่ใช้ AI เป็น (Digitized Human Workforce) — สกิลของคนและ AI จะรวมเป็น Skill Catalog เดียวกัน สื่อสารด้วยภาษาเดียวกัน

Lv.1 AI Literacy — ใช้ AI เป็นไหม (KBTG ผ่านแล้ว 100%)Lv.2 AI Mastery — สร้าง AI เป็นไหมLv.3 AI Excellence — Orchestrate AI และสร้าง Workflow ใหม่เป็นหรือเปล่า

3. P ตัวที่ 3 + Exponent: Platform & ExperimentationRedefine ระบบทั้งหมด ภายใต้ Governance ที่ไม่เปลี่ยน

3.1. Platform: Redefine channel, orchestration, agent builder, gateway, MCP

ต้อง Redefine Tool, Knowledge และ Data ทั้งหมด ภายใต้ Governance Plane เป็น Vertical Layer ที่คุมตั้งแต่หน้าบ้านยันหลังบ้าน — แม้เทคโนโลยีหรือ Use Case จะเปลี่ยน Governance ต้องไม่เปลี่ยน

3.2. Exponent Culture

Playground: จาก 45 วัน เหลือ 1 วัน

KBTG/KBank สร้างแพลตฟอร์ม Playground ให้ทดลองไอเดียง่ายๆ ได้เร็วขึ้นมาก เกิด Use Case Snowball มากมาย: Knowledge Management Assistant, Advisory Bot, Document Processing, Voice & Conversational

ข้อสรุป:

อย่ามัวแต่ไล่ล่าในเรื่องของคุณค่าระยะสั้นของ AI แต่จงหาหลักการเพื่อทำให้มูลค่านั้นยั่งยืน เพราะรายได้และคุณค่าคือสิ่งที่ทำให้เราอยู่ได้ แต่หลักการคือสิ่งที่ทำให้เราอยู่ได้ยาว และรู้ว่าเราอยู่เพื่ออะไร