Latest Posts
Home Category:บทความโดย Gemini Deep Search สถานะและความก้าวหน้าของวงการปัญญาประดิษฐ์ในประเทศไทย เดือนตุลาคม 2568
บทความโดย Gemini Deep Search

สถานะและความก้าวหน้าของวงการปัญญาประดิษฐ์ในประเทศไทย เดือนตุลาคม 2568

Posted on by admin

บทที่ 1: บทสรุปสำหรับผู้บริหารและภาพรวมยุทธศาสตร์

การพัฒนาปัญญาประดิษฐ์ (AI) ในประเทศไทยได้ก้าวเข้าสู่ระยะการเร่งรัดอย่างเป็นรูปธรรม โดยมีกลไกขับเคลื่อนหลักคือแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – 2570) ซึ่งมีวิสัยทัศน์ที่มุ่งเน้นการใช้ AI เพื่อยกระดับคุณภาพชีวิตและขับเคลื่อนการเติบโตทางเศรษฐกิจ 1 ในปัจจุบัน สถานะความพร้อมด้าน AI ของประเทศไทยแสดงให้เห็นถึงความก้าวหน้าที่ชัดเจนเมื่อเทียบกับช่วงเริ่มต้นของการกำหนดนโยบาย

1.1 สถานะปัจจุบันของ AI ประเทศไทยในบริบทโลกและยุทธศาสตร์

ประเทศไทยแสดงให้เห็นถึงการยกระดับความพร้อมด้าน AI ในระดับนานาชาติ โดยข้อมูลล่าสุดในปี 2024 ระบุว่าประเทศไทยอยู่ในอันดับที่ 43 ของโลกในดัชนีวัดความก้าวหน้า AI 3 ซึ่งเป็นพัฒนาการที่สำคัญอย่างยิ่งเมื่อพิจารณาจากข้อเท็จจริงที่ว่า ในปี 2020 ประเทศไทยเคยถูกจัดอยู่ในลำดับที่ 60 ในผลดัชนีชี้วัดความพร้อมด้านปัญญาประดิษฐ์ของรัฐบาลทั่วโลก 5 การขยับอันดับนี้สะท้อนถึงการลงทุนอย่างต่อเนื่องในเชิงนโยบายและโครงสร้างพื้นฐานในช่วงหลายปีที่ผ่านมา โดยมีเป้าหมายเชิงกลยุทธ์ในการเพิ่มความพร้อมของภาครัฐในดัชนีนี้ให้ติดอันดับ 1 ใน 50 ของโลกอย่างยั่งยืน.6

ในมิติของศักยภาพทางเศรษฐกิจ ตลาด AI ในประเทศไทยคาดว่าจะมีการเติบโตที่แข็งแกร่งอย่างยิ่ง สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa) ประเมินว่าตลาด AI ของไทยจะมีมูลค่าสูงถึง 114,000 ล้านบาทภายในปี 2030 7 ตัวเลขนี้สอดคล้องกับความเชื่อมั่นในระดับผู้บริหาร โดยผลสำรวจ CEO Survey 2024 ของ PwC Thailand พบว่า 61 เปอร์เซ็นต์ของ CEO ในประเทศไทยมีความเห็นว่า AI จะเปลี่ยนแปลงการดำเนินงานของบริษัทอย่างมีนัยสำคัญ.9

ตารางที่ 1: การประเมินสถานะความคืบหน้าของ AI ประเทศไทย ปี 2024

มิติการพัฒนาสถานะล่าสุด/ตัวชี้วัดแหล่งข้อมูล (อ้างอิง)การวิเคราะห์ผลกระทบเชิงกลยุทธ์
อันดับความพร้อมของ AI โลก (2024)อันดับที่ 43 (Global AI Readiness Index)3ยกระดับจากปี 2020 (อันดับ 60) แสดงถึงความสำเร็จในการขับเคลื่อนยุทธศาสตร์แห่งชาติ
มูลค่าตลาด AI (คาดการณ์ 2030)114,000 ล้านบาท7ศักยภาพการเติบโตสูง สนับสนุนการพัฒนาเศรษฐกิจ BCG และภาคธุรกิจ
อัตราการประยุกต์ใช้ AI ในองค์กร17.8% ขององค์กรได้นำ AI มาใช้แล้ว10อัตราการนำไปใช้จริงยังต้องเร่งรัด โดยเฉพาะใน 10 กลุ่มอุตสาหกรรมเป้าหมาย
การยอมรับในระดับผู้ใช้>70% ของคนไทยใช้ AI, 92% ของ Knowledge Workers ใช้ AI ในการทำงาน7การยอมรับภาคประชาชนสูง เป็นปัจจัยบวกที่สำคัญต่อการขยายตัวและการปรับตัวของแรงงาน

1.2 การวิเคราะห์เชิงกลยุทธ์: การเปลี่ยนผ่านจาก “ความตระหนัก” สู่ “การลงทุนเชิงโครงสร้าง”

การวิเคราะห์ข้อมูลความพร้อมของ AI ไทย เผยให้เห็นถึงความต้องการเร่งด่วนในการยกระดับโครงสร้างพื้นฐานและการลงทุนในโซลูชั่นระดับองค์กร ปัจจุบันมีกลุ่มพนักงานที่มีความรู้ (Knowledge Workers) ถึง 92% ที่ระบุว่าใช้เครื่องมือ AI ในการทำงานประจำวัน 7 อย่างไรก็ตาม องค์กรโดยรวมมีอัตราการนำ AI ไปใช้อย่างเป็นทางการเพียง 17.8% 10 ความแตกต่างนี้บ่งชี้ว่ามีความต้องการใช้งาน AI ในระดับบุคคลสูงกว่าความสามารถในการจัดหาหรือปรับใช้โซลูชั่น AI ในระดับองค์กร (Supply/Adoption) ซึ่งเป็นช่องว่างตลาดขนาดใหญ่ที่สามารถสร้างโอกาสให้กับผู้ให้บริการ AI-as-a-Service (AIaaS) และการพัฒนาแพลตฟอร์มแบบ Low-Code/No-Code ที่ลดความซับซ้อนในการพัฒนา เช่น แพลตฟอร์ม CiRA CORE ที่ช่วยให้ผู้ใช้ทั่วไปสามารถพัฒนาแอปพลิเคชัน Deep Learning ได้โดยไม่ต้องมีทักษะการเขียนโค้ดขั้นสูง 11

นอกจากนี้ การจัดลำดับความสำคัญในการลงทุนของภาครัฐยังเป็นสิ่งที่น่าสนใจอย่างยิ่ง แม้ว่างบประมาณสำหรับโครงการ AI ของรัฐบาลในปี 2024 จะลดลงเมื่อเทียบกับปีก่อนหน้า 10 แต่การลดลงดังกล่าวมีสาเหตุหลักมาจากการลงทุนด้านโครงสร้างพื้นฐาน AI อย่างหนักหน่วงและต่อเนื่องในปี 2023 10 การดำเนินการนี้แสดงให้เห็นถึงกลยุทธ์ที่เน้นการสร้างรากฐานที่มั่นคงก่อน (Build First) โดยการเร่งพัฒนาโครงสร้างพื้นฐานด้านการประมวลผลและการคำนวณขั้นสูง (เช่น ระบบลันตาซูเปอร์คอมพิวเตอร์ LANTA HPC ที่ดูแลโดย สวทช.) 13 เพื่อรองรับความต้องการเชิงคำนวณของ AI ยุคใหม่ 15 การลงทุนเชิงโครงสร้างนี้มีวัตถุประสงค์ระยะยาวในการสร้างความได้เปรียบเชิงแข่งขันและตั้งตนให้เป็น “แพลตฟอร์ม AI ของเอเชียตะวันออกเฉียงใต้”.15

บทที่ 2: กรอบนโยบายและกลไกขับเคลื่อนระดับชาติ

แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – 2570) เป็นหัวใจสำคัญที่กำหนดทิศทางการพัฒนา AI ของประเทศ โดยแผนนี้ไม่ได้มุ่งเน้นเพียงการพัฒนาเทคโนโลยี แต่รวมถึงการสร้างระบบนิเวศที่ครอบคลุมทุกมิติ

2.1 แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติ (พ.ศ. 2565 – 2570)

แผนยุทธศาสตร์ AI แห่งชาติแบ่งออกเป็น 5 เสาหลักสำคัญ 1:

  1. การเตรียมความพร้อมของประเทศในด้านสังคม จริยธรรม กฎหมาย และกฎระเบียบ: เน้นการสร้างความตระหนักรู้ด้านจริยธรรม AI และพัฒนากฎหมายที่เกี่ยวข้องเพื่อให้เกิดการใช้งาน AI ที่เป็นธรรมและรับผิดชอบ.14
  2. การพัฒนาโครงสร้างพื้นฐานและระบบสนับสนุนด้านปัญญาประดิษฐ์: มุ่งสร้างเครือข่ายเชี่ยวชาญเฉพาะด้าน พัฒนาศูนย์เชื่อมโยงข้อมูลขนาดใหญ่ และโครงสร้างพื้นฐานการประมวลผลขั้นสูง.14
  3. การเพิ่มศักยภาพบุคลากรและการพัฒนาการศึกษาด้านปัญญาประดิษฐ์: สร้างกำลังคนที่มีคุณภาพในระดับต่างๆ ตั้งแต่ AI Literacy จนถึง AI Professionals.1
  4. การพัฒนาเทคโนโลยีและนวัตกรรมเพื่อสนับสนุนเทคโนโลยีปัญญาประดิษฐ์: ส่งเสริมงานวิจัยและพัฒนา (R&D) เพื่อให้เกิดนวัตกรรม AI ที่เป็นของไทย.1
  5. การส่งเสริมให้เกิดการประยุกต์ใช้เทคโนโลยีระบบปัญญาประดิษฐ์ในภาครัฐและภาคเอกชน: สนับสนุนการใช้ AI ในกลุ่มอุตสาหกรรมเป้าหมาย 10 กลุ่ม และในภาครัฐ.1

กรอบการดำเนินการของแผนฯ แบ่งเป็น 2 ระยะ โดยระยะที่ 2 (พ.ศ. 2566 – 2570) มุ่งเน้นการสร้างความเข้มแข็งด้านเศรษฐกิจและสังคม โดยมีโครงการสำคัญที่เรียกว่า AI Grand Challenge.1

2.2 โครงการเรือธง (Flagship Projects) และศูนย์ความเป็นเลิศ (CoEs)

หัวใจของการขับเคลื่อนยุทธศาสตร์นี้คือการอนุมัติงบประมาณ 25,000 ล้านบาท 7 และการจัดตั้งกลไกสำคัญเพื่อเร่งความเป็นผู้นำด้าน AI ศูนย์ความเป็นเลิศด้าน AI (AI Centres of Excellence – CoEs) 9 แห่ง ได้ถูกกำหนดขึ้นเพื่อมุ่งเน้นการบูรณาการ AI เข้ากับภาคส่วนสำคัญโดยเฉพาะ เช่น การศึกษา การแพทย์ การเกษตร การผลิต และภาษาไทย 7

โครงการเรือธง (Flagship Projects) ภายใต้แผนปฏิบัติการ AI แห่งชาติ สะท้อนถึงจุดเน้นการลงทุนเชิงกลยุทธ์เพื่อสร้างรากฐานที่แข็งแกร่ง 17:

  • Thai LLM: โครงการนี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองภาษาขนาดใหญ่ที่รองรับภาษาไทยโดยเฉพาะ (Generative AI model supporting the Thai language) ซึ่งเป็นรากฐานสำคัญในการสร้างอธิปไตยทางเทคโนโลยีและวัฒนธรรม.17
  • Thai People Map and Analytics Platform (TPMAP): การใช้ AI เพื่อวิเคราะห์ข้อมูลประชากรอย่างละเอียดเพื่อสนับสนุนการกำหนดนโยบายสาธารณะและการแก้ปัญหาสังคมอย่างแม่นยำ.17
  • Medical AI Data Sharing Platform: แพลตฟอร์มการแบ่งปันข้อมูลทางการแพทย์ที่ขับเคลื่อนด้วย AI เพื่อยกระดับมาตรฐานการรักษาและอำนวยความสะดวกในการอนุมัติอุปกรณ์ทางการแพทย์ที่เกี่ยวข้อง.7
  • AI Governance Center: ศูนย์กลางที่มุ่งเน้นการกำกับดูแลและจริยธรรม AI เพื่อสร้างความสมดุลระหว่างนวัตกรรมและความรับผิดชอบต่อสังคม.7

ตารางที่ 2: โครงการเรือธง (Flagship Projects) และความเชื่อมโยงเชิงกลยุทธ์

โครงการเรือธงวัตถุประสงค์หลักยุทธศาสตร์ที่เกี่ยวข้องผลกระทบเชิงกลยุทธ์ต่อประเทศ
Thai LLM Initiativeสร้างแบบจำลองภาษาขนาดใหญ่ที่รองรับภาษาไทยR&D และโครงสร้างพื้นฐาน (ย.4, ย.2)สร้างอธิปไตยทางเทคโนโลยี ลดการพึ่งพาโมเดลต่างชาติ และสนับสนุนการแข่งขัน.17
Medical AI Data Sharing Platformศูนย์กลางการแบ่งปันข้อมูล AI ทางการแพทย์การประยุกต์ใช้ (ย.5)ยกระดับการแพทย์ไทยสู่ศูนย์กลางการรักษาพยาบาลในอาเซียน.17
National AI Workforce Development Programโครงการพัฒนาบุคลากร AI 4 ระดับ (Literacy, Innovators, Engineers, Professionals)บุคลากร (ย.3)แก้ปัญหาการขาดแคลนกำลังคนดิจิทัล เพื่อรองรับตลาด AI มูลค่า 114,000 ล้านบาท.7

2.3 การวิเคราะห์เชิงกลยุทธ์: ยุทธศาสตร์การสร้างอธิปไตยทางเทคโนโลยี

การดำเนินการตามแผนปฏิบัติการแห่งชาติแสดงให้เห็นถึงความพยายามอย่างยิ่งยวดในการสร้างสมดุลระหว่างการขับเคลื่อนนวัตกรรมเชิงรุกและการจัดตั้งกรอบการกำกับดูแลที่เข้มแข็ง การตัดสินใจจัดตั้ง AI Governance Center 17 ควบคู่ไปกับการเร่งพัฒนาเทคโนโลยี สะท้อนให้เห็นถึงความตระหนักว่านวัตกรรมเพียงอย่างเดียวไม่เพียงพอต่อการเติบโตอย่างยั่งยืน ประเทศไทยมีแผนที่จะพิจารณาข้อบังคับเพิ่มเติมจากกรอบจริยธรรม AI ที่ได้รับการอนุมัติในปี 2021 7 และการผลักดันกฎหมายและระเบียบข้อบังคับด้าน AI ให้มีผลบังคับใช้ 6 การให้ความสำคัญกับหลักการ Fair, Accountable, and Transparent (FAT) ในการกำกับดูแลนี้ เป็นการสร้างความเชื่อมั่นให้กับนักลงทุนทั้งในและต่างประเทศว่า AI จะถูกนำไปใช้ด้วยความรับผิดชอบ ซึ่งเป็นสิ่งจำเป็นอย่างยิ่งในการดึงดูดการลงทุนระยะยาว โดยเฉพาะในภาคส่วนที่มีความอ่อนไหวต่อข้อมูล เช่น การเงินและการแพทย์.2

นอกจากนี้ การใช้ AI ในการขับเคลื่อนวาระสำคัญของรัฐบาลเป็นการกำหนดทิศทางการประยุกต์ใช้ที่ชัดเจน โครงการต่างๆ เช่น TPMAP 17 มุ่งเน้นการใช้ AI ในการวิเคราะห์ข้อมูลขนาดใหญ่ของประชาชน เพื่อตอบสนอง “วาระสำคัญของรัฐบาล” 14 การใช้ AI ในการแก้ปัญหาความเหลื่อมล้ำทางสังคมหรือการยกระดับบริการภาครัฐ ทำให้เกิดการจัดสรรทรัพยากรที่แน่นอนและสร้างตลาดนำร่อง (Testbed) ที่มั่นคงสำหรับการใช้งาน AI ในวงกว้าง การสนับสนุนจากรัฐบาลในลักษณะนี้ช่วยลดความเสี่ยงให้กับสตาร์ทอัพและภาคเอกชนที่พัฒนาโซลูชั่น AI ในการทำงานกับภาครัฐ และเร่งให้เกิดการประยุกต์ใช้จริงตามเป้าหมายของยุทธศาสตร์ชาติ.14

บทที่ 3: ความพร้อมของระบบนิเวศ AI และการเติบโตของตลาด

ความสำเร็จของการพัฒนา AI ขึ้นอยู่กับความพร้อมของระบบนิเวศในสามองค์ประกอบหลัก ได้แก่ โครงสร้างพื้นฐาน บุคลากร และกลไกการนำไปใช้ในตลาดจริง

3.1 การประเมินความพร้อมและปัจจัยขับเคลื่อนตลาด

การประยุกต์ใช้ AI ในองค์กรในประเทศไทยกำลังเพิ่มขึ้น โดยพบว่า 17.8% ขององค์กรมีการนำ AI มาใช้งานแล้ว 10 และตามแผนยุทธศาสตร์ตั้งเป้าหมายที่จะเพิ่มจำนวนหน่วยงานที่ใช้ AI (ทั้งภาครัฐ ภาคธุรกิจ และผู้ประกอบการใหม่) ให้ถึงอย่างน้อย 600 แห่งภายในระยะเวลา 6 ปี.6

ในด้านโครงสร้างพื้นฐานเชิงกลยุทธ์ ประเทศไทยมีกลไกสำคัญที่ดำเนินการโดยภาครัฐ เช่น การพัฒนาแพลตฟอร์มกลางระดับประเทศเชิงบูรณาการและการสร้างโครงสร้างพื้นฐานการประมวลผลขั้นสูง 14 องค์กรอย่าง สวทช. (NSTDA) ได้เข้ามาดูแลระบบโครงสร้างพื้นฐานหลัก เช่น LANTA HPC และแพลตฟอร์ม AI for Thai 13 การลงทุนเหล่านี้สอดคล้องกับเป้าหมายของยุทธศาสตร์ที่จะเพิ่มการลงทุนด้านดิจิทัลในโครงสร้างพื้นฐาน 10% ต่อปีเพื่อสนับสนุนการพัฒนา AI ทั้งในภาครัฐและเอกชน 6 การมีโครงสร้างพื้นฐานที่พร้อมเป็นปัจจัยสำคัญในการดึงดูดการลงทุนด้าน Data Center และ AI Operations จากองค์กรระดับภูมิภาคและระดับโลก เพื่อบรรลุเป้าหมายการเป็น “แพลตฟอร์ม AI ของเอเชียตะวันออกเฉียงใต้”.15

3.2 การพัฒนาบุคลากร AI (AI Talent Pipeline)

การพัฒนาบุคลากรเป็นหัวใจสำคัญของยุทธศาสตร์ AI แห่งชาติ (ยุทธศาสตร์ที่ 3) โดยมีโครงการขนาดใหญ่ที่มุ่งเน้นการสร้างทักษะ AI อย่างเร่งด่วน โครงการที่โดดเด่นคือ THAI Academy ซึ่งเป็นความร่วมมือระหว่างกระทรวงศึกษาธิการ, กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.), และ Microsoft 20 โครงการนี้มีเป้าหมายในการยกระดับทักษะ AI ให้กับคนไทยรวม 1 ล้านคน.20

ในระดับบุคลากรเฉพาะทาง โครงการ THAI Academy มุ่งเน้นไปที่การสร้างท่อบุคลากร AI ในระยะยาว โดยมีเป้าหมายฝึกอบรมบุคลากรครู 4,500 คน และสร้างนักพัฒนา AI รุ่นใหม่ในสายวิชาเทคโนโลยีให้ได้กว่า 50,000 คน เพื่อเสริมความเข้มแข็งของตลาดแรงงาน AI ในประเทศ 20 นอกจากนี้ แผนการสร้างบุคลากรยังครอบคลุมการวางรากฐานการเรียนรู้ AI ตั้งแต่ระดับประถมศึกษาไปจนถึงการฝึกอบรมสายอาชีวะ (AI@School, AI@University, AI@Lifelong Learning) เพื่อสร้างกำลังคนในโครงสร้างพีระมิด 4 ระดับ.7

การลงทุนในการพัฒนาทักษะนี้เป็นกลยุทธ์เชิงรุกเพื่อจัดการกับความท้าทายของตลาดแรงงานในยุค AI ที่งานหลายประเภทจะถูกเปลี่ยนแปลงหรือถูกแทนที่ด้วยระบบอัตโนมัติ 22 โดยเน้นการเสริมสร้างทักษะที่ AI ไม่สามารถทำได้ 23 และเปลี่ยนบทบาทของพนักงานจากการทำงานที่ซ้ำซากไปสู่การทำงานร่วมกับ AI เพื่อสร้างผลผลิตที่สูงขึ้นและต้องใช้ความคิดสร้างสรรค์มากขึ้น 22 ความสำเร็จในการเปลี่ยนผ่านทักษะของแรงงานกลุ่มนี้จึงเป็นปัจจัยชี้ขาดความยั่งยืนของการเติบโตทางเศรษฐกิจที่ขับเคลื่อนด้วย AI ในระยะยาว.

นอกจากนี้ โครงการดังกล่าวยังขยายการสนับสนุนไปยังผู้ประกอบการขนาดกลางและขนาดย่อม (SMEs) โดยร่วมมือกับหน่วยงานที่เกี่ยวข้องเพื่อเพิ่มขีดความสามารถของผู้ประกอบการ SME กว่า 20,000 ราย ให้สามารถใช้ AI เป็นเครื่องมือในการเพิ่มประสิทธิภาพการดำเนินงาน ลดต้นทุน และแข่งขันในตลาดดิจิทัล.12

บทที่ 4: นวัตกรรมและกรณีศึกษา AI สัญชาติไทย

ความน่าสนใจของการพัฒนา AI ในประเทศไทยคือการที่นวัตกรรมถูกปรับให้เข้ากับความต้องการเฉพาะของบริบทไทย โดยเฉพาะด้านภาษาและภาคอุตสาหกรรมที่มีความซับซ้อน

4.1 การพัฒนาแบบจำลองภาษาขนาดใหญ่ภาษาไทย (Thai LLM Initiative)

การพัฒนาแบบจำลองภาษาขนาดใหญ่ (LLM) ที่รองรับภาษาไทยโดยเฉพาะ (Thai LLM) เป็นโครงการเรือธงที่มีความสำคัญอย่างยิ่งต่อการสร้างอธิปไตยทางเทคโนโลยี 17 เนื่องจากโมเดลภาษาต่างประเทศอาจมีข้อจำกัดในการทำความเข้าใจและตอบสนองต่อภาษาไทยได้อย่างเป็นธรรมชาติเท่าที่ควร 11 การลงทุนนี้จึงเป็นการสร้างรากฐานสำหรับ Generative AI สัญชาติไทยในอนาคต โดยมีการร่วมมือกันระหว่าง สวทช. (NSTDA) และภาคเอกชน เช่น สยาม เอไอ คอร์เปอเรชั่น เพื่อผลักดันการพัฒนา “Thai LLM”.19

ผลิตภัณฑ์สัญชาติไทยที่โดดเด่น เช่น Alisa แสดงให้เห็นถึงความสามารถในการเข้าใจและตอบสนองต่อภาษาไทยได้อย่างเป็นธรรมชาติ 11 โดยสามารถนำไปใช้ในการสรุปงานหรือช่วยเขียนงานภาษาไทยได้อย่างมีประสิทธิภาพ นอกจากนี้ การทำให้ AI เข้าถึงได้ง่ายขึ้นก็เป็นกุญแจสำคัญ แพลตฟอร์ม CiRA CORE ถูกออกแบบมาให้เป็น Low-Code Platform ที่ใช้ระบบ Block Code ทำให้ผู้ใช้สามารถพัฒนาแอปพลิเคชัน Deep Learning ได้ง่ายขึ้นโดยไม่จำเป็นต้องมีทักษะการเขียนโค้ดขั้นสูง 11 การมีเครื่องมือที่ใช้งานง่ายเช่นนี้ช่วยลดความซับซ้อนในการพัฒนา (Development Complexity) และช่วยเร่งอัตราการประยุกต์ใช้ในวงกว้าง โดยเฉพาะในกลุ่ม SMEs และนักพัฒนารุ่นใหม่ที่ไม่ใช่ผู้เชี่ยวชาญด้าน AI โดยตรง.

4.2 การประยุกต์ใช้ในอุตสาหกรรมเป้าหมาย

4.2.1 ภาคสาธารณสุขและการแพทย์ (Healthcare)

การแพทย์ถือเป็นภาคส่วนที่ได้รับความสำคัญสูงสุดในการประยุกต์ใช้ AI ภายใต้แผนยุทธศาสตร์แห่งชาติ 18 โครงการ Flagship Project ด้าน Medical AI Data Sharing Platform 17 มุ่งเน้นการใช้ AI ในการวินิจฉัยโรคเรื้อรัง การดูแลตนเอง และการเป็นผู้ช่วยแพทย์ 10 เป้าหมายคือการยกระดับประสิทธิภาพทางการแพทย์ของไทย และผลักดันให้ประเทศไทยเป็นศูนย์กลางของการรักษาพยาบาลในอาเซียน 18 ตัวอย่างของสตาร์ทอัพไทยที่โดดเด่นในสาขานี้คือ Agnos Health ซึ่งนำระบบ AI มาใช้ในการวิเคราะห์โรค.24

4.2.2 ภาครัฐและการบริการสาธารณะ (Government & Public Services)

ภาครัฐมีการลงทุนอย่างต่อเนื่องในการใช้ AI เพื่อยกระดับประสิทธิภาพ ประสิทธิผล และการตอบสนองต่อบริการของรัฐบาล 25 สำนักงานพัฒนารัฐบาลดิจิทัล (DGA) ได้เปิดตัว ศูนย์ปัญญาประดิษฐ์ภาครัฐ (AI) เพื่อเป็นแหล่งรวมผลงาน AI พร้อมใช้และสร้างชุมชน AI ภาครัฐ 26 การทดลองนำ Generative AI มาใช้ในองค์กรภาครัฐอย่าง ก.พ.ร. (OCSC) แสดงผลลัพธ์ที่วัดผลได้ชัดเจน โดยพบว่าเจ้าหน้าที่สามารถประหยัดเวลาการทำงานได้เฉลี่ย 6 ชั่วโมงต่อสัปดาห์ และเพิ่มผลิตภาพได้สูงถึง 15% โดยเฉพาะในการสืบค้นข้อมูลและการร่างเอกสาร 27 อย่างไรก็ตาม ภาครัฐยังคงตระหนักว่า AI ยังมีจุดอ่อนและเน้นย้ำถึงความจำเป็นที่จะต้องมีกระบวนการตรวจสอบความถูกต้อง เพื่อสร้างความน่าเชื่อถือให้กับบริการสาธารณะ.27

4.2.3 ภาคการผลิตและอุตสาหกรรม (Manufacturing & Industry 4.0)

การประยุกต์ใช้ AI ในภาคการผลิตเป็นก้าวสำคัญในการเปลี่ยนโฉมสู่ Industry 4.0 12 AI ถูกนำมาใช้ในการบำรุงรักษาเชิงพยากรณ์ (Predictive maintenance) ซึ่งสามารถระบุชิ้นส่วนที่เสี่ยงต่อการเสียหายได้แม่นยำกว่าการวิเคราะห์อายุการใช้งานเฉลี่ยแบบเดิม 28 นอกจากนี้ AI ยังช่วยในการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน การควบคุมคุณภาพ และการเปลี่ยนงานที่ซ้ำซากหรือเป็นอันตรายให้เป็นระบบอัตโนมัติ 12 การนำ AI มาใช้ในภาคการผลิตยังช่วยลดการสูญเสียวัสดุและระยะเวลาการทำงาน และยังเป็นกลยุทธ์สำคัญในการชดเชยปัญหาการขาดแคลนแรงงาน.29

4.2.4 ภาคการศึกษาและการวิจัย (Education & R&D)

ในภาคการศึกษา มีการนำ Generative AI มาใช้เพื่อพลิกโฉมบริการด้านวิชาการและการวิจัย โครงการพัฒนาเครือข่ายระบบห้องสมุดในประเทศไทย (ThaiLIS) ภายใต้ UniNet ได้นำ AI มาช่วยในการวิเคราะห์และคัดกรองฐานข้อมูลงานวิจัยทั่วโลก เพื่อให้แน่ใจว่างบประมาณที่จำกัดถูกใช้ไปกับฐานข้อมูลที่มีคุณค่าสูงสุดสำหรับนักวิจัย 30 นอกจากนี้ ยังมีการนำ Generative AI มาใช้ในเครื่องมือช่วยเขียนวิทยานิพนธ์ (iThesis) โดยเพิ่มฟังก์ชันแชตบอตเพื่อช่วยในการสืบค้นข้อมูล และมีระบบตรวจทานเพื่อป้องกันการคัดลอก (Plagiarism) 30 การกระจายศูนย์กลางการพัฒนา AI โดยการสร้างเครื่องมือที่ใช้งานง่ายและการบูรณาการ AI เข้ากับกระบวนการทำงานพื้นฐานในสถาบันการศึกษา ช่วยลดอุปสรรคทางเทคนิคในการเข้าถึง AI และเร่งให้เกิดนักสร้างสรรค์นวัตกรรม AI (AI Innovators) ในวงกว้าง.11

บทที่ 5: ความท้าทาย โอกาส และข้อเสนอแนะเชิงกลยุทธ์

แม้จะมีความก้าวหน้าอย่างชัดเจน วงการ AI ประเทศไทยยังคงเผชิญกับความท้าทายเชิงโครงสร้างและด้านนโยบายที่จำเป็นต้องได้รับการจัดการอย่างต่อเนื่องเพื่อบรรลุวิสัยทัศน์การเป็นผู้นำ AI ในภูมิภาค

5.1 ความท้าทายหลักในการก้าวสู่ AI Leadership

ความท้าทายสำคัญประการหนึ่งคือการสร้างบุคลากรที่มีความเชี่ยวชาญด้าน AI ในระดับสูง (AI Professionals/Engineers) 7 แม้จะมีการลงทุนครั้งใหญ่ในโครงการฝึกอบรมมวลชนอย่าง THAI Academy แต่การสร้างบุคลากรที่มีทักษะเฉพาะทางระดับลึกยังคงเป็นสิ่งจำเป็นในการขับเคลื่อนเทคโนโลยีและนวัตกรรมใหม่ๆ.11

ความท้าทายที่สองคือการสร้างโครงสร้างพื้นฐานดิจิทัลระดับโลกที่สามารถแข่งขันได้ 15 แม้จะมีการลงทุนด้านโครงสร้างพื้นฐานเชิงกลยุทธ์ในปี 2023 10 แต่การรักษาโครงสร้างพื้นฐานที่สามารถรองรับการดำเนินงาน AI ขององค์กรระดับภูมิภาคและระดับโลกไว้ได้นั้นยังคงเป็นเดิมพันที่สำคัญ 15 นอกจากนี้ การประยุกต์ใช้ AI ที่เติบโตอย่างรวดเร็วและการขยายตัวของศูนย์ข้อมูล (Data Centers) ยังเพิ่มความต้องการพลังงานอย่างมาก ทำให้ประเทศไทยต้องสำรวจการจัดตั้งศูนย์ข้อมูลสีเขียว (Green Data Centers) และการใช้โมเดล AI ที่ประหยัดพลังงาน เพื่อให้สอดคล้องกับกลยุทธ์ด้านสิ่งแวดล้อมและความยั่งยืน.7

5.2 โอกาสเชิงกลยุทธ์และการสร้างความยั่งยืน

การพัฒนา AI ในประเทศไทยมีความเชื่อมโยงอย่างลึกซึ้งกับวาระด้านความยั่งยืน (Sustainability Agenda) ของประเทศ ยุทธศาสตร์ AI ถูกออกแบบมาให้สอดคล้องกับการพัฒนาเศรษฐกิจในรูปแบบ BCG Economy (Bioeconomy, Circular Economy, Green Economy) 5 การเชื่อมโยง AI เข้ากับ BCG และการสำรวจการใช้ Green Data Centers 7 แสดงให้เห็นว่าประเทศไทยมองว่า AI เป็นเครื่องมือในการบรรลุเป้าหมายการเติบโตอย่างยั่งยืน การดำเนินการนี้เป็นการสร้างความน่าสนใจให้กับนักลงทุนต่างชาติที่ให้ความสำคัญกับการลงทุนที่รับผิดชอบต่อสังคมและสิ่งแวดล้อม (ESG) และการนำ AI ไปใช้ในลักษณะที่มีความรับผิดชอบ.7

โอกาสที่น่าจับตามองคือการเป็นผู้นำด้าน AI เฉพาะทางในภูมิภาค การมุ่งเน้นการประยุกต์ใช้ AI ใน 10 กลุ่มอุตสาหกรรมเป้าหมาย 10 โดยเฉพาะการผลักดันให้การแพทย์ของไทยเป็นศูนย์กลางการรักษาพยาบาลในอาเซียนผ่านการใช้ AI 18 การลงทุนใน Thai LLM ก็เป็นการสร้างความได้เปรียบทางภาษาและวัฒนธรรม ซึ่งจะนำไปสู่การพัฒนานวัตกรรม AI ที่ตอบโจทย์ผู้บริโภคชาวไทยได้ดียิ่งขึ้น ลดการพึ่งพาเทคโนโลยีจากต่างชาติ และเสริมสร้างอธิปไตยทางเทคโนโลยี.

นอกจากนี้ การให้ความสำคัญกับความน่าเชื่อถือของ AI (Trustworthy AI) ยังสร้างโอกาสทางธุรกิจใหม่ๆ แม้ว่า Generative AI จะสามารถเพิ่มผลิตภาพในภาครัฐได้ถึง 15% 27 แต่ก็มีการเน้นย้ำอย่างชัดเจนถึงความจำเป็นในการ “ตรวจสอบความถูกต้อง” เพื่อให้เกิดความน่าเชื่อถือในบริการภาครัฐ 27 ความต้องการการตรวจสอบและการรับรองนี้จะนำไปสู่การสร้างตลาดใหม่สำหรับบริการด้าน AI Testing, Validation, and Verification (V&V) และการพัฒนาเทคโนโลยีที่เกี่ยวข้องกับความปลอดภัยของ AI เช่น โครงการ Biometric Verification 17 ซึ่งเป็นโอกาสสำหรับบริษัทที่เชี่ยวชาญด้าน AI Safety และ Governance.

บทสรุปและข้อเสนอแนะเชิงกลยุทธ์

วงการ AI ในประเทศไทยได้แสดงให้เห็นถึงความก้าวหน้าอย่างมีนัยสำคัญ โดยขับเคลื่อนด้วยแผนยุทธศาสตร์ที่ชัดเจน การลงทุนเชิงโครงสร้างพื้นฐานอย่างต่อเนื่อง และความตื่นตัวของตลาดในระดับผู้ใช้งาน การยกระดับอันดับความพร้อมของประเทศไปสู่ลำดับที่ 43 ของโลก 3 และศักยภาพทางเศรษฐกิจที่คาดว่าจะแตะ 114,000 ล้านบาท 8 เป็นสัญญาณเชิงบวกที่แข็งแกร่ง.

สิ่งที่น่าสนใจที่สุดคือการลงทุนเชิงยุทธศาสตร์ในการสร้าง “AI สัญชาติไทย” ผ่านโครงการ Thai LLM 19 และการเร่งรัดการประยุกต์ใช้ในภาคส่วนที่มีความสำคัญสูงต่อสังคม (เช่น การแพทย์และภาครัฐ) ควบคู่ไปกับการสร้างกรอบจริยธรรมและการกำกับดูแลที่สมดุล การดำเนินการนี้เป็นการวางรากฐานเพื่อการเติบโตที่ยั่งยืนและมีความรับผิดชอบ.

ข้อเสนอแนะเชิงกลยุทธ์:

  1. เร่งรัดการพัฒนาบุคลากรระดับสูง: แม้จะมีการฝึกอบรมขนาดใหญ่ แต่ควรเน้นการลงทุนเชิงลึกเพื่อสร้าง AI Engineers และ Researchers ระดับโลกอย่างต่อเนื่อง เพื่อรองรับการพัฒนาเทคโนโลยี R&D ขั้นสูง และลดช่องว่างระหว่างการใช้ AI ส่วนบุคคลกับการนำไปใช้ระดับองค์กร.11
  2. สนับสนุนการค้าและการบริการ V&V (Validation and Verification): ใช้ความตื่นตัวในการกำกับดูแลและข้อกำหนดด้านความน่าเชื่อถือของ AI ในภาครัฐ 27 เป็นโอกาสในการสร้างมาตรฐานและอุตสาหกรรมการตรวจสอบและรับรอง AI เพื่อส่งเสริม Trustworthy AI ซึ่งจะเพิ่มความน่าดึงดูดใจให้กับนักลงทุนในอุตสาหกรรมที่ต้องมีการกำกับดูแลสูง.
  3. ใช้ Low-Code Platform เป็นตัวเร่งการประยุกต์ใช้ใน SME: ส่งเสริมการใช้แพลตฟอร์มที่ใช้งานง่าย (เช่น CiRA CORE) 11 เพื่อให้ SMEs สามารถนำ AI ไปใช้ในการลดต้นทุนและเพิ่มประสิทธิภาพ 12 ได้อย่างรวดเร็ว เพื่อแปลงความต้องการของ Knowledge Workers ส่วนใหญ่ให้กลายเป็นการใช้งานระดับองค์กรอย่างเป็นทางการ.

ผลงานที่อ้างอิง

  1. ขับเคลื่อนอย่างต่อเนื่อง ! กระทรวงอว. และดีอีเอส ร่วมมือเดินหน้ายกร่างแผนแม่บทปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย – NECTEC : National Electronics and Computer Technology Center, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.nectec.or.th/news/news-pr-news/national-ai-2-2021.html
  2. Thailand’s National AI Strategy and Action Plan (2022-2027) | Digital Watch Observatory, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://dig.watch/resource/thailands-national-ai-strategy-and-action-plan-2022-2027
  3. ไทยอยู่อันดับ 43 ของโลก ดัชนีวัดความก้าวหน้าเอไอปี 2024 – กรุงเทพธุรกิจ, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.bangkokbiznews.com/tech/gadget/1149076
  4. ไทยติดอันดับ 43 ของโลกในดัชนีวัดความก้าวหน้า AI ประจำปี 2024 – Cathcart Technology, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://cathcarttechnology.co.th/insights/%E0%B9%84%E0%B8%97%E0%B8%A2%E0%B8%95%E0%B8%B4%E0%B8%94%E0%B8%AD%E0%B8%B1%E0%B8%99%E0%B8%94%E0%B8%B1%E0%B8%9A-43-%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%82%E0%B8%A5%E0%B8%81%E0%B9%83%E0%B8%99%E0%B8%94/
  5. แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – 2570) – NSTDA, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.nstda.or.th/home/news_post/national-artificial-intelligence-action-plan-for-thailand-development-2022-2027/
  6. Thailand national AI strategy and action plan (2022 – 2027), เข้าถึงเมื่อ ตุลาคม 21, 2025 http://www.ai.in.th/en/about-ai-thailand/
  7. Thailand approves THB25bn plan to accelerate AI leadership …, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.thailandnow.in.th/business-investment/thailand-approves-thb25bn-plan-to-accelerate-ai-leadership/
  8. เจาะลึก: ส่องเทรนด์และมูลค่าตลาด AI ในไทย (อ้างอิงจากข้อมูลล่าสุด Statista) – Tiya Vaj, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://vtiya.medium.com/%E0%B9%80%E0%B8%88%E0%B8%B2%E0%B8%B0%E0%B8%A5%E0%B8%B6%E0%B8%81-%E0%B8%AA%E0%B9%88%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%97%E0%B8%A3%E0%B8%99%E0%B8%94%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%84%E0%B9%88%E0%B8%B2%E0%B8%95%E0%B8%A5%E0%B8%B2%E0%B8%94-ai-%E0%B9%83%E0%B8%99%E0%B9%84%E0%B8%97%E0%B8%A2-%E0%B8%AD%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B8%AD%E0%B8%B4%E0%B8%87%E0%B8%88%E0%B8%B2%E0%B8%81%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%A5%E0%B9%88%E0%B8%B2%E0%B8%AA%E0%B8%B8%E0%B8%94-statista-0a51c7bfbac3
  9. Thailand and AI: The Impact of AI on Thai Workers (Current Issue No.3507), เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.kasikornresearch.com/en/analysis/k-econ/economy/Pages/AI-CIS3507-KR-19-06-2024.aspx
  10. Annual Report – AI Thailand, เข้าถึงเมื่อ ตุลาคม 21, 2025 http://www.ai.in.th/wp-content/uploads/2025/06/NAIS-Annual_2024_ENG_Web.pdf
  11. 8 AI สัญชาติไทย พร้อมจุดเด่นของแต่ละตัว ฉบับอัปเดตล่าสุด – Jenosize, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.jenosize.com/th/ideas/futurist/thai-ai-service-platforms
  12. depa Thailand – Article View, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.depa.or.th/th/article-view/ai-for-industrial-sector
  13. จุฬาฯ จับมือ สวทช. และ สพธอ. เตรียมจัดตั้งศูนย์ความเชี่ยวชาญด้านปัญญาประดิษฐ์, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.chula.ac.th/news/253960/
  14. AI Thailand | แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565, เข้าถึงเมื่อ ตุลาคม 21, 2025 http://www.ai.in.th/about-ai-thailand/
  15. How Thailand is Building Tomorrow’s AI Economy with Critical Digital Infrastructure, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.sttelemediagdc.com/th-en/resources/how-thailand-is-building-tomorrows-ai-economy-with-critical-digital-infrastructure
  16. แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – 2570), เข้าถึงเมื่อ ตุลาคม 21, 2025 https://pub.nstda.or.th/gov-dx/national-artificial-intelligence-action-plan-for-thailand-development-2022-2027/
  17. Thailand National AI Strategy and Action Plan (2022 “ 2027) – OECD …, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://oecd.ai/en/dashboards/policy-initiatives/thailand-national-ai-strategy-and-action-plan-2022-2027-1728
  18. รัฐบาลเร่งขับเคลื่อนแผน AI แห่งชาติ ลุยปั้นคน ลงทุนโครงสร้างพื้นฐาน – NSTDA, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.nstda.or.th/home/news_post/naic-20250502/
  19. สวทช. จับมือ สยาม เอไอ คอร์เปอเรชั่นฯ ผลักดัน AI ภาษาไทย การพัฒนาแบบจำลองภาษาขนาดใหญ่ “Thai LLM” – กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.mhesi.go.th/index.php/news/11453-%E0%B8%AA%E0%B8%A7%E0%B8%97%E0%B8%8A-%E0%B8%88%E0%B8%B1%E0%B8%9A%E0%B8%A1%E0%B8%B7%E0%B8%AD-%E0%B8%AA%E0%B8%A2%E0%B8%B2%E0%B8%A1-%E0%B9%80%E0%B8%AD%E0%B9%84%E0%B8%AD-%E0%B8%84%E0%B8%AD%E0%B8%A3%E0%B9%8C%E0%B9%80%E0%B8%9B%E0%B8%AD%E0%B9%80%E0%B8%A3%E0%B8%8A%E0%B8%B1%E0%B9%88%E0%B8%99%E0%B8%AF-%E0%B8%9C%E0%B8%A5%E0%B8%B1%E0%B8%81%E0%B8%94%E0%B8%B1%E0%B8%99-ai-%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%B2%E0%B9%84%E0%B8%97%E0%B8%A2-%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9E%E0%B8%B1%E0%B8%92%E0%B8%99%E0%B8%B2%E0%B9%81%E0%B8%9A%E0%B8%9A%E0%B8%88%E0%B8%B3%E0%B8%A5%E0%B8%AD%E0%B8%87%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%B2%E0%B8%82%E0%B8%99%E0%B8%B2%E0%B8%94%E0%B9%83%E0%B8%AB%E0%B8%8D%E0%B9%88-%E2%80%9Cthai-llm%E2%80%9D.html
  20. ไมโครซอฟท์ ต่อยอดความร่วมมือกับรัฐบาลไทย เปิดตัวโครงการ THAI Academy มุ่งยกระดับทักษะ AI ให้คนไทย 1 ล้านคน – ศูนย์ข่าวสารประเทศไทย – Microsoft News, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://news.microsoft.com/th-th/2025/04/21/microsoft_thai-academy-launch_th/
  21. ไมโครซอฟท์ เดินหน้าโครงการ THAI Academy – AI in Education พลิกโฉมการศึกษาไทยด้วย AI จากพันธมิตรระดับโลกเปิดโอกาสให้คนไทยทุกช่วงวัยเข้าถึงทักษะแห่งอนาคต – ศูนย์ข่าวสารประเทศไทย – Microsoft News, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://news.microsoft.com/th-th/2025/06/09/ministry-of-education-mhesi-and-microsoft-join-forces-to-transform-thai-education-with-ai-th/
  22. AI เปลี่ยนตลาดแรงงานไทย โอกาสและความท้าทาย – meesiri.com, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://meesiri.com/blog/technology-trends-industry-insights-6/ai-epliiyntlaadaerngngaanaithy-o-kaasaelakhwaamthaathaay-2031
  23. การพัฒนาแบบก้าวกระโดดของปัญญาประดิษฐ์ ผลกระทบต่อแรงงาน จะต้องเรียนรู้อะไรถึงไม่ตกงาน – depa Thailand – Article View, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.depa.or.th/th/article-view/ai-development-labor-impact
  24. Agnos Health บริษัทสตาร์ทอัพด้านเทคโนโลยีสุขภาพของไทย นำระบบ AI วิเคราะห์โรค เข้าร่วมเสนอไอเดียธุรกิจในรายการ Shark Tank Thailand Season 3, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.agnoshealth.com/articles/agnos-health-shark-tank-thailand-season-3
  25. ปัญญาประดิษฐ์ (AI) ในหน่วยงานรัฐ – Intel, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.thailand.intel.com/content/www/th/th/learn/ai-in-government.html
  26. DGA เปิดศูนย์ปัญญาประดิษฐ์ภาครัฐ (AI) แหล่งรวมผลงาน AI พร้อมใช้ เพื่อสร้างชุมชน AI ร่วมผลักดันหน่วยงานรัฐสร้างบริการเพื่อประชาชน – สำนักงานพัฒนารัฐบาลดิจิทัล (องค์การมหาชน) สพร. หรือ DGA, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.dga.or.th/document-sharing/dga-news/18500/
  27. เส้นทางสู่ AI ภาครัฐ เริ่มต้นที่คน ขับเคลื่อนด้วยข้อมูล ต่อยอดสู่เทคโนโลยี พลิกโฉมบริการภาครัฐเพื่อประชาชน – NECTEC : National Electronics and Computer Technology Center, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.nectec.or.th/news/news-article/ai-for-public-sectors.html
  28. AI…สามารถช่วยธุรกิจได้อย่างไร…ในภาวะถดถอย – DEPA, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.depa.or.th/th/article-view/ai-how-can-help-businesses
  29. ปัญญาประดิษฐ์ (AI) ในภาคการผลิต – Intel, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.thailand.intel.com/content/www/th/th/learn/ai-in-manufacturing.html
  30. พลิกโฉมวิจัยไทย “UniNet” เตรียมใช้ AI ยกระดับบริการ ThaiLIS สร้างคลังความรู้ชาติ มุ่งเป็นศูนย์กลางข้อมูลเพื่องานวิจัยไทย – กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม, เข้าถึงเมื่อ ตุลาคม 21, 2025 https://www.mhesi.go.th/index.php/news/11832-%E0%B8%9E%E0%B8%A5%E0%B8%B4%E0%B8%81%E0%B9%82%E0%B8%89%E0%B8%A1%E0%B8%A7%E0%B8%B4%E0%B8%88%E0%B8%B1%E0%B8%A2%E0%B9%84%E0%B8%97%E0%B8%A2-%E2%80%9Cuninet%E2%80%9D-%E0%B9%80%E0%B8%95%E0%B8%A3%E0%B8%B5%E0%B8%A2%E0%B8%A1%E0%B9%83%E0%B8%8A%E0%B9%89-ai-%E0%B8%A2%E0%B8%81%E0%B8%A3%E0%B8%B0%E0%B8%94%E0%B8%B1%E0%B8%9A%E0%B8%9A%E0%B8%A3%E0%B8%B4%E0%B8%81%E0%B8%B2%E0%B8%A3-thailis-%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B8%84%E0%B8%A5%E0%B8%B1%E0%B8%87%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%8A%E0%B8%B2%E0%B8%95%E0%B8%B4-%E0%B8%A1%E0%B8%B8%E0%B9%88%E0%B8%87%E0%B9%80%E0%B8%9B%E0%B9%87%E0%B8%99%E0%B8%A8%E0%B8%B9%E0%B8%99%E0%B8%A2%E0%B9%8C%E0%B8%81%E0%B8%A5%E0%B8%B2%E0%B8%87%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B9%80%E0%B8%9E%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%87%E0%B8%B2%E0%B8%99%E0%B8%A7%E0%B8%B4%E0%B8%88%E0%B8%B1%E0%B8%A2%E0%B9%84%E0%B8%97%E0%B8%A2.html